Tesis Doctoral Jaime Bonachea by Jaime Bonachea Pico

UNIVERSIDAD DE CANTABRIA

Facultad de Ciencias DEPARTAMENTO DE CIENCIAS DE LA TIERRA Y FรSICA DE LA MATERIA CONDENSADA

TESIS DOCTORAL

Desarrollo, aplicaciรณn y validaciรณn de procedimientos y modelos para la evaluaciรณn de amenazas, vulnerabilidad y riesgo debidos a procesos geomorfolรณgicos

MEMORIA PRESENTADA POR Jaime Bonachea Pico

PARA OPTAR AL GRADO DE DOCTOR POR LA UNIVERSIDAD DE CANTABRIA SANTANDER, JULIO 2006

D. José Ramón Díaz de Terán Mira y D. Juan Remondo Tejerina, Profesor Titular de Geodinámica Externa y Profesor Contratado Doctor de Geodinámica Externa, respectivamente,

INFORMAN:

Que el trabajo presentado en esta memoria titulado “Desarrollo, aplicación y validación de procedimientos y modelos para la evaluación de amenazas, vulnerabilidad y riesgo debidos a procesos geomorfológicos”, ha sido realizado bajo su dirección en el Departamento de Ciencias de la Tierra y Física de la Materia Condensada en la Facultad de Ciencias de la Universidad de Cantabria, y dan su conformidad para que dicha Memoria sea presentada y tenga lugar, posteriormente, su Lectura y Defensa.

Santander, 3 de Julio de 2006

Fdo.: José Ramón Díaz de Terán Mira

Fdo.: Juan Remondo Tejerina

"En la naturaleza, no hay castigos ni premios, s贸lo consecuencias" Proverbio chino

AGRADECIMIENTOS Este trabajo de tesis ha sido financiado por proyectos europeos, nacionales y regionales, sin cuyo soporte económico no habría sido posible llevarlo a cabo: • Geomorphology and EIA of Transportation Systems (GETS), Training and Mobility of Researchers (TMR), contract FMRX-CT98-0162. • Assessment of landslide risk and mitigation in mountain areas (ALARM), contract EVG1-CT-2001-00038. • Aplicación de la fotogrametría digital al análisis de la susceptibilidad y peligrosidad de los procesos de inestabilidad de laderas (FODISPIL). Plan Nacional de I+D+i (2002-2005). REN2002-00079/RIES. • Desarrollo y validación de modelos predictivos de peligrosidad por dolinas en terrenos evaporíticos mediante técnicas de análisis espacial. Plan Nacional de I+D+i (2004-2007). CGL2004-02892/BTE. • Zonificación agro-ecológica de Cantabria: un estudio del potencial regional para el desarrollo de actividades agroganaderas. Gobierno de Cantabria. La elaboración de esta tesis ha sido posible gracias al apoyo humano de muchas de las personas que me rodean, tanto en el mundo profesional como familiar, a las cuales, mediante estas líneas, les quisiera expresar mi agradecimiento por su constante aliento y palabras de ánimo. Antes de nombrar a nadie, quiero que sepáis que de todos vosotros me llevo algo, por lo que siempre tendréis un hueco en mi corazón y en mi pensamiento. Quiero agradecer especialmente a mis directores, José Ramón y Juan, por el tiempo que han dedicado para que este barco llegase a buen puerto, por su ayuda, ideas, sugerencias y consejos, además de su amistad y ánimo en los momentos difíciles. También agradecer a Juan Remondo el que haya facilitado sus datos para realizar los análisis de susceptibilidad. A Antonio Cendrero, por su inestimable apoyo y sus comentarios que han hecho surgir nuevas preguntas, reflexiones e ideas, las cuales han enriquecido este trabajo. A Alberto González, Enrique Francés, Luís Salas y Javier Barba, con los cuales he disfrutado de momentos inolvidables, tanto profesional como personalmente. A Victoria y a Luis, por su amistad, sus consejos y apoyo en todo momento. A Nieves y a Luis, por su simpatía, amistad y preocupación en muchos de los momentos que hemos pasado juntos. A los becarios, geólogos y físicos, los que están y los que ya no están, a los cuales me gustaría nombrar aquí ya que hemos pasado buenos y malos momentos juntos. En especial agradecer a Viola, Nacho, David, Ferrán, José Mª, Jorge, Noelia, Rebeca, Almudena, Rafa, Oti y a otros muchos que, no por no nombrarles son menos importantes.

vii

Al resto de las personas del Departamento, por su amistad y el cariño que me han demostrado a lo largo de todo este tiempo. A tutti i coleghi dell’Università di Modena e Reggio Emilia (Italia), li ringrazio per il suo aiuto e la sua amicizia, grazie mille di cuore. To all people involved in the ALARM project, especially to Andrea Zannoni, who tragically died at the end of the project. I remember the special moments that we passed together during the meetings and congresses. Al grupo de Geodinámica Externa de la Universidad de Zaragoza, con los cuales he colaborado en el último año. Gracias a todos ellos, que han generado y tratado la información básica para elaborar modelos de susceptibilidad, he aprendido un poco más sobre el proceso de aparición de dolinas en terrenos evaporíticos. A todos los miembros de la Diputación Foral de Guipúzcoa que me han facilitado información muy útil para llevar a cabo esta tesis, en especial a Mikelo Elorza del Departamento de Ordenación y Promoción Territorial y, también, agradecer al resto de personas anónimas la ayuda que me han brindado para conseguir datos utilizados en este trabajo. A mis amigos, Bea, Merche, Raquel, Pedro, Carlos y Jesús, quienes han compartido más directamente mis ilusiones y problemas. Y sobre todo, agradecer a mis padres, a mi hermana, a Marco y a Olivia, y especialmente a mi hermano Carlos, que nos dejó en los inicios de esta tesis, y a quien quiero dedicársela con todo mi corazón, el apoyo que me han brindado durante todo este tiempo.

viii

A mi hermano, Carlos

PRESENTACIÓN La memoria de Tesis que a continuación se presenta consta de 8 capítulos o secciones, además del correspondiente a la bibliografía y los anexos. Tanto el resumen como las conclusiones se han redactado en inglés para facilitar la lectura a personas no versadas en la lengua española. En el capítulo primero, se presenta una introducción de la problemática general que plantean los riesgos naturales. Se hace una revisión de la importancia mundial de los distintos procesos que originan daños, así como las tendencias de aumento en cuanto a número de eventos y pérdidas esperables en el futuro más próximo, prestando especial atención a los deslizamientos. Los incrementos que muestran los riesgos naturales a nivel mundial parece que están muy ligados con el desarrollo económico experimentado por la población y los sistemas productivos. El capítulo 2 muestra una revisión general de las principales estrategias desarrolladas para reducir los riesgos naturales. En algunos países existen programas nacionales que desarrollan normas o acciones con el fin de disminuir los riesgos naturales y, en especial, por deslizamientos; en Europa, en los últimos años se han dedicado esfuerzos importantes a la investigación de los riesgos naturales. Se presenta aquí una recopilación sobre la legislación y las cartografías existentes en algunos países europeos y, especialmente, en España, en relación con los riesgos naturales. En el Anexo I se incluye un informe recopilatorio, realizado en el ámbito del proyecto ALARM, que muestra los distintos aspectos legales, jurídicos, cartográficos, etc. existentes en diferentes países europeos en relación con la gestión de riesgos naturales. El tercer capítulo revisa el estado del arte en materia de cartografías o mapas de susceptibilidad, peligrosidad, elementos expuestos, vulnerabilidad y riesgo. Se comentan algunas de las limitaciones que presentan los métodos propuestos hasta el momento, así como se proponen ciertas vías para mejorar métodos ya existentes. A partir de la revisión anterior, en el capítulo 4, se plantea el problema que se aborda en la tesis, con el fin de contribuir a la resolución de algunas de las limitaciones identificadas. En el capítulo 5 se presenta la hipótesis de trabajo y los objetivos generales y específicos que se pretenden alcanzar con este trabajo. En el siguiente capítulo, el capítulo 6, se describe la metodología utilizada para generar modelos de susceptibilidad, peligrosidad, elementos expuestos, vulnerabilidad y riesgo. A partir del método de las Funciones de Favorabilidad, teniendo en cuenta una hipótesis de rotura de las laderas, se consideran las relaciones estadísticas entre las variables condicionantes o causales de los deslizamientos y los propios movimientos. Finalmente se obtiene un modelo de susceptibilidad que ulteriormente es transformado en un modelo de

peligrosidad, partiendo de una serie de suposiciones para el futuro, obtenidas a partir de datos sobre la frecuencia y magnitud de los deslizamientos en el pasado. La integración de los modelos de peligrosidad con los mapas de elementos expuestos (de su valor económico) y de vulnerabilidad (obtenidos mediante la relación entre pérdidas sufridas por el elemento y valor del mismo), permite obtener mapas de riesgo por deslizamiento, expresados en pérdidas por píxel para un determinado periodo de tiempo. En el Anexo II, se describen los metadatos de las distintas variables utilizadas en los análisis del riesgo, así como de algunos de los modelos obtenidos. El capítulo 7 muestra los resultados obtenidos en relación con los objetivos perseguidos en los distintos subapartados: susceptibilidad, peligrosidad, elementos expuestos, vulnerabilidad y riesgo. En este capítulo, se plantea la necesidad de disponer de bases de datos sobre eventos de deslizamientos con el fin de establecer la posible correlación existente entre indicadores de actividad humana y frecuencia de deslizamientos en algunos de los países para los cuales se ha podido obtener información sobre eventos en el pasado. Parte de esa información permite extraer las frecuencias pasadas de deslizamientos que, a su vez, sirven para generar escenarios de frecuencia futura. Además, en el capítulo 7 se presenta un ejemplo de aplicación de los métodos probabilísticos al estudio de un proceso geomorfológico diferente a los deslizamientos: la predicción de dolinas en terrenos evaporíticos. Es la primera vez que se aplican estos métodos a este tipo de proceso. Finalmente, el capítulo 8 presenta las principales conclusiones que se desprenden de esta memoria de Tesis, de acuerdo con los objetivos planteados y los resultados obtenidos, y se plantean algunas de las líneas de investigación futuras que permitan mejorar los resultados obtenidos hasta el momento.

xii

SUMMARY Concern about the consequences of geomorphic hazards has been growing for the last couple of decades, from international to local levels. Among many examples of this concern are: the increasing presence of natural hazards in European Research programmes, national analyses of the impact of natural hazards and local programmes for geomorphic hazard assessment and reduction. Allocation of resources to prevent potential unwanted effects, mainly when they are scarce, can be greatly facilitated if forecasts on the future distribution of potential damages can be made in quantitative terms. Remedial measures reflect greater hazard awareness by both the general public and decision makers, in part due to improved information but also significant increase in the number of disasters and resulting damage during the second half of the last century. There is a need to improve our understanding of geomorphic processes in general and slope instability in particular, to reduce future damage. During the last three decades, many efforts have been devoted by geomorphologists to develop slope hazard maps, with the explicit or underlying aim of improving the management of slope instability. However, geomorphologic analyses have normally stopped at the hazard assessment stage. Few attempts have gone further, to the qualitative and/or quantitative assessment of risk. This contrast probably reflects the difficulties of obtaining data on past losses and, even more so, assessing future losses, especially if not only direct damage is considered, but also indirect costs due to the disruption of economic activity. If the ultimate aim of geomorphic hazard and risk assessment is a more efficient management of hazardous processes, procedures to forecast future losses must be developed. Quantitative risk assessments will make it possible to identify the areas where greater losses are to be expected and, therefore, where mitigation efforts should be first directed in order to achieve the best benefit/cost ratios. A method for quantitatively assessing landslide hazard and risk has been developed and tested in a study area of 140 Km2 located in the lower part of the Deva Valley, at the northwestern part of GuipĂşzcoa (Spain). The area was chosen because it is particularly suitable for the application of statistical methods. Bajo Deva study area is intensely affected by slope movements (with about 3,000 inventoried since 1954) triggered both directly by intense rainfall and indirectly by human activities. Approximately 75 % of them are shallow landslides and flows affecting the regolith, with an average size around 500 m2 and 250 m3. The main triggers are intense rainfall episodes as well as direct and indirect human action. The intensity of the natural processes, together with the dense network of infrastructures and other exposed elements, make the area very suitable for the application of the method. The underlying hypothesis is that past behaviour of mass movement processes and their effects on human elements can be used to derive, through statistical relationships, models that can be used to predict future probability of occurrence and, to some extent, damage.

xiii

The aim of the present work has been to develop an approach for landslide risk assessment based on probabilistic susceptibility and hazard models, incorporating the consideration of different scenarios of future process behaviour. Those scenarios are based on the assumption that direct and indirect human influence as a triggering factor is likely to increase, as shown by relationships observed in the past between landslide frequency and socio-economic driving forces. The procedure started with the development and evaluation of probabilistic susceptibility models. Susceptibility analysis was carried out through correlation between past shallow translational landslides and spatial parameters related to instability: terrain geometry, land cover, geology, geomorphology, regolith thickness and proximity to rivers and faults. Analyses of the statistical relationships were carried out using Favourability Functions (FF). In order to model the future behaviour of slopes, it is also necessary to consider the landslide magnitude. Therefore, a scenario based on the average landslide occurred in the area has been defined and incorporated into the susceptibility analysis. Susceptibility models thus obtained reflect relative spatial probability of landslide occurrence, run-out distance and landslide magnitude average. Evaluations have been carried out comparing susceptibility maps based on past landslides with different sets of landslides not used in the analysis, following different strategies (landslides occurred in several, later periods, samples based on random selection and through splitting the area into two parts). As all the strategies show similar prediction rate curves, the prediction capability of the model was thus established. The best model obtained (more accurate prediction) was the one using the likelihood ratio function and terrain height, slope gradient, aspect, lithology, land cover and regolith thickness as conditioning variables, and the 1991-1997 landslide inventory. Prediction capability of susceptibility models thus obtained has improved in comparison with previous works. This is, at least in part, attributable to the processing of numerical variables as continuous and to the increase in the resolution of the DEM, as well as the use of better quality variables. Landslide susceptibility models, showing spatial probability and expressed in numerical values (1 to 200), have been transformed into hazard models that show spatio-temporal probability (expressed as probability, 0 to 1) through an assessment of landslide frequency in the area. So, different landslide scenarios of future frequency, in terms of number of events to occur in a given period (next 10 and 50 years), have been considered to estimate temporal probability. The scenarios for future landslide occurrence are: A) Total No. of landslides in next 50 years equal to average in the past 50 years; B) No. of landslides in the future according to a linear trend; C) No. of landslides increasing according to a exponential trend. As landslide frequency has shown a clear decrease during the last four years analysed, it would also be reasonable to consider alternative scenarios fitting that trend. In any case, this type of hazard models can be directly integrated with maps of exposed elements and vulnerability maps to produce risk models, as indicated in the widely used expression proposed by Varnes, where risk is a function of the hazard, the exposed elements and the vulnerability of that element. Different exposed elements have been identified and mapped and entered into a digital database comprising infrastructure, land use, buildings, and socio-economic activities. Due to the small size of most landslides in the area, no personal damages have been recorded. Therefore, peopleâ€™s vulnerability has not been considered in this work.

xiv

Values for the different types of elements have been easily obtained, through consultations with technical administration personnel, statistical organisms, landowners and construction companies and represented in maps, in €/pixel. An inventory of direct losses during nearly 50 years has been carried out. Because data are not complete, extrapolations and assumptions have been needed for the assessment. This is particularly significant for indirect losses. While past direct losses can sometimes be obtained from records, indirect losses must be mainly estimated. However, public expenditure for road-damage repairs as well as other indicators have been used to test the estimated losses. Vulnerability for each exposed element (expressed from 0 to 1) has been estimated by comparing damages experienced in the past by each type of element (if the element is affected by a landslide) with its actual value. A vulnerability map for each type of element considered in the analysis has been elaborated. In the case of indirect effects, each infrastructure sector shows the indirect potential losses to be expected. When a hazardous event takes place, damage to material elements has an indirect effect by disrupting socio-economic activities. The concept of indirect damage is fuzzy and difficult to assess. The approach presented has tried to estimate potential losses indirectly due to the occurrence of damaging phenomena of the magnitude assumed that affect economic activity. The main indirect effect in the area is the interruption of lines of communication, which implies loss of working activity, and is directly related to the number of people affected. Once maps of hazard, vulnerability and value have been created for different elements at risk, they have been combined in a direct risk map using the expression R = H * E * V. For each type of exposed element, a specific risk model has been obtained and then combined into a direct risk model by adding all models of specific risk. Risk models for each hazard scenario proposed show, for each pixel, ‘theoretical monetary losses’ expected in the next 10 or 50 years in the Bajo Deva area, due to shallow landslides. Indirect risk models have been obtained by integrating hazard models and indirect potential losses. All such models are expressed in monetary terms (€/pixel). Finally, a total landslide risk model has been produced as the sum of the different direct and indirect risks described for each hazard scenario. Direct and indirect risk models differ in their meaning. Direct risk models show damage to structures actually located in each pixel, whereas indirect losses generated in a pixel do not affect the pixel itself, but a much wider and undefined area. Nevertheless, because risk is expressed in monetary terms, both models have been added to obtain the total risk map. The results obtained show that the approach proposed and the hypothesis formulated are essentially correct and that the method presented provides the means to obtain risk maps with a quantitative, monetary meaning useful to identify areas where efforts at hazard mitigation will be most cost-effective. Nevertheless, independent evaluation for the quality of those maps is not yet completely satisfactory, and for this reason, several lines of work which could help to better test and improve the method are proposed. Finally, the potential of the method for analysing other types of geomorphic risks has been tested through its application to an area of 50 km2, located downstream of Zaragoza city in

the NE of Spain, affected by sinkholes due to evaporate karst. An analysis of the spatial distribution of sinkholes and their causal factors (mainly geomorphology, surface and subsurface geology, hydrogeology, human activities and structures) has been carried out in order to explore the possibility of correlating these factors with sinkhole distribution; probabilistic models similar to those used to elaborate landslide susceptibility models where applied. Preliminary results are promising, thus showing that it is suitable to apply these techniques to this type of process. In the future, if sufficient chronological data about past occurrences can be gathered, it will be possible to obtain hazard models.

xvi

RESUMEN Durante las dos últimas décadas, la preocupación en cuanto a los daños ocasionados por los procesos geomorfológicos ha aumentado, tanto a nivel mundial como local. Entre algunos de los ejemplos que muestran esta preocupación cabe destacar: el incremento de los programas de investigación europeos sobre peligros naturales, los estudios nacionales sobre el impacto de los peligros naturales, así como la existencia de programas locales para evaluar y reducir la peligrosidad. La asignación de recursos para prevenir efectos potenciales no deseados, principalmente cuando dichos recursos son escasos, podría mejorarse si fuese posible hacer predicciones sobre la distribución futura de daños potenciales en términos económicos. Las medidas de mitigación reflejan un mayor conocimiento o conciencia del peligro por parte de la población y de los responsables de la toma de decisiones. Esto se debe, en parte, a la mejora de la información existente, pero también al aumento significativo en el número de desastres y en los daños económicos producido durante la segunda mitad del siglo pasado. Existe una necesidad general de mejorar nuestro conocimiento sobre los procesos geomorfológicos y, en particular, sobre los procesos de inestabilidad de laderas para reducir los daños futuros. En las últimas tres décadas los geomorfólogos han dedicado grandes esfuerzos a desarrollar mapas de peligrosidad de deslizamientos, con el fin de mejorar la gestión de la inestabilidad de laderas. Sin embargo, los análisis geomorfológicos se han limitado al análisis de la peligrosidad. Pocos han sido los intentos de ir más lejos, esto es , evaluar cualitativa o cuantitativamente el riesgo. Esto probablemente refleja las dificultades existentes para obtener datos sobre pérdidas ocurridas en el pasado así como para evaluar las pérdidas futuras, especialmente si, además de las pérdidas directas, se consideran también los costes indirectos derivados de la interrupción en la actividad económica. Las evaluaciones cuantitativas del riesgo permitirán identificar las áreas donde se esperan las mayores pérdidas por deslizamientos y, por tanto, dónde se deberían dirigir las estrategias de mitigación para así obtener una mejor relación coste/beneficio. Se ha desarrollado un procedimiento para evaluar, de forma cuantitativa, la peligrosidad y el riesgo por deslizamientos, el cual se ha aplicado a una zona de 140 Km2 localizada en la parte inferior del valle del Deva, al noroeste de la provincia de Guipúzcoa (España). Este área fue elegida porque es particularmente apropiada para la aplicación de métodos estadísticos. La zona del Bajo Deva se caracteriza por estar afectada intensamente por deslizamientos (unos 3.000 inventariados desde 1954). Aproximadamente el 75 % de ellos son deslizamientos superficiales y flujos que afectan al regolito, con una superficie media de 500 m2 y un volumen medio de 250 m3. Los principales agentes desencadenantes son los episodios de fuertes precipitaciones y, tanto directa como indirectamente, la actividad humana. La intensidad de los procesos naturales junto con la densa red de infraestructuras y de otros elementos expuestos hace que esta zona sea muy apropiada para aplicar el método propuesto.

xvii

La hipótesis subyacente es que el comportamiento experimentado en el pasado por los procesos de deslizamiento y sus efectos sobre los elementos humanos, se puede usar para obtener, mediante relaciones estadísticas, modelos que puedan ser utilizados para predecir la probabilidad futura de ocurrencia de deslizamientos y, en cierto grado, los daños. El objetivo principal de este trabajo ha sido desarrollar un procedimiento para evaluar el riesgo por deslizamientos basado en modelos probabilísticos de susceptibilidad y en modelos de peligrosidad, que incorporan una serie de escenarios que consideran el comportamiento del proceso en el futuro. Dichos escenarios suponen que la influencia humana, directa o indirecta, como factor desencadenante, probablemente, se incremente en el futuro, como muestran las relaciones observadas en el pasado entre frecuencia de deslizamientos y factores socioeconómicos. El procedimiento se ha iniciado con el desarrollo y evaluación de los modelos probabilísticos de susceptibilidad. El análisis de susceptibilidad se ha llevado a cabo a partir de la correlación existente entre los deslizamientos superficiales y una serie de parámetros relacionados con la inestabilidad: geometría del terreno, usos del suelo, geología, geomorfología, espesor de regolito y distancia a ríos y fallas. Los análisis de relaciones estadísticas se han realizado en el marco de las Funciones de Favorabilidad (FF). Para modelizar el comportamiento futuro de las laderas, ha sido también necesario considerar la magnitud de los deslizamientos. En este sentido, se ha definido un escenario que consideraba el tamaño medio de deslizamiento en el área de estudio y que ha sido utilizado en el análisis de susceptibilidad. Los modelos de susceptibilidad así obtenidos reflejan la probabilidad espacial de aparición de deslizamientos, la distancia de alcance y la magnitud. La evaluación de los modelos se ha llevado a cabo mediante la comparación de los mapas de susceptibilidad generados a partir de deslizamientos pasados con los obtenidos con eventos no utilizados en el análisis anterior, siguiendo diferentes estrategias (deslizamientos ocurridos en varios lapsos temporales, separación de los eventos en muestras aleatorias y división de la zona de estudio en dos mitades). Las distintas estrategias ensayadas han mostrado que se obtienten curvas de predicción similares, lo cual ha servido para determinar la capacidad de predicción del modelo. El mejor modelo que se ha obtenido (predicción más precisa) ha sido el elaborado con la función “Likelihood ratio” utilizando como factores condicionantes: elevación, pendiente, orientación, litología, usos del suelo y espesor de regolito, y el inventario de deslizamientos 1991-1997. La capacidad de predicción de los modelos de susceptibilidad generados se ha visto incrementada si se compara con trabajos anteriores. Esto se atribuye, al menos en parte, al tratamiento de las variables numéricas como continuas y al incremento en la exactitud del MDE, así como al uso de variables de más calidad. Los modelos de susceptibilidad de deslizamientos, que muestran la probabilidad espacial y se expresan en valores numéricos (1 a 200), han sido transformados en modelos de peligrosidad o de probabilidad espacio-temporal (expresados en probabilidad de 0 a 1) a partir de la evaluación de la frecuencia de deslizamientos en la zona de estudio. De esta forma, para estimar la probabilidad temporal, se han propuesto diferentes escenarios de frecuencia futura de deslizamientos, en términos del número de eventos que ocurrirán en un periodo dado (próximos 10 o 50 años). Esos escenarios de frecuencia futura de deslizamientos son: A) Número de deslizamientos en el futuro será igual al promedio de los que hubo en los últimos 50 años; B) Número de deslizamientos en el futuro se ajusta a una tendencia lineal de acuerdo con lo sucedido en los últimos 50 años; C) Número de

xviii

deslizamientos en el futuro se ajusta a una tendencia exponencial de acuerdo con lo sucedido en los últimos 50 años. Como la frecuencia de deslizamientos ha disminuido durante los últimos cuatro años analizados, sería razonable considerar otros escenarios que tuviesen en cuenta esa tendencia. En cualquier caso, este tipo de modelos de peligrosidad puede integrarse directamente con los mapas de elementos expuestos y de vulnerabilidad para generar modelos de riesgo, de acuerdo con la expresión, ampliamente usada, propuesta por Varnes, donde el riesgo es función de la peligrosidad, de los elementos expuestos y de la vulnerabilidad de dichos elementos. Se han identificado y cartografiado diferentes elementos expuestos y se han creado las correspondientes bases de datos que incluyen infraestructuras, usos del suelo, edificios y actividades socioeconómicas. Debido al reducido tamaño de los deslizamientos en la zona de estudio, no se han registrado daños personales. Por tanto, la vulnerabilidad de las personas no se ha considerado en el presente trabajo. El valor económico de los distintos elementos se ha obtenido a partir de consultas a personal de la administración, institutos de estadística, propietarios de terrenos y compañías constructoras, y se han representado en mapas expresados en €/píxel. Se ha realizado un inventario sobre las pérdidas directas ocasionadas por los deslizamientos en los últimos 50 años. Como los datos recopilados son escasos, ha sido necesario hacer una serie de suposiciones y extrapolaciones para la evaluación de dichas pérdidas. Esto es particularmente significativo en el caso de las pérdidas indirectas. Mientras que las pérdidas directas en el pasado pueden obtenerse a partir de registros de daños, las pérdidas indirectas deben ser principalmente estimadas. No obstante, los gastos dedicados a reparaciones de daños por parte de los organismos correspondientes, además de otros indicadores, han sido utilizados para contrastar las pérdidas estimadas. La vulnerabilidad para cada elemento (expresada de 0 a 1) se ha obtenido a partir de la comparación de los daños experimentados en el pasado por cada tipo de elemento (si el elemento es afectado por un deslizamiento) con el valor actual del elemento. Así se ha elaborado un mapa de vulnerabilidad para cada tipo de elemento considerado en el análisis. En el caso de los efectos indirectos, cada sector de carretera muestra las pérdidas indirectas potenciales esperables. Cuando se produce un evento peligroso, los daños a elementos materiales tienen un efecto indirecto por interrupción de las actividades económicas. El concepto de daño indirecto es impreciso y difícil de evaluar. El procedimiento desarrollado ha intentado estimar las pérdidas potenciales indirectas debidas a la ocurrencia de un fenómeno dañino de una magnitud supuesta que afecta a la actividad económica. El principal efecto indirecto en la zona de estudio es la interrupción de las vías de comunicación, lo cual implica, fundamentalmente, la pérdida de actividad productiva, que se relaciona a su vez directamente con el número de personas afectadas. Una vez que los mapas de peligrosidad, de vulnerabilidad y de valor han sido creados para los distintos elementos expuestos considerados, se han combinado, de acuerdo con la expresión R = H * E * V, para obtener un modelo de riesgo directo. Para cada tipo de elemento se ha elaborado un modelo de riesgo específico y la suma de todos ellos ha permitido generar el modelo de riesgo directo. Los modelos de riesgo generados para cada escenario de peligrosidad propuesto muestran, para cada píxel, las pérdidas monetarias

xix

teóricas esperables, en los próximos 10 o 50 años en la zona del Bajo Deva, como consecuencia de los deslizamientos superficiales. Los modelos de riesgo indirecto se han generado previa multiplicación de los modelos de peligrosidad con los modelos de pérdidas indirectas potenciales. Todos los modelos se expresan en términos monetarios (€/píxel). Finalmente, la suma de los modelos de riesgo directo e indirecto ha permitido obtener modelos de riesgo total de acuerdo con los escenarios de peligrosidad descritos. Los modelos de riesgo directo e indirecto tienen un significado diferente. Los modelos de riesgo directo muestran los daños a elementos localizados en cada píxel, mientras que las pérdidas indirectas generadas en un píxel no afectan al propio píxel, sino que tienen un área de afectación más amplia y no claramente definida. De todos modos, y dado que el riesgo se expresa en términos monetarios, ambos modelos se pueden sumar. Los resultados obtenidos muestran que el procedimiento presentado y la hipótesis formulada son esencialmente correctos y que este método proporciona los medios para obtener modelos de riesgo en términos cuantitativos y monetarios, útiles para identificar las áreas donde dirigir los esfuerzos de mitigación de la peligrosidad y que sean más rentables. No obstante, la evaluación independiente de estos modelos no ha sido completamente satisfactoria y por esta razón, se han propuesto algunas vías para mejorar el procedimiento. Finalmente, el potencial del método también ha sido ensayado para analizar otros tipos de riesgos geomorfológicos en un área de 50 Km2, situada aguas abajo de la ciudad de Zaragoza en el NE de España, afectada por dolinas. Se ha realizado un análisis de la distribución espacial de dolinas y sus posibles factores causales (principalmente geomorfología, geología de superficie y subsuperficial, hidrogeología, actividades humanas y estructuras) para explorar la posible correlación entre estos factores y la distribución de dichas dolinas, es decir, elaborar modelos probabilísticos de susceptibilidad similares a los elaborados para los deslizamientos. Los resultados iniciales parecen prometedores indicando que estas técnicas resultan apropiadas para predecir este tipo de proceso. En el futuro, si se dispone de datos temporales sobre la ocurrencia de dolinas, será posible obtener modelos de peligrosidad de dolinas.

INDICE

AGRADECIMIENTOS.................................................................................................. vii PRESENTACIÓN ........................................................................................................... xi SUMMARY/RESUMEN............................................................................................... xiii

1. INTRODUCCIÓN ......................................................................................................................1 1.1 Problemática de los riesgos naturales .....................................................................................3 1.2 Consecuencias socio-económicas de los deslizamientos a nivel mundial ..............................7 1.3 Consecuencias socio-económicas de los deslizamientos en España.....................................19 1.4 Consideraciones finales ........................................................................................................20

2. ACCIONES DESARROLLADAS PARA LA GESTION-MITIGACION DE RIESGOS NATURALES ........................................................23 2.1 Experiencias internacionales en la gestión de los riesgos naturales .....................................30 2.2 Gestión de los riesgos naturales en Europa...........................................................................31 2.2.1 Gestión de los riesgos naturales en España....................................................................36 2.3 Situación de las cartografías de riesgos en España ...............................................................41 2.4 Consideraciones finales ........................................................................................................43

3. ANTECEDENTES SOBRE LA EVALUACIÓN DE AMENAZA Y RIESGO POR DESLIZAMIENTOS .........................................................45 3.1 Evaluación de la amenaza .....................................................................................................50 3.1.1 Métodos de elaboración de cartografías de peligrosidad ...............................................52 3.1.1.1 Principales imitaciones de los métodos probabilísticos.........................................53 3.2 Elementos expuestos .............................................................................................................55 3.3 Vulnerabilidad.......................................................................................................................56 3.4 Riesgo ...................................................................................................................................59 3.4.1 Evaluación del riesgo originado por distintos procesos.................................................60 3.4.2 Evaluación del riesgo por deslizamientos......................................................................63 3.5 Consideraciones finales ........................................................................................................76

xxi

4. PLANTEAMIENTO DEL PROBLEMA............................................................................... 77

5. HIPÓTESIS DE TRABAJO Y OBJETIVOS........................................................................ 83

6. METODOLOGÍA .................................................................................................................... 89 6.1 La expresión matemática del riesgo .................................................................................... 92 6.2 Desarrollo de la metodología de trabajo.............................................................................. 95 6.3 Descripción y selección del área de estudio ........................................................................ 97 6.3.1 Justificación .................................................................................................................. 97 6.3.2 Características generales............................................................................................... 97 6.3.2.1 Marco geográfico .................................................................................................. 97 6.3.2.2 Marco climático .................................................................................................... 98 6.3.2.3 Marco geológico ................................................................................................... 99 6.3.2.4 Marco socioeconómico ....................................................................................... 100 6.4 Toma y preparación de datos ............................................................................................ 105 6.4.1 Datos relacionados con el análisis de la peligrosidad................................................. 106 6.4.1.1 Hipótesis de rotura .............................................................................................. 106 6.4.1.2 Series de deslizamientos ..................................................................................... 107 6.4.1.3 Factores condicionantes...................................................................................... 109 6.4.1.3.1 Variables continuas .................................................................................. 110 6.4.1.3.2 Variables categóricas................................................................................ 111 6.4.2 Datos relacionados con el análisis de los elementos expuestos.................................. 112 6.4.2.1 Infraestructuras ................................................................................................... 113 6.4.2.2 Edificios .............................................................................................................. 115 6.4.2.3 Terrenos o usos del suelo.................................................................................... 115 6.4.3 Datos relacionados con el análisis del valor y daños en los elementos expuestos..... 116 6.4.3.1 Datos relacionados con el análisis de pérdidas en la actividad económica ........ 117 6.4.3.2 Datos relacionados con el análisis de pérdidas en la población ......................... 118 6.4.4 Representación gráfica de los elementos.................................................................... 118 6.5 Análisis de los datos.......................................................................................................... 119 6.5.1 Estimación de la susceptibilidad y de la peligrosidad ................................................ 119 6.5.1.1 Elaboración de los modelos de susceptibilidad .................................................. 119 6.5.1.1.1 Funciones de Favorabilidad (FF) ............................................................. 121 6.5.1.1.1.1 FF interpretada como una relación de probabilidades ................... 122 6.5.1.1.2 Obtención del modelo de susceptibilidad................................................. 125 6.5.1.1.3 Estrategias de validación/evaluación de resultados.................................. 127

xxii

6.5.1.1.3.1 Curvas de validación ......................................................................129 6.5.1.2 Procedimiento semiautomático para elaborar modelos de susceptibilidad .........130 6.5.1.3 Elaboración de modelos de peligrosidad o de probabilidad espacio-temporal ...132 6.5.1.3.1 Escenarios propuestos en la evolución temporal de deslizamientos .........132 6.5.2 Estimación de la vulnerabilidad ..................................................................................135 6.5.2.1 Estimación de la vulnerabilidad directa ..............................................................135 6.5.2.2 Estimación de las pérdidas indirectas..................................................................136 6.5.3 Estimación del riesgo por deslizamientos...................................................................140 6.5.3.1 Estimación del riesgo directo ..............................................................................140 6.5.3.2 Estimación del riesgo indirecto ...........................................................................142 6.5.3.3 Estimación del riesgo total ..................................................................................142

7. RESULTADOS Y DISCUSIÓN ............................................................................................143 7.1 Resultados en relación con la susceptibilidad ...................................................................145 7.1.1 Relación de los deslizamientos con los factores desencadenantes .............................146 7.1.2 Relación de los deslizamientos con los factores condicionantes ................................149 7.1.3 Modelos de susceptibilidad obtenidos: técnicas estadísticas y variables utilizadas ...161 7.1.3.1 Validación de los modelos de susceptibilidad: fiabilidad y capacidad de predicción ..................................................................168 7.2 Resultados en relación con la peligrosidad .......................................................................173 7.2.1 Modelos de peligrosidad obtenidos ............................................................................173 7.2.1.1 Frecuencia de deslizamientos ..............................................................................173 7.2.1.1.1 Escenarios de peligrosidad o de probabilidad espacio-temporal ..............173 7.2.1.1.1.1 Probabilidad a 50 años....................................................................175 7.2.1.1.1.2 Probabilidad a 10 años....................................................................179 7.2.1.1.2 Justificación de la determinación de tendencias, extrapolación y formulación de escenarios......................................................................182 7.3 Resultados en relación con los elementos expuestos ........................................................191 7.3.1 Infraestructuras...........................................................................................................191 7.3.1.1 Estimación de daños potenciales .........................................................................191 7.3.1.2 Estimación del valor del tipo de infraestructura ..................................................195 7.3.2 Edificios .....................................................................................................................195 7.3.2.1 Estimación de daños potenciales .........................................................................195 7.3.2.2 Estimación del valor del edificio .........................................................................196 7.3.3 Usos del suelo ............................................................................................................196 7.3.3.1 Estimación de daños potenciales .........................................................................196 7.3.3.2 Estimación del valor del tipo de uso del suelo ....................................................198

xxiii

7.4 Resultados en relación con la vulnerabilidad ................................................................... 200 7.4.1 Vulnerabilidad directa o pérdidas directas ................................................................ 200 7.4.2 Vulnerabilidad indirecta o pérdidas indirectas.......................................................... 203 7.5 Resultados en relación con el riesgo................................................................................. 208 7.5.1 Modelos de riesgo específico .................................................................................... 208 7.5.1.1 Modelos de riesgo específico para infraestructuras ............................................ 208 7.5.1.2 Modelos de riesgo específico para edificios ....................................................... 211 7.5.1.3 Modelos de riesgo específico para usos del suelo .............................................. 211 7.5.2 Modelos de riesgo directo ......................................................................................... 213 7.5.3 Modelos de riesgo indirecto ...................................................................................... 216 7.5.4 Modelos de riesgo total ............................................................................................. 219 7.5.5 Evaluación de los modelos de riesgo ........................................................................ 222 7.6 Aplicación de los modelos probabilísticos a los procesos de disolución en evaporitas ... 225 7.6.1 Los procesos de disolución y hundimiento en evaporitas ......................................... 226 7.6.2 Hipótesis de trabajo................................................................................................... 226 7.6.3 Características del área de estudio ............................................................................ 227 7.6.3.1 Marco geográfico ................................................................................................ 227 7.6.3.2 Marco geológico-geomorfológico ...................................................................... 227 7.6.4 Toma y preparación de datos .................................................................................... 229 7.6.4.1 Identificación y cartografía de dolinas................................................................ 229 7.6.4.2 Identificación y cartografía de factores condicionantes...................................... 231 7.6.5 Análisis y elaboración de los modelos de susceptibilidad ........................................ 232 7.6.5.1 Problemas planteados en la elaboración de los modelos de susceptibilidad ...... 233 7.6.5.2 Obtención de modelos de susceptibilidad de dolinas ......................................... 233 7.6.5.3 Evaluación de la capacidad predictiva de los modelos de susceptibilidad de dolinas ............................................................................................................ 242 7.6.6 Consideraciones finales............................................................................................. 243 7.7 Metadatos.......................................................................................................................... 244 8. CONCLUSIONS/CONCLUSIONES ................................................................................... 245 BIBLIOGRAFÍA........................................................................................................................ 259

ANEXOS ..................................................................................................................................... 279 Anexo I......................................................................................................................................... 281 Anexo II ....................................................................................................................................... 301

xxiv

—————————————————————————Desarrollo, aplicación y validación de procedimientos ….

CAPÍTULO 1 INTRODUCCIÓN

Capítulo 1: Introducción——————————————————————————————————————

—————————————————————————Desarrollo, aplicación y validación de procedimientos ….

CAPÍTULO 1 INTRODUCCIÓN El presente trabajo pretende contribuir a mejorar la capacidad de predicción y prevención de los daños debidos a los riesgos ocasionados por procesos geomorfológicos, especialmente de los riesgos originados por movimientos en masa. En esta memoria se utilizan de manera indistinta los términos deslizamiento y movimiento en masa, para referirse al conjunto de los procesos de ladera (aparte de la erosión). Dicho uso de los términos tiene simplemente una razón de estilo (salvo cuando explícitamente se abordan aspectos terminológicos). Los movimientos en masa presentan una serie de rasgos comunes con otros riesgos geológicos (se trata de un proceso natural potencialmente peligroso, cuyo funcionamiento da lugar a daños reales, como consecuencia de su interacción con las actividades humanas), pero también presentan características específicas. Entre éstas, se podría destacar su amplísima distribución geográfica y su sensibilidad a la influencia humana, tanto directa como indirecta. De ahí el interés que tiene el desarrollo de procedimientos, modelos y herramientas que ayuden a predecir, con mayor precisión y fiabilidad, la futura distribución de movimientos, su probabilidad de ocurrencia y los daños que pueden causar. La conveniencia de avanzar en este sentido se ve claramente avalada por los crecientes daños que, a nivel mundial o nacional, se vienen registrando como consecuencia de estos procesos, al igual que ocurre con los riesgos naturales en general. 1.1 Problemática de los riesgos naturales Los datos registrados durante el último siglo a nivel mundial muestran un incremento en el número de eventos catastróficos debidos a procesos naturales y en los daños producidos por los mismos, especialmente en los últimos 40 años; los países de Asia, América y África son los que más numerosas y mayores catástrofes naturales han padecido (Alexander, 1993; Alcántara-Ayala, 2002; United Nations, 2002; EM-DAT, 2005). Tanto por el número de eventos como por el número de víctimas, son los países menos desarrollados los que se ven más gravemente afectados. Esto se debe a dos factores fundamentales: 1) localización: esos países, en conjunto, abarcan una extensión mucho mayor y, además, se encuentran en muchos casos en zonas de intensa actividad geodinámica (límites de placas, zonas sujetas a frecuentes tormentas); 2) desarrollo económico, social, político y cultural: es frecuente que en estos países no existan, o no se apliquen, normas o políticas de ordenación territorial que tengan en cuenta los riesgos naturales; también suele ser limitado el grado de preparación de la población o la organización de planes de prevención y corrección de riesgos. 3

Capítulo 1: Introducción——————————————————————————————————————

En cambio, las mayores pérdidas económicas se producen en los países desarrollados, debido principalmente a que el valor de los bienes expuestos a las amenazas (infraestructuras, edificios, actividad económica, etc.) es mucho mayor (Crozier, 1986; Alexander, 1993; Uitto, 1998; Berz, 1999; Chardon, 1999; Alcántara-Ayala, 2002, 2004; Downton & Pielke, 2005; Fuchs & Bründl, 2005). No obstante, aunque el valor absoluto de los daños sea mayor en los países industrializados, su importancia en relación con el PIB, es mucho menor que en los países en vías de desarrollo (Burton et al., 1978; United Nations, 2002). Así, por ejemplo, durante el período 1990-99 los gastos afrontados por la Federal Emergency Management Agency (FEMA), como consecuencia de las catástrofes naturales ocurridas en los Estados Unidos, ascendieron a más de 25,4 millardos (miles de millones) de dólares, cifra absoluta muy considerable pero poco significativa en relación con el PIB del país (FEMA, 2002). En el caso de España y referido únicamente a las inundaciones, los daños medios anuales han estado en torno al 0,1% del PIB durante las últimas décadas (CCS, 2004).

Figura 1.1. Importancia de los diferentes tipos de catástrofes naturales para el periodo 1950-2000 (Munich Re, 2005). Los deslizamientos se incluyen en el apartado de “otros”.

Las catástrofes naturales que mayores daños (pérdidas materiales y/o víctimas) causan a nivel mundial son las inundaciones y los huracanes, seguidos por los terremotos (Cendrero, 1997; Swiss Re, 2001; EM-DAT, 2005; Munich Re, 2005), tal como se muestra en las Figuras 1.1 y 1.2, y en las Tablas 1.1 y 1.2. En el caso de España, una estimación de los daños previsibles para un periodo de 30 años (Ayala et al., 1987) muestra que, según la hipótesis de riesgo más probable, los daños más importantes corresponden a inundaciones,

—————————————————————————Desarrollo, aplicación y validación de procedimientos ….

deslizamientos y terremotos. En el caso de considerar una hipótesis de riesgo máximo, los terremotos ocuparían el segundo puesto.

Figura 1.2. Distribución de los grandes tipos de catástrofes naturales en el mundo en la segunda mitad del siglo XX (Munich Re, 2005).

Si se tiene en cuenta la distribución geográfica de los distintos riesgos naturales, las inundaciones y los deslizamientos son sin duda los más generalizados, pues afectan a todos los países del mundo. Algunos ejemplos recientes de inundaciones importantes son las acaecidas en Francia (1992), Centroeuropa (1992, 1993, 1995, 2002, 2005), Italia (1994, 2000), República Checa y Polonia (1997), Suecia (2000), EEUU, Bangladesh, China, Guatemala, Honduras, Somalia y Sudáfrica durante la década de los 90 (European Commission, 1997a; 1997b; 2000; United Nations, 2002), o las inundaciones ocurridas en Nueva Orleans como consecuencia del huracán Katrina en agosto de 2005. Los datos presentados ponen de manifiesto varias cosas: En primer lugar, la imprecisión de las recopilaciones analizadas, tal como se constata por las diferencias existentes entre las dos tablas citadas (Tablas 1.1 y 1.2), bien sea en relación con el número de los eventos incluidos o con la cantidad de víctimas de los mismos. En segundo lugar, lo que parece ser una tendencia al aumento en el número de eventos catastróficos y en los daños causados por dichos procesos a lo largo de la segunda mitad del siglo XX (Figuras 1.2, 1.3 y 1.4). En relación con esto, cabe señalar que el aumento detectado en víctimas y daños (Figura 1.4; Munich Re, 2005), parece bastante lógico, al haberse producido en ese período un aumento notable del número de personas y de los bienes expuestos en zonas de riesgo. Sin embargo, el aumento en el número de eventos reflejado en los datos registrados puede deberse en parte a una mejora en la recopilación de información para los tiempos más recientes. Esto parece especialmente probable en el caso de los terremotos y de las erupciones volcánicas. Sin embargo, en el caso de las inundaciones, huracanes o deslizamientos, el aumento se deba también al efecto del cambio climático global, una de cuyas consecuencias es el aumento en la frecuencia y/o intensidad de los eventos climáticos extremos (Berz, 1999; Moreno, 2005). Es interesante señalar, sin embargo, que la tendencia al aumento es bastante menor para los desastres de tipo estrictamente climático (Fig. 1.3b) que para “floods and related”, esto es, aquéllos en los que intervienen los condicionantes geomorfológicos. Esto se ha interpretado por

Capítulo 1: Introducción——————————————————————————————————————

350

a) Número de eventos

300 250

200

150

100 50

0 1950

1960

1970

1980

1990

2000 Año

180

160 140

Floods & related

Número de eventos

120 100 80 60 Droughts & related

40 Windstorm Geological

20 0 1900

1920

1940

1960

1980

2000 Año

Figura 1.3. a) Evolución en el número de eventos naturales catastróficos en el mundo durante los últimos 50 años; b) tendencias mundiales de aumento en el número de distintos tipos de catástrofes naturales durante el último siglo. (EM-DAT, 2005).

Cendrero et al. (2006) como consecuencia de la superposición del cambio climático y del “cambio geomorfológico global”. La tendencia de variación que dichos procesos muestran a nivel global durante el último medio siglo es muy similar a la que ponen de manifiesto los datos obtenidos para deslizamientos por Remondo et al. (2005c) en una zona de Guipúzcoa (Figura 1.5a) o los existentes en Italia (Figura 1.5b; Guzzetti & Tonelli, 2004). Esta tendencia probablemente refleja algún factor causal común que afecta a estos procesos a diferentes escalas: global, nacional, regional o local.

—————————————————————————Desarrollo, aplicación y validación de procedimientos ….

Figura 1.4. Evolución del número de daños (en billones de dólares americanos) ocasionados como consecuencia de los procesos naturales ocurridos durante los últimos 50 años en el mundo (Munich Re, 2005).

