SAS EMEA Hackathon 2020 – Een diepere duik in onze case

Zoals vermeld in ons nieuwsbericht, gaan we een model maken om informatie uit satellietbeelden te halen om het aantal vluchtelingen in vluchtelingenkampen in Nigeria te helpen schatten. In deze post gaan we wat dieper in op dit doel. We beantwoorden de vragen “Hoe willen we dit model laten werken?” en “Hoe gaat dit helpen bij het inschatten van het aantal vluchtelingen?”

Figuur 1: Een vluchtelingenkamp in Nigeria, 10 juni 2015 (Bron: Google Earth, Maxar Technologies)

Hoe willen we dit model laten werken?
In figuur 1 is een voorbeeld van satellietbeelden te vinden. Op deze afbeelding zijn tenten duidelijk te onderscheiden. We denken dat het mogelijk is om het aantal mensen in een vluchtelingenkamp te extraheren door te kijken naar de gebouwen in zo'n kamp. Op basis van de gebouwen kunnen verschillende functies worden geëxtraheerd, e.g. het aantal tenten of de totale oppervlakte die de tenten beslaan.

Figuur 2: Een vluchtelingenkamp in Nigeria, 2 januari 2016 (Bron: Google Earth, Maxar Technologies)

Bjorgo (2000) heeft aangetoond dat informatie van satellietbeelden kan worden gebruikt bij het schatten van populaties in vluchtelingenkampen, dit voor 5 vluchtelingenkampen. Het is echter omslachtig om het aantal tenten of het overdekte gebied met de hand te tellen, vooral als je van 5 naar 50 kampen gaat en ook als je rekening houdt met temporele variatie (zie figuur 2). We willen dit proces op zo'n manier automatiseren dat het gemakkelijk kan worden gebruikt tijdens dagelijkse operaties, zoals besluitvorming in de distributie van voorraden. We zullen dit objectdetectiemodel trainen door gebruik te maken van onderzoeksgegevens die zijn verzameld in deze vluchtelingenkampen.

Hoe gaat dit helpen bij het inschatten van het aantal vluchtelingen?
Als je naar figuur 1 kijkt, kun je de juistheid van de relatie tussen de tenten en het aantal vluchtelingen in twijfel trekken. Er kunnen vooraf tenten worden geplaatst om te anticiperen op een toename van het aantal vluchtelingen, of tenten kunnen leeg staan ​​vanwege een afname van het aantal vluchtelingen in een kamp. Ook zou een tekort aan tenten kunnen leiden tot vluchtelingen zonder onderdak, wat leidt tot een onderschatting van de bevolking bij het tellen van tenten. Maar als we deze zaken met ELVA bespreken, kunnen we al snel concluderen dat tenten bijna nooit leeg zijn. Het meeste werk in deze kampen is responsief omdat er vaak een tekort is aan voorraden en arbeidskrachten. Ook is het grootste deel van de bevolking in een kamp verbonden met familie met telefoons, dus zelfs als tenten leeg zouden zijn, zou deze boodschap zich vrij snel verspreiden, waardoor er meer vluchtelingen naar de betreffende kamp(en) zouden reizen.

Een tekort aan tenten is realistischer en in de onderzoeken komen we ook mensen zonder onderdak tegen. Maar ook voor deze gevallen is het om twee redenen nog steeds nuttig om het aantal mensen binnen het kamp te schatten op basis van het aantal tenten. Ten eerste zou ons model in ieder geval een ondergrens van het aantal vluchtelingen in een kamp kunnen geven, wat beter is dan de huidige situatie. Ten tweede zal onze tool niet (direct) de meting vervangen, dus we kunnen de waarnemingen van de enquêtes een maand na onze directe schatting controleren. Het vinden van systematische onderschatting van het aantal vluchtelingen in een kamp zou kunnen wijzen op een tekort aan tenten in deze kampen. Dit kan leiden tot meer kwantitatief gebaseerde besluitvorming in de distributie van het aanbod.

Referenties

Bjorgo, E. (2000). Using very high spatial resolution multispectral satellite sensor imagery to monitor refugee camps. International Journal of Remote Sensing, 21(3), 611-616.