Changes

              
    

          
          
        
        

            
f
1
{
f
1
{
            
2
  "author": "Data for Good at Meta", 
2
  "author": "Data for Good at Meta", 
            
3
  "author_email": "", 
3
  "author_email": "", 
            
4
  "creator_user_id": "77d79e63-5fb4-4320-94e4-51e5e9b8031c", 
4
  "creator_user_id": "77d79e63-5fb4-4320-94e4-51e5e9b8031c", 
            
5
  "extras": [], 
5
  "extras": [], 
            
6
  "groups": [
6
  "groups": [
            
n
n
7
    {
            
8
      "description": "The Humanitarian Data Exchange (HDX) is an open 
            
9
platform for sharing data across crises and organisations. Launched in 
            
10
July 2014, the goal of HDX is to make humanitarian data easy to find 
            
11
and use for analysis. Our growing collection of datasets has been 
            
12
accessed by users in over 200 countries and territories.\r\n\r\nHDX is 
            
13
managed by OCHA's Centre for Humanitarian Data, which is located in 
            
14
The Hague. OCHA is part of the United Nations Secretariat and is 
            
15
responsible for bringing together humanitarian actors to ensure a 
            
16
coherent response to emergencies. The HDX team includes OCHA staff and 
            
17
a number of consultants who are based in North America, Europe and 
            
18
Africa.", 
            
19
      "display_name": "HDX: Humanitarian Data Exchange", 
            
20
      "id": "15791998-b8b5-41fa-841f-0393addadcbf", 
            
21
      "image_display_url": 
            
22
"https://data.humdata.org/images/homepage/logo-hdx.svg", 
            
23
      "name": "hdx-humanitarian-data-exchange", 
            
24
      "title": "HDX: Humanitarian Data Exchange"
            
25
    }, 
            
7
    {
26
    {
            
8
      "description": "", 
27
      "description": "", 
            
9
      "display_name": "Population ", 
28
      "display_name": "Population ", 
            
10
      "id": "ad455715-07fc-421f-aef4-780b25b9c67a", 
29
      "id": "ad455715-07fc-421f-aef4-780b25b9c67a", 
            
11
      "image_display_url": "", 
30
      "image_display_url": "", 
            
12
      "name": "population", 
31
      "name": "population", 
            
13
      "title": "Population "
32
      "title": "Population "
            
14
    }
33
    }
            
15
  ], 
34
  ], 
            
16
  "id": "7565f7a1-d4e8-4b0b-9652-6a51649d8598", 
35
  "id": "7565f7a1-d4e8-4b0b-9652-6a51649d8598", 
            
17
  "isopen": true, 
36
  "isopen": true, 
            
18
  "license_id": "cc-by", 
37
  "license_id": "cc-by", 
            
19
  "license_title": "Creative Commons Attribution", 
38
  "license_title": "Creative Commons Attribution", 
            
20
  "license_url": "http://www.opendefinition.org/licenses/cc-by", 
39
  "license_url": "http://www.opendefinition.org/licenses/cc-by", 
            
21
  "maintainer": "Brian O'Leary", 
40
  "maintainer": "Brian O'Leary", 
            
22
  "maintainer_email": "[email protected]", 
41
  "maintainer_email": "[email protected]", 
            
23
  "metadata_created": "2022-06-21T09:38:54.319586", 
42
  "metadata_created": "2022-06-21T09:38:54.319586", 
            
n
24
  "metadata_modified": "2022-06-23T10:30:16.922450", 
n
43
  "metadata_modified": "2022-07-04T12:56:38.809373", 
            
25
  "name": 
44
  "name": 
            
26
incipe-high-resolution-population-density-maps-demographic-estimates", 
45
incipe-high-resolution-population-density-maps-demographic-estimates", 
            
27
  "notes": "VERSION 1.5. The world's most accurate population 
46
  "notes": "VERSION 1.5. The world's most accurate population 
            
28
datasets. Seven maps/datasets for the distribution of various 
47
datasets. Seven maps/datasets for the distribution of various 
            
29
populations in Sao Tome and Principe: (1) Overall population density 
48
populations in Sao Tome and Principe: (1) Overall population density 
            
30
(2) Women (3) Men (4) Children (ages 0-5) (5) Youth (ages 15-24) (6) 
49
(2) Women (3) Men (4) Children (ages 0-5) (5) Youth (ages 15-24) (6) 
            
