Qué puede enseñarnos un puente de piedra milenario sobre la seguridad de las estructuras históricas

Acaban de publicar un artículo nuestro en Infrastructures, una de las revistas de impacto científico indexada en el JCR.  La investigación se enmarca en el proyecto RESILIFE, que dirijo como investigador principal en la Universitat Politècnica de València. Además, muestra la internacionalización de nuestro grupo de investigación, en este caso, con China. A continuación, se presenta un resumen del trabajo y de la información de contexto.

¿Cómo puede un puente construido hace más de mil años seguir en pie y, al mismo tiempo, acumular daños que comprometen su durabilidad? ¿Dónde se concentran los esfuerzos en una estructura de fábrica de piedra y cómo influyen el agua, la vegetación y el deterioro de los materiales en su comportamiento mecánico?

El estudio analiza la evolución multiescala del daño y los mecanismos de transferencia de carga en el histórico Puente Guanyin, un puente de arco de piedra milenario. Mediante la combinación de modelos teóricos de daño por carga, simulaciones por elementos finitos en 3D y análisis microscópicos, los investigadores examinan cómo las cargas externas, las restricciones ambientales y la erosión a largo plazo afectan la estabilidad estructural. Los resultados indican que las tensiones máximas se concentran en los estribos y en las juntas de los anillos principales del arco, mientras que el daño central provoca una redistribución de esfuerzos hacia las secciones sanas. Este análisis integral proporciona una base científica sólida para orientar los esfuerzos de conservación preventiva y restauración de este importante patrimonio cultural.

Estas preguntas están en el centro de una investigación sobre el puente histórico de Guanyin, en China, construido en 1014. El estudio combina levantamiento geométrico tridimensional, modelos mecánicos, simulación por elementos finitos y análisis de muestras de piedra para investigar cómo se transmiten las cargas a través de la estructura y dónde se concentran los daños.

La principal aportación del trabajo consiste en conectar dos escalas de análisis que a menudo se estudian por separado: el comportamiento global del arco y la respuesta local de las piezas de piedra que conforman sus uniones. Esta perspectiva permite comprender mejor por qué una estructura puede conservar su estabilidad general mientras determinadas zonas acumulan tensiones y sufren procesos de deterioro.

Un puente con diez siglos de historia

El puente de Guanyin se encuentra en Bailu, en la provincia china de Jiangxi, y forma parte del patrimonio histórico de la región de Lushan. Su construcción data de 1014 y desde 1996 el entorno de Lushan figura en la Lista del Patrimonio Mundial de la UNESCO.

Se trata de un puente de un solo arco de fábrica de piedra, con una longitud total de aproximadamente 21,67 m, una luz de 7,20 m y una anchura de 4,56 m. La estructura está formada por piezas de granito unidas mediante un sistema tradicional de ensamblaje basado en salientes y alojamientos practicados en las propias piezas, lo que favorece la interacción mecánica entre los bloques sin depender exclusivamente de un material aglomerante.

Esta solución constructiva resulta especialmente interesante desde el punto de vista de la ingeniería. La estabilidad no depende únicamente de la resistencia individual de las piedras, sino también de su geometría, de las superficies de contacto, de la fricción entre las piezas y de la manera en que el arco transmite las cargas a los estribos.

Además, el puente ha permanecido expuesto durante siglos a la lluvia, el viento, la escorrentía, el crecimiento de la vegetación y otros agentes ambientales. Por tanto, su evaluación requiere estudiar tanto la mecánica de la estructura como la evolución de los materiales.

El puente de Guanyin se encuentra en Bailu, en la provincia china de Jiangxi.

Una metodología que combina varias escalas de análisis

La investigación adopta un enfoque integrado que combina información geométrica, cálculos estructurales, simulación numérica y análisis de muestras de piedra. Cada técnica aporta una pieza diferente al diagnóstico.

