(English below)
Là một Kỹ thuật viên GIS tập trung vào các môi trường mong manh và phức tạp như các khu vực bị chiến tranh tàn phá, tôi liên tục được nhắc nhở về cách các công cụ và dữ liệu địa không gian đóng một phần không thể thiếu trong việc đạt được một tương lai bền vững hơn trên toàn cầu. Đặc biệt, cam kết trong Chương trình Nghị sự 2030 của Nhóm Phát triển Bền vững của Liên hợp quốc về “Không để lại ai phía sau” thường nằm trong tâm trí tôi khi nghĩ về địa không gian  vì mục đích tốt đẹp.

Lời hứa “Không Để Một Ai Phía Sau” bao gồm các bước: “xác định ai đang bị bỏ lại và tại sao; xác định các biện pháp hữu hiệu để giải quyết các nguyên nhân gốc rễ; giám sát và đo lường tiến độ ”(Liên hợp quốc). Đây là một khái niệm tuyệt vời, và nếu đạt được sẽ thay đổi cuộc sống của những cá nhân dễ bị tổn thương. Nhưng làm thế nào để đạt được điều này khi bạn không thực sự biết mọi người đang ở đâu?

Công việc của tôi tập trung vào một số môi trường thách thức nhất và mặc dù dữ liệu có kết luận chính xác nhất đến từ các tổ chức liên chính phủ, nhưng luôn có những vấn đề về độ chính xác, mà theo nhận thức sâu sắc, làm dấy lên nghi ngờ về việc liệu dữ liệu có thừa nhận mọi người đang ở đâu với mức độ tin cậy hợp lý hay không .

Tôi liên tục xử lý các tập dữ liệu không nhất thiết phải phù hợp với mục đích - cho dù dữ liệu đã lỗi thời, thiếu thuộc tính hay chỉ đơn giản là khó hiểu. Tuy nhiên, nhờ dữ liệu nguồn mở hiện nay trở nên sẵn có hơn, các bộ dữ liệu cơ bản đang được cải thiện. Bộ dữ liệu nguồn mở là cơ bản cho các môi trường thiếu dữ liệu hoặc nếu có các hạn chế về thời gian và / hoặc ngân sách. Họ cho phép bất kỳ ai từ bất cứ nơi nào đóng góp dữ liệu và cải thiện nó ở một mức độ nào đó với kiến ​​thức của họ.

Lấy ví dụ như Afghanistan, với dân số khoảng 38.041.757 người (vào năm 2019) (theo Ngân hàng Thế giới), đất nước này không may gặp nhiều xui xẻo hơn nhiều. Kể từ năm 2018, nó đã phải hứng chịu một số thảm họa môi trường bao gồm hạn hán, lũ lụt và nhiệt độ đóng băng (Web cứu trợ). Xung đột lan rộng, COVID-19, và bây giờ là tình hình chính trị không xác định, đã làm trầm trọng thêm tình trạng khó khăn của họ, và nó sẽ chỉ trở nên tồi tệ hơn.

Chỉ một trong những kịch bản đó thôi cũng có thể gây ra một phản ứng cứu trợ nhân đạo hoành tráng, chưa kể đến nhiều sự kiện xảy ra cùng lúc, dẫn đến những người phải di tản trong nội bộ (IDP, những người buộc phải rời bỏ nhà cửa trong đất nước của họ) và mất an ninh lương thực nghiêm trọng. nhưng một vài kết quả.

Liên hợp quốc đã xếp Afghanistan là "Điểm nóng đói", nơi ít nhất 12 triệu dân số đang phải đối mặt với tình trạng mất an ninh lương thực (Reuters). Đây chỉ là một trong nhiều thách thức mà người dân Afghanistan đang phải đối mặt, và với một đợt hạn hán khác đang diễn ra ngay bây giờ, thì thời gian là điều cốt yếu. Với ví dụ về tình trạng mất an ninh lương thực, điều quan trọng là viện trợ phải đến được với những người cần. Nhưng với nhiều sự kiện xảy ra đồng thời, chúng ta phải làm thế nào để biết ai bị ảnh hưởng, và làm thế nào một hoạt động cứu trợ phức tạp sẽ có thể đáp ứng để giúp những người cần nó nhất?

Vào năm 2019, công ty tôi đang làm việc, Alcis, đã quyết tâm giúp tìm ra giải pháp cho vấn đề cơ bản là không biết vị trí thực sự của người dân ở Afghanistan. Sử dụng hình ảnh vệ tinh có độ phân giải cao và xây dựng dựa trên công việc mà công ty đã thực hiện vào năm 2014, Alcis bắt đầu số hóa mọi khu phức hợp trong nước ở Afghanistan 'từ không gian'. Các tập dữ liệu được tạo theo cách thủ công với sự quyết tâm đáng kinh ngạc, và chúng đã được chứng minh là vô giá vì không có tập dữ liệu dân số nào khác toàn diện như chúng.

Một bộ dữ liệu duy nhất này có thể được kết hợp với dữ liệu khác và được sử dụng trong nhiều công cụ phân tích địa không gian, tạo ra nhiều bộ dữ liệu và các lớp phân tích sâu hơn. Như đã nói bởi Muthukumar Kumar “Dữ liệu vị trí giống như tất cả dữ liệu có thể được sử dụng cho nhiều mục đích”, bây giờ tôi sẽ khám phá với một vài ví dụ.

