Remote sensing – Satellittbaserte tjenester

Jordobservasjonsdata fra satellitter blir mer og mer relevant som informasjonskilde for beslutningstakere, fordi sensorteknologien forbedres, algoritmer/maskinlæring videreutvikles, og ikke minst fordi data er langt mer tilgjengelig enn før. Inkludert bl.a. sentinel-data fra det europeiske Copernicus-programmet.

NIRAS har bygd opp stor kompetanse og erfaring med å levere løsninger fra både frie og høyoppløselige kommersielle satellitter. Det kan være enkle løsninger med registrering i bilder, eller mer komplekse løsninger som inkluderer bildeanalyse, maskinlæring og inkludering av mange andre datakilder.

Eksempler på bruksområder:

• Topografisk kartlegging (f.eks. i utviklingsland og Arktis)
• Skogovervåking
• Kartlegging av oversvømmelser
• Identifisering av bygningsendringer
• Klassifikasjon av invasive plantearter
• Fremme av finansiell inkludering

Eksempel: Satellittdata støtter finansiell inkludering i utviklingsland

I NIRAS legger vi stor vekt på de globale målene for bærekraftig utvikling, og bruk av satellittdata kan på mange måter bidra til å overvåke og fremme utviklingen.

Det mest åpenbare området er klimaet. Det å fremme finansiell inkludering er imidlertid også et viktig aspekt når det gjelder å nå flere av bærekraftsmålene.

Finansiell inkludering beskrives som målet om å sikre like rettigheter og tilgang til finansielle tjenester. For å nå målene er det nødvendig å sikre at tjenestene også når landdistrikter og fattige områder.

Tidligere forskning har vist at det ikke bare er den fysiske avstanden til tjenester som indikerer om tjenestene blir brukt, men også en sosial avstand.

I samarbeid med Oxford Policy Management og Mastercard Fonden har NIRAS gjennomført et prosjekt og utviklet et beslutningsstøtteverktøy rettet mot utviklingsland hvor det er veldig lite grunndata tilgjengelig.

Ved å analysere radar- og spektrale satellittbilder og kombinere dette med åpne data om f.eks. veier, bygninger og helseklinikker, er det mulig å lage estimater om inntekt, bebyggelsestyper, befolkningstetthet og lignende – data som er viktige i beslutningsprosessen om finansiell inkludering i utviklingsland.

Rent konkret vil det være et verktøy lokale banker kan bruke til f.eks. å peke ut områder med høy befolkningstetthet men lav grad av service, f.eks. med et ønske om at det skal være maks ½ times gange til en filial eller pengeagent.