全球联合国人类发展指数的高精度估算——基于卫星图像和机器学习方法

联合国人类发展指数按理说，是最为广泛使用的对GDP的替代指标，用于测度一国发展程度。这在很大程度上，是因为它的多维度性质，由于它包含了不光是收入，还有教育和健康等因素。然而，全球国家层面的低精度的HDI数据（由联合国发展计划的人类发展报告办公室发布，包含191个国家）。近来的工作用劳动力密集的调查数据来生成HDI估计数据（对第一水平行政单位，如州或省）。在本文中，作者基于机器学习和卫星图像方面的进展，开发了首个全球HDI估计数据（在第二水平行政单位上，如市或乡镇，N=61591，以及全球的0.1*0.1度的网格，N=806361）。为了达到这一目的，我们开发并验证了可推广的缩小规模的方法，基于卫星图像，这使得能够对任意形状和规模的观察样本进行训练和预测。这使得我们能够训练该模型，采用升级行政数据并生成HDI预测数据，在市级和网格水平。结果表明，超过全球人口一般的人先前被分配到了错误的HDI分位数上（在每个国家内部），这是由于较低的精度估计导致的总的偏误。我们让这些高精度HDI估计数据公开可得，是希望它们能够增加对全球人类福利的理解，并提升支持可持续发展政策的有效性。我们还让卫星特性和软件可公开获得，从而能够提升空间精度（任何其他全球规模的行政数据可通过图像观察到的）。