La presa de Aldeadávila es un bien patrimonial público, destacando por su impresionante belleza y majestuosidad, tanto por sí misma como por el paisaje que la rodea. En este lugar se filmaron el inicio y el final de la película Doctor Zhivago. https://commons.m.wikimedia.org/
El concepto de patrimonio cultural abarca un conjunto de bienes con valores diferentes pero relacionados en cierta medida en cuanto a su importancia histórica, artística, social o científica que se hereda de generaciones anteriores, e incluye también los valores, creencias, prácticas y modos de expresión artística que caracterizan a una comunidad o sociedad. Este concepto destaca por su papel fundamental en la preservación de las identidades y el fomento del sentimiento de pertenencia, lo que lo convierte en un aspecto esencial de la experiencia humana y de la diversidad cultural en todo el mundo.
Este patrimonio se divide en dos categorías principales: el patrimonio material, que incluye bienes tangibles como edificios, monumentos y obras de arte, y el patrimonio inmaterial, que comprende tradiciones, costumbres y expresiones culturales que identifican a una comunidad. La distinción entre estas dos categorías es esencial para comprender cómo se preserva y valora el patrimonio en diferentes contextos (UNESCO, 2003).
El patrimonio cultural material se refiere a las obras y productos de la creatividad humana a lo largo de la historia que constituyen un testimonio de la cultura intelectual, espiritual y material de las sociedades pasadas. Esto incluye no solo monumentos y obras arquitectónicas, sino también infraestructuras como puentes, caminos y presas, que evidencian la evolución técnica de una civilización, así como su carácter social. La conservación de estos bienes es esencial, ya que representan la memoria colectiva de una comunidad y constituyen un recurso invaluable para la educación y la investigación (Mason, 2008).
Por otro lado, el patrimonio cultural inmaterial se refiere a las prácticas, representaciones, expresiones, conocimientos y técnicas que las comunidades reconocen como parte de su patrimonio cultural. Este tipo de patrimonio incluye tradiciones orales, danzas, rituales y festividades que se transmiten de generación en generación. La protección de este patrimonio es igualmente importante, ya que contribuye a la cohesión social y a la identidad cultural de las comunidades, y permite que las nuevas generaciones se conecten con sus raíces (Hernández, 2015).
La clasificación del patrimonio cultural también puede realizarse en función de si es público o privado. Los bienes patrimoniales públicos son aquellos que pertenecen a la colectividad y son administrados por entidades gubernamentales, mientras que los bienes privados son de propiedad individual y pueden ser expropiados por el bien común, siempre que se compense adecuadamente a sus propietarios. Esta distinción es relevante en el ámbito de la conservación, ya que los bienes públicos suelen recibir más atención y recursos para su preservación (González, 2017).
El Viaducto de Requejo sobre el río Duero, diseñado por José Eugenio Ribera en 1914, es un puente de impresionante belleza ubicado en un entorno espectacular. Es una obra histórica que debe ser protegida y conservada para las generaciones futuras. https://es.wikipedia.org/wiki/Puente_de_Requejo#/
La conservación del patrimonio cultural se enfrenta a numerosos desafíos, como la urbanización, el cambio climático y la falta de recursos. La presión del desarrollo urbano a menudo provoca la destrucción de bienes patrimoniales, mientras que el cambio climático puede poner en riesgo la integridad de estructuras históricas. Por lo tanto, es esencial implementar políticas de conservación sostenibles que tengan en cuenta la protección del patrimonio y las necesidades de las comunidades contemporáneas (Smith, 2012).
Para garantizar el éxito de la conservación del patrimonio cultural, es crucial la participación de la comunidad. Involucrar a los ciudadanos en la identificación, protección y promoción de su patrimonio puede generar un mayor compromiso y aprecio por estos bienes. La educación y la sensibilización sobre la relevancia del patrimonio cultural son esenciales para fomentar una cultura de conservación que perdure en el tiempo (Bennett, 2014).
El patrimonio cultural también desempeña un papel importante en la investigación y el estudio de la historia. Los bienes patrimoniales son fuentes de información que permiten a los investigadores comprender mejor las sociedades pasadas y sus interacciones. Gracias al análisis de estos bienes, es posible obtener conocimientos sobre las técnicas de construcción, los estilos artísticos y las prácticas sociales de diferentes épocas, lo que enriquece nuestra comprensión de la historia humana (Lowenthal, 1998).
Para garantizar su conservación, son necesarias la legislación y las políticas de protección del patrimonio cultural. Existen convenios internacionales, como la Convención de la UNESCO sobre la Protección del Patrimonio Mundial, que establecen directrices y principios globales para su conservación. Estas normativas ayudan a sensibilizar a los gobiernos y a las comunidades sobre la importancia de proteger su patrimonio y fomentan la cooperación internacional para su conservación (UNESCO, 1972).
En conclusión, el concepto de patrimonio cultural es amplio y multifacético, y abarca tanto bienes materiales como inmateriales que son esenciales para la identidad y la memoria de las comunidades. La conservación del patrimonio cultural no solo implica la protección de objetos y edificios, sino también la promoción de prácticas y tradiciones que enriquecen la vida social y cultural. Para desarrollar estrategias efectivas que garanticen la preservación de estos bienes para las generaciones futuras, es necesaria la colaboración entre diferentes disciplinas y la participación activa de la comunidad. Al reconocer el valor del patrimonio cultural, se fomenta una responsabilidad compartida que puede dar lugar a un compromiso colectivo en su conservación. Este enfoque integral no solo protege el legado del pasado, sino que también contribuye al desarrollo sostenible y a la cohesión social en el presente, garantizando que el patrimonio cultural siga siendo una fuente de identidad y orgullo para las comunidades en el futuro.
Dejo a continuación un mapa mental sobre el concepto de patrimonio cultural.
Referencias:
Bennett, T. (2014). The Birth of the Museum: History, Theory, Politics. Routledge.
González, A. (2017). Cultural Heritage and the Challenge of Sustainability. Journal of Cultural Heritage Management and Sustainable Development, 7(1), 1-15.
Hernández, M. (2015). Intangible Cultural Heritage: A New Approach to Cultural Heritage Management. International Journal of Heritage Studies, 21(3), 245-261.
Lowenthal, D. (1998). The Heritage Crusade and the Spoils of History. The Historical Journal, 41(3), 877-897.
Mason, R. (2008). The Value of Heritage. In Cultural Heritage and the Challenge of Sustainability (pp. 1-15). Routledge.
En los artículos de este blog sobre resiliencia y cambio climático que estoy escribiendo, me centraré en los aspectos relacionados con la resiliencia comunitaria.
Acontecimientos como las inundaciones catastróficas ocurridas en la provincia de Valencia el 29 de noviembre de 2024 ponen de manifiesto la importancia de estas ideas.
Estas reflexiones se enmarcan dentro del proyecto RESILIFE que desarrollo en la actualidad como investigador principal, y se han basado en algunas ideas desarrolladas en el trabajo reciente de Ellingwood et al. (2024).
Este artículo trata sobre la resiliencia comunitaria y cómo incorporar los efectos del cambio climático en la planificación y diseño de edificios e infraestructuras a nivel comunitario. Se discuten los desafíos y consideraciones clave para lograr una mayor resiliencia de las comunidades frente a eventos climáticos extremos.
La resiliencia comunitaria es la capacidad para adaptarse a las situaciones adversas, adaptarse a condiciones cambiantes y mantener sus funciones e infraestructuras fundamentales, así como recuperarse rápidamente ante eventos extremos. En este contexto, «comunidad» se refiere a un lugar delimitado por fronteras geográficas que opera bajo la jurisdicción de una estructura de gobernanza, como una ciudad, área metropolitana o región. Es dentro de esta gobernanza local donde se identifican, aprueban, financian y ponen en marcha las decisiones, acciones y proyectos relacionados con la resiliencia. Este concepto subraya la importancia de guiar los procesos adaptativos dentro de la comunidad para preservar su identidad básica y permitir los cambios necesarios con el tiempo. La identidad de una comunidad la forman los valores y prioridades de sus miembros, por lo que los esfuerzos para aumentar la resiliencia deben implicarles en la definición de lo que valoran colectivamente y lo que pretenden proteger (Ellingwood et al., 2024).
Las repercusiones económicas del cambio climático varían mucho, con beneficios potenciales en las regiones templadas a niveles más bajos de calentamiento, pero con pérdidas crecientes a medida que aumentan las temperaturas. Los hogares y los países más pobres pueden experimentar efectos desproporcionados sobre su bienestar, aun cuando sus contribuciones económicas sean menos significativas. Las respuestas de adaptación efectivas, como el desarrollo de infraestructuras resilientes y tecnologías climáticamente inteligentes, pueden ayudar a mitigar estos impactos y mejorar la resiliencia de las comunidades (O’Neill et al., 2022).
El éxito de la resiliencia comunitaria no solo se centra en la recuperación de eventos relacionados con el cambio climático, sino que también abarca una variedad más amplia de retos, incluidos los sociales y económicos. Este concepto influye en las decisiones relativas al entorno construido, que abarca desde instalaciones individuales hasta sistemas de infraestructura regional. Para que la planificación de la resiliencia sea efectiva, es crucial incluir diversas perspectivas de las partes interesadas y comprender los sistemas sociales, políticos y económicos de la comunidad, así como sus vulnerabilidades inherentes (Eisenhauer et al., 2024). El entorno construido abarca todos los sistemas diseñados en una comunidad o región, como edificios, instalaciones y redes de infraestructura. Aunque muchas viviendas unifamiliares no son diseñadas por ingenieros, deben tenerse en cuenta en la evaluación de la resiliencia comunitaria. Este enfoque integrado permite identificar los objetivos de rendimiento de los edificios e infraestructuras y garantizar que las estrategias de resiliencia se adapten a las necesidades específicas de la comunidad.
Para lograr resiliencia a nivel comunitario, los edificios y sistemas de infraestructura deben cumplir los criterios de resiliencia establecidos a nivel local. Esta interdependencia entre escalas diferentes de resiliencia conecta la planificación regional con el diseño de infraestructuras individuales. Para que las instalaciones y los sistemas den un paso adelante y alcancen un desempeño resiliente, es necesario ir más allá de los requisitos de códigos y normas actuales, que se centran principalmente en la seguridad de las personas y en limitar el fallo estructural, especialmente en la recuperación de la funcionalidad. Los edificios e infraestructuras proporcionan refugio, servicios básicos y otros recursos, como escuelas y hospitales, y respaldan instituciones sociales y económicas esenciales para el bienestar de la comunidad.
Para desarrollar planes sólidos de resiliencia comunitaria, es fundamental involucrar a las partes interesadas. Una oficina dedicada a la resiliencia puede garantizar un liderazgo firme y un compromiso coherente entre los agentes locales. Es crucial comprender la identidad y los recursos únicos de la comunidad, así como fomentar la participación de los líderes sociales (Eisenhauer et al., 2024). Incluir las voces de todos los miembros de la comunidad en el proceso de planificación hace que los esfuerzos de resiliencia sean más equitativos y eficaces.
La resiliencia comunitaria se enfrenta a diversas limitaciones que deben abordarse para mejorar su capacidad de adaptación. Entre estas dificultades se encuentran las barreras económicas, los factores sociales y culturales, las limitaciones de capacidad humana, los problemas de gobernanza, los recursos financieros, la accesibilidad a la información, los obstáculos físicos y las influencias climáticas (O’Neill et al., 2022). Reconocer y superar estas limitaciones es fundamental para que las comunidades desarrollen su capacidad de adaptación ante amenazas actuales y emergentes.
Los sectores vulnerables dentro de las comunidades suelen verse afectados de manera desproporcionada por los peligros derivados del cambio climático, como las inundaciones, debido a políticas de uso del suelo, desventajas económicas y otros factores demográficos, como la raza/etnia, el género y la edad. Por lo tanto, los objetivos de resiliencia pueden variar de una comunidad a otra debido a diferencias en las características sociodemográficas, la edad y el estado de los edificios e infraestructuras, así como a los enfoques adoptados para abordar la equidad en los objetivos de resiliencia.
