Zmiany

              
    

          
          
        
        

            
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": "db790ee0-d558-4711-9ea1-fc8a33f8013f", 
35
  "id": "db790ee0-d558-4711-9ea1-fc8a33f8013f", 
            
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": "2022-06-30T09:51:28.995008", 
42
  "metadata_created": "2022-06-30T09:51:28.995008", 
            
n
15
  "metadata_modified": "2022-06-30T09:52:13.149424", 
n
43
  "metadata_modified": "2022-07-04T12:40:34.310147", 
            
16
  "name": 
44
  "name": 
            
17
itania-high-resolution-population-density-maps-demographic-estimates", 
45
itania-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 
47
maps/datasets for the distribution of various populations in 
            
20
Mauritania: (1) Overall population density (2) Women (3) Men (4) 
48
Mauritania: (1) Overall population density (2) Women (3) Men (4) 
            
21
Children (ages 0-5) (5) Youth (ages 15-24) (6) Elderly (ages 60+) (7) 
49
Children (ages 0-5) (5) Youth (ages 15-24) (6) Elderly (ages 60+) (7) 
            
22
Women of reproductive age (ages 15-49).\r\n\r\n### 
50
Women of reproductive age (ages 15-49).\r\n\r\n### 
            
23
Methodology\r\n\r\nThese high-resolution maps are created using 
51
Methodology\r\n\r\nThese high-resolution maps are created using 
            
24
machine learning techniques to identify buildings from commercially 
52
machine learning techniques to identify buildings from commercially 
            
25
available satellite images. This is then overlayed with general 
53
available satellite images. This is then overlayed with general 
            
26
population estimates based on publicly available census data and other 
54
population estimates based on publicly available census data and other 
            
27
population statistics at Columbia University. The resulting maps are 
55
population statistics at Columbia University. The resulting maps are 
            
28
the most detailed and actionable tools available for aid and research 
56
the most detailed and actionable tools available for aid and research 
            
29
organizations. For more information about the methodology used to 
57
organizations. For more information about the methodology used to 
            
30
create our high resolution population density maps and the demographic 
58
create our high resolution population density maps and the demographic 
            
31
distributions, click 
59
distributions, click 
            
32
resolution-population-density-maps-demographic-estimates/).\r\n\r\nFor 
60
resolution-population-density-maps-demographic-estimates/).\r\n\r\nFor 
            
33
information about how to use HDX to access these datasets, please 
61
information about how to use HDX to access these datasets, please 
            
34
visit: 
62
visit: 
            
35
n-density-maps-demographic-estimates-documentation/\r\n\r\nAdjustments 
63
n-density-maps-demographic-estimates-documentation/\r\n\r\nAdjustments 
            
36
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 
            
37
the national level. The UN estimate for a given country (or 
65
the national level. The UN estimate for a given country (or 
            
38
state/territory) is divided by the total census estimate of population 
66
state/territory) is divided by the total census estimate of population 
            
39
for the given country. The resulting adjustment factor is multiplied 
67
for the given country. The resulting adjustment factor is multiplied 
            
40
by each administrative unit census value for the target year. This 
68
by each administrative unit census value for the target year. This 
            
41
preserves the relative population totals across administrative units 
69
preserves the relative population totals across administrative units 
            
42
while matching the UN total. More information can be found 
70
while matching the UN total. More information can be found 
            
43
ocs/census-information-for-high-resolution-population-density-maps/)", 
71
ocs/census-information-for-high-resolution-population-density-maps/)", 
            
44
  "num_resources": 1, 
72
  "num_resources": 1, 
            
45
  "num_tags": 7, 
73
  "num_tags": 7, 
            
46
  "organization": {
74
  "organization": {
            
47
    "approval_status": "approved", 
75
    "approval_status": "approved", 
            
n
48
    "created": "2022-06-15T09:44:22.871262", 
n
76
    "created": "2022-07-04T08:06:45.420882", 
            
49
    "description": "The Humanitarian Data Exchange (HDX) is an open 
77
    "description": "We work to build inclusion and participatory 
            
50
platform for sharing data across crises and organisations. Launched in 
78
democracy in cities and urban spaces through empowering citizens, 
            
51
July 2014, the goal of HDX is to make humanitarian data easy to find 
79
building trust and accountability in civic space, and capacitating 
            
52
and use for analysis. Our growing collection of datasets has been 
80
government. You can find our website 
            
53
accessed by users in over 200 countries and territories.\r\n\r\nHDX is 
81
[here](https://opencitieslab.org/).", 
            
54
managed by OCHA's Centre for Humanitarian Data, which is located in 
82
    "id": "8e526815-d516-4f6c-9ae0-a4d62555c30c", 
            
