期刊：PNAS

中文题目：利用遥感数据的社会生态学信息来预测农村家庭贫困

英文题目：Socioecologically informed use of remote sensing data to predict rural household poverty

作者：Gary R. Watmough, Charlotte L. J. Marcinko, Clare Sullivan, Kevin Tschirhart, Patrick K. Mutuo, Cheryl A. Palm and Jens-Christian Svenning

发表日期：2019年1月7日

摘要

追踪可持续发展目标（SDGs）的进展并制定干预措施需要频繁获得有关社会、经济和生态系统状况的最新数据。利用家庭调查数据监测社会经济目标，需要进行人口普查，并结合关于消费和社会经济趋势的年度抽样调查。在可持续发展目标实施期间，全球此类调查的费用可能高达2530亿美元，几乎是2013年全球发展援助预算的两倍。我们通过提出两个问题来研究卫星数据在监测农村地区减贫进展方面的作用：（1）能否通过卫星数据预测家庭财富？（2）从社会生态学角度对卫星数据进行多层次处理，能否提高解释家庭财富差异的能力？我们发现，使用多层次方法时，卫星数据可以解释肯尼亚西部农村地区高达62%的家庭财富变化。与之前使用的不考虑空间景观使用细节的单层方法相比，这一比例提高了10%。家庭院落（宅基地）内建筑物的大小、宅基地周围的裸露农田数量、宅基地内裸露土地数量以及生长季节的长度是重要的预测变量。我们的结果表明，将卫星数据和家庭数据联系起来的多层次方法可以改进宅基地特征、当地土地利用和农业生产力的反演，这说明卫星数据可以为监测可持续发展目标（特别是与贫困相关的目标以及“不让任何人掉队”的目标）所需的数据革命提供支持。

研究背景

SDGs涵盖17项目标与169项指标，需高频数据支撑，但传统“每10年人口普查+年度消费与社会经济趋势抽样调查”的监测模式，全球总成本或高达2530亿美元，接近2013年全球发展援助预算的两倍，经济负担沉重；同时，多数国家每10年一次的家庭人口普查难以匹配社会经济快速变化的节奏，且各国调查与普查频次差异大，导致SDGs进展监测缺乏标准化方法，资源分配规划受限于数据不一致性，亟需补充高频数据采集手段。

卫星传感器可提供涵盖生物物理参数、土地利用/土地覆盖的综合数据，能以精细时空分辨率监测社会经济发展相关指标，这对依赖自然资源维持生计的低收入和中等收入国家（LMICs）农村社区尤为重要，因为这些社区的人类福祉与当地环境特征（如农业生物多样性、林地、市场基础设施可达性等）存在明确关联。但过往遥感应用存在局限，多聚焦于村庄、村庄集群等聚合层面，易出现尺度错配（人类对自然资源的利用与依赖随分析尺度变化）与聚合偏差（人工边界致相同数据得出不同结论），且传统单一层面分析忽视家庭间资源利用差异，影响基于“财富-环境关系”的政策建议有效性。

精细空间分辨率卫星数据有助于监测SDG-1（消除贫困）；特别是，它有助于识别极端贫困和可能受贫困影响的地区、有针对性地配置资源以及增强农村对气候和环境影响的抵御能力。本文以肯尼亚农村为案例，探究“遥感数据能否解释家庭财富差异”和“基于社会生态学视角的多层面遥感数据处理方法是否提升对家庭财富差异的解释能力”两大问题，假设精细尺度的社会经济与环境数据可深化人地互动认知，通过遥感提取环境特征能预测家庭财富，进而为SDG1（消除贫困）中的极端贫困识别、资源精准分配等提供支撑。

研究结果

（1）分类树检验

使用分类树来检验遥感（RS）数据是否可用于预测肯尼亚Sauri乡村的家庭财富水平。在研究区域内，家庭通常居住在宅基地、拥有多个建筑物、菜园或林地以及周围树篱的小型区域。农田散布在院落之间。农业为主要生计，主要农作物为玉米，还种植香蕉、豆类、木薯、羽衣甘蓝、高粱等。降雨是双峰的，有两个种植季节：长雨季（3月至6月），大部分玉米作物在此期间生长；短雨季（9月至12月），降水量变化大。该地区是东非许多小农农业景观的典型地区；它高度分散、人口稠密、地形多样，土地覆盖类别错综复杂。2005年，79%的Sauri人口每天生活费低于1美元（1993年购买力平价），89.5%的人每天生活费低于2美元。

