@InProceedings{NovackKuxMontPinh:2008:CaStSã,
author = "Novack, Tessio and Kux, Hermann Johan Reinrich and Monteiro,
Antonio Miguel Vieira and Pinho, Carolina",
affiliation = "{Instituto Nacional de Pesquisas Espaciais (INPE)} and {Instituto
Nacional de Pesquisas Espaciais (INPE)} and {Instituto Nacional de
Pesquisas Espaciais (INPE)} and {Instituto Nacional de Pesquisas
Espaciais (INPE)}",
title = "Estimation of Population Density Using High Resolution Remote
Sensing Data and Spatial Regression Techniques: A Case Study in
S{\~a}o Paulo City (Brazil)",
booktitle = "Anais...",
year = "2008",
organization = "Simp{\'o}sio Brasileiro de Ci{\^e}ncias Geod{\'e}sicas e
Tecnologias da Geo-Informa{\c{c}}{\~a}o, 2.",
keywords = "sensoriamento remoto urbano, regress{\~a}o espacial, densidade
populacional.",
abstract = "Partindo da premissa de que o planejamento urbano visa o bem-estar
dos cidad{\~a}os, quest{\~o}es como quantas pessoas vivem na
cidade? e onde elas moram? tornam quest{\~o}es chaves. Neste
trabalho utilizamos m{\'e}tricas de paisagem geradas pelo
programa FragStats como vari{\'a}veis independentes para a
estima{\c{c}}{\~a}o da densidade populacional de setores
censit{\'a}rios na megal{\'o}pole de S{\~a}o Paulo, Brasil. As
m{\'e}tricas foram calculadas sobre uma imagem do sensor
QuickBird II classificada de forma supervisionada pelo
classificador Maxver. A exatid{\~a}o tem{\'a}tica e
geom{\'e}trica da classifica{\c{c}}{\~a}o foi avaliada
qualitativamente por inspe{\c{c}}{\~a}o visual. Modelos de
regress{\~a}o simples foram gerados e testes
estat{\'{\i}}sticos formais aplicados. A depend{\^e}ncia
espacial dos res{\'{\i}}duos de cada modelo foi analisada
atrav{\'e}s da visualiza{\c{c}}{\~a}o dos mapas LISA. Em
seguida, modelos de regress{\~a}o espacial foram testados e uma
significativa melhora obtida em termos de redu{\c{c}}{\~a}o da
depend{\^e}ncia espacial dos res{\'{\i}}duos e de aumento do
poder de estima{\c{c}}{\~a}o dos modelos. O uso de
vari{\'a}veis dummy em modelos de regress{\~a}o linear simples
tamb{\'e}m se mostrou como uma alternativa vi{\'a}vel para se
obter estes dois efeitos. Os resultados para a {\'a}rea teste
d{\~a}o evid{\^e}ncias de que algumas m{\'e}tricas de paisagem
obtidas sobre imagens classificadas de sensores de alta
resolu{\c{c}}{\~a}o quando usadas como vari{\'a}veis
independentes em modelos de regress{\~a}o espacial podem estimar
satisfatoriamente a densidade populacional. ABSTRACT: Assuming
that urban planning aims the optimization of urban functioning and
the wellbeing of citizens, questions like how many people are
living in the city? and where do they live? become key issues. In
this work we utilized landscape metrics generated by the FragStats
software for the estimation of population density out of census
sectors in the mega city of S{\~a}o Paulo, Brazil. The metrics
were calculated over an image from the QuickBird II sensor
classified by the Maxver algorithm. The accuracy of the classified
image was analyzed qualitatively. Ordinary linear regression
models were generated and formal statistical tests applied. The
residuals from each model had their spatial dependency analyzed by
visualizing their LISA Maps. Afterwards, spatial regression models
were tried and a significant improvement obtained in terms of
spatial dependency reduction and augmentation of the prediction
power of the models. For the sake of comparison, the use of dummy
variables was also tried and has shown to be a suitable option for
eliminating spatial dependency of the residuals as well. The
results proved that some landscape metrics obtained over high
resolution imagery classified by simple supervisioned methods can
predict well the population density at the area under study when
used as independent variables at spatial regression models.",
conference-location = "Recife, PE",
conference-year = "2008",
label = "lattes: 6500130391746465 1 NovackKuxMontPinh:2008:CaStS{\~a}",
language = "en",
targetfile = "novack_estimation.pdf",
urlaccessdate = "26 abr. 2024"
}