论文大焖锅:JEP 卫星遥感影像数据在经济学中应用 by Dave Donaldson

论文大焖锅2019-11-14 07:09:00

今年Clark奖获得者Dave Donaldson,斯坦福大学经济系教授

图片来源:https://www.aeaweb.org/


这是论文大焖锅的一篇推送:



在过去十多年里,伴随计算机技术、工程学以及地理学综合运用,经济学家们对全世界社会和经济状况有了更详细了解。其中,卫星遥感影像数据应用就是上述综合运用重要体现。在学界,研究者利用算法从卫星影像剥离出社会经济特征数据进行相关研究已成为普遍现象。2017年克拉克奖(John Bates Clark)获得者Dave Donaldson和Adam Storeygard教授合作撰写并最近发表在Journal of Economic Perspectives上论文“The View from Above Applications of Satellite Data in Economics” 结合数据优势、注意事项、数据源以及存在问题简单介绍了卫星遥感影像数据在经济学中应用情况。


在数据优势方面,作者认为存在以下三点:第一,数据获取较易,且变量较广。这极大降低了研究成本;第二,影像分辨率较高。大部分遥感数据多基于30*30米栅格单位进行统计,部分甚至为0.5*05米单位统计。这大大丰富经济学者研究,尤其涉及地理空间政策评估方面分析;第三,数据覆盖较广,部分数据收集频率较高,且收集不受当地变故或政策变动影响。尽管卫星遥感数据因上述优势在经济学研究中取得广泛应用,但便捷性更多体现在小范围地理空间研究上。若涉及大范围影像数据应用,研究者则需具备一定计算机处理技术和相关知识。


在研究事项方面,作者强调需注意以下几点:1)卫星轨道。大部分遥感影像均为卫星拍摄。这些卫星主要位于两大轨道:其一是地球同步静止轨道。即卫星始终位于地球表面固定位置,且能够持续对同一地区进行连续观测。但因其距离地球较远,影像分辨率通常较低。其二是太阳同步轨道。即卫星保持固定角度在同一时间经过地球同一位置,多位于南北极上空。因其距离地球高度不一,研究者在使用中需在影像分辨率与观测频率间权衡。2)传感器和光谱。遥感卫星通常安装多个传感器,一个传感器只能基于一种或几种光谱进行数据记录。因不同光谱数据具有不同用途,学者需结合实际情况甄别使用。3)影像处理。遥感影像处理将会影响数据质量,其中主要涉及两种技术。一是正射校正:由于卫星观测地球存在角度偏差,研究者需对原始影像进行经纬度校正;二是多重叠加:云雾等外在因素会对影像造成偏差,学者需利用图像镶嵌技术对影像进行多重叠加处理,从而消除外部随机干扰。4)影像解析和分类。为了便于研究,研究者通常使用两大方法对影像数据进行预先处理。一类是对影像进行解析,并获取研究者想要内容,比如海拔、坡度等数据;另一类是对影像进行分类。比如,将土地按用途进行分类。其中,分类算法主要有两种:一是无监督学习,即研究者对数据不进行预先处理,所有过程均交由计算机进行建模分类;二是监督学习,即研究者对数据先进行主观分类标注,并结合标注对计算机进行训练得到最优模型,然后基于最优模型对原始影像数据进行分类处理。


随后,本文简单介绍了遥感影像相关数据源及经济学应用文献。其中,涉及到的遥感数据有夜间灯光、气候与天气、地形、农业用地与适种作物、城市用地、自然资源、空气污染等。同时,作者强调上述数据综合运用可为研究带来便利。比如,结合夜间灯光数据和日间影像资料,研究者利用迁移学习等机器算法进行解析,最终分类出衡量消费和资产的指标数据。这将极大降低因大范围调查所产生的研究成本。


最后,针对影像数据应用中存在问题,作者分别从数据规模与高维灾难、空间相关、度量偏误以及隐私问题对其展开探讨。具体来说,数据规模和高维灾难主要指影像数据常具有大规模和高维数特征,这将导致传统线性分析方法失效。研究者需结合经济理论选择合适模型进行降维处理。空间相关主要指影像数据常展现较强空间相关性。针对影像数据在研究中被作为自变量或因变量,学者需采取不同措施进行处理。度量偏误主要指在对数据进行预先主观处理时,尽管学界在算法方面取得较大进步,但一二类错误仍会产生。隐私问题主要指高分辨率影像数据将会在一定程度上侵犯个人隐私,研究者需要予以重视。考虑到未来遥感影像数据日益丰富,且容易获得,本文认为这将给经济学多个分支领域带来研究便利。更多内容,请点击左下“阅读原文”。




广受欢迎的微信公共帐号“论文大焖锅”每日推送经济学、政治学、社会学及自然科学期刊最新内容。本帐号由复旦大学经济学院陈硕副教授及其团队负责。欢迎媒体及学界与我们展开内容合作,联系邮箱paperexpress@sina.cn。查看以前推送:点“论文大焖锅”并选择“查看历史消息”。搜寻帐号:PaperExpress或扫描二维码如下:


Copyright © 松原古典音乐社区@2017