Curso: Cartografía Geotécnica - Prof. Edier Aristizábal - Universidad Nacional de Colombia, sede Medellín

0:00:00

CARTOGRAFÍA GEOTÉCNICA

Prof. Edier Aristizábal

Amenazas de origen natural & Ordenamiento territorial

Fuente: El Tiempo

Fuente: García-Delgado et al., 2019

Definición

Clasificación EM-DAT

Villatina (1987)

23 años depues...La Gabriela (2010)

Barrios de escasos recursos vulnerables: El Socorro (2008)

Barrios de abundantes recursos vulnerables: Alto Verde (2008)

El riesgo de desastres se relaciona estrechamente con la forma de usar, ocupar y transformar el territorio. Incluye la interacción permanente entre las dinámicas de la naturaleza y las dinámicas de las comunidades

Fuente: Guía de Integración de la Gestión del Riesgo de Desastres y el Ordenamiento Territorial Municipal (2015)

Ambiente de trabajo

Python

Python code is fast to develop: As the code is not required to be compiled and built, Python code can be much readily changed and executed. This makes for a fast development cycle.

Python code is not as fast in execution: Since the code is not directly compiled and executed and an additional layer of the Python virtual machine is responsible for execution, Python code runs a little slow as compared to conventional languages like C, C++, etc.

It is interpreted: Python is an interpreted language, which means it does not need compilation to binary code before it can be run. You simply run the program directly from the source code.

It is object oriented: Python is an object-oriented programming language. An object--oriented program involves a collection of interacting objects, as opposed to the conventional list of tasks. Many modern programming languages support object-oriented programming. ArcGIS and QGIS is designed to work with object-oriented languages, and Python qualifies in this respect.

Python

Anaconda

https://www.anaconda.com/download/

Anaconda

Python Packaging Index

https://pypi.org/project/pip/

Python Packaging Index

Spyder

Jupyter Lab

Scikit learn

Scikit-learn es la librería más usada de Machine Learning tradicional

La librería incluye funcionalidades de:

Preprocesamiento de datos en sklearn.preprocessing.
Algoritmos de Machine Learning en sklearn.linear_model, sklearn.svm, sklearn.ensemble, y muchos más.
Evaluación de modelos en sklearn.model_selection y sklearn.metrics.

Estabilidad de laderas

Laderas (hillslope)

Unidad de geoforma inclinada con un ángulo de pendiente mayor que un umbral mínimo que lo delimita de llanuras y menor a un umbral máximo que lo delimita de superficies verticales, y que es limitado por una unidad de geoforma en la parte superior e inferior (Denh et al., 2001).

https://earthsurface.readthedocs.io/en/latest/index.html

Ladertas (hillslope)

Slope evolution

Geomorphic process domain boundaries

from Brardinoni and Hassan, 2006

Drainage area and local slope

from: Tseng et al., 201

Residual Soil and Transported Soil

Weathering profile

https://earthsurface.readthedocs.io/en/latest/index.html

Weathering profile

Los suelos fallan por cizalla

Notas de clase Prof. Edwin García (UdeA)

Resistencia al cortante

Envolvente de falla

Circulos de Mohr

Notas de clase Prof. Edwin García (UdeA)

Circulos de Mohr

Notas de clase Prof. Edwin García (UdeA)

Circulos de Mohr

Notas de clase Prof. Edwin García (UdeA)

Circulos de Mohr

Notas de clase Prof. Edwin García (UdeA)

Circulos de Mohr

Notas de clase Prof. Edwin García (UdeA)

Circulos de Mohr

Notas de clase Prof. Edwin García (UdeA)

Circulos de Mohr

Notas de clase Prof. Edwin García (UdeA)

Estabilidad de ladera

Succión

Presión de poros

Saturación

Succión

Estabilidad de ladera

Role de la vegetación

Movimientos en masa

Slope processes

Definiciones

Cruden (1991) de la Escuela Norteamericana presenta la definición mas simple acogida oficialmente por la WP/WLI de la UNESCO, utiliza el término landslide y lo define como: Movimiento de una masa de roca, escombros o tierra ladera abajo. Sin embargo en teoría sólo aplicaría para movimientos que se deslizan sobre una superficie. de la Escuela Europea utiliza el término mass movement de acuerdo a Penk (1894), quien lo diferencia del término mass transport por ser un proceso bajo la influencia de la gravedad que no implica un medio de transporte como agua, aire o nieve.

Sheidegger (1998) los define como modificaciones del terreno dentro del ciclo geomorfológico continuo, y que corresponden a la respuesta normal del sistema debido a complejos parámetros exogénicos (meteóricos) y endogénicos (tectónicos).

Definición recomendada

Los procesos de movimiento en masa son el resultado de las condiciones naturales del terreno, tales como geomorfología, hidrología y geología, y las modificaciones de estas condiciones por procesos geodinámicos, vegetación, usos del suelo y actividades humanas. Dichas modificaciones activan movimientos lentos, generalmente imperceptibles debido a que las propiedades mecánicas del material o condiciones de equilibrio decrecen gradualmente, y posteriormente, factores como precipitación, sismicidad o cortes de origen antrópico detonan dichos movimientos lentos en rápidos movimientos en masa (Soeters & van Westen, 1996).

Evolución de la estabilidad

Factores condicionantes & detonantes

Variables condicionantes (preparatorias, cuasi-estáticas): las cuales hacen la ladera susceptible a fallar sin siquiera iniciarse y sin embargo tienden a ubicar la ladera en un estado estable marginal: geología, pendiente, aspecto, elevación, propiedades geotécnicas del suelo, vegetación, y patrones de drenaje de largo plazo y meteorización.

Variables detonantes (dinámicas): las cuales cambian la ladera de una estabilidad marginal a un estado inestable y por lo tanto iniciando una falla en un área de determinada susceptibilidad, tales como lluvias intensas, sismos, deshielo, intervención antrópica.

Intensidad vs Magnitud

Clasificación de movimientos en masa

Cruden & Varnes (1996)

CHARIM

State

CHARIM

Activity

Velocity

#URGENT : Latest huge #landslide in the Retamas village (Pataz Province, La Libertad Region, Northern #PERU), product of torrential rains on unstable ground (high slope). pic.twitter.com/z43jsUVsqj
— Abel Seism🌏Sánchez (@EQuake_Analysis) March 15, 2022

Deslizamientos

Deslizamientos planares

Partes de un deslizamiento

MenM compuestos

Source: Malet et al., 2005

MenM compuestos

Source: Malet et al., 2005

Partes de un flujo

Zhang et al., 2016

July 13, 2022

Toppling

Fall

Creeping

Depósitos

Factores detonantes

Antropogénico

Volcanes

Blink learning

Volcanes

Mt. Saint Helen (1980)

USGS

Volcanes

Mt. Saint Helen (1980)

CREDIT: GARY ROSENQUIST ©JOEL E. HARVEY

Volcanes

Mt. Saint Helen (1980)

USGS

Lluvia

El Colombiano

Lluvia

Telemedellín

Cómo se mide la precipitación?

