Ondas de choque volcánicas en barómetros domésticos: advertencia temprana a partir de registros de 29,334 estaciones meteorológicas
Cómo las estaciones meteorológicas de Netatmo, la física de las ondas de Lamb y los agentes de inteligencia artificial localizaron cráteres, estimaron la potencia de las explosiones y proporcionaron minutos de advertencia sin alarmas falsas.
Fuentes: Hearing the Mountain’s Roar: How Antigravity CLI’s AI Agents & IoT Data Track Volcanic Shockwaves
Cuando un volcán entra en erupción de forma explosiva, emite ondas Lamb: ondas acústico-gravitacionales atrapadas en la capa más baja de la atmósfera que se propagan horizontalmente por todo el mundo a la velocidad del sonido. Un estudio basado en 29,334 registros reales de observaciones de estaciones meteorológicas de consumo en Japón demuestra que los barómetros comunes de balcón pueden detectar esas ondas. Este sistema permite determinar la velocidad de las ondas en función de la temperatura, localizar la dirección de un cráter no vigilado, estimar la energía de la explosión y ofrecer entre 2.5 y 15 minutos de advertencia a las ciudades situadas río abajo, sin falsas alarmas durante las tormentas violentas.
Dos erupciones de referencia de 2018 sirven de base para este estudio: la explosión impulsada por vapor (freatomagmática) en el monte Kusatsu-Shirane y la explosión magmática en el monte Shinmoedake. Los resultados se presentan como una perspectiva académica entre muchas sobre el infrasonido volcánico y la dinámica de ondas atmosféricas, con el objetivo de fomentar más pruebas empíricas y debates en la comunidad de geofísica.
El problema de los sensores escasos
La vigilancia profesional de volcanes depende de micrófonos de infrasonido y sismógrafos gestionados por agencias gubernamentales y redes de monitoreo del tratado de prohibición de pruebas nucleares. Esas estaciones están separadas entre sí entre 100 y 500 kilómetros. Esa distancia genera grandes zonas ciegas, provoca un grave problema de aliasing espacial y expone a los sensores aislados a la turbulencia del viento.
Los barómetros de IoT para consumidores ofrecen una solución para superar esta limitación. Las miles de estaciones residenciales de Netatmo distribuidas por Japón pueden considerarse como una sola antena acústica del tamaño de un continente. Los 29,334 registros de observación del estudio indican que los sensores de presión instalados en los balcones de los apartamentos pueden alertar sobre la llegada de una onda de choque y sus cenizas antes de que lleguen a los centros urbanos situados río abajo.
El proceso de investigación
Todo el proyecto depende de obtener datos de los sensores domésticos en un formato que permita aplicar principios físicos. Una imagen general ilustra esta idea: una erupción emite una onda cilíndrica bidimensional de tipo Lamb que se desplaza por el suelo a 1,134 km/h; miles de estaciones residenciales en las zonas urbanas la interceptan, y los sistemas de análisis en la nube calculan la potencia de la explosión en toneladas de TNT, emitiendo una alerta con un plazo de 2.5 a 15 minutos.
Ingestión continua
La base es un pipeline en la nube automatizado que funciona sin supervisión. Un disparador de Google Apps Script sin servidor se activa cada 20 minutos y llama a la API de Netatmo Connect para obtener la presión barométrica, la temperatura exterior y la humedad relativa de estaciones distribuidas por las ciudades y laderas montañosas de Japón. Los datos recibidos se indexan, estructuran y archivan en un repositorio central de Google Drive.
Cuatro etapas del trabajo
Con la acumulación continua de datos, el proyecto se desarrolló en cuatro etapas que van desde el archivo en bruto hasta la teoría verificada.
- Ingestión en tiempo real. El script funciona como un motor en segundo plano, realizando consultas cada 20 minutos para crear un archivo meteorológico continuo y a largo plazo.
- Cartografía de eventos históricos. Las erupciones pasadas se comparan con ese archivo mediante la extracción de períodos de 24 horas que abarcan desde 12 horas antes del inicio hasta 12 horas después, tanto para la explosión de vapor de Kusatsu-Shirane como para la erupción de Shinmoedake. Los días de control en condiciones de calma y tormenta sirven como líneas de referencia.
