Proyecciones poblacionales

Las proyecciones poblacionales fueron desarrolladas anualmente hasta el año 2080 ya que ha sido un horizonte temporal para escenarios de índole ambiental, especialmente los relacionados al cambio climático (^{Nakicenovic et al., 2000}). Los escenarios de crecimiento alto, medio y bajo se estimaron con dos métodos: i) uno determinístico y ii) uno probabilístico. Estas aproximaciones permiten resaltar las diferencias cuantificables entre los métodos, y tratar de resolver las deficiencias de las bases de datos nacionales. Cualquier tipo de proyecciones de población, ya sean probabilísticas o determinísticas, dependen principalmente de dos factores: i) la estimación inicial, y ii) los supuestos que se utilizan para su extrapolación. Las estimaciones iniciales dependen a su vez de la calidad de la información, así como de las técnicas estadísticas y demográficas para realizarlas.

Las técnicas de proyección conforman un cuerpo de conocimiento que integran, en una sola metodología, gran parte de las herramientas metodológicas del análisis demográfico (^{García-Guerrero, 2014}). Como se mencionó arriba, existen dos enfoques metodológicos, el determinístico y el probabilístico. Con ambos enfoques se puede proyectar el volumen total de la población a partir de la extrapolación de cohortes por edad y sexo. A esta forma de proyección se le conoce, en español, como método de los componentes demográficos (MCD).¹

De acuerdo con ^{García Guerrero (2014}, ²⁰¹⁷) el MCD consiste en proyectar los niveles y tendencias de la mortalidad, fecundidad, inmigración y emigración, utilizando algún método de extrapolación; luego se imputa una estructura por edades de alguna otra fuente. Para proyectar los sobrevivientes futuros por edades, primero se proyecta la mortalidad y se calculan las probabilidades de sobrevivencia, mismas que se multiplican por la población a inicio de cada año considerado dentro de la proyección, después al resultado se le agregan los inmigrantes y se le restan los emigrantes para cada edad. Finalmente, se calculan los nacimientos a partir de la proyección de las tasas específicas de fecundidad y de multiplicarlas a la población femenina proyectada en edades reproductivas. El procedimiento se repite hasta cubrir todo el horizonte de tiempo que se desea proyectar (i.e. cada uno de los años en el futuro que se desean proyectar, también llamado horizonte de proyección).

Proyección poblacional determinística

En su vertiente determinística, este procedimiento se calcula una sola vez. Es decir cada punto en el tiempo calculado implica un solo punto en el tiempo en el futuro. Este tipo de proyecciones está lejos de ofrecer datos ciertos sobre el futuro demográfico ya que, como en cualquier extrapolación del futuro, se articulan muchos factores que incrementan su incertidumbre o rango de error (^{García-Guerrero, 2014}). Dichas proyecciones son simulaciones sobre el futuro de la demografía de tipo “qué pasaría si…” ocurriese determinada evolución de la mortalidad, fecundidad y migración (^{Lee, 1998}; ^{Alho y Spencer, 2005}).

Bajo este esquema, es prácticamente imposible calcular todos los escenarios posibles o todas las combinaciones de trayectorias posibles de la mortalidad, fecundidad y migración que conlleven a escenarios de alto o bajo crecimiento demográfico. Sin embargo, usualmente se calculan escenarios alternativos donde se simula un alto crecimiento poblacional y uno bajo con el fin de mostrar la plausibilidad de la proyección que será utilizada para la toma de decisiones (^{Gómez de León y Partida, 2001}), y con ello evaluar la amplitud de las proyecciones.

