Innova Science Journal | Vol.03 | Núm.04 | Oct – Dic | 2025 | www.innovasciencejournal.omeditorial.com
570
Artículo Científico
Evaluación probabilística del peligro sísmico temporal con
modelos de Markov y resiliencia en Jipijapa, Ecuador.
Probabilistic assessment of temporary seismic hazard using Markov models
and resilience in Jipijapa, Ecuador.
Ponce-Regalado, Douglas Stalin1; Marcillo-Merino, Gery Lorenzo2.
1 Investigador independiente; Ecuador, Jipijapa; https://orcid.org/0000-0002-9496-
5721; douglas03ponce@gmail.com
2 Universidad Estatal del Sur de Manabí; Ecuador, Jipijapa; https://orcid.org/0009-
0000-5583-0042; gery.marcillo@unesum.edu.ec
1 Autor Correspondencia
https://doi.org/10.63618/omd/isj/v3/n4/159
Resumen: En este estudio se desarrolló un marco probabilístico híbrido y temporal,
que combina modelos de transición de Markov con análisis de ruptura estructural,
verificado mediante modelos estacionarios de Poisson y renovación, utilizando
criterios BIC y AIC. Con una serie temporal de 61 años, se aplicaron técnicas de
detección de cambio estructural, análisis de resiliencia e inferencia de cadenas de
Markov para caracterizar la dinámica de estados ecológicos definidos como E1, E2 y
E3. Se identificaron 13 rupturas significativas, destacando periodos de colapso
(1967–1983, 1985–1994; E1) y de alta actividad estable (1995–2002, 2012–2018;
E2–E3). El índice de estabilidad global (Is = 2.6) reveló persistencia moderada y ciclos
de cambio de régimen, con un tiempo medio de recuperación de 5.3 ± 2.1 años. La
matriz de transición de Markov mostró alta permanencia en E2 (0.82) y E3 (0.80), y
una transición clave de E1 a E2 (0.18), sugiriendo una dirección hacia estados más
estables. Los resultados reflejan un sistema complejo autoorganizado, con
alternancia entre estabilidad y bifurcaciones. Este enfoque integrador permite
detectar cambios de régimen y puede aplicarse en estudios ecológicos, geofísicos y
planificación territorial resiliente ante riesgos sísmicos.
Palabras clave: Rupturas estructurales; Cadenas de Markov; Señales tempranas de
cambio; Multiestabilidad.
Abstract: In this study, a hybrid and temporal probabilistic framework was developed,
combining Markov transition models with structural break analysis, verified using
stationary Poisson and renewal models, using BIC and AIC criteria. Using a 61-year
time series, structural change detection techniques, resilience analysis, and Markov
chain inference were applied to characterize the dynamics of ecological states defined
as E1, E2, and E3. Thirteen significant breaks were identified, highlighting periods of
collapse (1967–1983, 1985–1994; E1) and stable high activity (1995–2002, 2012–
2018; E2–E3). The overall stability index (Is = 2.6) revealed moderate persistence and
cycles of regime change, with an average recovery time of 5.3 ± 2.1 years. The Markov
transition matrix showed high permanence in E2 (0.82) and E3 (0.80), and a key
transition from E1 to E2 (0.18), suggesting a shift toward more stable states. The
results reflect a complex self-organizing system, with alternation between stability and
bifurcations. This integrative approach allows for the detection of regime shifts and
can be applied in ecological and geophysical studies and in resilient territorial planning
for seismic risks.
Keywords: Structural breaks; Markov chains; Early warning signals; Multistability.
Cita: Ponce-Regalado, D. S., &
Gery Lorenzo, M. (2025).
Evaluación probabilística del
peligro sísmico temporal con
modelos de Markov y resiliencia
en Jipijapa, Ecuador. Innova
Science Journal, 3(4), 570-
588. https://doi.org/10.63618/omd
/isj/v3/n4/159
Recibido: 27/07/2025
Aceptado: 15/10/2025
Publicado: 31/10/2025
Copyright: © 2025 por los
autores. Este artículo es un
artículo de acceso abierto
distribuido bajo los términos y
condiciones de la Licencia
Creative Commons, Atribución-
NoComercial 4.0 Internacional. (CC
BY-NC).
(https://creativecommons.org/lice
nses/by-nc/4.0/)
Innova Science Journal
Innova Science Journal | Vol.03 | Núm.04 | Oct – Dic | www.innovasciencejournal.omeditorial.com
571
Artículo Científico
1. Introducción
La costa ecuatoriana, y particularmente la provincia de Manabí, se localiza dentro de
una zona de subducción activa, donde la placa de Nazca converge y se introduce bajo
la placa Sudamericana. La compleja dinámica derivada de esta interacción genera
eventos telúricos de gran magnitud, junto con sismos intermedios de ocurrencia
frecuente. Estos procesos constituyen una amenaza persistente para los asentamientos
urbanos, la infraestructura crítica y las comunidades costeras.
Los registros sísmicos recientes evidencian que la estimación del peligro sísmico
basada en supuestos de independencia temporal como los modelos de tipo Poisson
tiende a subestimar la variabilidad espacio - temporal de la sismicidad. Dicha limitación
resulta especialmente relevante en regiones donde la memoria tectónica, los ciclos de
ruptura interplaca y los patrones de acoplamiento y desacoplamiento controlan de
manera significativa la recurrencia sísmica (Pratama et al., 2025).
El cantón Jipijapa, se encuentra ubicado en el sur de Manabí, se sitúa dentro de la región
costera afectada directamente por la zona de subducción de la placa de Nazca bajo la
placa Sudamericana. Esta configuración tectónica ha originado algunos de los
terremotos más destructivos registrados en Ecuador. Su comportamiento caracterizado
por una heterogénea estructura de acoplamiento, variaciones geométricas de falla y
patrones complejos de sismicidad histórica— desafía los supuestos clásicos de
independencia temporal que sustentan muchos modelos probabilísticos del peligro
sísmico (Risco Franco, 2020).
