DSLab WNE UW

Cel projektu

Głównym celem tego projektu jest obliczenie wskaźników dobrobytu ekonomicznego na poziomie regionalnym i lokalnym w Polsce, począwszy od połowy lat 1990. i analiza, czy i w jaki sposób nierówności ekonomiczne zmieniały się w czasie. Lokalne miary dobrostanu będą oszacowane na podstawie zdjęć satelitarnych (natężenie światła w nocy i zdjęcia w wysokiej rozdzielczości wykonane w ciągu dnia) oraz przy użyciu różnych algorytmów uczenia maszynowego.

Rozwój big data w ostatnich latach spowodował eksplozję ich nowych` zastosowań. Rosnąca liczba danych ma charakter przestrzennych big data– zawierających informacje geolokalizacyjne. Koncepcja przestrzennych big data odnosi się również do informacji zbieranych przez satelity krążące wokół Ziemi. Ostatnio dane dotyczące intensywności nocnych świateł oparte na zdjęciach zebranych przez czujniki zainstalowane na satelitach są coraz częściej wykorzystywane do monitorowania wpływu człowieka na powierzchnię Ziemi. Patrząc na Ziemię z kosmosu, miejsca, które są jaśniejsze w nocy, wydają się być bardziej rozwinięte, podczas gdy w biedniejszych obszarach poziomy jasności są niższe. Dlatego dane o intensywności świateł nocnych są często używane jako przybliżony wskaźnik aktywności gospodarczej na poziomie regionalnym i lokalnym.

Dlatego dane o intensywności świateł nocnych są często używane jako przybliżony wskaźnik aktywności gospodarczej na poziomie regionalnym i lokalnym.

Wiarygodność intensywności świateł nocnych jako dobrej miary dobrobytu ekonomicznego dla małych obszarów budzi jednak wątpliwości. Ze względu na ograniczoną skalę pomiaru dane nie pozwalają na prawidłowe odróżnienie regionów o dużych różnicach w dochodach. Ponadto na dane te wpływają dwa źródła szumu – poświata, skłonność światła do rozprzestrzeniania się na obszarach otaczających jego rzeczywiste źródło oraz poblask, sztucznie zwiększona intensywność światła na niektórych typach terenu, takich jak woda, lód i piasek.

Innym innowacyjnym rozwiązaniem pozwalającym na przezwyciężenie ograniczeń danych dotyczących natężenia światła w nocy jest analiza zdjęć satelitarnych w wysokiej rozdzielczości wykonanych w ciągu dnia. Potężne algorytmy uczenia maszynowego służące do rozpoznawania obrazów mogą być wykorzystane do identyfikacji ważnych charakterystyk na zdjęciach. Konwolucyjne sieci neuronowe pozwalają zidentyfikować na zdjęciu na przykład liczbę i gęstość budynków, wielkość obszaru cienia jako przybliżenie dla wysokości budynku, liczbę samochodów, gęstość i długość dróg, rodzaj użytków rolnych, typ dachu, itd. Cechy te są następnie wykorzystywane w modelach statystycznych jako zmienne przewidujące poziom wskaźnika dobrobytu ekonomicznego.