约翰·格伦斯菲尔德(John Grunsfeld)曾任NASA首席科学家,五次执行航天飞机任务,多次有机会俯瞰地球,并注意到贫困可以从远处被识别出来。与通常呈现为绿色的富裕国家不同,获取水源较少的贫困国家在图像中呈现出令人震惊的棕色。夜间,较富裕国家的天空灯火通明,而电力普及程度较低的国家则显得暗淡。
Grunsfeld博士的观察可能具有重要意义。卫星图像可能成为识别贫困所在地的工具,它能够放大到最微小的村庄,并实现传统调查无法达到的持续监测。
“全球贫困人口数字的准确性取决于住户调查的可得性,”Chandy(2013)写道,“这仍是当今贫困数据面临的最大制约之一。”五分之二的国家未能每五年开展一次住户调查。即便开展了住户调查,贫困人口也往往难以被调查员或普查员接触到,数据质量普遍较低。相比之下,卫星全年以恒定速率收集数据,不受物理或社会风险的影响。

在最近发表的 论文 (Klemens、Coppola和Shron,2015)中,我们以危地马拉为案例研究,通过将夜间光照数据以及从卫星图像中提取的植被数据,与传统上用于衡量贫困的调查数据相结合,检验卫星数据的潜力。危地马拉之所以是一个有价值的案例,是因为Instituto Nacional de Estadıstica(INE)分别提供城市和农村贫困数据,因此我们得以区分城市和农村自治市开展若干分析。具体而言,我们分析了现有的城乡小尺度贫困估算(基于人口普查和住户调查信息)、夜间照明(来自美国国家海洋和大气管理局,NOAA)、地球表面反射率(来自美国国家航空航天局,NASA)以及叶面覆盖率(同样来自NASA)之间的关系。
卫星图像能否帮助衡量危地马拉某个村庄的贫困状况?我们的研究结果表明,卫星成像数据能够提供有价值的信息,从而改进贫困测量。在以贫困指标为因变量的普通最小二乘回归中,纳入光照指标后,修正的赤池信息准则(即AICc,一种衡量统计模型相对质量的指标)有所改善。我们还发现,同一类卫星信息在不同类型的研究中,其显著性可能存在差异。例如,在关于农村贫困的回归中,光照数据具有显著性;然而,在关于城市贫困的回归中,光照数据并不显著。卫星测得的植被指标与贫困指标之间的相关性低于光照数据。
目前,卫星数据还无法取代传统调查数据来衡量贫困。不过,它无疑可以增加价值并改善估算结果。我们应继续探索利用新技术和创新数据来源的机会,以帮助应对发展挑战。
本文与 世界银行合作发表。发表本文并不意味着世界经济论坛认可文中观点。
如需及时了解议程动态,请 订阅我们的每周通讯。
作者:Andrea Coppola任世界银行高级国别经济学家。Ben Klemens是一名经济学家和统计学家,致力于寻找更好的模型。Max Shron是Polynumeral的创始人,该公司是一家总部位于纽约市的战略咨询公司,专注于运用大数据和机器学习解决问题。
图片:太阳即将升起于南太平洋上空。NASA/路透社提供。



