BOLETNDECIENCIASDELATIERRANmero20,Juniode2007MedellnISSN01203630

53

FiguratomadadeLondoo
BOLETNDECIENCIASDELATIERRANmero20,Juniode2007
54
BOLETNDECIENCIASDELATIERRANmero20,Juniode2007MedellnISSN01203630
55
JuanPabloLondooL.
DoctorandoenSostenibilidad,TecnologayHumanismo
UniversidadPolitcnicadeCatalua
juan.pablo.londono@catunesco.upc.edu
Recibidoparaevaluacin:22deSeptiembrede2006/Aceptacin:15deJuniode2007/Recibidaversinfinal:20deJuniode2007
RESUMEN
El presente trabajo propone de manera preliminar una metodologa que procura asimilar el concepto de riesgo de
maneraintegral,desdeel paradigmaambiental,considerandolavulnerabilidad delascomunidadescomounproceso
derivadodemltiplescausas,desdeaquellasnetamentefsicasdelocalizacinenzonaspropensas,hastadeterminantes
desegregacinsocioespacial,queinvolucranprocesossociales,econmicosypolticos.Conloanterioryconlautilizacin
deSistemasdeInformacinGeogrfica,sehangeneradomapasasociadosa27FactoresdeAmenazaydeVulnerabilidad
paralaciudadandinadeManizalesColombia.SehaobtenidounmodeloexplicativoapartirdelAnlisisDiscriminante
yunaRedNeuronalArtificial,paragenerarmapasderiesgoasociadoamovimientosenmasa.Conunmodelodeeste
tipoylainformacincorrecta,setendraunverdaderoSistemadePrevencinyAlertaTempranaparamovimientosen
masaenreasurbanas,aportandoasalasostenibilidaddelasCiudadesAndinas.
PALABRASCLAVES: EvaluacindeRiesgos,Deslizamientos,SistemasdeInformacinGeogrficaSIG,
RedesNeuronalesArtificiales,DesarrolloSostenible
ABSTRACT
Thisarticleproposesapreliminarymethodologythattriestoassimilatetheconceptofriskfromaintegralpointofview,
fromtheenvironmentalparadigm,consideringthevulnerabilityofthecommunitieslikeaprocessderivedfrommultiple
causes, from those physical of location in exposed zones, to social determinants of spatial segregation, this involve
social, economic and political processes. With the previous argument, and the use of GIS, maps associated to 27
FactorsofHazardandVulnerabilityfortheAndeancityofManizalesColombia,havebeengenerated.Anexplanatory
modelfromtheDiscriminantAnalysisandanArtificialNeuronalNetworkwasusedtogeneratemapsofassociatedrisk
tolandslides.Withamodelofthistypeandthecorrectinformation,wouldhaveatrueSystemofPreventionandEarly
Alertforlandslidesinurbanareas,thuscontributingtothesustainabilityoftheAndeanCities.
KEY WORDS: RiskEvaluation,Landslides,GIS,ArtificialNeuronalNetworks,Sustainable
Development.
EVALUACINHOLSTICADERIESGOSFRENTEAMOVIMIENTOSENMASA
ENREASURBANASANDINAS.UNAPROPUESTAMETODOLGICA
BOLETNDECIENCIASDELATIERRANmero20,Juniode2007
56
1. INTRODUCCIN
EnlaciudaddeManizalesColombia(360.000habitantes),objetodeesteestudio,existenunaseriedeantecedentesde
desastres, especialmente los movimientos en masa detonados por lluvias. Los registros se remontan al ao 1948, y
segnlaOficinaMunicipalparalaPrevencinyAtencindeDesastresOMPAD,sepuedenresumirenlaTabla1.
Tabla1.EventosdedeslizamientosenlaciudaddeManizalesalolargodesuhistoria.
Per odo Desli zami en tos Muert os Heri dos
Desli zami ent os
por a o
Muert o s
po rao
Her idos po r
ao
19481962 25 45 65 1.79 3. 21 4.64
19631977 163 170 49 11.64 12.14 3.50
19781982 85 98 154 6.07 7. 00 11.00
19831989 78 34 64 13.00 5. 67 10.67
19901994 149 21 11 37.25 5. 25 2.75
19951998 195 1 0 65.00 0. 33 0.00
2002 4 2 1 4.00 2. 00 1.00
2003 90 16 32 90.00 16.00 32.00
TOTAL 789 387 376 13.84 6. 79 6.60
Fuente:OficinaMunicipalparalaPr evencinyAtencindeDesastr esOMPADManizales
Esevidenteunincrementoenelnmerodeeventosenaosrecientesentrelosaos1948a1989(41aos)setieneun
totalde32eventos,mientrasqueparaelperodocomprendidoentre1990y2003(13aos)seregistran196eventos,lo
quemuestraunatendenciaalaumentoenlafrecuenciadelosdeslizamientosqueponeenpeligrolasostenibilidadenel
tiempodelaciudadysushabitantes.
Elregistromsrecienteycatastrficoseremontaal ao2003:el18y19demarzosepresentuneventodelluvias
fuertesquecontribuyalageneracindemovimientosenmasaconuncostoeconmicototaldelaemergenciaparala
ciudadde$17.537.900.000el28y29deoctubre,unprocesosimilarimplicuncostode$400.000.000enatencinde
la emergencia y $3.655.600.000 en obras de rehabilitacin, y el 4 de diciembre, un evento aislado en el barrio La
Sultanasepulta16personas.Entotal,segnlosdatosdelComitLocalparaPrevencin,AtencinyRecuperacinde
DesastresCOLPADEdeManizales,loseventosdeesasfechasdejaroncomoconsecuencia41muertos,msde100
personasheridas,msde45sectoresafectadosentodalaciudad,daoen220laderas,destruccinde200viviendasy
evacuacinpreventivademsde1.400familias(Corpocaldas:2005).
Cuando se observa esta realidad, recurrente en muchas ciudades Latinoamericanos (Andinas), y se advierte que el
ciudadanopromedioseencuentraatrapadoentreunamaraadefuerzasopuestasqueintentananiquilarlo,yvandesde
lomacroymicroeconmico,hastalonatural,resultafundamentalprofundizarenlascausasdeestasituacin.Deigual
manera,cuandoseeshabitantedeunaciudadandinadondeexisteunalargahistoriadedesastres,surgeconcienciae
interssobreeltemaysehaceimportantecomoinvestigadordelostemasdesostenibilidad,indagaresascausas,porque
enltimotrmino,desvelando(enloposible)estasrelaciones,seestaraindagandosobrelaconvivenciaentresociedady
naturaleza,sobrelosprocesossociales,yenltimocaso,sobreelmismodesarrollo,seacualfueresudefinicin.
1.1.readeEstudio
EnclavadaenelcorazndelosAndes,enlazonamontaosacolombiana,enladenominadaCordilleraCentral,adaptada
urbansticamenteaunatopografaquebradayabrupta,laciudaddeManizales,aparececomounintentomuyespecial
porgenerarsuelosaptosparaconstruir,sobreterrenosenloscualeselsentidocomnseniegaaedificarunaciudad.
LatopografaregionalhasidomodeladaporlaserupcionesquehantenidolugarenelMacizoVolcnicoRuizTolima,
sobrelacordilleracentralcolombiana.LaCiudadposeeunatopografamontaosaonduladaconpendientespredominantes
quevaran entreel20yel100%losterrenos presentandiferencias denivelquepuedenllegarhasta220mentresus
partesmsaltasymsbajas.