Corantioquia

Cómo se estima la precipitación?

Meterología en red

Cómo se estima la precipitación?

Wikipedia

Cómo se estima la precipitación?

Universidad Politécnica de Catalunya

Cómo se estima la precipitación?

Earth Observation Portal

Cómo se estima la precipitación?

Meteorología en red

Lluvia

Mecanismo

Avance frente humedo --> Nivel freático colgado --> Incremento de presiones de poros positivas que por licuefacción o rápida reducción de la resistencia al cortante en condiciones no drenadas genera movimientos tipo flujos

Mecanismo

Incremento nivel freático --> Reducción de las presiones de poros negativas en condiciones no saturadas donde la falla ocurre por reducción de la succión y la masa en desplazamiento se comporta como un cuerpo semi-rigido: deslizamientos

Conductividad hidráulica

Pequeñas variaciones en la conductividad hidráulica controlan la localización de la ocurrencia de movimientos en masa.
Aunque el suelo sea texturalmente homogéneo, existen variaciones en la conductividad hidráulica debido al contenido de agua y la succión.
Suelos con bajas permeabilidades son mas estables ante eventos cortos de alta intensidad
Suelos con altas permeabilidades fallan por acumulación del incremento de las presiones de poros
Suelos con altas permeabilidades generan movimientos de masa con mayor capacidad destructiva, movimientos mas rápidos y que viajan mayores distancias

Fuente: Rahardjo et al., 2007; Rahimi et al., 2010; Wang & Sassa, 2003; Li et al., 2005; Setyo & Liao, 2008; Mukhlisin et al., 2006

Forma de la ladera

El perfil longitudinal (cóncavo – recto – convexo) controla la velocidad y cambio del flujo de agua en el suelo.
El perfil perpendicular (convergente – paralelo – divergente) controla la convergencia topográfica y juega un papel mas importante
Convexas - Divergentes. Mas estables
Cóncavas – Convergentes. Menos estables

Fuente: Talebi et al., 2008, Borga et al., 2002; Iida, 1999

Lluvia antecedente

Existe consenso en cuanto a que para suelos con baja permeabilidad, la lluvia antecedente juega un papel importante .
Los eventos detonados por condiciones de lluvia antecedente tiene superficies de fallas profundas (> 6m)

Lluvia antecedente

Intensidad-Duración-Frecuencia

Eventos muy intensos generan movimientos en masa superficiales
Eventos de larga duración e intensidad baja que generan movimientos mucho mas profundos generalmente sobre superficies de fallas pre-existentes.

Modelo hidrológico

Sismos

Pocisión en la ladera

Respuesta a la onda

Efecto bloque superior

Distancia al epicentro

Método de Newmark

Modelación

Guzzetti (2007)

Zonificación: división del terreno en áreas homogéneas o dominios y su rango de acuerdo al grado actual o potencial de susceptibilidad, amenaza o riesgo por deslizamiento.

Susceptibilidad vs Amenaza vs Riesgo

Mapas de incidencia espacial. Susceptibilidad: posibilidad de que un fenómeno ocurra en un área de acuerdo con las condiciones locales del terreno, y especifican que factores detonantes tales como precipitación o sismicidad no son considerados (Soeters y van Westen, 1996). Dónde: Probabilidad espacial.
Mapas de incidencia espacio-temporal y pronóstico. Amenaza: probabilidad de ocurrencia de un potencial fenómeno destructivo dentro de un específico período de tiempo y en una determinada área (Varnes, 1984). Dónde (intensidad)? Cuándo (frecuencia), Magnitud (Volumen). Probabilidad espacial y temporal.
Mapas de evaluación de las consecuencias. Riesgo: Evaluación de las potenciales consecuencias en términos de pérdidas humanas y párdidas económicas. Dónde? (intensidad) Cuándo? (frecuencia) Magnitud (Volumen) Cuanto? (consecuencia)

Zonificación de la amenaza

La subdivisión del terreno en zonas que son caracterizadas por la probabilidad temporal de la ocurrencia de deslizamientos de un particular tamaño y forma, dentro de un periodo de tiempo dado. Los mapas de amenaza por deslizamientos deben indicar tanto la zona donde el deslizamiento puede ocurrir como la zona de propagación. Una completa evaluación de la amenaza por deslizamientos cuantitativa incluye:

Probabilidad espacial: la probabilidad que un área dada sea golpeada por un deslizamiento.
Probabilidad temporal: la probabilidad que un evento detonante dado causar´a un deslizamiento.
Probabilidad de tamaño/volumen: probabilidad que un deslizamiento tenga un determinado tamaño y volumen.
Probabilidad de propagación: probabilidad que un deslizamiento alcanzará una cierta distancia ladera abajo.

Scale

Metodología

Formulación del problema y definición de alcances
Levantamiento de datos
La identificación y mapeo de eventos en el área de estudio (variable dependiente)
La identificación y mapeo de los factores físicos que están directa o indirectamente correlacionados con los factores de inestabilidad (variables predictoras e independientes)
An´alisis exploratorio de datos y selección de variables
Construcción del modelo
La clasificación del terreno en dominios de diferentes niveles de susceptibilidad
La evaluación del desempeño y capacidad de predicción del modelo
Validación y ajuste heurístico en campo

Etapa de planeación

Escala de nivel administrativo

Ej. POT´s

Escala de cuenca

Ej. POMCA´s

Escala de sitio

EJ. estudio geotécnico

Definición área de influencia

Unidades Morfodinámicas Independientes (UMI): son definidas como la unidad del territorio que enmarca la ladera de interés y que presenta un comportamiento independiente de las unidades adyacentes (Chica, 1989). Se considera que cualquier proceso morfodinámico que se presente en el exterior no afecta su interior e igualmente, cualquier proceso morfodinámico que se presente en el interior no afecta las unidades adyacentes (AMVA et al., 2012). Dicha unidad es delimitada por divisorias de agua, drenajes o expresiones geomorfológicas, combinadas con un análisis heurístico de la morfodinámica del paisaje.

Definición área de influencia

Unidad de análisis

La unidad de mapeo "terrain unit mapping" representa el dominio que maximiza la homogeneidad interna y la heterogeneidad entre unidades. Se refiere a la porci´on del territorio que contiene un grupo de condiciones del terreno que difiere de la unidad adyacente a lo largo de limites definidos (Hansen, 1984).

