En el documento, presentado en Nature Communications, se da a conocer que los investigadores estudiaron deslizamientos de tierra en todo el mundo, como el desastre de 2008 en Beichuan, China, para desarrollar un nuevo paradigma para comprender sus movimientos y tipos de fallas.
Al utilizar la vista aérea y los datos de elevación de los sitios de deslizamientos de tierra combinados con el aprendizaje automático, los investigadores pudieron lograr entre un 80 y un 94 por ciento de precisión en la identificación de movimientos de deslizamientos de tierra en diversos lugares del mundo. Específicamente, el estudio introduce un método para examinar diapositivas, flujos y fallas, encontrando patrones distintos.
Actualmente los modelos predictivos se basan en bases de datos que generalmente no incluyen información sobre el tipo de falla de los deslizamientos de tierra cartografiados.
“Las personas que se dedican a predecir deslizamientos de tierra necesitan saber más información sobre ellos, como qué los causó y qué mecanismos fueron”, explicó Nishant Malik, coautor de la investigación junto a Kamal Rana y Kushanav Bhuyan.
La esperanza es que esta comprensión más profunda de los movimientos de fallas ayude a quienes trabajan para predecir eventos mortales y mejorar la precisión y confiabilidad de los modelos de evaluación de peligros y riesgos, lo que ayudará a salvar vidas y reducir los daños.
Cabe destacar que los deslizamientos de tierra son uno de los desastres naturales más destructivos del planeta y causan miles de millones de dólares en daños y una devastadora pérdida de vidas cada año.
