基于开放建筑物足迹的空间明确住户抽样框构建与实际样本保真度验证——布基纳法索二级城市的实证研究

《International Journal of Health Geographics》：Openfootprint-HH-sampling: a reproducible building-based sampling framework for spatially explicit household surveys in data-scarce urban environments

　　

摘要

背景

在撒哈拉以南非洲快速发展的二级城市中，可靠的住户抽样框经常无法获得，这使空间明确的住户调查变得更加复杂。尽管卫星辅助方法已改善了野外后勤工作，但很少有方法将基于开放地理空间数据的自动抽样框构建与对实际样本如何遵循预期空间设计的系统验证相结合。

方法

我们开发了OpenFootprint-HH-Sampling，一个参数化QGIS工作流，可将谷歌开放建筑物足迹数据转换为空间明确的抽样框。该方法在布基纳法索的齐尼亚雷和孔比西里实施，结合了按行政分区进行的比例分层随机抽样与基于GPS的移动导航。抽样绩效通过分区级别分配、排他性最近邻匹配、最近邻距离分析和Ripley L函数进行评估。使用ΔL(r)、MAD、MAE、RMSE、相关系数和R2值对理论L(r)函数与实际L(r)函数之间的直接差异进行量化。2024年8月至10月期间共完成了723次住户访谈。

结果

理论访谈位置与实际访谈位置之间的中位位移在齐尼亚雷为89.4米，在孔比西里为90.3米，部分外围分区偏差更大。最近邻分析显示，10个分区中有5个保留了局部空间结构。基于Ripley函数的比较表明，理论样本和实际样本均保留了聚集型空间构型，而基于ΔL(r)的指标显示城市级别的保持度强于分区级别。在城市级别，理论L(r)函数与实际L(r)函数显示出极高的形状相似度，齐尼亚雷的R2值为0.980，孔比西里的R2值为0.988。

结论

在常规地址系统或完整住户登记簿不可用的情况下，开放建筑物足迹数据可以支持可重复的、空间明确的住户抽样。结果证明该方法在操作上是可行的，实际样本与预期空间设计之间具有很高的保真度，尤其是在城市尺度上，而非底层住户人口的统计代表性。该工作流可适配于卫生、营养、疾病监测和人口学调查，但需在需要人群推断时纳入针对特定情境的现场核实和住户级别的纳入检查。