私たちは、これまでで最大の人間の移動の 1 つの時期に生きています。それは、農村環境から都市環境への移行であり、結果として都市化された世界になっています (UN, 2018)。私たちはまた、人類の歴史の中でかつてないほど多くのデータが利用できる時代に生きています。では、これらの世界的な都市化のプロセスを理解するために必要なデータを入手するべきではないでしょうか?
World Migration Report (2015) が 2015 年に、都市に押し寄せるおそらく最大のグループである貧困層について、依然として大きな知識のギャップに直面していると述べている可能性があるのはなぜでしょうか?これは実際にデータが不足していることに基づいているのでしょうか?それとも、私たちはこの現象にあまり関心がないのでしょうか?
まず第一に、私たちは本当にデータ不足に直面しています。国勢調査などの都市部の貧困層に関する一般的なデータ ソースは、多くの場合、時代遅れで、一貫性がなく、対応する空間精度やテーマの詳細が利用できないか、まったく利用できません。さらに、これらのデータ ソースの信頼性は研究者によって異議を唱えられており、特に最貧層はこれらのデータでは見えないことが多いと述べています (例:Tacoli, McGranahan &Satterthwaite, 2015)。
都市の貧困に近づくための地球観測データ
そのため、都市の貧困層の社会的グループに関連する次元、空間パターン、プロセスに関するより包括的な知識を得るために、新しい視点を提供するための新しいデータと新しい方法が必要です。 「距離は明晰さをもたらす」とはよく言われることですが、地球はリモートセンシング衛星によって監視されているため、遠景にぴったりです。これらのデータに取り込まれた構築環境には、都市における不平等の表現が含まれている可能性があり、これにより、社会経済的格差が宇宙からも見えるようになります。間に合わせの避難所の有機的で、無定形で、複雑で、密集した海は、都市の正式で計画された部分とは物理的な外観が大きく異なります (Taubenböck &Kraff, 2014)。
図 1 は、インドのムンバイにあるスラム街の様子を正式な入植地と直接比較して示しています。さらに、建物とそのパターンを再構築する詳細レベル 1 のリモート センシング ベースの分類が視覚化されます。
私たちは、リモート センシング データから導き出された構築環境のこれらの詳細が、都市部の貧困層の社会集団の生活環境をある程度空間的に捉えていることを証明しました (図 2; Wurm &Taubenböck, 2018)。形態学的スラムに住んでいる人々は比較的低い変動性を示しており、そこにある世帯の多くは貧困線以下で生活していることがわかります。したがって、ここで開発された形態学的プロキシは、明示的な空間ビューで都市の貧困に関連する現象にアプローチするための正当なものになります。
宇宙からの地球観測 (EO) の領域だけにとどまっていると、都市景観内の恵まれない人々の不利な点が定性的に説明または観察されることがよくあります。彼らの定住地域は、より多くの場合、露出度の高い地域にあります。例として、デジタル サーフェス モデルから得られた地形の急勾配を代用として使用すると、スラム地域の地滑りリスクが大幅に高いことを示すことができます。インフラストラクチャーに関しては、国際宇宙ステーション (ISS) からのデータから取得された夜間の光は、スラム街の光放射が低いことを示しています。これはインフラの供給不足を証明し、政治的怠慢を明らかにしています (Kuffer et al., 2018)。
地球観測と他の地理データ データを組み合わせて都市の貧困にアプローチ
EO データを他のデータセットと組み合わせることで、適用範囲が大幅に広がります。構築環境の 3D モデルと組み合わせた現場調査に基づいて、公式の国勢調査データが人口を大幅に過小評価している可能性が高いことがわかりました (Taubenböck &Wurm, 2015)。この洞察は、世界中の多くの都市における都市の貧困層に対する政治的否定を明らかにしています。詳細な調査データはほとんど存在しないため、ソーシャル ネットワーク データは知識のギャップを減らす可能性を秘めています。ジオタグ付きツイートと EO データの相互作用は、世界中の多くの都市でスラム街が「デジタル砂漠」に属することが多いことを明らかにしています。これは、Twitter でのオンライン アクティビティが都市の平均よりも少ない地域です (Taubenböck et al., 2018)。
しかし、建築構造の代用による都市景観内の貧困の局在化には限界があります。スラムの一般的な機能は、都市、その機能、およびその社会へのアクセスを可能にする比較的安価な生活空間を提供することです (Saunders, 2010)。この概念的アプローチは、「到着都市」という用語によって導入されました。これは、これらの場所が、既存の都市貧困層だけでなく、農村部から都市部への貧しい移住者の住居として機能していることを示しています。
もちろん、この機能はスラムの掘っ立て小屋だけでなく、造られた景観の他の表現によっても提供されます。徹底的な文献レビューでは、複雑で有機的で高密度のスラムから荒廃した旧市街、構造化され計画された環境、さらには屋上スラムやボート ピープルなどの特定の形態まで、形態学的カテゴリを文書化しました (図 3; Taubenböck、Kraff &ワーム、2018）。到着都市の均質な形態学的統一因子は存在しないことがわかりました。
盲点 – 都市部の貧困層における知識のギャップを減らす
はい、前述のとおり、今日の「ビッグデータ」の時代でさえ、私たちは都市の貧困に関する情報の不足に直面しています。他の構造化された (例:国勢調査、現場調査) および非構造化された地理データ (例:ソーシャル ネットワークから) と相互作用する地球観測は、これらの情報のギャップを減らすことを可能にします。新しいデータ ソースと、人工知能の分野における最近の方法論的開発の使用を有意義に組み合わせることで、現在の知識をさらに増やすことができます。ただし、すべてのデータセットには独自の制限があり、重要なアプローチが不可欠であることを認識する必要があります。
都市化は人々に富をもたらすと主張されているが (Glaeser, 2011)、ほとんどすべての都市で都市貧困が見られることがよく見られる.実際、世界中の学者が何をどこで探す必要があるかを知らなければ、新しい衛星、データ、手法はすべて役に立ちません。したがって、この現象について新しくより深い知識を得るために、自分自身の規律の枠を超えて考える時が来ました。今すぐ始めましょう!
これらの調査結果は、Hannes Taubenböck、Nicolas J. Kraff、Michael Wurm によって実施されたいくつかのジャーナル記事で説明されています。
参考文献:
<オール>