La proyección de la población determinística fue desarrollada a nivel municipal, y después agregada a nivel estatal y nacional. Este método estuvo basado en tablas de vida construidas por cohortes cada cinco años (^{Rowland, 2006}). Las tablas de vida están compuestas por tres elementos demográficos: fecundidad, mortalidad y migración. La fecundidad se mide como la tasa global de fecundidad (TGF), que es calculada a partir de las tasas específicas de fecundidad para cada año y cada cohorte (TEF) (Ecuación 1); TGF es la suma de cada una de las TEF (por cada mil) (Ecuación 2) (^{Rowland, 2006}). La mortalidad es derivada de la tasa de supervivencia de cada cohorte (^{Klosterman et al., 1993}). La migración neta es la diferencia entre la tasa de crecimiento natural (tiempo 1), y la información del año previo (tiempo 0), expresado en valores absolutos. El modelo puede ser modificado en función del ajuste de los supuestos de fecundidad para cada cohorte, el volumen neto de la migración, y la tasa de supervivencia. Las tablas de vida permiten los cálculos de supervivencia para la cohorte subsecuente. Los datos base utilizados para generar las proyecciones de los componentes de las cohortes fueron los censos de México del año 2005 y 2010 (^{INEGI-CONAPO-COLMEX, 2006}; ^{INEGI, 2010a}). Las estimaciones de mortalidad y migración de los censos son altamente inciertas a nivel municipal, especialmente para municipios con poca población que tienden a generar proyecciones negativas. La migración fue mantenida constantes en las proyecciones poblacionales con el fin de evitar poblaciones negativas.

Dónde: TEF es la tasa específica de fecundidad por cohorte de cinco años y TGF es la tasa global de fecundidad.

En México, los municipios con mayor marginación, relacionados con áreas rurales, tienen las mayores tasas de fecundidad (^{INEGI, 2006}), por esto es importante considerar el grado de ruralidad de cada municipio y ajustar la TGF de las proyecciones poblacionales. En este estudio se utilizaron tanto los criterios de la OCDE y del INEGI para definir la ruralidad municipal. Sin embargo, en los casos en los que se encontró una contradicción se tomó en consideración el índice de marginación del año 2010 reportado por ^{CONAPO (2011)} para definir si dicho municipio era rural o urbano. Por ejemplo, en el año 2010 el INEGI reportó para el municipio de Calvillo una población de 54,136 personas, una densidad de 58.63 personas por km², y un índice de marginación bajo. Como consecuencia, basándonos en el criterio del INEGI, este municipio sería considerado urbano, mientras que al aplicar el criterio de la OCDE el mismo municipio sería rural; tomando en cuenta que el índice de marginación es bajo, este municipio fue considerado como urbano. El presente estudio utilizó la TGF propuesta por la ONU para las proyecciones de los escenarios alto, medio y bajo, dependiendo de la ruralidad y del escenario en cuestión (Tabla 1). El resultado es la obtención de tres proyecciones poblacionales en las diferentes cohortes bajo diferentes TGF con una migración y tasas de supervivencia constantes debido a que con los datos de los censos, los municipios pequeños mostraban poblaciones negativas (Figura 1).

Fuente: elaboración propia.

Figura 1: Diagrama de flujo del desarrollo metodológico seguido para desarrollar las proyecciones socioeconómicas 

Proyección poblacional probabilística

Para subsanar las deficiencias de las proyecciones de población determinísticas se han realizado proyecciones de tipo probabilístico. Estas consisten en determinar el conjunto de escenarios probables que tendría la dinámica demográfica en su conjunto, así como la de las componentes que la conforman, a partir de una serie temporal de información estimada (la cual, para el caso de México puede ser la conciliación demográfica). Existen tres tipos de aproximaciones para el cálculo de proyecciones probabilísticas: i) la bayesiana (^{Raftery et al., 2014}), ii) utilizando métodos de simulación estocástica (^{García-Guerrero, 2014}), y iii) utilizando las técnicas de suavización exponencial y datos funcionales (^{Hyndman y Booth, 2008}).

En la versión probabilística del MCD, cada punto en el tiempo calculado implica un conjunto de posibles realizaciones del futuro, por ello, usualmente a este tipo de proyecciones se les conoce como pronósticos. Este término hace referencia a que no se calcula un solo escenario futuro, sino que se calculan miles de ellos en función de la incertidumbre asociada (llamadas realizaciones del pronóstico). Dichas realizaciones se agrupan en un intervalo de predicción que lleva consigo una probabilidad de ocurrencia. A partir de estos cálculos, es posible extraer un escenario que resume el comportamiento promedio de la dinámica de la variable demográfica en cuestión o de la población total.² En este marco, la principal diferencia entre las proyecciones y los pronósticos de población es que en las primeras se construye un escenario, y después se evalúa su plausibilidad; en cambio, en las estocásticas primeramente se mide y se pronostica su variabilidad, y luego, se extrae el escenario medio de referencia (^{García-Guerrero, 2017}).

