国際的な研究者チームは、近い将来の世界的な食糧不足を予測するのに役立つ一連の機械学習モデルを構築し、政府や国際機関がどこで最も支援できるかを理解するのに役立ちます.
世界食糧計画、ロンドン大学数学科、中央ヨーロッパ大学ネットワーク・データサイエンス学科の科学者らは、「ユニークなグローバルデータセット」を利用して、不十分な食料の変動の最大81パーセントを説明できる機械学習モデルを構築した。消費。
この研究では、機械学習モデルは食料価格、マクロ経済指標（GDPを含む）、天候、紛争、栄養不足の蔓延、人口密度、過去の食料不安の傾向などの分野の間接的なデータソースから取得していると主張している。目的は、短期的な予測、つまり「ナウキャスト」を作成することです。
「我々は、提案されたモデルが食料安全保障の状況をほぼリアルタイムで把握できることを示し、予測傾向で観察される変化を引き起こしている変数を特定する方法を提案します。これは、予測を意思決定者にとって有用なものにするための鍵となります。」と研究では述べています。紙 今週のNature Foodに掲載されました 前記。
ML モデルの出力を使用して、短期的な食糧不安の予測を含む世界地図を作成しました。 ハンガーマップ.
2019年、栄養不良人口は650億135万人と推定され、55の国と地域の19億280万人が深刻な「食料不安」にあると報告されている。食糧不安とは、活動的で健康的な生活を送るために必要な十分な食糧を継続的に入手できないことと定義されます。新型コロナウイルス感染症（COVID-2020）の世界的なパンデミックを受けて、この数字は急増した。 XNUMX年には少なくともXNUMX億XNUMX万人が深刻な食糧不安に陥っていると報告されており、その数は前年のXNUMX倍以上となっている。
政府や世界食糧計画 (WFP)、食糧農業機関 (FAO)、世界銀行などの国際機関は、対面調査や携帯電話による遠隔調査で食料安全保障を測定しています。しかし、これらにはコストがかかるほか、精度に問題が生じる可能性があります。同紙は、「食糧不安は貧困よりもダイナミックで不安定な現象であり、農業生産カレンダーに関連する季節的要素があり、外部ショックが発生すると急速に変化する可能性があるため、より頻繁かつ迅速な評価が必要である」としている。
「これにより、世界規模での食料安全保障のほぼリアルタイムのナウキャスティングへの扉が開かれ、意思決定者が飢餓との戦いに向けた政策やプログラムについて、よりタイムリーで情報に基づいた決定を下せるようになります」と著者らは述べている。
研究者はまた、二次データを利用して、長期的な食料不安を予測しました。 農業生産、統計作物モデル、および気候モデリングを使用して、作物生産の変化に関する 2030 年までの予測が行われています。 一方、セネガルでは、匿名化され集約された携帯電話のデータを使用して、季節を超えた人々のより広範な動きを調べ、農業カレンダーや降水量の記録と組み合わせて、食料安全保障を特徴付けています。
携帯電話データは通常、各国の携帯電話事業者を通じて取得されるため、今回の調査では使用されませんでした。 「したがって、これは簡単に拡張できるタイプのデータではありません。そのため、このデータは私たちの世界的なアプローチに適したデータソースではありませんでした」と主著者である中央ヨーロッパ大学助教授のエリサ・オモデイ氏は語った。 登録.
著者らは、彼らのモデルが食料不安の人々の蔓延を予測した場合、世界食糧計画は対面または遠隔調査を通じて迅速な評価を開始し、状況をよりよく理解するために国内のアナリストを動員するだろうと示唆している.
「これらのモデルの開発は、限られた資源とアクセスの難しさのために現在存在するギャップを埋めるというWFPの特別なニーズによって動機付けられています。つまり、食料安全保障評価が一度しか実施されない、アクセスしにくい場所に定期的に情報を提供するということです。年に2回ですが、それでも人道活動を知らせるための絶え間ない情報の流れが必要です」と同紙は述べた。 ®