Las evaluaciones probabilísticas de peligro sísmico tradicionales suelen asumir la
independencia temporal de los eventos, generalmente siguiendo un proceso de Poisson
estacionario. Sin embargo, esta suposición ignora los efectos de memoria y las
correlaciones temporales inherentes a los sistemas de subducción, donde la
acumulación y liberación de deformaciones siguen ciclos complejos y no lineales
Investigaciones como la de (Lovery et al., 2024), (…) “Implementaron mapeado
variaciones del acoplamiento interplaca en la región sur de Perú con estaciones GNSS,
mostrando parches con distintos grados de acoplamiento que implican potencial para
grandes rupturas y largas recurrencias”.
Dentro de esto la investigación de (Georgakopoulou et al., 2024a) aplicó modelos
Poisson-Hidden Markov (PHMM) sobre catálogos sísmicos (1900-2021) para zonas
superficiales (profundidad ≤ 60km) y magnitudes M ≥ 4.5, removiendo réplicas mediante
técnicas como la de Reasenberg, y obtuvo probabilidades de ocurrencia más matizadas
que los modelos independientes en el tiempo (Ogata, 2022).
Otra línea de innovación consiste en el desarrollo de modelos de movimiento del terreno
(GMM) para la interfaz de subducción y los terremotos intraplaca, lo que tiene un
impacto directo en la estimación de la amenaza. En la reciente investigación
desarrollada por (Rezaeian et al., 2024), se incorporaron GMM de subducción
actualizados (NGA-Sub), junto con árboles lógicos para representar las incertidumbres
epistémicas y modificaciones para los efectos de la cuenca y la profundidad de la
interfaz, lo que resultó en cambios notables en los niveles de peligro para ciertos
períodos de retorno y distancias de la fuente al sitio.
Innova Science Journal
Innova Science Journal | Vol.03 | Núm.04 | Oct – Dic | www.innovasciencejournal.omeditorial.com
572
Artículo Científico
Además, se están desarrollando modelos probabilísticos de riesgo a gran escala en
regiones con deformación tectónica compleja. Por ejemplo, en Asia Central, se creó
recientemente un modelo probabilístico de riesgo sísmico utilizando catálogos de
terremotos homogeneizados, bases de datos de fallas actualizadas con información
sobre la tasa de deslizamiento y datos de exposición consistentes, con el objetivo de
fundamentar la reducción del riesgo de desastres, la planificación de infraestructuras y
la resiliencia financiera (Poggi et al., 2025).
En Ecuador, los estudios de microzonificación aportan información local crucial. El
proyecto de microzonificación sísmica de Portoviejo (Schmitz et al., 2025) ha mapeado
los espectros de respuesta, el potencial de licuefacción, el comportamiento del suelo
específico del sitio y la variabilidad espacial de la distribución de daños tras el terremoto
de Pedernales de 2016.
Al mismo tiempo, en Ecuador se han producido innovaciones relevantes. El estudio de
(Beauval et al., 2018) incorpora fuentes de interfaz, fuentes crustales e in-slab,
ajustando la zonación sísmica tras los nuevos datos del terremoto de Pedernales (Mw
7.8, 2016). El estudio muestra que algunas zonas con baja tasa instrumental pueden
tener alto potencial sísmico geológico o geodésico, y recalca la necesidad de modelos
que representen esa incertidumbre (Ponce-Regalado & Villavicencio-Cedeño, 2024).
Las evaluaciones probabilísticas de peligro sísmico (PSHA) tradicionales suelen asumir
la independencia temporal de los eventos, generalmente siguiendo un proceso de
Poisson estacionario. Sin embargo, esta suposición ignora los efectos de memoria y las
correlaciones temporales inherentes a los sistemas de subducción, donde la
acumulación y liberación de deformaciones siguen procesos complejos y no lineales (Liu
et al., 2019).
Los sistemas sísmicos en entornos de subducción presentan criticidad autoorganizada
(SOC), caracterizada por distribuciones de ley de potencia y transiciones de estado
abruptas una vez superados los umbrales internos. La integración de los procesos
markovianos en este contexto teórico permite modelar los cambios de régimen
emergentes como transiciones probabilísticas de atractores (Sharafi & Saito, 2024).
Dichos estudios resaltan la importancia de los efectos locales del suelo y del sitio para
la ingeniería y la mitigación de riesgos; sin embargo, en gran medida no mencionan las
dependencias temporales de la sismicidad ni cómo estas podrían modificar las
expectativas basadas en escenarios (Mo & Attanayake, 2023).
Este trabajo busca acortar la distancia entre la innovación metodológica en la
modelización del riesgo sísmico dependiente del tiempo y el conocimiento práctico para
la resiliencia urbana. Al centrarse en Jipijapa, también proporciona un estudio de caso
relevante para muchas zonas de subducción costera similares en todo el mundo, donde
el riesgo es alto, los recursos pueden ser limitados y se requiere con urgencia
escenarios probabilísticos robustos y utilizables.
Innova Science Journal
Innova Science Journal | Vol.03 | Núm.04 | Oct – Dic | www.innovasciencejournal.omeditorial.com
573
Artículo Científico
2. Materiales y Métodos
2.1. Conjunto de datos y fuentes
El estudio analizó la dinámica temporal de la actividad sísmica en el cantón Jipijapa,
ubicado al sur de la provincia de Manabí, Ecuador, a partir de una serie temporal anual
que abarca 61 años (1965–2025). El conjunto de datos fue compilado a partir de
diversas fuentes, entre ellas los catálogos sísmicos del Instituto Geofísico de la Escuela
Politécnica Nacional (IG-EPN) correspondientes al período 2010–2025, así como el
Catálogo Nacional Armonizado de Terremotos, que integra registros históricos y
recientes de diferentes agencias nacionales e internacionales. (Beauval et al., 2013),
que integra datos regionales e instrumentales para magnitudes Mw ≥ 3,0. Todos los
datos se homogeneizaron a la escala de magnitud de momento (Mw) y se verificó su
integridad y consistencia siguiendo los procedimientos descritos en (Xu et al., 2024) y
(Mangira et al., 2019).
