تهیه نقشه فقر از فضا! دانشمندان دانشگاه استنفورد شیوهای خلاقانه برای نشان دادن میزان فقر و توسعهیافتگی، آن هم از راه مشاهدات فضایی ارایه کردهاند. به گزارش مهر، در ابتکار عمل دانشمندان این دانشگاه از رایانهها و مشاهدات ماهوارهای استفاده شده است. اگر از فضا به چین و کرهجنوبی در شب هنگام نگاه کنید متوجه […]
تهیه نقشه فقر از فضا!
دانشمندان دانشگاه استنفورد شیوهای خلاقانه برای نشان دادن میزان فقر و توسعهیافتگی، آن هم از راه مشاهدات فضایی ارایه کردهاند.
به گزارش مهر، در ابتکار عمل دانشمندان این دانشگاه از رایانهها و مشاهدات ماهوارهای استفاده شده است.
اگر از فضا به چین و کرهجنوبی در شب هنگام نگاه کنید متوجه درخشش خیرهکننده آنها میشوید حال آنکه کرهشمالی که بین این دو کشور قرار دارد در تاریکی عمیقی فرو رفته است و البته همگان از وضعیت اقتصادی چین، کرهجنوبی و مقایسه آن با کره شمالی آگاه هستند.
البته مشکل اینجاست که روشنایی کشورها در شب هنگام چیزی درباره میزان فقر در بخشهای مختلف یک کشور نظیر روستاها ارایه نمیکنند. به همین دلیل باید راهی دیگر را جستجو کرد و این همان ابتکارعمل دانشمندان دانشگاه استنفورد است.
مدل رایانهای این دانشمندان که جزییات کامل آن در ساینس منتشر شده اگرچه منحصربهفرد و بینقص نیست، اما جنبههای مثبت زیادی دارد که حتی میتوان آن را مؤثرتر از روشهای فعلی تهیه گزارشهای مربوط به فقر در دنیا به شمار آورد.
داشتن حجمی از اطلاعات درباره هر نقطه از دنیا که قرار است درباره میزان فقر در آن مطالعه شود و یک رایانه قدرتمند برای انجام محاسبات دقیق با استفاده از دادههای موجود، ابزارهایی هستند که برای تهیه نقشه فقر از فضا به آنها نیاز است.
دانشمندان مدل خاص خود را با ۵ کشور آفریقایی مورد آزمایش قراردادند: نیجریه، تانزانیا، اوگاندا، مالاوی و رواندا. آنها تصاویر شبهنگام این کشورها را از برنامه ماهواره هواشناسی نیروی هوایی آمریکا دریافت کرده و متوجه شدند مکانهایی که در شبهنگام روشنتر به نظر میرسند، احتمالاً از حیث وضعیت اقتصادی در شرایط بهتری قرار دارند.
آنها در ادامه از برنامه رایانهای خود برای مقایسه این تصاویر با تصاویر با وضوح بالای مربوط به روز همین مناطق که توسط Google Static Maps میشود، استفاده کردند. این برنامه آنقدر قدرتمند است که میتواند اشکال خاصی را در تصاویر گرفته شده در روز تشخیص دهد که نشاندهنده توسعه اقتصادی در هر منطقه به خصوص است.
جادهها، شریانهای آبی و ساختمانها از جمله فاکتورهایی هستند که توسط الگوریتمهای دانشمندان دانشگاه استنفورد برای تشخیص میزان توسعهیافتگی هر منطقه از جهان مورد ارزیابی قرار میگیرند. این برنامه حتی قادر به تشخیص سقفهای فلزی از نوع گیاهی آنهاست که از نتایج آن میتوان برای تشخیص عقبماندگی یا پیشرفت مناطق مختلف استفاده کرد.
این مطلب بدون برچسب می باشد.
دیدگاه بسته شده است.