Evaluacinholsticaderiesgosfrenteamovimientosenmasaenreasurbanasandinas.UnapropuestametodolgicaLondoo
57
LosdrenajesprincipalesdelaciudadsonelRoChinchin,ubicadoalsurylaQuebradaOlivares,ubicadaalnorte.La
ciudad,porlomenosensucentrohistrico,aparececomounamesetaerguidasobreestosdosros,conunaparteplana
(Carrera23)yunasladerasquesevanagudizandogradualmentehastallegaraloscauces.
LaTabla2resumedeformagenerallasprincipalescaractersticasdelaciudad,paraofrecerunaideadelosaspectos
meteorolgicosmssobresalientes.
Tabla2.AspectosgeneralesdelaciudaddeManizales
Localiz aci n
Flanc o occident al de lacordillerac entralColombiana (Pertenecienteal
sist emamontaos odeLosAndes)
Coordenadasgeodsicas X=835000, 850000 Y=1045000,1057000
Coordenadasgeogrf ic as 5 4 lat itud nort e 7531l ongit ud oest e
rea aproximada 550Km
2
Poblacin aproximada 360000Habitant es(1993)
Alt itud promedio 2150msnm
Temperatura media 18C
Temperat uramnima promedio 12C
Temperat ura mxima promedio 22C
Periodos secos EneroMarzo JunioAgosto
Periodos Hmedos AbrilMayo Oc tubreNoviembre
Mes msseco Juni o(74% dehumedadrelat iva)
Mes mshmedo Oc tubre(81%dehumedad relativa)
Veget ac incaract erst ica Bosqueshmedost ropical es, cultiv os ypast os.
Vientos velocidadmenor a 7 Km/horaen la mayor part edel ao, el sent ido
predominant e del ac orrient e de airees occ ident eorient e
Comoescaractersticodeestaregin,dadasuubicacinenlaZonadeConvergenciaIntertropicalZCIT,sepresenta
unadistribucindeprecipitacionesdetipobimodal,condosperodoslluviososenelaounomximohaciaelmesde
octubre con 253 mm en promedio, y otro un poco menor hacia el mes de abril, con 208 mm. El mayor nivel de
precipitacinmensualregistradoesde485mmparaoctubrede1969,seguidode480mmenabrildeesemismoao.En
cuantoalaextensindelosdosperodoslluviososenelao,apartirdelaFigura1,elaboradaconelpromediodelos
valoresdiariosparacadaaoderegistro,esclaroqueelprimerperodolluviosoesmsextenso,empiezaenfebreroy
terminaenjuliomientraselsegundo,aunquemscorto,esmsintensoyterminadespusdediciembre.Losmximos
estaransituadoshaciaprincipiosdelmesdeabril(da100delao,aproximadamente)paraelprimersemestre,yhacia
finalesdelmesdeoctubre(da320)paraelsegundosemestre.
Figur a1. DistribucindePrecipitaciones(promedios)enelao
BOLETNDECIENCIASDELATIERRANmero20,Juniode2007
58
2.MATERIALYMTODOS
2.1.EsquemaConceptual
2.1.1Unenfoqueintegraldelriesgourbanoparamovimientosenmasa
DadoslosnivelesdecomplejidadymultidisciplinaquerequiereeltemadeEvaluacindeRiesgos,cualquierestudiode
estetiposedeberealizarenelcuadrodeunenfoquesistmico,utilizandomtodoscualitativosycuantitativos(Chardon:
2002).Ante la complejidad del problema y del sistema sociotcnico involucrado en la modelizacin del riesgo en
entornosurbanos,Cardona(2001)sugierequeesmejorobtener"unarespuesta'aproximada'alacorrectaformulacin
del problemadesdeunaperspectiva holsticaquenecesariamentesetiene quehacercon cierta vaguedadqueuna
respuestaexactaalaformulacin'incorrecta'delproblema,quedemanerareduccionistayfragmentadapodrarealizarse
conciertaprecisin".
Lalgicareduccionistaesaplicableconprecisinenelcampodelasmatemticasyciertosfenmenossencillosdela
fsica,perosetornainaplicableygradualmentems"borrosa"cuandosetratadedescribirprocesosqueseencuentran
en niveles ms complejos como la biologa y las ciencias sociales. "Holismo es una alternativa al reduccionismo,
siempreque sediferencie dela abstraccincomn(la oriental), que consisteen vernicamenteelaspecto globalen
detrimentodeloparticular:unsistemaseconsideracomounaunidadyamenudoseignorasucontexto.Aqu,holismo
significaintegralidad,provienedeholosqueengriegosignifica"todo","ntegro","entero","completo",entantoqueel
sufijoismodenotasuprctica.Elenfoqueholstico,alqueaqusehacereferencia,significaprocesodeintegraciny
desagregacin,conservandolassinergiasorelacionesentrecomponentes.Eslanocindepensamientocomplejo,alquese
refiereelsocilogofrancsEdgarMorin,queseparayrene,quedistinguesindesuniryreliga"(Cardona:2001).
Elmismoautorsugierequeparacaptarelriesgoenunentornourbanosedebenutilizarrepresentacionesdelainteraccin
entre el asentamiento humano y su entorno, ambos sistemas dinmicos complejos. El mtodo a emplear consiste en
construirunmodelobuscandoexplicarlosacontecimientospresentesopasadosqueafectanohanafectadoalsistema
y,loqueesmsimportante,almenosdesdeelpuntodevistadelmtodocientfico,elmodelohadeservirparapredecir
sucomportamientofuturo.
Retomando esta perspectiva, el presente trabajo estudia el tema de movimientos en masa en el entorno urbano,
considerandoelfenmeno comounproductodemltiplesfactoresacentuados conel tiempoesdecir,se tratadeun
procesoquesevagestandopaulatinamenteatravsdelaconvergenciayacumulacindemuchassituacionesysubprocesos
quepuedenserderdenestandiferentescomolossocialesylosfsicos.
MetodolgicamentesehadivididoelriesgoenlosapartadosAmenazayVulnerabilidad,considerandolassugerencias
deimportantesautoreseneltema(Blaikieetal:1996Lavell:1992,1994,2003,2003aMaskrey:1998Velsquezy
Rosales:1999WilchesChux:1993,1995Cardona:2001)ysiendoacordesconelmarcoconceptualvigenteparala
temtica.SehacereferenciaaFactoresdeAmenazacomotodosaquellosrelacionadosdirectamenteconelecosistema
desoportedelasentamientourbano.Losfactoresdeamenazaseconsideranenciertosentido,yparafinesconceptuales,
independientes de la existencia o no del asentamiento humano. Se incluye todo lo relacionado con el terreno y sus
caractersticas,comoseobserva enlaFigura2,considerando variablesfsicasynaturalesquetienenqueverconla
estabilidaddelasladeras,esdecir,conelprincipiofsicodeequilibrioestticoquedebemantenerseenelterrenopara
quenoseproduzcanlosmovimientosenmasa.Elevacindelterreno,pendientedelterreno,rugosidad,curvaturadela
superficie,caractersticasdelascuencas,factoresasociadosaltipodesueloyprecipitaciones,sonfactoresconsiderados
enestecomponente.
