Time Series Based CO2 Emission Forecasting and Energy Mix Analysis for Net Zero Transitions: A Multi Country Study

Resumen Técnico: Pronóstico de Emisiones de CO₂ Basado en Series Temporales y Análisis de la Mezcla Energética para Transiciones de Emisiones Netas Cero

Planteamiento del Problema
Los esfuerzos globales para frenar el cambio climático enfrentan un desafío persistente: alinear el crecimiento económico con las transiciones energéticas sostenibles. A pesar de los acuerdos internacionales como el Protocolo de Kioto y el Acuerdo de París, las emisiones globales de CO₂ continvienen en aumento. Un factor crítico en esta divergencia es la heterogeneidad de las matrices energéticas nacionales. La composición del sistema energético de una nación —específicamente el equilibrio entre combustibles fósiles, energías renovables y tecnologías bajas en carbono— determina la viabilidad y el ritmo para alcanzar los objetivos de emisiones netas cero. Mientras que las economías avanzadas, las naciones en rápida industrialización y los estados en desarrollo ricos en recursos enfrentan presiones climáticas globales similares, sus trayectorias de descarbonización difieren significativamente debido a distintos dotaciones de recursos, estructuras industriales y capacidades de gobernanza. Existe la necesidad de herramientas basadas en datos que integren el pronóstico de emisiones a largo plazo con las características específicas de la matriz energética nacional para evaluar si las trayectorias actuales se alinean con los objetivos climáticos globales.

Metodología
Este estudio emplea un marco estructurado y multietapa para analizar cinco economías principales: Nigeria, Estados Unidos, China, Brasil y Rusia. La metodología avanza a través de cuatro fases distintas:

1. Determinación de la Mezcla Energética (2000–2023): Se utilizaron datos históricos de la Agencia Internacional de la Energía (IEA), Our World in Data y UN Energy Statistics para cuantificar las contribuciones proporcionales de los combustibles fósiles (carbón, petróleo, gas natural), las energías renovables (hidroeléctrica, solar, eólica, bioenergía, geotérmica) y la energía nuclear. Los países fueron clasificados en tres perfiles basados en estas métricas: dependiente de combustibles fósiles, en fase de transición o acelerado por renovables.
2. Construcción de Series Temporales: Se compiló un conjunto de datos de emisiones territoriales anuales de CO₂ (en millones de toneladas) de 2000 a 2023. El preprocesamiento de datos incluyó interpolación para valores faltantes y detección de valores atípicos mediante diagnósticos de puntuación Z y rango intercuartílico.
3. Evaluación de Modelos: Se compararon tres modelos de pronóstico de series temporales contra los datos históricos utilizando una división de entrenamiento/prueba de 80/20 y validación cruzada de origen rodante. Los modelos evaluados fueron:
   • ARIMA: Para capturar tendencias lineales y dependencias a corto plazo.
   • SARIMA: Para dar cuenta de patrones estacionales o cíclicos.
   • Suavizado Exponencial de Holt-Winters: Para capturar la evolución de la tendencia mediante el decaimiento exponencial.
   • (Nota: Aunque la sección de metodología menciona inicialmente a Prophet y LSTM en el texto, los resultados y tablas evalúan exclusivamente ARIMA, SARIMA y Holt-Winters).
     La ejecución se evaluó utilizando el Error Absoluto Medio (MAE), la Raíz del Error Cuadrático Medio (RMSE), el Error Porcentual Absoluto Medio (MAPE) y el Coeficiente de Determinación ($R^2$).
4. Proyecciones a Largo Plazo (2024–2060): El mejor modelo para cada país fue reentrenado con el conjunto completo de datos 2000–2023 para generar proyecciones de 36 años. Se calcularon intervalos de predicción para cuantificar la incertidumbre.

Contribuciones Clave

• Análisis Integrado: El estudio cierra la brecha entre la perfilación de la mezcla energética y el pronóstico de emisiones, demostrando cómo las características estructurales de la energía influyen en las perspectivas de descarbonización a largo plazo.
• Marco Comparativo Multipaís: Al analizar cinco países con perfiles energéticos distintos (desde el dominio renovable de Brasil hasta la dependencia de combustibles fósiles de Nigeria), el estudio proporciona una amplitud geográfica que resalta la diversidad de los desafíos de descarbonización global.
• Guía de Selección de Modelos: La investigación identifica que ningún modelo es universalmente superior; más bien, el rendimiento del modelo depende de la volatilidad y la estructura de la tendencia de la historia de emisiones específica de un país.

Resultados

• Clasificaciones de la Mezcla Energética:
  • Nigeria: Permanece inequívocamente dependiente de combustibles fósiles (índice de dominancia de fósiles promedio del 82.3%), con las renovables contribuyendo solo ~20.5% para 2023.
  • EE. UU. y China: Ambos exhiben perfiles de fase de transición. EE. UU. ha reducido las participaciones de fósiles del 82.1% al 59.1%, mientras que China las ha reducido del 92.4% al 64.7%, aunque ambos mantienen una dependencia significativa de los combustibles fósiles.
  • Brasil: Representa un arquetipo acelerado por renovables, con las participaciones renovables aumentando al 88.7% para 2023, impulsadas por la hidroeléctrica y la bioenergía.
  • Rusia: Muestra un patrón de fase de transición, pero sigue estando fuertemente influenciada por los recursos de hidrocarburos, con un índice de dominancia de fósiles del 76.8%.
• Desempeño de los Pronósticos:
  • Holt-Winters surgió como el modelo más preciso para Nigeria, EE. UU., China y Brasil, caracterizado por los valores más bajos de MAE/RMSE y los valores más altos de $R^2$.
  • SARIMA funcionó mejor para Rusia, donde las emisiones son relativamente estables y están dentro de rangos definidos, lo que resultó en una baja varianza que complicó el desempeño de otros modelos (evidenciado por valores de $R^2$ negativos para Holt-Winters en el conjunto de prueba).
• Trayectorias a Largo Plazo (2024–2060):
  • Brasil: Proyecta un futuro de bajas emisiones consistente con su sistema dominado por renovables.
  • Nigeria: Continúa en una trayectoria ascendente de emisiones impulsada por la dependencia de combustibles fósiles.
  • EE. UU. y China: Mantienen descensos moderados, pero requieren una mitigación acelerada para cumplir con los compromisos de emisiones netas cero.
  • Rusia: Las emisiones permanecen mayormente planas bajo las condiciones actuales.

Significancia y Reivindicaciones
El artículo sostiene que las perspectivas de descarbonización nacional están fuertemente moldeadas por el equilibrio estructural de los sistemas energéticos. Los hallazgos subrayan que los países con sistemas dependientes de combustibles fósiles (como Nigeria) enfrentan caminos divergentes de los objetivos globales de emisiones netas cero, mientras que aquellos con sistemas acelerados por renovables (como Brasil) están mejor posicionados. El estudio concluye que, si bien los modelos de series temporales pueden proyectar eficazmente escenarios de "negocios como de costumbre" (business-as-usual), lograr los objetivos de emisiones netas cero requerirá reformas de política energética focalizadas y cambios estructurales más allá de las trayectorias actuales. Los autores sugieren modestamente que la investigación futura debería explorar el modelado basado en escenarios e integrar el aprendizaje automático para capturar mejor las transiciones no lineales, reconociendo que el presente estudio se centra en la extrapolación de tendencias históricas.