Kongo Demokratik Cumhuriyeti’ndeki kentsel olukların haritalanması

UG'lerden önemli ölçüde etkilenen şehirlerin belirlenmesi

İlk olarak KDC'de UG'lerden önemli ölçüde etkilenen tüm şehirleri belirledik. Bunun için, Cumhurbaşkanlığı kararnamesi (2 Temmuz 1998 tarih ve 081 sayılı Kanun Hükmünde Kararnamenin 53-55. Maddeleri) ile resmi 'şehir' statüsü verilen tüm kent merkezlerini ve 2020'de en az 80.000 nüfusu olan diğer kent merkezlerini kontrol ettik (ref.⁵¹) küçük şehirlerin özelliklerini gösteren. Bu liste kapsamlı sayılabilir.

Tüm bu şehirlerde UG'lerin varlığı, çok yüksek çözünürlüklü (yani 1 m veya daha küçük çözünürlükteki) mevcut Google Earth görüntüleri kullanılarak kontrol edildi; Ek Tablo 1). Yaygın olarak kabul edilen jeomorfik kriterlere göre bir özelliğin bu şekilde tanınabilmesi durumunda UG olduğunu düşündük.^25,52. Daha spesifik olarak bu özelliğin, yoğun akışla aşındırılmış, uzatılmış bir şekle, fark edilebilir bir talveg'e, bir oluk başlığına ve görünür oluk kenarlarına sahip bir kanal olarak tanınabilmesi gerekiyordu. Ayrıca, talveg'in en dik eğim boyunca veya etkili yüzey akışı tahliyesine izin verecek başka bir şekilde (örneğin, bir yol aşağı eğimini takip ederek) yönlendirilmesi gerekiyordu. Ayrıca oluğun binaların 200 m yakınında bulunması gerekiyordu. Kinshasa, Kikwit ve Bukavu'daki 434 dere üzerinde yapılan saha araştırmaları, haritalanan tüm özelliklerin UG'ler olduğunu doğruladı. Bununla birlikte, bu saha ziyaretleri tespit edilemeyen birkaç küçük UG'yi de gösterdi. Bu nedenle, tespit doğruluğundaki kontrastların neden olduğu potansiyel önyargılardan kaçınmak için analizlerimizi en az 30 m'lik bir talveg'e sahip UG'lerle sınırlandırdık.

Tespit edilen UG'lerin kentsel büyümeyle bağlantılı olup olmadığını doğrulamak için her şehrin 1950'lerde çekilmiş yüksek çözünürlüklü pankromatik hava fotoğraflarını kontrol ettik. Bu fotoğraflar Belçika'daki Orta Afrika Kraliyet Müzesi'nde saklanmaktadır.⁵³. Belirlenen oluklar halihazırda mevcutsa, bunların yerleşim alanlarının içinde mi yoksa dışında mı olduğunu ve dışarıdayken yol ağına bağlı olup olmadıklarını (yani bir yol boyunca oluşan oyuk veya onun doğrudan uzantısında, yaklaşık 100 m veya daha az bir mesafe içinde yer alıp almadığını) inceledik. 1950'li yıllarda yerleşim alanlarının dışında bulunan ve karayolu ağıyla ilgisi olmayan su birikintilerinin doğal kökenli olduğu varsayılmıştır. Daha ileri analiz için saklanmadılar.

UG'lerin kapsamını ve genişleme oranlarını haritalamak

Etkilenen her şehirde (Yöntemler'UG'lerden önemli ölçüde etkilenen şehirlerin belirlenmesi', İncir. 3), tüm UG'lerin mekansal kapsamını tanımlayan çokgenleri bir referans görüntü üzerinde manuel olarak haritaladık (Ek Şekil 1). 5). Bu referans görüntü, Google Earth'te bulunan ve 2021 ile 2023 yılları arasında çekilmiş, bulutsuz, çok yüksek çözünürlüklü bir görüntüydü (Ek Tablo) 1). Birçok UG'nin birden fazla oluk başlığının dallanmış ağlarına dönüştüğü göz önüne alındığında (Şekil 1). 1), tanımlanabilir bir oluk başlığına ve en az 30 m uzunluğunda bir talveg'e sahip olması durumunda, bireysel bir UG olarak dallanma özelliğini değerlendirdik. Çoğu şehir için, oluk kanalı ve çevredeki ortam arasındaki net görsel kontrast nedeniyle UG'lerin sınırları belirlenebilir ve haritalanabilir. Dikkate değer bir istisna, Google Earth görüntülerinin her zaman net bir tanımlamaya izin vermediği Bukavu şehriydi. Bu, şehrin kurulduğu killi topraklara atfedilebilir.⁵⁴yetersiz görsel kontrasta neden olur. Bu şehir için haritalama, elde taşınan GPS saha araştırmalarıyla tamamlandı.

