Investigadores de la UNI usan drones para identificar las viviendas con mayor nivel de vulnerabilidad ante un tsunami

La técnica consiste en generar modelos digitales tridimensionales del entorno urbano mediante imágenes aéreas, que se analizan junto a simulaciones de escenarios de este fenómeno natural

Guardar
El estudio piloto realizado en
El estudio piloto realizado en la bahía de Ancón determinó que el 30 % de las construcciones analizadas presenta alta o muy alta vulnerabilidad, especialmente en la playa Conchitas - Créditos: UNI.

Investigadores del Centro Peruano Japonés de Investigaciones Sísmicas y Mitigación de Desastres (CISMID), perteneciente a la Facultad de Ingeniería Civil de la Universidad Nacional de Ingeniería, diseñaron una metodología que utiliza tecnología de drones para identificar viviendas especialmente expuestas al impacto de un tsunami. La innovación busca facilitar la priorización de acciones orientadas a la protección de comunidades localizadas en áreas costeras con alto riesgo.

Para la investigación piloto, se seleccionó la bahía del distrito de Ancón, ubicada al norte de Lima. Esta zona combina una alta densidad poblacional con una marcada afluencia temporal de visitantes durante el verano, lo que eleva la exposición ante fenómenos naturales.

Fernando García, jefe del laboratorio de geomática del CISMID y uno de los autores principales del proyecto, explicó que Ancón fue elegido por la presencia de una población flotante que incrementa sensiblemente durante los meses estivales.

La técnica desarrollada se basa en el uso de drones para captar imágenes aéreas de alta resolución. Estas imágenes permiten generar representaciones digitales tridimensionales del entorno urbano. Los modelos obtenidos se cruzaron con simulaciones de escenarios de tsunami, lo que permitió calcular el grado de exposición de cada edificación de la zona analizada.

Los resultados brindan información clave
Los resultados brindan información clave para que autoridades y entidades de gestión del riesgo prioricen intervenciones y diseñen estrategias de protección en comunidades costeras - Créditos: UNI.

Según los resultados, el 30 % de las construcciones evaluadas, localizadas principalmente en la playa Conchitas, resultaron clasificadas con niveles altos o muy altos de vulnerabilidad. García precisó que el método permitió obtener datos precisos en plazos breves, evitando los inconvenientes habituales de las técnicas convencionales, como el tiempo extendido y los altos costos operativos.

La investigación constituye una herramienta de apoyo para autoridades y entidades responsables de la gestión del riesgo de desastres. Los datos recabados permiten identificar áreas prioritarias y focalizar la intervención pública, fortaleciendo la prevención y el diseño de medidas efectivas para salvaguardar a la población costera.

El desarrollo estuvo a cargo de un equipo integrado por Carlos Dávila, Ángel Quesquén, Brigitte Puchoc, Óscar Solís, Julián Palacios, Jorge Morales, Miguel Estrada y liderado por Fernando García en el laboratorio de geomática del CISMID.

El trabajo completo se encuentra publicado en la revista internacional Drones (Vol. 9, Núm. 6, Art. 402), editada por MDPI y posicionada en el cuartil Q1 del Journal Citation Reports, dentro del área de sensores remotos.

Investigadores del CISMID desarrollaron una
Investigadores del CISMID desarrollaron una metodología que emplea drones para identificar viviendas altamente expuestas a tsunamis en zonas costeras peruanas - Créditos: UNI.

Desarrolla tecnología con IA para identificar daños en viviendas

En un país donde los movimientos telúricos forman parte de la realidad cotidiana, un avance impulsado por la Universidad Nacional de Ingeniería (UNI) plantea un cambio significativo en la forma de evaluar los efectos posteriores a un terremoto.

Un grupo de especialistas perteneciente al CISMID desarrolló un sistema que, empleando inteligencia artificial, examina imágenes de estructuras comprometidas y estima el grado de afectación con un nivel de exactitud sin precedentes.

El procedimiento se compone de dos etapas:

La primera corresponde a la inspección automática de imágenes, donde se detectan y cuantifican fracturas presentes en las paredes tras un sismo a través de herramientas de aprendizaje profundo.

Posteriormente, se realiza la estimación científica del deterioro, relacionando la información de las fisuras con datos recopilados en pruebas experimentales, lo que permite definir el nivel de compromiso estructural con base técnica.