Análisis de sensibilidad de factores condicionantes de susceptibilidad de deslizamientos usando operadores y funciones de lógica difusa
Este estudio evalúa la sensibilidad de los factores condicionantes en la determinación de la susceptibilidad a deslizamientos, utilizando un enfoque basado en lógica difusa. Este método permite un análisis dinámico, teniendo en cuenta la incertidumbre de los factores condicionantes en relación con l...
- Autores:
-
Restrepo Ramírez, Maria Catalina
- Tipo de recurso:
- Tesis
- Fecha de publicación:
- 2025
- Institución:
- Universidad de San Buenaventura
- Repositorio:
- Repositorio USB
- Idioma:
- spa
- OAI Identifier:
- oai:bibliotecadigital.usb.edu.co:10819/24602
- Acceso en línea:
- https://hdl.handle.net/10819/24602
- Palabra clave:
- 000 - Ciencias de la computación, información y obras generales::005 - Programación, programas, datos de computación
Cambio climático
Áreas urbanas
Desastres naturales
Susceptibilidad
Lógica difusa
Sensibilidad
Factores condicionantes
SIG
Susceptibility
Fuzzy Logic
Sensitivity
Conditioning Factors
GIS
- Rights
- openAccess
- License
- http://purl.org/coar/access_right/c_abf2
| id |
SANBUENAV2_42039ff709d5eb9ed1b96250205330f5 |
|---|---|
| oai_identifier_str |
oai:bibliotecadigital.usb.edu.co:10819/24602 |
| network_acronym_str |
SANBUENAV2 |
| network_name_str |
Repositorio USB |
| repository_id_str |
|
| dc.title.spa.fl_str_mv |
Análisis de sensibilidad de factores condicionantes de susceptibilidad de deslizamientos usando operadores y funciones de lógica difusa |
| title |
Análisis de sensibilidad de factores condicionantes de susceptibilidad de deslizamientos usando operadores y funciones de lógica difusa |
| spellingShingle |
Análisis de sensibilidad de factores condicionantes de susceptibilidad de deslizamientos usando operadores y funciones de lógica difusa 000 - Ciencias de la computación, información y obras generales::005 - Programación, programas, datos de computación Cambio climático Áreas urbanas Desastres naturales Susceptibilidad Lógica difusa Sensibilidad Factores condicionantes SIG Susceptibility Fuzzy Logic Sensitivity Conditioning Factors GIS |
| title_short |
Análisis de sensibilidad de factores condicionantes de susceptibilidad de deslizamientos usando operadores y funciones de lógica difusa |
| title_full |
Análisis de sensibilidad de factores condicionantes de susceptibilidad de deslizamientos usando operadores y funciones de lógica difusa |
| title_fullStr |
Análisis de sensibilidad de factores condicionantes de susceptibilidad de deslizamientos usando operadores y funciones de lógica difusa |
| title_full_unstemmed |
Análisis de sensibilidad de factores condicionantes de susceptibilidad de deslizamientos usando operadores y funciones de lógica difusa |
| title_sort |
Análisis de sensibilidad de factores condicionantes de susceptibilidad de deslizamientos usando operadores y funciones de lógica difusa |
| dc.creator.fl_str_mv |
Restrepo Ramírez, Maria Catalina |
| dc.contributor.advisor.none.fl_str_mv |
Gomez Cadavid, Luis Esteban Vega Gutiérrez, Johnny Alexander |
| dc.contributor.author.none.fl_str_mv |
Restrepo Ramírez, Maria Catalina |
| dc.subject.ddc.none.fl_str_mv |
000 - Ciencias de la computación, información y obras generales::005 - Programación, programas, datos de computación |
| topic |
000 - Ciencias de la computación, información y obras generales::005 - Programación, programas, datos de computación Cambio climático Áreas urbanas Desastres naturales Susceptibilidad Lógica difusa Sensibilidad Factores condicionantes SIG Susceptibility Fuzzy Logic Sensitivity Conditioning Factors GIS |
| dc.subject.other.none.fl_str_mv |
Cambio climático Áreas urbanas Desastres naturales |
| dc.subject.proposal.spa.fl_str_mv |
Susceptibilidad Lógica difusa Sensibilidad Factores condicionantes SIG |
| dc.subject.proposal.eng.fl_str_mv |
Susceptibility Fuzzy Logic Sensitivity Conditioning Factors GIS |
| description |