Para estos análisis se utilizó la información de la encuesta intercensal de población 2015 (^{INEGI, 2015}) para validar los datos nacionales de las proyecciones determinísticas y probabilísticas con los diferentes escenarios.

Proyecciones económicas

Las proyecciones se basaron en la técnica auto-regresiva de promedios móviles integrada (ARIMA, por sus siglas en inglés). Esta técnica fue seleccionada para proyectar el crecimiento del PIB toda vez que sigue un proceso estocástico que no necesita información de los factores que influyen en su crecimiento. Además, permite la estimación de valores futuros en función de las observaciones pasadas en forma auto-regresiva. Las proyecciones del PIB fueron desarrolladas a nivel nacional con la información oficial para el periodo 1993-2015 en pesos mexicanos constantes del año 2008 (^{INEGI, 2012}, ²⁰¹⁵), los datos fueron convertidos a dólares del 2008 considerando una tasa de cambio constante de 11.14381 pesos por dólar. De esta manera, la información ya cuenta con la transformación de deflación y permite la comparación entre los diferentes años de la serie de tiempo.

La información que compone la serie de tiempo fue descompuesta en 66 sub-muestreos, cada uno con un mínimo de 12 años consecutivos, por ejemplo 1993-2007, 1994-2007 y 1995-2007. Este mínimo de 12 años fue definido por el sesgo que se pudiera presentar por las políticas nacionales debido a los periodos políticos sexenales. El proceso fue generado de manera iterativa para todas las combinaciones posibles. Para cada uno de los 66 sub-muestreos existen 216 posibles combinaciones de los factores p, q y d, que son los factores que influyen en el modelo ARIMA. Esto arroja un total de 14,256 modelos que fueron generados y evaluados. Para identificar el mejor modelo de ARIMA para cada uno de los sub-muestreos, se adoptó una selección automática con base en el criterio de Akaike más bajo. El criterio de Akaike se utilizó por que evalúa la bondad de ajuste de los modelos, y penaliza los modelos más complejos. Además, este indicador es el recomendado al momento de construir y seleccionar los mejores modelos ARIMA (^{Akaike, 1974}; ^{Ozaki, 1977}; ^{Aguirre, 1994}); todos los modelos seleccionados fueron revalidados por inspección de los residuales.

Los acuerdos multi-modelos fueron validados por dos métodos. En el primer método se evaluaron las diferencias entre las estimaciones por medio de la prueba de Wilcoxon-Mann-Whitney, en la cual se contrastan los valores observados y modelados del PIB para el periodo 2005-2016. El segundo método consistió en una validación independiente con valores no incluidos en la calibración del modelo para los trimestres dos, tres y cuatro del año 2015 y el primer trimestre del año 2016.

Los diez escenarios más altos y los diez más bajos, fueron considerados como escenarios alto y bajo, respectivamente. El escenario medio fue definido por el promedio de los modelos restantes. El escenario alto es el resultado de los promedios de las estimaciones más altas derivadas de los sub-muestreos, sugiriendo el crecimiento máximo del PIB que pudiera esperarse en función de los años más productivos de la economía mexicana. El escenario bajo, representa los periodos de crecimiento económico más bajos que se ha registrado históricamente. Cada uno de los modelos fue transformado para obtener una tasa de crecimiento media anual.

La proyección económica a nivel municipal se hizo al desagregar las proyecciones nacionales; primeramente, a nivel estatal, por medio del análisis de la contribución histórica de cada estado en el total del PIB nacional (Ecuación 3), y posteriormente, obtenida a nivel municipal a partir de los datos publicados en el año 2005 de la participación municipal en el PIB nacional, y generada por el Sistema Nacional de Información Municipal (^{SNIM, 2013}). El PIB fue ajustado con base en las tendencias de los datos históricos, para asegurar que la suma de los municipios igualara al total del PIB nacional. Finalmente, el PIB per cápita fue calculado con base en las nueve posibles combinaciones de los tres escenarios de PIB y las tres proyecciones poblacionales.

Donde A_{mun t+1} es el PIB a nivel municipal en el tiempo 1; y A_nat es el total nacional del PIB en el tiempo 0.

