利用遥感和随机森林对加纳劳动力市场数据进行网格化

本研究使用随机森林算法和遥感技术，将加纳2021年人口普查的区级劳动力市场数据降尺度至0.005度的网格数据。研究涵盖了17个就业类别，包括年龄、性别、技能、就业状态、部门、失业和NEET。研究使用了64个辅助数据，如土地覆盖、夜间灯光、基础设施和兴趣点，以捕捉人口、经济和参与因素。

模型实现了高精度（大多数类别的R2>90%），并揭示了加纳劳动力市场的显著空间异质性。就业高度集中在主要城市群，尤其是加纳南部的阿克拉和库马西之间，以及沿海地区和主要交通基础设施沿线。相比之下，该国的北部地区就业密度较低，主要集中在四个关键集群周围。

变量重要性分析突出了建成区、夜间灯光、道路密度和植被健康在预测就业模式中的作用，同时也有部门特定的差异，例如植被指数对农业就业的影响以及基础设施对制造业的影响。虽然模型表现稳健，但在捕捉劳动力市场参与决策方面仍存在挑战。

本研究的方法超越了传统的GDP或人口网格，通过结合劳动力市场的复杂性，为数据稀缺的环境提供了一个可扩展的框架。未来的工作可以改进辅助数据的选择，探索替代的机器学习技术（例如，逐步随机森林、随机森林区域到区域回归克里金、XGBoost或Res-FuseNet），并考虑使用更频繁的劳动力市场调查数据。