Las erupciones volcánicas pueden tener consecuencias dramáticas. Pero ¿cómo podemos anticipar este fenómeno, que se desarrolla hasta decenas de kilómetros bajo la superficie?
Un equipo de la Universidad de Ginebra (UNIGE), en colaboración con el Instituto Nacional de Geofísica y Vulcanología (INGV) de Italia, ha recreado con éxito un modelo 3D del interior del volcán Vulcano, ubicado en el norte de Sicilia. Esta imagen, generada con una precisión sin precedentes, se obtuvo combinando redes sísmicas nodales e inteligencia artificial.
Publicados en Nature Communications , estos resultados representan un avance importante en la comprensión de las estructuras volcánicas y, potencialmente, en la gestión de riesgos.
Nuestro planeta alberga más de 1500 volcanes activos , pero solo el 30 % de ellos ha sido estudiado exhaustivamente por los científicos. Mientras tanto, más de 800 millones de personas viven cerca de estos gigantes, a menudo impredecibles. Por lo tanto, desarrollar herramientas para comprender mejor y anticipar las erupciones es un importante reto de investigación.
«Hasta ahora, la sismología volcánica se ha centrado principalmente en las señales sísmicas bajo los volcanes. Estudios a gran escala han ayudado, sin duda, a delinear sus estructuras internas , pero muy pocos han examinado en detalle lo que ocurre en las profundidades subterráneas», afirma Douglas Stumpp, estudiante de doctorado del Departamento de Ciencias de la Tierra, Sección de Ciencias de la Tierra y del Medio Ambiente, de la Facultad de Ciencias de la UNIGE, y autor principal del estudio.
Esto se debe a la naturaleza única de cada volcán y a la inaccesibilidad de los dominios geológicos donde se nuclean las erupciones.
Una ‘fotografía’ de una precisión sin precedentes
Gracias al trabajo reciente del equipo de Matteo Lupi, profesor asociado del Departamento de Ciencias de la Tierra, Sección de Ciencias de la Tierra y del Medio Ambiente, Facultad de Ciencias, UNIGE, Stumpp ha producido una imagen tridimensional de alta resolución de la estructura interna de Vulcano.
Ubicado en la isla homónima, al norte de Sicilia, el volcán entró en una fase de actividad a finales de 2021. Su reactivación se caracterizó por los llamados eventos sísmicos de «período muy largo» , una señal que indica el movimiento del magma y el gas dentro del sistema volcánico.
Utilizamos un método de tomografía sísmica de ruido ambiental, adquirido mediante una red nodal. Para procesar los datos, utilizamos redes neuronales , una tecnología que nos permite radiografiar volcanes. Este trabajo se realizó en el marco del programa de maestría conjunto de las Universidades de Ginebra y Lausana (ELSTE)», explica el investigador.
Con el apoyo y la colaboración del INGV, el equipo desplegó alrededor de 200 sensores sísmicos portátiles en toda la isla. Durante un mes, estos sismómetros de última generación registraron las vibraciones naturales del suelo en un amplio rango de frecuencias.
Se sabe, por ejemplo, que ciertas ondas, conocidas como ondas sísmicas secundarias, se propagan lentamente al atravesar zonas ricas en fluidos, lo que permite detectar magma potencial. Este enorme volumen de datos fue procesado posteriormente por la supercomputadora Yggdrasil de la UNIGE.
«La tecnología tomográfica de ruido ambiental está disponible desde hace unos 20 años, pero implementar una cantidad tan grande de sensores y procesar sus datos con IA es realmente novedoso», afirma Matteo Lupi, quien dirigió el estudio.
Gracias a estos datos, el equipo pudo reconstruir con precisión la estructura interna de Vulcano. Este modelado también revela la distribución de fluidos magmáticos en sus regiones superiores. «Es un avance comparable a la transición del ultrasonido a la resonancia magnética en medicina», afirma el investigador.
Del conocimiento a la prevención
Estos resultados aún no permiten predecir una erupción, pero representan un avance significativo en la comprensión de la dinámica interna de los volcanes.
Si pudiéramos procesar datos de tomografía nodal de ruido ambiental sísmico en tiempo real, con la ayuda de redes neuronales, podríamos analizar el comportamiento de cada área del sistema volcánico a medida que se desarrolla y, así, diseñar planes de evacuación dinámicos y adaptables. El procesamiento ultrarrápido de volúmenes de datos tan masivos sigue siendo un gran desafío técnico, pero la integración del aprendizaje automático y el aprendizaje profundo, como se demuestra en este estudio, demuestra que esta perspectiva se está volviendo viable —concluye Stumpp—.
Más información: Douglas Sami Stumpp et al., Tomografía de ruido ambiental nodal de redes neuronales de un sistema de plomería transitorio en condiciones de inestabilidad, Vulcano, Italia, Nature Communications (2025). DOI: 10.1038/s41467-025-62846-z
