Геопространственная модель экономистов Йеля и Корнелла находит сталелитейные заводы, R² выше 0,8
Исследователи из Йеля и Корнелла обучили модели на данных Китая и применили их к Южной Корее и Ирану; авторы предлагают метод для отслеживания промышленности почти в реальном времени.
Антон Ян, Цзяньвэй Ай и Костас Арколакис из Йельского и Корнеллского университетов опубликовали в Nature Communications 3 ноября 2026 года методику обнаружения и измерения экономической активности по геопространственным данным. doi.org
Nature Communicationsdoi.orgОткрыть источник ↗ Авторы применили её к производству стали, которое они называют крупным источником промышленного загрязнения в мире.
doi.org
Nature Communicationsdoi.orgОткрыть источник ↗
Работа является модельным исследованием. В ней показано, насколько хорошо обученные модели воспроизводят расположение и выпуск заводов в тестовых выборках и в двух странах, данных которых не было в обучении.
Данные и модели
Авторы объединили данные о выпуске заводов с геопространственными данными: загрязняющими веществами в атмосферном воздухе, ночной освещённостью и температурой. doi.org
Nature Communicationsdoi.orgОткрыть источник ↗ На этой основе они обучили модели предсказывать, где расположены сталелитейные заводы и сколько они производят.
doi.org
Nature Communicationsdoi.orgОткрыть источник ↗ Обучающая выборка содержала данные китайских сталелитейных заводов.
Модели проверили на заводах, которых в обучающей выборке не было. По данным авторов, они находят около 88% таких заводов в радиусе 1 км и около 94% в радиусе 5 км. doi.org
Nature Communicationsdoi.orgОткрыть источник ↗
Проверка и перенос на другие страны
Для предсказания выпуска авторы сообщают о R² выше 0,8 на сетке 1 км и на уровне отдельных заводов. doi.org
Nature Communicationsdoi.orgОткрыть источник ↗ Такой же уровень R² получен в региональных проверках и в проверках по временным рядам.
doi.org
Nature Communicationsdoi.orgОткрыть источник ↗
Модель, обученную на китайских данных по стали, затем применили к Южной Корее и Ирану. Авторы сообщают, что она надёжно определила расположение сталелитейных заводов в обеих странах и измерила их суммарный годовой выпуск. doi.org
Nature Communicationsdoi.orgОткрыть источник ↗
Авторы утверждают, что подход можно адаптировать к другим отраслям и регионам. Они предполагают, что регуляторы и исследователи смогут использовать его для отслеживания и измерения промышленной активности почти в реальном времени. doi.org
Nature Communicationsdoi.orgОткрыть источник ↗ В статье приведены результаты только для стали; другие отрасли названы возможным направлением адаптации.
