Contexto

Se requiere estimar la población en el casco histórico de Paramaribo, Surinam, así como también la cantidad de puestos de empleo que el área genera.

Para estimar la cantidad de habitantes se utilizarán estimaciones de WorldPop para el año 2020. El proyecto WorldPop integra información de censos, encuestas, satélites, redes sociales y datos de telefonía móvil. Aplica una metodología estadística publicada y documentada para estimar número de habitantes en toda la superficie de la Tierra, en una grilla con una resolución aproximada de 100 x 100 metros.

Para aproximar el número de empleos, se cuenta con el numero de edificios en los principales ejes de actividad de la zona, clasificados por residencial, comercial, gobierno, y otros comerciales. En base a ello, se extrapolará la cantidad de puestos de trabajo representados.

Datos a utilizar

library(tidyverse)
library(sf)
library(ggspatial)
library(stars)

heritage_area <- st_read("../worlrd_heritage_site_limits.geojson", quiet = TRUE) %>% 
    st_transform(4326) %>% 
    arrange(rev(rownames(.)))

pop_heritage_area <- raster::crop(raster::raster("../sur_ppp_2020_UNadj.tif"),
                                  st_as_sf(st_as_sfc(st_bbox(heritage_area)))) %>% 
  st_as_stars() %>% 
  st_as_sf() %>% 
  st_join(heritage_area, left = FALSE)


edificios_OSM <- st_read("../Edificios/buildings_paramaribo_OSM_export.geojson", quiet = TRUE) %>% 
    select(name)

review_edificios <- read_csv("../Edificios/PBHI_2019_PURP_ObraStudio (with links).xlsx - PHBI2019.csv")

review_edificios <- review_edificios %>% 
    select(property_identification.B_Use_Now, 
           property_identification.B_Occup, 
           description_characterization.BD_Height,
           longitude, latitude) %>% 
    mutate(longitude = longitude / 1000000,
           latitude = latitude / 1000000,
           floors = as.integer(str_replace(description_characterization.BD_Height, ",", "."))) %>% 
    st_as_sf(coords = c("longitude", "latitude"), crs = 4326) 

edificios <- edificios_OSM %>% 
    st_join(review_edificios) %>%
    st_intersection(heritage_area)

Exploración visual

ggplot(filter(heritage_area, Desc != "Proposed Buffer Zone")) + 
    annotation_map_tile(type = "osm", zoom = 16) +
    annotation_scale(location = "tl") +
    geom_sf(aes(color = Desc, fill = Desc), alpha = .2) +
    geom_sf(data = filter(heritage_area, Desc == "Proposed Buffer Zone"),
            fill = NA, aes(color = "Proposed Buffer Zone")) +
    guides(color = FALSE) +
    labs(title = "Paramaribo: World Heritage Site limits", 
         subtitle = "in green, proposed buffer zone limits",
         color =  "area")

ggplot() +
    annotation_map_tile(type = "osm", zoom = 16) +
    geom_sf(data = pop_heritage_area, aes(fill = sur_ppp_2020_UNadj), alpha = .5) +
    annotation_scale(location = "tl") +
    scale_fill_viridis_c() +
    guides(color = FALSE) +
    labs(title = "Population estimate",
         fill =  "residents")

ggplot(edificios) +
    geom_sf(color = NA) +
    geom_sf(data = filter(edificios, !is.na(property_identification.B_Use_Now)),
            aes(fill = property_identification.B_Use_Now), color = NA) +
    scale_fill_brewer(palette  = "Paired") +
    theme_minimal() +
    labs(title = "Land use - main corridors",
         fill = "")

ggplot(edificios) +
    geom_sf(color = NA) +
    geom_sf(data = filter(edificios, !is.na(property_identification.B_Occup)),
            aes(fill = property_identification.B_Occup), color = NA) +
    scale_fill_brewer(type =  "qual") +
    theme_minimal() +
    labs(title = "Occupancy",
         fill = "")

ggplot(edificios) +
    geom_sf(color = NA) +
    geom_sf(data = filter(edificios, !is.na(floors)),
            aes(fill = floors), color = NA) +
    scale_fill_viridis_c() +
    theme_minimal() +
    labs(title = "Height (floors)",
         fill = "")

Metodología de cálculo de empleos

En base al dataset de de población (conteo por área) de WorldPop, se suma la cantidad de habitantes estimados para cada celda que intersecta con los límites del casco histórico, incluyendo sus zonas de buffer.

ceiling(sum(pop_heritage_area$sur_ppp_2020_UNadj))
## [1] 4069

El resultado es de 4069 habitantes.

Metodología de cálculo de empleos

Se asume que:

Cada parcela dedicada a uso comercial o institucional (es decir, todas excepto las residenciales) que no esté vacante representa puestos de trabajo

Un 30% del área disponible se destina a espacio de circulación (pasillos y corredores) y otro 20% a espacios auxiliares (baños, salas de reunión, de recepción, etc). Por lo tanto un total del 50% del área total de cada edificio será adjudicado a puestos de trabajo.

Se estima un promedio de 18.5 metros cuadrados por puesto de trabajo (~200 pies cuadrados), correspondiente a una oficina mediana de acuerdo a datos de https://mehiganco.com/?p=684.

Para los edificios a los que les corresponde la categoría de ocupación “Partially Occupied” sólo se considerará un 50% de su áreas.

Para los edificios cuyo uso relevado sea “Mixed” se asume uso mixto comercial/residencial, y se considerará sólo el 50% del área definida por su nivel de ocupación.

Por último, para los edificios de uso residencial se considera un puesto de empleo cada 1394 metros cuadrados (~15000 pies cuadrados)

m2_por_empleado_general = 18.5
m2_por_empleado_residencial = 1394

jobs <- edificios %>% 
    filter(property_identification.B_Occup %in% c("Occupied", "Partially Occupied")) %>% 
    mutate(land_area = as.numeric(st_area(.)),
           total_area = land_area * floors,
           total_area = ifelse(property_identification.B_Occup == "Partially Occupied",
                               total_area * .5, 
                               total_area),
           total_area = ifelse(property_identification.B_Use_Now == "Mixed",
                               total_area * .5, 
                               total_area),
           jobs = ifelse(property_identification.B_Use_Now == "Residential",
                            (total_area * .5) / m2_por_empleado_residencial,
                            (total_area * .5) / m2_por_empleado_general))

jobs %>% 
    rename(category = property_identification.B_Use_Now) %>% 
    st_set_geometry(NULL) %>% 
    group_by(category) %>% 
    summarise(used_area_m2 = round(sum(total_area, na.rm = T)),
              jobs = round(sum(jobs, na.rm = T))) %>%
    filter(!is.na(category)) %>% 
    arrange(desc(jobs)) %>% 
    DT::datatable()

Con la metodología descrita, se estiman 14710 puestos de trabajo ocupados en los principales ejes de actividad del centro histórico de Paramaribo, definido por el área cubierta por el World Heritage Site más sus zonas de buffer propuestas.