Un artículo publicado en el volumen de mayo de 2026 de Journal of Applied Geophysics presenta un método automatizado para mejorar la estratigrafía con GPR. El trabajo propone seguir reflejos dentro de datos geofísicos, incluidos perfiles de georadar, a partir de la fuerza de las reflexiones registradas. En palabras simples, busca que las capas visibles en un radargrama puedan trazarse con más continuidad y con menos intervención manual del intérprete.
La investigación describe un procedimiento de seguimiento automático de reflejos. Cada traza de señal se divide en paquetes de energía y luego el algoritmo conecta los paquetes compatibles entre trazas cercanas. Para hacerlo, estima localmente la inclinación de los reflejos y construye una red que permite seguir horizontes incluso cuando la continuidad lateral se interrumpe por ruido, interferencias o cambios complejos en la señal.
El georadar, o GPR, envía pulsos electromagnéticos hacia el subsuelo y registra los retornos que aparecen cuando la señal encuentra cambios entre materiales. Esos cambios pueden corresponder a capas de suelo, hielo, rellenos, roca, humedad, servicios enterrados u otros contrastes físicos. La información se muestra normalmente como un radargrama: una imagen donde el eje horizontal representa el recorrido y el eje vertical representa el tiempo de retorno de la señal, que luego se interpreta como profundidad aproximada.
En una lectura estratigráfica, el objetivo no es solo detectar un objeto puntual. También interesa reconocer la forma, continuidad y relación entre capas. Esto puede ser útil en estudios de terreno, infraestructura, pavimentos, glaciares, rellenos y obras donde entender la estructura del subsuelo ayuda a planificar excavaciones, evaluar riesgos o decidir dónde estudiar con más detalle.
El estudio reciente fue probado en un perfil de georadar adquirido en el Boulder Clay Glacier, en Victoria Land, Antártica. Según el resumen del artículo, el método mostró buen desempeño tanto en una sección interna bien estratificada como en zonas más complejas cerca del basamento y la morrena. Esta distinción es importante porque los algoritmos de seguimiento suelen funcionar mejor cuando las capas son claras y continuas, pero pueden fallar cuando la señal se corta o se mezcla con otros eventos.
La promesa práctica del método está en hacer más objetiva una parte del trabajo de interpretación. En muchos proyectos, el especialista debe marcar manualmente horizontes o ajustar el procesamiento para separar señales relevantes de ruido. Si una herramienta logra seguir reflejos con poca entrada del usuario y con procesamiento mínimo, puede ayudar a revisar grandes volúmenes de datos y reducir diferencias entre interpretaciones.
Esto no significa que el software reemplace al criterio técnico. La interpretación de datos de georadar GPR sigue dependiendo de la calidad del levantamiento, el tipo de antena, las condiciones del suelo, la humedad, la profundidad esperada y la experiencia del equipo. Un algoritmo puede apoyar la lectura, pero no convierte automáticamente un radargrama complejo en una conclusión definitiva.
Otro punto relevante es que el artículo menciona aplicaciones tanto en datos sísmicos como de georadar. Esa flexibilidad refuerza una tendencia común en geofísica aplicada: tomar métodos de procesamiento usados en distintos tipos de datos y adaptarlos a necesidades específicas de prospección no destructiva. Para una empresa de georadar en Chile, este tipo de avance confirma que la calidad del informe final depende tanto de la medición en terreno como del análisis posterior.
En obras civiles, minería, arqueología, mantención urbana o estudios ambientales, la información subterránea rara vez es perfectamente ordenada. Hay interferencias, materiales mezclados, rellenos antiguos, humedad variable y señales que se superponen. Por eso, cualquier avance que mejore la continuidad de los reflejos puede ayudar a explicar mejor qué se está observando y dónde conviene intervenir con cuidado.
Un trabajo previo publicado en Innovative Infrastructure Solutions también destaca el uso de GPR para detectar objetos subterráneos y caracterizar ambientes estratigráficos en contextos urbanos. Ese tipo de aplicación muestra por qué la estratigrafía con GPR no es solo un tema académico: puede apoyar decisiones reales en proyectos donde excavar sin información suficiente implica costos, retrasos o riesgos de seguridad.
La conclusión es prudente. El nuevo algoritmo no elimina las limitaciones del georadar ni asegura resultados iguales en todos los terrenos. Pero sí muestra una dirección útil para la inspección no destructiva: combinar levantamientos bien planificados, instrumentos adecuados y procesamiento más robusto para entregar lecturas del subsuelo más claras, trazables y defendibles.
Fuentes: Journal of Applied Geophysics / ScienceDirect y Innovative Infrastructure Solutions / Springer.