55
The Hague. OCHA is part of the United Nations Secretariat and is 

            
56
responsible for bringing together humanitarian actors to ensure a 

            
57
coherent response to emergencies. The HDX team includes OCHA staff and 

            
58
a number of consultants who are based in North America, Europe and 

            
59
Africa.", 

            
60
    "id": "ad11db0c-27d3-433d-bc99-973c2ffae709", 

            
61
    "image_url": 
83
    "image_url": 
            
n
62
"https://data.humdata.org/images/homepage/logo-hdx.svg", 
n
84
ttps://opencitieslab.org/odd/static/dist/img/ocl_logo_header-nav.png", 
            
63
    "is_organization": true, 
85
    "is_organization": true, 
            
n
64
    "name": "hdx-the-humanitarian-data-exchange", 
n
86
    "name": "open-cities-lab", 
            
65
    "revision_id": "e6c349dd-82c3-4176-a1c7-a4d89d8eae93", 
87
    "revision_id": "35e0d462-e6b8-4c18-8743-e9361e136009", 
            
66
    "state": "active", 
88
    "state": "active", 
            
n
67
    "title": "HDX - The Humanitarian Data Exchange", 
n
89
    "title": "Open Cities Lab", 
            
68
    "type": "organization"
90
    "type": "organization"
            
69
  }, 
91
  }, 
            
n
70
  "owner_org": "ad11db0c-27d3-433d-bc99-973c2ffae709", 
n
92
  "owner_org": "8e526815-d516-4f6c-9ae0-a4d62555c30c", 
            
71
  "private": false, 
93
  "private": false, 
            
72
  "relationships_as_object": [], 
94
  "relationships_as_object": [], 
            
73
  "relationships_as_subject": [], 
95
  "relationships_as_subject": [], 
            
74
  "resources": [
96
  "resources": [
            
75
    {
97
    {
            
76
      "cache_last_updated": null, 
98
      "cache_last_updated": null, 
            
77
      "cache_url": null, 
99
      "cache_url": null, 
            
78
      "created": "2022-06-30T09:52:12.998559", 
100
      "created": "2022-06-30T09:52:12.998559", 
            
79
      "datastore_active": false, 
101
      "datastore_active": false, 
            
80
      "description": "The world's most accurate population datasets. 
102
      "description": "The world's most accurate population datasets. 
            
81
Seven maps/datasets for the distribution of various populations in 
103
Seven maps/datasets for the distribution of various populations in 
            
82
Mauritania: (1) Overall population density (2) Women (3) Men (4) 
104
Mauritania: (1) Overall population density (2) Women (3) Men (4) 
            
83
Children (ages 0-5) (5) Youth (ages 15-24) (6) Elderly (ages 60+) (7) 
105
Children (ages 0-5) (5) Youth (ages 15-24) (6) Elderly (ages 60+) (7) 
            
84
Women of reproductive age (ages 15-49).", 
106
Women of reproductive age (ages 15-49).", 
            
85
      "format": "", 
107
      "format": "", 
            
86
      "hash": "", 
108
      "hash": "", 
            
87
      "id": "88fec7f4-3d49-4f07-81ad-d76acd9f9ea5", 
109
      "id": "88fec7f4-3d49-4f07-81ad-d76acd9f9ea5", 
            
88
      "last_modified": null, 
110
      "last_modified": null, 
            
89
      "mimetype": null, 
111
      "mimetype": null, 
            
90
      "mimetype_inner": null, 
112
      "mimetype_inner": null, 
            
91
      "name": "Mauritania: High Resolution Population Density Maps + 
113
      "name": "Mauritania: High Resolution Population Density Maps + 
            
92
Demographic Estimates", 
114
Demographic Estimates", 
            
93
      "package_id": "db790ee0-d558-4711-9ea1-fc8a33f8013f", 
115
      "package_id": "db790ee0-d558-4711-9ea1-fc8a33f8013f", 
            
94
      "position": 0, 
116
      "position": 0, 
            
95
      "resource_type": null, 
117
      "resource_type": null, 
            
96
      "revision_id": "b0bf43e7-feaa-4bc4-8dab-80c1ae0b2b80", 
118
      "revision_id": "b0bf43e7-feaa-4bc4-8dab-80c1ae0b2b80", 
            
97
      "size": null, 
119
      "size": null, 
            
98
      "state": "active", 
120
      "state": "active", 
            
99
      "url": 
121
      "url": 
            
100
s://data.humdata.org/dataset/highresolutionpopulationdensitymaps-mrt", 
122
s://data.humdata.org/dataset/highresolutionpopulationdensitymaps-mrt", 
            
