Een nieuwe benadering voor het voorspellen van veranderingen in bevolking en inkomen op het niveau van individuele Amerikaanse provincies zou de voorspellingen van de effecten van klimaatverandering kunnen verbeteren. David Wear en Jeffrey Prestemon van de USDA Forest Service in North Carolina presenteren hun nieuwe strategie in het open-access tijdschrift PLOS EEN op 24 juli, 2019.

Het voorspellen van aan klimaatverandering gerelateerde verschuivingen in landgebruik en natuurlijke hulpbronnen vereist nauwkeurige voorspellingen van demografische en economische veranderingen. Dergelijke veranderingen kunnen sterk variëren binnen een land, maar veel prognoses zijn alleen beschikbaar op het niveau van hele landen. Bovendien, eerdere studies die demografische en economische verschuivingen op kleinere schaal hebben aangepakt, hebben onvoldoende rekening gehouden met de migratie van mensen en kapitaal naar regio's waar de inkomsten hoger zijn.

In de nieuwe studie Wear en Prestemon hebben een statistische modelleringsstrategie ontwikkeld om economische en demografische verschuivingen in de VS op provinciaal niveau te voorspellen. Hun model omvat bevolkings- en inkomensgegevens op provinciaal niveau van 1970 tot 2010 en houdt wiskundig rekening met arbeidsmigratie, evenals een aantal andere sociale en economische factoren, zoals de verwachting dat gepensioneerden op hun huidige locatie blijven.

De onderzoekers pasten hun model toe in de context van de Shared Socieconomic Pathways, een reeks van vijf toekomstscenario's voor mondiale sociaaleconomische patronen die eerder zijn ontwikkeld door de onderzoeksgemeenschap op het gebied van klimaatverandering. Projecteren tot 2070, het nieuwe model voorspelt in het algemeen bevolkingsverschuivingen van het noordoosten en middenwesten naar het zuiden en westen. Afhankelijk van het specifieke scenario dat wordt overwogen, het model voorspelt dat de plattelandsbevolking stabiel zal blijven of krimpen.

De auteurs merken op dat het mogelijk zou zijn om een ​​complexer model te ontwikkelen dat extra variabelen bevat. Echter, ze suggereren dat hun model een bruikbare balans tussen complexiteit en eenvoud biedt en daarom zou kunnen dienen als een krachtige basis voor het uitvoeren van fijnere voorspellingen van de effecten van klimaatverandering.

De auteurs voegen toe:"Globale beoordelingsscenario's maken gebruik van inkomens- en bevolkingsprognoses op nationale schaal, maar deze omstandigheden veranderen niet uniform in ruimte en tijd. We hebben een methode ontwikkeld om deze projecties te verkleinen naar provincies in de Verenigde Staten op een manier die rekening houdt met ruimtelijke patronen van economische groei en loongedreven arbeidsmigratie. Omdat ruimtelijk expliciete bevolkings- en inkomensgroei van cruciaal belang zijn voor beoordelingen van natuurlijke hulpbronnen, moeten deze projecties de precisie van toekomstig landgebruik en ecosysteemdiensten verbeteren."