2.2. Las variables principales fueron:
Mmáx_año: magnitud máxima anual registrada en el área de estudio;
Mmáx_5años: media móvil de cinco años de Mmáx_año, utilizada para suavizar
la variabilidad interanual;
Estado (Ei): régimen dinámico dominante, categorizado en tres estados
discretos:
E1 (colapso), Mmáx < 4,0
E2 (estabilidad moderada), 4,0 ≤ Mmáx < 4,8
E3 (estabilidad alta), Mmáx ≥ 4,8
Transiciones de pares (EiEj): transiciones secuenciales entre estados.
La serie fue verificada para ausencia de valores atípicos espurios y homogeneidad
temporal. No se aplicaron interpolaciones ni rellenos artificiales, a fin de preservar la
estructura original de las fluctuaciones.
2.3. Análisis de rupturas estructurales
Con el propósito de identificar cambios significativos en la media de Mmax_year, se
implementó un algoritmo de programación dinámica penalizada, equivalente a la
metodología de Bai–Perron.
El procedimiento consiste en minimizar la suma de errores al cuadrado de los
segmentos definidos por los puntos de ruptura, incorporando una penalización tipo BIC
(Bayesian Information Criterion) para evitar sobreajuste.
Ec. 1
Donde 〖SSE〗_i s la suma de residuos en el segmento i, y λ el parámetro de
penalización.
Innova Science Journal
Innova Science Journal | Vol.03 | Núm.04 | Oct – Dic | www.innovasciencejournal.omeditorial.com
574
Artículo Científico
2.4. El modelo se ejecutó bajo dos escenarios:
Penalización conservadora (λBIC): detección de rupturas mayores.
Penalización sensible (0.3λBIC): detección fina de subregímenes y transiciones
intermedias.
Los puntos de ruptura se interpretaron como cambios de régimen (E1↔E2↔E3)
asociados a eventos críticos o modificaciones en la estructura del sistema.
2.5. Índice de estabilidad temporal
Se introdujo un índice de estabilidad temporal (Is) para cuantificar la persistencia de
cada estado dinámico:
Ec. 2
Donde es la duración (en años) del estado dominante y el número de
transiciones detectadas.
Valores elevados de representan sistemas persistentes con pocos cambios de
estado, mientras que valores bajos indican alta fragmentación temporal y baja
estabilidad estructural.
Este índice se calculó tanto de forma global como por década, para evaluar la evolución
de la estabilidad a lo largo del tiempo (Montiel-López et al., 2025)
2.6. Resiliencia y tiempos de recuperación
La resiliencia dinámica se cuantificó como el tiempo transcurrido entre el inicio de un
colapso (E1) y la primera recuperación hacia E2 o E3 con valores de Mmax>0.
Cada episodio se representó como:
Ec. 3
Donde Rt es el tiempo de recuperación, Tcol el año de inicio del colapso y Trec el año
de restablecimiento.
Este indicador permitió comparar la capacidad del sistema para retornar a un estado
activo después de perturbaciones críticas.
Las distribuciones de Rt se analizaron mediante diagramas de tallo y dispersión
temporal, identificando tendencias de recuperación más rápidas o lentas a lo largo del
registro histórico.
2.7. Matriz de transición de Markov
Para evaluar la dinámica de cambio entre estados, se construyó una matriz de transición
de primer orden (Markov):
Donde representa el número de transiciones del estado i al estado j.
Innova Science Journal
Innova Science Journal | Vol.03 | Núm.04 | Oct – Dic | www.innovasciencejournal.omeditorial.com
575
Artículo Científico
De esta forma, Pij indica la probabilidad condicional de pasar de Ei a Ej en un intervalo
anual.
La matriz permitió estimar:
Probabilidad de permanencia Pii (autoestabilidad).
Probabilidad de transición Pij con ≠ (cambio de régimen).
Distribución estacionaria, interpretada como el equilibrio teórico de largo plazo
del sistema.
Este enfoque probabilístico permite la identificación de vías de transición preferidas y
configuraciones de equilibrio estable, en línea con el trabajo previo de (Georgakopoulou
et al., 2024b) sobre modelado de riesgo sísmico estocástico.
La validación del modelo se realizó comparando las probabilidades de régimen
derivadas de Markov con modelos equivalentes de Poisson y de renovación mediante
el Criterio de Información Bayesiano (CBI) y pruebas de razón de verosimilitud. El
modelo de Markov superó a los modelos estacionarios (ΔCBI > 10), lo que confirma la
relevancia de las dependencias temporales en la persistencia del régimen.
3. Resultados
3.1. Sismicidad y entorno estructural del área de estudio
El cantón Jipijapa, ubicado al sur de Manabí, Ecuador, forma parte de la región del
antearco influenciada por la subducción oblicua de la placa de Nazca bajo la placa
Sudamericana. La tasa de convergencia de aproximadamente 58 mm/año produce un
régimen compresivo-transpresional que rige tanto la deformación cortical como la
actividad sísmica (Beauval et al., 2013).
El análisis de eventos sísmicos (Mw ≥ 3,0, 1965-2025) reveló dos grupos dominantes:
terremotos corticales someros (<30 km) asociados con el sistema de fallas Jipijapa-
Puerto López, y eventos de profundidad intermedia (60-100 km) vinculados a procesos
de deshidratación dentro de la placa en subducción. La distribución bimodal de
profundidad-magnitud indica la coexistencia de deformación frágil en la corteza superior
y mecanismos dúctiles en profundidad, en consonancia con otros antearcos de
subducción en Sudamérica (Poggi et al., 2025).
El sector de Jipijapa corresponde al dominio del antearco costero ecuatoriano,
estructuralmente vinculado al bloque de Manabí–Manta, que actúa como una
microplaca cortical parcialmente desacoplada de la placa sudamericana.
Acorde al catálogo que contiene los eventos sísmicos desde 1965 hasta el 2009
incorpora los registros desde varios catálogos, fue revisado y homogenizado (Beauval
et al., 2013); adicional los Catálogo Sísmico IG-EPN de 2010 – 2011; Catálogo Sísmico
IG-EPN de 2012 hasta julio de 2025 todos proporcionados por el IG-EPN para utilización
investigativa.
Dentro del catálogo de registro sísmico se analizó de manera preliminar su recurrencia
sísmica en el Cantón Jipijapa determinado lo siguiente:
Innova Science Journal
Innova Science Journal | Vol.03 | Núm.04 | Oct – Dic | www.innovasciencejournal.omeditorial.com
576
Artículo Científico
Figura 1.