Haciendounasimplificacinconceptualuntantogruesa,peronecesariaparalograrcoherencia,sesupondrqueestos
factoressoncaractersticosdelecosistemadesoporte,ypuedenencontrarseencualquierotrositio,independientedela
Evaluacinholsticaderiesgosfrenteamovimientosenmasaenreasurbanasandinas.UnapropuestametodolgicaLondoo
59
existencia onodeunasentamientosobrel.Obviamente,lamodelacindel relievenopuedeserindependientedela
accin antrpica sobre el terreno, pues los procesos de urbanizacin constituyen uno de los principales factores
modeladoresdelpaisajeurbano.Aestoserefierelasimplificacinconceptualincorporada.Teniendoencuentaquela
evaluacin de riesgo planteada se hace en un momento especfico de tiempo, no resulta traumtico hacer esta
simplificacin, pues cada vez que se realice, habr que evaluar el ecosistema de soporte en su momento actual, sin
importarlascausasdelaposiblevariacinquesufraelentornodeunapocaaotra.
Figur a2.EsquemaConceptualderiesgopormovimientosenmasaFactoresdeAmenaza
LosFactoresdeVulnerabilidadDirecta(Figura3)seasocianalsistemacomunidad,esdecir,todosaquelloselementos
que componen el asentamiento humano, con su consecuente exposicin y dinmicas propias. Se incluyen factores
demogrficos,factoressocioeconmicosyfactoresfsicoespaciales,quedeterminanelmododeocupacindelterritorio
convariablescomolasdensidadeshabitacionalesypoblacionales,elnivelsocioeconmico,lostratamientossuperficiales
existentes,entreotras,quedealgunamaneraintervienenenelestablecimientodelaspersonasensusbarriosdehabitacin
osonfrutodelosprocesosdeurbanizacin.
A partir de los conceptos anteriores Factores de Vulnerabilidad Directa y Factores de Amenaza se propone la
acuacindel trminoRiesgo Directopara elcaso demovimiento enmasa, entendidocomo laconfluencia detodos
aquellosfactores,quepuedangenerarenalgnmomento,demaneradirecta,inestabilidadenlasladeras.Esteconcepto
explicaralasectorizacinespacialdelfenmenoenlaunidadterritorialestudiadayseralabaseparalaelaboracinde
mapasdezonificacinosusceptibilidad.Enotraspalabras,obteniendoelRiesgoDirectoseestaraindicandodnde
(conciertomargendeerror)ocurrirnloseventos.
Noobstanteloanterior,elriesgofrenteamovimientosenmasanoestartotalmentedescritohastaqueseincorporen
por lo menos dos conceptos complementarios: como primera medida es necesario incorporar algunos Factores
AmplificadoresdeVulnerabilidad,queseentiendencomotodosaquellosfactoresfuncionaleseinstitucionalesrelacionados
BOLETNDECIENCIASDELATIERRANmero20,Juniode2007
60
con la gestin de riesgo y capacidad de atencin de emergencias, los cuales, aunque no son elementos que influyen
directamenteenlapresenciaoausenciademovimientosenmasa,sdeterminan losprocedimientosymecanismosde
gestin que estableceran la diferencia entre una emergencia bien manejada o un desastre. Factores funcionales/
institucionales hacen que algunas zonas con riesgos fsicos iguales puedan sufrir diferentes niveles de prdidas (de
vidas, prdidas econmicas, etc.). La Gestin de Riesgos generalmente se hace a niveles municipales, lo cual no
incorporaraelementosdediscriminacinespacialenlaciudad,haciendoqueenestetemcobrenmsimportancialos
aspectosrelacionadosconlacapacidad deatencindeemergenciascomopuestosdesocorro,cercanaahospitalesy
gruposderescate,entreotros,pueslaexistenciadeestainfraestructuraolacercanaaella,spresentadiferenciasde
unlugaraotrodentrodelasreasurbanas.
Figur a3.EsquemaConceptualderiesgopormovimientosenmasaFactoresdeVulnerabilidad
Comosegundainstancia,esnecesarioconocer,enformaaproximada,elmomentoenelcualsepresentaranlosprocesos
deinestabilidaddeladeras.Enelcasodelosfenmenosdemovimientosenmasaenzonasandinas,estemomentono
estdeterminadoporlaleydelaprobabilidad,comoocurreconotrosfenmenoscomoelssmico,ypodradecirseque
setratadeunprocesomsomenosdeterminsticoaunquecomplejodependientebsicamentedevariablesrelacionadas
con el estado del suelo y factores climticos. Enciudades andinas, la mayor parte de los movimientos en masa son
producidosporaguacerosaisladosquelosactivan,esdecir,setratadeeventosdetonadosporlluvias.Tradicionalmente
en la literatura la cantidad lmite de precipitacin que debe caer sobre un rea para que comiencen a evidenciarse
procesosdeinestabilidadseconocecomoumbralesdelluvia(Terlien:1996Mayorga:2003).Porloanterior,paraque
el riesgo por deslizamientosquede bien caracterizado, es necesario incorporar un Factor Detonante considerando el
umbraldelluvianecesarioparaquesedenlascondicionesdeinestabilidad.Estefactorindicaraelmomentocundo
apartirdelcualserafactibleencontrardeslizamientosenlaciudad.
Con lo anterior, se podrn generar mapas dinmicos (un mapa para cada perodo de tiempo) asociados al Riesgo
Directo,otrosasociadosalosFactoresAmplificadoresdeVulnerabilidad,yporltimo,mapasenloposibleentiempo
realdelFactorDetonante.Conunmodelodeestetipoylainformacincorrecta,setendraunverdaderoSistemade
PrevencinyAlertaTempranaparalosdeslizamientosenreasurbanas.
Evaluacinholsticaderiesgosfrenteamovimientosenmasaenreasurbanasandinas.UnapropuestametodolgicaLondoo
61
ConlosmapasdeRiesgoDirectoseraposibleidentificaraquellossectoresquemerecenintervencincorrectivaenel
terreno mediante obras de estabilidad o reubicacin urgente de viviendas o familias. Con los mapas de Factores
AmplificadoresdeVulnerabilidadsetendrun panoramadesectoresquerequierenatencinespecialpor partedela
administracinmunicipalencuantoainfraestructuradegestinyatencindeemergencias.Porltimo,conlacombinacin
delostrestiposdemapassetendraunsistemadealertatempranaqueindicaraentiemporealloslugaresdondese
generaran emergencias, y podra servir para hacer evacuaciones de ltima hora y prevenir eventos catastrficos o
reducirlasprdidashumanasymateriales,situacindelacualenelmediolocalexistenbastantesantecedentes.
2.1.2.Definicinespacialdelosestudios
Se tomacomo unidadde anlisisun recortecuadrado del terreno detamao de10 metrosde ladopara caracterizar
adecuadamentelaunidadterritorialconlainformacindisponible.Enelcasodevariablesnaturales,aldependerstas
decondicionesfsicas(comolatopografa)serequiereunniveldeobservacinbiendetallado,esdecir,unbuennivelde
resolucin,dadoporlamencionadaceldade10mdelado.Otrosfactores(socioeconmicos,porejemplo)setrabajan
coninformacinsecundariadisponibleaniveldebarrio,levantadaporlasentidadescorrespondientes,susceptiblede
serdesagregadatambinenceldasde10mx10mparahacerlacompatibleconlosdemsdatosutilizados.