31
Elderly (ages 60+) (7) Women of reproductive age (ages 
50
Elderly (ages 60+) (7) Women of reproductive age (ages 
            
32
15-49).\r\n\r\n### Methodology\r\n\r\nThese high-resolution maps are 
51
15-49).\r\n\r\n### Methodology\r\n\r\nThese high-resolution maps are 
            
33
created using machine learning techniques to identify buildings from 
52
created using machine learning techniques to identify buildings from 
            
34
commercially available satellite images. This is then overlayed with 
53
commercially available satellite images. This is then overlayed with 
            
35
general population estimates based on publicly available census data 
54
general population estimates based on publicly available census data 
            
36
and other population statistics at Columbia University. The resulting 
55
and other population statistics at Columbia University. The resulting 
            
37
maps are the most detailed and actionable tools available for aid and 
56
maps are the most detailed and actionable tools available for aid and 
            
38
research organizations. For more information about the methodology 
57
research organizations. For more information about the methodology 
            
39
used to create our high resolution population density maps and the 
58
used to create our high resolution population density maps and the 
            
40
demographic distributions, click 
59
demographic distributions, click 
            
41
resolution-population-density-maps-demographic-estimates/).\r\n\r\nFor 
60
resolution-population-density-maps-demographic-estimates/).\r\n\r\nFor 
            
42
information about how to use HDX to access these datasets, please 
61
information about how to use HDX to access these datasets, please 
            
43
visit: 
62
visit: 
            
44
n-density-maps-demographic-estimates-documentation/\r\n\r\nAdjustments 
63
n-density-maps-demographic-estimates-documentation/\r\n\r\nAdjustments 
            
45
to match the census population with the UN estimates are applied at 
64
to match the census population with the UN estimates are applied at 
            
46
the national level. The UN estimate for a given country (or 
65
the national level. The UN estimate for a given country (or 
            
47
state/territory) is divided by the total census estimate of population 
66
state/territory) is divided by the total census estimate of population 
            
48
for the given country. The resulting adjustment factor is multiplied 
67
for the given country. The resulting adjustment factor is multiplied 
            
49
by each administrative unit census value for the target year. This 
68
by each administrative unit census value for the target year. This 
            
50
preserves the relative population totals across administrative units 
69
preserves the relative population totals across administrative units 
            
51
while matching the UN total. More information can be found 
70
while matching the UN total. More information can be found 
            
52
ocs/census-information-for-high-resolution-population-density-maps/)", 
71
ocs/census-information-for-high-resolution-population-density-maps/)", 
            
53
  "num_resources": 1, 
72
  "num_resources": 1, 
            
54
  "num_tags": 7, 
73
  "num_tags": 7, 
            
55
  "organization": {
74
  "organization": {
            
56
    "approval_status": "approved", 
75
    "approval_status": "approved", 
            
n
57
    "created": "2022-06-15T09:44:22.871262", 
n
76
    "created": "2022-07-04T08:06:45.420882", 
            
58
    "description": "The Humanitarian Data Exchange (HDX) is an open 
77
    "description": "We work to build inclusion and participatory 
            
59
platform for sharing data across crises and organisations. Launched in 
78
democracy in cities and urban spaces through empowering citizens, 
            
60
July 2014, the goal of HDX is to make humanitarian data easy to find 
79
building trust and accountability in civic space, and capacitating 
            
61
and use for analysis. Our growing collection of datasets has been 
80
government. You can find our website 
            
62
accessed by users in over 200 countries and territories.\r\n\r\nHDX is 
81
[here](https://opencitieslab.org/).", 
            
63
managed by OCHA's Centre for Humanitarian Data, which is located in 
82
    "id": "8e526815-d516-4f6c-9ae0-a4d62555c30c", 
            
64
The Hague. OCHA is part of the United Nations Secretariat and is 

            
65
responsible for bringing together humanitarian actors to ensure a 

            
66
coherent response to emergencies. The HDX team includes OCHA staff and 

            
67
a number of consultants who are based in North America, Europe and 

            
68
Africa.", 

            
69
    "id": "ad11db0c-27d3-433d-bc99-973c2ffae709", 

            
70
    "image_url": 
83
    "image_url": 
            
n
71
"https://data.humdata.org/images/homepage/logo-hdx.svg", 
n
84
ttps://opencitieslab.org/odd/static/dist/img/ocl_logo_header-nav.png", 
            
