Τα δεδομένα τηλεπισκόπησης υψηλής ανάλυσης μπορούν να προβλέψουν τη φτώχεια των νοικοκυριών σε περιοχές, Εσωτερική Μογγολία, Κίνα.
Από RemoteSensing Wiki
Πρωτότυπος τίτλος: High-resolution remote sensing data can predict household poverty in pastoral areas, Inner Mongolia, China
Συγγραφείς: Peng Han, Qing Zhang, Yanyun Zhao, Frank Yonghong Li
Ministry of Education Key Laboratory of Ecology and Resource Use of the Mongolian Plateau & Inner Mongolia Key Laboratory of Grassland Ecology, School of Ecology and Environment, Inner Mongolia University, Hohhot 010021, China
Δημοσιεύθηκε: Geography & Sustainability, 2021
Σύνδεσμος πρωτότυπου κειμένου: [[1]]
Λέξεις-κλειδιά: Σταθμισμένος σχετικός δείκτης πλούτου, Δέντρο ταξινόμησης, Λιβάδι της εσωτερικής Μογγολίας, Πολλαπλής κλίμακας
Εισαγωγή
Το πρόβλημα της φτώχειας σε παγκόσμιο επίπεδο και η αντιμετώπιση του αποτελεί σημαντικό πρόβλημα στο πλαίσιο των αειφόρων αναπτυξιακών στόχων. Υπάρχει ανάγκη για αποτελεσματικότερες μεθόδους αναγνώρισης της φτώχειας, κυρίως σε περιοχές με έλλειψη δεδομένων. Οι δυσκολίες προκύπτουν από την ανάγκη για δημογραφικές έρευνες στις φτωχές και απομακρυσμένες περιοχές, και ως λύση προτείνεται η χρήση δεδομένων από δορυφόρους υψηλής ανάλυσης για την εκτίμηση της φτώχειας σε οικογενειακό επίπεδο. Στη μελέτη αυτή γίνεται εστίαση σε μια συγκεκριμένη περίπτωση στην Εσωτερική Μογγολία της Κίνας, όπου ερευνάται η χρησιμότητα και η βέλτιστη χρήση δεδομένων από δορυφόρους υψηλής ανάλυσης για την πρόβλεψη της οικογενειακής φτώχειας σε περιοχές με βοσκότοπους.
Μέθοδοι και Υλικά
Η παρούσα μελέτη πραγματοποιήθηκε στην πόλη Σιλίνχοτ της Εσωτερικής Μογγολίας στην Κίνα, η οποία βρίσκεται στο κέντρο των βοσκοτόπων της Εσωτερικής Μογγολίας. Η περιοχή αυτή χαρακτηρίζεται από ήπιο ηπειρωτικό κλίμα, με μέση ετήσια θερμοκρασία 0,1°C και μέση ετήσια βροχόπτωση 295 mm. Η τοπογραφία της αποτελείται από πεδιάδες και χαμηλούς λόφους με εδάφη καστανού χρώματος, ενώ η φυτό-κοινότητα των ενδημικών βοσκότοπων κυριαρχείται από το Stipa spp. (S. grandis και S. krylovii) και το Leymus chinensis. Η περιοχή χρησιμοποιείται ως βοσκότοπος από τους Μογγόλους κτηνοτρόφους εδώ και χιλιάδες χρόνια, παρέχοντας έτσι ιδανικές συνθήκες για την εξέταση της σχέσης μεταξύ της φτώχειας και των δεδομένων που προέρχονται από δορυφόρους. Η πόλη Σιλίνχοτ ιδρύθηκε το 1983 και ο πληθυσμός της αποτελείται από 30 εθνοτικές ομάδες, με τους Μογγόλους να αποτελούν το 28% του συνολικού πληθυσμού. Από το 1983, η περιοχή έχει παρατηρήσει αύξηση τόσο στον πληθυσμό όσο και στο ΑΕΠ ανά κάτοικο, από 99.500 σε 265.200 άτομα και από $342 σε $11.878 αντίστοιχα.
Συλλογή Δεδομένων
Τα δεδομένα συλλέχθηκαν στη Φάρμα Beilike και την πόλη Baoligen της πόλης Σιλίνχοτ της Εσωτερικής Μογγολίας στην Κίνα, μεταξύ Ιουνίου και Ιουλίου του 2017. Επιλέχθηκαν νοικοκυριά με χρήση τυχαίας δειγματοληψίας, και η έρευνα πραγματοποιήθηκε σε οκτώ κατευθύνσεις από το κέντρο της πόλης. Η έρευνα πραγματοποιήθηκε από τρεις ομάδες, που επισκέφτηκαν διαφορετικές περιοχές ταυτόχρονα, και κάθε ομάδα περιλάμβανε δύο ερευνητές έργου και έναν τοπικό μεταφραστή που γνώριζε τη μογγολική και τη μανταρινική γλώσσα. Κατά τη διάρκεια κάθε έρευνας νοικοκυριού, ένας ερευνητής κατέγραφε το γεγονός, ενώ ο δεύτερος ερευνητής, μαζί με τον μεταφραστή, πραγματοποιούσε τη συνέντευξη. Το ερωτηματολόγιο σχεδιάστηκε για τη συλλογή πληροφοριών σχετικά με τη σύνθεση των νοικοκυριών, τις εγκαταστάσεις, τα οχήματα, τα κτηνοτροφικά ζώα και τις συνθήκες βοσκής. Καταγράφηκε η τοποθεσία κάθε νοικοκυριού με χρήση GPS, και χρησιμοποιήθηκε μια φωτογραφική μηχανή για τη φωτογράφηση του πιστοποιητικού βοσκής κάθε νοικοκυριού, το οποίο παρέχει συντεταγμένες συνόρων και μπορεί να χρησιμοποιηθεί για τη σχεδίαση των βοσκοτόπων των νοικοκυριών. Ο μέσος όρος της καθαρής πρωτογενούς παραγωγής (NPP) των βοσκοτόπων της Εσωτερικής Μογγολίας για την περίοδο 2000-2019 υπολογίστηκε χρησιμοποιώντας προϊόν NPP του Moderate Resolution Imaging Spectroradiometer (MODIS) με χώρισμα 500m.