- Estudio de anomalías antes y después de la erupción. Se analizan las series temporales atmosféricas antes y después de cada explosión en busca de dos cosas: si aparecen anomalías débiles de desgasificación hidrotermal antes de la ruptura, y cómo la onda de choque atraviesa las zonas urbanas posteriormente.
- Teoría y validación en un entorno CLI. Se proporcionaron modelos matemáticos unificados, como la entalpía de Bolton, las ecuaciones bidimensionales de ondas de Lamb compresibles, la formación de haces de baja velocidad y la integración cilíndrica del flujo de energía, a Gemini, que funciona dentro del entorno CLI Antigravity, para probar si las advertencias y los diagnósticos de cráteres funcionan sin falsas alarmas.
La física a través de cuatro ejemplos cotidianos
¿Cómo puede un dispositivo no calibrado de $150 en un balcón detectar una explosión a cientos de kilómetros de distancia? Cuatro analogías familiares lo explican.
Rayos y truenos
Un destello aparece de inmediato y el trueno llega varios segundos después, porque la luz se mueve a 300,000 km/s mientras que el sonido lo hace a unos 340 m/s. El sistema de alerta aprovecha esa diferencia. La onda de choque de una erupción atraviesa el suelo a aproximadamente 315 m/s, es decir, unos 18.9 km por minuto. Las estaciones situadas a 10 a 30 km del cráter perciben el pulso de presión inicial en un plazo de 30 a 90 segundos y envían sus datos a la nube a la velocidad de la luz.
Una objeción obvia: si cada estación envía sus datos en lotes de 20 minutos, ¿cómo puede ser real un tiempo de antelación de varios minutos? Dos principios responden a esto.
- Tiempo de viaje en función de la distancia. La ola necesita tiempo en tiempo real para recorrer la geografía. La demora aumenta con la distancia y no se puede evitar: las comunidades montañosas a 50 km esperan unos 2,6 minutos, las localidades a 100 km unos 5,3, Tokio (a 180 km de Kusatsu-Shirane) unos 9,5, y el corredor de transporte de Fukuoka (a 280 km de Shinmoedake) cerca de 15 minutos, con 14,8 minutos en total. Los sensores cercanos al cráter llegan a la nube en menos de un minuto, por lo que las alertas llegan con mucha antelación a la ola.
- Informes escalonados. Las estaciones locales no transmiten al unísono, ya que sus ciclos de 20 minutos están distribuidos a lo largo del tiempo. En un grupo denso de 100 estaciones, un paquete nuevo llega a la nube cada 12 segundos en promedio, lo que convierte las actualizaciones discretas de 20 minutos en un flujo casi continuo. Los webhooks activados por cambios bruscos pueden generar transmisiones en fracciones de segundo cuando aparece un fuerte gradiente de presión.
Ondas en un estanque
Una explosión sin restricciones dispersa energía en tres dimensiones, y la señal se debilita rápidamente, disminuyendo con el cuadrado de la distancia. Las ondas de Lamb son retenidas en la superficie por la gravedad y la densidad estratificada del aire, por lo que se propagan como un anillo plano y bidimensional. La energía no puede escapar hacia arriba, lo que hace que el pulso se desvanezca mucho más lentamente, en proporción a la distancia y no a su cuadrado. Ese efecto de guía de ondas mantiene la señal intacta durante cientos de kilómetros, y es por eso que un barómetro no calibrado en el centro de Tokio puede registrar un agudo micropulso proveniente de un cráter a 180 km de distancia.
Audición binaural a lo largo de 150 kilómetros
Las personas pueden cerrar los ojos y dirigirse hacia un sonido porque el cerebro compara los tiempos de llegada a los oídos izquierdo y derecho hasta en microsegundos. El sistema hace lo mismo en toda una región. Al comparar las diferencias en los tiempos de llegada entre 25 y 88 estaciones distribuidas a lo largo de una línea base de 150 km, el formador de haces de retardo y suma, que funciona en el espacio de lentitud, alinea las trazas registradas para cada azimut alrededor del círculo completo. El ángulo en el que las formas de onda se refuerzan mutuamente marca la posición del foco del sonido, con precisión de subgrados y sin necesidad de conocer previamente sus coordenadas.
