斯坦福创新研究 利用卫星绘制贫困图

人气 516

【大纪元2016年08月19日讯】(大纪元记者吴英编译报导)消除贫困是各国政府和援助机构努力的目标,在规划最佳政策及有效运用经费之前,有必要准确掌握贫困所在地。现在,科学家们创建新模式,利用卫星图像和机器学习等技术,更精准绘制贫困地图。

美国科技新闻网站The Verge 8月18日报导, 人们已经知道,夜间亮度可以反映贫富差异,越亮的地方表示相对富裕。不过,用“夜间照明模式”(Night Light Model)来推测贫富仍有其局限性,只能知道大范围面积的贫富差异,无法精准地评估特定区域的差异情形。

科学杂志(Science)18日最新一期登载斯坦福大学(Stanford University)更精准分析贫富差异的研究报告,依其内容,研究人员创建“转移学习模式”(Transfer Learning Model)方法,分二步骤提供计算机三个数据:夜间照明图像、白天图像和实际调查数据,并构建运算法,计算特定面积范围内的贫富差异。

报告的共同作者之一、斯坦福大学专研机器学习(machine learning)的博士生吉恩(Neal Jean)表示,衡量贫富差异最实际的方法是,透过人口普查搜集如家庭财富和资产等经济数据,但在多数发展中国家,这是行不通的,因为调查成本太高。

吉恩说:“我们的想法是,如果我们能建立正确的模型,这个模型会帮助我们预测无法进行普查的某个地区的贫富差异,这将有助于协助相关单位规划援助方案。”

斯坦福大学研究人员挑选非洲乌干达、坦桑尼亚、尼日利亚、马拉维和卢旺达等五个国家作为研究对象,在“转移学习模式”的第一个步骤,提供计算机这五个国家的卫星夜间图像和白天图像。

研究人员再透过“深学习技术”(Deep Learning Technique),教计算机如何对照这些白天及晚间的图像,学习由白天图像判断夜间情况,以及二者的关联性。例如湖泊在晚上是漆黑一片,计算机透过学习会知道湖泊区域在晚上是黑的,因此在判断夜间图像时可以略去,不将之视为是贫困区域。

接下来“转移学习模式”的第二个步骤,研究人员使用了岭回归模型(Ridge Regression Model)。此时计算机已知道辨别土地特征和灯光之间的关联性,科学家再给它这五个非洲国家曾有过的实际调查数据,如世界银行生活水平衡量研究(World Bank Living Standards Measurement Study)。

计算机要根据这些调查数据学习推算,例如调查数据显示,某个村庄总计有十户家庭,每个家庭平均每一天的收入是2美元,如果在邻近地区也有一个十户家庭的村庄,那么计算机透过运算会推定这些家庭的每天收入也是2美元。

相较于“夜间照明模式”,“转移学习模式”确实更能准确找出贫困区,准确度达八成以上,但其仍有限制。

伦敦经济学院(London School of Economics)经济研究人员富兰克林(Simon Franklin)表示,“转移学习模式”可以分辨贫富区域的差异,但无法用以估算在城市内的贫富差异。加州圣地亚哥大学经济学家亚伯拉罕(Alexei Abrahams)表示,这个研究使用的是旧有的夜间图像,建议未来可使用美国宇航局2012年以后更精准的卫星图像

吉恩表示,这个研究的另一个限制是,只研究非洲的五个国家,模式或许无法分析印度或中国的贫富差异,不过,模型的建立成本并不高,因为所有图像都来自公共领域。

责任编辑:李缘

相关新闻
卫星图透露 北京早已暗中制裁朝鲜
卫星图揭示金正恩有个奢华水上宫殿
美智库:疑似发现朝鲜核设秘密基地
一组令人触目惊心的地图 “中国被包围了”
最热视频
【新闻看点】十多城爆白纸运动 百校学子抗争
【十字路口】“打倒共产党” 全民接力
【环球直击】广州女大学生坠楼亡 母亲要真相被打
【晚间新闻】抗议潮席卷中国 民喊“共产党下台
【全球新闻】大陆抗议蔓延 海外华人声援 多国关注
【中国禁闻】中国爆发白纸革命 多地民众街头抗议
如果您有新闻线索或资料给大纪元,请进入安全投稿爆料平台
评论