Representación espacial de la distribución de la población

Para hacer la representación espacial de la distribución poblacional se desarrollaron mapas de alta resolución (un km por un km para cada píxel) en el programa ArcGIS (10.2). La densidad poblacional se calculó para el área real habitada por municipio. El área real habitada consiste en el área territorial en la que se concentra la población, considerando que existen regiones donde la población muestra una baja densidad, o en su caso es totalmente ausente. El área real habitada se determinó eliminado los cuerpos de agua, además de considerar la distribución y área de las localidades rurales y urbanas. Es importante mencionar que no se eliminaron las áreas naturales protegidas ya que existen comunidades habitando dentro de algunas de ellas (^{Riemann et al., 2011}). Finalmente, se utilizó una ventana móvil de tres km por tres km para estimar la dispersión de la población fuera de los bordes de las áreas habitadas.

Proyecciones poblacionales

Para el año 2050, de acuerdo al modelo determinístico, la población de México sería entre 22 por ciento (138 millones de personas) a 55 por ciento (174 millones de personas) más grande que en el año 2010. Mientras que la proyección probabilística en el mismo periodo muestra una mayor dispersión entre los escenarios con crecimientos que van entre ocho por ciento (122 millones de personas) y 51 por ciento (171 millones de personas) (Figura 2). En relación con la información más reciente oficial del INEGI para 2015 (^{INEGI, 2015}), se observa un subestimación para ese año de 0.96 por ciento de la proyección determinística y una sobreestimación de 0.86 por ciento con la probabilística, lo cual considera una tolerancia al error de proyección de uno por ciento, estos rangos son razonables para ambas aproximaciones. Las tasas de crecimiento promedio total con ambos métodos muestran para el periodo 2010-2020 un crecimiento de 1.54 por ciento para el escenario alto, 1.29 por ciento para el medio y 0.96 por ciento para el bajo. El periodo 2020-2050 mostró tasas de crecimiento más bajas con valores de 0.91, 0.60 y 0.14 por ciento, respectivamente; y para el periodo 2050-2080 las tasas fueron menores, 0.12, -0.35 y -1.20 por ciento para los escenarios alto, medio y bajo. Es importante mencionar que para los años 2050 y 2080 los métodos arrojaron resultados contradictorios ya que mientras el método determinístico mostraba un crecimiento continuo, el método probabilístico presentaba tasas negativas. De acuerdo a la distribución de la población municipal, en el año 2010 once municipios mostraron una población superior a un millón de personas, pero menos de uno por ciento de los municipios contribuían con más de 20 por ciento de la población nacional. El método determinista mostró que los municipios con alta marginación y altas TGF están concentrados en los estados de Guerrero, Veracruz y Oaxaca. Por ejemplo, de acuerdo con el escenario alto derivado por el método determinista, 57, 34 y 64 por ciento de todos los municipios mostrarían una mayor tasa de crecimiento que la media nacional (1.6, 1.29, y 0.96 por ciento, para los tres periodos de tiempo). Estos municipios tendrían, para el 2080, un crecimiento superior a 100 por ciento de lo observado en el año 2010. La mayoría de los municipios se caracterizan por una alta marginación y principalmente en los estados de Veracruz, Oaxaca, Guerrero y Puebla. En contraste, existen 47 municipios con menos de 500 habitantes, donde se estiman crecimientos negativos de población, varios de ellos distribuidos en el estado de Oaxaca.

Nota: A2 corresponde al escenario alto, B2 al medio y A1/B1 al bajo. (G) refiere a las proyecciones de ^{Gaffin et al. (2004)}, y (V) refiere a ^{van Vuuren et al. (2007)}. ONU hace referencia a las proyecciones hechas por esa organización bajo tres escenarios (2015). Finalmente, las proyecciones relativas a los escenarios de las Trayectorias Socioeconómicas Compartidas o SSPs por sus siglas en inglés (Shared Socio-economic Pathways).

Fuente: elaboración propia y con datos tomados de las Fuentes descritas en las líneas previas.

Figura 2: a) Proyecciones poblacionales obtenidas por los métodos determinístico y probabilístico en este estudio; y b) proyecciones poblacionales disponibles en escenarios globales para México, de acuerdo al Reporte especial de los Escenarios de Emisiones (SRES por sus siglas en inglés) 

De acuerdo con las proyecciones probabilísticas y para el escenario alto, la densidad poblacional mostraría una duplicación en tres y siete por ciento de los municipios para los años 2050 y 2080. A diferencia de las proyecciones deterministas que indican que la densidad poblacional se duplicaría para los mismos años en 18 y 43 por ciento de los municipios, respectivamente.

