Mapeo con IA revela zonas susceptibles a deslaves en el Valle de México

• Estudio de la UNAM publicado en la revista Plos One
• Se muestra que en áreas como Santa Fe el riesgo de deslizamientos se relaciona con la desigualdad social, lo que abre la posibilidad de diseñar políticas diferenciadas para reducir amenazas en poblaciones vulnerables

14 de abril 2026.-Mapas de susceptibilidad a deslaves –elaborados con un novedoso programa de cómputo– de laderas de Ciudad de México y zona metropolitana sugieren que es posible generar una política diferenciada que pueda beneficiar a los habitantes de la región, reveló un estudio del investigador del Instituto de Investigaciones Económicas (IIEc) de la UNAM, Mario Alejandro Mercado Mendoza.

El titular de este trabajo, publicado recientemente en la revista Plos One, explicó en entrevista que la investigación no busca generar inquietud por los riesgos de deslaves, ya que es parte de un proyecto académico que se crea a partir de la preocupación de revisar las desigualdades en zonas como Santa Fe, donde conviven regiones de altos recursos económicos con otras en extrema pobreza; estas últimas padecen más los embates por probables deslizamientos de tierra.

El experto en Economía Digital detalló que mapearon un área relativamente grande que abarca las cañadas, que incluyen los municipios de Huixquilucan y Naucalpan de Juárez, en el Estado de México; y las alcaldías Cuajimalpa de Morelos y Álvaro Obregón, en la capital de la República mexicana.

Mercado Mendoza apuntó: “Se eligieron estas zonas porque las empresas inmobiliarias construyeron centros comerciales, residencias de alta gama, al igual que lujosas y modernas oficinas. Originalmente el lugar era de bajos ingresos, lo que ha fomentado la gentrificación y exacerbado la desigualdad económica con respecto a los pobladores originales.

Destacó que los deslizamientos de tierra pudieran afectar el desarrollo sostenible, especialmente por aquellos que ocurren en temporadas de lluvia o por la filtración de agua cuando las laderas comienzan a colapsar ante la sobresaturación del líquido.

Para elaborar el mapa, Mercado Mendoza, Armando Sánchez Vargas y Pierre Mokondoko, investigadores del IIEc, utilizaron 13 modelos de aprendizaje de máquina (inteligencia artificial) que incluyeron indicadores topográficos (de la superficie terrestre) e hidrológicos para visualizar los riesgos de deslizamientos por flujos de tierra.

El investigador del Laboratorio de la Economía de la Inteligencia Artificial puntualizó que, de todos ellos, seleccionaron el llamado Extreme Grandient Boosted Trees, que muestra con mayor precisión las diferencias en el terreno, al ser un algoritmo de aprendizaje automático que combina múltiples árboles de decisión débiles para crear un modelo más fuerte y preciso. Este algoritmo es conocido por su eficiencia y capacidad para manejar grandes conjuntos de datos.

El resultado de este modelo permitió diferenciar los cambios sociales, económicos y los riesgos que hay. Ello, a partir de conjuntar datos de rezago social y calcular una potencial relación entre estas variables y susceptibilidad a deslaves, a través de técnicas como Cópulas y valores SHapley Additive exPlanation (SHAP values) mediante beeswarm plots (estas técnicas se usan para: entender relaciones complejas entre variables, explicar decisiones de modelos y visualizar esas explicaciones).

Acotó que se puede pensar en estos modelos como si se rebanara un pastel, mostrando que las partes bajas presentan alto rezago social, con poco riesgo a deslaves; en el siguiente nivel superior aumenta la susceptibilidad a las afectaciones, pero como es zona de alto nivel social no hay problemas porque tienen mejores opciones de construcción.

Luego, a medida que sube la montaña, se vuelve a revelar el rezago social e incremento de posibles deslaves debido al terreno y los procesos hídricos; en la parte más alta, donde hay poca población, también pudiera registrarse este fenómeno.

Para tener mayor granularidad al asociar el rezago social y el nivel de susceptibilidad, los investigadores compararon la información de los mapas con cada una de las 15 variables del índice de rezago social del Consejo Nacional de Evaluación de la Política de Desarrollo Social, puntualizó el investigador.

Éstas, subrayó el matemático, son, entre otras: el número de unidades habitacionales ocupadas; la población de más de 15 años que carece de educación completa; la de 15 a 24 que no va a la escuela y tampoco tiene acceso a salud; es decir, variables sociales que implican servicios a los cuales tiene acceso un hogar.