开发了一种多层次的方法来研究四个空间层次上的家庭财富和RS特征之间的关系：1级宅基地、2级农业用地、3级村庄群和4级更广泛的村庄外围（图1）。将该方法与之前通过汇总社会经济数据预测财富的单水平方法进行了比较。多层次方法的总体模型准确率为60%，测试精度为为45%，比使用单层次方法高出6%到12%（表1）。

图1：将家庭和景观特征联系起来的多层次方法。农户对宅基地周围的宅基地区域( A、B、C级: 1 )和农业用地( A1 ~ A3 ; B1 ~ B3 , C1 ~ C3 : 2级)均有个体进入。这些层次应该与单个家庭联系起来。农户也会利用村庄周围的公共池塘资源(级别3)，可以与多个农户建立联系。更广泛的区域层次(级别4)考虑基础设施的接入。X，Y和Z表示与多个家庭相邻或没有家庭的字段，使用我们目前的方法将其拆分。

表1 使用卫星特征预测财富的多级和单级方法的精度

（2）多层级法

图2显示了家庭层面财富与多级RS特征之间的统计关系。结果表明，建筑物大小是解释家庭财富方差的最重要的RS变量。其他重要变量按重要性从高到低排列依次为：宅基地相邻的裸露农业用地和种植农业用地数量（级别2）、宅基地内的裸露土地数量（级别1）、农业生长天数低于该像素14年平均值的年数、2005年家庭调查的生长期（级别4）以及公共池资源缓冲区内被归类为宅基地的土地数量（级别3）。

图2通过交叉验证得到的树，总体分类精度为52 %。Yes/No之后的括号表示符合拆分标准的家庭数量(HH)。第1组=最穷，第2组=中等，第3组=最富有的家庭对应于使用前述数据分裂的预测财富组。G1/G2/G3表示在该终端节点各财富组观察到的家庭数量。LGP，生长季长度。1级，宅基地；水平2，农业；3级，公共池塘资源区；4级，可进入区域较广，生长期较长；裸地、裸露农用地比例在2级以内。

最贫困家庭特征是建筑物规模小，宅基地周边的裸耕地和裸地比例较高。最富裕家庭特征是建筑物规模大（＞140m²），第二个生长季宅基地周边农用地低于21%有种植作物，农作物生长周期比平均水平低6年。大多数富裕家庭的特点是拥有较大的建筑面积（>140 m²），到2004年9月（短雨季开始时）种植的农业面积不到21%，连续6年多低于平均水平生长期，小于16%的三级公共池资源面积属于宅基地。建筑面积较小的富裕家庭在农田内仅拥有少量未种植的农田（3级）。

多层次方法将宅基地特征、当地土地用途和农业生产力映射到单个家庭。结果表明，将RS特征划分为不同层次可以对模型精度产生积极影响，因为最佳分类树使用了来自所有四个层次的特征（图2）。对于第1组，多层次方法和单层次方法的预测能力提高了10%，但在预测第2组和第3组时差异很小或没有差异。较富裕的家庭可能较少依赖农业来获取食物和收入，工资、商业企业和汇款等非农收入对较富裕的肯尼亚家庭的收入贡献更大。

研究意义

1、多层次社会生态学方法：首次提出并应用了一种多层次社会生态学方法，将遥感数据与农村家庭财富联系起来，更精细的刻画了家庭与环境互动的复杂关系，比标准的单缓冲区方法提供了更好的预测效果。

2、通过综合考虑社会社区结构和景观利用方式，提高使用卫星图像预测家庭贫困的准确性，丰富了贫困与环境关系的研究，有利于追踪多项可持续发展目标。

文献来源：https://doi.org/10.1073/pnas.1812969116

声明：以上中文翻译为译者个人对于文章的概略理解，论文传递的准确信息请参照英文原文。

撰稿：李阳光

初审：任    杰

复审：杜    军

终审：鲁    鹏