科學家利用衛星測繪貧困地圖 助力非洲城市化發展
作者： 2016年08月23日 來源：中國儀表網 瀏覽量：
字號：T | T
只有當你知道他們在哪里時，才能解決這個世界上的問題。例如，這也就是為什么對聯合國（UN）而言，在非洲跟蹤貧困至關重要——UN在2015年發起了一項在全球抵制貧困的運動。然而在地面上搜集數據往往是危險、緩慢及昂
只有當你知道他們在哪里時，才能解決這個世界上的問題。例如，這也就是為什么對聯合國（UN）而言，在非洲跟蹤貧困至關重要——UN在2015年發起了一項在全球抵制貧困的運動。然而在地面上搜集數據往往是危險、緩慢及昂貴的。如今，一項研究利用衛星圖像及機器學習給出了一個新的選擇——從太空繪制貧困地圖。
人造衛星上攜帶的高性能照相機一直在不斷捕捉地球的照片，并且科學家尋思，是否可以通過分析圖像來調查貧困問題。
科學家所作的第一種此類嘗試依賴于夜晚拍攝的地球圖像。電燈發出的燈光繪制了一個地區基礎設施的發光圖，粗略地顯示了富人和窮人都生活在哪里。但是在晚上，適度的經濟欠發達地區看起來與絕對貧困地區——依據世界銀行的定義每天花銷不足1.9美元的地區——并沒有太大的差別。
因此由美國加利福尼亞州帕洛阿爾托市斯坦福大學經濟學家Marshall Burke率領的一個社會學家和計算機科學家研究團隊，對衛星日間圖像進行了篩選。這些圖像也僅僅顯示出了絕對貧困地區和中等貧困地區之間的一些細微差別。兩者都具有泥濘的、坑坑洼洼的道路，蜿蜒地延伸到一個個小村莊。但白天的圖像包括了其他一些關鍵指標：與最近的水源或最近的城市市場有多遠？農田在哪里？
從這些細微的暗示得出結論甚至超越了一名訓練有素的專家的能力范疇——但可能難不倒一臺計算機。
使具有多個變量的大數據集變得有意義是機器學習領域的一個經典挑戰。其策略大致如下：首先得到一個目標變量是已知的數據集，在這種情況下通常為人均收入。隨后，在這些數據的一個子集的基礎上訓練計算機，從而創建一個統計模型，能夠準確預測其余數據中的隱藏變量。
Burke的研究小組使用一種被稱為卷積神經網絡的機器學習技術，徹底改變了機器視覺領域。研究人員專注于5個非洲國家——尼日利亞、坦桑尼亞、烏干達、馬拉維和盧旺達。這些國家都有很大比例的人口生活在絕對貧困地區，并且來自地面的良好調查數據為計算機作出的任何預測提供了依據。
研究人員指出，對于繪制非洲貧困狀況來說，白天的衛星圖像比夜晚圖像好得多。與后者相比，前者預測某一地區處于絕對貧困線以下情況的準確率為81%，并且在預測收入不足這一數字一半的某些地區時的準確率為99%。
研究人員在8月19日出版的美國《科學》雜志上報告了這一研究成果。
并未參與該項研究的紐約州帕利塞茲市哥倫比亞大學地球研究所政治學家Marc Levy表示，依然需要用地面調查來構建及驗證這一工具。但他說，這項研究表明衛星圖像加上地面調查“將比任何一種單獨方式更為強大”，特別是在那些進行地面調查很困難甚至不可能的地區。
Levy強調，將這項技術推廣到全世界其他地區也將具有重要意義。“與作為一個整體與世界其他地區相比，這5個國家彼此之間更為相似。”他說，例如，非洲是最后一個“抵抗”城市化趨勢的地區——這里的大多數人依然生活在農村。“在其他城市化國家使用這項研究所涉及的技術可能要難得多，盡管它依然能夠奏效。”
（原標題：科學家用衛星繪制貧困地圖）
