A country-sector dataset of environmental intensity and geographic variability across industrial activities

Resumen Técnico: Un conjunto de datos país-sector de intensidad ambiental y variabilidad geográfica

Planteamiento del problema
Las bases de datos existentes de modelos de entrada-salida multirregionales extendidos ambientalmente (EEMRIO), como EXIOBASE, son herramientas críticas para cuantificar impactos ambientales, pero sufren de una heterogeneidad significativa. Los indicadores ambientales se reportan típicamente en unidades y escalas dispares, lo que dificulta las comparaciones entre indicadores, sectores y países. Además, aunque estas bases de datos contienen la información necesaria para explorar si las presiones ambientales derivan de características inherentes al sector o de contextos geográficos (por ejemplo, tecnología, regulaciones, calidad de los recursos), carecen de métricas armonizadas que faciliten un análisis sistemático de este tipo. En consecuencia, existe una breces en la comprensión de la magnitud y la dependencia geográfica de las presiones ambientales a través de los sistemas industriales.

Metodología
El estudio construye un conjunto de datos armonizado que cubre 6.781 sectores económicos en 44 países y cinco regiones del resto del mundo (RoW), derivado de la base de datos EXIOBASE 3.8.1. La metodología consta de tres etapas primarias:

1. Selección y transformación de indicadores:

   • Se seleccionaron trece indicadores ambientales para cubrir el cambio climático, la contaminación del aire, la acidificación, la eutrofización, la ecotoxicidad, la toxicidad humana, la formación de ozono fotoquímico y el uso del agua. Estos fueron elegidos por su disponibilidad, distinción conceptual y representación de categorías de impacto de punto medio (midpoint).
   • Para abordar la heterogeneidad de las unidades y las distribuciones sesgadas, todos los valores de los indicadores se transformaron en rangos de percentiles a través de todas las observaciones de país-sector. Este enfoque preserva el orden relativo mientras minimiza la influencia de los valores atípicos y extremos. Los ceros estructurales (combinaciones no aplicables) se excluyeron antes de la normalización para evitar confundir la no aplicabilidad con bajas cargas ambientales.

2. Cálculo de las dimensiones de intensidad ambiental:

   • Intensidad ambiental directa ($D_i$): Calculada como la media aritmética de los rangos de percentiles para los indicadores generados dentro de las propias operaciones de un sector.
   • Intensidad ambiental de la cadena de suministro ($P_i$): Estimada mediante un análisis de la inversa de Leontief ($L = (I - A)^{-1}$) aplicado a la matriz de coeficientes técnicos ($A$) y los coeficientes ambientales directos ($e$). Esto captura las presiones incorporadas en las redes de producción ascendentes (upstream). Los valores resultantes también fueron convertidos a rangos de percentiles y promediados.
   • Intensidad ambiental sistémica ($S_i$): Integrada en una única métrica utilizando la media geométrica de las puntuaciones directas y de la cadena de suministro ($S_i = \sqrt{D_i \times P_i}$). Este método fue elegido para enfatizar las actividades que son ambientalmente significativas tanto desde la perspectiva operativa como de la cadena de suministro, reduciendo el peso de las observaciones que puntúan alto en solo una dimensión.

3. Cuantificación de la variabilidad geográfica:

   • La variabilidad geográfica se definió como la desviación estándar de las puntuaciones de intensidad ambiental sistémica a través de los países para cada sector específico. Esta métrica evalúa la dispersión del desempeño ambiental de actividades idénticas bajo diferentes contextos nacionales.

4. Filtrado y validación de datos:

   • Se excluyeron las observaciones con datos válidos para menos del 50% de los indicadores seleccionados. Las pruebas de robustez confirmaron que aumentar este umbral al 75% producía resultados idénticos, lo que indica una alta cobertura de datos.
   • La validación técnica incluyó análisis de correlación de rango de Spearman para probar la estabilidad de los rankings contra métodos de agregación alternativos (por ejemplo, media aritmética frente a geométrica, o media frente a mediana de los percentiles) y umbrales de cobertura de indicadores.

Resultados clave

• Composición del conjunto de datos: El conjunto de datos final comprende 6.781 observaciones de país-sector con puntuaciones armonizadas de intensidad ambiental directa, de la cadena de suministro y sistémica, junto con métricas de variabilidad geográfica.
• Patrones sectoriales:
  • Manufactura y Construcción: Estos sectores exhiben una intensidad directa moderada pero una intensidad de la cadena de suministro significativamente mayor, lo que indica que sus cargas ambientales están fuertemente impulsadas por las redes ascendentes.
  • Sectores Primarios (Agricultura, Silvicultura, Minería, Servicios Públicos): Estos sectores muestran el patrón opuesto, con una intensidad directa alta y una intensidad de la cadena de suministro baja, lo que sugiere que sus impactos son intrínsecos a sus límites operativos.
  • Servicios: Los sectores de servicios generalmente muestran las puntuaciones más bajas de intensidad ambiental sistémica.
• Variabilidad geográfica:
  • Un análisis de varianza de dos vías (ANOVA) reveló que los efectos del sector explican una mayor proporción de la varianza ($\eta^2 = 0.414$) que los efectos del país ($\eta^2 = 0.224$). Esto sugiere que la intensidad ambiental está más fuertemente asociada con la naturaleza de la actividad de producción que con el contexto geográfico.
  • Sin embargo, existe una variabilidad geográfica significativa en sectores específicos, particularmente en minería, extracción, reciclaje, generación de electricidad y agricultura. Estos sectores se caracterizan por una alta intensidad ambiental y una alta dispersión entre países, lo que los convierte en candidatos principales para mejoras de sostenibilidad y transferencia de tecnología.
• Robustez: El estudio encontró un acuerdo muy fuerte entre los rankings derivados de las medias geométrica y aritmética (Spearman $\rho = 0.974$) y entre las puntuaciones de percentiles de media y mediana ($\rho > 0.98$). La correlación entre las puntuaciones directas y de la cadena de suministro fue positiva pero débil ($\rho = 0.337$), lo que valida la necesidad de medir ambas dimensiones por separado.

Significancia y afirmaciones
El artículo afirma que este conjunto de datos proporciona un marco transparente y reproducible para la evaluación multidimensional del desempeño ambiental sin requerir que los usuarios procesen datos brutos de EEMRIO o realicen cálculos complejos de entrada-salida. Su principal significancia radica en:

1. Armonización: Permite la comparación entre dimensiones ambientales, países y sectores heterogéneos al convertir diversos indicadores en una escala ordinal común.
2. Diferenciación: Distingue entre las presiones operativas directas y las presiones de la cadena de suministro ascendente, que a menudo siguen patrones diferentes según el sector.
3. Utilidad política: Identifica sectores donde el desempeño ambiental es altamente sensible a las condiciones geográficas frente a aquellos donde es intrínseco al proceso de producción. Esta distinción apoya la política industrial dirigida, el análisis de transferencia de tecnología y la gestión sostenible de las cadenas de suministro.
4. Evaluación comparativa relativa: Los autores declaran explícitamente que las puntuaciones representan la intensidad ambiental relativa en lugar de las cargas ambientales absolutas. Por consiguiente, el conjunto de datos es más apropiado para el ranking, la evaluación comparativa y el análisis exploratorio, en lugar de la cuantificación de impactos físicos absolutos.

El trabajo se presenta como un recurso fundamental para las estrategias de sostenibilidad, permitiendo a investigadores y responsables políticos evaluar si la intensidad ambiental es impulsada más por las características del sector o por el contexto geográfico en el que operan dichos sectores.