Fugu-MT 論文翻訳(概要): High-Resolution Poverty Maps in Sub-Saharan Africa

論文の概要: High-Resolution Poverty Maps in Sub-Saharan Africa

arxiv url: http://arxiv.org/abs/2009.00544v5
Date: Mon, 10 May 2021 02:00:52 GMT
ステータス: 処理完了
システム内更新日: 2022-10-23 02:03:10.240824
Title: High-Resolution Poverty Maps in Sub-Saharan Africa
Title（参考訳）: サハラ以南アフリカにおける高分解能貧困マップ
Authors: Kamwoo Lee and Jeanine Braithwaite
Abstract要約: 本稿では、村レベルで貧困マップを作成するための一般化可能な予測手法を提案する。提案手法をサハラ以南の25か国で検証し,調査データと比較した。
参考スコア（独自算出の注目度）: 0.0
License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
Abstract: Up-to-date poverty maps are an important tool for policy makers, but until now, have been prohibitively expensive to produce. We propose a generalizable prediction methodology to produce poverty maps at the village level using geospatial data and machine learning algorithms. We tested the proposed method for 25 Sub-Saharan African countries and validated them against survey data. The proposed method can increase the validity of both single country and cross-country estimations leading to higher precision in poverty maps of 44 Sub-Saharan African countries than previously available. More importantly, our cross-country estimation enables the creation of poverty maps when it is not practical or cost-effective to field new national household surveys, as is the case with many low- and middle-income countries.
Abstract（参考訳）: 最新の貧困マップは、政策立案者にとって重要なツールだが、これまでは生産に非常に高価だった。本研究では,地理空間データと機械学習アルゴリズムを用いて,村レベルで貧困マップを作成するための一般化可能な予測手法を提案する。提案手法をサハラ以南の25カ国を対象にテストし,調査データに対する検証を行った。提案手法は, 単一国とクロスカントリーの推定値の妥当性を高め, 従来よりも44のサブサハラアフリカ諸国の貧困マップの精度を高めることができる。より重要なことに、我々のクロスカントリー推定は、多くの低所得国や中所得国と同様に、新しい国内世帯調査を実施するのに実用的でもコスト効率が良い場合に貧困マップを作成することができる。

関連論文リスト

Fairness and representation in satellite-based poverty maps: Evidence of urban-rural disparities and their impacts on downstream policy [5.456665139074406]
本稿では,都市部および農村部における衛星による貧困マッピングにおける表現の格差,予測誤差の体系的バイアス,公平性の懸念について検討する。本研究は,衛星による貧困マップを現実の政策決定に利用する前に,注意深い誤りとバイアス分析の重要性を強調した。
論文参考訳（メタデータ） (2023-05-02T21:07:35Z)
Learning and Reasoning Multifaceted and Longitudinal Data for Poverty Estimates and Livelihood Capabilities of Lagged Regions in Rural India [22.98110639419913]
このプロジェクトは、生活の質と生活の指標に基づいて、1990-2022年のインド農村の貧困状況を調べることを目的としている。また、因果関係や縦断的分析も検討し、貧困の原因について検討する。
論文参考訳（メタデータ） (2023-04-27T05:33:08Z)
Novel Machine Learning Approach for Predicting Poverty using Temperature and Remote Sensing Data in Ethiopia [0.0]
貧困データの欠如は、重要な人道的組織が大規模な危機に対応するのを妨げている。本研究では,表面温度変化とリモートセンシングデータに基づく移動学習モデルを提案し,貧困率の予測に有用な特徴を抽出する。
論文参考訳（メタデータ） (2023-02-28T18:32:16Z)
Graph-based Village Level Poverty Identification [52.12744462605759]
Webインフラストラクチャとそのモデリングツールの開発は、貧しい村を識別するための新しいアプローチを提供する。地理的距離を通して村の接続をグラフとしてモデル化することにより,村の貧困状況とグラフトポロジ的位置との相関関係を示す。貧しい村を識別する最初のグラフベース手法を提案する。
論文参考訳（メタデータ） (2023-02-14T06:58:40Z)
Building Coverage Estimation with Low-resolution Remote Sensing Imagery [65.95520230761544]
本稿では,低解像度衛星画像のみを用いた建物被覆量の推定手法を提案する。本モデルでは, 世界中の開発レベルの異なる地域において, 建築範囲の予測において最大0.968の判定係数を達成している。
論文参考訳（メタデータ） (2023-01-04T05:19:33Z)
IS-COUNT: Large-scale Object Counting from Satellite Images with Covariate-based Importance Sampling [90.97859312029615]
本研究では,大規模地形におけるオブジェクト数統計をサンプリングによって推定する手法を提案する。提案手法は,米国とアフリカ,ケニアの自動車,バングラデシュのレンガキルン,米国のスイミングプールの建物数の推定において,高い性能を発揮することを示す。
論文参考訳（メタデータ） (2021-12-16T18:59:29Z)
Micro-Estimates of Wealth for all Low- and Middle-Income Countries [14.717329936263672]
2.4kmの解像度で135か所の低所得国と中所得国の人口を包含する富と貧困の最初のマイクロ見積もりを開発した。この推定は、衛星、携帯電話ネットワーク、地形地図、およびFacebookの集合的および非特定接続データからの膨大なおよび異種データに機械学習アルゴリズムを適用することによって構築される。
論文参考訳（メタデータ） (2021-04-15T20:37:46Z)
Interpretable Poverty Mapping using Social Media Data, Satellite Images, and Geospatial Information [0.0]
本稿では、機械学習とアクセスしやすいデータソースを用いた貧困推定に対する解釈可能かつ費用効率のよいアプローチを提案する。フィリピンの資産推定ではR2ドル0.66ドル、衛星画像では0.63ドルである。
論文参考訳（メタデータ） (2020-11-27T05:24:53Z)
Deploying machine learning to assist digital humanitarians: making image annotation in OpenStreetMap more efficient [72.44260113860061]
本稿では,OpenStreetMapにおけるボランティアの作業を支援し,最適化するためのインタラクティブな手法を提案する。提案手法は,OSMのボランティアが検証・修正するために必要なデータ量を大幅に削減する。
論文参考訳（メタデータ） (2020-09-17T10:05:30Z)
Predicting Livelihood Indicators from Community-Generated Street-Level Imagery [70.5081240396352]
本稿では,クラウドソースによるストリートレベルの画像から重要な生活指標を予測するための,安価でスケーラブルで解釈可能なアプローチを提案する。全国的に代表される世帯調査で収集した地上データと比較することにより,貧困,人口,健康の指標を正確に予測する上でのアプローチの有効性を実証した。
論文参考訳（メタデータ） (2020-06-15T18:12:12Z)
Generating Interpretable Poverty Maps using Object Detection in Satellite Images [80.35540308137043]
衛星画像に物体検出装置を適用することにより、局所レベルでの貧困を正確に予測するための解釈可能な計算手法を実証する。対象物の重み付けを特徴として、ウガンダの村レベルの貧困を予測する0.539 Pearson's r2を達成し、既存の(解釈不可能でない)ベンチマークよりも31%改善した。
論文参考訳（メタデータ） (2020-02-05T02:50:01Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。