Radar satelital e IA están anticipando fallas en presas de relaves

La interferometría de radar (InSAR) combinada con modelos de IA pasó a distinguir el asentamiento normal del terreno de la deformación por cizalla — la señal que precede a una ruptura.

Proveedores de monitoreo geotécnico están combinando radar de apertura sintética vía satélite (InSAR) con modelos de aprendizaje automático para vigilar presas de relaves continuamente, en vez de mediante inspecciones periódicas.

La parte técnicamente relevante no es solo la resolución del radar — es lo que la IA hace con el dato. El InSAR solo genera mucho ruido: cualquier asentamiento natural del terreno aparece como desplazamiento. El modelo de machine learning está entrenado para separar ese ruido de la deformación por cizalla, el patrón de movimiento que históricamente precede a una ruptura estructural. Esto transforma un dato bruto de sensoriamiento remoto en una alerta accionable, con semanas o meses de anticipación en vez de días.

Presas de relaves en áreas remotas o de difícil acceso terrestre ahora pueden ser monitoreadas desde el espacio, con la misma granularidad que sensores instalados físicamente. Para operaciones con múltiples estructuras de riesgo dispersas geográficamente, esto cambia la ecuación de costo del monitoreo — y reduce la dependencia de que un único equipo de campo pueda llegar a tiempo.