Estudio sobre las características de evolución espacio‑temporal y la predicción por simulación de la eficiencia metabólica urbana en las aglomeraciones urbanas de China

Por qué importa el “metabolismo” de las ciudades

Las ciudades modernas se comportan en cierto modo como organismos vivos: ingieren agua, energía, alimentos y materiales, y expulsan bienes, servicios y contaminación. Este artículo pregunta cuán eficientemente realizan esa función los mayores conjuntos urbanos de China. Tratando 19 grandes regiones urbanas y sus 201 ciudades como un sistema metabólico conectado, los autores exploran qué lugares convierten los recursos en prosperidad con el menor daño ambiental, cómo ha cambiado ese patrón desde 2006 y qué podría permitir que las regiones urbanas densas crezcan sin asfixiarse con sus propios residuos.

Tomar el pulso a las aglomeraciones

El estudio se centra en las aglomeraciones urbanas oficialmente designadas de China: grandes constelaciones de ciudades núcleo y sus satélites que impulsan el crecimiento regional. En lugar de limitarse a cuantificar cuánta energía o agua consumen, los autores miden cuán bien cada ciudad convierte insumos como biomasa, agua, bienes importados y energía fósil en actividad económica y bienestar social, al tiempo que limita la contaminación y las emisiones de carbono. Construyen un índice detallado usando producción agrícola, suministro de agua, uso de electricidad y gas, flujos comerciales, datos de luz nocturna, indicadores de servicios públicos y múltiples medidas de contaminación, y alimentan todo ello en un modelo de eficiencia que compara cada ciudad tanto con sus pares como con las mejores prácticas nacionales.

Eficiencias desiguales en el mapa

Los resultados revelan una China donde la eficiencia metabólica urbana no es ni uniformemente pobre ni está mejorando de manera constante. La mayoría de las aglomeraciones se ubican en un nivel medio de eficiencia que cambia solo de forma lenta con el tiempo, pero existen “niveles” claros que separan regiones de mayor y menor rendimiento. Algunas aglomeraciones interiores menos desarrolladas obtienen posiciones sorprendentemente buenas, mientras que potencias costeras famosas como el Delta del Río Yangtsé y el Delta del Río de la Perla no siempre encabezan las tablas cuando se tiene en cuenta la presión ambiental. Dentro de cada aglomeración, ciudades de alta y baja eficiencia suelen estar contiguas, con relativamente pocas en la franja intermedia. Contrariamente a lo esperado, una proporción notable de ciudades núcleo queda rezagada respecto a las ciudades satélite cercanas, lo que sugiere que el tamaño y la concentración pueden acarrear congestión, fuerte contaminación y desperdicio de recursos que lastran el rendimiento global.

Brechas ocultas y clubes estancados

Para entender de dónde proviene la ineficiencia, los autores separan dos componentes. Una es la brecha entre la tecnología y la estructura típicas de cada aglomeración y la frontera nacional; la otra es cuánto se quedan por detrás las ciudades individuales respecto a la mejor dentro de su propia región. Encuentran que la mayor parte del déficit proviene de diferencias entre aglomeraciones: contrastes persistentes en la composición industrial, infraestructura y condiciones ecológicas, más que de mala gestión dentro de una sola aglomeración. Empleando simulaciones de cadenas de Markov, rastrean cómo las ciudades se mueven entre grupos de baja, media y alta eficiencia en el tiempo y el espacio. Los “clubes” de alta y baja eficiencia resultan muy pegajosos: las ciudades que ya son muy eficientes o muy ineficientes tienden a permanecer así, mientras que las de eficiencia media son inestables y se ven fácilmente empujadas hacia arriba o hacia abajo por sus vecinas, a veces quedando comprimidas entre núcleos en auge y periferias en dificultades.

Crecimiento, herramientas digitales y educación

El estudio también investiga qué impulsa los cambios en eficiencia. Revela una relación en forma de U entre ingresos y desempeño metabólico: en las etapas iniciales del desarrollo, el aumento de la producción suele venir acompañado de más residuos y contaminación por unidad de recurso, pero tras cierto nivel de ingreso, el crecimiento adicional se asocia con un metabolismo más limpio y eficiente. Este patrón recuerda la clásica «curva de Kuznets», aplicada a cómo las ciudades usan los recursos. Entre las palancas de política potenciales, destacan dos. Una mayor conectividad digital—capturada por la densidad de estaciones base 5G—se asocia fuertemente con mejor eficiencia, probablemente porque los datos y las redes ayudan a coordinar el uso de energía, el transporte y el control de la contaminación. Un mayor gasto público en educación también mejora el desempeño, lo que refleja la importancia de personas calificadas e instituciones competentes. En contraste, la apertura comercial, las reformas fiscales, la actualización industrial y una mayor profundidad financiera muestran vínculos más débiles y menos consistentes, lo que sugiere que simplemente hacer más de lo mismo no basta para corregir sistemas urbanos derrochadores.

Qué significa esto para el futuro de las ciudades

Para el público general, la conclusión es que una aglomeración grande, rica o de rápido crecimiento no es automáticamente bien gestionada. Las regiones urbanas de China ocupan distintos peldaños en una escalera de eficiencia, y muchas están atrapadas en su nivel actual por decisiones pasadas sobre industria, infraestructura y uso del suelo. Los autores sostienen que la política debería centrarse menos en ampliar el “tamaño” del metabolismo y más en mejorar su “aptitud”: reducir las brechas tecnológicas entre regiones, ayudar a las ciudades rezagadas a acercarse a su frontera local y apoyar a las ciudades de eficiencia media para que no queden atrás. Inversiones en sistemas digitales y en educación, sugieren, son herramientas especialmente prometedoras para permitir que las regiones urbanas densas sostengan a millones de personas con menos recursos y menos contaminación.

Cita: Wang, W., Li, H. Study on the spatiotemporal evolution characteristics and simulation prediction of urban metabolic efficiency in China’s urban agglomerations. Sci Rep 16, 12342 (2026). https://doi.org/10.1038/s41598-026-41959-5

Palabras clave: metabolismo urbano, aglomeraciones urbanas, eficiencia de recursos, urbanización en China, digitalización