Картирование ВВП и ППС на субнациональном уровне на основе спутниковых снимков территории стран Восточной Европы и СНГ
https://doi.org/10.34023/2313-6383-2019-26-11-70-84
Аннотация
Продолжая линию исследований, ведущую свое начало от опубликованной в 2012 г. работы Дж. Хендерсона и др., авторы в данной статье сосредоточили свое внимание на том, как «наблюдения сверху», а именно спутниковые данные о ночном освещении, могут быть использованы в точном географическом картировании (в идеале - до одного квадратного километра) двух основных макроэкономических показателей, широко используемых в системе мониторинга достижения Целей в области устойчивого развития и формирования отчетности: валового внутреннего продукта (ВВП) и паритетов покупательной способности валют (ППС). Последние эмпирические экономические исследования свидетельствуют о растущем интересе к связи между наблюдаемыми ночными огнями и экономическим ростом, на основе которой можно последовательно и объективно оценить экономическую деятельность на субнациональном уровне.
В данной статье проводится анализ индикаторов, полученных из спутниковых снимков ночных огней и обработанных Министерством обороны США при помощи его сканирующей системы OLS (Operational Linescan System) Оборонительной метеорологической спутниковой программы (DMSP), для 17 стран Восточной Европы и СНГ за период 2000-2013 гг. Оценки ВВП в долларах США по текущему обменному курсу и ВВП, рассчитанного по ППС, осуществляются как на национальном, так и на субнациональном уровнях, а результаты сравниваются с имеющейся официальной информацией. Также сопоставлялись оценки ВВП и ППС (на национальном уровне) с данными Всемирного банка, и было выявлено аналогичное сходство. Результаты использовались для получения привязанных к сетке карт ВВП и ППС.
При поддержке: Авторы выражают благодарность Юрию Белецкому за замечания, полученные в отношении ранней версии статьи, представленной на Международной конференции IARIW-ВШЭ «Опыт и вызовы в изучении доходов и благосостояния в странах Восточной Европы и СНГ», которая прошла в сентябре 2019 г. в г. Москве. Благодарим также Андрея Косарева за поддержку в разработке этого исследования и предоставленные советы
Об авторах
М. С. Андреано
Университет Меркаторум
Италия
Италия
Андреано М. Симона - профессор, Университет Меркаторум.
IT-00186, Рим, пл. Маттеи, 10
Р. Бенедетти
Университет им. Г. Д’Аннунцио Кьети-Пескара
Италия
Италия
Бенедетти Роберто - профессор.
IT-65127, Пескара, пр-т Пиндаро, 42
Ф. Пьерсимони
Национальный институт статистики Италии (Истат)
Италия
Италия
Пьерсимони Федерика - старший статистик Истат.
IT-00184, Рим, ул. Чезаре Бальбо, 16
Дж. Савио
Экономическая комиссия ООН для Латинской Америки и Карибского бассейна (ЭКЛАК)
Чили
Чили
Савио Джованни - старший статистик, ЭКЛАК.
763041, Сантьяго-де-Чили, Витакура, пр-т Дага Хаммаршёльда 3477
Список литературы
1. Henderson J.V., Storeygard A., Weil D.N. Measuring Economic Growth from Outer Space. American Economic Review. 2012;102(2):994-1028. Available from: https://doi.org/10.1257/aer.102.2.994.
2. Donaldson D., Storeygard A. The View From Above: Applications of Satellite Data in Economics. Journal of Economic Perspectives. 2016;30(4):171-198. Available from: https://doi.org/10.1257/jep.30.4.171.
3. Hu Y., Yao J. Illuminating Economic Growth. IMF Working Papers. WP/19/77. 2019. Available from: https://www.imf.org/en/Publications/WP/Issues/2019/04/0 9/Illuminating-Economic-Growth-46670.
4. Elvidge C.D. et al. National Trends in Satellite Observed Lighting 1992-2012. In: Q. Weng (ed.). Global Urban Monitoring and Assessment Through Earth Observation. Boca Raton, FL: CRC Press; 2014. Chap. 6. P. 97-119.
5. Bickenbach F. et al. Night Lights and Regional GDP. Review of World Economics. 2016;152(2):425-447. Available from: https://doi.org/10.1007/s10290-016-0246-0.
6. Addison D.M., Stewart B.P. Nighttime Lights Revisited: The Use of Nighttime Lights Data as a Proxy for Economic Variables. Policy Research Working Paper. WPS7496. World Bank; 2015.
7. Croft T.A. The Brightness of Lights on Earth at Night, Digitally Recorded by DMSP Satellite. Stanford Research Institute Final Report prepared for the U.S. Geological Survey. Palo Alto, CA; 1979. Available from: https://doi.org/10.3133/ofr80167.
