如何利用卫星图像和机器学习预测贫困？-学说文章

如何利用卫星图像和机器学习预测贫困？

35浏览

2022/04/07 01:50发布

智慧金融研究中心

智慧金融机器学习、贫困预测如何利用卫星图像和机器学习预测贫困？

人口经济特征的准确测绘是政府合理分配资源的重要前提。但在一些发展中国家，由于政府不作为或数据不公开，有关贫困、人口总量、健康等重要数据十分稀缺，这给政策制定带来了困难。本文作者从五个非洲国家的高清日间卫星图像中提取数据，并使用机器学习模型，对高度缺乏统计数据地区的家庭消费和财富状况进行测量。

以往文献通常使用深度学习的方法处理夜间卫星图像，但通过这一方法计算出的指标在贫困线以下的地区缺乏差异，因此对于赤贫人群这一方法失效。在本文研究中，作者使用日间高清卫星图像,运用一种新颖的机器学习算法——多步骤迁移学习（transfer learning）——来处理卫星图像这一非结构化数据。作者收集了各国贫困人口统计数据，并从世界银行提供的生活标准测量数据中提取了家庭开支数据，从人口与健康调查中资产指数部分收集家庭长期经济状况，并以此代表个人财富。

首先，作者运用卷积神经网络模型对图像数据进行分类。接着，作者对卷积神经网络模型进行微调，以推算与日间卫星图像对应的夜间光度影像。最后，运用群集的平均值与从日间图像中提取的图像特征，通过卷积神经网络模型来进行脊回归分析，以估算每一集群的支出或资产。

根据本文研究，迁移学习模型对研究数据缺失地区的经济状况有着重大意义。在日间图像时标缺失和数据不精确的情况下，使用迁移学习模型可以解释不同国家间家庭消费差异的37%到55%，可以解释不同国家间家庭财富总值差异的55%到75%。同时作者将该方法与直接使用夜间光度影像、调查问卷数据的方法对比，发现本文使用的模型能够更精准地衡量家庭消费及财富的差异。

本文的贡献是：作者发现使用高清日间卫星图像可以对五个非洲国家的经济情况的空间分布做出准确预测。作者认为，这一模型可以被推广用以研究全非洲国家的生活经济情况。这一模型的好处在于，对所需数据要求较为简单和直接，能够降低整体所需的研究经费；同时这一方法也体现了机器学习方法在数据量较少的情况下的有效运用。

最后，作者也提出该模型的不足：由于无法获得同一地区一段时间内全部的高清日间卫星图像，作者认为无法预测某一特定地区经济福利的时序变化。

Reference：Neal Jean, Marshall Burke, Michael Xie, W. Mtthew Davis, David B. Lobell, Stefano Ermon. Combining satellite imagery and machine learning to predict poverty. Science，2016. （作者来自Stanford University, National Bureau of Economic Research）

*文章来源：智慧金融研究中心

*侵权必删

智慧金融研究中心

文章108

总浏览量4037

学术前沿速递

文章

300

学说观点

文章

300

AIGC交流社区

学说官方

文章

240

未央网

文章

233

毕宣

中央财经大学

文章

185

王凯

T. Rowe Price

文章

181

经济学入门必读书籍有哪些值得推荐？

楚健

1185

浏览

绿色信贷能否提高商业银行的核心竞争力？基于中国的准自然实验

创新研究

879

浏览

最新综述！AIGC到底是什么？都有哪些应用？一文尽览！

AIGC交流社区

766

浏览

研究方法 | 文献资料分析方法大全！收藏

周舟

762

浏览

数电票的26个问题，税局统一回复！

张俊熙

759

浏览

如果经济学家连股都不炒，那他们都在干什么呢?

李博

682

浏览

“特斯拉”打败了“星巴克”

张子瑞

670

浏览

研究方法：文献资料分析方法

周舟

660

浏览

银行纷纷入局数字藏品赛道，什么信号？

李杨杨

629

浏览

会议预告｜清华五道口绿色金融讲座第一期，邀您探讨“碳达峰碳中和——中国发展转型的机遇和挑战”

学术会议动态

3320

浏览