GREAT v1.0, presentado el 13 de junio de 2025, integra señales acústicas y algoritmos de inteligencia artificial para analizar amenazas de tsunamis de manera inmediata. Su objetivo es minimizar la cantidad de alertas falsas que afectaron la credibilidad y eficacia de los sistemas tradicionales.
De acuerdo con la Universidad de Cardiff, el sistema ya opera en el Tsunami Warning Centre del Instituto Português do Mar e da Atmosfera (IPMA), en Portugal, donde se prueba con datos reales.
Tsunamis y los límites de los sistemas tradicionales
Desde los años 40, los tsunamis fueron una amenaza constante para las poblaciones costeras. Los primeros sistemas de alerta, implementados en Japón y en los Estados Unidos, se basaban en datos sísmicos y cálculos empíricos que generaban resultados poco precisos. Entre sus principales fallos estaban las falsas alarmas frecuentes, la evaluación incompleta del riesgo y los retrasos en la emisión de alertas.
El tsunami del Océano Índico en 2004 motivó la adopción de sistemas más sofisticados, coordinados por Naciones Unidas y enfocados en la detección directa del fenómeno. No obstante, la mayoría de los sistemas actuales sigue dependiendo de la información sísmica, lo que conduce a alertas preventivas que luego se cancelan al comprobarse que no hay riesgo. Este patrón deterioró la confianza pública.
Según la Universidad de Cardiff, “el 75% de las alertas de tsunami que provocaron evacuaciones desde los años 50 resultaron ser falsas”. Un ejemplo fue la evacuación de Honolulu en 1986, que generó pérdidas superiores a 30 millones de dólares. Este tipo de eventos subraya la necesidad de mejorar la precisión para reducir impactos innecesarios.
Cómo funciona GREAT v1.0
GREAT (Global Real-time Early Assessment of Tsunamis) representa un avance relevante en alerta temprana. Según informó la universidad, el software analiza señales acústicas generadas por la compresión de la columna de agua durante un terremoto submarino. Estas señales, que viajan más rápido que el tsunami, pueden ser detectadas por hidrófonos a grandes distancias, permitiendo una evaluación casi inmediata.
El sistema combina modelos matemáticos y aprendizaje automático. A partir de la ubicación del epicentro y características del fondo oceánico, calcula trayectorias y tiempos de llegada de las ondas hasta distintas zonas. La inteligencia artificial se encarga de clasificar el tipo de movimiento de la falla (horizontal o vertical) y de estimar la magnitud del sismo en función de las señales acústicas.
Desarrollado por Gomez y Kadri, el modelo logra más del 70% de precisión en la detección de movimientos verticales, que son los más propensos a generar tsunamis. Cuando se identifica este tipo de evento, el sistema estima la posible amplitud de las olas en las regiones de riesgo. Todo el proceso puede completarse en segundos usando un ordenador convencional.
Gracias a su arquitectura modular, GREAT puede integrarse fácilmente en diferentes centros de alerta y escalarse en plataformas de alto rendimiento.
Resultados de validación
La Universidad de Cardiff evaluó el desempeño de GREAT v1.0 con cuatro eventos históricos: Sumatra (2004), Tohoku (2011), Alaska (2018) y Tateyama (2009).
En Sumatra 2004, el software analizó señales captadas a más de 3.000 kilómetros del epicentro y detectó con éxito las zonas de mayor riesgo, incluyendo Sri Lanka y Madagascar. Aunque los datos disponibles no permitieron una comparación cuantitativa precisa, las estimaciones de altura fueron razonables.
En el tsunami de Tohoku 2011, los cálculos de GREAT mostraron buena correspondencia con las mediciones de las boyas DART, sobre todo en zonas cercanas al epicentro.
El evento de Alaska en 2018, que provocó una falsa alarma, permitió validar la capacidad del software para evitar evacuaciones innecesarias. El sistema confirmó la ausencia de amenaza y completó el análisis en menos de 30 segundos.
