論文の概要: Using Satellite Imagery and Machine Learning to Estimate the Livelihood Impact of Electricity Access

• arxiv url: http://arxiv.org/abs/2109.02890v1
• Date: Tue, 7 Sep 2021 06:14:08 GMT
• ステータス: 処理完了
• システム内更新日: 2021-09-08 14:44:57.998983
• Title: Using Satellite Imagery and Machine Learning to Estimate the Livelihood Impact of Electricity Access
• Title（参考訳）: 衛星画像と機械学習を使って、電気アクセスの寿命への影響を推定する
• Authors: Nathan Ratledge, Gabe Cadamuro, Brandon de la Cuesta, Matthieu Stigler, Marshall Burke
• Abstract要約: 世界の多くの地域では、主要な経済成果に関する疎結合なデータが公共政策の発展、ターゲティング、評価を阻害している。 衛星画像と機械学習の進歩は、これらのデータと推論の課題を改善するのにどのように役立つかを実証する。 本稿では,衛星画像とコンピュータビジョンを組み合わせることで,生活環境への電気アクセスの因果的影響を推定し,地域レベルの生活環境計測を行う方法について述べる。
• 参考スコア（独自算出の注目度）: 4.006950662054732
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: In many regions of the world, sparse data on key economic outcomes inhibits the development, targeting, and evaluation of public policy. We demonstrate how advancements in satellite imagery and machine learning can help ameliorate these data and inference challenges. In the context of an expansion of the electrical grid across Uganda, we show how a combination of satellite imagery and computer vision can be used to develop local-level livelihood measurements appropriate for inferring the causal impact of electricity access on livelihoods. We then show how ML-based inference techniques deliver more reliable estimates of the causal impact of electrification than traditional alternatives when applied to these data. We estimate that grid access improves village-level asset wealth in rural Uganda by 0.17 standard deviations, more than doubling the growth rate over our study period relative to untreated areas. Our results provide country-scale evidence on the impact of a key infrastructure investment, and provide a low-cost, generalizable approach to future policy evaluation in data sparse environments.
• Abstract（参考訳）: 世界の多くの地域では、主要な経済成果に関するデータは乏しく、公共政策の発展、ターゲティング、評価を阻害している。 衛星画像と機械学習の進歩は、これらのデータと推論の課題を改善するのにどのように役立つかを実証する。 ウガンダを横断する電力網の拡大の文脈において,衛星画像とコンピュータビジョンを組み合わせることで,生活に対する電気アクセスの因果的影響を推定するための局所的生活水準測定を開発できることを示す。 次に、これらのデータに適用した場合、MLベースの推論技術が従来の代替手段よりも、電化の因果的影響の信頼性の高い推定方法を示す。 グリッドアクセスはウガンダの農村部における村レベルの資産富を0.17の標準偏差で改善し,未処理地域と比較して調査期間の成長率を2倍に上回っていると推定した。 本研究は,主要なインフラ投資の影響に関する国内規模の証拠を提供し,データ分散環境における今後の政策評価に対する低コストで一般化可能なアプローチを提供する。

関連論文リスト

• Physics-guided machine learning predicts the planet-scale performance of solar farms with sparse, heterogeneous, public data [0.0]
  新興PV技術の可能性とスケーラビリティを予測するためには,これらのシステムの性能のグローバルな理解が不可欠である。 a)世界はPVZonesと呼ばれるいくつかのPV固有の気候ゾーンに分けて、関連する気象条件が大陸間で共有されていること、(b)気候的類似性を利用して、5か所の高品質な月次エネルギー収量データを用いて、空間分解能の高い年間エネルギー収量電位を正確に予測し、根平均二乗誤差が8m$2,000ドル未満であることを示すための、物理学誘導機械学習(PGML)スキームを提案する。
  論文  参考訳（メタデータ） (2024-07-25T08:06:21Z)
• 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)
• Predicting Poverty Level from Satellite Imagery using Deep Neural Networks [0.0]
  頭上衛星画像から地域の貧困レベルを予測する深層学習型コンピュータビジョン手法を開発した。 データ量とデータ拡張がネットワークの表現力と全体的な精度に与える影響について検討する。
  論文  参考訳（メタデータ） (2021-11-30T18:57:24Z)
• SustainBench: Benchmarks for Monitoring the Sustainable Development Goals with Machine Learning [63.192289553021816]
  国連持続可能な開発目標の進展は、主要な環境・社会経済指標のデータ不足によって妨げられている。 近年の機械学習の進歩により、衛星やソーシャルメディアなど、豊富な、頻繁に更新され、グローバルに利用可能なデータを活用することが可能になった。 本稿では,7個のSDGにまたがる15個のベンチマークタスクの集合であるSustainBenchを紹介する。
  論文  参考訳（メタデータ） (2021-11-08T18:59:04Z)
• Earth Observation and the New African Rural Datascapes: Defining an Agenda for Critical Research [0.0]
  地球観測データの可用性の向上は、アフリカの農村の景観の利用とガバナンスを変える可能性がある。 近年、アフリカの農業システムにおける利害関係者を対象としたEOデータアプリケーションの開発が急速に増加している。 EOのデータがどのようにアクセスされ、提示され、散布され、異なる社会的・政治的文脈で使用されるかという批判的な奨学金は、いまだに少ない。
  論文  参考訳（メタデータ） (2021-08-23T06:05:16Z)
• Using satellite imagery to understand and promote sustainable development [87.72561825617062]
  持続可能な開発成果を理解するために衛星画像を用いた成長する文献を合成する。 我々は、重要な人間関係の結果と、衛星画像の量の増大と解像度について、地上データの質を定量化する。 不足およびノイズの多いトレーニングデータの観点から、モデル構築に対する最近の機械学習アプローチをレビューする。
  論文  参考訳（メタデータ） (2020-09-23T05:20:00Z)
• 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)
• Predicting cell phone adoption metrics using satellite imagery [1.2691047660244335]
  世界の人口の約半数はインターネットにアクセスできないが、デジタル接続は経済発展の機会に革命をもたらすことによって貧困を減らすことができる。 モバイルネットワーク事業者と政府は、特に需要が不明なグリーンフィールド地域で、インフラ投資が有効かどうかを効果的に判断するのに苦労している。 本稿では,携帯電話の普及やモバイルサービスへの支出など通信需要の指標を予測するために,公開衛星画像を用いた機械学習手法を提案し,その手法をマラウイとエチオピアに適用する。
  論文  参考訳（メタデータ） (2020-06-12T16:47:45Z)
• Farmland Parcel Delineation Using Spatio-temporal Convolutional Networks [77.63950365605845]
  ファームパーセル・デライン化は、気候変動政策の開発と管理において重要なカダストラルデータを提供する。 このデータは、極端な気象災害に伴う損害後の補償を評価するための農業保険セクターにも有用である。 衛星画像の利用は、農場の区画整理作業を行うためのスケーラブルで費用対効果の高い方法である。
  論文  参考訳（メタデータ） (2020-04-11T19:49:09Z)
• Satellite-based Prediction of Forage Conditions for Livestock in Northern Kenya [0.6396288020763143]
  本稿では,地上の専門家による飼料品質のラベル付き衛星画像の最初のデータセットについて紹介する。 本稿では,データセット上で正確な機械学習モデルをクラウドソーシングするための,協調ベンチマークツールの結果を紹介する。
  論文  参考訳（メタデータ） (2020-04-08T16:03:50Z)
• 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。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。