Este estudio evalúa la sensibilidad de los factores condicionantes en la determinación de la susceptibilidad a deslizamientos, utilizando un enfoque basado en lógica difusa. Este método permite un análisis dinámico, teniendo en cuenta la incertidumbre de los factores condicionantes en relación con los procesos históricos de deslizamientos en un entorno SIG. se generaron 27 combinaciones de modelos de susceptibilidad, resultantes de la variación en las fuentes de datos de lluvia, elevación y cobertura, bajo resoluciones espaciales de 10 m, 12,5 m y 30,8 m. Se utilizó el operador gamma difuso (γ=0,9) para combinar las capas y generar los mapas de susceptibilidad, que fueron evaluados mediante métricas como la precisión global (ACC), el área bajo la curva (AUC-ROC) y el análisis de suficiencia estadística. Los resultados obtenidos muestran que las combinaciones de modelos con la misma resolución espacial no mostraron variaciones significativas en el desempeño al cambiar la fuente de los datos de algunos factores. Sin embargo, los mejores resultados en términos de ACC, ROC y suficiencia se lograron con los modelos de resolución espacial de 10m (CMB2). En general, las combinaciones que obtuvieron mejores desempeños y precisión difieren con las que obtuvieron mejores resultados en el análisis de suficiencia. Esto indica que la resolución espacial tiene un impacto más significativo que la fuente de los datos en la precisión de las predicciones y que en futuras investigaciones involucrar métricas complementarias es clave para comprender mejor la influencia de cada factor en los modelos. |
| publishDate |
2025 |
| dc.date.accessioned.none.fl_str_mv |
2025-05-06T17:10:41Z |
| dc.date.available.none.fl_str_mv |
2025-05-06T17:10:41Z |
| dc.date.issued.none.fl_str_mv |
2025 |
| dc.type.none.fl_str_mv |
Trabajo de grado - Especialización |
| dc.type.coar.none.fl_str_mv |
http://purl.org/coar/resource_type/c_46ec |
| dc.type.content.none.fl_str_mv |
Text |
| dc.type.driver.none.fl_str_mv |
info:eu-repo/semantics/other |
| dc.type.version.none.fl_str_mv |
info:eu-repo/semantics/acceptedVersion |
| format |
http://purl.org/coar/resource_type/c_46ec |
| status_str |
acceptedVersion |
| dc.identifier.uri.none.fl_str_mv |
https://hdl.handle.net/10819/24602 |
| url |
https://hdl.handle.net/10819/24602 |
| dc.language.iso.none.fl_str_mv |
spa |
| language |
spa |
| dc.rights.accessrights.none.fl_str_mv |
info:eu-repo/semantics/openAccess |
| dc.rights.coar.none.fl_str_mv |
http://purl.org/coar/access_right/c_abf2 |
| dc.rights.license.*.fl_str_mv |
Attribution-NonCommercial-NoDerivatives 4.0 International |
| dc.rights.uri.*.fl_str_mv |
http://creativecommons.org/licenses/by-nc-nd/4.0/ |
| eu_rights_str_mv |
openAccess |
| rights_invalid_str_mv |
http://purl.org/coar/access_right/c_abf2 Attribution-NonCommercial-NoDerivatives 4.0 International http://creativecommons.org/licenses/by-nc-nd/4.0/ |
| dc.format.extent.none.fl_str_mv |
78 páginas |
| dc.format.mimetype.none.fl_str_mv |
application/pdf |
| dc.publisher.branch.none.fl_str_mv |
Medellín |
| dc.publisher.faculty.none.fl_str_mv |
Facultad de Ingeniería |
| dc.publisher.place.none.fl_str_mv |
Medellín |
| dc.publisher.program.none.fl_str_mv |
Especialización en Sistemas de Información Geográfica |
| institution |
Universidad de San Buenaventura |
| dc.source.bibliographicCitation.spa.fl_str_mv |
C. H. Lim y H. J. Kim, «Can Forest-Related Adaptive Capacity Reduce Landslide Risk Attributable to Climate Change?—Case of Republic of Korea», Forests, vol. 13, n.o 1, ene. 2022, doi: 10.3390/f13010049. S. L. Gariano y F. Guzzetti, «Landslides in a changing climate», Earth Sci Rev, vol. 162, pp. 227-252, nov. 2016, doi: 10.1016/J.EARSCIREV.2016.08.011. J. Vega, F. H. Sepúlveda-Murillo, y M. Parra, «Landslide Modeling in a Tropical Mountain Basin Using Machine Learning Algorithms and Shapley Additive Explanations», Air, Soil and Water Research, vol. 16, ene. 2023, doi: 10.1177/11786221231195824. J. Ayala-García y K. Ospino-Ramos, «Desastres naturales en Colombia: un análisis regional». doi: https://doi.org/10.32468/dtseru.317. UNGRD, «Riesgo por movimientos en masa en Colombia». Accedido: 14 de febrero de 2025. [En línea]. Disponible en: https://surl.li/npdwxn Banco Mundial, «Peligros naturales, desastres evitables», 2010. Accedido: 15 de febrero de 2025. [En línea]. Disponible en: https://surl.li/oiqqpk N. J. Marín-Rodríguez, J. Vega, O. B. Zanabria, J. D. González-Ruiz, y S. Botero, «Towards an understanding of landslide risk assessment and its economic losses: a scientometric analysis», 1 de agosto de 2024, Springer Science and Business Media Deutschland GmbH. doi: 10.1007/s10346-024-02272-2. P. V. Gorsevski, P. E. Gessler, y P. Jankowski, «Integrating a fuzzy k-means classification and a Bayesian approach for spatial prediction of landslide hazard», J Geogr Syst, vol. 5, n.o 3, pp. 223-251, 2003, doi: 10.1007/s10109-003-0113-0. T. Kritikos y T. Davies, «Assessment of rainfall-generated shallow landslide/debris-flow susceptibility and runout using a GIS-based approach: application to western Southern Alps of New Zealand», Landslides, vol. 12, n.o 