На Земята има повече хора, отколкото си мислехме. Сателитите са „изгубили“ половината от жителите на селските райони

Съвременните управленски решения – от разпределянето на ваксини до планирането на спасителни операции при наводнения – разчитат на големи обеми данни. Счита се, че сателитното наблюдение и компютърното моделиране са създали точно цифрово копие на населението на Земята. Но ново проучване, публикувано в списание Nature Communications, разкрива проблем: алгоритмите, на които се доверяват ООН и правителствата, систематично изключват стотици милиони хора в селските райони. Грешката в тези региони се оказва в пъти по-голяма от реалните показатели.

В епохата на цифровизацията преброяването на населението, при което преброителите физически обикалят всяка къща, изглежда архаично. То беше заменено от глобални мрежи за преброяване на населението. Това са цифрови карти, които разделят повърхността на планетата на клетки (обикновено 1х1 км или 100х100 метра), като за всяка клетка се посочва приблизителният брой на жителите.

Тези бази данни (като WorldPop, LandScan, GHS-POP) се генерират чрез сложни алгоритми. Софтуерът анализира сателитните изображения, пътните карти, данните за нощното осветление на Земята и ги наслагва върху наличната официална статистика. Резултатът е подробна топлинна карта на човешкото присъствие.

Именно тези карти се използват от международните организации за оценка на риска. Когато епидемиолозите изчисляват разпространението на даден вирус, а климатолозите прогнозират броя на хората, засегнати от повишаването на морското равнище, те разглеждат тези мрежи. Екип от учени от университета Аалто във Финландия обаче доказа, че в селските райони тези карти дават невярна представа за реалността.

Проблемът с верификацията: как да се провери непроверимото

Основната трудност при оценката по отношение точността на глобалните карти е липсата на надежден критерий за сравнение. В развитите страни и големите градове статистиката се води внимателно. Но в селските райони на развиващите се страни – точно там, където живее голяма част от населението на света – преброяванията са редки, нередовни или с много грешки.

Традиционните методи за проверка работят по кръгов път: даден алгоритъм се калибрира върху данни от преброяванията, а след това резултатите му се проверяват спрямо същото (често остаряло) преброяване. По този начин не се откриват системните грешки при моделирането.

Авторите на новото проучване са използвали нетрадиционен подход към проверката. Като източник на верни данни те са използвали докладите за преселване на хората по време на строителството на големи язовири.

Изграждането на водноелектрическа централа и създаването на язовир изисква пълно освобождаване на територия. За разлика от обикновеното преброяване на населението, при което някой може да бъде пропуснат, процедурата по презаселване включва стриктно физическо регистриране на всеки жител за целите на компенсациите и мерките за преместване. Това прави данните за презаселването едни от най-точните демографски данни, с които разполагат изследователите.

Учените са съставили база данни за 307 проекта за язовири в 35 държави. Те реконструирали контурите на наводнените райони и сравнили официалния брой на действително изселените хора с броя, наблюдаван в тези райони от глобалните цифрови модели преди наводнението.

Мащабът на „невидимото“ население

Резултатите от анализа показват, че всичките пет водещи световни бази данни за населението (WorldPop, LandScan, GHS-POP, GRUMP, GWP) страдат от една и съща системна грешка. Те критично подценяват гъстотата на населението в селските райони.

Диапазонът на грешките е различен:

1. WorldPop: 53% занижени данни.
2. GWP (Gridded Population of the World): подценяване с 65%.
3. LandScan: 68% занижени данни.
4. GHS-POP: 84% занижени данни.

Тези цифри означават, че компютърните модели губят средно между половината и четири пети от реалното селско население. Така например моделът GHS-POP, разработен от Съвместния изследователски център на Европейската комисия, показва най-лошия резултат, като на практика игнорира съществуването на хора в райони с ниска гъстота на населението.

Важно е да се отбележи, че не става дума за случайно отклонение в двете посоки. Грешката е строго еднопосочна: алгоритмите винаги подценяват броя на хората, но почти никога не го надценяват.

Техническите причини за срива на алгоритмите

Защо най-съвременните системи за наблюдение на планетата са пренебрегвани от милиони хора? Изследователите посочват три основни причини, свързани с ограниченията на технологиите за дистанционно наблюдение.