El cambio climático no solo afecta a los medios de subsistencia físicos, sino que también amenaza las estructuras sociales y las prácticas culturales. La erosión del capital social, exacerbada por la degradación de los recursos y la competencia, puede provocar un aumento de la tensión en el seno de las comunidades y entre ellas, lo que puede dar lugar a conflictos y migraciones forzosas. Los grupos vulnerables, como las personas mayores y con discapacidad, se ven afectados de forma desproporcionada por estos cambios, lo que subraya la necesidad de estrategias de adaptación específicas (IPCC, 1997) .
Consideraciones de proyecto para la resiliencia y los impactos climáticos
La consideración de eventos climáticos extremos futuros (como huracanes, olas de calor y precipitaciones intensas) está cobrando una importancia cada vez mayor para las comunidades. Aunque actualmente no se tienen en cuenta en los códigos o normas de construcción, muchas comunidades locales exigen que los efectos climáticos se integren en los proyectos. (Vogel et al., 2016). Además, el cambio climático puede agravar los impactos de los eventos de peligro extremo con el tiempo, no solo al modificar las cargas sobre las estructuras, sino también al afectar a su capacidad debido a procesos de envejecimiento y deterioro. Por ello, es fundamental tener en cuenta la resiliencia y los problemas climáticos en la planificación comunitaria, especialmente en el diseño de edificios e infraestructuras civiles.
El impacto de eventos extremos compuestos (como un tsunami posterior a un terremoto, o marejadas ciclónicas e inundaciones fluviales tras vientos de huracán) también puede intensificarse debido a los efectos climáticos (Bruneau et al., 2017). Actualmente, existe una falta de guías o herramientas suficientes para considerar estos eventos compuestos y su impacto en el entorno construido. Además de predecir peligros futuros, la no estacionariedad de los efectos climáticos en los eventos de peligro requerirá nuevos enfoques para abordar y comunicar la incertidumbre (Cooke, 2015).
El concepto de resiliencia se basa en la funcionalidad, que puede medirse a nivel de edificios, sistemas de infraestructura o comunidades. Por ello, los análisis de resiliencia deben adaptarse a la escala evaluada y utilizar métodos claros para agregar y desagregar información entre diferentes escalas. Las múltiples escalas de análisis de resiliencia también tienen implicaciones para las proyecciones climáticas regionales, en las que pueden ser necesarias proyecciones correlacionadas en lugares específicos.
Los edificios y los sistemas de infraestructura civil se diseñan y mantienen según diversas regulaciones, códigos y mejores prácticas, cada uno con su propia base de diseño y fiabilidad para evaluar el rendimiento (McAllister et al., 2022). Cada sistema tiene distintos objetivos de rendimiento, como la seguridad en edificios frente a eventos poco frecuentes o la interrupción en los servicios de electricidad y agua ante eventos frecuentes. La falta de coordinación genera disparidades en el rendimiento del entorno construido ante un mismo evento de peligro, que aumentan aún más al considerar el desempeño en términos de recuperación. Aunque la fiabilidad mide si se logran los objetivos de rendimiento, se requieren métricas diferentes para evaluar la recuperación de la funcionalidad.
En algunos sistemas, la fase de recuperación se mide en horas (por ejemplo, en los sistemas de distribución eléctrica), mientras que en otros puede medirse en meses (por ejemplo, en la reparación de un puente o túnel dañado). Estas disparidades se identifican y abordan mejor con una evaluación a nivel comunitario que permita identificar las necesidades específicas de cada proyecto. Una herramienta comúnmente utilizada es la denominada tabla de resiliencia, introducida por primera vez en San Francisco (Poland, 2009). En estas tablas, la comunidad establece el tiempo deseado para alcanzar un conjunto de métricas de desempeño de diversas infraestructuras (por ejemplo, el 75 % de las carreteras funcionales en 3 meses). Estas metas se comparan con el tiempo de recuperación previsto, evaluado por expertos técnicos. Los sectores donde la discrepancia entre la recuperación deseada y la prevista es mayor son aquellos donde más se necesitan intervenciones.
Tabla 1. Plazos para los objetivos de reconstrucción en un seísmo (Poland, 2009).
Fase
Marco temporal
Condición del entorno construido
1
1 a 7 días
Respuesta inicial y preparación para la reconstrucción
Inmediato
El alcalde ha declarado una emergencia local y ha abierto el Centro de Operaciones de Emergencia. Los hospitales, las comisarías, los parques de bomberos y los centros de operaciones de los departamentos de la ciudad están operativos.
Dentro de 4 horas
Las personas que salgan o regresen a la ciudad para llegar a sus hogares pueden hacerlo
Dentro de 24 horas
Los trabajadores de respuesta a emergencias pueden activarse y sus operaciones están completamente operativas. Los hoteles designados para alojar a estos trabajadores son seguros y están operativos. Los refugios están abiertos. Todos los hogares ocupados son inspeccionados por sus ocupantes y menos del 5 % de las viviendas son consideradas inseguras para ser ocupadas. Los residentes se refugiarán en edificios con daños superficiales, aunque los servicios públicos no funcionen.
Dentro de 72 horas
El 90 % de los sistemas de servicios públicos (energía, agua, aguas residuales y comunicación) están operativos y prestan apoyo a las instalaciones de emergencia y a los vecindarios. Asimismo, el 90 % de las principales rutas de transporte, incluidos los cruces de la bahía y los aeropuertos, están abiertos al menos para la respuesta a emergencias. Los esfuerzos de recuperación inicial y reconstrucción se centrarán en reparar viviendas, escuelas y oficinas de proveedores médicos para que puedan utilizarse, además de restablecer los servicios públicos necesarios. Los servicios esenciales de la ciudad están completamente restablecidos.
Todos los sistemas de servicios públicos y las rutas de transporte que atienden a los vecindarios han recuperado el 95 % de los niveles de servicio previos al evento. El transporte público funciona al 90 % de su capacidad. Las escuelas públicas están abiertas y en funcionamiento. El 90 % de los negocios del barrio están abiertos y atendiendo a la fuerza laboral.
Dentro de 60 días
Los aeropuertos están operativos y se pueden utilizar con normalidad. El transporte público funciona al 95 % de su capacidad. Las rutas de transporte menores se están reparando y reabriendo.
3
Varios años
Reconstrucción a largo plazo
Dentro de 4 meses
Los refugios temporales se han cerrado. Todos los hogares desplazados han regresado a sus hogares o han sido reubicados de forma permanente. El 95 % de los servicios minoristas de la comunidad han reabierto. El 50 % de los negocios de apoyo que no forman parte de la fuerza laboral están reabiertos.
Dentro de 3 años
Todas las operaciones comerciales, incluidos todos los servicios de la ciudad que no estén relacionados con la respuesta a emergencias o la reconstrucción, se han restablecido a los niveles previos al seísmo.
Esta herramienta sencilla se utiliza para representar posibles efectos de los riesgos en un conjunto de escenarios posibles. Actualmente, estos se identifican para cada comunidad en función de los riesgos previstos y de las directrices disponibles. Los efectos del cambio climático pueden incorporarse seleccionando un conjunto de escenarios de eventos extremos que representen el clima futuro. Para avanzar en los análisis y resultados de resiliencia, es necesario un enfoque estandarizado para identificar estos escenarios de riesgo.
Los edificios, puentes y otras infraestructuras tienden a diseñarse para vidas útiles de entre 50 y 100 años. Sin embargo, muchos edificios e infraestructuras se utilizan más allá de su vida útil y su desempeño depende de rehabilitaciones, actualizaciones y mantenimiento. Por lo tanto, la vida útil de edificios, puentes y otras infraestructuras abarca un período en el que el clima puede cambiar sustancialmente, por lo que dichos sistemas se ven expuestos a condiciones y acciones climáticas diferentes a las especificadas en su proyecto. Esta misma consideración se aplica a las evaluaciones de resiliencia.
Todo el proceso de evaluación de la resiliencia comunitaria, desde la selección de peligros hasta la evaluación de escenarios y las evaluaciones cuantitativas del rendimiento, debe tener en cuenta la no estacionariedad de los efectos climáticos. Al evaluar el impacto del cambio climático en el diseño, el mantenimiento y la remodelación, la propiedad desempeña un papel crucial. Cuando los edificios e infraestructuras tienen el mismo propietario durante su vida útil, hay incentivos más fuertes para incluir consideraciones de resiliencia y cambio climático en la planificación y el mantenimiento. En cambio, los sistemas diseñados y mantenidos por diferentes entidades suelen cumplir solo con los requisitos mínimos, a menos que la demanda de resiliencia, consideraciones climáticas o mejoras que se puedan trasladar a los usuarios sea clara.
Las dependencias e interdependencias entre los sistemas de infraestructura de una comunidad requieren la coordinación de múltiples propietarios, lo que puede resultar difícil. Mejorar la resiliencia de un sistema frente a los efectos climáticos futuros puede ser menos efectivo de lo planeado si los propietarios o administradores de los sistemas de infraestructura interdependientes no realizan mejoras similares.
Desempeño funcional del entorno construido
Los objetivos de desempeño comunitario suelen expresarse como aspiraciones a largo plazo para la funcionalidad de los sistemas físicos, sociales y económicos. La incorporación del cambio climático en la funcionalidad a largo plazo de los sistemas comunitarios debe abordarse urgentemente. Los proyectistas necesitan objetivos cuantitativos de desempeño y criterios de diseño para evaluar instalaciones y sistemas individuales que puedan apoyar los objetivos comunitarios y hacer frente a la considerable incertidumbre asociada al cambio climático y a los eventos futuros.
Un entorno construido con un desempeño aceptable es necesario, pero no suficiente, para establecer la resiliencia comunitaria. Esta resiliencia abarca metas sociales y económicas, así como objetivos relacionados con los servicios físicos. Para vincular la respuesta de los sistemas de infraestructura a los objetivos de resiliencia, es fundamental cuantificar su rendimiento colectivo mediante métricas de funcionalidad y recuperación. Desarrollar métricas que respalden los objetivos sociales es crucial para abordar la resiliencia comunitaria a nivel nacional. A continuación, se muestran algunos ejemplos de metas y métricas de resiliencia comunitaria en la Tabla 2. Las métricas de resiliencia para los servicios de infraestructura son más relevantes para los ingenieros estructurales, pero el rendimiento resiliente del entorno construido también contribuye a los objetivos sociales y económicos. Por lo tanto, estos objetivos deben tenerse en cuenta al evaluar soluciones para el diseño, el mantenimiento o las mejoras estructurales.
Tabla 2. Ejemplos de metas de desempeño comunitario y métricas de resiliencia
Metas de rendimiento comunitario
Ejemplos de métricas de resiliencia
Estabilidad poblacional
Desplazamiento y migración; disponibilidad de viviendas.
Estabilidad económica
Cambio en el empleo, impuestos e ingresos (recursos), presupuesto comunitario (necesidades).
Estabilidad de servicios sociales
Acceso a atención médica, educación, comercio minorista, banca.
Acceso a protección policial y contra incendios; servicios gubernamentales públicos esenciales.
Fuente: Ellingwood et al. (2020).
La recuperación funcional se refiere al restablecimiento de las funciones básicas del edificio o sistema de infraestructura tras un evento adverso. Desde la perspectiva de la resiliencia, el diseño de estos sistemas debe tener en cuenta el daño potencial y la forma en que se recuperarán durante el proceso de diseño. Este aspecto se aborda en parte en instalaciones críticas como hospitales y refugios, donde se aumentan los requisitos de carga y deformación para construir estructuras más sólidas.
Desde la perspectiva de la resiliencia comunitaria, otros edificios también pueden considerarse críticos según su función, como residencias de personas mayores y escuelas. Sin embargo, los códigos actuales se centran en la seguridad de las personas en edificios e infraestructuras individuales, sin considerar explícitamente las formas de fallo ni las reparaciones necesarias para restaurar la funcionalidad en un tiempo determinado. Para establecer normas que incluyan objetivos de desempeño en términos de funcionalidad y resiliencia, además de la seguridad, será necesario cambiar el proceso regulatorio, pasando de un diseño basado en componentes a un enfoque sistémico.