8. Doll C.N.H. CIESIN Thematic Guide to Night-Time Light Remote Sensing and its Applications. Center for International Earth Science Information Network (CIESIN), Columbia University, Palisades, NY, USA; 2008. Available from: http://pure.iiasa.ac.at/id/eprint/8704/.
9. Huang Q. et al. Application of DMSP/OLS Nighttime Light Images: A Meta-Analysis and a Systematic Literature Review. Remote Sensing. 2014;(6):6644-6866. Available from: https://doi.org/10.3390/rs6086844.
10. Elvidge C.D. et al. Why VIIRS Data are Superior to DMSP for Mapping Nighttime Lights. Proceedings of the Asia-Pacific Advanced Network. 2013;(35):62-69. Available from: http://dx.doi.org/10.7125/APAN.35.7.
11. Small C., Elvidge C.D. Night on Earth: Mapping Decadal Changes of Anthropogenic Night Light in Asia. International Journal of Applied Earth Observation and Geoinformation. 2013;(22):40-52. Available from: https://doi.org/10.1016/j.jag.2012.02.009.
12. Li X., Zhou Y. A Stepwise Calibration of Global DMSP/OLS Stable Nighttime Light Data (1992-2013). Remote Sensing. 2017;9(6):637. Available from: https://doi.org/10.3390/rs9060637.
13. Gini C. Sulla Misura Della Concentrazione e Della Variabilitа dei Caratteri. Atti del Reale Istituto Veneto di Scienze, LettereedArti. 1914;(LXXIII):1203-1248. (English translation in: Metron - International Journal of Statistics. 2005;LXIII(1):3-38).
14. Bonferroni C. Elementi di Statistica Generale. Firenze: Libreria Seber; 1930.
15. Tarsitano A. The Bonferroni Index of Income Inequality. In Dagum C., Zenga M. (eds.) Income and Wealth Distribution, Inequality and Poverty. Berlin: Springer-Verlag; 1989. P. 228-242.
16. Imhoff M.L. et al. A Technique for Using Composite DMSP/OLS ‘City Lights’ Satellite Data to Map Urban Area. Remote Sensing of Environment. 1997;61(3):361-370. Available from: https://doi.org/10.1016/S0034-4257(97)00046-1.
17. Yi K. et al. Mapping and Evaluating the Urbanization Process in Northeast China Using DMSP/OLS Nighttime Light Data. Sensors. 2014;14(2):3207-3226. Available from: https://www.mdpi.com/1424-8220/14/2/3207.
18. Yang M. et al. A Study of Urbanization in China Based on Regionalization Using DMSP/OLS Night Light Imagery. 2009 Joint Urban Remote Sensing Event. Shanghai: IEEE; 2009. P. 1-7. Available from: https://doi. org/10.1109/URS.2009.5137530.
19. IEA. Light’s Labour’s Lost: Policies for Energy-Efficient Lighting. Paris: OECD Publishing. 2006. Available from: https://doi.org/10.1787/9789264109520-en.
20. Martinez L.R. How Much Should We Trust the Dictator’s GDP Growth Estimates? University of Chicago Working Paper, 2019. Available from: http://dx.doi.org/10.2139/ssrn.3093296.
21. Pesaran M.H. A Simple Panel Unit Root Test in the Presence of Cross Section Dependence. Journal of Applied Econometrics. 2007;22(2):265-312. Available from: https://onlinelibrary.wiley.com/doi/epdf/10.1002/jae.951.
22. Chen X., Nordhaus W.D. VIIRS Nighttime Lights in the Estimation of Cross-Sectional and Time-Series GDP. Remote Sensing. 2019;11(9):1057. Available from: https://doi.org/10.3390/rs11091057.
23. Wu J., Li H. Concepts of Scale and Scaling. In: Wu J., Li H., Loucks O.L., Jones K.B. (eds.) Scaling and Uncertainty Analysis in Ecology - Methods and Applications. Dordrecht: Springer; 2016. P. 3-15.
Рецензия
Для цитирования:
Андреано М.С., Бенедетти Р., Пьерсимони Ф., Савио Д. Картирование ВВП и ППС на субнациональном уровне на основе спутниковых снимков территории стран Восточной Европы и СНГ. Вопросы статистики. 2019;26(11):70-84. https://doi.org/10.34023/2313-6383-2019-26-11-70-84
For citation:
Andreano M.S., Benedetti R., Piersimoni F., Savio G. Mapping GDP and PPPs at Sub-National Level Through Earth Observation in Eastern Europe and CIS Countries. Voprosy statistiki. 2019;26(11):70-84. https://doi.org/10.34023/2313-6383-2019-26-11-70-84
Просмотров:
800
Послать статью по эл. почте 