Para el escenario medio, ambos métodos mostraron una duplicación de la densidad poblacional en 20 y 35 por ciento de los municipios para 2050 y 2080. El escenario bajo sugiere un patrón similar, la proyección probabilística muestra que la densidad poblacional se duplicaría en menos de uno por ciento de los municipios para ambas fechas, mientras que la proyección determinista sugiere que esto se observaría en 12 por ciento de los municipios en el año 2050 y aumentando a 19 por ciento para el año 2080.

El análisis de ruralidad versus urbanidad, mostro mayor incertidumbre y esto está relacionado con el problema inherente de su definición y el método empleados. De acuerdo al criterio de la OCDE, 36.6 por ciento de los municipios sería urbano para el año 2050 y 40 por ciento para el año 2080. Sin embargo, conforme a la definición del INEGI, cerca de 90 por ciento de los municipios serían urbanos para ambas fechas.

Proyecciones económicas

Para 2050, los valores del PIB más altos para los escenarios alto, medio y bajo muestran una tasa de crecimiento anual de 3.5, 1.5 y 1.1 por ciento, respectivamente. Estos valores representan un aumento de 120, 53 y 34 por ciento del PIB registrado en 2016. Sin embargo, las estimaciones promedio entre los modelos muestran que el PIB crecerá por debajo del escenario medio (Figura 3). La distribución del PIB entre los diferentes municipios y estados son contrastantes. La Ciudad de México resalta con cuatro de los 15 municipios que en conjunto representan 25 por ciento del PIB nacional de 2015. Además, los resultados muestran que diez municipios, hoy alcaldías de la Ciudad de México, producen más de 14 por ciento del PIB nacional, mientras que 23 por ciento del PIB está concentrado en los 2,305 municipios más pobres. Debido a que el PIB y el crecimiento de la población no están directamente correlacionados, el PIB per cápita mostró diferencias importantes. Por ejemplo, en el año 2015, nueve por ciento de los municipios mostró un per cápita muy alto (> 40 mil dólares 2008), mientras que 59 por ciento de los municipios (1,450) tuvieron valores per cápita muy bajos (< cinco mil dólares 2008). Para el año 2050, resaltan dos diferentes escenarios. Por un lado, el escenario con un crecimiento económico bajo y un escenario de crecimiento poblacional alto sugiere un PIB per cápita muy alto en sólo cinco municipios, y muy bajo para 71 por ciento de los municipios, de los cuales 102 mostrarán una mayor limitación con valores inferiores a mil dólares per cápita. Por otro lado, la combinación del escenario alto de crecimiento económico y el escenario bajo de crecimiento demográfico, sugiere que el PIB per cápita será muy alto para 42 municipios, y muy bajo en 29 por ciento de los municipios.

Fuente: elaboración propia con datos tomados de los ciclo económicos y cuentas nacionales del INEGI (2000-2016) y los censos y conteos poblacionales del INEGI (2000, 2005 y 2010) para los cálculos del PIB históricos per cápita.

Figura 3: Proyecciones del PIB para México: a) Proyecciones del PIB en dólares constantes (2008) en miles de millones de dólares; y b) PIB per cápita en dólares constantes (2008) en miles de dólares por persona 

Los municipios con los mayores valores de PIB per cápita se concentran en los estados de Campeche, Ciudad de México y Nuevo León, mientras que los valores más bajos se detectaron en Oaxaca, Chiapas y el Estado de México. Sin embargo, este último es altamente heterogéneo, mostrando municipios con valores muy altos y bajos de PIB per cápita. Los municipios que muestran altos valores fueron aquellos que dependen casi exclusivamente del ingreso del petróleo o de la industria. Sin embargo, los valores más bajos del PIB per cápita fueron registrados en las áreas más marginadas de México, relacionados con las actividades agrícolas de subsistencia, tal es el caso del estado de Oaxaca.