  1. Levantamiento geométrico tridimensional: El equipo empleó un escáner láser terrestre Leica ScanStation P40 para documentar la geometría del puente. La nube de puntos alcanzó una separación entre puntos de hasta 2 mm y una precisión individual declarada de al menos 1 mm. Esta información permitió representar la configuración real de la estructura y preparar los modelos de cálculo.
  2. Cálculo estructural y elementos finitos: El estudio combinó un modelo teórico de respuesta estática equivalente con un modelo tridimensional de elementos finitos desarrollado en ABAQUS. Este último incorporó 59.800 elementos, con un tamaño de malla de referencia de 0,1 m, y permitió estudiar la distribución de tensiones y desplazamientos bajo las acciones consideradas.
  3. Análisis detallado de las uniones: La investigación profundizó en cuatro unidades representativas de las zonas de arranque y del entorno central del arco, identificadas como 15, 53, 54 y 76. El análisis local permitió examinar cómo las condiciones de contacto entre las piedras modifican la transmisión de esfuerzos, la deformación y la concentración de energía.
  4. Investigación del deterioro de los materiales: El equipo recogió muestras de zonas dañadas y analizó su composición mediante técnicas de fluorescencia de rayos X (XRF) y de difracción de rayos X (XRD). El trabajo también examinó muestras de musgo, raíces y agua para investigar la relación entre los agentes ambientales y la degradación de la piedra.

La combinación de estas herramientas es esencial: el levantamiento geométrico describe la estructura existente; los modelos mecánicos explican su respuesta; y los análisis de materiales ayudan a identificar posibles causas del deterioro. Ninguna técnica, por sí sola, proporciona una visión completa.

¿Dónde se concentran los esfuerzos?

Uno de los resultados más relevantes del estudio es la identificación de dos zonas estructuralmente sensibles: los arranques del arco y su zona central.

Máxima tensión calculada en el arranque del arco: 99,29 MPa

El modelo tridimensional presentó una tensión máxima de aproximadamente 99,29 MPa en esta región. La concentración combina efectos de compresión y de cortante, relacionados con la transmisión del empuje del arco y con las restricciones en los apoyos.

Máximo desplazamiento calculado en la zona central: 80,5 mm

La simulación registró un desplazamiento máximo de aproximadamente 80,5 mm en la zona central del arco. Este resultado señala la sensibilidad de esa región a la deformación y debe interpretarse como una predicción del modelo, no como una medición directa del movimiento real del puente.

Estos resultados reflejan dos aspectos distintos del comportamiento estructural. En los arranques, las restricciones y la transmisión de cargas generan concentraciones locales de tensión. En la zona central, la configuración del arco favorece una respuesta más sensible a la deformación.

La diferencia es importante para el diagnóstico: una zona sometida a mayores tensiones no tiene por qué coincidir exactamente con aquella que presenta los desplazamientos más elevados. Por ello, conviene analizar conjuntamente tensiones, deformaciones, desplazamientos y la transferencia de energía para localizar las regiones potencialmente vulnerables.

El estudio también detectó una redistribución de esfuerzos en las zonas dañadas del arco. Cuando una parte pierde capacidad resistente, otras partes pueden asumir una proporción mayor de la carga. Este mecanismo ayuda a explicar cómo una estructura puede conservar su estabilidad global a pesar de presentar daños locales.

Por qué el cálculo global no basta

Una aportación metodológica destacada es la comparación entre los cálculos teóricos y la simulación tridimensional mediante elementos finitos.

El modelo teórico permite estimar la respuesta general del arco de forma relativamente sencilla. Sin embargo, simplifica las condiciones de apoyo y no representa los contactos entre piedras, las restricciones tridimensionales ni las concentraciones locales de tensiones con el mismo nivel de detalle.

La simulación numérica permite estudiar estos fenómenos con mayor detalle, aunque sus resultados también dependen de las hipótesis adoptadas, de las propiedades asignadas a los materiales y de las condiciones de contorno.

