Contacto

×
  • +54 343 4178845

  • bcuadra@examedia.com.ar

  • Entre Ríos, Argentina

  • El uso de inteligencia artificial revela más de 80.000 terremotos ocultos en EEUU

    Buenos Aires » Infobae

    Fecha: 21/07/2025 12:53

    El revolucionario estudio revela una actividad volcánica subestimada en Yellowstone, multiplicando los datos disponibles sobre movimientos telúricos y reconfigurando la vigilancia en la región (REUTERS/Jim Urquhart) Un equipo internacional de científicos reveló que la caldera de Yellowstone, en EEUU y considerada una de las zonas volcánicas más activas del planeta, registra una actividad sísmica muy superior a la reconocida hasta ahora. Mediante la utilización de técnicas avanzadas de machine learning, los expertos identificaron cerca de diez veces más terremotos que los registros tradicionales. El hallazgo, publicado en la revista Science Advances, redefine la comprensión de la actividad sísmica en este parque nacional de Estados Unidos, aportando perspectivas para la seguridad y el desarrollo energético en áreas volcánicas. La University of Western Ontario informó que el estudio fue dirigido por Bing Li, especialista en terremotos inducidos por fluidos y mecánica de rocas, en colaboración con la Universidad Industrial de Santander (Colombia) y el United States Geological Survey. El equipo analizó datos sísmicos de Yellowstone, región que abarca partes de Wyoming, Idaho y Montana, correspondientes a quince años, de 2008 a 2022. Identificaron y catalogaron 86.276 terremotos, multiplicando por diez los registros anteriores y ofreciendo una visión inédita de la dinámica interna del sistema volcánico. Machine learning, herramienta clave para acelerar la detección sísmica El avance se atribuye principalmente al machine learning, rama de la inteligencia artificial que permite a las computadoras identificar patrones complejos en grandes volúmenes de datos. Antes, la detección dependía de la inspección manual por parte de especialistas, un proceso laborioso y limitado para identificar eventos de baja magnitud o corta duración. “La inspección manual de todos estos datos sería imposible, no es escalable”, explicó Bing Li según la University of Western Ontario. Gracias a la automatización y capacidad de procesamiento, se lograron detectar miles de eventos hasta ahora inadvertidos, generando un catálogo sísmico mucho más completo para Yellowstone. Esta revolución en la sismología enriqueció de manera significativa la base de datos disponible para los investigadores. La inteligencia artificial facilita la identificación eficiente de sismos menores y eventos antes invisibles en registros tradicionales, transformando la labor de monitoreo sísmico (REUTERS/Jim Urquhart/File Photo) Una caldera única en el mundo La caldera de Yellowstone destaca no solo como atracción turística y escenario de una popular serie televisiva; también es una de las estructuras volcánicas más estudiadas del planeta. Las calderas se forman tras una gran erupción, cuando la cámara magmática bajo la superficie se vacía y el terreno colapsa, originando una depresión extensa. A diferencia del cráter volcánico, la caldera resulta de un colapso, no de una explosión superficial. La caldera se alimenta de una cámara magmática activa, origen de fenómenos como las fuentes termales y los géiseres que distinguen la zona. La intensa actividad sísmica refleja procesos geológicos internos complejos, cuyo monitoreo resulta fundamental para la seguridad de los visitantes y para la investigación científica. Un registro sísmico drásticamente ampliado El estudio publicado en Science Advances actualizó drásticamente el catálogo sísmico de Yellowstone. Desde 2008 hasta 2022, identificaron en la región más de 86.000 terremotos, cifra muy superior a los registros históricos. La mayoría de estos terremotos presentan baja magnitud y no suponen un peligro inmediato, aunque su análisis es esencial para conocer los patrones sísmicos y prever cambios en el comportamiento volcánico. El nuevo catálogo ofrece una base robusta para la aplicación de métodos estadísticos