Slope unit

Terrain unit mapping

Raster

Raster vs UMI

Unique condition unit

OEA

Unique condition unit

OEA

Terrain unit mapping

Guzzetti (2005)

Métodos

Métodos de aprendizaje automático

Métodos relativos & absolutos

Métodos utilizados

Reichenbach et al. (2008)

Inventario de MenM

colección de las características de los deslizamientos en una cierta área y tiempo, preferiblemente en formato digital con información espacial relacionada con la localización (puntos o polígonos) combinada con información de atributos. Estos atributos deben idealmente contener información sobre:

El tipo de deslizamiento
actividad actual
tamaño y/o volumen
fecha de ocurrencia o edad relativa
causas

AGS (2007)

Por qué son importantes

Los inventarios de deslizamientos son la base para evaluar la susceptibilidad, amenaza y riesgo por deslizamientos
Son esenciales para los modelos de susceptibilidad que predicen los deslizamientos basados en las condiciones pasadas: Necesitamos saber dónde ocurren y cuántos
Esas condiciones son utilizadas para predecir los deslizamientos futuros: Necesitamos saber los factores causantes.
Estas condiciones difieren para diferentes tipos de movimientos: Necesitamos saber qué pasó
La información temporal es esencial para estimar la frecuencia de los deslizamientos: Necesitamos saber cuándo pasaron
Los inventarios de deslizamientos son usados para validar los resultados de la zonificación

van Westen en ACP-EU Natural Disaster Risk Program

Técnicas de levantamiento

Análisis de archivos información histórica (Reichenbach et al., 1988; Salvati et al., 2003)
Fotointerpretación de fotografías aéreas (Guzzetti & Cardinali, 1989, 1990; Galli et al., 2008; Santagelo et al., 2010, 2013)
Fotointerpretación de fotografías aéreas (Guzzetti & Cardinali, 1989, 1990; Galli et al., 2008; Santagelo et al., 2010, 2013)
Análisis visual de imágenes LIDAR (Ardizzone et a., 2007; van den Eeckhaut et al., 2007; Haneberg et al., 2009; Guzzetti et al., 2012; Razak et al., 2011, 2013)
Procesamiento de imágenes LIDAR (Martha et al., 2010; Lu et al., 2011, van der Eeckhaut et al., 2012).
Procesamiento de imágenes de satélite (Mondini & Chang, 2014; Yang & Chen, 2010; Rosin & Hervas, 2005)
Levantamiento de campo

van Westen en Landslide types and causes; Santagelo et al. (2015)

Técnicas de levantamiento

PI, visual interpretation of aerial photographs; SI, visual interpretation of satellite images; FM, field mapping; DI, visual interpretation of DEM derivatives; AM, automatic or semi-automatic mapping using remote sensing imagery; AR, analysis of archive and historical sources.

Reichenbach et al. 2018

Tipos de inventarios

Inventario de deslizamientos multi-temporal: son comúnmente utilizados en modelos de susceptibilidad y amenaza. Entre mas largo el periodo que cubre, mayor significancia temporal del inventario

Inventario de un solo periodo: corresponden a inventarios de deslizamientos de un cierto periodo de tiempo a partir de fotos aéreas o imágenes de satélite. No son validos para calibrar un modelo de susceptibilidad.

Inventario de deslizamientos de un evento: inventarios de deslizamientos que ocurren como resultado de un evento detonante particular (lluvia, sismo). Son adecuados para análisis de susceptibilidad basados. Su elaboración puede ser mas sencilla, especialmente con imágenes de alta resolución espacial y temporal fácilmente obtenibles en la actualidad

Inventarios multitemporales

Samia et al. 2019

Inventario de un periodo

Inventario de un evento

Prasad & Dhakal (2021)

Inventario de un evento

La Arenosa, Sept. 21 de 1990

Escala de análisis

Región de Umbria (Italia) - Guzzetti (2005)

Cartografía

Diferentes métodos han sido utilizados para cartografiar los movimientos en masa para un un inventario:

Un pixel que representa el centro del deslizamiento o de la corona
Todos los pixeles dentro del deslizamiento (cuerpo y corona)
La corona del deslizamiento
La célula semilla (see-cell approach) seleccionando pixeles dentro de un buffer a lo largo de la corona, y en algunas los flancos de la zona de acumulación

Fuente: Hussin et al., (2016); Clereci et al. (2006)

Escala de análisis

Errores comunes

Santagelo et al. (2015)

Subregistro

Los inventarios de deslizamientos tienden a ser sesgados por la relación entre magnitud-frecuencia en los deslizamientos asociada a:

Se desconoce la longitud del periodo de observación
Se desconoce el papel de eventos detonantes de alta intensidad tales como sismos
La geometría de los pequeños deslizamientos tiende a ser eliminada por procesos erosivos y la vegetación

Levantamiento

Santagelo et al. (2015)

Lectura DEM´s

NDVI

Características

Fuente: van Westen & Soeters (1993)

Características

Fuente: van Westen & Soeters (1993)

Características

Fuente: van Westen & Soeters (1993)

Selección de variables

Variables

Propiedad, atributo, característica, aspecto o dimensión de un objeto, hecho o fenómeno que puede variar y cuya variación es medible.

Ser observable: su información debe ser concreta y evidente en la realidad.
Ser cambiante: puede adquirir diferentes categorías y valores.
Ser medible: puede ser cuantificable.
Tener referencia conceptual: deben emanar de un previo conocimiento teórico de la realidad.

Variables condicionantes y factores detonantes

Variables condicionantes (X)

las cuales hacen la ladera susceptible a fallar sin siquiera iniciarse y sin embargo tienden a ubicar la ladera en un estado estable marginal: geología, pendiente, aspecto, elevación, propiedades geotécnicas del suelo, vegetación, y patrones de drenaje de largo plazo y meteorización.

Factor detonante

las cuales cambian la ladera de una estabilidad marginal a un estado inestable y por lo tanto iniciando una falla en un área de determinada susceptibilidad, tales como lluvias intensas, sismos, deshielo, intervención antrópica.

Variables independientes y dependiente

Variables independientes (X)

Preparatorias - explicativas – cuasiestáticas - condicionantes – predictoras - intrínsecas

Característica o propiedad que se supone ser la causa del fenómeno estudiado, en este caso los movimientos en masa.

Ej. Geología, pendiente, aspecto, etc, etc.

Variable dependiente (y)

Es el factor que es observado y medido para determinar el efecto de la variable independiente. En este caso sólo existe una variable dependiente y es la ocurrencia o no ocurrencia de los movimientos en masa.

Variables condicionantes + factor detonante = variable dependiente

Variables Condicionantes

CHARIM

Fuente: Reichenbach et al. (2018)

Fuente: Wubalem (2020) – Abay basin (Ethiopia)

Variables continuas y categóricas

Fuente: ITC

Variables locales

Florinsky (2017)

Variables no locales

Florinsky (2017)

Variables combinadas

Florinsky (2017)

Curvatura plana

Curvatura total

Histograma

Análisis Univariado

Boxplot

Bivariado

Multivariado

Scatter plot

Matriz de correlación

PCA

Aporte de cada variable

PCA & MenM

Métodos heurísticos

Métodos

Método heurístico (knowledge-driven)

La susceptibilidad es determinada directamente o indirectamente por un experto en el fenómeno y en la región de estudio. El proceso esta basado en la experiencia individual y en el uso del razonamiento por lógica. Las reglas de decisión son por lo tanto difíciles de formular por que varían de lugar a lugar.