Dispersión Magnitud (Mw) vs Profundidad (km)
Nota. Elaboración Propia
En contextos andinos, esto se asocia a la deformación del antearco y la flexión de la
placa subducida, la amplitud de dispersión entre 60–100 km sugiere una heterogeneidad
térmica en el plano de subducción. El agrupamiento de sismos en la corteza superior
(Mw 3.0–4.5) revela una deformación frágil predominante, mientras que la dispersión
aislada hasta 100 km sugiere la contribución de la zona de Wadati–Benioff.
Figura 2.
Perfil vertical de profundidad por evento
Nota. Elaboración Propia
El patrón bimodal evidencia la coexistencia de fallamiento cortical superficial y actividad
intermedia asociada a procesos de deshidratación en la placa subducida
2
2.5
3
3.5
4
4.5
5
5.5
6
0 20 40 60 80 100 120
Magnitud Mw
Profundidad (km)
0
20
40
60
80
100
120
140
0 20 40 60 80 100 120
Profundidad (km)
Numero de eventos
Innova Science Journal
Innova Science Journal | Vol.03 | Núm.04 | Oct – Dic | www.innovasciencejournal.omeditorial.com
577
Artículo Científico
Figura 3.
Distribución de magnitudes (Mw) por evento
Nota. Elaboración Propia
La serie temporal de magnitudes indica un régimen de deformación estable sin evidencia
clara de aceleración sísmica pre-evento mayor, típico de regiones donde la acumulación
de esfuerzos se distribuye en múltiples fallas menores en lugar de una ruptura principal.
La ausencia de acumulación energética creciente sugiere un sistema tectónico
disipativo, donde la energía se libera de forma estable y distribuida.
Figura 4.
Evolución Temporal (1965-2025)
Nota. Elaboración Propia
El máximo registrado en 2005 coincide con episodios regionales de reajuste post-
sísmico, reflejando la interacción entre el bloque Manabí y la interfaz de subducción.
3
3.5
4
4.5
5
5.5
6
0 20 40 60 80 100 120
Magnitud Mw
Numero de eventos
0
2
4
6
8
10
12
14
16
1965
1970
1966
1984
1995
1998
2001
2008
1997
1999
1996
2000
2002
2004
2005
2006
2007
2009
2010
2012
2013
2014
2015
2016
2017
2018
2020
2021
2022
2023
2024
2025
Numero de eventos
Año
Innova Science Journal
Innova Science Journal | Vol.03 | Núm.04 | Oct – Dic | www.innovasciencejournal.omeditorial.com
578
Artículo Científico
Figura 5.
Mapa de sismicidad – Cantón Jipijapa, Manabí
Nota. Elaboración Propia
La alineación espacial de epicentros confirma un control estructural NE–SW coherente
con las fallas activas del sistema Jipijapa–Puerto López.
La sismicidad del cantón Jipijapa refleja un sistema cortical activo modulado por
la subducción de Nazca.
Los eventos se concentran en la corteza superior, con magnitudes moderadas y
estabilidad temporal.
La distribución espacial confirma el control estructural NE–SW del bloque
Manabí.
El patrón temporal sugiere una liberación energética constante sin acumulación
significativa.
3.2. Dinámica temporal de los máximos anuales (Mmax)
Se desarrollo en base a la serie de datos desde el año 1965 hasta el 2025, teniendo en
cuenta que se desarrolló con una ventana móvil de 5 años para una mejor interpretación
donde se definieron los siguientes Estados:
E1 (baja): Mmax < 4.0 (17 eventos)
E2 (media): 4.0 ≤ Mmax < 4.8 (39 eventos)
E3 (alta): Mmax ≥ 4.0 (5 eventos)
Innova Science Journal
Innova Science Journal | Vol.03 | Núm.04 | Oct – Dic | www.innovasciencejournal.omeditorial.com
579
Artículo Científico
Figura 6.
Evolución de Mmax anual y a 5 años
Nota. Elaboración Propia
La serie temporal de Mmax_year (1965–2025) muestra una marcada alternancia entre
períodos de alta actividad y fases de colapso total (Fig. 6).
Durante los primeros años (1965–1974) predominó el estado E2, caracterizado por
valores máximos de entre 4.2 y 4.7.
A partir de 1975, el sistema entró en una fase de inactividad prolongada (E1) que se
extendió hasta 1983, con valores nulos de Mmax, lo que sugiere un colapso estructural
del régimen dominante.
Posteriormente, se observaron ciclos de recuperación y nueva inestabilidad hasta
alcanzar una segunda fase activa entre 1995 y 2025, donde los valores de Mmax
volvieron a superar los 4.0, coincidiendo con la prevalencia de los estados E2–E3.
Dentro del análisis de segmentación estructural se reveló trece rupturas, como si el
tiempo mismo se hubiese fracturado en la serie: 1966, 1969, 1970, 1983, 1984, 1994,
2002, 2003, 2010, 2011, 2018, 2019 y 2025. Estas líneas delgadas separando trece
segmentos en que la tierra decidió recordar su movimiento.
Entre 1967–1969, 1971–1983 y 1985–1994, el pulso sísmico se volvió tenue, casi un
silencio (Mmax ≈ 0). Luego, entre 1995–2002, 2004–2010 y 2012–2018, la tierra pareció
respirar con calma, sosteniendo una estabilidad apenas perceptible, con magnitudes
que oscilaron entre 3.9 y 4.4.
Las discontinuidades no son meros quiebres: son pausas en una conversación antigua
entre placas, instantes en que el sistema abandona su linealidad y se permite el lujo de
mutar, de oscilar entre la quietud y el estallido, entre el orden y la ruptura.
0.00
1.00
2.00
3.00
4.00
5.00
6.00
1965
1967
1969
1971
1973
1975
1977
1979
1981
1983
1985
1987
1989
1991
1993
1995
1997
1999
2001
2003
2005
2007
2009
2011
2013
2015
2017
2019
2021
2023
2025
Magnitud Mw
Años
Mmax_year
E2
E1
E2
E1
E2
E1
E2
E3
E2
Innova Science Journal
Innova Science Journal | Vol.03 | Núm.04 | Oct – Dic | www.innovasciencejournal.omeditorial.com
580
Artículo Científico
Figura 7.
