Satellitenbilder können genutzt werden, um Regionen der Armut vorherzusagen. Eine neue …

<pre>Satellitenbilder können genutzt werden, um Regionen der Armut vorherzusagen. Eine neue ...

Satellitenbilder können verwendet werden, um Regionen der Armut vorherzusagen Eine neue Studie in der Zeitschrift Science zeigt, wie eine Kombination aus Satellitenbildern und Algorithmen für maschinelles Lernen verwendet werden kann, um die Armut in Regionen der Welt vorherzusagen, in denen Daten ansonsten nicht verfügbar sind. Es ist zwar seit langem anerkannt, dass die nächtliche Beleuchtung ein grober Indikator für den Reichtum einer Region ist, doch ist diese Analysemethode in Bezug auf Regionen auf der Welt, in denen häufig überhaupt kein Strom vorhanden ist, unwirksam. Diese neue Methode, die von Hauptautor Neal Jean beschrieben wurde, verwendet tatsächlich Nachtbilder sowie öffentlich verfügbare Tagesbilder und Vermessungsdaten, um einem Computersystem beizubringen, wie reich oder arm ein Gebiet ist. Jean und sein Team haben ihren Algorithmus in zwei Schritten erstellt. Zuerst liefen sie Tag- und Nachtsatellitenbilder von Uganda, Tansania, Nigeria, Malawi und Ruanda durch ein neuronales Netzwerk, das die Dörfer und Städte aufspürte und vorhersagte, wo die Lichter in der Nacht sein würden. Wenn es beispielsweise Häuser in einer Region gibt, würde das System vorhersagen, dass der Bereich nachts beleuchtet wird. Schritt zwei fügte Wirtschaftsumfragedaten hinzu, die zwar für die Mehrheit der Region unvollständig waren, jedoch den dringend benötigten Kontext und die Granularität hinzufügten. Das System könnte beispielsweise bereits ein Dorf erkennen, aber die Umfragedaten könnten es über das Haushaltseinkommen dieses Dorfes informieren. Wenn das System ein ähnliches Dorf in der Nähe identifizierte, für das keine Umfragedaten verfügbar waren, konnte eine Schätzung des Haushaltseinkommens in diesem Dorf erstellt werden. Dem Papier zufolge liefert das Zweistufenmodell in 81 bis 99 Prozent der Fälle ein genaueres Bild des Wohlstands in einer Region als das Nachtlichtmodell. Das heißt, das System hat immer noch seine Grenzen. Während es nützlich sein kann, Einkommensunterschiede zwischen ländlichen und städtischen Gebieten zu finden, ist es nicht so gut, diese winzigen Unterschiede innerhalb eines dichten städtischen Zentrums zu finden. Gegenwärtig funktioniert der Algorithmus nur in den fünf Ländern Afrikas, in denen er getestet wurde. Da jedoch alle Daten öffentlich verfügbar sind, muss das System lediglich darauf trainiert werden, andere Teile der Welt zu betrachten. Via: The Verge Source: Science – Repost von: engadget Post – Sie können ImmedTech App für Android von Link herunterladen: bit.ly/ITapp-v1512

Satellitenbilder können verwendet werden, um Regionen der Armut vorherzusagen Eine neue Studie in der Zeitschrift Science zeigt, wie eine Kombination aus Satellitenbildern und Algorithmen für maschinelles Lernen verwendet werden kann, um die Armut in Regionen der Welt vorherzusagen, in denen Daten ansonsten nicht verfügbar sind. Es ist zwar seit langem anerkannt, dass die nächtliche Beleuchtung ein grober Indikator für den Reichtum einer Region ist, doch ist diese Analysemethode in Bezug auf Regionen auf der Welt, in denen häufig überhaupt kein Strom vorhanden ist, unwirksam. Diese neue Methode, die von Hauptautor Neal Jean beschrieben wurde, verwendet tatsächlich Nachtbilder sowie öffentlich verfügbare Tagesbilder und Vermessungsdaten, um einem Computersystem beizubringen, wie reich oder arm ein Gebiet ist. Jean und sein Team haben ihren Algorithmus in zwei Schritten erstellt. Zuerst liefen sie Tag- und Nachtsatellitenbilder von Uganda, Tansania, Nigeria, Malawi und Ruanda durch ein neuronales Netzwerk, das die Dörfer und Städte aufspürte und vorhersagte, wo die Lichter in der Nacht sein würden. Wenn es beispielsweise Häuser in einer Region gibt, würde das System vorhersagen, dass der Bereich nachts beleuchtet wird. Schritt zwei fügte Wirtschaftsumfragedaten hinzu, die zwar für die Mehrheit der Region unvollständig waren, jedoch den dringend benötigten Kontext und die Granularität hinzufügten. Das System könnte beispielsweise bereits ein Dorf erkennen, aber die Umfragedaten könnten es über das Haushaltseinkommen dieses Dorfes informieren. Wenn das System ein ähnliches Dorf in der Nähe identifizierte, für das keine Umfragedaten verfügbar waren, konnte eine Schätzung des Haushaltseinkommens in diesem Dorf erstellt werden. Dem Papier zufolge liefert das Zweistufenmodell in 81 bis 99 Prozent der Fälle ein genaueres Bild des Wohlstands in einer Region als das Nachtlichtmodell. Das heißt, das System hat immer noch seine Grenzen. Während es nützlich sein kann, Einkommensunterschiede zwischen ländlichen und städtischen Gebieten zu finden, ist es nicht so gut, diese winzigen Unterschiede innerhalb eines dichten städtischen Zentrums zu finden. Gegenwärtig funktioniert der Algorithmus nur in den fünf Ländern Afrikas, in denen er getestet wurde. Da jedoch alle Daten öffentlich verfügbar sind, muss das System lediglich darauf trainiert werden, andere Teile der Welt zu betrachten. Via: The Verge Source: Science – Repost von: engadget Post – Sie können ImmedTech App für Android von Link herunterladen: bit.ly/ITapp-v1512

Ersten Kommentar schreiben

Antworten

Deine E-Mail-Adresse wird nicht veröffentlicht.


*