Describen interior del Popocatépetl con IA: revelan cámaras magmáticas hasta 10 km de profundidad

Un equipo científico del Instituto de Geofísica de la UNAM consiguió observar con un nivel de detalle inédito el interior del volcán Popocatépetl, gracias a una tomografía sísmica elaborada con apoyo de inteligencia artificial (IA). 

Los resultados permiten describir dos de las tres cámaras magmáticas conocidas del coloso, ubicadas a profundidades de hasta 10 kilómetros.

La investigación fue presentada por Karina Bernal Manzanilla, doctorante del programa en Ciencias de la Tierra, quien explicó que el trabajo se desarrolló a partir del análisis de registros sísmicos generados entre enero de 2019 y diciembre de 2024 por el Centro Nacional de Prevención de Desastres (Cenapred), complementados con datos previos. El objetivo: mejorar la resolución para entender con mayor precisión la configuración interna del volcán.

“Logramos ver dos reservorios de magma que están más cerca de la superficie, y que estudios previos ya habían sugerido”, señaló durante la conferencia Avances en la tomografía sísmica del Popocatépetl a partir de catálogos automáticos.

Magma que se mueve todos los días

De acuerdo con Bernal Manzanilla, quien trabaja junto al investigador Marco Calò, el material que resguarda “Don Goyo” no es completamente líquido: está parcialmente cristalizado como roca debido al confinamiento, aunque puede recalentar y volverse móvil nuevamente.

Ese movimiento constante queda de manifiesto en las emisiones diarias del volcán, explicó. Ello lleva a los especialistas a dos posibles escenarios: que exista actividad en niveles más profundos, o que mecanismos internos permitan que el magma se reactive dentro de estas cámaras.

Sin embargo, la tercera cámara magmática aún no ha podido visualizarse con esta técnica, por lo que se requieren otros sistemas de monitoreo para conocer qué ocurre en zonas más profundas.

Una máquina que “aprendió” a leer temblores

El avance fue posible gracias a un modelo computacional entrenado para diferenciar y reconocer distintos tipos de temblores asociados al volcán. Con esa “clasificación automática” se construyó una tomografía que abarca estructuras internas que alcanzan hasta 30 kilómetros por debajo del nivel del mar, casi al límite con el manto terrestre.

Los primeros resultados ya fueron publicados en el estudio Automated seismo-volcanic event detection applied to Popocatépetl using machine learning, en Journal of Volcanology and Geothermal Research. Además, un segundo artículo se encuentra en revisión para el Journal of South American Earth Sciences.

Próximo objetivo: medir la energía del volcán

El siguiente paso de la investigación consistirá en analizar cuánta energía pierden las ondas sísmicas mientras ascienden a la superficie. Este parámetro permitirá confirmar si las zonas más calientes dentro del volcán coinciden con la tomografía generada mediante IA.

“Si un material está demasiado caliente, las ondas pierden más energía que cuando está frío”, detalló Bernal Manzanilla, quien continúa evaluando estos datos para comprobar la validez del modelo aplicado.