2.2.GeneracindeMapasdeFactoresdeAmenazayVulnerabilidad
La topografa de un rea representa una caracterstica muy importante al momento de analizar cualquier problema
ambiental,representasencillamenteelentornoenelcualsedesarrollaelprocesobajoestudio.Apartirdeunmodelode
elevacionesdelterrenoesposiblecalcularotrasvariablesdeterminantes,comopuedenserlapendiente,lacurvaturadel
terreno,lasdimensiones decuencasquedrenen hacia unmismopunto,las orientacionesdeladera,y hastalaforma
comoelsoliluminalasuperficie.
ParalaciudaddeManizales,enelpresenteestudio,sehageneradounmodelodeelevacionesapartirdecurvasdenivel.
Estemodeloconsisteenunamallacontinuadeceldasopxeles(Raster)obtenidamedianteelSIG,alacualseledael
nombredeModeloDigitaldeElevacionesDTM.Apartirdeestemodelodigitaldeelevacionesesposiblegenerarvarios
mapasrelacionadosconfactoresdeamenaza,mediantediferentesclculos.Porotrolado,enlaadministracinmunicipal
reposainformacinsecundariarelacionadaconvariablespoblacionales,socioeconmicasydeinfraestructuras,quees
factiblerepresentarenmapasraster,conposibilidadesdesercombinadosymodificadosmediantediferentesoperaciones
de clculo para obtener los factores de vulnerabilidad. En la aplicacin del procedimiento a otras reas podran
incorporarse otrosfactores de vulnerabilidadadicionales, dependiendode la informacindisponible en cadacaso, y
buscandoquesereflejelasegregacinsocioespacialdelmunicipioylainfraestructuraconstruidaparahacerfrenteal
problema.
Siguiendo siempre la premisa de trabajar con la informacin disponible, y respetando el esquema planteado en las
Figuras2y3,sehanelaborado26mapastemticos:15asociadosaFactoresdeAmenaza,y11asociadosaFactores
deVulnerabilidad(Tabla3).ComoejemplosemuestranlosmapasdemodelosdeelevacionesDTM(Figura4)yel
mapaHAB50M,habitantesen50metrosalaredonda(Figura5).
BOLETNDECIENCIASDELATIERRANmero20,Juniode2007
62
Tabla3.ListadodemapaselaboradosFactoresdeAmenazayVulnerabilidad
FactoresdeAmenaza FactoresdeVul ner abil idad
DTM ModeloDigitaldeElevaciones(MapaFN01)
PENDPendientedelTerreno(MapaFN02)
PENDTPendienteTransformadadelTerreno(MapaFN03)
ASPECTOrientacindelTerreno(MapaFN04)
INSOLInsolacindelTerreno(MapaFN05)
RUGOSRugosidaddelTerreno(MapaFN06)
CURVARConvexidad/concavidadespacialdelterreno(Mapa
FN07)
PERFLConvexidad/concavidadlongitudinal(MapaFN08)
PERFTConvexidad/concavidadTransversal(MapaFN09)
ACUENCAreadeCuencaAcumulada(MapaFN10)
LONGLongituddeCuencaAcumulada(MapaFN11)
PENDMPendienteMediadeCuencaVertiente(MapaFN12)
FMSFormacionesSuperficiales(MapaFN13)
RCAUCERetirosdeCaucesdeRos(MapaFN14)
PANUALPrecipitacinAnual(MapaFN15)
DNETHABDensidadpoblacionalneta(MapaFO01)
DBRUTHABDensidadpoblacionalbruta(MapaFO02)
HAB50MHabitantesenunradiode50m(MapaFO03)
DNETVIVDensidadnetadeviviendas(MapaFO04)
VIV50MNmerodeviviendasenunradiode50m(Mapa
FO05)
BUFFERVPresenciadeVas(MapaFO06)
DZONASTTOCercanaazonasdeTratamientos
Superficiales(MapaFO08)
OBRASESTABLaderasEstabilizadas(MapaFO09)
AMHGralreasMorfolgicasHomogneas(MapaFO10)
USOSSCoberturasyUsosdelSuelo(MapaFO11)
ESTRATONivelsocioeconmicodeloshabitantes(Mapa
FO07)
Figur a4.MapaDTMModeloDigitaldeElevacionesdelTerreno
Evaluacinholsticaderiesgosfrenteamovimientosenmasaenreasurbanasandinas.UnapropuestametodolgicaLondoo
63
Figur a5.MapaHAB50MHabitantesenunradiode50m
2.3.ModelizacindelRiesgoDir ecto
2.3.1Obtencindelamuestraaanalizar
Cadaunodelosfactoresrepresentadospormapasenformatoraster,equivaleaunamatrizdedatos,concoordenadas
(X,Y,Z),dondeXyYsonlosvaloresdelaubicacinespacialdecadaceldade10mx10myZeselvalorparalacelda
decadaunodelosfactoresmencionados.Entotal,sehadivididoelreaurbanadelaciudaddeManizalesen609.426
celdasde10mx10m,organizadasen1172filasy1712columnas,locualsignificaquecadamapadelosenumeradosen
elcaptuloanterior,esenrealidadunamatrizdedatosde609.426filaspor3columnas(X,Y,Z).
Paraefectosdeclculosposteriores,sereunieronenunasolamatrizlosfactoresaanalizar,obteniendounamatrizde
609.426filaspor29columnas.Estamatrizconstituyeestadsticamentelapoblacinsobrelacualseaplicarndiferentes
procedimientosdeanlisisparainterpretarlaproblemticadeamenaza,vulnerabilidadyriesgoenelentornourbanoy
generarlosmapasyamencionados.
Pararealizarestazonificacinsehatomadocomopuntodepartidalaexperienciapropia,conelargumentodequesien
unareginconciertascondicionesespecficas,sepresentaronenelpasadoeventosdemovimientosenmasa,esposible,
queenotrossitios,bajolasmismascondiciones,eventossimilaresserepitan.Porestemotivo,esnecesarioutilizaruna
muestradetrabajoqueinvolucreaquellospuntosdentrodelterrenodeloscualessetenganevidenciasdedeslizamientos
anteriores,documentadosconsus respectivascoordenadas(X,Y).Dicha muestradebeestarformadaporunnmero
similardeindividuos(celdasounidadesdeterreno,enestecaso)delaspoblacionesestable(sinmovimientosenmasa)
BOLETNDECIENCIASDELATIERRANmero20,Juniode2007
64
einestable (conmovimientos enmasa). Conesto,se evitala dependenciaestadsticade unade laspoblaciones yes
condicin necesaria para asegurar una ptima clasificacin de los individuos, es decir, que exista una probabilidad
origen y un error de clasificacin igual para cada individuo de ambas poblaciones. Para el caso de la ciudad de
Manizales,sedisponedeunamuestrade346datos,173puntosestablesdelterreno,y173conmovimientosenmasa
registradosenelao2003:129entreel18y19demarzo,43enoctubrey1endiciembre,perododetiempoparticular
porlacantidaddeeventos.
2.3.2Anlisisdiscriminanteyseleccindelafuncindiscriminante
El anlisis Discriminantees til para situaciones cuando se quiere construir un modelo predictivo con un grupo de
variables,basado enlascaractersticasobservadasdecadacaso.Elprocedimientogeneraunafuncindiscriminante
basadoenlascombinacioneslinealesdelasvariablesdeprediccinqueproporcionanlamejordiscriminacinentrelos
grupos(enestecaso2:celdasestablesyceldasinestablesdelterreno).