72
    "is_organization": true, 
85
    "is_organization": true, 
            
n
73
    "name": "hdx-the-humanitarian-data-exchange", 
n
86
    "name": "open-cities-lab", 
            
74
    "revision_id": "e6c349dd-82c3-4176-a1c7-a4d89d8eae93", 
87
    "revision_id": "35e0d462-e6b8-4c18-8743-e9361e136009", 
            
75
    "state": "active", 
88
    "state": "active", 
            
n
76
    "title": "HDX - The Humanitarian Data Exchange", 
n
89
    "title": "Open Cities Lab", 
            
77
    "type": "organization"
90
    "type": "organization"
            
78
  }, 
91
  }, 
            
n
79
  "owner_org": "ad11db0c-27d3-433d-bc99-973c2ffae709", 
n
92
  "owner_org": "8e526815-d516-4f6c-9ae0-a4d62555c30c", 
            
80
  "private": false, 
93
  "private": false, 
            
81
  "relationships_as_object": [], 
94
  "relationships_as_object": [], 
            
82
  "relationships_as_subject": [], 
95
  "relationships_as_subject": [], 
            
83
  "resources": [
96
  "resources": [
            
84
    {
97
    {
            
85
      "cache_last_updated": null, 
98
      "cache_last_updated": null, 
            
86
      "cache_url": null, 
99
      "cache_url": null, 
            
87
      "created": "2022-06-21T09:39:46.594649", 
100
      "created": "2022-06-21T09:39:46.594649", 
            
88
      "datastore_active": false, 
101
      "datastore_active": false, 
            
89
      "description": "The world's most accurate population datasets. 
102
      "description": "The world's most accurate population datasets. 
            
90
Seven maps/datasets for the distribution of various populations in Sao 
103
Seven maps/datasets for the distribution of various populations in Sao 
            
91
Tome and Principe: (1) Overall population density (2) Women (3) Men 
104
Tome and Principe: (1) Overall population density (2) Women (3) Men 
            
92
(4) Children (ages 0-5) (5) Youth (ages 15-24) (6) Elderly (ages 60+) 
105
(4) Children (ages 0-5) (5) Youth (ages 15-24) (6) Elderly (ages 60+) 
            
93
(7) Women of reproductive age (ages 15-49).", 
106
(7) Women of reproductive age (ages 15-49).", 
            
94
      "format": "", 
107
      "format": "", 
            
95
      "hash": "", 
108
      "hash": "", 
            
96
      "id": "553ff1a1-1f77-4592-a0ae-91965c080d5d", 
109
      "id": "553ff1a1-1f77-4592-a0ae-91965c080d5d", 
            
97
      "last_modified": null, 
110
      "last_modified": null, 
            
98
      "mimetype": null, 
111
      "mimetype": null, 
            
99
      "mimetype_inner": null, 
112
      "mimetype_inner": null, 
            
100
      "name": "Sao Tome and Principe: High Resolution Population 
113
      "name": "Sao Tome and Principe: High Resolution Population 
            
101
Density Maps + Demographic Estimates", 
114
Density Maps + Demographic Estimates", 
            
102
      "package_id": "7565f7a1-d4e8-4b0b-9652-6a51649d8598", 
115
      "package_id": "7565f7a1-d4e8-4b0b-9652-6a51649d8598", 
            
103
      "position": 0, 
116
      "position": 0, 
            
104
      "resource_type": null, 
117
      "resource_type": null, 
            
105
      "revision_id": "e7ab0273-44c8-415f-86c2-9221014080c5", 
118
      "revision_id": "e7ab0273-44c8-415f-86c2-9221014080c5", 
            
106
      "size": null, 
119
      "size": null, 
            
107
      "state": "active", 
120
      "state": "active", 
            
108
      "url": 
121
      "url": 
            
109
s://data.humdata.org/dataset/highresolutionpopulationdensitymaps-stp", 
122
s://data.humdata.org/dataset/highresolutionpopulationdensitymaps-stp", 
            
110
      "url_type": null
123
      "url_type": null
            
111
    }
124
    }
            
112
  ], 
125
  ], 
            
t
113
  "revision_id": "4d96a39b-ffa5-4a90-a216-8165110f35dd", 
t
126
  "revision_id": "d918d7c3-45d6-450b-bd43-10335dc99f6e", 
            
114
  "state": "active", 
127
  "state": "active", 
            
115
  "tags": [
128
  "tags": [
            
116
    {
129
    {
            
117
      "display_name": "Sao Tome and Principe", 
130
      "display_name": "Sao Tome and Principe", 
            
