Investigadores de la UAS emplean satélites e IA para evaluar las condiciones estructurales del AICM

Un equipo multidisciplinario de siete investigadores, encabezado por el doctor Jesús Guadalupe Monjardín Quevedo, académico de la Facultad de Ciencias de la Tierra y el Espacio de la Universidad Autónoma de Sinaloa (UAS), realizó un estudio sobre las condiciones estructurales del Aeropuerto Internacional de la Ciudad de México (AICM), particularmente de sus terminales 1 y 2.
A través del procesamiento de imágenes satelitales mediante Radar de Apertura Sintética Interferométrica (InSAR), combinado con herramientas de Inteligencia Artificial (IA) y métodos estadísticos, los especialistas estimaron un nivel de riesgo estructural de 76 por ciento en la Terminal 2, mientras que la Terminal 1 presentó condiciones consideradas óptimas dentro de los parámetros analizados.
De acuerdo con la investigación, los resultados obtenidos en la Terminal 2 guardan relación con los registros de mantenimiento realizados durante 2023, aunque los autores señalan que es necesario realizar evaluaciones directamente en el sitio para determinar las causas específicas de los comportamientos detectados.
El doctor Monjardín Quevedo explicó que una de las principales ventajas de la tecnología InSAR es que permite analizar los desplazamientos de la superficie terrestre mediante imágenes obtenidas desde satélites, con una precisión milimétrica y sin necesidad de realizar inicialmente trabajo presencial en el área estudiada.
El especialista detalló que la técnica permite establecer con gran exactitud la distancia entre el satélite y el terreno, información que posteriormente puede utilizarse para identificar movimientos o deformaciones y analizar el comportamiento de distintas zonas.
A este procedimiento se sumó el empleo de Inteligencia Artificial, utilizada para clasificar sectores con patrones de movimiento similares. Con ello, los investigadores pudieron comparar el comportamiento de diferentes áreas y generar información útil para la evaluación del riesgo estructural.
El estudio también incorporó técnicas estadísticas, entre ellas la simulación de Montecarlo, y desarrolló una proyección hacia 2030 mediante herramientas de Inteligencia Artificial. Los resultados del pronóstico apuntan a un posible incremento del riesgo estructural, por lo que los investigadores consideran necesario complementar el análisis satelital con inspecciones visuales y estudios directamente en el terreno.
Los autores precisaron que sus resultados corresponden a condiciones relacionadas con los estados límite de servicio, es decir, situaciones que pueden estar vinculadas con aspectos como el comportamiento, funcionamiento o percepción de seguridad y comodidad de una estructura, y no significan que exista un riesgo de colapso inminente.
No obstante, recomendaron realizar evaluaciones presenciales y considerar la instalación de sensores que permitan monitorear de manera continua el comportamiento de las estructuras y detectar oportunamente posibles cambios que requieran atención.
Los resultados de la investigación fueron publicados en la revista científica internacional Results in Engineering, publicación especializada que registra un factor de impacto de 9.4. Para Monjardín Quevedo, la difusión del trabajo en este medio representa un reconocimiento a la calidad de la investigación y abre la posibilidad de que sus resultados sean retomados por otros especialistas.
El estudio fue desarrollado de manera colegiada por investigadores de distintas instituciones. Entre los participantes se encuentran Germán Michel, del Instituto Mexicano del Transporte y egresado del Posgrado en Ciencias de la Información de la UAS; el doctor José Ramón Gaxiola Camacho, investigador de la Facultad de Ingeniería Culiacán de la UAS; y el doctor Mehdi Shokouhian, académico de la Universidad Estatal de Morgan y especialista reconocido internacionalmente por sus aportaciones en el uso de tecnología InSAR, además de otros colaboradores.
La investigación evidencia el potencial de combinar herramientas de observación satelital, Inteligencia Artificial y análisis estadístico para generar diagnósticos preventivos sobre el comportamiento de infraestructura estratégica y contribuir a la toma de decisiones orientadas a su monitoreo y conservación.


