通过聚合多层次地理空间信息学习经济指标

高分辨率日间卫星影像已成为研究经济活动的一种有前景的数据源。这些图像在大面积上显示详细地形，并允许放大到更小的社区。然而，现有方法仅利用了单一层级地理单元中的图像。本研究提出一种深度学习模型，通过聚合从多个层级地理单元中观察到的特征来预测经济指标。该模型首先通过序数回归测量小型社区上的超本地经济。下一步通过总结超本地经济之间的相互关联来提取地区级特征。在最后一步中，模型通过聚合超本地与地区信息来估计地区的经济指标。我们提出的新的多层次学习模型在预测人口、购买力和能源消耗等关键指标上大幅优于强基线。该模型对数据短缺也具有鲁棒性；当使用从马来西亚、菲律宾、泰国和越南收集的数据进行评估时，从一个国家训练得到的特征可以泛化到其他国。我们讨论了多层次模型对测量不平等的意义，这是关于不平等与贫困的政策及社会科学研究的必要第一步。