Frecuencia de pares de transisciones de estado
Nota. Elaboración Propia
3.3. Índice de estabilidad temporal
El valor global de s=2.6 indica una moderada estabilidad estructural, interrumpida por
frecuentes oscilaciones de régimen.
A nivel decadal, el índice mostró tres fases diferenciadas:
Alta estabilidad (1960–1970): Is > 3.0, dominada por E2
Colapso estructural (1980–1990): Is < 1.5, con dominancia total de E1
Reorganización (2000s–2020s): Is ≈ 2.8, marcada por alternancia E2–E3
Estos patrones reflejan la capacidad del sistema para reconfigurarse tras eventos
críticos, manteniendo cierta periodicidad en la recurrencia de estados.
Figura 8.
Índice de estabilidad por década
Nota. Elaboración Propia
3.4. Resiliencia y tiempos de recuperación
Se identificaron seis episodios de colapso-recuperación (E→E/E). El tiempo medio
de recuperación fue de 5,3 ± 2,1 años, con un rango de 3 a 9 años.
Se registraron intervalos de recuperación más cortos después de 1995 y 2005,
coincidiendo con secuencias de magnitud moderada, mientras que recuperaciones más
largas (≥8 años) se produjeron tras los colapsos de 1975 y 1989.
0
10
20
30
40
E2E2 E2E1 E1E1 E1E2 E2E3 E3E3 E3E2 E2
Frecuencia
Par de estados
-
1.00
2.00
3.00
4.00
5.00
6.00
1960 1970 1980 1990 2000 2010 2020
Indice de estabilidad
Decada
Innova Science Journal
Innova Science Journal | Vol.03 | Núm.04 | Oct – Dic | www.innovasciencejournal.omeditorial.com
581
Artículo Científico
Figura 9.
Tiempo de recuperación tras colapso (E1→E2/E3)
Nota. Elaboración Propia
Estos resultados evidencian un patrón de resiliencia asimétrica: los colapsos tienden a
ser abruptos, mientras que la recuperación es gradual, consistente con una dinámica de
histéresis típica de sistemas no lineales.
3.5. Matriz de transición de Markov
La matriz de transición de Markov cuantificó la probabilidad de permanecer en los
estados E, E y E, o de transitar entre ellos.
Se determinó la Matriz de conteos de transición (Estados)
Matriz De Probabilidades De Transición De Markov (Estados)
Tabla 1.
Probabilidad de Markov
Transiscion
Probabilidad
Interpretacion
P(E→E)
0.82
Persistencia del colapso (autoestabilidad).
P(E→E)
0.89
Alta estabilidad e inercia de régimen moderado.
P(E→E)
0.80
Estabilidad sostenida de alta actividad.
P(E→E)
0.18
Transición de recuperación dominante.
P(E→E)
0.03
Escalada gradual al estado de alta energía.
P(E→E)
0.20
Reversibilidad parcial (histéresis).
Nota. Elaboración Propia
La distribución estacionaria indica que el sistema tiende hacia un equilibrio de
estabilidad moderada con:
0
2
4
6
8
10
1975 1989 2003
Recuperacion
(año)
Año de recuperacion
Innova Science Journal
Innova Science Journal | Vol.03 | Núm.04 | Oct – Dic | www.innovasciencejournal.omeditorial.com
582
Artículo Científico
Este patrón revela una evolución direccional hacia la resiliencia, donde la actividad
moderada (E) actúa como un estado atractor, equilibrando la liberación y la
acumulación de estrés.
La presencia de reversiones E→E demuestra además la reversibilidad parcial
impulsada por la memoria, en consonancia con la dependencia markoviana de la
recurrencia sísmica.
Figura 10.
Matriz de transicion de MArkoc (probabilidades)
Nota. Elaboración Propia
Los resultados mostraron:
Alta persistencia interna:
P(E→E) = 0,89, P(E→E) = 0,80, P(E→E) = 0,82.
Transiciones dominantes:
E→E (0,18), E→E (0,03).
Histéresis de retorno:
E→E (0,20), lo que indica reversibilidad parcial y retención de memoria.
La distribución estacionaria muestra un equilibrio a largo plazo con tendencia a una
estabilidad moderada (E), con π(E) ≈ 0,54, π(E) ≈ 0,26, π(E) ≈ 0,20.
Estos resultados confirman que el sistema tiende a configuraciones estables y
autoorganizadas, en consonancia con otros modelos de riesgo dependientes del tiempo
que integran efectos de memoria markovianos.
3.6. Síntesis integradora
En conjunto, estos resultados muestran que el segmento de subducción del sur de
Manabí opera como un sistema multiestable y dependiente de la memoria, que alterna
entre regímenes de colapso y recuperación.
Innova Science Journal
Innova Science Journal | Vol.03 | Núm.04 | Oct – Dic | www.innovasciencejournal.omeditorial.com
583
Artículo Científico
En resumen, los resultados demuestran que:
El sistema sísmico del sur de Manabí presenta multiestabilidad y efectos de
memoria, alternando entre regímenes de colapso y recuperación.
El tiempo medio de recuperación (~5 años) y el índice de estabilidad moderado
(Is = 2,6) indican resiliencia, pero también vulnerabilidad periódica.
La evolución direccional hacia E sugiere una tendencia de autoorganización
hacia la estabilidad, una característica clave de los sistemas complejos
adaptativos.
El análisis de cadenas de Markov respalda una tendencia direccional hacia la
estabilidad, revelando dependencia de la trayectoria en las transiciones de
régimen.
Estas propiedades proporcionan una base dinámica y probabilística para la
predicción de la amenaza sísmica dependiente del tiempo, ofreciendo
información práctica para la resiliencia urbana y la planificación del uso del suelo
en contextos de subducción activa.
Estos hallazgos proporcionan una base cuantitativa para la previsión de riesgos
sísmicos dependientes del tiempo y una base metodológica para integrar métricas de
resiliencia probabilística en la gestión de riesgos urbanos y la planificación del uso de la
tierra en zonas de subducción activa.