1.2 Consecuencias socio-económicas de los deslizamientos a nivel mundial Las recopilaciones de eventos catastróficos, tanto de carácter general (que se presentan en las Tablas 1.1 y 1.2) como otras más detalladas, por áreas geográficas o tipos de procesos, deben tomarse con mucha cautela, ya que normalmente están incompletas e infravaloran la ocurrencia real de algunos eventos. Esto es especialmente patente en el caso de los deslizamientos, dado que entre sus principales agentes desencadenantes se encuentran las lluvias torrenciales y los terremotos, por lo que es frecuente que los daños producidos por los deslizamientos se asignen en las estadísticas a alguno de estos dos últimos procesos. Los eventos de 1970 en Perú (Oliver-Smith, 2002) y de 1998 en Centroamérica (Rubiera, 2002), constituyen algunos ejemplos notables de tal efecto. Por otro lado, la mayoría de los deslizamientos que ocurren en el mundo producen únicamente daños materiales, o si acaso un número pequeño de víctimas. Es por tanto frecuente que no queden reflejados en las recopilaciones de ámbito global o nacional, a pesar de que, por lo frecuentes y extendidos que son estos procesos, causan, en conjunto, daños muy importantes. Muchos deslizamientos se producen en zonas montañosas, prácticamente deshabitadas, con lo cual el riesgo es mínimo (pero no la peligrosidad). En otras ocasiones, los movimientos son pequeños o superficiales, y los daños que producen son reducidos, y por tanto no se consideran (Remondo, 2001). En muchos otros casos, aunque los daños sean importantes, los deslizamientos coinciden con inundaciones o con sismos y, en menor medida, actividad volcánica. Los daños así producidos son, con frecuencia, achacados a los otros procesos, bien porque ocurren de forma puntual y aislada, bien porque los organismos encargados de hacer frente a los eventos catastróficos naturales (caso de España), tanto desde el punto de vista de su gestión (Dirección General de Protección Civil), como desde el punto de vista de las indemnizaciones pagadas por el Consorcio de Compensación de Seguros (CCS, 1999) o desde un punto de vista jurídico, no los contemplan como catástrofe natural. No obstante, existen numerosos ejemplos de grandes deslizamientos que han producido daños considerables en muy diversos países (Tabla 1.3). 7

Capítulo 1: Introducción——————————————————————————————————————

Número de deslizamientos en Bajo Deva

a) 50

0 1955

1960

1965

1970

1975

1980

1985

1990

1995 Año

Número de deslizamientos en Italia

2500

b) 2000

1500

1000

500

0 1955

1960

1965

1970

1975

1980

1985

1990

1995

2000 Año

Figura 1.5. Evolución del número de eventos de deslizamiento durante los últimos 50 años en: a) el Bajo Deva, España (modificado de Remondo et al., 2005c); b) en Italia (modificado de Guzzetti & Tonelli, 2004).

En España, los principales desastres naturales ocurridos a lo largo de la historia se han debido principalmente a inundaciones o huracanes (Tabla 1.4), de ahí que en muchos casos no se hayan considerado los deslizamientos de manera independiente. Sin embargo, existen algunos registros sobre eventos catastróficos de deslizamiento, los cuales se reflejan en la Tabla 1.5. 8

—————————————————————————Desarrollo, aplicación y validación de procedimientos ….

Distintos autores han presentado estimaciones que, acertadas o no, han servido para llamar la atención sobre la importancia de los deslizamientos. Según Varnes (1981), durante el periodo 1971-1974 murieron en todo el mundo una media anual de unas 600 personas como consecuencia de los deslizamientos. El estudio llevado a cabo por Schuster & Fleming (1986) estima también una media mundial de víctimas por deslizamientos de 600 personas/año; los mismos autores consideran que tal cifra está infravalorada, ya que muchas de las víctimas se han incluido en los daños provocados por inundaciones y terremotos. La International Federation of Red Cross and Red Crescent Societies (IFRC, 1996) y Hamilton (1997) han estimado, para el periodo 1969-1993, aproximadamente 1.550 víctimas anuales debidas a deslizamientos. Estos datos incluyen los deslizamientos producidos como consecuencia de terremotos (China, Perú, Estados Unidos), erupciones volcánicas (Colombia), etc. La base de datos creada por The Centre for Research on the Epidemiology of Disasters (EM-DAT, 2005) a partir de bases de datos preexistentes y de nuevos datos, ha contabilizado, para el período 1900-2001, que los deslizamientos u otros procesos relacionados con ellos han provocado un total de 64.088 víctimas en 364 grandes eventos. Estos datos se aproximan a los obtenidos por Schuster & Fleming (1986). Sin embargo, y como ya se ha comentado anteriormente, se debe tener en cuenta que la mayoría de los registros corresponden a las tres últimas décadas, por lo que los datos están incompletos, además de poder haber sido incluidos en los registros de otros procesos. En el caso de las inundaciones y durante el mismo período, estos autores estiman que el número de víctimas es de unos 7,5 millones. Considerando tales cifras válidas, esto supone que las inundaciones son hasta 100 veces más dañinas que los deslizamientos. Los datos presentados anteriormente sobre deslizamientos representan una media de menos de 4 eventos anuales con víctimas totales en todo el mundo, lo cual pone de manifiesto la insuficiencia de los registros existentes al respecto, así como la infravaloración de las cifras apuntadas. Para Varnes (1984), en Estados Unidos las pérdidas producidas por movimientos en masa son superiores a las causadas por el resto de los riesgos geológicos. Esta estimación es probablemente excesiva, pero no cabe duda de que, tanto en ese país como en el mundo en general, el proceso citado tiene más importancia de la que habitualmente se considera. Por otra parte, Petak & Atkisson (1982), estiman las pérdidas causadas por deslizamientos en edificios de Estados Unidos, en 370 millones de dólares durante 1970. Así mismo, hacen una extrapolación para el año 2000, en la que incrementan esta cifra hasta unos 870 millones de dólares, lo que supone un incremento del 235% en las pérdidas por deslizamientos entre ambas fechas. Según Brabb & Harrod (1989), en Estados Unidos cerca de un 40% de la población está expuesta directa o indirectamente a los efectos de los deslizamientos. Los daños anuales producidos por deslizamientos en Estados Unidos oscilan entre 1 y 2 millardos de dólares, que en moneda del año 2000 equivalen a 1,4 y 2,8 millardos de dólares (de acuerdo con la variación experimentada por la inflación que se puede obtener a través del Consumer Price Indexes, http://www.bls.gov/cpi/); por otro lado, el número de víctimas anuales estimado oscila entre 25 y 50 (Schuster & Fleming, 1986; Wold & Jochim, 1989). A causa del deslizamiento de La Conchita (California), en enero de 2005, murieron 10 personas, 13 casas fueron destruidas y otras 23 afectadas (Jibson, 2006); un deslizamiento causó daños

Capítulo 1: Introducción——————————————————————————————————————

notables en el mismo lugar en 1995, afectando nueve casas y cubriendo un área de cerca de 4 hectáreas (O’Tousa, 1995). Cruden et al. (1989), estiman para Canadá las pérdidas anuales por deslizamientos en 1 millardo de dólares (1,4 millardos de dólares de EEUU del año 2000). Por otro lado, Evans (1999), considera que durante el período 1840-1999 se produjeron en ese país, como consecuencia de 43 eventos de deslizamiento, 570 víctimas; el 23% de estas víctimas se debieron a deslizamientos originados, directa o indirectamente, por la actividad humana. Los mayores daños fueron los causados por los frecuentes y relativamente pequeños deslizamientos acaecidos en el primer tercio del siglo XX, los cuales se han relacionado con la etapa de fuerte desarrollo económico que experimentó el país en esa época. Granger & Hayne (2001), estiman que, en Australia, al menos 90 personas han fallecido desde 1842 como consecuencia de 39 deslizamientos. Sin embargo, estos datos podrían estar incompletos, ya que por ejemplo en 1997 fallecieron 18 personas en un único evento, y 9 personas en 1996; es decir, un 30% del total estimado para el periodo de 160 años habría ocurrido en sólo dos años. Los daños económicos como consecuencia de la destrucción de edificios, carreteras u otras infraestructuras, desde 1900, se estiman en unos 500 millones de dólares, que equivaldrían a varios millardos de dólares actuales. En América Latina, el número de víctimas y los daños materiales por evento ocurrido han sido siempre muy altos, ya que muchos asentamientos humanos se encuentran al pie de escarpes montañosos o bien en zonas próximas. Sin embargo, las estimaciones de daños son escasas, sobre todo en eventos poco recientes, y las que hay difieren mucho unas de otras. Los datos que se presentan a continuación corresponden a eventos puntuales de deslizamiento, casi siempre relacionados con otro tipo de proceso. Teniendo en cuenta que estos ejemplos representan sólo una pequeña parte del total, cabe esperar que los daños debidos a deslizamientos sean muy grandes y si se les compara con los producidos por otro tipo de proceso, probablemente sean los movimientos en masa uno de los procesos naturales que mayores daños produce en esta región del mundo. En Guatemala, en 1976, un terremoto originó unos 10.000 deslizamientos y más de 200 muertos (Harp et al., 1981). En Honduras, como consecuencia del huracán Mitch en 1998, se produjeron unos 500.000 deslizamientos (cerca de 1 millón en toda Centroamérica; Harp, 2001; Harp et al., 2002). Unas 2.500 personas murieron en Nicaragua durante el mismo evento como consecuencia de un gran “debris flow” producido en la ladera del volcán Casitas (Scott, 2000). En El Salvador, en 2001, tuvo lugar un terremoto que produjo alrededor de 1 millardo de dólares en daños, más de 700 muertos, cerca de 1.000.000 damnificados y más de 500 deslizamientos, los cuales causaron la mayoría de estos daños (Munich Re, 2005). En Venezuela, las pérdidas anuales debidas a deslizamientos se han estimado por Zuloaga (1995) en 55 millones de dólares. En este mismo país, los flujos de derrubios ocurridos en 1999 produjeron unas 50.000 víctimas y 10 millardos de dólares en pérdidas, equivalentes al 12,2% del PIB. En Colombia, durante la erupción del volcán Nevado del Ruiz en 1985, se produjeron varios lahares que produjeron la muerte de más de 23.000 personas y unos daños económicos de unos 200 millones de dólares (Mercado, 2002). El deslizamiento de La Josefina en Ecuador, en 1993, provocó unas pérdidas de 147 millones de dólares y 71 víctimas (Leone & Velásquez, 2002). El terremoto que tuvo lugar en Huascarán (Perú), en 1970, generó un gran deslizamiento que acabó con la vida de unas 60.000 personas (Oliver-Smith, 2002).

—————————————————————————Desarrollo, aplicación y validación de procedimientos ….

Otras áreas que se ven gravemente afectadas por los deslizamientos son las zonas asiáticas, como China y Japón. En China, gran parte de las víctimas y daños causados por los terremotos se deben a deslizamientos generados por éstos en terrenos de “loess” (Derbyshire, 2000). Las pérdidas anuales estimadas en China ascienden a 15.000 millones de dólares y el número de víctimas a 150 por año (Tianchi & Shumin, 1992). En Japón, uno de los países más afectados, las cantidades que se dedican anualmente para cubrir los daños ocasionados por deslizamientos ascienden a 650 millones de dólares (Yamamoto, 2003); otros autores indican pérdidas anuales por deslizamientos en torno a 4.000 millones de dólares (Schuster, 1996). Brabb & Harrod (1989), estiman que los daños producidos en Francia por deslizamientos, en 1983, fueron de unos 1.600 millones de Euros, mientras que el número de víctimas durante 1970 fue de 72. En Italia, se puso en marcha en 1994 el proyecto AVI por parte del Consiglio Nazionale delle Ricerche y el Gruppo Nazionale per la Difesa dalle Catastrofi Idrogeologiche, cuyo objetivo era la creación de una base de datos relativa a los procesos de deslizamiento y de inundación acaecidos en Italia. El archivo para los deslizamientos ocurridos entre 1279 y 1999, incluía datos de personas fallecidas, desaparecidos, daños, etc. El análisis de los datos muestra que más de 10.000 personas perecieron en un total de 840 eventos de deslizamiento (Guzzetti, 2000); esto significa una media de unas 12 personas por evento, lo cual es una cifra importante. Sin embargo, durante la última década se tiene constancia de la muerte de 263 personas a causa de este proceso, lo que sugiere de nuevo que las cifras más antiguas están infravaloradas (falta de datos, eventos que no se consideran, etc.). En 1963, en la catástrofe del Vaiont murieron más de 2.000 personas como consecuencia indirecta de un deslizamiento que provocó el desbordamiento del agua del embalse del Vaiont (Semenza & Ghirotti, 1998). Para Guzzetti (2000), Italia es el país europeo más afectado, en cuanto a pérdida de vidas humanas por los deslizamientos y, a escala mundial, se encuentra sólo por detrás de Japón y China. Otra conclusión que se extrae de su trabajo es que el índice de mortalidad por deslizamientos en Italia ha sido, en los últimos 50 años, igual al causado por los terremotos, y muy superior al causado por las inundaciones. Este es otro ejemplo que muestra el poder destructivo y la importancia de los deslizamientos en la generación de daños. Schuster (1996), estima unas pérdidas anuales en Italia por deslizamientos en torno a los 2.600 millones de dólares. El proyecto europeo NEDIES (Natural and Environmental Disaster Information Exchange System) hace una revisión de diferentes deslizamientos ocurridos en Europa, considerando los elementos afectados y los daños económicos generados, así como las medidas de mitigación adoptadas (Hervás, 2003). Presenta ejemplos de deslizamientos ocurridos en Italia, Portugal, Suecia, Rumania, Lituania, etc., que han generado gran cantidad de pérdidas en vidas humanas, en actividades económicas, edificios, estructuras, etc. En alguno de estos eventos las pérdidas económicas estimadas superan los 20 millones de Euros.

Capítulo 1: Introducción——————————————————————————————————————

Tabla 1.1. Datos relativos a eventos catastróficos en el mundo, víctimas y daños (en dólares americanos) originados entre 1900 y 2001 (EM-DAT, 2005). País China China China China Bangladesh China China China Japón China Bangladesh Unión Soviética China China China Italia China Perú Bangladesh India Pakistán China India China Guatemala Irán India Bangladesh Turquía Martinica China Italia Chile Venezuela Bangladesh Unión Soviética Irán Guatemala Colombia India China India Irán China Turquía

Amenaza Inundación Inundación Inundación Inundación Huracán Terremoto Terremoto Terremoto Terremoto Inundación Huracán Terremoto Huracán Inundación Inundación Terremoto Terremoto Terremoto Huracán Huracán Terremoto Inundación Terremoto Huracán Inundación Terremoto Huracán Huracán Terremoto Volcán Inundación Terremoto Terremoto Inundación Inundación Terremoto Terremoto Terremoto Volcán Terremoto Terremoto Terremoto Terremoto Inundación Terremoto

Año Víctimas Daños (Millones de $) 1931 3.700.000 1.400 1959 2.000.000 1938 500.000 1939 500.000 1970 300.000 86 1976 242.000 7.000 1927 200.000 1920 180.000 1923 143.000 600 1935 142.000 1991 138.866 1.780 1948 110.000 1922 100.000 1908 100.000 1911 100.000 1908 75.000 116 1932 70.000 1970 66.794 530 1942 61.000 1935 60.000 1935 60.000 1949 57.000 1935 56.000 1912 50.000 1949 40.000 15 1990 40.000 8.000 1942 40.000 1965 36.000 58 1939 32.962 20 1902 30.000 1954 30.000 1915 30.000 60 1939 30.000 920 1999 30.000 2.000 1974 28.700 579 1988 25.000 20.500 1939 23.000 1976 23.000 1.000 1985 22.800 1.000 2001 20.005 4.600 1974 20.000 1905 20.000 1978 20.000 11 1933 18.000 1999 17.127 8.500

—————————————————————————Desarrollo, aplicación y validación de procedimientos ….

País China Indonesia Honduras India Bangladesh Unión Soviética China Unión Soviética Irán Marruecos Bangladesh China Bangladesh Bangladesh Pakistán Bangladesh Argentina Argentina China China Irán Nicaragua India India Nepal Méjico Honduras India Vietnam China Afganistán China Guatemala India Taiwán Turquía Ecuador Filipinas Chile Estados Unidos Filipinas Japón Indonesia Bangladesh Irán Japón

Amenaza Huracán Terremoto Huracán Huracán Huracán Deslizamiento Terremoto Terremoto Terremoto Terremoto Huracán Huracán Huracán Huracán Huracán Inundación Terremoto Terremoto Terremoto Huracán Terremoto Terremoto Huracán Terremoto Terremoto Terremoto Huracán Huracán Huracán Terremoto Inundación Inundación Volcán Terremoto Terremoto Terremoto Terremoto Terremoto Terremoto Huracán Huracán Terremoto Volcán Huracán Terremoto Huracán

Año Víctimas Daños (Millones de $) 1930 15.000 1917 15.000 1998 14.600 2.000 1977 14.204 499 1965 12.047 1949 12.000 1907 12.000 1907 12.000 1962 12.000 30 1960 12.000 120 1963 11.500 47 1937 11.000 1961 11.000 12 1985 10.000 1965 10.000 1960 10.000 1944 10.000 1949 10.000 1970 10.000 1906 10.000 20 1968 10.000 35 1972 10.000 845 1999 9.843 639 1993 9.782 280 1934 9.040 1985 8.776 4.000 1974 8.000 540 1971 7.600 30 1964 7.000 50 1925 6.500 1988 6.345 260 1980 6.200 160 1902 6.000 1934 6.000 1906 6.000 1903 6.000 1949 6.000 20 1976 6.000 134 1960 6.000 550 1900 6.000 1.000 1991 5.956 100 1995 5.502 131.500 1909 5.500 1960 5.149 1972 5.057 1 1959 5.014 600

Capítulo 1: Introducción——————————————————————————————————————

Tabla 1.2. Detalle de los mayores desastres naturales ocurridos en el mundo y número de víctimas causadas (con datos de Costa & Baker, 1981, de la “Office for U.S. Foreign Disaster Assistance”, y Cendrero, 1997). País China China China China Bangladesh India China China Japón China China Irán URSS Indonesia Italia Perú Pakistán Portugal India Venezuela Indonesia Nicaragua Chile Italia Martinica Bangladesh Colombia Guatemala Turquía Italia Turquía Irán India Marruecos Unión Soviética Centroamérica Italia, Austria China Méjico Honduras Vietnam Ecuador Filipinas Haití Argentina Indonesia Pakistán Italia Japón Turquía Italia Papua N. Guinea Argelia Cuba

Amenaza Inundaciones Inundaciones Terremoto Terremoto Ciclón Terremoto Inundaciones Terremoto Terremoto Terremoto Terremoto Terremoto Terremoto Volcán Terremoto Terremoto y deslizamientos Terremoto Terremoto Terremoto Inundaciones y deslizamientos Volcán Terremoto Terremoto Terremoto Volcán Inundaciones Volcán Terremoto Terremoto Volcán Terremoto Terremoto Ciclones Terremoto Deslizamientos Huracán Deslizamientos Tifón Terremoto Huracán Tifón Terremoto Terremoto y tsunami Terremoto Terremoto Volcán Terremoto Terremoto Tifón Terremoto Deslizamiento Volcán Terremoto Huracán

Año 1939 1887 1556 1976 1970 1737 1939 1920 1923 1290 1731 1893 1948 1815 1908 1970 1935 1755 1935 1999 1883 1979 1939 1915 1902 1974 1985 1976 1939 1669 1999 1978 1977 1960 1949 1998 1916 1906 1985 1974 1964 1949 1976 1963 1944 1919 1974 1980 1959 1976 1963 1951 1980 1932

Víctimas 1.000.000 900.000 830.000 655.237 300.000 300.000 200.000 180.000 143.000 100.000 100.000 100.000 100.000 92.000 75.000 67.000 60.000 50.000 50.000 30.000-50.000 36.000 30.000 30.000 30.000 30.000 28.700 23.000 23.000 23.000 20.000 17.000 15.000 14.204 12.000 12.000 11.000 10.000 10.000 9.500 8.000 7.000 6.000 6.000 5.000 5.000 5.000 4.700 4.689 4.580 3.921 3.000 3.000 2.633 2.500

—————————————————————————Desarrollo, aplicación y validación de procedimientos ….

País Méjico Afganistán Rep. Dominicana Holanda Cuba Camerún Pakistán, India Belice Argelia India Indonesia Rumania St. Vicente Yemen Rep. Dominicana Filipinas Turquía Irán El Salvador Yugoslavia Filipinas Venezuela Vietnam Brasil Sri Lanka Corea Filipinas Túnez Sudáfrica Brasil Colombia Indonesia Islas Comores Portugal Brasil Japón Perú Colombia España China India Bolivia EEUU Austria Zaire Reino Unido Noruega Ecuador China Afganistán Nueva Guinea España Suiza España Canadá Canadá

Amenaza Inundaciones Terremoto Huracán Inundaciones Huracán Volcán Inundaciones Huracán Terremoto Inundaciones Volcán Terremoto Volcán Terremoto Huracán Erupción Terremoto Terremoto Terremoto Terremoto Tifón Deslizamientos Tifón Inundaciones Ciclón Inundaciones Tifón Inundaciones Inundaciones y deslizamientos Inundaciones y deslizamientos Deslizamiento Inundaciones y deslizamientos Tornado Inundaciones Deslizamiento Inundaciones Deslizamientos Deslizamiento Inundaciones Deslizamiento Deslizamientos Inundaciones Inundación Deslizamiento Deslizamiento Deslizamiento Deslizamiento Deslizamiento Deslizamiento Deslizamiento Deslizamiento Deslizamiento Deslizamiento Desbordamiento torrente Rotura de macizo Deslizamiento

Año 1959 1954 1930 1953 1963 1986 1955 1931 1954 1980 1963 1977 1902 1982 1979 1914 1983 1981 1986 1963 1984 1987 1985 1967 1978 1972 1987 1969 1987 1984 1987 1981 1951 1967 1967 1982 1974 1974 1973 1983 1988 1983 1972 1954 1968 1966 1893 1987 1972 1971 1971 1874 1965 1996 1958 1903

Víctimas 2.000 2.000 2.000 1.900 1.750 1.734 1.700 1.600 1.600 1.600 1.584 1.570 1.565 1.507 1.400 1.400 1.346 1.200 1.100 1.100 1.062 900 800 785 740 672 660 540 518 508 500 500 500 462 436 332 310 300 300 277 250 250 238 200 154 144 120 100 100 100 100 91 90 87 75 38

Capítulo 1: Introducción——————————————————————————————————————

Tabla 1.3. Datos relativos a eventos catastróficos originados por deslizamiento a nivel mundial, víctimas y daños (en dólares americanos) (EM-DAT, 2005). País Unión Soviética México Perú Honduras Perú Italia India Colombia Perú China India Perú Brasil Indonesia India USA Afganistán Brasil Perú Colombia Ecuador Perú Filipinas Filipinas China Haití Turquía India India India Tajikistan India Rusia Perú India China China Brasil Brasil Austria China Colombia Colombia Colombia Ecuador Japón Papua–N. Guinea Filipinas

Amenaza Deslizamiento Deslizamiento Deslizamiento Deslizamiento Deslizamiento Deslizamiento Deslizamiento Deslizamiento Deslizamiento Deslizamiento Deslizamiento Deslizamiento Deslizamiento Deslizamiento Deslizamiento Deslizamiento Deslizamiento Deslizamiento Deslizamiento Deslizamiento Deslizamiento Deslizamiento Deslizamiento Deslizamiento Deslizamiento Deslizamiento Avalancha Deslizamiento Avalancha Avalancha Deslizamiento Deslizamiento Avalancha Deslizamiento Deslizamiento Deslizamiento Deslizamiento Deslizamiento Deslizamiento Avalancha Deslizamiento Deslizamiento Deslizamiento Deslizamiento Deslizamiento Deslizamiento Deslizamiento Deslizamiento

Año Víctimas Daños (Millones de $) 1949 12.000 1959 5.000 1941 5.000 1973 2.800 1962 2.000 200 1963 1.189 1968 1.000 1987 640 1971 600 1934 500 1948 500 1973 500 1967 436 1955 405 1995 400 1972 400 1995 354 1966 350 27 1974 310 22 1974 300 1993 300 1997 300 1985 300 2000 287 1983 277 1954 262 1992 261 1988 255 1988 250 1995 250 1992 243 24 1998 239 1993 239 1983 232 1979 230 1996 226 1996 226 1967 224 1967 224 1954 200 1991 200 1971 200 1973 200 1986 200 1993 200 500 1923 200 1991 200 1981 200

—————————————————————————Desarrollo, aplicación y validación de procedimientos ….

Tabla 1.4. Datos relativos a eventos catastróficos que han afectado a España, víctimas y daños originados (EM-DAT, 2005). Amenaza Inundación Inundación Inundación Deslizamiento Inundación Inundación Inundación Inundación Inundación Huracán Inundación Huracán Huracán Inundación Huracán Inundación Huracán Inundación Huracán Huracán Huracán Huracán Huracán Inundación Inundación Inundación Huracán Huracán Inundación Inundación Terremoto Inundación Huracán Huracán Terremoto Inundación Inundación Huracán

Año Víctimas Daños (Millones de $) 1973 500 400 1962 474 80 1963 445 80 1996 84 1957 77 1953 50 1983 45 3.900 1982 43 630 1982 34 300 1997 21 1979 20 1973 19 1989 19 2000 16 1989 14 1989 12 375 1994 12 1994 10 2001 9 1990 8 2000 7 2000 7 1984 6 1.000 1987 5 1.283 1997 5 2000 5 1999 5 1984 3 1 1978 2 25 1996 1 1999 0 44 1983 0 1986 0 1987 0 8 1969 1953 1972 20 1971 55

Capítulo 1: Introducción——————————————————————————————————————

Tabla 1.5. Principales deslizamientos ocurridos en España, con víctimas y daños originados (a partir de Araña et al., 1992, en Corominas et al., 2005). Localidad Inza (Navarra) Felanitx (Mallorca) Azagra (Navarra) Azagra (Navarra) Puigcercós (Lleida)

Fecha 1714 - 1715 31 marzo 1844 1856 21 julio 1874 13 enero 1882

Tipo Corriente derrubios Rotura terraplén Desprendimiento Desprendimiento Deslizamiento

Albuñuelas (Granada)

25 diciembre 1884

Deslizamiento

Azagra (Navarra) Bono (Lleida) Rocabruna (Girona) Alcalá de Júcar (Albacete) Azagra (Navarra) Rosiana (Gran Canaria) Puebla de Arenoso (Castellón) Benamejí (Córdoba)

20 enero 1903 26 octubre 1937 18 octubre 1940 1946

Desprendimiento Alud derrubios Corriente derrubios Desprendimiento

13 mayo 1946 17 febrero 1956

Desprendimiento Deslizamiento

Octubre 1957

Colada de tierras

Febrero 1963

Deslizamiento

Senet (Lleida), Benasque (Huesca) Villanueva de San Juan (Sevilla) Alcoy (Alicante)

3 agosto 1963

Corriente de derrubios Colada de tierras

Tudela de Veguin (Asturias) Pont de Bar (Lleida)

1975

Deslizamiento rotacional Colada de tierras

7 noviembre 1982

Deslizamiento

Capdella (Lleida) Olivares (Granada) Cabra del Camp (Tarragona) Guixers (Lleida) La Massana (Andorra) Benamejí (Córdoba) Camprodón (Girona) Collado Escobal (Asturias) Sant Corneli (Barcelona) Ampuero (Cantabria)

7 noviembre 1982 12-25 Abril 1986 Septiembre 1987

Corriente derrubios Corriente derrubios Desprendimiento

Octubre 1987 Octubre 1987 27 diciembre 1989 Mayo 1992 Diciembre 1993

Desprendimiento Deslizamiento Deslizamiento Corriente derrubios DeslizamientoCorriente derrubios Deslizamiento

2 muertos. Vehículo alcanzado 2 muertos. Vehículo alcanzado Afectadas decenas de viviendas 2 muertos 3 muertos. Destruye vivienda

Destruye varias casas

Montserrat (Barcelona)

10 junio 2000

Tenerife

31 marzo 2002

DeslizamientoColada de tierras Corrientes derrubios y desprendimientos. Desprendimientos

Mogán (Gran Canaria) Cala Ramón de Palafrugell (Girona) Barruera, Vall de Boí (Lleida)

12 diciembre 2002 25 Agosto 2003

Desprendimiento Desprendimiento

Daños diversas carreteras y funicular Carreteras TF-1, TF-2 y TF-5 cortadas 1 muerto –vehículo alcanzado 2 muertos y 2 heridos

20 septiembre 2003

Desprendimiento

2 heridos. Carretera cortada.

Mayo 1964 Diciembre 1964

17 diciembre 1997 10 enero 1999

Consecuencias Pueblo destruido 414 muertos y 200 heridos 11 muertos 92 muertos y 72 casas destruidas Casas destruidas. Abandono pueblo 102 muertos y más de 500 heridos. 463 casas destruidas 2 muertos Obtura río 6 muertos 12 muertos y varias casas destruidas 2 muertos Puente y casas destruidos. 250 evacuados Grietas en edificios 55 viviendas destruidas y 50 dañadas Obtura río. Afecta carretera Obstrucción parcial río. Corta carretera Grietas en edificios Grietas en edificios Casas destruidas. Abandono pueblo 3 muertos Pueblo afectado 1 muerto. Autobús alcanzado

1 herido grave. Carretera cortada

—————————————————————————Desarrollo, aplicación y validación de procedimientos ….

1.3 Consecuencias socio-económicas de los deslizamientos en España El Instituto Geológico y Minero de España (IGME) realizó en 1987 una estimación de las consecuencias económicas y sociales debidas a los movimientos en masa (y otros riesgos geológicos), para el lapso de tiempo comprendido entre los años 1986 y 2016 (Ayala et al., 1987; González de Vallejo, 1988). Para ese período se estimaron unas pérdidas comprendidas entre 30.000 y 50.000 millones de Euros como consecuencia de los movimientos en masa, en función de la hipótesis adoptada (hipótesis de riesgo medio: deslizamientos máximos originados teniendo en cuenta los datos de los 30 últimos años; hipótesis de riesgo máximo: deslizamientos máximos, suponiendo un periodo de retorno de 500 años). Los datos reales registrados en los primeros quince años del periodo cubierto por ese estudio (desde 1986 a 2001), han mostrado que estas predicciones preveían unas pérdidas bastante mayores de las que en realidad se han producido (unos 36 x 106 €/año; Ayala, 2002). Esta discrepancia indica que, o bien los criterios utilizados en el trabajo citado eran excesivamente pesimistas, o bien el registro de daños es muy incompleto, o probablemente ambas cosas. Ferrer (1995), indica que en España los daños producidos por los deslizamientos han sido de aproximadamente 180 millones de Euros al año y el número de muertes por deslizamientos ha sido de 25-30 personas durante las tres últimas décadas, es decir, una media de una persona al año. Según Ayala (1995), durante el período 1991-1993 el número de víctimas en España ascendió a 17 personas. En la memoria presentada por el Ministerio del Interior (2000), se indica que en el periodo 1996-1999 hubo 10 muertes por deslizamientos, correspondiendo 8 víctimas al año 1996 y 2 al año 1997. Esto significa que en la última década se han producido más de 27 muertes, por encima por tanto de la media considerada para las últimas tres décadas (Ferrer, 1995; Ayala, 2002). Todo ello pone de manifiesto la necesidad de tomar estos datos con cautela, ya que resulta clara la insuficiencia de los registros existentes. Según Ayala et al. (2004), durante la década 1990-2000, los daños producidos en España por los deslizamientos han ascendido a unos 42 millones de Euros anuales (actualizados al 2000), frente a los 128 millones de Euros ocasionados por inundaciones; sin embargo, también se recomienda tomar estas cifras con cautela debido a la escasez de datos. A pesar de las dudas señaladas con respecto a las cifras anteriores, parece claro que los deslizamientos, después de las inundaciones, son el proceso que mayores problemas causa en nuestro país en cuanto al número de fallecidos (y seguramente de daños). En un trabajo elaborado por la Dirección de Atención de Emergencias del Gobierno Vasco, que consistía en el inventario de las áreas sometidas a posibles inestabilidades de laderas en la Comunidad del País Vasco (del Val et al., 1996), se evaluaron las pérdidas debidas a movimientos del terreno en 150 millones de Euros, para el período 1980-1995; es decir, unos 10 millones de Euros anuales, cifra que resulta más elevada que el promedio nacional antes mencionado, pero que puede explicarse, en parte, por la naturaleza de ese territorio y la densidad de ocupación del mismo. En el citado estudio, y para el mismo periodo, se hace referencia a 12 víctimas y otras pérdidas no contabilizadas. Remondo et al. (2004), hacen una evaluación de las pérdidas que se esperan en los próximos 50 años como consecuencia de los deslizamientos en las principales vías de comunicación del municipio de Deva (Guipúzcoa); dichos daños se estiman, teniendo en

Capítulo 1: Introducción——————————————————————————————————————

cuenta una situación similar a la actual, en aproximadamente 1 millón de Euros. Esto equivaldría aproximadamente a unos 20.000 €/año, sólo en infraestructuras. Si se considerasen otros elementos y todo el territorio vasco, estas cifras podrían aproximarse a las anteriores. 1.4 Consideraciones finales Como es bien sabido, los procesos naturales no constituyen por sí solos un riesgo, sino que se convierten en tal cuando interactúan con las actividades humanas (Ayala et al., 1987; Alexander, 1993). Esa interacción ha de considerarse desde un doble punto de vista: pasivo y activo (Cavallin et al., 1994). En el primer caso, la presencia de personas o bienes materiales en áreas sujetas a los procesos citados da lugar a que se produzcan daños. Naturalmente, también un aumento de los elementos expuestos (nuevas construcciones, aumento de población), dará lugar a un incremento de los daños. Por otro lado, la actividad humana produce modificaciones importantes en diferentes procesos naturales, desde el propio clima a nivel global o nacional (Moreno, 2005), hasta procesos geomorfológicos locales, especialmente los fluviales y los movimientos en masa. Esto con frecuencia trae como consecuencia un aumento de la peligrosidad en lo que respecta al aumento de la frecuencia y de la magnitud del proceso. Los cambios de uso del territorio, deforestación, construcciones diversas, etc., contribuyen a la intensificación de procesos naturales como inundaciones y deslizamientos; en el caso de éstos últimos, eso incluye tanto la reactivación de antiguos deslizamientos como la generación de otros nuevos. Varios trabajos muestran una clara relación entre actividad humana e incremento de deslizamientos (Sah & Mazari, 1998; Evans, 1999; Viberg, 2000; Remondo et al., 2005c; Cendrero et al., 2006). Existen datos de ámbito global que permiten aventurar alguna explicación sobre el posible significado de la actividad humana en los riesgos naturales. La Figura 1.6 muestra la variación experimentada por la población, consumo energético, PIB y daños por riesgos naturales para la segunda mitad del pasado siglo. Según se puede observar (Tabla 1.6), la población mundial se multiplicó aproximadamente por 2,4 mientras que el consumo de energía lo hizo aproximadamente por 3,7. Esto es, ha habido un incremento notable del consumo energético per cápita, lo que revela una mayor tecnificación de los procesos productivos en general. El aumento del PIB mundial, que se multiplicó aproximadamente por 6,8, muestra que ha mejorado la eficiencia de los sistemas productivos, ya que el producto obtenido, tanto per cápita como por unidad de energía consumida, ha aumentado de manera patente. Sin embargo, la gestión de los riesgos naturales es menos eficiente, ya que las pérdidas han aumentado de forma muy importante, multiplicándose aproximadamente por 25 (Figura 1.4). En caso de que la eficiencia en la gestión de los riesgos no hubiera variado, los aumentos del PIB y de los daños a nivel mundial deberían ser similares. Esto es, el aumento de daños debería ser paralelo al aumento de bienes vulnerables. Sin embargo, lo que las gráficas muestran es que, o bien ha aumentado fuertemente la ubicación de nuevos elementos vulnerables en zonas de cierta peligrosidad, o bien ha aumentado la peligrosidad de los procesos naturales, o incluso se ha retrocedido en la aplicación de medidas de mitigación. Lo más probable es que la explicación se encuentre en una combinación de las dos primeras causas señaladas. Un análisis similar para los últimos 20 años del siglo XX, a partir de diferentes fuentes de datos, muestra que el factor de aumento ha sido de aproximadamente 1,3 para la población,

—————————————————————————Desarrollo, aplicación y validación de procedimientos ….

1,3 para el consumo de energía, 1,8 para el PIB (Tabla 1.6) y 5 para los daños debidos a catástrofes naturales (Figura 1.4). Esto es, la imagen que se obtiene para el periodo más reciente (para el cual, en principio, los datos son más fiables) es de un aumento mucho más marcado de los daños por riesgos naturales, en comparación con los otros parámetros (Tabla 1.6). Tal como se ha señalado anteriormente, las cifras sobre daños están probablemente infravaloradas, cosa que no ocurre con los datos socioeconómicos usados como término de comparación, con respecto a las cuales la toma de datos es, desde hace tiempo, más precisa. No obstante, ese aspecto seguramente es poco significativo en cuanto a la tendencia relativa, ya que para esas dos décadas se puede considerar que el margen de error en los datos de daños es homogéneo. 3,5 10

350

Producto Interior Bruto ( M$) 3 10

Poblaci (x 1000 personas) Población

300

Nº de desastres naturales

2,5 10

2 10

200

1,5 10

150

1 10

100

5 10

1950

1960

1970

250

1980

1990

Nº de desastres naturales

Producto Interior Bruto (PIB)

Consumo de Energ ía (Ktoe)

2000 Año

Figura 1.6. Evolución de población, PIB en millones de dólares americanos, consumo de energía en Ktoe (kilotoneladas de equivalentes de petróleo) y daños causados por procesos naturales a nivel mundial durante los 50 últimos años del pasado siglo. Elaboración propia a partir de datos obtenidos de diferentes organismos (United Nations Population Division, October 2005, http://www.un.org/esa/population/unpop.htm; Groningen Growth and Development Centre and The Conference Board, Total Economy Database, August 2005, http://www.ggdc.net; International Energy Agency, October 2005, http://www.iea.org/; EM-DAT, 2005, http://www.em-dat.net/).

Estamos, al parecer, en una situación en la que se produce un acoplamiento entre desarrollo económico y daños por desastres naturales, con un efecto multiplicador de aquél sobre éstos. En cierto modo, esto es comparable a la relación entre desarrollo económico y cambio climático. En este último caso se ha alcanzado a nivel mundial un alto grado de

Capítulo 1: Introducción——————————————————————————————————————

conciencia sobre la magnitud del problema, y se han empezado a poner en práctica medidas que permitan desligar ambos procesos (Protocolo de Kyoto). Tabla 1.6. Factor de aumento e incremento promedio anual experimentado por la población, PIB, consumo energético y daños por riesgos naturales en la segunda mitad y en los últimos 20 años del siglo XX. (*) Población en millones de habitantes; Consumo de energía en millones de Ktoe; Producto Interior Bruto en millones de dólares americanos; Pérdidas económicas en millardos de dólares americanos.

Población Consumo Energía PIB Pérdidas económicas

Período 1950-2000 1980-2000 Factor ∆ Promedio Factor ∆ Promedio aumento anual* aumento anual* 2,4 71.322 1,3 97.879 3,7 97.879 1,3 76.926 6,8 623.443 1,8 822.703 25 1,24 5 2,35

En el caso de los riesgos naturales en general, es preciso también dar pasos que sirvan para lograr un desacoplamiento similar, de modo que el desarrollo económico no implique necesariamente el precio de unos daños crecientes. Entre esos pasos se encuentra el desarrollo de mejores instrumentos de predicción y previsión, de tal modo que se puedan identificar de manera más precisa las zonas sujetas a los distintos tipos de riesgos naturales, estimar su peligrosidad y evaluar los daños previsibles. Ello ayudará a poner en práctica mejores políticas de gestión del territorio y también mejores procedimientos de tipo preventivo y correctivo. El presente trabajo intenta contribuir a ese esfuerzo, en lo relativo a los movimientos en masa.

—————————————————————————Desarrollo, aplicación y validación de procedimientos ….

CAPÍTULO 2 ACCIONES DESARROLLADAS PARA LA GESTIÓN-MITIGACIÓN DE LOS DESASTRES NATURALES

Capítulo 2: Acciones desarrolladas para la gestión...————————————————————————————

—————————————————————————Desarrollo, aplicación y validación de procedimientos ….

CAPÍTULO 2 ACCIONES DESARROLLADAS PARA LA GESTION-MITIGACION DE RIESGOS NATURALES Los factores de riesgo a considerar en la gestión y mitigación de riesgos naturales (Figura 2.1) son bien conocidos (Varnes, 1984; Ayala, 1993; Fell, 1994; Leone et al., 1996; Leroi, 1997; Guzzetti, 2000; Van Westen, 2000; Remondo et al., 2004; Glade et al., 2005; Remondo et al., 2005a). Es evidente que la correcta evaluación del riesgo requiere el análisis de tres factores [Riesgo = Peligrosidad o Amenaza x Exposición x Vulnerabilidad], pero la mitigación puede centrarse independientemente sobre cada uno de ellos, por lo que si uno de los tres es cero, el riesgo será nulo. En la Figura 2.2 (UNDRO, 1991) se muestra un esquema clásico de las posibles medidas de mitigación a aplicar para la reducción de los riesgos naturales. Según se desprende de la figura, las posibles estrategias de mitigación han de ir encaminadas, por un lado, a evitar que aparezcan nuevos riesgos. Eso se puede conseguir sobre todo a través de medidas preventivas de carácter no estructural (planes directores nacionales, regionales o locales, evaluaciones de impacto ambiental que incorporen análisis de riesgos, etc.), pero también mediante medidas estructurales que actúen sobre diferentes elementos (estructuras, edificios, etc.), para que su vulnerabilidad sea nula o, al menos, disminuya en gran medida (aplicación de norma sismorresistente, diques a prueba de inundaciones, etc.).

FACTORES DE RIESGO

ESTRATEGIAS DE MITIGACIÓN

DE LA PELIGROSIDAD

RIESGO

MITIGACIÓN EXPOSICIÓN

DE LA EXPOSICIÓN

MITIGACIÓN

VULNERABILIDAD

DE LA

ESTRATEGIA INTEGRADA

PELIGROSIDAD

ESTRUCTURAL-NO ESTRUCTURAL

MITIGACIÓN

VULNERABILIDAD 0

Figura 2.1. Factores de riesgo y estrategias de mitigación en el ámbito de los riesgos naturales (modificado de Ayala, 1993).

Capítulo 2: Acciones desarrolladas para la gestión...————————————————————————————

Por otro lado, es necesario también reducir los riesgos existentes o actuar preventivamente para reducir la amenaza. Para ello, se puede acudir a medidas estructurales, bien actuando sobre la exposición y/o la vulnerabilidad (reubicación de edificios o poblaciones, reforzamiento de estructuras ya existentes), bien sobre la amenaza (laminación de avenidas, estabilización de laderas) y también a medidas no estructurales, como los planes de vigilancia, alerta, alarma y evacuación, unidos a campañas de información a la población, para reducir la vulnerabilidad de las personas. GESTIÓN DE DESASTRES

MITIGACIÓN DE DESASTRES

PREVENCIÓN

Reducción máxima del riesgo según standards

PREPARACIÓN

Reducción óptima del riesgo según limitaciones

Prioridad a la salvación de vidas ante propiedades

RESPUESTA

AYUDA

Emergencia y ayuda con posterioridad al desastre

Medidas

Sistemas

Medios

técnicas

de ordenación

de alarma

de ayuda

Medidas estructurales

Medidas no estructurales

Figura 2.2. Medidas para la reducción de riesgos naturales (modificado de UNDRO, 1991).

A nivel mundial, existe un importante vacío en el desarrollo de herramientas de prevención y control del territorio por parte de las autoridades competentes, lo cual posiblemente podría explicar, en parte, el aumento de la frecuencia de eventos y de los daños ocasionados por los deslizamientos, tal como se ha mostrado anteriormente. Sin embargo, es evidente que, cada vez más, existe una preocupación por parte de diferentes administraciones y organismos, públicos o privados, en materia de riesgos naturales. Como ya se ha señalado anteriormente, el número de víctimas y daños ocasionados se ha incrementado en las últimas décadas y esto ha favorecido que las sociedades se sensibilicen ante este problema. No obstante, hay un largo camino por recorrer en cuanto a la reducción de los riesgos naturales, desde un mejor conocimiento de los procesos naturales, al desarrollo de mejores herramientas de evaluación y de previsión o la 26

—————————————————————————Desarrollo, aplicación y validación de procedimientos ….

implantación de programas que contribuyan a minimizar los niveles de riesgo, así como la implantación de políticas adecuadas de ordenación del territorio, mejora de la legislación existente de manera que abarque todo el espectro de procesos naturales, etc. Con la declaración por parte de Naciones Unidas del Decenio Internacional para la Reducción de Desastres (IDNDR) en el período 1990-1999, reemplazado posteriormente por la Estrategia Internacional para la Reducción de Desastres (ISDR) en 2001, se pretendió dar un impulso a todos los gobiernos para que desarrollaran programas de mitigación de desastres. Durante la conferencia internacional de 1994 en Yokohama (IDNDR, 1995), se decidió incrementar el grado de conciencia sobre la prevención de desastres a nivel internacional durante los siguientes diez años y desarrollar una estructura de cooperación a nivel regional con el fin de reducir los desastres. Los principios propuestos fueron: 1. Risk assessment is a required step for the adoption of adequate and successful disaster reduction policies and measures. 2. Disaster prevention and preparedness are of primary importance in reducing the need for disaster relief. 3. Disaster prevention and preparedness should be considered integral aspects of development policy and planning at national, regional, bilateral, multilateral and international levels. 4. The development and strengthening of capacities to prevent, reduce and mitigate disasters is a top priority area to be addressed so as to provide a strong basis for follow-up activities to the IDNDR. 5. Early warnings of impending disasters and their effective dissemination are key factors to successful disaster prevention and preparedness. 6. Preventive measures are most effective when they involve participation at all levels from the local community through the national government to the regional and international level. 7. Vulnerability can be reduced by the application of proper design and patterns of development focused on target groups by appropriate education and training of the whole community. 8. The international community accepts the need to share the necessary technology to prevent, reduce and mitigate disaster. 9. Environmental protection as a component of sustainable development consistent with poverty alleviation is imperative in the prevention and mitigation of natural disasters. 10. Each country bears the primary responsibility for protecting its people, infrastructure, and other national assets from the impact of natural disasters. The international community should demonstrate strong political determination required to make efficient use of existing resources, including financial, scientific and technological means, in the field of natural disaster reduction, bearing in mind the needs of the developing countries, particularly the least developed countries. En enero de 2005 tuvo lugar en Japón la World Conference on Disaster Reduction, cuyos objetivos eran: 1. To conclude and report on the review of the Yokohama Strategy and its Plan of Action, with a view to updating the guiding framework on disaster reduction for the twenty-first century.

