Una nueva revisión sistemática ha revelado graves deficiencias en la evaluación del riesgo de ciclones en Australia y en todo el mundo. La investigación, que analizó 94 estudios sobre el riesgo de ciclones, advierte que los enfoques existentes pueden no proporcionar una imagen completa de los peligros que enfrentan las comunidades.
por la Universidad de Tecnología de Sydney
El estudio, » Una revisión crítica de los modelos de evaluación del riesgo de huracanes y los marcos predictivos «, se publicó en la revista Geoscience Frontiers y representa la primera revisión exhaustiva de las evaluaciones del riesgo de ciclones.
Cada año se forman más de 80 ciclones, tifones y huracanes en todo el mundo, y Australia se enfrenta a algunos de los sistemas más potentes y dañinos. Amenazan vidas y causan estragos en la infraestructura y las economías.
La investigación identificó seis factores principales que influyen en el riesgo de ciclones: uso de la tierra , pendiente, precipitaciones, altitud, densidad de población y calidad del suelo. La incorporación de estas variables en los modelos de riesgo podría mejorar la precisión de las predicciones y conducir a decisiones políticas mejor fundamentadas.
El autor principal, el distinguido profesor Biswajeet Pradhan, director del Centro de Modelado Avanzado y Sistemas de Información Geoespacial de la Universidad de Tecnología de Sídney (UTS), dijo que no mejorar las evaluaciones de riesgos podría dejar a las comunidades peligrosamente expuestas.
«Nuestro análisis muestra que las evaluaciones de riesgos se centran demasiado en peligros específicos, como las mareas de tempestad o las inundaciones, en lugar de analizar cómo interactúan las distintas amenazas. Esto puede dejar a las comunidades sin preparación para la magnitud de la destrucción relacionada con los ciclones», afirmó el profesor Pradhan.
«Otra preocupación clave es que las evaluaciones actuales priorizan la frecuencia de los ciclones por sobre los daños reales, a pesar de que estos últimos son más útiles para los responsables de las políticas. Solo el 5% de los estudios examinaron la eficacia de las medidas de mitigación, lo que revela un punto ciego en la planificación de la resiliencia ante los desastres».
Las medidas de mitigación incluyen acciones como códigos de construcción mejorados , defensas costeras, sistemas de alerta temprana y planificación del uso de la tierra, todo lo cual puede reducir el impacto de los ciclones y ayudar a proteger a las comunidades.
El impacto económico de los ciclones es otro aspecto en el que las evaluaciones existentes no son suficientes. El estudio señala que los efectos indirectos (como las interrupciones en las operaciones comerciales ) a menudo se pasan por alto, a pesar de su potencial para causar daños financieros a largo plazo.
Este estudio de Geoscience Frontiers sigue a otro estudio del profesor Pradhan, publicado en Earth Systems and Environment , sobre el potencial de las evaluaciones de riesgos basadas en inteligencia artificial y aprendizaje automático para los daños por inundaciones inducidos por ciclones.
«Existe un potencial sin explotar para utilizar el aprendizaje automático en las evaluaciones de riesgo de ciclones «, dijo el profesor Pradhan. «La integración de la IA y el aprendizaje automático podría mejorar significativamente la precisión predictiva y la planificación de la resiliencia.
«Si bien algunas investigaciones han utilizado inteligencia artificial , incluidos modelos de bosques aleatorios y redes neuronales , hay margen para explorar técnicas más avanzadas, como modelos de conjunto, que podrían mejorar la precisión y la adaptabilidad en diferentes regiones.
«Estos hallazgos ofrecen información crucial que podría dar forma a futuras investigaciones y políticas, y en última instancia ayudar a Australia y otras regiones propensas a ciclones a prepararse para la creciente amenaza de fenómenos meteorológicos extremos en un clima cambiante», dijo.
Más información: Sameera Maha Arachchige et al, Una revisión crítica de los modelos de evaluación del riesgo de huracanes y los marcos predictivos, Geoscience Frontiers (2025). DOI: 10.1016/j.gsf.2025.102012
Sameera Maha Arachchige et al., La inteligencia artificial llega al ojo de la tormenta: perspectivas basadas en el aprendizaje automático para la evaluación del riesgo de daños por huracanes en Florida, Earth Systems and Environment (2025). DOI: 10.1007/s41748-025-00571-9