6, pp. 1051-1075, dic. 2015, doi: 10.1007/s10346- 014-0533-6. S. Baharvand, J. Rahnamarad, S. Soori, y N. Saadatkhah, «Landslide susceptibility zoning in a catchment of Zagros Mountains using fuzzy logic and GIS», Environmental Earth Sciences Environmental Earth Sciences This journal doesn’t have a profile on ResearchGate yet. Interested in this journal? Get notified when it activates its profile, and start getting updates. I’m interested , vol. 79, n.o 10, p. 204, abr. 2020. V. Nwazelibe, C. Unigwe, y J. Egbueri, «Testing the performances of different fuzzy overlay methods in GIS-based landslide susceptibility mapping of Udi Province, SE Nigeria», Catena (Amst), vol. 220(Part A), ene. 2023. N. Velásquez, C. D. Hoyos, J. I. Vélez, y E. Zapata, «Reconstructing the 2015 Salgar flash flood using radar retrievals and a conceptual modeling framework in an ungauged basin», Hydrol Earth Syst Sci, vol. 24, n.o 3, pp. 1367-1392, mar. 2020, doi: 10.5194/hess-24-1367- 2020. J. Vega, L. Ortiz-Giraldo, B. A. Botero, C. Hidalgo, y J. C. Parra, «Probabilistic Cascade Modeling for Enhanced Flood and Landslide Hazard Assessment: Integrating Multi-Model Approaches in the La Liboriana River Basin», Water (Switzerland), vol. 16, n.o 17, sep. 2024, doi: 10.3390/w16172404. V. Madrid, «Evaluation of the variability by the use of fuzzy logic operators -and- fuctions for landslides susceptibility mapping in the “La Liboriana” basin (Salgar, Colombia)», Universidad of Medellín, Medellín, 2024. EL CONGRESO DE COLOMBIA, Ley 1523 de 2012. Colombia. P. Sastre Olmos, «Sistemas de Información Geográfica (SIG): Técnicas básicas para estudios de biodiversidad», 2010. Organización de los Estados Americanos, «Manual sobre el manejo de peligros naturales en la planificación para el desarrollo regional integrado.», Washington, D.C., 1993. Accedido: 15 de febrero de 2025. [En línea]. Disponible en: https://surl.li/eiuvmn L. F. Osorio Marín, «Zonificación de la susceptibilidad del terreno a los deslizamientos. Caso de Estudio: Nariño - Colombia», Universidad Nacional de Colombia, Bogotá, 2019. S. Badola, V. N. Mishra, S. Parkash, y M. Pandey, «Rule-based fuzzy inference system for landslide susceptibility mapping along national highway 7 in Garhwal Himalayas, India», Quaternary Science Advances, vol. 11, p. 100093, jul. 2023, doi: 10.1016/J.QSA.2023.100093. L. A. Zadeh, «Fuzzy sets», Information and Control, vol. 8, n.o 3, pp. 338-353, 1965. T. Kritikos, T. R. Robinson, y T. R. H. Davies, «Regional coseismic landslide hazard assessment without historical landslide inventories: A new approach», J Geophys Res Earth Surf, vol. 120, n.o 4, pp. 711-729, abr. 2015, doi: 10.1002/2014JF003224. O. Zatarain, «Lógica Difusa», may 2011. Accedido: 15 de febrero de 2025. [En línea]. Disponible en: https://surl.gd/ebaeue Esri, «Aplicar la lógica difusa a rásteres de superposición», ESRI. Accedido: 15 de febrero de 2025. [En línea]. Disponible en: https://surl.li/smeirn Esri, «Cómo funciona la superposición difusa», ESRI. Accedido: 15 de febrero de 2025. [En línea]. Disponible en: https://surl.li/rldplk J. A. Barrero Zabaleta, Geografía Física de Colombia, 1.a ed. Bogotá D.C.: Fondo Editorial Areandino, 2017. Departamento Administrativo de Planeación Dirección Sistemas de Indicadores, «Límites generales del departamento de Antioquia», Gobernación de Antioquia. Accedido: 15 de febrero de 2025. [En línea]. Disponible en: https://surl.li/vyiqdo CORANTIOQUIA, «Formulación del Plan de Ordenación y Manejo de la Cuenca Hidrográfica del Río San Juan (Código 2619)», dic. 2020. D. Ruiz Vásquez y E. Aristizábal, «Landslide susceptibility assessment in mountainous and tropical scarce-data regions using remote sensing data: A case study in the Colombian Andes», en EGU General Assembly, 2018. JAXA y METI, «ALOS PALSAR». Accedido: 28 de febrero de 2025. [En línea]. Disponible en: https://surli.cc/dvmsit «ASTER Global Digital Elevation Model 1 arc second». [En línea]. Disponible en: https://surl.li/qadekm «Datos Abiertos Cartografía y Geografía | GEOPORTAL». Accedido: 24 de marzo de 2025. [En línea]. Disponible en: https://surl.li/dvxyvh «System for Automated Geoscientific Analyses», SAGA GIS 9.6. Accedido: 16 de febrero de 2025. [En línea]. Disponible en: https://surl.li/jrufxi J. Vega y C. Hidalgo, «Comparison study of a landslide-event hazard mapping using a multiapproach of fuzzy logic, TRIGRS model, and support vector machine in a data-scarce Andes Mountain region», Arabian Journal of Geosciences, vol. 16, n.o 9, sep. 2023, doi: 10.1007/s12517-023-11627-3. «Sistema