Distribución espacial de la población

Existen diferentes estudios que han publicado escenarios globales de la distribución de la población, estos se hacen comúnmente, a través de la representación de la densidad en celdas o pixeles (Figura 4). En particular los estudios globales reportan valores contrastantes de las densidades poblacionales, principalmente por la variación metodológica en la forma en cómo calculan la densidad poblacional. Algunos estudios reportan valores únicos de las densidades poblacionales municipales (Figura 4, parte a), sugiriendo que la población habita de forma homogénea en la totalidad del municipio. El Centro para la Red Internacional de Información sobre Ciencias de la Tierra (CIESIN por sus siglas en inglés) (2004) utilizó las áreas urbanas para confinar la mayoría de la población, asignando un valor uniforme de densidad poblacional dentro de los límites de las áreas urbanas, y con una densidad reducida para el resto del municipio (Figura 4, parte b y parte c). En el caso particular de nuestro estudio, se logra plasmar el área real habitada a una alta resolución (un kilómetro por un kilómetro) (Figura 4, parte d). Por lo que los resultados fueron capaces de capturar no solamente los limites urbanos, sino también a comunidades rurales pequeñas y aisladas, convirtiéndose en el primer estudio de esta índole para un país en vías de desarrollo.

Fuente: elaboración propia a partir de las fuentes indicadas en el título.

Figura 4: Mapas de densidad poblacional disponibles para México. La segunda columna hace referencia a un acercamiento de la zona metropolitana de la Ciudad de México y la tercer columna a la Península de baja California. Los valores refieren a número de personas por km²: a) densidad poblacional calculada a nivel municipal en donde todo el territorio municipal presenta el mismo valor, b) datos obtenidos de la fuente llamada gridded population from the world population density (^{CIESIN y CIAT, 2005}) a 2.5^o x 2.5^o de resolución (http://sedac.ciesin.columbia.edu) desarrollado por ^{Gaffin et al. (2004)}; c) densidad poblacional a 0.5^o x 0.5^o de resolución (^{Grübler et al., 2007}); d) mapa de densidad poblacional en área real habitada del año 2010 y generado por este estudio 

Proyecciones socioeconómicas

Las proyecciones poblacionales a escalas locales y regionales son de gran importancia para el entendimiento de los cambios de los componentes demográficos. Las proyecciones sugieren que para el año 2050 la población mexicana aumentaría ~50 por ciento (de 121 a 174 millones de personas) y éstas se concentrarán principalmente en las áreas urbanas aunque las mayores tasas de crecimiento relacionadas a la tasa de fecundidad se esperan en las zonas altamente marginadas, especialmente en municipios del sureste mexicano. Este desequilibrio en la distribución poblacional impactaría de forma diferencial, ya que mientras la mayoría de la población urbana demandaría recursos aumentando no sólo en los cambios de usos y cobertura del suelo por la expansión de la frontera agrícola y ganadera, sino también por el aumento en los costos energéticos para su transportación.

Con relación a las metodologías usadas, se encontró que el método probabilístico tiende a producir menores estimaciones que las del método determinista y a otros reportes nacionales. Por ejemplo, se encontró que el modelo alto del escenario probabilístico es similar al medio del determinístico, y similar a los datos reportados por ^{Gaffin et al. (2004)} y por ^{Van Vuuren et al. (2007)}. Por su parte, el escenario medio fue equivalente al escenario bajo del determinista (Figura 2a y Figura 2b). Estos resultados pudieran sugerir que el modelo determinista puede estar sobreestimando los valores a través de los supuestos de la migración que entre municipios se mantuvo contante. En este sentido, se añade que las dinámicas espaciales y temporales de la migración no están bien entendidas, y esto puede proveer la mayor incertidumbre vinculada con este tipo de modelos (^{Partida, 2010}; ^{Verduzco, 2010}). En consecuencia, se sugiere que las proyecciones poblacionales sean actualizadas continuamente por medio de la integración de la información más reciente y que incorpore la migración intermunicipal, la cual en México aún no está disponible. Dicha información será de mucha utilidad para poder entender las dinámicas locales que tienen relación con los factores sociales, laborales, y en consecuencia, en los flujos de producción de los productos y la cuantificación de sus impactos.

La desagregación de las proyecciones nacionales y globales a un nivel municipal o local conlleva muchas limitaciones e incertidumbres las cuales deben atenderse, con una mejor calidad y disponibilidad de la información municipal y/o local, además de trabajar en las contextualizaciones regionales de los supuestos que utilizan los escenarios. Sin embargo, esta aproximación resulta de gran importancia para entender e identificar aquellas regiones y municipios que estarán sometidos a una mayor presión como resultado de una alta densidad poblacional.

