Replicación de la Figura 1A — Graham & Knittel (2024)

Artículo seleccionado

Graham, K., & Knittel, C. R. (2024). Assessing the distribution of employment vulnerability to the energy transition using employment carbon footprints. Proceedings of the National Academy of Sciences, 121(7), e2314773121. https://doi.org/10.1073/pnas.2314773121

Integrantes del equipo

Integrante	Rol	GitHub
Daniela Solano Restrepo	Gestión de datos	@Danisolre
Jonathan Melo	Código y visualización	@jonathanmelosa
Natalia Suescún	Documentación y gestión	@NataliaSFernandez
Carlos Molina	Control de calidad y validación empírica	@camolina2026

Profesor: Gustavo Castillo — @guscastilloa

Descripción del proyecto

Este proyecto busca replicar la Figura 1A del artículo de Graham y Knittel (2024), que presenta un mapa coroplético de la huella de carbono laboral total (overall employment carbon footprint, ECF) por condado en Estados Unidos.

El ECF es un indicador que mide la vulnerabilidad laboral ante la transición energética, integrando información de empleo, consumo energético y emisiones (Scopes 1, 2 y 3) a nivel sectorial y geográfico. La figura utiliza una escala logarítmica para visualizar la distribución espacial del indicador.

Resultado a reproducir

Conclusión seleccionada: La vulnerabilidad laboral ante la transición energética, medida a través del ECF, se distribuye de forma heterogénea entre condados de EE.UU., con concentraciones elevadas en regiones con alta dependencia de industrias intensivas en carbono.

Evidencia: Mapa coroplético de la Figura 1A — Overall employment carbon footprints, by county.

Estructura de directorios

replication-graham-knittel-2024/
│
├── data/
│   ├── raw/                          # Datos originales
│   │   ├── ECF_total.csv             # Indicador ECF por condado
│   │   └── geojson-counties-fips.json # Geometría de condados (GeoJSON)
│   └── processed/                    # Datos procesados
│       └── counties_ecf_merged.geojson # ECF + geometría unidos
│
├── code/
│   ├── 01_load_data.py               # Carga y validación de datos
│   ├── 02_explore_data.py            # Análisis exploratorio y estadísticas descriptivas
│   ├── 03_merge_geo.py               # Unión ECF + geometría de condados
│   └── 04_plot_figure1A.py           # Generación del mapa coroplético (Figura 1A)
│
├── output/
│   └── figures/
│       └── fig1A_ecf_county.png      # Figura 1A replicada
│
├── .gitignore
├── requirements.txt                  # Dependencias de Python
└── README.md                         # Este archivo

Requisitos técnicos

Software

• Python 3.10+
• Git

Librerías de Python

Las dependencias se instalan con:

pip install -r requirements.txt

Librerías principales:

• pandas — manipulación de datos tabulares
• geopandas — manejo de datos geoespaciales
• matplotlib — visualización y generación de figuras
• numpy — operaciones numéricas (escala logarítmica)
• request - envío de solicitudes HTTP para obtener datos de APIs o web scraping
• os - interacción con el sistema operativo (gestión de rutas, directorios y archivos)
• collections - estructuras de datos especializadas como defaultdict y Counter para organizar y contar información

Datos

• ECF_total.csv — Indicador de huella de carbono laboral por condado. Disponible en el repositorio de replicación.
• geojson-counties-fips.json — Geometría de condados de EE.UU. con códigos FIPS.

Repositorio original de replicación

Los datos y código del artículo están disponibles en: https://github.com/kailingraham/GrahamKnittel_ECF_PNAS_ReplicationMaterials

Instrucciones de ejecución

# 1. Clonar el repositorio
git clone https://github.com/Danisolre/replication-graham-knittel-2024.git
cd replication-graham-knittel-2024

# 2. Instalar dependencias
pip install -r requirements.txt

# 3. Ejecutar el pipeline de replicación
python code/01_load_data.py          # Carga y valida ECF_total.csv
python code/02_explore_data.py       # Análisis exploratorio y estadísticas descriptivas
python code/03_merge_geo.py          # Merge ECF + geometría de condados
python code/04_plot_figure1A.py      # Genera la Figura 1A replicada

La figura replicada se guardará en output/figures/fig1A_ecf_county.png.

Decisiones metodológicas

Decisión	Detalle
Proyección cartográfica	Albers Equal Area Conic (ESRI:102003), estándar para mapas de EE.UU. continental
Escala del mapa	Logarítmica (log10), consistente con el artículo original
Paleta de colores	YlOrRd (amarillo → rojo), secuencial para valores positivos
Formato geoespacial	GeoJSON de condados con códigos FIPS
Ámbito geográfico	EE.UU. continental (CONUS); se excluyen Alaska, Hawaii y territorios
Columna ECF utilizada	eff_emiss_per_emp_avg (emisiones efectivas por empleado, valor promedio)
Herramienta original	La figura del paper fue generada en Tableau; esta réplica usa Python (matplotlib + geopandas)