谷歌提出了一种新的人口动态基础模型（PDFM），通过机器学习整合全球地理空间数据，显著提升了健康、社会经济和环境任务的预测能力。研究表明，PDFM在27项任务中表现优异，尤其在失业率和贫困率预测上超越传统方法，展现了广泛的应用潜力。

本文探讨了结合家庭调查与卫星图像特征来预测地区贫困率的方法。研究表明，视觉特征的加入显著降低了贫困率估计的误差，并强调在使用卫星贫困地图进行政策决策前需进行误差分析。