Influencia de los inventarios en la evaluación de la susceptibilidad por movimientos en masa aplicado al Valle de Aburrá

RESUMEN : Los movimientos en masa representan uno de los desastres más comunes y complejos que amenazan la vida humana y las actividades económicas. En Colombia, Antioquia registra la mayor´ıa de estos eventos, siendo el Valle de Aburrá una de las subregiones más afectadas, dadas sus caracter´ısticas geológicas, geomorfológicas y climáticas. Adicionalmente, el crecimiento poblacional y la expansión territorial descontrolada han agravado las consecuencias de estos eventos. Es importante resaltar que, intervenir las áreas propensas a movimientos en masa para su mitigación a menudo enfrenta problemas relacionados con la falta de recursos económicos, impacto ambiental y/o diversas dificultades. En este contexto, es fundamental contar con mapas detallados de susceptibilidad, amenaza, vulnerabilidad y riesgo que permitan a las autoridades tomar decisiones respecto a un adecuado ordenamiento territorial. Los inventarios de movimientos en masa son una entrada fundamental para los modelos de susceptibilidad, sin embargo, la adquisición de inventarios es un reto importante para la modelaci´on. Este estudio aborda la susceptibilidad de movimientos en masa en el Valle de Aburr´a a trav´es de un modelo de regresión logística, utilizando cuatro inventarios distintos, desde reportes de emergencias hasta procesos fotointerpretados mediante fotografías áreas. Los resultados destacan que la cantidad de datos no siempre se traduce en un modelo más efectivo, esta revelación subraya la importancia de la selección cuidadosa de inventarios, proporcionando una visión valiosa sobre la afectación espacial de la susceptibilidad por movimientos en masa, dependiendo de la fuente de los datos.

• Autores: Pino Serna, Natalia Andrea
• Tipo de recurso: Tesis
• Fecha de publicación: 2023
• Institución: Universidad de Antioquia
• Repositorio: Repositorio UdeA
• Idioma: spa
• OAI Identifier: oai:bibliotecadigital.udea.edu.co:10495/37638
• Acceso en línea: https://hdl.handle.net/10495/37638
• Palabra clave: Aprendizaje automático (inteligencia artificial); Machine learning; Bases de datos; Databases; Inventarios; Inventories; Análisis de regresión logística; Logistic regression analysis; Desprendimientos de tierra; Landslides; Movimientos en masa
• Rights: openAccess
• License: https://creativecommons.org/licenses/by-nc-sa/4.0/