En el estudio, las diferencias máximas entre ambos enfoques alcanzaron el 28,8 % en los desplazamientos y el 69,4 % en las tensiones en las comparaciones presentadas. Estas discrepancias ponen de manifiesto que las simplificaciones del modelo teórico pueden resultar especialmente relevantes al analizar las zonas de apoyo.

La conclusión práctica no consiste en descartar los cálculos convencionales, sino en utilizar cada herramienta para aquello que mejor resuelve. El modelo teórico resulta útil para una primera evaluación; el modelo tridimensional permite profundizar en las zonas críticas y estudiar fenómenos locales que el análisis global puede pasar por alto.

El agua y la vegetación también cuentan

El deterioro de un puente histórico no depende exclusivamente de las cargas mecánicas. La investigación confirma la importancia de considerar los procesos ambientales que actúan lentamente sobre la fábrica de piedra.

Los análisis químicos mostraron diferencias entre las distintas zonas del puente. La fachada occidental presentó un mayor contenido medio de elementos considerados impurezas —entre ellos silicio, hierro y aluminio— que la oriental. Los autores relacionan este resultado con una mayor exposición a procesos de erosión, transporte de partículas y alteración superficial.

La zona de arranque identificada como muestra 16 destacó especialmente: el contenido total de esos elementos alcanzó el 37,66 %, frente al 6,63 % de media en la fachada occidental y el 4,20 % en la oriental. Los autores clasificaron el grado de meteorización de esa muestra como severo.

La investigación también señala el papel de la escorrentía, la disolución de componentes de la piedra, el crecimiento de raíces y la erosión biológica. Estos procesos pueden modificar las superficies de contacto, favorecer la aparición o evolución de fisuras y alterar las condiciones mecánicas que permiten transmitir las cargas.

Una evaluación rigurosa debe integrar el diagnóstico estructural con la inspección del entorno y el estudio de los materiales. La geometría y la mecánica explican cómo funciona el puente; la caracterización de los materiales ayuda a comprender por qué algunas zonas se deterioran más que otras.

Aplicaciones prácticas para la ingeniería civil

Los resultados ofrecen varias orientaciones para la conservación de puentes históricos y, con las adaptaciones oportunas, para otras estructuras de fábrica.

  • Priorizar las inspecciones. Los arranques del arco, las uniones entre piezas y las zonas centrales, con mayor sensibilidad a los desplazamientos, merecen atención específica durante las campañas de inspección.
  • Combinar diagnóstico visual y simulación. Las fisuras, los desplazamientos entre bloques, la erosión superficial y los cambios en los contactos pueden contrastarse con los resultados del modelo para identificar posibles mecanismos de daño.
  • Orientar las intervenciones de conservación. El estudio del agua, la vegetación y la meteorización permite identificar agentes ambientales que conviene controlar. Las medidas concretas deben adaptarse a las características del monumento y a los criterios de conservación patrimonial.
  • Mejorar el seguimiento a largo plazo. La investigación propone avanzar hacia sistemas de monitorización inteligente, con sensores instalados en zonas vulnerables y plataformas de seguimiento que permitan detectar cambios relevantes en el comportamiento de la estructura.
  • Reforzar la evaluación mediante métodos complementarios. La combinación de cálculos simplificados, elementos finitos, inspecciones in situ y análisis de materiales proporciona una base más sólida para decidir cuándo intervenir y cómo comprobar la evolución del daño.

Estas aplicaciones no implican que un modelo numérico pueda determinar por sí solo la seguridad de un puente. La evaluación final requiere contrastar las predicciones con observaciones reales, conocer las limitaciones del modelo y considerar las condiciones de uso de la estructura.

Qué queda por investigar

La investigación reconoce varias limitaciones. El modelo teórico no reproduce plenamente la fragilidad ni la heterogeneidad de la piedra, y algunas condiciones de contorno de la simulación pueden diferir de las condiciones reales. Además, las hipótesis adoptadas para representar las uniones no capturan por completo los pequeños huecos, los residuos entre superficies de contacto y los posibles deslizamientos locales.