de Alerta Temprana de Medellín y el Valle de Aburrá». Accedido: 28 de febrero de 2025. [En línea]. Disponible en: https://siata.gov.co/portalWeb «IMERG: Recuperaciones multisatélite integradas para GPM | Misión Global de Medición de Precipitaciones de la NASA». Accedido: 23 de marzo de 2025. [En línea]. Disponible en: https://gpm.nasa.gov/data/imerg «CHIRPS: Estimaciones de lluvia a partir de pluviómetros y observaciones satelitales | Centro de Riesgos Climáticos - UC Santa Bárbara». Accedido: 23 de marzo de 2025. [En línea]. Disponible en: https://www.chc.ucsb.edu/data/chirps Instituto Humboldt, «Información geográfica - Cobertura». Accedido: 28 de febrero de 2025. [En línea]. Disponible en: https://www.humboldt.org.co/ Esri, «Cobertura terrestre de Esri 2017». Accedido: 28 de febrero de 2025. [En línea]. Disponible en: https://livingatlas.arcgis.com/landcover/ Esri, «ArcGIS Pro». Accedido: 2 de marzo de 2025. [En línea]. Disponible en: https://www.esri.com/es-es/arcgis/products/arcgis-pro/overview A. Merghadi et al., «Machine learning methods for landslide susceptibility studies: A comparative overview of algorithm performance», 1 de agosto de 2020, Elsevier B.V. doi: 10.1016/j.earscirev.2020.103225. P. Frattini, G. Crosta, y A. Carrara, «Techniques for evaluating the performance of landslide susceptibility models», Eng Geol, vol. 111, n.o 1-4, pp. 62-72, feb. 2010, doi: 10.1016/J.ENGGEO.2009.12.004. L. Lombardo y P. M. Mai, «Presenting logistic regression-based landslide susceptibility results», Eng Geol, vol. 244, pp. 14-24, oct. 2018, doi: 10.1016/J.ENGGEO.2018.07.019. C. T. Lee, «Statistical seismic landslide hazard analysis: An example from Taiwan», Eng Geol, vol. 182, n.o PB, pp. 201-212, nov. 2014, doi: 10.1016/J.ENGGEO.2014.07.023. A. Brenning, M. Schwinn, A. P. Ruiz-Páez, y J. Muenchow, «Landslide susceptibility near highways is increased by 1 order of magnitude in the Andes of southern Ecuador, Loja province», Natural Hazards and Earth System Sciences, vol. 15, n.o 1, pp. 45-57, ene. 2015, doi: 10.5194/NHESS-15-45-2015. H. Petschko, A. Brenning, R. Bell, J. Goetz, y T. Glade, «Assessing the quality of landslide susceptibility maps - Case study Lower Austria», Natural Hazards and Earth System Sciences, vol. 14, n.o 1, pp. 95-118, ene. 2014, doi: 10.5194/NHESS-14-95-2014. K. T. Chang, A. Merghadi, A. P. Yunus, B. T. Pham, y J. Dou, «Evaluating scale effects of topographic variables in landslide susceptibility models using GIS-based machine learning techniques», Scientific Reports 2019 9:1, vol. 9, n.o 1, pp. 1-21, ago. 2019, doi: 10.1038/s41598-019-48773-2. P. Tarolli y G. Dalla Fontana, «Hillslope-to-valley transition morphology: New opportunities from high resolution DTMs», Geomorphology, vol. 113, n.o 1-2, pp. 47-56, dic. 2009, doi: 10.1016/J.GEOMORPH.2009.02.006. G. Manzo, V. Tofani, S. Segoni, A. Battistini, y F. Catani, «GIS techniques for regionalscale landslide susceptibility assessment: the Sicily (Italy) case study», International Journal of Geographical Information Science, vol. 27, n.o 7, pp. 1433-1452, jul. 2013, doi: 10.1080/13658816.2012.693614. U. Paudel, T. Oguchi, Y. Hayakawa, U. Paudel, T. Oguchi, y Y. Hayakawa, «MultiResolution Landslide Susceptibility Analysis Using a DEM and Random Forest», International Journal of Geosciences, vol. 7, n.o 5, pp. 726-743, may 2016, doi: 10.4236/IJG.2016.75056. L. Chen, Z. Guo, K. Yin, D. Pikha Shrestha, y S. Jin, «The influence of land use and land cover change on landslide susceptibility: A case study in Zhushan Town, Xuan’en County (Hubei, China)», Natural Hazards and Earth System Sciences, vol. 19, n.o 10, pp. 2207- 2228, oct. 2019, doi: 10.5194/NHESS-19-2207-2019. M. Lourembam Chanu y B. Oinam, «Impact study for landslide contributing factors using a multi-criterion approach for landslide susceptibility», Arabian Journal of Geosciences, vol. 14, n.o 18, sep. 2021, doi: 10.1007/S12517-021-08264-Z C. H. Wu y S. C. Chen, «Determining landslide susceptibility in Central Taiwan from rainfall and six site factors using the analytical hierarchy process method», Geomorphology, vol. 112, n.o 3-4, pp. 190-204, nov. 2009, doi: 10.1016/J.GEOMORPH.2009.06.002. |
| dc.source.other.none.fl_str_mv |
Biblioteca USB Medellín (San Benito): TG-7666t |
| bitstream.url.fl_str_mv |
