11/3/2024
El
análisis de cómo los eventos físicos agudos relacionados con el clima afectan
la economía debe considerar sus aspectos únicos: breve duración y localización
específica. Los Sistemas de Información Geográfica (SIG), para los cuales se
muestran tres estudios de caso, son fundamentales en este análisis.
La
intensidad repentina y la granularidad del impacto de los eventos físicos
climáticos difieren en gran medida de las variables más comúnmente utilizadas
en el análisis económico. Los economistas están acostumbrados a la frecuencia
trimestral o mensual y, como mucho, a datos regionales. Sin embargo, los
indicadores relacionados con el clima están disponibles con una resolución
espacial y una frecuencia mayor. Por lo tanto, en este contexto, surgen dos
enfoques alternativos para combinar o integrar variables climáticas y
económicas: reducir la granularidad "climática" para acomodarla a la
de las variables económicas o explorar datos de la esfera económica con una
granularidad comparable a la de los eventos geolocalizados.
Para
cualquiera de los enfoques, los Sistemas de Información Geográfica (SIG) están
a la vanguardia de la tecnología para gestionar e interpretar los datos
espaciales que dan forma a nuestra comprensión del mundo físico. Estos sistemas
permiten ingresar, almacenar, analizar y, en última instancia, mapear datos
inherentemente espaciales. Históricamente, la recopilación de dichos datos
espaciales se llevó a cabo predominantemente a través de meticulosos estudios
del terreno y censos exhaustivos. Sin embargo, hoy en día, la llegada de los
dispositivos de detección remota ha revolucionado los métodos mediante los
cuales se generan estos datos, marcando un cambio fundamental hacia medios de
adquisición de datos más avanzados y menos intrusivos.
La
utilización de SIG y sus diversos formatos de datos genera una amplia gama de
beneficios, particularmente en el ámbito del análisis económico. La visión
granular que ofrecen los datos SIG podría mejorar la precisión y profundidad de
los estudios económicos, permitiendo a los investigadores analizar y comprender
la compleja interacción de las variables geográficas en los resultados económicos.
Además, los SIG facilitan la introducción de nuevas fuentes de variación
exógena, sirviendo como variables instrumentales que pueden aprovecharse, por
ejemplo, para desenmarañar la causalidad en los modelos económicos. Esta
capacidad no sólo enriquece el conjunto de herramientas analíticas disponibles
para los economistas, sino que también allana el camino para ideas y
descubrimientos novedosos que antes eran inalcanzables.
A
continuación se delinean tres casos ilustrativos en los que el uso de datos geoespaciales
mejora el análisis climático: ciclones tropicales, en México, y eventos de
sequía y análisis de GEI, en España.
A. Los datos sobre las trayectorias de los
ciclones tropicales se emplean para crear un indicador que cuantifique la
frecuencia e intensidad de dichos ciclones. Dado que la velocidad del viento es
una medida ampliamente aceptada para evaluar la exposición a ciclones
tropicales, se calcula una métrica de vientos máximos sostenidos (MSW) para
cada estado federal. Los datos provienen del International Best Track Archive for Climate Stewardship (Ibtracs),
que documenta las trayectorias de las tormentas en intervalos de seis horas.
Para garantizar que solo se incluyan en el análisis los ciclones tropicales más
severos, la base de datos EM-DAT sirve como herramienta de detección.
Tenga
en cuenta que para convertir eficazmente los datos espacio-temporales en una
serie de tiempo convencional para distintos puntos espaciales, primero es
necesario interpolar espacialmente las trayectorias de las tormentas, de modo
que las ubicaciones y la intensidad de las tormentas estén disponibles con una
resolución más fina. Esto significa pasar de puntos de datos discretos de 6
horas a una pista "continua" con puntos de datos de 15 minutos.
Finalmente, tomando como referencia los centroides de cada municipio, se imputa
la información de ciclones tropicales a cada municipio. El resultado final es
una serie temporal continua de RSU para cada municipio mexicano, que puede
agregarse a nivel geográfico y frecuencia para cumplir con los requisitos del
análisis económico convencional. La variable final de RSU se puede utilizar
como proxy para estimar correctamente los efectos potenciales que los ciclones
tropicales pueden tener en los estados federales mexicanos.
B. Uso de datos geoespaciales para analizar
las sequías en España, eventos caracterizados por periodos prolongados de
escasas precipitaciones y altas temperaturas. Cuantificar las características de
las sequías, incluida su intensidad, magnitud y extensión espacio-temporal, es
un desafío. Sin embargo, el índice Estandarizado de Evapotranspiración
Precipitación (SPEI), desarrollado por el Centro Superior de Investigaciones
Científicas (CSIC), está reconocido como la métrica de referencia en la
investigación académica para este fin.
La
publicación de series históricas del SPEI suele sufrir retrasos. Sin embargo,
aprovechar las técnicas geoespaciales permite calcular una estimación casi en
tiempo real de este índice (es decir, extender el SPEI desde 2022 hasta hoy).
