{"id":564859,"date":"2025-10-23T11:40:53","date_gmt":"2025-10-23T14:40:53","guid":{"rendered":"https:\/\/revistapesquisa.fapesp.br\/?p=564859"},"modified":"2025-10-27T09:44:04","modified_gmt":"2025-10-27T12:44:04","slug":"la-ia-senala-las-areas-mas-vulnerables-a-los-deslizamientos-de-tierra","status":"publish","type":"post","link":"https:\/\/revistapesquisa.fapesp.br\/es\/la-ia-senala-las-areas-mas-vulnerables-a-los-deslizamientos-de-tierra\/","title":{"rendered":"La IA se\u00f1ala las \u00e1reas m\u00e1s vulnerables a los deslizamientos de tierra"},"content":{"rendered":"

Las t\u00e9cnicas de inteligencia artificial (IA) pueden ser \u00fatiles para delimitar las zonas m\u00e1s propensas a los deslizamientos de tierra. Un estudio publicado en octubre de 2024 en la revista cient\u00edfica Natural Hazard Research <\/em>compar\u00f3 la eficacia de cinco modelos basados en algoritmos de aprendizaje autom\u00e1tico para detectar y predecir los puntos del municipio de S\u00e3o Sebasti\u00e3o, en S\u00e3o Paulo, m\u00e1s susceptibles a este tipo de siniestros. Seg\u00fan el art\u00edculo, 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, alcanz\u00f3 una precisi\u00f3n del 99,6\u00a0% en la localizaci\u00f3n de los tramos m\u00e1s vulnerables a los deslaves. Con un rendimiento casi id\u00e9ntico, el algoritmo Random Forest ocup\u00f3 el segundo puesto en la clasificaci\u00f3n elaborada por los autores del trabajo.<\/p>\n

El estudio comprend\u00eda el territorio de algo m\u00e1s de 400 kil\u00f3metros cuadrados (km2<\/sup>) del balneario situado en el norte del litoral paulista, un \u00e1rea 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, llovi\u00f3 m\u00e1s de 600 mil\u00edmetros (mm) en S\u00e3o Sebasti\u00e3o, 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 desempe\u00f1o de los algoritmos, los resultados de los modelos se compararon con mapas de la regi\u00f3n sobre las zonas m\u00e1s sujetas a este tipo de sucesos.<\/p>\n

Los algoritmos calculan el riesgo de que se produzca un deslizamiento de tierra en un determinado lugar a partir del an\u00e1lisis 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 disecci\u00f3n (fragmentaci\u00f3n) del relieve y los par\u00e1metros geomorfol\u00f3gicos de la regi\u00f3n. \u201cLos modelos de aprendizaje autom\u00e1tico permiten integrar diversas variables condicionantes y proporcionan una base s\u00f3lida para la confecci\u00f3n de mapas de susceptibilidad\u201d, dice el experto en teledetecci\u00f3n Enner Alc\u00e2ntara, del Instituto de Ciencia y Tecnolog\u00eda (ICT) de la Unesp, campus de S\u00e3o Jos\u00e9 dos Campos, autor principal del trabajo. \u201cPermiten detectar patrones complejos que pueden no ser evidentes utilizando enfoques m\u00e1s tradicionales\u201d.<\/p>\n

El algoritmo Gradient Boosting presenta una peculiaridad: combina abordajes de diversos modelos m\u00e1s simples, especializados en cada una de las variables evaluadas. Este enfoque m\u00e1s integral indica que la pendiente, la fragmentaci\u00f3n del terreno y el \u00edndice de humedad del suelo son los factores de mayor impacto en la estabilidad de las cuestas. \u201cUna mayor cobertura forestal se asoci\u00f3 a niveles de riesgo menores, mientras que las zonas de pasturas eran m\u00e1s susceptibles a los corrimientos de tierras\u201d, comenta Alc\u00e2ntara.<\/p>\n<\/div>

\n \n \n \n <\/picture>Alexandre Affonso \/ Revista Pesquisa FAPESP<\/span><\/div>
\n

Con base en el modelo Gradient Boosting, se gener\u00f3 un mapa de susceptibilidad a los deslizamientos en el que los puntos de S\u00e3o Sebasti\u00e3o se clasificaron en cuatro categor\u00edas de riesgo: bajo (el 74,6 % del territorio del municipio), moderado (el 15,8 %), alto (el 7,9\u00a0%) y muy alto (el 1,7 %). A pesar del predominio de las \u00e1reas 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 Juque\u00ed y en Vila Sahy. En la tragedia de febrero de 2023, la mayor\u00eda de las muertes se produjo en este \u00faltimo lugar.<\/p>\n

Otros trabajos tambi\u00e9n destacan la vulnerabilidad de ciertos sectores de S\u00e3o Sebasti\u00e3o a este tipo de sucesos. En septiembre de 2024, un art\u00edculo publicado en la revista Brazilian Journal of Geology<\/em> identific\u00f3 mil puntos de corrimientos de tierra en el municipio paulista mediante el an\u00e1lisis de las im\u00e1genes a\u00e9reas tomadas inmediatamente despu\u00e9s de la cat\u00e1strofe ocurrida dos a\u00f1os antes. \u201cAunque la mayor parte del territorio de S\u00e3o Sebasti\u00e3o es relativamente segura, el riesgo de que se produzca un deslave es realmente alto en las \u00e1reas m\u00e1s vulnerables\u201d, comenta el ge\u00f3logo Carlos Henrique Grohmann, del Instituto de Astronom\u00eda, Geof\u00edsica y Ciencias Atmosf\u00e9ricas de la Universidad de S\u00e3o Paulo (IAG-USP), uno de los autores del art\u00edculo.<\/p>\n