El experto puede decidir:

Variables y clases a utilizar
El peso de las clases
El peso de las variables

Criterios utilizados:

Evidencia de actividad reciente
Ambiente geomorfológico de cada unidad identificada
Tipo de material y sus condiciones
Pendiente de las laderas
Relación con las unidades adyacentes que pueden activar o afectar la unidad de análisis.
etc., etc, ...

Ventajas:

Papel dominante de la opinión del experto en el análisis.
Podrían ser utilizados a todas las escalas (pero no muy usado a escalas de detalle)
Pueden permitir una rápida zonificación considerando una gran cantidad de variables
Cada polígono individual puede ser evaluado separadamente de acuerdo con sus conjunto de condiciones únicas

Desventajas:

Altamente subjetiva, ya que depende de la habilidad y experiencia del experto
No se puede generalizar
No genera evaluación de la amenaza cuantitativa

En los métodos heurísticos la opinión de experto realizando la caracterización son utilizadas para clasificar la susceptibilidad. Estos métodos combinan el mapeo de los deslizamientos y las características geomorfológicas como el principal elemento de entrada para la evaluación de la susceptibilidad.

Existen varios tipos de análisis heurísticos:

Análisis geomorfológico (métodos de mapeo directo)
Análisis basado en índices (mapeo indirecto)
Análisis de decisión multicriterio (mapeo indirecto)

Fuente: van Zuidam (1985)

Mapa geomorfológico pragmático

Fuente: Barredo et al. (2000)

Los estudios geológicos y geomorfológicos se deben enmarcar dentro de un estudio de zonificación de la aptitud geológica del predio de interés, el cual se debe planear y elaborar en diferentes etapas que comprenden:

Recopilación de información existente,
Fotointerpretación y uso de sensores remotos disponibles,
Análisis detallado de la base topográfica existente,
Realización de visitas de campo para el reconocimiento de las unidades litológicas y geomorfológicas,
Descripción detallada y sistemática de afloramientos,
Medición y análisis de estructuras geológicas,
Levantamiento cuidadoso del perfil de meteorización y los depósitos de vertiente o aluviales,
Identificación de los procesos morfodinámicos presentes en la zona de influencia del proyecto.

Fuente: Directrices y lineamientos AMVA (2012)

Subzonas tipo A – Estable independiente: su estabilidad es de alto grado pues sus condiciones naturales son favorables. Posiblemente llegaría a depender del manejo mismo que se le dé al terreno.

Subzonas tipo B – Estable dependiente: su estabilidad depende de factores externos, los cuales se deben corregir. También de factores internos que implican un manejo determinado del terreno y cierto tipo de obras civiles que garanticen el no deterioro de esta estabilidad natural inicial.

Subzonas tipo C – Inestable recuperable: la estabilidad de estos terrenos es critica o presenta inestabilidad manifiesta; sin embargo, con algunos correctivos específicos se puede mejorar la estabilidad, y en consecuencia, adelantar ciertas obras civiles en si interior.

Fuente: Chica (1998)

Subzonas tipo D – Inestable no recuperable: terrenos con inestabilidad manifiesta cuya recuperación no es posible o demasiado costosa comparada con las inversiones y tipo de obras proyectadas.

Subzonas tipo E – Estable no utilizable: terrenos estables pero restringidos por condiciones urbanísticas u otras como estar ubicadas en vegas potenciales de inundación o cerca de frentes libres de taludes desprotegidos.

Subzonas tipo F – Inestables no utilizables: terrenos inestables y restringidos por condiciones como las mencionadas para la zubzona anterior.

Fuente: Chica (1998)

Prof. Hernán Martinez -Curso Cartografía Geotécnica (1999)

Fuente: Aristizábal & Hermelin (2011)

Zonas aptas: alto grado de estabilidad, sin procesos morfodinámicos activos e inactivos, estabilidad condicionada al tipo de intervención y su manejo..
Zonas aptas con restricciones moderadas: zonas estables con estabilidad condicionada por la incidencia directa de los procesos morfodinámicos activos identificados en la UMI. Su estabilidad depende del manejo a los procesos existentes y la intervención, con obras de estabilización proyectadas técnica y económicamente viables.
Zonas aptas con restricciones altas: se evidencia la ocurrencia de proceso morfodinámicos activos, y su estabilidad depende del manejo que se le de a estos procesos y la intervención. El estudio debe evaluar la viabilidad técnica y económica de las obras de estabilización proyectadas.
Zonas no aptas: con evidente inestabilidad por la ocurrencia de procesos morfodinámicos. El estudio considera que las obras de estabilización proyectas son complejas y de alto costo con respecto a las intervenciones proyectadas en la zona o predio de interés.

Fuente: Directrices y lineamientos AMVA (2012)

Index mapping

Combina mapas de factores asociados con la ocurrencia de deslizamientos. Los pesos son determinados para cada factor basado en un estimativo de la influencia relativa a los deslizamientos. Las variables son generalmente divididas en clases, los cuales son ponderados utilizando el criterio de expertos. Finalmente, un índice de susceptibilidad o amenaza es obtenido para cada unidad del mapa.

Weighted linear combination

Análisis Jerárquico de Procesos

Toma de decisiones multicriterio

Conjunto de aproximaciones, métodos, modelos, técnicas y herramientas dirigidas a mejorar a calidad integral de los procesos de decisión seguidos por los individuos y los sistemas, para mejorar la efectividad, eficacia y eficiencia de los proceso de decisión y a incrementar el conocimiento de los mismos.

Paradigma de la Racionalidad

Aproximación orientada al proceso, cuyo propósito es la comprensión y el consenso. Y pretende la incorporación a los modelos de aspectos subjetivos, intangibles y no considerados, que condicionan la toma de decisiones de los individuos y organizaciones.

Fuente: Moreno (2000)

Fuente: Hervas & Bobrowsky (2009)

Es una técnica multi-objetivo y multi-criteria para toma de decisiones que permite al usuario llegar a una escala de preferencias a partir de un determinado numero de alternativas. Consiste en organizar una serie de factores en orden de jerarquía, asignando valores numéricos a valoraciones subjetivas sobre la relativa importancia de cada factor.

Los pesos son obtenidos generalmente a través de los valores y vectores propios de la matriz. El vector propio que corresponde al mayor valor propio genera la prioridad relativa de los factores.
También puede ser obtenido normalizando cada columna de la matriz de comparación, y calculando el promedio de las filas para resolver la matriz.

Escala para incorporar los juicios o valoraciones del decisor. La escala es estrictamente positiva y elimina las ambigüedades que tiene el ser humano en comparar elementos en la proximidad del cero o del infinito.

Los individuos son mas preciso al comparar elementos de la misma magnitud, número mágico de Miller (1956) 7(+/-2).

Fuente: Saaty (2000) tomado de Ayalew et al (2005)

Radio de consistencia (CR)

Es utilizado para estimar la probabilidad que la matriz de juicio fue creada aleatoriamente.