Laobtencindelafuncindiscriminantepasaporunprocesodesntesisdeunespaciomultidimensionalenelquese
encuentra distribuido el conjunto de datos, convirtindolo en espacio euclidiano y definiendo un nuevo sistema de
coordenadascartesianas(factores).Estenuevoespaciotratadedescribirladispersindelanubedepuntos(muestra)
por medio desus direcciones principales. Una vezestablecido este nuevo espacio, los individuosde cada poblacin
tienen sus coordenadas situadas sobre los n ejes factoriales que definen las direcciones principales, generndose un
centrodegravedadparacadapoblacin(centroide).Lamayoromenorproximidaddecadaunodelosindividuosalcentrode
gravedad de las poblaciones(estable/inestable), permite su clasificacin. Para mayor informacinsobre el anlisis puede
consultarselostrabajosdeDavidetal(1977),Lebartetal(1982),DillonyGoldstein(1986)yCuadras(1991).
Enelanlisisestadsticomultivariantedetipodiscriminantesedebenseguirlossiguientespasos(Baeza,1994Baeza
yCorominas,1996):
ComprobacindelajusteaunadistribucinnormaldetodaslasvariablescuantitativasmedianteelTestdeKolmogorov
Smirnovaunniveldeconfianzadel5%.Lasvariablesquenopresentanunadistribucinnormalsontransformadasa
distribucioneslognormales.
AplicacindelAnlisisFactorialdeComponentesPrincipalesparadeterminardependenciasentrevariables.
AplicacindelostestsTtestyOneWay(queanalizanmediasyvarianzas)paradeterminarrelacionesentrelasvariables
ylainestabilidad.
Seleccindelasvariablesindependientesconelniveldesignificanciamsaltoparaelanlisisdiscriminante.
Aplicacindelanlisisdiscriminanteporpasos(Agtergerg,1974)yseleccindelafuncindiscriminantefinal.
Mediante el paquete estadstico SPSS se realizaron los diferentes pasos del anlisis mencionado. Se obtuvieron 9
factoresprincipalesqueintervienenenlasectorizacindemovimientosenmasa.EnlaTabla4sepresentanlospesos
decadavariable,resaltandolosvaloresporencimade0.4,utilizadoelmtododeComponentesPrincipalesconRotacin
Varimax,paraverconmayorclaridadlainfluenciadelasvariablesdentrodecadafactor.
Evaluacinholsticaderiesgosfrenteamovimientosenmasaenreasurbanasandinas.UnapropuestametodolgicaLondoo
65
Tabla4.MatrizdeComponentesRotados.RotacinVarimax
Component eoFactor
1 2 3 4 5 6 7 8 9
DTMFill 0.180 0.227 0.148 0.013 0.196 0.098 0.724 0.051 0.009
Pend 0.107 0.920 0.224 0.073 0.074 0.044 0.043 0.060 0.047
PendT 0.105 0.928 0.042 0.074 0.063 0.053 0.018 0.110 0.095
Aspect 0.074 0.023 0.048 0.005 0.029 0.008 0.124 0.030 0.845
Insol 0.107 0.585 0.502 0.067 0.034 0.036 0.264 0.268 0.094
Rugos 0.059 0.146 0.779 0.019 0.041 0.017 0.184 0.278 0.100
Curvar 0.038 0.031 0.889 0.003 0.106 0.021 0.056 0.331 0.055
PerfL 0.013 0.005 0.905 0.007 0.102 0.023 0.016 0.150 0.009
PerfT 0.102 0.103 0.205 0.036 0.046 0.004 0.158 0.752 0.178
Acuenca 0.024 0.033 0.002 0.011 0.058 0.980 0.024 0.022 0.001
Long 0.034 0.066 0.022 0.022 0.054 0.975 0.049 0.038 0.028
Pendm 0.100 0.708 0.171 0.150 0.044 0.002 0.176 0.329 0.127
UsosS 0.790 0.104 0.020 0.134 0.056 0.013 0.017 0.035 0.151
RetiroC 0.042 0.034 0.038 0.098 0.327 0.326 0.157 0.367 0.211
Fms 0.393 0.029 0.020 0.014 0.080 0.033 0.638 0.029 0.155
PAnual 0.095 0.034 0.003 0.063 0.562 0.110 0.363 0.016 0.003
Dnethab 0.148 0.105 0.014 0.953 0.060 0.009 0.023 0.037 0.015
Dbr uthab 0.081 0.015 0.093 0.051 0.842 0.027 0.072 0.020 0.007
Hab50m 0.752 0.096 0.013 0.460 0.050 0.042 0.063 0.111 0.151
Dnetviv 0.151 0.116 0.016 0.948 0.065 0.010 0.024 0.040 0.017
Viv50m 0.775 0.112 0.014 0.443 0.050 0.043 0.070 0.109 0.135
BufferV 0.476 0.022 0.046 0.133 0.053 0.001 0.166 0.302 0.153
Estrat o 0.557 0.162 0.130 0.090 0.198 0.038 0.008 0.007 0.195
Dzonastto 0.547 0.248 0.063 0.058 0.257 0.058 0.561 0.112 0.035
Obr asEst ab 0.080 0.078 0.140 0.004 0.336 0.005 0.160 0.448 0.238
AMHGral 0.085 0.048 0.070 0.049 0.776 0.000 0.068 0.061 0.037
Lafuncindiscriminantefinalqueapartirdelaseriedefactoresarrojarunaclasificacindeceldasentreestablese
inestables,segnelanlisisdiscriminanterealizadoes:
DISC=0.014*UsosS+0.525*RetiroC+0.001*Dnet hab
0.001*Dbruthab+0.541*BufferV+0.000*Dzonast to+0.828*ObrasEstab+0.009*AMHGral +2.852
*PendT1.420
(1)
Estafuncinaciertaenclasificarel87.3%delasceldasconroturas,el78.6%delasceldasestables,yel82.9%deltotal
de celdas consideradas en el estudio, lo cual da una idea de los mrgenes de error que se obtendrn al aplicar este
procedimiento.Esdeanotarqueconunamuestramayor,productodeunainvestigacinposterior,posiblementeestos
valoresdeaciertosycorrectaclasificacindeceldasseincrementen,haciendomsconfiablelafuncin.
2.3.3RedNeuronalArtificialparaPrediccindeDeslizamientos
Considerandolaexistenciadenolinealidadenlasrelacionesdelasvariablesinvolucradasenelfenmenoestudiado,se
haaplicadounprocedimientoquetengaencuentaestetipoderelacionesentrevariables,lasredesneuronalesartificiales.
Ennuestrocaso,lareddebeaprenderarelacionarlosvaloresdelasvariablespredictorasconelcorrespondienteestatus
deestabilidadoinestabilidaddecadacelda.Enlafasedepropagacin,sepresentaalacapadeentradadelaredlos
valoresdelas26variablespredictorascorrespondientesacadaceldadeentrenamiento.Estainformacinsevapropagando
BOLETNDECIENCIASDELATIERRANmero20,Juniode2007
66
atravsdetodaslascapassuperioreshastagenerarunasalida.Secomparaelresultadoobtenidoconlasalidaquese
deberaobtener0silaceldaesestabley1siesinestable,ysecalculaelerrorquecometelaneuronadelacapade
salida.Enlafasedeadaptacin,esteerrorsepropagahaciaatrs,capaporcapa,recibiendocadaneuronaunerrorque
describesuaporterelativoalerrorglobalquecometelared.Basndoseenelvalordelerrorrecibido,sereajustanlos
pesosdeconexin decadaneurona,demaneraquelasiguientevezquesepresentenlosvaloresdelmismosujeto,la
salidaestmscercadeladeseada,esdecir,elerrordisminuya.
