Un mapa global identifica las regiones más vulnerables al retroceso de los glaciares
calendar_today 09.08.2026 - person - timer ~6 Minutos
El volumen de hielo contenido en los glaciares determina no solo la altura futura del nivel del mar, sino también la disponibilidad de agua dulce para millones de personas. Saber cuánta agua helada existe y dónde se encuentra ayuda a anticipar los efectos del calentamiento global sobre regiones enteras, desde zonas costeras hasta valles agrícolas. Sin embargo, la tarea de medir ese hielo en detalle presenta enormes desafíos técnicos, y las estimaciones previas solían dejar importantes dudas sobre su exactitud.
Un equipo de expertos desarrolló un modelo de inteligencia artificial que logró mapear el espesor y volumen del hielo glaciar en todo el planeta con una precisión inédita. Los resultados, publicados en Scientific Data, ofrecen una visión global y detallada del hielo glaciar al combinar un gran volumen de mediciones reales con nuevas técnicas de aprendizaje automático.
PUBLICIDAD
El deshielo de los glaciares avanza a un ritmo sin precedentes, y el principal motivo es el aumento de las temperaturas causado por el cambio climático. Según la Organización de las Naciones Unidas (ONU), los mantos de hielo de Groenlandia y Antártida concentran cerca del 70% del agua dulce del planeta.
Solo los glaciares fuera de esas grandes capas polares perdieron más de 9.000 mil millones de toneladas de masa desde 1975, de acuerdo con el World Glacier Monitoring Service (WGMS). Esta cantidad equivale a una capa de hielo del tamaño de Alemania y 25 metros de espesor. Desde el año 2000, la pérdida anual promedio alcanza 273 mil millones de toneladas, lo que contribuye al aumento progresivo del nivel del mar.
PUBLICIDAD
Las consecuencias impactan en la vida de millones de personas. El retroceso de glaciares amenaza la seguridad hídrica de regiones como el Hindu Kush, donde más de 120 millones de agricultores dependen del agua del deshielo, y de la Patagonia, que ya perdió más de una cuarta parte de su volumen glaciar y elevó el nivel del mar en 4 milímetros en pocas décadas. Factores como el aumento de la temperatura (un 17% mayor que el promedio global en los Andes patagónicos) y los vientos cálidos aceleran el derretimiento y la escorrentía.
La ONU alerta que, si el calentamiento global sigue igual, 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 la desaparición de estas masas de agua afecta tanto al nivel de los océanos como al suministro de agua dulce en vastas regiones del mundo.
PUBLICIDAD
El modelo de IA denominado IceBoost v2.0 estima que los glaciares del planeta contienen alrededor de 150.000 kilómetros cúbicos de hielo, lo que equivale a 32,3 centímetros de aumento potencial del nivel medio del mar si toda esa masa se derritiera. Esta cifra es similar a la de estimaciones previas, pero el nuevo modelo permite identificar con mucho mayor detalle dónde el hielo es más grueso o más delgado. Gracias a esto, los resultados reflejan lo que se observa en el terreno con una precisión que mejora hasta en un 40% respecto a modelos anteriores.
Las diferencias regionales pueden ser notables. En el caso del Geikie Plateau, en el este de Groenlandia, el modelo predice hasta el doble de hielo respecto a estimaciones previas. El artículo detalla que la confianza en los resultados es mayor en las latitudes polares, donde existe una mayor densidad de datos de entrenamiento, y disminuye en zonas montañosas y regiones de baja latitud, donde la información disponible resulta limitada. La nueva cartografía permite identificar tanto los sectores con estimaciones más robustas como aquellos en los que urge recolectar nuevos datos, como las cadenas del Himalaya, el Karakoram y los principales campos de hielo de Patagonia.
PUBLICIDAD
El estudio explica que la precisión de los mapas creados por IceBoost v2.0 depende de la calidad de los datos originales, como la forma del terreno, la velocidad a la que se mueve el hielo y los detalles de cada glaciar, incluso si tienen rocas internas sobresaliendo en la superficie. Los resultados (que comprenden las dudas o márgenes de error de cada medición) están disponibles para descarga y pueden consultarse en una aplicación web interactiva, según informa el artículo.
El modelo IceBoost v2.0 aprende a estimar el grosor del hielo a partir de millones de mediciones reales tomadas en glaciares de todo el mundo. Para ello, analiza 26 características distintas, como la forma de las montañas, la velocidad a la que se mueve el hielo y la temperatura del aire cerca de la superficie. El sistema se entrenó con información de lugares tan diversos como Alaska, Escandinavia, Patagonia y regiones polares, incluyendo datos obtenidos por misiones de la NASA y otras campañas científicas.
PUBLICIDAD
Después de revisar cuidadosamente los datos y eliminar los errores, el modelo usó información sobre más de 1.600 glaciares, lo que representa solo una pequeña parte de todos los glaciares existentes, que son alrededor de 200.000. El estudio comprobó que IceBoost v2.0 logra estimaciones mucho más consistentes y continuas entre glaciares cercanos que otros modelos anteriores.
El nuevo mapa del hielo glaciar tiene aplicaciones inmediatas en la modelización del cambio climático y en la proyección de la evolución futura de los glaciares. Los resultados de IceBoost v2.0 serán utilizados por el Glacier Model Intercomparison Project (GlacierMIP4), iniciativa clave para los informes del IPCC (Grupo Intergubernamental de Expertos sobre el Cambio Climático) sobre la evolución glacial hasta 2100. El modelo servirá como referencia única para describir la situación actual de los glaciares a nivel global.
PUBLICIDAD
Además, 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. Dado que los glaciares alimentan ríos y ecosistemas de los que dependen cerca de 1.900 millones de personas en todo el mundo, la mejora en las proyecciones resulta relevante para anticipar escenarios de escasez hídrica, especialmente en regiones áridas o en proceso de desertificación.
“Los glaciares son sistemas complejos. Aunque la física que los gobierna se conoce, muchos parámetros siguen siendo 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”, explicó Niccolò Maffezzoli, físico y responsable del proyecto en la Ca’ Foscari University of Venice.
PUBLICIDAD
Los autores coinciden en que el acceso abierto a los resultados y la transparencia metodológica permitirán acelerar el progreso en glaciología y en la adaptación ante el cambio climático.