Capítulo 2: Acciones desarrolladas para la gestión...————————————————————————————

2. To identify specific activities aimed at ensuring the implementation of relevant provisions of the Johannesburg Plan of Implementation of the World Summit on Sustainable Development on vulnerability, risk assessment and disaster management. 3. To share best practices and lessons learned to further disaster reduction within the context of attaining sustainable development, and to identify gaps and challenges. 4. To increase awareness of the importance of disaster reduction policies, thereby facilitating and promoting the implementation of those policies. 5. To increase the reliability and availability of appropriate disaster-related information to the public and disaster management agencies in all regions, as set out in relevant provisions of the Johannesburg Plan of Implementation. Entre los resultados derivados de dicha década cabe citar una mayor concienciación de los gobiernos ante los desastres y un aumento de los esfuerzos en investigación. A raíz de esto, se crearon diversos organismos encargados del desarrollo de medidas de prevención ante los desastres. Entre éstos organismos se encuentra el Programa de Naciones Unidas para el Desarrollo (PNUD; UNDP, 2001), que ha acometido la tarea de promover y apoyar la puesta en práctica de medidas de reducción de la vulnerabilidad y el riesgo en países en desarrollo. Ya en 1991 editó un manual de gestión de desastres que se centraba en la mitigación (UNDRO, 1991). En enero de 2000, se promulgó la Declaración de Viena, por parte de representantes de diferentes sectores (ciencia, industria, gobiernos, sociedad civil), en el ámbito del proyecto CALAR (Concerted Action on Forecasting, Prevention, and Reduction on Landslide and Avalanche Risks; Berggren & Berglund, 2000), financiado por la Comisión Europea y bajo los auspicios de la Década Internacional de Naciones Unidas para la Reducción de Desastres (IDNDR/ISDR), la Asociación Internacional para el Estudio de la Seguridad Económica (“Asociación de Ginebra”) y la Sociedad Internacional para la Mecánica del Suelo y la Ingeniería Geotécnica (ISSMGE). En esta declaración se señala: “The significance of risks related to natural hazards (such as avalanches, debris flows, landslides and rock falls) is growing on a world-wide scale. Environmental degradation caused by man´s interference with nature and by climatic changes increases the hazard potential. Growing population density and mobility associated with urbanisation, expanding infrastructure and industrial facilities and tourism expose more people and more property to hazardous events and thus generate increasing risks”. Como consecuencia, se propone que la sociedad debe prepararse mejor para reducir el impacto de los desastres, así como llevar a cabo programas de control del riesgo y de protección contra la peligrosidad, mediante la integración de estrategias de prevención en programas sostenibles de desarrollo. Además, para la evaluación de la peligrosidad y el riesgo, se proponen una serie de medidas como: “Improve the scientific understanding of mass movements on slopes. Establish, manage and co-ordinate national and international databases on hazardous events and damage to the natural and built environment. Access to these databases should

—————————————————————————Desarrollo, aplicación y validación de procedimientos ….

be unrestricted. Understand and quantify the vulnerability of people and society, the environment, buildings and infrastructure, and develop methods of reducing vulnerability. Improve hazard maps with unified methodologies. Develop risk assessment tools, such as risk maps and socio-economic impact studies for the prognosis of potential damage, as indicators for changing risk and in order to increase public awareness.” Con el fin de reducir el riesgo se aconseja: “Implement and enforce land-use planning based on acceptable risk levels. Apply appropriate engineering techniques to reduce the impact of hazards on human life, environment and property. Monitor hazard-prone sites (with sensors, satellites, human observations), develop and apply early warning systems. Promote integrated crisis management. Consider insurance as integral part of risk reduction strategies. Capacity building. Develop cross-disciplinary networks, that include all stakeholders, such as geoscientists, engineers, urban-planners, political authorities, insurance and tourist industry staff and risk managers, and develop public-private partnerships. Improve public awareness of hazards and risks. Promote multidisciplinary education, training and exchange of information. Foster the exchange of experience, knowledge and technology between and within the developed and the developing worlds. Promote the involvement of local communities in disaster reduction approaches and encourage appropriate educational processes”. Se han subrayado en los textos anteriores aquellos aspectos que se abordan en esta tesis doctoral (en continuo aquéllos apartados que se tratan directamente en profundidad; en discontinuo aquéllos apartados que están relacionados o que se abordan de forma superficial). Todo ese conjunto de medidas podría servir para reducir los riesgos debidos a los procesos naturales a un nivel aceptable, lo cual ayudaría a convivir con los peligros naturales en el siglo XXI. Sea cual sea la estrategia que se pretenda adoptar en un territorio dado para lograr una reducción de los riesgos naturales (actuar sobre la amenaza, la exposición o la vulnerabilidad, con medidas estructurales o no estructurales), resulta imprescindible un buen conocimiento de la distribución de los distintos procesos que afectan al mismo, su magnitud y frecuencia (amenaza) así como de los daños esperables en el futuro (riesgo). Ese conocimiento es imprescindible para poder establecer cualquier tipo de legislación y normas que regulen el uso del territorio con el fin de reducir al máximo los daños. También resulta útil para establecer prioridades con respecto a qué tipo de actuaciones poner en marcha y en qué zonas, dentro de un análisis de costos/beneficios. La vía que habitualmente se ha seguido para abordar este problema ha sido la elaboración de mapas de amenazas o peligrosidad (Carrara, 1983; Varnes, 1984; Corominas, 1987; Bernknopf et al., 1988; Maidment, 1993; Klaus et al., 1995; Carrara et al., 1998; Turrini & Visintainer, 1998; Estrela, 1999; Gendrau et al., 2000; Van Westen, 2000) y, con mucha menor frecuencia, mapas de riesgo (Carrara et al., 1991; Chacón et al., 1994; Bell & Glade, 2004; Bonachea et al., 2004; Remondo et al., 2005a). Es poco frecuente que dichos mapas tengan un significado cuantitativo estricto y, todavía menos, un valor de predicción contrastado independientemente. Además, ese tipo de

Capítulo 2: Acciones desarrolladas para la gestión...————————————————————————————

documentos presenta el inconveniente de su carácter “estático”, ya que reflejan la situación existente en una fecha dada. Eso puede ser un problema relativamente poco importante para los mapas de amenazas, pero no para los de riesgo, dado que la exposición y los daños económicos pueden variar fuertemente en el tiempo. Por ello, resulta de interés tratar de desarrollar herramientas dinámicas, que puedan actualizarse permanentemente de manera sencilla, de tal forma que reflejen, en todo momento, la realidad del territorio analizado y los valores monetarios potencialmente afectados. 2.1 Experiencias internacionales en la gestión de los riesgos naturales La legislación en materia de riesgos o desastres naturales no es muy abundante y, en la mayoría de los países, está en proceso de desarrollo. En algunos países existen cartografías de amenazas o peligrosidad que, incorporadas o no a normas legales, sirven a los planificadores para limitar los usos del suelo en las zonas consideradas de alta peligrosidad. En los Estados Unidos, la Federal Emergency Management Agency (FEMA) ha desarrollado mapas de riesgo de inundaciones (Flood Insurance Rate Maps, FIRM), con carácter legal, que restringen los usos del suelo en las zonas expuestas al riesgo y establecen normas de edificación. También se han creado otra serie de programas para reducir el riesgo frente a huracanes, terremotos, etc. (FEMA, 1997). A raíz de la gran preocupación existente en los EEUU en relación con los daños causados por los deslizamientos (más de 2 millardos de dólares y entre 25 y 50 muertes anuales; Schuster & Fleming, 1986; Brabb & Harrod, 1989), se le encargó al Servicio Geológico (USGS) llevar a cabo un programa a nivel nacional encaminado a reducir los daños provocados por este tipo de proceso. Con este programa, que aparece descrito en Spiker & Gori (2003), lo que se pretende es involucrar a todos los sectores implicados, administraciones, empresas privadas, universidades y a la propia población. Dicho programa, que se desarrollaría en un periodo de 10 años, conllevaría una inversión total de unos 365 millones de dólares. La agencia americana de gestión de emergencias (FEMA) estimó en 1995 que por 1 dólar invertido en la mitigación de desastres, se recuperaban 2 dólares en los daños resultantes. Tomando como válida esa estimación y haciendo una extrapolación aproximada para la Unión Europea (con más población pero con menos territorio), se tendría un costo próximo a los 30 x 106 €/año para un programa de similar naturaleza. Esta cifra equivaldría, aproximadamente, al costo de construir media docena de kilómetros de autopista. Esta comparación, aunque sin duda poco precisa, muestra claramente la baja prioridad que las administraciones europeas (comunitaria y nacionales) dan al problema de los deslizamientos, ya que, hasta el momento, no han puesto en práctica programas como el citado. En Canadá, a partir de 1998, se está llevando a cabo la National Disaster Mitigation Strategy, que desarrolla las bases de lo que será la política nacional de mitigación de desastres, tanto naturales como inducidos, involucrando al público y a los distintos organismos gubernamentales. Además, existe una legislación de 1985 (Emergency Preparedness Act) que se utiliza como instrumento administrativo para identificar las responsabilidades de las agencias federales. El desarrollo de una legislación y de políticas de reducción de pérdidas, son medidas propuestas para la mitigación de desastres (Etkin et al., 2004).

—————————————————————————Desarrollo, aplicación y validación de procedimientos ….

En Japón (Yamamoto, 2003), los deslizamientos son uno de los principales procesos que dan lugar a riesgos, de forma que en 1958 ya existía una ley de Prevención ante Deslizamientos, con la que se delimitaban las zonas peligrosas, se restringían los usos del suelo y se obligaba a realizar obras de carácter preventivo. Dicha ley motivó el desarrollo de un amplio programa de investigación científica e ingenieril para el control de los deslizamientos. En el año 2000 se aprobó la “Ley de prevención de desastres relacionados con sedimentos”, para legislar sobre las zonas con gran probabilidad de sufrir desastres, las cuales fueron declaradas como zonas peligrosas y reguladas de forma estricta; se instauraban sistemas de evacuación y de alarma, se limitaban las nuevas construcciones y se promovía el desplazamiento de los ya residentes (International Sabo Association, 2004). Los organismos deben informar a los residentes de las amenazas a las que están expuestos. Australia es uno de los países que más han avanzado en el análisis y evaluación de los riesgos naturales. La Emergency Management Australia (EMA), encargada de reducir los impactos de los riesgos naturales en el país, ha diseñado una serie de manuales de emergencias ante los desastres naturales, en los que se hace hincapié en las diferentes estrategias a seguir, como la ordenación del territorio, para disminuir el impacto de los peligros naturales (EMA, 2001). En Nueva Zelanda, en 1941 existía un fondo nacional para cubrir los daños producidos por la guerra; posteriormente este fondo se amplió para cubrir los daños provocados por terremotos y otros peligros, y en 1970 se extendió a los daños ocasionados por los deslizamientos. La ley de Protección Civil de 1983 fue reformada por una nueva en 2002, que crea una estructura dentro de la cual el país queda preparado para recuperarse ante emergencias locales, regionales o nacionales. Por ello, promueve la gestión de riesgos, proporciona a las comunidades los medios para lograr niveles aceptables de riesgo y fomenta la preparación, respuesta y recuperación ante las emergencias. Además, requiere que las autoridades locales coordinen planes y actividades, proporciona una base para la integración de la gestión de emergencias en la protección civil local y nacional, y fomenta la coordinación entre los distintos niveles de actuación. Asimismo, se ha desarrollado un programa nacional de seguros que cubre a las personas que han sufrido en sus casas daños por deslizamientos (Ministry of Civil Defence & Emergency Management Civil, 2004). 2.2 Gestión de los riesgos naturales en Europa Los organismos encargados de hacer frente a cualquier tipo de desastre en la Europa Comunitaria, al igual que en otros muchos países, son los organismos de Protección Civil. No existe en el ámbito europeo una Ley o Directiva que permita el desarrollo de una política de Ordenación del Territorio en relación con los riesgos naturales; tan sólo existe la Resolución del Consejo, de 16 de octubre de 1989, (Diario Oficial de la UE, 1989) relativa a las orientaciones en materia de prevención de riesgos tecnológicos y naturales, la cual, en sus apartados números 12 y 13, dice textualmente: “12. INVITA a los Estados miembros a participar plenamente en el decenio internacional sobre la prevención de catástrofes naturales (1990-1999) decidido por la Organización de las Naciones Unidas y, a este respecto, solicita que la Comisión, en colaboración con los Estados miembros, inicie una reflexión sobre la prevención de los riesgos naturales en la Comunidad, en particular en lo relativo a los riesgos sísmicos, los riesgos de incendios forestales y los riesgos de inundaciones;

Capítulo 2: Acciones desarrolladas para la gestión...————————————————————————————

13. SE CONGRATULA por las disposiciones adoptadas en materia de riesgos técnicos y naturales en las propuestas del Quinto Programa de investigación STEP y EPOCH; MANIFIESTA EL DESEO de que la revisión del programa marco de investigación de las Comunidades sea una ocasión para llevar a cabo una nueva evaluación de las acciones de investigación en el sector de los riesgos técnicos y naturales y que se tengan en cuenta los aspectos relativos a la seguridad en todos los programas comunitarios de investigación, en particular, en lo que se refiere a los transportes y a las biotecnologías”. Posteriormente, se han promulgado otras resoluciones que abogan por la cooperación entre países miembros, y se ha propugnado un programa común en materia de protección civil. Por tanto, cada país establece su propia legislación y tiene independencia en la toma de decisiones de todo aquél desastre que se produzca en su territorio. Pero en el caso de que el desastre afecte a varios países, se debe llevar a cabo una acción coordinada. Como se puede observar, en el texto anterior no se hace mención alguna a los riesgos de deslizamiento y tampoco se adquiere un compromiso en cuanto a líneas de actuación frente a otro tipo de riesgos. La Comisión Europea ha mostrado, desde el año 1984 (época de inicio de los Programas Marco), su preocupación por los procesos naturales, financiando cerca de 150 proyectos relacionados con los estudios de amenazas y de reducción de riesgos, a los que ha dedicado importantes cantidades de dinero (Figura 2.3), lo cual indica una clara apuesta por el conocimiento científico de los procesos naturales y de las medidas a adoptar en el caso de que se conviertan en desastres. 20000 17500 (31)

18000 14960 (53)

Millones de Euros

16000 13200

14000 12000 10000 8000

6600 5396

6000 4000

3750

2000 0 1984-1988 (FP1) 1987-1991 (FP2) 1990-1994 (FP3) 1994-1998 (FP4) 1998-2002 (FP5) 2002-2006 (FP6)

Figura 2.3. Fondos dedicados a investigación en la Comunidad Europea en cada uno de los Programas Marco (FP: Framework Program). Entre paréntesis el presupuesto dedicado a investigación de desastres naturales (datos obtenidos de: European Commission, Directorate General on Research).

—————————————————————————Desarrollo, aplicación y validación de procedimientos ….

En la Figura 2.4 se muestra la distribución de la financiación por tipo de proceso durante el periodo abarcado por el 5º y 6º Programa Marco (European Commission, 2006). De esta figura se observa que los proyectos relacionados con el estudio de las inundaciones son los más financiados, seguidos de los relacionados con terremotos y con procesos multirriesgo. En el caso de los deslizamientos, durante el FP5 se financiaron seis proyectos con un presupuesto total de 5,5 millones de Euros, mientras que en el FP6 (aún en desarrollo) se han financiado sólo dos con un presupuesto de 4 millones de Euros. El 7º Programa Marco, actualmente en fase de formulación, contempla de manera específica los riesgos de deslizamiento, señalando como temas de interés varios de los abordados en el presente trabajo. Managing natural disasters requires a multi risk approach. There is a need for improved knowledge, methods and integrated framework for the assessment of hazards, vulnerability and risks. Furthermore mapping, prevention and mitigation strategies including consideration of economic and social factors need to be developed. Disasters related to climate (such as storms, droughts, forest fires, landslides, floods), and geological hazards (such as earthquakes, volcanoes, tsunamis) will be studied. This research will allow the underlying processes to be better understood, and prediction and forecasting methods to be improved on the basis of a probabilistic approach. It will also underpin the development of early warning and information systems. Societal repercussions of major natural hazards will be quantified. 30,000,000

25,000,000

Euros

20,000,000

15,000,000

10,000,000

5,000,000

0 Avalanchas

Deslizamientos

Multiriesgo

Terremotos

Volcanes

Fuegos

Inundaciones

Figura 2.4. Financiación dedicada a la investigación de los distintos procesos naturales en la UE durante el FP5 y el FP6 (FP: Framework Program).

En casi todos los países europeos existe una legislación que se refiere a la prevención de los peligros naturales, indemnizaciones y recuperación de daños y a la información sobre los posibles peligros que afectan a una determinada zona; por ejemplo, en Francia, Italia, Polonia y España (Marcato et al., 2005). La legislación es, en general, reciente; la mayoría

Capítulo 2: Acciones desarrolladas para la gestión...————————————————————————————

de las disposiciones legales se han adoptado en la mitad de los años 80 o en la última década (European Commission, 1999a). Francia es el país que cuenta con una legislación más antigua, que data de 1935, momento en que se desarrolla el Plan de Surfaces Submersibles, PSS (Plan de inundaciones). Este país, desde los años 70 y como consecuencia de los distintos desastres naturales que lo afectaban, comenzó a desarrollar los mapas de Zones Exploitées à des Risques liés aux MOuvements du Sol et du Sous-sol, ZERMOS (zonas expuestas a riesgos de movimientos superficiales y subsuperficiales; Leroi, 1996), a escala 1/25000 y donde se representaba con una gama de colores el nivel de riesgo. Posteriormente, en 1982, se promulga la primera ley que incluía la remuneración económica a víctimas y la prevención, Planes de Exposición ante los Riesgos (Plan d’Exposition aux Risques, PER; Leroi, 1996). Mientras que los ZERMOS tenían un carácter meramente informativo, los PER tienen ya un carácter legal. Con los PER se pretendía reducir la vulnerabilidad de los territorios expuestos y limitar los gastos debidos a la indemnización de daños producidos por las catástrofes naturales. El retraso en la aplicación del PER y la ocurrencia de determinadas catástrofes favorecieron que, a partir de 1995, se sustituyesen por los PPR (Planes de Prevención de Riesgos Naturales Previsibles). Los PPR tratan de dotar de una cartografía de riesgos, a escalas 1/10000-1/5000, a los 5.000 municipios más expuestos, antes de 2005. Se trata de uno de los instrumentos esenciales de la acción del Estado en cuanto a prevención de los riesgos naturales (Hubert, 2004). Los PPR tienen en cuenta el conjunto de todos los riesgos, permiten intervenir en las zonas directamente expuestas al riesgo y también en otras zonas que no lo están para evitar empeorar los riesgos o causar otros nuevos. Estos planes identifican tres tipos de zonas: blanco, sin restricciones; azul, se puede construir pero con restricciones; rojo, no se puede construir ni modificar lo existente. Los planes también definen medidas generales de prevención y protección que deben tenerse en cuenta por las administraciones públicas y por los particulares e implican llevar a cabo sanciones penales en caso de incumplimiento de las normas aplicables a los nuevos proyectos. Asimismo, la ley abre a los aseguradores la posibilidad de derogar algunas obligaciones de garantía de las catástrofes naturales en caso de violación de las normas del PPR. La delimitación de las zonas sujetas a los riesgos naturales sirve para definir las ordenanzas de urbanismo, construcción y gestión que se aplicarán al planeamiento existente y futuro; ante la ocurrencia de un desastre en una zona de riesgo, se responsabiliza a quien otorga el permiso o a quien incumple la ley. En 2003, se elaboró un proyecto de ley sobre la prevención de los riesgos naturales y tecnológicos y la reparación de los daños que tenía por objeto completar los dispositivos existentes y reforzar la información, las posibilidades de intervención de las administraciones locales y la financiación de medidas de mitigación. En diciembre de 2002, ya contaban con un PPR 3.700 municipios, y para el 2005 se pretendían cubrir los 5.000 propuestos; para ello, el Ministerio correspondiente ha invertido la cantidad de 15 millones de Euros (Hubert, 2004). En Italia, los riesgos hidrogeológicos (que incluyen fundamentalmente deslizamientos e inundaciones) están regulados por ley desde 1998. Se han desarrollado cartografías de riesgo a escalas 1/25000-1/5000 que tienen carácter legal. Se definen cuatro clases de riesgo, que van de muy alto (R4) a muy bajo (R1). Estas zonas se identifican sobre la base de daños potenciales a personas, infraestructuras y edificios, actividades socioeconómicas y el ambiente. En R1 y R2 apenas existen restricciones; en R3 se permiten intervenciones para reducir riesgos, infraestructuras esenciales, etc.; en R4 la construcción está muy

—————————————————————————Desarrollo, aplicación y validación de procedimientos ….

regulada y debe seguir una serie de normas (Panizza et al., 2002; Panizza, 2005). La competencia en materia de riesgos recae en las autoridades regionales. En Polonia la declaración de desastre natural está regulada por ley y se han promulgado algunas normas legales como consecuencia de situaciones de desastre, sobre todo de inundaciones. Es obligatorio informar a la población sobre la existencia de amenazas. Existen documentos que indican una serie de recomendaciones para prevenir los riesgos. Se trata de mapas, a escala 1/50000, donde se representan los deslizamientos y las zonas inundables, y sirven como regulación a la hora de edificar. Estos documentos tienen teóricamente carácter normativo, pero en la práctica no se han aplicado. Para poder recibir fondos de compensación es obligatorio tener un seguro ante determinados procesos naturales (Marcato et al., 2005). Los riesgos naturales en Portugal están englobados en el ámbito de la Protección Civil. Sin embargo, mientras que para los terremotos se cuenta con una legislación específica, pero no para deslizamientos. Existen cartografías con carácter informativo, realizadas a gran escala por instituciones públicas, que carecen de valor legal. La aseguración es voluntaria para hacer frente a determinados riesgos naturales, entre ellos los deslizamientos (Marcato et al., 2005). Sin embargo, en caso de que ocurra un evento catastrófico, el Estado puede declarar el Estado de Emergencia, y en general existe un presupuesto anual para hacer frente a cualquier tipo de desastre, y costear la reconstrucción de la zona. Según la ley federal de Suiza, todos los cantones deben contar con un documento básico para la ordenación del territorio, el Plan Local. En este documento, que se aplica con rigurosidad, se identifican a escala 1/5000 todas las áreas amenazadas por peligros naturales. Los mapas de peligrosidad obtenidos se clasifican en 3 colores: rojo, azul y amarillo, que representan el grado de peligro sobre construcciones: en rojo, zonas donde se prohíbe cualquier tipo de construcción por tener alta peligrosidad; en azul, áreas donde se deben cumplir una serie de requisitos de seguridad (peligro potencial); y, en amarillo, se representan las áreas sin restricciones para construir (Raetzo et al., 2002). Casi el 50% del territorio suizo dispone de mapas de peligrosidad ante los deslizamientos a escalas 1/25000 o 1/5000 (Lateltin et al., 2004). En el marco del proyecto europeo Assessment of Landslide Risk and Mitigation in Mountain Areas (ALARM), se ha llevado a cabo una revisión profunda y sistemática sobre la legislación y reglamentación existente en varios países europeos (España, Francia, Italia, Polonia y Portugal), así como de los productos cartográficos y los métodos empleados, en materia de riesgos de deslizamientos. En el anexo I se incluye dicha revisión. A nivel administrativo, la legislación existente en la mayor parte de los países de nuestro entorno es muy similar; se parte de una legislación de carácter nacional que sirve de norma marco para las legislaciones de ámbito regional, provincial o local. En situaciones de desastre nacional, las labores de coordinación y de toma de decisiones están, generalmente, a cargo de los ministros de interior o equivalentes, o bien de algún otro organismo designado por el presidente del país. Sin embargo, son los ayuntamientos quienes se encargan de las primeras actuaciones en situaciones de emergencia (European Commission, 1999b). Como denominador común, en el caso de producirse un gran desastre, es al Estado a quien compete dictar la Declaración de Desastre o Emergencia, cubriendo prácticamente todos

Capítulo 2: Acciones desarrolladas para la gestión...————————————————————————————

los daños ocasionados con alguna provisión de fondos. En Francia y Polonia, por ejemplo, es obligatoria la suscripción de pólizas que contemplen los daños por riesgos naturales, sin embargo en otros países es voluntaria, caso de Italia, Portugal o España. 2.2.1 Gestión de los riesgos naturales en España El sistema español de gestión, prevención, información, etc. de riesgos naturales o desastres presenta una estructura jerárquica, que viene regulada por una serie de leyes y decretos. La primera administración encargada de hacer frente a un desastre es la municipal, siendo la persona responsable el alcalde, quien tiene autoridad para movilizar a los diferentes organismos locales. En el supuesto de que el organismo municipal no pueda hacer frente al desastre o se vean implicados varios municipios (un incendio forestal de grandes proporciones, por ejemplo), son las Comunidades Autónomas las que ponen en marcha todos sus efectivos coordinando las diferentes tareas. Si, a su vez, los gobiernos regionales se ven incapaces de superar o hacer frente al desastre, es el Estado el encargado de poner los medios disponibles para gestionar el riesgo (Figura 2.5). A nivel nacional es el Ministerio del Interior, a través de la Dirección General de Protección Civil, el organismo que gestiona y hace frente a las situaciones de catástrofe, coordinando al ejército, bomberos, hospitales, Cruz Roja, etc., e informando a la población. Ministerio de InteriorDGPC

Comunidad Autónoma

Departamento de Presidencia*

Municipios

Figura 2.5. Estructura del sistema de gestión de riesgos naturales en España. (*) En el caso de las provincias vascas.

A nivel regional, las situaciones son muy diversas debido a la propia estructura política que presentan los distintos gobiernos regionales. Todos los gobiernos regionales tienen su propia unidad de gestión de emergencias o de protección civil: en el caso de Asturias (Consejería de Justicia, Seguridad Pública y Relaciones Exteriores-Dirección General de Protección Civil, 112 Asturias), en Cantabria (Consejería de Presidencia, Ordenación del Territorio y Urbanismo-Dirección General de Servicios y Protección Civil), Cataluña (Departament d'Interior-Direcció General d'Emergències i Seguretat Civil), en Galicia (Consellería de Xustiza, Interior e Administración Local-Dirección Xeral de Interior e

—————————————————————————Desarrollo, aplicación y validación de procedimientos ….

Protección Civil), en Navarra (Departamento de Presidencia, Justicia e Interior-Dirección General de Interior, Servicio de Protección Civil) y en el País Vasco (Departamento de Interior-Dirección de Atención de Emergencias). En el caso particular del País Vasco, existen organismos que dependen de las Diputaciones. Así, por ejemplo, la Diputación Foral de Guipúzcoa creó, en el Departamento de Presidencia (Figura 2.5), el Servicio de Prevención, Extinción de Incendios y Salvamento, cuyas funciones son: asesoramiento, educación preventiva, atención de emergencias, dirección, gestión y coordinación contra incendios y otros riesgos, así como la elaboración de planes y sistemas de coordinación de los diferentes servicios de la Diputación relacionados con la atención de emergencias y la Protección Civil. A nivel municipal, existen algunos ayuntamientos que disponen de servicios de protección civil, pero en la mayor parte de los casos están poco especializados, ya que se trata de voluntarios o de personas sin preparación específica. En el supuesto de que se produzca un desastre de gran magnitud, con repercusión nacional, se crea un Comité Estatal de Coordinación, en el cual suelen estar representados: Ministro del Interior (máxima autoridad), delegados del gobierno y autoridades de protección civil de las Comunidades afectadas, alcaldes, así como técnicos cuya experiencia puede ayudar a abordar la gravedad del problema. El sistema de Protección Civil y de Riesgos Naturales está regulado por diversas leyes (Figura 2.6), las cuales se describen someramente a continuación: a) Ley 2/1985, de 21 de Enero, sobre Protección Civil, que en su artículo 1º dice: “La acción permanente de los poderes públicos en materia de protección civil se orientará al estudio y prevención de las situaciones de grave riesgo, catástrofe o calamidad publica y a la protección y socorro de las personas y bienes en los casos en que dichas situaciones se produzcan”. Con esta ley se le asignan a las Administraciones públicas obligaciones y derechos en relación con la actuación frente a los diferentes desastres que pueden afectar a nuestro país. b) Real Decreto 1378/1985, de medidas provisorias, regula las competencias de las diferentes administraciones ante cualquier tipo de emergencia; de este modo, siempre y cuando sean capaces, son los municipios los primeros en asumir las competencias, pasándose éstas sucesivamente a la provincia, Comunidad Autónoma y finalmente al Estado. La ley establece además que cada administración autonómica debe elaborar sus propios Planes Territoriales, los cuales deben abarcar su ámbito territorial, así como adaptarse a otros planes superiores. Por otro lado, están los Planes Especiales, los cuales se elaboran para hacer frente a riesgos específicos. Así nace: c) la Norma básica de Planificación de Protección Civil (Real Decreto 407/1992), a partir de la que se elaboran las Directrices Básicas de Planificación de Protección Civil que sólo se han desarrollado para algunos riesgos tecnológicos y para determinados riesgos naturales como son: Inundaciones (1995), Riesgo Sísmico (1995) y Riesgo Volcánico (1996); en estas directrices la ordenación del territorio se considera fundamental para la

Capítulo 2: Acciones desarrolladas para la gestión...————————————————————————————

prevención efectiva de los riesgos catastróficos, al exigir la elaboración de estudios de peligrosidad, vulnerabilidad y riesgo, con el fin de realizar una zonificación del territorio y regular los usos del suelo. Se hace notar que no se consideran en ningún momento los deslizamientos. LEGISLACIÓN NACIONAL (Parlamento español-Ministro de Interior

Ley 2/1985, de 21 de Enero, sobre Protección Civil

R. D. 888/1986, de 21 de marzo, sobre composición, organización y régimen de funcionamiento de la Comisión Nacional de Protección Civil

R. D. 1378/1985, de 1 de agosto, medidas provisionales para la actuación en situaciones de emergencia en los casos de grave riesgo, catástrofe o calamidad pública R. D. 407/1992, de 24 de abril, Norma Básica de Protección Civil

R. D. 2022/1986, de 29 de agosto, Reglamento de Riesgos Extraordinarios sobre las Personas y los Bienes

Directrices Básicas de Planificación de Protección Civil: -Inundaciones (1995) -Riesgo Sísmico (1995) -Riesgo Volcánico (1996) Ley Básica Estatal 6/1998 de 13 de abril, sobre Régimen del Suelo y Valoraciones R. D. 1123/2000, de 16 de junio, se regula la creación e implantación de unidades de apoyo ante desastres Elaboración y Aprobación de Planes de Emergencia Nacionales; Aprobación de Planes de Emergencia Autonómicos

Figura 2.6. Legislación aplicable a la gestión de riesgos naturales existente en España.

d) Ley Básica Estatal 6/1998 de 13 de abril, sobre Régimen del Suelo y Valoraciones, aborda el tema de la prevención, al establecer en su artículo 9º que: “Tendrán la condición de suelo no urbanizable, los terrenos sometidos a régimen especial de protección en razón de riesgos naturales acreditados en el planeamiento sectorial”. Esta disposición constituye un gran avance en la planificación territorial, al tener en cuenta, en la calificación de los usos del suelo, la presencia de riesgos naturales. La cobertura de daños por riesgos naturales recae fundamentalmente sobre el Consorcio de Compensación de Seguros (CCS) que debe cubrir las consecuencias de riesgos extraordinarios (Real Decreto 2022/1986), entre los que se incluyen los fenómenos de la naturaleza: inundaciones, terremotos, maremotos, erupciones volcánicas, tempestades de determinada intensidad, caída de cuerpos siderales y aerolitos, siempre y cuando se tenga suscrita una póliza en alguno de los ramos que la legislación vigente establece (Incendio, Automóviles (no Responsabilidad Civil), Multirriesgo, Robo, Rotura de Cristales y Averías de Maquinaria), donde se incluyen de forma obligatoria la cobertura frente a estos riesgos. La cobertura es automática una vez ocurrido alguno de los eventos garantizados. El CCS cubre estas amenazas cuando la entidad aseguradora que extendió la póliza no se hace cargo de los daños, o se encuentra en situación de quiebra o de liquidación. Como prácticamente ninguna compañía del mercado español extiende seguros específicos que

—————————————————————————Desarrollo, aplicación y validación de procedimientos ….

cubran los riesgos catastróficos de la naturaleza, es el Consorcio, con carácter subsidiario y a través de las pólizas de las compañías, el encargado de asumir tales situaciones. No se cubren los daños producidos directamente por lluvia, granizo, viento o peso de la nieve; o por goteras, filtraciones o humedades; o bien por rotura de presas, alcantarillas o canales artificiales (salvo si la rotura se produjo como consecuencia de inundación); así como por hundimientos, corrimientos, desprendimientos o erosiones del terreno no ocasionados por inundación; o los producidos por conflictos armados. Esto excluye explícitamente los daños causados por los deslizamientos. De igual modo, no se cubren los daños que, por su magnitud y extrema gravedad, sean calificados por el Gobierno español como "catástrofe o calamidad nacional", hecho que nunca se ha producido en la historia del Consorcio, a pesar de las grandes pérdidas ocasionadas por algunos eventos catastróficos. Con la transferencia de competencias a las Comunidades Autónomas, son éstas las que han de desarrollar una legislación para todo su ámbito geográfico. Uno de los ejemplos donde está más desarrollada, lo constituye la Comunidad Autónoma del País Vasco que, como desarrollo de la ley sobre Protección Civil, aprobó varias leyes y decretos a este respecto (Figura 2.7). A continuación se comenta esta normativa con más detalle por localizarse la zona de estudio de este trabajo en dicha comunidad. LEGISLACIÓN AUTONÓMICA (Parlamento Vasco-Consejero de Interior Ley 2/1985, de 21 de Enero, sobre Protección Civil & R. D. 407/1992, de 24 de abril, por el que se aprueba la Norma Básica de Protección Civil Ley 1/1996, de 3 de abril, de gestión de emergencias Decreto 153/97, de 24 de Junio, Plan de Protección Civil de Euskadi (Larrialdiei aurregiteko bidea-LABI) Decreto 24/1998, de 17 de febrero, se regula la composición, funciones y organización de la Comisión de Protección Civil de Euskadi

Decreto 415/1998, de 22 de diciembre, se aprueba el Plan Territorial Sectorial de Ordenación de Márgenes de los Ríos y Arroyos de la Comunidad del País Vasco

Resolución 15/1999, de 15 de junio, se aprueba el Plan Especial de Emergencias ante el R. de Inundaciones de la Comunidad del País Vasco RESOLUCIÓN de 1 de junio de 1998, del Director de Atención de Emergencias del Gobierno Vasco, relación de Planes de Protección Civil municipales homologados por la Comisión de Protección Civil de Euskadi (ELGOIBAR); Resolución de 19 de octubre de 2000, del Director de Atención de Emergencias del Gobierno Vasco, relación de Planes de Protección Civil municipales homologados por la Comisión de Protección Civil de Euskadi (EIBAR); RESOLUCIÓN de 21 de noviembre de 2002, por la que se hace publica la relación de planes de protección civil municipales homologados por la Comisión de Protección Civil de Euskadi (DEBA).

Orden de 1 de agosto de 2001, del Consejero de Interior, se aprueban las tácticas operativas del Sistema Vasco de Atención de Emergencias y se crea el Servicio de Intervención Coordinadora de Emergencias Elaboración y Aprobación de Planes de Emergencia Territoriales; Aprobación de Planes de Emergencia de menor rango.

Figura 2.7. Legislación aplicable a la gestión de riesgos naturales existente en el País Vasco.

1) Ley 1/1996 de 3 de abril, de gestión de emergencias, y su normativa complementaria, cuya finalidad es hacer frente a cualquier tipo de catástrofe o de calamidad pública que se produzca en el País Vasco, independientemente de las características del riesgo. Esta ley se complementa con el siguiente decreto:

Capítulo 2: Acciones desarrolladas para la gestión...————————————————————————————

2) Decreto 153/1997, de 24 de Junio, en el que se desarrolla el Plan de Protección Civil del País Vasco (LABI) o Plan Territorial. Este plan determina los diferentes riesgos naturales a los que está sometida la Comunidad Autónoma: movimientos del terreno, inundaciones, climáticos y sísmico. Su finalidad es permitir adaptar las estructuras institucionales a la nueva situación planteada como consecuencia de la emergencia, para conseguir el mayor grado posible de seguridad de los ciudadanos y de los bienes, tanto públicos como privados. Además, en su calidad de plan director, tiene también como objetivo fijar la estructura general de planificación de la protección civil en la Comunidad Autónoma. En este sentido, establece los riesgos que deben ser objeto de Plan Especial y cuya planificación es competencia del Gobierno Vasco. Dentro del ámbito correspondiente a los riesgos naturales, en esta normativa sólo se consideran las inundaciones, como reflejo de las inundaciones de agosto de 1983 que constituyeron el episodio catastrófico más importante que ha afectado a la comunidad vasca en los últimos 40 años. Otro de los objetivos del LABI es fijar las directrices para los planes municipales de protección civil. En este sentido, se establece que los ayuntamientos de los municipios de más de 20,000 habitantes deberán realizar su propio Plan de Emergencia. 3) Resolución 15/1999, de 15 de junio, por la que se aprueba el Plan Especial de Emergencias ante el Riesgo de Inundaciones de la Comunidad Autónoma del País Vasco. En este plan es donde ha quedado recogido de forma más clara el tema de riesgos naturales; se aprueba como tal norma por el parlamento vasco y marca las directrices y protocolos de actuación en caso de fenómenos adversos, que pueden implicar daños catastróficos. En el plan especial de inundaciones figura como anejo un listado de puntos o zonas con riesgo de deslizamiento. A nivel provincial, es el Departamento de Presidencia de la Diputación Foral de Guipúzcoa, a través del Servicio de Prevención, Extinción de Incendios y Salvamento (Decreto Foral, 33/2000), el encargado de la elaboración y aprobación de Planes de Emergencia Especiales, los cuales tienen que estar encuadrados en el marco general de la legislación autonómica, y ser aprobados posteriormente por la Comisión de Protección Civil de la CAPV (Figura 2.8). LEGISLACIÓN PROVINCIAL (Diputación Foral de Guipúzcoa-Diputado General)

Ley 2/1985, de 21 de Enero, sobre Protección Civil & R. D. 407/1992, de 24 de abril, por el que se aprueba la Norma Básica de Protección Civil

Ley 1/1996, de 3 de abril, de gestión de emergencias

Decreto Foral, 33/2000, de 4 de abril, sobre estructura orgánica y funcional del departamento de Presidencia

Servicio de prevención extinción de incendios y salvamento Elaboración y Aprobación de Planes de Emergencia Especiales

Figura 2.8. Legislación aplicable a la gestión de riesgos naturales existente en la provincia de Guipúzcoa.

—————————————————————————Desarrollo, aplicación y validación de procedimientos ….

Desde 1999 todos los municipios vascos de más de 20.000 habitantes y la práctica totalidad de los de más de 5.000, han realizado su propio Plan de Emergencias o han revisado el anteriormente vigente. En conjunto, 73 municipios de la CAPV cuentan con un Plan de Emergencia Municipal actualizado, o están en fase de redacción-revisión del mismo en estos momentos (Figura 2.9). Entre ellos se encuentran los municipios de Elgoibar, Eibar y Deva (incluidos dentro del área estudiada en este trabajo) y cuyos planes han sido aprobados en 1998, 2000 y 2002, respectivamente. Es significativo que en estos planes de emergencia no se tengan en cuenta los deslizamientos, a pesar de ser bastante frecuentes en estos municipios y de existir cartografía de los mismos desde mediados de los años 80 (Tamés et al., 1986), si bien hay que tener en cuenta que, a diferencia de otras amenazas como las inundaciones, los movimientos en masa que tienen lugar en la zona no causan, generalmente, situaciones de emergencia. LEGISLACIÓN LOCAL (Municipios-Alcalde)

Ley 2/1985, de 21 de Enero, sobre Protección Civil & R. D. 407/1992, de 24 de abril, por el que se aprueba la Norma Básica de Protección Civil

Ley 1/1996, de 3 de abril, de gestión de emergencias

Servicios municipales de Protección Civil

Planes de Protección Civil Municipales homologados por la Comisión de Protección Civil de Euskadi: ELGOIBAR (1998), EIBAR (2000), DEBA (2002). Elaboración y Aprobación de Planes de Emergencia Municipales

Figura 2.9. Legislación aplicable a la gestión de riesgos naturales existente nivel municipal en la provincia de Guipúzcoa.

2.3 Situación de las cartografías de riesgos en España A pesar de que, como se ve, existe bastante legislación al respecto, la plasmación de la misma en actuaciones concretas de planeamiento o de aplicación de la normativa es bastante limitada. El motivo principal es la inexistencia de documentos cartográficos que tengan un carácter legal como ocurre en Francia. En España existen algunos ejemplos de cartografías de riesgo sensu lato. Así, el Instituto Geológico y Minero de España (IGME) ha sido uno de los principales organismos encargados de la realización de este tipo de documentos. A principios de los años 70 se publicaron los Mapas Geotécnicos Generales a escala 1/200000 (IGME, 1974); en 1986, se publicaron los Mapas Geotécnicos y de Riesgos a escalas 1/25000 y 1/5000 para algunas ciudades; en 1988 se publicó “Riesgos geológicos” (IGME, 1988a) e “Impacto económico y social de los riesgos geológicos en España” (IGME, 1988b), trabajos en los que se hacía una revisión y cartografía de los peligros naturales más importantes y una previsión de los daños ocasionados por éstos en 41

Capítulo 2: Acciones desarrolladas para la gestión...————————————————————————————

un periodo de 30 años, respectivamente, utilizando como base cartográfica las cuadrículas del mapa topográfico nacional a escala 1/50000. Posteriormente, otra publicación “Reducción de riesgos geológicos” (ITGE, 1995a) contribuyó a un mejor conocimiento de los procesos naturales y a su prevención y mitigación. Estos documentos, debido a la escala de trabajo, carecen de detalle y únicamente tienen un carácter informativo. A nivel regional el IGME ha llevado a cabo algunos trabajos, pero siempre de carácter cualitativo y haciendo énfasis en la peligrosidad (ITGE, 1991a; ITGE, 1995b). Sin embargo, el mayor detalle lo ofrecen los documentos realizados por el IGME a nivel municipal y abordando distintas amenazas, (Durán et al., 1985; IGME, 1986; IGME, 1987; ITGE, 1990; ITGE, 1991b). A nivel municipal, cualquier plan de ordenación urbana que se redacte en la actualidad debe llevar asociado un estudio de riesgos naturales, donde se delimiten aquellas zonas que pueden verse afectadas por procesos naturales y en las cuales se debe prohibir cualquier tipo de actividad; sin embargo, todavía no es habitual que esto se plasme en la práctica. Existen algunos casos en los que se ha incorporado de manera explícita a los planes de ordenación urbanística municipal la información existente en materia de riesgos naturales, como en el municipio de Suances, en Cantabria (Cendrero, 1989), que constituye uno de los primeros ejemplos de ordenación territorial en los que se tienen en cuenta los procesos naturales. En las provincias de Vizcaya y Guipúzcoa se inició a finales de los 80 una análisis y cartografía, a escala 1/5000, de riesgos naturales a nivel municipal (Tamés et al., 1986; Cendrero et al., 1987a, b, c). Para ello se emplean dos metodologías distintas de tipo heurístico y se establecen cinco y tres niveles de riesgo en función del método utilizado. Entre 1997 y 1999, en la Comunidad Autónoma de Cantabria, se ejecutó el proyecto “Análisis, evaluación y zonificación de riesgos naturales en municipios de Cantabria”, concretamente, en los municipios de Ampuero, Corvera de Toranzo, Luena, Suances y Torrelavega (Consejería de Medio Ambiente y Ordenación del Territorio, 1999). En dicho trabajo se elaboraron, a escala 1/5000, modelos de peligrosidad y de riesgo, de tipo cualitativo, en los cinco municipios. La mayoría de estas cartografías han surgido en su momento porque existía una cierta preocupación o sensibilización ante los procesos naturales; sin embargo, sólo han tenido un carácter informativo, que no legal, ante las Administraciones públicas. En los últimos años, y para el caso de los deslizamientos, se han elaborado, por parte de los científicos, mapas de susceptibilidad mediante modelos probabilísticos (Chacón et al., 1992; Baeza & Corominas, 2001; Ayala & Corominas, 2002; Remondo et al., 2003a; Santacana et al., 2003). Trabajos más actuales, aún en desarrollo, han abordado la vulnerabilidad y el riesgo por deslizamiento, permitiendo hacer una estimación de las pérdidas esperables en el futuro (Bonachea et al., 2004; Remondo et al., 2005a). En 2005, el IGME aprobó la realización del Plan de Cartografía de Riesgos Geológicos (PRIGEO). Dicho plan, que estará concluido en el 2015, supone una inversión de siete millones de euros (78% será aportado por el IGME y, el resto, por las administraciones autonómicas y locales). Los objetivos que pretende alcanzar son: crear una infraestructura cartográfica sobre riesgos geológicos, diseñar un sistema de información (SIRGE), homogeneizar el tratamiento y explotación de la investigación en esta temática, contribuir al conocimiento de la peligrosidad y riesgos geológicos en las zonas vulnerables del territorio español y contribuir a las políticas de divulgación y de educación ambiental. Los peligros geológicos que se pretenden cartografiar son terremotos y tsunamis, volcanismo, avenidas e inundaciones, movimientos del terreno, aludes y peligros ligados a la dinámica litoral. La distribución de la cartografía de peligrosidad que se elaborará, a escala 1/50000

—————————————————————————Desarrollo, aplicación y validación de procedimientos ….

(salvo Canarias, a 1/25000), abarca en principio dos tercios del territorio nacional. Además, se realizarán mapas de detalle a escala 1/10000 de núcleos de población y sectores con desarrollo socioeconómico en situación de alto riesgo. 2.4 Consideraciones finales A pesar de que existe una legislación bastante desarrollada en la mayoría de los países, la cual contempla, en muchos de los casos, la utilización de mapas de peligrosidad y de riesgo, la escasez de estas cartografías es aún patente, sobre todo en el caso de los deslizamientos. En nuestro país, por ejemplo, existe una normativa para elaborar mapas de peligrosidad por inundaciones, los cuales han de reflejar distintos periodos de retorno de las avenidas; sin embargo, no se ha regulado quién debe realizar ese tipo de mapas. En el caso de los deslizamientos, no existe normativa alguna ni unificación de criterios en las diferentes metodologías empleadas. Posiblemente, esto se deba, en parte, a que las técnicas y metodologías desarrolladas hasta el momento no resultan fáciles de aplicar por parte de planificadores no especialistas en el análisis de riesgos geológicos; los métodos desarrollados presentan un cierto grado de incertidumbre, lo cual no facilita su aplicación a situaciones reales; también por el hecho de que en la mayor parte de los casos los documentos correspondientes no tienen una expresión cuantitativa, independientemente contrastada y con significado económico. A través del presente trabajo, se intenta contribuir a paliar ese problema, desarrollando métodos e instrumentos que proporcionen mapas de riesgo con valor de predicción contrastado, con expresión cuantitativa de la probabilidad de ocurrencia de los eventos y también de los daños esperables, de forma que sea posible una permanente actualización de dichos mapas.

Capítulo 2: Acciones desarrolladas para la gestión...————————————————————————————

—————————————————————————Desarrollo, aplicación y validación de procedimientos ….

CAPÍTULO 3 ANTECEDENTES SOBRE LA EVALUACIÓN DE AMENAZA Y RIESGO POR DESLIZAMIENTOS

Capítulo3: Antecedentes... —————————————————————————————————————-

—————————————————————————Desarrollo, aplicación y validación de procedimientos ….

