evidoria

← Volver al listado

Buena práctica Importada

Detección de Ganado y Gers Asistida por IA — Proyecto Piloto de Censo Satelital de la Oficina Nacional de Estadística de Mongolia

Mongolia · Ulaanbaatar · Ver el perfil de Mongolia · Ver el perfil de Ulaanbaatar

Evidencia: Observacional / pre-post Top 75% 47/100 · Pregunte a Evidence Copilot sobre esta práctica

La Oficina de Estadística de Mongolia probó IA con imágenes satelitales y de drones en Arkhangai, identificando ganado con 81,6% y gers tradicionales con 98,1% de precisión, un paso hacia sustituir censos agrícolas manuales costosos.

81.63 %
Precisión de detección de ganado mayor (pilot, Arkhangai province)
98.11 %
Precisión de detección de viviendas ger (pilot, Arkhangai province)
Detección de Ganado y Gers Asistida por IA — Proyecto Piloto de Censo Satelital de la Oficina Nacional de Estadística de Mongolia

Detalles

Madurez
Piloto
Promotor
National Statistics Office of Mongolia (NSO), with PARIS21
Período
2022-2024 (pilot)
Palabras clave
statistics, agriculture, remote sensing, machine learning

Contexto

La Oficina Nacional de Estadística de Mongolia (NSO), ante un censo agrícola puerta a puerta costoso entre una población pastoril nómada o seminómada, se asoció con PARIS21 para pilotar la detección mediante aprendizaje automático de ganado y viviendas a partir de imágenes satelitales y de dron en la provincia de Arkhangai, usando el método Spectral Angle Mapper (SAM), validado con datos de referencia del censo agrícola de 2022.

Resultados

El piloto reportó una tasa de precisión del 81,63% en la identificación de ganado mayor (bovinos, caballos, camellos) y del 98,11% en la identificación de viviendas tradicionales ger a partir de imágenes de teledetección.

Conclusiones

A mediados de 2026 sigue siendo un piloto de una sola provincia y no una implementación nacional; la precisión del 81,6% en la detección de ganado implica una tasa de error significativa que requeriría mejoras antes de que el método pueda sustituir plenamente el conteo sobre el terreno, aunque la NSO ya trabaja con los Ministerios de Alimentación, Agricultura e Industria Ligera en un sistema de código abierto destinado a escalar a nivel nacional, y una investigación académica independiente ha aplicado por separado una técnica similar de detección de ger al mapeo de la pobreza en Ulán Bator.

Implementación
Coste indicativo
Bajo (< 50 000 €) — No cost figures published; the pilot reused ground-truth data already collected for the 2022 agriculture census, implying incremental rather than large new cost.
Tiempo hasta resultados
Corto (< 1 año) — Pilot conducted 2022-2024 in Arkhangai province; nationwide open-source scale-up is a stated future goal, not yet implemented.
Personal y competencias
National Statistics Office of Mongolia (NSO), with PARIS21, NSO staff note that training in image processing and AI remains necessary to manage the technology sustainably in-house

Condiciones para el éxito

  • Availability of ground-truth data from the 2022 agriculture census enabled model validation
  • Partnership with an international technical body (PARIS21) supported methodology
  • Coordination with the Ministries of Food, Agriculture and Light Industry is underway to build an open-source system for national scale-up

Modos de fallo comunes

  • Pilot covers a single province (Arkhangai); NSO itself describes nationwide rollout as a future goal
  • 81.6% livestock-detection accuracy implies a meaningful error rate not yet resolved
  • Reliance on costly high-resolution imagery and specialised drone operations remains a constraint NSO is trying to reduce

Dónde encaja

Tipo de gobernanza
national statistics agency with international donor partner
Escala
sub-national pilot (single province)
Nivel de ingresos
lower-middle income

Habitualmente financiado por

National / regional programmes

Vías de financiación indicativas para prácticas de este tipo: compruebe siempre las convocatorias vigentes y las reglas de elegibilidad de cada programa.

¿Usted implementa esta práctica? Reivindíquela — los implementadores verificados obtienen un contacto público en la página y pueden proponer correcciones.

Fuentes de datos

De dónde se obtuvo la información de esta práctica, y cuándo.

Adjuntos

Prácticas similares que pueden serle útiles