استفاده از تصاویر ماهواره ای برای شناسایی مناطق کمتر توسعه یافته دنیا [تماشا کنید]

تحقیقات جدید نشان می دهد که می توان با استفاده از عکس های بسیار باکیفیت و پرجزئیات ماهواره ای و الگوریتم یادگیری ماشینی ویژه ای، میزان توسعه یافتگی و ثروتمندی مناطق مختلف دنیا را تخمین زد. چنین امکانی برای بررسی مناطقی که دسترسی به آنها دشوار بوده و یا جمع آوری اطلاعات و آمارگیری پرهزینه است، بسیار مفید خواهد بود.

از گذشته، این باور وجود داشته که در عکس های ماهواره ای شبانه، آن مناطقی که نورانی تر هستند (تراکم چراغ ها در آنها بیشتر است) به عنوان مناطق توسعه یافته تر و ثروتمندتر در نظر گرفته می شوند& اما این روش برای قضاوت در خصوص مناطقی که به طور کامل تحت پوشش شبکه برق قرار ندارند، ناکارآمد خواهد بود.

در متد جدید اطلاعات حاصل از عکس های ماهواره ای هنگام شب با عکس های زمان روز و برخی اطلاعات جغرافیایی و بررسی های میدانی ترکیب شده تا یک سیستم رایانه ای با استفاده از الگوریتمی خاص میزان درصد فقر یا توسعه یافتگی هر ناحیه را تعیین کند.

در این روش، شبکه عصبی مورد استفاده، از روی عکس های روز محل تجمع خانه ها و موقعیت قرارگیری شهرها و روستاها را تعیین می کند و سپس میزان نوری که انتظار می رود در شب از این مناطق منتشر شود را نیز پیش بینی می نماید. سپس این اطلاعات با اطلاعات به دست آمده از تصاویر شبانه مقایسه شده تا ضریبی برای توسعه یافتگی آن ناحیه تعیین شود

اطلاعات به دست آمده از این روش با برخی دیگر از اطلاعات جغرافیایی، یا داده های به دست آمده از بررسی مناطق همجوار (در صورت وجود) مقایسه و اصلاح می شوند.

بر اساس بررسی های انجام گرفته، دقت این سامانه بین ۸۱ تا ۹۹ درصد است و هزینه های بهره گیری از آن نیز بسیار کمتر از بررسی های میدانی خواهد بود.