101
      "url_type": null
123
      "url_type": null
            
102
    }
124
    }
            
103
  ], 
125
  ], 
            
t
104
  "revision_id": "b0bf43e7-feaa-4bc4-8dab-80c1ae0b2b80", 
t
126
  "revision_id": "c825797f-4972-4324-87ed-84e711bec60b", 
            
105
  "state": "active", 
127
  "state": "active", 
            
106
  "tags": [
128
  "tags": [
            
107
    {
129
    {
            
108
      "display_name": "Mauritania", 
130
      "display_name": "Mauritania", 
            
109
      "id": "0229c7b0-0763-4e4c-80d0-83a6ac5edaf4", 
131
      "id": "0229c7b0-0763-4e4c-80d0-83a6ac5edaf4", 
            
110
      "name": "Mauritania", 
132
      "name": "Mauritania", 
            
111
      "state": "active", 
133
      "state": "active", 
            
112
      "vocabulary_id": null
134
      "vocabulary_id": null
            
113
    }, 
135
    }, 
            
114
    {
136
    {
            
115
      "display_name": "children", 
137
      "display_name": "children", 
            
116
      "id": "a31aa94e-cdbe-470b-b953-602bfc01eeab", 
138
      "id": "a31aa94e-cdbe-470b-b953-602bfc01eeab", 
            
117
      "name": "children", 
139
      "name": "children", 
            
118
      "state": "active", 
140
      "state": "active", 
            
119
      "vocabulary_id": null
141
      "vocabulary_id": null
            
120
    }, 
142
    }, 
            
121
    {
143
    {
            
122
      "display_name": "elderly", 
144
      "display_name": "elderly", 
            
123
      "id": "9c11b077-a76b-4a95-b6ee-afb6c112f48c", 
145
      "id": "9c11b077-a76b-4a95-b6ee-afb6c112f48c", 
            
124
      "name": "elderly", 
146
      "name": "elderly", 
            
125
      "state": "active", 
147
      "state": "active", 
            
126
      "vocabulary_id": null
148
      "vocabulary_id": null
            
127
    }, 
149
    }, 
            
128
    {
150
    {
            
129
      "display_name": "men", 
151
      "display_name": "men", 
            
130
      "id": "887bf1dd-dcf9-42ab-9e75-7ee55de689a2", 
152
      "id": "887bf1dd-dcf9-42ab-9e75-7ee55de689a2", 
            
131
      "name": "men", 
153
      "name": "men", 
            
132
      "state": "active", 
154
      "state": "active", 
            
133
      "vocabulary_id": null
155
      "vocabulary_id": null
            
134
    }, 
156
    }, 
            
135
    {
157
    {
            
136
      "display_name": "population density", 
158
      "display_name": "population density", 
            
137
      "id": "98311ff5-1cea-4f34-92fb-c0757c6ce5ca", 
159
      "id": "98311ff5-1cea-4f34-92fb-c0757c6ce5ca", 
            
138
      "name": "population density", 
160
      "name": "population density", 
            
139
      "state": "active", 
161
      "state": "active", 
            
140
      "vocabulary_id": null
162
      "vocabulary_id": null
            
141
    }, 
163
    }, 
            
142
    {
164
    {
            
143
      "display_name": "women", 
165
      "display_name": "women", 
            
144
      "id": "d8f22a99-abe8-41cb-ae9c-4b543eee7cdf", 
166
      "id": "d8f22a99-abe8-41cb-ae9c-4b543eee7cdf", 
            
145
      "name": "women", 
167
      "name": "women", 
            
146
      "state": "active", 
168
      "state": "active", 
            
147
      "vocabulary_id": null
169
      "vocabulary_id": null
            
148
    }, 
170
    }, 
            
149
    {
171
    {
            
150
      "display_name": "youth", 
172
      "display_name": "youth", 
            
151
      "id": "98ff881a-a277-4d3a-9641-7657ad12e6a7", 
173
      "id": "98ff881a-a277-4d3a-9641-7657ad12e6a7", 
            
152
      "name": "youth", 
174
      "name": "youth", 
            
153
      "state": "active", 
175
      "state": "active", 
            
154
      "vocabulary_id": null
176
      "vocabulary_id": null
            
155
    }
177
    }
            
156
  ], 
178
  ], 
            
157
  "title": "Mauritania: High Resolution Population Density Maps + 
179
  "title": "Mauritania: High Resolution Population Density Maps + 
            
158
Demographic Estimates", 
180
Demographic Estimates", 
            
159
  "type": "dataset", 
181
  "type": "dataset", 
            
160
  "url": 
182
  "url": 
            
161
s://data.humdata.org/dataset/highresolutionpopulationdensitymaps-mrt", 
183
s://data.humdata.org/dataset/highresolutionpopulationdensitymaps-mrt", 
            
162
  "version": ""
184
  "version": ""
            
163
}
185
}