Modelado de susceptibilidad a la inestabilidad de laderas, fractales versus redes neuronales artificiales, e. g. Angangueo, Michoacán

Abstract

RESUMEN: En el presente documento se expone la aplicación de dos teorías matemáticas basadas en el estudio de sistemas no lineales: fractales y redes neuronales artificiales para la producción de dos modelos de susceptibilidad a la inestabilidad de laderas considerando como caso de estudio a la microcuenca hidrográfica Mineral de Angangueo ubicada en el estado de Michoacán. Además, se incorpora la implementación de las curvas de validación: característica operativa del receptor (ROC) y tasa de éxito (SR), así como el trabajo geológico de campo para la determinación de la exactitud de las predicciones elaboradas, consiguiendo exhibir la suficiencia de los modelos y, por consiguiente, la identificación del mejor performance. Con este propósito se diseñó una metodología integral con la que se obtuvo: 1) un inventario de inestabilidades conformado por un total de 131 movimientos de ladera, entre ellos, flujos, deslizamientos traslacionales, deslizamientos rotacionales y caídas y efectuado con base en la interpretación digital de imágenes satelitales Landsat 5 TM y de los servidores Google Earth y Bing Maps y 2) un análisis de sensibilidad mediante la aplicación del índice de sensibilidad IL, que posibilitó el reconocimiento de 14 factores de carácter geológico, geomorfológico, hidrológico, climático y antrópico, de un listado de 17 factores identificados inicialmente, que favorecen en mayor medida a la formación de inestabilidad en los materiales geológicos del área de estudio. Los valores de área bajo la curva (AUC) y la calibración en campo indican que el modelo de susceptibilidad por redes neuronales artificiales es el más exacto, no obstante, se encuentra que ambas técnicas predicen de manera adecuada las áreas perturbadas por movimientos de ladera y aquellas que cuentan con condiciones óptimas para generar inestabilidades en el futuro o que pueden estar llevándose a cabo actualmente. ABSTRACT: In this document, the application of two mathematical theories based on the study of nonlinear systems is exposed: fractals and artificial neural networks for the production of two models of susceptibility to slope instability considering the hydrographic watershed Mineral de Angangueo, located in the state of Michoacán, as the case of study. In addition, the implementation of the receiver operating characteristic (ROC) and success rate (SR) validation curves as well as the geological field work to determine the accuracy of the predictions made are incorporated, showing the sufficiency of the models and, therefore, the identification of the best performance. For this purpose, a comprehensive methodology was design with which it was obtained: 1) an inventory of instabilities made up of a total of 131 hillside movements, including flows, translational slides, rotational slides, and falls, based on the digital interpretation of images of Landsat 5 TM satellite and from the Google Earth and Bing Maps servers and 2) a sensitivity analysis through the application of the IL sensitivity index, which enabled the recognition of 14 geological, geomorphological, hydrological, climatic and anthropic factors, from a list of 17 factors initially identified, which favor to a greater extent the formation of instability in the geological materials of the study area. The values under the curve (AUC) and the field calibration indicate that the susceptibility model for artificial neural networks is the most accurate, however, it is found that both techniques adequately predict the areas disturbed by slope movements and those that have optimal conditions to generate instabilities in the future or that may be taking place in the present.