El cambio climático se define en general como una desviación relevante de los patrones de tiempo durante un periodo representativo. Las consecuencias climáticas son grandes y variadas, y una de las que tiene más efectos implica el desplazamiento de personas de zonas afectadas a zonas que no lo están. En este sentido, es común ya en organismos internacionales usar el concepto de migrante climático.
Las migraciones causadas por cambio climático no necesariamente causan una migración inmediata, como por ejemplo si lo hacen los desastres naturales [1, 2], sino que esta tiene lugar más lentamente y durante un periodo de tiempo más largo. Los principales eventos de cambio climático que causan migraciones son las sequías extremas, especialmente en entornos rurales; y la subida de niveles del agua combinada con el desgaste de la línea costera. En este tipo de migraciones la gente tarda mucho en regresar a su sitio de origen y, en general, la mayoría no regresa.
En Telefónica Research hemos llevado a cabo varios estudios para evaluar hasta qué punto podemos usar las trazas de teléfonos móviles (CDRs) para medir las migraciones causadas por el cambio climático. Como caso de ejemplo nos centramos en la grave sequía que azotó el estado de La Guajira, en Colombia, desde 2013 hasta 2015 [3]. La Guajira es un departamento de Colombia situado en el noroeste del país y que comparte frontera con Venezuela. La mayor parte de la población es nativa (perteneciente a la etnia de los Wayuu) y viven en entornos rurales y en explotaciones agrarias. El entorno rural implica que los efectos de la sequía son mucho mayores, ya que la falta de agua afecta de forma directa a la economía y a la forma de vida de sus gentes. Dentro de La Guajira, el municipio de Uribía fue el más afectado, llegándose a declarar el Estado de Emergencia por sequía durante más de dos años [4].
Mediante el uso de CDRs de Colombia, previamente anonimizadas y agregadas, estudiamos y modelamos la movilidad en la zona afectada por la sequía durante un periodo de seis meses, desde diciembre de 2013 (cuando se declaró la sequía) hasta mayo de 2014. Para ello, identificamos las torres que se corresponden con el municipio de residencia, y medimos los cambios de municipios por semana [5]. Una vez se identificó el número de personas en cada municipio se podía contar por semana cuantas personas residían en el mismo, y evaluar así el cambio en la población.
La Figura 1 presenta para el estado de La Guajira y para el municipio de Uribía el número de residentes durante los seis meses considerados. En ambas figuras se puede observar que la población se reduce aproximadamente un 10% tanto a nivel de estado como de municipio, mostrando un comportamiento lineal con r2=0.93 y r2= 0.78 a nivel de estado y municipio. Para validar la reducción en la población observada, se comparó con los datos de población estimada dados por el censo de Colombia de 2005, que es el último disponible. Los datos estimativos del censo daban en ambos casos un crecimiento de la población, de ahí que una reducción tan drástica como es el 10% en un periodo de tiempo tan corto solo pueda ser explicada por los efectos de la sequía.
El siguiente estudio se centró en cómo modelar y predecir las migraciones causadas por la sequía extrema. La Figura 2 presenta el movimiento de migraciones para una semana en concreto, donde se puede observar en un mapa de calor que la mayoría de los migrantes de La Guajira cambia de municipio, pero se queda dentro de su estado, y aquellos que dejan el estado se van típicamente a estados vecinos. En la literatura existen principalmente dos aproximaciones para modelar las migraciones, por un lado, los modelos gravitacionales [6]; y por otro, los modelos de radiación [7]. Los modelos gravitacionales asumen un modelo de gravedad, pero entre entornos urbanos, i.e. la migración es proporcional a la población total e inversamente proporcional a la distancia. Los modelos de radiación asumen que las migraciones se comportan como la emisión de partículas en combinación con las oportunidades que se encuentren durante esa emisión, i.e. la migración se producirá hacia centros donde haya oportunidades económicas.
Usando estos modelos, nuestros resultados indican que podemos modelar migraciones causadas por sequía extrema con modelos tradicionales con una exactitud de entre 60% al 70%, dando mejores resultados los modelos de radiación. Para mejorar la predicción modificamos los modelos para incluir datos de lluvia, de manera que los modelos de radiación no solo consideraran oportunidades económicas sino también un mejor entorno climático, mejorando con ello la predicción un 5%.
La sequía afecta a la forma de vida en entornos rurales
En general, estos resultados demuestran la potencialidad de usar CDRs para estudiar las migraciones causadas por eventos climáticos. Mientras los desastres naturales producen cambios inmediatos en la población, los eventos de cambio climático producen cambios mucho más lentamente, pero estos pueden también ser capturados eficientemente con CDRs. Los resultados también indican que las migraciones causadas por cambio climático pueden ser explicadas en gran medida por modelos tradicionales que se basan en el concepto de oportunidad económica. Ello es debido a que en el caso de sequía extrema en entornos rurales el efecto sobre la forma de vida es directo, de ahí que los migrantes busquen nuevos entornos que proporcionen oportunidades económicas.
Estos resultados son solo el inicio de cómo medir y modelar migraciones causadas por eventos climáticos. Dichos eventos serán cada vez más frecuentes y más duraderos [8], de ahí que el disponer de herramientas que permitan medir y modelar el efecto de los mismos será clave para reducir su impacto en la población. Las trazas de telefonía móvil serán una de las armas más potentes para este tipo de estudios.
Referencias:
[1] D. Pastor-Escuredo, A. Morales-Guzman, E. Torres-Fernndez, A. Frias-Martinez, and V. Frias-Martinez. 2014. Flooding through the lens of mobile phone activity. In IEEE Humanitarian
Technology Conference (GHTC).
[2] Q. Wang and J.E. Taylor. 2014. Quantifying human mobility perturbation and resilience in Hurricane Sandy. PLoS one 9, 11 (2014), e112608
[3] Natalio Cosoy. 2015. Colombia’s Alta Guajira region struggles with drought. BBC News (2015). http://www.bbc.com/news/world-latin-america-34051253
[4] Ayuntamiento de Uribia. Decreto Calamidad Publica de Uribia 2014. https://www.elheraldo.co/la-guajira/decretan-calamidad-publica-en-uribia-143195
[5] V. Frias-Martinez, J. Virseda, A. Rubio, and E. Frias-Martinez. 2010. Towards large scale
technology impact analyses: Automatic residential localization from mobile phone-call data. In 4th ACM/IEEE Intl. Conf. Inf. and Communication technologies and development. ACM, 11.
[6] D. Karemera, V. Oguledo, and B. Davis. 2000. A gravity model analysis of international migration to North America. Applied Economics 32, 13 (2000), 1745{1755.
[7] F. Simini, M.C. Gonz_alez, A. Maritan, and A.lbert-L_aszl_o Barab_asi. 2012. A universal model for mobility and migration patterns. Nature 484, 7392 (2012), 96.
[8] R. Black, S. Bennett, S. Thomas, and J.R. Beddington. 2011. Climate change: Migration as adaptation. Nature 478, 7370 (2011), 447.