Fuente: Neaupane & Piantanakulchai (2006); Moreno (2000)

Fuente: Neupane & Piantanakulchai (2006)

Fuente: Ayalew et al (2007) en Niigata (Japón)

Métodos estadísticos bivariados

Métodos

Métodos Estadístico (data-driven)

Para movimientos en masa:

Que no se mueven mucho de su área fuente
Que no cambian significativamente su tamaño y geometría durante el movimiento (rotacional o traslacional).

Y menos aplicables a movimientos en masa:

Movimientos en masa que viajan largas distancias (cientos de miles de metros)
Que cambian significativamente su volumen y geometría durante su movimiento desde el área fuente a la zona depositacional.
Para debris flow se recomienda generalmente modelos con base física.

La falta de algunos movimientos en masa en el inventario puede no representar un problema para el modelo de susceptibilidad, en tanto que el inventario tenga una razonable representación de la abundancia y distribución de los movimientos en la zona de estudio. Consistencia es mas importante que este completo.

Fuente: Reichenbach et al. (2018)

Método Estadístico Bivariado

Cada mapa de factor (pendientes, geología, uso del suelo, etc,) es combinado con el mapa de distribución de movimientos en masa, y los valores de los pesos, basados generalmente en densidad de deslizamientos, son calculados para cada clase de la variable (rango de pendiente, unidad litológica, tipo de uso del suelo, etc, ).

Los métodos estadísticos bivariados son una buena herramienta de aprendizaje para el analista encontrar qué factores o combinación de factores juegan un papel importante en la ocurrencia de movimientos en masa.
Pueden ser combinados con métodos heurísticos
Están basados en la asociación observada entre la distribución de los movimientos en masa y cada clase.
Todos los parámetros tienen una importancia igual sobre la ocurrencia de deslizamientos.
Las variables deben ser transformadas a categóricas

Fuente: AGS (2007)

Likelihood - Frequency Ratio Model

La relación de frecuencia (FR) de la clase de cada factor condicionante es calculada dividiendo la relación de la ocurrencia de movimientos en masa por la relación del área de la clase.

$Fr=\frac{L_r}{A_r}$

Donde $L_r$ es el porcentaje de deslizamientos de la clase, y $A_r$ es el porcentaje de área de la clase.

$L_r=\frac{L_{clase}}{L_{total}}$

$A_r=\frac{A_{clase}}{A_{total}}$

Landslide susceptibility index (LSI)

$LSI=\sum FR=Fr_1+Fr_2+Fr_3+...+Fr_n$

Fuente: Suh et al. (2015)

Fuente: Chen et al. (2016)

Statistical Index Model

El valor del peso para cada unidad categórica es definido como el logaritmo natural de la densidad de deslizamientos en una clase dividido la densidad de deslizamientos en toda la cuenca, de acuerdo con la siguiente ecuación:

$SI=ln(\frac{densidad_{clase}}{densidad_{total}})=ln(\frac{D_ij}{D})=ln(\frac{\frac{N_ij}{S_ij}}{\frac{N}{S}})$

Donde $S_i$ es el pesoo dado a una cierta clase i de un parámetro j. Dij es la densidad de deslizamientos de la clase i del parámetro j. D es la densidad total de deslizamientos de todo el mapa. Nij es el número de pixeles en una cierta clase i del parametro j. N es el total de celdas que correpsonden a deslizamientos en todo el mapa. S es el total de pixeles del mapa.

Landslide susceptibility index (LSI)

$LSI=\sum SI=SI_{1}+SI_{2}+SI_{3}+...+SI_{n}$

Fuente: Chen et al, (2016); van Westen (1997)

Chen et al. (2016)

Odds

Teorema de Bayes

Weights-of-Evidence (WoE)

WoE

Teorema de Bayes en términos de odds

Presencia de la clase

$Odds(S/B_i)=Odds(S)\frac{P(B/S)}{P(B/\bar{S})}$ -> $W^+=ln\frac{P(B/S)}{P(B/\bar{S})}$

No-Presencia de la clase

$Odds(S/B_i)=Odds(S)\frac{P(\bar{B}/S)}{P(\bar{B}/\bar{S})}$ -> $W^-=ln\frac{P(\bar{B}/S)}{P(\bar{B}/\bar{S})}$

Contraste

Este método está basado en la teoría de probabilidad Bayesiana. En el cual para determinar la relativa importancia de los datos se utiliza los conceptos de probabilidad priori y posterior.

Un peso positivo de W+ indica que la presencia del factor es favorable para la ocurrencia de deslizamientos, y la magnitud indica una correlación negativa. Un valor positivo de W- señala que la ausencia del factor de causa es favorable para la ocurrencia de deslizamientos, Contraste (C), y refleja la asociación espacial total entre una variable predictora y la ocurrencia de deslizamientos. Un valor de 0 indica que la clase considerada del factor de causa no es significativa en el análisis.

$C=W^+ - W^-=ln(\frac{P(B/S)}{P(B/\bar{S})}/\frac{P(\bar{B}/S)}{P(\bar{B}/\bar{S})})$

Fuente: Kaminski (2020)

Evidential Belief Funtion (EBF)

El modelo EBF (Dempster - Shafer) consiste en el grado de Belief (Bel), Disbelief (Dis), Uncertainty (Unc) y Plausibility (Pls), con valores entre 0 y 1. Bels y Pls representan el límite de probabilidad bayesiana inferior y superior. Mientras que, Pls es mayor o igual que Bel, y Unc es la diferencia entre ellos, indicando la incertidumbre del resultado (Ghosh & Carranza, 2010; Chen et al., 2016).

$Wc_{ij}L=\frac{N(c \cap L)/N(c)}{N(L)-N(c \cap L)/N(S)-N(c)}$ $Belc_{ij}=\frac{Wc_{ij}L}{\sum{Wc_{ij}L}}$

$Wc_{ij} \bar L=\frac{N(c)-N(c \cap L)/N(c)}{N(S)-N(L)-N(c)-N(c \cap L)/N(S)-N(c)}$ $Disc_{ij}=\frac{Wc_{ij} \bar L}{\sum{Wc_{ij} \bar L}}$

$Uncc_{ij}=1-Belc_{ij} - Disc_{ij}$

N(L) es el número total de pixeles con deslizamientos. N(S) es el número total de pixeles. Donde j son las variables, e i son las clases, por lo que N(Cij) es el número de pixeles en la clase Cij.

Fuente: Ghosh & Carranza (2010)

Certainty Factor (CF)

El valor de CF varía entre -1 y +1. Un valor positivo significa un incremento en la certidumbre de la ocurrencia de deslizamientos, mientras que un valor negativo corresponde a una reducción en dicha certidumbre. Un valor cercano a 0 significa que la probabilidad priori es muy similar a la probabilidad condicional (Pourghsemi et al. 2012).