人造衛星上攜帶的高性能照相機一直在不斷捕捉地球的照片，并且科學家尋思，是否可以通過分析圖像來調查貧困問題。
科學家所作的第一種此類嘗試依賴于夜晚拍攝的地球圖像。電燈發出的燈光繪制了一個地區基礎設施的發光圖，粗略地顯示了富人和窮人都生活在哪里。但是在晚上，適度的經濟欠發達地區看起來與絕對貧困地區——依據世界銀行的定義每天花銷不足1.9美元的地區——并沒有太大的差別。
因此由美國加利福尼亞州帕洛阿爾托市斯坦福大學經濟學家Marshall Burke率領的一個社會學家和計算機科學家研究團隊，對衛星日間圖像進行了篩選。這些圖像也僅僅顯示出了絕對貧困地區和中等貧困地區之間的一些細微差別。兩者都具有泥濘的、坑坑洼洼的道路，蜿蜒地延伸到一個個小村莊。但白天的圖像包括了其他一些關鍵指標：與最近的水源或最近的城市市場有多遠？農田在哪里？
從這些細微的暗示得出結論甚至超越了一名訓練有素的專家的能力范疇——但可能難不倒一臺計算機。
使具有多個變量的大數據集變得有意義是機器學習領域的一個經典挑戰。其策略大致如下：首先得到一個目標變量是已知的數據集，在這種情況下通常為人均收入。隨后，在這些數據的一個子集的基礎上訓練計算機，從而創建一個統計模型，能夠準確預測其余數據中的隱藏變量。
Burke的研究小組使用一種被稱為卷積神經網絡的機器學習技術，徹底改變了機器視覺領域。研究人員專注于5個非洲國家——尼日利亞、坦桑尼亞、烏干達、馬拉維和盧旺達。這些國家都有很大比例的人口生活在絕對貧困地區，并且來自地面的良好調查數據為計算機作出的任何預測提供了依據。
研究人員指出，對于繪制非洲貧困狀況來說，白天的衛星圖像比夜晚圖像好得多。與后者相比，前者預測某一地區處于絕對貧困線以下情況的準確率為81%，并且在預測收入不足這一數字一半的某些地區時的準確率為99%。
研究人員在8月19日出版的美國《科學》雜志上報告了這一研究成果。
并未參與該項研究的紐約州帕利塞茲市哥倫比亞大學地球研究所政治學家Marc Levy表示，依然需要用地面調查來構建及驗證這一工具。但他說，這項研究表明衛星圖像加上地面調查“將比任何一種單獨方式更為強大”，特別是在那些進行地面調查很困難甚至不可能的地區。
Levy強調，將這項技術推廣到全世界其他地區也將具有重要意義。“與作為一個整體與世界其他地區相比，這5個國家彼此之間更為相似。”他說，例如，非洲是最后一個“抵抗”城市化趨勢的地區——這里的大多數人依然生活在農村。“在其他城市化國家使用這項研究所涉及的技術可能要難得多，盡管它依然能夠奏效。”
（原標題：科學家用衛星繪制貧困地圖）
全球化工設備網（http://www.tupvw34.cn ）友情提醒，轉載請務必注明來源:全球化工設備網！違者必究.
標簽：衛星測繪
相關資訊
免責聲明：1、本文系本網編輯轉載或者作者自行發布，本網發布文章的目的在于傳遞更多信息給訪問者，并不代表本網贊同其觀點，同時本網亦不對文章內容的真實性負責。
2、如涉及作品內容、版權和其它問題，請在30日內與本網聯系，我們將在第一時間作出適當處理！有關作品版權事宜請聯系：+86-571-88970062
2、如涉及作品內容、版權和其它問題，請在30日內與本網聯系，我們將在第一時間作出適當處理！有關作品版權事宜請聯系：+86-571-88970062
推薦資訊