Estimaciones globales de alta resolución del Índice de Desarrollo Humano de la ONU utilizando imágenes de satélite y...

Área de la Ciencia:

• Indicadores socioeconómicos
• Análisis geoespacial
• Aplicaciones de aprendizaje automático

Sus antecedentes:

• El Índice de Desarrollo Humano (IDH) de las Naciones Unidas es una métrica clave para el desarrollo nacional, pero su resolución gruesa limita el análisis granular.
• Los datos existentes del IDH (N=191 países) no logran capturar las variaciones subnacionales, lo que dificulta las intervenciones políticas específicas y las evaluaciones precisas del desarrollo.

Objetivo del estudio:

• Desarrollar y distribuir estimaciones novedosas y de alta resolución del Índice de Desarrollo Humano (IDH) global a nivel municipal y de cuadrícula.
• Abordar las limitaciones de los datos del IDH a nivel de país proporcionando información detallada espacialmente.
• Demostrar el impacto del sesgo de agregación en las evaluaciones de desarrollo.

Principales métodos:

• Se utilizó aprendizaje automático e imágenes satelitales avanzadas para crear estimaciones del IDH a escala reducida.
• Se desarrolló una técnica de reducción de escala generalizable aplicable a diversas formas y tamaños de datos administrativos.
• Se generaron estimaciones globales del IDH para 61.530 municipios y 819.309 celdas de cuadrícula (0,1° × 0,1°).

Principales resultados:

• Se produjeron estimaciones globales sin precedentes del IDH a nivel municipal y de cuadrícula.
• Se identificó que más del 50% de la población mundial había sido previamente clasificada erróneamente en quintiles incorrectos del IDH debido al sesgo de agregación.
• Se cuantificó el impacto significativo de la resolución espacial en las métricas de desarrollo.

Conclusiones:

• Los datos del IDH de alta resolución derivados de imágenes satelitales mejoran significativamente la precisión de la evaluación del desarrollo.
• La metodología de reducción de escala y las características satelitales desarrolladas pueden mejorar la resolución espacial para diversos conjuntos de datos administrativos.
• Abordar el sesgo de agregación es crucial para el monitoreo preciso del desarrollo global y la formulación de políticas.