Спутниковые снимки помогут точнее определить уровень бедности в странах

Компьютер будет анализировать спутниковые снимки для выявления самых бедных районов планеты.

Фотография Global Look Press.

Исследователи использовали технологию машинного обучения для анализа информации на спутниковых снимках, чтобы точно определить наиболее бедные регионы Африки.

Иллюстрация Neal Jean/перевод "Вести.Наука".

Человек способен справиться с проблемой только, если знает, где она кроется. Именно по этой причине отслеживание масштабов нищеты в Африке имеет решающее значение для Организации Объединенных Наций. Сбор подобной информации прямо на месте может быть опасным занятием, медленным и к тому же довольно затратным. Поэтому учёные предложили использовать спутниковые изображения и машинное обучение в качестве альтернативы и составлять данные о бедности тез или иных регионов прямо из космоса.

Высококачественные камеры на спутниках постоянно фотографируют Землю, и специалисты задались вопросом: можно ли с помощью анализа этих изображений обнаружить не только археологические древности, но и определить где лютуют голод и бедность? Первые попытки произвести такого рода расчёты полагались на снимки планеты ночью. Свет электрических огней помог составить сверкающую карту инфраструктуры и ориентировочно определить, где живут люди состоятельные, а где бедные. Однако такие данные всё же не могут предоставить наиболее точную информацию.

 

В итоге команда учёных во главе с экономистом из Стэнфордского университета Маршаллом Бёрком (Marshall Burke) обратилась к дневным снимкам. Они показывают даже небольшие различия между регионами, где живут люди обеспеченные, а где практически нищие. В местах, где проживают люди чуть с большим достатком, также могут быть не самые комфортные условия для проживания – плохие дороги и большие свалки мусора. Но дневные снимки содержат информацию, например, о том, как далеко находится ближайший источник воды или ближайший городской рынок, а также есть ли рядом сельскохозяйственные поля.

Учёные использовали технологию машинного обучения, которая называется свёрточная нейронная сеть, — она произвела революцию в области машинного зрения. Технология анализировала спутниковые фотографии, а затем на основе её особенностей оценивала благосостояние жителей изучаемого региона.

Специалисты фокусировались на пяти африканских странах: Нигерии, Танзании, Уганде, Малави и Руанде. Значительная доля населения этих стран живёт в абсолютной нищете, и данные наземных исследований подтвердили предположения, сделанные компьютером.

Исследователи использовали технологию машинного обучения для анализа информации на спутниковых снимках, чтобы точно определить наиболее бедные регионы Африки.

По словам специалистов, дневные спутниковые снимки подходят значительно больше, чем ночные изображения для картографирования нищеты в Африке. Так, по сравнению с ночными фотографиями дневные снимки были на 81 процент более точны в прогнозировании бедности в местах, где люди проживают в абсолютной нищете.

Конечно, наземные исследования территории ещё будут нужны, чтобы проверить точность нового метода, говорит сторонний учёный Марк Леви (Marc Levy) из Института Земли при Колумбийском университете. Но работа уже показывает, что спутники совместно с уже имеющимися данными "гораздо более эффективны, чем каждый из них в отдельности", говорит он, особенно в тех районах, где вести наземные обследования (или опросы) трудно.

Описание проведённой работы было опубликовано в научном журнале Science.