Detección y caracterización automática de explosiones volcánicas y su aporte a la GRD: Caso volcán Sabancaya

Abstract

Se presenta la implementación de un sistema multiparamétrico para la detección en tiempo real y caracterización de explosiones del volcán Sabancaya a partir del uso de imágenes, señales sísmicas y datos meteorológicos de 1343 explosiones registradas entre 2019 y 2021. Asimismo, se aplicaron técnicas de redes neuronales convolucional U-Net, para segmentar y medir parámetros de las plumas volcánicas en imágenes y algoritmos de aprendizaje automático supervisado para clasificar los sismos, especialmente aquellos relacionados con eventos eruptivos. Los resultados demuestran la efectividad del uso de inteligencia artificial en el procesamiento de grandes volúmenes de datos generados durante crisis sísmicas y eruptivas. La red U-Net logró una segmentación precisa de las plumas volcánicas en imágenes, con una precisión superior al 98% y capacidad de generalización con datos nuevos. Por otro lado, el clasificador CatBoost obtuvo una precisión promedio del 94.5% en la clasificación e identificación de eventos sísmicos del volcán. Estos enfoques permiten inferir parámetros eruptivos en tiempo real sin intervención humana, a partir del análisis de información visual y sísmica durante las fases tempranas de los eventos explosivos. Es destacable la alta sensibilidad de los modelos para detectar explosiones intensas con altas columnas eruptivas, lo cual es relevante para el desarrollo de sistemas confiables de alerta temprana ante posibles erupciones volcánicas.