Con relación a los resultados obtenidos se observó que si bien se muestra una reducción de la TGF a nivel nacional, similar a los resultados reportados por otros estudios (^{Mier y Terán, 2011}), si existirán diferencias entre los municipios, aun entre los más marginados. Se considera que una fuente de incertidumbre de este estudio se debe a que no se incluyó una tasa de mortalidad diferenciada y de esperanza de vida para la población indígena, tal como se ha hecho en otros estudios locales (^{Torres et al., 2003}). Es por esto que la información de la fecundidad, la mortalidad y la migración a nivel localidad y municipal debe ser mejorada para poder integrarse en los ejercicios de escenarios y con ello reducir la incertidumbre de las estimaciones.

En relación con las proyecciones económicas, éstas capturaron las tendencias históricas y actuales, ya que no se incorporaron supuestos relacionados a cambio de políticas a largo plazo aunado al desconocimiento del impacto político futuro dentro de la economía regional o local. Los modelos económicos generados no fueron sensibles a los cambios drásticos del crecimiento del PIB durante periodos cortos, lo que resulta en que las estimaciones sean más conservadoras en los escenarios económicos y evitando subestimaciones para los escenarios pesimistas o las sobreestimaciones para los optimistas. El escenario alto mostró una tasa de crecimiento del PIB (2.3 por ciento al año) similar a otros reportados para México, 2.3 por ciento por La Comisión Económica para América Latina y el Caribe (^{ECLAC, 2015}), 2.4 por ciento Fondo Monetario Internacional (2016), pero ligeramente menor que otras fuentes, 2.6 por ciento y 3.5 por ciento para 2016 y 2017 (^{Banco Mundial, 2016}) , y 3.05 por ciento y 3.3 por ciento para 2016 y 2017 ^{OECD (2016)}. En relación con las proyecciones económicas de la OECD, se hace notar que éstas muestran un crecimiento exponencial, esto puede deberse a las políticas estructurales, principalmente las relacionadas con la producción del petróleo que fueron implementadas en México y que tienen un impacto en el desarrollo económico en el corto-mediano plazo (^{OECD, 2015}). Sin embargo, estas proyecciones tomaron en consideración el escenario alto del Panorama Internacional de Energía (International Energía Outlook en inglés) (^{EIA, 2014}), la cual no incorporó el colapso de los precios del petróleo de esta última década. Esto es importante considerando que hay economías altamente dependientes del petróleo como Venezuela (^{Monaldi, 2015}) y México (^{Palacios, 2015}).

Finalmente, pese a que el PIB es un índice económico ampliamente usado, éste puede presentar grandes limitaciones y dificulta el poder hacer comparaciones. Este indicador está asociado a la incertidumbre existente en proyecciones a largo plazo, y que se asocian con la precisión de las bases de datos, y los presupuestos de los crecimientos futuros (^{Duval y de la Maisonneuve, 2010}). ^{Stiglitz et al., (2009)} sugieren que el PIB, como indicador económico debe dejar de usarse porque no es una medida de bienestar y de sustentabilidad. Sin embargo, a pesar de sus limitaciones, es usado para generar posibles escenarios de impactos sobre el medio ambiente (^{Jorgenson, 2003}) mientras se generan mejores medidas cuantificables, pero considerando las limitaciones que conlleva. En este sentido, ^{Sánchez (2006)} encontró una correlación negativa entre el PIB de México y el índice de Gini (-0.43). Además, los países en vías de desarrollo han incrementado sus ingresos por medio del pago de una mano de obra barata, con una baja inversión en tecnologías limpias, que han promovido el incremento de la contaminación como resultado de la regulación ambiental limitada o no aplicada (^{Dasgupta et al., 2000}). En contraste, los países desarrollados tienen una mayor oportunidad de invertir en desarrollos limpios (^{Ockwell et al., 2008}), investigación tecnológica, e importación de productos que les facilita la externalización de su degradación ambiental.

