Científicos de la Universidad Northwestern y de la Universidad de California en Los Ángeles han desarrollado un nuevo marco basado en procesos que proporciona un enfoque más preciso y dinámico para la predicción de deslizamientos de tierra en grandes áreas, superando los métodos tradicionales que se basan únicamente en la intensidad de la lluvia.
El nuevo enfoque integra diversos procesos relacionados con el agua con un modelo de aprendizaje automático, considerando factores diversos y acumulativos que ofrecen una comprensión más sólida de las causas de estos eventos destructivos, según el estudio publicado en Geophysical Research Letters.
Chuxuan Li, primer autor del estudio, explica que "los sistemas actuales de alerta temprana tienden a obtener información de eventos históricos de precipitación y deslizamientos de tierra".
Al basarse en datos históricos, los sistemas tradicionales no consideran el cambio climático ni factores como el deshielo u otras condiciones del terreno que su modelo sí incorpora.
Para comprender mejor cómo y por qué ocurren deslizamientos de tierra generalizados, el equipo analizó un mes de condiciones climáticas extremas en California durante el invierno de 2022-23, cuando el estado experimentó un desfile sin precedentes de nueve ríos atmosféricos consecutivos. Esos fenómenos causaron inundaciones catastróficas y más de 600 deslizamientos de tierra.
Los científicos adoptaron un modelo informático que simula cómo se mueve el agua en el entorno, incluyendo la lluvia que se infiltra en el suelo, el escurrimiento superficial, la evaporación y la congelación o derretimiento de la nieve y el hielo.
Utilizaron una amplia gama de datos meteorológicos, geográficos e históricos que incluían información sobre terreno, profundidad del suelo, incendios forestales anteriores y condiciones climáticas.
Utilizando los resultados del modelo, el equipo desarrolló una métrica denominada "estado del balance hídrico" (EDH) para evaluar cuándo hay exceso de agua en una zona determinada. Un EDH positivo significa que hay más agua de la que el suelo puede absorber, almacenar, evaporar o drenar, implicando un mayor riesgo de deslizamientos de tierra.
Mediante técnicas de aprendizaje automático para agrupar deslizamientos similares según las condiciones específicas de sus sitios, identificaron tres vías principales que provocaron los deslizamientos en California.
Las lluvias intensas causaron aproximadamente el 32% de los deslizamientos; el 53% se produjo tras lluvias moderadas sobre suelos ya saturados por tormentas anteriores; y alrededor del 15% estuvieron relacionados con la nieve o hielo, donde la lluvia aceleró el deshielo.
Al comparar estos eventos con su modelo, los científicos descubrieron que una gran mayoría del 89% de los deslizamientos en California ocurrieron en zonas donde la EDT fue positiva.
Esto confirma que la métrica puede identificar con precisión las condiciones propicias para los deslizamientos.
Daniel E. Horton, autor principal del estudio de Northwestern, señala que "diferentes deslizamientos de tierra pueden ser causados por distintos procesos hidrológicos". Su objetivo es desarrollar herramientas útiles en regiones extensas como California. Mientras el clima global continúa cambiando, estos sistemas de predicción cobran más importancia, ya que el aire más cálido puede contener más vapor de agua y las tormentas pueden descargar más agua, aumentando los peligros de inundaciones y deslizamientos.
