Estimativa da população em unidades de conservação na Amazônia Legal brasileira: uma aplicação de grades regulares a partir da Contagem 2007
Bibliographic record
Abstract
Neste artigo é testado um método para aumentar a resolução de dados censitários e apresentá-los agregados em uma grade regular. A metodologia empregada é composta pela agregação dos domicílios representados por suas coordenadas geográficas obtidas pela Contagem da População do Instituto Brasileiro de Geografia e Estatística (IBGE) de 2007 e pela desagregação dos dados por setor censitário utilizando proporcionalidade de área. Os dados assim gerados foram usados para estimar a população residente em 114 unidades de conservação da Amazônia Legal brasileira, criadas até 2006, de modo a testar a metodologia em unidades territoriais que não seguem os limites político-administrativos, nem aqueles das unidades territoriais de coleta utilizados pelo IBGE. Esta metodologia também contribui para os estudos de população em áreas protegidas, dada a escassez de estimativas do volume da população em unidades de conservação. Os resultados mostraram uma população nas unidades selecionadas de 325.398 habitantes, sendo 297.693 em unidades de Uso Sustentável e 27.705 em unidades de Proteção Integral; no entorno estimou-se uma população de 1.020.237 habitantes. Apesar de limitações inerentes ao uso da Contagem 2007, a agregação de dados em grades revela-se como uma metodologia bastante promissora, tendo em vista os avanços no emprego das geotecnologias por parte do IBGE desde então. A grade minimiza problemas observados no uso de unidades administrativas ou de coleta para a espacialização dos dados censitários e apresenta-se como uma abordagem com grande potencial de aplicação na Demografia e em outras áreas do saber.
Fetched live from OpenAlex and de-inverted. Abstracts are not stored in this database: the inverted indexes are 8.6 GB of the frame’s 9.3 GB of text, and the host has 13 GB free.
How this classification was reachedexpand
Full frame distilled prediction
Teacher imitationNot calibrated prevalence, not ground truth. Human validation pending. Learned from the 10,348 direct Codex labels and 10,348 direct Gemma labels. Candidate is the union of thresholded teacher heads; consensus is their intersection. These outputs are machine_predicted_unvalidated and are not human labels or direct frontier model labels.
Codex and Gemma teacher scores by category
| Category | Codex | Gemma |
|---|---|---|
| Metaresearch | 0.002 | 0.002 |
| Meta-epidemiology (narrow) | 0.002 | 0.002 |
| Meta-epidemiology (broad) | 0.002 | 0.001 |
| Bibliometrics | 0.001 | 0.001 |
| Science and technology studies | 0.004 | 0.000 |
| Scholarly communication | 0.001 | 0.002 |
| Open science | 0.002 | 0.001 |
| Research integrity | 0.002 | 0.004 |
| Insufficient payload (model declined to judge) | 0.001 | 0.001 |
Machine scores (provisional)
The two teacher heads of the student model, read on this work. A score orders the frame for review; it never asserts a category, and the validation status ships verbatim with every row.
Baseline scores from an immature model (maturity gate not passed, 7 training rounds). Scores rank; they never assert a category.
score_only:v0-immature-baseline · verbatim from the scoring run: score_only means the number may rank works, and no category label ships from itClassification
machine, unvalidatedMachine predicted; both teacher heads agree on what is shown here.
How this classification was reached, model by model and score by score, is at the end of the page under "How this classification was reached".