Unperceptronmulticapacondoscapasocultaspodra,enesecaso,ofrecerunbuenrendimiento,puesesunmapeador
universal.Losmatemticos pueden demostrarqueunareddeeste tipo,siemprequeeltiempode entrenamiento yel
nmerodeneuronasencadacapanoestrestringido,tienelaposibilidadderesolvercualquierproblema.Elnmerode
neuronasdelacapadeentradaestdeterminadoporelnmerodevariablesinvolucradasenelestudio.Lafuncinde
cadaunadelasneuronasdelacapadeentradaesrecibirytransmitiralasiguientecapaelvalordecadaunadelas
variables.Porotraparte,elnmerodeneuronasdelacapadesalidaestsujetoalafuncindelared:paratareasde
clasificacin,lacapadesalidatendrtantasneuronascomocategorasoclasestengaelproblemaEnelpresentecaso,
existirslounaneuronadesalidaquearrojarvaloresentrecero(0)silaceldaestudiadaesestableyuno(1)sies
inestable.Noexisteuncriterioestablecidoparadecidirelnmerodeneuronasdelacapa(ocapas)intermediauoculta.
Segnelproblemadesobreentrenamiento,lopreferibleesusarelmenornmerodeneuronasocultasconloscualesla
redpresenteunbuencomportamiento(Masters:1993Smith:1993Rzempoluck:1998).
Conloanterior,evaluandoelrendimientodediferentesarquitecturasenfuncindelosresultadosarrojadosporelgrupo
devalidacinydetest,seseleccionunaredneuronalcompuestapordoscapasintermedias,unacapadeentradayuna
capadesalida.26neuronasenlacapadeentradacorrespondientesa26variablesdeentrada,18neuronasenlaprimera
capaintermediay24neuronasenlasegunda,1neuronaenlacapadesalida(Figura6).Estaconfiguracinpermiti
alcanzar la convergencia (valor lmite, hasta el cual los pesos permanecen estables) en 2326 iteraciones o ciclos de
aprendizaje,momentoenelcualsedecidipararelentrenamiento.
Figur a6.RNAde2capasintermedias
Evaluacinholsticaderiesgosfrenteamovimientosenmasaenreasurbanasandinas.UnapropuestametodolgicaLondoo
67
Alaredneuronalasobtenidasepresentaronlosdatosdetest,arrojandoresultadossatisfactorios.Latablamuestrala
respuesta obtenida por la red neuronal para los 70 datos de test disponibles. Puede verse que de los 35 datos
correspondientes a celdas inestables (Var_agrup=1), slo fueron clasificados de manera errnea 4, acertando en el
88.6%deloscasos.Enelcasodeceldasestablesseencontraron8datosclasificadoserrneamente.
Enprodeladiscusiny mejoramientodeestasmetodologas,sedebemencionarqueenrealidad, desdelosdatosde
entrada existe incertidumbre, pues se tienen clasificaciones de celdas con roturas (1) o celdas estables (0), pero se
desconocenestadosintermedios.Loideal(sifueraposible)seratenerunamuestracondiferentesestados,quepermitiera
reconocervaloresentreloslmites.Encualquiercaso,seprefiereunmodeloquetengabuenaprediccinsobreceldas
inestables,pueslaclasificacindeunaceldaestablecomoinestableestdelladodelaseguridad,mientrasqueelcaso
contrarioconstituiraunerror.
Secalcullamedidadesensibilidadparacadavariablepredictorasobrelapresenciaoausenciadedeslizamientos.En
lafigura7sepresentanlosvaloresdelasensibilidaddelasvariablesenlasalidadelaredneuronal.Deestamanera,
puedeobservarsequelosfactoresconmsinfluenciaenlaprediccindedeslizamientossonslo14delos26iniciales.
Como ejemplo puede tomarse la variable PendT (Figura 8). Cuando dicha variable toma valores cercanos a cero
(terreno llano), la salida de la red se acerca a cero (poca probabilidad de movimientos en masa).A medida que se
aumentaelvalordelavariabledeentradaPendT,elvalordelasalidadelaredtambinsevaincrementando.Finalmente,
cuandoPendTtomavalorescercanosa1(pendientede45),elvalorarrojadoporlaredesalto(cercade0,7),esdecir,
inestabilidad.Porloanterior,esposibleafirmarquelavariablePendTestrelacionadaconlasalidadelared,ypor
ello,esunpredictordelestatusdeestabilidaddelasladeras.Lavariablequemssensibilidadreflejaenlasalidadela
redesDzonastto,querepresentaladistanciadesdecadapuntodelterrenoalaobradetratamientomscercanacuando
la distancia a la zona de tratamiento toma valores bajos, la salida de la red refleja valores igualmente reducidos,
indicandoestabilidadenlacelda,amedidaqueestosvaloresaumentan,tambinlohacelainestabilidad.
Figur a7.SensibilidaddelasvariablesdeentradafrentealasalidadelaRNA
BOLETNDECIENCIASDELATIERRANmero20,Juniode2007
68
Conesteprocedimientosellegaaclasificareficientementeun88,6%delasceldasconroturas,locualespruebadeun
rendimientosatisfactorio,msancuandosetratadeidentificarsectoresconmayorsusceptibilidaddedeslizamientos.
Eldesempeodeunaredneuronaldeestetipopuedeincrementarseaumentandoelnmerodedatosdeentrenamiento,
paraqueelmodelopuedaestablecerlospesosadecuadosdecadaneuronateniendomscasosdisponibles.Enrealidad,
losdatosutilizadosenestetrabajoconstituiransolounapequeapartedetodosaquellosquepudieranencontrarsecon
una adecuada bsqueda. Recurdese que se toman en consideracin slo los puntos sobre el mapa de la ciudad de
Manizalesqueresultaronafectadospormovimientosenmasaenelao2003.Sinembargo,conanlisistemporalesde
fotografas areas de aos anteriores,esta basede datos, ycon ello elmejor ajustede la redneuronal, seguramente
podraincrementarsesustancialmente.
3.RESULTADOSYDISCUSIN
3.1.Elabor acindelMapadeRiesgoDir ecto
Apartirdelafuncindiscriminanteobtenidaporelprocedimientodescrito,oapartirdelanlisisderedesneuronales,
esposiblecalcularparacadaunodelospuntosenloscualessedividielreaurbanadeManizales,unNiveldeRiesgo
Directoasociado.Esposiblecalcularunlistadodevaloresparacadapunto,elcual,alserasociadoasuscorrespondientes
coordenadas,constituyeelinsumo principalpara elaborarunmapaencualquierSistemadeInformacinGeogrfica
disponible(ValoresX,Y,ydatoasociadoZ).