En el sismo de menor intensidad en Tateyama 2009, las estimaciones de amplitud fueron menos precisas, aunque consistentes en estaciones próximas.
Según los autores, “el software ha demostrado, virtualmente, la capacidad de analizar señales acústicas para evaluar tsunamis globalmente, potencialmente en tiempo real”.
Implementación y próximos desafíos
Desde junio de 2024, GREAT v1.0 está en operación en el centro de alerta del IPMA, con acceso a datos en tiempo real de hidrófonos proporcionados por la Comprehensive Nuclear-Test-Ban Treaty Organization (CTBTO). Esta fase evalúa su rendimiento en condiciones reales, incluyendo posibles fallos técnicos y retrasos de transmisión.
Una limitación señalada por la Universidad de Cardiff es la escasez de estaciones de hidrófonos. De las seis estaciones gestionadas por la CTBTO, solo cuatro están disponibles para este tipo de análisis. El sistema es más eficaz dentro de un radio de 1.000 kilómetros por estación, lo que limita su cobertura. Para una operación global, se estima que se necesitarían al menos 30 estaciones.
Otra restricción es la limitada base de datos con la que se entrenó el modelo de inteligencia artificial. Su ampliación con registros oceánicos y satelitales permitirá mejorar la precisión del sistema. También se prevé incluir en futuras versiones otros mecanismos de generación de tsunamis, como deslizamientos submarinos y erupciones volcánicas.
Según la Universidad de Cardiff, “el despliegue de esta tecnología en centros líderes de alerta se espera que reduzca significativamente las falsas alarmas y los costos asociados”.
Hacia sistemas de alerta más eficaces
El desarrollo de GREAT v1.0 se alinea con los esfuerzos globales por fortalecer la resiliencia ante desastres naturales. La universidad destaca que esta tecnología contribuye al ODS 11 de la UNESCO, que busca ciudades seguras y sostenibles, y se enmarca dentro del Marco de Sendai para la Reducción del Riesgo de Desastres.
La validación del sistema y su integración en el IPMA representan un paso relevante hacia una nueva generación de herramientas que combinan inteligencia artificial y cooperación internacional para reducir el impacto humano y económico de los tsunamis.
La Universidad de Cardiff sostiene que, aunque aún existen desafíos, el enfoque desarrollado ofrece una base sólida para futuras mejoras en la protección de comunidades costeras a nivel global.
Últimas Noticias
¿Cómo saben los científicos qué comían los dinosaurios? Estas son las pistas que buscan
La diversidad de hábitos alimenticios detectada entre distintas especies ofrece una explicación sobre la manera en que territorios con recursos limitados lograban sostener a varios animales de gran tamaño sin una competencia directa por el mismo alimento
La misión que la NASA no pudo completar: así fue el intento fallido por salvar al telescopio Swift
La nave robótica Link se desintegró el viernes al ingresar a la atmósfera, lo que marcó el final del plan de Katalyst Space Technologies para prolongar la vida útil del observatorio de rayos gamma en órbita
Así fue el espectacular despegue de Starship con 26 satélites a bordo
El cohete de SpaceX partió desde Starbase, en Texas, con sus 33 motores Raptor y completó la maniobra necesaria para ingresar en órbita terrestre
El olor a limpio que puede contaminar tu casa: por qué los productos perfumados pueden generar nanopartículas que llegan a los pulmones
Un estudio de la Universidad Purdue advierte que los limpiadores con fragancias liberan terpenos que reaccionan con el ozono del aire interior pueden generar miles de millones de partículas ultrafinas capaces de interferir en el sistema respiratorio
La nave Starship de SpaceX alcanzó la órbita terrestre por primera vez: reingresó a la atmósfera y amerizó en el Pacífico
El megacohete de Elon Musk despegó desde Texas. En su decimocuarta prueba logró completar la inserción orbital y comenzó el despliegue de 26 satélites Starlink. La misión estaba programada para durar 10 horas, pero se redujo a tres debido a un problema en el motor