Daha sonra, UG'lerin alansal genişleme oranları, Google Earth'te mevcut olan yeterli kalitede eski görüntülerde gözlemlendiği gibi sınırlarının yeniden haritalanmasıyla ölçüldü (Ek Şekil 1). 5). Kinshasa ve Kikwit için bu görüntüler, Pléiades görüntüleriyle tamamlandı (Kikwit için 21 Nisan 2015'te ve Kinshasa için 28 Nisan 2014 veya 19 Haziran 2015'te çekilmiş). Yaşlarına ve görüntülerin mevcudiyetine bağlı olarak UG'ler, görüntü tarihleri ​​2002 ile 2023 arasında değişen bir ila beş kez sayısallaştırıldı. Farklı tarihlere sahip en az iki görüntüde gözlemlenen her oyuk için, oyuk genişlemesi, eski görüntüde haritalanan oyuk çokgeninin alanı, daha yeni görüntüdeki alandan çıkarılarak hesaplandı. Genişleme olayını, haritalanmış boyutunda en az 10 m'lik bir artış gösteren kentsel bir oyuk olarak tanımladık.² iki görüntü tarihi arasında. Bununla birlikte, gözlemlenen bu genişlemenin gerçekte iki görüntü tarihi arasında meydana gelen birkaç ardışık, daha küçük genişleme aşamasına atfedilebileceği unutulmamalıdır.

Gözlem dönemi sırasında yeni oluşturulan UG'ler için alansal genişlemenin, oyuğun görülebildiği ilk görüntüde haritalanan çokgen alanı olduğu varsayılmıştır. Halihazırda mevcut olukların genişleme olayları için oluk başının geri çekilmesi (GH) ve yan duvar genişletme (SW) arasında daha fazla ayrım yaptık. Ref'e benzer.²⁶GH'yi, en eski görüntüde oyuk başının yukarısında meydana gelen oyuk genişlemesinin bir parçası olarak düşündük (oluk talvegine dik, düz bir çizgi ile ayrılmış; Ek Şekil 1). 5). SW, bu oluk başının aşağısında meydana gelen genişleme olarak ölçüldü. Bu şekilde, haritalanan her bir oyuntu genişleme olayı, yeni bir oyuntu oluşumuna, oyuntu başının geri çekilmesine ve/veya oyuntu yan duvarının genişlemesine atfedilebilir.

Üç veya daha fazla uygun görüntünün mevcut olduğu oluklar için, iki ila dört genişleme oranı, sonraki görüntü çiftleri ve yukarıda açıklanan prosedür kullanılarak hesaplandı. Ancak gözlemlenen oluk genişlemesinin kesin tarihleri ​​çoğunlukla bilinmiyor. Zaman içinde olukların kümülatif genişlemesini yeniden yapılandırmak (Şekil 1). 4b) ve yerinden edilmiş nüfusu tahmin edin (Yöntemler'Yerinden edilmiş nüfusun tahmin edilmesi'), bu nedenle her genişleme olayının iki görüntü tarihi arasında gerçekleştiğini varsaydık. Yeni oluşturulan oluklar için oluşum tarihinin, UG'nin bulunmadığı son mevcut görüntünün tarihi ile mevcut olduğu ilk görüntünün tarihi arasındaki ortalama olduğu varsayılmıştır.

UG oluşumunu kontrol eden faktörlerin değerlendirilmesi

DRC'deki UG'lerin mekansal modellerini açıklamamıza yardımcı olan faktörleri değerlendirmek için iki değişkenli ve çok değişkenli analizler gerçekleştirdik. Veri kısıtlamaları nedeniyle (örneğin, yüksek çözünürlüklü dijital yükseklik modellerinin eksikliği) ve UG'lerden etkilenmeyen alanlarla sağlam karşılaştırmalara olanak sağlamak için, bu analizleri 30 yay saniyesi çözünürlükte (ekvatorda yaklaşık 1 km) gerçekleştirdik.

