El Salvador country has been affected by landslides mainly triggered by extreme rain events. Therefore, the prediction of landslide susceptibility areas is a primary input for proper and future risk management. In this study, two catchments were selected to predict susceptible areas, in the northern part of Ilopango Lake. For prediction, were identified landslides triggered by the tropical storms Amanda and Cristóbal that occurred in 2020. The identification of these mass movements was both punctual (LIP) and polygonal (BODY), which define the initial point of motion and the entire area affected, respectively. Subsequently, two models (BODY and LIP) were generated through the stochastic process, employing 10 predictor variables (slope, plain curvature, profile curvature, land classification, topographic wetness index, aspect northness, aspect eastness, soil use, and lithology). This estimation was performed by “Multivariate Adaptive Regression Splines” (MARS). The respective results were evaluated through the calculation of the area under the Receiver Operating Characteristic curve (ROC), which mean values for BODY model was 0.91, and 0.94 for LIP model. As a result, the most important variables to predict landslide susceptibility were elevation and slope. Furthermore, LIP model has a greater precision over BODY model, establishing that with only the punctual landslide inventory is possible to reach a high degree of prediction over 93%.

El Salvador se ha visto afectado por movimientos en masa desencadenados principalmente por eventos extremos de lluvia. Por consiguiente, la predicción de las áreas susceptibles a deslizamientos es el primordial insumo para una adecuada y futura gestión del riego. En este estudio se seleccionaron dos cuencas hidrográficas para predecir las áreas susceptibles las cuales se encuentran ubicadas en el costado norte del Lago de Ilopango en El Salvador. Para la predicción, se hizo uso de los deslizamientos desencadenados por el paso de las tormentas tropicales Amanda y Cristóbal en el año 2020. La identificación de estos movimientos en masa fue tanto puntal (LIP) como poligonal (BODY), definiendo el punto inicial del movimiento y el área de toda la zona afectada, respectivamente. Posteriormente, a través del proceso estocástico se generaron dos modelos de susceptibilidad de deslizamiento (BODY y LIP), empleando 10 variables predictoras (elevación, pendiente, curvatura de planta, curvatura de perfil, índice de humedad topográfica, clasificación de las formas del relieve, orientación norte-sur, orientación esteoeste, uso del suelo y litología). Esta estimación se realizó mediante el análisis de regresión adaptable a gran cantidad de variables conocido como “Multivariate Adaptive Regression Splines” (MARS). Los respectivos resultados se evaluaron a través del cálculo del área bajo las curvas ROC (Receiver Operating Characteristic), cuyos valores promedios para el modelo BODY fue de 0.91, y de 0.94 para el modelo LIP. Como resultado, las variables más importantes para la predicción de áreas susceptibles a deslizamientos son la elevación y la pendiente. Asimismo, se comprobó que el modelo LIP tiene una precisión mayor sobre el modelo BODY, estableciendo que, con solo el inventario puntual de los movimientos en masa, es posible llegar a un alto grado de predicción sobre el 93%.

(2023). MODELOS DE SUSCEPTIBILIDAD PARA FLUJOS DE DETRITOS ACTIVADOS POR EL EVENTO EXTREMO DE LLUVIA PRODUCTO DE LAS TORMENTAS TROPICALES EP022020/AMANDA Y AL032020/CRISTOBAL EN EL SALVADOR.

MODELOS DE SUSCEPTIBILIDAD PARA FLUJOS DE DETRITOS ACTIVADOS POR EL EVENTO EXTREMO DE LLUVIA PRODUCTO DE LAS TORMENTAS TROPICALES EP022020/AMANDA Y AL032020/CRISTOBAL EN EL SALVADOR

