13 Unveiling hidden migration and mobility patterns in climate stressed regions
1.题目和关键词
Title:
Unveiling hidden migration and mobility patterns in climate stressed regions: A longitudinal study of six million anonymous mobile phone users in Bangladesh
揭示气候紧张地区隐藏的移民和流动模式：对孟加拉国600万匿名手机用户的纵向研究
Keywords:
Climate change气候紧张；
Adaptation适应；
Disaster灾害；
Mobile data移动数据；
Migration迁移；
Bangladesh孟加拉国.
2.摘要
Climate change is likely to drive migration from environmentally stressed areas. However quantifying short and long-term movements across large areas is challenging due to difficulties in the collection of highly spatially and temporally resolved human mobility data. In this study we use two datasets of individual mobility trajectories from six million de-identified mobile phone users in Bangladesh over three months and two years respectively. Using data collected during Cyclone Mahasen, which struck Bangladesh in May 2013, we show first how analyses based on mobile network data can describe important short-term features (hours–weeks) of human mobility during and after extreme weather events, which are extremely hard to quantify using standard survey based research. We then demonstrate how mobile data for the first time allow us to study the relationship between fundamental parameters of migration patterns on a national scale. We concurrently quantify incidence, direction, duration and seasonality of migration episodes in Bangladesh. While we show that changes in the incidence of migration episodes are highly correlated with changes in the duration of migration episodes, the correlation between in- and out-migration between areas is unexpectedly weak. The methodological framework described here provides an important addition to current methods in studies of human migration and climate change.
气候变化可能会促使环境紧张地区的居民进行迁移。然而，由于难以收集高度时空上的人类移动数据，量化大区域内的短期和长期流动是一项挑战。在这项研究中，我们使用了两组分别在3个月和2年内从孟加拉国600万未识别手机用户的个人移动轨迹数据集。利用2013年5月袭击孟加拉国的马哈森飓风期间收集的数据，我们首先展示了基于移动网络数据的分析如何描述极端天气事件期间和之后人类活动的重要短期特征（小时-周），使用基于标准调查的研究进行量化是非常困难的 。然后，我们展示了移动数据如何使我们能够在全国范围内研究迁移模式的基本参数之间的关系。我们同时量化孟加拉国移民事件的发生率、方向、持续时间和季节性。虽然我们发现迁移事件发生率的变化与迁移持续时间的变化高度相关，但是区域间的流入和流出之间的相关性却出乎意料地弱。本文所述的方法框架为研究人类迁徙和气候变化的现有方法提供了重要补充。
3.创新点、学术价值
移动网络数据是一个非常有前途的数据来源，可以补充目前基于调查的方法，监测、解释和应对气候变化造成的移民，包括极端天气和缓慢出现的气候压力源。
4.对结论的理解和对学习工作的启发
在这项研究中，我们在孟加拉国的国家层面上展示了移动数据如何使我们能够同时量化迁移事件的发生率、方向和持续时间，从而能够描述气候紧张地区长期迁移模式的未记录特征。具体地说，移动网络数据提供了一种新的工具来量化本地和全国范围内迁移模式的方向性和季节性。
Future work:
虽然目前的研究表明，移动网络数据能够很好地反映人口流动特征，但该方法还需要在不同的社会经济背景下进一步发展。移动数据的关键贡献可能来自于将移动网络数据的巨大空间、时间和人口覆盖范围与有针对性的基于电话和家庭小组调查相结合。这是至关重要的，以便描述妇女、儿童和最贫穷者等弱势群体在移动数据中的代表性。随着方法的进一步发展和移动普及率的持续提高，基于国家特定移动使用模式的大规模分层样本可能会提供更准确的结果。可以访问多年的运营商数据，将运营商数据与纵向气候和遥感数据结合起来，更好地模拟人类对气候变化的适应性反应，也有相当大的潜力。
13 Unveiling hidden migration and mobility patterns in climate stressed regions相关推荐
- 阅读1.Mobility pattern recognition based prediction for the subway station related bike-sharing trips
阅读笔记_Mobility pattern recognition based prediction for the subway station related bike-sharing trips ...
- NS2 教學手冊 ( NS2 Learning Guide)
转载自:NS2 教学手册(柯志亨网站资源) NS2 教學手冊 ( NS2 Learning Guide) [快速連結區] My works 中文影音教學區 Q&A for my works ...
- 社会友谊和人群移动：基于位置的社交网络中的用户移动（二）
上接前译文http://blog.csdn.net/ztf312/article/details/47143375 4. 人类移动模型 模型预测了人类移动的地理性(返回相同位置)和时空性(一天固定移动 ...
- 柯志亨老师-- NS2 教學手冊
感谢柯志亨老师! NS2教學手冊( NS2 Learning Guide) [快速連結區] My works中文影音教學區Q&A for my worksMy BookMy TalksForu ...
- 本人薛广涛,2004年毕业于上海交通大学计算机系软件与理论专业,上海交通大学计算机科学与工程系(CSE)...
[1]Guangtao Xue,Yanmin Zhu, Zhenxian Hu, Hongzi Zhu, Chaoqun Yue, Jiadi Yu, "Characterizing Soc ...
- 2020李宏毅学习笔记——8. Convolution Netural Network
文章目录 摘要 1.CNN v.s. DNN 2. why CNN ? 原因1:Some patterns are much smaller than the whole image 原因2:The ...
- 2020李宏毅机器学习笔记-Convolution Netural Network
目录 Convolution Netural Network 摘要 本节内容综述 CNN V.s. DNN CNN架构提出的基础 1.Some patterns are much smaller th ...
- CVPR 2016 摘要阅读
为了说明看过CVPR2016全部文章的摘要,总结一下,摘要只保留了创新点部分. ORAL SESSION Image Captioning and Question Answering Monday, ...
- 2015年可视化研究前沿动态
2015年可视化研究前沿动态 注:本文为作者最近所看文献的一点总结,可能比较片面,比较粗糙,也有可能存在错误,望相关领域的各大神们多加指点:-). 利用Web of Science,分析当前可视化研究 ...
最新文章
- 知乎热议：985 计算机视觉研究生找不到工作怎么办？
- Git忽略文件方法【转】
- pthread中如何追踪stack over flow
- G面经prepare: Pattern Match
- mybatis中LIKE模糊查询的几种写法以及注意点（亲测第三种CONCAT()函数的）
- 集成测试还原数据库_项目学生：分片集成测试数据
- HTML+CSS+JS实现 ❤️绘制卡丁车动漫特效❤️
- 图解利用栈实现递归函数的非递归计算
- vue中 v-show和v-if的区别？
- jave使用corenlp
- 软件开发实践的24条军规
- cpu爆了怎么排查和处理_CPU飙高，系统性能问题如何排查？
- form表单居中_HTML基本结构、命名及对表单专项练习解释
- (十二)洞悉linux下的Netfilteriptables：iptables命令行工具源码解析【下】
- 网易云音乐直链提取及下载
- CH341驱动安装失败解决方法
- 贾俊平统计学思维导图- 第十四章 指数
- itchat获取群聊用户的信息
- canvas实现虚线带箭头效果
- 详解JS中三元运算符的语法和常见用法