4. Discusión
4.1. Multiestabilidad y dinámica de regímenes del sistema sísmico
La sismicidad del cantón Jipijapa muestra una estructura multiestable y dependiente de
la memoria tectónica, un comportamiento que contradice los postulados clásicos de
independencia temporal propuestos por los modelos estacionarios de Poisson, tal como
lo plantea (Ogata, 2022). En contraste con esta visión, los resultados aquí obtenidos se
alinean con los hallazgos de (Pratama et al., 2025), quienes demostraron que los
modelos basados en cadenas de Markov pueden modelar la secuencia condicional de
rupturas sísmicas, revelando dependencias de largo alcance que los enfoques
tradicionales omiten.
La persistencia de los estados E y E, junto con el índice de estabilidad global
relativamente moderado (Is = 2,6), sugiere que el sistema oscila entre configuraciones
metaestables, reflejando efectos de memoria y ciclos de retroalimentación entre la
acumulación y la liberación de tensiones. El marco markoviano aplicado aquí
proporciona, por tanto, una representación matemática viable de estas transiciones,
permitiendo estimar la probabilidad de cambios críticos de régimen.
4.2. Resiliencia asimétrica y comportamiento histéresis
La resiliencia asimétrica observa colapsos repentinos seguidos de recuperaciones
graduales, estas se alinean con los resultados de (Xu et al., 2024a), quienes utilizaron
los modelos híbridos de renovación para caracterizar procesos de recuperación sísmica
no lineal. Sin embargo, (Liu et al., 2019) advierten que estas dependencias temporales
no siempre se traducen en una mejora predictiva del movimiento del terreno, por la
sensibilidad de las variables geotécnicas locales y las limitaciones en la caracterización
de las condiciones de sitio.
Innova Science Journal
Innova Science Journal | Vol.03 | Núm.04 | Oct – Dic | www.innovasciencejournal.omeditorial.com
584
Artículo Científico
En ese contexto, el modelo markoviano propuesto, al estar parametrizado en términos
del tiempo medio de recuperación (5,3 ± 2,1 años) y las probabilidades de transición
(E→E = 0,18), proporcionan una medida de resiliencia más robusta frente a la
incertidumbre local y a la variabilidad espacial del sistema sísmico.
4.3. Comparación con marcos de riesgo dependientes del tiempo
Los resultados sobre criticidad autoorganizada y multiestabilidad respaldan los
planteamientos de (Sharafi & Saito, 2024a), quienes sostienen que los sistemas
tectónicos complejos presentan ciclos de energía autorregulados que alternan entre
equilibrio y ruptura. Este comportamiento refuerza la hipótesis de que el sur de Manabí,
tal como se evidencio en el caso de estudio del cantón Jipijapa, actúa como un sistema
adaptativo complejo, donde la resiliencia emerge de las interacciones dinámicas entre
las fallas y los procesos de acumulación de esfuerzos.
No obstante, (Poggi et al., 2025) enfatizan que la incorporación de efectos de memoria
markoviana en modelos regionales debe apoyarse en datos geodésicos e información
de tasas de deslizamiento para evitar sobreajustes interpretativos. En tanto que la
similitud de estos resultados con los de (Georgakopoulou et al., 2024) refuerza la validez
empírica del modelo propuesto, al coincidir en que las transiciones markovianas
capturan con mayor realismo los cambios de régimen sísmico que los modelos
estacionarios.
De este modo, la matriz de transición desarrollada para Jipijapa no solo reproduce las
dependencias temporales del sistema, sino que también ofrece una herramienta
aplicable a la planificación urbana resiliente, integrando la predicción científica con la
gestión del riesgo. Este diálogo entre teorías probabilísticas, enfoques empíricos y
marcos de complejidad posiciona la investigación dentro de la frontera metodológica
contemporánea del riesgo sísmico dependiente del tiempo.
4.4. Implicaciones para la resiliencia urbana y la planificación basada en el riesgo
Los resultados de este estudio tienen implicaciones directas para la planificación urbana
resiliente en regiones de subducción activa, donde la amenaza sísmica está modulada
por procesos no lineales y dependientes del tiempo. Tradicionalmente, los códigos
sísmicos y las políticas de ordenamiento territorial han adoptado enfoques
estacionarios, asumiendo probabilidades constantes de ocurrencia a lo largo de los
períodos de retorno (Beauval et al., 2018). Sin embargo, la evidencia de transiciones de
régimen detectadas mediante modelos markovianos sugiere que la amenaza sísmica
en Jipijapa evoluciona dinámicamente, lo que implica que los niveles de riesgo varían
según el estado del sistema y no por promedios históricos fijos.
Según (Xu et al., 2024b), estas métricas pueden integrarse en plataformas de
forecasting sísmico operativo, donde las decisiones se ajustan al ciclo dinámico de la
amenaza. De manera similar, (Sharafi & Saito, 2024b) sostienen que la resiliencia
estructural y la resiliencia social deben abordarse como propiedades interdependientes,
ambas derivadas de sistemas complejos que aprenden y se adaptan ante eventos
extremos.
En consecuencia, la planificación territorial basada en modelos markovianos no solo
mejora la evaluación del riesgo sísmico, sino que redefine la gestión urbana como un
Innova Science Journal
Innova Science Journal | Vol.03 | Núm.04 | Oct – Dic | www.innovasciencejournal.omeditorial.com
585
Artículo Científico
proceso de aprendizaje continuo y adaptación sistémica. Este enfoque promueve una
transición desde la mitigación pasiva hacia la anticipación activa, donde los modelos
probabilísticos se integran con datos geofísicos, sociales y económicos para generar
resiliencia predictiva.
4.6. Contribución teórica
Este estudio aporta una nueva perspectiva teórica al análisis del riesgo sísmico
dependiente del tiempo, al demostrar que el modelado probabilístico markoviano
permite capturar tanto los efectos de memoria como la asimetría de la resiliencia,
características esenciales de los sistemas sísmicos complejos. Este enfoque amplía el
marco tradicional de evaluación del peligro sísmico, integrando la dinámica temporal de
los eventos y la capacidad adaptativa del entorno urbano.