https://bibliotecadigital.usb.edu.co/bitstreams/cbc5ffde-6d4c-43af-98e0-3c75c974b42b/download https://bibliotecadigital.usb.edu.co/bitstreams/fcb650f0-0fed-491d-a33e-1536876a7df1/download https://bibliotecadigital.usb.edu.co/bitstreams/57337044-757a-47f7-b390-ffac3c193a5f/download https://bibliotecadigital.usb.edu.co/bitstreams/85455013-9a77-469e-a508-8af7a929ce31/download https://bibliotecadigital.usb.edu.co/bitstreams/b8efb38f-967f-4976-8e28-3213ea0ed38a/download https://bibliotecadigital.usb.edu.co/bitstreams/5cd53582-bef7-4bf5-b14c-317bb29a0788/download https://bibliotecadigital.usb.edu.co/bitstreams/b80b7996-c387-4a46-9382-0887e431ec22/download https://bibliotecadigital.usb.edu.co/bitstreams/312e7af7-e20d-456c-aacd-16d6fa25d0ff/download |
| bitstream.checksum.fl_str_mv |
c9f57e8824ff68724c3f3400dee7d0f0 0b51954db9610015c473d9a24bade85d ce8fd7f912f132cbeb263b9ddc893467 3b6ce8e9e36c89875e8cf39962fe8920 a4a77b3209b5af7650848b7e348ac1a4 6273370f166d16d35882666ef8734461 ce52a7f2ab8fb31ede7040beda17d614 b4fdc6f9f76c56a9e8f69c0767c9c5e6 |
| bitstream.checksumAlgorithm.fl_str_mv |
MD5 MD5 MD5 MD5 MD5 MD5 MD5 MD5 |
| repository.name.fl_str_mv |
Repositorio Institucional Universidad de San Buenaventura Colombia |
| repository.mail.fl_str_mv |
bdigital@metabiblioteca.com |
| _version_ |
1837099158323855360 |
| spelling |
Gomez Cadavid, Luis EstebanVega Gutiérrez, Johnny AlexanderRestrepo Ramírez, Maria Catalina2025-05-06T17:10:41Z2025-05-06T17:10:41Z2025Este estudio evalúa la sensibilidad de los factores condicionantes en la determinación de la susceptibilidad a deslizamientos, utilizando un enfoque basado en lógica difusa. Este método permite un análisis dinámico, teniendo en cuenta la incertidumbre de los factores condicionantes en relación con los procesos históricos de deslizamientos en un entorno SIG. se generaron 27 combinaciones de modelos de susceptibilidad, resultantes de la variación en las fuentes de datos de lluvia, elevación y cobertura, bajo resoluciones espaciales de 10 m, 12,5 m y 30,8 m. Se utilizó el operador gamma difuso (γ=0,9) para combinar las capas y generar los mapas de susceptibilidad, que fueron evaluados mediante métricas como la precisión global (ACC), el área bajo la curva (AUC-ROC) y el análisis de suficiencia estadística. Los resultados obtenidos muestran que las combinaciones de modelos con la misma resolución espacial no mostraron variaciones significativas en el desempeño al cambiar la fuente de los datos de algunos factores. Sin embargo, los mejores resultados en términos de ACC, ROC y suficiencia se lograron con los modelos de resolución espacial de 10m (CMB2). En general, las combinaciones que obtuvieron mejores desempeños y precisión difieren con las que obtuvieron mejores resultados en el análisis de suficiencia. Esto indica que la resolución espacial tiene un impacto más significativo que la fuente de los datos en la precisión de las predicciones y que en futuras investigaciones involucrar métricas complementarias es clave para comprender mejor la influencia de cada factor en los modelos.This study evaluates the sensitivity of conditioning factors in determining landslide susceptibility, using a fuzzy logic-based approach. This method enables dynamic analysis, taking into account the uncertainty of conditioning factors in relation to historical landslide processes within a GIS (Geographic Information System) environment. A total of 27 susceptibility model combinations were generated, resulting from variations in data sources for rainfall, elevation, and land cover, under spatial resolutions of 10 m, 12,5 m, and 30,8 m. The fuzzy gamma operator (γ = 0,9) was used to combine the layers and generate susceptibility maps, which were evaluated using metrics such as global accuracy (ACC), area under the curve (AUC-ROC), and statistical sufficiency analysis. The results show that combinations of models with the same spatial resolution did not exhibit significant variations in performance when changing the data source for some factors. However, the best results in terms of ACC, ROC, and sufficiency were achieved with models at a spatial resolution of 10 m (CMB2). In general, the combinations that achieved the best performance and precision differ from those that had the best results in the sufficiency analysis. This suggests that spatial resolution has a more significant impact than data source on the accuracy of predictions, and that future research should incorporate complementary metrics to better understand the influence of each factor on the models.EspecializaciónEspecialista en Sistemas de Información Geográfica78 páginasapplication/pdfhttps://hdl.handle.net/10819/24602spaMedellínFacultad de IngenieríaMedellínEspecialización en Sistemas de Información Geográficainfo:eu-repo/semantics/openAccesshttp://purl.org/coar/access_right/c_abf2Attribution-NonCommercial-NoDerivatives 4.0 Internationalhttp://creativecommons.org/licenses/by-nc-nd/4.0/C. H. Lim y H. J. Kim, «Can Forest-Related Adaptive Capacity Reduce Landslide Risk Attributable to Climate Change?