Sismografía 2.0: Convirtiendo vibraciones del viento en datos climáticos
Del caos de los datos a la claridad visual. Descubre cómo procesamos señales sísmicas para monitorizar el impacto del viento en tiempo real, separando los "golpes" urbanos de la energía continua del aire.
Del caos de los datos a la claridad visual
¿Puede el suelo bajo nuestros pies decirnos con qué fuerza sopla el viento? La respuesta corta es sí, pero el camino para extraer esa información no es sencillo. En las estaciones sismológicas cercanas a núcleos urbanos, el viento no es el único que hace vibrar el sensor; el tráfico, la industria y la actividad humana generan un "ruido" constante que a menudo enmascara las señales de la naturaleza.
En este artículo, desglosamos cómo hemos logrado separar los "golpes" de la ciudad de la energía continua del aire en la comarca del Gironès.
El desafío: ¿Picos o Densidad?
Cuando observamos un sismograma en bruto, nos encontramos con una maraña de trazas. Durante los días laborables, la gráfica está llena de picos transitorios: coches pasando, maquinaria o actividad urbana. Estos picos tienen mucha amplitud, pero duran poco tiempo.
El viento, en cambio, se comporta de forma distinta. No es un golpe seco, sino una energía continua que hace que la traza sismológica se vuelva "más gorda" o densa. El reto matemático era: ¿Cómo ignorar los picos altos de los coches para medir solo el grosor de esa mancha negra de viento?
Las técnicas utilizadas
Para resolverlo, aplicamos un procesado en tres pasos:
-
Filtrado de Banda (1.0 - 8.0Hz): Hemos centrado el análisis en las frecuencias bajas, aunque el viento puede llegar a 45Hz, igual que la lluvia. Es aquí donde el empuje del viento sobre los árboles, edificios y el propio suelo genera una señal de resonancia que el sensor citizen puede capturar con mayor fidelidad, alejándonos del ruido eléctrico y de las vibraciones de alta frecuencia.
-
RSAM basado en la Mediana: A diferencia del promedio convencional (que se deja engañar por los picos de los coches), utilizamos la mediana de la amplitud en ventanas de 10 minutos. La mediana busca el valor "típico" del periodo; si un camión pasa durante 5 segundos, la mediana lo ignora, quedándose con el soplido constante del viento que ocupa el resto del tiempo.
-
Correlación Multi-estación: Para validar nuestro modelo, hemos sobreimpreso los datos de velocidad de viento de una estación meteorológica automática sobre nuestra curva de energía sísmica (RSAM).
Caso de Estudio: Girona [XJ]
El análisis se ha centrado en la estación sísmica [XJ], situada en las coordenadas 41.98215º N, 2.80552º E. Esta ubicación en el Gironès es estratégica, pero presenta un reto logístico: la distancia a la estación meteorológica de referencia.
| Dato | Detalle |
| Estación Automática | Girona [XJ] |
| Coordenadas | 41.98215, 2.80552 |
| Distancia entre la estación automática y la estación sísmica | 1,75km |
| Banda de Frecuencia | 1.0 - 8.0 Hz |
| Métrica de Energía | RSAM (Median-based) |
Nota técnica sobre la distancia: Es fundamental tener en cuenta la separación entre el sismógrafo y la estación automática. El viento no es uniforme; las ráfagas pueden variar significativamente en pocos kilómetros debido a la orografía del Gironès. Sin embargo, la coincidencia visual que hemos obtenido entre la "densidad" de la traza sísmica y los registros de velocidad del viento confirma que el suelo está actuando como un anemómetro gigante. La estación automática está a 1,75km de distancia de la estación sísmica.
Conclusiones
Este experimento demuestra que los sismógrafos citizen no solo sirven para detectar terremotos. Al aplicar técnicas de filtrado inteligente y estadística robusta (mediana), podemos convertir el ruido ambiental en datos climáticos valiosos. Hemos pasado de ver una traza "sucia" el último día a entender que esa densidad era, en realidad, la firma sónica de un temporal de viento.
La sismografía 2.0 no solo escucha la Tierra, también escucha el cielo.
Rafael Martín Soto - CEO IT / Inteligencia Artificial
Rafael Martín Soto
Informático de vocación. Organización de convenciones, ponencias, estudios avanzados en Inteligencia Artificial y optimización de recursos. Más de 20 años de experiencia en administración de servidores, web y ciberseguridad. Amante del aprovechamiento y de la optimización de los recursos naturales, reciclaje y de la naturaleza
Técnico especialista en informática de gestión
Ver perfil completo de Rafael Martín Soto