Método estadístico predice con mayor precisión el riesgo de deslizamientos de tierra

Estrategia formulada por investigadores brasileños define de manera objetiva los pesos de cada factor de contribución y fue validada con base en los inventarios de los deslizamientos que causaron la muerte de 65 personas en el litoral norte de São Paulo

Por Reinaldo José Lopes  |  Agência FAPESP – Un método relativamente simple de análisis estadístico es capaz de predecir con mayor precisión el riesgo de deslizamientos de tierra causados por lluvias intensas, de acuerdo con un estudio coordinado por investigadores brasileños afiliados al Instituto de Ciencias Matemáticas y de Computación de la Universidad de São Paulo (ICMC-USP), en São Carlos, y al Instituto Nacional de Investigaciones Espaciales (Inpe). La estrategia formulada por los investigadores fue validada a partir de un evento real: en febrero de 2023, el municipio de São Sebastião, en el litoral norte del estado de São Paulo, fue azotado por tormentas sin precedentes en la región —683 milímetros (mm) en menos de 15 horas, cuando el promedio mensual es de 300 mm—, que causaron la muerte de 65 personas y dejaron a cientos de damnificados.

En un artículo publicado en la revista Scientific Reports, el equipo comparó la eficiencia del enfoque con la que se utiliza tradicionalmente en análisis de este tipo. En términos generales, la técnica evaluada tuvo un desempeño ligeramente superior, con destaque para una mejor clasificación de las áreas que pueden verse afectadas por los desastres en distintas categorías.

“Aunque las ganancias cuantitativas sean modestas, el método presenta ventajas significativas: reduce ambigüedades y muestra una mayor alineación con el comportamiento real de los deslizamientos en el territorio”, explica Rômulo Marques-Carvalho, doctorando del ICMC-USP y primer autor del estudio.

En evaluaciones de este tipo de riesgo, uno de los métodos más empleados es el llamado AHP, sigla en inglés de Analytical Hierarchy Process (Proceso de Jerarquía Analítica). En este enfoque se utiliza una lista de variables consideradas relevantes para el fenómeno investigado – en el caso del tema del estudio, son 16 ítems, que incluyen factores como la elevación del terreno y cuán empinado y accidentado es, la proximidad a ríos y carreteras, la cobertura del suelo (vegetación, construcciones), entre otros.

En el AHP “clásico”, los factores de este panel se comparan por pares para evaluar el peso de cada variable, lo que también involucra la opinión de especialistas sobre su importancia relativa para la ocurrencia del evento. En el nuevo estudio, el equipo aplicó el llamado AHP Gaussiano, que utiliza métodos estadísticos que “sustituyen completamente las comparaciones pareadas del AHP tradicional”, señala Marques-Carvalho.

“El término se refiere a que el método adoptado en el trabajo utiliza la distribución gaussiana o curva de Gauss, también llamada distribución normal”, explica Cláudia Maria de Almeida, coautora del estudio que trabaja en el Inpe. “Equivale a la curva de distribución de probabilidad, definida por dos parámetros: la media y la desviación estándar, que indica la dispersión de los datos.” Esto ayuda a definir los pesos de cada factor de manera objetiva, según Marques-Carvalho; la lista de factores en sí es la misma en ambos enfoques.

Para validar el método, los investigadores utilizaron datos de São Sebastião porque el municipio es uno de los más susceptibles a deslizamientos de tierra en el estado de São Paulo, según un análisis realizado por los autores a partir del Índice de Vulnerabilidad a los Desastres Naturales Relacionados con Deslizamientos de Tierra (IVDDT). El equipo se basó en un inventario de imágenes aéreas tomadas tras los desastres de febrero de 2023, con resolución de 10 centímetros, que fue complementado con fotografías de las plataformas Google Earth y PlanetScope.

Entre las principales estructuras catalogadas en las imágenes se encuentran 983 crown points —las llamadas coronas de los deslizamientos, en la parte alta de una ladera, por ejemplo, donde el proceso se inicia— y 1.070 “polígonos de cicatriz”, que delimitan toda el área afectada por el deslizamiento.

Con base en estos datos, el AHP Gaussiano asignó el 26,31 % del área analizada a la categoría de susceptibilidad muy alta a deslizamientos, frente a una estimación del 23,52 % del AHP tradicional, lo que muestra que la capacidad de predicción del nuevo método fue superior.

El trabajo, apoyado por la FAPESP (procesos 24/02748-7, 21/11435-4 y 20/09215-3), también asignó pesos diferentes a las principales variables. La variación de la inclinación de las laderas y su posición aparecen como los factores más importantes en el AHP tradicional, mientras que en el análisis con AHP Gaussiano la lista está encabezada por la geomorfología (las formas del relieve en la superficie) y por las distancias del área afectada respecto de ríos y carreteras.

“La proximidad a carreteras es importante porque su construcción en zonas de relieve accidentado supone la ejecución de obras de movimiento de tierras, como cortes y rellenos, que generalmente conducen a la inestabilidad de las laderas”, explica Almeida.

Según el actual director de tesis de Marques-Carvalho, André Ferreira de Carvalho, el enfoque tiene potencial para monitorear y prevenir una serie de otros problemas ambientales, como incendios, deforestación, hundimiento del suelo y desertificación. “Debido a los cambios climáticos, la frecuencia y la intensidad de estas catástrofes aumentarán en los próximos años”, recuerda.

“El método es simple de aplicar”, destaca el primer autor de la investigación. “Un ayuntamiento necesitaría solo datos geoespaciales básicos y una computadora común con QGIS [software libre de análisis de datos georreferenciados].”

El artículo Comparative analysis of traditional and Gaussian Analytical Hierarchy Process (AHP) methods for landslide susceptibility assessment puede consultarse en: www.nature.com/articles/s41598-025-22136-6.