De acuerdo con (Rezaeian et al., 2024) la resiliencia urbana requiere un enfoque
sistémico apoyado en herramientas cuantitativas que integren el riesgo, la vulnerabilidad
y la gestión del territorio. En esta línea, la aplicación de modelos de transición
probabilística como los utilizados en este estudio constituye una traducción matemática
del proceso de aprendizaje adaptativo de las ciudades frente a la amenaza sísmica.
Asimismo, (Uzun Yüksel & Kutay Karaçor, 2025) sostienen que los indicadores
ecológicos, sociales y espaciales son fundamentales para medir la resiliencia post-
sismo, lo que refuerza la idea de que los procesos markovianos pueden ser extendidos
más allá del dominio geofísico hacia el plano urbano y comunitario.
5. Conclusiones
Este estudio desarrolló e implementó un marco probabilístico dependiente del tiempo
para la evaluación del riesgo sísmico, utilizando un modelo de transición de Markov
aplicado a la dinámica temporal de la actividad sísmica en el Cantón Jipijapa, provincia
de Manabí (Ecuador), en el período comprendido entre 1965 y 2025. La propuesta
metodológica integró técnicas de detección de rupturas estructurales, indicadores de
estabilidad temporal e índices de resiliencia sistémica, permitiendo caracterizar la
evolución de estados dinámicos bajo condiciones de estrés tectónico no lineal. Esta
aproximación híbrida permitió observar patrones emergentes en la sismicidad regional,
proporcionando una comprensión más profunda de cómo los sistemas sísmicos
evolucionan, colapsan, se reorganizan y transitan entre distintos regímenes de
comportamiento.
Los resultados evidenciaron que el sistema sísmico en estudio exhibe una dinámica no
lineal y multiestable, alternando entre tres estados claramente diferenciados: colapso
(E), transición (E) y estabilidad (E). Esta alternancia de regímenes confirma que la
sismicidad relacionada con procesos de subducción no responde a un comportamiento
aleatorio ni independiente en el tiempo —como lo plantea la hipótesis Poissoniana
tradicional—, sino que presenta una fuerte dependencia de la trayectoria histórica del
sistema, influenciada por retroalimentaciones internas y factores estructurales
acumulativos. La naturaleza no estacionaria observada revela la existencia de umbrales
críticos y puntos de bifurcación que marcan el paso entre regímenes, representando
riesgos potenciales difíciles de anticipar bajo modelos tradicionales.
El Índice de Estabilidad Temporal (Is = 2,6) calculado para la serie indica una
persistencia moderada de los estados dinámicos, con oscilaciones decenales entre
Innova Science Journal
Innova Science Journal | Vol.03 | Núm.04 | Oct – Dic | www.innovasciencejournal.omeditorial.com
586
Artículo Científico
fases de colapso y recuperación. Estos ciclos sugieren que la estabilidad estructural del
sistema no es aleatoria ni permanente, sino que está sujeta a un comportamiento cíclico
relacionado con la acumulación y liberación gradual de energía sísmica. Esta evidencia
apoya la hipótesis de que el sistema funciona como una estructura compleja
autoorganizada, donde el comportamiento colectivo emerge de las interacciones locales
entre elementos tectónicos, sin un control centralizado, pero sí con patrones recurrentes.
Por su parte, la matriz de transición de Markov mostró altas probabilidades de
permanencia en los estados E (0,89) y E (0,80), así como una transición dominante
de E hacia E (0,18). Este patrón de transición indica una clara tendencia direccional
hacia configuraciones más estables a largo plazo, lo cual sugiere que, si bien el sistema
puede experimentar episodios de colapso, existe una probabilidad significativa de que
recupere progresivamente estados de mayor estabilidad. Además, la distribución
estacionaria confirma que, en escalas temporales extendidas, el sistema tiende a
estabilizarse en estados de actividad intermedia o alta, lo cual tiene importantes
implicaciones para la predicción del riesgo sísmico.
Finalmente, el marco propuesto ofrece una herramienta metodológica robusta, flexible
y replicable, basada en datos observacionales y fundamentada en principios de la teoría
de sistemas complejos. Su aplicación permite identificar transiciones críticas, detectar
señales tempranas de cambio de régimen y modelar escenarios de evolución sísmica
en función del tiempo, superando las limitaciones de los modelos estacionarios clásicos.
Desde el punto de vista práctico, la incorporación de esta perspectiva probabilística en
los procesos de planificación territorial y gestión del riesgo puede mejorar
significativamente la toma de decisiones en contextos urbanos vulnerables,
particularmente en regiones con recursos limitados y exposición elevada a amenazas
sísmicas. En este sentido, el enfoque presentado no solo contribuye al avance del
conocimiento científico sobre la dinámica sísmica, sino que también representa un
aporte valioso para el diseño de estrategias de resiliencia adaptativa en entornos
urbanos del siglo XXI.
Referencias Bibliográficas
Beauval, C., Marinière, J., Yepes, H., Audin, L., Nocquet, J. M., Alvarado, A., Baize, S.,
Aguilar, J., Singaucho, J. C., & Jomard, H. (2018). A New Seismic Hazard Model
for Ecuador. Bulletin of the Seismological Society of America, 108(3A), 1443–1464.