La Agencia Española de Meteorología (AEMET) proporciona datos georreferenciados
y actualizados diariamente de su red de estaciones meteorológicas repartidas
por toda España. A través de la interpolación espacial, es posible inferir
valores en ubicaciones donde los datos no se muestrean directamente, utilizando
mediciones de sitios cercanos. Este proceso facilita el cálculo de las dos
entradas del SPEI a nivel de píxel para cualquier área seleccionada, como
comunidades autónomas españolas: la temperatura media y la precipitación total.
En consecuencia, se puede calcular este SPEI "en tiempo real", que
sirve como una herramienta eficaz para monitorear con precisión la duración e
intensidad de las condiciones de sequía con un alto grado de precisión geográfica.
C. Los datos SIG también encuentran
aplicación en el análisis detallado de contaminantes atmosféricos. En España, por
ejemplo, las emisiones de gases de efecto invernadero (GEI) se pueden controlar
a nivel municipal a través de la Base de Datos de Emisiones para la
Investigación Atmosférica Global (EDGAR), una creación del Centro Común de
Investigación (JRC). Esta base de datos registra meticulosamente las emisiones
por encima de 0,1º por celdas de cuadrícula de 0,1º, empleando proxies
espaciales para una atribución precisa de las emisiones. Estas emisiones son
posteriormente agregadas por municipios por parte de BBVA Research. Estos
indicadores espaciales incluyen, entre otros, las ubicaciones de las plantas de
producción y fabricación de energía, las redes de transporte (incluidas
carreteras y rutas marítimas), así como las densidades de población tanto de
humanos como de ganado, y la tierra utilizada para la agricultura, que pueden
cambiar con el tiempo.
Este
enfoque permite a EDGAR ofrecer una perspectiva sofisticada sobre las
emisiones, proporcionando información detallada adaptada a las especificidades
de diferentes áreas geográficas.
De la
huella de GEI a la intensidad per cápita. Al controlar el tamaño de la
población dentro de cada municipio, el análisis revela un cambio significativo
en la percepción de los niveles de contaminación. Las ciudades previamente
identificadas como con altas emisiones de Gases de Efecto Invernadero (GEI),
incluidas Madrid, Barcelona, Valencia, Zaragoza, Málaga y Cartagena, demuestran
una intensidad reducida de emisiones de GEI en términos per cápita. La
distinción entre las regiones del norte y del sur se vuelve evidente cuando se
ajusta por el tamaño de la población dentro de un municipio determinado. Esta
observación sugiere que la huella de GEI notablemente mayor en una proporción
sustancial de los municipios del sur puede atribuirse en parte a la densidad de
población en estas áreas (además de otros factores relevantes como la composición
sectorial).
Intensidad de GEI por renta: distribución
similar a la de la huella absoluta. En última instancia, refinar las métricas
de evaluación para cuantificar las emisiones como toneladas de GEI por euro de
ingreso promedio per cápita para cada municipio produce un análisis que se
alinea estrechamente con los hallazgos iniciales. Esto demuestra que la
relación entre la distribución del ingreso y la distribución de las emisiones
producidas es más parecida que la del tamaño de la población y las emisiones.
Sin embargo, se observa que la situación en las regiones del sur es algo más
adversa, debido a la disparidad de ingresos entre el norte y el sur, aunque la
diferencia en el gráfico parece sutil. Esta fuerte correlación indica que los
municipios con rentas medias per cápita más altas tienden a ser los principales
contribuyentes a las emisiones de GEI en España, ya que es donde se desarrolla
la mayor actividad económica. Sin embargo, esta investigación se puede mejorar
utilizando el consumo en lugar de los ingresos, y centrándose en las emisiones
relacionadas con el consumo de los hogares (lado de la demanda) en lugar de las
emisiones producidas (lado de la oferta, influenciadas por la actividad
económica y la composición sectorial). Esto representa una vía prometedora para
futuras investigaciones, que se llevarán a cabo en colaboración con el clúster
de Big Data.
Además
de los tres casos descritos anteriormente, las posibilidades de mejorar la
investigación en el campo de la economía utilizando datos geoespaciales son
inmensas.
Entre
ellos, cabe destacar los siguientes ejemplos:
+
Aumentar la granularidad de las medidas de crecimiento del ingreso utilizando
luces nocturnas
+
Impactos de las infraestructuras en el crecimiento económico regional.
+
Análisis de deforestación
+ Otros
tipos de riesgos físicos como inundaciones
Conclusión
La
información geoespacial podría desempeñar un papel fundamental para comprender
los acontecimientos, los momentos y las razones detrás de los eventos,
especialmente para comprender cómo y en qué medida las comunidades se ven y
podrían verse afectadas por el cambio climático. Armado con esta idea, se
pueden iniciar acciones. Esto incluye tratar de evaluar los impactos del cambio
climático, calcular pérdidas y daños o formular tácticas de mitigación eficientes,
todo lo cual está inherentemente vinculado a ubicaciones geográficas
específicas. Por lo tanto, los datos geoespaciales son útiles para ayudar a los
formuladores de políticas a tomar decisiones informadas que sean consistentes
con los objetivos gubernamentales y refuercen las estrategias nacionales de
adaptación y las medidas de mitigación.
|