Modelo predictivo de flujos de detritos y la afectación en la red vial de la provincia del Cañar. Periodo marzo – julio 2026
Cargando...
Fecha
Título de la revista
ISSN de la revista
Título del volumen
Editor
Universidad Estatal de Bolívar; Facultad de Ciencias de la Salud y del Ser Humano, Carrera de Ingeniería en Riesgos de Desastres
Resumen
Los flujos de detritos constituyen procesos de remoción en masa capaces de afectar la infraestructura vial y comprometer la conectividad territorial, especialmente en regiones montañosas. La provincia del Cañar presenta condiciones geomorfológicas, hidrológicas y climáticas que favorecen la ocurrencia de estos procesos, por lo que resulta necesario disponer de herramientas espaciales para identificar los sectores susceptibles y su relación con la red vial. El objetivo de esta investigación fue desarrollar y evaluar modelos espaciales de susceptibilidad a flujos de detritos mediante la integración de variables geomorfométricas, hidrológicas, hidrometeorológicas y territoriales, con el fin de identificar las zonas susceptibles y determinar la exposición potencial de la red vial de la provincia del Cañar. La investigación fue de tipo aplicada, con enfoque cuantitativo y diseño no experimental, y se estructuró mediante dos aproximaciones complementarias. La primera consistió en un análisis geoespacial basado en la combinación, normalización y reclasificación de variables, a partir del cual se generaron 16 configuraciones de susceptibilidad. La segunda incorporó modelos supervisados de Regresión Logística y Random Forest. Para el modelamiento predictivo se utilizaron 85 ocurrencias históricas localizadas dentro del límite provincial y 270 pseudoausencias, conformando una base de 355 observaciones. Los predictores incluyeron variables relacionadas con pendiente, humedad topográfica, drenaje, curvatura del terreno, precipitación y características territoriales. Los modelos fueron evaluados mediante validación cruzada espacial anidada utilizando ROC-AUC, PR-AUC, exactitud balanceada, sensibilidad, especificidad, F1-score y Brier Score. Random Forest presentó el mejor desempeño global, con un ROC-AUC medio de 0,8064, PR-AUC de 0,5932 y Brier Score de 0,1329, por lo que fue seleccionado para generar la superficie continua de susceptibilidad.
Descripción
Debris flows are mass-wasting processes capable of damaging road infrastructure and compromising territorial connectivity, particularly in mountainous regions. Cañar Province exhibits geomorphological, hydrological, and climatic conditions that favor the occurrence of these processes; therefore, spatial tools are needed to identify susceptible areas and their relationship with the road network. The objective of this research was to develop and evaluate spatial models of debris-flow susceptibility by integrating geomorphometric, hydrological, hydrometeorological, and territorial variables, in order to identify susceptible zones and determine the potential exposure of the road network in Cañar Province. This was an applied study with a quantitative approach and a non-experimental design, structured around two complementary methods. The first involved a geospatial analysis based on the combination, normalization, and reclassification of variables, resulting in the generation of 16 susceptibility configurations. The second incorporated supervised models using Logistic Regression and Random Forest. Predictive modeling utilized 85 historical occurrences located within the provincial boundaries and 270 pseudo-absences, creating a dataset of 355 observations. Predictors included variables related to slope, topographic wetness, drainage, terrain curvature, precipitation, and territorial characteristics. The models were evaluated using nested spatial cross-validation based on ROC-AUC, PR-AUC, balanced accuracy, sensitivity, specificity, F1-score, and Brier Score. Random Forest demonstrated the best overall performance—with a mean ROC-AUC of 0.8064, PR-AUC of 0.5932, and Brier Score of 0.1329—and was consequently selected to generate the continuous susceptibility surface.