Integrating Spatial Econometrics and Remote Sensing for Pixel-Level Wind Energy Corridor Identification: Evidence from West Bengal, India

Resumen Técnico: Integración de la Econometría Espacial y la Teledetección para la Identificación de Corredores de Energía Eólica a Nivel de Píxel

Planteamiento del Problema
La evaluación convencional de los recursos eólicos suele basarse en observaciones meteorológicas y distribuciones estadísticas, específicamente la distribución de Weibull, para evaluar la velocidad media del viento o la densidad de potencia. Sin embargo, estos enfoques frecuentemente tratan las características del viento de forma aislada, omitiendo la influencia crítica de los patrones locales de uso del suelo, la rugosidad de la superficie y la heterogeneidad espacial. Además, la literatura existente suele asumir la independencia espacial entre las observaciones, violando la Primera Ley de la Geografía de Tobler, que postula que las ubicaciones cercanas están más relacionadas entre sí que las distantes. Esta omisión puede conducir a estimaciones de parámetros sesgadas y conclusiones políticas erróneas. Adicionalmente, los marcos de planificación actuales tienden a identificar sitios de alto potencial aislados en lugar de zonas de desarrollo contiguas, perdiendo las eficiencias económicas de los corredores de energía renovable conectados que optimizan la disponibilidad de recursos, la accesibilidad y la infraestructura de transmisión.

Metodología
Este estudio propone un marco integrado que combina datos de teledetección de alta resolución con modelos econométricos espaciales para identificar corredores de energía eólica a nivel de píxel en Bengala Occidental, India.

1. Fuentes de Datos:

   • Parámetros del Viento: Se utilizaron rásteres de los parámetros de escala ($A$) y forma ($K$) de Weibull a una resolución de 100 metros. El parámetro de escala refleja la fuerza del régimen del viento, mientras que el parámetro de forma indica la consistencia y estabilidad del viento.
   • Cobertura del Suelo: El conjunto de datos Dynamic World (derivado de imágenes Sentinel-2) proporcionó clasificaciones de cobertura terrestre en tiempo casi real con una resolución de 10 metros. Estos se reescalaron a 100 metros para coincidir con los datos del viento. Se consideraron nueve clases de cobertura terrestre, incluyendo árboles, áreas construidas, vegetación inundada y tierras de cultivo.
   • Unidades Espaciales: El análisis utilizó 19 distritos administrativos para el modelado econométrico y datos a nivel de píxel para la identificación de corredores.

2. Enfoque Econométrico:

   • Autocorrelación Espacial: Se calculó el Índice de Moran Global para probar la dependencia espacial.
   • Estimación del Modelo: Se estimaron y compararon tres modelos econométricos espaciales frente a un modelo base de Mínimos Cuadrados Ordinarios (OLS):
     • Modelo Autorregresivo Espacial (SAR)
     • Modelo de Error Espacial (SEM)
     • Modelo de Durbin Espacial (SDM)
   • Selección del Modelo: Se seleccionó el Modelo de Error Espacial (SEM) como la especificación preferida basándose en los criterios de información (AIC y BIC) y la estabilidad de las estimaciones de los parámetros. Se observó que el SDM presentaba un coeficiente de rezago espacial ($\rho > 1$) inestable, lo que limitaba su fiabilidad para este conjunto de datos.

3. Identificación de Corredores:

   • Se construyó un Índice de Idoneidad Eólica (WSI, por sus siglas en inglés) compuesto mediante la combinación de parámetros de Weibull normalizados e indicadores de cobertura terrestre (áreas construidas, cobertura arbórea y vegetación inundada) ponderados por sus coeficientes econométricos.
   • Los corredores potenciales se delinearon utilizando un umbral de percentil (percentil 90) del WSI para identificar zonas de alta idoneidad contiguas.

