Multiscale Carbon Burden of Infrastructure in the United States

Resumen Técnico: Carga de Carbono Multiescala de la Infraestructura en los Estados Unidos

Planteamiento del Problema
Las emisiones antropogénicas de gases de efecto invernadero (GEI) son espacialmente heterogéneas, variando según los patrones de desarrollo, el clima y las estructuras económicas. Históricamente, el análisis relevante para las políticas se ha visto limitado por la granularidad de los datos, recurriendo a menudo a medidas indirectas como el total de kilómetros recorridos por vehículo (VKT) y factores de emisión específicos por modo. Estos enfoques oscurecen la heterogeneidad dentro de una región y no logran distinguir entre las emisiones basadas en el consumo (atribuidas a los hogares) y las emisiones basadas en la producción (atribuidas al punto de generación). Además, la literatura existente suele aislar o bien los efectos metropolitanos a macroescala o bien el diseño de vecindarios a microescala, rara vez integrando ambos para comprender las relaciones dependientes de la escala. Existe una brecha crítica en la comprensión de la "carga de carbono de la infraestructura": específicamente, cómo el uso del suelo y las características de la infraestructura moldean las emisiones cuando estas se asignan a su punto físico de generación en lugar de al origen del hogar.

Metodología
Este estudio utiliza datos de alta fidelidad de CO2 de combustibles fósiles (FFCO2) del conjunto de datos Vulcan v4.0, que proporciona emisiones con una resolución de cuadrícula de 1 km para los Estados Unidos. El análisis agrega estos datos a Grupos de Bloques del Censo (CBG) y Áreas Estadísticas Basadas en el Núcleo (CBSA) para alinearlos con los datos de uso del suelo y forma urbana de la base de datos Smart Location de la EPA.

El estudio emplea un marco metodológico dual para abordar la identificación causal y la dependencia espacial:

1. Inferencia Causal Doblemente Robusta (DR): El autor aplica la estimación de la Puntuación de Propensión Generalizada (GPS) Doblemente Robusta utilizando Árboles de Regresión Aditiva de Bayesianos (BART). Este enfoque estima el Efecto de Tratamiento Promedio (ATE) de las variables continuas de uso del suelo (las "5D": densidad de población, diversidad de uso de suelo, diseño de vías, distancia al tránsito y accesibilidad a destinos). El estimador DR equilibra la probabilidad de asignación del tratamiento y el modelo de resultados, asegurando estimaciones imparciales incluso si uno de los modelos está mal especificado. Los efectos se miden como el cambio en las emisiones entre los percentiles 25 y 75 de las variables de tratamiento.
2. Regresión Espacial de Multitratamiento: Para capturar las interacciones espaciales y los efectos de escala, el estudio estima modelos conjuntos log-lineales que incorporan variables de uso del suelo tanto locales (vecindario) como regionales (CBSA). La especificación preferida es un Modelo de Retraso Espacial de X y Error Espacial (SLX+SEM) con heterocedasticidad robusta, con una banda de distancia de 10 km. Este modelo contabiliza la autocorrelación espacial residual y trata las emisiones de transporte como basadas en la producción, capturando la carga de carbono de la infraestructura alojada por comunidades específicas.

Contribuciones Clave
El artículo realiza cuatro contribuciones metodológicas y empíricas principales:

1. Identificación Causal: Emplea la estimación doblemente robusta para abordar la identificación causal en datos observacionales, considerando simultáneamente tanto la asignación del tratamiento como los modelos de resultados.
2. Integración Multiescala: Integra variables de uso del suelo definidas tanto a escala local (vecindario) como metropolitana dentro de un marco de modelo consistente para examinar cómo operan los efectos a través de las jerarquías espaciales.
3. Asignación Basada en la Producción: Proporciona una asignación de las emisiones de transporte basada en la producción, desplazando el enfoque analítico de la demanda de viajes de los hogares hacia la carga de carbono que la infraestructura impone a las comunidades. Esto revela desajustes espaciales donde los centros urbanos "alojan" las emisiones generadas por la movilidad regional.
4. Desagregación Sectorial: Distingue entre transporte, electricidad residencial y fuentes de energía no eléctricas residenciales para identificar los efectos diferenciales del uso del suelo en los distintos sectores de emisiones.