Một trong những ứng dụng thiết thực nhất của tập dữ liệu này là tạo ra một lớp mật độ dân số. Các lớp mật độ dân số có thể được tạo ra ở các độ phân giải khác nhau và có thể cung cấp một cái nhìn tổng quan chung về việc xác định những nơi đông dân nhất hoặc không có dân cư nhất trong một khu vực. Lớp này cũng có lợi để xác định tác động của sự kiện lũ lụt, chẳng hạn như ước tính những người mất nhà và phải di dời hoặc dự đoán những người có thể gặp rủi ro từ các sự kiện trong tương lai và giảm thiểu tác động từ mối nguy này.

Hình 1: Sử dụng bộ dữ liệu tổng hợp của Alcis để đánh giá vị trí của sự thay đổi dân số và mức độ dễ bị tổn thương của họ đối với lũ lụt ở tỉnh Parwan, Afghanistan.

Một ví dụ khác về cách chúng tôi sử dụng dữ liệu tổng hợp là làm việc với Hội đồng Người tị nạn Na Uy để ứng phó với hạn hán năm 2018 ở Tây Bắc Afghanistan. Mục đích là để đánh giá tác động của con người đối với sự suy giảm thảm thực vật mà hạn hán đã gây ra, dẫn đến 371.000 cá thể phải di dời, bổ sung vào khoảng 2,6 triệu IDP đã có ở Afghanistan (Trung tâm Giám sát Dịch chuyển Nội bộ (IDMC)).

----

USING GEOSPATIAL ANALYSIS TO IDENTIFY WHERE PEOPLE ARE AND UNDERSTAND WHO IS BEING 'LEFT BEHIND' - P1
As a GIS Technician focussing on fragile and complex environments such as war-torn regions, I am constantly reminded how Geospatial tools and data play an integral part in achieving a more globally sustainable future. In particular, the UN Sustainable Development Group 2030 Agenda commitment to “Leave No One Behind” is usually in the back of my mind when thinking about geospatial for good.

The “Leave No One Behind” promise includes the steps: “identifying who is being left behind and why; identifying effective measures to address root causes; monitoring and measuring progress” (United Nations). This is a great concept, and if achieved will transform the lives of vulnerable individuals. But how is this going to be achieved when you don’t really know where the people are?

My work focuses on some of the most challenging environments, and despite the most conclusive data coming from intergovernmental organisations, there are invariably issues with accuracy, which in hindsight, raises doubts as to whether the data acknowledges where the people are with a reasonable confidence level.

I am constantly dealing with datasets that are not necessarily fit for purpose – whether the data is outdated, missing attributes, or just simply difficult to understand. However, thanks to open-sourced data now becoming more readily available, basic datasets are improving. Open-sourced datasets are fundamental for environments where there is a lack of data, or if there are time and/or budget restrictions. They allow anyone from anywhere to contribute data and to an extent improve it with their knowledge.

Take Afghanistan for example, with a population of approximately 38,041,757 (in 2019) (according to the World Bank), the country has unfortunately had more than its fair share of bad luck. Since 2018, it has been hit by several environmental disasters including droughts, floods, and freezing temperatures (Relief Web). The widespread conflict, COVID-19, and now the unknown political situation, has exacerbated their hardship, and it is only going to get worse.

Just one of those scenarios would have triggered a monumental humanitarian relief response, let alone multiple events occurring at the same time, resulting in internally displaced people (IDPs, those forced to flee their homes within their own country) and severe food insecurity, to name but a few outcomes.

The United Nations has classified Afghanistan as a “Hunger Hotspot”, where at least 12 million of the population are facing food insecurity (Reuters). This is just one of the many challenges being faced by the Afghan people, and with another drought happening right now, time is of the essence. With the food insecurity example, it is critical aid reaches those in need. But with these multiple events happening simultaneously, how are we meant to know who is affected, and then how will a complex relief operation be able to respond to help those who need it most?

In 2019, the company I work for, Alcis, were determined to help find a solution to this fundamental problem of not knowing the true location of the population in Afghanistan. Using high-resolution satellite imagery and building on work the company carried out in 2014, Alcis set out to digitise every domestic compound in Afghanistan ‘from space’. The datasets were manually created with incredible determination, and they have proved to be invaluable as there is no other population dataset as comprehensive as them.

This one single dataset can be combined with other data and used in multiple geospatial analysis tools, devising numerous datasets and further analysis layers. As stated by Muthukumar Kumar “Location data like all data can be used for more than one purpose”, which I will now explore with a few examples.

One of the most practical uses of this dataset is creating a population density layer. Population density layers can be produced at different resolutions and can provide a generic overview of identifying where the most populated or unpopulated places are in an area. This layer is also beneficial to determine flood event impacts, such as estimating those who have lost their homes and become displaced or predicting those who could be at risk from future events and mitigating impacts from this hazard.
Figure 1: Using Alcis’ compound datasets to assess the location of the population change and their vulnerability to flooding in Parwan Province, Afghanistan.
Another example of how we used the compound data was working with the Norwegian Refugee Council in response to the 2018 drought in Northwest Afghanistan. The aim was to assess the human impact of the vegetation deterioration the drought had caused, which resulted in 371,000 individuals being displaced, adding to the approximate 2.6 million IDPs already in Afghanistan (Internal Displacement Monitoring Centre (IDMC)).

Geolink tổng hợp từ Geoawesomeness