基于地理大数据的贫困识别研究
文献类型：学位论文
| 作者 | 胡姗 |
| 答辩日期 | 2023-06 |
| 文献子类 | 学术型学位 |
| 授予单位 | 中国科学院大学 |
| 授予地点 | 中国科学院地理科学与资源研究所 |
| 导师 | 葛咏 |
| 关键词 | 贫困 地理大数据 卫星地球观测影像 开放地理空间数据 随机森林 |
| 学位名称 | 博士 |
| 学位专业 | 地图学与地理信息系统 |
| 英文摘要 | 贫困地区通常有基础设施薄弱、公共服务有限、经济和社会发展水平低的特征，且容易受到全球变化的冲击。通过数据瞄准和评估这些贫困地区和贫困人口，避免使这些脆弱人群“隐形”，对实现全球可持续发展目标有重要意义。然而，传统的家庭调查存在时间和经济成本高、数据滞后的问题，并且越是低收入的国家和地区往往数据缺口越大。地球科学和信息科学的发展，积累了海量的卫星地球观测数据和地理空间数据，这为贫困的识别提供了新的视角和技术手段。基于地理大数据的贫困识别研究，通过将从地理大数据中提取的与人类生活水平相关的信息与地面观测值在一定空间范围内统计关联来进行贫困识别。目前基于地理大数据的贫困识别研究更侧重于运用卫星地球观测影像提取地表信息，而融合多源地理空间数据的潜力未被充分挖掘。同时，大部分研究着眼于小范围的方法探索，而较难实现大范围、规模化的评估，这使得基于地理大数据的评估结果较难融入主流经济和社会发展调查报告。本文基于卫星地球观测数据和开放的地理空间数据，由微观到宏观，分别以行政村和区县为研究单元，以湖北省郧阳区和中国大陆为研究区，运用随机森林算法，重点探索了开放的地理空间数据识别贫困的潜力，形成从数据到方法的基于地理大数据的贫困识别研究框架。并在该研究框架基础上，开展了非洲地区10公里格网贫困制图研究。本文主要得出以下结论：(1) 基于高分影像、POI（Point of interest）、OSM（Open street map）和DSM(Digital surface model) 数据提取的表征行政村基础设施和公共服务条件、农业生产条件、行政村建设、农村居民点的空间分布的解释变量以较高的预测精度（72%）识别出了贫困类别行政村，对郧阳区村级贫困整体识别精度为54%。(2) 基于夜间灯光数据、土地覆被数据、遥感影像数据产品，结合开放的地理空间数据，包括高德POI、OSM路网、GHSL（Global human settlement layer）建筑物表面积和高度数据、WorldPop 人口空间分布数据，提取的解释变量识别县域农村家庭人均可支配收入的准确率为65%。其中，低收入区县的识别精度优于高收入区县。(3) 基于本文所提出的贫困识别研究框架，在非洲赞比亚的公里格网尺度的贫困制图研究结果表明，基于地理大数据的贫困代理变量可以解释74%的赞比亚家庭集群财富指数（Wealth index, WI），其中，农村地区的样本预测精度优于城市地区的样本。通过对比现有非洲地区基于地理大数据的WI 制图研究结果，本文的预测精度明显提升。赞比亚 10 公里格网的 WI 制图结果表明，赞比亚 96%格网区域的 WI 介于“贫困”和“中等”水平之间 (WI ≤ 3)，“富裕”水平的区域只占极少数。(4) 本文提出的基于开放的地理空间数据计算的、可用于大范围评估的、表征基础设施和公共服务条件的代理指标，包括加权路网密度、医疗和教育资源的可达性指标、人均住宅建筑表面积，这些指标对贫困识别起着关键作用，证明了开放的地理空间数据在贫困识别研究中的潜力。本文重点探索了开放的地理空间数据在贫困预测中的潜力，提出了具体的指标证明运用开放的地理空间数据解释贫困的可行性。针对非洲赞比亚公里格网的贫困制图研究，清晰地绘制出了赞比亚的贫困地图，所采用的地理大数据易获取且处理时间成本低，可以进一步地应用到整个撒哈拉沙漠以南的非洲地区，对追踪该地区的可持续发展目标的首要目标消除贫困的实施进程有重要的指示作用。最后，本文讨论了当前研究存在的问题与挑战，包括多源数据的创新性融合、多时向监测、丰富和可靠的地面观测数据获取、以及融入主流经济与社会调查报告的挑战，这些问题将是下一步研究工作需要重点关注的方面。 |
| 语种 | 中文 |
| 页码 | 142 |
| 源URL | [http://ir.igsnrr.ac.cn/handle/311030/199881]  |
| 专题 | 地理科学与资源研究所_研究生部 |
| 推荐引用方式 GB/T 7714 | 胡姗. 基于地理大数据的贫困识别研究[D]. 中国科学院地理科学与资源研究所. 中国科学院大学. 2023. |
入库方式： OAI收割
来源：地理科学与资源研究所
浏览0
下载0
收藏0
其他版本
除非特别说明，本系统中所有内容都受版权保护，并保留所有权利。