—Case of Republic of Korea», Forests, vol. 13, n.o 1, ene. 2022, doi: 10.3390/f13010049.S. L. Gariano y F. Guzzetti, «Landslides in a changing climate», Earth Sci Rev, vol. 162, pp. 227-252, nov. 2016, doi: 10.1016/J.EARSCIREV.2016.08.011.J. Vega, F. H. Sepúlveda-Murillo, y M. Parra, «Landslide Modeling in a Tropical Mountain Basin Using Machine Learning Algorithms and Shapley Additive Explanations», Air, Soil and Water Research, vol. 16, ene. 2023, doi: 10.1177/11786221231195824.J. Ayala-García y K. Ospino-Ramos, «Desastres naturales en Colombia: un análisis regional». doi: https://doi.org/10.32468/dtseru.317.UNGRD, «Riesgo por movimientos en masa en Colombia». Accedido: 14 de febrero de 2025. [En línea]. Disponible en: https://surl.li/npdwxnBanco Mundial, «Peligros naturales, desastres evitables», 2010. Accedido: 15 de febrero de 2025. [En línea]. Disponible en: https://surl.li/oiqqpkN. J. Marín-Rodríguez, J. Vega, O. B. Zanabria, J. D. González-Ruiz, y S. Botero, «Towards an understanding of landslide risk assessment and its economic losses: a scientometric analysis», 1 de agosto de 2024, Springer Science and Business Media Deutschland GmbH. doi: 10.1007/s10346-024-02272-2.P. V. Gorsevski, P. E. Gessler, y P. Jankowski, «Integrating a fuzzy k-means classification and a Bayesian approach for spatial prediction of landslide hazard», J Geogr Syst, vol. 5, n.o 3, pp. 223-251, 2003, doi: 10.1007/s10109-003-0113-0.T. Kritikos y T. Davies, «Assessment of rainfall-generated shallow landslide/debris-flow susceptibility and runout using a GIS-based approach: application to western Southern Alps of New Zealand», Landslides, vol. 12, n.o 6, pp. 1051-1075, dic. 2015, doi: 10.1007/s10346- 014-0533-6.S. Baharvand, J. Rahnamarad, S. Soori, y N. Saadatkhah, «Landslide susceptibility zoning in a catchment of Zagros Mountains using fuzzy logic and GIS», Environmental Earth Sciences Environmental Earth Sciences This journal doesn’t have a profile on ResearchGate yet. Interested in this journal? Get notified when it activates its profile, and start getting updates. I’m interested , vol. 79, n.o 10, p. 204, abr. 2020.V. Nwazelibe, C. Unigwe, y J. Egbueri, «Testing the performances of different fuzzy overlay methods in GIS-based landslide susceptibility mapping of Udi Province, SE Nigeria», Catena (Amst), vol. 220(Part A), ene. 2023.N. Velásquez, C. D. Hoyos, J. I. Vélez, y E. Zapata, «Reconstructing the 2015 Salgar flash flood using radar retrievals and a conceptual modeling framework in an ungauged basin», Hydrol Earth Syst Sci, vol. 24, n.o 3, pp. 1367-1392, mar. 2020, doi: 10.5194/hess-24-1367- 2020.J. Vega, L. Ortiz-Giraldo, B. A. Botero, C. Hidalgo, y J. C. Parra, «Probabilistic Cascade Modeling for Enhanced Flood and Landslide Hazard Assessment: Integrating Multi-Model Approaches in the La Liboriana River Basin», Water (Switzerland), vol. 16, n.o 17, sep. 2024, doi: 10.3390/w16172404.V. Madrid, «Evaluation of the variability by the use of fuzzy logic operators -and- fuctions for landslides susceptibility mapping in the “La Liboriana” basin (Salgar, Colombia)», Universidad of Medellín, Medellín, 2024.EL CONGRESO DE COLOMBIA, Ley 1523 de 2012. Colombia.P. Sastre Olmos, «Sistemas de Información Geográfica (SIG): Técnicas básicas para estudios de biodiversidad», 2010.Organización de los Estados Americanos, «Manual sobre el manejo de peligros naturales en la planificación para el desarrollo regional integrado.», Washington, D.C., 1993. Accedido: 15 de febrero de 2025. [En línea]. Disponible en: https://surl.li/eiuvmnL. F. Osorio Marín, «Zonificación de la susceptibilidad del terreno a los deslizamientos. Caso de Estudio: Nariño - Colombia», Universidad Nacional de Colombia, Bogotá, 2019.S. Badola, V. N. Mishra, S. Parkash, y M. Pandey, «Rule-based fuzzy inference system for landslide susceptibility mapping along national highway 7 in Garhwal Himalayas, India», Quaternary Science Advances, vol. 11, p. 100093, jul. 2023, doi: 10.1016/J.QSA.2023.100093.L. A. Zadeh, «Fuzzy sets», Information and Control, vol. 8, n.o 3, pp. 338-353, 1965.T. Kritikos, T. R. Robinson, y T. R. H. Davies, «Regional coseismic landslide hazard assessment without historical landslide inventories: A new approach», J Geophys Res Earth Surf, vol. 120, n.o 4, pp. 711-729, abr. 2015, doi: 