u1a15

Jesus Urrego

23/03/2021

library(readr) #para leer datos
library(DT) # tablas interactivas
library(prettydoc) #documentos con mejor formato
setwd("~/Estadistica aplicada/u1a15") # folder de trabajo

El PIB y su relación con el cambio climatico

Introducción

En un informe preliminar, Mohaddes y otros economistas recopilaron datos sobre la evolución del PIB per cápita y las temperaturas de 174 países desde 1960. El objetivo era evaluar los efectos sobre la economía de unas temperaturas más altas de lo habitual. Después, proyectaron esa relación hacia el futuro para estimar los efectos del calentamiento en el PIB, el indicador económico que refleja todos los bienes y servicios que produce un país.

Los investigadores hallaron que, si las emisiones de gases de efecto invernadero continuasen creciendo al ritmo actual, para 2100 el mundo vería mermado su PIB en un 7 por ciento. Tanto los países ricos como los pobres, así como los cálidos y los fríos, sufrirían pérdidas. Estados Unidos vería rebajado su PIB en un 10,5 por ciento, mientras que Canadá, que según algunos economistas podría beneficiarse del calentamiento debido a una expansión de su agricultura, perdería el 13 por ciento.

El cambio climático

El cambio climático es el mal de nuestro tiempo y sus consecuencias pueden ser devastadoras si no reducimos drásticamente la dependencia de los combustibles fósiles y las emisiones de gases de efecto invernadero. De hecho, los impactos del cambio climático ya son perceptibles y quedan puestos en evidencia por datos como:

La temperatura media mundial ha aumentado ya 1,1°C desde la época preindustrial El período 2015-2019, según la Organización Meteorológica Mundial (OMM), será probablemente el quinquenio más cálido jamás registrado La tasa de subida del nivel del mar ha ascendido a 5 mm al año en el quinquenio 2014 -2019 Pero hoy también estamos viendo los impactos económicos y sociales, que serán cada vez más graves, como:

Daños en las cosechas y en la producción alimentaria Las sequías Los riesgos en la salud Los fenómenos meteorológicos extremos, como danas, tormentas y huracanes Mega-incendios

El 79% de las emisiones de gases de efecto invernadero en la Unión Europea son debidas a la quema de combustibles para usos energéticos o de transporte, según datos de Eurostat.

Todavía en 2017, el 91% de la energía usada en España provenía de fuentes no renovables como combustibles fósiles o energía nuclear. De hecho España, junto con otros cinco países de la Unión Europea, acumulan alrededor del 70% de todos los gases de efecto invernadero del continente.

La industria y sus consecuencias

Si bien el desarrollo industrial de un territorio puede inducir una fuerte reactivación socioeconómica y mejoras en la calidad de vida de la población, también es capaz de ocasionar importantes modificaciones del entorno y diversas formas de contaminación del aire, las aguas y los suelos, agotamiento de recursos naturales y su degradación. Todo ello influirá negativamente, de forma directa o indirecta sobre el bienestar, la calidad de vida y la salud de la población. Debe realizarse un riguroso análisis científico dirigido a identificar y ponderar la magnitud y severidad de los posibles impactos ambientales y en la salud; derivados de un proyecto de desarrollo y, en consecuencia, la adopción de las medidas de prevención y control pertinentes, así los efectos negativos serán minimizados, en tanto sean maximizados los positivos, proceder denominado “evaluación de impacto ambiental”.

Existen numerosos ejemplos que muestran que la planificación adecuada reduce significativamente el impacto de las actividades humanas sobre el ambiente. En los países en desarrollo, las dificultades para formular programas adecuados de gestión ambiental son mayores y existe la necesidad de contar con herramientas prácticas que permitan la implementación generalizada y la estandarización de las etapas iniciales críticas del proceso de planificación.

Importación de paquetes

library(pacman)
p_load(rmdformats,readr,ggplot2,plotly,xfun,scales,viridis)

