Estudio comparativo de métodos para la evaluación de la susceptibilidad del terreno a la formación de deslizamientos superficiales : aplicación al Pirineo Oriental

Abstract

Human and economic losses caused by landslides have attracted the interest of the scientific community for the identification of the threatened areas and preventing their consequences. The goal of the landslide susceptibility analysis is the identification of zones prone to produce slope failures, their size, and run-out, which is the first step of landslide risk management. During the last years new methods have been developed for landslide susceptibility assessment and zoning. Even though most of them yield satisfactory results few analyses exist on their performance and validation of the results. In this Thesis it has been performed a comparative analysis of three well known landslide susceptibility assessment methods: discriminant analysis (DA), logistic regression (LR) and neural networks (ANN). In order to compare, it has been required using a common metrics, the probability of slope failure, to express the terrain susceptibility; the same input data; and the analysis of the results cell by cell. The existing codes for LR and ANN allow the determination of the landslide susceptibility in terms of probability while for DA it has required a post-process of the results using the Bayes Theorem. The comparative study is based on the same input variables for the three procedures meaning that differences in the results should be the consequence of the discriminant capability of the generated models. The algorithm generated in this Thesis, based on the application of Boolean functions for all the possible combinations of the models selected and for all the susceptibility levels defined has the goal of comparing the results cell by cell. This has allowed concluding that the relative density indexes or the ROC curves show a similar global behaviour for all the models: However, the analysis cell by cell highlights significant differences on the performance of the models. All the methods have been applied to a pilot area of La Pobla de Lillet, Eastern Pyrenees, Spain. The results obtained with all three methods are similar, being the best performance that of discriminant analysis model closely followed by the rest for both the data sample used to generate the model and for the sample used for validation. The coincidence rate between models exceeds 87%. In order to evaluate the robustness of the methods used, it has been performed an external validation in the area of Berga located 20km Southwards from the former. In this application the coincidence level between models have been reduced to a slightly more than 66%. The results obtained in both pilot areas show a significant disagreement between the ANN and the other methods. It is particularly relevant that a percentage (although small) of cells considered of low landslide susceptibility are identified as of high susceptibility by the rest of the models and viceversa. The agreemnt between the DA and LR is much more consistent. Finally, the study has highlighted the sensitivity of all the models to the quality and resolution of the input data, in particular to the Digitial Elevation Model, the landslide inventoryand to the map of surficial formation. It was found that changing the minimum size of the inventoried failures allows a significant improvement of the results of the landslide susceptibility map

Las pérdidas humanas y económicas causadas por los deslizamientos en todo el mundo, ha despertado un interés creciente de la comunidad científica por la identificación de las áreas más afectadas y prevenir sus consecuencias. El análisis de la susceptibilidad de terreno a los deslizamientos tiene por objetivo identificar las zonas propensas a producir roturas, sus dimensiones y alcance, y constituye el primer eslabón de la gestión del riesgo. En los últimos años se han desarrollado diversos métodos para la evaluación y zonación de la susceptibilidad. Si bien la mayoría de ellos proporcionan resultados que han sido evaluados como satisfactorios, apenas se han realizado análisis que permitan comparar su desempeño y validar los resultados de sus predicciones. En la presente Tesis se ha realizado un estudio comparativo de tres métodos muy extendidos de evaluación de la susceptibilidad: el análisis discriminante (AD), la regresión logística (RL) y las redes neuronales (RN). Para poder proceder a su comparación ha sido necesario utilizar una métrica común, la probabilidad de rotura, para expresar la susceptibilidad del terreno; los mismos datos de entrada y un análisis de los resultados celda a celda. Las aplicaciones existentes para la RL y las RN permiten obtener directamente la susceptibilidad de cada celda en términos de probabilidad mientras que para el AD ha sido necesario un tratamiento posterior aplicando el Teorema de Bayes. El estudio comparativo ha considerado las mismas variables de entrada para los tres procedimientos, por lo que las diferencias en los resultados deberían ser consecuencia de la capacidad discriminante de los modelos generados. El algoritmo desarrollado en la Tesis, basado la aplicación de funciones booleanas para todas las combinaciones posibles de los diferentes modelos elegidos y los diferentes niveles de susceptibilidad establecidos, tiene como finalidad la comparación de los resultados obtenidos celda a celda. Esto ha permitido concluir que, si bien los índices de densidad relativa o las curvas ROC muestran un comportamiento similar en todos modelos a nivel global, el análisis celda a celda pone en evidencia diferencias significativas en el desempeño de los mismos. Los tres métodos han sido aplicados en un área piloto de La Pobla de Lillet, Pirineo Oriental. Los resultados obtenidos con los tres métodos son bastantes similares, siendo el modelo discriminante de forma general, el de mejor desempeño, seguido muy de cerca por los demás modelos, tanto en la muestra de datos utilizados para los cálculos como en la reservada para la validación, como considerando toda la extensión del área de estudio. El nivel de coincidencia entre los modelos supera el 87%. Para evaluar la robustez de los métodos utilizados se ha realizado una validación externa en el área de Berga, situada 20km al Sur de la anterior. En esta aplicación, el nivel de coincidencia entre los modelos se ha reducido a poco más del 66%. Los resultados obtenidos en las dos áreas de aplicación muestran también una notable desavenencia entre las RN y los demás modelos de carácter estadístico. Es especialmente relevante que un porcentaje (aunque pequeño) celdas consideradas de muy baja susceptibilidad por las RN son identificadas como de muy alta susceptibilidad por los otros modelos y viceversa. La concordancia entre los resultados del AD y RL es sensiblemente más consistente. Finalmente, el estudio ha puesto en evidencia la sensibilidad de todos los modelos a la calidad y resolución de los datos de entrada, en particular el Modelo Digital de Elevaciones, el inventario de roturas y el mapa de formaciones superficiales. Se ha podido comprobar que un cambio en el tamaño mínimo de las roturas inventariadas, permite mejorar de manera significativa los resultados de los mapas de susceptibilidad