El análisis también se centra en las condiciones de carga consideradas para este puente peatonal y no abarca de manera exhaustiva todos los escenarios dinámicos extremos. Por tanto, los resultados no deben trasladarse directamente a cualquier puente histórico sin una adaptación y una validación específicas.

Como líneas futuras, los autores proponen mejorar los modelos de daño elastoplástico, incorporar técnicas de monitorización in situ, estudiar combinaciones de cargas y de gradientes térmicos y desarrollar sistemas integrados de evaluación para la seguridad, la conservación, la explotación y el mantenimiento.

Una lección que trasciende los mil años

El caso del puente de Guanyin demuestra que la conservación del patrimonio construido requiere algo más que comprobar si una estructura sigue en pie. También exige comprender cómo transmite las cargas, cómo redistribuye los esfuerzos cuando surgen daños y cómo evoluciona la fábrica bajo la acción del medio ambiente.

La principal contribución de esta investigación radica en integrar el comportamiento global del arco, la mecánica de las uniones entre piedras y la caracterización del deterioro de los materiales. Este enfoque permite pasar de una inspección centrada en los daños visibles a un diagnóstico que también investiga sus posibles causas y su relación con la respuesta estructural.

Para los ingenieros civiles, el mensaje es claro: la conservación preventiva resulta más sólida cuando combina observación, cálculo y conocimiento de los materiales. Las herramientas digitales no sustituyen la experiencia técnica ni el criterio de conservación, pero pueden ayudar a identificar las zonas que requieren mayor atención y a fundamentar decisiones de mantenimiento más informadas.

Referencia:

ZHOU, Z.; JIANG, Q.; LI, Y.; YANG, H.; YANG, Y.; ALCALÁ, J.; YEPES, V. (2026). Multiscale Damage Evolution and Load-Transfer Mechanisms of the Millennium-Old Stone Arch Bridge: A Case Study of the Guanyin Bridge.  Infrastructures, 11(10):370. DOI:10.3390/infrastructures11100370

Licencia de Creative Commons
Esta obra está bajo una licencia de Creative Commons Reconocimiento-NoComercial-SinObraDerivada 4.0 Internacional.

Ingeniería y resiliencia: la clave de los sistemas de apoyo a la decisión en la gestión de desastres.

En el panorama actual, marcado por una mayor complejidad e interconexión a nivel mundial, los efectos de los desastres son cada vez más graves. El cambio climático, por ejemplo, actúa como un multiplicador de riesgos, intensificando los peligros existentes y generando otros nuevos. Ante esta realidad, el concepto de resiliencia comunitaria se ha convertido en un elemento clave de las estrategias de gestión del riesgo de desastres. La misión de la ingeniería es proporcionar a las comunidades las herramientas necesarias para resistir, adaptarse y recuperarse de estos eventos. En este contexto, los sistemas de apoyo a la decisión (DSS) emergen como herramientas indispensables que transforman la manera en que abordamos la protección de las ciudades y sus ciudadanos.

¿Qué entendemos por resiliencia comunitaria?

En el ámbito de la ingeniería civil y la planificación urbana, la resiliencia se define como la capacidad de un sistema, comunidad o sociedad expuesta a peligros para resistir, absorber, adaptarse, transformarse y recuperarse de manera oportuna y eficiente de los efectos de un evento adverso. Esto incluye la preservación y restauración de sus estructuras y funciones básicas esenciales mediante una gestión de riesgos adecuada. Una comunidad resiliente es aquella que, tras un terremoto, una inundación o una ola de calor extrema, logra mantener operativas o recuperar rápidamente sus infraestructuras críticas —desde la red eléctrica hasta los hospitales—, minimizando el impacto en la vida de sus habitantes.

La gestión del riesgo de desastres (DRM) incluye las fases de prevención, preparación, respuesta y recuperación. La resiliencia está intrínsecamente vinculada a todas estas fases. Por ejemplo, la implementación de códigos de construcción más estrictos o sistemas de control de inundaciones es una medida de prevención que aumenta la resiliencia. La preparación, por su parte, permite que las comunidades se adapten mejor a una situación de desastre y se recuperen con mayor rapidez.

