使用卫星影像和机器学习对联合国人类发展指数进行全球高分辨率估算

为何更精确地绘制人类进步地图至关重要

人类发展指数（HDI）是衡量全球进步最常被引用的指标之一，将健康、教育和收入合并为每个国家的单一数值。然而，决定人们日常生活的重要决策——例如在哪儿建诊所、如何定向灾难救援、哪些城镇需要新学校——通常在远比国家层面小得多的尺度上作出。本研究展示了如何利用卫星影像和现代机器学习，将粗糙的国家级指标转化为市镇和10公里网格级别的详细全球人类发展地图，从而揭示出被国家平均值掩盖的模式。

从国家平均到街区级洞见

迄今为止，官方的HDI数据仅发布至191个国家，少数研究努力将其下推到大型省或州级。这对许多现实应用来说仍过于粗糙，例如精确定位某一地区中最贫困的街区，或比较受同一省政府管辖却机会差异很大的相邻城镇。通过家庭调查在地方层面收集类似HDI的信息既缓慢又昂贵，这也是许多政策制定者转而使用更易测量的单一指标（如仅收入）的原因。作者们通过使用免费提供的地表卫星影像——包括白天显示建筑、道路和农田的图像以及夜间的灯光图像——来推断全球范围内的局部人类发展格局，从而弥补了这一空白。

教会算法“读”地貌

团队没有直接尝试对每个极小的土地方块预测HDI——这是不可能的，因为不存在如此细尺度的HDI测量数据——而是设计了一个巧妙的变通方法。首先他们把高分辨率卫星照片转换为数千个数值“特征”，这些特征总结了颜色和纹理的模式，例如某一地区看起来多么城市化、农业化或森林化，以及夜间亮度如何。接着，他们将这些特征按省级边界平均，以匹配可获得的省级次国家HDI估计值。一个简单的线性模型学习到这些特征的组合如何关联到省级HDI。由于这些特征也可以按任何其他形状进行平均，同一关系便可以应用到更小的区域——市镇和规则网格单元——而无需更改底层模型。

与真实数据核验准确性

为了检验这种下尺度HDI是否可信，作者们将基于卫星的估计与印度尼西亚、巴西和墨西哥市镇的普查推导HDI进行了比较——这些国家已有详细数据。根据不同国家，他们的方法捕捉到同一省内市镇间HDI差异的大约五分之一到超过一半。他们还使用其他与发展相关的度量（如国际财富指数和夜间灯光本身）进行了额外测试，证明仅用粗略的省级平均值训练的模型仍能以合理的准确度预测这些更细尺度的变量。这表明该方法在将更高层次的统计数据转换为局部估计时具有较广泛的可靠性。

超详细地图揭示的内容

利用该方法，研究者为2019年绘制了超过61,000个市镇和超过800,000个10公里网格单元的全球HDI地图，并公开发布。这些地图揭示了在官方统计中看似均匀的省内存在鲜明差异：高HDI的城市中心被更贫困的郊区包围、沿主要道路的开发带、以及河谷比附近的沙漠或山地状况更好。当团队将省级HDI排名与更细粒度的估计进行比较时，他们发现由于粗略平均将富裕和贫困社区混合，世界上超过一半的人口被放错了国家HDI的五分位。某些情况下，在省级被标为最不发达的地区，在市镇或网格尺度上实际上会落入前两个五分位，反之亦然。

对更公平、更智能政策的启示

对普通读者来说，结论是：你在一国内的居住地点，其重要性可能与你所处的国家一样大。通过揭示详细的人类发展格局，这些基于卫星的地图可以帮助政府和援助组织更精确地配置资源——支持那些最需要帮助的具体城镇和社区，而不是将资源投向混合了富裕与贫困区域的整片大区域。作者提醒说，这些估计不能替代实地调查，且仅在少数国家进行了直接验证。尽管如此，在数据稀缺的地方，这种方法可以作为一种强大且低成本的补充，把我们从太空对地球日益清晰的观测，转化为促进人类福祉的实用工具。

引用: Sherman, L., Proctor, J., Druckenmiller, H. et al. Global high-resolution estimates of the UN Human Development Index using satellite imagery and machine learning. Nat Commun 17, 1315 (2026). https://doi.org/10.1038/s41467-026-68805-6

关键词: 人类发展指数, 卫星影像, 机器学习, 贫困制图, 空间不平等