Estimación de Población

Estimación de Población en Áreas Pequeñas mediante Percepción Remota de Alta Resolución EspacialDr. José Luis Silván Cárdenas

Responsable Técnico

Colaboradores

Dr. Stephane, IG UNAM

Dra. Hind Taud, CIDETEC IPN

Dr. Le Wang, UB SUNY

Estudiantes de la Maestría en Geomática

Tecnólogos e Investigadores del CentroGeo

Objetivo

Desarrollar y probar una metodología de estimación de población en áreas geoestadísticas básicas (AGEBS) y manzanas, empleando imágenes de alta resolución espacial y la nube de puntos tridimensional levantada mediante el sensor LiDAR aerotransportado

Motivación

La población de un área depende del espacio habitable en el área (alometría)

El espacio habitable se puede cuantificar mediante percepción remota

y = 3.6977x - 0.8513

R² = 0.9852

0

200

400

600

800

1000

1200

1400

1600

1800

0 200 400 600

Po

bla

ció

n 2

01

0

Viviendas 2010

Manzanas Milpa Alta

POB10

Lineal (POB10)

Enfoque Incremental

Tesis Central: El incremento de la población conlleva un incremento en edificios de vivienda

Se requiere:

Modelar la relación población-vivienda

Modelar la relación vivienda-espacio habitable

Contar con una muestra representativa del incremento de viviendas

Cuantificación del espacio habitable mediante técnicas de percepción remota

Etapas del Proyecto

Etapa 1: Preparación de Información y Datos

Etapa 2: Cuantificación del Espacio Habitable

Etapa 3: Modelado y Análisis

Etapa 1: Preparación de Información y Datos

Actividades principales

1. Revisión y análisis de otras metodologías

2. Adquisición y preparación de imágenes y datos LiDAR

3. Preparación de datos censales y catastro

Productos esperados

1. Reporte de avances

2. Imágenes ortorectificadas

3. Vector de manzanas y AGEBs con datos censales (p/3 sitios)

4. Modelo digital de altura de edificios a 1m

5. Imágenes de alta resolución (~1m) ortorectificadas

Áreas de Estudio

Área 1: Del. Cuauhtémoc

Densamente poblado

16k hab/km2

Área 2: Del Tlalpan

Zona periurbana

2k hab/km2

Área 3: Del Milpa Alta

Zona rural

< 500 hab/km2

Crecimiento 2000-2010

-10.0%

-5.0%

0.0%

5.0%

10.0%

15.0%

20.0%

25.0%

30.0%

35.0%

40.0%

Datos Recolectados Censos y Conteos

2000 (AGEBS), 2005, 2010 (Manz y AGEBS)

Datos Vectoriales

Catastro 2000: predios y edificios

Manzanas y AGEBS 2000, 2005 y 2010

Vías 2000

Asentamientos Irregulares

Altimetría

LiDAR 2007 (nube)

Derivados (Superficie, Terreno y Alturas) a 5m

SRTM 2000 (90m)

Imágenes multiespectrales

WorldView 2 (2012)

QuickBird (2007-2009)

IKONOS (2001-2002)

SPOT y Landsat

AltimetríaLiDAR

Filtrado del Terreno

A multiscale approach for ground filtering from LiDAR altimetry measurements (2014). J.L. Silvan & L. Wang. En Qihao WengEd. Scale Issues in Remote Sensing, ISBN: 978-1-118-30504-1,John Wiley & Sons. Ch.14. 18p.

Procesamiento de imágenes

Calibración radiométrica

Creación de mosaicos

Recortes áreas de interés

Fusión (pansharpening)

Ortorectificación

Clasificación

Clasificación de la Cobertura

Cu

au

hté

moc

Milpa Alta

T l a

l p

a n

Catastro

Actualizado al 2000

Polígonos de Predios

Clave de suelo

Polígonos de Edificios

Número de niveles

Milpa Alta Tlalpan Cuauh

Predios 13480 82839 44,250

Edificios* 24964 170419 148,741

Etapa 2: Cuantificación del Espacio

Habitable Actividades principales

1. Mapeo del Uso de Suelo (habitacional)

2. Extracción de Edificios

3. Evaluación de productos

4. Caracterización del espacio habitable

Productos esperados

1. Capa de uso de suelo

2. Capa de edificios

3. Reporte evaluación de productos

4. Unidades censales con estadísticas de espacio habitable

Extracción de Edificios de Vivienda

LiDAR data(Dec 2007)

Raster layersproduction

DHM

BuildingExtraction

QuickBird images(Feb 2007)

Pansharp. & Ortho-

rectificationDSM

VegetationMasking

Building Layer(2000)

BuildingSories

Modelling

BuildingLayer

Updating

Tax-parcelsLayer (2000)

BHM

Tax-parcelsatributes Comp.