Öncelikle oluk envanterimizi bu çözünürlükteki hücrelere dönüştürdük. Bir hücre, referans görüntüde haritalandığı gibi bir veya daha fazla oluk başı içeriyorsa, UG'lerden etkilenmiş olarak sınıflandırılmıştır (Yöntemler'UG'lerin kapsamını ve genişleme oranlarını haritalamak'). Bu, UG'lerin meydana geldiği 752 hücreden oluşan bir veri kümesiyle sonuçlandı. Daha sonra, Demokratik Kongo Cumhuriyeti'ndeki etkilenen ve etkilenmeyen şehirlerde rastgele hücreler oluşturduk (Yöntemler'UG'lerden önemli ölçüde etkilenen şehirlerin belirlenmesi'), hem şehir sınırları içinde hem de onların etrafında 2 km'lik bir tampon bölgede. Daha sonra Google Earth'te bu hücrelerde oluk izleri olup olmadığını kontrol ettik. Toplamda 1.469 ek hücreyi kontrol ettik: 754'ü şehir sınırları içinde (bunların hiçbirinde su kanalı yoktu) ve 715'i ise etrafındaki 2 km'lik tampon bölgede. İkincisinin sadece iki hücresinin oyuklara sahip olduğu bulundu ve UG'ye sahip hücrelere eklendi, böylece toplam oluklu hücre sayısı 754'e ve olmayan hücre sayısı 1.467'ye ulaştı.

Her hücre için farklı coğrafi veri kümelerinden bir dizi değişken çıkardık^{49,55,56,57,58,59,60,61} olukların varlığını veya yokluğunu açıklamayla ilgili olabilir (Ek Tablo 2). Bu değişkenlerin çoğu, olukların oluşumunu açıklamayı amaçlayan diğer çalışmalarda yaygın olarak kullanılmaktadır.²⁵. İki taraflı Mann-Whitney'i kullanma sen-testler⁶²bu değişkenlerin dağılımının oluklu veya oluksuz hücreler arasında ne ölçüde farklılık gösterdiğini analiz ettik.

Daha sonra bir lojistik regresyon modeli oluşturduk⁶³ etkilenen ve etkilenmeyen hücreler arasında gözlemlenen farklılıkları en iyi açıklayan değişkenleri birleştirerek her değişkenin model içinde anlamlı kalmasını sağlar. Bunun için öncelikle tüm öngörücü değişkenleri, tüm hücrelerde gözlemlenen minimum ve maksimum değerleri temel alarak 0 ile 1 arasındaki değerlere standartlaştırdık. Daha sonra, geriye kalan tüm değişkenlere dayalı olarak ilk önce bir lojistik regresyon modeli yerleştirdiğimiz geriye doğru adım adım seçim prosedürünü uyguladık (Ek Tablo) 2) ve ardından anlamlı olmayan tüm değişkenleri sistematik olarak kaldırdık (P-değeri Z-istatistik >0,0001). Ayrıca Sand_iSDA değişkenini de hariç tuttuk (Ek Tablo 2) muhtemelen önemli belirsizliklere maruz kaldığı için modelden⁵⁹ ve yine oldukça anlamlı olan ve işlevsel olarak aynı özelliği ifade eden daha sağlam kukla değişken Toprak ile güçlü bir korelasyona sahiptir. Nihayet modelde tutulan değişkenler Eğim, Toprak, Ağaç Örtüsü, BUA ve Yol'du (bkz. Ek Tablo) 2).

Modelin genel performansı, kalibrasyon ve doğrulama verileri arasında %70:30'luk on rastgele bölme yaptığımız bir çapraz doğrulamaya dayalı olarak test edildi. Her seferinde, tutulan dört değişken, eğitim verilerinin aralığına ve bunlara karşılık gelen katsayılara göre standartlaştırıldı (Ek Tablo) 3). Ortaya çıkan alternatif model daha sonra bağımsız test verilerine uygulandı. Model performansı için bir doğrulama alıcısı çalışma karakteristik eğrisi ve eğrinin altındaki karşılık gelen alanı bir temsili olarak kullandık⁶⁴ (Ek Şek. 3).