Contribuciones Clave
El estudio realiza cuatro contribuciones principales a la literatura:

1. Integración de Parámetros Duales: Amplía la evaluación tradicional al considerar conjuntamente los parámetros de escala ($A$) y forma ($K$) de Weibull, capturando así tanto la fuerza como la estabilidad del viento para un análisis de viabilidad económica más exhaustivo.
2. Integración de Uso del Suelo de Alta Resolución: Incorpora datos de cobertura terrestre de Dynamic World para capturar los efectos de la heterogeneidad del paisaje sobre la idoneidad del viento a nivel de píxel, yendo más allá de los simples criterios de exclusión.
3. Rigor Econométrico Espacial: Contabiliza explícitamente la dependencia espacial mediante el modelado econométrico espacial, superando las limitaciones de los enfoques de regresión convencionales que asumen la independencia espacial.
4. Planificación Basada en Corredores: Cambia el enfoque de la identificación de sitios aislados hacia la delineación de corredores de energía eólica contiguos, proporcionando un marco de apoyo a la decisión para la política energética regional y la agrupación de infraestructura.

Resultados Empíricos

• Autocorrelación Espacial: El Índice de Moran Global fue de 0.723 ($p < 0.01$), confirmando una significativa autocorrelación espacial positiva en el potencial eólico a nivel de distrito, lo que justifica el uso de modelos espaciales.
• Efectos de la Cobertura del Suelo:
  • Cobertura Arbórea: Exhibió una asociación negativa estadísticamente significativa con el potencial del viento en todos los modelos (OLS, SAR, SEM), indicando que la vegetación densa aumenta la rugosidad de la superficie y reduce la intensidad del viento.
  • Áreas Construidas: En el SEM (el modelo preferido), las áreas construidas mostraron un coeficiente negativo significativo, sugiriendo que la urbanización reduce el potencial eólico debido al arrastre aerodinámico y la turbulencia.
  • Vegetación Inundada: Demostró una asociación positiva significativa con el potencial del viento, probablemente debido a que las superficies más lisas facilitan un flujo de aire estable.
  • Otras Clases: Pastizales, matorrales y tierras desnudas mostraron resultados mixtos o insignificantes dependiendo de la especificación del modelo.
• Desempeño del Modelo: El SEM proporcionó el mejor ajuste estadístico (menores AIC/BIC) con un coeficiente de error espacial ($\lambda$) de 0.945 ($p < 0.01$). Este alto coeficiente sugiere que los procesos ambientales regionales no observados (por ejemplo, la topografía, los microclimas) compartidos entre distritos vecinos juegan un papel dominante en la configuración de los recursos eólicos.
• Identificación de Corredores: El análisis identificó corredores de energía eólica contiguos, particularmente en las partes del sur y costeras de Bengala Occidental. Distritos como Pashchim Medinipur, Barddhaman, Bankura y Puruliya mostraron un alto potencial. Los corredores identificados cubren aproximadamente 105,776 hectáreas.

Significancia y Limitaciones
El artículo sostiene que su marco integrado ofrece una herramienta robusta y basada en evidencia para la planificación de energías renovables que cierra la brecha entre la evaluación de recursos y la planificación del uso del suelo. Al resaltar el impacto negativo de las áreas construidas y el papel positivo de los paisajes abiertos, el estudio sugiere que la planificación urbana y la política energética deben coordinarse para preservar los corredores de viento. El enfoque basado en corredores se presenta como una estrategia para reducir los costos de transmisión y mejorar la viabilidad de los proyectos mediante la agrupación regional.

Los autores señalan modestamente algunas limitaciones:

• El análisis econométrico depende de un número limitado de distritos (19), lo que puede restringir la generalización de las estimaciones de los coeficientes.
• Los corredores identificados representan productos de apoyo a la planificación basados en índices de idoneidad, no sitios de ingeniería definitivos. Requieren evaluaciones adicionales respecto a la infraestructura de transmisión, adquisición de tierras, permisos ambientales y la ingeniería específica de las turbinas.
• El estudio se centra principalmente en características ambientales y del paisaje, excluyendo la viabilidad económica detallada, la accesibilidad a la red y las variables topográficas como la elevación y la pendiente en el modelo inicial.

El estudio concluye que, si bien los corredores identificados no sustituyen a las evaluaciones detalladas de sitio específico, proporcionan una capa estratégica crítica para el desarrollo regional sostenible y la transición energética en Bengala Occidental.