[论文解读] Interpretable Poverty Mapping using Social Media Data, Satellite Images, and Geospatial Information

Chiara Ledesma, Oshean Lee Garonita+3 more|arXiv (Cornell University)|Nov 27, 2020

COVID-19 epidemiological studies被引用 9

一句话总结

本研究提出了一种基于社交媒体广告数据、低分辨率卫星图像和志愿地理信息的低成本、可解释的贫困制图方法，应用于菲律宾。通过结合这些易获取的数据源与随机森林模型及基于SHAP的可解释性分析，该方法在财富估计中实现了0.66的R²，优于以往仅使用卫星图像的模型，同时使非技术背景的利益相关者能够大规模理解贫困的关键驱动因素。

ABSTRACT

Access to accurate, granular, and up-to-date poverty data is essential for humanitarian organizations to identify vulnerable areas for poverty alleviation efforts. Recent works have shown success in combining computer vision and satellite imagery for poverty estimation; however, the cost of acquiring high-resolution images coupled with black box models can be a barrier to adoption for many development organizations. In this study, we present a interpretable and cost-efficient approach to poverty estimation using machine learning and readily accessible data sources including social media data, low-resolution satellite images, and volunteered geographic information. Using our method, we achieve an $R^2$ of 0.66 for wealth estimation in the Philippines, compared to 0.63 using satellite imagery. Finally, we use feature importance analysis to identify the highest contributing features both globally and locally to help decision makers gain deeper insights into poverty.

研究动机与目标

• 开发一种低成本、可解释的替代方案，用于发展中国家的人道主义用途，以替代高分辨率卫星图像的贫困估计方法。
• 利用 readily available 的数据源——社交媒体用户人口统计、低分辨率卫星图像和OpenStreetMap兴趣点（POI）数据——实现精细化的财富估计。
• 通过SHAP值提升模型可解释性，使政策制定者能够理解并信任贫困预测结果。
• 证明在不依赖昂贵的高分辨率图像或黑箱深度学习模型的情况下，可提升模型性能。
• 通过识别与财富相关的空间模式和关键社会经济指标，支持基于证据的贫困缓解措施。

提出的方法

• 本研究以2017年菲律宾DHS调查数据作为真实值，财富指数通过资产变量的首个主成分分析得出。
• 针对每个DHS聚类中心，在2公里（城市）或5公里（农村）半径范围内，从三种数据源提取特征：Facebook广告数据、NASA/NOAA卫星数据（夜间光照、地表温度、NDVI）以及OpenStreetMap POI数据。
• 对每个聚类的卫星衍生变量，计算汇总统计量（均值、最大值、最小值、偏度、方差、峰度）。
• 使用组合特征集训练随机森林回归模型以预测财富指数，并通过五折交叉验证调整超参数。
• 应用SHAP（Shapley加性解释）量化每个特征对单个预测的贡献，实现局部和全局可解释性。
• 通过保留的测试集评估模型性能，使用R²作为指标，并对次要指标（如厕所可及性、清洁水源可及性、教育水平）进行额外评估。

实验结果

研究问题

• RQ1 是否能够通过社交媒体和开放数据源获取的可解释、低成本的地理空间特征，在贫困估计中实现与高分辨率卫星图像模型相当或更优的性能？
• RQ2 从社交媒体、卫星图像和志愿地理信息中提取的哪些具体特征，最能预测菲律宾的社会经济福祉？
• RQ3 基于SHAP的可解释性在多大程度上能够增强非技术背景的发展实践者对贫困制图模型的信任与可用性？
• RQ4 模型性能在除主要财富指数外的不同社会经济指标上的表现如何变化？
• RQ5 在贫困制图应用中，依赖Facebook用户数量和OpenStreetMap POI数据等可能存在覆盖不全或偏差的数据源，其局限性是什么？

主要发现

• 所提出的模型在财富指数预测中实现了0.66的R²，优于先前研究中报告的仅使用卫星图像的基线模型（R²为0.63）。
• 表现最佳的模型是基于随机森林训练而成，其特征组合包括夜间光照、4G用户比例以及公共学校供水可及性。
• SHAP分析识别出：平均夜间光照、4G用户比例以及公共学校供水可及性的存在，是财富预测的三大全局关键驱动因素。
• 在次要指标上，模型表现中等：厕所可及性的R²为0.58，清洁水源可及性的R²为0.37，教育水平的R²为0.35。
• 在局部层面，SHAP值显示：夜间光照值的高方差略微降低预测财富，而3G用户比例较高则提升预测财富，与领域预期一致。
• 本研究指出，尽管社交媒体和OSM数据具有可及性和信息量优势，但可能存在覆盖范围和代表性不足的问题，因此在解释时需保持谨慎，并限制因果推断。