Yerinden edilmiş nüfusun tahmin edilmesi

UG'lerin oluşumu ve genişlemesi nedeniyle muhtemelen yerinden edilen nüfusu tahmin etmek için JRC GHS nüfus verilerinden faydalandık.⁸yani, yaklaşık 100 m'lik bir mekansal çözünürlükte nüfus yoğunluğuna ilişkin tahminler sağlayan bir dizi ızgaralı veri kümesidir. Bu veri seti, Demokratik Kongo Cumhuriyeti'nin tüm bölgesini ve çalışmamızın gözlem periyodunun tamamını kapsadığı için seçilmiştir. Ayrıca daha önce yapılan çalışmalarda da olumlu olarak değerlendirilmiştir.⁶⁵.

Her bir su kanalı genişleme olayının neden olduğu yerinden edilmiş nüfus şu şekilde hesaplandı:

burada DP, gözlemlenen bir oyuk genişlemesi veya oluşumu nedeniyle yer değiştirmesi beklenen toplam nüfustur; Alan_son iki görüntüden en yenisinde haritalanan UG alanıdır; Alan_eskimiş iki görüntüden en eskisinde haritalanan UG alanıdır; ve PopDens_son ve PopDens_eskimiş Alana karşılık gelen poligonlardaki ortalama nüfus yoğunlukları_son ve Alan_eskimişsırasıyla (Ek Şekil 1). 5). PopDens değerleri JRC GHS popülasyon verilerinden elde edilmiştir.⁸genişleme olayının gerçekleşmesinin beklendiği yıl dikkate alındığında (Yöntemler'UG'lerin kapsamını ve genişleme oranlarını haritalamak'). Bu veriler orijinal olarak 5 yıllık aralıklarla (örneğin, 2000, 2005) mevcut olduğundan, aradaki yıllar için tahminler ilk olarak bu raster veri kümelerinin doğrusal olarak enterpolasyonuyla elde edildi. Tüm (kronolojik olarak sıralanmış) UG genişlemesi vakaları için DP değerlerinin toplanması, yerinden edilmiş kişilerin kümülatif sayısını hesaplamamıza olanak sağladı (Şekil 1). 4b).

Yeni olukların oluşması (Yeni), yan duvarların genişlemesi (SW) veya oluk başının geri çekilmesi (GH) nedeniyle yerinden edilen nüfus arasında ayrım yapmak için benzer bir strateji uygulandı. İlk olarak Alan_eskimiş sıfır olduğu varsayıldı. SW için, Alanı hesaplarken yalnızca daha önce haritalanan oluk başının eğim aşağısındaki alanı dikkate aldık._son. GH için, Alanı hesaplarken yalnızca daha önce haritalanan oluk başının eğim alanını dikkate aldık._sonoysa Alan_eskimiş sıfır olduğu varsayıldı. Her genişleme olayının nüfus yoğunluğu, DP'nin olayın alansal boyutuna bölünmesiyle hesaplandı. Alansal genişleme, nüfus yoğunluğu ve beklenen yerinden edilmiş nüfus dağılımlarının, oyuntu genişleme türleri (yani Yeni, GB, GH veya Toplam; Şekil 1) arasında önemli ölçüde farklı olup olmadığını test ettik. 4a) iki taraflı Mann-Whitney kullanarak sen-testler⁶².

Maruz kalan nüfusun tahmin edilmesi

Belirli bir yılda UG genişlemesine maruz kalan nüfusu tahmin etmek için, o yılda mevcut olan tüm haritalanmış oyuk çokgenlerini dikkate aldık (Yöntemler'UG'lerin kapsamını ve genişleme oranlarını haritalamak') ve farklı tampon mesafeleri kullanarak etraflarında oluşturulan tehlike bölgeleri (Ek Şekil 1). 5). Toplam maruz kalan nüfus daha sonra şu şekilde hesaplandı:

PE, UG'lerin genişlemesine maruz kalan toplam nüfustur, N tehlike bölgesi çokgenlerinin sayısıdır, PopDens_yıl,Ben tehlike bölgesi çokgeninin nüfus yoğunluğudur Ben JRC GHS nüfus verilerine göre söz konusu yılda⁸ve AH_Ben tehlike bölgesi çokgeninin alanıdır Ben. Haritalanan oluk çokgenleri tehlike bölgesi çokgenlerinden hariç tutuldu ve üst üste binen çokgenler yalnızca bir kez sayıldı.

