问题——不少发展中国家，劳动力市场统计多以区县等行政单元发布，空间粒度较粗，难以回答“就业在哪里、谁在就业、就业质量如何”等更精细的问题。对公共就业服务、产业布局、交通与住房配套、青年与女性就业支持等政策而言，缺少高分辨率空间数据，往往导致资源配置“到不了点、落不准人”。加纳作为西非重要经济体，2021年劳动年龄人口约1990万，全国就业率约48%，就业与产业结构呈现明显的南北差异、城乡分化：服务业就业占比高（约57%），农业占比约26.5%，制造业与工业合计接近15%，低技能劳动者占比达63.4%。基于此，构建可更新、可比对、可解释的高分辨率就业空间数据，成为提升治理精度的现实需求。 原因——研究认为，传统统计受制于调查成本、更新周期与样本覆盖等因素，难以持续提供细到街区或村落尺度的劳动力画像；而遥感、夜间灯光、道路与兴趣点等地理空间数据在许多地区可较稳定获取，具备反映人类活动强度、建成环境与可达性的能力。基于此，研究整合了64项辅助变量，涵盖土地覆盖与建成区、夜间灯光与不透水面、道路与基础设施、兴趣点、地形植被以及冲突灾害等五大类信息，构建多维预测指标体系，并引入随机森林模型完成“降尺度”推断：把区级普查劳动力指标拆解到0.005°网格（约500米），形成更细颗粒度的空间分布图谱。通过10折交叉验证与参数调优，模型总体表现较好，多数就业类别解释变异度超过90%，农业、矿业等因行业空间特征与数据噪声等因素相对偏低（约68%、67%）。 影响——成果在数据产品层面形成两类支撑：一是17类就业细分网格数据，覆盖年龄、性别、技能、就业状态、产业部门、失业以及NEET（未就业、未就学、未培训）等群体；二是7类人口网格数据，为计算就业率等比率指标提供底盘。空间分析显示，加纳就业高度集中于南部城市群与沿海及交通干线周边，阿克拉、库马西等核心城市及其走廊地带更为突出；北部就业密集区主要集中在塔马莱等少数城镇。就业质量上，薪金就业与高技能就业更倾向于核心城区集聚，低技能就业城乡均有分布。制造业总体规模不大，但在个别城市出现专业化集聚现象。像素级就业率区间约为10%至98%，南部显著高于北部，城乡差异同样明显。此结果为识别“高就业—低技能”“高技能—高薪金”“产业走廊集聚”等区域类型提供了更直观的证据，有助于把宏观统计中被“平均化”的结构性问题具体化、空间化。 对策——研究还通过变量重要性分析，为政策理解提供线索：总就业的关键预测因子集中在建成区、夜间灯光与道路密度，反映城镇化与可达性对就业承载基础作用；农业就业与植被健康、水分指数及气候信息涉及的度更高，提示农业劳动与自然禀赋、生态条件紧密耦合；矿业就业受矿区距离、交通基础设施等因素驱动，表明资源开发与运输条件对岗位分布具有决定意义；制造业与服务业与不透水表面、交通网络相关性更强，体现产业对城市功能区与物流通达的依赖。基于这些发现，政策层面可从三上发力：其一，在南部高集聚区域强化公共服务与就业质量提升，推动技能培训与产业升级对接；其二，在北部及农村地区结合交通基础设施、农业韧性与就业服务下沉，改善劳动力可达性与就业信息匹配；其三，围绕产业走廊与专业化中心，优化园区配套、用工培训和通勤体系，降低企业与劳动者匹配成本。 前景——研究同时指出仍有改进空间：对青年、女性、老年群体劳动参与决策的刻画不足；兴趣点数据存在覆盖不均；在人口密度极高区域可能出现预测偏差。下一步可通过补充更具代表性的辅助变量、引入XGBoost等算法对比试验、融合更细行政单元数据来提高稳定性与解释力。更重要的是，这一框架突破了以往主要聚焦GDP或人口的网格化思路，把机器学习与地理空间数据用于劳动力市场刻画，为数据相对稀缺地区提供了一种成本可控、可复制推广的路径。随着遥感与地理数据持续更新，以及各国统计体系逐步完善，此类高分辨率劳动力数据有望在公共就业服务、灾害冲击评估、城市扩张管理与减贫项目定位等场景中发挥更大作用。
当遥感技术与机器学习结合，发展经济学研究正迎来新变革。这项研究不仅绘制了非洲首张高精度就业地图，更标志着政策制定从经验驱动转向证据驱动。在全球经济转型的背景下，如何将技术优势转化为包容性发展动力，仍是国际社会面临的共同课题。