USO DE HERRAMIENTAS DE MATLAB, DIGITALIZACIÓN Y MACHINE LEARNING, PARA GENERAR MODELOS GRAVIMÉTRICOS CON FINES EDUCATIVOS
En este trabajo se presenta, con fines académicos, un ejercicio de modelado gravimétrico
basado en datos obtenidos a partir de una figura publicada en el artículo de Arango-Galván et
al; 2020 sobre estudios Geofísicos en el volcán Popocatépetl, el cual muestra dos perfiles
gravimétricos en la región del flanco norte del volcán Popocatépetl, México. Los objetivos del
estudio comprenden la digitalización de las elevaciones del área de estudio, la extracción de
datos para replicar la anomalía de Bouguer, la aplicación inversa de las correcciones de los
datos gravimétricos para la generación de la anomalía observada, y finalmente la generación
de modelos gravimétricos que permitan interpretar la estructura del subsuelo. Se
desarrollaron y aplicaron múltiples scripts en MATLAB para digitalizar la imagen original de
anomalía de Bouguer, extrayendo coordenadas espaciales y valores de anomalía, así como
los datos de las elevaciones a partir de modelos digitales de elevación de la región.
La metodología incluyó las siguientes etapas: (1) digitalización manual y automatizada del
mapa de anomalía de Bouguer y de elevaciones mediante herramientas de procesamiento de
imágenes en MATLAB aplicando técnicas de Machine Learning, (2) extracción y validación de
coordenadas geoespaciales, valores de anomalía y de elevación, (3) aplicación inversa de las
correcciones gravimétricas para la obtención del mapa de anomalía observada y (4) la
implementación de modelado directo para la estimación de las distribución de densidades en
el subsuelo.
A partir de estos datos, se generaron dos modelos utilizando los parámetros del autor original
para estimar una posible distribución de densidades en el subsuelo que modelen la anomalía
de Bouguer observada en el flanco norte del volcán Popocatépetl.
Los resultados muestran una buena concordancia general con la anomalía publicada, aunque
se identifican limitaciones inherentes al proceso de digitalización desde imágenes (resolución,
escala, distorsiones). El análisis comparativo entre los modelos generados y los datos
originales permite identificar las principales estructuras del volcán, incluyendo fallas con
orientación NW-NE y los bloques desplazados hacia el sur, así como las discontinuidades
asociadas al volcán Tlamacas identificado por los autores originales.
Este tipo de ejercicios fomenta la comprensión del modelado gravimétrico, fortalece
habilidades computacionales y permite el análisis crítico de datos científicos disponibles en
la literatura. El trabajo demuestra que, incluso sin acceso a datos originales, es posible realizar
estudios interpretativos con rigor académico mediante herramientas digitales como MATLAB.
Palabras clave: Modelado gravimétrico, digitalización, machine learning, anomalía de
Bouguer, volcán Popocatépetl.