关键词:城市科学,计算机视觉,卫星图像分析



论文题目:
A human-machine collaborative approach measures economic development using satellite imagery
论文地址:
https://www.nature.com/articles/s41467-023-42122-8

利用计算机视觉模型进行卫星图像分析的方法,提供了一种无需实地考察就能推断某一地区(如撒哈拉以南非洲和东南亚)社会经济指标的可行途径。当这些模型与其他信息源相结合时,例如维基百科上的地理标记信息或来自手机平台的受众估计数据,预测结果更为可靠。然而,现有的机器学习方法仍然依赖于实地真实数据。目前的深度学习模型通过大量来自实地真实数据的标签进行“监督”,这些标签与每个被观察区域相对应。困难在于,最需要利用遥感技术(即通过卫星或航空图像监控地形)的低收入国家往往缺乏可靠的背景统计数据。

近期发表在Nature Communications杂志的一项研究,作者提出了一个人机协作的深度神经网络模型,以约2.45×2.45公里卫星图像网格的尺度,进行经济发展评分。虽然经济发展涵盖了人类进步的诸多维度,但该模型能够通过区分出来的各种人类聚居模式来衡量经济发展水平。例如,拥有较大稻田面积、更高建筑密度或存在大型体育场的卫星图像被视为经济发展的积极指标,而道路和建筑较少,森林和贫瘠土地面积较大则被认为是较不发达的表现。基于此,该模型不需要任何实际的地面数据,而结合了卫星图像数据和人的主观评价。

作者将该模型应用于朝鲜(数据不易获取),并为之生成了经济发展的细粒度预测。模型结果表明,该国首都平壤以及近年来国家主导的重点项目所在地,有着显著的发展。作者通过研究亚洲五个最不发达国家的400,000个网格,展示了模型的广泛适用性。该人际协作方法既可以对难以访问和资源匮乏地区提供细粒度的经济信息,又可以帮助国际组织制定可持续发展和人道主义计划。

图1 模型示意图。模型由机器学习驱动的卫星图像聚类(第 1 阶段)、图像聚类偏序图(POG)的人工引导(第 2 阶段)以及用于计算得分的排序评分模型(第 3 阶段)组成。




编译|刘培源

城市科学读书会



详情请见:
城市科学读书会启动:AI与因果交织的城市复杂系统


推荐阅读

1. Nat.Commun.速递:卫星揭示全球河流范围变化热点
2. Nat. Commun. 速递:深度学习根据卫星图像检测全球垃圾场分布
3. Nature封面:机器学习携手卫星影像,理解电力设施与经济财富的因果关系
4. 张江:第三代人工智能技术基础——从可微分编程到因果推理 | 集智学园全新课程
5成为集智VIP,解锁全站课程/读书会
6. 加入集智,一起复杂!


点击“阅读原文”,报名读书会