Donde PPa es la probabilidad condicional de la ocurrencia de un deslizamiento en la clase a. PPs es la probabilidad priori del número total de deslizamientos en el área (Kanungo et al. 2011).

Fuente: Chen et al. (2016)

Métodos estadísticos multivariados

Métodos

Fuente: Corominas et al. (2014)

Método Estadístico Multivariado

Evalúan la relación combinada entre una variable dependiente (ocurrencia de deslizamientos) y una serie de variables independientes (factores que controlan la ocurrencia de deslizamientos). Convirtiéndose en el método estándar para escalas regionales de evaluación de la susceptibilidad.

Limitaciones

La hipótesis general que los deslizamientos ocurren por la misma combinación de factores a lo largo del área de estudio.
Ignorar el hecho que la ocurrencia de ciertos tipos de deslizamientos están controlados por ciertos factores de causa que deben ser analizados o investigados individualmente.
Extender el control de algunos factores espaciales que pueden variar ampliamente en áreas con condiciones geológicas complejas y ambientes culturales.
La falta de un criterio de experto adecuado en diferentes tipos de deslizamientos, procesos y factores de causas.

Fuente: AGS (2007) Guidelines for landslide susceptibility, hazard and risk assessment

Matrix Assessment

También denominado Método de Análisis Condicional (Clerici et al., 2002; 2006). No requiere asunciones de aleatoriedad del fenómeno bajo análisis.

Metodología

Mapa de inventario de deslizamientos
Mapa de factores explicativos
Definir UCU
Cruzar UCU vs inventario de deslizamientos
Definir para cada UCU % de área con deslizamientos [0-1]
Determine categorías relativas de susceptibilidad a deslizamientos (k-means cluster analysis).

La densidad de deslizamientos es equivalente a la probabilidad futura de la ocurrencia de deslizamientos. L: probabilidad de ocurrencia de deslizamiento. UCU: Unidad de condiciones Únicas.

$ P(L/UCU) = (landslide area & UCU area) / UCU area$

Fuente: Constanzo et al., (2012), Clerici et al. (2006) ; De Graff et al. 1991; 2012)

Fuente: Clerici et al. (2002)

Fuente: Garcia-Urquia & Yamagishi (2017)

Fuente: Clerici et al. (2002)

Regresión Logística

La Regresión Logística es una combinación lineal de variables independientes (factores explicativos) para explicar la varianza en una variable dependiente (inventario de deslizamientos) tipo dummy [0 – 1].

Ventajas

Las variables predictoras pueden ser continuas, discretas, dicótomas, o cualquier combinación de ellas.
La variable dependiente es dicotoma (binaria)
A pesar de que el modelo transformado es lineal en las variables, las probabilidades no son lineales

Desventajas

Los pesos de las variables terminan siendo un promedio para toda el área de estudio, los cuales en realidad pueden diferir en diferentes partes del área de estudio.
La función objetivo es una combinacion lineal de las variables independientes

Odds

Limitaciones de los Odds

Función LOGIT

Sea p(x) la probabilidad de éxito cuando el valor de la variable predictora es x, entonces:

$p(x) = \frac{e^{a+\sum bx}}{1+e^{a+\sum bx}} = \frac{1}{1+e^{-(a+\sum bx)}}$

$\frac{p(x)}{1-p(x)} = e^{a+\sum bx}$

$Ln(\frac{p(x)}{1-p(x)}) = a+\sum bx$

Donde $a$ es el intercepto del modelo, $b$ son los coeficientes del modelo de regresión logística, y $x$ son las variables independientes (predictoras).

$P(y=1) = \frac{1}{1+e^{-(a+\sum bx)}}$

Donde, P es la probabilidad de Bernoulli que una unidad de terreno pertenece al grupo de no deslizamientos o al grupo de si deslizamiento. P varía de 0 a 1 en forma de curva “S” (logística).

Función LOGIT

$Ln(\frac{p(x)}{1-p(x)}) = a+\sum bx$

Donde $a$ es el intercepto del modelo, $b$ son los coeficientes del modelo de regresión logística, y $x$ son las variables independientes (predictoras).

$P(y=1) = \frac{1}{1+e^{-(a+\sum bx)}}$

Donde, P es la probabilidad de Bernoulli que una unidad de terreno pertenece al grupo de no deslizamientos o al grupo de si deslizamiento. P varía de 0 a 1 en forma de curva “S” (logística).

Odds

Regresión Logística

Función de costo

Regresión Logística

Fuente: Chen et al (2016), río Yangtze (China)


									LogisticRegression(X, y, 
										pos_class=None, 
										Cs=10, 
										fit_intercept=True,
										max_iter=100, 
										tol=1e-4, 
										verbose=0,
										solver='lbfgs', 
										coef=None,
										class_weight=None, 
										dual=False, penalty='l2',
										intercept_scaling=1., 
										multi_class='auto',
										random_state=None, check_input=True,
										max_squared_sum=None, 
										sample_weight=None,
										l1_ratio=None):

Resultado

$R^2$

Métodos de machine learning

Métodos supervisados

Métodos supervisados

Step 1: Modelo conceptual.

Step 2: Toma y procesamiento de datos.

Step 3: Análisis exploratorio de datos.

Step 4: Selección de variables (Feature engineering).

Step 5: Selección del algoritmo (Training & Evaluation).

Step 6: Optimización del modelo (Hyperparameters selection).

Step 7: Predecir

Modelo

Bias-Variance trade off

Support Vector Machine

KNN

Árbol de decisión

Random forest

Redes neuronales

Entrenamiento & Validación

Entrenamiento & Validación

Datos Desbalanceados

Optimización del modelo

Métodos con base física

Métodos

Metodos Físicos

Son basados en modelar los procesos que dan lugar a los deslizamientos utilizando modelos de estabilidad de laderas (base física).
La mayoría de modelos con base física utilizan el modelo de talud infinito, por lo que son aplicables para modelar deslizamientos planares superficiales.
Pueden ser subdivididos en modelos estáticos, que no incluyen el componente del tiempo, y modelos dinámicos, los cuales utilizan la entrada de un intervalo de tiempo como la entrada del próximo intervalo. Estos modelos consideran la respuesta transitoria del agua en el suelo de la ladera a la lluvia.
Los modelos hidrológicos son incorporados asumiendo un flujo paralelo a la ladera en un estado estático como función de la pendiente y el área de drenaje, o de forma dinámica evaluando el proceso completo desde la lluvia a la respuesta transitoria del agua en el suelo.
Los modelos dinámicos de susceptibilidad a deslizamientos señalan la variación espacial y temporal de los deslizamientos, por lo que son aplicables a la evaluación de la amenaza.

Fuente: AGS (2007) Guidelines for landslide susceptibility, hazard and risk assessment

Ventajas

En general se pueden obtener mapas de amenaza de forma cuantitativa a través del factor de seguridad y probabilidades de falla.
Existen diferentes aproximaciones a la física del problema.