Land Use Classifcation

HousingUnits

Extraction

Fuente: Remote identication of housing buildings with high-resolution remote sensing, JL Silván-Cárdenas, JA Almazán-González & SA Couturier. LNCS to appear, Jun 2014

Número de Niveles en Edificios

𝑛 =

2ℎ/5 , 𝑠𝑖 ℎ < 15

(ℎ + 3)/3 , 𝑠𝑖 15 ≤ ℎ < 45𝑜

(ℎ + 19)/4 , 𝑠𝑖 ℎ ≥ 45

Estimación de Altura de Edificios

Primer retorno

Puntos de edificio

Primer cuartil

Promedio

Clasificación de Uso de Suelo

Selección de muestras de entrenamiento y verificación

Cálculo de atributos a nivel de predios

Técnicas de reconocimiento de patrones

Clasificador por Máxima Verosimilitud

Máquinas de Soporte Vectorial

Kernel lineal

Kernel Gausiano

Matriz de Confusión

Aplicación del mejor método

Extracción de Edificios

Modelo digital de alturas

Máscara de vegetación

Cálculo del gradiente

Segmentación por cuencas

Eliminación y fusión de regiones

Vectorización

Espacio Habitable

Es el área total construida y se define como el área de la planta por el número de niveles

Refleja el espacio tridimensional de los edificios

Se calculó a nivel de edificio

Se agregó a nivel de predios

Se agregó a nivel de Manzanas y AGEBs para 26 usos de suelo existentes

Etapa 3: Modelado y Análisis

Actividades Principales

1. Ajuste de modelos

2. Análisis estadísticos

3. Preparación de reportes/artículos

Productos Esperados

1. Capa de población estimada al 2010

2. Reporte del análisis de error

3. Artículo(s) para revista del INEGI

Modelos Población-Vivienda

Modelo Expresión Descripción

1 POB = a*VIV + b Lineal

2 LPOB =a*LVIV + b Logarítmico

3 INCPOB=a*INCVIV + b Incrementos aritméticos

4 INCLPOB = a*INCLVIV + b Incrementos geométricos

5 INCRPOB = a*INCRVIV + b Incrementos relativos

POB = Población Total VIV = Total de Viviendas

LPOB =Log(1+POB) LVIV =Log(1+VIV)

INCPOB=POB-POB0 INCVIV = VIV-VIV0

INCLPOB = LPOB-LPOB0 INCLVIV = LVIV-LVIV0

INCRPOB = INCPOB/(POB+POB0) INCRVIV=INCVIV/(VIV+VIV0)

