STOCHASTIC ASSESSMENT OF LANDSLIDE SUSCEPTIBILITY ALONGSIDE “VÍA AL LLANO” HIGHWAY, COLOMBIA

Frequent landslides along the "Via al Llano”, one of the most important Colombian highways, regularly disrupt traffic. This crucial route connects Bogotá, the capital of Colombia, with Villavicencio, the capital of Meta state, facilitating the transportation of agricultural and industrial goods and promoting regional economic development through tourism. The region surrounding the “Via al Llano” is characterized by geological features such as folds, faults, joints, and outcrops of diverse lithologies and ages. Additionally, steep slopes, deforestation, unconsolidated deposits, high annual rainfall, and a highly dissected landscape further contribute to landslides occurrences. Therefore, accurately identifying high-risk landslide areas, particularly where the road intersects, through landslide susceptibility modeling, is imperative.Despite previous studies, which predominantly relied on predictive modeling, resulting in insufficient correlation with the road. Therefore, the aim of this study is to enhance spatial resolution by subdividing the study area into the five municipalities traversed by the road: Chipaque, Caqueza, Quetame, Guayabetal, and Villavicencio. To address the complexity of the area, the study first assessed the feasibility of developing automatic inventories using radiometric data from optical and radar satellite images through the Google Earth Engine (GEE) platform. Secondly, pluviometry maps of the area were created by interpolating 15 years of rainfall data. Additionally, geomorphological maps for each of the five municipalities were also generated, representing a significant outcome of this thesis. These maps provide previously unavailable information, essential for understanding regional natural processes and establishing foundational elements for risk and hazard maps. Consequently, the study employed the Multivariate Adaptive Regression Splines (MARS) technique to model the relationship between landslides and predictor variables such as elevation, slope angle, aspect, curvature, lithology, precipitation, NDVI. The models were rigorously calibrated and validated using ten training and ten test samples, evaluating their predictive performance by the Receiver Operating Curve (AUC). Our findings indicate that landslides are most probable around the tributary streams of the Rio Negro, with key variables -Topographic Position Index (TPI), Normalized Difference Vegetation Index (NDVI), elevation (ELE), precipitation (PLV), slope (SLO), and lithology (LTL)- contributing to predictive accuracies ranging from 74% to 83%.

Le frane frequenti lungo la "Via al Llano", una delle più importanti autostrade colombiane, interrompono regolarmente il traffico. Questa rotta cruciale collega Bogotá, la capitale della Colombia, con Villavicencio, la capitale dello stato di Meta, facilitando il trasporto di beni agricoli e industriali e promuovendo lo sviluppo economico regionale attraverso il turismo. La regione circostante la "Via al Llano" è caratterizzata da caratteristiche geologiche come pieghe, faglie, giunti e affioramenti di diverse litologie ed età. Inoltre, pendii ripidi, deforestazione, depositi non consolidati, alte precipitazioni annuali e un paesaggio fortemente sezionato contribuiscono ulteriormente al verificarsi di frane. Pertanto, identificare accuratamente le aree ad alto rischio di frana, in particolare dove la strada interseca, attraverso la modellazione della suscettibilità alle frane, è imperativo.Nonostante studi precedenti, che si basavano prevalentemente sulla modellazione predittiva, risultassero in una correlazione insufficiente con la strada. Pertanto, l'obiettivo di questo studio è migliorare la risoluzione spaziale suddividendo l'area di studio nei cinque comuni attraversati dalla strada: Chipaque, Caqueza, Quetame, Guayabetal e Villavicencio. Per affrontare la complessità dell'area, lo studio ha prima valutato la fattibilità di sviluppare inventari automatici utilizzando dati radiometrici da immagini satellitari ottiche e radar attraverso la piattaforma Google Earth Engine (GEE). In secondo luogo, sono state create mappe pluviometriche dell'area interpolando 15 anni di dati sulle precipitazioni. Inoltre, sono state generate anche mappe geomorfologiche per ciascuno dei cinque comuni, rappresentando un risultato significativo di questa tesi. Queste mappe forniscono informazioni precedentemente non disponibili, essenziali per comprendere i processi naturali regionali e stabilire elementi fondamentali per mappe di rischio e pericolo.Di conseguenza, lo studio ha impiegato la tecnica delle Splines Adattive di Regressione Multivariata (MARS) per modellare la relazione tra le frane e le variabili predittive come altitudine, angolo di pendenza, esposizione, curvatura, litologia, precipitazioni, NDVI. I modelli sono stati rigorosamente calibrati e validati utilizzando dieci campioni di addestramento e dieci campioni di test, valutando le loro prestazioni predittive tramite la curva ROC (AUC). I nostri risultati indicano che le frane sono più probabili intorno ai corsi d'acqua affluenti del Rio Negro, con variabili chiave -Indice di Posizione Topografica (TPI), Indice di Vegetazione Normalizzato (NDVI), elevazione (ELE), precipitazioni (PLV), pendenza (SLO) e litologia (LTL)- che contribuiscono ad accuratezze predittive che vanno dal 74% all'83%.