Desventajas

Requieren una gran cantidad de información de entrada de detalle, a partir de ensayos de laboratorio o mediciones en campo.
Solamente recomendables para pequeñas áreas a escalas detalladas.
Consumen mas tiempo y recursos para obtener la información necesaria.
La parametrización de los modelos puede ser complicada, en especial la distribución espacial de la profundidad del suelo, la cual juega un papel fundamental.
El grado de simplificación del problema

Fuente: AGS (2007) Guidelines for landslide susceptibility, hazard and risk assessment

Fuente: van Westen et al. (1997)

Los hechos ocurren por destino (causa – efecto) o por suerte (aleatoriamente)?

Laplace (1814) Given for one instant an intelligence which could comprenhend all the forces by which nature is animated and the respective situation of the beings who compose it -an intelligence sifficiently vast to submit these data to analysis - it would embrace in the same formula the movement of the greatest bodies of the universe and those of the ligthest atom; for it, nothing would be uncertain and the future, as the past, would be present to its ayes

Henri Poincaré ...even if it were the case that the natural laws had no longer any secret for us, we could still only know the initial situation approximately. If that enabled us to predict the succeeding situation with the same approximation, that is all we require, and we should say that the phenomenon had been predicted, that it is governed by laws. But it is not always so - it may happen that small differences in the initial conditions produce very great ones in the final phenomena. A small error in the former will produce an enormous error in the latter...

Baecher & Christian (2003) Las probabilidades es una reconciliación de dichos puntos de vista extremos. Y se soporta en que el mundo es de hecho impredecible, pero principalmente por nuestro desconocimiento inadecuado de su funcionamiento. El mundo puede o no comportarse por necesidad (causa – efecto), pero en cualquier evento nosotros somos ignorantes del estado inicial y de los detalles de las leyes naturales, por lo tanto el mundo solo puede describirse como si fuera aleatorio.

Métodos de estabilidad

Fuente: Chica (1989); Herrera (2000) – Análisis de estabilidad de taludes

Falla planar

Fuente: Gokceoglu et al. (2000)

Falla en cuña

Fuente: Gokceoglu et al. (2000)

Falla por volcamiento

Fuente: Gokceoglu et al. (2000)

Deslizamientos planares

Sin infiltración (en términos de esfuerzos efectivos)

Con infiltración (en términos de fuerzas)

Deslizamientos circulares

Método Ordinario de Dovelas (Sueco)

Análisis probabilístico

permiten la evaluación de la distribución de probabilidad de una variable dependiente basado en el conocimiento de las distribuciones estadísticas de las variables independientes que lo generan

Método FOSM (first order second moment)

Basado en el truncamiento de la serie de Taylor para la variable dependiente haciendo uso únicamente de la primera derivada (Primer Orden).
Las salidas y las entradas se expresan como medias y desviaciones estándar para las variables involucradas (Segundo Momento).

Ventajas

Formulación matemática simple
No requiere gran esfuerzo computacional
Para cuantificar la influencia de cada variable independiente en la varianza de la variable dependiente.

Desventajas

No siga una distribución completa de la variable dependiente (correr riesgos en esta distribución).

Métodos Acoplados

Fuente: Dietrich & Montgomery (1998); Crosta (1998)

Tomado de: Dietrich & Montgomery (1998); Crosta (1998); Iverson (2000)

SHALSTAB

TRIGRS

Evaluación de los modelos

Fuentes de incertidumbre

Fuente: Li & Lan (2015)

Definición

Exactitud (accuracy): se refiere al grado de qué tan cerca está la medida o valor mapeado o clase de un mapa a su valor verdadero o clase en el campo.
Error (error):la diferencia entre el valor mapeado o la clase y el valor o clase verdadero.
Precisión (Precision): referente a una medida como el grado al cual medidas repetidas bajo condiciones invariantes muestran el mismo resultado.
Incertidumbre (uncertainty): grado con el cual las características actuales del terreno pueden ser presentadas espacialmente en un mapa.

Los términos objetividad y subjetividad son usados para señalar si los diferentes pasos tomados en la determinación de un grado de amenaza son verificables y reproducibles por otro investigador, o si ellos dependen del juicio personal del investigador.

Fuente: AGS (2007) Guidelines for landslide susceptibility, hazard and risk assessment

Fuentes de incertidumbre

Dificultades relacionadas con:

Evaluación con la probabilidad espacial.
Análisis temporal de la probabilidad.
Modelamiento de la masa desplazada
Evaluación de la vulnerabilidad espacial y temporal.

Fuente: van Westen et al. (2006), Jakob (2007)

La precisión del modelo depende de:

Precisión posicional: proyección de los mapas, problemas de digitalización, etc.
Precisión posicional: los mapas representan la información correcta?
Precisión posicional: los mapas representan la situación actual?
Escala apropiada: se debe evitar mapas con diferentes escalas.

Fuente: Presentación Prof. van Wessten en SGC (2017)

Desempeño y predicción

La aceptación de un modelos debe responder al menos tres criterios:

Su adecuación (conceptual y matemáticamente) en describir el comportamiento del sistema
Su robustez a pequeños cambios de los parámetros de entrada (e.j. sensibilidad a los datos)
Su exactitud en predecir los datos observados

Fuente: AGS (2007) Guidelines for landslide susceptibility, hazard and risk assessment

La evaluación de la predicción de la ocurrencia espacial de deslizamientos debe ser chequeada:

Contra la información usada para preparar el pronóstico (Success rate). Se refiere a la “bondad del ajuste” del modelo. Qué tan bien el modelo se desempeña?
Contra el futuro, cuando el evento finalmente ocurra (Prediction rate). Se refiere a la habilidad del modelo para predecir adecuadamente los futuros deslizamientos. Qué tan bien el modelo predice?

Fuente: Davis & Goodrich (1990)

Métodos

Matriz de confusión
Curva ROC
Curva de éxito
Área bajo la curva (AUC)
Distancia a la clasificación perfecta
Grado de ajuste

Fuente: AGS (2007) Guidelines for landslide susceptibility, hazard and risk assessment

Procedimiento

Cross validation

Matriz de confusión

Area bajo la curva (AUC)

Para recordar

Evalúa la calidad total del modelo
Se construye a partir de Sensitivity (TP) vs 1-Specificity (FP) a partir de la matriz de confusión creada aplicando diferentes cutoff.
Mejor desempeño del modelo sobre toda el rango de posibles cutoff. Por lo que es independiente del valor de corte (cutoff).
Puntos cercanos a la esquina superior derecha corresponden a valores mas bajos de cutoff.
Una curva ROC es mejor cuando es mas cercana a la esquina superior izquierda.
sensible a la proporción inicial de positivos y negativos. Para áreas con un grado de amenaza bajo (áreas planas) siempre dará mejores resultados que aplicaciones en áreas con amenaza alta (zonas de montaña), incluso si la calidad de la clasificación es exactamente la misma.

