Aplicación del método estadístico discriminante en la zonificación de susceptibilidad a procesos de remoción en masa, municipio de Pueblo Bello, Cesar (Colombia)

Autores/as

  • Libardo J. Lascarro Navarro
  • Jesús Delgado Rodriguez
  • Elías RojasMartinez
  • Frank D. Lascarro Navarro
  • DINO CARMELO MANCO JARABA Universidad de La Guajira

DOI:

https://doi.org/10.15665/rp.v22i1.3269

Palabras clave:

Análisis discriminante, Geología, Pueblo Bello, Remoción en masa, Susceptibilidad.

Resumen

Los fenómenos de remoción en masa son potencialmente peligrosos, debido a que ocasionan daños en bienes e infraestructura de las comunidades. Por eso, existe un creciente interés gubernamental en conocer, estudiar y zonificar estos fenómenos, desarrollando proyectos e investigaciones que permitan evaluar su comportamiento. En este trabajo se obtendrá la zonificación de la susceptibilidad a fenómenos de remoción en masa, en inmediaciones del municipio de Pueblo Bello, Cesar, cuenca alta del rio Ariguaní, ubicada al sur occidente de la Sierra Nevada de Santa Marta. Para la ejecución de este proyecto se desarrolló el método estadístico discriminante, teniéndose en cuenta los factores condicionantes y detonantes, que determinan cuantitativamente el grado de influencia que cada variable geoambiental tiene en la generación de los fenómenos de remoción en masa. Estos factores geoambientales, se realizaron mediante visita de puntos estratégicos dentro de la zona, en pro de construir mapas de geología, unidades geológicas superficiales, geomorfología, cobertura y uso del suelo, lográndose realizar un análisis que conllevó a la determinación de zonas homogéneas, mecanismos de falla, caracterización de drenajes y su relación con los fenómenos de inestabilidad. En conclusión, en el sector se presenta una mayor categoría de susceptibilidad media con un 45.46%, seguida de baja con un 20.07%, y alta con un 17.40%, la muy baja con un 10.31% y la categoría muy alta con un 6.73%. La relación con los movimientos en masa es mayor en la categoría muy alta con un 36.58%, seguida de la media con un 31.70%, la baja con 14.63%, alta con un 9.75% y la muy baja con 7.31%.

Citas

R. Dwawiko-Robles and D. Flórez-Goyeneche, “Aprestamiento, diagnóstico, prospectiva y zonificación ambiental de la microcuenca hidrográfica arroyo molino en la sierra nevada de Santa Marta,” Universidad Distrital Francisco Jose de Caldas, 2015.

G. Ávila Álvarez et al., Guía metodológica para estudios de amenaza, vulnerabilidad y riesgo por movimientos en masa. Bogotá D.C., Colombia: Servicio Geológico Colombiano, 2016. [Online]. Available: https://libros.sgc.gov.co/index.php/editorial/catalog/book/32

Servicio Geológico Colombiano, Guía metodológica para la zonificación de amenaza por movimientos en masa escala 1: 25.000. Bogotá D.C., Colombia, 2017.

G. Rengifo, “Deslizamientos y daños por Tormenta ocurridos en la región,” Valledupar, Cesar (Colombia), 2018.

M. Serpa-Silva, “Estudio de riesgo por fenómenos de erosión y remoción en masa en el flanco oeste del cerro Dunarúa y zona urbana del corregimiento de Guatapurì, Valledupar, Cesar,” Fundación Universitaria del Área Andina, 2017. [Online]. Available: https://digitk.areandina.edu.co/bitstream/handle/areandina/955/Estudio de riesgo por fenómeno de erosión y remoción en masa en el flaco.pdf?sequence=1&isAllowed=y

C. Valdés Fernández, J. Baró Suárez, P. Flores Olvera, and R. Franco Plata, “Propuesta de umbrales críticos de precipitaciones detonantes de procesos de remoción en masa, caso de estudio: Estado de México,” Rev. Geográfica América Cent., vol. 2, no. 69, pp. 225–255, 2022, doi: 10.15359/rgac.69-2.8.

