MIT-onderzoekers gebruiken satellietbeelden om ontwikkelingsprojecten te plannen

Anonim

MIT-onderzoekers gebruiken satellietbeelden om ontwikkelingsprojecten te plannen

Wetenschap

Chris Wood

26 maart 2015

3 afbeeldingen

Het team identificeerde gebouwen handmatig en gebruikte ze als voorbeelden om de software te trainen om autonoom te werken (Afbeelding: MIT)

Een team van MIT-wetenschappers heeft software ontwikkeld die in staat is om bestaande satellietbeelden te analyseren om afzonderlijke structuren te identificeren, waardoor het besluit om hulp in plattelandsgebieden in ontwikkelingslanden te verdelen aanzienlijk wordt versneld. Het systeem zal worden getest aan de hand van bestaande methoden voor een project in India.

Het identificeren van geschikte sites voor de inzet van hulpprogramma's, zoals het leveren van elektriciteitssystemen op zonne-energie, is een moeilijke en tijdrovende klus. Vanwege de slechte in kaart brengen van de grootte en de locatie van structuren, is het meestal nodig om mensen op de grond te zetten om lange veldstudies uit te voeren en geschikte locaties voor de projecten uit te kiezen.

Een team van afgestudeerde studenten van MIT heeft een nieuw systeem ontwikkeld om het probleem aan te pakken, door software te maken waarmee grote delen van het selectieproces kunnen worden geautomatiseerd. Om het systeem te testen, concentreerde het team zich op twee projecten, waarvan de eerste gericht was op het selecteren van de armste dorpen in Afrika ten zuiden van de Sahara, waarbij inwoners onbeperkte geldsubsidies kregen voor het kopen van vee, uitrusting of wat dan ook. Om de dorpen te selecteren die het meest behoefte hebben aan steun, heeft het subsidie ​​verlenende bureau een systeem van telling van het percentage huizen met rieten daken aangenomen in vergelijking met die met duurdere metalen daken.

Een tweede project gericht op het selecteren van landelijke dorpen in India geschikt voor de installatie van op zonne-energie microgrids. Zodra dorpen op de shortlist stonden, was het nodig om de beste plaatsing van panelen, batterijopslagsystemen en stroomdistributienetwerken te bepalen.

Beide projecten vereisen meestal verkennend veldwerk voordat geschikte locaties kunnen worden geïdentificeerd. Met de nieuwe software kunnen potentiële sites echter automatisch worden geselecteerd, waardoor de planningstijd aanzienlijk korter wordt.

Om de software in staat te stellen structuren te identificeren, was de eerste stap om mensen satellietbeelden te laten bestuderen en handmatig gebouwen uit te zoeken. Deze dienden als voorbeelden die de software kon gebruiken om algemene criteria voor autonoom identificerende structuren te creëren.

Door een groter aantal voorbeelden aan de software toe te voegen, kunnen individuele gebouwen nauwkeuriger worden geïdentificeerd en moeilijkheden worden overwonnen, zoals huizen met een kleur die lijkt op de grond om hen heen, of structuren die zich dicht bij elkaar bevinden en één gebouw lijken te zijn in plaats van twee.

Voor het Afrikaanse project gebruikte het team dezelfde methode om rieten daken en metalen daken te detecteren, waarvan de latere meer reflecterend was. Met het Indiase project, nadat de posities van de huizen waren bepaald, liep de software duizenden verschillende configuraties voor de plaatsing van de microgrids, waardoor het team de opstellingen kon kiezen die de beste combinatie van dekkingsgebied en vereiste apparatuur opleverden.

In de toekomst zullen vier dorpen worden geselecteerd in India, waarbij twee microgrids zijn geïnstalleerd met behulp van de software-aanbeveling en twee met bestaande methoden. De kosten en prestaties van de twee benaderingen worden vervolgens gecontroleerd om te bepalen hoe gunstig het nieuwe systeem kan zijn.

Het team is van mening dat de software een reeks potentiële toepassingen heeft die verder gaan dan het aanvankelijke gebruik. Het zou bijvoorbeeld op grotere schaal kunnen worden gebruikt om de beweging van de bevolking in India in kaart te brengen door de positie van huizen in de tijd te volgen.

"We hopen dat openbare instanties uiteindelijk de wijsheid zullen zien van het in kaart brengen van 100 miljoen huishoudens op het platteland in ontwikkelingslanden, " zei Stewart Craine, voorzitter van de kaartgroep van de VN-stichting. "Voorlopige toewijzing kan het verspillen van dure veldtoewijzingstoewijzingen voor huishoudens verminderen. "

Bron: MIT

Het team identificeerde gebouwen handmatig en gebruikte ze als voorbeelden om de software te trainen om autonoom te werken (Afbeelding: MIT)

De software kan de voorbeelden gebruiken om te bepalen waar gebouwen zich bevonden, gebruikmakend van verschillende kleuren om afzonderlijke structuren te identificeren (Afbeelding: MIT)

Het team gebruikte de software voor een project in India, waarbij werd bepaald waar zonnepanelen en andere elektrische apparatuur moesten worden geplaatst (Afbeelding: MIT)