Se necesitan orientaciones sobre mejores prácticas y criterios de proyecto con objetivos que respalden las metas de resiliencia comunitaria para incluir la recuperación funcional. Se requieren objetivos funcionales y criterios para abordar mejor el papel de las infraestructuras, incluidos los niveles esperados de daño, el impacto en la funcionalidad de los edificios y otras infraestructuras, las reparaciones necesarias para restablecer la funcionalidad e impactos potenciales en la recuperación social y económica de la comunidad.
A medida que la ingeniería se esfuerza por incorporar los conceptos de resiliencia y recuperación funcional en su práctica, es necesario abordar el cambio climático en paralelo. La ASCE (2015) destacó un dilema clave para los ingenieros en ejercicio: «Aunque la comunidad científica está de acuerdo en que el clima está cambiando, existe una incertidumbre significativa sobre las distribuciones espaciales y temporales de los cambios durante la vida útil de los diseños y planes de infraestructura. La necesidad de que la infraestructura de ingeniería satisfaga las necesidades futuras y la incertidumbre sobre el clima futuro plantean un dilema para los ingenieros».
Los cambios en las condiciones climáticas pueden afectar a las infraestructuras y a su resiliencia de diversas maneras. ASCE (2018) identificó los tipos de impactos relacionados con el clima que deben abordarse, en particular, los relacionados con las inundaciones (el aumento de los niveles, de las velocidades de flujo y de las alturas de las olas), con las precipitaciones (las acciones de lluvia y nieve en los techos y el aumento de las acciones de las heladas en las estructuras) y con el viento (la mayor intensidad y frecuencia de tormentas y huracanes). El Manual de Práctica 144 de ASCE (ASCE, 2021) utiliza métodos probabilísticos para el análisis y la gestión de riesgos en los proyectos para abordar las incertidumbres dentro de un horizonte temporal. Este enfoque incluye la identificación y el análisis de riesgos, fallos del sistema, probabilidades asociadas y consecuencias, incluyendo pérdidas directas e indirectas, cuantificación de fallos y recuperación para la resiliencia, efectos en las comunidades, la economía de la resiliencia y las tecnologías para mejorar la resiliencia tanto en infraestructuras nuevas como existentes.
La resiliencia incorpora la dimensión temporal a través del proceso de recuperación y reconstrucción, pero los modelos de recuperación aún se encuentran en una etapa inicial de desarrollo. Además, durante la recuperación es necesario tener en cuenta las interdependencias, por ejemplo, cuando un edificio o sistema es funcional, pero otro sistema del que depende (por ejemplo, servicios públicos) aún no puede proporcionar el servicio necesario.
Cuando los edificios no son funcionales debido a retrasos en la financiación de reparaciones u otras causas, los efectos son enormes. En efecto, los retrasos en la recuperación de la funcionalidad de los edificios afectan directamente a la población, que se ve obligada a desplazarse y aumenta la probabilidad de emigrar, lo que repercute negativamente en las métricas de estabilidad poblacional (Tabla 2). La emigración también depende de la cohesión social y de factores como la fuente de refugio, empleo y educación de los niños en un hogar.
Desafíos para la resiliencia comunitaria en un clima cambiante
En la próxima década, probablemente evolucionen las mejores prácticas de los profesionales del diseño y las decisiones de los planificadores urbanos y las autoridades reguladoras para apoyar la forma en que se aborda el cambio climático en lo que respecta a la resiliencia comunitaria. El Diseño Basado en el Desempeño (PBD) ofrece una forma de abordar este conflicto y resolver los desafíos inherentes que surgirán al atender tanto las necesidades de las instalaciones como las de la comunidad. Desarrollar e incorporar enfoques PBD que aborden los peligros e impactos del cambio climático en las mejores prácticas, estándares y códigos es una necesidad urgente para la profesión de la ingeniería y la sociedad.
Los desafíos para los ingenieros estructurales incluyen los siguientes (Ellingwood et al., 2020):
Identificación de metas comunes de resiliencia comunitaria que aborden los futuros impactos del cambio climático, las cuales deberían ser establecidas por un grupo amplio de partes interesadas.
Objetivos de desempeño para los edificios, según categorías funcionales o agrupaciones (por ejemplo, edificios residenciales, instalaciones comerciales, gubernamentales) o instituciones socioeconómicas (por ejemplo, educación, atención médica), deben expresarse como requisitos compatibles con la práctica de ingeniería y ser prácticos de implementar desde una perspectiva de ingeniería.
Objetivos de fiabilidad para los edificios individuales en la práctica de diseño estructural actual (por ejemplo, ASCE 7-22, Sección 1.3) identifican requisitos mínimos de rendimiento a nivel de componente para la mayoría de las acciones, excepto las sísmicas. Se necesitan fiabilidades objetivo y criterios de desempeño a nivel de sistema para todas las cargas, con el fin de apoyar las metas de resiliencia comunitaria.
Códigos, normas y regulaciones para los sistemas de infraestructura (por ejemplo, edificios, puentes, comunicaciones críticas) deben coordinarse para apoyar las metas de resiliencia comunitaria e impactos del cambio climático, y para abordar la funcionalidad y recuperación de la infraestructura civil, así como la seguridad de las personas.
En resumen, la resiliencia comunitaria se refiere a la capacidad de las comunidades para adaptarse a situaciones adversas, mantener sus funciones esenciales y recuperarse rápidamente después de eventos extremos. Para desarrollar estrategias de adaptación eficaces, especialmente frente al cambio climático, es crucial que los miembros de la comunidad participen activamente en la identificación de sus valores y prioridades. Las comunidades vulnerables suelen sufrir impactos desproporcionados debido a factores socioeconómicos y demográficos, lo que subraya la necesidad de enfoques equitativos en la planificación de la resiliencia. Además, es fundamental tener en cuenta las interdependencias entre los sistemas de infraestructura y la coordinación entre múltiples propietarios para mejorar la resiliencia. La planificación debe incluir objetivos de rendimiento claros y métricas que aborden tanto la funcionalidad como la recuperación de los sistemas, para que las comunidades puedan hacer frente a los desafíos climáticos futuros de manera efectiva.
Aquí tenéis un mapa mental sobre el contenido de las reflexiones anteriores, que espero, os sea útil.
Dejo a continuación un documento que creo que os puede interesar sobre este tema.
Bruneau, M., Barbato, M., Padgett, J. E., Zaghi, A. E., et al. (2017). State-of-the-art on multihazard design. Journal of Structural Engineering, 143(10), 03117002.
Cooke, R. M. (2015). Messaging climate change uncertainty. Nature Climate Change, 5(1), 8–10.
Ellingwood, B. R., van de Lindt, J. W., & McAllister, T. (2020). Community resilience: A new challenge to the practice of structural engineering. Structural Magazine, 27(11), 28–30.
Ellingwood, B. R., Bocchini, P., Lounis, Z., Ghosn, M., Liu, M., Yang, D., Capacci, L., Diniz, S., Lin, N., Tsiatas, G., Biondini, F., de Lindt, J., Frangopol, D.M., Akiyama, M., Li, Y., Barbato, M., Hong, H., McAllister, T., Tsampras, G. & Vahedifard, F. (2024). Impact of Climate Change on Infrastructure Performance. In Effects of Climate Change on Life-Cycle Performance of Structures and Infrastructure Systems: Safety, Reliability, and Risk (pp. 115-206). Reston, VA: American Society of Civil Engineers.
Eisenhauer, E., Henson, S., Matsler, A., Maxwell, K., Reilly, I., Shacklette, M., Julius, S., Kiessling, B., Fry, M., Nee, R., Bryant, J., Finley, J., & Kieber, B. (2024). Centering equity in community resilience planning: Lessons from case studies. Natural Hazards Forum, Washington, D.C.
IPCC (1997). The regional impacts of climate change: an assessment of vulnerability. IPCC, Geneva.
McAllister, T., Walker, R., & Baker, A. (2022). Assessment of resilience in codes, standards, regulations, and best practices for buildings and infrastructure systems. NIST Technical Note 2209. National Institute of Standards and Technology. https://doi.org/10.6028/NIST.TN.2209
O’Neill, B., van Aalst, M., Zaiton Ibrahim, Z., Berrang Ford, L., Bhadwal, S., Buhaug, H., Diaz, D., Frieler, K., Garschagen, M., Magnan, A., Midgley, G., Mirzabaev, A., Thomas, A., & Warren, R. (2022). Key risks across sectors and regions. In H.-O. Pörtner, D. C. Roberts, M. Tignor, E. S. Poloczanska, K. Mintenbeck, A. Alegría, M. Craig, S. Langsdorf, S. Löschke, V. Möller, A. Okem, & B. Rama (Eds.), Climate change 2022: Impacts, adaptation and vulnerability. Contribution of Working Group II to the Sixth Assessment Report of the Intergovernmental Panel on Climate Change (pp. 2411–2538). Cambridge University Press. https://doi.org/10.1017/9781009325844.025
Poland, C. D. (2009). The resilient city: Defining what San Francisco needs from its seismic mitigation policies. San Francisco Planning and Urban Research Association Report. Earthquake Engineering Research Institute.
Vogel, J., Carney, K. M., Smith, J. B., Herrick, C., et al. (2016). Climate adaptation: The state of practice in US communities. The Kresge Foundation and Abt Associates.
El diseño estructural de infraestructuras, como edificios y puentes, se basa en códigos que establecen los criterios necesarios para garantizar su resistencia a diversas condiciones climáticas y ambientales. Estos códigos se actualizan periódicamente para reflejar los avances científicos y tecnológicos. Sin embargo, el cambio climático plantea un desafío disruptivo, ya que altera las condiciones climáticas de manera impredecible, lo que cuestiona la suposición de que las cargas climáticas son estacionarias.
En estas líneas se aborda cómo la transición del diseño estructural basado en estados límites ha influido en la forma en que se tienen en cuenta las variables climáticas. También aborda las dificultades que surgen al integrar el cambio climático en los modelos de riesgo estructural y analiza la necesidad de ajustar los métodos de estimación y diseño para tener en cuenta la creciente incertidumbre sobre el futuro climático.
Estas reflexiones se enmarcan dentro del proyecto RESILIFE, que actualmente desarrollo como investigador principal, y se han basado en algunas ideas desarrolladas en el trabajo reciente de Ellingwood et al. (2024).
Los códigos estructurales establecen los criterios necesarios para diseñar edificios, puentes y otras infraestructuras capaces de resistir las demandas de uso y los eventos ambientales o climáticos, como la nieve, el hielo, las lluvias, las tormentas de viento e inundaciones fluviales y costeras. Para garantizar que reflejen los últimos avances en ciencia e ingeniería, estos códigos se actualizan periódicamente, generalmente cada 5 o 10 años.
En las últimas cuatro décadas, los códigos estructurales de todo el mundo, como el «Minimum Design Loads and Associated Criteria for Buildings and Other Structures (ASCE 7-22)», las «LRFD Bridge Design Specifications (AASHTO)», el «International Building Code«, el «National Building Code of Canada» y los Eurocódigos, han adoptado los principios del diseño basado en estados límite. Durante este tiempo, los ingenieros estructurales y la normativa han reconocido la importancia de las herramientas de análisis de fiabilidad estructural y gestión del riesgo para modelar las incertidumbres asociadas a las cargas estructurales y la respuesta de las estructuras, y así garantizar un rendimiento adecuado en servicio (García-Segura et al., 2017). Con la transición del diseño basado en tensiones admisibles al diseño por estados límite, los criterios para las cargas climáticas han evolucionado gradualmente. Hasta ahora, estos criterios, basados en registros climáticos históricos y en evaluaciones de fiabilidad estructural, han tratado las cargas operativas y climáticas como estacionarias, asumiendo que el pasado es representativo del futuro.
