Una investigación en eThekwini combina imágenes satelitales y aprendizaje automático para localizar terrenos vulnerables y demuestra cómo la urbanización y la pérdida de vegetación pueden aumentar el peligro de deslizamientos.
Redacción: Redacción Noticias de la Tierra
Editor: Karem Díaz S.
Un equipo de investigadores en Sudáfrica ha utilizado inteligencia artificial e imágenes satelitales para identificar las zonas urbanas más susceptibles a deslizamientos de tierra en el municipio metropolitano de eThekwini, donde se encuentra la ciudad de Durban. El estudio, publicado en octubre de 2026 en la revista científica Scientific Reports, revela que la construcción de carreteras, el desarrollo inmobiliario y la eliminación de vegetación pueden incrementar considerablemente la vulnerabilidad de determinados terrenos.
La investigación, difundida por la Universidad de Witwatersrand, conocida como Wits University, demuestra que las herramientas de aprendizaje automático pueden ayudar a las autoridades a reconocer áreas peligrosas antes de que ocurran nuevos desastres y a tomar decisiones más fundamentadas sobre el crecimiento urbano.
El trabajo adquiere especial relevancia después de las devastadoras inundaciones y deslizamientos registrados en abril de 2022 en la provincia sudafricana de KwaZulu-Natal. Aquella catástrofe dejó cientos de fallecidos, desplazó a más de 40.000 personas y ocasionó daños estimados en 36.000 millones de rands a infraestructuras y actividades económicas.
Los resultados sugieren que la exposición de las ciudades a los deslizamientos no depende exclusivamente de las lluvias intensas o de las características naturales del terreno. Las decisiones humanas sobre dónde construir, cómo modificar las pendientes y qué áreas conservar también desempeñan un papel determinante.
La transformación del paisaje aumenta la vulnerabilidad del terreno
Uno de los principales hallazgos del estudio es la relación entre las modificaciones humanas del territorio y la susceptibilidad a los movimientos de ladera.
Los investigadores analizaron diferentes características ambientales y territoriales, entre ellas el uso del suelo, la altitud, la cobertura vegetal y las condiciones geológicas.
Los resultados mostraron que las áreas urbanizadas y los terrenos destinados a actividades agrícolas presentaban una mayor susceptibilidad a los deslizamientos que determinados paisajes menos alterados.
La eliminación de vegetación puede reducir la estabilidad de las pendientes porque las raíces contribuyen a mantener la cohesión del suelo. Cuando esa protección natural desaparece, las laderas pueden volverse más vulnerables a la erosión y a los movimientos de tierra, especialmente durante precipitaciones intensas.
Las obras de construcción también pueden modificar los sistemas naturales de drenaje, alterar la circulación del agua y añadir cargas sobre terrenos geológicamente sensibles.
Estos factores ayudan a explicar por qué algunos sectores urbanos pueden experimentar daños importantes incluso cuando las precipitaciones afectan a una región mucho más extensa.
La relación entre urbanización y vulnerabilidad ambiental también resulta relevante en el contexto de la preparación de las ciudades frente a eventos climáticos extremos, donde las características sociales y territoriales pueden influir sobre la magnitud de los daños.
Modelos de aprendizaje automático con una precisión superior al 98 %
Para elaborar los mapas de susceptibilidad, los científicos combinaron sistemas de información geográfica, imágenes obtenidas mediante satélites y diferentes técnicas de aprendizaje automático.
El equipo evaluó modelos capaces de reconocer relaciones complejas entre las características del terreno y la distribución espacial de los deslizamientos.
Dos de las técnicas utilizadas, conocidas como Random Forest y máquinas de vectores de soporte, alcanzaron niveles de precisión superiores al 98 % en las evaluaciones realizadas durante la investigación.
Este resultado indica que los modelos consiguieron distinguir con elevada precisión las condiciones asociadas a la susceptibilidad a deslizamientos dentro del conjunto de datos analizado.
Sin embargo, esa precisión no debe interpretarse como una capacidad para predecir con exactitud cuándo ocurrirá un deslizamiento concreto. Los mapas identifican condiciones territoriales favorables a estos fenómenos, pero no sustituyen los sistemas de vigilancia meteorológica, las inspecciones geotécnicas ni las alertas operativas.
La integración de observaciones satelitales e inteligencia artificial constituye una línea de investigación cada vez más importante para la gestión ambiental. En Japón, por ejemplo, un método de inteligencia artificial permite reconstruir información faltante en mapas de precipitaciones, una aplicación complementaria para mejorar el conocimiento de los fenómenos hidrometeorológicos.
Las zonas costeras de eThekwini presentan mayor susceptibilidad
Los mapas generados por los investigadores identificaron diferencias significativas en la distribución territorial de las áreas vulnerables.
Las zonas situadas a lo largo de la franja costera de eThekwini aparecieron entre las más susceptibles a los deslizamientos, mientras que algunas áreas montañosas del interior mostraron niveles generalmente menores dentro del análisis realizado.
Este resultado demuestra que la altitud o la presencia de pendientes pronunciadas no explican por sí solas la distribución del peligro.
La combinación de geología, uso del suelo, cobertura vegetal y transformación urbana puede producir condiciones de inestabilidad incluso en sectores donde el relieve no parece especialmente extremo.