La barrera de velocidad y la prueba de coro
El viento local es el principal problema para los instrumentos. Según el principio de Bernoulli, las ráfagas en un balcón abierto causan bruscas caídas de presión local, y una sola estación puede registrar cientos de picos falsos en un día tormentoso. Dos obstáculos físicos los eliminan.
- La puerta de velocidad. Las ráfagas se desplazan junto con una frente meteorológica a una velocidad de solo 10 a 25 m/s, o 36 a 90 km/h. Una verdadera onda Lamb volcánica se mueve a la velocidad del sonido, entre 300 y 330 m/s, cerca de 1,134 km/h. Todo lo que sea más lento que el sonido es rechazado de inmediato.
- La prueba del coro regional. Una ráfaga es un evento local e independiente que afecta una casa a la vez. Una onda de choque volcánica es una frente de onda coherente que afecta en orden a docenas de viviendas en toda una prefectura.
Al requerirse coherencia de fase entre muchas estaciones, con un valor mínimo de 0,70, se eliminaron los 378 picos de ráfagas registrados durante tormentas severas. La tasa de falsos positivos fue del 0,0 %.
Un ejemplo práctico de los cálculos de tiempo de antelación
Los números detrás de la advertencia son fáciles de verificar. A 315 m/s, una ola recorre 18,9 km por minuto; por lo tanto, un pueblo a 50 km del cráter cuenta con unos 2,6 minutos entre la primera detección y la llegada de la ola, mientras que una ciudad a 280 km dispone de casi 15 minutos. Lo importante para la alerta temprana es que la detección ocurra en el campo cercano, a una distancia de 10 a 30 km, donde el pulso se registra en un plazo de 30 a 90 segundos, y que los servidores en la nube lo reciban en menos de un minuto. Cada kilómetro adicional de distancia entre el cráter y una ciudad más alejada añade aproximadamente tres segundos más de tiempo útil para la alerta. El rango de 2,5 a 15 minutos mencionado para el sistema es simplemente el resultado de aplicar esta geometría desde las comunidades más cercanas hasta las más lejanas estudiadas.
La misma geometría explica por qué una cobertura densa es más importante que la calidad del sensor. Un único barómetro económico genera ruido, pero docenas de ellos que coinciden en el momento y la dirección producen una señal que ningún instrumento individual podría generar. Los dispositivos de consumo no están calibrados, por lo que los valores de presión absoluta son poco fiables, pero la forma y el momento de llegada de un pulso nítido se mantienen, y esos momentos de llegada son todo lo que requieren la formación de haces y la inversión de velocidad.
Guiar a la IA con lógica física
La IA generativa es eficaz para detectar patrones en datos de alta dimensión. Sin embargo, si se aplica ciegamente a series meteorológicas ruidosas, un modelo sin restricciones puede aferrarse a correlaciones espurias y generar artefactos sin fundamento. Para convertir la salida bruta del modelo en descubrimientos verificables se necesita un enfoque híbrido: agentes de minería de patrones conectados directamente a la teoría de principios fundamentales y a la lógica del dominio.
La idea rectora es sencilla. Al alimentar a un modelo no solo con números, sino también con las leyes físicas que rigen el sistema, las ecuaciones termodinámicas y las restricciones geométricas, se le proporciona una estructura que aumenta las posibilidades de detectar patrones reales y filtrar el ruido. La misma filosofía se aplicó en otros proyectos de predicción de desastres. En el caso de los terremotos, se utilizaron ecuaciones de acoplamiento litosfera-atmósfera y tensores de momento sísmico para identificar picos de ionización de radón y de entalpía de 5,96 a 15,47 K horas antes de la ruptura. Para las lluvias torrenciales urbanas, se emplearon ecuaciones 3D de momento y helicidad de Navier-Stokes para detectar la iniciación de procesos convectivos localizados con 45 minutos de antelación. En lo que respecta a los volcanes, las ecuaciones de ondas Lamb, la entalpía del vapor de Bolton y las restricciones de formación de haces de baja velocidad permitieron separar los patrones de ondas de choque y las direcciones de los cráteres de entre 29,334 registros ruidosos.