Çeşitli maruz kalma derecelerini hesaba katmak için, bu tehlike poligonlarını oluştururken farklı tamponlar dikkate alındı. Öncelikle derelerin haritalanan konturları etrafına 100 m'lik bir tampon mesafesi uyguladık. Her ne kadar biraz keyfi olsa da, bu mesafe, UG genişlemesi tehditlerinin düzenli ve önemli bir endişe oluşturduğu nüfusa ilişkin sezgisel olarak anlaşılır bir tahmin sağlar. Bu insanlar potansiyel olarak mülklerine zarar gelmesi ve/veya yerlerinden edilmeleri gibi doğrudan etkilerin yanı sıra çok sayıda dolaylı ve maddi olmayan etkilere de (örneğin, konut mülk değerinin azalması, daha fazla su kanalı genişlemesine karşı koymak için gereken girişimlere yatırım yapılması, erişilebilirliğin azalması, artan stres) maruz kalabilirler. Bu dolaylı etkilere ilişkin neredeyse hiçbir veri şu anda mevcut değildir. Ancak haritalama çalışmalarımız ve saha araştırmalarımız bu 100 m'lik mesafenin muhtemelen hala oldukça ihtiyatlı bir değer olduğunu gösteriyor. Örneğin, bir UG'den birkaç yüz metre uzakta yaşayan insanların, oyuk genişlemesini durdurmayı amaçlayan önlemlerin uygulanmasına dahil olduklarını da gözlemledik. Genellikle bunu masrafları kendilerine ait olmak üzere yaparlar^28,35.

İkinci olarak UG'lerin potansiyel genişleme bölgelerini karakterize eden tampon alanlar oluşturduk. Bu tampon bölgelerde yaşayan insanların potansiyel maddi hasara, yerinden edilmeye ve hatta yaralanma veya ölüme doğrudan maruz kalması bekleniyor. Potansiyel genişleme alanları hem oluk genişletme hem de oluk başının geri çekilmesi dikkate alınarak ölçüldü. Genişletme için, referans görüntülerde haritalandığı gibi en az 10 yaşında olan tüm UG'lerin maksimum genişliklerini analiz ettik (Yöntemler'UG'lerin kapsamını ve genişleme oranlarını haritalamak'). Bu genişlikler şehirler içinde ve şehirler arasında büyük farklılıklar gösteriyordu (Ek Şekil 1). 2). Bununla birlikte, kumlu yüzeylerdeki UG'ler (bkz. Ek Tablodaki 'Toprak' 2; İncir. 2) iki taraflı Mann-Whitney'e göre diğer substratlarda oluşturulanlardan önemli ölçüde daha genişti U-testi (P< 0,0001; Ek Şekil. 2). Bu nedenle, bu iki numuneyi farklı şekilde ele aldık ve bu alt tabakada bir oluğun elde edebileceği beklenen maksimum genişlik olarak %95'lik oranı dikkate aldık (yani, kumlu alt katmanlardaki UG'ler için 70 m ve kumlu olmayan alt katmanlardaki UG'ler için 51 m). Daha sonra, haritalanan her UG'nin talveg çevresinde, bu beklenen maksimum genişliklerin yarısına eşit mesafelere sahip tampon alanlar oluşturduk.

Potansiyel lağım başı geri çekilmesi için de benzer bir strateji kullanıldı. Mevcut görüntülerin minimum 10 yıllık bir süre boyunca bunu yapmamıza izin verdiği tüm UG'lerin ortalama doğrusal oyuk başı geri çekilme oranını (başın geri çekildiği Öklid mesafesi olarak ölçülen, gözlem süresine bölünen) değerlendirdik (Yöntemler'UG oluşumunu kontrol eden faktörlerin değerlendirilmesi'). Maksimum oluk genişliklerinde olduğu gibi, bu genişleme oranları da şehirler içinde ve şehirler arasında önemli ölçüde değişiklik gösterdi ancak kumlu alt katmanlarda oluşturulan UG'ler ve iki taraflı Mann-Whitney'e dayalı olarak diğer alt katmanlarda oluşturulan UG'ler halinde sağlam bir şekilde gruplandırılabilir. sen-test (Ek Şek. 2; P< 0,0001). Bu iki popülasyonun %95'lik dilimlerini (yani 19,2 milyon yıl) dikkate aldık.⁻¹ kumlu ve 10,6 m yıl için⁻¹ diğer substratlar için) ve on yıllık bir zaman ölçeğinde su birikintisi genişlemesine maruz kalan popülasyonu değerlendirmeyi amaçladığımız için bunları 10 ile çarptık. Ortaya çıkan mesafeler (192 m veya 106 m), söz konusu yılda mevcut olan oluk başları çevresinde tampon alanlar oluşturmak için kullanıldı. Dairesel tampon alanları seçtik çünkü oluk başının geri çekilmesinin tam yönünü tahmin etmek imkansız. Çok sayıda oluk başı, yol ağına, yerel topoğrafyaya ve ölçülmesi zor olan diğer faktörlere bağlı olarak geri çekilirken yön değiştirdi veya çatallandı (Şekil 1). 1). Daha sonra başın etrafındaki bu dairesel tamponları, talveg etrafındaki maksimum genişlikteki tamponlarla birleştirdik ve haritalanan UG poligonlarını bunlardan çıkardık. Ortaya çıkan çokgenler, potansiyel olarak daha fazla su kanalı genişlemesine eğilimli olan ve AH'yi hesaplamak için kullanılan arazi alanlarını gösterir._Ben (denklem (2) ve Ek Şekil. 5).

