Comparación de metodologías de análisis de susceptibilidad por movimientos en masa aplicado en un área de la cuenca del río Bogotá
Cargando...
Autores
Director
Tipo de contenido
Editor
Document language:
Español
Fecha
Título de la revista
ISSN de la revista
Título del volumen
Documentos PDF
Resumen
El presente trabajo desarrolla un análisis comparativo de metodologías aplicadas a la valoración de la susceptibilidad por procesos de remoción en masa en la cuenca alta del río San Cristóbal (Bogotá). El objetivo fue evaluar, bajo un mismo marco de referencia y condiciones homogéneas de información y escala (1:25.000), el comportamiento espacial y la capacidad predictiva de distintos enfoques de modelación.
Se implementaron modelos estadísticos multivariados de carácter lineal (Regresión Logística y Análisis Discriminante Lineal), modelos de aprendizaje de máquina (K-Nearest Neighbors, Random Forest, XGBoost y LightGBM) y un modelo semi-cuantitativo multivariable tipo Mora–Vahrson (1994), basado en la ponderación estructurada de factores condicionantes y detonantes. Los modelos supervisados fueron evaluados mediante curvas ROC–AUC y métricas como precisión, sensibilidad y media armónica, mientras que el enfoque semi-cuantitativo fue analizado en términos de coherencia geomorfológica y correspondencia espacial con el inventario de eventos.
Los resultados muestran que los modelos basados en árboles de decisión presentan el mejor desempeño predictivo y una mayor coherencia espacial en la delimitación de zonas de alta susceptibilidad. Los modelos lineales exhiben un comportamiento aceptable, aunque con menor capacidad para representar interacciones complejas entre variables, y KNN evidencia alta sensibilidad a la distribución local del inventario. El modelo Mora–Vahrson ofrece una zonificación conceptualmente consistente y técnicamente estructurada, aunque con menor capacidad de discriminación fina frente a los modelos calibrados estadísticamente. Las variables con mayor incidencia corresponden a la distancia a fallas, la distancia a redes hídricas, la geomorfología y la pendiente, factores que controlan de manera directa la dinámica hidrológica y estructural del terreno. La herramienta computacional desarrollada permitió integrar, comparar y validar los diferentes enfoques, constituyéndose en un apoyo técnico para la gestión del riesgo en cuencas con características similares. (Texto tomado de la fuente)
Abstract
This research presents a comparative analysis of different methodologies for landslide susceptibility assessment in the upper San Cristóbal River basin (Bogotá, Colombia), with the objective of identifying the model that best represents the geomorphological and structural conditions of the study area. The study is based on the application of multiple approaches under the same database, cartographic scale, and landslide inventory, enabling an objective comparison of their spatial behavior and predictive performance.
Six statistical and machine learning models were implemented: Logistic Regression, Linear Discriminant Analysis (LDA), K-Nearest Neighbors (KNN), Random Forest, XGBoost, and LightGBM. In addition, the semi-quantitative Mora–Vahrson method was incorporated as a multivariable approach based on the weighting of conditioning and triggering factors. Supervised models were evaluated using ROC–AUC curves and performance metrics such as precision and sensitivity, whereas the semi-quantitative method was assessed in terms of geomorphological coherence and spatial distribution.
Results indicate that ensemble-based models (Random Forest, XGBoost, and LightGBM) achieved superior predictive performance and produced more structurally coherent high-susceptibility zones. Linear methods and KNN showed acceptable performance but limited capacity to capture complex non-linear interactions. The Mora–Vahrson model generated a technically consistent susceptibility zoning, although with lower discrimination capability compared to inventory-calibrated models.
The developed computational tool enables the integration, comparison, and validation of susceptibility methodologies, providing technical support for risk management and territorial planning.
The developed application constitutes a technical tool to support risk management and territorial planning, providing an integrated, systematic, and reproducible approach for comparing and validating different landslide susceptibility modeling methodologies.
Descripción
ilustraciones a color, diagramas, fotografías, mapas