118
      "id": "49fe0b2e-a091-4569-9c8a-69d07adbe6b2", 
131
      "id": "49fe0b2e-a091-4569-9c8a-69d07adbe6b2", 
            
119
      "name": "Sao Tome and Principe", 
132
      "name": "Sao Tome and Principe", 
            
120
      "state": "active", 
133
      "state": "active", 
            
121
      "vocabulary_id": null
134
      "vocabulary_id": null
            
122
    }, 
135
    }, 
            
123
    {
136
    {
            
124
      "display_name": "children", 
137
      "display_name": "children", 
            
125
      "id": "a31aa94e-cdbe-470b-b953-602bfc01eeab", 
138
      "id": "a31aa94e-cdbe-470b-b953-602bfc01eeab", 
            
126
      "name": "children", 
139
      "name": "children", 
            
127
      "state": "active", 
140
      "state": "active", 
            
128
      "vocabulary_id": null
141
      "vocabulary_id": null
            
129
    }, 
142
    }, 
            
130
    {
143
    {
            
131
      "display_name": "elderly", 
144
      "display_name": "elderly", 
            
132
      "id": "9c11b077-a76b-4a95-b6ee-afb6c112f48c", 
145
      "id": "9c11b077-a76b-4a95-b6ee-afb6c112f48c", 
            
133
      "name": "elderly", 
146
      "name": "elderly", 
            
134
      "state": "active", 
147
      "state": "active", 
            
135
      "vocabulary_id": null
148
      "vocabulary_id": null
            
136
    }, 
149
    }, 
            
137
    {
150
    {
            
138
      "display_name": "men", 
151
      "display_name": "men", 
            
139
      "id": "887bf1dd-dcf9-42ab-9e75-7ee55de689a2", 
152
      "id": "887bf1dd-dcf9-42ab-9e75-7ee55de689a2", 
            
140
      "name": "men", 
153
      "name": "men", 
            
141
      "state": "active", 
154
      "state": "active", 
            
142
      "vocabulary_id": null
155
      "vocabulary_id": null
            
143
    }, 
156
    }, 
            
144
    {
157
    {
            
145
      "display_name": "population density", 
158
      "display_name": "population density", 
            
146
      "id": "98311ff5-1cea-4f34-92fb-c0757c6ce5ca", 
159
      "id": "98311ff5-1cea-4f34-92fb-c0757c6ce5ca", 
            
147
      "name": "population density", 
160
      "name": "population density", 
            
148
      "state": "active", 
161
      "state": "active", 
            
149
      "vocabulary_id": null
162
      "vocabulary_id": null
            
150
    }, 
163
    }, 
            
151
    {
164
    {
            
152
      "display_name": "women", 
165
      "display_name": "women", 
            
153
      "id": "d8f22a99-abe8-41cb-ae9c-4b543eee7cdf", 
166
      "id": "d8f22a99-abe8-41cb-ae9c-4b543eee7cdf", 
            
154
      "name": "women", 
167
      "name": "women", 
            
155
      "state": "active", 
168
      "state": "active", 
            
156
      "vocabulary_id": null
169
      "vocabulary_id": null
            
157
    }, 
170
    }, 
            
158
    {
171
    {
            
159
      "display_name": "youth", 
172
      "display_name": "youth", 
            
160
      "id": "98ff881a-a277-4d3a-9641-7657ad12e6a7", 
173
      "id": "98ff881a-a277-4d3a-9641-7657ad12e6a7", 
            
161
      "name": "youth", 
174
      "name": "youth", 
            
162
      "state": "active", 
175
      "state": "active", 
            
163
      "vocabulary_id": null
176
      "vocabulary_id": null
            
164
    }
177
    }
            
165
  ], 
178
  ], 
            
166
  "title": "Sao Tome and Principe: High Resolution Population Density 
179
  "title": "Sao Tome and Principe: High Resolution Population Density 
            
167
Maps + Demographic Estimates", 
180
Maps + Demographic Estimates", 
            
168
  "type": "dataset", 
181
  "type": "dataset", 
            
169
  "url": 
182
  "url": 
            
170
s://data.humdata.org/dataset/highresolutionpopulationdensitymaps-stp", 
183
s://data.humdata.org/dataset/highresolutionpopulationdensitymaps-stp", 
            
171
  "version": ""
184
  "version": ""
            
172
}
185
}