CAPÍTULO 3 ANTECEDENTES SOBRE LA EVALUACIÓN DE AMENAZA Y RIESGO POR DESLIZAMIENTOS Tal como se ha comentado anteriormente (Capítulo 1) existe una clara tendencia al aumento de la peligrosidad por deslizamientos (sobre todo en las últimas décadas), fundamentalmente debida al incremento de la frecuencia de los deslizamientos (Larsen & Torres-Sánchez, 1998; Reid, 1998; Guthrie, & Evans, 2004; Remondo et al., 2005c), mientras que la distribución espacial de los mismos tiende a manifestarse casi siempre en unas zonas concretas (de mayor susceptibilidad) (Remondo et al., 2005c). También es evidente que ha aumentado (y previsiblemente seguirá aumentando) la exposición (Gendreau et al., 2000; Alcántara-Ayala, 2002), al existir cada vez más población, edificios, infraestructuras y actividades económicas sobre cualquier territorio. Menos evidente es la variación de la vulnerabilidad, si bien parece presentar, a nivel global, una tendencia al aumento (Figura 3.1; Briceño, 2004). El resultado neto, tal como se ha mostrado en la Figura 1.4, es un marcado aumento del riesgo (daños). Esta situación ha llevado, entre otras iniciativas, a que la Comisión Europea, dentro de su programa European programme on climatology and natural hazards (EPOCH) o Environment and Climate, etc., haya financiado una serie de proyectos relacionados con el estudio de los deslizamientos, entre los que podríamos destacar algunos como: The temporal occurrence and forecasting of landslides in the European Community (Casale et al., 1994), The Temporal Stability and Activity of Landslides in Europe with Respect to Climatic Change-TESLEC (Dikau et al., 1996b), Meteorological factors influencing slope stability and slope movement type: evaluation of hazard prone areas-MEFISST (Delmonaco et al., 1998), New Technologies for Landslide Hazard Assessment and Management in Europe-NEWTECH (Corominas et al., 1998), Forecasting the collapse and runout of giant, catastrophic landslides-RUNOUT (Kilburn & Pasuto, 2003), Impact of large Landslides in the mountain environment: identification and mitigation of riskIMIRILAND (Bonnard et al., 2004), Assessment of Landslide Risk and Mitigation in Mountain Areas-ALARM (Marcato et al., 2005). En los tres primeros se analizó la ocurrencia temporal de movimientos en masa y el papel desempeñado por los factores desencadenantes y condicionantes. Además en el TESLEC se elaboró un manual para el reconocimiento y caracterización de estos procesos (Dikau et al., 1996a). En el NEWTECH se desarrollaron técnicas de cartografía de susceptibilidad. Los tres últimos se han centrado en el desarrollo de métodos para calcular y minimizar el riesgo. En este sentido, el proyecto GETS (programa TMR de la Comisión Europea), ha desarrollado una metodología para incorporar el análisis del riesgo por deslizamientos a los estudios de impacto ambiental (Bonachea et al., 2005). En España, la Comisión Interministerial de Ciencia y Tecnología (CICYT), dentro del Plan Nacional I+D 1996-2000, ha financiado proyectos relacionados con deslizamientos como GISLYT (Ayala & Corominas, 2002) donde se presentan metodologías para estimar la 47

Capítulo3: Antecedentes... —————————————————————————————————————-

peligrosidad mediante técnicas SIG, o el proyecto FODISPIL (dentro del Programa Nacional I+D+i, 2002-2005) en el que se aplican técnicas de fotogrametría de alta resolución para detectar las zonas de rotura y mejorar los modelos de susceptibilidad (González-Díez et al., 2004), entre otros.

Peligros naturales e inducidos por el hombre

PELIGROS + EVENTOS EXTREMOS

Cambio climático y variables

Socio-económica: pobreza, crecimiento de población urbana, falta de previsión, etc. Física: infraestructuras situadas en zonas peligrosas

VULNERABILIDAD

Degradación ambiental: vertido de combustibles, degradación costera, degradación de marismas Figura 3.1. Tendencias globales de los componentes del riesgo. La tendencia general es hacia más y más desastres, con menos muertes, pero con un número mayor de damnificados y de pérdidas económicas.

Por otro lado, se han llevado a cabo congresos internacionales, como los International Symposia on Landslides, celebrados cuatrienalmente desde los años 70 (Tokio, Kyoto, New Delhi, Toronto, Lausanne, Christchurch, Trondheim, Cardiff, Río de Janeiro), las International Conferences on Landslide Risk Management o las General Assemblies de la Unión Europea de Geociencias (EGU) donde se abordan con intensidad los riesgos de deslizamiento. También a nivel nacional, en los Simposia Nacionales sobre Taludes y Laderas Inestables y en las Reuniones Nacionales de Geomorfología se ha tratado este proceso. La clasificación del territorio en zonas de distinta peligrosidad o riesgo se ha abordado por parte de muy diversos autores y de formas bastante variadas. La diversidad de enfoques y de metodologías ha dado lugar a cartografías con sentidos muy distintos y de difícil estandarización, dado que en general se han concebido para aplicaciones específicas (Hansen, 1984). Los distintos enfoques seguidos, como se comenta a continuación, tratan de hacer pronósticos con respecto a la futura interacción entre procesos de deslizamiento y elementos humanos (vidas y bienes materiales), lo cual requiere, de una u otra forma, el análisis del comportamiento pasado así como el desarrollo y validación de modelos. A pesar de la gran cantidad de trabajos existentes, son escasos, como se verá, los que abordan de manera explícita la obtención de mapas de riesgo, y todavía menos los que lo hacen de manera cuantitativa. Sin embargo, dado que los deslizamientos generan gran cantidad de daños, parece claro que es necesario desarrollar herramientas que permitan estimar las pérdidas futuras producidas por este proceso natural y ayuden a poner en 48

—————————————————————————Desarrollo, aplicación y validación de procedimientos ….

práctica medidas de reducción de daños, para evitar o disminuir tales pérdidas. Las herramientas más adecuadas para conseguir estos propósitos son los modelos de riesgo. En el uso práctico de metodologías para realizar mapas de riesgo ha habido pocos avances, sobre todo en lo que se refiere a estimaciones de pérdidas económicas futuras, a pesar de que, al menos desde el punto de vista conceptual, se conocen los distintos factores que intervienen en la evaluación del riesgo (Figura 3.2): peligrosidad o hazard, exposición o exposure, vulnerabilidad o vulnerability y, riesgo o risk (Varnes, 1984; UNDRO, 1991; Ayala, 1993; Fell & Hartford, 1997). Esto es así porque existen dificultades para obtener los datos necesarios para evaluar la vulnerabilidad y el riesgo y, además, porque están poco desarrollados los procedimientos para pasar de la formulación conceptual a la aplicación de herramientas que permitan expresar, de forma práctica y cuantitativa, esos conceptos. AMENAZA

E ELEMENTOS EXPUESTOS: VULNERABILIDAD RIESGO

Figura 3.2. Representación de los factores que intervienen en la expresión del riesgo. La intersección de amenaza, elementos expuestos y vulnerabilidad, da lugar al riesgo.

El desarrollo de procedimientos para evaluar la amenaza y el riesgo por deslizamientos se produce sobre todo a partir de inicios de la década de los 70. De esas fechas es, por ejemplo, la cartografía ZERMOS (Humbert, 1977; Champetier de Ribes, 1987; Leroi, 1996). De la misma época es el fundamental trabajo de Varnes (1978). Este autor propuso una clasificación basada en el tipo de movimiento y de material implicado, así como de su velocidad. Varnes (1978), define los deslizamientos como “un movimiento, hacia abajo y hacia fuera, de los materiales que forman las laderas compuestas por rocas, suelos, derrubios o rellenos artificiales”. Posteriormente, Varnes (1984) extiende el concepto de deslizamiento a casi todas las tipologías de movimientos en masa producidos en laderas, incluyendo procesos como caídas, vuelcos o flujos de derrubios. Existen muchas otras propuestas de clasificación de los deslizamientos (Dana, 1864; Sharpe, 1938; Terzaghi & Peck, 1948; Brunsden & Prior, 1984; Hutchinson, 1988; Cruden, 1991; Casale et al., 1994; Cruden & Varnes, 1996; Dikau et al., 1996a) pero todas ellas combinan, de una u otra forma, los criterios antedichos. En este trabajo se utiliza el esquema de clasificación de deslizamientos y terminología presentado en el proyecto TESLEC (Dikau et al., 1996b), a su vez inspirados en Varnes (1978, 1984). En lo que se refiere a la interacción con los elementos humanos, la

Capítulo3: Antecedentes... —————————————————————————————————————-

terminología que en este trabajo se adopta es la propuesta por UNDRO (1991) e incorporada por el proyecto ALARM (Marcato et al., 2005), donde, en la estimación del riesgo por deslizamientos se considerará la evaluación de la amenaza, teniendo en cuenta la probabilidad espacio-temporal y la intensidad de que se produzca un movimiento y, también, el análisis de los elementos afectables y su vulnerabilidad. En las últimas tres décadas se han dedicado bastantes esfuerzos a desarrollar metodologías para elaborar modelos de susceptibilidad de deslizamientos (Brabb et al., 1972; Carrara, 1983; Hansen, 1984; Corominas, 1987; Carrara et al., 1991; Chung & Fabbri, 1993; Chung et al., 1995; Van Westen et al., 1997; Vanacker et al., 2003). Estos modelos se basan, principalmente, en que en la aparición de los deslizamientos influyen factores muy diversos (Palmquist & Bible, 1980; Varnes, 1984; Hutchinson, 1988; Turner & Schuster, 1995; González-Díez et al., 1999; Zêzere et al., 1999), que en la mayoría de los casos son bastante difíciles de modelizar. Entre dichos factores se incluyen los factores desencadenantes (originan la inestabilidad) como son: sismicidad, incisión fluvial, precipitaciones o actividad humana; y los condicionantes (favorecen la inestabilidad) entre los que cabe destacar: geometría, saturación de agua, geología, vegetación, etc. Los modelos así generados sólo son extrapolables a otras zonas siempre y cuando en ese territorio se produzca el mismo tipo de movimiento y bajo unas condiciones (de variables) determinadas, similares a las que se utilizaron para generar el modelo. Los resultados que ofrecen los modelos de susceptibilidad predicen bastante bien el lugar donde se espera se produzcan nuevos deslizamientos, pero existen aún ciertas incertidumbres que se deben resolver, y que permitiría mejorar su capacidad predictiva. Mucho menos frecuente es el análisis de la vulnerabilidad. En el trabajo desarrollado por Leone et al. (1996), se aborda de forma exhaustiva el tipo de elementos sometidos a riesgo y la vulnerabilidad de cada uno de ellos. Sin embargo, su aplicación a otras áreas es compleja, ya que se necesita disponer de datos de mucho detalle y, a veces, subjetivos. Existen ejemplos de mapas de riesgo por deslizamientos (Cendrero et al., 1987a; Bernknopf et al., 1988; Leroi, 1996), pero, generalmente, son de carácter cualitativo, obtenidos a partir de criterios de experto y donde no se representa la probabilidad temporal de aparición de movimientos. Sin embargo, el análisis del riesgo por deslizamientos, desde un punto cuantitativo de estimación de daños futuros, no ha recibido mucha atención (Carrara et al., 1991; Chacón et al., 1994; Mejía-Navarro et al., 1994; Leone et al., 1996; Glade et al., 2005), probablemente debido a las incertidumbres que se plantean a la hora de realizar predicciones (por falta de datos sobre el futuro comportamiento de los procesos geomorfológicos, de daños pasados o de futuros elementos en riesgo). Algunos ejemplos de metodologías, de carácter cuantitativo, de análisis de riesgo por deslizamientos se presentan en Bell & Glade (2004), Bonachea et al. (2004) y Remondo et al. (2005a). Estas metodologías son, en principio, extrapolables a otras áreas, dado que el procedimiento que aplican es lo suficientemente objetivo como para ser reproducido. 3.1 Evaluación de la amenaza De acuerdo con la definición adoptada por UNDRO (1991) la peligrosidad o amenaza natural (Hazard) se define como “the probability of occurrence, within a specific period of time in a given area, of a potentially damaging natural phenomenon”. Por tanto, la evaluación de la peligrosidad implica localizar las áreas inestables y las potencialmente inestables. Esto, a su vez, requiere determinar el tipo de los movimientos en masa, su 50

—————————————————————————Desarrollo, aplicación y validación de procedimientos ….

magnitud y posible desplazamiento ladera abajo, así como los factores relacionados con la estabilidad y su contribución a la inestabilidad. Por otro lado, es preciso estimar la frecuencia de ocurrencia en el tiempo, es decir, intentar predecir lo que puede ocurrir en un periodo no muy lejano. La posibilidad de hacer predicciones fiables sobre el comportamiento futuro de los deslizamientos dependerá del: -

conocimiento detallado de su comportamiento en el pasado (archivos históricos, estudios geomorfológicos, etc.), ya que los movimientos, se supone, que se producirán bajo condiciones similares a las que produjeron deslizamientos en el pasado y los producen en el presente (Principio del Uniformitarismo). conocimiento de la dinámica del deslizamiento (factores que intervienen, variables a considerar, relaciones entre variables causales y efectos, etc.).

Un buen conocimiento de los aspectos anteriores permitirá el desarrollo de modelos predictivos de susceptibilidad y de peligrosidad. La susceptibilidad hace referencia a la predisposición del terreno de verse afectado por deslizamientos, no teniendo en cuenta el factor tiempo. Durante mucho tiempo se ha utilizado indistintamente el término susceptibilidad y peligrosidad para referirse a los mapas de amenaza. En la actualidad ese término se utiliza para designar zonas que son más o menos propensas a deslizar. En los últimos años, como consecuencia del desarrollo de los ordenadores y de los Sistemas de Información Geográfica (SIG), la generación de modelos de susceptibilidad y amenaza por deslizamientos (Carrara et al., 1991; Chung & Fabbri, 1993; Van Westen, 1993; Irigaray, 1995; Baeza & Corominas, 2001; Remondo, 2001; Santacana, 2001; Fabbri et al., 2003; Vanacker et al., 2003), ha experimentado un importante avance, gracias al uso de técnicas de análisis de datos espaciales. Los deslizamientos pueden ser modelizados mediante modelos físicos y estadísticos. La búsqueda de correlaciones estadísticas entre factores condicionantes (vegetación, litología, pendiente, etc.) o desencadenantes (precipitaciones, sacudidas sísmicas, actividad humana, etc.) y la ocurrencia de los procesos, permite generar modelos de susceptibilidad a los deslizamientos. Así, se han podido obtener modelos de probabilidad espacial bastante satisfactorios, de acuerdo con su validación independiente (Chung & Fabbri, 1999; Remondo, 2001; Santacana, 2001; Zêzere, 2002; Remondo et al., 2003a, b). Evidentemente, la capacidad predictiva de los modelos depende de la calidad de las variables independientes. En este sentido, se está trabajando en el análisis de la influencia de la exactitud/resolución de las variables del terreno en la calidad de la predicción (Olague et al., 2005). La modelización de la progresión de la masa deslizada suele abordarse mediante los modelos dinámicos aplicados a deslizamientos; se utilizan con frecuencia en estudios sobre “debris flows” (Mark & Ellen, 1995; Chen & Lee, 2000; Van Asch et al., 2004) y en caídas de rocas (Spang & Sönser, 1995; Crosta & Agliardi, 2004) donde se han desarrollado programas informáticos específicos (Eurobloc, Rockfall, Rotomap, etc.,) que simulan las posibles trayectorias seguidas por los bloques. Esto se debe a que generalmente sólo se aplican a un deslizamiento concreto y en una zona concreta, por lo que su uso a escala regional es complicado. Estos modelos se basan en las propiedades físicas de las laderas y de los materiales que implican en su recorrido, por lo que requieren una importante inversión en tiempo y en dinero, que en el caso de los métodos estadísticos es mucho menor.

Capítulo3: Antecedentes... —————————————————————————————————————-

También, ha habido intentos de desarrollar modelos determinísticos de estabilidad de laderas, los cuales resultan bastante fiables cuando se analizan zonas muy concretas (Van Westen, 1993; Terlien et al., 1995; Luzi & Pergalani, 1996), para las que se dispone de información geotécnica detallada. Estos tipos de modelos proporcionan la base para llevar a cabo una evaluación y cartografía de la peligrosidad. 3.1.1 Métodos de elaboración de cartografías de peligrosidad La mayoría de las cartografías de amenaza de deslizamientos representan en realidad la susceptibilidad del terreno, es decir, la “probabilidad espacial” de que ocurran deslizamientos, sin analizar el factor temporal o cuándo se producirán esos movimientos. Esto es, los modelos de susceptibilidad indican qué zonas del territorio analizado tienen mayor o menor propensión a sufrir deslizamientos, pero no nos informan sobre la probabilidad de ocurrencia en el tiempo de los mismos. Por tanto, es necesario diferenciar entre modelos de susceptibilidad y de peligrosidad, a pesar de que los términos se utilicen con frecuencia de forma indistinta. Para obtener dichas cartografías se han utilizado tanto métodos directos como indirectos: -

Métodos directos o empíricos: son métodos que acuden a la simple representación, a modo de inventario, de los movimientos ocurridos en el pasado basándose en criterios principalmente geomorfológicos. La experiencia del operador es importante a la hora de tipificar el movimiento y representar espacialmente su desarrollo para reducir errores en la cartografía. Evidentemente, la idea subyacente es que las áreas afectadas por el proceso en el pasado son las que tienen mayor probabilidad de experimentarlo en el futuro. Este tipo de mapas se realizan habitualmente como base para trabajos de mayor detalle (mapas geomorfológicos) y para delimitar las zonas más peligrosas. Algunos ejemplos de este tipo de métodos lo constituyen Brunsden et al., (1975), Humbert (1977), Hansen (1984) y González-Díez (1995).

Entre los métodos indirectos pueden destacarse: -

Métodos determinísticos: se utilizan principalmente en el campo ingenieril para determinar la estabilidad de un talud o ladera (Brunsdem & Prior, 1984; Bromhead, 1996), donde las condiciones geomorfológicas y geológicas son homogéneas, y donde se pueden aplicar las leyes físicas necesarias para aplicar los modelos de estabilidad, hidrológicos, etc. Tienen el inconveniente de que su aplicación a grandes áreas es muy costoso lo que les hacen económicamente inviables; sin embargo, ha habido intentos de aplicarlos a grandes áreas (Van Westen, 1993; Terlien et al., 1995). Las escalas de trabajo son en general de 1/5000 o de mayor detalle.

Métodos heurísticos: se basan en criterios de experto para clasificar el mapa en clases de peligrosidad, por lo que la subjetividad inherente a su elaboración (como consecuencia de la asignación de pesos) es un aspecto importante a tener en cuenta. Estos métodos consideran los factores que influyen en la inestabilidad mediante asignación de pesos o criterios de experto (Tamés et al., 1986; Cendrero et al., 1987b; Carrara et al., 1995). La escala de trabajo suele oscilar entre 1/100000 y 1/5000.

—————————————————————————Desarrollo, aplicación y validación de procedimientos ….

Métodos estadísticos o probabilísticos: Se trata de métodos , que permiten establecer relaciones estadísticas a partir de distintos métodos, entre una serie de factores condicionantes de los deslizamientos como la litología, pendiente, etc. y la distribución actual y/o pasada de los deslizamientos, a escalas de trabajo entre 1/10000 y 1/5000 (Van Westen, 1993; Carrara et al., 1995; Chung et al., 1995; Dai & Lee, 2002; Fabbri et al., 2003; Remondo et al., 2003a). Su uso requiere crear una base de datos que incluya toda esa información. El trabajo que aquí se presenta se basa en la utilización de este tipo de métodos, los cuales facilitan la obtención de modelos de susceptibilidad.

Una revisión detallada de la elaboración de cartografías de deslizamientos a partir de diferentes métodos puede encontrarse en Soeters & Van Westen (1996), Aleotti & Chowdhury (1999), Guzzetti et al., (1999), Remondo (2001), Santacana (2001) y Van Westen (2004). 3.1.1.1 Principales limitaciones de los métodos probabilísticos Los métodos cartográficos presentan ciertas limitaciones entre las que cabe destacar: - La simplificación de los datos de entrada implica una cierta limitación en los resultados debido a la pérdida del detalle en las variables utilizadas. - A veces, no se consideran todas las variables que pueden actuar como factores condicionantes de los deslizamientos. - La integración de variables categóricas y de variables continuas es compleja y si se categorizan éstas últimas, ello implica la pérdida de información al producirse una generalización de valores en un entorno bastante amplio. - En muchos casos, es preciso hacer una serie de suposiciones, que son puntos débiles en la generación de modelos, como por ejemplo considerar las mismas condiciones de ciertas variables en el pasado, en la actualidad y en el futuro (por ejemplo, en el caso de los usos del suelo). - Muchos de los modelos propuestos no se han validado, por lo que su capacidad de predicción es dudosa. La validación es esencial para comprobar el funcionamiento y precisión de los modelos generados. - Cuando se dispone sólo de modelos de susceptibilidad (no de modelos de peligrosidad), éstos no se pueden utilizar en los análisis de riesgo. Esta circunstancia viene motivada por la dificultad de incorporar a los análisis de peligrosidad factores tales como tiempo, intensidad o magnitud y alcance de las masas deslizadas, que juegan un papel importante en la estimación de la peligrosidad, vulnerabilidad y, por tanto, del riesgo (Leroi, 1996; Dai et al., 2002; Bonachea et al., 2004). Los problemas para incorporar la dimensión temporal en este tipo de análisis (imprescindible para obtener mapas de peligrosidad que representen la probabilidad de ocurrencia en cada punto o unidad del territorio analizado) se derivan de la dificultad para obtener datos suficientes, sobre el desarrollo del proceso en periodos del pasado reciente, que resulten significativos para la realización de previsiones encaminadas a la prevención de daños. Estas previsiones hacia el futuro deben abarcar, por lo menos, unas cuantas

Capítulo3: Antecedentes... —————————————————————————————————————-

décadas, por lo que el periodo pasado a analizar debería corresponder a un intervalo temporal similar. Para estos intervalos temporales, los procedimientos de obtención de datos que se pueden utilizar son: a) Registros y archivos de eventos pasados existentes en hemerotecas, o bien recogida de datos, mediante entrevistas, entre los habitantes del lugar. Estos registros presentan, en general, una cobertura incompleta, ya que suelen limitarse a deslizamientos que hayan producido daños, por lo que tienen un fuerte sesgo hacia las zonas habitadas o con infraestructuras (Ibsen & Brunsden, 1996) mientras que los movimientos que se producen en el resto del territorio no se suelen incluir. b) Inventarios basados en fotografías aéreas y/o imágenes de satélite. Estos procedimientos proporcionan una buena cobertura espacial de todo el territorio a analizar, pero presentan con frecuencia problemas de resolución espacial (especialmente las fotos o imágenes más antiguas) y también de resolución temporal. Normalmente, las fotografías aéreas suelen tener frecuencias variables (bianuales o quinquenales) aunque lo típico es encontrarse con vuelos cuyo intervalo abarca varios años. La periodicidad es mucho mayor en el caso de las imágenes de satélite, sobre todo en las épocas más recientes, pero éstas, salvo para las imágenes de ciertos satélites (Ikonos o Quickbird), tienen una resolución poco satisfactoria (Mantovani et al., 1996; Singhroy & Mattar, 2000). c) Los procedimientos de datación: entre los que destacan los liquenométricos (Innes, 1983; Winchester & Harrison, 1994), dendrocronológicos (Moya et al., 1992; Corominas et al., 2004) e isotópicos (Cs137; Schoeneich, 1991; Soto et al., 2002). Estos procedimientos en la práctica se pueden aplicar a un número limitado de deslizamientos, dada la dificultad de obtener muestras representativas que sirvan para el análisis. La combinación de los métodos anteriores junto con otros morfométricos y cronoestratigráficos permiten cubrir poblaciones de movimientos datados en zonas más o menos extensas (González-Díez, 1995; González-Díez et al., 1999). No obstante, existe una enorme dificultad para poder aplicar en áreas extensas el mismo método de datación a todos los movimientos de ladera presentes. Una revisión de los distintos métodos de datación de deslizamientos se describe en Lang et al. (1999). El análisis de la amenaza requiere también obtener información sobre la magnitud de los deslizamientos, ya que es un factor fundamental para determinar los daños ocasionados por éstos. La magnitud está relacionada con el potencial destructivo de un deslizamiento (Hungr, 1997), e incluye parámetros tales como velocidad, energía del movimiento, volumen o espesor de la masa en desplazamiento (Varnes, 1984; Cruden & Varnes, 1996; Aleotti & Chowdhury, 1999; Crozier, 1999; Cardinali et al., 2002). De forma cualitativa se expresa como baja , moderada y alta, pero también se puede expresar de forma cuantitativa como: velocidad en ms-1, volumen o energía liberada. Dichos parámetros se pueden estimar de manera semicuantitativa para deslizamientos pasados, pero resulta difícil hacer previsiones sobre cual será esa magnitud en un movimiento futuro. Se han propuesto algunos modelos para el cálculo de la distancia de alcance de deslizamientos de gran volumen (Corominas, 1996; Hungr & Evans, 1996; Finlay et al., 1999), pero éstos son aplicables a deslizamientos específicos (como en el caso de las caídas de rocas), sin que puedan extrapolarse a otros. Existen ejemplos de modelos aplicados a distintos tipos de movimientos como son las caídas de bloques, vuelcos, flujos y deslizamientos 54

—————————————————————————Desarrollo, aplicación y validación de procedimientos ….

superficiales; pero todos ellos tienen limitaciones derivadas de la dificultad de predecir la cantidad de material que se liberará en cada punto potencialmente afectable e incluso, la naturaleza, velocidad y alcance del movimiento (Dijke & Van Westen, 1990; Hungr, 1995; IUGS Working group on landslides, Committee on Risk Assessment, 1997; Furdada & Vilaplana, 1998; Copons et al., 2000; Dorren et al., 2006). Ante las dificultades descritas para la incorporación de los aspectos citados en los análisis de peligrosidad, se pueden proponer algunas vías a seguir, para mejorar los mapas al uso. Una de ellas, va encaminada a mejorar la incorporación del factor tiempo sobre la base de análisis temporales retrospectivos de poblaciones numerosas de deslizamientos. Aunque la resolución temporal de dichos análisis no sea óptima, si pueden permitir la formulación de ciertas hipótesis o escenarios bien fundamentados sobre el comportamiento futuro (Remondo et al., 2005a). Este tipo de aproximación es la que se plantea en este trabajo. El análisis retrospectivo de un número significativo de deslizamientos permite también caracterizar de manera fiable el rango de intensidad, magnitud y alcance dentro de los que se sitúan la mayoría de los mismos. Eso hace posible plantearse diferentes situaciones de comportamiento futuro para los distintos puntos potenciales de ruptura, que podrían corresponder a un escenario promedio (media de la población), máximo (equivalente al percentil 90) o mínimo (percentil 10). Esto, como se discute más adelante, puede permitir una mejora en la cuantificación de los análisis de peligrosidad y riesgo, y también evaluar la calidad de las predicciones realizadas. Idealmente, deberíamos ser capaces de mejorar la precisión en la predicción de los futuros deslizamientos en una zona dada, así como en la determinación del tipo, volumen, velocidad y alcance de los movimientos. Esto es, deberíamos tratar de ligar los modelos de ruptura (fundamentalmente probabilísticos), que proporcionan pronósticos aceptables (aunque sin duda mejorables) sobre la distribución de la actividad futura en una zona, con modelos que permitan simular la progresión de la masa deslizada (fundamentalmente modelos determinísticos). Cuanto mejor desarrollados estén los modelos comentados, independientemente del método utilizado, mejores serán las predicciones obtenidas en relación con la amenaza y la intensidad de los daños provocados. Estas predicciones resultarán muy útiles para orientar el desarrollo de medidas de prevención/mitigación de cara a reducir los daños potenciales de este proceso. Por otra parte, también resultarán útiles para calcular el riesgo futuro y estimar las zonas donde se producirán las mayores pérdidas. 3.2 Elementos expuestos Otro de los parámetros que intervienen en el riesgo es la exposición (exposure), especialmente el valor de los elementos expuestos o en riesgo. Los movimientos en masa o deslizamientos provocan numerosos daños sobre los principales elementos expuestos, tanto en vidas humanas como en pérdidas económicas (González de Vallejo, 1988; Brabb & Harrod, 1989; Schuster, 1996; Evans, 1999; Guzzetti, 2000; EM-DAT, 2005). UNDRO (1991) define la exposición como “the population, buildings and civil engineering works, economic activities, public services, utilities and infrastructure, etc., at risk in a given area”. Tanto Varnes (1984) como UNDRO (1991) consideran en la

Capítulo3: Antecedentes... —————————————————————————————————————-

expresión del riesgo (R = H x E x V) a los elementos, pero en ningún momento se indica cómo incorporarlos a dicha expresión. Casi todos los autores están de acuerdo a la hora de considerar los elementos que se ven afectados por deslizamientos, puesto que se tienen abundantes datos sobre los elementos que han sido afectados en el pasado. No obstante, cada autor estima de forma diferente la manera de tratar los distintos tipos de elementos, como más adelante se verá al considerar la vulnerabilidad, ya que elementos expuestos y vulnerabilidad están directamente relacionados. Leone (1995), presenta una lista detallada de los elementos que pueden verse afectados por deslizamientos: personas y todas las actividades relacionadas con ellas (actividades económicas, trabajos, equipamientos, salud, etc.); edificios, desde los que se usan como vivienda habitual a los que se utilizan como vivienda secundaria, pasando por hospitales, colegios u otro tipo de edificios públicos, además de considerar las características constructivas del edificio (si es de hormigón, de hierro, de madera, etc.), factores que influirán en cómo ese edificio se comporta cuando es afectado por un deslizamiento; infraestructuras, las carreteras u otras líneas de comunicaciones y líneas de servicios (luz, agua, gas, telecomunicaciones, etc.); los terrenos o propiedades, que en zonas donde la agricultura está muy arraigada y es el principal medio de sustento tiene, además, un valor sociológico; y un elemento significativo que se ve gravemente afectado es el propio ambiente (Coburn et al., 1991). Dichos elementos pueden incorporarse a la expresión del riesgo (R=H x E x V) teniendo en cuenta su valor económico (Bonachea et al., 2004). Sin embargo, en el caso de las personas y de las actividades económicas es más complicado estimar su valor (el valor de una persona, si es que existe, dependerá de diversos factores como edad, productividad, etc.), así como la representación gráfica de las mismas, ya que no se tratan de elementos estáticos. Además, cabe señalar que, en ocasiones, la repercusión de las pérdidas económicas se puede producir lejos de la zona de ocurrencia del proceso. De ahí que la mayoría de los trabajos realizados consideren sólo los elementos materiales. 3.3 Vulnerabilidad UNDRO (1991), define la vulnerabilidad (vulnerability) como ”the degree of loss to a given element at risk or set of such elements resulting from the occurrence of a natural phenomenon of a given magnitude and expressed on a scale from 0 (no damage) to 1 (total loss)”. Uno de los principales objetivos de la International Decade for Natural Disaster Reduction (IDNDR) iniciada en los años 90, era reducir la vulnerabilidad a los desastres naturales. El principal problema que se planteaba era que no todos los organismos dedicados a la reducción de desastres interpretan por igual el concepto de vulnerabilidad. El análisis de la vulnerabilidad debida a procesos a naturales se ha limitado a los elementos físicos y económicos, mientras que los factores sociales han sido, en la mayoría de los casos, olvidados. Para estimar la vulnerabilidad de distintos elementos ante un determinado proceso, se ha recurrido a experiencias de sucesos anteriores que han permitido realizar estimaciones del grado de daño sufrido por elementos de similares características. Hasta el momento son escasos los trabajos publicados en relación con este tema y las metodologías empleadas, en la mayoría de ellos, son de un carácter tan subjetivo que no son reproducibles o son sólo aplicables a zonas muy concretas. 56

—————————————————————————Desarrollo, aplicación y validación de procedimientos ….

Se pueden distinguir dos escuelas en el ámbito de la vulnerabilidad, aquella que la estudia desde un punto de vista físico o de análisis de daños materiales, o bien aquella que lo trata desde el ámbito social o humano, estudiando los posibles daños que pueden sufrir las personas y las actividades económicas. Uno de los primeros autores que utiliza el término vulnerabilidad es Varnes (1984). Este autor hace una revisión de los diferentes aspectos involucrados en el riesgo debido a distintos fenómenos naturales o tecnológicos. La vulnerabilidad, para este autor, viene definida como el grado de daños potenciales, expresado de 0-1, sufridos por un elemento o grupo de elementos expuestos como consecuencia de un fenómeno natural de una intensidad dada. Esta definición ha sido prácticamente aceptada posteriormente por la mayoría de los autores que han trabajado en el campo de los deslizamientos, quienes en general se han referido al trabajo anterior (Brabb, 1984; Alexander, 1993; Fell, 1994; Leone et al., 1996; Leroi, 1996; IUGS, 1997; Dai et al., 2002; Remondo et al., 2004, 2005a). Coburn et al. (1991), definen la vulnerabilidad como el grado de pérdida causado en un elemento determinado (o serie de elementos) resultante de una amenaza dada con un nivel de gravedad también definido. Así, la vulnerabilidad de un elemento se expresa usualmente como el porcentaje de pérdida (o como un valor entre 0 y 1) para un nivel de amenaza dado. Las pérdidas dependen del elemento en riesgo y, por consiguiente, pueden expresarse como fracción del número de muertos o heridos del total de la población, como el costo de reparación o como el grado de daño físico definido según una escala apropiada. En determinados elementos, tales como grupos de edificios, se puede definir según la proporción de edificios que experimentan algún nivel particular de daño. Fell (1994) y la IUGS (1997), definen la vulnerabilidad como el grado de pérdidas de un elemento o grupo de elementos en el área afectada por los deslizamientos. Ésta, se expresa en una escala de 0 (sin daños) a 1 (pérdidas totales). Para pérdidas de personas, la vulnerabilidad es la probabilidad de que una vida particular se pierda cuando el deslizamiento ocurre. En propiedades, las pérdidas corresponderán al valor de la propiedad. Mejía-Navarro et al. (1994), definen la vulnerabilidad como la predisposición intrínseca de cualquier elemento a estar en riesgo y sufrir pérdidas, tanto económicas como personales, y dentro de éstas incluso las psicológicas debidas a la ocurrencia de un evento peligroso de intensidad i. D’Ercole (1996), presenta la vulnerabilidad como la propensión más o menos pronunciada a sufrir perjuicios cuando ocurre un fenómeno natural, antrópico o mixto, destructor. Según el mismo autor esta definición es complementaria a la propuesta por Varnes y otros autores. Leone et al. (1996), consideran la vulnerabilidad como el nivel de daños potenciales, en un rango de 0 a 1, sufridos por un determinado elemento, el cual se ve afectado por un evento o fenómeno, real o posible, con una intensidad dada. La evaluación de la vulnerabilidad implica conocer cómo es la interacción entre el fenómeno natural y el elemento expuesto.

Capítulo3: Antecedentes... —————————————————————————————————————-

Leroi (1996), considera la vulnerabilidad como el grado de pérdidas, de 0% a 100% resultantes de un fenómeno potencialmente dañino. El propio autor considera que la intensidad del deslizamiento es un factor importante para estimar las funciones de daños o vulnerabilidad. Sin embargo, la estimación de estas funciones no es fácil para todos los tipos de amenaza. Si bien la evaluación de la intensidad de un terremoto es clara, no sucede lo mismo con los deslizamientos. Manche (1997), define la vulnerabilidad como el nivel de daño potencial de una sociedad en caso de manifestarse un fenómeno. Así, esta vulnerabilidad puede descomponerse en varios tipos: vulnerabilidad humana, vulnerabilidad de edificios, vulnerabilidad de infraestructuras y vulnerabilidad secundaria o de actividades productivas. Otros autores estudian la vulnerabilidad desde un punto de vista humano o social; Westgate & O’Keefe (1976), definieron la vulnerabilidad como el grado de riesgo ante la ocurrencia de fenómenos naturales o físicos, al cual está sometido una comunidad. El riesgo se refiere a la probabilidad de ocurrencia y al grado en el que los factores sociopolíticos y socioeconómicos afectan a la capacidad de la comunidad para absorber y recuperarse del fenómeno. Clarke & Munasinghe (1995), entienden la vulnerabilidad como la predisposición de una sociedad a experimentar daños substanciales como resultado de peligros naturales. Cutter (1996), presenta tres visiones de la vulnerabilidad: a) vulnerabilidad como exposición a la amenaza o riesgo, considera la ocupación humana en zonas de peligrosidad y el grado de pérdidas que se producen; b) vulnerabilidad como respuesta social, estudia la resistencia de la población a las amenazas; c) vulnerabilidad del lugar, es una mezcla de ambas. Uitto (1998), define la vulnerabilidad como las características de una persona o grupo, que afectan a su capacidad de anticiparse, resistir y recuperarse del impacto de un peligro natural. El grado de vulnerabilidad viene definido por factores tales como estatus socioeconómico, fortuna, etnia, sexo, discapacidad y edad. Weichselgartner & Bertens (2000), expresan la vulnerabilidad como una función de la peligrosidad, la exposición, la preparación, prevención y respuesta de un área para hacer frente a un peligro natural, y la intervención en cualquiera de estos parámetros permite modificar dicha vulnerabilidad. Heijmans (2001), hace una serie de consideraciones sobre la vulnerabilidad: a) La naturaleza es la causa de la vulnerabilidad de las personas, y depende de la intensidad de las amenazas y del riesgo; para la reducción de la vulnerabilidad se usan sistemas de alarma o predicción, se establecen normas, etc. b) Las tecnologías que permiten en algunos casos mitigar y predecir los desastres son demasiado costosas, sobre todo en el caso de países subdesarrollados. La vulnerabilidad se podrá reducir si: los gobiernos adaptan las medidas de seguridad, adoptan sistemas de seguros, crean fondos para hacer frente a los desastres o proveen asistencia técnica y financiera a las personas para edificar.

—————————————————————————Desarrollo, aplicación y validación de procedimientos ….

c) La estructura social es un factor importante debido a que el impacto provocado por los desastres no afecta de igual forma a todas las personas; por tanto, son también circunstancias socioeconómicas y políticas las que contribuyen a un aumento de la vulnerabilidad. Una recopilación de las diferentes definiciones de vulnerabilidad que se han propuesto se ha presentado por parte de Weichselgartner (2001). De todo lo anterior se desprende que, prácticamente, todos los autores consideran el término de vulnerabilidad de forma muy similar. 3.4 Riesgo Una vez definidos peligrosidad, elementos expuestos y vulnerabilidad, quedaría por definir el riesgo como concepto último implicado en el análisis que se pretende llevar a cabo en este trabajo. UNDRO (1991) diferencia entre riesgo específico o “specific risk”: “the expected degree of loss due to a particular natural phenomenon and as a function of both natural hazard and vulnerability” y el riesgo o “risk” “the expected number of lives lost, persons injured, damage to property and disruption of economic activity due to a particular natural phenomenon, and consequently the product of specific risk and elements at risk”. De forma más general, se puede definir el riesgo como la interacción entre la amenaza o peligrosidad y los objetos que están expuestos a la misma (personas, edificios, etc.), así como el grado de destrucción que dichos objetos pueden experimentar. Como se puede apreciar, las definiciones que UNDRO (1991) propone para “specific risk” y “vulnerability” (ver apartado 3.3) no son sustancialmente diferentes. En el presente trabajo, el término “riesgo específico” se utiliza para referirse a las pérdidas monetarias que experimenta un elemento expuesto como consecuencia de un proceso dado. Dicho riesgo específico es el producto del valor del elemento por su vulnerabilidad ante dicho proceso y por la peligrosidad. El riesgo total sería la suma de los riesgos específicos de los distintos elementos. Los estudios de riesgo requieren conocer muy bien el proceso natural que interviene, su modelización, incluir los elementos expuestos y determinar su vulnerabilidad, considerar los daños indirectos, etc. Debido a la dificultad de obtener datos sobre algunos de estos factores, la cartografía de riesgos ha experimentado poco desarrollo. Los mapas de riesgo son escasos, ya que la mayor parte de los trabajos se limitan a la realización de mapas de susceptibilidad o peligrosidad, concentrándose los esfuerzos de análisis, principalmente, en las características y descripción del proceso sin considerar los daños humanos y/o materiales que pueden ocasionarse debido a la acción de un proceso natural (Corominas et al., 1998; Carrara et al., 1991; Chacón et al., 1994; Corominas et al., 1998). No obstante, este tipo de mapas son muy útiles a la hora de desarrollar medidas de planificación del territorio y de mitigación (Mejía-Navarro & García, 1996) y, resulta de especial interés desarrollar este tipo de herramientas para conseguir una reducción de los daños futuros.

Capítulo3: Antecedentes... —————————————————————————————————————-

3.4.1 Evaluación del riesgo originado por distintos procesos Muchos de los autores que trabajan en este campo, analizan la vulnerabilidad y el riesgo como si fuesen lo mismo, es decir, se considera a la vulnerabilidad como un riesgo. A continuación se muestran algunos ejemplos de trabajos para distintos tipos de procesos naturales donde se observan estos aspectos. D’Ercole (1996), realiza un estudio de vulnerabilidad de la población expuesta ante amenazas volcánicas. A partir de una serie de variables como son: la percepción del riesgo de las personas, el conocimiento de las medidas de protección y una serie de factores de orden social y socioeconómico, obtenidos a través de una serie de cuestionarios a la población, se construyeron los mapas de percepción del riesgo, de conocimiento de medidas de protección y de factores de orden social y socioeconómico. El estudio se realizó en una serie de provincias administrativas de Ecuador. Mediante un proceso de superposición de los mapas y análisis estadístico factorial, se definieron para las distintas provincias un conjunto de nueve unidades (1-9) a las cuales les correspondía un determinado tipo de vulnerabilidad de carácter cualitativo (urbana, periurbana y rural). Del estudio se desprendía una diferencia clara entre las unidades definidas: -

las unidades urbanas eran las menos vulnerables debido a que mostraban una alta percepción del riesgo y contaban con medidas de protección y con mayor información.

las unidades rurales eran las más vulnerables debido a su baja percepción del riesgo, la falta de medidas de protección y su bajo nivel económico o social. También se observaban marcadas diferencias entre las diversas provincias.

Dicho estudio permitió el desarrollo de un mapa que representaba medidas o acciones necesarias con el fin de preparar a la población ante las amenazas de un volcán. El riesgo aquí se afronta desde un punto de vista social, de forma que se diferencian las sociedades más expuestas al riesgo. A pesar de su carácter cualitativo, este trabajo permitió desarrollar un programa de medidas de preparación y/o mitigación ante la amenaza en las zonas más vulnerables. Su principal ventaja es que puede ser reproducido fácilmente. Ledoux (1994) y Graillot et al. (2000), proponen el desarrollo de un sistema jerárquico “multi-criterio” que contribuya tanto al procesado de tales elementos como al de los parámetros socioeconómicos asociados. Un primer paso consiste en construir un modelo de criterios y subcriterios de vulnerabilidad. Así, identifican los diferentes tipos de ocupación del suelo y asignan un valor numérico a cada parcela de terreno afectada, analizando los efectos derivados de una inundación. A partir de un conjunto de factores jerarquizados, se obtienen los criterios de vulnerabilidad; a estos criterios se les asignan unos pesos entre 0 y 1, y se ponderan siguiendo un criterio de experto. Se realizan análisis de sensibilidad para ver cómo cambian los valores en función del criterio predominante. Finalmente, se obtienen parcelas con distinto grado de vulnerabilidad. Este método no tiene en cuenta las características del proceso, sólo considera si un rasgo, como por ejemplo los usos del suelo, puede o no experimentar daños por inundaciones. A pesar de obtenerse valores cualitativos, permite discriminar las áreas o zonas más afectadas si ocurre la inundación. De esta forma se pueden desarrollar las medidas de prevención o mitigación. 60

—————————————————————————Desarrollo, aplicación y validación de procedimientos ….

En Europa se han desarrollado diversos modelos con el fin de evaluar las pérdidas y los impactos producidos por las inundaciones (Klaus et al., 1995). El principal problema de estos modelos es que sólo tienen aplicación a escala regional. Otros trabajos se basan en describir la vulnerabilidad como la susceptibilidad o sensibilidad del uso del suelo a las inundaciones (Gendreau et al., 2000), expresando ésta en términos económicos. Para el cálculo de la vulnerabilidad se usa, por tanto, el valor del uso del suelo pero teniendo en cuenta el máximo riesgo aceptable, el cual se evalúa económicamente. En EEUU se desarrolló un Sistema de Información Geográfica (SIG) denominado HAZUS, el cual, a partir de una serie de módulos, permite evaluar el riesgo y estimar las pérdidas debidas a terremotos, huracanes e inundaciones u otras amenazas que son inducidas por éstos (FEMA, 1997). En un futuro, esta metodología podría extenderse a otros tipos de amenazas. En 1995, la Federal Emergency Management Agency desarrolló un programa a escala nacional de identificación y mitigación de pérdidas, tanto humanas como económicas, causadas por los procesos naturales (Impact Project), entre ellas las debidas a deslizamientos (FEMA, 1997). En este programa se intentó involucrar a diferentes organismos, administraciones, técnicos, científicos y población, en materia de identificación, prevención y mitigación de desastres. Actualmente son muchos los estados americanos que tienen su propio programa de evaluación de riesgos naturales, identificación de la peligrosidad, mapas de vulnerabilidad, mapas de riesgo y programas de prevención y mitigación. Los mapas de riesgo resultantes son en general resultado de la superposición de mapas de peligrosidad y de vulnerabilidad obtenidos mediante criterio de experto. Por tanto, dichos mapas tienen un carácter cualitativo y sirven para determinar las zonas en las que se pueden producir mayores daños, pero sin hacer estimaciones cuantitativas ni contrastadas. En Australia, a partir de 1996 se han llevado a cabo estudios multirriesgo debidos a diferentes procesos naturales en los principales condados (Cities Project), cuyo principal objetivo era la reducción de los riesgos en las comunidades de población (Hayne et al., 2001; Michael-Leiba et al., 2003). En lo que se refiere a los deslizamientos, el estudio se realiza tomando como unidades de análisis las unidades geológicas y el área de deslizamientos cartografiados; por tanto, si en una unidad no existen deslizamientos, el riesgo se considera nulo. La peligrosidad o amenaza se estima a partir de frecuencias de deslizamientos o de precipitaciones. La vulnerabilidad, que dependerá de la naturaleza de los elementos en riesgo, de su posición, velocidad, magnitud y volumen del deslizamiento, etc., se obtiene para tres tipos de elementos expuestos: personas, edificios y carreteras. Se consideran el número de personas, edificios y kilómetros de carreteras existentes, así como las pérdidas esperadas para cada elemento en 100 años. Por ejemplo, en el caso de que un edificio sea totalmente destruido su vulnerabilidad es V = 1, si es la mitad del edificio entonces será V = 0,5. Los valores de vulnerabilidad estimados oscilan entre 0,9 y 0,05, para personas; 1,0 y 0,25 para edificios; 1,0 y 0,3 para carreteras. A partir de estos datos se obtienen los mapas de riesgo específico y total.

Capítulo3: Antecedentes... —————————————————————————————————————-

Figura 3.3. Ejemplos de mapas de riesgo por inundaciones y deslizamientos en el condado de Cairns (Australia), (fuente: http://www.ga.gov.au/map/cairns/TOC.html).