Αποτελέσματα
Στην ανάλυση χρησιμοποιήθηκαν δεδομένα από 238 νοικοκυριά. Από την ανάλυση αυτή των προέκυψε ότι το εύρος του δείκτη πλούτου των νοικοκυριών κυμαίνονταν από αρνητικές τιμές μέχρι θετικές τιμές, με τη μέση τιμή να είναι πολύ κοντά στο μηδέν. Τα νοικοκυριά κατηγοριοποιήθηκαν σε φτωχά, κανονικά και πλούσια, με 96, 112 και 30 νοικοκυριά αντίστοιχα. Επίσης, διαπιστώθηκε ότι η επικρατούσα κλάση χρήσης γης στην περιοχή ήταν οι βοσκότοποι και ότι οι προβλέψεις της φτώχειας των νοικοκυριών βελτιστοποιήθηκαν χρησιμοποιώντας διαφορετικά μοντέλα και κλίμακες. Συνολικά, το πιο ακριβές μοντέλο πρόβλεψης της φτώχειας βρέθηκε να είναι ένα πολυδιάστατο μοντέλο που συνδύαζε πληροφορίες από διαφορετικές κλίμακες, με την πυκνότητα των κατοικιών και το είδος της γεωγραφικής περιοχής να είναι σημαντικοί δείκτες πρόβλεψης της φτώχειας.
Συζήτηση
Η φτώχεια αποτελεί σοβαρό κοινωνικό πρόβλημα στους βοσκοτόπους της εσωτερικής Μογγολίας λόγω των αρνητικών επιπτώσεων των αλλαγών στις κλιματικές συνθήκες στην παραγωγικότητα των βοσκοτόπων. Πολλές μελέτες έχουν διερευνήσει τη φτώχεια των νοικοκυριών στην περιοχή χρησιμοποιώντας στατιστικά δεδομένα και δημοσκοπήσεις νοικοκυριών. Ωστόσο, η παρούσα μελέτη αποτελεί την πρώτη προσπάθεια χρήσης υψηλής ανάλυσης εικόνων από το δορυφόρο GF-2. Σε σύγκριση με μια παρόμοια μελέτη που χρησιμοποίησε υψηλής ανάλυσης εικόνες QuickBird για την πρόβλεψη της φτώχειας νοικοκυριών στην αγροτική Κένυα, οι ακρίβειες εκπαίδευσης και δοκιμής της παρούσας μελέτης ήταν περίπου 10% και 3% μεγαλύτερες, αντίστοιχα. Επομένως, φαίνεται ότι η πρόβλεψη της φτώχειας βασισμένη σε δεδομένα HHRS είναι εφικτή και παρέχει ένα γρήγορο μέσο εντοπισμού φτωχών νοικοκυριών. Σύμφωνα με προηγούμενες η περιοχή με πολλά κτήρια ήταν ο πιο αξιόλογος δείκτης για την πρόβλεψη της φτώχειας νοικοκυριών. Πράγματι, οι υψηλές περιοχές κτιρίων φαίνεται να έχουν περισσότερα υλικά αγαθά, τα οποία είναι ένας άμεσος δείκτης της κλίμακας και του δυναμικού παραγωγής της οικογενειακής γεωργίας, και στην παρούσα μελέτη, το 85,4% (82/96) των νοικοκυριών στη φτωχή ομάδα συνδέονταν με περιοχές κτιρίων < 4.657 m2. Η σχετική περιοχή χώματος ήταν επίσης ένας κύριος δείκτης της φτώχειας νοικοκυριών, το 59,38% (57/96) των νοικοκυριών στη φτωχή ομάδα συνδεόταν με σχετικές περιοχές χώματος < 11%. Υπάρχουν δύο κύριοι λόγοι γι' αυτό το αποτέλεσμα. Τα φυτά που βρίσκονται σε αμμώδη εδάφη πρασινίζουν νωρίτερα από τα φυτά των βοσκοτόπων και παρέχουν ζωοτροφή, μειώνοντας τα έξοδα των νοικοκυριών τον χειμώνα, ενώ το τοπίο της άμμου μπορεί να παρέχει καταφύγιο στον εκτρέφοντα και να μειώσει περαιτέρω την απώλεια θερμότητας και την κατανάλωση τροφής.
Συμπεράσματα
Συμπερασματικά το υψηλό κόστος και η χαμηλή συχνότητα δημοσκοπήσεων στα νοικοκυριά έχουν δυσχεράνει τις προσπάθειες ανίχνευσης και μείωσης της φτώχειας. Ωστόσο από την μελέτη φαίνεται πως είναι δυνατόν να προβλεφθεί η φτώχεια των νοικοκυριών χρησιμοποιώντας δεδομένα εικόνων από δορυφόρους υψηλής ανάλυσης. Το καλύτερο μοντέλο που αναπτύχθηκε εδώ παρουσίασε αξιόπιστες επιδόσεις στις δοκιμές και στην εκπαίδευση. Επιπλέον, αποδεικνύει ότι η μέθοδος αυτή βελτίωσε σημαντικά την αποδοτικότητα της και μείωσε το κόστος και τον χρόνο εργασίας κατά περίπου 75% και 90%, αντίστοιχα.
