¿Puede una imagen tomada desde el espacio ayudar a medir la pobreza en un pueblo de Guatemala?

También disponible en: Inglés

John Grunsfeld, excientífico jefe de la Administración Nacional de la Aeronáutica y del Espacio (NASA) y veterano de cinco vuelos de transbordadores espaciales, tuvo varias oportunidades de mirar la Tierra desde arriba y notó cómo la pobreza se puede reconocer desde tan lejos. A diferencia de los países más ricos, normalmente recubiertos de verde, los países más pobres —que tienen menos acceso al agua—, son de un impactante color marrón. Durante la noche, los países más ricos iluminan el cielo, mientras que las naciones con menos electricidad se ven más sombrías.

Puede que las observaciones del Dr. Grunsfeld tengan consecuencias importantes. Las imágenes satelitales podrían convertirse en una herramienta para ayudar a identificar dónde hay pobreza, ya que mediante ellas se pueden realizar acercamientos a los pueblos más pequeños y monitoreos constantes, que no son posibles con los estudios tradicionales.

“La precisión de las cifras de la pobreza mundial depende de la disponibilidad de encuestas de hogares”, escribe Chandy (2013) y “esta sigue siendo una de las mayores limitaciones para obtener datos sobre la pobreza hoy en día”. Dos quintas partes de los países no realizan una encuesta de hogares cada cinco años. Incluso cuando estas se efectúan, los encuestadores o censistas suelen tener dificultades para acceder a los pobres, y los datos en general son de baja calidad. Por el contrario, los satélites recogen datos a un ritmo constante durante todo el año, independientemente de los peligros físicos o sociales.
 

 
En un documento  reciente (Klemens, Coppola y Shron 2015), usamos como un estudio de caso a Guatemala para probar el potencial de la información satelital. Combinamos los datos de la luminosidad nocturna y aquellos sobre follaje extraídos de imágenes provistas por los satélites con la información proporcionada por las encuestas tradicionales usadas para medir la pobreza. Guatemala es un ejemplo interesante porque el Instituto Nacional de Estadística (INE) guatemalteco ofrece datos sobre la pobreza urbana y rural por separado, de manera que pudimos hacer algunos ejercicios de diferenciación entre los municipios urbanos y rurales. En particular, analizamos la relación entre las estimaciones existentes de la pobreza urbana y rural en pequeña escala (basadas en información de censos y encuestas de hogares), la iluminación nocturna (datos de la Administración Nacional Oceánica y Atmosférica de los Estados Unidos, NOAA), y la reflectividad de la superficie de la tierra y el follaje (datos de la NASA).

¿Puede una imagen tomada desde el espacio ayudar a medir la pobreza en un pueblo de Guatemala? Nuestros resultados indican que las imágenes satelitales pueden aportar información valiosa para mejorar la medición de la pobreza. Para las regresiones de mínimos cuadrados ordinarios con las medidas de la pobreza como una variable dependiente, el criterio de información de Akaike corregido (o AICc, una medida de la calidad relativa de un modelo estadístico) mejora cuando se incluyen medidas de luminosidad. También comprobamos que el mismo tipo de información satelital puede ser más o menos significativo para diferentes clases de estudios. Por ejemplo, en nuestras regresiones sobre la pobreza rural, los datos de luminosidad fueron importantes, aunque no lo fueron en nuestras regresiones sobre la pobreza urbana. Las medidas satelitales del follaje mostraron una menor correlación con las medidas de la pobreza que con la luminosidad.
 
En esta etapa, los datos satelitales no pueden sustituir a los datos de las encuestas tradicionales en los estudios de medición de la pobreza. Sin embargo, sí pueden agregar valor y mejorar los resultados de las estimaciones. Debemos seguir explorando las posibilidades de usar nuevas y novedosas tecnologías y fuentes de datos, que nos ayuden a enfrentar los desafíos del desarrollo.