El cambio climático plantea un desafío disruptivo y significativo para la evolución gradual de los códigos basados en el riesgo, así como para las prácticas de diseño estructural (ASCE, 2015a, 2018). La suposición de estacionariedad en el análisis de riesgos naturales deja de ser válida al tener en cuenta los efectos del cambio climático. Además, las incertidumbres asociadas a las proyecciones climáticas para el resto del siglo XXI son considerables, especialmente en lo que respecta a las cargas de viento, hielo y nieve (Tye et al., 2021). Las condiciones climáticas más agresivas podrían acelerar el deterioro estructural en ciertos casos, así como aumentar la intensidad y duración de los peligros. El cambio climático también ha suscitado controversia desde el punto de vista económico y político. Lograr consenso en los comités encargados de los códigos sobre el impacto del cambio climático en las infraestructuras requerirá una gestión técnica eficaz y una separación clara entre los aspectos políticos, como las causas del cambio climático, y los aspectos técnicos, como su impacto en las estructuras. Asimismo, podría haber oposición pública ante los costes adicionales que conlleven las modificaciones en los códigos climáticos. No obstante, ignorar los efectos del cambio climático en el comportamiento a largo plazo de las estructuras e infraestructuras podría incrementar el riesgo de daños y fallos, aumentar los costes de diseño, construcción y mantenimiento, agravar problemas de salud y seguridad públicas, interrumpir servicios esenciales y generar impactos socioeconómicos y ambientales negativos a nivel nacional.
Es fundamental abordar varias preguntas clave para considerar las exigencias del cambio climático en el desarrollo de los códigos estructurales. Entre ellas se encuentran (Ellingwood et al., 2024) :
¿Cómo se debe modelar la no estacionariedad en la ocurrencia e intensidad de los eventos climáticos extremos provocados por el cambio climático?
¿Cómo se deben integrar estas incertidumbres en un análisis de fiabilidad estructural dependiente del tiempo, con el fin de estimar el comportamiento futuro y demostrar el cumplimiento de los objetivos de rendimiento expresados en términos de fiabilidad?
¿Cómo se puede convencer a los ingenieros estructurales y al público en general de la necesidad de aceptar estos cambios en interés nacional (Cooke, 2015), incluso si en algunos casos los costes de los sistemas de infraestructura aumentan?
Problemas y desafíos en el análisis de datos climáticos para el diseño estructural
Las variables climáticas empleadas en los códigos estructurales se basan principalmente en datos históricos. Los vientos extratropicales, la nieve, la temperatura y las precipitaciones se analizan exclusivamente a partir de estos datos. En el caso de los huracanes, se integran datos históricos en un marco que modela su génesis en la cuenca del Atlántico Norte, su desarrollo hasta convertirse en huracanes plenamente formados que impactan en infraestructuras costeras y su disipación tras tocar tierra. Estos análisis suponen que las variables climáticas pueden evaluarse como si fueran estacionarias, es decir, que el pasado es representativo del futuro y que sus intensidades pueden determinarse en función de sus periodos de retorno. Los datos se han recopilado para fines distintos al diseño de edificaciones, como la aviación comercial, la hidrología local, la gestión de recursos hídricos y la agricultura, y generalmente abarcan menos de 100 años.
La mayoría de las variables climáticas incluidas en los códigos se suelen determinar ajustando el parámetro extremo anual a una distribución de probabilidad. Entre las distribuciones más comunes utilizadas para este propósito se encuentran la distribución Tipo I de valores máximos y la distribución generalizada de valores extremos. El periodo de retorno o intervalo medio de recurrencia de una carga se calcula como el recíproco de la probabilidad anual de que dicha carga se supere. El error de muestreo en la estimación de los eventos base de diseño en una secuencia estacionaria para periodos de retorno superiores a 100 años puede ser considerable. Sin embargo, las estimaciones de las medias de las muestras suelen ser razonablemente estables cuando se actualizan en intervalos típicos de 10 años con datos climáticos adicionales.
La suposición de estacionariedad en los datos no puede justificarse en un contexto de cambio climático (Pandey y Lounis, 2023), y el concepto de un evento asociado a un periodo de retorno específico no es aplicable en sentido estricto. El aumento (o disminución) de las variables climáticas, junto con la creciente incertidumbre en los modelos de predicción climática, especialmente a partir del año 2060, afectará a la forma de analizar y especificar los datos para fines de diseño estructural. Quizás lo más relevante sea el impacto que tendrá sobre la forma en que se comunicarán los peligros de diseño a la comunidad profesional de la ingeniería y a sus clientes (Cooke, 2015). Ellingwood et al. (2024) recuerdan claramente la confusión generada por el concepto de periodo de retorno cuando se introdujo a finales de la década de 1960. El periodo de retorno se concibió como una herramienta para reconocer que el parámetro de carga es aleatorio y para definir indirectamente la probabilidad anual de que se supere su intensidad de diseño, sin necesidad de recurrir a probabilidades pequeñas que no eran habituales entre los ingenieros estructurales de esa época. Esto podría explicar por qué algunos investigadores climáticos han intentado presentar sus estimaciones de parámetros utilizando el concepto de periodo de retorno (Ribereau et al., 2008; Salas y Obeysekera, 2014). Este problema requiere una reflexión cuidadosa al tratar con un clima cambiante, donde las probabilidades anuales no son constantes a lo largo de la vida útil de una estructura.
El crecimiento proyectado de las variables climáticas y sus incertidumbres más allá del año 2060 indica que será necesario desarrollar métodos para gestionar la incertidumbre epistémica -se refiere a la incertidumbre del modelo- en la estimación de parámetros, un aspecto que no se había tenido en cuenta previamente al estimar las variables climáticas para desarrollar códigos estructurales. Aunque la precisión de las técnicas generales de pronóstico climático ha mejorado gracias a la recopilación continua de datos, los modelos climáticos actuales son más capaces de predecir el impacto del cambio climático sobre la temperatura y las precipitaciones que sobre fenómenos como inundaciones, nevadas y vientos. Esto resulta problemático a la hora de considerar los niveles de probabilidad apropiados para el análisis de seguridad estructural.
Las futuras investigaciones podrían centrarse en el desarrollo de modelos más precisos para cargas climáticas específicas, como ciclones tropicales o sequías prolongadas, que aún presentan elevadas incertidumbres en sus proyecciones. Además, sería valioso explorar la aplicación de estos principios a sistemas de infraestructura emergentes, como redes de energía renovable o tecnologías de transporte resilientes. Por último, se sugiere investigar métodos para integrar datos climáticos en tiempo real en el diseño y seguimiento de infraestructuras, fomentando un enfoque dinámico y adaptable al cambio climático.
En resumen, los códigos estructurales establecen los criterios necesarios para diseñar infraestructuras capaces de resistir eventos climáticos como tormentas, nieve e inundaciones, y se actualizan periódicamente para reflejar los avances científicos y tecnológicos. Sin embargo, el cambio climático plantea un reto significativo, ya que altera las condiciones climáticas de manera impredecible, lo que hace que la suposición de estacionariedad que hasta ahora ha guiado el diseño estructural sea obsoleta. Este artículo explora cómo los códigos estructurales han evolucionado hacia un diseño basado en estados límite y la necesidad urgente de ajustar los métodos de análisis de riesgos ante la creciente incertidumbre climática. Además, se analizan los problemas derivados del uso exclusivo de datos históricos para modelar cargas climáticas y las dificultades que plantea el cambio climático a la hora de predecir eventos extremos. Finalmente, se destaca la necesidad de desarrollar nuevos modelos y enfoques analíticos que garanticen la seguridad de las infraestructuras en un entorno climático en constante cambio.
Os dejo un mapa conceptual sobre las reflexiones anteriores.
Referencias:
ASCE (2015). Adapting infrastructure and civil engineering practice to a changing climate. Committee on Adaptation to a Changing Climate. American Society of Civil Engineers.
ASCE (2018). Climate-resilient infrastructure: Adaptive design and risk management. Reston, VA: Committee on Adaptation to a Changing Climate. American Society of Civil Engineers.
Cooke, R. M. (2015). Messaging climate change uncertainty. Nature Climate Change, 5(1), 8-10.
Ellingwood, B. R., Bocchini, P., Lounis, Z., Ghosn, M., Liu, M., Yang, D., Capacci, L., Diniz, S., Lin, N., Tsiatas, G., Biondini, F., de Lindt, J., Frangopol, D.M., Akiyama, M., Li, Y., Barbato, M., Hong, H., McAllister, T., Tsampras, G. & Vahedifard, F. (2024). Impact of Climate Change on Infrastructure Performance. In Effects of Climate Change on Life-Cycle Performance of Structures and Infrastructure Systems: Safety, Reliability, and Risk (pp. 115-206). Reston, VA: American Society of Civil Engineers.
García-Segura, T., Yepes, V., Frangopol, D. M., & Yang, D. Y. (2017). Lifetime reliability-based optimization of post-tensioned box-girder bridges. Engineering Structures, 145, 381-391.
Pandey, M. D., & Lounis, Z. (2023). Stochastic modelling of non-stationary environmental loads for reliability analysis under the changing climate. Structural Safety, 103, 102348.
Ribereau, P., Guillou, A., & Naveau, P. (2008). Estimating return levels from maxima of non-stationary random sequences using the Generalized PWM method. Nonlinear Processes in Geophysics, 15(6), 1033-1039.
Salas, J. D., & Obeysekera, J. (2014). Revisiting the concepts of return period and risk for nonstationary hydrologic extreme events. Journal of hydrologic engineering, 19(3), 554-568.
Tye, M. R., & Giovannettone, J. P. (2021, October). Impacts of future weather and climate extremes on United States infrastructure: Assessing and prioritizing adaptation actions. Reston, VA: American Society of Civil Engineers.
El artículo presenta un análisis exhaustivo sobre la integración de la realidad aumentada en la enseñanza superior de las ingenierías y de las ciencias de la Tierra. Una de las contribuciones más significativas es la propuesta de una metodología estructurada, denominada SEBAS, que guía la incorporación de esta tecnología enriquecedora en el aula. Esta metodología no solo proporciona un marco claro para el desarrollo de actividades educativas, sino que también fomenta un enfoque activo y participativo en el aprendizaje. La investigación destaca cómo esta tecnología puede transformar la enseñanza tradicional, ya que facilita la visualización de conceptos complejos y abstractos, lo que resulta en una experiencia de aprendizaje más interactiva y efectiva.
Además, el estudio resalta la importancia de la formación docente en el uso de tecnologías emergentes, lo que puede mejorar la calidad de la enseñanza y la preparación del alumnado para afrontar los desafíos del mundo profesional. La inclusión de la realidad aumentada en el currículo de ingeniería civil no solo enriquece el proceso educativo, sino que también responde a las necesidades de una generación de nativos digitales que demanda métodos de enseñanza más dinámicos.
Los resultados de la investigación indican que los estudiantes recibieron positivamente la implantación de esta tecnología en su formación. Se observó un aumento en la comprensión de los contenidos teóricos y una mejora en la motivación y el compromiso con el aprendizaje. La encuesta realizada a los participantes mostró que la mayoría considera que la realidad aumentada es un complemento valioso para las actividades prácticas y teóricas, lo que sugiere que esta herramienta puede ser un recurso eficaz para abordar las limitaciones de la educación tradicional.
Estos hallazgos tienen implicaciones significativas para la práctica profesional en ingeniería civil. La capacidad de visualizar y manipular modelos tridimensionales permite a los futuros profesionales desarrollar habilidades críticas esenciales para su campo. Además, la investigación recomienda que esta tecnología puede utilizarse para simular situaciones reales en el entorno laboral, lo que prepara a los futuros ingenieros para enfrentar desafíos prácticos de manera más efectiva. Este enfoque no solo mejora la formación académica, sino que también aumenta la empleabilidad de los graduados.
A partir de los resultados del artículo, se pueden identificar varias áreas de estudio que merecen una exploración más a fondo. Una posible línea de investigación podría centrarse en evaluar a largo plazo el impacto de la realidad aumentada en el rendimiento y la retención del conocimiento del alumnado de ingeniería civil. Esto permitiría determinar la efectividad de esta tecnología en diferentes contextos educativos y su capacidad para adaptarse a diversas metodologías de enseñanza.
