Impacts of Urban Three-Dimensional Morphology on Seismic Vulnerability and its Driving Mechanisms: A XGBoost-SHAP Explainable Analysis in Jiangyou City, Southwestern China

Las ciudades no son solo mapas planos de calles y manzanas; son paisajes tridimensionales de paredes elevadas y espacios congestionados. Cuando el suelo tiembla, la forma en que una ciudad está construida en altura y densidad importa tanto como la calidad de los ladrillos y el mortero. Durante décadas, los científicos han intentado predecir qué edificios tienen más probabilidades de fallar durante un terremoto, centrándose a menudo en estructuras individuales o factores simples como la antigüedad de un edificio. Sin embargo, estos métodos tradicionales suelen pasar por alto las complejas y ocultas relaciones entre la forma general de un barrio y cómo este sobrevive a un temblor. Les cuesta capturar las formas no lineales en que un grupo de edificios altos podría interactuar con un grupo de edificios bajos, o cómo la mera congestión de un distrito cambia el riesgo para todos los que se encuentran en su interior. Comprender estos patrones espaciales es crucial para los planificadores urbanos que desean diseñar ciudades capaces de resistir desastres, pero las herramientas para ver estos patrones con claridad han sido limitadas.

En un estudio reciente centrado en la ciudad de Jiangyou, en el suroeste de China, un equipo de investigadores abordó este desafío combinando el aprendizaje computacional avanzado con una inmersión profunda en la forma física de la ciudad. Jiangyou es un lugar donde la amenaza de los terremotos es real y presente; se encuentra junto a una importante falla geológica y sufrió pérdidas devastadoras durante un terremoto masivo en 2008. La ciudad se caracteriza principalmente por edificios de mampostería de baja y media altura, lo que ofrece un contraste distintivo con los rascacielos imponentes de las megaciudades. Los investigadores querían comprender cómo la disposición tridimensional específica de estos edificios —su densidad, sus variaciones de altura y qué tan estrechamente están agrupados— influye en su vulnerabilidad ante la sacudida sísmica. Para ello, no dependieron de conjeturas simples o ecuaciones lineales que asumen una relación directa de causa y efecto. En su lugar, construyeron un sofisticado modelo digital que podía aprender de los datos, descubriendo las reglas sutiles y complejas que gobiernan cómo las formas urbanas responden al estrés.

El equipo comenzó recopilando información detallada de casi 3.000 edificios de la ciudad, registrando su altura, área de piso, tipo estructural y edad. Debido a que el número de edificios reales era demasiado pequeño para entrenar un potente modelo informático por sí solo, utilizaron una técnica para generar miles de ejemplos sintéticos realistas que reflejaban las características de la ciudad real. Esto permitió alimentar una enorme cantidad de datos en un algoritmo de aprendizaje automático conocido como XGBoost, el cual está diseñado para encontrar patrones en datos complejos y de alta dimensión. Una vez que el modelo aprendió a predecir la vulnerabilidad sísmica con alta precisión, los investigadores utilizaron una herramienta especial llamada SHAP para abrir la "caja negra" del algoritmo. Esta herramienta actuó como un reflector, revelando exactamente qué características de la forma de la ciudad estaban impulsando las predicciones y cuánto importaba cada una. También mapearon los resultados para ver si las áreas vulnerables estaban agrupadas o dispersas aleatoriamente por el paisaje.

Los resultados pintaron un cuadro claro y sorprendente de cómo la forma de la ciudad dicta la seguridad. El factor más poderoso que influyó en la vulnerabilidad de un edificio no fue su altura ni su antigüedad, sino algo que los investigadores llamaron el "grado de hacinamiento espacial". Esta métrica mide qué tan estrechamente están apretados los edificios en el espacio tridimensional que los rodea. El estudio encontró que un mayor hacinamiento generalmente reducía la vulnerabilidad, sugiriendo que los vecindarios densos y compactos proporcionan una especie de apoyo estructural mutuo que ayuda a los edificios a resistir la sacudida. En contraste, características como la variación en las alturas de los edificios y la relación entre el área de piso y el área de terreno mostraron efectos no lineales complejos. Por ejemplo, aunque tener una mezcla de alturas de edificios puede ayudar a veces a dispersar la energía sísmica, las variaciones extremas o combinaciones específicas de edificios altos y bajos podrían en realidad aumentar el riesgo. Los investigadores descubrieron que la relación entre la forma de una ciudad y su seguridad no es una regla simple de "más es mejor" o "menos es mejor". En cambio, depende de encontrar un equilibrio; las configuraciones extremas, como una densidad muy alta combinada con una variación de volumen muy baja, tendían a amplificar el riesgo, mientras que los diseños más coordinados y equilibrados tendían a reducirlo.

Cuando los investigadores observaron el mapa de Jiangyou, vieron que estos riesgos no se distribuían de manera uniforme. Identificaron zonas distintas donde áreas de alto riesgo estaban rodeadas por áreas de bajo riesgo, y viceversa, revelando un patrón de desbordamiento espacial. Algunas áreas mostraban un patrón "alto-bajo", donde un núcleo de desarrollo denso e intenso se situaba junto a vecindarios dispersos de baja densidad, creando una transición brusca que podría ser peligrosa. Otras áreas eran "bajo-alto", donde edificios pequeños y simples estaban rodeados de estructuras más grandes y complejas, creando un gradiente de riesgo. El estudio confirmó que los puntos más vulnerables eran a menudo aquellos con características morfológicas desequilibradas o extremas, como áreas con una densidad de edificación muy alta pero con baja variedad estructural, o regiones donde las alturas de los edificios eran sumamente inconsistentes. El modelo computacional que construyeron demostró ser mucho más preciso que los métodos anteriores, prediciendo los niveles de vulnerabilidad con un alto grado de precisión, lo que sugiere que estas complejas relaciones espaciales son, de hecho, la clave para comprender el riesgo sísmico.

En última instancia, esta investigación ofrece una nueva forma de mirar la seguridad urbana. Va más allá de la idea de que solo podemos proteger edificios individuales y sugiere que la forma colectiva de un vecindario es un factor crítico en la resiliencia ante desastres. El estudio indica que, al gestionar cuidadosamente cómo se disponen los edificios en tres dimensiones —asegurando una mezcla equilibrada de densidad, altura y volumen—, las ciudades pueden reducir naturalmente su exposición a los daños por terremotos. Los hallazgos proporcionan una base científica para que los planificadores urbanos diseñen vecindarios que no sean solo funcionales, sino inherentemente más seguros. Al comprender las formas específicas en que interactúan el hacinamiento espacial y las variaciones de altura, las ciudades pueden evitar las configuraciones extremas que conducen al desastre y, en su lugar, fomentar diseños que absorban y distribuyan la energía de los temblores de la tierra, protegiendo a las personas que viven en ellos.