10.1002/2014JF003224.O. Zatarain, «Lógica Difusa», may 2011. Accedido: 15 de febrero de 2025. [En línea]. Disponible en: https://surl.gd/ebaeueEsri, «Aplicar la lógica difusa a rásteres de superposición», ESRI. Accedido: 15 de febrero de 2025. [En línea]. Disponible en: https://surl.li/smeirnEsri, «Cómo funciona la superposición difusa», ESRI. Accedido: 15 de febrero de 2025. [En línea]. Disponible en: https://surl.li/rldplkJ. A. Barrero Zabaleta, Geografía Física de Colombia, 1.a ed. Bogotá D.C.: Fondo Editorial Areandino, 2017.Departamento Administrativo de Planeación Dirección Sistemas de Indicadores, «Límites generales del departamento de Antioquia», Gobernación de Antioquia. Accedido: 15 de febrero de 2025. [En línea]. Disponible en: https://surl.li/vyiqdoCORANTIOQUIA, «Formulación del Plan de Ordenación y Manejo de la Cuenca Hidrográfica del Río San Juan (Código 2619)», dic. 2020.D. Ruiz Vásquez y E. Aristizábal, «Landslide susceptibility assessment in mountainous and tropical scarce-data regions using remote sensing data: A case study in the Colombian Andes», en EGU General Assembly, 2018.JAXA y METI, «ALOS PALSAR». Accedido: 28 de febrero de 2025. [En línea]. Disponible en: https://surli.cc/dvmsit«ASTER Global Digital Elevation Model 1 arc second». [En línea]. Disponible en: https://surl.li/qadekm«Datos Abiertos Cartografía y Geografía | GEOPORTAL». Accedido: 24 de marzo de 2025. [En línea]. Disponible en: https://surl.li/dvxyvh«System for Automated Geoscientific Analyses», SAGA GIS 9.6. Accedido: 16 de febrero de 2025. [En línea]. Disponible en: https://surl.li/jrufxiJ. Vega y C. Hidalgo, «Comparison study of a landslide-event hazard mapping using a multiapproach of fuzzy logic, TRIGRS model, and support vector machine in a data-scarce Andes Mountain region», Arabian Journal of Geosciences, vol. 16, n.o 9, sep. 2023, doi: 10.1007/s12517-023-11627-3.«Sistema de Alerta Temprana de Medellín y el Valle de Aburrá». Accedido: 28 de febrero de 2025. [En línea]. Disponible en: https://siata.gov.co/portalWeb«IMERG: Recuperaciones multisatélite integradas para GPM | Misión Global de Medición de Precipitaciones de la NASA». Accedido: 23 de marzo de 2025. [En línea]. Disponible en: https://gpm.nasa.gov/data/imerg«CHIRPS: Estimaciones de lluvia a partir de pluviómetros y observaciones satelitales | Centro de Riesgos Climáticos - UC Santa Bárbara». Accedido: 23 de marzo de 2025. [En línea]. Disponible en: https://www.chc.ucsb.edu/data/chirpsInstituto Humboldt, «Información geográfica - Cobertura». Accedido: 28 de febrero de 2025. [En línea]. Disponible en: https://www.humboldt.org.co/Esri, «Cobertura terrestre de Esri 2017». Accedido: 28 de febrero de 2025. [En línea]. Disponible en: https://livingatlas.arcgis.com/landcover/Esri, «ArcGIS Pro». Accedido: 2 de marzo de 2025. [En línea]. Disponible en: https://www.esri.com/es-es/arcgis/products/arcgis-pro/overviewA. Merghadi et al., «Machine learning methods for landslide susceptibility studies: A comparative overview of algorithm performance», 1 de agosto de 2020, Elsevier B.V. doi: 10.1016/j.earscirev.2020.103225.P. Frattini, G. Crosta, y A. Carrara, «Techniques for evaluating the performance of landslide susceptibility models», Eng Geol, vol. 111, n.o 1-4, pp. 62-72, feb. 2010, doi: 10.1016/J.ENGGEO.2009.12.004.L. Lombardo y P. M. Mai, «Presenting logistic regression-based landslide susceptibility results», Eng Geol, vol. 244, pp. 14-24, oct. 2018, doi: 10.1016/J.ENGGEO.2018.07.019.C. T. Lee, «Statistical seismic landslide hazard analysis: An example from Taiwan», Eng Geol, vol. 182, n.o PB, pp. 201-212, nov. 2014, doi: 10.1016/J.ENGGEO.2014.07.023.A. Brenning, M. Schwinn, A. P. Ruiz-Páez, y J. Muenchow, «Landslide susceptibility near highways is increased by 1 order of magnitude in the Andes of southern Ecuador, Loja province», Natural Hazards and Earth System Sciences, vol. 15, n.o 1, pp. 45-57, ene. 2015, doi: 10.5194/NHESS-15-45-2015.H. Petschko, A. Brenning, R. Bell, J. Goetz, y T. Glade, «Assessing the quality of landslide susceptibility maps - Case study Lower Austria», Natural Hazards and Earth System Sciences, vol. 14, n.o 1, pp. 95-118, ene. 2014, doi: 10.5194/NHESS-14-95-2014.K. T. Chang, A. Merghadi, A. P. Yunus, B. T. Pham, y J. Dou, «Evaluating scale effects of topographic variables in landslide susceptibility models using GIS-based machine learning techniques», Scientific Reports 2019 9:1, vol. 9, n.o 1, pp. 1-21, ago. 2019, doi: 10.1038/s41598-019-48773-2.P. Tarolli y G. Dalla Fontana, «Hillslope-to-valley transition morphology: New