Otra área de interés podría ser el desarrollo de recursos digitales específicos que complementen la enseñanza de otras disciplinas dentro de la ingeniería, como la ingeniería estructural o la ingeniería ambiental. La creación de aplicaciones que aborden temas específicos podría enriquecer aún más el aprendizaje y proporcionar herramientas prácticas a los estudiantes.
Finalmente, se sugiere investigar la percepción y aceptación de la realidad aumentada entre el profesorado, así como su disposición para integrar estas tecnologías en su práctica docente. Comprender las barreras y facilitadores en la adopción de esta herramienta por parte de los docentes puede resultar clave para su implementación exitosa en el aula.
La investigación sobre la realidad aumentada en la enseñanza superior de ingeniería civil ofrece perspectivas valiosas para mejorar el proceso de enseñanza-aprendizaje. La metodología SEBAS y los resultados positivos en la percepción del alumnado ponen de manifiesto el potencial de esta tecnología como herramienta educativa. Las futuras investigaciones en este campo pueden contribuir significativamente al avance del conocimiento y la práctica en esta disciplina, promoviendo una educación más interactiva y adaptada a las necesidades del entorno profesional actual.
El documento, titulado «Guía para las especificaciones técnicas del hormigón», forma parte de la serie de guías Eurocódigos, elaborada por el Ministerio de Transportes, Movilidad y Agenda Urbana de España. Su propósito es proporcionar un marco de referencia que facilite la aplicación de los Eurocódigos en el diseño y ejecución de obras de construcción, prestando especial atención al hormigón. A lo largo del texto se abordan aspectos técnicos relacionados con la especificación del hormigón, con el objetivo de garantizar el cumplimiento de las normativas europeas y de las exigencias del Código Estructural español.
La guía se enmarca en un contexto normativo que ha experimentado una notable transformación desde la implementación de los Eurocódigos en la década de 1980. Se destaca la importancia de estas normativas para armonizar los criterios de diseño y ejecución en el ámbito de la construcción en Europa. La guía se presenta como un recurso esencial para los profesionales del sector, ya que proporciona directrices claras y concisas sobre cómo especificar el hormigón de acuerdo con la normativa vigente.
Desarrollo de los aspectos más relevantes
La guía se organiza en varios capítulos que abordan desde la introducción a los Eurocódigos hasta la definición de especificaciones técnicas del hormigón. En el primer capítulo se establece el contexto y la importancia de la normativa europea en el ámbito de la construcción, y se destaca la evolución de los Eurocódigos desde su creación hasta su aplicación en proyectos de infraestructura en España. Se menciona que la serie de guías Eurocódigos se inició en 2018 con el objetivo de profundizar en el conocimiento de estas normativas en la comunidad técnica española y facilitar su aplicación en proyectos de la Dirección General de Carreteras.
Uno de los aspectos más relevantes es la definición de los requisitos básicos para especificar el hormigón, que incluyen la clase de resistencia a compresión, la clase de exposición y el tamaño máximo del árido. Estos requisitos son esenciales para garantizar que el hormigón utilizado en las obras cumpla con las propiedades mecánicas y de durabilidad necesarias para su correcto funcionamiento en las condiciones ambientales previstas. La guía detalla cómo se deben designar los hormigones y cómo se debe elaborar el cuadro de especificaciones técnicas para garantizar el cumplimiento de las normativas.
La guía también aborda la equivalencia entre las especificaciones del hormigón según los Eurocódigos y el Código Estructural, y proporciona un marco claro para interpretar y aplicar ambas normativas. Este enfoque permite a los profesionales del sector entender cómo se relacionan los requisitos de cada norma y cómo se pueden aplicar en la práctica. Se hace hincapié en la necesidad de resolver la compatibilidad entre las normas europeas de producto, ejecución y control, y el Código Estructural, motivo por el cual se ha elaborado esta guía.
Además, se incluyen recomendaciones sobre el control de calidad y la ejecución del hormigón, haciendo hincapié en la importancia de establecer niveles de control adecuados durante la producción y colocación del material. La guía sugiere que el control de conformidad de la resistencia del hormigón se realice mediante métodos estadísticos, lo que permite evaluar con mayor precisión la calidad del material utilizado en las obras. Se menciona que el control de conformidad debe incluir la verificación de la resistencia, durabilidad y otras características exigidas en el pliego de prescripciones técnicas particulares.
Otro aspecto destacado es la clasificación del hormigón en función de su tipo y función estructural. La guía establece que es conveniente incluir una distinción en función del uso previsto del hormigón, diferenciando entre hormigón en masa, hormigón armado, hormigón pretensado y hormigón no estructural. Esta clasificación permite prever las características del material definidas en la especificación, lo que es esencial para garantizar la calidad y durabilidad del hormigón en las obras.
La guía también proporciona un análisis detallado de los requisitos adicionales que pueden incluirse en la especificación del hormigón, como el tipo de cemento, la temperatura del hormigón fresco y las características exigidas para resistir daños por ciclos de hielo-deshielo. Estos requisitos adicionales son importantes para garantizar que el hormigón se adapte a las condiciones específicas del entorno en el que se utilizará, lo que contribuirá a su durabilidad y rendimiento a largo plazo.
Recomendaciones prácticas
Para aplicar correctamente las especificaciones técnicas del hormigón, se recomienda que los estudiantes y los profesionales del sector se familiaricen con los Eurocódigos, el Código Estructural y la guía en cuestión. Se recomienda realizar capacitaciones periódicas sobre las normativas vigentes, ya que esto contribuirá a una mejor comprensión de los requisitos y a su correcta implementación en proyectos de construcción.
Asimismo, se sugiere establecer protocolos claros para el control de calidad del hormigón que incluyan la realización de ensayos de resistencia y durabilidad en diferentes etapas del proceso de producción y colocación. La documentación de estos ensayos debe ser rigurosa y accesible para facilitar la trazabilidad del material utilizado en las obras.
Es fundamental fomentar la colaboración entre todos los actores involucrados en el proceso constructivo, desde los diseñadores hasta los ejecutores, para garantizar que todos comprendan y apliquen adecuadamente las especificaciones técnicas del hormigón. La comunicación efectiva entre los equipos de trabajo puede ayudar a prevenir errores y garantizar el cumplimiento de los estándares de calidad establecidos.
Conclusión
La guía de especificaciones técnicas del hormigón proporciona un marco detallado y estructurado que facilita la aplicación de normativas europeas en el ámbito de la construcción en España. Su contenido técnico y práctico resulta muy útil para el alumnado y los profesionales del sector, ya que facilita la comprensión de los requisitos necesarios para garantizar la calidad y durabilidad del hormigón en las obras. La aplicación de las recomendaciones propuestas mejorará la práctica constructiva y garantizará el cumplimiento de las normativas vigentes.
A continuación, os paso la guía completa. Espero que os sea útil.
Acaban de publicar nuestro artículo en la revista del primer decil del JCR Journal of Building Enginering. El artículo aborda el desafío técnico y científico que supone analizar las características de deformación en excavaciones profundas en suelos blandos. Estas excavaciones, que están aumentando en escala y complejidad, plantean problemas de estabilidad debido a las propiedades inherentes de los suelos blandos, como su alta compresibilidad, alta sensibilidad, baja permeabilidad y baja resistencia. Además, la interacción entre el agua y el suelo durante la excavación puede causar consolidación por filtración, alteraciones en el campo de tensiones y riesgos significativos para las estructuras circundantes.
Actualmente, los métodos predominantes, como el análisis por elementos finitos y la monitorización experimental, presentan limitaciones a la hora de evaluar la precisión y los efectos espaciales en grandes escalas. Este estudio propone una mejora mediante la modelación tridimensional no lineal que incorpora un modelo de interfaz deslizante. El estudio analiza el proyecto XSS-03-10D, para lo que se utilizan mediciones in situ y simulaciones numéricas con las que estudiar la evolución temporal y espacial de la deformación de los sistemas de soporte y los asentamientos superficiales.
La pregunta principal que guía este trabajo es la siguiente: ¿cómo influye la interacción entre el sistema de soporte y el suelo circundante en la estabilidad y seguridad de las excavaciones profundas en suelos blandos y qué tan efectivas son las herramientas de modelación tridimensional para predecir estos comportamientos?
Este trabajo se enmarca dentro del proyecto de investigación RESILIFE, que dirijo como investigador principal en la Universitat Politècnica de València. Colaboramos con investigadores de la Hunan University of Science and Engineering, de China. A continuación, explicamos brevemente el contenido del artículo que podéis descargar gratuitamente.
Metodología
La metodología empleada en este estudio combina el control exhaustivo en campo con avanzadas simulaciones numéricas para evaluar las características de deformación de las excavaciones profundas. En primer lugar, se realizó un análisis detallado de las condiciones geotécnicas del terreno, incluyendo pruebas de laboratorio y muestreo de suelos en diferentes capas. Gracias a estas pruebas, se identificaron propiedades clave del suelo, como el contenido de humedad, la densidad, la cohesión y el ángulo de fricción interna, que son esenciales para los cálculos posteriores.
Posteriormente, se diseñó un modelo tridimensional no lineal en el programa informático ABAQUS que incorporó las propiedades específicas del suelo y un modelo de interfaz deslizante para simular las interacciones entre el sistema de soporte y el terreno. Este modelo se estructuró en dos capas principales de excavación: la primera, desde la superficie hasta los -7550 m, está compuesta principalmente por relleno y lodo; y la segunda, desde los -7550 m hasta los -10750 m, está formada principalmente por lodo blando.
El modelo numérico se calibró mediante la comparación con datos reales obtenidos de 197 puntos de control distribuidos en el yacimiento. Estos puntos incluían sensores para medir desplazamientos horizontales y verticales, la presión del suelo y las fuerzas axiales en los sistemas de soporte. Además, se integraron sistemas de alerta temprana que permitieron identificar zonas críticas en tiempo real y ajustar las estrategias de soporte en consecuencia.
El análisis se dividió en varias etapas:
Modelación inicial: Se definieron los parámetros básicos del suelo y los límites del modelo. Se realizaron simulaciones preliminares para establecer un marco de referencia.
Simulación del proceso de excavación: Se aplicaron cargas incrementales para replicar el proceso de excavación por capas, teniendo en cuenta los cambios en la presión del suelo y las interacciones dinámicas entre los sistemas de soporte y el terreno.
Validación de resultados: Los resultados del modelo se compararon con los datos de supervisión in situ. Esto incluyó la evaluación de desplazamientos, deformaciones y fuerzas internas, y la realización de ajustes iterativos en el modelo para mejorar la precisión.
Análisis de escenarios críticos: Se exploraron escenarios de fallo potenciales y se identificaron las zonas más vulnerables dentro del sistema de soporte y del terreno circundante.
Esta combinación de monitorización de campo y simulación numérica no solo permitió validar la precisión del modelo tridimensional, sino también obtener una visión integral de los patrones espaciotemporales de deformación.
Aportaciones relevantes
En primer lugar, este trabajo presenta un modelo tridimensional de elementos finitos que combina elasticidad y plasticidad no lineales y que está adaptado para capturar las características específicas de los suelos blandos. Este enfoque supera las limitaciones de los modelos constitutivos tradicionales al integrar datos de campo y parámetros geotécnicos.
En segundo lugar, el estudio identifica los factores clave que afectan a la estabilidad de las excavaciones profundas, como la presión lateral del suelo, los efectos de consolidación y la interacción entre el terreno y la estructura. La comparación entre los datos medidos y los simulados demostró una alta correlación, lo que confirma la precisión del modelo y su aplicabilidad práctica.
Además, el artículo destaca la importancia de realizar un seguimiento continuo y de integrar sistemas de alerta temprana para mitigar riesgos durante la construcción. Este enfoque tiene un impacto directo en la sostenibilidad de los proyectos de infraestructura, ya que reduce el riesgo de fallos estructurales y minimiza el impacto ambiental.
Otra contribución relevante es la identificación de patrones espaciotemporales en la deformación de los sistemas de soporte, lo que permite diseñar estrategias de mitigación más eficaces. Por último, el enfoque metodológico presentado puede adaptarse a otros tipos de proyectos de infraestructura, lo que amplía su aplicabilidad en el campo de la ingeniería civil.
