Physically interpretable flood susceptibility mapping using spatial cross-validation and SHAP-derived environmental thresholds: A statistically validated framework

En las estribaciones del Himalaya, donde las montañas escarpadas y rocosas se encuentran con las llanuras planas y fértiles, el agua se comporta de formas que pueden ser tanto generadoras de vida como devastadoras. Esta zona de transición, conocida como Siwalik-Terai, es un lugar donde los ríos, hinchados por las intensas lluvias del monzón, transportan enormes cantidades de sedimentos desde las colinas en erosión. A medida que estos ríos alcanzan la tierra plana, pierden velocidad, depositan su carga de arena y limo, y a menudo se desbordan de sus márgenes, inundando las aldeas y granjas que bordean sus caminos. Durante décadas, los científicos han intentado predecir dónde ocurrirán estas inundaciones a continuación. Utilizan programas informáticos que aprenden de eventos pasados, analizando factores como la pendiente del terreno, la proximidad de un lugar a un río y la cantidad de lluvia que cae en un área. Sin embargo, estos modelos informáticos suelen actuar como cajas negras: dan un resultado, pero no explican por qué llegaron a esa conclusión, y a veces cometen errores porque confunden patrones que ocurren cerca unos de otros en un mapa con patrones que realmente causan inundaciones.

Un nuevo estudio se centra en la cuenca del río Triyuga, en el sureste de Nepal, una región que ilustra perfectamente estos desafíos. Los investigadores se propusieron construir un sistema de predicción de inundaciones que no solo fuera preciso, sino también transparente y basado en la realidad física del paisaje. En lugar de depender de un único algoritmo informático, probaron cuatro métodos diferentes para ver cuál podía aprender mejor de la historia de las inundaciones en la zona. Crucialmente, diseñaron su proceso de prueba para asegurar que la computadora no estuviera simplemente memorizando el mapa, sino que estuviera aprendiendo realmente las reglas del terreno. Al combinar estas pruebas rigurosas con una técnica que revela exactamente qué factores ambientales impulsan las predicciones, crearon una nueva forma de identificar áreas peligrosas. El resultado es un mapa que no solo muestra una probabilidad de inundación, sino que resalta condiciones específicas y mensurables —como estar a una cierta distancia de un río o situarse por debajo de una elevación específica— que deben estar presentes para que ocurra una inundación.

El estudio comenzó con una cuidadosa recopilación de datos sobre dónde habían ocurrido inundaciones realmente entre 2014 y 2025. El equipo reunió 240 ubicaciones confirmadas de inundaciones pasadas, verificadas mediante imágenes satelitales y registros históricos. Para enseñar a la computadora cómo se ve un área segura, tuvieron que crear un conjunto de puntos de "no inundación". Este es un paso complicado en la ciencia de las inundaciones, ya que las zonas verdaderamente seguras son difíciles de definir; un lugar que no se inundó el año pasado podría inundarse el próximo. Los investigadores resolvieron esto restringiendo su búsqueda de puntos seguros a áreas que eran físicamente capaces de inundarse pero que simplemente no lo hicieron en esta ocasión. Buscaron terrenos que fueran lo suficientemente bajos y estuvieran lo suficientemente cerca del río como para estar en riesgo, pero excluyeron el canal del río mismo. Luego probaron cuatro métodos diferentes de aprendizaje computacional: un enfoque estadístico llamado Regresión Logística, y tres modelos de aprendizaje automático más complejos conocidos como Random Forest, XGBoost y Support Vector Machine.

Para asegurar que los resultados fueran confiables, los investigadores no solo dividieron sus datos de forma aleatoria. Utilizaron un método llamado validación cruzada espacial, que divide el mapa en cinco bloques geográficos distintos. La computadora aprende de cuatro bloques y es probada en el quinto, rotando a través de todas las combinaciones. Esto evita que el modelo aprenda la ubicación específica de una inundación en lugar de la causa subyacente. Cuando ejecutaron estas pruebas, los dos modelos basados en árboles, Random Forest y XGBoost, fueron los que mejor funcionaron, logrando un AUC de 0,905. Sorprendentemente, el modelo más simple, la Regresión Logística, funcionó casi tan bien, lo que sugiere que las reglas que gobiernan las inundaciones en esta zona no son increíblemente complejas. El cuarto modelo, Support Vector Machine, funcionó significativamente peor, lo que indica que no era la herramienta adecuada para este paisaje específico.

