III Simposio de Postgrado 2025: Ingeniería, ciencia e innovación

03 81 Isadora Ziller ¹* Sarah Oliva ¹ Francisco Ortega ¹ Hacia un sistema de monitoreo sísmico automatizado en volcanes activos: Estudio de caso en Volcán Calbuco, Chile *E-mail: isadora.ziller@ug.uchile.cl ¹ Departamento de Geofísica, Universidad de Chile Resumen Esta investigación tiene como objetivo desarrollar un sistema automatizado de monitoreo sísmico en volcanes activos, utilizando como caso de estudio el Volcán Calbuco, ubicado en la Región de Los Lagos, Chile. Dado que la mayoría de las erupciones volcánicas están precedidas por un aumento en la actividad sísmica, la sismología representa una herramienta esencial para la vigilancia volcánica y la reducción del riesgo asociado [1] . En particular, se analizarán eventos sismo-vol- cánicos de tipo Volcano-Tectónico (VT) y Long-Period (LP), asociados a fractura- miento de roca y movimiento de fluidos en el interior del sistema volcánico, res - pectivamente [2] . El enfoque se centra en aplicar modelos de Deep Learning para la detección au- tomática de las fases sísmicas P y S, con el fin de construir catálogos sísmicos más completos y precisos. Se utilizarán datos del Observatorio Volcanológico de los Andes del Sur (OVDAS), incluyendo formas de onda y un catálogo manual. El análisis se enfocará en un período de seis meses posterior a la erupción de 2015, con el objetivo de caracterizar la microsismicidad del Volcán Calbuco. Se evaluará el desempeño de cuatro modelos previamente entrenados [3][4] para detectar fases sísmicas en el volcán. Luego, se realizará un fine-tuning de uno de estos modelos usando datos locales, con el fin de mejorar su precisión y generar un nuevo catálogo sísmico. Este será evaluado mediante un análisis de dispersión y comparación con el catálogo manual de OVDAS. Los resultados permitirán interpretar la microsismicidad del Calbuco, clasificar eventos sísmicos y explorar patrones espaciales y temporales. Esta investigación busca aportar al monitoreo volcánico mediante herramientas automáticas basa- das en inteligencia artificial, y abordar la pregunta de si los modelos de detección sísmica deben ser específicos para cada volcán o si es posible desarrollar modelos generalizables a distintos sistemas volcánicos en Chile. __Referencias [1] McNutt, S. R. (2002). Volcano seismology and monitoring for eruptions. International Geophysics (Vol. 81, Parte A, pp. 383– 446). Academic Press. https://doi.org/10.1016/ S0074-6142(02)80228-5 [2] Ferreira, A., Curilem, M., Gomez, W. et al. Deep learning and multi-station classification of volcano- seismic events of the Nevados del Chillán volcanic complex (Chile). Neural Comput y Applic 35, 24859–24876 (2023). https://doi.org/10.1007/ s00521-023-08994-z\\ [3] Zhu, W., y Beroza, G. C. (2019). PhaseNet: a deep- neural-network-based seismic arrival-time picking method. Geophysical Journal International, https://doi.org/10.1093/ gji/ggy423 [4] Zhong, Y., y Tan, Y. J. (2024). Deep-learning- based phase picking for volcano-tectonic and long-period earthquakes. Geophysical Research Letters, https://doi.org/ 10.1029/2024GL108438\\