Sistemas de apoyo a la decisión (DSS): herramientas inteligentes para la gestión de crisis.

Los DSS son herramientas informáticas diseñadas para ayudar a los responsables de la toma de decisiones, ya que proporcionan análisis, información y recomendaciones, e incluso permiten simular diferentes escenarios. Son fundamentales para mejorar la resiliencia comunitaria, puesto que ofrecen soluciones rápidas y eficientes a los problemas relacionados con los desastres, integrando diversas fuentes de datos y perspectivas de múltiples interesados. Además, los DSS facilitan la operacionalización de la resiliencia, es decir, permiten traducir este concepto abstracto en acciones y modelos analíticos concretos en los que están implicados todos los actores clave, lo que ofrece una comprensión más profunda del proceso de resiliencia. Esto, a su vez, conduce a una toma de decisiones más objetiva y basada en pruebas, que mitiga la subjetividad humana.

Las técnicas de modelización en los DSS: un arsenal de estrategias.

Los DSS se construyen utilizando diversas técnicas de modelización, cada una con sus propias fortalezas. Entre ellas, las técnicas de optimización son las más utilizadas. Estas técnicas permiten encontrar la mejor solución a un problema teniendo en cuenta múltiples factores y restricciones, a menudo mediante algoritmos matemáticos que identifican la opción más eficiente o efectiva. Por ejemplo, se utilizan para decidir la asignación óptima de recursos para la reparación de infraestructuras tras un terremoto o para la gestión de intervenciones en infraestructuras interdependientes.

Otras técnicas destacadas incluyen:

  • Modelado espacial (SIG): utiliza sistemas de información geográfica (SIG) para capturar relaciones espaciales, analizar, predecir y visualizar la influencia de los factores geográficos en los procesos y las decisiones. Esta técnica resulta muy útil para visualizar la distribución de riesgos y recursos en una ubicación específica, lo que facilita la comprensión del estado de resiliencia.
  • Análisis de decisiones multicriterio (MCDA): ayuda a los responsables de la toma de decisiones a ponderar diferentes factores y evaluar alternativas frente a múltiples criterios, a menudo conflictivos, para identificar la opción más adecuada en función de las prioridades y los objetivos. Es idóneo para la toma de decisiones en grupo y para capturar aspectos cualitativos de un problema.
  • Simulación: crea un modelo digital para imitar sistemas o procesos del mundo real, lo que permite la experimentación y el análisis en un entorno controlado. Es excelente para probar el impacto de diversas políticas y decisiones en el comportamiento del sistema antes de su implementación real.
  • Teoría de grafos: estudia las relaciones entre objetos, que se representan como nodos y aristas en un grafo. Es fundamental para analizar la conectividad de las redes interdependientes, como las infraestructuras de transporte o suministro, y para encontrar rutas óptimas, por ejemplo, para la distribución de ayuda humanitaria.
  • Minería de texto: extrae conocimiento e información de grandes volúmenes de datos textuales mediante métodos computacionales. Un ejemplo práctico es el uso de chatbots que procesan datos de redes sociales para ofrecer información en tiempo real durante un desastre.

Aplicación de los DSS en las fases de gestión de desastres.

Es interesante observar que los DSS tienden a centrarse más en las fases de preparación y respuesta que en las de recuperación y mitigación. Por ejemplo, el modelado espacial se utiliza mucho en la fase de preparación (en el 80 % de los artículos consultados) para tomar decisiones estratégicas, como determinar la ubicación óptima de los refugios o cómo distribuir los recursos. Durante la fase de respuesta, los DSS espaciales permiten visualizar la situación en tiempo real, identificar rutas bloqueadas y distribuir la ayuda humanitaria de manera eficiente mediante algoritmos que calculan la ruta más corta.

