Modifications

              
    

          
          
        
        

            
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": [], 
            
n
6
  "groups": [], 
n
6
  "groups": [
            
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
    }, 
            
26
    {
            
27
      "description": "", 
            
28
      "display_name": "Population ", 
            
29
      "id": "ad455715-07fc-421f-aef4-780b25b9c67a", 
            
30
      "image_display_url": "", 
            
31
      "name": "population", 
            
32
      "title": "Population "
            
33
    }
            
34
  ], 
            
7
  "id": "ac4df45c-c38f-4eac-bc33-983386ecb6fb", 
35
  "id": "ac4df45c-c38f-4eac-bc33-983386ecb6fb", 
            
8
  "isopen": true, 
36
  "isopen": true, 
            
9
  "license_id": "cc-by", 
37
  "license_id": "cc-by", 
            
10
  "license_title": "Creative Commons Attribution", 
38
  "license_title": "Creative Commons Attribution", 
            
11
  "license_url": "http://www.opendefinition.org/licenses/cc-by", 
39
  "license_url": "http://www.opendefinition.org/licenses/cc-by", 
            
12
  "maintainer": "Brian O'Leary", 
40
  "maintainer": "Brian O'Leary", 
            
13
  "maintainer_email": "[email protected]", 
41
  "maintainer_email": "[email protected]", 
            
14
  "metadata_created": "2022-06-27T15:07:32.210118", 
42
  "metadata_created": "2022-06-27T15:07:32.210118", 
            
n
15
  "metadata_modified": "2022-06-27T15:08:26.192908", 
n
43
  "metadata_modified": "2022-07-04T12:48:49.210234", 
            
16
  "name": 
44
  "name": 
            
17
omoros-high-resolution-population-density-maps-demographic-estimates", 
45
omoros-high-resolution-population-density-maps-demographic-estimates", 
            
18
  "notes": "The world's most accurate population datasets. Seven 
46
  "notes": "The world's most accurate population datasets. Seven 
            
19
maps/datasets for the distribution of various populations in South 
47
maps/datasets for the distribution of various populations in South 
            
20
Africa: (1) Overall population density (2) Women (3) Men (4) Children 
48
Africa: (1) Overall population density (2) Women (3) Men (4) Children 
            
21
(ages 0-5) (5) Youth (ages 15-24) (6) Elderly (ages 60+) (7) Women of 
49
(ages 0-5) (5) Youth (ages 15-24) (6) Elderly (ages 60+) (7) Women of 
            
22
reproductive age (ages 15-49).\r\n\r\n### Methodology\r\n\r\nThese 
50
reproductive age (ages 15-49).\r\n\r\n### Methodology\r\n\r\nThese 
            
23
high-resolution maps are created using machine learning techniques to 
51
high-resolution maps are created using machine learning techniques to 
            
24
identify buildings from commercially available satellite images. This 
52
identify buildings from commercially available satellite images. This 
            
25
is then overlayed with general population estimates based on publicly 
53
is then overlayed with general population estimates based on publicly 
            
26
available census data and other population statistics at Columbia 
54
available census data and other population statistics at Columbia 
            
27
University. The resulting maps are the most detailed and actionable 
55
University. The resulting maps are the most detailed and actionable 
            
28
tools available for aid and research organizations. For more 
56
tools available for aid and research organizations. For more 
            
29
information about the methodology used to create our high resolution 
57
information about the methodology used to create our high resolution 
            
30
population density maps and the demographic distributions, click 
58
population density maps and the demographic distributions, click 
            
31
resolution-population-density-maps-demographic-estimates/).\r\n\r\nFor 
59
resolution-population-density-maps-demographic-estimates/).\r\n\r\nFor 
            
32
information about how to use HDX to access these datasets, please 
60
information about how to use HDX to access these datasets, please 
            
33
visit: 
61
visit: 
            
34
n-density-maps-demographic-estimates-documentation/\r\n\r\nAdjustments 
62
n-density-maps-demographic-estimates-documentation/\r\n\r\nAdjustments 
            
35
to match the census population with the UN estimates are applied at 
63
to match the census population with the UN estimates are applied at 
            
36
the national level. The UN estimate for a given country (or 
64
the national level. The UN estimate for a given country (or 
            
37
state/territory) is divided by the total census estimate of population 
65
state/territory) is divided by the total census estimate of population 
            
38
for the given country. The resulting adjustment factor is multiplied 
66
for the given country. The resulting adjustment factor is multiplied 
            
39
by each administrative unit census value for the target year. This 
67
by each administrative unit census value for the target year. This 
            
40
preserves the relative population totals across administrative units 
68
preserves the relative population totals across administrative units 
            
