I åratal, Politiker har förlitat sig på undersökningar och folkräkningsdata för att spåra och reagera på extrem fattigdom.

Även om det är effektivt, att sammanställa denna information är kostsamt och tidskrävande, och det saknas ofta detaljer som hjälporganisationer och regeringar behöver för att på bästa sätt kunna använda sina resurser.

Det kan snart ändras.

En ny kartläggningsteknik, beskrivs i numret 14 november av Proceedings of the National Academies of Sciences , visar hur forskare utvecklar beräkningsverktyg som kombinerar mobiltelefonregister med data från satelliter och geografiska informationssystem för att skapa aktuella och otroligt detaljerade fattigdomskartor.

"Trots stora framsteg under de senaste decennierna, det finns fortfarande mer än 1 miljard människor världen över som saknar mat, skydd och andra grundläggande mänskliga förnödenheter, " säger Neeti Pokhriyal, en av studiens huvudförfattare, och en doktorand vid institutionen för datavetenskap och teknik vid universitetet i Buffalo.

Studien har titeln "Combining Disparate Data Sources for Improved Poverty Prediction and Mapping."

Vissa organisationer definierar extrem fattigdom som en allvarlig brist på mat, sjukvård, utbildning och andra grundläggande behov. Andra relaterar det till inkomst; till exempel, Världsbanken säger att människor som lever på mindre än 1,25 dollar per dag (2005 års priser) är extremt fattiga.

Samtidigt som den minskar i de flesta områden i världen, ungefär 1,2 miljarder människor lever fortfarande i extrem fattigdom. De flesta finns i Asien, Afrika söder om Sahara och Karibien. Biståndsorganisationer och statliga myndigheter säger att aktuella och korrekta uppgifter är avgörande för att få ett slut på extrem fattigdom.

Studien fokuserar på Senegal, ett land söder om Sahara med hög fattigdom.

Den första datamängden är 11 miljarder samtal och sms från mer än 9 miljoner senegalesiska mobiltelefonanvändare. All information är anonym och den fångar hur, när, var och med vem människor kommunicerar med.

Den andra datamängden kommer från satellitbilder, geografiska informationssystem och väderstationer. Det ger insikt i livsmedelssäkerhet, ekonomisk aktivitet och tillgång till tjänster och andra indikatorer på fattigdom. Detta kan hämtas från närvaron av elektricitet, asfalterade vägar, jordbruk och andra tecken på utveckling.

De två datamängderna kombineras med hjälp av ett maskininlärningsbaserat ramverk.

Med hjälp av ramverket, forskarna skapade kartor som beskriver fattigdomsnivåerna i 552 samhällen i Senegal. Nuvarande fattigdomskartor delar in nationen i fyra regioner. Ramverket kan också hjälpa till att förutsäga vissa dimensioner av fattigdom, såsom brister i utbildning, levnadsstandard och hälsa.

Till skillnad från undersökningar eller folkräkningar, som kan ta år och kosta miljontals dollar, dessa kartor kan genereras snabbt och kostnadseffektivt. Och de kan uppdateras lika ofta som datakällorna uppdateras. Plus, deras diagnostiska karaktär kan hjälpa beslutsfattare att utforma bättre insatser för att bekämpa fattigdom.

Pokhriyal, som började arbeta med projektet 2015 och har rest till Senegal, säger att målet inte är att ersätta folkräkningar och undersökningar utan att komplettera dessa informationskällor mellan cyklerna. Tillvägagångssättet kan också visa sig användbart i områden med krig och konflikter, såväl som avlägsna regioner.