ARGUETA PLATERO, Abel Alexei
2023-12-14

Abstract

El Salvador country has been affected by landslides mainly triggered by extreme rain events. Therefore, the prediction of landslide susceptibility areas is a primary input for proper and future risk management. In this study, two catchments were selected to predict susceptible areas, in the northern part of Ilopango Lake. For prediction, were identified landslides triggered by the tropical storms Amanda and Cristóbal that occurred in 2020. The identification of these mass movements was both punctual (LIP) and polygonal (BODY), which define the initial point of motion and the entire area affected, respectively. Subsequently, two models (BODY and LIP) were generated through the stochastic process, employing 10 predictor variables (slope, plain curvature, profile curvature, land classification, topographic wetness index, aspect northness, aspect eastness, soil use, and lithology). This estimation was performed by “Multivariate Adaptive Regression Splines” (MARS). The respective results were evaluated through the calculation of the area under the Receiver Operating Characteristic curve (ROC), which mean values for BODY model was 0.91, and 0.94 for LIP model. As a result, the most important variables to predict landslide susceptibility were elevation and slope. Furthermore, LIP model has a greater precision over BODY model, establishing that with only the punctual landslide inventory is possible to reach a high degree of prediction over 93%.
SUSCEPTIBILITY MODELS FOR DEBRIS FLOWS TRIGGERED BY THE EXTREME RAINFALL EVENT FROM TROPICAL STORMS EP022020/AMANDA AND AL032020/CRISTOBAL IN EL SALVADOR
14-dic-2023
El Salvador se ha visto afectado por movimientos en masa desencadenados principalmente por eventos extremos de lluvia. Por consiguiente, la predicción de las áreas susceptibles a deslizamientos es el primordial insumo para una adecuada y futura gestión del riego. En este estudio se seleccionaron dos cuencas hidrográficas para predecir las áreas susceptibles las cuales se encuentran ubicadas en el costado norte del Lago de Ilopango en El Salvador. Para la predicción, se hizo uso de los deslizamientos desencadenados por el paso de las tormentas tropicales Amanda y Cristóbal en el año 2020. La identificación de estos movimientos en masa fue tanto puntal (LIP) como poligonal (BODY), definiendo el punto inicial del movimiento y el área de toda la zona afectada, respectivamente. Posteriormente, a través del proceso estocástico se generaron dos modelos de susceptibilidad de deslizamiento (BODY y LIP), empleando 10 variables predictoras (elevación, pendiente, curvatura de planta, curvatura de perfil, índice de humedad topográfica, clasificación de las formas del relieve, orientación norte-sur, orientación esteoeste, uso del suelo y litología). Esta estimación se realizó mediante el análisis de regresión adaptable a gran cantidad de variables conocido como “Multivariate Adaptive Regression Splines” (MARS). Los respectivos resultados se evaluaron a través del cálculo del área bajo las curvas ROC (Receiver Operating Characteristic), cuyos valores promedios para el modelo BODY fue de 0.91, y de 0.94 para el modelo LIP. Como resultado, las variables más importantes para la predicción de áreas susceptibles a deslizamientos son la elevación y la pendiente. Asimismo, se comprobó que el modelo LIP tiene una precisión mayor sobre el modelo BODY, estableciendo que, con solo el inventario puntual de los movimientos en masa, es posible llegar a un alto grado de predicción sobre el 93%.
landslides; susceptibility; models; MARS; rainfall; storms; el salvador
(2023). MODELOS DE SUSCEPTIBILIDAD PARA FLUJOS DE DETRITOS ACTIVADOS POR EL EVENTO EXTREMO DE LLUVIA PRODUCTO DE LAS TORMENTAS TROPICALES EP022020/AMANDA Y AL032020/CRISTOBAL EN EL SALVADOR.
File in questo prodotto:
File Dimensione Formato  
TESIS DOCTORAL ABEL ARGUETA ENTREGABLE Dic 2023.pdf

Open Access dal 02/01/2024

Tipologia: Tesi di dottorato
Dimensione 19.18 MB
Formato Adobe PDF
19.18 MB Adobe PDF Visualizza/Apri

I documenti in IRIS sono protetti da copyright e tutti i diritti sono riservati, salvo diversa indicazione.

Utilizza questo identificativo per citare o creare un link a questo documento: https://hdl.handle.net/10447/619854
Citazioni
  • ???jsp.display-item.citation.pmc??? ND
  • Scopus ND
  • ???jsp.display-item.citation.isi??? ND
social impact