Seis etapas de procesamiento
Guiado por ese enfoque basado en la intervención humana, el proceso conduce desde las lecturas brutas hasta las cantidades físicas, como lo muestran las siguientes etapas. En resumen, las mediciones residenciales de presión, temperatura y humedad pasan por filtrado, inversión de velocidad, formación de haces y integración de energía, hasta obtener una imagen del tamaño de la explosión y del enfriamiento de las cenizas.
- Seguimiento de la entalpía previa a la erupción. La temperatura, la humedad y la presión se convierten en temperatura potencial equivalente mediante la fórmula de Bolton. Al restar las tendencias regionales, se detectan tenues anomalías térmicas y de vapor, de 1,5 a 3,2 K, a sotavento del volcán horas antes de la ruptura.
- Filtrado de fase cero. Las series de presión pasan por filtros de banda pasante bidireccionales Butterworth de 0,0005 a 0,02 Hz, los cuales eliminan los ciclos de marea de 24 horas manteniendo intactos los tiempos de llegada de las olas.
- Inversión del tiempo de viaje dependiente de la temperatura. En lugar de una velocidad del sonido constante, el modelo integra los campos de temperatura locales, teniendo en cuenta que el sonido se propaga más lentamente en las mesetas montañosas heladas.
- Formación de haces. Cada grupo regional de estaciones tiene sus registros desplazados en el tiempo y sumados para cada dirección en una cuadrícula de lentitud de 360 grados. La dirección en la que la suma es más fuerte y coherente, medida como semejanza, indica el azimut posterior.
- Integración cilíndrica del flujo de energía. La variación de presión se integra sobre la superficie cilíndrica bidimensional y se escala con una altura de escala atmosférica de aproximadamente 8,4 km, lo que permite obtener la energía acústica total y su equivalente en TNT.
- Enfriamiento por cenizas. Los sensores de temperatura en las zonas residenciales detectan la protección solar debida a las nubes de cenizas en movimiento, lo que se manifiesta como descensos locales de 4.10 a 6.13 grados Celsius.
Lo que mostraron 29,334 registros
Dos eventos contrastantes constituyen una prueba sólida. Una ráfaga de vapor en un invierno helado y una explosión magmática suave en primavera generan velocidades de onda diferentes y energías muy distintas, por lo que es difícil descartar como casualidad un método capaz de manejar ambos casos. Los registros provienen de dos erupciones importantes además de dos períodos de control de condiciones climáticas extremas, los cuales proporcionaron líneas de referencia tormentosas con base en las cuales se contaron las alarmas falsas.
La validación abarcó 29,334 registros reales de 20 minutos cada uno, correspondientes a dos erupciones importantes y dos eventos de control de condiciones climáticas extremas.
- Velocidad de onda dependiente de la temperatura. En Kusatsu-Shirane, la onda de choque se desplazó a 304.38 ± 4.73 m/s. La velocidad del sonido a nivel del mar es de aproximadamente 340 m/s, pero el sonido se ralentiza en el aire frío y denso. Esa mañana de enero, con una temperatura de -5 grados Celsius en las tierras altas de Gunma, la teoría predice una velocidad de 304.8 m/s. El arreglo no calibrado logró detectar la desaceleración térmica con un 99.8% de precisión (R al cuadrado de 0.980). En Shinmoedake, con un aire primaveral de 12 grados, la velocidad fue de 313.27 m/s, lo que corresponde al 98.5% de lo predicho por la teoría.
- Localización de un cráter desconocido desde 150 km. Gracias a la formación de haces entre las estaciones de Kyushu, se determinó que el cráter de Shinmoedake estaba en una dirección de 169.49 grados, mientras que el valor real era de 167.72, lo que representa un error de solo 1.78 grados.
Tres formas de utilizarlo
Convertir las estaciones meteorológicas domésticas en sistemas de inteligencia geofísica en tiempo real permite brindar tres tipos de protección, cada una de las cuales depende del margen de tiempo que proporcionan la distancia y la velocidad de la red.
Aviación e infraestructura urbana
Las aeronaves y las ciudades se enfrentan a la misma amenaza, pero en diferentes escalas de tiempo. Los pilotos deben evitar las columnas de ceniza que se elevan en cuestión de segundos, mientras que una ciudad necesita minutos para preparar sus espacios subterráneos e interiores.
