Inteligencia artificial mapea glaciares globales con precisión inédita para anticipar crisis hídrica

Los glaciares del mundo contienen aproximadamente 150.000 kilómetros cúbicos de hielo. Si toda esa masa se derritiera, elevaría el nivel del mar en 32,3 centímetros. Hasta hace poco, nadie sabía con certeza dónde estaba ese hielo, cuán grueso era, o cuán rápido desaparecería. Ahora, un modelo de inteligencia artificial llamado IceBoost v2.0 ha mapeado el espesor y volumen del hielo glaciar en todo el planeta con una precisión que mejora hasta un 40% respecto a estimaciones anteriores. Los resultados, publicados en Scientific Data, combinan millones de mediciones reales con técnicas avanzadas de aprendizaje automático para ofrecer una visión global sin precedentes de dónde se encuentra el agua helada y qué tan vulnerable es al colapso.

El deshielo avanza a un ritmo que alarma a los científicos. Desde 1975, los glaciares fuera de Groenlandia y Antártida han perdido más de 9.000 mil millones de toneladas de masa, una cantidad equivalente a una capa de hielo del tamaño de Alemania con 25 metros de espesor. Desde el año 2000, la pérdida anual promedio alcanza 273 mil millones de toneladas, contribuyendo al aumento progresivo del nivel del mar. La Organización de las Naciones Unidas advierte que si el calentamiento global continúa al ritmo actual, hasta el 80% de los pequeños glaciares en Europa, África Oriental e Indonesia podrían desaparecer antes de 2100. El hielo que se pierde no se recupera, y su desaparición afecta tanto a los océanos como al suministro de agua dulce en vastas regiones del mundo.

Las consecuencias humanas son inmediatas y profundas. En el Hindu Kush, más de 120 millones de agricultores dependen del agua del deshielo para sus cosechas. En la Patagonia, los glaciares han perdido más de una cuarta parte de su volumen en pocas décadas, elevando el nivel del mar en 4 milímetros por sí solos. El aumento de la temperatura en los Andes patagónicos es un 17% mayor que el promedio global, acelerando el derretimiento. A nivel planetario, cerca de 1.900 millones de personas dependen de glaciares para agua potable, riego agrícola y energía hidroeléctrica. El retroceso glaciar amenaza la seguridad hídrica de regiones enteras, desde zonas costeras hasta valles agrícolas en proceso de desertificación.

El modelo IceBoost v2.0 funciona analizando 26 características distintas de cada glaciar: la forma de las montañas, la velocidad a la que se mueve el hielo, la temperatura del aire, y detalles como rocas internas sobresaliendo en la superficie. Se entrenó con información de más de 1.600 glaciares ubicados en lugares tan diversos como Alaska, Escandinavia, Patagonia y regiones polares, incluyendo datos obtenidos por misiones de la NASA. Aunque estos 1.600 glaciares representan solo una pequeña fracción de los aproximadamente 200.000 glaciares que existen en el planeta, el modelo logra estimaciones mucho más consistentes y continuas entre glaciares cercanos que sus predecesores.

La precisión varía según la región. En las latitudes polares, donde existe mayor densidad de datos de entrenamiento, los resultados son más confiables. En zonas montañosas y regiones de baja latitud, la información disponible es limitada. En el Geikie Plateau, en el este de Groenlandia, el modelo predice hasta el doble de hielo respecto a estimaciones previas, revelando cuánto desconocimiento había sobre la verdadera distribución del hielo. La nueva cartografía identifica tanto los sectores con estimaciones más robustas como aquellos en los que urge recolectar nuevos datos: las cadenas del Himalaya, el Karakoram y los principales campos de hielo de Patagonia.

Niccolò Maffezzoli, físico responsable del proyecto en la Ca' Foscari University of Venice, explicó que los glaciares son sistemas complejos gobernados por física conocida pero con muchos parámetros inciertos o difíciles de medir. Los modelos de aprendizaje automático aprenden directamente de los datos y generan estimaciones sin imponer una descripción física previa. Cuando se dispone de información suficiente, este enfoque suele ser muy eficaz.

Los resultados de IceBoost v2.0 serán utilizados por el Glacier Model Intercomparison Project (GlacierMIP4), iniciativa clave para los informes del IPCC sobre la evolución glacial hasta 2100. El modelo servirá como referencia única para describir la situación actual de los glaciares a nivel global. Más allá de la modelización climática, el estudio remarca la utilidad de contar con estimaciones más precisas para planificar campañas científicas, orientar inversiones en observación y diseñar estrategias de gestión de recursos hídricos. Los datos completos, incluyendo márgenes de error de cada medición, están disponibles para descarga y pueden consultarse en una aplicación web interactiva. En un mundo donde el agua dulce se vuelve cada vez más escasa, saber exactamente dónde está el hielo y cuán rápido desaparece es información que ya no puede esperar.