Las principales limitaciones del método utilizado son: la regionalización de los análisis; el no considerar la magnitud de los deslizamientos a la hora de estimar la peligrosidad y la vulnerabilidad; los valores de vulnerabilidad se asignan teniendo en cuenta estudios anteriores por lo que pueden no ser válidos para determinadas zonas. A pesar de obtenerse una evaluación del riesgo de carácter cuantitativo, los mapas de riesgo muestran expresiones cualitativas (Figura 3.3). El método permite comparar el riesgo ocasionado por diferentes procesos naturales. Uitto (1998), propone un estudio de vulnerabilidad por terremotos en la ciudad de Tokio. Este autor recopila gran cantidad de datos sobre daños producidos por el terremoto de 1923 con magnitud = 7,9, que son almacenados y gestionados a través de un SIG. Este autor define dos índices de vulnerabilidad cuyos rangos oscilan entre 0 y 5, cuya conjunción da lugar a vulnerabilidades entre 1 y 10. Uno de los índices que se obtiene a partir de las personas afectadas directamente por distintas intensidades del terremoto y por la población afectada en el momento de la evacuación; los criterios utilizados son: población nocturna, población diurna, población en periodos intermedios, etc. Otro se aplica para edificios que podrían colapsar o incendiarse como consecuencia del terremoto; los distintos criterios utilizados son: estructura, uso, número de edificios, pendientes, etc. A partir de este análisis se zonifican las áreas más vulnerables o de mayor riesgo. Este autor, proveniente de la geografía humana, trata el problema desde un punto de vista social, por lo que dedica especial atención a los análisis de vulnerabilidad de las poblaciones más frágiles. Yong et al. (2001), desarrollan un método para estimar las pérdidas debidas a terremotos. El método se puede aplicar de dos formas diferentes: 1) la definición de un factor de daños o de pérdidas que viene definido por la relación existente entre pérdidas en unidades monetarias y el valor de reposición de cada elemento. Su principal inconveniente es la escasez de datos para muchas zonas, por eso se recurre a estimar la, 2) vulnerabilidad macroeconómica, que se basa en que el PIB está directamente relacionado con la exposición. Las pérdidas, por tanto, dependen directamente de la peligrosidad, de la intensidad del terremoto y del valor del PIB. Generalmente, después de un terremoto la actividad económica de la zona afectada disminuye, y por tanto los ingresos de la población. El método se puede aplicar fácilmente a zonas en las que existan datos a nivel municipal. Sin embargo, en el caso de los deslizamientos, la disminución del PIB en la zona no es un criterio adecuado, ya que el tipo de daños son distintos y, en general, de

—————————————————————————Desarrollo, aplicación y validación de procedimientos ….

menor cuantía. Este método es útil a la hora de señalar a gran escala cuales son las zonas que se ven más afectadas por un proceso de este tipo. También se han realizado aproximaciones al estudio de la vulnerabilidad frente a aludes de nieve (Keylock & Barbolini, 2001). Los modelos propuestos por diferentes autores se basan en el desarrollo de modelos de frecuencia y modelos dinámicos que simulan el comportamiento y progresión de la nieve. Los valores de vulnerabilidad varían a medida que la avalancha, de determinado tamaño y frecuencia, se mueve ladera abajo. En la vulnerabilidad también influye la presión con la que impacta la nieve. Teniendo en cuenta los daños producidos por similares avalanchas se calculan las vulnerabilidades medias de los tipos de avalanchas estudiados, pero siempre asignando un valor mediante criterio de experto. De todo lo anterior se desprende que la mayoría de las cartografías de riesgo no son en sí mapas de riesgo s.s. sino que se refieren más bien a la amenaza o vulnerabilidad. 3.4.2 Evaluación del riesgo por deslizamientos Los trabajos sobre vulnerabilidad y riesgo por deslizamientos han sido relativamente numerosos en las últimas dos décadas, si bien, en muchos casos han sido de carácter teórico, dedicándose a discutir la definición del concepto de vulnerabilidad, el tipo de vulnerabilidades existentes, tipos de elementos afectados, etc. Brabb (1984), concibe el riesgo por deslizamientos como el número de muertes, personas heridas, daños a la propiedad e interrupciones en la actividad económica. En este sentido, un mapa de riesgo por deslizamientos debiera mostrar el área y/o población expuesta al peligro, la vulnerabilidad a los deslizamientos del área y de la población, y las consecuencias para personas y estructuras en el caso de que se produzca un deslizamiento. Sin embargo, y a pesar de que han pasado ya dos décadas, este tipo de mapas, con los detalles que conllevan, no se han realizado. Bernknopf et al. (1988), proponen un método para discriminar las zonas en las cuales es más beneficioso, desde un punto de vista económico, llevar a cabo medidas de mitigación para evitar las pérdidas por deslizamientos. Estos autores dividen la zona de estudio en unidades de 100 m2, y como factores condicionantes de los deslizamientos consideran la geología y la pendiente. En esas celdas se calcula la probabilidad de deslizamiento y el valor de los elementos en ellas presentes (si en una celda ocurre, al menos, un deslizamiento la probabilidad de deslizamiento será igual a 1, o máxima y las pérdidas se corresponden con el valor de los elementos); por tanto, en estas zonas el riesgo es máximo. Una vez obtenidos ambos valores, elaboran un mapa donde se discriminan áreas que no necesitan medidas de mitigación, áreas que necesitarían algunas medidas de mitigación que podrían reducir las pérdidas esperables y áreas que necesitarían medidas de mitigación en toda la unidad de 100 m2. Así, llevan a cabo un estudio coste-beneficio de la rentabilidad de las medidas de mitigación aplicadas, y concluyen que si se llevasen a cabo medidas de mitigación en toda la zona de estudio, el coste de las mismas sería superior al de las pérdidas esperables; a modo de ejemplo, si se actuase sólo en las celdas con pendientes superiores a 14º o con resistencia al corte menor de 0,49, el beneficio sería máximo (1,7 millones de dólares). Este trabajo es uno de los primeros que representa el riesgo o el número de pérdidas en un mapa, y además lleva a cabo un estudio coste-beneficio de las medidas de mitigación a desarrollar. Las objeciones que se pueden hacer al método son: la

Capítulo3: Antecedentes... —————————————————————————————————————-

generalización que en cada celda se hace de la peligrosidad, exposición y vulnerabilidad y del riesgo por deslizamientos; la no consideración de la magnitud del deslizamiento, ni el tipo de elemento afectado; el valor de riesgo que se obtiene es muy elevado, al considerar los valores máximos en determinadas celdas. De manera especial, los valores obtenidos no se contrastan a través de validación con datos independientes. Einstein (1988), define el riesgo como el resultado de multiplicar la peligrosidad por el valor de las pérdidas potenciales en vidas, en actividades económicas y en el ambiente. Por ello, tanto la peligrosidad como las pérdidas deben expresarse de forma cuantitativa. Según el autor, el método más sencillo de estimar el riesgo es multiplicar los costes de reparación por la probabilidad de que se produzcan deslizamientos. Sin embargo, estos costes son difíciles de estimar en el caso de daños ambientales y de las propias personas (aunque en algunos casos se ha calculado entre 0,5 y 5 millones de dólares). Para facilitar los diferentes análisis, se plantea estimar el riesgo de forma separada para cada elemento en riesgo, y realizar un mapa de riesgos mediante la superposición del mapa de peligrosidad con el mapa de usos del suelo, o bien con el mapa del valor de las propiedades. Además, propone una serie de medidas a llevar a cabo para hacer frente al riesgo por deslizamientos entre las que están: medidas pasivas, medidas activas, sistemas se alarma u obtención de información de mayor detalle. Este autor establece las bases o los factores a considerar en la elaboración de mapas de riesgo, sin embargo no lo aplica a ningún caso concreto, con lo cual no se pueden conocer los resultados obtenidos con este método. A pesar de ello, el método parece muy razonable y apunta hacia la obtención de un mapa expresado en términos cuantitativos o económicos. Moon et al. (1992), presentan un mapa de riesgo para un debris flow que afecta a distintos elementos. A partir del cálculo de la probabilidad de deslizamiento, de la situación del elemento y de la vulnerabilidad de personas (con valores entre 0,01 y 0,8) y edificios (con valores entre 0,1 y 1), se estima el riesgo específico, tanto para personas como para elementos materiales de forma cuantitativa y cualitativa. El mapa obtenido está representado por números y letras que se corresponden con unas determinadas clases de riesgo que varían a lo largo de su posición con respecto al deslizamiento (Figura 3.4). Los valores de vulnerabilidad se asignan de forma cualitativa y los de peligrosidad en función del tamaño y tipo del deslizamiento definidos por Varnes (1978), por lo que el mapa muestra un alto grado de subjetividad; sin embargo, es uno de los primeros mapas de riesgo que se ha obtenido para deslizamientos. Morgan et al. (1992), definen la vulnerabilidad como el producto de tres factores: una vulnerabilidad espacial, que representa la probabilidad de que el elemento sea afectado; una vulnerabilidad temporal, que muestra la probabilidad de que un evento afecte a un elemento en un periodo determinado; y una vulnerabilidad que representa las pérdidas humanas o bien el valor de los elementos afectados. Este producto equivaldría al riesgo, ya que los dos primeros factores se asimilarían con la peligrosidad, y el último con las pérdidas o consecuencias debidas al deslizamiento.

—————————————————————————Desarrollo, aplicación y validación de procedimientos ….

Figura 3.4. Ejemplo de mapa de riesgo para debris flows propuesto por Moon et al. (1992) y modificado por Fell & Hartford (1997).

Fell (1994), considera que la vulnerabilidad es función de tres parámetros: - probabilidad espacial de impacto: es decir de que un elemento se vea afectado por un determinado deslizamiento, dado que ese deslizamiento tiene lugar en una determinada zona. - probabilidad temporal de impacto: que el elemento expuesto sea afectado en el momento del impacto (esto se aplica a elementos no fijos, como personas o vehículos). - probabilidad de pérdidas: que una persona sea afectada como consecuencia de que un deslizamiento ha destruido, por ejemplo, un edificio. O bien, la proporción del valor del elemento impactado que se ha perdido. Según el mismo autor, es más fácil calcular la vulnerabilidad descomponiéndola en estas tres variables. Esta acepción es similar a la presentada por Morgan et al. (1992). Fell (1994) asigna valores de vulnerabilidad por pérdidas en propiedades a las clases de deslizamientos propuestas por Varnes (1978) en función de su magnitud (Tabla 3.1). Otro factor a tener en cuenta es que la vulnerabilidad de las propiedades es diferente a la vulnerabilidad de las personas. Esto significa que un edificio puede tener una alta o baja vulnerabilidad ante un deslizamiento; sin embargo, esta vulnerabilidad será distinta si en el edificio habita gente o no, si la gente es anciana, si duerme cuando ocurre el deslizamiento, etc. El mismo autor muestra una serie de ejemplos en los que estima la vulnerabilidad, tanto para personas como para propiedades. De este modo, una casa situada en la zona de ruptura del deslizamiento tendrá una vulnerabilidad de 1,0, mientras que la vulnerabilidad de las personas será de 0,05; si la casa se sitúa por debajo de la zona de ruptura su vulnerabilidad es de 0,45 y la de las personas 0,15; si la casa se sitúa en la base de la masa deslizada, su vulnerabilidad es de 0,025 y la vulnerabilidad personal es de 0,005; pero, en 65

Capítulo3: Antecedentes... —————————————————————————————————————-

determinados casos, los mayores daños provocados por los deslizamientos se producen en la zona de depósito o próximos a ésta. El principal inconveniente de esta manera de abordar el problema es la subjetividad a la hora de relacionar los índices de vulnerabilidad con las distintas magnitudes de deslizamiento. Tampoco se tiene en cuenta el tipo de movimiento ya que, dependiendo de éste, la magnitud o intensidad y alcance serán diferentes. La asignación de valores de vulnerabilidad no deja de ser más que un criterio subjetivo (los datos sobre pérdidas ocurridas en el pasado no se consideran) y su aplicación a otras zonas puede presentar complicaciones. Tabla 3.1. Valores de vulnerabilidad (Fell, 1994) propuestos para las clases de deslizamiento definidas por Varnes (1978), de acuerdo con su magnitud. Magnitud (M) 7 6 5 4 3

Descripción Extremadamente grande Muy grande Medio-Grande Medio Pequeño

Vulnerabilidad (V) >0,9 0,5-0,9 0,1-0,5 0,05-0,1 <0,05

Calificación Muy alta Alta Media Baja Muy baja

Fell (1994) y Fell & Hartford (1997) discuten sobre los diferentes factores a considerar en el riesgo y diferencian entre el riesgo específico (peligrosidad por vulnerabilidad de un determinado elemento) y el riesgo total (número esperable de muertes, personas heridas, daños a propiedades, etc.), coincidiendo con la idea de Varnes (1984) y UNDRO (1991). También discuten sobre el nivel de riesgo aceptable (riesgo con el cual la sociedad está preparada para convivir: en el caso de personas podría aplicarse un valor de 10-3, mientras que en propiedades se podría aceptar un riesgo, en términos de probabilidad, de 10-2. Mejía-Navarro et al. (1994) y Mejía-Navarro & García (1996), desarrollan un algoritmo para evaluar la vulnerabilidad, que descomponen en un conjunto de componentes culturales y físicos, líneas de transporte y usos del suelo, donde: Vulnerabilidad

)

densidad humana x A+ uso del suelo x B + líneas de transporte x C A+B+C

(

)

Los parámetros A, B y C, son valores de pesos asignados a los diferentes elementos vulnerables, que pueden ser modificados en función de los criterios adoptados por expertos. Así, por ejemplo, asignan pesos altos a las áreas de alta densidad de población, a zonas próximas a líneas de comunicación o de transporte, o bien a zonas con construcciones de gran entidad. En el caso de las autopistas se incluye un corredor de 40 metros con el fin de protegerlas, ya que su mantenimiento es muy caro. Modificando estos pesos se pueden simular una serie de escenarios de vulnerabilidad o riesgo. El uso de los SIG y de los Sistemas de Toma de Decisiones, permite realizar dichas simulaciones en cortos espacios de tiempo. Este método presenta un alto grado de subjetividad. En la asignación de pesos no se tienen en cuenta las características del propio deslizamiento, tampoco se explica cómo incorporar los resultados obtenidos a los mapas de riesgo, ni cómo se incorporan los distintos elementos considerados al análisis, ya que el valor de vulnerabilidad obtenido es un valor general para todo el conjunto de elementos considerados. 66

—————————————————————————Desarrollo, aplicación y validación de procedimientos ….

Entre los trabajos que más ahondan en el estudio de la vulnerabilidad debida a deslizamientos cabe citar a Leone (1995) y Leone et al. (1996). Estos autores limitan los elementos que pueden sufrir daños a las propiedades, las personas y las distintas actividades que se desarrollan en la zona. La vulnerabilidad de cada uno de estos elementos es diferente y depende de distintos factores (físicos, sociológicos, técnicos, características del deslizamiento, etc.). Además, consideran fundamental analizar los efectos producidos por los deslizamientos en el pasado para realizar un estudio de la vulnerabilidad. Estos autores crean las matrices de daños, las cuales representan en abcisas los elementos expuestos y sus características, mientras que las características del deslizamiento, junto con los factores que influyen en la vulnerabilidad, se sitúan en ordenadas. En función de todos estos parámetros y del valor económico de mercado, del valor económico práctico, del valor funcional y del valor humano, se le asigna un valor de vulnerabilidad a cada tipo de elemento (Figura 3.5). Los mismos autores proponen una lista de elementos vulnerables afectados con diferentes grados de intensidad de daños (mínimo I - máximo V), a los cuales asignan diferentes valores de vulnerabilidad. En el caso de las personas, para una intensidad de daños 1, la vulnerabilidad es 0,001; por el contrario, para una intensidad de daños 5 (equivalente a fallecimiento de las personas) este valor de vulnerabilidad es 1. Finalmente, aplican el método a un área de Francia donde estiman el grado de pérdidas por deslizamientos de 0 a 1, considerando distintos escenarios. Asimismo, apuntan que el método debiera aplicarse a otras zonas para su validación y mejora.

Elementos expuestos

Deslizamiento

B R SN SE P B : Edificios R : Infraestructuras DL D SN : Superficies naturales DV SE : Sub-elementos IM P : Personas PL ES AC AB D: Rango de pérdida DL : Movimiento lateral B1a B4: Tipo de edificio DV : Movimiento vertical D B1 B2 B3 B4 IM : Impacto V1 0,3 0,2 0,1 PL : Presión lateral V2 0,4 0,3 0,2 ES : Efecto impacto V3 0,6 0,5 0,4 0,3 AC : Acumulación AB : Socavación V4 1 0,9 0,8 0,7

V1 a V5: Escala de intensidad de DL Figura 3.5. Ejemplo de matriz estructural de daños (Leone et al., 1996).

Capítulo3: Antecedentes... —————————————————————————————————————-

La obtención de la vulnerabilidad no es evidente, a pesar de que se tienen en cuenta muchos de los factores que intervienen en el deslizamiento, las características de los elementos y el estudio de los daños producidos en el pasado; el criterio de experto juega un papel fundamental en la asignación de estos valores. Los valores de vulnerabilidad asignados a los diferentes elementos vulnerables parecen bastante razonables y se podrían incorporar a los análisis de riesgo. Sin embargo, requiere la recopilación de gran cantidad de información que en muchas zonas no existe, o bien, es difícil de obtener. Leroi (1996; 1997) define el riesgo como el resultado de multiplicar la peligrosidad por la vulnerabilidad de cada elemento y por su valor o costo. Al igual que otros autores, considera el riesgo como el conjunto de pérdidas esperadas en vidas humanas, heridos, daños a propiedades y actividades económicas. Tampoco este autor muestra un ejemplo en el que se aplique este método, por lo que no deja de ser un método teórico cuyo uso no está contrastado al no darse ejemplos claros en los que aplicarlo. Einstein (1997) hace una revisión de una serie de métodos a utilizar para estimar las pérdidas relacionadas con la actividad económica que desarrollan las personas afectadas por deslizamientos. Estos métodos se basan en la reducción de rentas como consecuencia de un evento peligroso. Así, por ejemplo, la expresión de los daños por persona y año se puede expresar como: [Pérdidas (valor monetario) x Población]/PIB anual o bien Coste de pérdidas humanas = [1/2 esperanza de vida x Nº de vidas perdidas x PIB]/población Estos métodos permiten hacer comparaciones a gran escala entre distintas zonas afectadas por los movimientos en masa, pero no son útiles a escalas de detalle. Tampoco tienen en cuenta las características del deslizamiento que les afecta. El mismo autor argumenta que una de las formas de estimar la vulnerabilidad de las personas es a partir de los índices de población. Dichos índices son un claro reflejo del tipo de población existente en la zona afectada por el proceso. Por ejemplo, en Canadá, la probabilidad anual de que una persona muera por causa de un deslizamiento es del orden de 10-7 (Evans, 1997). Manche (1997), considera que las matrices de daños propuestas por Leone et al. (1996) son apropiadas para el cálculo de la vulnerabilidad de las personas y de los bienes físicos. Este autor hace referencia a lo que pueden ser los daños más importantes producidos por deslizamientos, las pérdidas indirectas. Para estimar los daños indirectos, que él reduce a pérdidas por cortes en carreteras, propone realizar mapas de accesibilidad. Pero no todas las pérdidas indirectas se deben a cortes en carreteras, sino que hay otros ámbitos donde se producen pérdidas económicas (pérdidas de mercado, efectos sociológicos, etc.) como consecuencia de la aparición de un proceso natural. Por otro lado, la estimación de la vulnerabilidad se realiza mediante criterio de experto y su representación cartográfica es subjetiva (muy fuerte, fuerte, media, baja, muy baja). Este autor crea un mapa final de riesgo donde superpone un mapa de peligrosidad, determinado en función del periodo de retorno de los deslizamientos en una zona, con el mapa de vulnerabilidad. Este mapa de riesgo tiene un carácter cualitativo.

—————————————————————————Desarrollo, aplicación y validación de procedimientos ….

Finlay & Fell (1997), realizan estimaciones de vulnerabilidad para distintos supuestos en los que las personas que viajan por carreteras en vehículos o que se encuentran en el interior de edificios pueden ser afectadas por deslizamientos. Wong et al. (1997), proponen una fórmula para estimar el número de muertes cuando un deslizamiento afecta a carreteras. Los parámetros que consideran son el producto de la anchura ocupada por el deslizamiento, el número de personas que pasan diariamente, probabilidad de muerte por deslizamiento, número de carriles afectados y un factor de ajuste, todo ello dividido por la velocidad media de los vehículos. Los mismos autores hacen una revisión de una serie de procedimientos que se pueden adoptar para cuantificar los daños debidos a deslizamientos: - Datos históricos; permiten hacer estimaciones de elementos afectados anteriormente. En algunos casos, los datos de vulnerabilidad se han extrapolado (Finlay & Fell, 1997) y se han utilizado como valores de vulnerabilidad aproximados, pero siempre teniendo en cuenta que han sido recogidos para un determinado evento y en unas determinadas circunstancias. - Opiniones de expertos; a pesar de ser criterios subjetivos se basan en teorías y experiencias que permiten asignar valores o criterios (Leone et al., 1996). - Métodos analíticos; mediante el uso de modelos que simulan trayectorias o que predicen la velocidad, se pueden construir escenarios y así llegar a una estimación de daños. Así Bunce et al. (1997), estiman las consecuencias provocadas por caída de rocas sobre los conductores en una autopista. Shaban et al. (2001), desarrollan un método para estimar el riesgo por deslizamientos en distintos tramos de una autopista en el Líbano. En función de distintos parámetros, que por orden de importancia son geología, pendiente, redes de drenaje, tipo de suelo y vegetación, a los cuales se les asignan una serie de pesos, se obtiene un valor numérico que posteriormente es transformado en una clase de riesgo. Aunque el método es muy subjetivo, puede ser muy útil a la hora de desarrollar medidas de prevención en diferentes tramos de las carreteras consideradas. Este no sería un mapa de riesgo sino un mapa de peligrosidad. Cardinali et al. (2002), para estimar la vulnerabilidad en la región de Umbría (Italia) utilizan una aproximación que se fundamenta en la relación entre intensidad y tipo de deslizamiento, así como los probables daños que causarían en edificios, carreteras y población los diferentes tipos de deslizamientos. Esta última estimación está basada en la información obtenida de eventos anteriores. La clasificación que obtienen en el caso de daños a estructuras e infraestructuras se divide en: daño superficial, los daños pueden ser reparados rápidamente y a bajo costo; daño funcional o medio, los diferentes elementos se ven afectados durante largo tiempo y los costos son importantes; daños estructurales o severos, los edificios e infraestructuras son completamente dañados, y por tanto los costos son muy grandes, ya que pueden ser necesarias labores de reconstrucción y demolición. Los daños a la población los dividen en: daños directos, cuando hay pérdidas de vidas humanas; daños indirectos, sólo se producen daños económicos; daños temporales o permanentes de edificios lo que conlleva evacuaciones y personas sin hogar.

Capítulo3: Antecedentes... —————————————————————————————————————-

El método propuesto tiene en cuenta las características del proceso y considera los daños producidos en el pasado. Es un método adecuado para estimar la vulnerabilidad de grandes áreas así como para realizar una primera aproximación a los estudios de vulnerabilidad. Sin embargo, se trata de un método cualitativo que no tiene en cuenta las pérdidas en los usos del suelo ni las pérdidas indirectas. Flax et al. (2002) y Odeh (2002), presentan la metodología (Community Vulnerability Assessment Tool, CVAT) desarrollada por NOAA (National Oceanic and Atmospheric Administration) para diferentes condados de EEUU. Además de la identificación de amenazas y de un análisis de éstas, se propone una aproximación al análisis de la vulnerabilidad de instalaciones críticas (centros de emergencia, estaciones, aeropuertos, etc.), de la sociedad (densidad de población, familias pobres, personas sin vehículos, edades, etc.), de las actividades económicas (valor de construcción, propiedades domésticas, industrias, hoteles, bancos, etc.) y del ambiente (peligros secundarios, especies en peligro, paisajes, etc.). A cada uno de los elementos expuestos se le asigna un valor de exposición (0: no exposición, a 5: máxima exposición) en función del proceso que les afecta, del grado de importancia y según criterios de un gran número de expertos. El área de estudio se divide en una serie de subregiones de diferente valor de vulnerabilidad para cada uno de los elementos. La superposición con el mapa de peligrosidad permite a los planificadores determinar las zonas que pueden sufrir más riesgo, y por tanto, donde llevar a cabo medidas de mitigación. La principal ventaja de este método es que se puede aplicar en cualquier región, siempre y cuando existan los datos necesarios, así como utilizarse en estudios multirriesgo. En cuanto a sus limitaciones, cabe destacar que se utilizan unidades basadas en el grado de exposición o vulnerabilidad sin considerar las características del proceso. Es un método cualitativo, ya que no estima las pérdidas de los diferentes elementos, sino solamente los lugares en los que estas pérdidas pueden ocurrir. Por tanto, se trata de un método que necesita mayor detalle de elaboración, pero como documento consultivo es muy interesante. Glade (2002), en un área al este de Alemania, clasifica los elementos vulnerables frente a deslizamientos en casas, infraestructuras lineales y objetos (hospitales, colegios, estadios, etc.). Les asigna un valor de daño potencial medio basándose en datos estadísticos oficiales y en daños producidos por inundaciones. En dicho trabajo se supone que cualquier elemento en riesgo afectado por un deslizamiento es totalmente destruido, y por tanto su vulnerabilidad es 1. Por tanto, el escenario propuesto es un tanto catastrofista, dado que con una pequeña parte del elemento afectada se considera totalmente destruido. Kong (2002), hace hincapié en la probabilidad de pérdidas de vidas humanas en Hong Kong como consecuencia de los deslizamientos. Para ello considera dos tipos de elementos en riesgo: por un lado, las carreteras y autopistas, que son utilizadas por la población y, por otro, los edificios, donde se localizan las personas. Los valores de vulnerabilidad utilizados son los mismos propuestos por Finlay & Fell (1997). A partir de una serie de escenarios que consideran la probabilidad del evento, las precipitaciones, la caída de bloques y las muertes en anteriores eventos, se estima la probabilidad anual o riesgo de que se produzca la muerte de una persona en torno a 2.41 x 10-4, valor similar al presentado por Evans (1997). Posteriormente, Archetti & Lamberti (2003), en una cuenca de Italia afectada por debris flows, proponen un valor de riesgo aceptable del orden de 10-4, cifra que se aproxima al valor medio debido a muertes anuales por accidentes domésticos o de tráfico. 70

—————————————————————————Desarrollo, aplicación y validación de procedimientos ….

Un aspecto importante que se aborda en el trabajo de Kong (2002) es la realización de un análisis coste-beneficio de las medidas de mitigación propuestas para reducir el riesgo. En este sentido se concluye que, dado que el riesgo para las personas es muy pequeño, las medidas preventivas pueden ser muy costosas, mientras que medidas de defensa como escolleras o redes que contribuyen a frenar los deslizamientos, serían más económicas y por tanto su relación coste-beneficio positiva. Blong (2003), propone un índice para estimar el daño a edificios afectados por diferentes procesos naturales. Dicho índice se basa en la relación entre el coste de construcción por metro cuadrado y el coste de reposición de un edificio de tamaño medio. Sin embargo este índice no se aplica a ningún estudio de riesgos en concreto. Glade (2003a), hace una revisión de algunos trabajos que consideran la vulnerabilidad en los análisis de riesgo por deslizamiento. Este autor lleva a cabo un estudio de riesgo por deslizamientos en dos zonas, una en Alemania afectada por deslizamientos superficiales y rotacionales, y otra en Islandia. Como en la zona de Alemania no existen datos sobre daños materiales a elementos en el pasado, se supone que si un deslizamiento afecta a un elemento, la vulnerabilidad es máxima (1). En función de esos valores se crea un mapa de unidades de elementos con un grado de vulnerabilidad cualitativo (bajo, moderado, alto y muy alto); la intersección de este mapa con el de peligrosidad permite obtener un mapa de riesgo, dividido en las mismas clases cualitativas. El estudio en la zona de Islandia se presenta en Bell & Glade (2004). Estos autores asignan los valores de vulnerabilidad en función del tipo y magnitud del proceso y del tipo de elemento afectado. Posteriormente, generan los mapas de riesgo para deslizamientos tipo rock fall y debris flow. Así calculan: a) Riesgo individual de una persona en un edificio o probabilidad anual de pérdidas de vidas (Ripe): Ripe = (H x Ps x Pt x Vp x Vpe x Pso) x Eipe donde, H = peligrosidad anual del evento. Ps = probabilidad de impacto espacial (que el edificio sea afectado) Pt = probabilidad temporal (que exista gente en el edificio) Vp = vulnerabilidad del edificio Vpe = vulnerabilidad de las personas Pso = probabilidad de ocurrencia en determinadas épocas Eipe = persona individual b) Riesgo de personas en edificios (Rpe) Rpe = (H x Ps x Pt x Vp x Vpe x Pso) x Epe donde, Epe = número de personas en cada edificio c) Riesgo económico a edificios e infraestructuras (Rp) o pérdidas económicas anuales Rp = (H x Ps x Vp x Pso) x Ep donde, Ep = valor económico del edificio o infraestructura

Capítulo3: Antecedentes... —————————————————————————————————————-

Los mapas de riesgo final muestran la probabilidad de pérdidas de vidas por píxel (Figura 3.6). Los autores indican que existen incertidumbres en los valores de riesgo obtenidos debido a las incertidumbres existentes en los datos de entrada, como por ejemplo valores de vulnerabilidad obtenidos de forma subjetiva pero con un peso muy importante en el resultado de riesgo final, falta de datos, etc. Por tanto, los valores resultantes deben ser tomados con mucha cautela y considerados como valores relativos y no absolutos. De cualquier forma, estos mapas han permitido a la administración hacer una zonificación del riesgo en el área estudiada y extrapolar el método a otras zonas.

Figura 3.6. Mapa de riesgo para personas ocasionado por caídas de rocas en el NO de Islandia (Bell & Glade, 2004).

Liu et al. (2002) y Liu & Lei (2003), definen la vulnerabilidad como las pérdidas máximas potenciales debidas a un fenómeno dañino en un área específica y durante un periodo de tiempo dado, expresada de 0 a 1. Este concepto es un poco diferente al manejado hasta este momento. Para estos autores, la vulnerabilidad se divide en: física (pérdidas en infraestructuras y edificios), económica (pérdidas en la actividad económica de la zona), ambiental (pérdidas en recursos naturales) y social (población afectada). En una región de China afectada por debris flows, estiman una serie de índices a nivel municipal que son indicadores de cada una de estas clases de vulnerabilidad. La vulnerabilidad será, por un lado, la suma de la vulnerabilidad física (valor de los elementos), la de la vulnerabilidad económica (PIB anual) y de la vulnerabilidad ambiental (valor del terreno) y, por otro lado, el conjunto de la vulnerabilidad social (% de jóvenes y ancianos, % de analfabetos, % población rural, densidad de población). Estos valores se normalizan y se obtiene un valor de vulnerabilidad para cada municipio.

—————————————————————————Desarrollo, aplicación y validación de procedimientos ….

El método es útil para comparar vulnerabilidades entre municipios. Estos indicadores son válidos para todos los municipios, por lo cual el método puede ser extrapolado a otras zonas. Sin embargo, dependiendo de la zona de estudio puede que estos indicadores no sean los más adecuados y que sea necesario considerar otros datos. Bonachea et al. (2004) y Remondo et al. (2004) y estiman la vulnerabilidad de las principales vías de comunicación como consecuencia de un determinado tipo de deslizamiento. La vulnerabilidad se define como la relación existente entre el valor de los daños medios generados en el pasado por un determinado tipo de deslizamiento y el valor del elemento. De esta forma, la vulnerabilidad queda expresada como el grado (de 0 a 1) de pérdidas monetarias potenciales esperables. Estos valores se representan en mapas de vulnerabilidad, los cuales muestran el grado de pérdidas de los elementos potencialmente afectables por un tipo de deslizamiento de características conocidas. Además, generan un modelo de riesgo por deslizamientos para carreteras (Figura 3.7), estimando unas pérdidas potenciales para los próximos 50 años (suponiendo unas condiciones similares a las existentes en el pasado) de, aproximadamente, 1 millón de Euros. A pesar de que la predicción realizada por los autores anteriormente citados debe ser tomada como una aproximación a lo que podría ser el comportamiento futuro de los deslizamientos, el mapa obtenido es uno de los primeros modelos de riesgo expresado en términos cuantitativos y económicos que se refiere en la literatura especializada. La principal ventaja de esta metodología es que los distintos mapas se obtienen a partir de criterios objetivos, universales y reproducibles. Los mismos autores proponen extenderlo a otros tipos de elementos afectados por deslizamientos, como son los edificios y usos del suelo, o las actividades económicas. Una de las finalidades de este mapa es utilizarlo como una herramienta que permita conocer dónde se van a producir los daños, si es rentable o no desarrollar medidas de mitigación en determinadas zonas y cuál es la cantidad de dinero que se puede perder en un futuro como consecuencia de los deslizamientos.

Figura 3.7. Ejemplo de mapa de riesgo por deslizamiento para infraestructuras en el municipio de Deva, Guipúzcoa (Bonachea et al., 2004).

Capítulo3: Antecedentes... —————————————————————————————————————-

Figura 3.8a. Valores de vulnerabilidad asignados por Bonnard et al. (2004) a los diferentes elementos en la estimación del riesgo.

Figura 3.8b. Ejemplos de mapas de riesgo propuestos por Bonnard et al. (2004), para los distintos tipos de vulnerabilidades descritas en la figura 3.8a, en el ámbito del proyecto IMIRILAND.

—————————————————————————Desarrollo, aplicación y validación de procedimientos ….

Bonnard et al. (2004), analizan el riesgo provocado por grandes deslizamientos en diferentes zonas de Europa. Dentro del análisis de la vulnerabilidad, distinguen entre una vulnerabilidad física, social, económica y ambiental, a la que asignan valores de acuerdo con un criterio de experto (Figura 3.8a), por lo que esa metodología presenta un alto grado de subjetividad. Para estimar el riesgo recurren a una serie de escenarios en los cuales se tiene en cuenta el periodo de recurrencia del deslizamiento, la intensidad del proceso, el tipo de elemento afectado y su resistencia ante el proceso que le afecta. Finalmente, obtienen una serie de mapas de riesgo, de carácter cualitativo, que muestran una serie de índices con los cuales pueden reclasificar la zona en valores o clases de riesgo (Figura 3.8b). Posteriormente, Remondo et al. (2005a) han presentado mapas que amplían el análisis del riesgo a la zona del Bajo Deva, no solamente al municipio del mismo nombre. En este trabajo se diferencia entre riesgo directo (que es la suma de los diferentes riesgos específicos en elementos como edificios, usos del suelo e infraestructuras) y riesgo indirecto, relacionado con las pérdidas económicas que pueden ocasionar indirectamente los deslizamientos. La suma de ambos constituye el riesgo total ocasionado por los deslizamientos que afectan al área (Figura 3.9).

Figura 3.9. Ejemplos de mapa de riesgo total, para dos escenarios, propuesto por Remondo et al. (2005a).

Capítulo3: Antecedentes... —————————————————————————————————————-

3.5 Consideraciones finales La mayoría de los trabajos anteriormente revisados presentan metodologías subjetivas y de carácter cualitativo, con lo cual la reproducción del método es complicada. Ello es debido, principalmente, a la falta de datos que puedan ser contrastados y validados, por lo que siempre se trabaja con aproximaciones y criterios de experto, a pesar de considerarse en ciertos casos las experiencias ocurridas en el pasado. La mayor parte de dichos trabajos tienen en cuenta los principales elementos vulnerables: infraestructuras, edificios, terrenos y población. Sin embargo, en muy pocos casos se considera la vulnerabilidad indirecta, la cual puede ser más importante que la directa. La vulnerabilidad indirecta es más difícil de estimar, ya que se han de considerar las pérdidas debidas a los efectos sicológicos o de salud que afectan a la población una vez que el proceso ha ocurrido, pérdidas debidas a una reducción de mercado como consecuencia de la disminución de ventas o por daños en bienes culturales imposibles de recuperar, etc. Estas pérdidas pueden tener lugar a corto, medio o largo plazo, por lo que su evaluación dentro de un estudio de riesgos es de difícil aplicación y se debe recurrir a un gran número de escenarios y hacer toda una serie de suposiciones. Como consecuencia de todo ello, apenas existen ejemplos de mapas de vulnerabilidad y los que existen suelen ser de carácter cualitativo. Esto hace que los mapas de riesgo que se obtienen a partir de la peligrosidad y vulnerabilidad tengan una expresión de carácter cualitativo y no expresen las pérdidas económicas esperables. En la Tabla 3.2 se resumen algunos de los principales valores de vulnerabilidad propuestos por distintos autores en sus trabajos. Tabla 3.2. Valores de vulnerabilidad (expresados de 0 a 1) para diferentes elementos expuestos, propuestos por varios autores. AUTOR

Personas

Edificios

Fell (1994) Leone et al. (1996) Fell & Hardford (1997) Finlay & Fell (1997) Hayne et al. (2001) Kong (2002) Blong (2003) Glade (2003a); Bell & Glade (2004) Remondo et al. (2004); Bonachea et al. (2004)

0,005-1 0,001-1

0,025-1 0,01-1

0,1-1

0,01-0,8

VULNERABILIDAD Usos Personas en Infraestructuras del edificios suelo 0,05-1

0,1-1

0,1-1 0,05-0,9 0,1-1

Actividad económica 0,1-1

0,05-1 0,25-1

0,3-1 0,05-1

0,02-1 0,2-0,5

0,1-0,5

0,2-0,6

0,1-0,5

0,02-0,25

0,09-0,68

Con carácter general, un punto débil que afecta a la práctica totalidad de los métodos descritos es la ausencia de validación de las predicciones explícitas o implícitas que contienen, sobre la base de datos independientes. Esto es comprensible en el caso de los mapas de riesgo, debido a la dificultad de obtener datos independientes de los utilizados en los análisis, para contrastar los modelos. Es menos justificable, sin embargo, para los mapas de amenazas, pues en este caso se pueden aplicar estrategias de validación que permiten establecer la calidad o fiabilidad de los pronósticos que contienen (Chung & Fabbri, 2003b; Fabbri et al., 2003; Remondo et al., 2003b). 76

—————————————————————————Desarrollo, aplicación y validación de procedimientos ….

CAPÍTULO 4 PLANTEAMIENTO DEL PROBLEMA

Capítulo 4: Planteamiento del problema————————————————————————————————

—————————————————————————Desarrollo, aplicación y validación de procedimientos ….

CAPÍTULO 4 PLANTEAMIENTO DEL PROBLEMA Tal como se ha mostrado en los apartados anteriores, los deslizamientos provocan anualmente la pérdida de miles de vidas y gran cantidad de daños económicos. Las estrategias encaminadas a la mitigación de los efectos señalados conllevan una serie de actuaciones, preventivas y correctivas, que abarcan medidas tanto estructurales como no estructurales. Como en otros ámbitos encaminados a la reducción de daños de cualquier tipo, las medidas de naturaleza preventiva y no estructural son en general las más adecuadas y menos costosas. Entre dichas medidas se encuentra la elaboración de modelos de susceptibilidad, amenaza y riesgo, -que constituyen herramientas básicas para una política de ordenación del territorio que incluya la mitigación de riesgos naturales- así como el desarrollo de una legislación encaminada a hacer frente a los peligros naturales, como la existente en algunos países. En las últimas décadas se ha dedicado un gran esfuerzo al desarrollo de procedimientos para la evaluación de la susceptibilidad y peligrosidad por deslizamiento, incorporados en metodologías de carácter cualitativo. Sin embargo, se ha avanzado mucho menos en lo relativo al desarrollo de metodologías cuantitativas de evaluación de la peligrosidad y, todavía menos, del riesgo, entendiendo por tal las pérdidas humanas o económicas potenciales. Más escasos son aún los ejemplos de validación de ambos tipos de metodologías. Eso hace que, aunque la mayoría de ellas son razonables y proporcionan seguramente resultados adecuados, no hay datos o criterios objetivos para determinar la fiabilidad de las predicciones que incluyen. A pesar de que en los últimos años se han producido importantes avances en la elaboración de modelos de susceptibilidad por deslizamientos mediante la utilización de diferentes técnicas estadísticas, tales como Análisis Discriminante (Baeza & Corominas, 2001; Carrara et al., 2003; Santacana et al., 2003; Guzzetti et al., 2005), Funciones de Favorabilidad (Chung & Fabbri, 1993; Chung & Fabbri, 1999, 2003b; Remondo et al., 2003a, b), Redes Neuronales Artificiales (Aleotti et al., 1996; Mayoraz et al., 1996; Ermini et al., 2005), etc., los métodos empleados hasta el momento todavía muestran ciertas limitaciones en cuanto a los resultados que proporcionan (Carrara et al., 1998; Aleotti & Chowdhury, 1999; Van Westen et al., 1999; Chung & Fabbri, 2003a), siendo conveniente profundizar en su desarrollo y aplicación, a fin de mejorar la precisión y fiabilidad de las predicciones. Las Funciones de Favorabilidad (Chung & Fabbri, 1993), son uno de los métodos más prometedores a la hora de elaborar este tipo de modelos. Su aplicación en diversas zonas ha puesto de manifiesto su utilidad para elaborar modelos de susceptibilidad a la rotura (Zêzere, 2002; Remondo et al., 2003a, b). Sin embargo, todavía persisten algunos problemas por resolver o mejorar, como por ejemplo la incorporación a los análisis de peligrosidad de factores tales como la intensidad o magnitud y el alcance de las masas 79

Capítulo 4: Planteamiento del problema————————————————————————————————

deslizadas, que juegan un papel importante en la estimación de la peligrosidad. Lógicamente, la incertidumbre de los modelos de susceptibilidad afecta a la generación de modelos de peligrosidad y de riesgo que incluyan la vulnerabilidad y los elementos expuestos, y que expresen el riesgo de forma cuantitativa, como pérdidas económicas esperables para un periodo dado (Bonachea et al., 2004; Remondo et al., 2004; Remondo et al., 2005a). La elaboración de modelos de peligrosidad presenta una dificultad importante debida a los problemas para incorporar la dimensión temporal en este tipo de análisis (imprescindible para obtener modelos que representen la peligrosidad como probabilidad de ocurrencia en cada punto o unidad del territorio analizado). Esto ocurre por los problemas que con frecuencia existen para obtener datos suficientes sobre la actividad del proceso en periodos del pasado reciente, que resulten significativos para las previsiones orientadas a la prevención de daños, o por la dificultad de establecer indirectamente correlaciones con los agentes desencadenantes. Dichas previsiones deben hacerse, típicamente, para unas cuantas décadas, por lo que el periodo pasado a analizar debería de ser equivalente. Por ello, es necesario mejorar y ampliar las series temporales de deslizamientos ya existentes, para intentar determinar con mayor exactitud la frecuencia del proceso. También se debe mejorar la calidad de las variables causales utilizadas en la elaboración de modelos predictivos, por ejemplo, incorporando variables adicionales, mejorando la resolución de las ya existentes o representando con mayor precisión los límites entre unidades. La mejora de los modelos, a través de las líneas indicadas, debería proporcionar mejores predicciones en relación con la peligrosidad y la intensidad de los daños provocados. La gran cantidad de datos que se necesitan sobre los elementos que pueden ser afectados por deslizamientos y los daños provocados, su escasez y el tiempo necesario para su recopilación, han sido los factores más importantes que han dificultado el desarrollo de métodos para elaborar modelos de riesgo con un sentido cuantitativo y, en cualquier caso, la estimación de las futuras consecuencias directas de los deslizamientos (destrucción de elementos materiales o pérdidas de vidas) siempre presenta una serie de incertidumbres. Pero todavía es mayor la incertidumbre en el caso de las pérdidas indirectas (todas aquellas que se producen sobre actividades económicas, etc.), lo que además representa una complicación adicional, pues las pérdidas derivadas de la interrupción en las actividades económicas no se restringen al área afectada por el evento, sino que pueden tener efectos a grandes distancias. Una de las variables que prácticamente todos los modelos de riesgo consideran es la vulnerabilidad. La vulnerabilidad de los elementos depende fundamentalmente de sus propias características y de la energía del proceso, de forma que la información existente sobre una zona no puede ser, en general, aplicada a otras. La mayor parte de los trabajos que abordan este tema están de acuerdo en la expresión de la vulnerabilidad (de 0 a 1), pero los criterios mostrados para su evaluación son muy diversos y tienen cierta subjetividad, por lo que el significado de los mapas resultantes es incierto. Una forma de abordar el problema es expresar la vulnerabilidad como la relación entre el valor de un tipo de elementos y los daños producidos sobre el elemento cuando este es afectado por un proceso dado; esto, aunque debe ser aplicado con cautela, permite estimar la vulnerabilidad sobre bases objetivas y empíricas.

—————————————————————————Desarrollo, aplicación y validación de procedimientos ….

Esa relación se puede expresar por medio de la simulación de una serie de escenarios que expresen las pérdidas potenciales en un elemento que es afectado por un deslizamiento de una determinada magnitud, bajo distintos supuestos. Los escenarios se pueden generar a partir del análisis estadístico de los deslizamientos ocurridos en el pasado y de los daños que éstos han producido en los mismos. Como consecuencia de todo lo anteriormente presentado, se pueden identificar algunas líneas de trabajo que probablemente contribuirán a mejorar los procedimientos de cartografía de riesgo existentes y, como resultado de ello, la calidad de las evaluaciones y predicciones realizadas por medio de los mismos. En primer lugar, es preciso mejorar la precisión de los modelos de susceptibilidad y amenaza. En cuanto a la forma de perfeccionar los modelos de probabilidad espacial (susceptibilidad), existen varias alternativas que podrían mejorar los resultados en las predicciones, como: - Realizar inventarios de deslizamientos lo más completos que sea posible, de forma que se pueda tener una cobertura completa del conjunto de los lugares afectados por deslizamientos en la zona de estudio. - Considerar en el procedimiento todas aquellas variables que pueden influir en la aparición de los movimientos. Aunque, a veces, y a pesar de lo que pueda parecer en un primer momento, no todas las variables que se analizan influyen en la aparición de tales movimientos. - Mejorar la calidad y precisión de las variables utilizadas; por ejemplo, la resolución de determinadas variables continuas como las derivadas de los modelos digitales del terreno; o bien, delimitar con mayor exactitud los límites de las variables categóricas. Para mejorar los modelos de peligrosidad o de probabilidad espacio-temporal es importante: - Validar de manera independiente los modelos de susceptibilidad para comprobar su capacidad de predicción; la falta de validación de los resultados es algo muy generalizado en la mayoría de los ejemplos presentados en la literatura. - Determinar con mayor exactitud la frecuencia pasada de los deslizamientos en las zonas de estudio (mejores series temporales) con el fin de que las estimaciones de frecuencia futura sean lo más sólidas posibles. Para estimar la frecuencia futura, se podrían considerar las tendencias de evolución que muestran los procesos naturales del mismo tipo a niveles regional, nacional o global, o bien la frecuencia de los factores desencadenantes. - Dado que la peligrosidad no sólo depende de la probabilidad de rotura, sino también de la distinta magnitud o intensidad de los movimientos, los escenarios que se formulen deberían considerar tanto la magnitud como el alcance de la masa desplazada, factores que influyen directamente en el efecto destructor de los deslizamientos. También es importante mejorar la cartografía de los elementos expuestos, que debería incluir datos sobre los tipos de elementos, así como sus características y valor económico. Un problema importante se plantea en relación con la representación, tanto gráfica como

Capítulo 4: Planteamiento del problema————————————————————————————————

económica, de las personas, ya que éstas son uno de los elementos más afectados cuando se produce un proceso de deslizamiento o de cualquier otro tipo, y además son un elemento dinámico, no estático como sucede con carreteras, edificios, etc. Otra línea que conviene abordar es el perfeccionamiento de los procedimientos de evaluación de la vulnerabilidad. Esto puede lograrse, por un lado, a través de mejoras en la obtención de datos sobre daños pasados (tipo de elementos afectados, daños experimentados por cada tipo de elemento, etc.) y, por otro lado, a través de una mejor caracterización de los elementos existentes, de su valor y de su probable comportamiento ante movimientos futuros. Además, es necesario considerar las consecuencias indirectas producidas por los movimientos en masa, que pueden ser incluso superiores a las directas. Si se producen avances a lo largo de las líneas indicadas, se podrían hacer mejores predicciones sobre las pérdidas, en términos monetarios, que cabe esperar en el futuro por este tipo de proceso. Los resultados obtenidos dependerán de las características de los modelos anteriores, y también de los distintos escenarios considerados. En todo caso, es indispensable llevar a cabo una validación sistemática de los resultados de la aplicación de los modelos, basada en datos independientes que permitan comparar la predicción obtenida a partir del modelo con una realidad no incorporada en la elaboración del mismo. La generalización y estandarización de los métodos de evaluación del riesgo ayudarían a desarrollar medidas de prevención/mitigación, que permitirían reducir los daños debidos a este proceso, así como disponer de mejores herramientas para la ordenación del territorio. Ese tipo de procedimientos cartográficos tienen la ventaja de ser dinámicos y de permitir una continua actualización, a través de la incorporación de nuevos datos, o bien de futuras mejoras en los modelos. Por otro lado, los conceptos, procedimientos y herramientas aplicables a la mejora de los modelos de susceptibilidad, peligrosidad y riesgo por deslizamientos, pueden resultar también útiles para el análisis de otros procesos geológicos potencialmente peligrosos, cuya distribución en el territorio esté condicionada por factores susceptibles de expresión espacial. Sería, por tanto, de interés explorar también la aplicabilidad de esos métodos a algunos de dichos procesos.