Paralaelaboracindelmapasehaoptadopordividirlaserieenintervalosigualessegnelhistogramadefrecuencias
delosdatos,demaneraquecadaunodelosrangoscontengaigualcantidaddedatos.Elmapaasobtenido(Figura9)
zonificaalaciudadsegnsumayoromenorsusceptibilidadamovimientosenmasa.Se obtieneunasectorizacina
nivelderesolucindeceldade10mx10m.Estemapaindicarellugardondeesfactible(conlosmrgenesdeerror
mencionados:cerca del80% deaciertoenclasificacindeceldasinestables)encontrar movimientosenmasa(zonas
rojas),yloslugaresmsestables(zonasverdeclaro).
Sehangeneradodosmapasunoporcadamtodoempleado,enloscuales,la ubicacindereascrticas essimilar,
variandosolamentelaextensindelasmismas, lacualapareceincrementadaenel mtododeanlisisdiscriminante,
haciendosuponerquesetratadeunaaproximacinmsgruesaqueaquellaobtenidaconlaredneuronalartificial.En
laFigura10,amaneradecomparacin,semuestraunsectordelaciudad:lacomuna2enlaparteizquierdaaparecen
las9categorasderiesgo(9rangosiguales,segnelhistogramadefrecuenciasdelosdatos),arribaparaelmtodode
anlisisdiscriminanteyenlaparteinferiorparalaredneuronalaladerechasesintetizanlosdatosentrescategoras,
conelmismorazonamiento.Resultaclaroporsimplevistaquelosmapasdelladoderechosecorresponden,variando,
comoyasedijo,laextensindelasreasoscuras,aunquenosuubicacin.
Figur a8.SensibilidaddelavariablePendT(pendientedelterreno)frentealasalidadelaRNA
Evaluacinholsticaderiesgosfrenteamovimientosenmasaenreasurbanasandinas.UnapropuestametodolgicaLondoo
69
Figur a9.MapafinaldeRiesgoDirecto:ZonificacindeRiesgoporDeslizamientos
Figur a10.ComparacinderesultadosdeRiesgoDirecto
BOLETNDECIENCIASDELATIERRANmero20,Juniode2007
70
3.2.Consider acionesComplementar ias
ComocomplementonecesarioparaestablecerunSistemadePrevencindeMovimientosenMasaesnecesarioevaluar
detalladamenteeleventodetonantedelfenmeno,enestecaso,lalluvia.Unaevaluacindetalladadelosumbralesque
establecen ellmitesobreelcuallaprecipitacincadagenerara deslizamientos,esdifcileimplicaprecisinenlos
datosdeocurrenciadedeslizamientosyserieshistricasampliasdeprecipitacinendiferentessectoresdelaciudad.
Paraelreadeestudioestetipodeinformacinapenascomienzaalevantarse.Setienendesdeelao2003unasseries
dedatosdeprecipitacinconsuficienteresolucinregistrosdelluviacada5minutos,porunlado,ydeotraparte,se
conocenlasfechasenlascualeshanocurridonumerososeventosdedeslizamientosdetonadosporlluviasenlaciudad
paraelmismoao.Conestainformacinesposiblelogrardemanerapreliminaralgunosacercamientosalastendencias
quepudierandescribirladinmicalluviasdeslizamientos,lascualesdebernsercorroboradasporfuturosestudios.
Sehahechounanlisispreliminarconladistribucintemporaldelalluviadiariaylalluviaantecedenteparadiferentes
perodosdetiempo:3das,exponencialde3das,5das,7das,exponencialde7das,exponencialde15das,25das,
exponencialde30das,desdeel01deenerode2003hastael30deseptiembrede2005.Paraeseperododetiempose
conocelacantidaddedeslizamientospresentadosenlaciudadylasfechascorrespondientes(Marzo,OctubreyDiciembre
de2003).
Delasimpleinspeccindelosgrficoselaboradosresultaevidentequeparalaciudad,conlosdatosdisponibles,elvalorque
mspareceapropiadocomorelacinentrelluviaydeslizamientoseseldelluviaantecedentede3das.Esevidentequecuando
estevalorsuperalos100milmetros,sepresentaneventosdemovimientosenmasaextraordinarios(Figura11).
Figur a11.Clculodeumbralesdelluviacrticadetonantedemovimientosenmasa
4.CONCLUSIONES
Elpresentetrabajohamostradoensustrminosmsgenerales,unamaneradeevaluarelriesgoapartirdeinformacin
disponible,motivoporelcual,lacreacindeunmapadetalladoqueincorporeconceptualmentelateoraexistentees
difcil de elaborar dada la escasez de datos y la dificultad en sus mediciones. Cuando se considera, por ejemplo, el
riesgocomolaprobabilidaddeprdidaduranteunperododetiempodado,sehacenecesarioevaluarocuantificarel
grado de prdida esperado (prdida econmica, prdida social, etc.), sin embargo, esta evaluacin se torna difcil
cuandonoexistenlineamientostericossuficientesqueindiquencmovalidarlavidaylasactividadesdelapoblacin
Evaluacinholsticaderiesgosfrenteamovimientosenmasaenreasurbanasandinas.UnapropuestametodolgicaLondoo
71
(cunto,entrminoseconmicoscuestaunavida humana?).Por estarazn,unaevaluacinde riesgo comola aqu
planteadaselimitaaindicar"donde"puedenocurrirlasprdidaseincluso(conunaprofundizacinmayordelestudio)
indicara, en trminos aproximados, "cundo" es factible que se presente. No obstante, la evaluacin econmica o
valoracindeestasprdidas("cunto"),escapaalosalcancesdeuntrabajodeestetipoyrequierelaparticipacinyel
consensodeprofesionalesdedisciplinascomolaeconoma,lasociologa,etc.Otracaractersticaimportantequedebe
tomarse en cuenta en el caso de establecer un programa de evaluacin de riesgos continuado por ejemplo, en las
administracionesmunicipaleseselcarcterdinmicoquetieneelconcepto.Mediantelaintervencinantrpicaylas
dinmicassocialesmismas,seintervienenlaamenazaylavulnerabilidad,haciendovariarlosnivelesderiesgoenel
tiempo. Estas fluctuaciones de niveles de riesgo son susceptibles de medirse haciendo evaluaciones como la aqu
planteada en diferentes perodos de tiempo (la poblacin, las viviendas, la topografa, y la mayora de los factores
mencionados en este artculo cambian con el tiempo), es decir, actualizando los mapas de riesgo obtenidos, sera
factibletenerunacercamientomsrigurosoconelconceptoderiesgo(variableen eltiempo)ymedirla gestinque
desdelosnivelesadministrativossehacedelriesgourbano.
Porotraparte,estetrabajodemostrqueentemascomolazonificacinderiesgos,especficamente,yengeneral,en
temas relacionados con la sostenibilidad de asentamientos humanos, los Sistemas de Informacin Geogrfica SIG
jueganunimportanteroldebidoasuelevadopoderdeclculoysusposibilidadesdealmacenar,actualizarymanipular
datos.staherramienta,unidaapaquetesdeanlisisdeinformacinestadsticayprogramasdemodelacinnumrica
para el tratamiento de datos, son en la actualidad los medios necesarios para que los conocedores de estos temas
realicensusinvestigacionesyobtenganconclusionesprecisasylocalizadas.
Comopuntodediscusinfinal,cabeanotarquelaunadelasvasparaobtenerciudadesymunicipiosmsseguros,que
seansostenibleseneltiempo,esmonitorearelestadoactualdedichoscentrosurbanos,construirmodelosdeevaluacin
ysistemasdegestintilesporpartedelostomadoresdedecisiones,enloposiblecontcnicasrigurosasdesdeelpunto
devistacientfico.Solodestamanerasellevarnlasteorasquehansurgidoenlosltimosaosenloscamposdela
sostenibilidadaterrenosprcticosytilesparalagentedelcomn.
