Mapa de riesgo descriptivo de movimientos de masa, por medio de imágenes, basado en la geometría de la ladera de una montaña en la vía Guaduas-Bogotá

Abstract

Los deslizamientos de tierra son el resultado de movimientos ladera abajo de una masa de roca, de detritus o de tierras por efectos de la gravedad. Las pérdidas a nivel social ascienden a 34.198 personas fallecidas y a nivel económico a 600 millones de dólares, en todo el territorio nacional entre 1900-2018 [Herrera-Coy et al., 2023]. Lo anterior, denota la importancia de la gestión del riesgo para prevenir efectos adversos de fenómenos naturales como los movimientos en masa. Se aborda en este trabajo de investigación el problema descrito usando técnicas de inteligencia artificial para la detección de deslizamientos a través de imágenes. Se genera un dataset de 1000 imágenes recolectadas del Sistema de Información de Movimientos en Masa de Colombia (SIMMA) con un tamaño estandarizado de 1440x1000 píxeles de ancho y alto, 96 ppp (píxeles por pulgada) y una profundidad de 24 bits. Las fotografías son de deslizamientos en diferentes etapas de desarrollo. Posteriormente, se realiza un entrenamiento de máquina desarrollado con el algoritmo de aprendizaje automático YOLO v8, del cual se obtienen modelos con una precisión media promedio mAP de 68 %. Esto permite identificar escenarios geológicos inestables que pueden generar movimientos en masa. Al optimizarse el modelo que se desarrolla en la presente investigación, se analizan las imágenes obtenidas por medio de dron en la vía Guaduas-Villeta y se realiza una predicción del riesgo, obteniendo resultados con hasta un 84 % de probabilidad de deslizamientos. Finalmente, se genera el primer mapa descriptivo del riesgo con imágenes de dron en la vía Guaduas-Villeta que comunica al noroccidente del país con Bogotá D. C. (Texto tomado de la fuente).

Landslides are the result of the downward movement of a mass of rock, debris, or soil due to gravity. Social losses rise to 34,198 fatalities and economic losses to 600 million dollars along the entire national territory between 1900-2018 [Herrera-Coy et al., 2023]. This, highlights the importance of risk management to prevent adverse effects from natural phenomena such as mass movements. This research work addresses the described problem using artificial intelligence techniques for landslide detection through images. A dataset of 1,000 images collected from the Mass Movement Information System (SIMMA) is generated, with a standardized size of 1440x1000 pixels in width and height, 96 dpi (dots per inch), and a depth of 24 bits. The photographs depict landslides at different stages of development. Subsequently, machine training is conducted using the machine learning algorithm YOLO v8, resulting in models with a mean Average Precision mAP of 68 %. This enables the identification of geologically unstable scenarios that could generate mass movements. When the model developed in this research was optimized, the images obtained by drone along the Guaduas-Villeta route are analyzed, and a risk detection is carried out, yielding results with up to 84 % probability of landslides. Finally, the first descriptive risk map is generated using drone images along the GuaduasVilleta route, which connects the northwestern part of the country with Bogota D. C.