Non-profit · Machine learning

Het verband tussen landdegradatie en de prevalentie van conflicten

Datawetenschappelijk onderzoek met de humanitaire ngo World Vision, waarin satellietdata over vegetatie (NDVI) en historische conflictgegevens zijn geanalyseerd om te bestuderen hoe landdegradatie samenhangt met de prevalentie van conflicten.

74% nauwkeurigheid bij het voorspellen van conflicten 6 maanden vooruit
Illustratie van een kaart verdeeld in gebieden waarin vegetatie is gedetecteerd en gescoord
Klant
Ngo
Sector
Non-profit
Technologie
Machine learning
Ook toepasbaar in
Ngo's en non-profits
01

De uitdaging

Samen met de internationale humanitaire ngo World Vision onderzochten wij of landdegradatie en conflicten met elkaar samenhangen in landen in de IPC 4- en IPC 5-groepen.

De moeilijkheid lag in het halen van zinvolle inzichten uit uiteenlopende gegevensbronnen en het aantonen van een duidelijk verband tussen landdegradatie en conflictvariabelen. Het project vroeg ook om een voorspellend model dat op basis van de mate van landdegradatie of -herstel kon voorspellen of er in de volgende zes maanden conflicten zouden optreden.

02

Onze oplossing

De vegetatie werd beoordeeld met de Normalised Difference Vegetation Index (NDVI), die loopt van -1 tot +1. Hoge waarden wijzen op gezonde vegetatie, lage waarden op weinig vegetatie of niet-fotosynthetisch materiaal. Wij haalden de jaarlijkse mediane NDVI-waarden voor de IPC 4- en IPC 5-landen vanaf 1981 op en analyseerden die naast historische conflictgegevens, beschreven met vier variabelen: totaal aantal doden, totaal aantal conflicten, totaal aantal conflictdagen en ernst.

De analyse wees op een negatieve correlatie tussen NDVI en alle vier conflictvariabelen: als de NDVI daalde, wat wijst op landdegradatie, stegen de conflictvariabelen in de zes maanden daarna, en op hogere conflictwaarden volgde een lagere NDVI. Met feature engineering bouwden we vervolgens een classifier die op basis van landdegradatie en -herstel, gemeten met NDVI, voorspelt of er in de komende zes maanden conflicten optreden.

  • Jaarlijkse mediane NDVI voor IPC 4- en IPC 5-landen sinds 1981
  • Historische conflictgegevens geanalyseerd op totaal aantal doden, totaal aantal conflicten, totaal aantal conflictdagen en ernst
  • Correlatieanalyse tussen de staat van de vegetatie en conflictvariabelen
  • Classifier met feature engineering die conflicten zes maanden vooruit voorspelt, met een nauwkeurigheid van 74%
03

Het resultaat

74% nauwkeurigheid bij het voorspellen van conflicten 6 maanden vooruit

Het onderzoek toonde een duidelijk verband aan tussen landdegradatie en de prevalentie van conflicten in de onderzochte landen. Het voorspellende model geeft humanitaire en milieuorganisaties een extra basis voor vroegtijdig, preventief optreden.

World Vision heeft de resultaten op zijn website gepubliceerd, zodat andere organisaties de bevindingen kunnen gebruiken.

Start uw project

Laten we een vergelijkbaar project voor uw bedrijf bespreken

Deel een paar details en ons AI-team neemt het over. Dit zijn de volgende stappen:

  1. We bekijken uw aanvraag en antwoorden per e-mail.
  2. Een gesprek met een AI-expert over uw probleem, data en doelen.
  3. Een helder advies: de aanpak die wij voorstellen en een eerste inschatting.

Door te verzenden gaat u akkoord met ons privacybeleid. We gebruiken uw gegevens alleen om op uw aanvraag te reageren.

Bespreek uw project