.png){kind=icon}
返回
Spatial heterogeneity in machine learning-based poverty mapping: Where do models underperform?
.png){kind=icon}
OA
AI
DOI：10.1016/j.geosus.2026.100413.png)
.png){kind=icon}
.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
• 基于机器学习的贫困地图绘制因空间异质性表现不佳。
• 在插值中，地理加权模型揭示了区域间的变化。
• 在外推中，模型高估了贫困、农村、单一产业区域的福利水平。
• 空间模型在表现不佳的区域中取得的改进有限。
• 无偏的贫困地图需要改进的训练数据和遥感代理变量。
Keyword:
Poverty mapping
Machine learning
Spatial models
East Africa
AI总结
对已上传原文的论文进行重点信息的提取，主要内容包括：简要概述、研究摘要、背景介绍、关键亮点、图文解析、展望与总结。
期刊
IF:
8
论文数:
473
被引数:
1.5K
机构
引用论文
The climate hazards infrared precipitation with stations—a new environmental record for monitoring extremes带有站点的气候危害红外降水-监测极端情况的新环境记录OAAI
OAAI分享收藏Geographically weighted regression with a non- Euclidean distance metric: a case study using hedonic house price data非欧几里德距离度量的地理加权回归: 使用特征房价数据的案例研究OAAI
OAAI分享收藏
分享收藏A global map of travel time to cities to assess inequalities in accessibility in 2015到城市旅行时间的全球地图，以评估无障碍2015年中的不平等.png)
Nature
NatureIF0
PREAI
分享收藏
查看更多内容