关于支持科学新闻业
如果您喜欢这篇文章，请考虑通过以下方式支持我们屡获殊荣的新闻业 订阅。通过购买订阅，您正在帮助确保未来能够继续讲述关于塑造我们当今世界的发现和想法的具有影响力的故事。
去年，联合国设定了到2030年在全球范围内消除极端贫困的目标。这是一个大胆的目标。首要步骤之一——弄清楚最贫困的人口居住在哪里——已被证明出乎意料地困难。在贫困或 conflict-prone 国家进行经济调查可能既昂贵又危险。研究人员试图通过搜索夜间卫星图像中异常黑暗的区域来规避这一限制。“夜间灯火通明的地方通常条件较好，”斯坦福大学地球科学系统助理教授马歇尔·伯克解释说。但这种方法并不完美，尤其是在区分贫困程度方面。从太空看，在夜间，轻度和极端贫困看起来是一样的——黑暗。
伯克和他在斯坦福大学的团队认为，他们已经找到了一种使用机器学习改进卫星图像研究的方法。研究人员在五个非洲国家的白天和夜间卫星图像上训练了图像分析软件。通过结合这两组数据，计算机“学习”了哪些白天特征（道路、城市区域、农业用地）与不同程度的夜间灯光亮度相关。“夜间灯光是弄清楚白天图像中哪些重要的工具，”伯克说。
一旦训练完成，该软件就可以仅通过查看白天卫星图像来发现贫困地区。当研究人员将结果与来自五个非洲国家的调查数据进行比较时，他们发现他们的方法优于其他非传统的贫困预测工具，包括夜间灯光模型。例如，政府和非营利组织可以使用该工具来确定在现金转移计划中应针对哪些人群，或者评估某项扶贫政策的效果如何。研究人员计划与世界银行合作，绘制索马里等地的贫困状况图。接下来，伯克和他的团队希望使用他们的新技术创建非洲范围内的地图。