Ciencia: predicción del riesgo de deslizamientos de tierra mediante modelos de aprendizaje automático

Desarrollar un enfoque más preciso y dinámico capaz de predecir con mayor precisión la probabilidad de deslizamientos. Este es el objetivo de un estudio publicado en la revista Geophysical Research Letters, realizado por científicos de la Universidad Northwestern y la Universidad de California en Los Ángeles. El equipo, dirigido por Chuxuan Li y Daniel E. Horton , diseñó un sistema que aprovecha los predictores hidrológicos para anticipar mejor el riesgo de deslizamientos. Los métodos tradicionales, explican los expertos, se basan en el análisis de la intensidad de las precipitaciones. El nuevo enfoque, según los autores, integra diversos procesos relacionados con el agua con un modelo de aprendizaje automático. El marco ofrece una comprensión más sólida de las causas de estos eventos destructivos. Con un mayor desarrollo, el nuevo marco podría ayudar a mejorar los sistemas de alerta temprana, orientar la planificación de riesgos y optimizar las estrategias de resiliencia climática en regiones vulnerables a deslizamientos. "Nuestro modelo", afirma Li, "considera una amplia gama de factores, lo que nos permite identificar diversas vías que conducen a los deslizamientos. De hecho, estos eventos no son todos iguales y pueden depender de diversos procesos ideológicos".

Como parte del estudio, los investigadores analizaron un mes de condiciones climáticas extremas en California. Durante el invierno de 2022-23, la región experimentó más de 600 deslizamientos de tierra, y nueve ríos provocaron inundaciones catastróficas. Los investigadores emplearon un modelo informático que simula el movimiento del agua en el entorno, incluyendo la infiltración de la lluvia en el suelo, la escorrentía superficial, la evaporación y la congelación o el derretimiento de la nieve y el hielo. Con los resultados del modelo, el equipo de investigación desarrolló una métrica denominada "estado de balance hídrico" (EDT) para evaluar la sobreabundancia de agua en una zona determinada. El aprendizaje automático agrupa deslizamientos de tierra similares según las condiciones específicas del lugar. Mediante esta técnica, identificaron tres vías principales que provocaron deslizamientos de tierra en California: lluvias intensas, lluvia sobre suelo ya saturado y derretimiento de la nieve o el hielo. El equipo estima que las lluvias torrenciales y rápidas causaron aproximadamente el 32 % de los deslizamientos de tierra , mientras que el 53 % de los eventos se asociaron con lluvias sobre suelo saturado y el 15 % fueron causados por el derretimiento de la nieve o el hielo. "El exceso de humedad fue fundamental en el deslizamiento", concluye Horton, "lo cual es particularmente peligroso en pendientes pronunciadas. Nuestro sistema logró identificar con precisión las condiciones favorables para los deslizamientos. Nuestro objetivo final es desarrollar una herramienta capaz de realizar predicciones".