C. Cardozo, G. Toyos, and V. Baumann, “Landslide susceptibility zonation in the tartagal river basin, Sierras Subandinas, Salta, Argentina,” Andean Geol., vol. 48, no. 1, pp. 75–93, 2021, doi: 10.5027/andgeov48n1-3242.

D. Quiroga, A. Coronato, G. Ángeles, and H. del Valle, “Zonificación de áreas susceptibles a procesos erosivos en laderas desencadenados por la ganadería extensiva, Tierra del Fuego, Argentina,” Rev. Univ. Geogr., vol. 29, no. 2, pp. 75–94, 2021, doi: 10.52292/j.rug.2020.29.2.0009.

E. Pinto Blanco, “Análisis de vulnerabilidad por el fenómeno de remoción en masa en la vereda San Luis, municipio de Silvania Cundinamarca,” Universidads de la Salle, 2016. [Online]. Available: https://www.infodesign.org.br/infodesign/article/view/355%0Ahttp://www.abergo.org.br/revista/index.php/ae/article/view/731%0Ahttp://www.abergo.org.br/revista/index.php/ae/article/view/269%0Ahttp://www.abergo.org.br/revista/index.php/ae/article/view/106

O. Forero-Ospino and W. Duarte-Delgado, “Caracterización e identificación de la geomorfología (ambientes y unidades geomorfológicas) en la plancha 121 - Cerrito, Colombia, aplicado a movimientos en masa, escala 1:100.000,” Bol. Geol., vol. 41, no. 2, pp. 35–44, 2019, doi: 10.18273/revbol.v41n2-2019002.

M. Torrado-Fonseca and V. Berlanga-Silvente, “Análisis Discriminante mediante SPSS,” Reire, Rev. dínnovació i Recer. en Educ., vol. 6, no. 2, pp. 150–166, 2013, doi: 10.1344/reire2013.6.26210.

E. Aristizábal-Giraldo, M. Vasquez Guarin, and D. Ruíz, “Métodos estadísticos para la evaluación de la susceptibilidad por movimientos en masa,” TecnoLógicas, vol. 22, no. 46 SE-Artículos de investigación, pp. 39–60, Sep. 2019, doi: 10.22430/22565337.1247.

G. Legorreta-Paulín, R. Alanís Anaya, L. Arana-Salinas, and F. Aceves-Quesada, “Evaluación de la eficiencia de predicción a deslizamientos usando un modelo cartográfico-hidrológico: caso de estudio Cuenca la Carbonera, flanco SE del Volcán Pico de Orizaba Evaluation,” Investig. Geogr., vol. 95, 2018, doi: 10.14350/rig.58387.

C. Baeza and J. Corominas, “Assessment of shallow landslide susceptibility by means of multivariate statistical techniques,” Earth Surf. Process. Landforms, vol. 26, no. 12, pp. 1251–1263, Nov. 2001, doi: https://doi.org/10.1002/esp.263.

A. Carrara, “Multivariate models for landslide hazard evaluation,” J. Int. Assoc. Math. Geol., vol. 15, no. 3, pp. 403–426, 1983, doi: 10.1007/BF01031290.

R. Fisher, “The Use of Multiple Measurements in Taxonomic Problems,” Ann. Eugen., vol. 7, no. 2, pp. 179–188, Sep. 1936, doi: https://doi.org/10.1111/j.1469-1809.1936.tb02137.x.

S. Bianchini, M. Del Soldato, L. Solari, T. Nolesini, F. Pratesi, and S. Moretti, “Badland susceptibility assessment in Volterra municipality (Tuscany, Italy) by means of GIS and statistical analysis,” Environ. Earth Sci., vol. 75, no. 10, p. 889, 2016, doi: 10.1007/s12665-016-5586-5.