avanzados, facilitando la identificación de tendencias y el estudio de fenómenos poco conocidos. Permite aplicar nuevas metodologías a una base incomparablemente más rica, lo cual abre el camino a descubrimientos sobre la dinámica interna de Yellowstone. La actualización del inventario de terremotos ofrece fundamentos sólidos para nuevas investigaciones y permite trazar mapas más detallados de patrones sísmicos en la caldera (Senator Steve Daines/via REUTERS) “Swarms” sísmicos: enjambres de pequeños terremotos Más de la mitad de los terremotos detectados forman parte de lo que los científicos denominan “swarms” o enjambres sísmicos, conjuntos de pequeños eventos relacionados que se concentran en zonas y periodos breves. A diferencia de las réplicas, los enjambres carecen de un terremoto principal y suelen asociarse con la dinámica de fluidos subterráneos. “En gran medida, no existe una comprensión sistemática de cómo un terremoto desencadena otro dentro de un ‘swarm’. Solo podemos medir indirectamente el espacio y el tiempo entre los eventos”, señaló Bing Li. El nuevo catálogo permitirá estudiar estos patrones con precisión y buscar correlaciones antes inaccesibles. Relevancia para la seguridad y la energía geotérmica El profesor Li destacó el impacto del avance en la seguridad y el desarrollo energético en zonas volcánicas. “Al entender los patrones de sismicidad, como los enjambres sísmicos, podemos mejorar las medidas de seguridad, informar mejor sobre los riesgos potenciales e incluso orientar el desarrollo de energía geotérmica lejos de zonas peligrosas con alto flujo de calor”, afirmó Li, según la University of Western Ontario. La posibilidad de extrapolar el método a otras regiones volcánicas añade valor al estudio. La metodología desarrollada podría aplicarse en contextos similares, contribuyendo a una gestión de riesgos más eficaz en torno a recursos geotérmicos. El análisis refinado de la sismicidad posibilita anticipar riesgos y planificar mejor el aprovechamiento de fuentes energéticas, contribuyendo a la protección de la población y al desarrollo sustentable (REUTERS/Go Nakamura) Estructura de fallas y modelos fractales El análisis de la sismicidad reveló que los enjambres suelen ocurrir en fallas geológicas menos maduras y de superficie irregular, a diferencia de las regiones como el sur de California, donde predominan fallas más regulares. Para comprender esta complejidad, los investigadores emplearon modelos fractales, figuras geométricas con auto-similitud en diferentes escalas, presentes en la naturaleza en formas tan variadas como las líneas costeras y los copos de nieve. En Yellowstone, los fractales describieron la complejidad de las fallas y ayudaron a entender cómo la interacción entre agua subterránea de movimiento lento y ráfagas súbitas de fluidos puede desencadenar enjambres sísmicos. Colaboración internacional e innovación científica El trabajo refleja una colaboración internacional de alto nivel, combinando recursos de la University of Western Ontario, la Universidad Industrial de Santander y el United States Geological Survey. El proyecto se enmarca en la tendencia creciente de incorporar inteligencia artificial al estudio y gestión de riesgos geológicos. Yellowstone, además de su importancia natural, constituye el primer parque nacional de Estados Unidos y un destino mundial relevante. Comprender su actividad sísmica es fundamental para la protección de visitantes y para el avance del conocimiento volcánico. Un catálogo para el futuro “Ahora contamos con un catálogo mucho más robusto de la actividad sísmica bajo la caldera de Yellowstone, y podemos aplicar métodos estadísticos que nos ayuden a cuantificar y encontrar nuevos ‘swarms’ que no habíamos visto antes, estudiarlos y ver qué podemos aprender de ellos”, afirmó Bing Li. El equipo espera que estos hallazgos encuentren aplicación en otras regiones volcánicas, permitiendo mejorar la seguridad y el desarrollo sostenible en zonas de riesgo sísmico elevado.

    Ver noticia original

    También te puede interesar

  • Examedia © 2024

    Desarrollado por