Un equipo internacional liderado por la Universidad de Granada desarrolló una innovadora metodología basada en inteligencia artificial (IA) y Teoría de la Señal capaz de predecir erupciones volcánicas con al menos 12 horas de antelación y confirmar su finalización en apenas tres.
El estudio, que involucra a investigadores de la Universidad de Colima (México), el Instituto Volcanológico de Canarias (Involcan) y la Universidad de Canterbury (Nueva Zelanda), marca un hito en la monitorización de volcanes y la prevención de desastres naturales.
La técnica, validada en las erupciones del volcán Tajogaite en La Palma (España, 2021) y del Volcán de Fuego de Colima (México), analiza en tiempo real parámetros sísmicos que revelan cambios en la actividad interna de los volcanes. Según los autores, su aplicación “sienta las bases para una nueva generación de herramientas de pronóstico volcánico”.
El modelo combina tres indicadores clave: la entropía de Shannon, que mide el grado de desorden en las señales sísmicas; el índice de frecuencia, que detecta variaciones en la actividad magmática; y la curtosis, útil para identificar eventos sísmicos impulsivos.
En el caso de La Palma, la IA logró anticipar la erupción del Tajogaite con más de nueve horas de antelación y confirmar su final casi en tiempo real, al registrar una disminución significativa de la entropía sísmica coincidente con la última emisión visible de lava. En Colima, un análisis de una década de datos permitió identificar fases eruptivas intensas y periodos de reposo con alta precisión.
Los investigadores destacan que la incorporación de este método a los sistemas de vigilancia volcánica podría transformar la gestión de emergencias. Una alerta temprana con 12 horas de margen permitiría activar evacuaciones y protocolos de seguridad con tiempo suficiente para “salvaguardar vidas y minimizar el impacto social de las emergencias volcánicas”.
La técnica ya ha sido probada en volcanes de España, México, Grecia, Italia, Estados Unidos, Perú y Rusia, con resultados consistentes, lo que refuerza su potencial como herramienta global para la predicción de desastres naturales.
