[论文解读] Using Satellite Imagery and Deep Learning to Evaluate the Impactof Anti-Poverty Programs

Luna Yue Huang|arXiv (Cornell University)|Jan 1, 2021

Impact of Light on Environment and Health参考文献 1被引用 2

一句话总结

本文提出了一种利用高分辨率卫星图像和深度学习评估反贫困项目的新方法，通过估算家庭福利变化来规避成本高昂的实地调查。该方法利用住房质量与财富之间的相关性，其结果与传统调查一致，为国际发展领域提供了可扩展、低成本的及时影响评估替代方案。

ABSTRACT

Author(s): Huang, Luna Yue; Hsiang, Solomon; Gonzalez-Navarro, Marco | Abstract: The rigorous evaluation of anti-poverty programs is key to the fight against global poverty. Traditional evaluation approaches rely heavily on repeated in-person field surveys to measure changes in economic well-being and thus program effects. However, this is known to be costly, time-consuming, and often logistically challenging. Here we provide the first evidence that we can conduct such program evaluations based solely on high-resolution satellite imagery and deep learning methods. Our application estimates changes in household welfare in the context of a recent anti poverty program in rural Kenya. The approach we use is based on a large literature documenting a reliable relationship between housing quality and household wealth. We infer changes in household wealth based on satellite-derived changes in housing quality and obtain consistent results with the traditional field-survey based approach. Our approach can be used to obtain inexpensive and timely insights on program effectiveness in international developmentprograms.

研究动机与目标

• 通过用重复实地调查的替代方法，降低评估反贫困项目的成本和后勤负担。
• 调查基于卫星的住房质量变化是否能可靠地估算家庭福利变化。
• 开发一种可扩展、数据驱动的方法，用于评估低资源环境下的项目有效性。
• 在真实的发展背景下，将基于卫星的方法与传统实地调查方法进行验证。

提出的方法

• 利用高分辨率卫星图像监测随时间推移的住房质量变化。
• 应用深度学习模型从卫星图像中提取并分析与住房质量相关的特征。
• 利用现有调查数据建立住房质量指标与家庭财富之间的预测关系。
• 利用该学习到的关系，在无需进一步实地调查的情况下推断各区域的家庭福利变化。
• 通过与实际实地调查数据对比验证预测结果，以确保准确性和可靠性。

实验结果

研究问题

• RQ1 在无实地调查的情况下，卫星图像和深度学习能否准确估算家庭福利变化？
• RQ2 从卫星数据中得出的住房质量变化与家庭财富的实际变化之间的相关性如何？
• RQ3 该方法能否产生与基于传统调查的反贫困项目评估结果一致？
• RQ4 该方法在多大程度上可降低发展中国家项目评估所需的成本和时间？

主要发现

• 基于卫星和深度学习的方法得出的福利估算结果与传统实地调查结果一致。
• 从卫星图像中提取的住房质量变化可作为家庭财富变化的可靠代理指标。
• 该方法实现了对肯尼亚农村反贫困项目的及时且低成本的评估。
• 该方法在大规模、实时监测发展干预措施方面表现出良好的可扩展性。