Bibliothèque de l'Insee Alain Desrosières

La population vue du ciel : quand l’imagerie satellite vient au secours du recensement

Article

Darin, Edith. Auteur

Le dénombrement de la population, dénominateur de nombreux indicateurs statistiques, est crucial pour les politiques publiques d'un pays. Il est du ressort des instituts nationaux de statistique d’en organiser la collecte, le plus souvent par le biais d’un recensement. Que se passe-t-il lorsqu’une partie du territoire n’est pas accessible aux agents recenseurs ? Actuellement, les données spatiales, telles qu’extraites de l'imagerie satellite, offrent une information géographique complète et de haute résolution, qui représente, lorsque combinée à un dénombrement partiel de la population, une opportunité sans précédent pour estimer les effectifs des territoires manquants. Leur précision spatiale rend également possible une estimation carroyée de la population en haute résolution, un format de données innovant à la croisée de la géographie et de la démographie. À partir du cas du Burkina Faso, cet article analyse comment le découpage du pays en carreaux de 100m sur 100m permet dans un premier temps de développer un modèle pour estimer, par le biais d’une approche hiérarchique bayésienne, la population des zones caractérisées par des problèmes sécuritaires n’ayant pas pu être dénombrées lors du dernier recensement de 2019. Ce découpage permet dans un second temps de désagréger les effectifs obtenus, par le biais d’un modèle d’apprentissage statistique pour obtenir une précision spatiale d’estimation de la population inégalée.
The size of the population, the denominator of many statistical indicators, is crucial for public policy. National statistical offices organize the collection of this information, most often through a census. But what happens when parts of a country are not accessible to census enumerators? Today, spatial data extracted from satellite imagery offer high-resolution geographical information with complete coverage. When combined with a partial population count, they offer an unprecedented opportunity to estimate the size of the population in inaccessible areas. The spatial precision of these data also makes possible the production of a high-resolution gridded population estimate, an innovative data format at the intersection of geography and demography. Based on the case of Burkina Faso, this article analyses how, by dividing a country into 100 m by 100 m cells, a Bayesian hierarchical model can be used to estimate the population of areas with security challenges which could not be enumerated during the 2019 census. This gridding allows the resulting counts to be disaggregated using a statistical learning model, yielding unparalleled spatial precision in population estimates.
El recuento de la población, denominador de numerosos indicadores estadísticos, es crucial para las políticas públicas de un país. Corresponde a los institutos nacionales de estadística el organizar la recogida de datos, la mayoría de las veces a través de un censo. ¿Qué ocurre cuando una parte del territorio no es accesible para los agentes encargados de elaborar el censo? Hoy día, los datos espaciales, tal y como se extraen de las imágenes satélite, proporcionan una información geográfica completa y de alta resolución que, al ser combinada con un recuento parcial de la población, representa una oportunidad sin precedentes para estimar los efectivos de los territorios inaccesibles. La precisión espacial hace igualmente posible una estimación por cuadrantes de la población en alta resolución, un formato de datos innovador a caballo entre la geografía y la demografía. A partir del estudio de Burkina Faso, este artículo analiza cómo la división del país en cuadrantes de 100 m por 100 m permite desarrollar en una primera fase un modelo para estimar, mediante una aproximación jerárquica bayesiana, la población de las zonas con problemas de seguridad de las que no pudo hacerse el recuento en el último censo de 2019. En una segunda fase, el recuento permite desagregar los efectivos obtenidos, mediante un modelo de aprendizaje estadístico, para obtener una precisión espacial de estimación de la población inigualable.

Voir le numéro de la revue «Population [INED], Volume 77 N° 3, juillet 2022»

Autres articles du numéro «Population [INED]»

• Contient
• Sujet
• Description
• Oeuvre