Para los responsables de planificación territorial, esta información puede ayudar a identificar lugares donde convendría aplicar restricciones al desarrollo inmobiliario, realizar estudios geotécnicos adicionales o reforzar las medidas de protección ambiental.
También puede contribuir a establecer prioridades para la inspección de carreteras, redes de drenaje y otras infraestructuras expuestas.
Las inundaciones de 2022 evidenciaron el alcance del peligro
El antecedente más importante para comprender la investigación es la catástrofe que afectó a KwaZulu-Natal en abril de 2022.
Durante cuatro días, algunas zonas de la provincia recibieron más de 300 milímetros de lluvia, provocando inundaciones generalizadas y numerosos movimientos de ladera.
Los daños alcanzaron tanto asentamientos informales como urbanizaciones residenciales consolidadas, lo que evidenció que la vulnerabilidad geológica no se limita a los barrios de menores ingresos.
En localidades costeras como Umdloti, los daños sobre las infraestructuras plantearon interrogantes acerca de las prácticas de construcción, la eliminación de vegetación y la idoneidad de determinadas áreas para el desarrollo urbano.
La investigación destaca que los deslizamientos pueden surgir de la interacción entre condiciones ambientales naturales y decisiones humanas acumuladas durante años.
Las precipitaciones intensas pueden actuar como desencadenante inmediato, pero las modificaciones previas del paisaje influyen sobre la capacidad del terreno para resistir esos episodios.
Situaciones comparables de presión sobre las infraestructuras urbanas se han observado durante las inundaciones extremas registradas en Bangkok, donde las lluvias intensas se combinaron con factores asociados a la urbanización y las condiciones del territorio.
La inteligencia artificial como herramienta de prevención
El estudio plantea que los municipios pueden beneficiarse de métodos de evaluación territorial capaces de procesar grandes volúmenes de información geográfica con mayor rapidez que algunos procedimientos tradicionales.
Las evaluaciones convencionales de susceptibilidad a deslizamientos pueden requerir extensas campañas de campo, análisis especializados y recursos técnicos que no siempre están disponibles para las administraciones locales.
Los modelos basados en aprendizaje automático permiten integrar diferentes variables ambientales y generar mapas que ayudan a identificar sectores prioritarios para investigaciones más detalladas.
Laven Naidoo, investigador sénior del Gauteng City-Region Observatory, explicó que el objetivo era comprender mejor los factores que determinan la aparición de deslizamientos en eThekwini e identificar áreas potencialmente vulnerables ante futuros acontecimientos.
Según el investigador, disponer de esta información puede contribuir a la planificación preventiva y a la reducción de riesgos en un contexto de creciente preocupación por los fenómenos meteorológicos extremos.
La utilidad de estas herramientas se extiende a otros ámbitos de la gestión de emergencias. En China, un modelo de simulación de evacuaciones durante inundaciones urbanas ha mostrado cómo la información espacial puede ayudar a identificar necesidades de refugio y desplazamiento de la población.
El cambio climático obliga a revisar la planificación urbana
Los investigadores advierten que el riesgo de deslizamientos debe analizarse considerando tanto la evolución de las precipitaciones extremas como las transformaciones del territorio.
En un clima más cálido, la intensificación de determinados episodios de lluvia puede aumentar las presiones sobre laderas vulnerables, sistemas de drenaje y asentamientos construidos en terrenos inestables.
No obstante, la relación entre cambio climático y deslizamientos depende de las condiciones regionales, la distribución de las precipitaciones y las características geológicas de cada lugar.
La investigación no establece que todos los deslizamientos registrados en eThekwini sean consecuencia directa del calentamiento global. Su principal aportación consiste en demostrar que la vulnerabilidad territorial puede evaluarse mediante la combinación de información ambiental y herramientas computacionales.
Los mapas de susceptibilidad podrían ayudar a las autoridades a orientar nuevas construcciones hacia terrenos más adecuados, conservar la vegetación en pendientes sensibles y mejorar la gestión del drenaje.
También pueden servir para establecer prioridades de adaptación climática y protección de infraestructuras en municipios con recursos limitados.
Una herramienta para reducir los daños antes de nuevas catástrofes
El estudio, titulado Machine-learning modelling of regional landslide susceptibility in eThekwini, South Africa, fue desarrollado por Cher Petersen y colaboradores y publicado en Scientific Reports.
Sus resultados muestran que la combinación de imágenes satelitales, sistemas de información geográfica y aprendizaje automático permite elaborar evaluaciones detalladas de susceptibilidad a deslizamientos a escala regional.
Para las ciudades sudafricanas, esta información puede convertirse en un instrumento de apoyo a las decisiones sobre infraestructura, conservación ambiental y ordenamiento territorial.
La experiencia de eThekwini también aporta una enseñanza aplicable a otras regiones: reducir los daños asociados a las lluvias extremas requiere considerar no solamente la intensidad de los fenómenos naturales, sino también la manera en que las actividades humanas transforman la estabilidad del paisaje.
Los investigadores consideran que identificar anticipadamente los sectores más vulnerables puede contribuir a evitar nuevas exposiciones innecesarias y mejorar la preparación de las comunidades frente a futuros desastres.
Fuentes referenciales:
Scientific Reports — Machine-learning modelling of regional landslide susceptibility in eThekwini, South Africa
Wits University — Using machine learning to build safer cities