Discusión de resultados
Los resultados del estudio muestran que la deformación de los sistemas de soporte y los asentamientos del suelo presentan patrones espaciotemporales complejos. Durante la excavación por capas, se observó que el sistema de soporte experimentaba un incremento progresivo de las fuerzas axiales, alcanzando valores cercanos a los límites de seguridad en zonas específicas. Estas áreas coinciden con zonas de transición entre diferentes propiedades del suelo y regiones con interacciones más intensas entre el agua y el suelo.
El análisis numérico reveló que el modelo tridimensional es más preciso a la hora de predecir deformaciones y fallos que los métodos tradicionales. Por ejemplo, las simulaciones anticiparon asentamientos y desplazamientos horizontales que coincidieron con los valores observados in situ, lo que proporciona una herramienta fiable para la toma de decisiones durante la construcción.
En cuanto a los desplazamientos horizontales, los datos de control mostraron que los puntos ubicados cerca de áreas de transición de suelos blandos presentaron los mayores valores de deformación. Esto subraya la importancia de diseñar sistemas de soporte que se puedan adaptar dinámicamente a las características específicas del terreno. Por otro lado, los asentamientos superficiales fueron más pronunciados en zonas adyacentes a cuerpos de agua, lo que sugiere que el nivel freático es crucial para la estabilidad de las excavaciones.
Desde el punto de vista del comportamiento estructural, las fuerzas axiales en los soportes interiores aumentaron de forma progresiva durante la excavación, alcanzando valores cercanos a los límites de diseño. Esto demuestra la necesidad de implementar estrategias de refuerzo adicionales en las fases críticas de la construcción. Los resultados también evidenciaron la presencia de efectos de acoplamiento entre el suelo y las estructuras circundantes, un aspecto que podría abordarse en futuros estudios para mejorar la precisión de los modelos predictivos.
Además, se observó que la interacción entre el sistema de soporte y el suelo puede verse significativamente influenciada por factores externos, como las condiciones climáticas y las variaciones en el nivel freático. Estas interacciones tienen implicaciones directas para la estabilidad del sistema, por lo que se deben utilizar estrategias de monitorización adaptativas. Finalmente, los patrones de deformación identificados durante el análisis ponen de manifiesto la importancia de realizar ajustes dinámicos en el diseño y el monitoreo según las condiciones cambiantes en tiempo real.
Futuras líneas de investigación
A partir de los resultados de este estudio, se identifican varias áreas prometedoras para la investigación futura. Una de ellas es mejorar los modelos constitutivos del suelo para tener en cuenta mejor los efectos de la interacción multidimensional entre agua, suelo y estructuras. Esto podría incluir la incorporación de modelos viscoelásticos para simular el comportamiento a largo plazo de los suelos blandos.
Otra línea de interés es el desarrollo de herramientas de simulación que integren datos en tiempo real procedentes de sensores distribuidos en el lugar de la obra. Esto permitiría realizar ajustes instantáneos en las estrategias de construcción, mejorando la seguridad y reduciendo los costes asociados a fallos inesperados.
Además, el estudio destaca la necesidad de investigar la influencia de eventos extremos, como terremotos o lluvias torrenciales, en la estabilidad de excavaciones profundas. Las simulaciones que integran estos escenarios podrían proporcionar datos valiosos para diseñar sistemas de soporte más resilientes.
Finalmente, la investigación sobre métodos sostenibles de construcción en suelos blandos podría beneficiarse de estudios centrados en el uso de materiales de refuerzo ecológicos y en la optimización de diseños que reduzcan la huella de carbono. Estas iniciativas contribuirían al avance de la ingeniería civil hacia un enfoque más respetuoso con el medio ambiente.
Conclusión
El trabajo ofrece un análisis exhaustivo y un marco metodológico innovador para abordar los desafíos de las excavaciones profundas en suelos blandos. Al combinar la supervisión in situ con simulaciones numéricas avanzadas, el estudio asienta las bases para mejorar las prácticas de diseño y construcción.
El uso de modelos tridimensionales no lineales ha demostrado ser una herramienta muy eficaz para predecir comportamientos complejos de deformación y diseñar estrategias de mitigación más efectivas. Esto tiene implicaciones significativas para proyectos de infraestructura en entornos similares, ya que ofrece una guía clara para mejorar la estabilidad y sostenibilidad de estas obras.
En la práctica, los hallazgos refuerzan la importancia del seguimiento continuo y la adaptación dinámica de las estrategias de soporte según las condiciones en tiempo real. Estas prácticas no solo aumentan la seguridad, sino que también reducen los costes y el impacto ambiental asociados a los fallos estructurales.
Finalmente, el estudio sentará las bases para futuras investigaciones que exploren enfoques aún más integrados, sostenibles y resilientes, y permitirá que la ingeniería civil continúe evolucionando frente a los desafíos que presentan los entornos geotécnicos complejos. Además, los resultados invitan a adoptar un enfoque interdisciplinario que combine herramientas tecnológicas avanzadas y principios de sostenibilidad para optimizar tanto los resultados estructurales como el impacto ambiental de las construcciones en suelos blandos.
El aprendizaje no supervisado es una rama del aprendizaje automático (Machine Learning) que se centra en analizar y estructurar datos sin etiquetas ni categorías predefinidas. A diferencia del aprendizaje supervisado, en el que los modelos se entrenan con datos etiquetados, en el aprendizaje no supervisado los algoritmos deben identificar de manera autónoma patrones, relaciones o estructuras ocultas dentro de los datos. Se trata de una herramienta poderosa para explorar y entender datos complejos sin la necesidad de etiquetas predefinidas, descubriendo patrones y estructuras ocultas que pueden ser de gran valor en diversas aplicaciones prácticas.
El aprendizaje no supervisado permite analizar datos sin un objetivo definido o sin conocimiento previo de su estructura. Este enfoque es ideal para explorar patrones latentes y reducir la dimensionalidad de grandes conjuntos de datos, lo que facilita una mejor comprensión de su estructura. Además, al no depender de etiquetas previamente asignadas, permite adaptarse de manera flexible a diversos tipos de datos, incluidos aquellos cuya estructura subyacente no es evidente. Esta característica lo hace especialmente valioso en ámbitos como la exploración científica y el análisis de datos de mercado, donde los datos pueden ser abundantes, pero carecer de categorías predefinidas.
A pesar de sus ventajas, el aprendizaje no supervisado plantea desafíos como la interpretación de los resultados, ya que sin etiquetas predefinidas puede ser difícil evaluar la precisión de los modelos. Además, la elección del número óptimo de grupos o la validación de las reglas de asociación descubiertas puede requerir la intervención de expertos y métodos adicionales de validación.
El aprendizaje no supervisado incluye diversas técnicas que permiten analizar y extraer patrones de grandes conjuntos de datos sin necesidad de etiquetas. Una de las principales técnicas es el agrupamiento (clustering), que busca dividir los datos en grupos basados en similitudes inherentes. Existen dos tipos de algoritmos de agrupamiento: el agrupamiento duro, que asigna un dato a un único grupo, y el agrupamiento suave, que permite que un dato pertenezca a varios grupos con diferentes grados de pertenencia. Técnicas como k-means y k-medoids se utilizan mucho en este contexto. Mientras que k-means busca minimizar la distancia entre los datos y los centros de los grupos, k-medoids es más robusto frente a valores atípicos y adecuado para datos categóricos. Por otro lado, el agrupamiento jerárquico genera un dendrograma que permite explorar relaciones jerárquicas en los datos. Los mapas autoorganizados, que emplean redes neuronales, se utilizan para reducir la dimensionalidad de los datos sin perder su estructura y facilitar su interpretación en campos como la bioinformática y la economía.
En situaciones donde los datos tienen relaciones difusas, el agrupamiento suave, como el fuzzy c-means, asigna grados de pertenencia a cada dato, lo que resulta útil en áreas como la biomedicina. Los modelos de mezcla gaussiana, que utilizan distribuciones normales multivariadas, también se aplican a problemas complejos como la segmentación de mercado o la detección de anomalías. Además, el aprendizaje no supervisado incluye técnicas de asociación que buscan descubrir relaciones entre variables en grandes bases de datos, como el análisis de la cesta de la compra, donde se identifican productos que suelen comprarse juntos. También se utilizan técnicas de reducción de la dimensionalidad, que simplifican los datos de alta dimensionalidad sin perder mucha variabilidad. El análisis de componentes principales (PCA) es una técnica común en este ámbito, ya que transforma los datos en combinaciones lineales que facilitan su visualización y análisis, especialmente en casos de datos ruidosos, como los procedentes de sensores industriales o dispositivos médicos. Otras técnicas, como el análisis factorial y la factorización matricial no negativa, también se utilizan para reducir la complejidad de los datos y hacerlos más manejables, y son útiles en áreas como la bioinformática, el procesamiento de imágenes y el análisis de textos.
El aprendizaje no supervisado tiene diversas aplicaciones, como el análisis de clientes, que permite identificar segmentos con características o comportamientos similares, lo que optimiza las estrategias de marketing y la personalización de los servicios. También se utiliza en la detección de anomalías, ya que ayuda a identificar datos atípicos que pueden indicar fraudes, fallos en los sistemas o comportamientos inusuales en áreas industriales y financieras; en este campo, el análisis factorial revela dinámicas compartidas entre sectores económicos, lo que mejora la predicción de tendencias de mercado. En el procesamiento de imágenes, facilita tareas como la segmentación, que consiste en agrupar píxeles con características similares para identificar objetos o regiones dentro de una imagen. Además, en el análisis de textos, técnicas como la factorización matricial no negativa permiten descubrir temas latentes en grandes colecciones de documentos, mejorando los sistemas de recomendación y el análisis de sentimientos. En la investigación genómica, el clustering suave ha permitido identificar genes implicados en el desarrollo de enfermedades, lo que ha contribuido a avanzar en la medicina personalizada. Esta capacidad para analizar patrones complejos en datos biológicos ha acelerado el descubrimiento de biomarcadores y posibles dianas terapéuticas. Este enfoque también permite identificar correlaciones entre variables macroeconómicas que de otra manera podrían pasar desapercibidas. Por otro lado, el PCA se ha aplicado con éxito en la monitorización de sistemas industriales, ya que permite predecir fallos y reducir costes operativos mediante el análisis de variaciones en múltiples sensores. En el ámbito de la minería de textos, la factorización no negativa permite descubrir temas latentes, lo que mejora los sistemas de recomendación y análisis de sentimiento. Esto resulta particularmente valioso en aplicaciones de marketing digital, donde la segmentación precisa del contenido puede aumentar la eficacia de las campañas.
El aprendizaje no supervisado ha encontrado diversas aplicaciones en el ámbito de la ingeniería civil, ya que permite optimizar procesos y mejorar la toma de decisiones. A continuación, se destacan algunas de ellas:
Clasificación de suelos y materiales de construcción: Mediante técnicas de agrupación (clustering), es posible agrupar muestras de suelo o materiales de construcción según sus propiedades físicas y mecánicas. Esto facilita la selección adecuada de materiales para proyectos específicos y optimiza el diseño de cimentaciones y estructuras.
Análisis de patrones de tráfico: El aprendizaje automático permite identificar patrones en los flujos de tráfico, detectando comportamientos anómalos o recurrentes. Esta información es esencial para diseñar infraestructuras viales más eficientes y aplicar medidas de control de tráfico.
Monitorización de estructuras: Mediante la reducción dimensional y el análisis de datos procedentes de sensores instalados en puentes, edificios y otras infraestructuras, se pueden detectar anomalías o cambios en el comportamiento estructural. Esto contribuye a la prevención de fallos y al mantenimiento predictivo.
Optimización de rutas para maquinaria pesada: En proyectos de construcción a gran escala, el aprendizaje no supervisado ayuda a determinar las rutas más eficientes para la maquinaria, considerando factores como el terreno, el consumo de combustible y la seguridad, lo que se traduce en una mayor productividad y reducción de costes.