5.AGRADECIMIENTOS
SeagradecealaAgenciaEspaoladeCooperacinInternacional,AECIsufinanciacinatravsdelabecaMAEC
AECIparalarealizacindelosestudiosdoctoralesdelautor.
6.BIBLIOGRAFA
AlmenaraJ,GonzlezJL,GarcaC,PeaP.1998.Queselanlisisdecomponentesprincipales?Jano1268:pp.5860
Baeza,C.1994.Evaluacindelascondicionesderoturaylamovilidaddelosdeslizamientossuperficialesmedianteelusode
tcnicasdeanlisismultivariante.Tesisdoctoral.DepartamentodeIngenieradelTerrenoyCartogrficaETSECCPBUPC
Bishop,C.M.1995.Neuralnetworksforpatternrecognition.NewYork:OxfordUniversityPress
Blaikie,P.Cannon,T.Davis,I.Wisner.B.1996.Vulnerabilidad.Elentornosocial,polticoyeconmicodelosdesastres.LARED/
ITDG,Bogot.Primeraedicin.En:http://www.desenredando.org/public/libros/1996/vesped/vespedtodo_sep092002.pdf.
Cardona, O.D. 2001. Estimacin Holstica del riesgo ssmico utilizando sistemas dinmicos complejos. Tesis Doctoral.
UniversidadPolitcnicadeCatalua.Barcelona.
Carrara,A.1983a.Multivariatemodelsforlandslidehazardevaluation.Math.Geology15.pp.403426.
Carrara,A.1983b.Geomathematicalassessmentofregionallandslidehazard.4thInt.Conf.Applic.Stat.Porbabil.InSoil
andEstruct.Eng.Firenze.pp.327.
CORPOCALDAS2005.Basede DatosdeDeslizamientosOcurridosen elao2003.Sistemade InformacinAmbiental
RegionalSIAR.(Tablasconcoordenadas.dBf),CorporacinAutnomaRegionaldeCaldas.
BOLETNDECIENCIASDELATIERRANmero20,Juniode2007
72
CORPOCALDAS 2005. Base de Datos de Deslizamientos Ocurridos en el ao 2003. Unidad de Recursos Naturales,
CorporacinAutnomaRegionaldeCaldas(Tablasdedatos.xls).
Cuadras,C.M.1991.Mtodosdeanlisismultivariante,Coleccinestadsticayanlisisdedatos.Ed.Eunibar.664P.
Chardon,A.C.2002. Un EnfoqueGeogrfico de laVulnerabilidad en Zonas UrbanasExpuestasaAmenazasNaturales. El
EjemploAndino de Manizales Colombia. Editorial Centro de Publicaciones Universidad Nacional de Colombia Sede
Manizales.
Hilera,J.R.yMartnez,V.J.1995.RedesNeuronalesArtificiales:Fundamentos,modelosyaplicaciones.Madrid:RaMa.
Lavell,A.1992.CienciasSocialesydesastresnaturalesenAmricaLatina:unencuentroinconcluso,enMaskrey,A.(1993),
Losdesastresnosonnaturales,LARED,Bogot.
Lavell,A.1994.ViviendoenRiesgo:ComunidadesVulnerablesyPrevencindeDesastresenAmricaLatina.LARED
FLACSOCEPREDENAC.Primeraedicin.TercerMundoeditores.
Lavell,A.1996.DegradacinAmbiental,RiesgoyDesastreUrbano.ProblemasyConceptos:HacialaDefinicindeuna
AgendadeInvestigacin.CiudadesenRiesgo,M.A.Fernndez(Ed.),LaRED,USAID.
Lavell,A.mansilla,E.2003.DelConceptodeRiesgoysuGestinalSignificadoyFormasdelaIntervencinSocial.Proyecto
deGestindeRiesgodeDesastresconEnfoquedeSeguridadAlimentaria.PGRDCOPASAGTZ.ArequipaPer.
Lavell,A.2003a.I.InternacionalAgencyConceptsandGuidelinesforDisasterRiskManagementII.TheTransitionfrom
Risk Concepts to Risk Indicators, IADB/IDEA Programa de Informacin e Indicadores para la Gestin de Riesgos,
UniversidadNacionaldeColombia,Manizales.http://idea.unalmzl.edu.co
Londono,J.P.2006.EvaluacinHolsticadeRiesgoFrenteaDeslizamientosenreasUrbanasAndinas,UniversidadNacional
deColombia,MaestraenMedioAmbienteyDesarrollo.Tesis.Manizales.
Maskrey,A.1998.Navegandoentrebrumas.Laaplicacindelossistemasdeinformacingeogrficaalanlisisderiesgoen
Amrica Latina. Red de Estudios Sociales en Prevencin de Desastres enAmrica Latina LA RED. Primera edicin.
Encontradoen:http://www.desenredando.org/public/libros/1998/neb/neb_todo_nov092002.pdf
Mayorga,R.2003.DeterminacindeUmbralesdeLluviaDetonantedeDeslizamientosenColombia.UniversidadNacional
deColombia.FacultaddeCiencias.DepartamentodeGeociencias.ProgramadePostgradoMagsterenMeteorologa.
Mulder, H.F.H.M. 1991.Assessment of landslide hazard. Nederlandse Geografische Studies. PhD Thesis, University of
Utrecht,150P.
NaranjoJ.L.,Ros,P.A.1989.GeologadeManizalesysusalrededoresysuinfluenciaenlosriesgosgeolgicos.Manizales:
RevistaUniversidaddeCaldasVol10No.13.EneroDiciembre.
Ripley,B.D.1996.Patternrecognitionandneuralnetworks.Cambridge:CambridgeUniversityPress.
Rumelhart, D.E, Hinton, G.E y Williams, R.J. 1986. Learning internal representations by error propagation. En: D.E.
RumelhartyJ.L.McClelland(Eds.).ParalleldistributedprocessingCambridge,MA:MITPress.pp.318362.
Rzempoluck,E.J.1998.NeuralnetworkdataanlisisusingSimulnet.NewYork:SpringerVerlag.
Santacana,N.2001.AnlisisdelaSusceptibilidaddelTerrenoalaFormacindeDeslizamientosSuperficialesyGrandes
DeslizamientosMedianteelUsodeSistemasdeInformacinGeogrfica.AplicacinalaCuencaAltadelRoLlobregat.
TesisDoctoral.UniversitatPolitcnicadeCatalunya,Barcelona.
Smith,M.1993.Neuralnetworksforstatisticalmodeling.NewYork:VanNostrandReinhold.
Terlien, M.T.J. 1996. Modelling spatial and temporal variantions in rainfall triggered landslides. Enschede (Holanda),
Trabajodedoctorado(IngenieroGegrafo).InternationalInstituteforAerospaceSurveyandEarthSciencesITC.254P.
Velsquez,A. yRosales,C.1999.Escudriandoenlosdesastresatodaslasescalas.Primerapartehttp://www.desenredando.org/
public/libros/1999/edete/edte1_v.1.0ago302001.pdfSegundapartehttp://www.desenredando.org/public/libros/1999/edete/
edte2_v.1.0ago302001.pdf