Satélites y economía

Los satélites que orbitan alrededor de la tierra llevan décadas produciendo imágenes de nuestro planeta. El programa Landsat, por ejemplo, que es el que más tiempo lleva en funcionamiento, empezó a recoger información en 1972. Pero, ¿qué tienen en común los satélites y los economistas? Hasta hace unos 15 años prácticamente nada. Sin embargo, en la última década especialmente, los economistas se han dado cuenta de las inmensas oportunidades que las fotografías aéreas ofrecen para mejorar nuestra comprensión del mundo en que vivimos. Esta entrada es un intento de explicar cómo usando varios ejemplos.

Empecemos primero por lo básico. Estas imágenes están divididas en pixeles (cuyo tamaño depende de la resolución de la imagen) y es posible extraer información de las mismas con la ayuda de programas basados en Sistemas de Información Geográfica como QGIS, ArcGIS o Google Earth Engine. La aplicación más conocida de estas imágenes al análisis económico es sin duda el uso de las imágenes nocturnas de la tierra, ya que permiten estudiar cómo se distribuye la actividad económica en el espacio y cómo está ha ido cambiando a lo largo del tiempo aprovechando las diferentes intensidades lumínicas en cada uno de esos pixeles, especialmente en aquellas zonas en las que las estadísticas oficiales no existen o son muy deficientes.

Las imágenes debajo ilustran estas ideas: la primera de ellas nos muestra una hipotética zona de estudio (Nigeria); la segunda es un simple zoom alrededor de la capital (Abuja en el centro del país) para que veamos lo que un pixel significa (en este caso la resolución es de alrededor de 1km²); y la tercera añade las fronteras administrativas a nivel municipal para mostrar lo relativamente sencillo que es calcular la media (o cualquier otro estadístico) de los valores de los pixeles que caen dentro de la unidad de análisis objeto de estudio (ejemplos de este tipo de estudios aquí, aquí o aquí). Un reciente trabajo usa los propios pixeles como unidad de análisis (240,000 observaciones para todo el globo) para intentar evaluar la importancia relativa de la geografía, la historia y el comercio en la distribución de la actividad económica que se observa actualmente.

La misma técnica también permite medir, por ejemplo, la superficie forestal existente: se puede evaluar el “verdor” de cada pixel o simplemente clasificar los pixeles con tintes arbóreos como 1 (y 0 si no lo son). Comparar cómo esa superficie ha cambiado entre dos momentos del tiempo te indica la intensidad de la deforestación, lo que unido a otras variables contextuales pueden dar importantes pistas sobre las causas de dichos procesos. La siguiente imagen, sacada de un reciente artículo, muestra el porcentaje de cubierta forestal en la Amazonia en el año 2000. Este trabajo muestra como los pixeles en el lado brasileño (la línea negra es la frontera) tenían un 37 por ciento más probabilidad de estar deforestados (el artículo muestra también cómo, entre 2006 y 2014, una política medioambiental más restrictiva redujo de forma significativa los niveles de deforestación en la Amazonia brasileña; otro ejemplo sobre deforestación, esta vez en Indonesia entre 2000 y 2008, aquí).

En otro fantástico ejemplo, los investigadores (aquí) diferenciaron la calidad de las viviendas de un arrabal de Nairobi de acuerdo con su tipo de tejado. Las siguientes imágenes, tomadas en 2009 y 2012 respectivamente, ilustran como los tejados enmarcados en amarillo evolucionaron entre las dos fechas: mientras los de la parte superior se renovaron, los de la parte de abajo se degradaron. Estas diferencias se pueden detectar automáticamente en las fotos de satélite usando indicadores de la luminosidad de esos tejados durante el día (mayor luminosidad, mayor inversión en el tejado). Los autores aprovecharon esas diferencias, junto a otras características, para llegar a la conclusión de que el favoritismo étnico estaba jugando un importante papel en este mercado residencial.

Aparte de los ejemplos mencionados hasta ahora, las posibles aplicaciones son muy numerosas porque la disponibilidad de imágenes de satélite comparables en distintos períodos permite construir datos de panel para múltiples variables: desarrollo urbano, tipo de edificios, contaminación, productividad agrícola, tipo de cultivos, cubierta forestal, calidad de las playas, etc. En contraposición a medidas más convencionales basadas en informes oficiales u otro tipo de estadísticas, esta forma de medir estas variables tiene la ventaja añadida de que no está sujeta a la posible manipulación por parte de los agentes que producen esas estadísticas. Además, no sólo la cobertura espacial es a menudo global sino que muchos satélites ofrecen imágenes del mismo espacio geográfico con una frecuencia semanal (o incluso diaria), lo que permite seguir al detalle la evolución de la variable a estudiar. Por último, la disponibilidad de datos geo-climáticos (altitud, temperatura, pluviosidad, etc.) a altos grados de resolución espacial ha abierto la puerta a usar esta información para evaluar cómo los cambios climáticos afectan determinados outputs (como la mortalidad infantil aquí), así como a usarlas como variables instrumentales en multitud de estudios (aquí, aquí o aquí).

Los historiadores económicos no pueden contar con imágenes de satélite pero las fuentes (a veces) esconden mapas que proporcionan la información que necesitan. En este artículo, por ejemplo, los autores usan mapas de finales del siglo XIX para digitalizar la localización de las chimeneas industriales existentes en las grandes ciudades inglesas de la época para capturar los niveles de contaminación (sirvan las imágenes debajo como ilustración). El trabajo tiene en cuenta la dirección de los vientos predominantes (normalmente de oeste a este) para mostrar como los trabajadores menos cualificados tendían a vivir en los barrios sujetos a mayor contaminación. Esta segregación urbana es todavía visible hoy en día a pesar de que las raíces históricas de la misma han desaparecido.

Otros trabajos en esta línea son los que han intentado evaluar los efectos de los grandes incendios de Boston y San Francisco (1872 y 1906, respectivamente; aquí y aquí), la destrucción de Londres durante la 2ª Guerra Mundial (aquí) o la evolución del espacio urbano de Berlín entre 1936 y 2006 (aquí). Los programas de fotografías aéreas tomadas en vuelos durante el siglo XX también pueden proporcionar una utilísima información histórica. Como ejemplo, merece la pena seguir este vínculo que visualiza los cambios en el uso del suelo de la ciudad de Pamplona (y sus alrededores) entre 1957 y 2017, cortesía de Gonzalo Echeverria (gracias a José Miguel Lana Berasain por la pista).

Valgan estos ejemplos para abrir boca. Para el que quiera profundizar en estos temas, este artículo de Dave Donaldson y Adam Storeygard es la guía perfecta. Dado que el número de satélites (y la calidad de las imágenes que envían) está en aumento, este tipo de herramientas va a seguir mejorando el modo en que los economistas hacen su trabajo.

#whateconomistsdo