Curva de éxito y curva de predicción

Métodos utilizados

Reichenbach et al. (2018)

Evaluación de la amenaza

Amenaza:

Probabilidad de ocurrencia de un potencial fenómeno destructivo dentro de un periodo específico de tiempo y en una determinada área. Dónde? (Localización), Cuándo? (Frecuencia), Qué tan grande? (Volumen)

Zonificación de la amenaza:

Probabilidad espacial (Ps): la probabilidad que un área dada sea golpeada por un deslizamiento.
Probabilidad temporal (Pt): la probabilidad que un evento detonante dado causará un deslizamiento.
Probabilidad tamaño/volumen (Pm): probabilidad que un deslizamiento tenga un determinado tamaño y volumen.
Probabilidad propagación (Pp): probabilidad que un deslizamiento alcanzará una cierta distancia ladera abajo.

La amenaza puede ser estimada como la probabilidad conjunta de un tamaño de deslizamiento dado, de la ocurrencia de un deslizamiento en un tiempo establecido y de la ocurrencia espacial del deslizamiento. Se asume que las tres probabilidades son mutuamente independientes.

Descriptores de la amenaza

El IUGS (1997) sugiere que la frecuencia de los deslizamientos pueden expresarse en términos de:

El número de deslizamientos de ciertas características que pueden ocurrir en el área de estudio en un intervalo de tiempo dado 🡪 métodos basados en el conocimiento
La probabilidad de un ladera particular de sufrir deslizamientos en un periodo dado 🡪 métodos basados en datos
Índice de confiabilidad que las fuerzas motoras excedan las fuerzas resistentes, con una frecuencia de ocurrencia que es determinada considerando la probabilidad anual de la presión de poros crítica siendo excedida en el análisis 🡪 métodos con base física

Fuente: Corominas et al. (2014)

Cualitativos

Fell & Ho (2005)

Fuente: Corominas et al. (2014)

Fuente: Fell et al (2008) del JTC-1 Technical Committee on Landslides and Engineered Slopes

Probabilidad espacial

Relación de deslizamientos (probabilidad espacial en términos de frecuencia) para cada índice de susceptibilidad ajustada a una distribución Weilbull

Fuente: Lee et al. (2008) – Kuohsing (Taiwan) por el Typhoon Toraji

Modelos estadísticos

Análisis de frecuencia de deslizamientos pasados: Utilizando un inventario de deslizamiento multitemporal. Modelo de probabilidad de Poisson – Modelo Binomial para calcular el intervalo de recurrencia de eventos de deslizamientos históricos y la probabilidad temporal de los deslizamientos.

Análisis de las lluvias que detonaron deslizamientos: Estableciendo relación empírica entre intensidades del factor detonante y la frecuencia de los eventos de deslizamientos pasados correspondientes para analizar la recurrencia de tales eventos detonantes.

Poisson

La probabilidad de Poisson de experimentar un número n de deslizamientos durante el tiempo t está dada por:

Fuente: Crovelli (2000) - Open-File Report 00-249

Binomial

Fuente: Crovelli (2000) - Open-File Report 00-249

Umbrales de lluvia

Análisis de lluvias

Fuente: Berti et al. (2012)

Análisis de lluvias

Fuente: Berti et al. (2012)

Probabilidad de magnitud

The principle of regional magnitude–cumulative frequency (MCF) curves has long been used in seismology, where the observed power-law relationship between earthquake magnitude and frequency is known as the Gutenberg–Richter Law (Gutenberg and Richter, 1954). Bak et al. (1987) formalized the concept of scale-invariant (fractal) response, seemingly ubiquitous in nature, with the theory of self-organized criticality.

Existen un número importante de correlaciones (power-law MF), pero son difíciles de comparar por:

La mayoría de inventarios no distinguen entre los tipos de movimientos en masa.
La selección de diferentes métodos de ploteo (cumulativa vs no cumulativa, linear vs logarítmico) (Brardoni & church, 2004).
Los inventarios difieren en definir la magnitud. (i) área en planta del área total de la zona de disturbio (Guzzetti et al., 2002; Guthrie & Evans, 2004), (ii) área sobre la ladera, (iii) el cuadrado del ancho (Petellier et al (1997), o (iv) trabajo de campo (dai & Lee (2001; Hungr et al., 1999).

MCF curves derived form the Queen Charlotte data, using four types of “magnitude”: total volume of the event, (V), source area, (A), total disturbed area, (At) and the length of the slope between the crest of the initial slide and the “deposition point” at a slope of 15°. (Hungr et al. 2008)

Fuente: Malamud et al (2004); Corominas & Moya (2008)

Fuente: Burbank (2002)

Fuente: Stark & Hovious, 2001

Fuente: Tanyas et al. (2018)

Fuente: Stark & Hovious (2001)

Fuente: Malamud et al (2004); Wu & Chen (2013)

Propagación

March 15, 2022

July 13, 2022

Métodos para propagación

Evidencias geológicas y geomorfológicas (Hoblitt et al., 1998)

Métodos geométricos (Corominas et al., 2003; Copons & Vilaplana, 2008; Iverson et al., 1998)

Métodos racionales

Métodos con evidencias geológicas

Cartografía de los depósitos (antiguos y recientes)
Estimar la mayor distancia alcanzada
Si existe un número suficiente de MenM inventariados, estadísticas de la distancia alcanzada y su probabilidad puede ser estimada

Restricciones:

Los depósitos antiguos pueden ser removidos por erosión o cubiertos por nuevos depósitos
La geometría y condiciones responsable por antiguos MenM pueden haber cambiado.
Los resultados no pueden ser extrapolados a otras regiones

Métodos geométricos

La evaluación de la propagación se realiza a través el análisis de relaciones geométricas entre parámetros de los MenM y distancia recorrida.

Ángulo de distancia de viaje

Angulo que conecta el puto mas alto de la corona del MenM a la margen distal de la masa desplazada. La tangente de este ángulo es la relación entre el componente vertical (H) y el horizontal (L). Relaciones empíricas señalan una relación entre dicho ángulo y el volumen del MenM. Sin embargo se presentan bajos coeficientes de correlación y mucha dispersión. Cuando se diferencia por tipo de movimiento mejora.

Por lo tanto cuando se conoce la fuente y el volumen potencial se puede conocer la distancia de propagación.

Modelo empírico de Rickenmann (1999)

Ángulo de sombra

Fuente: Wieczorek et al., 1995

Métodos racionales

Métodos discretos

Cuando la granularidad de los movimientos es importante. El caso mas simpe es un bloque en caída de una ladera. El caso mas complejo es avalancha de rocas, el cual está compuesto por un conjunto de bloques de roca (esféricas o circulares) con unas leyes que describen las fuerzas de contacto. Generalmente se reduce el número de bloques que conforman la avalancha. No se recomienda para otro tipo de eventos (deslizamientos, flujos de lodos, lahares, entre otros) debido a la reología del flujo de materiales.

Métodos continuos

Están basados en la mecánica de medios continuos, y pueden incluir el acoplamiento del comportamiento mecánico con la hidráulica y termo mecánica