Segmentación de imágenes por satélite y aéreas: Las técnicas de aprendizaje no supervisado permiten clasificar y segmentar imágenes obtenidas de satélites o drones, identificando áreas urbanas, vegetación, cuerpos de agua y otros elementos. Esto es útil para la planificación urbana y la gestión de recursos naturales.
Análisis de datos de sensores en tiempo real: En la construcción de túneles y excavaciones, el análisis en tiempo real de datos de sensores puede realizarse mediante algoritmos no supervisados para detectar condiciones peligrosas, como deslizamientos de tierra o acumulación de gases, lo que mejora la seguridad en las obras.
En conclusión, el aprendizaje no supervisado es una herramienta versátil y potente para abordar problemas complejos y descubrir patrones ocultos en datos sin etiquetar. Su aplicación trasciende sectores, ya que ofrece soluciones prácticas para la investigación, la industria y el análisis de datos. En un mundo impulsado por el crecimiento exponencial de la información, el dominio de estas técnicas se presenta como una ventaja competitiva fundamental. La capacidad para analizar grandes volúmenes de datos y extraer información útil sigue siendo un motor clave de innovación y progreso.
Os dejo un mapa mental acerca del aprendizaje no supervisado.
Para profundizar en este tema, puedes consultar la siguiente conferencia:
En el día de Navidad no podía dejar de pensar en las personas, especialmente en aquellas que sufren por injusticias, guerras, discriminación o desastres naturales, entre otras muchas cosas. A continuación, os dejo una reflexión que me pidieron para un número especial de iAgua. Creo que no puede haber un día mejor para divulgarla. ¡Feliz Navidad!
Lecciones aprendidas: proteger a la población es la prioridad
La reciente DANA en Valencia dejó una lección incontestable: ante fenómenos climáticos extremos, la máxima prioridad debe ser proteger a la población. Estos eventos exigen un replanteamiento inmediato de la gestión del riesgo de inundaciones. La seguridad de las personas no puede depender de respuestas improvisadas, sino de estrategias basadas en el conocimiento científico.
Las inundaciones suponen un riesgo directo para las personas, pero también tienen efectos indirectos devastadores. Cuando fallan los servicios esenciales, como el suministro eléctrico o el acceso a agua potable, las comunidades se enfrentan a situaciones de alta vulnerabilidad. Durante la reciente emergencia, muchas zonas quedaron incomunicadas y sin recursos básicos.
Frente a esto, existen medidas estructurales y no estructurales para minimizar estos riesgos. Las primeras consisten en regular las cuencas para reducir el impacto de las inundaciones. Por ejemplo, las presas almacenan grandes volúmenes de agua que van liberando gradualmente, lo que evita desbordamientos aguas abajo. Los encauzamientos reducen significativamente los riesgos. Sin embargo, estas intervenciones deben planificarse cuidadosamente para evitar impactos ambientales y garantizar que cumplan su función. Para ello, es necesario un enfoque holístico, pues el problema es complejo.
Por otro lado, las medidas no estructurales incluyen planes de emergencia, sistemas de alerta temprana y la educación de la población. Un plan de emergencia debe detallar las rutas de evacuación, los puntos seguros y los procedimientos de actuación en caso de inundación. La preparación salva vidas, pero solo es efectiva si las personas saben cómo actuar y confían en las instituciones que gestionan la crisis.
Los sistemas de alerta temprana son fundamentales para ganar tiempo en situaciones críticas. Hay que mejorar las tecnologías que permitan predecir inundaciones con mayor precisión. La información debe llegar rápidamente a la población a través de canales fiables y accesibles para evitar el caos y la desinformación que suelen acompañar a estos eventos.
La planificación territorial también forma parte de las medidas no estructurales. Debemos ser más estrictos a la hora de evitar construcciones en zonas de alto riesgo y priorizar el desarrollo urbano en áreas menos vulnerables. Además, la recuperación de espacios naturales puede actuar como barrera de protección frente a inundaciones. No obstante, es necesario considerar que algunas medidas solo son adecuadas para un volumen moderado de precipitaciones.
No obstante, ninguna medida será suficiente sin una adecuada coordinación entre instituciones y comunidades. La gestión del riesgo de inundación debe ser un esfuerzo conjunto en el que participen gobiernos, científicos, ingenieros y ciudadanos. La falta de preparación no solo agrava el impacto, sino que también debilita la confianza de la población en las autoridades.
La recuperación tras una emergencia debe centrarse en reforzar las infraestructuras y estrategias existentes. Reconstruir mejor no es solo un eslogan, sino una necesidad. Cada inundación nos enseña algo nuevo sobre cómo proteger mejor a la población. No podemos ignorar la responsabilidad de aplicar estas lecciones.
En Valencia, hemos visto hasta dónde llega nuestra preparación frente a fenómenos extremos. Ahora es el momento de pasar a la acción. La inversión y los planes de emergencia no solo protege las infraestructuras, sino que salva vidas. Ignorar esta realidad pone en peligro a quienes más dependen de un sistema resiliente y preparado.
La protección de la población no puede ser un objetivo secundario. Es el núcleo de cualquier estrategia de gestión de riesgos. Como científicos, tenemos el deber de ofrecer soluciones basadas en evidencias, y como sociedad, la responsabilidad de exigir que se implementen. La próxima DANA llegará, pero la manera en que nos encuentre preparados marcará la diferencia entre un desastre y una respuesta ejemplar.
El artículo presenta un marco conceptual para el desarrollo de gemelos digitales aplicados a estructuras de ingeniería civil que combina modelos basados en la física con técnicas avanzadas de aprendizaje profundo. Se propone una integración dinámica entre el sistema físico y su representación digital mediante redes bayesianas dinámicas, lo que permite la toma de decisiones informada y la optimización continua. Entre las contribuciones destacadas, se encuentra la implementación de modelos de aprendizaje profundo para diagnosticar el estado estructural en tiempo real a partir de datos de sensores. Además, el enfoque incluye un proceso de aprendizaje previo fuera de línea para optimizar las políticas de mantenimiento.
La investigación presenta casos de estudio que validan la viabilidad del marco propuesto: una viga en voladizo en forma de L y un puente ferroviario. En estos ejemplos, se demuestra la capacidad del sistema para predecir el deterioro estructural y sugerir las acciones de mantenimiento adecuadas. El uso de modelos de orden reducido permite gestionar el coste computacional de manera eficiente y garantizar la aplicabilidad práctica del enfoque.
Introducción
La gestión eficiente de estructuras de ingeniería civil, como puentes, edificios y otras infraestructuras críticas, es un desafío constante debido al envejecimiento, el uso intensivo y los cambios en las condiciones ambientales. Un mantenimiento inadecuado puede provocar fallos catastróficos con consecuencias sociales, económicas y medioambientales significativas. En este contexto, los gemelos digitales han emergido como una tecnología prometedora para mejorar la supervisión, el mantenimiento y la toma de decisiones.
Un gemelo digital es una réplica virtual de un activo físico que se actualiza continuamente con datos obtenidos de sensores instalados en el activo real. Esto permite simular su comportamiento, predecir su evolución y planificar intervenciones de manera óptima. El concepto se ha explorado ampliamente en sectores como el aeroespacial y el manufacturero, pero su aplicación en el ámbito de la ingeniería civil es relativamente reciente.
En el campo de los gemelos digitales para ingeniería civil, las investigaciones previas han abordado diferentes aspectos del monitoreo estructural, como la detección de daños mediante métodos de análisis modal y la integración de técnicas avanzadas de procesamiento de señales. Se han utilizado modelos físicos basados en elementos finitos para representar el comportamiento estructural y técnicas de aprendizaje automático para detectar y clasificar anomalías. Sin embargo, la mayoría de estos enfoques tienen limitaciones relacionadas con la precisión de las predicciones y la gestión de la incertidumbre en condiciones operativas variables.
Un enfoque emergente consiste en integrar modelos probabilísticos, como las redes bayesianas, con técnicas de aprendizaje profundo. Esto permite incorporar la variabilidad y la incertidumbre inherentes a los datos estructurales. No obstante, aún es necesario mejorar la capacidad de realizar predicciones precisas de manera continua en tiempo real.
Teniendo en cuenta las limitaciones identificadas en los trabajos previos, este estudio busca responder a la siguiente pregunta de investigación: ¿cómo se puede desarrollar un marco de gemelo digital que combine modelos físicos y aprendizaje profundo para mejorar la predicción y la toma de decisiones en el mantenimiento de estructuras de ingeniería civil, teniendo en cuenta la incertidumbre y la variabilidad operativa?
El artículo examina un enfoque innovador basado en modelos físicos y técnicas de aprendizaje profundo, y propone un sistema de toma de decisiones apoyado en redes bayesianas dinámicas. Este marco permite una interacción continua entre el activo físico y su representación digital, lo que mejora significativamente los procesos de mantenimiento preventivo y correctivo.
Gemelos digitales predictivos para estructuras de ingeniería civil: abstracción gráfica del flujo de información de extremo a extremo habilitada por el modelo gráfico probabilístico (Torzoni et al., 2024)
Metodología
La metodología propuesta combina modelos matemáticos basados en la física y técnicas de aprendizaje profundo para crear un gemelo digital capaz de gestionar estructuras de ingeniería civil. El enfoque consta de tres fases principales:
Modelo numérico basado en la física:
Se emplean modelos de elementos finitos para representar el comportamiento estructural bajo diferentes condiciones operativas y de daño.
Los modelos son simplificados mediante técnicas de reducción de orden, utilizando descomposición en bases propias (POD), para hacer viable el análisis computacional en tiempo real.
Asimilación de datos mediante aprendizaje profundo:
Los datos estructurales recopilados por sensores se procesan mediante redes neuronales profundas.
Un modelo de clasificación identifica la ubicación y severidad del daño, mientras que un modelo de regresión cuantifica la magnitud del deterioro.
Toma de decisiones basada en redes bayesianas dinámicas:
Los resultados se integran en un modelo probabilístico que permite la predicción de estados futuros y la planificación de intervenciones de mantenimiento.
El sistema optimiza decisiones considerando incertidumbres operativas y costos asociados a las acciones de mantenimiento.
Resultados
Los resultados obtenidos evidencian que el gemelo digital propuesto puede rastrear con precisión la evolución del estado estructural y generar recomendaciones de mantenimiento en tiempo real. La precisión global alcanzada en la clasificación de estados digitales fue del 93,61 %, lo que destaca su capacidad para manejar datos ruidosos y condiciones operativas variables. Sin embargo, se observaron algunas limitaciones en la detección de daños en regiones alejadas de los sensores, lo que subraya la necesidad de mejorar la sensibilidad de los dispositivos de monitorización.
Otro aspecto relevante es la capacidad de predicción del sistema. Las simulaciones muestran que el gemelo digital puede prever de manera efectiva el deterioro futuro, lo que permite planificar de manera proactiva las intervenciones. Esto supone una mejora significativa con respecto a los enfoques tradicionales de mantenimiento reactivo.
Desde un punto de vista metodológico, la integración de modelos probabilísticos y aprendizaje profundo proporciona una solución robusta y adaptable a diferentes estructuras. No obstante, el éxito del sistema depende en gran medida de la calidad y la cantidad de datos disponibles para el entrenamiento inicial.
El estudio responde a la pregunta de investigación mediante la implementación exitosa de un marco de gemelo digital que combina modelos físicos y aprendizaje profundo. El sistema propuesto gestiona la incertidumbre mediante redes bayesianas dinámicas y mejora la toma de decisiones en mantenimiento al proporcionar predicciones precisas y recomendaciones basadas en datos en tiempo real. Los experimentos confirmaron su capacidad para gestionar estructuras complejas, lo que demuestra una mejora tangible en comparación con los enfoques tradicionales.
Conclusiones y recomendaciones
En conclusión, el desarrollo de un gemelo digital que integre modelos físicos y técnicas de aprendizaje profundo supone un avance significativo en la gestión de infraestructuras críticas. La metodología propuesta permite realizar un seguimiento continuo, realizar predicciones proactivas y tomar decisiones informadas.
El trabajo plantea varias líneas de investigación para el futuro:
Mejora de los modelos predictivos: Explorar técnicas avanzadas de aprendizaje automático para aumentar la precisión y reducir el sesgo en la estimación de estados estructurales.