Ubicación de donde se obtuvieron los datos

Importación de datos

GDP <- read_csv("GDP.csv")
## 
## -- Column specification --------------------------------------------------------
## cols(
##   Entity = col_character(),
##   Code = col_character(),
##   Year = col_double(),
##   GDP_USD = col_double()
## )
co2.concentration <- read_csv("co2-concentration.csv")
## 
## -- Column specification --------------------------------------------------------
## cols(
##   Entity = col_character(),
##   Code = col_character(),
##   Year = col_double(),
##   CO2 = col_double()
## )
temperatura <- read_csv("temperature-anomaly.csv")
## 
## -- Column specification --------------------------------------------------------
## cols(
##   Entity = col_character(),
##   Code = col_logical(),
##   year = col_double(),
##   Median = col_double(),
##   Upperbound = col_double(),
##   Lowerbound = col_double()
## )
temperatura.pib <- read_csv("temperatura-pib.csv")
## 
## -- Column specification --------------------------------------------------------
## cols(
##   Year = col_double(),
##   Mexico_PIB = col_double(),
##   USA_PIB = col_double(),
##   variabilidadTemperatura = col_double()
## )
gdp.co2 <- read_csv("Co2_GDP.csv")
## 
## -- Column specification --------------------------------------------------------
## cols(
##   Year = col_double(),
##   Co2 = col_double(),
##   PIB_Mexico = col_double(),
##   PIB_USA = col_double()
## )
datos <- read_csv("temperatura-co2.csv")
## 
## -- Column specification --------------------------------------------------------
## cols(
##   CO2_Mexico = col_double(),
##   PIB_Mexico = col_double(),
##   CO2_USA = col_double(),
##   PIB_USA = col_double(),
##   CO2_Argentina = col_double(),
##   PIB_Argentina = col_double(),
##   CO2_Canada = col_double(),
##   PIB_Canada = col_double(),
##   CO2_Chile = col_double(),
##   PIB_Chile = col_double(),
##   CO2_Brazil = col_double(),
##   PIB_Brazil = col_double(),
##   temp = col_double()
## )

¿Por qué son importantes las emisiones de gases de efecto invernadero?

Las emisiones humanas de dióxido de carbono y otros gases de efecto invernadero, son uno de los principales impulsores del cambio climático, y presentan uno de los desafíos más urgentes del mundo. Este vínculo entre las temperaturas globales y las concentraciones de gases de efecto invernadero, especialmente el CO2 , ha sido cierto a lo largo de la historia de la Tierra.

¿Cuánto del calentamiento desde 1850 se puede atribuir a las emisiones humanas? Casi todo. El Panel Intergubernamental sobre Cambio Climático (IPCC) afirma claramente en su informe de evaluación más reciente (AR5):

“Las emisiones antropogénicas de gases de efecto invernadero han aumentado desde la era preindustrial, impulsadas en gran medida por el crecimiento económico y demográfico, y ahora son más altas que nunca. Esto ha llevado a concentraciones atmosféricas de dióxido de carbono, metano y óxido nitroso sin precedentes en al menos los últimos 800.000 años. Sus efectos, junto con los de otros impulsores antropogénicos, se han detectado en todo el sistema climático y es muy probable que hayan sido la causa dominante del calentamiento observado desde mediados del siglo XX.”

Producto interno bruto a nivel global

plot_ly(GDP,x = ~Year, y = ~GDP_USD,color=~Entity, colors = rainbow(30),mode="lines+markers") %>% 
  group_by(Entity) %>%
  add_lines() %>%
  rangeslider() %>%
  layout(title = 'Producto interno bruto por pais a nivel mundial',
         xaxis = list(title = 'Año'),
         yaxis = list(title = 'Producto interno bruto en dolares'))

En esta gráfica se muestra la evoulción del producto interno bruto en los paises con el paso de los años.

Emisiones de CO2 durante los años

plot_ly(co2.concentration,x = ~Year, y = ~CO2,mode="lines+markers") %>% 
  add_lines() %>%
  rangeslider() %>%
  layout(title = 'Concentración atmosferica de CO2',
         xaxis = list(title = 'Año'),
         yaxis = list(title = 'CO2 ppmm'))

En esta gráfica podemos observar como se comportan las partículas por millón que hubo en cada año de la humanidad desde -80000 antes de cristo hasta el 2019. En esta gráfica se puede apreciar como los niveles de CO2 son estables durante todos los años, claro esto cambia cuando este llega a 1920 y empieza solamente a subir creando un pico del cual nunca se había llegado en la historia.

Variabilidad de Temperatura

plot_ly(temperatura,colors = rainbow(3)) %>%
  add_lines(x = ~year, y = ~Median,mode="lines",name = "Mediana") %>%
add_lines(x = ~year, y = ~Upperbound,mode="lines", name = "Límite superior") %>%
add_lines(x = ~year, y = ~Lowerbound,mode="lines", name ="Límite inferior")  %>%
rangeslider() %>% 
  layout(title = 'Variabilidad de Temperatura',
         xaxis = list(title = 'Año'),
         yaxis = list(title = 'Mediana de Temperatura en Celsius'))

Como lo muestra esta gráfica la varianza de temperatura es un dato que cuenta con un rango un poco amplió a causa de los daños producidos por las actividades humanas.