Селективност на оптичния материал

Алгоритмите за машинно обучение, които разпознават сградите на сателитните изображения, се обучават предимно върху примери за градска архитектура. Невронните мрежи са отлични в разпознаването на правоъгълни покриви, изработени от бетон, метал, шисти или керемиди. Те търсят висок контраст и ясна геометрия.

Селските сгради в развиващите се страни изглеждат различно. Къщите често са изградени от естествени материали (глина, дърво), а покривите са покрити със слама или суха растителност. За оптичния сензор на сателита такъв покрив е спектрално неразличим от околната земя или от сухата трева. Алгоритъмът възприема селището като празен пейзаж.

Ефектът на нощното осветление

Много модели използват данните за нощната осветеност на Земята като основен маркер за човешко присъствие. Логиката е проста: където има хора, има светлина. В градовете тази връзка работи перфектно.

Но в селските райони на най-бедните страни степента на електрификация остава ниска. Дори когато има електричество, жителите могат да пестят електроенергия, като не включват осветлението през нощта. В резултат на това огромни населени райони остават напълно черни на нощните изображения и моделът ги класифицира като необитаеми.

Проблемът с разделителната способност и растителността

Моделите с висока разделителна способност, които се опитват да откроят отделни структури, се сблъскват с проблема с маскирането. В гористите райони и джунглите малките структури често са скрити под короните на дърветата. Сателитът заснема само гората, а софтуерът не регистрира наличието на жилища под зелената покривка.

По този начин глобалните карти са на практика калибрирани за урбанизирани среди. Те прецизно отчитат градските жители, но когато се опитате да приложите същите критерии към селските райони, ефективността им спада.

Последствията за глобалната политика и сигурността

Грешните данни са в основата на стратегическото планиране, а използването им води до неравномерно разпределение на ресурсите и повишен риск.

Управлението при извънредни ситуации

При планиране на реакциите при природни бедствия (земетресения, наводнения, урагани) спасителните служби използват данните от мрежата, за да оценят броя на потенциалните жертви и да изчислят необходимата помощ. Ако моделът подцени населението в района на бедствието с 80%, спасителите ще изпратят пет пъти по-малко храна, вода, лекарства и палатки в района, отколкото е необходимо в действителност. Това е пряка заплаха за живота на хората.

Здравеопазване и епидемиология

Програмите за ваксинация и контрол на инфекциозните болести (напр. маларията) също разчитат на картите на гъстотата на населението. Невидимостта на селските общности за алгоритмите означава, че тези групи систематично се изключват от здравните планове. Лекарите не поръчват правилния брой дози ваксини или не планират логистиката на доставката в райони, които изглеждат празни на картата. Това създава условия за възникване на скрити резервоари на инфекция.

Инфраструктурното развитие

Решенията за изграждане на училища, болници, пътища и клетъчни кули често се вземат въз основа на анализ на осъществимостта, който се основава на гъстотата на населението. Ако данните показват липса на хора, инвестициите не идват в региона. Погрешните данни затвърждават бедността и изолацията в селските райони, като ги лишават от достъп до основните блага на цивилизацията.

Необходимостта от смяна на парадигмата

Авторите на проучването подчертават, че не е възможно напълно да се откажем от използването на мрежовите данни, тъй като те често са единственият наличен инструмент за планиране. Необходимо е обаче да се преразгледа отношението към тяхната точност.

Ползвателите на данните – от служителите на ООН до местните администрации – трябва да осъзнаят, че данните за селските райони не са факт, а силно консервативна долна оценка.

Решаването на проблема изисква промяна в методологията за създаване на такива карти. Изключително дистанционните методи (сателитни изображения) не са достатъчни. Необходимо е преминаване към хибридни модели, които активно да използват данните от микропреброяванията на място и алтернативни източници на информация, които не зависят от наличието на електрическо осветление или вида на покривните материали.

Докато алгоритмите не се научат да разпознават правилно нестандартните сгради и да отчитат спецификата на селския начин на живот, картата на света ще остане изкривена. А цената на това изкривяване е загубена помощ и нереализирани права на милиони хора за развитие и сигурност.