Un catálogo de alta precisión de deslizamientos en China basado en minería de textos periodísticos con un modelo de lenguaje grande

Por qué importa este mapa de deslizamientos

Los deslizamientos causan miles de muertes y destruyen viviendas, carreteras y tierras cultivadas cada año, pero los datos básicos sobre cuándo y dónde ocurren pueden ser sorprendentemente difíciles de obtener. Este estudio construye un catálogo detallado de más de mil deslizamientos en la China continental enseñando a un sistema informático a leer años de informes periodísticos. El resultado es un conjunto de datos público que puede ayudar a mejorar los sistemas de alerta, orientar una construcción más segura y apoyar una planificación de desastres más inteligente.

De historias dispersas a una imagen nacional

Hasta ahora, China solo disponía de registros parciales de deslizamientos. Los boletines oficiales contaban cuántos eventos ocurrían cada año o en cada provincia, pero rara vez incluían ubicaciones o tiempos exactos. Los catálogos internacionales se centraban principalmente en los eventos más grandes o mortíferos a nivel mundial y con frecuencia pasaban por alto los informes locales en chino. Esto dejó a los investigadores sin una imagen clara y detallada de los deslizamientos en todo el país, dificultando juzgar dónde las laderas son más peligrosas o cómo cambia el riesgo con el tiempo.

Permitir que los ordenadores lean las noticias

Los autores recurrieron a China News Network, un importante sitio de noticias nacional que publica crónicas continuamente desde todo el país. Raspó más de 33.000 artículos que mencionaban la palabra «deslizamiento» entre 2008 y 2024, y luego descartó piezas que usaban el término como metáfora, por ejemplo en elecciones o caídas del mercado. A continuación emplearon un modelo de lenguaje grande, un tipo de inteligencia artificial avanzada entrenada con enormes cantidades de texto, para extraer hechos clave de cada informe real de desastre. Para cada evento, el sistema intentó identificar el momento en que ocurrió, el lugar, qué lo desencadenó y cuántas personas murieron, resultaron heridas o estaban desaparecidas.

Limpiar, verificar y ubicar eventos en el mapa

La salida bruta de la IA no es perfecta, por lo que el equipo añadió varias capas de verificación. Eliminó registros sin información clara de tiempo o lugar y descartó informes que solo nombraban una región amplia, como una provincia, sin detalle útil. También resolvieron el problema común de múltiples artículos que cubren el mismo desastre comparando la proximidad temporal de los eventos y la similitud en sus descripciones de ubicación, y luego fusionando los duplicados probables. Expertos humanos revisaron todos los registros restantes y corrigieron errores. Para convertir nombres de lugares escritos en coordenadas de mapa, los autores utilizaron un servicio de cartografía en línea y reglas personalizadas para elegir la mejor coincidencia, seguido nuevamente por comprobaciones manuales en los casos dudosos.

Qué revela el nuevo catálogo

El conjunto de datos final incluye 1.582 deslizamientos con información inusualmente precisa. Aproximadamente la mitad de los eventos están fechados hasta la hora exacta o incluso el minuto, y más del 80 por ciento están localizados a escala de aldea o en un sitio específico como un corte de carretera o una ladera. La mayoría de los deslizamientos registrados fueron desencadenados por lluvias intensas, especialmente en el sur de China, mientras que los eventos relacionados con terremotos se concentran cerca del borde oriental de la meseta tibetana. En comparación con dos bases de datos internacionales de deslizamientos de uso habitual, este nuevo catálogo contiene alrededor de dos veces y media más eventos en China durante los mismos años y los ubica con mayor precisión tanto en el tiempo como en el espacio.

Qué fiabilidad tiene la IA leyendo las noticias

Para probar la precisión, el equipo comparó sus registros extraídos por IA con informes oficiales sobre desastres bien conocidos y con estudios geológicos locales detallados. Hallaron que el sistema era muy bueno para extraer detalles básicos como cuándo y dónde ocurrió un deslizamiento y qué lo desencadenó, pero menos fiable a la hora de contabilizar muertos, heridos y desaparecidos, cifras que a menudo cambian a medida que se desarrolla la emergencia. En conjunto, los propios informes periodísticos coincidían estrechamente con las fuentes gubernamentales en tiempo y ubicación, lo que confirma que son una base fiable para construir un catálogo de este tipo.

Qué significa esto para la seguridad futura

Para los no especialistas, el mensaje clave es que los ordenadores ahora pueden cribar años de cobertura informativa para crear mapas claros y detallados de dónde han fallado laderas peligrosas. Este catálogo chino de deslizamientos no es un registro completo de cada evento, especialmente de los pequeños que dejaron poca huella en los medios, y las cifras de víctimas deben tratarse con cautela. Aun así, su precisión temporal y espacial lo convierte en una herramienta poderosa para científicos que prueban modelos de alerta, para planificadores que deciden dónde construir carreteras y poblaciones, y para responsables que se preparan ante futuras tormentas y terremotos.

Cita: Zhao, B., Zhang, L., Liu, Z. et al. A high-precision catalogue of landslide events in China based on news text mining with large language model. Sci Data 13, 722 (2026). https://doi.org/10.1038/s41597-026-07066-w

Palabras clave: catálogo de deslizamientos, riesgos en China, minerí­a de textos periodísticos, modelo de lenguaje grande, datos de riesgo de desastres