IDENTIFICACIÓN DE CENTROS VOLCÁNICOS MEDIANTE EL USO DE REDES NEURONALES ARTIFICIALES: CAMPO VOLCÁNICO MONOGENÉTICO CHICHINAUTZIN
El vulcanismo monogenético representa uno de los procesos eruptivos más frecuentes en regiones continentales, caracterizado por la generación de centros eruptivos únicos, de corta duración y con una distribución espacial variable. A diferencia de los sistemas eruptivos poligenéticos, en los que la actividad se concentra en un edificio central, los campos volcánicos monogenéticos pueden originar nuevos centros eruptivos en múltiples ubicaciones dentro del campo, lo que dificulta la delimitación precisa de las zonas susceptibles a futuras erupciones.
El Campo Volcánico Monogenético Chichinautzin (CVMC), ubicado al sur de la Ciudad de México, constituye uno de los campos volcánicos monogenéticos más grandes de México y es un ejemplo relevante del vulcanismo monogenético por su proximidad a una de las zonas más pobladas del país. Este campo volcánico presenta una amplia diversidad de estructuras, incluyendo conos de escoria, derrames de lava, alineamientos fisúrales y anillos de toba, cuyos patrones espaciales están fuertemente controlados por sistemas de fallas corticales activas durante el Cuaternario (Velasco-Tapia & Verma, 2001; Guilbau et al., 2009).
El presente estudio tiene como objetivo identificar y modelar la distribución espacial de centros volcánicos en el Campo Volcánico Monogenético Chichinautzin mediante el uso de redes neuronales artificiales. Para ello, se elaboró un inventario de centros volcánicos y, a partir de un Modelo Digital de Elevación, se derivaron variables geomorfológicas relacionadas con la configuración del relieve, incluyendo pendiente, curvaturas, rugosidad del terreno mediante los índices TRI y VRM y profundidad del valle. Asimismo, se incorporaron variables morfométricas de los edificios volcánicos, como el índice de circularidad (Ic) y la relación altura/radio basal (h/Wb), además de variables estructurales y tectónicas, como densidad de fallas, sismicidad y densidad de centros volcánicos.
Las variables fueron sometidas a análisis estadístico descriptivo, evaluación de su distribución y análisis de correlación, con el propósito de identificar relaciones entre los predictores, reducir la redundancia y seleccionar las variables con mayor capacidad explicativa para el modelo. Posteriormente, se desarrolló una red neuronal artificial para clasificar espacialmente las condiciones asociadas con la presencia de centros volcánicos. El modelo fue entrenado y evaluado mediante conjuntos de datos de entrenamiento y prueba, utilizando métricas de desempeño y la curva ROC para determinar su capacidad de discriminación.
Los resultados permitieron generar una representación espacial de la probabilidad de presencia de centros volcánicos, identificando zonas con condiciones geomorfológicas, estructurales y tectónicas similares a aquellas asociadas con los centros conocidos del Campo Volcánico Monogenético Chichinautzin. La respuesta del modelo mostró una relación importante con variables como la densidad volcánica y la rugosidad del terreno, evidenciando la influencia de las características geomorfológicas en la distribución espacial de los centros volcánicos.
Se concluye que las redes neuronales artificiales constituyen una herramienta útil para la identificación y modelación espacial de centros volcánicos, al permitir integrar múltiples variables y representar relaciones no lineales entre ellas. El modelo desarrollado proporciona una metodología reproducible para el análisis de la distribución de centros volcánicos y puede contribuir a la identificación de zonas que requieren estudios geológicos y geomorfológicos detallados.