Para Alc\u00e2ntara, uno de los puntos fuertes de los modelos de aprendizaje autom\u00e1tico es la posibilidad de adaptaci\u00f3n a diferentes regiones y escenarios, siempre que haya datos suficientes como para abastecer a los algoritmos. \u201cEsta flexibilidad hace de la IA una herramienta poderosa para los pa\u00edses en desarrollo, donde los fondos para la mitigaci\u00f3n de cat\u00e1strofes pueden ser limitados\u201d, pondera el investigador de la Unesp. Estudios internacionales recientes han sondeado el potencial de los modelos basados en el aprendizaje autom\u00e1tico para mapear las zonas propensas a los deslizamientos de tierra en diversas \u00e1reas del planeta, tales como la cordillera del Himalaya, en Asia, y la cordillera de los Andes, en Sudam\u00e9rica.<\/p>\n

Las cat\u00e1strofes que se producen cada a\u00f1o durante el per\u00edodo de lluvias intensas motorizan la b\u00fasqueda de soluciones que ayuden a evitar muertes y da\u00f1os materiales. En agosto de 2024, S\u00e3o Sebasti\u00e3o fue uno de los 11 municipios brasile\u00f1os 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 colaboraci\u00f3n con la Agencia Nacional de Telecomunicaciones (Anatel) que utiliza la red de telefon\u00eda m\u00f3vil para emitir alarmas sonoras, sin necesidad de registro previo e incluso en tel\u00e9fonos m\u00f3viles en modo silencioso, cuando existe un riesgo inminente de desastre en la zona. \u201cDos a\u00f1os despu\u00e9s de la tragedia, ahora me siento un poco m\u00e1s segura. Pero incluso con este sistema de alerta, me preocupa que volvamos a tener lluvias como las de 2023\u201d, comenta la l\u00edder comunitaria Rosilene de Jesus Santos, conocida como Nega Rose, residente en Vila Sahy desde hace 34 a\u00f1os.<\/p>\n

Este art\u00edculo sali\u00f3 publicado con el t\u00edtulo \u201cInteligencia artificial contra los deslaves<\/strong>\u201d en la edici\u00f3n impresa n\u00b0 348 de febrero de 2025. <\/p>\n

Art\u00edculos cient\u00edficos
\n<\/strong>ALC\u00c2NTARA, E. et al<\/em>. Machine learning approaches for mapping and predicting landslide-prone areas in S\u00e3o Sebasti\u00e3o (Southeast Brazil)<\/a>. Natural Hazards Research<\/strong>. 18 oct. 2024.
\nCOELHO, R. D. et al<\/em>. Landslides of the 2023 summer event of S\u00e3o Sebasti\u00e3o, southeastern Brazil: Spatial dataset.<\/a> Brazilian Journal of Geology<\/strong>. 20 sep. 2024.<\/p>\n","protected":false},"excerpt":{"rendered":"La IA se\u00f1ala las \u00e1reas m\u00e1s vulnerables a los deslizamientos de tierra","protected":false},"author":719,"featured_media":564860,"comment_status":"closed","ping_status":"closed","sticky":false,"template":"","format":"standard","meta":{"_acf_changed":false,"_exactmetrics_skip_tracking":false,"_exactmetrics_sitenote_active":false,"_exactmetrics_sitenote_note":"","_exactmetrics_sitenote_category":0,"footnotes":""},"categories":[181],"tags":[286,269],"coauthors":[4223],"class_list":["post-564859","post","type-post","status-publish","format-standard","has-post-thumbnail","hentry","category-ciencia-es","tag-clima-es","tag-ambiente-es"],"acf":[],"_links":{"self":[{"href":"https:\/\/revistapesquisa.fapesp.br\/es\/wp-json\/wp\/v2\/posts\/564859","targetHints":{"allow":["GET"]}}],"collection":[{"href":"https:\/\/revistapesquisa.fapesp.br\/es\/wp-json\/wp\/v2\/posts"}],"about":[{"href":"https:\/\/revistapesquisa.fapesp.br\/es\/wp-json\/wp\/v2\/types\/post"}],"author":[{"embeddable":true,"href":"https:\/\/revistapesquisa.fapesp.br\/es\/wp-json\/wp\/v2\/users\/719"}],"replies":[{"embeddable":true,"href":"https:\/\/revistapesquisa.fapesp.br\/es\/wp-json\/wp\/v2\/comments?post=564859"}],"version-history":[{"count":3,"href":"https:\/\/revistapesquisa.fapesp.br\/es\/wp-json\/wp\/v2\/posts\/564859\/revisions"}],"predecessor-version":[{"id":565519,"href":"https:\/\/revistapesquisa.fapesp.br\/es\/wp-json\/wp\/v2\/posts\/564859\/revisions\/565519"}],"wp:featuredmedia":[{"embeddable":true,"href":"https:\/\/revistapesquisa.fapesp.br\/es\/wp-json\/wp\/v2\/media\/564860"}],"wp:attachment":[{"href":"https:\/\/revistapesquisa.fapesp.br\/es\/wp-json\/wp\/v2\/media?parent=564859"}],"wp:term":[{"taxonomy":"category","embeddable":true,"href":"https:\/\/revistapesquisa.fapesp.br\/es\/wp-json\/wp\/v2\/categories?post=564859"},{"taxonomy":"post_tag","embeddable":true,"href":"https:\/\/revistapesquisa.fapesp.br\/es\/wp-json\/wp\/v2\/tags?post=564859"},{"taxonomy":"author","embeddable":true,"href":"https:\/\/revistapesquisa.fapesp.br\/es\/wp-json\/wp\/v2\/coauthors?post=564859"}],"curies":[{"name":"wp","href":"https:\/\/api.w.org\/{rel}","templated":true}]}}