Üçüncüsü, UG'lerin beklenen genişleme bölgelerini karakterize eden tehlike bölgeleri oluşturduk. Bu bölgelerde yaşayan insanlar UG genişlemesinin etkilerine ciddi şekilde maruz kalıyor. Bunun için potansiyel UG genişleme bölgeleriyle aynı stratejiyi izledik. Ancak tamponları oluşturmak için %95'lik dilimler yerine ortalamaları dikkate aldık. Maksimum oluk genişlikleri için bunlar kumlu alt tabakalarda 32 m'ye ve kumlu olmayan alt tabakalarda 19 m'ye karşılık geliyordu (Ek Şekil 1). 2). Ortalama doğrusal kafa geri çekilme oranları yılda 5,4 milyondu⁻¹ ve 3,2 milyon yıl⁻¹ sırasıyla kumlu ve kumlu olmayan yüzeylerdeki UG'ler için.

2010 ve 2023 yılları arasında UG maruziyetindeki artışlara katkıda bulunan ana faktörleri daha ayrıntılı olarak değerlendirmek (Şekil 1). 5b), farklı senaryoları karşılaştırdık. Daha spesifik olarak, her tehlike bölgesi için, 2010 yılında haritalanan UG'lerin tehlike bölgelerinde yaşayan 2023 nüfusunu hesapladık. Bu sayıyı 2010'un ilk maruz kalan nüfusuyla karşılaştırmak, maruziyetteki artışın ne kadarının halihazırda mevcut tehlikeli bölgelerdeki nüfus artışlarına atfedilebileceğini gösterir. Benzer şekilde, 2010 yılında zaten mevcut olan UG'lerin 2023 tehlike bölgelerinde yaşayan 2023 nüfusunu da hesapladık. Bunu 2010'un maruz kalan nüfusuyla karşılaştırmak, maruz kalmadaki artışın ne kadarının halihazırda mevcut UG'lerin daha da genişlemesinden kaynaklandığını gösterir. Son olarak bu iki katkıyı toplam artıştan çıkararak 2010'dan bu yana oluşturulan yeni UG'lerden kaynaklanan maruziyet artışını değerlendirdik.

