Télédétection et détection sociale pour les systèmes socio-économiques : Une étude comparative entre les lumières nocturnes et les médias sociaux basés sur la localisation à une résolution spatiale de 500 m

Avec l'avènement de la "détection sociale" à l'ère des Big Data, les données des médias sociaux basés sur la localisation (LBSM) sont de plus en plus utilisées pour explorer les activités anthropiques et leurs impacts sur l'environnement. Cette étude convertit un type typique de données LBSM, les tweets géolocalisés, en images raster à une résolution spatiale de 500 m et les compare avec les nouveaux produits d'images des lumières nocturnes (NTL), les composites d'images mensuels de la suite de radiomètre à imagerie infrarouge visible (VIIRS) Day/Night Band (DNB). Les résultats montrent que les images de tweets mensuels sont significativement corrélées avec les images VIIRS-DNB au niveau des pixels. Les images de tweets ont presque la même capacité à estimer la consommation d'énergie électrique et une meilleure performance pour évaluer les revenus personnels et la population par rapport aux images NTL. Les zones tweetées (c'est-à-dire les pixels avec au moins un tweet publié) sont plus proches des zones bâties/urbaines dérivées des satellites que les zones éclairées dans les images NTL, rendant les images de tweets une alternative pour délimiter l'étendue des activités humaines. De plus, les images de tweets mensuels ne montrent pas de changements saisonniers apparents, et les valeurs des images de tweets sont plus stables au cours des différents mois que les composites d'images mensuels VIIRS-DNB. Cette étude explore le potentiel des données LBSM à des résolutions spatiotemporelles relativement fines pour estimer ou cartographier des facteurs socio-économiques en tant qu'alternative aux images NTL aux États-Unis.