—————————————————————————Desarrollo, aplicación y validación de procedimientos ….

CAPÍTULO 5 HIPÓTESIS DE TRABAJO Y OBJETIVOS

Capítulo 5: Hipótesis de trabajo y objetivos———————————————————————————————

—————————————————————————Desarrollo, aplicación y validación de procedimientos ….

CAPÍTULO 5 HIPÓTESIS DE TRABAJO Y OBJETIVOS A partir de los planteamientos anteriores, se han formulado una serie de hipótesis que han servido, a su vez, para enunciar los objetivos que se pretenden cubrir a través de este trabajo. Dichas hipótesis se pueden expresar como: A) El análisis de los deslizamientos ocurridos en el pasado reciente puede servir de base para hacer predicciones sobre el comportamiento futuro del proceso y, en particular, sobre la susceptibilidad y peligrosidad del mismo. B) Existe una relación entre el número, calidad y nivel de detalle de las variables espaciales utilizadas en la generación de los modelos de susceptibilidad de nuevos deslizamientos y la calidad de las predicciones de comportamiento futuro realizada a partir de los mismos. Esto es, la inclusión de nuevas variables, una mejor definición de los límites entre unidades de las mismas o bien su representación con mayor grado de detalle, deberían reflejarse en un aumento de la capacidad de predicción de los modelos. C) El análisis de los efectos de los deslizamientos pasados sobre los bienes y actividades humanos debe permitir la elaboración de modelos que ayuden a predecir los daños futuros. D) Existe una relación entre el grado de intervención humana en el territorio derivada de la actividad económica y la frecuencia, tasas o intensidad de procesos geomorfológicos tales como los deslizamientos; dicha relación, de confirmarse, puede permitir la formulación de predicciones más realistas sobre la frecuencia futura de dichos procesos. E) Los principios y métodos utilizados para la elaboración de modelos probabilísticos aplicados a los deslizamientos deberían ser válidos para otros procesos geológicos condicionados por la distribución espacial de los factores causales de los mismos, como por ejemplo los colapsos de tipo kárstico. Se tiene por tanto que el objetivo general del presente trabajo es perfeccionar los métodos basados en la aplicación de modelos probabilísticos para la evaluación de la susceptibilidad así como desarrollar procedimientos para elaborar modelos de amenaza y riesgo. Para alcanzar ese objetivo general se han planteado una serie de objetivos específicos: 1. Mejorar los modelos de susceptibilidad a los deslizamientos a través de la aplicación de técnicas y funciones estadísticas.

Capítulo 5: Hipótesis de trabajo y objetivos———————————————————————————————

2. Análisis de los efectos que sobre la calidad de las predicciones de los modelos tiene el aumento de la resolución de los Modelos Digitales de Elevaciones (MDEs). 3. Análisis de la mejora que se obtiene a través de la introducción de mapas más precisos para algunas variables (por ejemplo, mapa de usos del suelo) o bien la incorporación de variables adicionales o una mejor definición de los límites entre unidades de variables. 4. Obtención de series temporales lo más completas posible sobre los deslizamientos en la zona de estudio, con el fin de analizar su frecuencia temporal y de contrastar las predicciones de los modelos. 5. Selección, por medio de validación independiente, del mejor modelo de susceptibilidad, para su utilización como base para la obtención de modelos de peligrosidad. 6. Formulación de escenarios de probabilidad espacio-temporal basados en la tendencia de variación de la frecuencia de deslizamientos en el área de estudio durante los periodos de tiempo analizados, y utilización de dichos escenarios para transformar los modelos de probabilidad espacial o susceptibilidad, en modelos de probabilidad espacio-temporal o peligrosidad de nuevas roturas. 7. Caracterización de la población de deslizamientos existentes en la zona de estudio, con el fin de formular escenarios de comportamiento futuro en lo referente a volumen, intensidad, magnitud y alcance. 8. Elaboración de modelos de peligrosidad que incorporen tanto probabilidad de rotura como magnitud y alcance de los movimientos producidos a partir de las mismas, considerando distintos escenarios. 9. Identificación de elementos afectados por deslizamientos en el pasado reciente. 10. Elaboración de bases de datos digitales que recojan la distribución de los elementos expuestos y potencialmente vulnerables a los deslizamientos (edificios, infraestructuras y terrenos), así como el valor de los mismos, como base para la posterior estimación de su vulnerabilidad. 11. Recopilación de datos sobre los efectos de deslizamientos pasados, con el fin de obtener criterios que permitan hacer estimaciones de los daños potenciales para distintos tipos de elementos. 12. Elaboración de modelos de vulnerabilidad que expresen, de manera cuantitativa, el grado de daño esperable para los diferentes elementos expuestos. 13. Desarrollo y aplicación de procedimientos para la evaluación de la vulnerabilidad indirecta, que afecta a las actividades económicas. 14. Elaboración, sobre la base de lo anterior, de modelos de riesgo directo e indirecto, expresados en términos de pérdidas monetarias potenciales para cada punto del territorio en un periodo dado.

—————————————————————————Desarrollo, aplicación y validación de procedimientos ….

15. Determinación de la validez de los procedimientos anteriores para el análisis de otros riesgos geomorfológicos, a través de su aplicación al riesgo de colapso por disolución de yesos. 16. Mejorar la aplicabilidad de los modelos y la reproducibilidad de los resultados obtenidos, a través de la elaboración de bases de metadatos que permitan una mejor utilización de las diferentes variables por parte de cualquier operador. En los capítulos siguientes se presenta la metodología utilizada y los resultados obtenidos en relación con los objetivos anteriores.

Capítulo 5: Hipótesis de trabajo y objetivos———————————————————————————————

—————————————————————————Desarrollo, aplicación y validación de procedimientos ….

CAPÍTULO 6 METODOLOGÍA

Capítulo 6: Metodología ——————————————————————————————————————

—————————————————————————Desarrollo, aplicación y validación de procedimientos ….

CAPÍTULO 6 METODOLOGÍA La metodología que se describe a continuación se basa en el principio del uniformismo, que considera el presente como la clave del pasado (aquí el pasado es la clave del presente y del futuro) (Figura 6.1), y que se ha comentado al plantear las hipótesis de trabajo. Esto es, el análisis de los sucesos ocurridos en el pasado para, mediante su modelización, realizar predicciones acerca de su comportamiento futuro (Cendrero et al., 2006). La aplicación de esa metodología se esquematiza en el diagrama de flujo de la Figura 6.2. A partir de la identificación de un proceso, en este caso los movimientos de ladera, y en función de un determinado modelo de rotura y su relación con una serie de factores condicionantes o preparatorios, es posible identificar dónde se puede producir un proceso de similares características; esto es, elaborar un modelo de susceptibilidad a los deslizamientos por medio de técnicas estadísticas. Asimismo, del análisis de la frecuencia de movimientos en el pasado y de su magnitud, en función de una serie de escenarios, se pueden hacer extrapolaciones sobre el comportamiento futuro de los deslizamientos, tanto en lo relativo a su magnitud como a su frecuencia (cuándo).

MODELIZACIÓN

Análisis Tiempo Pasado

Predicción Presente

Futuro

Figura 6.1. Diagrama metodológico del proceso de modelización de deslizamientos.

Por otro lado, el análisis de los daños producidos en el pasado por el tipo de movimiento considerado, permite determinar qué elementos han sufrido daños, su valor y cuáles han sido esos daños (qué y cuánto es afectado). La relación entre las pérdidas y el valor de los elementos expuestos permitirá realizar estimaciones sobre la vulnerabilidad de estos elementos. La estimación de daños o de pérdidas indirectas es más complicada, ya que no suelen existir datos sobre daños indirectos, por lo que se debe recurrir a ciertas suposiciones o escenarios que traten de representar esas pérdidas indirectas potenciales.

Capítulo 6: Metodología ——————————————————————————————————————

De la integración de los modelos de peligrosidad, valor de un elemento determinado y su vulnerabilidad, se obtendrá un modelo de riesgo específico para cada elemento afectado. La suma de estos modelos de riesgo específico para el conjunto de los elementos presentes en la zona, permite generar un modelo de riesgo directo para un área dada. La combinación de los modelos de peligrosidad y de pérdidas indirectas permitirá obtener un modelo de riesgo indirecto para la misma área de estudio. Mediante la suma de modelos de riesgo directo y de riesgo indirecto se generará un modelo de riesgo total que muestra las pérdidas económicas esperables en el periodo de tiempo considerado como consecuencia del proceso analizado (cuánto). Con el fin de proceder sistemáticamente, se describirá en primer lugar cómo se elaboran los modelos de susceptibilidad y su posterior transformación en modelos de peligrosidad, teniendo en cuenta la frecuencia y magnitud de los deslizamientos en el pasado. Más adelante, se acometerá el inventario de elementos expuestos y el análisis de los daños producidos en el pasado, lo que permitirá evaluar la vulnerabilidad de los diferentes elementos. Por último, se elaborarán los modelos de riesgo mediante la combinación de los modelos de peligrosidad y de vulnerabilidad de los diferentes tipos de elementos. 6.1 La expresión matemática del riesgo La metodología planteada en este trabajo se basa conceptualmente, en la expresión de Varnes (1984) y UNDRO (1991), que considera el riesgo como función de la peligrosidad (H), de los elementos expuestos (E) y de su vulnerabilidad (V): R = f {H, E, V} La expresión anterior es conceptualmente muy clara y de general aceptación. Sin embargo, su aplicación a situaciones reales presenta problemas, en la mayoría de los casos no resueltos de manera totalmente satisfactoria. Esos problemas surgen de la dificultad de expresar en términos cuantitativos los distintos factores que intervienen en la función, ya sea la probabilidad de ocurrencia de futuros episodios peligrosos (H), los elementos expuestos (E) o el grado de daño que cada uno de ellos experimentará como consecuencia de un evento futuro (V). Algunos autores han abordado este aspecto y han propuesto expresiones que tratan de aportar una mayor precisión a la formulación general. Morgan et al. (1992) formulan una expresión similar para expresar el riesgo: R = P(H) * P(S|H) * V(P|S) * E donde: R son las pérdidas anuales en el valor de un elemento. P(H) es la probabilidad anual de que se produzca un deslizamiento. P(S|H) es la probabilidad anual de que el elemento sea afectado por un deslizamiento. V(P|S) es la vulnerabilidad del elemento o proporción de valor perdido. E es el valor del elemento. En esta expresión, los dos primeros términos equivalen a la peligrosidad, mientras que en el último se introduce el término valor del elemento.

Identificación del proceso: deslizamientos

Cartografía de deslizamientos y Factores condicionantes Slope Aspect Rugosity

Escenarios de Magnitud y Distancia

algorithm DEM

Upstr. S. F. length

algorithm Upstr. Surf. F. area

¿A QUÉ AFECTAN?

Surface deposits map

Inventario de daños producidos por deslizamientos en el pasado

¿DÓNDE? Análisis estadístico

Modelos de susceptibilidad Mapas de Valor de Elementos expuestos

¿CUÁNDO? Escenarios de probabilidad espacio-temporal

Identificación y clasificación de elementos expuestos

Altitude Breaklines Fluvial pattern Contour lines Interpolation

Curvature

Insolation

Cartografía de Elementos expuestos

Modelos de vulnerabilidad

¿CUÁNTO SON AFECTADOS? Estimación de pérdidas: directas e indirectas

Modelos de peligrosidad

INTEGRACIÓN Validación ¿CUÁL ES EL RIESGO? Modelos de riesgo específico

Modelos de riesgo total

—————————————————————————Desarrollo, aplicación y validación de procedimientos ….

Figura 6.2. Diagrama de flujo mostrando el proceso de análisis de riesgo por deslizamientos seguido en este trabajo. En rojo, etapas en las que es deseable la validación.

¿QUÉ?

Capítulo 6: Metodología ——————————————————————————————————————

Chung & Fabbri (2004), para obtener una representación de carácter cuantitativo e inequívoco del riesgo, reformulan la expresión de Varnes (1984) y UNDRO (1991), que ahora adopta la siguiente forma: R = Valor del Elemento * Prob{D I L} donde: Prob{D I L}es la probabilidad de que un elemento quede dañado (D) por un deslizamiento en el futuro (L). Este término de la expresión se puede descomponer, a su vez, en: Prob{D I L}= Prob{D|L} * Prob{L} donde: Prob{D|L} es la probabilidad condicionada de que el elemento quede dañado (D) si la unidad de superficie del territorio (píxel p) es afectada por un futuro deslizamiento. Prob{L} es la probabilidad de que el píxel p quede afectado por un futuro deslizamiento. Por tanto, la expresión final del riesgo quedaría como: R = Valor del Elemento * Prob{D|L} * Prob{L} La forma de incorporar los factores condicionantes (G) a la expresión de evaluación del riesgo de forma matemática sería la siguiente: R = Valor del Elemento * Prob{D I L|G} donde: Prob{D∩L|G} es la probabilidad de que un elemento sea dañado por un futuro deslizamiento, dado que en el píxel p existen unos determinados factores condicionantes. Esta probabilidad, a su vez, se puede descomponer en Prob{D I L|G} = Prob{(D|L)|G} * Prob{L|G} En este caso: Prob{(D|L)|G} es la probabilidad condicionada de que el elemento quede dañado, si el píxel p queda afectado por un deslizamiento, dado que se han identificado una serie de factores condicionantes en el píxel p. Este término equivaldría a la vulnerabilidad (V). Prob{L|G} es la probabilidad de ocurrencia de un futuro deslizamiento en el píxel p, dados los factores condicionantes existentes en p. Este término equivaldría a la peligrosidad o amenaza (H).

—————————————————————————Desarrollo, aplicación y validación de procedimientos ….

Como la Prob{(D|L)|G} de un deslizamiento de una determinada magnitud es aproximadamente igual a Prob{D|L}, puesto que la vulnerabilidad no depende tanto de las variables del terreno como de las características de los elementos o de su resistencia al impacto de un deslizamiento de una magnitud dada, la expresión definitiva del riesgo queda así: R = Valor del Elemento * Prob{D|L} * Prob{L|G} que es una formulación más precisa que la expresión propuesta por Varnes (1984) antes citada: R= E * V * H En este trabajo se presenta un nuevo procedimiento para la evaluación del riesgo que implica: a) Estimación de la Prob{L|G} o peligrosidad en dos fases: -

Construcción de un modelo de probabilidad espacial o modelo de susceptibilidad considerando la magnitud y alcance de los deslizamientos.

Transformación del modelo de susceptibilidad en un modelo de probabilidad espacio-temporal.

b) Estimación de la vulnerabilidad (Prob{D|L}), para cada tipo de elemento, a partir de la relación entre pérdidas sufridas por el elemento si éste es afectado por un deslizamiento, y el valor o coste de reemplazar ese elemento. La Figura 6.3 muestra un esquema del procedimiento seguido para evaluar la vulnerabilidad. c) Obtención de modelos de riesgo, incorporando el valor de los elementos expuestos, Prob{L|G} y Prob{D|L}. 6.2 Desarrollo de la metodología de trabajo En el desarrollo del esquema metodológico representado en la Figura 6.2, se pueden señalar las siguientes grandes etapas que serán objeto de descripción detallada a lo largo de este capítulo: - Elección de un área de estudio: la metodología se ha aplicado en un área de estudio concreta, la zona del Bajo Deva (Guipúzcoa). - Toma y preparación de datos: en una primera fase se ha completado la cartografía de movimientos previamente elaborada y se han identificado posibles factores condicionantes adicionales. También se han analizado los distintos tipos de elementos afectados por deslizamientos en el pasado, los daños que han sufrido, así como su valor económico. - Elaboración de modelos: en primer lugar, se han elaborado modelos de susceptibilidad mediante funciones estadísticas. Posteriormente, se han transformado en modelos de probabilidad espacio-temporal teniendo en cuenta la frecuencia de movimientos en el pasado y la influencia humana sobre los mismos, de manera que se han considerado varios

Capítulo 6: Metodología ——————————————————————————————————————

escenarios de tendencias futuras. Los modelos de probabilidad espacio-temporal se han integrado con el modelo de valor del elemento y con el modelo de vulnerabilidad ante deslizamientos de cada elemento. El resultado final son los modelos de riesgos con un significado cuantitativo. - Validación de los modelos: metodológicamente, la validación sigue al análisis de datos por medio de los diferentes modelos, pero en la práctica el proceso de análisis-validación se ha desarrollado de forma iterativa a lo largo de todo el tratamiento. Las técnicas de validación se utilizarán como criterio para seleccionar los mejores modelos y analizar la influencia de la mejora en la precisión/resolución de las variables en los modelos resultantes. - Análisis de resultados: finalmente, se discutirán los resultados obtenidos y se comentarán las principales conclusiones de este trabajo. - Aplicación del método a otro tipo de proceso geomorfológico: La metodología desarrollada para elaborar modelos de susceptibilidad de deslizamientos será aplicada para modelizar la susceptibilidad de colapsos en terrenos evaporíticos, para lo cual se ha seleccionado una zona que presenta esta problemática, en el valle del Ebro, aguas abajo de la ciudad de Zaragoza. EVALUACIÓN DE LA VULNERABILIDAD Análisis de la peligrosidad

Escenarios tipo movimiento/magnitud/elemento Análisis del pasado

Proceso

Pérdidas específicas (€/píxel)

Daños

Infraestruct. Edificios

Usos

Personas Actividades

Análisis de experto

Vulnerabilidad (0-1) Infraestruct.

Inventario Elementos Vulnerables

Edificios Usos Personas Actividades

Valor (€/píxel)

= = = No Escenarios de pérdidas potenciales indirectas

Figura 6.3. Diagrama conceptual para la evaluación de la vulnerabilidad. Se tiene que del análisis de deslizamientos ocurridos en el pasado, se estudia el proceso y por otro lado los daños. Del análisis del pasado se identifican por un lado, los distintos elementos vulnerables y su valor en (€/píxel), y por otro lado, teniendo en cuenta un escenario similar al utilizado para analizar la peligrosidad se calculan las pérdidas específicas por año que se obtienen en base a daños actuales en el pasado. La vulnerabilidad, por tanto, se expresa como la relación entre pérdidas y coste.

—————————————————————————Desarrollo, aplicación y validación de procedimientos ….

6.3 Descripción y selección del área de estudio 6.3.1 Justificación El área de estudio comprende los municipios de Deva, Mendaro, Elgoibar y Eibar, situados en la zona noroeste de la provincia de Guipúzcoa, en su límite con Vizcaya. La elección de esta zona es consecuencia, principalmente, del conocimiento previo existente sobre ella, así como de la excelente información cartográfica disponible y, por otro lado, del interés de la Diputación Foral de Guipúzcoa, concretamente del Departamento para la Ordenación y Promoción Territorial, para desarrollar una infraestructura de datos y metadatos (con estándares europeos), para toda la provincia, que pueda servir de base en la toma de decisiones. Esta política se enmarca dentro de la propuesta europea INSPIRE (INfrastructure for SPatial InfoRmation in Europe). El objetivo fundamental de esta directiva europea es facilitar que los órganos responsables de la toma de decisiones en los 25 Estados miembros, dispongan de unos datos espaciales abundantes y fiables. Aunque INSPIRE está centrado fundamentalmente en la infraestructura de datos espaciales, en sentido general, contempla de forma específica aspectos sobre cartografía temática y de riesgos. Así, una base de datos cuya realización considera INSPIRE es la referente a las “zonas afectadas por riesgos naturales: zonas vulnerables caracterizadas por la existencia de riesgos de carácter natural, por ejemplo inundaciones, corrimientos de tierra, aludes, incendios forestales, terremotos, erupciones volcánicas”. En la zona del Bajo Deva el riesgo de daños por deslizamientos no es, en principio, elevado, debido a que la mayoría de los movimientos presentes son de pequeña magnitud. Sin embargo, el número de movimientos es muy alto y afectan a una superficie bastante extensa, por lo que presenta condiciones favorables para la realización de análisis estadísticos. Además, aunque no sean habituales, algunos de esos movimientos producen daños importantes, como por ejemplo el que afectó en diciembre de 2005 a la autopista Bilbao-San Sebastián. Por último, la cartografía de deslizamientos realizada por Remondo (2001), junto con la información cartográfica facilitada por la Diputación Foral de Guipúzcoa, han facilitado extraordinariamente el desarrollo del trabajo que aquí se presenta. 6.3.2 Características generales 6.3.2.1 Marco geográfico El área de estudio se sitúa en la zona más occidental de la provincia de Guipúzcoa, formando parte de la cuenca del Bajo Deva (Figura 6.4). La superficie total estudiada es de 139,4 km2, estando comprendida entre las coordenadas rectangulares UTM: Xmin = 540744,8755; Ymin = 4779392,5000; Xmax = 559594,8755; Ymax = 4794932,5000; cuyos puntos delimitan una superficie rectangular total de 293,3 km2. La característica orográfica más destacada del área de estudio es, sin duda, su relieve accidentado; con altitudes que oscilan entre 0 y 895 metros y pendientes entre 0º y 81º. El río Deva atraviesa la zona en dirección SE-NE, perpendicularmente a la estructura geológica, hasta su desembocadura en el mar Cantábrico, junto a la población de Deva. Paralelos a esta estructura y perpendiculares al cauce principal, aparecen una serie de

Capítulo 6: Metodología ——————————————————————————————————————

cauces delimitados por valles de laderas rectilíneas con bastante pendiente y fondos de valle muy estrechos. El municipio de Deva, en su zona más septentrional, limita con el mar Cantábrico y se caracteriza por presentar una rasa cortada por acantilados abruptos y bastante inestables, de la que sobresalen colinas y en la que se encajan pequeños arroyos.

Figura 6.4. Situación del área de estudio. Se muestran las principales líneas de comunicación y los edificios.

6.3.2.2 Marco climático El clima de la zona se caracteriza por ser de tipo templado-húmedo; con medias anuales de 13 ºC y 1.300 mm. Los inviernos suelen ser suaves y los veranos relativamente frescos. Las precipitaciones son frecuentes durante todas las estaciones, principalmente en el otoño y primavera. Esta condición climática está determinada por el dominio de los vientos del noroeste, norte y oeste, de origen atlántico. La situación típica se ve alterada esporádicamente por vientos procedentes del sur, este y noreste, de origen continental y que implican una disminución de la humedad relativa del aire y aumento de la amplitud térmica diurna. Los episodios de lluvias intensas, especialmente importantes en relación con la ocurrencia de deslizamientos, son relativamente frecuentes; las tormentas de 60 y 100 mm/día tienen 98

—————————————————————————Desarrollo, aplicación y validación de procedimientos ….

periodos de retorno de 2,3 y 10 años, respectivamente (Remondo, 2001). La exposición preferente a los vientos del noroeste juega un papel decisivo en las cantidades de precipitación, velocidad del viento y días de galerna. El factor orográfico determina asimismo la mayor nubosidad por estancamiento y la distribución local de la precipitación. 6.3.2.3 Marco geológico El marco geológico de la zona de estudio ha sido ampliamente descrito en trabajos anteriores (Remondo, 2001; EVE, 2003) por lo que únicamente se hará una breve descripción de los materiales aflorantes (Figura 6.5). Las edades de los materiales presentes abarcan desde el Cretácico inferior (Aptiense inferior-Albiense medio) hasta el Eoceno (Ypresiense), además de los depósitos de edad cuaternaria consistentes en depósitos aluviales, aluvio-coluviales, antropogénicos y litorales.

1: Rocas ígneas básicas; 2: Silicificaciones; 3: Brechas calcáreas, niveles de inestabilidad; 4: Calizas impuras (calizas arenosas y/o margosas); 5: Calizas urgonianas estratificadas en bancos decimétricos a métricos; 6: Calizas urgonianas masivas o con estratificación difusa; 7: Montículos arrecifales; 8: Niveles de calizas con orbitolinas; 9: Margas y margocalizas grises. Margas arenosas; 10: Calcarenitas bioclásticas; 11: Alternancia de calizas, brechas calcáreas y calcarenitas (Fm. Sasiola); 12: Areniscas de Istiña; 13: Margas y limolitas calcáreas negras (margas de Itziar). Lutitas silíceas; 14: Lutitas calcáreas negras. Pasadas de areniscas; 15: Areniscas silíceas con escasos niveles de lutitas; 16: Microconglomerados y conglomerados; 17: Depósitos caóticos. Megaturbiditas y brechas; 18: Alternancia de areniscas silíceas y lutitas; 19: Margas gris oscuro esquistosas, con intercalaciones de calizas arenosas; 20: Intercalaciones areniscosas en margas negras; 21: Margocalizas con brechas polimícticas; 22: Calizas micríticas negras; 23: Alternancia de margas, margocalizas, calizas micríticas y calcarenitas; 24: Sills básicos; 25: Rocas volcanoclásticas; 26: Coladas volcánicas masivas y traquitas; 27: Brechas volcánicas ("pillow-brechas"); 28: Coladas volcánicas con estructura en "pillow"; 29: Alternancia de margas y calizas arenosas, hacia el oeste areniscas calcáreas y margas; 30: Brechas calcáreas y brechas intraformacionales; 31: Niveles margosos intercalados en el flysch; 32: Margas y margocalizas grises; 33: Calizas micríticas y margocalizas rosadas; 34: Lutitas, escasas pasadas areniscosas; 35: Alternancia flyschoide de calizas arenosas y margas; 36: Depósitos aluviales y aluvio-coluviales; 37: Depósitos antropogénicos.

Figura 6.5. Mapa litológico del Bajo Deva (modificado de EVE, 2003).

Capítulo 6: Metodología ——————————————————————————————————————

Los materiales más antiguos corresponden a lo que se denomina Complejo Urgoniano, formado por materiales principalmente calcáreos que aparecen en los 3 municipios situados más al norte. Por encima de estos depósitos se encuentra el Complejo Supraurgoniano, de carácter siliciclástico. En la parte alta de la serie aparece un Flysch calcáreo, que se muestra en los municipios de Deva, Eibar y Elgoibar. En los municipios de Eibar y Elgoibar también puede encontrarse un Complejo Volcánico formado por coladas, sills y brechas correspondientes al Turoniense-Santoniense. En la zona de Eibar aparecen los materiales más modernos (Terciario), pertenecientes a la formación Flysch, de carácter detrítico y calcáreo. En el municipio de Deva se encuentran pequeñas alteraciones hidrotermales asociadas a fallas, con escasa representación cartográfica, formando cuerpos de morfologías irregulares. En Mendaro aparecen algunas rocas ígneas básicas de carácter filoniano (diabasas) encajadas en los materiales del Complejo Urgoniano. 6.3.2.4 Marco socioeconómico - Población y actividad económica: El área de estudio tiene una población aproximada de 45.000 habitantes, lo que implica una densidad media en la zona de unos 325 hab/km2. En la Tabla 6.1, se presentan una serie de datos, por municipios, que muestran las principales características demográficas y económicas de la zona (INE, 2003; EUSTAT, 2003), que sirven de base para los análisis de vulnerabilidad y riesgo. Tabla 6.1. Datos sociales y económicos de los municipios incluidos en la zona de estudio (elaboración propia a partir de datos de INE, 2003; EUSTAT, 2003). Tasa Nº de % % de edificios Densidad media Nº Población Población Municipios Población Empleos paro (2000) 2 empresas (habitantes/km ) Rural activa (%, 2001) 707 Deva 5.185 100,99 18 64,9 513 2.670 6,03 1.386 Eibar 28.219 1.157,65 1,2 62,7 2.352 9.272 8,01 882 Elgoibar 10.440 275,55 6,6 63,8 1.006 5.575 5,55 219 Mendaro 1.444 59,53 0,0 64,1 122 823 2,58 3.194 Total 45.288 325 3.993 18.340

La población está empleada, principalmente, en la industria y los servicios (EUSTAT, 2003), concentrados en las zonas urbanas. En las zonas rurales, la actividad principal es la ganadería y la agricultura. Los polígonos industriales se sitúan en las márgenes del río Deva o bien ocupando pequeños valles transversales en los diferentes municipios. Un aspecto que se debe tener en cuenta en relación con los posibles riesgos, es la intensidad media diaria de vehículos que circulan en los distintos tramos de las carreteras. La mayor parte de este tráfico se debe a la actividad industrial y de servicios que se localiza en los polígonos industriales. Por tanto, la interrupción de alguna de las carreteras como consecuencia de deslizamientos repercutirá de forma indirecta en la actividad económica de las diferentes empresas y de la comarca. Dependiendo del punto en que se produzca el deslizamiento, estos daños pueden ser muy importantes e incluso, afectar a zonas externas al área de estudio. Conocer el número de vehículos que circulan por determinadas zonas es importante a la hora de estimar las pérdidas potenciales que se pueden producir si en un

100

—————————————————————————Desarrollo, aplicación y validación de procedimientos ….

determinado punto queda bloqueada una carretera. Asimismo, es importante conocer las vías de tránsito alternativas en caso de que se produzca un deslizamiento. La Figura 6.6 muestra unas vistas aéreas de la zona de estudio donde se puede observar la ubicación de los principales núcleos urbanos e industriales.

Figura 6.6. Fotografías aéreas de los principales núcleos urbanos e industriales de la zona del Bajo Deva (Departamento para la Ordenación y Promoción Territorial, DFG).

- Infraestructuras lineales: En el área de estudio existen diferentes tipos de infraestructuras de transporte: autopista, carretera nacional, carreteras regionales, carreteras locales y línea de ferrocarril (Figura 6.7). Estas infraestructuras se distribuyen a lo largo de todo el área de estudio y pueden verse afectadas por deslizamientos. La longitud total de cada tipo de vía de comunicación es: 1. Autopista A-8: 47,9 km. (suma de ambos sentidos). 2. Nacional N-634: 34,5 km. 3. Carreteras Regionales: 62,4 km. 4. Carreteras locales y caminos: 760 km.

101

Capítulo 6: Metodología ——————————————————————————————————————

5. Euskotren (línea Bilbao-San Sebastián): 21,8 km. (sin tener en cuenta los tramos que discurren en túnel y que se supone no se ven afectados por deslizamientos). Existen otros tipos de infraestructuras lineales como pueden ser conducciones de agua, saneamientos, gas, electricidad o teléfono, que no se han tenido en cuenta debido a las dificultades para obtener los datos correspondientes de las empresas y a las complicaciones que presenta su tratamiento en un SIG a la escala de trabajo que se emplea aquí.

Figura 6.7. Vías de comunicación existentes en la zona del Bajo Deva (Departamento para las Infraestructuras Viarias, DFG).

- Edificios: Existen cerca de 3.000 edificios en la zona dedicados a distintos tipos de usos: vivienda, almacén, industrial, agrícola, etc., según la base de datos del catastro. Las mayores concentraciones de edificios se sitúan, lógicamente, en los núcleos urbanos y en los diferentes polígonos industriales (Figura 6.8).

102

—————————————————————————Desarrollo, aplicación y validación de procedimientos ….

Figura 6.8. Distribución, según el tipo de uso, de los edificios existentes en el área de estudio (Departamento para la Fiscalidad y las Finanzas, DFG). Debido al escaso nivel de detalle se muestra, a modo de ejemplo, una pequeña zona del núcleo urbano de Deva en aumento.

-Usos del suelo: Los usos del suelo también tienen importancia para la evaluación de la exposición y la vulnerabilidad, puesto que tanto el valor del terreno como su productividad difieren considerablemente según el uso. Del inventario forestal del País Vasco, realizado en 1996, (Gobierno Vasco-Departamento de Agricultura y Pesca, 1997) se han identificado los siguientes tipos de uso (Figura 6.9): Improductivo: son zonas en las que los factores del medio físico impiden la explotación agroforestal (acantilados, roquedos, etc.), o zonas donde su uso actual imposibilita la utilización agroforestal (carreteras, canteras, zonas urbanas, etc.). Se han diferenciado dentro de este tipo de uso, las siguientes clases: agua, cantera, roquedo y urbano. Prados: son terrenos con cubierta herbácea, típicos de climas húmedos y que producen varias siegas al año. Se dedican fundamentalmente a la actividad ganadera. Estos, con el paso del tiempo, se van transformando en áreas forestales, principalmente como consecuencia del abandono de la ganadería. Pastizales: son aquellos terrenos de cubierta herbácea, que se dedican a pasto de diente para el ganado. Matorral: se trata de áreas con vegetación arbustiva de pequeño o mediano porte. Comprende enebrales, brezales, argomales, etc.

103

Capítulo 6: Metodología ——————————————————————————————————————

Forestal: son las zonas cubiertas por árboles; si la densidad de la proyección de sus copas sobre la superficie del terreno supera el 50% se trata de arbolado denso, mientras que si es inferior al 20% se considera arbolado ralo. Ocupan la mayor parte del área de estudio y las especies predominantes son: Betula (Abedul), Bosque Atlántico, Bosque de Cantil, Bosque de Ribera, Castanea, Chamaecyparis lawsoniana (Ciprés), Eucalyptus, Fagus sylvatica (Haya), Larix (Alerce), Pinus nigra, Pinus pinaster, Pinus radiata, Plantaciones de Frondosas, Platanus populus, Pseudotsuga menziesii (Abeto), Quercus faginea, Quercus ilex (Encina), Quercus robur, Quercus rubra, Robinia pseudoacacia (Acacia). Cultivos: son áreas que se trabajan de forma intensa y que se dedican a cereales, horticultura, frutales, etc. Se trata de pequeñas labores para consumo propio, cada vez más reducidas.

Figura 6.9. Principales tipos de usos del suelo existentes en la zona del Bajo Deva. Las unidades agua, urbano, cantera y roquedo, se han reunido en la unidad “improductivo” (modificado de Gobierno Vasco-Departamento de Agricultura y Pesca, 1997).

104

—————————————————————————Desarrollo, aplicación y validación de procedimientos ….

6.4 Toma y preparación de datos En este apartado se describe el proceso de obtención de datos así como los tratamientos aplicados a los mismos para su posterior utilización en los modelos. Dichos datos se refieren a las variables que se resumen en la Tabla 6.2. Tabla 6.2. Variables utilizadas en la generación de modelos.

Variables continuas

Variables temáticas

Modelo digital de elevaciones (MDE) Modelo digital de orientaciones (Orientaciones) Modelo digital de pendientes (Pendientes) Modelo digital de insolación (Insolación) Modelo de distancia a fallas (Fallas_dist) Modelo de distancia a cauces (Ríos_dist) Litología (Lito) Usos del suelo (Usos) Espesor de regolito (Espesor)

En el caso de las variables independientes utilizadas para la elaboración de modelos de susceptibilidad y de peligrosidad se han utilizado las bases de datos previamente obtenidas con las modificaciones siguientes: a) Las variables litología y espesor de regolito se han incorporado sin modificaciones. b) En el caso de los usos del suelo se han incorporado las infraestructuras y los edificios existentes en la zona de estudio. c) Se ha mejorado el modelo digital de elevaciones (y por tanto, sus derivados), obteniéndolo a partir de un mapa de curvas de nivel generado con un vuelo de 2001, lo que ha permitido mejorar su calidad y precisión. d) Se han incorporado nuevas variables, concretamente, distancia a líneas de fractura y a cauces fluviales. e) También se han introducido mejoras que afectan al tratamiento de las diferentes variables, tal y como se describe más adelante. Finalmente, en lo que se refiere a los movimientos en masa, se ha completado el inventario de deslizamientos, incorporando los producidos entre 1997 y 2001. Además, se han obtenido datos de tipo socio-económico y de daños, con el fin de elaborar modelos de vulnerabilidad y de riesgo. Dichos datos incluyen el inventario y cartografía de los elementos expuestos, intensidades de tráfico, pérdidas económicas en infraestructuras y terrenos, etc. El tratamiento de las variables de tipo espacial se ha llevado a cabo en el entorno de diversos SIG (Ilwis 3.2 y ArcGis 9.0, fundamentalmente), los cuales facilitan en gran medida los análisis, así como la obtención de algunas de las variables geométricas. Para el tratamiento del conjunto de la información se ha utilizado una resolución espacial de 10 x 10 metros, esto significa que toda la información cartográfica se ha rasterizado, por tanto, a un tamaño de píxel de 10 x 10 metros, lo que representa un total de 2.932.730

105

Capítulo 6: Metodología ——————————————————————————————————————

píxeles (1.555 líneas x 1.886 columnas) para toda la zona de estudio. Esta resolución proporciona suficiente detalle para reflejar la práctica totalidad de los rasgos considerados (deslizamientos, variables condicionantes, infraestructuras, edificios) y permite el tratamiento del conjunto de la zona. Para zonas concretas (Bonachea et al., 2004; Remondo et al., 2004) se ha utilizado una resolución de 1 x 1 metro, que representa más fielmente a los elementos considerados, pero que aumenta extraordinariamente el volumen de información. A continuación se describe con detalle los datos utilizados en los diferentes análisis realizados. 6.4.1 Datos relacionados con el análisis de la peligrosidad A continuación se detalla la naturaleza y características de los datos relativos a la hipótesis de rotura y a las variables relacionadas con la aparición de deslizamientos. 6.4.1.1 Hipótesis de rotura Los deslizamientos no se distribuyen de forma aleatoria por la superficie del terreno, sino que siguen unas pautas o reglas. Esas reglas no se conocen en detalle, pero si se sabe que están relacionadas con una serie de parámetros geométricos, geológicos, geomorfológicos, hidrogeológicos, de cobertera vegetal, etc. Determinando la contribución relativa de cada parámetro al proceso de inestabilidad, se puede estimar la mayor o menor susceptibilidad del terreno a deslizarse, suponiendo que el comportamiento futuro sea similar al pasado. Diversos autores (Palmquist & Bible, 1980; Varnes, 1984; Crozier, 1986; Hutchinson, 1988) diferencian entre factores condicionantes, aquellos que reflejan las características del terreno e influyen en que unos deslizamientos aparezcan en unas zonas u otras, y factores desencadenantes, aquellos que causan directamente la ocurrencia de deslizamientos, como la precipitación, actividad sísmica, determinadas actividades humanas, etc. Los deslizamientos superficiales acontecen a partir de una determinada inclinación de las laderas, aunque en pendientes muy fuertes tiene lugar la aparición de otros tipos de movimientos, como la caída de rocas (Dikau et al., 1996a). Las laderas que sufren mayor insolación, son, en general, más estables que aquellas más húmedas. Normalmente, las zonas de prados son más propensas a sufrir deslizamientos que las zonas de bosque, debido al efecto estabilizador que producen las raíces de los árboles (Greenway, 1987). Las formaciones superficiales son sensibles a los cambios en la cohesión del material y en la presión de poros. La litología también es un factor importante ya que condiciona la cohesión del material. En el caso concreto de la zona de estudio, la mayor parte de los deslizamientos existentes se caracterizan por ser deslizamientos translacionales superficiales (shallow debris slides) que afectan a la capa superficial del terreno, cuyo espesor es en general de 0,5-2 metros. Las superficies de ruptura se producen en general en el contacto entre regolito y roca, y suelen ser paralelas a la superficie del terreno. Estos deslizamientos, a menudo, se transforman en flujos cuando el espesor de regolito es pequeño o cuando la superficie favorece la concentración de agua en determinadas zonas (Remondo et al., 2003a).

106

—————————————————————————Desarrollo, aplicación y validación de procedimientos ….

Muchas veces son difíciles de identificar debido a su pequeño tamaño y a la intensa cobertera vegetal que enmascara su morfología. Los movimientos se desencadenan normalmente durante o después de intensas precipitaciones, siendo éstas el principal factor desencadenante, ya que disminuyen la resistencia de la ladera y aumentan la presión de poros y el peso del material más superficial. La velocidad de desplazamiento (Varnes, 1978) es rápida a muy rápida, de metros por minuto. El tipo de deslizamientos citados representan aproximadamente el 75% de los deslizamientos existentes en la zona, por lo que el deslizamiento tipo considerado para la elaboración de modelos es: deslizamiento superficial, afectando al regolito y con superficie de ruptura en el contacto entre regolito y sustrato. 6.4.1.2 Series de deslizamientos Se han inventariado los movimientos en masa ocurridos en los 4 municipios estudiados durante el periodo 1954-2001 (Figura 6.10). El inventario, constituido en su mayor parte por deslizamientos superficiales y flujos que afectan al regolito, “shallow debris slides”, refleja tanto la distribución espacial como la temporal. Dicho inventario se ha basado en la interpretación de fotografías aéreas (1954-1997) y reconocimientos de campo así como en la interpretación de la ortofoto de 2001 y campañas de campo posteriores a esa fecha. Tanto las fotos aéreas como la ortofoto han sido facilitadas por la Diputación Foral de Guipúzcoa (DFG). El espesor de los depósitos se ha determinado en el campo, y a partir de él se han estimado los volúmenes. El tamaño medio de los movimientos es de unos 500 m2; siendo los más pequeños de unos pocos metros cuadrados, mientras que los mayores raramente superan los 2.500 m2. El volumen medio es de unos 250 m3. El tamaño medio de la zona de ruptura es de 160 m2, con una distancia recorrida de unos 30 metros, mientras que la anchura máxima media que alcanza la masa es de unos 25 metros. Las dimensiones promedio de los deslizamientos, como era de esperar, no varían con la incorporación de los nuevos movimientos inventariados y son similares a las descritas previamente. En la base de datos correspondiente, y teniendo en cuenta las dimensiones de la zona de rotura, se ha representado cada deslizamiento por un píxel, que corresponde al centro de dicha zona. El inventario constituye la información fundamental para el análisis espacial y temporal, así como para la posterior validación de los resultados obtenidos, tanto con los modelos probabilísticos de susceptibilidad como con los de peligrosidad. El inventario de deslizamientos obtenido cubre los periodos: pre-1955; 1955-1971; 19711983; 1983-1985; 1985-1991; 1991-1993; 1993-1997; 1997-2001, en el municipio de Deva, que representa el 37% del área de estudio. En el resto de la zona, la cobertura temporal es menos completa, cubriendo los periodos pre-1991, 1991-1997 y 1997-2001. En cualquier caso, dado que para periodos iguales la relación entre los deslizamientos de Deva y los del resto de la zona se mantiene constante, se ha supuesto que la variación temporal es similar en todo el área de trabajo.

107

Capítulo 6: Metodología ——————————————————————————————————————

Figure 6.10. Inventario de deslizamientos, para el Bajo Deva, ocurridos en diferentes periodos: pre1991, 1991-1997 y 1997-2001.

108

—————————————————————————Desarrollo, aplicación y validación de procedimientos ….

6.4.1.3 Factores condicionantes En la Tabla 6.3 se muestra una recopilación de los principales factores condicionantes considerados por distintos autores en la evaluación de la susceptibilidad de deslizamientos. En esa tabla se puede observar que la mayor parte de los autores tienen en cuenta factores relacionados con la geología, usos del suelo, geometría de la ladera, morfología de la cuenca, condiciones hidrológicas o condiciones climáticas, como factores condicionantes o preparatorios de los movimientos de ladera. Tabla 6.3. Algunos ejemplos de las variables más significativas para elaborar modelos de susceptibilidad, según diversos autores.

109

Capítulo 6: Metodología ——————————————————————————————————————

De acuerdo con la hipótesis de rotura planteada anteriormente y teniendo en cuenta ese conjunto de factores, se han seleccionado las variables que se considera pueden condicionar en mayor medida la aparición del tipo de deslizamientos descritos. Dichas variables, junto a los deslizamientos inventariados, son la base a partir de la cual se generan diversos modelos de susceptibilidad. Todas las variables (variables condicionantes) utilizadas en el estudio de la inestabilidad pueden clasificarse, desde un punto de vista de tratamiento, en los siguientes dos tipos: -

Variables temáticas o categóricas: son aquellas que muestran una distribución en clases o unidades de carácter cualitativo, como es el caso de la litología.

Variables continuas: son aquellas que pueden tomar los infinitos valores de un intervalo, como es el modelo digital de elevaciones o modelos del terreno.

Todas estas variables quedan definidas y descritas en el anexo II, donde también se incluyen los metadatos de cada una de ellas. 6.4.1.3.1 Variables continuas -

Modelo digital de elevaciones (MDE): este modelo se ha obtenido a partir de la base topográfica, a escala 1/5000, del Departamento de Ordenación y Promoción Territorial de la DFG, realizada con fecha de Diciembre de 2004 con una equidistancia 5 metros. Las alturas en la zona de estudio oscilan entre 0 y 895 metros. Este modelo es la base para la obtención de las siguientes variables:

Modelo digital de orientaciones (Orientaciones): ha sido obtenido a partir del anterior. Se representa en valores de grado, de 0 a 360º.

Modelo digital de pendientes (Pendientes): Se ha obtenido a partir del modelo digital de elevaciones. Las pendientes en el área de estudio oscilan entre 0º y 81º, siendo la pendiente media de aproximadamente 24º. Se representa en valores de grado, de 0 a 81º de pendiente.

Modelo digital de insolación (Insolación): el modelo final representa la insolación media anual resultante de calcular la insolación media mensual medida el día 21 de cada mes (del año 2000), por ser esa fecha la coincidente con los equinoccios y solsticios con valores que van de 0 (mínima insolación, color negro) a 255 (máxima insolación, color blanco), con un total de 255 clases.

Modelo de distancia a fallas (Fallas_dist): a partir del mapa geológico del Ente Vasco de la Energía (EVE, 2003), se extrajeron las principales líneas de fractura (falla normal, inversa y contacto mecánico) y se ha creado un modelo de distancias desde cada segmento de la falla hacia el exterior, con precisión de 1 metro.

Modelo de distancia a cauces (Ríos_dist): corresponde a un modelo de distancias (igual que en el caso anterior) para la red hidrográfica obtenida a través del Departamento de Ordenación y Promoción Territorial de la DFG.

110

—————————————————————————Desarrollo, aplicación y validación de procedimientos ….