Belirsizlik değerlendirmesi

Her iki tahminimiz de yerinden edilmiş kişilerle ilgili (Şek. 4) ve açığa çıkarılır (Şek. 5) popülasyonlar belirsizliklere tabidir. Bu belirsizliklerin ana kaynağı JRC GHS'deki olası hatalardır.⁸ Kullanılan nüfus tahminleri. Bu hatalar bilinmediğinden ilgili belirsizliğin kesin olarak hesaplanması mümkün değildir. Ancak sonuçlarımızın genel güvenilirliğini değerlendirmek için 2020 yılında nüfus maruziyeti analizlerini tekrarladık (Yöntemler'Maruz kalan nüfusun tahmin edilmesi') WorldPop Nüfus verilerine dayanmaktadır. Bunun için kısıtlanmamış ve düzeltilmemiş veri kümelerini kullandık.^66,67. WorldPop veri kümeleri, JRC GHS verileriyle benzer bir uzamsal çözünürlüğe sahiptir ve aynı temel nüfus sayımı verileri (CIESIN GPWv4.11) tarafından bilgilendirilir, ancak farklı bir modelleme yaklaşımına dayanır.^8,66. Üstelik WorldPop verileri yalnızca 2020 yılına kadar mevcuttur. Sonuçlar, karşılaştırılabilir olmasına rağmen, WorldPop verileri kullanıldığında maruz kalan nüfusa ilişkin tahminlerin daha düşük olduğunu göstermektedir (Ek Şekil 1). 6 ve Ek Tablo 6). Bu özellikle küçük şehirler ve daha az ölçüde Kinşasa için geçerlidir. Büyük şehirler için (örneğin Kikwit, Mbuji-Mayi, Bukavu) sapmalar genellikle %20'den azdır. Daha ileri analizler bunun esas olarak WorldPop'un etkilenen alanların büyük kısımlarındaki nüfus yoğunluğu tahminlerini eksik tahmin etmesinden kaynaklandığını gösterdi (Ek Şekil 1). 7). WorldPop'un 50 kişiden daha az yoğunluk varsaydığı birçok pikselde ha⁻¹JRC GHS, 100-1.000 kişi ha'lık nüfus yoğunluğunu gösterir⁻¹ (Ek Şek. 7). Google Earth'te yapılan daha fazla doğrulama (evlerin sayısı dikkate alınarak), ikincisinin muhtemelen daha doğru olduğunu doğruladı. Ayrıca, daha önceki çalışmalar, kısıtlamasız WorldPop verilerinin, yüksek nüfuslu bölgelerde genellikle eksik tahminlere eğilimli olduğunu göstermiştir.^68,69. Dolayısıyla, JRC GHS verileri kullanıldığında maruz kalan nüfus tahminleri daha yüksek olsa da, muhtemelen daha doğrudurlar. Oldukça benzer prosedür göz önüne alındığında (Yöntemler'Yerinden edilmiş nüfusun tahmin edilmesi'), aynı şey muhtemelen yerinden edilmiş nüfus için de geçerlidir.

Her iki veri kümesinin de ana sınırlaması, bunların, muhtemelen nüfus yoğunluklarıyla ilişkili olan temsili değerler kullanılarak, genellikle çok sınırlı nüfus istatistiklerinin enterpolasyonuna ve ekstrapolasyonuna dayanan küresel veri ürünleri olmalarıdır.^8,65,66,67. Kongo Demokratik Cumhuriyeti için genel olarak ayrıntılı ve doğru nüfus verileri bulunmadığından bu bir zorunluluktur. Bunun dikkate değer bir istisnası, referansta sunulan metodolojiye dayanarak 2018 yılında ayrıntılı nüfus sayımı verilerinin toplandığı Bukavu şehridir.⁷⁰. Bu verilerin bireysel mahalleler düzeyinde ekstrapolasyonu, doğrudan saha bazlı gözlemlere dayanan ve makul olarak beklenebilecek en güvenilir nüfus verilerini sağlayan bir nüfus yoğunluğu haritasıyla sonuçlandı. Tahminlerimizin belirsizliğini daha fazla değerlendirmek için, bu nüfus yoğunluğu katmanını kullanarak maruz kalan nüfusun miktarını belirledik (2020'deki su birikintisi boyutlarına göre; Yöntemler'Maruz kalan nüfusun tahmin edilmesi') ve sonuçları 2018 için JRC GHS ve WorldPop verileriyle elde edilenlerle karşılaştırdı (Ek Tablo) 7). JRC GHS verilerine dayalı tahminler, WorldPop verilerine dayalı tahminlere çok benzese de, doğrudan nüfus sayımı verilerinden elde edilen sonuçlardan %22,9–39,3 daha düşüktür. Bu, en azından Bukavu örneğinde, maruz kalma ve yer değiştirme oranlarımızın muhtemelen hâlâ eksik tahminler olduğunu gösteriyor.

Bu karşılaştırmalara dayanarak ve diğer hata kaynaklarının etkisini (örneğin, haritalanmış UG poligonlarındaki yanlışlıklar) hesaba katarak, yerinden edilmiş ve maruz kalan nüfusa ilişkin tüm tahminlerin %40'a kadar göreli hatalara tabi olduğunu ihtiyatlı bir şekilde varsaydık. Buna göre belirsizlik aralıklarını, bildirilen rakamların %40'a varan yüksek veya düşük değerlerini dikkate alarak tahmin ettik.