41
while matching the UN total. More information can be found 
69
while matching the UN total. More information can be found 
            
42
ocs/census-information-for-high-resolution-population-density-maps/)", 
70
ocs/census-information-for-high-resolution-population-density-maps/)", 
            
43
  "num_resources": 1, 
71
  "num_resources": 1, 
            
44
  "num_tags": 4, 
72
  "num_tags": 4, 
            
45
  "organization": {
73
  "organization": {
            
46
    "approval_status": "approved", 
74
    "approval_status": "approved", 
            
n
47
    "created": "2022-06-15T09:44:22.871262", 
n
75
    "created": "2022-07-04T08:06:45.420882", 
            
48
    "description": "The Humanitarian Data Exchange (HDX) is an open 
76
    "description": "We work to build inclusion and participatory 
            
49
platform for sharing data across crises and organisations. Launched in 
77
democracy in cities and urban spaces through empowering citizens, 
            
50
July 2014, the goal of HDX is to make humanitarian data easy to find 
78
building trust and accountability in civic space, and capacitating 
            
51
and use for analysis. Our growing collection of datasets has been 
79
government. You can find our website 
            
52
accessed by users in over 200 countries and territories.\r\n\r\nHDX is 
80
[here](https://opencitieslab.org/).", 
            
53
managed by OCHA's Centre for Humanitarian Data, which is located in 
81
    "id": "8e526815-d516-4f6c-9ae0-a4d62555c30c", 
            
54
The Hague. OCHA is part of the United Nations Secretariat and is 

            
55
responsible for bringing together humanitarian actors to ensure a 

            
56
coherent response to emergencies. The HDX team includes OCHA staff and 

            
57
a number of consultants who are based in North America, Europe and 

            
58
Africa.", 

            
59
    "id": "ad11db0c-27d3-433d-bc99-973c2ffae709", 

            
60
    "image_url": 
82
    "image_url": 
            
n
61
"https://data.humdata.org/images/homepage/logo-hdx.svg", 
n
83
ttps://opencitieslab.org/odd/static/dist/img/ocl_logo_header-nav.png", 
            
62
    "is_organization": true, 
84
    "is_organization": true, 
            
n
63
    "name": "hdx-the-humanitarian-data-exchange", 
n
85
    "name": "open-cities-lab", 
            
64
    "revision_id": "e6c349dd-82c3-4176-a1c7-a4d89d8eae93", 
86
    "revision_id": "35e0d462-e6b8-4c18-8743-e9361e136009", 
            
65
    "state": "active", 
87
    "state": "active", 
            
n
66
    "title": "HDX - The Humanitarian Data Exchange", 
n
88
    "title": "Open Cities Lab", 
            
67
    "type": "organization"
89
    "type": "organization"
            
68
  }, 
90
  }, 
            
n
69
  "owner_org": "ad11db0c-27d3-433d-bc99-973c2ffae709", 
n
91
  "owner_org": "8e526815-d516-4f6c-9ae0-a4d62555c30c", 
            
70
  "private": false, 
92
  "private": false, 
            
71
  "relationships_as_object": [], 
93
  "relationships_as_object": [], 
            
72
  "relationships_as_subject": [], 
94
  "relationships_as_subject": [], 
            
73
  "resources": [
95
  "resources": [
            
74
    {
96
    {
            
75
      "cache_last_updated": null, 
97
      "cache_last_updated": null, 
            
76
      "cache_url": null, 
98
      "cache_url": null, 
            
77
      "created": "2022-06-27T15:08:25.990980", 
99
      "created": "2022-06-27T15:08:25.990980", 
            
78
      "datastore_active": false, 
100
      "datastore_active": false, 
            
79
      "description": "The world's most accurate population datasets. 
101
      "description": "The world's most accurate population datasets. 
            
80
Seven maps/datasets for the distribution of various populations in 
102
Seven maps/datasets for the distribution of various populations in 
            
81
Comoros: (1) Overall population density (2) Women (3) Men (4) Children 
103
Comoros: (1) Overall population density (2) Women (3) Men (4) Children 
            
82
(ages 0-5) (5) Youth (ages 15-24) (6) Elderly (ages 60+) (7) Women of 
104
(ages 0-5) (5) Youth (ages 15-24) (6) Elderly (ages 60+) (7) Women of 
            
83
reproductive age (ages 15-49).", 
105
reproductive age (ages 15-49).", 
            
84
      "format": "", 
106
      "format": "", 
            
85
      "hash": "", 
107
      "hash": "", 
            
86
      "id": "94924848-929e-47b1-97b3-5af83f98c742", 
108
      "id": "94924848-929e-47b1-97b3-5af83f98c742", 
            
