تشخیص مناطق فقیر و غنی جهان از فضا به کمک تصاویر ماهواره ای
دانشمندان به تازگی موفق شدهاند با استفاده از تصاویر ماهوارهای و الگوریتمهای جالب یادگیری ماشینی، مناطق فقیر و غنی را در پنج کشور آفریقایی تشخیص دهد. البته استفاده از این روش تنها برای آزمایش توانایی سیستمهای عصبی بوده است؛ زیرا امروزه مناطق فقیر و غنی جهان کاملا شناخته شده هستند.
به گزارش کلیک، مطالعهای جدید نشان داده است که میتوان با کمک تصاویر ماهوارهای و الگوریتمهای یادگیری ماشینی، مناطق فقیر جهان را شناسایی کرد. همانطور که میدانید مناطق ثروتمند جهان در شبها پر نورتر هستند و همین نور یکی از شاخصهای اصلی تعیین مناطق ثروتمند است. البته ممکن است در برخی از مناطق جهان، هیچ نوعی از انرژی برای تأمین روشنایی وجود نداشته باشد، بنابراین نمیتوان این روش را یکی از روشهای اصلی شناسایی مناطق فقیر جهان در نظر گرفت. در روش جدیدی که به تازگی معرفی شده است، از تصاویر ماهوارهای مناطق مختلف جهان در شب و روز به همراه اطلاعات اقتصادی جمع آوری شده برای آموزش به سیستمهای کامپیوتری برای تشخیص مناطق فقیر و غنی پنج کشور آفریقایی استفاده شده است.
اعضای تیم تحقیقاتی که در حال تحقیق در مورد این موضوع هستند، الگوریتمهای خود را در دو مرحله ایجاد کردند. در قدم اول یک سری تصاویر ماهوارهای از کشورهای اوگاندا، تانزانیا، نیجریه، مالاوی و رواندا در شب و روز تهیه کردند و آنها را در یک شبکه عصبی قرار دادند. شبکه عصبی قادر بود مناطق روستایی و شهری را تشخیص دهد و برای تشخیص مناطقی با روشنایی خوب در شب تلاش میکرد. برای مثال سیستم تشخیص می داد که مناطق مسکونی در شبها از نور بیشتری برخوردار هستند.
محققان در دومین قدم اطلاعات اقتصادی مربوط به مناطق مختلف را که در مورد اکثر مناطق کامل نبود، به صورت تدریجی و برای هر یک از مناطق به صورت جداگانه وارد سیستمهای کامپیوتری کردند. با این روش سیستمهای کامپیوتری میتوانستند به اطلاعات جدیدی دست پیدا کنند؛ برای مثال سیستمهای کامپیوتری، روستایی را از قبل تشخیص داده بودمد و این اطلاعات اقتصادی میتوانست اطلاعات مرتبط با درآمد افراد آن روستا را در اختیار این سیستمها قرار دهد. طبق اطلاعات ذکر شده در مقالهای که در رابطه با این تحقیق تألیف شده است، میزان دقت تشخیص مناطق فقیر و غنی در مرحله دوم به مراتب بیشتر از مرحله اول یعنی استفاده از تصاویر ماهوارهای در شب بوده است و از ۸۱ تا ۹۹ درصد متغیر بوده است.
لازم به ذکر است که این روش هنوز معایبی دارد و با وجود اینکه میتوان تفاوت درآمدی در مناطق شهری و روستایی را در این روش تشخیص داد؛ اما نمیتوان مناطق متراکم شهری را در شب تشخیص دهد. لازم به ذکر است که این سیستم تنها در پنج کشور آفریقایی مذکور مورد آزمایش و بررسی قرار گرفته است؛ اما به دلیل اینکه اطلاعات مربوط به مناطق فقیر و غنی جهان در دسترس عموم مردم قرار دارد، استفاده از این سیستم برای سایر نقاط جهان لزومی ندارد.