Este simple truco matemático podría transformar la ciencia de los terremotos, según un nuevo estudio

Los científicos no pueden predecir los terremotos, pero un nuevo y potente avance en el campo de la modelización puede ayudarnos a comprender sus riesgos más rápidamente que nunca.

sismógrafo; estudio
Los terremotos aún no se pueden predecir, pero comprender lo que hay debajo de la tierra puede revelar lo peligrosos que pueden ser. Una nueva investigación muestra cómo las simulaciones ultrarrápidas pueden cartografiar el subsuelo de manera más eficiente, lo que ayuda a mejorar las evaluaciones de riesgo de terremotos y tsunamis.

Los terremotos ocurren a diario, a veces con consecuencias devastadoras, pero predecirlos aún es inalcanzable. Lo que los científicos pueden hacer es mapear las capas ocultas bajo la superficie que controlan la intensidad de los temblores.

Un nuevo enfoque acelera las simulaciones sísmicas complejas aproximadamente 1000 veces, lo que hace que las evaluaciones de riesgo sean mucho más prácticas. Si bien no predecirá el próximo terremoto, puede ayudar a las ciudades a prepararse mejor para uno.

Cada año se registran miles de terremotos

El 6 de diciembre de 2025, un potente terremoto de magnitud 7.0 azotó Alaska. Si bien los terremotos de esta magnitud llaman la atención, ocurren con mucha más frecuencia de lo que muchos creen. El Servicio Geológico de Estados Unidos (USGS) estima que ocurren alrededor de 55 terremotos cada día en todo el mundo, lo que suma un total de unos 20.000 al año.

Normalmente, un terremoto al año alcanza una magnitud de 8.0 o superior, mientras que otros 15 alcanzan la magnitud 7 en la escala de Richter, que mide la cantidad de energía liberada. Tan solo en 2025, un terremoto de magnitud 8.8 ocurrido en el mar cerca de la península de Kamchatka, en Rusia, se ubicó entre los 10 terremotos más fuertes jamás registrados, según el Servicio Geológico de los Estados Unidos (USGS).

terremoto; daños
Los daños causados por los terremotos le cuestan ahora a Estados Unidos alrededor de 14.700 millones de dólares al año.

Los terremotos pueden causar pérdidas humanas, destruir edificios y carreteras, perturbar las economías y dejar secuelas emocionales duraderas en los afectados.

Su impacto financiero también está aumentando. Un informe de 2023 del USGS y la Agencia Federal para el Manejo de Emergencias (FEMA) reveló que los daños causados por terremotos ahora cuestan a Estados Unidos aproximadamente 14.700 millones de dólares anuales. Una de las principales razones es que cada vez más personas viven en regiones con actividad sísmica frecuente.

Comprendiendo el suelo bajo nuestros pies

Aunque el momento exacto sigue siendo impredecible, comprender lo que se esconde bajo la superficie terrestre puede mejorar significativamente las evaluaciones de riesgos.

Kathrin Smetana, profesora adjunta del Departamento de Ciencias Matemáticas de la Universidad Stevens, explica que los materiales del subsuelo varían considerablemente. "Pueden tener capas de roca sólida, arena o arcilla", afirma. Dado que las ondas sísmicas se propagan de forma diferente a través de cada material, el tipo de subsuelo influye considerablemente en cómo se siente el temblor en la superficie.

¿Cómo mapean los científicos el subsuelo?

Para mapear estas capas del subsuelo, los investigadores utilizan un método conocido como Inversión de Forma de Onda Completa. Esta técnica de imágenes sísmicas ayuda a reconstruir la estructura del subsuelo combinando simulaciones con datos sísmicos reales.

terremoto; daños
El nuevo modelo no permite predecir cuándo ocurrirán los terremotos. En cambio, ofrece una forma más eficiente de evaluar el riesgo de terremotos en diferentes lugares.

Los científicos primero generan terremotos computacionales y rastrean cómo se propagan las ondas sísmicas a través de la Tierra. Después, analizan los patrones de ondas simulados en diferentes lugares con sismógrafos y los comparan con sismogramas reales, que son registros gráficos del movimiento del suelo durante terremotos reales. Tras varias rondas de refinamiento, los datos simulados comienzan a coincidir estrechamente con las observaciones reales, ofreciendo una imagen más clara de las condiciones del subsuelo.

En la práctica, los investigadores parten de una estimación inicial del subsuelo en una zona determinada. Ajustan este modelo repetidamente, ejecutando nuevas simulaciones cada vez, hasta que coincide con las mediciones sísmicas reales.

Una forma más rápida de simular terremotos

Smetana colaboró con los sismólogos computacionales Rhys Hawkins y Jeannot Trampert, de la Universidad de Utrecht, y Matthias Schlottbom y Muhammad Hamza Khalid, de la Universidad de Twente (Países Bajos). Juntos, desarrollaron un modelo simplificado que reduce drásticamente la carga computacional, manteniendo la precisión.

(...) el tipo de subsuelo influye fuertemente en cómo se siente el temblor en la superficie.

"Básicamente, redujimos el tamaño del sistema a resolver unas 1000 veces", afirma Smetana. "Fue un proyecto interdisciplinario y encontramos una forma inteligente de construir el modelo reducido manteniendo la precisión de la predicción".

Mejorar la evaluación de riesgos, no la predicción

El nuevo modelo no nos permite predecir cuándo ocurrirán terremotos. En cambio, ofrece una forma más eficiente de evaluar el riesgo sísmico en diferentes lugares. "Si obtenemos una buena imagen del subsuelo, tendremos una mejor idea de cómo evaluar el riesgo de futuros terremotos", explica Smetana. El mismo enfoque de modelado podría, con el tiempo, ayudar a los científicos a simular tsunamis provocados por terremotos submarinos.

En muchos casos, los tsunamis tardan al menos una hora en llegar a la costa después de un terremoto, dependiendo de dónde se produzca la ruptura. Este lapso de tiempo podría permitir a los investigadores realizar simulaciones rápidas que orientarían las respuestas de emergencia.

Referencia de la noticia

Rhys Hawkins, Muhammad Hamza Khalid, Matthias Schlottbom & Kathrin Smetana. Model Order Reduction for Seismic Applications. SIAM Journal on Scientific Computing (2025).