GRID3 — O Mapeamento Populacional com IA da Serra Leoa para o Microplaneamento de Campanhas de Vacinação
Serra Leoa
A Statistics Sierra Leone e a parceria GRID3 usam deteção de contornos de edifícios por aprendizagem automática em imagens de …
Zâmbia · Lusaka · Ver o perfil de Zâmbia · Ver o perfil de Lusaka
Top 75% 47/100 · Pergunte a Evidence Copilot sobre esta prática
A britânica Ordnance Survey usou machine learning para classificar automaticamente telhados, estradas e superfícies a partir de imagens aéreas, reconstruindo o mapa-base de Lusaka — desatualizado desde os anos 1980 — para apoiar o Programa Nacional de Titulação de Terras da Zâmbia em assentamentos informais.
O Programa Nacional de Titulação de Terras da Zâmbia emitiu apenas cerca de 142.000 parcelas tituladas num país de 752.614 km², deixando cerca de 80% do território sem título — uma lacuna mais acentuada em Lusaka, onde cerca de 70% dos residentes vivem em assentamentos informais sem um mapa-base fiável e atualizado (o mapa oficial da cidade datava dos anos 1980). Em 2021, a agência técnica britânica Ordnance Survey (OS), financiada pela UK Aid, associou-se ao Ministério das Terras e Recursos Naturais da Zâmbia, ao Ministério do Governo Local, ao Departamento de Levantamento da Zâmbia, ao International Growth Centre (IGC) e à Commonwealth Association of Architects para construir um novo mapa-base digital de uma área de 420 km² que cobre Lusaka.
A OS treinou um sistema de machine learning de classificação de imagens para identificar e vetorizar elementos a partir de imagens aéreas — estruturas com telhado, superfície natural, superfície selada, estradas, relva, árvores e água — produzindo um mapa que a OS diz ter sido gerado 'num décimo do tempo que as técnicas manuais tradicionais anteriores teriam exigido'. Não existe, nas fontes analisadas, uma cifra de precisão independente para a própria classificação; o ganho alegado é uma comparação do tempo de produção afirmada pela agência implementadora, e não uma avaliação de terceiros.
O Ministério das Terras e Recursos Naturais da Zâmbia usou o mapa-base resultante para construir mapas temáticos para auditorias nacionais de terras, identificar tipos de uso do solo dentro de assentamentos informais para o programa de titulação, e informar a política de habitação urbana, o planeamento de adaptação climática e o planeamento de infraestruturas de serviços públicos, segundo a Ordnance Survey e o International Growth Centre, uma instituição de investigação associada a Oxford e à LSE que copublicou um relato do projeto. A OS e o IGC descrevem a técnica subjacente como replicável noutras cidades africanas que enfrentam lacunas semelhantes no mapeamento de assentamentos informais, embora nenhum outro país tenha até agora sido documentado a implementá-la na mesma escala.
Os detalhes de implementação (custo, prazo, equipa, condições de sucesso) ainda não estão disponíveis para esta prática.
Implementa esta prática? Reivindique-a — implementadores verificados obtêm um contacto público na página e podem propor correções.
De onde foi obtida a informação desta prática, e quando.
Serra Leoa
A Statistics Sierra Leone e a parceria GRID3 usam deteção de contornos de edifícios por aprendizagem automática em imagens de …
Austrália
A Geoscience Australia está a lançar um assistente de IA em linguagem natural no Digital Atlas (2024), com mais de …
Tuvalu
O Departamento de Terras e Cadastro de Tuvalu criou um gémeo digital de Funafuti assistido por aprendizagem automática, no âmbito …
Somália
A plataforma HungerMap Live do PAM, assistida por IA e construída com a Google.org, cobre mais de 50 países e …
Abrir o copiloto completo Baseado em práticas citadas — verifique sempre as fontes.