Kredit:Gary Watmough
En teknik til at ekstrapolere fattigdomsniveauer i landdistrikter ved hjælp af satellitdata og billeddannelse har vist sig at være meget lovende. Dette baner vejen for en langt mere effektiv og omkostningseffektiv tilgang til at identificere og håndtere fattigdom.
Estimering af fattigdom er afgørende for at forbedre politisk beslutningstagning og fremme bæredygtigheden i et samfund. Traditionelle fattigdomsestimeringsmetoder som husstandsundersøgelser og folketællingsdata medfører imidlertid store omkostninger, skabe et behov for mere effektive tilgange.
Med det i tankerne, det EU-finansierede USES-projekt undersøgte, hvordan satellitbilleder kunne bruges til at estimere fattigdom på husstandsniveau i udviklingslandenes landdistrikter. "Dette lover at være en radikalt mere omkostningseffektiv måde at overvåge og evaluere målene for bæredygtig udvikling, "siger Dr. Gary Watmough, USES samarbejdspartner og tværfaglig lektor i arealanvendelse og socioøkologiske systemer ved University of Edinburgh, Det Forenede Kongerige.
Arealanvendelse og jorddækning afslører fattigdomsspor
For at nå sine mål, projektet undersøgte, hvordan arealanvendelse og jorddækningsinformation fra satellitdata kunne forbindes med husstandsundersøgelsesdata. "Vi kiggede især på, hvordan husstande bruger landskabet i lokalområdet til landbrug og andre formål såsom opsamling af brænde og brug af åbne områder til græssende kvæg, "forklarer Dr. Watmough.
Arbejdet involverede også undersøgelse af satellitbilleder for at fastslå, hvilke former for arealanvendelse, der var relateret til husstandsformue eller fattigdom ved hjælp af statistisk analyse. "Ved at forsøge at forudsige husstandsfattigdom ved hjælp af data om arealanvendelse kunne vi se, hvilke variabler i arealanvendelse, der var mest relateret til husstandens formue i området, "tilføjer Dr. Watmough.
Samlet set, USES -projektet fandt ud af, at satellitdata kunne forudsige fattigdom, især de fattigste husstande i området. Dr. Watmough kommenterer:"Dette er ganske bemærkelsesværdigt i betragtning af, at vi forsøger at forudsige kompliceret fattigdom på husstandsniveau fra et simpelt kort over landbrug, der stammer fra satellitdata i høj opløsning."
En undersøgelse foretaget af USES i Kenya viste, at den vigtigste fjernbetingede variabel var bygningsstørrelse inden for gården. Bygninger mindre end 140 m2 var hovedsageligt forbundet med fattigere husstande, der henviser til, at de over 140 m2 havde en tendens til at være rigere. Mængden af barmark i landbrugsmarker og inden for gården var også vigtig. "Vi fandt også ud af, at fattigere husstande var forbundet med et kortere antal dyrkningsdage i landbruget, "siger Dr. Watmough.
Potentiale for miljøsanering og ressourcefordeling
Satellitdataene kan også hjælpe i fremtiden ved at overvåge ændringer i miljøressourcer og økosystemtjenester, der er vigtige for trivsel. "Selvom der skal arbejdes meget, før vi har et overvågnings- og evalueringssystem, vi kan nu sige, at der er et stort potentiale for fjernmåling på dette område, "bemærker Dr. Watmough." Udviklingen inden for satellitteknologi betyder, at vi nu får data med højere opløsning næsten dagligt, med et enormt potentiale for videre udvikling, "fremhæver han.
Kombineret med undersøgelsesdata, hyppigere satellitdata kan øge forståelsen for menneskelige og naturlige systemer, der er nøglen til bæredygtig udvikling. I øvrigt, når fremtidige satellitoplysninger bruges til at opdage særlige ændringer i arealanvendelse eller relaterede spørgsmål, det vil give NGO'er eller myndigheder mulighed for hurtigt at undersøge og tilpasse politikker eller ressourceallokering. "Dette er især vigtigt for udviklingsregioner, der stærkt er afhængige af natur- og miljøressourcer, "siger Dr. Watmough. Uden tvivl, satellitdata vil repræsentere et stadig vigtigere værktøj til vurdering af fattigdom i landdistrikterne og fremme af bæredygtighed.