https://doi.org/10.1785/0120170259
Beauval, C., Yepes, H., Palacios, P., Segovia, M., Alvarado, A., Font, Y., Aguilar, J.,
Troncoso, L., & Vaca, S. (2013). An Earthquake Catalog for Seismic Hazard
Assessment in Ecuador. Bulletin of the Seismological Society of America, 103(2A),
773–786. https://doi.org/10.1785/0120120270
Georgakopoulou, E., Tsapanos, T. M., Makrides, A., Scordilis, E., Karagrigoriou, A.,
Papadopoulou, A., & Karastathis, V. (2024a). Seismic Evaluation Based on Poisson
Hidden Markov Models—The Case of Central and South America. Stats, 7(3), 777–
792. https://doi.org/10.3390/stats7030047
Georgakopoulou, E., Tsapanos, T. M., Makrides, A., Scordilis, E., Karagrigoriou, A.,
Papadopoulou, A., & Karastathis, V. (2024b). Seismic Evaluation Based on Poisson
Innova Science Journal
Innova Science Journal | Vol.03 | Núm.04 | Oct – Dic | www.innovasciencejournal.omeditorial.com
587
Artículo Científico
Hidden Markov Models—The Case of Central and South America. Stats, 7(3), 777–
792. https://doi.org/10.3390/stats7030047
Liu, T.-T., Lu, D.-G., & Yu, X.-H. (2019). Development of a compound intensity measure
using partial least-squares regression and its statistical evaluation based on
probabilistic seismic demand analysis. Soil Dynamics and Earthquake Engineering,
125, 105725. https://doi.org/10.1016/j.soildyn.2019.105725
Lovery, B., Chlieh, M., Norabuena, E., VillegasLanza, J. C., Radiguet, M., Cotte, N.,
TsapongTsague, A., Quiroz, W., Sierra Farfán, C., Simons, M., Nocquet, J. M.,
Tavera, H., & Socquet, A. (2024). Heterogeneous Locking and Earthquake Potential
on the South Peru Megathrust From Dense GNSS Network. Journal of Geophysical
Research: Solid Earth, 129(2). https://doi.org/10.1029/2023JB027114
Mangira, O., Kourouklas, C., Chorozoglou, D., Iliopoulos, A., & Papadimitriou, E. (2019).
Modeling the earthquake occurrence with time-dependent processes: a brief review.
Acta Geophysica, 67(3), 739–752. https://doi.org/10.1007/s11600-019-00284-4
Mo, T., & Attanayake, J. (2023). Modulation of Seismic Radiation by Fault-Scale Geology
of the 2016 Mw 6.0 Shallow Petermann Ranges Earthquake (PRE) in Central
Australia. Bulletin of the Seismological Society of America, 113(2), 604–612.
https://doi.org/10.1785/0120220137
Montiel-López, D., Molina, S., Galiana-Merino, J. J., Gómez, I., Kharazian, A., Soler-
Llorens, J. L., Huesca-Tortosa, J. A., Guardiola-Villora, A., & Ortuño-Sáez, G.
(2025). Computing the time-dependent activity rate using non-declustered and
declustered catalogues – a first step towards time-dependent seismic hazard
calculations for operational earthquake forecasting. Natural Hazards and Earth
System Sciences, 25(2), 515–539. https://doi.org/10.5194/nhess-25-515-2025
Ogata, Y. (2022). Prediction and validation of short-to-long-term earthquake probabilities
in inland Japan using the hierarchical space–time ETAS and space–time Poisson
process models. Earth, Planets and Space, 74(1). https://doi.org/10.1186/s40623-
022-01669-4
Poggi, V., Parolai, S., Silacheva, N., Ischuk, A., Abdrakhmatov, K., Kobuliev, Z., Ismailov,
V., Ibragimov, R., Karaev, J., Ceresa, P., Santulin, M., & Bazzurro, P. (2025).
Development of a regional probabilistic seismic hazard model for Central Asia.
Natural Hazards and Earth System Sciences, 25(2), 817–842.
https://doi.org/10.5194/nhess-25-817-2025
Ponce-Regalado, D. S., & Villavicencio-Cedeño, E. G. (2024). Evaluación probabilística
de la vulnerabilidad sísmica de las edificaciones del campus los ángeles de la
Universidad Estatal del sur de Manabí. MQRInvestigar, 8(3), 1707–1734.
https://doi.org/10.56048/mqr20225.8.3.2024.1707-1734
Pratama, R., Porcu, E., & Zhou, B. (2025). A Markov chain model for earthquake
occurrence analysis in Megathrust 4 (M4), Sumatra, Indonesia. Natural Hazards,
121(14), 16779–16797. https://doi.org/10.1007/s11069-025-07450-6
Rezaeian, S., Powers, P. M., Altekruse, J., Ahdi, S. K., Petersen, M. D., Shumway, A.
M., Frankel, A. D., Wirth, E. A., Smith, J. A., Moschetti, M. P., Withers, K. B., &
Innova Science Journal
Innova Science Journal | Vol.03 | Núm.04 | Oct – Dic | www.innovasciencejournal.omeditorial.com
588
Artículo Científico
Herrick, J. A. (2024). The 2023 US National Seismic Hazard Model: Subduction
ground-motion models. Earthquake Spectra, 40(3), 1739–1786.
https://doi.org/10.1177/87552930241243069
Risco Franco, C. A. (2020). Cadenas de Markov para la identificación de zonas de mayor
riesgo de ocurrencia de sismos en Lima-Ica 2019. Revista IECOS: Instituto de
Investigación Económicas y Sociales.
Schmitz, M., Yepes, H., Hernández, J. J., Yegres, L., Singer, A., Rodríguez, L. M.,
Marcial, D., Sánchez-Rojas, J., García, K., Rocabado, V., Palacios, P. B., Marrero,
J. M., Osorio, I., Parra, J., Jiménez, E., Cárdenas, D., & Realpe, G. (2025). Principal
results of the Portoviejo (Ecuador) seismic microzonation project and importance for
seismic hazard mitigation. Natural Hazards. https://doi.org/10.1007/s11069-025-
07669-3
Sharafi, S. Q., & Saito, T. (2024). Seismic Damage Probability Assessment of Existing
Reinforced Concrete School Buildings in Afghanistan. Buildings, 14(4).
https://doi.org/10.3390/buildings14041054
Uzun Yüksel, K., & Kutay Karaçor, E. L. (2025). A model proposal for disaster resilient
neighborhoods: Düzce City case. City, Territory and Architecture, 12(1), 30.
https://doi.org/10.1186/s40410-025-00280-w
Xu, M.-Y., Lu, D.-G., & Zhou, W. (2024). Time-Dependent Probabilistic Seismic Hazard
Analysis for Seismic Sequences Based on Hybrid Renewal Process Models. Bulletin
of the Seismological Society of America, 114(1), 449–473.
https://doi.org/10.1785/0120230074
CONFLICTO DE INTERESES
“Los autores declaran no tener ningún conflicto de intereses”.