opportunities from high resolution DTMs», Geomorphology, vol. 113, n.o 1-2, pp. 47-56, dic. 2009, doi: 10.1016/J.GEOMORPH.2009.02.006.G. Manzo, V. Tofani, S. Segoni, A. Battistini, y F. Catani, «GIS techniques for regionalscale landslide susceptibility assessment: the Sicily (Italy) case study», International Journal of Geographical Information Science, vol. 27, n.o 7, pp. 1433-1452, jul. 2013, doi: 10.1080/13658816.2012.693614.U. Paudel, T. Oguchi, Y. Hayakawa, U. Paudel, T. Oguchi, y Y. Hayakawa, «MultiResolution Landslide Susceptibility Analysis Using a DEM and Random Forest», International Journal of Geosciences, vol. 7, n.o 5, pp. 726-743, may 2016, doi: 10.4236/IJG.2016.75056.L. Chen, Z. Guo, K. Yin, D. Pikha Shrestha, y S. Jin, «The influence of land use and land cover change on landslide susceptibility: A case study in Zhushan Town, Xuan’en County (Hubei, China)», Natural Hazards and Earth System Sciences, vol. 19, n.o 10, pp. 2207- 2228, oct. 2019, doi: 10.5194/NHESS-19-2207-2019.M. Lourembam Chanu y B. Oinam, «Impact study for landslide contributing factors using a multi-criterion approach for landslide susceptibility», Arabian Journal of Geosciences, vol. 14, n.o 18, sep. 2021, doi: 10.1007/S12517-021-08264-ZC. H. Wu y S. C. Chen, «Determining landslide susceptibility in Central Taiwan from rainfall and six site factors using the analytical hierarchy process method», Geomorphology, vol. 112, n.o 3-4, pp. 190-204, nov. 2009, doi: 10.1016/J.GEOMORPH.2009.06.002.Biblioteca USB Medellín (San Benito): TG-7666t000 - Ciencias de la computación, información y obras generales::005 - Programación, programas, datos de computaciónCambio climáticoÁreas urbanasDesastres naturalesSusceptibilidadLógica difusaSensibilidadFactores condicionantesSIGSusceptibilityFuzzy LogicSensitivityConditioning FactorsGISAnálisis de sensibilidad de factores condicionantes de susceptibilidad de deslizamientos usando operadores y funciones de lógica difusaTrabajo de grado - Especializaciónhttp://purl.org/coar/resource_type/c_46ecTextinfo:eu-repo/semantics/otherinfo:eu-repo/semantics/acceptedVersionComunidad científica y académicaPublicationORIGINALFormato_Autorizacion_Publicacion_Repositorio_USBCol_MCR.pdfFormato_Autorizacion_Publicacion_Repositorio_USBCol_MCR.pdfapplication/pdf243271https://bibliotecadigital.usb.edu.co/bitstreams/cbc5ffde-6d4c-43af-98e0-3c75c974b42b/downloadc9f57e8824ff68724c3f3400dee7d0f0MD53Sensibilidad_Susceptibilidad_Difusa_Restrepo_2025.pdfSensibilidad_Susceptibilidad_Difusa_Restrepo_2025.pdfapplication/pdf3203989https://bibliotecadigital.usb.edu.co/bitstreams/fcb650f0-0fed-491d-a33e-1536876a7df1/download0b51954db9610015c473d9a24bade85dMD56LICENSElicense.txtlicense.txttext/plain; charset=utf-82079https://bibliotecadigital.usb.edu.co/bitstreams/57337044-757a-47f7-b390-ffac3c193a5f/downloadce8fd7f912f132cbeb263b9ddc893467MD54CC-LICENSElicense_rdflicense_rdfapplication/rdf+xml; charset=utf-8899https://bibliotecadigital.usb.edu.co/bitstreams/85455013-9a77-469e-a508-8af7a929ce31/download3b6ce8e9e36c89875e8cf39962fe8920MD55TEXTFormato_Autorizacion_Publicacion_Repositorio_USBCol_MCR.pdf.txtFormato_Autorizacion_Publicacion_Repositorio_USBCol_MCR.pdf.txtExtracted texttext/plain6797https://bibliotecadigital.usb.edu.co/bitstreams/b8efb38f-967f-4976-8e28-3213ea0ed38a/downloada4a77b3209b5af7650848b7e348ac1a4MD57Sensibilidad_Susceptibilidad_Difusa_Restrepo_2025.pdf.txtSensibilidad_Susceptibilidad_Difusa_Restrepo_2025.pdf.txtExtracted texttext/plain101421https://bibliotecadigital.usb.edu.co/bitstreams/5cd53582-bef7-4bf5-b14c-317bb29a0788/download6273370f166d16d35882666ef8734461MD59THUMBNAILFormato_Autorizacion_Publicacion_Repositorio_USBCol_MCR.pdf.jpgFormato_Autorizacion_Publicacion_Repositorio_USBCol_MCR.pdf.jpgGenerated Thumbnailimage/jpeg15888https://bibliotecadigital.usb.edu.co/bitstreams/b80b7996-c387-4a46-9382-0887e431ec22/downloadce52a7f2ab8fb31ede7040beda17d614MD58Sensibilidad_Susceptibilidad_Difusa_Restrepo_2025.pdf.jpgSensibilidad_Susceptibilidad_Difusa_Restrepo_2025.pdf.jpgGenerated Thumbnailimage/jpeg6561https://bibliotecadigital.usb.edu.co/bitstreams/312e7af7-e20d-456c-aacd-16d6fa25d0ff/downloadb4fdc6f9f76c56a9e8f69c0767c9c5e6MD51010819/24602oai:bibliotecadigital.usb.edu.co:10819/246022025-06-09 09:21:28.243http://creativecommons.org/licenses/by-nc-nd/4.0/Attribution-NonCommercial-NoDerivatives 4.0 Internationalhttps://bibliotecadigital.usb.edu.coRepositorio Institucional Universidad de San Buenaventura Colombiabdigital@metabiblioteca.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 |