Científicos de la Universidad de Stanford mapean la pobreza en África utilizando imágenes vía satélite y machine learning, según un estudio en Science.
Solemos relacionar los satélites con nuevas misiones de exploración espacial, pero en ocasiones estas sondas cuentan con una finalidad social menos evidente. Así lo demuestra un estudio publicado en Science por científicos de la Universidad de Stanford, en el que mapean la pobreza del continente africano a través de imágenes vía satélite y la técnica conocida como machine learning.
África es conocida por la extrema pobreza que sobrevuela todo su territorio. La situación es especialmente dura en la región sub-sahariana, donde según algunas estimaciones, el 40% de la población vive en la absoluta pobreza. Los indicadores ofrecidos hace una década por Naciones Unidas mostraban que, de los cincuenta países más pobres del planeta, 34 se encontraban en este continente.
Tecnología para mapear la pobreza
La pobreza es un gravísimo problema de difícil solución. La complejidad de su origen y el impacto que tiene, a nivel económico, social, sanitario o alimentario, entre otros aspectos, limitan las posibles actuaciones. El desafío es todavía mayor si se tiene en cuenta que muchos de estos países se ven afectados por guerras, dictaduras o epidemias como el ébola que dejan a estas regiones en un atraso histórico que provoca millones de muertes al año.
Para solucionar el problema de la pobreza en África, las autoridades deben comprender primero cuáles son los focos principales de limitado desarrollo económico. Este trabajo, como explica Alberto Sánchez en Hipertextual, se hace en muchas ocasiones con trabajos a pie de campo por parte de gobiernos y organizaciones no gubernamentales. Su acción, aunque irreprochable, es limitada. Por ello la tecnología puede servir en estos esfuerzos políticos para combatir la pobreza.
El trabajo realizado por los investigadores de Stanford muestra que los satélites pueden ayudar en esta tarea. Así, combinaron imágenes obtenidas durante el día y fotografías captadas durante la noche para para comparar las diferencias de luz. Esto es debido a que, en general, las zonas más desarrolladas suelen estar más iluminadas en el horario nocturno. De este modo pudieron generar mapas de calor para conocer qué regiones eran las más empobrecidas en cinco países de África, como demuestra la imagen superior.
Utilizar imágenes obtenidas vía satélite y la técnica del machine learning ayuda, en contra de los esperado, a saber la distribución de la pobreza en el continente africano. La tecnología complementaría los trabajos realizados a pie de campo, determinando qué regiones son las más necesitadas para así centrar todos los esfuerzos en estas zonas. Como consecuencia de este estudio, será posible mejorar la eficacia de las actuaciones para combatir el empobrecimiento y el reducido desarrollo económico y social en África, según los autores del trabajo.
Imágenes | Neal Jean et al. (Science), Pixabay