El avance más significativo del estudio llegó cuando los investigadores le pidieron a la computadora que explicara sus decisiones. Utilizando una técnica llamada SHAP, que desglosa la lógica del modelo, descubrieron que cinco factores ambientales específicos eran los principales impulsores de las inundaciones. La computadora identificó que estar a menos de 226 metros de un río, estar por debajo de una elevación de 119 metros, tener una pendiente más plana que 4,57 grados, tener un índice de humedad topográfica superior a 8,33 y recibir más de 1.359 milímetros de lluvia anual eran los umbrales críticos. Estos no son cálculos vagos; son límites precisos donde el riesgo de inundación cambia drásticamente. Por ejemplo, la distancia de 226 metros se corresponde estrechamente con el ancho típico de la llanura aluvial activa del río, mientras que la elevación de 119 metros marca la transición de las colinas escarpadas a las llanuras planas donde el agua se estanca.

Los investigadores luego combinaron estas cinco reglas en un indicador único y fácil de entender. Crearon un mapa donde cada ubicación se califica según cuántas de estas cinco condiciones cumple. Un lugar que no cumple ninguna de las condiciones se considera de muy bajo riesgo, mientras que un lugar que cumple las cinco se clasifica como de peligro extremo. Los resultados fueron impactantes. Cuando verificaron este nuevo mapa con el registro histórico de inundaciones, encontraron que el 85 por ciento de todas las ubicaciones de inundaciones pasadas caían en áreas que cumplían al menos tres de estos umbrales. Más revelador aún, las ubicaciones que cumplían las cinco condiciones tenían 141 veces más probabilidades de haber experimentado una inundación que las áreas que no cumplían ninguna. Esto demostró que la inundación en esta región no es causada por un solo factor, como la lluvia o la distancia al río por sí solos, sino por la presencia simultánea de varias condiciones específicas.

El estudio también produjo un mapa que muestra dónde la computadora tiene dudas. Estas áreas de alta incertidumbre se encontraron principalmente a lo largo de los bordes donde las llanuras aluviales planas se encuentran con las terrazas ligeramente más altas. En estas zonas de transición, las condiciones ambientales son ambiguas, lo que dificulta que cualquier modelo pueda estar seguro. Los investigadores sugieren que estos son precisamente los lugares donde se deberían centrar los esfuerzos de monitoreo futuros, ya que representan los límites donde el riesgo de inundación es más dinámico. Al identificar estas zonas, el estudio proporciona una guía clara de dónde invertir recursos para una mejor recopilación de datos y sistemas de alerta temprana.

Este trabajo ofrece un nuevo modelo para gestionar el riesgo de inundaciones en regiones montañosas con escasez de datos. A diferencia de estudios previos que dependían de algoritmos complejos sin explicar su lógica, este enfoque proporciona un conjunto transparente de reglas que los planificadores locales pueden entender y utilizar. Los hallazgos confirman que, en la cuenca del río Triyuga, el riesgo de inundación está gobernado por la forma física de la tierra y la cantidad de lluvia, en lugar de por fuerzas misteriosas o impredecibles. El estudio demuestra que, al combinar pruebas rigurosas con inteligencia artificial explicable, es posible crear mapas de inundación que sean tanto científicamente robustos como prácticamente útiles para proteger a las comunidades en el Himalaya. El marco desarrollado aquí puede aplicarse a otras cuencas fluviales de la región, ofreciendo una forma fiable de identificar áreas peligrosas y guiar las decisiones de uso de la tierra sin necesidad de extensos datos históricos o modelos hidráulicos complejos.