La ceniza volcánica se derrite dentro de los motores a reacción a temperaturas superiores a 1,400 grados Celsius y se convierte en vidrio líquido, lo que puede causar un fallo total del motor. Una red capaz de estimar la cantidad de ceniza y la posición del cráter en segundos puede alertar a los sistemas de control del tráfico aéreo y de gestión de vuelos para que redirijan a las aeronaves alrededor de esas columnas de ceniza. Las ciudades situadas a favor del viento disponen de un tiempo de 5 a 15 minutos para sellar los conductos de ventilación del metro, pasar la filtración del aire en los hospitales a sistemas HEPA internos, detener las obras al aire libre y comenzar a reducir la velocidad del tren de alta velocidad.
Tsunamis volcánicos
La explosión de las calderas submarinas y el colapso de los lados de las islas, como ocurrió en Krakatoa en 1883 y en Hunga Tonga en 2022, generan tsunamis mortales. Los tsunamis oceánicos viajan a cerca de 200 m/s y reducen su velocidad a entre 30 y 50 m/s en las aguas costeras poco profundas, mientras que las ondas Lamb atmosféricas se desplazan a 315 m/s y las superan en velocidad. Los barómetros costeros que detectan estas ondas de aire pueden proporcionar un margen de 15 a 45 minutos para la evacuación antes de que llegue el agua, lo que activa el cierre automático de las compuertas de los diques y la detención del transporte ferroviario.
Localización de cráteres invisibles
Este caso es especialmente importante para los volcanes que no están bajo vigilancia constante.
El peor peligro volcánico es una erupción inesperada de una montaña inactiva o de una fisura en su flanco que no está bajo vigilancia y carece de instrumentos gubernamentales en las cercanías. Existen dos métodos para abordarlo. Antes de la ruptura, el vapor que escapa genera pequeñas anomalías locales de 1,5 a 3,2 K en la temperatura potencial equivalente, y resolver la ecuación de advección-difusión adjunta permite rastrear la columna de humo hasta su origen, identificando así los días en que ocurrirá la desgasificación. Después de una explosión, subconjuntos regionales independientes en Kanto, Nagoya y Kyushu calculan líneas de referencia con un error de 0,48 grados, lo que permite localizar el cráter activo a una distancia de hasta 840 metros en cuestión de minutos.
La configuración de colaborador en IA
Un investigador principal humano se encarga de la supervisión y aprobación, mientras que un grupo de agentes especializados se ocupa de la ingesta de datos, el modelado y la simulación, el desarrollo de código, las verificaciones de falsificación y la revisión por pares simulada. Cada uno tiene una función específica: uno audita los planes mediante pruebas matemáticas, otro evalúa la viabilidad teórica, otro escribe el código, otros auditan los resultados, velan por la integridad de los datos y revisan la discusión teórica, y los dos últimos verifican el cumplimiento de las normas de estilo y la maquetación.
La resolución de las ecuaciones de mecánica del continuo, la ingesta de registros, la realización de verificaciones de falsificación y la preparación de un manuscrito en LaTeX listo para publicación se llevaron a cabo en Antigravity CLI, impulsado por Gemini junto con un marco de investigación auxiliar llamado tanaike-lab. El trabajo se desarrolló en cinco fases.
- Inducción estratégica por parte de un humano. El investigador principal comenzó con un plan de investigación con restricciones matemáticas y no con una solicitud abierta, estableciendo seis requisitos claros: construir un detector de ondas Lamb barométricas a partir de dispositivos IoT de ciencia ciudadana; utilizar períodos de 24 horas (más o menos 12 horas) alrededor de las dos erupciones de 2018, con datos de referencia de tormentas para poder verificar las conclusiones; aplicar la temperatura potencial equivalente de Bolton para aislar el flujo de calor previo a la erupción; implementar un filtrado bidireccional de fase cero para mantener las marcas de tiempo exactas; invertir las velocidades de propagación utilizando temperaturas variables espacialmente; y utilizar la formación de haces de lentitud para determinar los azimutes y las tasas de llegada a partir de las diferencias entre múltiples estaciones.