Co2 vs PIB

ggplotly(ggplot(gdp.co2) +
  geom_point(aes(x = Year, y = PIB_Mexico, size = Co2,colour="Pib Mexico"),alpha = 0.6)+
  geom_point(aes(x = Year, y = PIB_USA, size = Co2,colour="Pib USA"),alpha = 0.6)+
  scale_size_continuous(range = c(1,7))+
  labs(x = "Año" , y = "PIB (en Dollares)", size = "PIB")+
  ggtitle("Niveles de CO2 vs PIB") +
  scale_y_continuous(labels = comma)) %>%
rangeslider(start = '1920', end = '2016')

En esta gráfica podemos apreciar el producto interno bruto de México comparado con el de USA con el paso de los años y como es que la economía de estos dos países ha ido aumentando.

Temperatura vs PIB

plot_ly(temperatura.pib)%>%
  add_markers(x=~Year,y=~Mexico_PIB,size=~variabilidadTemperatura,name="Mexico PIB")%>%
  add_markers(x=~Year,y=~USA_PIB,size=~variabilidadTemperatura,name="USA PIB")%>%
  rangeslider() %>%
  layout(title = 'PIB relacionado con la varianza de la temperatura',
         xaxis = list(title = 'Año'),
         yaxis = list(title = 'Producto interno bruto en dolares'))
## Warning: `line.width` does not currently support multiple values.

## Warning: `line.width` does not currently support multiple values.

Aquí se nos muestra la relación de la varianza de temperatura con el PIB para poder comparar el impacto que los cambios de temperatura tienen relación con el PIB.

Relación de el pib con la generación de CO2 y la variabilidad de la temperatura mundial

plot_ly(datos,colors =plasma(6),type = 'scatter', mode = 'markers',marker = list(symbol = 'circle'))%>%
  add_markers(x=~CO2_Mexico,y=~temp,size=~PIB_Mexico,name="Mexico PIB")%>%
  add_markers(x=~CO2_USA,y=~temp,size=~PIB_USA,name="USA PIB")%>%
  add_markers(x=~CO2_Argentina,y=~temp,size=~PIB_Argentina,name="Argentina PIB")%>%
  add_markers(x=~CO2_Chile,y=~temp,size=~PIB_Chile,name="Chile PIB")%>%
  add_markers(x=~CO2_Brazil,y=~temp,size=~PIB_Brazil,name="Brazil PIB")%>%
  add_markers(x=~CO2_Canada,y=~temp,size=~PIB_Canada,name="Canada PIB")%>%
  rangeslider() %>%
  layout(title = 'Relación de la temperatura con el PIB y el CO2',
         xaxis = list(title = 'Toneladas CO2 per capita'),
         yaxis = list(title = 'Variabilidad de temperatura (C°)'))
## Warning: `line.width` does not currently support multiple values.

## Warning: `line.width` does not currently support multiple values.

## Warning: `line.width` does not currently support multiple values.

## Warning: `line.width` does not currently support multiple values.

## Warning: `line.width` does not currently support multiple values.

## Warning: `line.width` does not currently support multiple values.

El tamaño de las busbujas es relacional al PIB del país

Conclusión

Observado las graficas, se puede concluir que el PIB tiene cierta relación tanto con la generación y la concentración de CO2 en el planeta y con la varianza de la temperatura, por ende se puede decir que entre mas sea el PIB mayor es la generación de contaminantes y por estas actividades afectan al cambio climatico de una manera considerable, es importante mencionar que la economía esta estrechamente relacionada con el cambio climático.

Bibliografía

Organización Panamericana de la Salud. Informe Regional sobre el desarrollo sostenible y la salud en las Américas [Internet]. Washington D.C.: OPS; 2013. [citado 26 oct 2013]. Disponible en: http://www.paho.org/hq/index.php?option=com_docman&task=doc_view&gid=21428&Itemid

Referencia: «Long-term macroeconomic effects of climate change: A cross-country analysis». Matthew E. Kahn et al.; Oficina Nacional de Investigación Económica (NBER) de EE.UU., agosto de 2019.

IPCC, 2013: Cambio climático 2013: La base de la ciencia física. Contribución del Grupo de Trabajo I al Quinto Informe de Evaluación del Panel Intergubernamental sobre Cambio Climático [Stocker, TF, D. Qin, G.-K. Plattner, M. Tignor, SK Allen, J. Boschung, A. Nauels, Y. Xia, V. Bex y PM Midgley (eds.)]. Cambridge University Press, Cambridge, Reino Unido y Nueva York, NY, EE. UU., 1535 págs.

Lacis, AA, Schmidt, GA, Rind, D. y Ruedy, RA (2010). CO2 atmosférico: perilla de control principal que rige la temperatura de la Tierra . Science , 330 (6002), 356-359.