MEDIO AMBIENTE
Un estudio compara la eficacia de cinco modelos basados en aprendizaje automático para prever este tipo de catástrofes en la localidad costera de São Sebastião, en São Paulo
Las técnicas de inteligencia artificial (IA) pueden ser útiles para delimitar las zonas más propensas a los deslizamientos de tierra. Un estudio publicado en octubre de 2024 en la revista científica Natural Hazard Research comparó la eficacia de cinco modelos basados en algoritmos de aprendizaje automático para detectar y predecir los puntos del municipio de São Sebastião, en São Paulo, más susceptibles a este tipo de siniestros. Según el artículo, elaborado por investigadores de la Universidade Estadual Paulista (Unesp) y del Centro Nacional de Monitoreo y Alerta de Desastres Naturales (Cemaden), uno de los modelos, llamado Gradient Boosting, alcanzó una precisión del 99,6 % en la localización de los tramos más vulnerables a los deslaves. Con un rendimiento casi idéntico, el algoritmo Random Forest ocupó el segundo puesto en la clasificación elaborada por los autores del trabajo.
El estudio comprendía el territorio de algo más de 400 kilómetros cuadrados (km2) del balneario situado en el norte del litoral paulista, un área propensa a soportar intensas precipitaciones y corrimientos o derrubios de suelos procedentes de las laderas de Serra do Mar. Entre el 18 y 19 de febrero de 2023, durante el Carnaval, llovió más de 600 milímetros (mm) en São Sebastião, el equivalente a las precipitaciones de dos meses. Hubo deslaves, derrumbe de viviendas, 2.400 personas se quedaron sin techo y 64 perdieron la vida. Para clasificar el desempeño de los algoritmos, los resultados de los modelos se compararon con mapas de la región sobre las zonas más sujetas a este tipo de sucesos.
Los algoritmos calculan el riesgo de que se produzca un deslizamiento de tierra en un determinado lugar a partir del análisis de los datos referentes a los factores ambientales asociados a procesos que influyen sobre la estabilidad del suelo. Los principales elementos que tienen en cuenta son la pendiente del terreno, la humedad del suelo, la disección (fragmentación) del relieve y los parámetros geomorfológicos de la región. “Los modelos de aprendizaje automático permiten integrar diversas variables condicionantes y proporcionan una base sólida para la confección de mapas de susceptibilidad”, dice el experto en teledetección Enner Alcântara, del Instituto de Ciencia y Tecnología (ICT) de la Unesp, campus de São José dos Campos, autor principal del trabajo. “Permiten detectar patrones complejos que pueden no ser evidentes utilizando enfoques más tradicionales”.
El algoritmo Gradient Boosting presenta una peculiaridad: combina abordajes de diversos modelos más simples, especializados en cada una de las variables evaluadas. Este enfoque más integral indica que la pendiente, la fragmentación del terreno y el índice de humedad del suelo son los factores de mayor impacto en la estabilidad de las cuestas. “Una mayor cobertura forestal se asoció a niveles de riesgo menores, mientras que las zonas de pasturas eran más susceptibles a los corrimientos de tierras”, comenta Alcântara.
Con base en el modelo Gradient Boosting, se generó un mapa de susceptibilidad a los deslizamientos en el que los puntos de São Sebastião se clasificaron en cuatro categorías de riesgo: bajo (el 74,6 % del territorio del municipio), moderado (el 15,8 %), alto (el 7,9 %) y muy alto (el 1,7 %). A pesar del predominio de las áreas de baja susceptibilidad, se identificaron focos aislados de alto riesgo en zonas atravesadas por cicatrices abiertas en el suelo por deslizamientos pasados, como en el Parque Estadual de Serra do Mar, cerca de la playa de Juqueí y en Vila Sahy. En la tragedia de febrero de 2023, la mayoría de las muertes se produjo en este último lugar.
Otros trabajos también destacan la vulnerabilidad de ciertos sectores de São Sebastião a este tipo de sucesos. En septiembre de 2024, un artículo publicado en la revista Brazilian Journal of Geology identificó mil puntos de corrimientos de tierra en el municipio paulista mediante el análisis de las imágenes aéreas tomadas inmediatamente después de la catástrofe ocurrida dos años antes. “Aunque la mayor parte del territorio de São Sebastião es relativamente segura, el riesgo de que se produzca un deslave es realmente alto en las áreas más vulnerables”, comenta el geólogo Carlos Henrique Grohmann, del Instituto de Astronomía, Geofísica y Ciencias Atmosféricas de la Universidad de São Paulo (IAG-USP), uno de los autores del artículo.
Para Alcântara, uno de los puntos fuertes de los modelos de aprendizaje automático es la posibilidad de adaptación a diferentes regiones y escenarios, siempre que haya datos suficientes como para abastecer a los algoritmos. “Esta flexibilidad hace de la IA una herramienta poderosa para los países en desarrollo, donde los fondos para la mitigación de catástrofes pueden ser limitados”, pondera el investigador de la Unesp. Estudios internacionales recientes han sondeado el potencial de los modelos basados en el aprendizaje automático para mapear las zonas propensas a los deslizamientos de tierra en diversas áreas del planeta, tales como la cordillera del Himalaya, en Asia, y la cordillera de los Andes, en Sudamérica.
Las catástrofes que se producen cada año durante el período de lluvias intensas motorizan la búsqueda de soluciones que ayuden a evitar muertes y daños materiales. En agosto de 2024, São Sebastião fue uno de los 11 municipios brasileños seleccionados para llevar a cabo las primeras pruebas del programa Defensa Civil Alerta. Se trata de un proyecto piloto creado por el gobierno federal en colaboración con la Agencia Nacional de Telecomunicaciones (Anatel) que utiliza la red de telefonía móvil para emitir alarmas sonoras, sin necesidad de registro previo e incluso en teléfonos móviles en modo silencioso, cuando existe un riesgo inminente de desastre en la zona. “Dos años después de la tragedia, ahora me siento un poco más segura. Pero incluso con este sistema de alerta, me preocupa que volvamos a tener lluvias como las de 2023”, comenta la líder comunitaria Rosilene de Jesus Santos, conocida como Nega Rose, residente en Vila Sahy desde hace 34 años.
Este artículo salió publicado con el título “Inteligencia artificial contra los deslaves” en la edición impresa n° 348 de febrero de 2025.
Artículos científicos
ALCÂNTARA, E. et al. Machine learning approaches for mapping and predicting landslide-prone areas in São Sebastião (Southeast Brazil). Natural Hazards Research. 18 oct. 2024.
COELHO, R. D. et al. Landslides of the 2023 summer event of São Sebastião, southeastern Brazil: Spatial dataset. Brazilian Journal of Geology. 20 sep. 2024.
Republicar