87
      "last_modified": null, 
109
      "last_modified": null, 
            
88
      "mimetype": null, 
110
      "mimetype": null, 
            
89
      "mimetype_inner": null, 
111
      "mimetype_inner": null, 
            
90
      "name": "Comoros: High Resolution Population Density Maps + 
112
      "name": "Comoros: High Resolution Population Density Maps + 
            
91
Demographic Estimates", 
113
Demographic Estimates", 
            
92
      "package_id": "ac4df45c-c38f-4eac-bc33-983386ecb6fb", 
114
      "package_id": "ac4df45c-c38f-4eac-bc33-983386ecb6fb", 
            
93
      "position": 0, 
115
      "position": 0, 
            
94
      "resource_type": null, 
116
      "resource_type": null, 
            
95
      "revision_id": "2ffca3ab-7abf-47f8-8397-661ab8ccbd10", 
117
      "revision_id": "2ffca3ab-7abf-47f8-8397-661ab8ccbd10", 
            
96
      "size": null, 
118
      "size": null, 
            
97
      "state": "active", 
119
      "state": "active", 
            
98
      "url": 
120
      "url": 
            
99
s://data.humdata.org/dataset/highresolutionpopulationdensitymaps-com", 
121
s://data.humdata.org/dataset/highresolutionpopulationdensitymaps-com", 
            
100
      "url_type": null
122
      "url_type": null
            
101
    }
123
    }
            
102
  ], 
124
  ], 
            
t
103
  "revision_id": "2ffca3ab-7abf-47f8-8397-661ab8ccbd10", 
t
125
  "revision_id": "3675f7d1-1018-471e-bcb1-4091a4ee0ecb", 
            
104
  "state": "active", 
126
  "state": "active", 
            
105
  "tags": [
127
  "tags": [
            
106
    {
128
    {
            
107
      "display_name": "Comoros", 
129
      "display_name": "Comoros", 
            
108
      "id": "67718117-1b29-4de6-bf38-284e21ac7739", 
130
      "id": "67718117-1b29-4de6-bf38-284e21ac7739", 
            
109
      "name": "Comoros", 
131
      "name": "Comoros", 
            
110
      "state": "active", 
132
      "state": "active", 
            
111
      "vocabulary_id": null
133
      "vocabulary_id": null
            
112
    }, 
134
    }, 
            
113
    {
135
    {
            
114
      "display_name": "population count", 
136
      "display_name": "population count", 
            
115
      "id": "f7228262-21a4-4fe5-a713-f43c29367f23", 
137
      "id": "f7228262-21a4-4fe5-a713-f43c29367f23", 
            
116
      "name": "population count", 
138
      "name": "population count", 
            
117
      "state": "active", 
139
      "state": "active", 
            
118
      "vocabulary_id": null
140
      "vocabulary_id": null
            
119
    }, 
141
    }, 
            
120
    {
142
    {
            
121
      "display_name": "population density", 
143
      "display_name": "population density", 
            
122
      "id": "98311ff5-1cea-4f34-92fb-c0757c6ce5ca", 
144
      "id": "98311ff5-1cea-4f34-92fb-c0757c6ce5ca", 
            
123
      "name": "population density", 
145
      "name": "population density", 
            
124
      "state": "active", 
146
      "state": "active", 
            
125
      "vocabulary_id": null
147
      "vocabulary_id": null
            
126
    }, 
148
    }, 
            
127
    {
149
    {
            
128
      "display_name": "population mapping", 
150
      "display_name": "population mapping", 
            
129
      "id": "5a75e952-d82b-44e3-8152-e0408a3cb3e3", 
151
      "id": "5a75e952-d82b-44e3-8152-e0408a3cb3e3", 
            
130
      "name": "population mapping", 
152
      "name": "population mapping", 
            
131
      "state": "active", 
153
      "state": "active", 
            
132
      "vocabulary_id": null
154
      "vocabulary_id": null
            
133
    }
155
    }
            
134
  ], 
156
  ], 
            
135
  "title": "Comoros: High Resolution Population Density Maps + 
157
  "title": "Comoros: High Resolution Population Density Maps + 
            
136
Demographic Estimates", 
158
Demographic Estimates", 
            
137
  "type": "dataset", 
159
  "type": "dataset", 
            
138
  "url": 
160
  "url": 
            
139
s://data.humdata.org/dataset/highresolutionpopulationdensitymaps-com", 
161
s://data.humdata.org/dataset/highresolutionpopulationdensitymaps-com", 
            
140
  "version": ""
162
  "version": ""
            
141
}
163
}