Resultos Clave

• Emisiones de Transporte (Basadas en la Producción):
  • Densidad Local: En el modelo espacial conjunto preferido, la mayor densidad de población local es un fuerte predictor negativo de las FFCO2 de transporte (aprox. -19.5% por cada aumento de 1 DE).
  • Diseño de Vías: Las redes de calles más densas (mayores millas de instalaciones por milla cuadrada) están fuertemente asociadas con menores emisiones, lo que sugiere que los vecindarios caminables con longitudes de manzana más cortas reducen la concentración del volumen de tráfico.
  • Efectos de Desbordamiento Espacial: El estudio encuentra una fuerte dependencia de la escala. La diversidad de uso de suelo de los vecindarios adyacentes tiene un efecto positivo mayor en las emisiones alojadas que la diversidad local, lo que indica que las emisiones de transporte operan dentro de un radio de conmutación más amplio (10 km) en lugar de solo en los límites compartidos.
  • El Efecto de "Alojamiento": Los vecindarios con características de forma urbana deseables (densidad, usos mixtos) tienden a alojar la infraestructura de transporte (carreteras arteriales) que genera la movilidad regional. En consecuencia, estas áreas soportan mayores emisiones de producción localizadas, incluso si sus residentes generan menos demanda de viajes. Esto resalta una dimensión de justicia ambiental donde los núcleos urbanos soportan los impactos de la calidad del aire por la demanda de viajes de los suburbios.
• Emisiones Residenciales:
  • Densidad: Una mayor densidad de población local está consistentemente asociada con menores emisiones per cápita residenciales tanto para la electricidad (-6.8%) como para la energía no eléctrica (-12.0%). Esto concuerda con el mecanismo de que una mayor densidad implica viviendas más pequeñas, paredes compartidas y una menor demanda energética.
  • Escala Metropolitana: Los efectos de densidad y diversidad regional (CBSA) son estadísticamente insignificantes en los modelos conjuntos, lo que sugiere que el diseño local y las medidas de modernización son más críticos que los objetivos de densidad regional amplia para las emisiones residenciales.
  • Diversidad: La diversidad de uso del suelo muestra una asociación positiva modesta con las emisiones de electricidad residencial, pero una influencia limitada en la energía no eléctrica.

Significancia y Reivindicaciones
El artículo sostiene que tanto las perspectivas macro como las micro son necesarias, pero insuficientes por sí solas, para una política climática urbana eficaz. Los hallazgos apoyan estrategias de mitigación coordinadas multiescala en los Estados Unidos.

Específicamente, la perspectiva basada en la producción revela que las cargas de carbono de la infraestructura están espacialmente desajustadas con el comportamiento de viaje de los hogares. Los núcleos urbanos a menudo "alojan" las emisiones de las regiones circundantes, lo que crea la necesidad de políticas que aborden estas externalidades. El estudio sugiere que las intervenciones de política deben dirigirse a grupos de conmutación de 10 km diversos en lugar de intervenciones aisladas a nivel de bloque. Las posibles aplicaciones de política discutidas incluyen la tarificación por congestión en los núcleos urbanos, zonas de bajas emisiones, la redistribución de ingresos de las tasas de uso de infraestructura a las comunidades que las alojan y el desarrollo de nodos de movilidad en las periferias regionales.

El autor señala que, aunque los resultados se basan en la contabilidad de emisiones específica de EE. UU. y la forma urbana, el enfoque empírico es transferible a otras regiones con datos de emisiones y uso del suelo en cuadrícula comparables. El estudio reconoce las limitaciones, incluyendo el sesgo de asignación residual en las emisiones de transporte a escala de vecindario y la naturaleza transversal de los datos (2019), lo que limita la capacidad de capturar los cambios de comportamiento post-pandemia.