Las diferentes trayectorias del crecimiento poblacional y del PIB mostraron que el PIB per cápita de los municipios de los estados de Campeche y Nuevo León contrastan ampliamente; algunos municipios presentan valores similares a algunos países europeos como Alemania y Francia (^{Banco Mundial, 2016}), mientras que otros registraron valores PIB per cápita similares a países como Malawi, Burkina Faso o Uganda (los más bajos) (^{Banco Mundial, 2016}). Estos contrastes hacen que la presión ambiental sea diferencial en todo el país. Las áreas rurales invierten en la producción agropecuaria, lo que promoverá el aumento de la deforestación, compactación del suelo y la sobreexplotación de mantos freáticos. En contraste, las áreas urbanas crecerán constantemente. Por ejemplo, de acuerdo con la Organización de las Naciones Unidas (^{UN, 2015}) se estima que para 2050 dos terceras partes de la humanidad vivirán en ciudades, por arriba de 54 por ciento que ocupaba la población urbana en el año 2015. Como consecuencia, habrá mayor demanda de productos y servicios, lo que promoverá un incremento en la contaminación, generación de basura y de gases con efecto invernadero. En particular, el área Metropolitana de la Ciudad de México se verá altamente limitada con el acceso al agua, en particular en aquellas alcaldías que dependen de mantos freáticos.

Distribución espacial de la población

La representación espacial de los elementos socioeconómicos, tanto de población como del PIB, derivados de los modelos globales, tales como la colección de datos disponibles en el CIESIN (previamente mencionado) (^{CIESIN y CIAT, 2005}) o los del Instituto Internacional para el Análisis de Sistemas Aplicados (IIASA por sus siglas en inglés) (^{IIASA, 2016}), son útiles para el entendimiento de los cambios a escalas globales. Sin embargo, estos datos no son útiles para niveles nacionales y sub-nacionales y menos cuando se consideran supuestos generales que involucran decenas de países, como es en el caso de Latinoamérica, en el cual se toman los mismos supuestos para toda la región en términos de los componentes demográficos (^{Grübler et al., 2007}). La contextualización nacional y sub-nacional de los escenarios globales es importante para poder incluir aspectos específicos relacionados con la ruralidad, la migración y características locales para el correcto entendimiento de los componentes demográficos (^{Camarena y Lerner, 2008}; ^{Szasz, 2008}) y su posterior integración para estudios socio-ambientales. La mayor limitación de esta aproximación de lo local a lo regional es la disponibilidad de la información, que normalmente es ausente o inconsistente para la migración interna entre los municipios, y de las comunidades rurales a las ciudades. Sin embargo, el uso de la población total captura las tendencias de crecimiento o disminución de la población donde indirectamente se registran los procesos migratorios, y donde asumimos que estas tendencias se verán reflejadas en el futuro. A pesar de estas restricciones, estudios futuros debieran identificar y entender los conductores de la migración con el fin de hacer los ajustes pertinentes en las estimaciones y sus efectos sobre las diferentes políticas migratorias. Además, es recomendable tomar en consideración la expansión de las áreas urbanas, toda vez que la migración interna tiene cambios significativos en las dinámicas de los cambio de usos y de cobertura del suelo (^{Garza, 2010}).

Esta información, que deberá seguir mejorando, servirá para poder generar conocimiento que permita entender los cambios de las condiciones ambientales. En este sentido, pese a que no existe una correlación lineal entre los ecosistemas y los servicios de provisión de los mismos (^{Koch et al., 2009}), es evidente que la creciente población demandará un incremento en recursos. Esto podría tener efectos adversos en áreas con poblaciones vulnerables a eventos naturales como huracanes, sequías, etc. Además delos impactos negativos que se incrementarán sobre los cambios de uso y cobertura del suelo, los ecosistemas, y la biodiversidad. El aumento de la población incrementará las demandas de áreas de vivienda, comida, agua potable y energía. Con relación al sector agrícola, por ejemplo, para el año 2050, México debería ser capaz de proveer y distribuir, 50 por ciento más alimento, considerando patrones alimenticios similares a los actuales. Las expectativas globales del crecimiento de la agricultura sugieren que no responderán de manera similar al crecimiento poblacional (^{Ray et al., 2013}). Además, es importante analizar las disyuntivas entre el crecimiento de la población humana, los servicios ecosistémicos (^{Jantz y Manuel, 2013}) y la biodiversidad. Estas disyuntivas se agudizarán a menos de que se establezcas agendas para vislumbrar posibles vías para evitar o disminuir la depredación y degradación de los servicios ambientales a escalas locales y regionales.