Measuring Multidimensional Poverty in Conflict Zones: A Remote Sensing Method for the Tigray Conflict
Notice bibliographique
Résumé
This article examines the impracticality of household surveys in conflict settings. Instead, we utilise multiple satellite data sources to generate proxy indicators of welfare, an approach that reveals significant sources for creating meaningful proxy indicators. We applied a difference-in-difference method and a tailored poverty measurement for conflict contexts to analyse causality. This analysis highlights a severe economic decline during the Tigray conflict (2019-2021). Our findings indicate that by late 2021, 94.1% of Tigray's population was living in extreme multidimensional poverty, with an intensity of 91.3%, marking a sharp increase of 71.1% in the MPI (from 0.502 ± 0.035 to 0.858 ± 0.048). We roughly attributed 82.0% ± 5.2% of this welfare decline to conflict through econometric modelling. Infrastructural collapse (69.2% reduction in nighttime light) and agricultural system failure (44.2% decrease in Normalised Difference Vegetation Index [NDVI]) are considerably more severe than what was observed in Syria (+38.0%), Yemen (+43.2%), and South Sudan (+47.5%), based on remote sensing data. Health experienced the most significant decline (+91.6%), followed by living standards (+65.8%) and education (+54.5%), according to dimensional decomposition. Our Gaussian copula modelling method illustrates how different factors are interconnected, demonstrating the relationships between them. Cohen's modelling method shows how various factors are linked, and the reliability of the estimates is indicated by comparing them to real-world evaluations in 34-42% of woredas (Cohen's κ = 0.79), as well as by assessing uncertainty through 5,000 repeated tests. We identify three distinct impacts: health-focused, infrastructure-focused, and a combination of both, by analysing data at the woreda level, which allows for targeting solutions specific to each region. In addition to documenting Tigray's humanitarian crisis, this analytical approach offers a scalable method for welfare evaluation in conflict environments with limited data worldwide, thereby strengthening evidence-based plans for humanitarian response and development.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,002 | 0,003 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».