Optimización de redes de sensores: Investigar configuraciones óptimas de sensores para mejorar la cobertura y sensibilidad del monitoreo.
Aplicaciones a gran escala: Desarrollar estudios de caso adicionales que incluyan estructuras complejas como puentes de gran envergadura y edificios multifuncionales.
Integración con tecnologías emergentes: Incorporar técnicas de computación en el borde y redes 5G para facilitar la transmisión y procesamiento de datos en tiempo real.
Estudio de costos y beneficios: Evaluar la relación costo-beneficio del sistema para su implementación en proyectos reales, considerando factores económicos y de sostenibilidad.
Estos pasos permitirán ampliar la aplicabilidad del sistema y mejorar su eficiencia en el mantenimiento de infraestructuras críticas. En resumen, el artículo establece una base sólida para el desarrollo de gemelos digitales en ingeniería civil, al proponer un enfoque integral y avanzado desde el punto de vista técnico que combina modelos físicos y aprendizaje automático. Las investigaciones futuras deben centrarse en ampliar su ámbito de aplicación y mejorar su rendimiento en contextos operativos complejos.
La durabilidad de los puentes está relacionada con una impermeabilización adecuada, ya que el hormigón vibrado no es totalmente estanco. Las segregaciones locales permiten la entrada de agua hasta las armaduras, lo que provoca la carbonatación, disgregación y corrosión de estas. Este efecto se intensifica en regiones donde se usan sales de deshielo para evitar la formación de hielo. Muchos problemas de durabilidad se deben a una impermeabilización y drenaje inadecuados.
La eficacia de la impermeabilización depende de factores como las condiciones climáticas, que pueden afectar a la integridad de los materiales. También es crucial el diseño estructural, que debe facilitar el drenaje y evitar la acumulación de agua. Para prevenir defectos en la impermeabilización, es esencial seleccionar materiales duraderos y compatibles con el entorno, y aplicarlos correctamente.
La selección del sistema de impermeabilización para un puente debe tener en cuenta factores como las características específicas de la estructura, incluidos los materiales, la geometría, el uso y las condiciones de carga; las condiciones climáticas y ambientales locales, como temperaturas extremas, humedad y exposición a agentes corrosivos; y los requisitos de mantenimiento y la vida útil esperada, ya que algunos sistemas requieren menos mantenimiento y ofrecen una mayor durabilidad. Es esencial consultar las normativas vigentes y, en caso de duda, recurrir a expertos en la materia para determinar la solución más adecuada.
Los sistemas de impermeabilización se clasifican en tratamientos in situ y el uso de láminas prefabricadas. Dentro de los tratamientos in situ, destacan varias técnicas según el tipo de material y el método de aplicación.
Tratamientos in situ:
Másticos bituminosos aplicados en caliente: Se colocan en una o dos capas con espesores de 5 a 20 mm. Para evitar la formación de ampollas por la mezcla caliente sobre un tablero húmedo, se aplica una capa de imprimación y otra de descompresión, generalmente un filtro de fibra de vidrio que comunica con la atmósfera.
Másticos bituminosos aplicados en frío: Formados por un agregado mineral fino, fibras minerales y una emulsión bituminosa aniónica de rotura lenta, y se aplican sobre un tablero limpio tras un riego de adherencia. La cantidad aplicada varía entre 3 y 6 kg/m² en función de la rugosidad de la superficie. Son fáciles de instalar, resistentes al tráfico de obra y poseen una excelente adherencia al firme.
Capas finas con materiales no bituminosos (resinas): Incluyen resinas epoxi, poliuretanos y poliésteres, que se aplican en espesores de 1,5 a 3 mm. Ofrecen alta resistencia química y gran adherencia al hormigón, aunque requieren una textura fina y ausencia de humedad en el tablero. Normalmente, se aplican dos capas de resina: la segunda se extiende una vez polimerizada la primera y, antes de que se seque por completo, se esparce arena para mejorar la adherencia con el pavimento. La imprimación del tablero no es indispensable, pero, si se realiza, se utiliza la misma resina diluida.
Capas finas con brea-epoxi: Este material mixto combina la flexibilidad de la brea y la adherencia del epoxi, y ofrece resistencia a bajas temperaturas y un coste moderado. Su espesor promedio es de 2 mm y se usa principalmente en estructuras flexibles como puentes metálicos. La técnica de aplicación es similar a la de las resinas sintéticas, con la diferencia de que en este caso es imprescindible utilizar la imprimación correspondiente, que es la misma mezcla fluidificada.
Láminas prefabricadas:
Dentro de las láminas prefabricadas de pequeño espesor (entre 1 y 2 mm) se incluyen:
Láminas bituminosas autoprotegidas: La cara superior está formada por una hoja de aluminio y la cara inferior está recubierta de una masilla bituminosa reforzada con fibras de vidrio. El espesor total varía entre 3 y 4 mm.
Láminas elastoméricas: Las más comunes están fabricadas con caucho butilo, caucho de cloropreno y etileno-propileno. Estas láminas destacan por su gran flexibilidad, aunque presentan el inconveniente de una adherencia deficiente con los materiales bituminosos. Por ello, en la instalación de pavimentos de este tipo es habitual aplicar una imprimación bituminosa sobre la lámina una vez colocada.
Láminas plásticas: Son de PVC reforzado con fibras sintéticas a lo largo de todo su espesor. Estas láminas no presentan adherencia.
Láminas de betún altamente modificado con polímeros: Estas láminas ofrecen una excelente flexibilidad, baja susceptibilidad térmica y elevada tenacidad y ductilidad.
Las láminas prefabricadas más delgadas suelen deteriorarse con facilidad por punzonamiento. Anteriormente, solía colocarse una capa de protección, generalmente una mezcla de arena y betún, entre la lámina y el pavimento. Hoy en día, salvo en el caso de las láminas con hoja superior de aluminio, es común que las láminas incorporen gravillas incrustadas en su cara superior, lo que no solo las protege frente al punzonamiento, sino que también mejora la adherencia con el pavimento. El objetivo principal de estas membranas es garantizar la estanqueidad en todas las zonas del tablero y evitar especialmente el paso de agua en las uniones con elementos como bordillos, sumideros, barreras y juntas de dilatación.
En los últimos años, se han desarrollado y aplicado técnicas y productos innovadores en este campo. A continuación, se presentan algunas de las novedades más destacadas:
Membranas líquidas de poliuretano: La aplicación de membranas líquidas de poliuretano ha surgido como una solución eficaz para impermeabilizar tableros de puentes. Estas membranas destacan por su alta elasticidad, resistencia química y larga vida útil. Además, su capacidad para adaptarse a geometrías diversas facilita su aplicación en estructuras complejas. La certificación ETE (Documento de Evaluación Técnica Europeo) garantiza la calidad y eficacia de estos productos.
Membranas asfálticas prefabricadas: Los sistemas de impermeabilización asfáltica, especialmente los que utilizan membranas prefabricadas SBS, han demostrado su eficacia en puentes y estacionamientos. Estos sistemas se aplican mediante termofusión, lo que garantiza una adherencia sólida y una protección duradera contra filtraciones.
Resinas de poliuretano bicomponente: La utilización de resinas de poliuretano bicomponente, libres de brea y alquitrán, ha ganado popularidad en la impermeabilización de tableros de puentes. Estas resinas se aplican sobre el hormigón del soporte, formando una capa impermeable que protege la estructura de las inclemencias meteorológicas y de la acción de agentes corrosivos.
Membranas de poliurea: La aplicación de poliurea ha demostrado su eficacia en la protección contra filtraciones en la impermeabilización de puentes ferroviarios. Para lograr una impermeabilización completa y duradera, es fundamental realizar un tratamiento previo de la superficie y aplicar imprimaciones adecuadas.
En las impermeabilizaciones no completamente adheridas al tablero del puente, el agua que pueda filtrarse a través de la capa impermeabilizante o condensarse debajo de ella se evacúa mediante respiraderos o tubos de ventilación. Estos dispositivos evitan la acumulación de presión de vapor que podría provocar ampollas en la impermeabilización. Los tubos se colocan en los puntos más bajos o se distribuyen a lo largo de toda la superficie, partiendo de la cara inferior de la impermeabilización y atravesando el tablero del puente.
La impermeabilización de puentes requiere un mantenimiento periódico para garantizar su eficacia a largo plazo. Es fundamental realizar inspecciones regulares para detectar posibles daños o deterioros y llevar a cabo las reparaciones pertinentes. Si hay fallos en la impermeabilización, es posible que sea necesario rehabilitar la membrana, lo que puede implicar eliminar la capa existente y aplicar un nuevo sistema de impermeabilización.
La impermeabilización de puentes requiere cumplir diversas normativas y estándares internacionales para garantizar la eficacia y durabilidad de las soluciones implementadas. A continuación, se presenta una relación exhaustiva de las normativas y estándares más importantes en este campo:
Normativas Europeas:
UNE-EN 13375:2020: Establece los requisitos para las láminas flexibles utilizadas en la impermeabilización de tableros de puentes de hormigón y otras superficies de hormigón expuestas al tráfico vehicular.
UNE-EN 14692:2017: Define las características de las láminas flexibles para la impermeabilización de tableros de puentes de hormigón y otras superficies de hormigón para tráfico de vehículos, incluyendo la determinación de la resistencia a la compactación de una capa asfáltica.
UNE-EN 14694:2017: Especifica los requisitos para las láminas flexibles en la impermeabilización de tableros de puentes de hormigón y otras superficies de hormigón para tráfico de vehículos, enfocándose en la resistencia a la presión dinámica de agua tras degradación por pretratamiento.
UNE-EN 14223:2017: Detalla las propiedades de las láminas flexibles para la impermeabilización de tableros de puentes de hormigón y otras zonas de hormigón para tráfico de vehículos, incluyendo la determinación de la absorción de agua.
UNE-EN 14691:2017: Establece los criterios para las láminas flexibles en la impermeabilización de tableros de puentes de hormigón y otras zonas de hormigón para tráfico de vehículos, enfocándose en la compatibilidad por acondicionamiento térmico.
UNE-EN 13653:2017: Define los requisitos para las láminas flexibles en la impermeabilización de tableros de puentes de hormigón y otras zonas de hormigón para tráfico de vehículos, incluyendo la determinación de la resistencia al pelado.
UNE-EN 12039:2017: Especifica las características de las láminas bituminosas para la impermeabilización de cubiertas, incluyendo la determinación de la adherencia de gránulos.
UNE-EN 12691:2018: Establece los requisitos para las láminas bituminosas, plásticas y de caucho en la impermeabilización de cubiertas, incluyendo la determinación de la resistencia al impacto.
UNE-EN 13583:2013: Define las características de las láminas bituminosas, plásticas y de caucho para la impermeabilización de cubiertas, incluyendo la determinación de la resistencia al granizo.
UNE-EN 17686:2023: Establece los requisitos para las láminas flexibles en la impermeabilización de cubiertas, incluyendo la determinación de la resistencia a la carga de viento del sistema constructivo de cubiertas con sistemas de impermeabilización adheridos.
Normativas Internacionales:
ASTM D6083: Estándar de la ASTM que especifica los requisitos para las membranas líquidas de poliuretano utilizadas en la impermeabilización de puentes.
ASTM D1970: Estándar de la ASTM que define los requisitos para las membranas autoadhesivas de asfalto utilizadas en la impermeabilización de puentes.
AASHTO M 323: Especificación de la American Association of State Highway and Transportation Officials que establece los requisitos para las membranas de impermeabilización de puentes.
Es fundamental consultar las normativas vigentes y, en caso de duda, recurrir a expertos en la materia para determinar la solución más adecuada. Además, es recomendable revisar las especificaciones técnicas de los fabricantes y las guías de buenas prácticas para asegurar una correcta aplicación de los sistemas de impermeabilización.
Os dejo un par de vídeos sobre impermeabilización de tableros de puentes. Espero que os sean de interés.
También os dejo este catálogo de Sika sobre la impermeabilización de puentes.
