Explorando la actividad económica desde el espacio: un cuaderno de Python para procesar y analizar luces nocturnas satelitales

Resumen

Los datos de luces nocturnas (NTL) se utilizan cada vez más como una variable indirecta para monitorear la actividad económica nacional, subnacional y supranacional. Estos datos ofrecen ventajas frente a los indicadores económicos tradicionales, como el PIB, entre ellas una mayor granularidad espacial, oportunidad, menor costo y comparabilidad entre regiones con independencia de la capacidad estadística o la interferencia política. A pesar de estos beneficios, el uso de los datos de NTL en la ciencia regional ha sido limitado. Esto se debe, en parte, a la falta de métodos accesibles para procesar y analizar imágenes satelitales. Para abordar este problema, este artículo presenta un cuaderno geocomputacional de fácil uso que ilustra cómo procesar y analizar imágenes satelitales de NTL. La evolución de las disparidades regionales en la India se presenta como un ejemplo ilustrativo. El cuaderno introduce primero un entorno de Python basado en la nube para visualizar, analizar y transformar imágenes satelitales ráster en datos tabulares. A continuación, presenta herramientas interactivas para explorar los patrones espacio-temporales de los datos tabulados. Por último, describe métodos para evaluar la utilidad de los datos de NTL en términos de sus predicciones transversales, sus predicciones de series de tiempo y la dinámica de la desigualdad regional.

Carlos Mendez

Profesor Asociado de Economía del Desarrollo

Mi investigación se centra en integrar la economía del desarrollo, la ciencia de datos espaciales y la econometría para comprender e informar mejor el proceso de desarrollo sostenible entre regiones.