J. Jiménez-Perálvarez, “Análisis de la susceptibilidad a los movimientos de ladera mediante un SIG en la cuenca vertiente al embalse de rules, granada,” Universidad de Granada, 2005. [Online]. Available: https://www.ugr.es/~ren03366/DEA/TEMAS/memoria/DEA_J.Jimenez.pdf

N. Santacana, C. Baeza, J. Corominas, A. de Paz, and J. Marturià, “Análisis de la susceptibilidad de las laderas a producir deslizamientos superficiales,” in Análisis de deslizamientos superficiales, 2003, pp. 61–172. [Online]. Available: file:///C:/Users/DINO/Downloads/07CAPITULO31_unlocked (1).pdf

J. Corominas et al., “Recommendations for the quantitative analysis of landslide risk,” Bull. Eng. Geol. Environ., vol. 73, no. 2, pp. 209–263, 2014, doi: 10.1007/s10064-013-0538-8.

S. Lee, J.-H. Ryu, J.-S. Won, and H.-J. Park, “Determination and application of the weights for landslide susceptibility mapping using an artificial neural network,” Eng. Geol., vol. 71, no. 3, pp. 289–302, 2004, doi: https://doi.org/10.1016/S0013-7952(03)00142-X.

K. Yin and T. Yan, “Statistical prediction model for slope instability of metamorphosed rocks,” in Proceedings of the 5th International Symposium on Landslides, 1988, vol. 2, pp. 1269–1272.

C. Van Westen, Application of geographic information systems to landslide hazard zonation, Volumen 1. 1993.

G. Bonham-Carter, Geographic information systems for geoscientists: modelling with GIS, no. 13. Elsevier, 1994. doi: https://doi.org/10.1016/C2013-0-03864-9.

M. L. Süzen and V. Doyuran, “Data driven bivariate landslide susceptibility assessment using geographical information systems: a method and application to Asarsuyu catchment, Turkey,” Eng. Geol., vol. 71, no. 3, pp. 303–321, 2004, doi: https://doi.org/10.1016/S0013-7952(03)00143-1.

C.-J. F. Chung and A. G. Fabbri, “The representation of geoscience information for data integration,” Nonrenewable Resour., vol. 2, no. 2, pp. 122–139, 1993, doi: 10.1007/BF02272809.

L. Luzi and A. Fabbri, “Application of Favourability Modelling to Zoning of Landslide Hazard in the Fabriano Area, Central Italy,” in Joint European Conference and Exhibition on Geographical Information, 1995, pp. 398–403.

P. Gorsevski, P. Gessler, and R. Foltz, “Spatial Prediction of Landslide Hazard Using Discriminant Analysis and GIS,” GIS Rockies 2000 Conf. Work. Appl. 21st Century, p. 10, 2000.

G. C. Ohlmacher and J. C. Davis, “Using multiple logistic regression and GIS technology to predict landslide hazard in northeast Kansas, USA,” Eng. Geol., vol. 69, no. 3, pp. 331–343, 2003, doi: https://doi.org/10.1016/S0013-7952(03)00069-3.

L. Ermini, F. Catani, and N. Casagli, “Artificial Neural Networks applied to landslide susceptibility assessment,” Geomorphology, vol. 66, no. 1, pp. 327–343, 2005, doi: https://doi.org/10.1016/j.geomorph.2004.09.025.

D. P. Kanungo, M. K. Arora, S. Sarkar, and R. P. Gupta, “A comparative study of conventional, ANN black box, fuzzy and combined neural and fuzzy weighting procedures for landslide susceptibility zonation in Darjeeling Himalayas,” Eng. Geol., vol. 85, no. 3, pp. 347–366, 2006, doi: https://doi.org/10.1016/j.enggeo.2006.03.004.

Servicio Geológico Colombiano, “Sistema de Información de Movimientos en Masa,” 2023. https://simma.sgc.gov.co/#/public/results/ (accessed Apr. 22, 2023).

Descargas

Publicado

2024-05-07

Número

Sección

Articles