La optimización, por su parte, se utiliza principalmente en la fase de recuperación (en el 75 % de los artículos consultados), particularmente en las decisiones relativas a la rehabilitación y reconstrucción de infraestructuras dañadas. Las técnicas de MCDA son adecuadas para la fase de preparación (el 75 % de los artículos), ya que permiten comparar planes y políticas alternativas con el tiempo necesario para su análisis. Los modelos de simulación también se utilizan en la fase de respuesta para imitar el comportamiento del sistema y de los individuos durante una catástrofe.

Desafíos en el desarrollo y la implementación de los DSS.

A pesar de su potencial, el desarrollo e implementación de sistemas de apoyo a la decisión para la resiliencia no están exentos de desafíos significativos. Uno de los principales desafíos es la disponibilidad y calidad de los datos. La modelización de la resiliencia es un proceso complejo en el que los datos, tanto cuantitativos como cualitativos, son fundamentales. A menudo, la información proviene de múltiples fuentes con diferentes niveles de precisión, lo que dificulta su integración. En los países menos desarrollados, el acceso a los datos públicos (censos, informes, etc.) es aún más complicado, lo que limita la aplicación de ciertos modelos.

Otro obstáculo es la incertidumbre inherente al contexto de un desastre y la necesidad de gestionar cambios en tiempo real. También es una preocupación crucial la privacidad de los datos sensibles sobre infraestructuras críticas o planes de emergencia.

Por último, la colaboración interdisciplinar es imprescindible, pero difícil de conseguir, y la integración de estos sistemas en las operaciones diarias de las organizaciones de emergencia sigue siendo un reto considerable.

La colaboración con los interesados es clave para el éxito.

La implicación de los diversos actores o partes interesadas (stakeholders) es fundamental en el ciclo de vida de un DSS para la resiliencia. Se identifican tres enfoques principales:

  1. Como fuente de datos: recopilando sus opiniones y datos (mediante entrevistas, encuestas o incluso información compartida en redes sociales).
  2. Participación en el diseño: involucrándolos en la identificación de problemas, la construcción del modelo y el desarrollo del sistema para garantizar que la herramienta sea relevante y práctica para sus necesidades reales
  3. Incorporación de preferencias en el modelo: reflejando sus prioridades como parámetros o funciones objetivo en los modelos matemáticos, lo que influirá directamente en las soluciones propuestas. Por ejemplo, se pueden integrar las preferencias comunitarias como restricciones en un modelo de optimización.

Conclusiones y futuras direcciones en ingeniería resiliente.

Los sistemas de apoyo a la decisión suponen un avance significativo en nuestra capacidad para crear comunidades más resilientes frente a los desastres. Aunque hemos logrado grandes avances, especialmente en las fases de preparación y respuesta, y con el uso intensivo de modelos de optimización, aún queda mucho por hacer. Es imperativo ampliar el enfoque a las fases de recuperación y mitigación e investigar cómo integrar fuentes de datos en tiempo real y tecnologías IoT para mejorar la capacidad de respuesta de los DSS en entornos dinámicos. Además, debemos seguir profundizando en la modelización de las interacciones entre los diversos actores de la comunidad para fomentar una colaboración más sólida y, en última instancia, crear un entorno más seguro y resiliente para todos.

Referencias:

Elkady, S., Hernantes, J., & Labaka, L. (2024). Decision-making for community resilience: A review of decision support systems and their applications. Heliyon, 10(12).

Salas, J., & Yepes, V. (2020). Enhancing sustainability and resilience through multi-level infrastructure planning. International Journal of Environmental Research and Public Health, 17(3), 962.

Zhou, Z. W., Alcalà, J., & Yepes, V. (2023). Carbon impact assessment of bridge construction based on resilience theory. Journal of Civil Engineering and Management, 29(6), 561-576.

Os dejo un audio que resume bien el artículo anterior. Espero que os sea de interés.

Licencia de Creative Commons
Esta obra está bajo una licencia de Creative Commons Reconocimiento-NoComercial-SinObraDerivada 4.0 Internacional.