WorldPop Global Project Population Data: Estimated Residential Population per 100x100m Grid Square

WorldPop/GP/100m/pop
数据集可用时间
2000-01-01T00:00:00Z–2021-01-01T00:00:00Z
数据集生产者
Earth Engine 代码段
ee.ImageCollection("WorldPop/GP/100m/pop")
标签
demography population worldpop

说明

全球高分辨率的最新人口分布数据是准确衡量人口增长影响、监控变化和规划干预措施的前提条件。WorldPop 项目旨在通过提供使用透明且经过同行评审的方法构建的详细且开放的人口分布数据集来满足这些需求。

WorldPop 网站上提供了有关构建数据的完整详细信息,以及开放访问出版物。简而言之,最近基于人口普查的人口统计数据与其关联的行政单位相匹配,通过机器学习方法分解为约 100x100 米的网格单元,这些方法利用了人口密度与一系列地理空间协变量层之间的关系。映射方法是基于随机森林的 dasymetric 重新分配。

此数据集描绘了 2010 年、2015 年和其他年份居住在每个网格单元中的估计人数。

对于 2020 年, 在 WorldPop/GP/100m/pop_age_sexWorldPop/GP/100m/pop_age_sex_cons_unadj 集合中提供了按年龄和性别划分的人口细分数据。

WorldPop 网站上还免费提供了有关人口年龄结构、贫困、城市增长和人口动态的更多 WorldPop 网格数据集。WorldPop 是南安普顿大学、布鲁塞尔自由大学和路易斯维尔大学的研究人员之间的合作项目。该项目主要由比尔及梅琳达·盖茨基金会资助。

频段

频段

像素大小:92.77 米(所有频段)

名称 最小值 全速 像素大小 说明
population 0* 21171* 92.77 米

居住在每个网格单元中的估计人数

* 估计的最小值或最大值

图像属性

图像属性

名称 类型 说明
国家/地区 STRING

国家/地区

双精度

使用条款

使用条款

WorldPop 数据集已获得知识共享署名 4.0 国际版许可授权。用户可以出于商业和非商业目的自由使用、复制、分发、传输和改编作品,不受限制,但必须明确注明来源。

引用

引用:
  • 请引用 WorldPop 网站作为来源:www.worldpop.org

  • 美洲人口数据:Alessandro Sorichetta、Graeme M. Hornby、Forrest R. Stevens、Andrea E. Gaughan、Catherine Linard、Andrew J. Tatem, 2015 年,2010 年、2015 年和 2020 年拉丁美洲和加勒比地区的高分辨率网格人口数据集,Scientific Data, doi:10.1038/sdata.2015.45

  • 非洲人口统计数据:Linard, C.、Gilbert, M.、Snow, R.W.、Noor, A.M. 和 Tatem, A.J., 2012 年,2010 年非洲的人口分布、居住模式和可访问性,PLoS ONE,7(2):e31743。

  • 亚洲人口统计数据:Gaughan AE、Stevens FR、Linard C、Jia P 和 Tatem AJ,2013 年,2010 年和 2015 年东南亚的高分辨率人口分布图,PLoS ONE,8(2):e55882。

DOI

通过 Earth Engine 探索

代码编辑器 (JavaScript)

var dataset = ee.ImageCollection('WorldPop/GP/100m/pop');

var visualization = {
  bands: ['population'],
  min: 0.0,
  max: 50.0,
  palette: ['24126c', '1fff4f', 'd4ff50']
};

Map.setCenter(113.643, 34.769, 7);

Map.addLayer(dataset, visualization, 'Population');

Python 设置

如需了解 Python API 和如何使用 geemap 进行交互式开发,请访问 Python 环境页面。

import ee
import geemap.core as geemap

Colab (Python)

dataset = ee.ImageCollection('WorldPop/GP/100m/pop')

visualization = {
    'bands': ['population'],
    'min': 0.0,
    'max': 50.0,
    'palette': ['24126c', '1fff4f', 'd4ff50'],
}

m = geemap.Map()
m.set_center(113.643, 34.769, 7)
m.add_layer(dataset, visualization, 'Population')
m
在代码编辑器中打开