基于半监督学习的网格化强制位移
机器学习
2025-06-11 v1 计算机视觉与模式识别
计算机与社会
摘要
我们提出了一种半监督方法，将难民统计数据从行政边界 disaggregate 到 25 个撒哈拉亚子南非洲国家的 0.5 度网格单元。通过整合 UNHCR 的 ProGres 注册数据与来自 Google Open Buildings 的卫星派生建筑轮廓图以及来自 OpenStreetMap Populated Places 的位置坐标，我们的标签扩散算法在高细节程度上创建了显式的难民统计。该方法在将超过 1000 万名难民观察值置于适当网格单元方面实现了 92.9% 的平均准确度，使我们能够识别之前在更宽泛的区域和国家统计中被掩盖的局部迁移模式。结果的高分辨率数据集为深入理解迁移驱动因素提供了基础。
引用
@article{arxiv.2506.08019,
title = {Gridding Forced Displacement using Semi-Supervised Learning},
author = {Andrew Wells and Geraldine Henningsen and Brice Bolane Tchinde Kengne},
journal= {arXiv preprint arXiv:2506.08019},
year = {2025}
}