Medidas de Desempeño

Abreviatura Nombre Significado

R2 Coeficiente de determinación

Porcentaje de varianza determinada

MAE Mediana del Error Absoluto

Valor central insensible a extremos

MARE Mediana del Error Absoluto Relativo

Distribución proporcional del error

𝑀𝐴𝑅𝐸 = 𝑀𝑒𝑑𝑖 𝑃𝑖 − 𝑃𝑖𝑃𝑖

Modelo a b R2 MAE MARE

1 2.5301 1.151 0.8546 18 19%

2 1.1273 0.1447 0.9585 19 16%

3 1.1409 -334.96 0.4961 338 13%

4 0.3156 -0.0395 0.2884 146 6%

5 0.4692 -0.0682 0.448 106 5%

Cuauhtémoc

Modelo a b R2 MAE MARE

1 2.9549 11.94 0.9347 14 17%

2 1.1715 0.2114 0.9607 13 17%

3 2.9721 -408.73 0.8192 641 30%

4 1.2403 -0.117 0.9873 117 5%

5 1.0903 -0.1167 0.9533 111 5%

Modelo a b R2 MAE MARE

1 3.6977 -0.8513 0.9852 8 11%

2 1.1644 0.2982 0.9526 9 14%

3 2.7816 -135.29 0.8465 872 37%

4 1.2650 0.1355 0.9912 111 9%

5 1.0780 -0.1125 0.9767 91.5 5%

Tlalpan

Milpa Alta

y = 1.2403x - 0.117

R² = 0.9873

MAE = 117

MARE=5%

-0.50

0.00

0.50

1.00

1.50

2.00

2.50

3.00

3.50

4.00

4.50

-1.00 0.00 1.00 2.00 3.00 4.00

IN

CLP

OB

20

00

-20

10

INCLVIV 2000-2010

Tlalpan (Modelo 4)

INCRPOB

Lineal (INCRPOB)

y = 1.1273x + 0.1447

R² = 0.9585

MAE = 19

MARE=16%

0

0.5

1

1.5

2

2.5

3

3.5

4

0 1 2 3 4

LP

OB

20

10

LVIV 2010

Cuauhtémoc (Modelo 2)

LPOB10

Lineal (LPOB10)

y = 1.078x - 0.1125

R² = 0.9767

MAE=91.5

MARE=5%

-40%

-20%

0%

20%

40%

60%

80%

100%

-20% 30% 80%

IN

CR

PO

B 2

00

0-2

01

0

INCRVIV 2000-2010

Milpa Alta (Modelo 5)

INCRPOB

Lineal (INCRPOB)

Ritmo de Crecimiento

0

1000000

2000000

3000000

4000000

5000000

6000000

7000000

8000000

9000000

10000000

Po

bla

có

n T

ota

l

Año

Distrito Federal

Crecimiento Logístico

Population

Capacidad de Carga

y = -5E-06x + 0.8533

y = -1E-06x + 0.8875

y = -3E-06x + 1.4342-60%

-40%

-20%

0%

20%

40%

60%

80%

100%

120%

-100 300 700

% I

ncrem

en

to P

ercáp

ita

Población 1995-2005

Miles de Personas

MilpaAlta

Tlalpan

Cuauhtémoc

Lineal(MilpaAlta)

DelegaciónPoblación al

2010Capacidad de Carga

% Ocupación

Milpa Alta130,582 161,329 81%

Tlalpan650,567 673,451 97%

Cuauhtémoc

531,831 523,765 102%

Modelos de Estimación de Viviendas

Modelo Expresion Relación Variables independientes

1VIV =a*EDIFH+b LinealNúmero de edificios conuso de suelo habitacional

2LVIV =a*LEDIFH+b LogaritmicoNúmero de edificios conuso de suelo habitacional

3VIV =a*ESPH+b LinealEspacio habitable de edificios conuso de suelo habitacional

4LVIV =a*LESPH+b LogaritmicoEspacio habitable de edificios conuso de suelo habitacional

5VIV = a1*ESPH1+…+

ak*ESPHk+bLineal

Espacio habitable de edificios conusos de suelo seleccionados*

6VIV = a1*LESPH1+ …+

ak*LESPHk+bLogaritmico

Espacio habitable de edificios concon usos de suelo seleccionados*

*Las variables independientes se seleccionaron automáticamente usando Stepwise Linear Regression

Resultados Preliminares

Modelo Uso de suelo a b R2 MAE MARE

1 Habitacional 0.9302 597.0678 0.2766 320 38%

2 Habitacional 0.4331 1.8660 0.4727 302 40%

3 Habitacional 0.0083 440.7670 0.3662 317 35%

4 Habitacional 0.6783 -0.2880 0.5823 266 36%

5

ComercialHabitacional

Parques y Jardines

0.0067 0.0071

-0.0061232.6940 0.4569* 219 26%

6

ComercialHabitacional

Parques y Jardines

0.2214 0.4993

-0.1021-0.1148 0.4958* 238 33%

Cuauhtémoc

*Coeficiente de determinación multivariado

¿Qué falta?

Completar el análisis para Tlalpan y Milpa Alta

Probar con modelos incrementales

Acoplar las estimaciones de viviendas con los modelos ajustados de población

Generar mapas de estimaciones y de errores

Publicar resultados finales