Satellitdata avslöjar dold ojämlikhet

Satellitdata och AI kan nu mäta mänsklig utveckling i detalj – och visar att även världens rikaste länder rymmer större lokala skillnader än statistiken tidigare avslöjat.

Karta över Österrike med pixelerad representation
Ny, detaljerad satellitdata avslöjar skillnader bland världens rikaste länder som tidigare varit osynliga. Foto: Josefin Gahmberg
Testa EFN Finansmagasinet för 29 kr per månad i tre månader – veckomagasin med unika analyser, intervjuer och reportage.

Island, Schweiz och Norge toppar regelbundet FN:s index över mänsklig utveckling. Men en ny studie visar att nationella toppresultat kan dölja stora lokala skillnader – och nu gör satellitdata dem synliga.

Forskare har tagit fram världens mest högupplösta globala uppskattningar av HDI (human development index), nedbrutna till över 61 000 kommuner och mer än 800 000 rutnät på cirka tio gånger tio kilometer. Metoden bygger på maskininlärning som kopplar satellitbilder till levnadsstandard och gör det möjligt att analysera variation inom länder snarare än bara mellan dem.

Resultaten visar att nationella eller regionala genomsnitt ofta missvisar. Enligt analysen placeras en majoritet av världens befolkning i en annan utvecklingskategori när finmaskiga data används i stället för grova provinsmått. Hela 20 procent bedöms till och med ligga en nivå högre eller lägre än vad traditionell statistik antyder.

Forskarna illustrerar fenomenet med konkreta mönster: stadskärnor uppvisar ofta högre utvecklingsnivå än förorter, och kustregioner högre än inland. Detta är skillnader som försvinner i regionala medelvärden.

För länder som redan ligger i HDI-toppen kan tekniken därför ge nya insikter snarare än nya rankningsplaceringar. Den kan avslöja interna skillnader i välfärd, infrastruktur och livsvillkor som nationella index slätar över. Forskarna menar att sådana detaljerade kartor kan hjälpa beslutsfattare att rikta resurser mer träffsäkert, även i datarika och till synes homogena höginkomstländer.

Referenser

Sherman, L., Proctor, J., Druckenmiller, H., et al. (2026). Global high-resolution estimates of the UN Human Development Index using satellite imagery and machine learning. Nature Communications, 17, 1315. DOI: 10.1038/s41467-026-68805-6

Följ taggar

Hämta EFN:s app för iOS och Android - gratis: nyheter, analyser, börs, video, podd
Nästa Artikel