6.4.1.3.2 Variables categóricas Las variables temáticas utilizadas se relacionan a continuación. Los números representan el código numérico utilizado para el tratamiento estadístico de las mismas y no tiene, en sí mismo, significado ordinal. Se señala que, por las características del software utilizado, los códigos 0, 1 y 2 no se utilizan. Litología (Lito): la información de este mapa procede del mapa geológico del País Vasco editado por el Ente Vasco de la Energía y del Estudio Geomorfológico de Guipúzcoa (Diputación Foral de Guipúzcoa, 1986), a escala 1/25000. El valor numérico asignado a cada unidad de litología es la siguiente:

3: Flysch detrítico calcáreo 4: Flysch lutítico 5: Calizas estratificadas 6: Margocalizas 7: Margas 8: Areniscas y conglomerados 9: Flysch arenoso 10: Calizas masivas 11: Lutitas calcáreas y margocalizas 12: Calizas margosas 13: Calcarenitas, margas y brechas calcáreas 14: Flysch calcáreo 15: Rocas volcanoclásticas 16: Rocas volcánicas en coladas 17: Brechas poligénicas 18: Brechas silíceas 19: Gravas bien gradadas 20: Gravas mal gradadas 21: Gravas arcillosas 22: Arenas bien gradadas 23: Arenas mal gradadas 24: Arenas limosas 25: Arenas arcillosas 26: Limos y arenas muy finas 27: Arcillas plásticas 28: Rellenos artificiales

- Usos del suelo (Usos): este mapa se ha obtenido por reclasificación de las unidades del Inventario Forestal del País Vasco de 1996 (Departamento de Industria, Agricultura y Pesca, 1997). La clase “urbano” se ha completado, incorporando ciertos elementos, como carreteras y edificios, no debidamente reflejados en el mapa anterior. El valor numérico asignado a cada unidad de uso del suelo es la siguiente: 3: Agua 4: Cantera 5: Espinos 6: Forestal Arbolado 7: Frutales y Viñedos 8: Matorral 9: Pastizal 10: Prado 11: Roquedo 12: Urbano

111

Capítulo 6: Metodología ——————————————————————————————————————

- Espesor de regolito (Espesor): el mapa de espesores se ha elaborado a partir de la interpretación de fotos aéreas, con información proporcionada por el mapa de formaciones superficiales elaborado, a menor detalle, para el Estudio Geomorfológico de Guipúzcoa (Diputación Foral de Guipúzcoa, 1986) y posteriormente perfeccionado con observaciones sistemáticas sobre el terreno. Las unidades representadas expresan el espesor más frecuente de la formación superficial existente en el área de cada unidad. El valor numérico asignado a cada unidad de espesor de regolito es la siguiente: 3: Roca 4: 0-0,5 metros 5: 0,5-1 metros 6: 1-2 metros 7: 2-4 metros 8: >4 metros

Distintos análisis previos (Remondo, 2001; Remondo et al., 2003a, b) han puesto de manifiesto que otras variables potencialmente significativas (Tabla 6.3), contribuyen muy poco a la calidad de los modelos de susceptibilidad para esta zona de estudio, por lo que se ha decidido no tenerlas en cuenta. Por el contrario, se ha considerado que otras variables no incorporadas a dichos análisis podrían contribuir a mejorar los modelos. Es el caso de las distancia a fallas y a cursos de agua, incluidas en las variables continuas. En el caso de las fallas se entiende que, si éstas son activas, pueden contribuir a la aparición de deslizamientos (González-Díez, 1995; Lee et al., 2002), sobre todo en sus proximidades. En el caso de la proximidad a los cauces, debido a la actividad erosiva que ejercen éstos en sus márgenes y dado que los valles son muy estrechos y de fuertes pendientes, se considera que pueden influir en la aparición de deslizamientos por socavamiento basal (Remondo, 2001). 6.4.2 Datos relacionados con el análisis de los elementos expuestos La expresión del riesgo implica incorporar el valor de los distintos elementos potencialmente afectados por los deslizamientos. Por ello, es preciso realizar un inventario de los elementos expuestos o afectables, así como estimar su valor en términos monetarios y recabar datos sobre los daños experimentados en el pasado, como base para hacer estimaciones de lo que puede suceder en el futuro (estimación de la vulnerabilidad). Los distintos tipos de elementos vulnerables que se han considerado en el análisis son: las infraestructuras lineales (carreteras y ferrocarril), edificios, terrenos y actividades económicas, todos los cuales han experimentado daños en el pasado. Otros elementos, como conducciones de agua, gas, saneamientos, redes de telecomunicaciones, etc., probablemente también han sufrido daños en el pasado, pero no se han tenido en cuenta debido a la falta de datos y a la dificultad de representar tales elementos a la escala de trabajo. La población como tal tampoco se ha considerado, dado que no se conoce ningún caso de daños a personas en la zona. Es posible que haya personas afectadas por deslizamientos en el futuro, sobre todo si éstos son de mayores dimensiones, pero la probabilidad es muy baja. La información de tipo cartográfico sobre los elementos citados se obtuvo de diferentes organismos (ayuntamientos, Departamentos de Transportes y de Hacienda de la Diputación Foral de Guipúzcoa, organismos de estadística, etc.).Los datos sobre valor de los elementos y daños pasados se obtuvieron de empresas constructoras, Departamentos de Transportes,

112

—————————————————————————Desarrollo, aplicación y validación de procedimientos ….

de Hacienda y de Desarrollo del Medio Rural de la Diputación Foral de Guipúzcoa, estadísticas y hemerotecas de diferentes organismos. 6.4.2.1 Infraestructuras Las vías de comunicación son seguramente el elemento más afectado por los deslizamientos (Figura 6.11). La cartografía de carreteras y ferrocarril se obtuvo a través del Departamento para la Ordenación y Promoción Territorial de la Diputación Foral de Guipúzcoa; en su página web (http://b5m.gipuzkoa.net/), se puede descargar dicha información en formato dxf. Se ha creado una base de datos de estas infraestructuras, caracterizadas por una serie de atributos, los cuales permitirán asignar a cada sector o segmento de vía su valor por metro, pérdidas, etc. (Tabla 6.4). Los atributos utilizados son los siguientes: Nombre de la infraestructura: se ha mantenido la nomenclatura asignada por la DFG o el Gobierno central. Clase de vía: Las diferentes vías han sido clasificadas en función de su categoría y su competencia (local, provincial, autonómica o nacional). Longitud: representa la longitud de cada segmento en metros. Los segmentos se definen por dos nodos, inicial y final, que a veces coinciden con intersecciones. Nº de vehículos: esta información ha sido elaborada por el Departamento de Transportes y Carreteras de la DFG para el año 2002 y se ha incorporado a la base de datos. A partir de distintas estaciones de aforo situadas en las principales vías, a cada tramo se le asigna la Intensidad Media Diaria de vehículos. Los valores obtenidos oscilan entre 21.698 y 50 vehículos/día. A las carreteras locales, para las cuales se carece de información, se les ha asignado, de manera conservadora, un valor de 25 vehículos diarios. A los tramos de otras carreteras para los que se carece de datos se les han asignado unos valores medios con respecto a los de los tramos próximos. En el caso del tren, sólo se han conseguido datos relativos al número de viajeros anuales entre las estaciones de Eibar y San Sebastián, los cuales durante el año 2001 fueron de 3.780.000 viajeros. Este tipo de datos constituye la base para el análisis de las pérdidas indirectas potenciales, que se explica más adelante. Tabla 6.4. Tabla asociada al mapa de infraestructuras. Nombre, clase y clasificación de las infraestructuras; longitud total de cada clase e intensidad media diaria de vehículos. Nombre Carretera local Carretera GI-,... Autopista Nacional N-634 Euskotren

A-8,

Clase

Clasificación

Local Provincial

Red Gris Red Naranja, Red Verde, Red Amarilla Red Roja

Estatal, provincial Autonómica

Red Ferroviaria Regional

Longitud total (km.) 762,67 62,4

Nº vehículos/día 25 12.563;…; 50

86,3

21.698;…; 2.975 ?

21,8

113

Capítulo 6: Metodología ——————————————————————————————————————

Figura 6.11. Detalles del deslizamiento que afectó a la autopista A-8 el 20 de diciembre de 2005, en el punto kilométrico 51,5 (sentido Bilbao). Dos coches y un camión fueron afectados directamente (arriba); labores de restauración (abajo). El carril sentido Bilbao quedó cortado durante día y medio.

114

—————————————————————————Desarrollo, aplicación y validación de procedimientos ….

6.4.2.2 Edificios Los edificios son otro tipo de elementos afectados en ocasiones por deslizamientos (Figura 6.12). La cartografía de edificios se ha obtenido a partir de dos fuentes: por un lado, del Departamento para la Ordenación y Promoción Territorial de la DFG, en formato .dxf; por otro lado, a través de la página web del Departamento para la Fiscalidad y las Finanzas de la DFG (http://www.gipuzkoa.net/udalherri/kartografia/kartografia.html), en formato .dwg.

Figura 6.12. Escollera protegiendo un edificio afectado por un deslizamiento en el municipio de Mendaro.

A partir de la información del catastro, a cada edificio se le ha asignado su valor catastral en la base de datos, el cual sirve de referencia para establecer su valor de mercado. La base de datos asociada a esta cartografía consta de los siguientes atributos (Tabla 6.5): Número de Finca; Código municipio; Referencia catastral; Local; Planta; Destino; Superficie en m2; Valor catastral del local (€); Valor suelo del local (€); Valor construcción del local (€); Fecha de Alta. Tabla 6.5. Tabla asociada al mapa de edificios en la que se muestran los datos obtenidos para varios ejemplos (Departamento para la Fiscalidad y las Finanzas, DFG). Nº de Código Referencia Finca Munic. catastral 16920 20673 10958 16284

029 030 032 082

02DI035 E761002 3639008 0201001

Destino Hostelería Industrial Agropecuario Vivienda

Superficie (m2) 43.800 10.000 7.000 10.322

Valor catastral (€) 142.422,15 22.245,80 18.987,08 73.705,50

Valor Valor Fecha construcción de Alta suelo (€) (€) 59.995,53 82.426,62 1965-01 15.205,69 7.040,11 1960-01 12.873,71 6.113,37 1975-01 19.050,55 54.654,95 1993-01

6.4.2.3 Terrenos o usos del suelo Los daños en los terrenos como consecuencia de deslizamientos o de otros procesos erosivos implican una pérdida de la capacidad productiva de los suelos, así como una dificultad adicional para el laboreo del terreno, en muchos casos de carácter irreversible (Figura 6.13). Los atributos relacionados con el tipo de terrenos son los contemplados en el mapa de usos del suelo, anteriormente descrito (Figura 6.9), completándose la unidad “improductivo” del citado mapa con la inclusión en ella de las áreas ocupadas por las carreteras y edificios. La extensión de los distintos tipos de terrenos se muestra en la Tabla 6.6. 115

Capítulo 6: Metodología ——————————————————————————————————————

Figura 6.13. Ejemplo de deslizamientos afectando a distintas clases de usos del suelo, una zona reforestada y una zona de prados respectivamente, en el municipio de Deva. Tabla 6.6. Área ocupada por los distintos tipos de usos del suelo en la zona de estudio. Tipo de uso Área (Km2) Agua 0,586 Cantera 0,337 Espinos 0,112 Forestal Arbolado 84,878 Frutales y Viñedos 0,229 Matorral 8,137 Pastizal 1,945 Prado 31,915 Roquedo 1,277 Urbano 9,913 Total 139,329

6.4.3 Datos relacionados con el análisis del valor y daños en los elementos expuestos La relación entre pérdidas medias por elemento afectado por deslizamientos y valor medio de los mismos sirve de base para evaluar la vulnerabilidad de cada elemento. La estimación de estos valores es compleja, pues conlleva trabajo de campo y búsquedas en fuentes diversas (hemerotecas, empresas constructoras, ayuntamientos, departamentos de transportes y de hacienda, compañías aseguradoras, etc.) y entrevistas con los propios habitantes de la zona. La estimación del valor para los distintos elementos se ha obtenido de la siguiente forma: a) El valor de las infraestructuras se ha calculado a partir de la información facilitada por distintas compañías constructoras, las cuales han proporcionado precios medios de construcción por metro para cada tipo de infraestructura. b) En el caso de los edificios el valor se ha estimado a partir del valor catastral. Los valores catastrales se han comparado, a través de un muestreo, con valores de mercado obtenidos de la prensa local, de empresas de tasación o de consultas con expertos y habitantes de la zona. Los valores así obtenidos son en general entre 5 y 7 veces superiores a los valores catastrales. En el tratamiento realizado, se ha hecho una estimación conservadora, considerando que el valor de mercado es el triple del valor catastral. 116

—————————————————————————Desarrollo, aplicación y validación de procedimientos ….

c) A los distintos usos del suelo se les ha asignado un valor promedio obtenido a partir de la Encuesta de precios de la Tierra de 2002, que publica anualmente el Ministerio de Agricultura, Pesca y Alimentación en colaboración con las Comunidades Autónomas. Este trabajo, realizado para toda España, recoge una recopilación de los precios de mercado de las zonas agrícolas. El valor asignado a cada unidad se expresa en €/m2. La recopilación de datos sobre daños presenta muchas más dificultades y los resultados logrados han sido mucho menos satisfactorios. La información correspondiente está muy dispersa entre los distintos organismos, no está sistematizada y con frecuencia es de difícil acceso. En el caso de daños de poca entidad, dicha información simplemente no existe. A pesar de todo, se ha logrado recopilar datos sobre daños producidos o costos de reparación (desescombro, re-asfaltado de vías, construcción de escolleras, reparación de edificios, etc.) correspondientes a diferentes eventos, a veces en forma de información semicuantitativa obtenida a través de entrevistas personales. Con dicha información se han definido una serie de “escenarios de pérdidas específicas” que establecen, de manera conservadora, las pérdidas esperables para distintos tipos de elementos y para movimientos de una magnitud dada. En el caso de los usos del suelo, los datos sobre pérdidas han sido facilitados por la Oficina Agraria Comarcal de Elgoibar, la cual, en determinados periodos, y como consecuencia de los daños producidos por los deslizamientos, pagó indemnizaciones que contemplaban tanto la pérdida de suelo como la pérdida de productividad de determinados aprovechamientos. 6.4.3.1 Datos relacionados con el análisis de pérdidas en la actividad económica En el caso de las actividades económicas no existen datos que hagan referencia a pérdidas debidas a deslizamientos, ya que dependen de muchos factores y, que sepamos, nunca han sido evaluadas en la zona (y raramente en cualquier otro lugar). A pesar de la escasez de datos y de las incertidumbres existentes, se ha desarrollado y aplicado un procedimiento que permite hacer una estimación de pérdidas indirectas mínimas. Cuando un deslizamiento o cualquier otro proceso natural afecta a las estructuras humanas (por ejemplo, infraestructuras o edificios) se produce un efecto indirecto sobre las actividades socioeconómicas del entorno, el cual puede dejarse sentir a grandes distancias del lugar en el que ha ocurrido el proceso. La mayor parte de ese efecto se debe a interrupciones en las actividades económicas que se reflejan en pérdidas de horas de trabajo o de producción, pérdidas de mercado, incremento de costes, etc. La zona de estudio se caracteriza por tener una intensa actividad industrial, constituyendo un importante núcleo de actividad económica situado entre las ciudades de Bilbao, San Sebastián y Vitoria. Por tanto, son las afecciones sobre las infraestructuras lineales de transporte las que podrían dar lugar a mayores efectos indirectos sobre las actividades económicas en el caso de que el tráfico de vehículos se bloquease en determinados momentos (los daños en edificios o naves industriales son mínimos, debido al pequeño tamaño de la mayoría de los deslizamientos, por lo que no se han considerado). Los datos utilizados como base para calcular las pérdidas indirectas esperables son los relativos al tráfico de vehículos y de personas a lo largo de los diferentes tramos de las vías

117

Capítulo 6: Metodología ——————————————————————————————————————

de comunicación. Aplicando una serie de suposiciones que se describen más adelante, se ha hecho una estimación de las citadas pérdidas. 6.4.3.2 Datos relacionados con el análisis de pérdidas en la población A pesar de que se han inventariado unos 3.000 deslizamientos en la zona de estudio desde 1954, no hay constancia de daños a personas como consecuencia de los mismos (el deslizamiento ocurrido en diciembre de 2005 en la autopista, de mayores dimensiones que los estudiados aquí, produjo daños a 3 vehículos sin ocasionar daños personales). Esto se explica, sin duda, por el reducido tamaño de la mayoría de los movimientos. Por tanto, en este trabajo no se estimará el riesgo por deslizamientos sobre las personas. No obstante, es posible abordar la valoración de este tipo de daños, aplicando baremos similares a los utilizados por las compañías de seguros. 6.4.4 Representación gráfica de los elementos El tratamiento conjunto de variables continuas y categóricas y de elementos expuestos requiere su previa rasterización y su representación mediante píxeles de 10 x 10 metros. La rasterización de ciertas variables y elementos presenta algunos problemas, que a continuación se describen. a) Los deslizamientos se han cartografiado inicialmente en formato de punto, que representa el centro de la zona de ruptura. En todos los casos se han representado, independientemente de su tamaño, mediante un píxel, es decir, ocupando un área de 100 m2. De esta forma quedan representados todos los movimientos, tanto los menores de 100 m2, como los que muestran dimensiones superiores a ese tamaño. Esto, a su vez, implica otro problema que es la infravaloración y sobreestimación de los deslizamientos con dimensiones mucho mayores o menores que las citadas (que no son demasiados). Puesto que el área promedio deslizada es de unos 160 m2, y la desviación sobre este valor es muy pequeña, se ha considerado conveniente la utilización de este tamaño de píxel. b) Otro problema se plantea con el mapa de infraestructuras, inicialmente representadas por polígonos, que al ser rasterizados al tamaño de píxel de 10 x 10 metros da lugar a que muchas de las infraestructuras de carácter lineal no muestren continuidad. Esto es debido a que al tener muchas de ellas una anchura inferior a 10 metros, el sistema de rasterización no las considera. Para evitar este problema, se ha decidido utilizar un mapa de segmentos que incluye las líneas centrales de las diferentes infraestructuras, y rasterizarlo a un tamaño de píxel de 10 x 10, lográndose así que todos los elementos estén incluidos al ser rasterizados y evitándose la pérdida de información. Esta solución considera que todas las infraestructuras tienen la misma dimensión, lo que implica un sobredimensionamiento de las vías de comunicación de menor anchura (por ejemplo, el ferrocarril de vía estrecha o Euskotren) y una cierta infravaloración de las grandes estructuras como la autopista (para la cual se considera una anchura de dos píxeles, uno para cada sentido); sin embargo, esta solución se plantea como la más adecuada para llevar a cabo el análisis posterior.

118

—————————————————————————Desarrollo, aplicación y validación de procedimientos ….

c) Con la rasterización de los edificios sucede algo similar. Los polígonos con superficies inferiores a 100 m2, no aparecen representados. En este caso, y dado que son muy pocos los elementos de esas dimensiones, se ha prescindido de ellos en el análisis. Las demás variables no presentan problemas para la rasterización, al tratarse de capas continuas de información. Estos problemas se verían parcialmente solucionados si se utilizase un píxel de 1 x 1 metro, pero ese tamaño no es aplicable al conjunto de la zona, dado el gran aumento que representaría el volumen de datos a tratar, lo que haría el proceso enormemente lento. Aún así, este tipo de tratamiento detallado se ha aplicado a una zona reducida (Bonachea et al., 2004, Remondo et al., 2004). 6.5 Análisis de los datos En este apartado se describe el método para la obtención de modelos de susceptibilidad, peligrosidad y riesgo, así como de los procedimientos aplicados para evaluar los mismos. 6.5.1 Estimación de la susceptibilidad y de la peligrosidad El proceso seguido para la estimación y modelización de la susceptibilidad y peligrosidad se representa en el esquema metodológico de la Figura 6.14. El desarrollo de este esquema requiere, en primer lugar, la confección del modelo de susceptibilidad (o de probabilidad espacial) para un determinado tipo de deslizamiento (de acuerdo con la hipótesis de rotura formulada), mediante la utilización de herramientas estadísticas que permiten correlacionar los deslizamientos ocurridos con los factores que se considera determinan su aparición. Posteriormente, a partir del análisis de la distribución de frecuencias de los deslizamientos producidos en el periodo considerado (1954 a 2001) se formulan escenarios de frecuencia futura, los cuales permiten transformar los modelos de susceptibilidad en modelos de probabilidad espacio-temporal, en los que para cada píxel se representa la probabilidad de ocurrencia de nuevos deslizamientos en un periodo dado. Para obtener modelos de peligrosidad hay que tener en cuenta, además, la magnitud. Dada la complejidad para elaborar modelos de amenaza a partir de modelos de probabilidad espacio-temporal, se ha seguido un proceso más simplificado, de manera que en el análisis de susceptibilidad se ha considerado la magnitud media de los deslizamientos. Para ello se han formulado escenarios de magnitud basados en el comportamiento de los deslizamientos en el pasado. De esta forma, los modelos de susceptibilidad expresan la propensión del terreno a sufrir un determinado tipo de deslizamiento de una determinada magnitud y, por consiguiente, el modelo de probabilidad espacio-temporal es equivalente a un modelo de amenaza o peligrosidad. 6.5.1.1 Elaboración de los modelos de susceptibilidad Un modelo o un mapa de susceptibilidad expresa la “propensión a” experimentar un determinado proceso (en este caso, deslizamientos) de los distintos puntos del territorio. Dichos modelos de susceptibilidad pueden elaborarse mediante el uso de Funciones de Favorabilidad (FF), cuya aplicación requiere que se cumplan las siguientes suposiciones (Chung & Fabbri, 1993; 1999; 2003a):

119

Capítulo 6: Metodología ——————————————————————————————————————

a) Todos los factores condicionantes del proceso son bien conocidos y han sido incluidos en el análisis. b) Todos los deslizamientos ocurridos en el pasado han sido identificados e incluidos en el análisis (o bien una muestra aleatoria y representativa del conjunto). c) Los deslizamientos futuros ocurrirán bajo condiciones similares a las que han producido los movimientos en el pasado (principio de uniformismo revisado aplicado a los procesos). d) Además, el tratamiento matemático requiere que se cumplan una serie de suposiciones, como por ejemplo la independencia de las variables. Dichas suposiciones en las que se basan los modelos no son del todo cierto, lo que redunda en una peor capacidad de predicción de los mismos. Como no se conocen los deslizamientos que ocurrirán en el futuro, para la elaboración de un modelo predictivo, como es el de susceptibilidad, se requiere el análisis de los datos del pasado para poder extrapolar y predecir su comportamiento en el futuro (ver Figura 6.1).

Factores condicionantes

Tipo de movimiento

Deslizamientos

Modelización Estadística

Modelos de Susceptibilidad

Análisis de frecuencia

Escenarios de frecuencia futura

Modelos de Probabilidad Espacio-Temporal

Análisis de distancia, dimensiones, etc.

Escenarios de magnitud futura, etc.

Modelos de Peligrosidad

Figura 6.14. Diagrama metodológico que muestra las etapas seguidas en la elaboración de modelos de probabilidad espacial (modelos de susceptibilidad) y de probabilidad espacio-temporal (modelos de peligrosidad).

La correlación que se establece por medio de las FF entre los deslizamientos superficiales ocurridos en el pasado en la zona de estudio y una serie de parámetros espaciales 120

—————————————————————————Desarrollo, aplicación y validación de procedimientos ….

relacionados con la inestabilidad, denominados en general “factores condicionantes”, tales como la geometría del terreno (altitud, pendientes, orientaciones, etc.), la cobertera vegetal (vegetación o usos del suelo), la geología (litología y estructura), el espesor de regolito y las condiciones hidrológicas (distancias a cauces), proporcionan criterios que permiten predecir el comportamiento futuro del proceso. Este mismo tipo de herramienta matemática puede aplicarse en otros ámbitos de Ciencias de la Tierra, para distintos tipos de predicciones, como la localización yacimientos minerales (Chung & Keating, 2002), la detección de posibles zonas avalanchas de nieve (Ghinoi & Chung, 2005) o la distribución de dolinas (Galve et 2006).

las de de al.,

6.5.1.1.1 Funciones de Favorabilidad (FF) Las FF se pueden interpretar mediante diferentes funciones matemáticas que permiten elaborar modelos predictivos a partir de datos espaciales. Mediante esta técnica, la información de carácter espacial se transforma en valores de favorabilidad. Esta “favorabilidad” se puede expresar en términos relativos (en forma de rangos) como la probabilidad de que algo se encuentre u ocurra en cada punto del territorio analizado. Esto es, permite ordenar en términos de probabilidad todos los puntos (píxeles) analizados, pero no expresar dicha probabilidad de forma cuantitativa. Las FF, a partir de la relación entre variables condicionantes y deslizamientos, permiten determinar la susceptibilidad de un terreno a los deslizamientos, dado que existe una probabilidad condicionada de que un área sea afectada por deslizamientos futuros, en función de las características que cada área presente. Así, la probabilidad de encontrar un deslizamiento en la zona de estudio vendrá dada por la relación: Área deslizada/Área total y la probabilidad de encontrar una determinada unidad o clase definida en el mapa de factores condicionantes, será: Área de la clase/Área total y la probabilidad de encontrar un deslizamiento en una determinada clase de una determinada variable, se define por Chung & Fabbri (1993) como: 1 – [1-(1/área de la clase)]Área deslizada en la clase Desde el punto de vista matemático el procedimiento que se sigue para generar este tipo de funciones (FF) es el siguiente: Supongamos una función g para cada unidad o píxel p donde existe una combinación de factores condicionantes m (c1, c2, .., cm), entonces: gp = 1, si en el píxel p existen deslizamientos, así como los factores condicionantes (c1, c2, .., cm) gp = 0, si en el píxel p no existen deslizamientos, así como los factores condicionantes (c1, c2, .., cm)

121

Capítulo 6: Metodología ——————————————————————————————————————

Por tanto, la función gp (c1, c2, .., cm) representará un nivel relativo de susceptibilidad del píxel p dados los m valores (c1, c2, .., cm) en el píxel. Si los m valores (c1, c2, .., cm) del píxel p presentan unas condiciones más “propensas” o “susceptibles” a los deslizamientos que las del píxel q (d1, d2, .., dm), entonces como es lógico: gp (c1, c2, .., cm) > gq (d1, d2, .., dm) A partir de los m factores condicionantes y de los deslizamientos existentes debería ser posible estimar la función de favorabilidad gs (e1, e2, .., em) para cualquier unidad o píxel e existente en el área de estudio. Existen distintas funciones matemáticas para generar estas funciones de favorabilidad (Bayes, Factor de Certidumbre, etc.) cuya utilidad ya ha sido puesta de manifiesto en trabajos anteriores (Chung & Fabbri, 1998; Chung & Keating, 2002; Clerici et al., 2002; Remondo et al., 2003a; Santacana et al., 2003). Existen otras funciones matemáticas, como la “likelihood ratio” o “función de relación de probabilidades”, que pueden mejorar las necesidades de modelización de estos procesos y cuya utilidad merece ser mejor explorada (C-J Chung, comunicación personal). Esta última función es la que se ha aplicado en el presente análisis, como se describe más adelante. 6.5.1.1.1.1 FF interpretada como una relación de probabilidades La base teórica de esta función es que si se tiene un píxel p con unas determinadas características, por ejemplo de pendiente (ppendiente), en un área de estudio que está dividida en dos subzonas (X, con deslizamientos, y X , sin deslizamientos), la función empírica de distribución de frecuencias en X será diferente a la función de distribución en X (Figura 6.15a). La función de relación de probabilidades (λp) o “likelihood ratio”, cociente o relación entre esas dos funciones, y muestra la distribución de la frecuencia en relación con las pendientes (Figura 6.15b). λp ( pendiente) =

g{pendiente | X} g{pendiente | X }

donde: g{pendiente|X} es la función de distribución empírica normalizada del área (o píxeles) afectada por deslizamientos para los distintos valores de pendiente. g{pendiente| X } es la función de distribución empírica normalizada del área (o píxeles) no afectada por deslizamientos para los distintos valores de pendiente. A partir de una serie de capas que representan los m factores condicionantes, e integradas las respectivas funciones de relación de probabilidades, será posible obtener un modelo de susceptibilidad que muestre las áreas que pueden verse afectadas por deslizamientos en el futuro.

122

—————————————————————————Desarrollo, aplicación y validación de procedimientos ….

Frecuencia normalizada

Deslizamientos

No deslizamientos

Likelihood ratio

Pendiente (º)

B Pendiente (º) Figura 6.15. Ejemplo de: A) funciones de distribución empíricas normalizadas, de la variable pendiente, en el área con deslizamientos y sin deslizamientos; B) función de relación de probabilidad empírica de la variable pendiente.

Generalmente, los factores condicionantes que existen en un píxel p, son una combinación de variables continuas y categóricas (c1, c2…, cm). Por tanto, la forma de estimar la función de relación de probabilidades será la siguiente: λp (c1, c 2,..., cm) =

g{ (c1, c 2,..., cm) | X} g{ (c1, c 2,..., cm) | X }

Suponiendo que las variables continuas (c1, c2…, ck) y categóricas (ck+1, …, cm) son independientes, entonces: λp(c1, …, cm) = λp (c1, …, ck) * λp (ck+1, …, cm) =

123

Capítulo 6: Metodología ——————————————————————————————————————

Por ejemplo, si existe un píxel p con información referente a litología (calizas), uso del suelo (prados) y pendiente (20º), la formulación de la función de relación de probabilidad será:

λp ( calizas , prados , 20) =

g{ ( calizas , prados , 20 º ) | X} g{ ( 20 º ) | X} g{ ( calizas , prados ) | X} = * g{( calizas , prados , 20 º ) | X } g{( 20 º ) | X } g{( calizas , prados , ) | X }

Para las distintas combinaciones de unidades existentes en toda el área de estudio se estimarán las correspondientes funciones de relación de probabilidades como a continuación se indica: λárea(c1, …, cm) = λp (c1, …, ck) * λp (ck+1, …, cm) *… Mediante la anterior formulación, desarrollada por Chung & Fabbri (2005), se puede obtener el modelo de susceptibilidad a los deslizamientos, teniendo en cuenta los diferentes factores condicionantes considerados. La ventaja de este procedimiento seguido para modelizar la susceptibilidad, con respecto a las FF anteriormente utilizadas, se plasma en que: -

No se produce la simplificación de datos. En anteriores modelos, las variables continuas se dividían en clases o rangos, con lo que se perdía información (Chung & Fabbri, 1999; Remondo, 2001; Clerici et al., 2002; Remondo et al., 2003a). La necesidad de categorizar variables se debía principalmente a las limitaciones de los programas informáticos y de los ordenadores, los cuales no tenían capacidad para procesar la enorme cantidad de operaciones que deben realizarse.

Se permite el tratamiento simultáneo, pero diferenciado, de las variables categóricas y de las variables continuas.

Se pueden incorporar los límites de las unidades categóricas, lo cual permite dar más peso a los valores del centro de las unidades, donde hay más certidumbre, en relación con los límites, donde la incertidumbre puede ser mayor, sobre todo cuando se trabaja con variables de poca resolución.

Por otro lado, los resultados obtenidos con estos procedimientos pueden compararse con los resultados obtenidos mediante otros métodos estadísticos. Así, por ejemplo, Melchiorre et al. (2005) han aplicado dos procedimientos diferentes, las Redes Neuronales Artificiales (Artificial Neural Networks, ANN’s) y la Regresión Logística a dos zonas de estudio, una en Italia y otra en España. Los autores concluyen que ambos métodos permiten obtener resultados similares.

124

—————————————————————————Desarrollo, aplicación y validación de procedimientos ….

6.5.1.1.2 Obtención del modelo de susceptibilidad Mediante la aplicación de las técnicas comentadas anteriormente, se genera un modelo de susceptibilidad para todo el área de estudio, reclasificado en valores que van de 1 (mínima susceptibilidad, color azul) a 200 (máxima susceptibilidad, color rojo), con el fin de facilitar su visualización (Figura 6.16). El método para la obtención de estos modelos ha sido descrito de manera detallada por Chung & Fabbri (1993). Estos valores también pueden ser expresados en %. Cada una de estas clases representa el 0,5% del área de estudio, de forma que el valor 200 representa el 0,5% del área más susceptible y la clase 1, el 0,5% del área menos susceptible. Las zonas existentes fuera del área de estudio toman el valor 0.

Figura 6.16. Ejemplo de modelo de susceptibilidad obtenido para el Bajo Deva utilizando como variables elevaciones, pendientes, orientaciones, litología y vegetación.

Otra forma de expresar la susceptibilidad, de forma cuantitativa, consiste en transformar esos valores numéricos, de 1 a 200, en valores de probabilidad a la susceptibilidad, es decir, en valores que reflejen la proporción de los deslizamientos inventariados que se encuentra en cada una de las clases establecidas. Teniendo en cuenta el principio del uniformitarismo “revisado” y de acuerdo con la información que proporcionan las curvas de validación que se muestran en la figura 6.17 (Bonachea et al., 2004; Remondo et al., 2004), que indican una conservación del proceso en los diferentes periodos analizados, la transformación es sencilla. Consecuentemente, a partir de la intersección del modelo de susceptibilidad con el mapa de deslizamientos se obtiene una tabla donde se representan las posibles combinaciones de clases (desde la clase 1 a la clase 200) con la presencia o ausencia de deslizamientos, así como el correspondiente número de píxeles o área de cada combinación 125

Capítulo 6: Metodología ——————————————————————————————————————

Porción de deslizamientos futuros

(Tabla 6.7). Esta superposición sirve de base para transformar la probabilidad espacial en probabilidad espacio-temporal.

Porción de área clasificada como susceptible

Figura 6.17. Curvas de validación del modelo de susceptibilidad de deslizamientos elaborado a partir de los movimientos 1954-1983 (Figura 6.16), usando las siguientes variables: pendiente, elevaciones, orientaciones, litología y vegetación. La validación se llevó a cabo con los deslizamientos ocurridos durante 1983-85, 1983-91 y 1983-97 (Remondo, 2001).

Tabla 6.7. Combinación de las clases de susceptibilidad con la presencia (2) o ausencia (1) de deslizamientos, número de píxeles de cada combinación y porción de píxeles deslizados respecto al total. (Nº total de píxeles deslizados: 906). Porción deslizamientos Clase de Clase de (Nº píxeles deslizados en Presencia/ausencia Nº de píxeles la clase/Nº total de píxeles combinación susceptibilidad deslizados) 200 * 2 200 deslizamiento 44 0,04857 200 * 1 200 no deslizamiento 8.228 ----------190 * 2 190 deslizamiento 12 0,01325 190 * 1 190 no deslizamiento 7.031 ----------150 * 2 150 deslizamiento 4 0,00442 150 * 1 150 no deslizamiento 6.930 ----------100 * 2 100 deslizamiento 2 0,00221 100 * 1 100 no deslizamiento 6.731 ----------50 * 2 50 deslizamiento 2 0,00221 50 * 1 50 no deslizamiento 7.016 ----------1*2 1 deslizamiento ----1*1 1 no deslizamiento -----

126

—————————————————————————Desarrollo, aplicación y validación de procedimientos ….

La relación entre el número de píxeles deslizados dentro de cada clase y el total de píxeles deslizados en el área, muestra la porción de píxeles con deslizamientos que contiene cada una de las 200 clases. La representación de la proporción de píxeles deslizados en cada clase o número de deslizamientos frente a la clase de susceptibilidad, permite generar una gráfica (Figura 6.18) a la cual se puede ajustar una línea de tendencia que permite obtener, además, una expresión que muestra la correspondencia entre valores de susceptibilidad y porción de deslizamientos. Esta expresión (Figura 6.19) facilita la posterior transformación de la representación de clases de 1 a 200, en valores de probabilidad espacial (Figura 6.16). 6.5.1.1.3 Estrategias de validación/evaluación de resultados La mayoría de los modelos de susceptibilidad, peligrosidad o riesgo elaborados hasta hace unos años no presentan validaciones independientes. Los modelos no validados tienen el significado de “hipótesis razonables” de comportamiento futuro, pero no permiten conocer el grado de fiabilidad de las predicciones que implícita o explícitamente contienen. La validación es una etapa importante y fundamental en todo el proceso de construcción de modelos predictivos, ya que ésta permitirá determinar la fiabilidad de la predicción (Chung & Fabbri, 2003b; Fabbri et al., 2003; Remondo et al., 2003b). Sin la validación, el modelo predictivo es poco útil. La validación consiste en comparar los resultados obtenidos mediante un modelo predictivo con las áreas afectadas por futuros deslizamientos. Dicha comparación puede ser cualitativa (consiste en la comparación visual de distintos modelos) o cuantitativa mediante el uso de índices tales como área de la clase con deslizamientos/área de la clase, o mediante el empleo de las curvas acumuladas o de validación, etc. La validación se puede llevar a cabo utilizando varias estrategias: a) Si se dispone de varias series temporales de deslizamientos, primero se generan los modelos predictivos para un determinado periodo y después se validan con las series temporales posteriores, de forma que los movimientos más antiguos sirvan para predecir la aparición de los posteriores. Este procedimiento parece el más adecuado a la hora de hacer validaciones de modelos predictivos (Remondo et al., 2003b). Cuando no es posible disponer de distintas series temporales de deslizamientos, se recurre a otros métodos, como por ejemplo: b) Dividir el área de estudio en 2 subzonas: de esta forma se genera un modelo con los deslizamientos de una de ellas y se valida con los existentes en la otra y viceversa (Ballabio et al., 2005). c) Agrupar de forma aleatoria los deslizamientos en 2 conjuntos, de forma que se genere un modelo predictivo con los deslizamientos del primero y se valide con los del segundo y viceversa. d) Seleccionando de forma secuencial un número de deslizamientos que permitan predecir el resto de los existentes. Si se cuenta, por ejemplo, con 10 deslizamientos, los 2 primeros se utilizan para predecir los 8 restantes, los 2 segundos para predecir los otros 8 y así sucesivamente hasta el final. O bien al revés, con 8 deslizamientos, predecir los 2 restantes, también en pasos sucesivos.

127

Capítulo 6: Metodología ——————————————————————————————————————

Porción de deslizamientos existentes en cada clase

0.05 0.045 0.04 0.035 0.03 0.025 0.02 0.015 0.01 0.005 0 200

180

160

140

120

100

Nº de clases de susceptibilidad

Figura 6.18. Distribución de frecuencias de deslizamientos en cada clase de susceptibilidad.

Porción de deslizamientos predichos

0,05

0,04

Y=a e –b X 0,03

0,02

0,01

0 200

150

100

Nº de clases de susceptibilidad

Figura 6.19. Función monótona decreciente y expresión de ajuste de la distribución mostrada en la Figura 6.18. X: Clase de susceptibilidad; Y: Porción de deslizamientos; a y b: valores de ajuste.

128

—————————————————————————Desarrollo, aplicación y validación de procedimientos ….

6.5.1.1.3.1 Curvas de validación Para obtener las curvas de validación se cruza, o se superpone, el modelo de susceptibilidad generado (reclasificado en 200 clases) con un mapa de deslizamientos o eventos, diferente al que ha servido para generar el modelo con el que se desee comparar y utilizando cualquiera de las estrategias de validación/contrastación descritas en el punto anterior. De esta forma se obtiene una tabla de validación cruzada que incluye las combinaciones resultantes y el número de píxeles correspondientes a cada combinación. A partir de estos datos se puede calcular el porcentaje de deslizamientos correspondientes a cada clase de combinación y el porcentaje acumulado. Esto equivale a determinar el porcentaje de deslizamientos de la muestra de validación, para cada clase de susceptibilidad en la que se han reclasificado los valores numéricos resultantes del análisis. Previamente es preciso ordenar la tabla de validación cruzada en orden decreciente de susceptibilidad. Una vez obtenidos los valores de porcentajes acumulados (en este caso, en tantos por uno), se representan gráficamente los mismos, con lo que se obtiene una curva acumulada de predicción-validación. En abcisas se representa la porción de área clasificada como susceptible, mientras que en ordenadas se representa la porción acumulada de deslizamientos explicados o predichos dentro de cada una de las clases de susceptibilidad (Figura 6.20). Cuanto más asintótica y próxima al eje de ordenadas, en su tramo inicial, sea esta gráfica, tanto mejor será la capacidad de predicción del modelo. En el ejemplo de la Figura 6.20, la predicción es razonablemente buena, ya que con el 20% de la superficie susceptible se predice el 65% de los futuros deslizamientos.

Porción de deslizamientos futuros

1.0 0.9 0.8 0.7 0.6 0.5 0.4 0.3 0.2 0.1 0.0 0.0

0.1

0.2

0.3

0.4

0.5

0.6

0.7

0.8

0.9

1.0

Porción área clasificada com o susceptible

Figura 6.20. Ejemplo de curva de validación. Con un 10% del área de estudio, se explica el 40% de los futuros deslizamientos; con el 20% el 65%, etc.

129

Capítulo 6: Metodología ——————————————————————————————————————

6.5.1.2 Procedimiento semiautomático para elaborar modelos de susceptibilidad La colaboración mantenida en los últimos años por algunos miembros del Departamento de Ciencias de la Tierra y Física de la Materia Condensada de la Universidad de Cantabria con el profesor Chung, del Geological Survey of Canada, ha dado lugar a varias contribuciones científicas relacionadas con la elaboración de modelos de susceptibilidad (Fabbri et al., 2003; Remondo et al., 2003a, b; Ballabio et al., 2005; Olague et al., 2005; Remondo et al., 2005b). Esa cooperación ha ayudado a que el profesor Chung desarrollase el Spatial Prediction Modelling (SPM, 2004), un software que permite elaborar una gran cantidad de modelos predictivos en cortos intervalos de tiempo. Dicho programa consta de tres módulos, cuyas características principales se describen brevemente: 1.- Módulo de preparación de datos: Los módulos de creación de modelos y de validación requieren un formato de imagen, propia de este software, cuya extensión es .spg. Por tanto, es necesario transformar los datos de partida a este nuevo formato. Para ficheros de ArcGis, existe un programa especial de conversión; sin embargo, los ficheros de Ilwis se deben exportar a formato .img de Idrisi (se ha comprobado que esta es la mejor transformación, a pesar de que la exportación de ficheros en formato Ilwis es también posible). Para evitar errores posteriores, conviene señalar que los mapas de 1 byte se deben exportar, con el método vía geogateway de Ilwis, al formato Idrisi rasters (.img), mientras que los de mayor tamaño (2 y 4 bytes) se exportan directamente al formato Idrisi (.img).

Es condición indispensable que todos los mapas, en formato raster, tengan el mismo tamaño. Debido a limitaciones del propio software, ese tamaño no puede exceder de los 2.000 x 2.000 píxeles. Por otro lado, las variables a analizar (límite de área de estudio, variables temáticas y continuas y, por supuesto, los deslizamientos) han de cumplir una serie de requisitos: - Límite del área de estudio: ha de ser un fichero de 8-bit (1 byte), clasificado en valores de 1 (zona de estudio) y 0 (fuera de la zona de estudio). - Variables temáticas: los mapas de litología, usos del suelo, etc., deben ser reclasificados en valores, es decir, a cada unidad dentro del mapa se le asigna un valor numérico que puede ir desde 1 hasta un máximo de 250. Además, se deben generar los ficheros correspondientes a los límites de las diferentes unidades existentes, los cuales se clasifican en 1 (límites) y 0 (resto del mapa). Estos ficheros han de tener un tamaño de 8-bit. - Variables continuas: su tamaño puede ser de 8-bit, 16-bit, o 32-bit (1-Byte, 2-Byte, o 4Byte) en función de los valores que se tengan. Dentro de este grupo se consideran: pendientes, orientaciones, concavidades, etc. - Mapas de ocurrencias o deslizamientos: han de ser ficheros de 16-bit (2-Bytes), ya que los deslizamientos se han tenido que clasificar en valores desde 1 hasta n; mientras que a la zona de estudio que no tiene deslizamientos se le asigna valor 0. La Figura 6.21 muestra un ejemplo de las características de las imágenes utilizadas para realizar el análisis de susceptibilidad a partir de este programa.

130

—————————————————————————Desarrollo, aplicación y validación de procedimientos ….

Zona de estudio

Detalle

Mapas temáticos y limites

Detalle

Mapas continuos

Detalle Mapas de deslizamientos

Figure 6.21. Ejemplo de variables utilizadas por el software SPM y su representación.

El SPM genera una serie de ficheros con formato .spg (uno para cada fichero que se ha introducido en el análisis, salvo en el caso de los deslizamientos, donde se generan dos: uno indexado de 16-bit (muestra los distintos deslizamientos clasificados de 1 a n); y otro binario de 8-bit, que indica la presencia-ausencia de movimientos (1: deslizamientos, 0: no deslizamientos). Mientras que el segundo se utiliza para generar los modelos predictivos, el primero se emplea para la validación. Las imágenes generadas en este apartado serán utilizadas para generar los modelos de predicción. 2.- Módulo de generación de modelos predictivos de susceptibilidad Con este módulo se pueden generar, mediante las Funciones de Favorabilidad (que engloban diferentes funciones como: Fuzzy set, Empirical Likelihood ratio, Logistic and Linear ratio y Bayes; Chung & Fabbri, 1993; 1998; 1999), los modelos predictivos de susceptibilidad a los deslizamientos. Las diferentes funciones se pueden aplicar de forma multivariable o bivariable. Se trata, por tanto, de explicar el comportamiento de una variable (deslizamientos) a partir de la combinación de una o varias de las variables (los factores condicionantes).

131

Capítulo 6: Metodología ——————————————————————————————————————

Una vez generados los modelos se pasa a evaluar su capacidad de predicción. 3.- Módulo de validación Este módulo permite contrastar la capacidad de predicción del modelo generado con cualquiera de las funciones utilizadas, de acuerdo con diferentes estrategias de validación. La principal ventaja de este programa es que permite generar gran cantidad de modelos en muy poco tiempo, además de generar una serie de ficheros con las estadísticas realizadas en cada proceso. El principal inconveniente es la ya citada limitación del programa, de no admitir ficheros con tamaños superiores a 2.000 x 2.000 píxeles, aunque esto no es un grave problema, ya que la zona de estudio puede dividirse en subzonas. 6.5.1.3 Elaboración de modelos de peligrosidad o de probabilidad espacio-temporal Dado que las características relacionadas con la magnitud de los deslizamientos ya se han tenido en cuenta en la elaboración de los modelos de susceptibilidad, para transformar éstos modelos en modelos de peligrosidad (probabilidad espacio-temporal), sólo es analizar los datos existentes sobre la distribución temporal de deslizamientos con el fin de establecer posibles tendencias futuras. A partir de los modelos de susceptibilidad generados anteriormente, y puesto que se conoce el número o porción de deslizamientos en cada clase de susceptibilidad (1 a 200) y el lapso temporal en el que se han producido, se puede determinar la probabilidad de ocurrencia de un deslizamiento en el futuro, en cada una de las citadas clases (frecuencia futura). La extrapolación más inmediata y más razonable a primera vista, es suponer que la frecuencia futura en cada clase va a ser similar a la frecuencia pasada, obteniendo a partir de ella la probabilidad de ocurrencia de nuevos movimientos en cada píxel analizado. No obstante, los datos obtenidos previamente en la zona de estudio, así como datos similares para áreas más amplias, como el conjunto de Italia (Guzzetti & Tonelli, 2004) o incluso a nivel global (EM-DAT, 2005), ponen de manifiesto que hay una marcada tendencia al aumento en la frecuencia de dichos procesos en las últimas décadas (Cendrero et al., 2006). Dicha tendencia se ha interpretado por parte de estos autores como consecuencia de la creciente transformación de la superficie terrestre por la acción humana, dentro de lo que representa un “cambio geomorfológico global” no relacionado con el cambio climático. Si esta interpretación es correcta, cabe esperar que dicha tendencia continúe y que las frecuencias futuras sean mayores que las pasadas. En otras palabras, la transformación de los modelos de susceptibilidad en modelos de peligrosidad, posiblemente no deba hacerse de acuerdo con la consideración de un escenario tipo “business as usual”, con frecuencia similar a la pasada, sino teniendo en cuenta otros escenarios que contemplen la probable intensificación futura del proceso en respuesta a una creciente modificación de la capa superficial del terreno por acción humana. 6.5.1.3.1 Escenarios propuestos en la evolución temporal de deslizamientos Para formular escenarios de frecuencia futura de los deslizamientos se ha acudido a analizar la frecuencia pasada. El análisis se ha realizado a través de inventarios de los deslizamientos ocurridos en la zona de estudio en diferentes intervalos temporales

132

—————————————————————————Desarrollo, aplicación y validación de procedimientos ….

(Remondo et al., 2005a, b). Tal como se muestra en la Figura 6.22, la frecuencia de los deslizamientos ha aumentado de forma notable a lo largo del periodo analizado por los autores. Sin embargo, el último inventario realizado muestra una pauta de cambio que permite definir tres tendencias posibles, que sirven de base para formular otros tantos escenarios. 1. el primero de los escenarios propuesto (Escenario A) supone que el número de eventos en el futuro será similar al promedio de la tendencia mostrada en el pasado, es decir, la superficie deslizada en los próximos años será la media de la superficie deslizada en el pasado. Este escenario parece bastante conservador teniendo en cuenta las tendencias generales existentes a nivel mundial, las cuales muestran un claro incremento en el número de procesos naturales (capítulo 1). Más acordes con las tendencias observadas, son los otros dos escenarios propuestos: 2. uno que implica un aumento lineal del número de deslizamientos o, lo que es lo mismo, de superficie deslizada (Escenario B), de acuerdo con la tendencia observada en los últimos años; 3. otro que muestra un incremento exponencial de superficie deslizada, resultado del mejor ajuste de la curva de frecuencias pasadas (Escenario C). Este escenario es el más pesimista de los tres y contempla un gran aumento de la superficie deslizada en el futuro. Obviamente, esa curva de aumento tendrá un límite. 1000 4000

3000

2000

600

1000

2045

2035

2025

2015

2005

1995

1985

1975

0 1965

400

1955

Nº desliz am ientos

800

200

0 1955

1965

1975

1985

1995

2005

2015

2025

2035

2045

Año

Figura 6.22. Escenarios considerados para la frecuencia futura de deslizamientos. A) Nº total de deslizamientos en los próximos 45 años equivalente al de los últimos 45 años. B) Nº de deslizamientos por año extrapolado a partir del mejor ajuste de la tendencia de los últimos años. C) Nº de deslizamientos por año extrapolado a partir del mejor ajuste de la tendencia de los últimos 45 años. (Remondo et al., 2005a).