- Plan de auditoría y pruebas teóricas matemáticas. Subagentes especializados revisaron el plan en busca de consistencia matemática, validaron el modelo de flujo de energía cilíndrico y formularon la ecuación integral de trayectoria de temperatura para tener en cuenta el terreno montañoso.
- Desarrollo de pipelines con ganchos de verificación. Un subagente encargado del desarrollo de código creó pipelines aislados en Python, cada uno con verificaciones automatizadas que garantizaban que la ingestión de datos a través de OAuth2, el filtrado y la formación de haces se realizaran con el 100% de datos reales, sin usar arrays simulados.
- Análisis empírico y discusión entre agentes. Los subagentes de auditoría debatieron los resultados de los 29,334 registros, verificaron la coincidencia de 304.38 m/s, evaluaron la precisión del azimut posterior de los cráteres y confirmaron el rechazo total de las picos de viento de 378.
- Evaluación por pares y entrega. Un panel de evaluación simulado de cinco ejes, un paso de verificación de cumplimiento estilístico y un analizador de maquetación realizaron auditorías previas a la presentación, comprobaron que cada cita dentro del texto coincidiera, compilaron el código LaTeX y generaron figuras accesibles en color antes de que un humano diera la aprobación final.
A diferencia de un script de agente estático, el marco captura las lecciones a medida que avanza. El ciclo es deliberadamente automático: las directivas del humano y las lecciones verificadas durante la ejecución se anotan al instante, se escriben de inmediato en la documentación de habilidades y se vuelven a introducir en la herramienta sin necesidad de reinstalarla manualmente. Las directivas de orientación y las lecciones verificadas se registran durante una ejecución, se escriben directamente en un archivo SKILL.md, luego se exportan e se reinstalan en el directorio local del plugin CLI, con una sincronización inmediata con Git remoto, de modo que el conjunto de herramientas sigue evolucionando.
Su enfoque propuesto consta de tres partes. Contrasta la generación no supervisada, que sufre alucinaciones y textos superficiales, con un modelo de sinergia humano-IA en el que el humano mantiene la dirección estratégica mientras que los subagentes aceleran la formulación, la ejecución de código, la auditoría y la revisión. Su objetivo es eliminar las fricciones operativas como la depuración de scripts, la interpolación de grillas temporales irregulares, el ajuste de cifras para un diseño universal en términos de colores y la corrección de errores en LaTeX, de modo que los investigadores puedan concentrarse en el razonamiento de alto nivel. Y abarca tres áreas: las ciencias naturales como el modelado geofísico, la dinámica de fluidos, la química cuántica y los materiales; la ingeniería de IA generativa, que incluye el diseño de instrucciones, la recuperación de información mediante RAG, la orquestación de múltiples agentes, la compresión del presupuesto de tokens y las pruebas de rendimiento; y el ecosistema de Google, que comprende las bibliotecas de Apps Script y la automatización del Workspace en Drive, Sheets, Docs, Gmail y Forms, con gestión de cuotas.
Qué implica en conjunto
Los dispositivos meteorológicos residenciales, combinados con inteligencia artificial basada en principios físicos, pueden convertirse en una red de alerta temprana a escala continental: ondas de Lamb y energía de las explosiones capturadas a partir de barómetros colaborativos, sin falsos positivos en comparación con los datos de tormentas. Estas conclusiones son una de las muchas perspectivas en la física volcánica, y sigue siendo esencial la validación empírica continua y el debate científico abierto. Más allá de la geofísica, el patrón de establecer estrategias por parte de los humanos y considerar las limitaciones físicas, mientras que los agentes de inteligencia artificial se encargan de la derivación, el codificado, la auditoría y la revisión, parece ser un modelo escalable para la adaptación al clima, la ingeniería multiagente y la automatización de las APIs de Google.
Leer más
- Ejecución en navegador para agentes de IA: Playwright, MCP y un ejecutor seguro — Por qué los agentes necesitan un navegador como entorno de ejecución, cómo se combina con MCP y el modo de código, y cómo protegerlo con perfiles, límites de dominio y políticas de acción.
- Fundamentos de los agentes de IA: propósito, diseño de prompts y selección de modelos — Cómo sentar las bases para un agente de IA en producción: definir el propósito y las métricas de éxito, redactar prompts con objetivos y restricciones, y luego elegir el modelo adecuado.