Investigaciones Científicas

Modelo predictivo mediante Machine Learning para el envío de mensajes SAE ante la ocurrencia de incendios forestales en el territorio nacional

2026-06-12T16:38:42Z

Modelo predictivo mediante Machine Learning para el envío de mensajes SAE ante la ocurrencia de incendios forestales en el territorio nacional

Esta investigación desarrolla un modelo predictivo basado en Machine Learning para optimizar la activación del Sistema de Alerta de Emergencia (SAE) ante incendios forestales en Chile, superando las limitaciones de las evaluaciones manuales actuales que retrasan la obtención de información de activar la alerta SAE.

Metodológicamente, se consolidó un dataset con datos históricos de CONAF (meteorología, topografía y combustible), registros de SENAPRED y cartografía de Riesgo Territorial. Se integró el Déficit de Presión de Vapor (VPD) como indicador clave y se aplicó un filtrado condicional para corregir el desbalance de clases. Se comparó el desempeño de los algoritmos Random Forest y XGBoost bajo un enfoque de gestión de riesgos prioritario en la seguridad pública.

Los resultados demostraron que el modelo XGBoost resultó superior, identificando al Riesgo Territorial como la variable predictora dominante (39.4%), seguida por la humedad y el viento. Mediante un ajuste operativo del umbral de decisión, se estableció un umbral de decisión de 0.30, logrando una sensibilidad (Recall) del 89.9%. Este ajuste permitió detectar un 7% adicional de alertas reales en comparación con el umbral estándar, priorizando la reducción de falsos negativos. El estudio concluye que el modelo se alinea con el principio de prevención de SENAPRED, consolidándose como una herramienta estratégica de apoyo a la toma de decisiones para la protección civil.

Construyendo Resiliencia: Evolución de la ingeniería sísmica en Chile

2026-05-19T15:06:25Z

Construyendo Resiliencia: Evolución de la ingeniería sísmica en Chile

Asamblea General de Naciones Unidas. Día Internacional en Memoria de las Víctimas de los Terremotos. La charla del Dr. Tomás Guendelman en el contexto de la conmemoración de este "Día" no es una exposición técnica sino que aborda la importancia de la cultura sísmica, hablando desde su experiencia a lo largo de los años en Chile, donde pretende, a través de analogías, incorporar conceptos de "cultura sísmica" a la población de un país altamente expuesto a terremotos severos.

Determinación de umbrales críticos de precipitación asociados a impactos para la zona central de Chile

2024-12-03T20:21:20Z

Determinación de umbrales críticos de precipitación asociados a impactos para la zona central de Chile Algunos servicios meteorológicos e hidrológicos nacionales (SMHN) han implementado un enfoque de pronóstico basado en impacto (PBI), lo cual está alineado con la visión de la Organización Meteorológica Mundial (OMM). Dentro de este contexto, el presente estudio busca determinar los valores de umbrales críticos de precipitación acumulada en la región central de Chile considerando los datos relacionados a impactos hidrometeorológicos registrados por dos instituciones estatales. Preliminarmente, se agruparon los eventos de precipitación de acuerdo a distintas características físicas, con el fin de determinar si existe una relación entre su intensidad y los impactos, demostrándose la existencia de un grupo de eventos severos que causan el 95% de todos los impactos registrados, el cual se ajusta a la estructura sinóptica de una tormenta cálida, descrita en estudios anteriores. Este resultado otorga la confianza para categorizar los distintos impactos en tres niveles de gravedad, de acuerdo a los tres niveles de advertencia de la Dirección Meteorológica de Chile (DMC), de manera tal que se les pueda asociar umbrales de precipitación. Estos umbrales se obtienen mediante la técnica de aprendizaje de máquina (machine learning) denominada árboles de decisión. Los resultados obtenidos indican que, si bien en muchas ocasiones la precipitación es suficiente para la determinación de un nivel de impacto, existen otras variables meteorológicas que la complementan. Así, este estudio presenta un marco inicial de trabajo para generar alertas por impactos de acuerdo a los tres niveles de advertencia de la DMC.

Modelos de evaluación multicriterio y análisis morfométrico para la determinación del riesgo ante eventos de remociones en masa en microcuenca Cabriteria, comuna de Valparaíso.

2024-04-22T21:28:03Z

Modelos de evaluación multicriterio y análisis morfométrico para la determinación del riesgo ante eventos de remociones en masa en microcuenca Cabriteria, comuna de Valparaíso. En esta investigación se identifican y se analizan las condiciones de exposición y sensibilidad asociada a procesos de remociones en masa en la micro cuenca Cabritería de la comuna de Valparaíso. En este paisaje del relieve costero se presentan diferencias tanto desde el punto de vista geográfico físico como del nivel de consolidación urbana de los barrios y del nivel socioeconómico de sus habitantes. El crecimiento urbano formal e informal se ha consolidado en las quebradas, la que junto a las condiciones topográficas propias y características de Valparaíso, acrecientan la sensibilidad al riesgo de remoción en masa. La presencia de remociones en masa es el resultado de las condiciones de inestabilidad de las laderas frente a procesos hidrometeorológicos extremos y sísmicos que provocan rupturas de equilibrio de las formas de relieve existentes. Se definieron los factores condicionantes de los procesos de remociones en masa y se aplicaron dos modelos cuantitativos a través de una modelación de SIG y terreno, que permitió identificar las áreas sujetas a los distintos niveles de amenaza de remoción. También se incorporó un modelo para evaluar las condiciones de vulnerabilidad de la población de la comuna, con la finalidad de evaluar el riesgo. Tesis de pregrado