Un equipo del Instituto de Geofísica de la UNAM logró obtener la imagen más detallada hasta ahora del interior del volcán Popocatépetl, gracias a una tomografía sísmica realizada con apoyo de Inteligencia Artificial.

El estudio permitió identificar dos de las tres cámaras magmáticas del coloso, ubicadas hasta 10 kilómetros de profundidad, lo que abre nuevas posibilidades para comprender su actividad volcánica.

La investigación, encabezada por la doctorante Karina Bernal Manzanilla, utilizó registros sísmicos recopilados entre enero de 2019 y diciembre de 2024 en colaboración con el Centro Nacional de Prevención de Desastres (Cenapred).
Estos datos fueron comparados con información histórica, lo que permitió obtener una resolución inédita y describir con mayor precisión la estructura interna del volcán.

A través de un modelo computacional basado en IA, los científicos “enseñaron” al sistema a reconocer distintos tipos de temblores volcánicos y clasificar automáticamente miles de eventos sísmicos.
Con esta información, se generó una tomografía del subsuelo equivalente a 30 kilómetros por debajo del nivel del mar, casi al límite con el manto terrestre.

Los resultados muestran que dos de las cámaras magmáticas están compuestas en un 70% por roca cristalizada, lo que indica que el magma se encuentra parcialmente solidificado debido a su confinamiento.
Sin embargo, el material puede recalentarse ocasionalmente, lo que podría explicar las emisiones diarias del Popocatépetl.

A partir de estos hallazgos, el equipo plantea dos posibles escenarios sobre la actividad del volcán: que esta se origine en zonas más profundas, o que exista un mecanismo que reactive el magma al volverlo líquido y gaseoso.
La tercera cámara magmática aún no pudo ser visualizada, por lo que se necesitarán otros sistemas de monitoreo para conocer lo que ocurre en niveles mayores de profundidad.

Los resultados de esta investigación fueron publicados en el Journal of Volcanology and Geothermal Research bajo el estudio “Automated seismo-volcanic event detection applied to Popocatépetl using machine learning”.
Un segundo artículo, titulado “Impact of Machine Learning Phase Picking on Seismic Tomography at Popocatépetl Volcano, Mexico”, está en revisión en el Journal of South American Earth Sciences.

Como siguiente paso, los científicos analizarán cuánta energía pierden las ondas sísmicas al desplazarse hacia la superficie, pues su medición permitirá confirmar la precisión de la tomografía y profundizar en el conocimiento del comportamiento interno del Popocatépetl.