2016年8月22日

斯坦福研究人員結(jié)合高分辨率衛(wèi)星影像和強(qiáng)有力的機(jī)器學(xué)習(xí)算法對尼日利亞、烏干達(dá)、坦薩尼亞、盧旺達(dá)和馬拉維5個(gè)非洲國家的貧困程度進(jìn)行預(yù)測。

圖片提供：Neal Jean等；

需要更大圖片請見：http://www.eurekalert.org/multimedia/pub/122068.php

　　對貧困地區(qū)人員扶貧工作的最大挑戰(zhàn)之一是對貧困區(qū)域進(jìn)行定位。世界很多地方，尤其是非洲大陸的貧困區(qū)精確和可靠的位置信息驚人地缺乏。扶貧小組和其他國際組織經(jīng)常需要通過挨家挨戶的實(shí)地調(diào)查來填補(bǔ)此項(xiàng)空白，但這種做法執(zhí)行成本高昂，耗費(fèi)時(shí)間。

　　斯坦福研究人員在本期的《科學(xué)》期刊中提出一種確定這些貧困地區(qū)（之前缺少有價(jià)值調(diào)查信息）的精確方法。研究人員利用機(jī)器學(xué)習(xí)手段—從數(shù)據(jù)學(xué)習(xí)中進(jìn)行計(jì)算機(jī)算法設(shè)計(jì)的科學(xué)—從高分辨率衛(wèi)星影像中提取貧困信息。在這一案例研究中，研究人員應(yīng)用早期機(jī)器學(xué)習(xí)方法對5個(gè)非洲國家貧困地區(qū)進(jìn)行定位研究。

　　斯坦福地球系統(tǒng)科學(xué)系副教授、食品安全與環(huán)境中心科研人員、論文聯(lián)合作者M(jìn)arshall Burke提出，研究人員在非洲大陸分散村落進(jìn)行的調(diào)查非常有限，除此之外，研究人員幾乎沒有地方層面的貧困信息。同時(shí)，研究人員持續(xù)收集這些地區(qū)的其他各種數(shù)據(jù)（如，衛(wèi)星影像）。

　　研究人員尋找是否可以通過高分辨率衛(wèi)星影像（一種容易獲取數(shù)據(jù)來源的非傳統(tǒng)手段）解決貧困人口生活地區(qū)位置判別的方法。困難在于，雖然標(biāo)準(zhǔn)機(jī)器學(xué)習(xí)方法可以與大量數(shù)據(jù)一起完美工作，但是在這一案例研究情況下，幾乎沒有獲得貧困問題方面的數(shù)據(jù)來開始機(jī)器識(shí)別工作。

　　斯坦福大學(xué)工程學(xué)院計(jì)算機(jī)科學(xué)博士研究生、論文第一作者Neal Jean提出，研究人員很難告訴計(jì)算機(jī)在世界范圍內(nèi)存在富人區(qū)或貧困區(qū)的明確位置。這使得從大量的日間衛(wèi)星影像中提取有用信息變得非常困難。

　　由于越發(fā)達(dá)地區(qū)夜晚燈光一般會(huì)更明亮。通過將高分辨率日間影像與夜間影像進(jìn)行結(jié)合的研究方法，研究人員使用“夜光”數(shù)據(jù)對與經(jīng)濟(jì)發(fā)展相關(guān)的更高分辨率日間影像特征進(jìn)行識(shí)別。

　　Jean指出，在沒有被告知要尋找什么事物的情況下，機(jī)器學(xué)習(xí)算法學(xué)會(huì)從影像中挑出人類易識(shí)別的許多事物，如，公路、城市區(qū)域和耕地。基于這些日間影像特征，研究人員利用可測量的數(shù)據(jù)對村級(jí)富裕程度進(jìn)行預(yù)測，當(dāng)作調(diào)查獲取的數(shù)據(jù)。

　　研究人員發(fā)現(xiàn)該方法在貧困分布預(yù)測工作上較之現(xiàn)有方法取得了很好的效果。這些改進(jìn)的貧困分布地圖可以幫助扶貧機(jī)構(gòu)和決策者更高效地進(jìn)行資金分配，更有效地實(shí)施政策和進(jìn)行政策評估。

　　斯坦福大學(xué)計(jì)算機(jī)學(xué)院副教授、斯坦福伍茲環(huán)境研究所客座研究員、論文聯(lián)合作者Stefano Ermon表示，該論文展示了機(jī)器學(xué)習(xí)在貧困地區(qū)識(shí)別方面的相關(guān)能力，由于其具備成本低和可擴(kuò)展的特性，所以僅基于衛(wèi)星影像，它就可以通過較低成本的途徑對世界貧困地區(qū)進(jìn)行制圖。

　　題為《結(jié)合衛(wèi)星影像和機(jī)器學(xué)習(xí)手段進(jìn)行貧困問題預(yù)測》一文的論文聯(lián)合作者還包括斯坦福計(jì)算機(jī)科學(xué)系Michael Xie，地球科學(xué)學(xué)院能源與環(huán)境科學(xué)和食品安全和環(huán)境中心David Lobell和W. Matthew Davis。

　　原文題目：Stanford scientists combine satellite data and machine learning to map poverty

　　資料來源：http://news.stanford.edu/2016/08/18/combining-satellite-data-machine-learning-to-map-poverty/

　　（王化編譯，殷永元審核）