Algoritmos informáticos permitiram extrair dados de imagens de
satélite para, dessa forma, calcular o rendimento das famílias em
bairros de lata. Novo método poderá ajudar a combater a pobreza.
Nos bairros de lata concentra-se a população com menos recursos Thomas Mukoya/Reuters
As paisagens nas fotografias tiradas por drones que o antropólogo Johnny Miller divulgou há uns meses
da África do Sul são desconcertantes. Observam-se subúrbios na Cidade
do Cabo, onde impera um contraste absoluto entre bairros ricos e
florestados de um lado e bairros de lata do outro. Esta geografia mostra
como os tentáculos do “apartheid” – política da elite branca
sul-africana que, durante décadas, deu mais direitos aos brancos do que
aos negros e separou a sociedade em duas, fomentando o racismo –
deixaram uma marca profunda no urbanismo, com consequências na vida de
milhares de pessoas que, até hoje, vivem na pobreza.
Johnny
Miller desmontou há uns dias o poder destas imagens ao “site” da cadeia
televisiva australiana ABC: “Acho que a natureza de uma imagem captada
de um local alto no céu retira a antipatia visceral que existe sobre o
outro. É quase como se tudo se tornasse um problema matemático que
necessita ser resolvido, um problema da esfera do design.”
Agora,
é do espaço que nasceu uma outra ferramenta para ajudar a combater a
pobreza olhando também para os bairros de lata. Uma equipa de
investigadores dos Estados Unidos desenvolveu e testou um programa
informático para fazer estimativas de pobreza a partir de imagens de
satélites. Os resultados sobre a eficácia deste programa foram
publicados esta sexta-feira num artigo na revista científica Science. Com este desenvolvimento, a equipa espera ajudar a combater a pobreza de uma forma mais eficaz.
Há
700 milhões de pessoas em todo o mundo que vivem abaixo do limiar de
pobreza, de acordo com o Banco Mundial. Isto significa que vivem com
menos de 1,9 dólares por dia (valor actualizado em Outubro de 2015).
Fazendo contas e passando para euros, aquele valor equivale a menos de
51 euros por mês.
Para se combater esta situação é preciso
conhecer a distribuição desta pobreza no território. Mas esta
necessidade revela uma falha de base. “Um grande obstáculo no desafio de
reduzir a pobreza é a falta de informação de qualidade sobre a
distribuição da pobreza”, explica ao PÚBLICO Neal Jean, um dos
investigadores da equipa que publicou o artigo na Science e que
é da Universidade de Stanford, na Califórnia (Estados Unidos). “A
aplicação dos métodos tradicionais de recenseamento dos agregados
familiares é extremamente baixa, tanto a nível espacial como temporal.
Por isso, muitas vezes nem sequer se sabe onde vivem as pessoas mais
pobres, o que impede o desenvolvimento de intervenções [anti-pobreza]
que tenham como alvo aqueles que mais beneficiariam delas.”
Em
África, este problema é generalizado. “De acordo com o Banco Mundial,
houve 39 países africanos entre 59 que, entre 2000 e 2010, fizeram menos
de dois recenseamentos que permitissem medir a pobreza de forma
representativa a nível nacional”, lê-se no artigo. Além de bastante
caros, estes levantamentos são “difíceis a nível institucional, já que
alguns governos vêem poucos benefícios no facto de o seu desempenho
fraco ser documentado”.
Se quiserem combater a pobreza, os países
africanos precisam urgentemente deste tipo de conhecimento sobre as
suas populações. Nos últimos tempos, recorreu-se ao uso de telemóveis e
de redes sociais para obter esta informação, mas os dados móveis
pertencem a empresas privadas e pode ser difícil obtê-los. Por outro
lado, já se tentou usar imagens de satélite nocturnas, onde se vêem as
luzes associadas à urbanização. Mas os mais pobres muitas vezes vivem em
locais sem iluminação pública.
Imagem nocturna de satélite mostra África, em 2012, quase sem luz, ao contrário da Europa NASA
Para tentar contornar este problema, Neal Jean e os colegas usaram
imagens de satélite com luz do dia e luz nocturna de cinco países
africanos – Malawi, Nigéria, Ruanda, Tanzânia e Uganda. Com estas
imagens, disponíveis em base de dados públicas, foi possível identificar
as zonas mais pobres. Para isso, comparam imagens de dia onde se vêem
zonas urbanizadas com imagens do mesmo local, mas à noite, onde não se
vê luz naquelas zonas urbanizadas. Além disso, os algoritmos usados pelo
programa identificaram nas imagens estradas, zonas urbanas, regiões
agrícolas e cursos de água.
Com esta informação, a máquina
algorítmica fez estimativas sobre riqueza tendo também em conta o nível
económico de cada país. Finalmente, para testar a qualidade destas
estimativas, a equipa comparou os resultados obtidos pela máquina
algorítmica com as análises de riqueza e pobreza feitas mesmo no terreno
nalgumas zonas daqueles países. Deste modo, os investigadores
confirmaram que o seu modelo conseguiu fazer previsões melhores sobre o
nível de riqueza e pobreza visto nas imagens do que outros modelos que
usaram outros dados.
“O modelo estima as despesas médias do
agregado familiar ou o seu rendimento médio para a área vista na
imagem”, refere Neal Jean. “Todo o nosso programa vai ser de acesso
livre online. As técnicas que desenvolvemos são genéricas e
poderão ser usadas em diferentes regiões do globo para prever outros
resultados além dos da pobreza, como indicadores de saúde, por exemplo a
mortalidade infantil. Esperamos que seja usado por organizações
não-governamentais, governos e outras organizações que estão a trabalhar
para melhorar a vida das pessoas em todo o mundo.”
copiado http://publico.uol.com.br/ciencia/n
Nenhum comentário:
Postar um comentário