Investigadores de la Universidad de los Andes, entre quienes se encuentran Wilmar Calderón y Bogdan Nitescu, miembros de nuestro Departamento de Geociencias, utilizaron herramientas de Machine Learning para estudiar la vulnerabilidad en la carretera de la Vía al Llano. El método que emplearon es aplicable a otros tipos de Desastres Naturales, en cualquier parte del mundo.
La intención de su estudio era evaluar, mediante diferentes tipos de análisis, la susceptibilidad a los deslizamientos de la vía al Llano para, de esta manera, encontrar la mejor metodología que permitiera hacer evaluaciones para este tipo de fenómenos y que fuese aplicable en otras carreteras colombianas y del mundo.
Los autores utilizaron metodologías de Analítica de Datos y Modelos de predicción con la intención de hacer pronósticos basados en una colección de información histórica; para ello, iniciaron recolectando datos, de múltiples fuentes, sobre características geológicas, topografía, usos de suelos y ubicación de las carreteras. Posteriormente, usaron imágenes satelitales para identificar zonas en las que han ocurrido deslizamientos, y otras en las que no.
De esta manera, obtuvieron una muestra que equivale a un pequeño porcentaje del área total de estudio, de la cual conocen los registros históricos; estos fueron usados para predecir la ocurrencia en otras zonas en las que no conocían si un deslizamiento puede o no ocurrir.
Los autores concluyen que gracias al estudio pueden mostrar la gran escalabilidad y precisión de los algoritmos de Machine Learning para estudiar la ocurrencia de eventos como deslizamientos, así como de otros tipos de desastres naturales, como las inundaciones.
La investigación fue recientemente publicada en ‘Natural Hazards’, una reconocida Revista Científica dedicada a estudios relacionados con los riesgos y amenazas de origen natural.
Conoce más sobre ‘Guayabetal, la zona más susceptible a deslizamientos en la vía al Llano’ en nuestra Revista Hipótesis: https://t.co/63aP4hYFSu