關於支援科學新聞業
如果您喜歡這篇文章，請考慮透過以下方式支援我們屢獲殊榮的新聞業 訂閱。透過購買訂閱，您正在幫助確保未來能夠繼續講述關於塑造我們當今世界的發現和想法的具有影響力的故事。
去年，聯合國設定了到2030年在全球範圍內消除極端貧困的目標。這是一個大膽的目標。首要步驟之一——弄清楚最貧困的人口居住在哪裡——已被證明出乎意料地困難。在貧困或 conflict-prone 國家進行經濟調查可能既昂貴又危險。研究人員試圖透過搜尋夜間衛星影像中異常黑暗的區域來規避這一限制。“夜間燈火通明的地方通常條件較好，”斯坦福大學地球科學系統助理教授馬歇爾·伯克解釋說。但這種方法並不完美，尤其是在區分貧困程度方面。從太空看，在夜間，輕度和極端貧困看起來是一樣的——黑暗。
伯克和他在斯坦福大學的團隊認為，他們已經找到了一種使用機器學習改進衛星影像研究的方法。研究人員在五個非洲國家的白天和夜間衛星影像上訓練了影像分析軟體。透過結合這兩組資料，計算機“學習”了哪些白天特徵（道路、城市區域、農業用地）與不同程度的夜間燈光亮度相關。“夜間燈光是弄清楚白天影像中哪些重要的工具，”伯克說。
一旦訓練完成，該軟體就可以僅透過檢視白天衛星影像來發現貧困地區。當研究人員將結果與來自五個非洲國家的調查資料進行比較時，他們發現他們的方法優於其他非傳統的貧困預測工具，包括夜間燈光模型。例如，政府和非營利組織可以使用該工具來確定在現金轉移計劃中應針對哪些人群，或者評估某項扶貧政策的效果如何。研究人員計劃與世界銀行合作，繪製索馬利亞等地的貧困狀況圖。接下來，伯克和他的團隊希望使用他們的新技術建立非洲範圍內的地圖。