Dichos escenarios no deben considerarse, evidentemente, como predicciones perfectas del futuro. Simplemente tratan de establecer posibles situaciones futuras, caso de que determinadas tendencias se mantengan. La toma de datos adicionales de frecuencias deslizamientos, para periodos posteriores al último analizado, ayudará a determinar con mayor precisión los escenarios que se proponen para el futuro. Además, conviene resaltar 133

Capítulo 6: Metodología ——————————————————————————————————————

que dichas predicciones (escenarios futuros) presentan una incertidumbre tanto mayor, cuanto más largo sea el periodo para el cual se hacen, ya que algunos de los factores que influyen en el proceso pueden variar con el tiempo (especialmente los relacionados con la gestión del territorio). Por ello, en el presente análisis se han hecho extrapolaciones a corto (10 años) y largo (50 años) plazo. A partir de la superficie total que puede deslizar en el futuro, teniendo en cuenta el escenario correspondiente, y del porcentaje del total de los deslizamientos existentes en cada clase de susceptibilidad, se puede estimar el área propensa a deslizar (en m2), dentro de cada clase o valor de susceptibilidad y para cada uno de los escenarios propuestos, mediante la expresión siguiente: Área deslizada en la clase i (Escenario X) = Superficie total deslizada (escenario X) * fracción de los deslizamientos predichos o futuros en la clase i siendo X = A, B o C. Para transformar la susceptibilidad en probabilidad espacio-temporal se aplica la siguiente expresión: Probabilidad = Área deslizada en la clase i (Escenario X) / Área de la clase i O bien, mediante esta otra expresión (Chung & Fabbri, 2005) para evitar que aparezcan probabilidades iguales a 0 o al 100%: Probabilidad (Escenario X) =1 – {1-(1/área de la clase i)}Área deslizada en la clase i (Escenario X) Mediante estas expresiones, y teniendo en cuenta la superficie que deslizará en el futuro dadas las características medias de los deslizamientos (superficie media en la zona de la corona de 160 m2; afectando a una superficie total afectada de 500 m2, volumen de material que rara vez supera los 250 m3, y distancia media recorrida de 30 metros) existentes en la zona de estudio, se transforma cada una de las clases de susceptibilidad en valores de peligrosidad o de probabilidad espacio-temporal. Esas mismas características de los deslizamientos permitirán, también, hacer una serie de suposiciones sobre los daños que dichos movimientos pueden ocasionar sobre los elementos expuestos, cuando no existan datos registrados sobre daños a elementos en el pasado.

134

—————————————————————————Desarrollo, aplicación y validación de procedimientos ….

6.5.2 Estimación de la vulnerabilidad Una vez que la peligrosidad ha sido estimada, se pasa a evaluar la vulnerabilidad. En este trabajo se ha considerado necesario diferenciar entre vulnerabilidad directa y pérdidas indirectas. Por tanto, la forma de estimarlas es diferente en ambos casos. La hipótesis de trabajo está basada en el análisis de los efectos producidos por los deslizamientos en el pasado teniendo en cuenta las características del propio elemento expuesto y el escenario de magnitud considerado. El esquema del proceso de estimación de la vulnerabilidad se ha mostrado en la Figura 6.3. 6.5.2.1 Estimación de la vulnerabilidad directa El método para estimar la vulnerabilidad directa que se adopta en el presente trabajo se basa en la relación existente entre el valor de los daños medios producidos en el pasado por el tipo de deslizamiento estudiado (o valor de los daños que se supone producen los movimientos en masa sobre algunos elementos a los que afectan) y el valor de reemplazar ese elemento o el coste de uno nuevo, de acuerdo con la siguiente expresión: V=

Pérdidas debidas a un deslizamiento de determinado tipo y magnitud en el elemento Valor del elemento

De esta forma, la vulnerabilidad queda expresada como el grado de pérdidas monetarias, de 0 a 1, en un determinado elemento como consecuencia de un evento peligroso de unas determinadas características. Ambos términos de la expresión se han estimado teniendo en cuenta los valores actuales, es decir, tanto las pérdidas como el valor de construcción del elemento se han transformado a precios actuales. La vulnerabilidad de cada elemento se puede representar en un mapa (tamaño de píxel 10 x 10 metros), el cual muestra el grado de pérdidas de ese elemento cuando es afectado por un deslizamiento de las características analizadas. El valor del elemento o de reposición del mismo, como ya se comentó anteriormente, se ha obtenido a partir de distintas fuentes, fundamentalmente proyectos de obras, organismos públicos y empresas constructoras. A partir de la información citada se ha podido obtener el valor unitario de diferentes tipos de elementos (km. de autopista, de carretera nacional, etc., viviendas unifamiliares, naves industriales, edificios de pisos, etc., zonas de prados, de bosque, de cultivos, etc.). Esos costes unitarios representan, lógicamente, valores promedio aproximados. Entre las fuentes de información utilizadas para obtener datos sobre daños cabe destacar las entrevistas con técnicos de diferentes servicios de la DFG (en muchos casos los costes de reparaciones se engloban en partidas de presupuestos más importantes y no se encuentran desglosadas), así como con habitantes locales en lugares afectados por deslizamientos. Con la información citada, se han podido determinar los costos de reparación de algunos tipos de infraestructuras (sobre todo de carreteras provinciales y locales) y de edificios de dimensiones reducidas, así como los daños sufridos por el terreno como tal. Para estimar los posibles daños directos en elementos, en relación con los cuales no se ha podido obtener información, es preciso hacer determinadas suposiciones, sobre costes o daños que pueden generar los deslizamientos considerados (teniendo en cuenta los distintos escenarios de magnitud de los movimientos).

135

Capítulo 6: Metodología ——————————————————————————————————————

Los daños a personas se pueden estimar siguiendo un procedimiento, a grandes rasgos, similar, si bien se tiene alguna dificultad específica, como la relativa a la asignación de un valor económico a la vida de una persona, o el hecho de que se trata de “elementos móviles”. Aunque se pueden utilizar distintos métodos para calcular la vulnerabilidad de la población, el más sencillo y directo es considerar a todas las personas por igual (sexo, edad, capacidad productiva, etc.) y, consiguientemente, la expresión de la vulnerabilidad podría ser la siguiente: Vpersonas =

Nº afectados o fallecidos debidos a deslizamie ntos (durante el periodo analizado) Población total

Por ejemplo, si en los pasados 50 años hubieran muerto cinco personas en la zona de estudio, todas ellas a causa de deslizamientos de una determinada magnitud, el valor de la vulnerabilidad para movimientos de esa magnitud sería: V = Nº de víctimas/Nº Habitantes = 5 / 45.288 = 1,1 x 10-4 En esta aproximación no se considera que las personas se mueven, por ejemplo, para ir a trabajar, que pasan gran cantidad de horas en sus centros de trabajo, etc., por lo que su vulnerabilidad podría variar, así como también la población. En cualquier caso, no existe constancia de daños a personas por causa de los deslizamientos en la zona de estudio, por lo que este tipo de vulnerabilidad no se ha considerado por ser nula. 6.5.2.2 Estimación de las pérdidas indirectas La estimación de pérdidas indirectas es aún más complicada que la de las pérdidas directas debido a la escasa experiencia existente en este ámbito. Para estimar las pérdidas indirectas se debe recurrir a la propuesta de escenarios que puedan representar situaciones más probables de acuerdo con el criterio de experto. Existen ejemplos de escenarios propuestos para casos concretos de grandes deslizamientos (P. Giacomelli, comunicación personal). Como ya se comentó anteriormente, el área de estudio es una importante zona industrial que además constituye un epicentro económico con respecto a las tres capitales vascas, las cuales se comunican a su vez con Europa y el resto de España a través de la red de infraestructuras. Teniendo en cuenta la actividad económica de la zona y de acuerdo con datos empíricos de efectos producidos por deslizamientos en el pasado, el escenario que se propone considera que el principal efecto indirecto producido por deslizamientos en esta zona está causado por la interrupción temporal de esas líneas de comunicación. Eso implica, por un lado, la pérdida de productividad económica, es decir, pérdidas de horas de trabajo de los trabajadores, de manera que las principales pérdidas económicas indirectas debidas a daños en infraestructuras pueden representarse a través de la siguiente expresión: Pérdidas debidas a la pérdida de tiempo laborable = [Nº de trabajadores afectados por hora * Coste de un trabajador por hora (€/h) * duración de la interrupción (h)] Por otro lado, también se deben considerar las pérdidas debidas a incrementos en la distancia a recorrer como consecuencia de que los vehículos deben tomar un camino

136

—————————————————————————Desarrollo, aplicación y validación de procedimientos ….

alternativo para llegar a su punto de destino (Figura 6.23). En este caso, a las anteriores pérdidas habría que sumar estas otras: Pérdidas debidas al aumento de la distancia = [longitud adicional del camino alternativo * Nº de vehículos afectados por hora * coste por km. adicional]+ retraso por incremento de tiempo debido al aumento de distancia (tiempo éste distinto de, y añadido al anterior) A partir del mapa de infraestructuras, dividido en sectores que muestran la intensidad media diaria de vehículos (Figura 6.24), se puede obtener el número de vehículos por hora que pasan por el sector (salvo en el caso del tren). Evidentemente, no sería lo mismo si la interrupción se produjese durante la noche que si se produjera en las horas de mayor intensidad de tráfico. En este trabajo se ha considerado un promedio diario. El número de personas afectadas como consecuencia de la interrupción en las vías de comunicación, se estima a partir de la relación siguiente: Nº de personas afectadas = Nº de vehículos por hora * Nº de personas por vehículo Sin embargo, todas esas personas afectadas no son trabajadores activos, los cuales pueden generar una productividad económica, por lo que la expresión anterior se convierte en: Nº de trabajadores afectados por hora = Nº de vehículos por hora * Nº de personas por vehículo * Tasa de actividad en la zona La tasa de actividad representa el porcentaje de población que trabaja o busca trabajo sobre la población total (mayores de 16 años).

Tasa de actividad en la zona =

Población activa mayor de 16 años * 100 Población total mayor de 16 años

Por otro lado, cada trabajador supone un coste diario para el empresario y si el trabajador sufre un retraso, teóricamente genera unas pérdidas a la empresa. Así, el coste medio por hora no trabajada será: Salario medio mensual de un trabajador Coste de un trabajador por hora = Nº de horas mensuales trabajadas El incremento de distancia, debido a que se deben tomar caminos alternativos, se ha estimado considerando una distancia media de recorrido; mientras que el coste por kilómetro recorrido se ha recogido de diversas estadísticas. Mediante un análisis de redes, se podría estimar automáticamente la distancia real alternativa recorrida desde cada sector de vía afectado por un deslizamiento hasta el punto de destino. Finalmente, para estimar las pérdidas indirectas por retrasos e interrupciones en la vía del tren se aplica una expresión similar a las anteriores, pero además se debe incluir el coste debido a que, en general, cuando un deslizamiento interrumpe la vía, se contratan autobuses para trasladar a las personas de una estación de tren a otra. Cuando se produce un evento de este tipo, lo habitual es que los trenes sigan circulando hasta las estaciones entre las que se ha producido el deslizamiento y desde allí se transporta a los viajeros en autobús a la estación siguiente.

137

Capítulo 6: Metodología ——————————————————————————————————————

Figura 6.23. Ejemplo de interrupción de una carretera por causa de un deslizamiento. En unos casos los vehículos quedan bloqueados durante un tiempo hasta que la vía se abra al tráfico, mientras que otros deben tomar un camino alternativo. Estas dos posibilidades dependerán del tipo de vía, de la disponibilidad de vías alternativas, de la magnitud del evento y del tiempo de interrupción.

A partir de los datos obtenidos de eventos pasados se puede estimar el periodo de tiempo que las distintas infraestructuras podrían quedar bloqueadas. La interrupción del tráfico en la autopista suele ser pequeña, ya que lo más habitual es que se habilite uno de los carriles del otro sentido. En carreteras nacionales y regionales la interrupción suele ser mayor puesto que es necesario retirar el material que obstaculiza la vía o bien acondicionar vías alternativas. En las carreteras locales cuando se produce un deslizamiento suelen quedar interrumpidas, dependiendo del lugar, durante periodos de tiempo superiores como consecuencia de las labores de restauración y, dado que el tráfico es escaso en éstas, tampoco existe una rapidez extrema para ponerla otra vez en funcionamiento. El mayor retraso lo sufre el ferrocarril, debido a que el acceso a la zona es más difícil y, hasta que no se retira el material o se realizan labores de reparación la línea no vuelve a entrar en servicio. De esta forma, para cada tipo y sector de infraestructura se pueden estimar las pérdidas potenciales como consecuencia de que en cualquier punto de estos sectores se produzca un deslizamiento y permanezca bloqueada la vía durante un periodo de tiempo determinado, ocasionando el consiguiente retraso en los trabajadores. Dentro de este tipo de efectos indirectos no se han considerado las pérdidas por retrasos en mercancías (p. ej. productos perecederos), ni tampoco el efecto sobre personas que supuestamente no trabajan, pero que producen riqueza ya que gastan sus ahorros en servicios de distinto tipo, o que sufren pérdidas económicas por retrasos. Tampoco se 138

—————————————————————————Desarrollo, aplicación y validación de procedimientos ….

consideran los efectos indirectos que se producen incluso a grandes distancias de donde se produce el evento, que en algunos casos pueden ser muy superiores a todos los anteriores (p. ej. industrias que deben parar su producción porque no les ha llegado un determinado material). La incorporación de estos factores al análisis requiere profundizar en algunos aspectos que no se han abordado en el presente trabajo.

Figura 6.24. Mapa de intensidad media diaria de tráfico a lo largo de las vías de comunicación existentes en la zona de estudio. Elaboración propia a partir de los datos facilitados por el Departamento de Transportes de la DFG.

139

Capítulo 6: Metodología ——————————————————————————————————————

6.5.3 Estimación del riesgo por deslizamientos

Una vez estimadas la peligrosidad y la vulnerabilidad se pasa a estimar el riesgo. Dentro del riesgo por deslizamientos se ha estimado por un lado, el riesgo directo, y por otro, el riesgo indirecto. En el esquema de la figura 6.25 se muestra el método general de evaluación del riesgo. 6.5.3.1 Estimación del riesgo directo

Utilizando la expresión propuesta por Varnes (1984), R = H * E * V se integran los modelos presentados anteriormente (peligrosidad, valor de elementos y vulnerabilidad). Esta integración es simple y rápida dado que los diferentes elementos de la expresión están representados en unidades de píxel de 10 x 10 metros, cada uno de los cuales tiene un valor. Así, la peligrosidad o amenaza (H) se expresa en valores de 0 a 1 (o de 0-100%), para el lapso de tiempo estudiado; los elementos expuestos (E) vienen expresados por su valor económico en €; la vulnerabilidad (V) se expresa en valores de 0 a 1. De esta forma el Riesgo (R) se expresa directamente en términos monetarios (€/píxel) para el periodo de tiempo estudiado (50 ó 10 años), de acuerdo con la siguiente expresión: Riesgo(€/píxel/tiempo) = Peligrosidad(0-1/tiempo) * Valor del Elemento(€) * Vulnerabilidad(0-1)

Si en la anterior expresión se sustituye la vulnerabilidad por la expresión de la que procede (Pérdidas/Valor del elemento), el valor de riesgo así obtenido es equivalente a multiplicar las pérdidas por la peligrosidad y, por tanto, no sería necesario utilizar el mapa de vulnerabilidad, ya que sólo se necesitaría un mapa de “pérdidas específicas”. Para cada tipo de elemento considerado, se obtienen diferentes modelos de riesgo, tantos como escenarios de peligrosidad propuestos. Así se obtienen modelos de riesgo específico para infraestructuras (Rinfra), usos del suelo (Rusos) y edificios (Redificios). La suma de estos modelos constituye lo que se denomina modelo de riesgo directo (RD), que representará las pérdidas esperables en los próximos años como consecuencia de la afectación de esos elementos por los deslizamientos. El modelo de riesgo directo que se obtiene mostrará las pérdidas por píxel para los distintos elementos. De forma adicional, y dado que la evaluación de riesgos por deslizamientos incluye diferentes tipos de movimientos, con distintas magnitudes y frecuencias, para la obtención del riesgo global sobre un elemento, se deberían integrar diferentes escenarios de peligrosidad con sus correspondientes vulnerabilidades. La expresión que muestra ese riesgo (Chung & Fabbri, 2005) quedaría representada por: Riesgo = E * (1-(1-V1H1)(1-V2H2) *……* (1-VmHm))

donde: E es la probabilidad de que el valor económico se pierda en el futuro, H1,2,…,m es la probabilidad de que se produzca un deslizamiento m de características determinadas en cuanto a tipo, magnitud y frecuencia, V1,2,…,m son los correspondientes valores de vulnerabilidad para cada tipo de elemento y magnitud de deslizamiento.

140

LI G

Análisis de frecuencia

Escenarios de frecuencia futura

Modelos de Probabilidad Espacio-Temporal

Análisis de distancia, dimensiones, etc.

Escenarios de magnitud, etc. futura

Modelos de Peligrosidad

RIESGO ESPECÍFICO INFRAESTRUCTURAS

x E (€)

V (0-1)

RIESGO ESPECÍFICO USOS DEL SUELO

H (0-100 %)

Análisis Socioeconómico

RIESGO

Escenarios de Efectos indirectos

= Riesgo Indirecto (€/tiempo)

141

Riesgo Total (€/tiempo)

+ RIESGO ESPECÍFICO EDIFICIOS

= Riesgo Directo (€/tiempo)

—————————————————————————Desarrollo, aplicación y validación de procedimientos ….

Estimación de la Vulnerabilidad

Estimación del Valor

Modelos de Susceptibilidad

Modelización Estadística

Tipo de movimiento

Esta misma expresión podría aplicarse en el caso de que se evaluasen distintos tipos de riesgo (inundaciones, subsidencia, deslizamientos, etc.)

Deslizamientos

Elementos Expuestos

Figura 6.25. Esquema metodológico que muestra el procedimiento de evaluación del riesgo.

Factores condicionantes

Capítulo 6: Metodología ——————————————————————————————————————

6.5.3.2 Estimación del riesgo indirecto

Por otro lado y, tal como se ha explicado con anterioridad, con un significado diferente, se genera un modelo de riesgo indirecto (RI) que, para los escenarios planteados, tiene en cuenta las pérdidas indirectas ocasionadas por los deslizamientos sobre las actividades económicas al producir interrupciones en el tráfico. En función del escenario de peligrosidad considerado, cada sector de vía presenta un riesgo para los próximos años representado por la siguiente expresión: Riesgo indirecto = Peligrosidad * Pérdidas potenciales indirectas El modelo de riesgo indirecto, por tanto, será el producto de esas pérdidas indirectas por el modelo de peligrosidad obtenido para cada escenario. La representación gráfica de este modelo no tiene el mismo significado que el modelo de riesgo directo, donde cada píxel tiene unas determinadas pérdidas, ya que las pérdidas indirectas se originan, pero no se localizan, dentro del píxel afectado, porque los efectos económicos tienen lugar en otros puntos, distribuidos de manera difusa por un territorio que puede ser muy amplio. 6.5.3.3 Estimación del riesgo total

Finalmente, se obtiene un modelo de riesgo total (RT), que será la suma del modelo de riesgo directo y del modelo de riesgo indirecto. Para cada escenario de peligrosidad se tendrá: RT = RD + RI = (Rinfra + Rusos + Redificios) + RI

El modelo generado dará información de las pérdidas totales esperables en el futuro como consecuencia de un determinado tipo de movimiento, así como la distribución de éstas por píxel. Los valores de riesgo que se obtienen con este procedimiento deberían considerarse como aproximaciones a lo que podría pasar en el futuro y no como una predicción exacta, puesto que se supone que el comportamiento del proceso será similar al que tuvo lugar en el pasado, lo cual puede que no sea exactamente así. Las pérdidas obtenidas a través de la aplicación de los modelos tienen el carácter de ser estimaciones conservadoras o “a la baja” ya que, como se ha indicado anteriormente, hay ciertos tipos de daños indirectos (potencialmente importantes) que no se han considerado en el análisis. Por otro lado, tampoco se considera el más que probable incremento del número de elementos en riesgo en el futuro. Sin embargo, el método propuesto proporciona una idea del orden de magnitud de las pérdidas y permite identificar las áreas hacia las que dirigir, de manera prioritaria, los esfuerzos de prevención, así como planificar estrategias de ordenación del territorio para evitar situar elementos en zonas peligrosas, o bien desarrollar medidas que ayuden a reducir el riesgo.

142

—————————————————————————Desarrollo, aplicación y validación de procedimientos ….

CAPÍTULO 7 RESULTADOS Y DISCUSIÓN

143

Capítulo 7: Resultados y Discusión————————————————————————————————

144

—————————————————————————Desarrollo, aplicación y validación de procedimientos ….

CAPÍTULO 7 RESULTADOS Y DISCUSIÓN En el capítulo precedente se han descrito la metodología, procedimientos y técnicas destinados al cálculo de la susceptibilidad, peligrosidad, elementos expuestos, vulnerabilidad y riesgo relacionados con los deslizamientos. En el presente capítulo se detallan los resultados obtenidos a través de la aplicación del procedimiento en la zona de estudio. Por lo que respecta a la susceptibilidad, a partir de la información sobre los factores condicionantes, de los inventarios de deslizamientos superficiales existentes (pre-1991 y 1991-1997), y del inventario realizado para este trabajo (1997-2001), se ha generado aproximadamente una veintena de modelos de susceptibilidad. Del conjunto de los modelos generados se ha seleccionado el que mejor capacidad de predicción muestra, como base para elaborar los modelos de peligrosidad. Los intervalos cronológicos citados están condicionados por la disponibilidad de fotografías aéreas, correspondientes a las fechas señaladas. Para evaluar la peligrosidad, se han utilizado los datos de frecuencia de los movimientos ocurridos en el municipio de Deva durante el periodo 1954-2001, lo que ha permitido realizar extrapolaciones sobre el comportamiento futuro de los movimientos en toda la zona de estudio, así como generar diferentes modelos de peligrosidad. La vulnerabilidad de los distintos elementos expuestos se ha estimado a partir del análisis de los daños producidos sobre estos elementos por el tipo de movimiento estudiado, en función de una serie de situaciones consideradas como más probables a partir del análisis retrospectivo. El modelo de “riesgo específico” para cada elemento considerado se ha generado a través de la integración de los modelos de peligrosidad, valor del elemento expuesto y vulnerabilidad. La suma de estos modelos de riesgo específico ha permitido obtener modelos de riesgo directo. Por último, se presentan los resultados de la estimación de pérdidas indirectas debidas a deslizamientos, que ayudan a generar un modelo de riesgo total para los próximos años en el área del Bajo Deva.

7.1 Resultados en relación con la susceptibilidad En este apartado se muestran los resultados obtenidos en relación con la susceptibilidad o propensión del terreno a experimentar deslizamientos. En primer lugar, se han estudiado los deslizamientos y su posible relación con los factores desencadenantes y condicionantes. Posteriormente se han elaborado diversos modelos de susceptibilidad, utilizando varios procedimientos y funciones, a fin de seleccionar el más adecuado para evaluar la peligrosidad. 145

Capítulo 7: Resultados y Discusión————————————————————————————————

7.1.1 Relación de los deslizamientos con los factores desencadenantes La cartografía de deslizamientos ocurridos en el pasado es indispensable para determinar qué zonas pueden sufrir deslizamientos en el futuro. El inventario de deslizamientos realizado para toda la zona (es decir, para los cuatro municipios considerados: Deva, Mendaro, Elgoibar y Eibar) por Remondo (2001) permitió identificar 532 movimientos superficiales en el periodo anterior a 1991 y 906 deslizamientos en el periodo 1991-1997. Posteriormente, en este trabajo se han cartografiado 131 deslizamientos, los cuales han ocurrido durante el periodo 1997-2001. La calidad y fiabilidad de estos inventarios es determinante para la obtención de modelos probabilísticos de susceptibilidad y peligrosidad de deslizamiento con cierta capacidad de predicción, y para la evaluación ulterior de la vulnerabilidad y del riesgo. A pesar de que en trabajos anteriores (Remondo, 2001; Remondo et al., 2005c), el análisis de la ocurrencia temporal mostraba la existencia de un claro incremento en la frecuencia de deslizamientos, de aproximadamente un orden de magnitud, en el periodo 1954-1997, se ha observado que esta frecuencia ha disminuido durante el último periodo estudiado (19972001) tanto en el municipio de Deva, donde se dispone de un inventario temporal detallado (Tabla 7.1), como en el resto de los municipios del área de estudio. La disminución del número de movimientos observada en esos cuatro años es similar a la que ya se produjo en el periodo 1985-1991 en el municipio de Deva (Tabla 7.1), por lo que con la información hasta ahora disponible es difícil establecer tendencias de comportamiento futuro. Tabla 7.1. Número y frecuencia de deslizamientos en el municipio de Deva en el periodo estudiado (modificado de Remondo, 2001). Intervalo de tiempo 1954-1970 1970-1983 1983-1985 1985-1991 1991-1993 1993-1997 1997-2001 Total

Nº de deslizamientos 109 104 141 133 95 223 57 862

Nº deslizamientos/año 6,8 8 70,5 22,2 47,5 55,8 14,3 18,3

Algunas de las causas que podrían explicar la disminución del número de eventos en el último inventario podrían explicarse, en parte, a que el método de cartografía utilizado para el último inventario difiere respecto al utilizado para realizar los inventarios anteriores, por lo que se han podido cometer errores en la identificación de determinados movimientos, tanto por sobreestimar como por infravalorar el número de deslizamientos. Mientras que en los dos primeros inventarios los deslizamientos se cartografiaron mediante la interpretación de pares estereoscópicos y se comprobaron posteriormente en el campo, el último inventario se realizó mediante la interpretación de la ortofoto de 2001 y posterior comprobación de la presencia o ausencia de cada deslizamiento en la foto aérea de 1997. El uso de métodos diferentes de identificación de movimientos y la utilización de imágenes con muy distinta resolución (por ejemplo la ortofoto tiene una gran resolución, con píxeles de 22,5 centímetros), podrían explicar, en parte, esa disminución en el número de eventos identificados. Otra posible causa podría ser la tendencia decreciente de las precipitaciones y/o del número de tormentas con intensidades diarias superiores a 50 milímetros que se muestra en la Figura 7.1. Dicha figura presenta los datos de precipitación de la estación de Aixola, situada 146

—————————————————————————Desarrollo, aplicación y validación de procedimientos ….

Precipitación (mm/año)

en el Alto Deva (muy próxima a la zona de estudio) y con registro continuo de datos desde 1990 hasta la actualidad. Se observa que entre 1990 y 1996 se produce un incremento de las precipitaciones, mientras que a partir de esa fecha hay una clara tendencia a la disminución de las mismas, sobre todo de aquéllas con precipitaciones superiores a los 50 mm. Además, como también puede apreciarse en la citada figura, las mayores precipitaciones coinciden con la máxima frecuencia de deslizamientos. Aunque esto no es concluyente, puede dar una idea del efecto de la lluvia sobre este proceso en la zona. Según algunos autores (Duque et al., 1991; Remondo et al., 2005c), la mayoría de los deslizamientos de la zona han ocurrido u ocurren durante, o inmediatamente después de intensas lluvias, como sucedió durante las tormentas de agosto de 1983, las cuales desencadenaron un gran número de movimientos. 1800

1600

1400

1200

1000

800

Precipitación (mm/año) Nº Tormentas (>50 mm) Nº Tormentas (>20 mm) Nº Deslizamientos 600 1990

0 1992

1994

1996

1998

2000

Año

Figura 7.1. Datos de precipitación y tormentas de la estación de Aixola (Alto Deva) durante el periodo 1990-2001, frente a número de deslizamientos producidos en el Bajo Deva. En el caso de los deslizamientos no hay datos anuales, por lo que se ha representado la media anual para los diferentes periodos (de duración desigual) comprendidos en el intervalo analizado.

En la Figura 7.2 se observan tres deslizamientos producidos en una pequeña cuenca del municipio de Deva, en diciembre de 2002 después de una semana con precipitaciones acumuladas de 200 milímetros e intensidades máximas diarias entre 20 y 50 milímetros (Departamento para el Desarrollo Sostenible, 2005). También conviene tener en cuenta que los lapsos de tiempo que se han considerado son diferentes. En el primer inventario realizado, el lapso de tiempo abarcado es de 37 años (desde 1954 a 1991); en el segundo inventario el intervalo temporal analizado es de 6 años (desde 1991 a 1997), mientras que en el tercer inventario sólo se engloban 4 años (desde 1997 a 2001). Si, por cualquier circunstancia, posteriormente al 2001 (como sucedió en 2002) se produjesen precipitaciones intensas, ese número de deslizamientos podría incrementarse. Sería, por tanto, interesante estudiar posteriores intervalos de tiempo con el fin de obtener una muestra estadística más completa.

147

Capítulo 7: Resultados y Discusión————————————————————————————————

En la Tabla 7.2 se muestra el número de deslizamientos inventariados en los cuatro municipios de la zona de estudio, en los tres intervalos temporales, así como los porcentajes de movimientos existentes por municipio. Se observa que casi la mitad de los deslizamientos existentes en el Bajo Deva, ocurren en el municipio de Deva, mientras que el municipio menos afectado es el de Mendaro. En la variación de la frecuencia temporal de los deslizamientos han podido también influir causas antrópicas como los cambios experimentados en el tiempo por los usos del terreno.

DEVA

Figura 7.2. Ejemplo de deslizamientos originados tras unas intensas precipitaciones en una pequeña cuenca del municipio de Deva.

Remondo et al. (2005c), han presentado datos sobre las relaciones, tanto directas como indirectas, entre deslizamientos y actividad humana en la zona e indican que un aumento de los deslizamientos es, probablemente, un reflejo del incremento y presión de la actividad humana sobre el territorio, más que una intensificación de los factores desencadenantes naturales. Este hecho, a mayor escala (nacional y mundial) ha sido puesto de manifiesto por Cendrero et al. (2006), observándose una cierta relación entre incremento del Producto Interior Bruto (PIB) y el aumento de deslizamientos y/o de otros procesos naturales. Sin embargo, esta relación no se cumple en el último periodo analizado en la zona de estudio, ya que se ha identificado un menor número de movimientos y, no obstante, el PIB de la zona ha seguido aumentando. Una posible explicación a esta aparente contradicción, podría ser achacable al cambio de usos del suelo que se está produciendo en los últimos años en la zona de estudio; las zonas de prados, muy propensas a sufrir deslizamientos, están siendo abandonadas y las repoblaciones forestales están ocupando su lugar. Los datos del último inventario forestal realizado por el Gobierno Vasco en 2005, muestran una disminución de la superficie dedicada a prados del 13%, respecto al inventario de 1996; mientras que la superficie forestal y las zonas de pastizales se han visto incrementadas en un 7% y en un 3,5%, respectivamente. También porque en las zonas de bosque el número de 148

—————————————————————————Desarrollo, aplicación y validación de procedimientos ….

deslizamientos es menor, bien porque las raíces sujetan la cobertera superficial impidiendo que ésta deslice, o bien porque la identificación de movimientos es mucho más difícil, dado el tamaño medio de éstos, que ronda los 500 m2. Tabla 7.2. Deslizamientos superficiales inventariados en el Bajo Deva por municipio para los distintos periodos estudiados y porcentajes respecto al total, y porcentaje medio de deslizamientos por municipio para todo el periodo. Municipio Deva Mendaro Elgoibar Eibar Total

Nº movimientos (1954-1991) 258 (48,5%) 46 (8,6%) 134 (25,2%) 94 (17,7%) 532

Nº movimientos (1991-1997) 478 (52,7%) 67 (7,4%) 184 (20,4%) 177(19,5%) 906

Nº movimientos (1997-2001) 57 (43,5%) 16 (12,2%) 26 (19,8%) 32 (24,5%) 131

% medio de deslizamientos por municipio 48,2 9,4 21,8 20,6 100

En resumen, los datos presentados refuerzan la idea de la importancia de las lluvias intensas como principal agente desencadenante inmediato de los deslizamientos superficiales en la zona de estudio. Sin embargo, no confirman la tendencia al aumento de la frecuencia de los deslizamientos en respuesta al crecimiento del PIB. Esto puede deberse simplemente a que el nuevo periodo analizado es demasiado corto, o bien porque el aumento del PIB ha venido acompañado de una tendencia a la extensión de las zonas cubiertas por arbolado, así como una mayor aplicación de medidas de mitigación (pedraplenes en zonas sensibles). Esto sugiere que la posible relación entre actividad económica e intensidad de los procesos geomorfológicos sugerido en trabajos anteriores (Remondo et al., 2005c; Cendrero et al., 2006) podría “desacoplarse” a través de medidas preventivas adecuadas, o bien que la acción humana indirecta pudiera no ser un factor preparatorio tan decisivo como los datos anteriores indicaban. 7.1.2 Relación de los deslizamientos con los factores condicionantes Los factores condicionantes utilizados para el análisis se han comentado en el capítulo anterior pero se enumeran, a modo de recordatorio, aquí. Las variables ensayadas han sido: litología, usos del suelo, espesor de regolito, elevación, pendiente, orientación, insolación, distancia a fallas y distancia a cauces de agua. Remondo (2001), comprobó que algunas de las variables utilizadas en la generación de modelos introducían pocas mejoras en los modelos de susceptibilidad obtenidos y que con un grupo reducido de variables (por ejemplo: altitud, pendiente, orientación, litología, usos del suelo y espesor de regolito) se obtenían prácticamente los mismos resultados que si se incorporaban otras más. Por eso, antes de realizar ensayos predictivos con todas las variables propuestas se ha procedido a realizar un estudio sistemático de las variables mediante un análisis bivariable entre cada serie de deslizamientos y cada una de las posibles variables a tener en cuenta. Dicho análisis ha puesto de manifiesto las relaciones existentes entre los deslizamientos ya ocurridos y cada una de las variables que se supone condicionó su aparición. De esta forma se han obtenido las funciones de distribución de frecuencia normalizada de cada una de las variables, o factores condicionantes considerados en el análisis, con respecto a la presencia-ausencia de deslizamientos (zona deslizada/zona no deslizada). La “likelihood ratio” o relación de frecuencias de distribución, expresa la propensión a la aparición de deslizamientos, en relación con la variable considerada. La Figura 7.3 presenta tanto las funciones de distribución de frecuencia como las funciones de relación entre ambas frecuencias, de acuerdo con el inventario de deslizamientos 1991149

Capítulo 7: Resultados y Discusión————————————————————————————————

1997. Como regla general, cuanta mayor asimetría haya entre ambas curvas, mayor será la relación de la variable con los deslizamientos y, evidentemente, cuanta mayor diferencia muestre el valor de la “likelihood ratio” para una variable, mayor será la capacidad discriminante de los distintos valores de la variable. En dicha figura se aprecia que: -

Por lo que respecta a la variable elevación (altitud), hay una mayor frecuencia de deslizamientos entre los 30 y los 250 metros de altitud, aproximadamente (Figura 7.3a). Esa diferencia se observa de forma más marcada en la función de relación de frecuencias. Dicha mayor frecuencia de eventos podría deberse a que es en estas altitudes donde se sitúan la mayor parte de praderías, con mayor propensión a deslizar. A partir de esa altitud el número o frecuencia de deslizamientos disminuye drásticamente, dado que a niveles superiores predominan zonas de macizos calcáreos o zonas de bosque.

Las orientaciones (Figura 7.3b) no parecen ser un factor muy significativo. Se aprecia una tendencia a mayor número de deslizamientos en las orientaciones de componente Sur, lo cual podría deberse a que son zonas que sufren mayores oscilaciones en la humedad de la capa superficial, por estar más expuestas a ciclos humectacióndesecación.

También se puede observar que existe un fuerte incremento de los deslizamientos en pendientes de entre 15 y 38º, siendo mucho menos abundantes a partir de estos valores (Figura 7.3c). La escasez de deslizamientos en pendientes más acusadas puede deberse, por un lado, a la ausencia de regolito y, por otro lado, a que en dichas pendientes la cobertera arbórea es mucho más frecuente que las praderías.

Tampoco la insolación (Figura 7.3d) parece ser un factor importante, aunque hay una leve diferencia a favor de las zonas con menor insolación; esto es, más húmedas. Sin embargo, esto estaría en aparente contradicción con lo comentado para las orientaciones, aunque ambas variables no son equiparables.

La distancia a fallas no resulta discriminante ya que las curvas son similares, sobre todo en las zonas más próximas a las fracturas (Figura 7.3e). Se aprecia en la “likelihood ratio” unos picos para valores superiores a 800 metros, que probablemente son artefactos derivados del pequeño número de píxeles a esas distancias, ya que no tienen ninguna explicación coherente en relación con esta variable. Estos datos concuerdan con el hecho de que la actividad sísmica no ha sido un factor desencadenante significativo en la zona durante el periodo cubierto por este análisis.

Por otro lado, cabría esperar que en las proximidades de los cauces de los ríos los deslizamientos fuesen más numerosos, bien por socavamiento o bien porque las oscilaciones del nivel freático afecten a la discontinuidad regolito-substrato. Sin embargo, los datos de la figura 7.3f muestran que a muy cortas distancias (menos de 50 metros) esto no parece producirse, a pesar que en estas zonas los valles son muy cerrados y presentan fuertes pendientes. En cambio, se observa una mayor frecuencia de movimientos en distancias entre los 50 y 550 metros. Esto no parece que pueda estar relacionado con la proximidad a los cauces, sino con algún otro factor.

150

—————————————————————————Desarrollo, aplicación y validación de procedimientos ….

0.0050 0.0045

deslizamientos no deslizamientos

Frecuencia normalizada

0.0040 0.0035 0.0030 0.0025 0.0020 0.0015 0.0010 0.0005 0.0000 0

100

200

300

400

500

600

700

800

Elevaciones (m etros)

2.0000 RLR

Likelihood ratio

1.5000

1.0000

0.5000

0.0000 0

100

200

300

400

500

600

700

800

Elevaciones (m etros)

Figura 7.3a. Funciones de distribución empíricas normalizadas, de la variable elevaciones, en el área con deslizamientos y sin deslizamientos (arriba); función de relación de probabilidad empírica de la variable elevaciones (abajo).

151

Capítulo 7: Resultados y Discusión————————————————————————————————

0.0050 deslizamientos

0.0045

no deslizamientos

Frecuencia normalizada

0.0040 0.0035 0.0030 0.0025 0.0020 0.0015 0.0010 0.0005 0.0000 0

100

150

200

250

300

350

Orientaciones (º)

2.0000 RLR

Likelihood ratio

1.5000

1.0000

0.5000

0.0000 0

100

150

200

250

300

350

Orientaciones (º)

Figura 7.3b. Funciones de distribución empíricas normalizadas, de la variable orientaciones, en el área con deslizamientos y sin deslizamientos (arriba); función de relación de probabilidad empírica de la variable orientaciones (abajo).

152

—————————————————————————Desarrollo, aplicación y validación de procedimientos ….

0.0600 deslizamientos no deslizamientos

Frecuencia normalizada

0.0500

0.0400

0.0300

0.0200

0.0100

0.0000 0

Pendientes (º)

2.0000 RLR

Likelihood ratio

1.5000

1.0000

0.5000

0.0000 0

Pendientes (º)

Figura 7.3c. Funciones de distribución empíricas normalizadas, de la variable pendientes, en el área con deslizamientos y sin deslizamientos (arriba); función de relación de probabilidad empírica de la variable pendientes (abajo).

153

Capítulo 7: Resultados y Discusión————————————————————————————————

0.0100 deslizamientos 0.0090

no deslizamientos

Frecuencia normalizada

0.0080 0.0070 0.0060 0.0050 0.0040 0.0030 0.0020 0.0010 0.0000 0

100

150

200

250

Insolación (0-255)

1.5000

Likelihood ratio

RLR

1.0000

0.5000

0.0000 0

100

150

200

250

Insolación (0-255)

Figura 7.3d. Funciones de distribución empíricas normalizadas, de la variable insolación, en el área con deslizamientos y sin deslizamientos (arriba); función de relación de probabilidad empírica de la variable insolación (abajo).

154

—————————————————————————Desarrollo, aplicación y validación de procedimientos ….

0.0030 deslizamientos no deslizamientos

Frecuencia normalizada

0.0025

0.0020

0.0015

0.0010

0.0005

0.0000 0

200

400

600

800

1000

1200

1400

1600

Distancia a fallas (m etros)

3.0000 RLR

Likelihood ratio

2.5000

2.0000

1.5000

1.0000

0.5000

0.0000 0

200

400

600

800

1000

1200

1400

1600

Distancia a fallas (m etros)

Figura 7.3e. Funciones de distribución empíricas normalizadas, de la variable distancia a fallas, en el área con deslizamientos y sin deslizamientos (arriba); función de relación de probabilidad empírica de la variable distancia a fallas (abajo).

155

Capítulo 7: Resultados y Discusión————————————————————————————————

0.0030 deslizamientos no deslizamientos

Frecuencia normalizada

0.0025

0.0020

0.0015

0.0010

0.0005

0.0000 0

200

400

600

800

1000

1200

1400

1600

Distancia a cauces (m etros)

1.5000

Likelihood ratio

RLR

1.0000

0.5000

0.0000 0

200

400

600

800

1000

1200

1400

1600

Distancia a cauces (m etros)

Figura 7.3f. Funciones de distribución empíricas normalizadas, de la variable distancia a cauces, en el área con deslizamientos y sin deslizamientos (arriba); función de relación de probabilidad empírica de la variable distancia a cauces (abajo).

156

—————————————————————————Desarrollo, aplicación y validación de procedimientos ….

En el caso de las variables categóricas el significado de la función es, evidentemente, distinto que para las variables continuas. En aquéllas se han representado las frecuencias de píxeles con y sin deslizamientos por medio de diagramas de barras (Figura 7.3g, h, i). En el caso de la litología, parece claro que hay cinco tipos litológicos (Flysch calcáreo, Flysch lutítico, Margocalizas, Gravas mal gradadas y Arenas limosas) claramente más propensos a experimentar deslizamientos (Figura 7.3g). La pradería y los frutales y viñedos son los usos del suelo que muestran mayor propensión al deslizamiento. Sin embargo, en el caso de los segundos el valor de la función es poco significativo, dada su escasa extensión (Figura 7.3h). El espesor de regolito (Figura 7.3i) proporciona valores de “likelihood ratio” que tienen una clara explicación. La propensión es muy baja cuando el espesor es menor de 0,5 metros (no hay material deslizable) ó superior a 4 metros (correspondiente en la gran mayoría de los casos a depósitos fluviales, horizontales), siendo más elevada para espesores intermedios, que favorecen la acumulación de agua intersticial y, además, se sitúan, en general, sobre laderas con una cierta pendiente.

De acuerdo con lo anterior, en principio, cabría esperar que el conjunto de las variables mencionadas (elevaciones, pendientes, litología, uso del suelo, espesor de regolito y, en menor medida, orientaciones) resulten de utilidad para elaborar modelos de susceptibilidad. Sin embargo, para determinar con mayor fiabilidad su importancia en la obtención de modelos de susceptibilidad se ha realizado un análisis de la contribución de cada variable a esta susceptibilidad, combinando todas ellas con los deslizamientos incluidos en cada una de las tres series temporales consideradas, tal y como se describe a continuación.

157

Capítulo 7: Resultados y Discusión————————————————————————————————

0.300

deslizamientos no deslizamientos 0.250

Frecuencia normalizada

0.200

0.150

0.100

0.050

0.000 3

9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 Clase de litología

Unidades litológicas: 3: Flysch detrítico calcáreo; 4: Flysch lutítico; 5: Calizas estratificadas; 6: Margocalizas; 7: Margas; 8: Areniscas y conglomerados; 9: Flysch arenoso; 10: Calizas masivas; 11: Lutitas calcáreas y margocalizas; 12: Calizas margosas; 13: Calcarenitas, margas y brechas calcáreas; 14: Flysch calcáreo; 15: Rocas volcanoclásticas; 16: Rocas volcánicas en coladas; 17: Brechas poligénicas; 18: Brechas silíceas; 19: Gravas bien gradadas; 20: Gravas mal gradadas; 21: Gravas arcillosas; 22: Arenas bien gradadas; 23: Arenas mal gradadas; 24: Arenas limosas; 25: Arenas arcillosas; 26: Limos y arenas muy finas; 27: Arcillas plásticas; 28: Rellenos artificiales. 5.0000

RLR

Likelihood ratio

4.0000

3.0000

2.0000

1.0000

0.0000 3

9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 Clase de litología

Figura 7.3g. Funciones de distribución empíricas normalizadas, de la variable litología, en el área con deslizamientos y sin deslizamientos (arriba); función de relación de probabilidad empírica de la variable litología (abajo).

158

—————————————————————————Desarrollo, aplicación y validación de procedimientos ….

0.700

deslizamientos no deslizamientos

0.600

Frecuencia normalizada

0.500

0.400

0.300

0.200

0.100

0.000 3

7 8 9 Clase de usos del suelo

Unidades de usos del suelo: 3: Agua; 4: Cantera; 5: Espinos; 6: Forestal Arbolado; 7: Frutales y Viñedos; 8: Matorral; 9: Pastizal; 10: Prado; 11: Roquedo; 12: Urbano. 9.0000 RLR 8.0000

Likelihood ratio

7.0000 6.0000 5.0000 4.0000 3.0000 2.0000 1.0000 0.0000 3

Clase de usos del suelo

Figura 7.3h. Funciones de distribución empíricas normalizadas, de la variable usos del suelo, en el área con deslizamientos y sin deslizamientos (arriba); función de relación de probabilidad empírica de la variable usos del suelo (abajo).

159

Capítulo 7: Resultados y Discusión————————————————————————————————

0.800

Deslizamientos No deslizamientos

0.700

Frecuencia normalizada

0.600

0.500

0.400

0.300

0.200

0.100

0.000 3

Clase de espesor de regolito

Unidades de espesor de regolito: 3: Roca; 4: 0-0,5 metros; 5: 0,5-1 metros; 6: 1-2 metros; 7: 2-4 metros; 8: >4 metros. 1.5000

Likelihood ratio

RLR

1.0000

0.5000

0.0000 3

Clase de espesor de regolito

Figura 7.3i. Funciones de distribución empíricas normalizadas, de la variable espesor de regolito, en el área con deslizamientos y sin deslizamientos (arriba); función de relación de probabilidad empírica de la variable espesor de regolito (abajo).

160

—————————————————————————Desarrollo, aplicación y validación de procedimientos ….

7.1.3 Modelos de susceptibilidad obtenidos: técnicas estadísticas y variables utilizadas Uno de los objetivos específicos planteados en este trabajo era el de mejorar los modelos de susceptibilidad mediante el uso de nuevos procedimientos estadísticos. En función de ese objetivo y con el fin de explorar la mejora obtenida en la calidad de los modelos, por medio de la aplicación de técnicas estadísticas, se han generado distintos modelos. Estos modelos se han obtenido utilizando las mismas variables categóricas y continuas y una población de deslizamientos correspondientes al periodo pre-1991, aplicando distintas técnicas (Bayes, Regresión Logística, Función de relación de probabilidades [Likelihood ratio], Función de pertenencia difusa [Fuzzy set] y Redes Neuronales Artificiales [Artificial Neural Networks, ANN’s]). Las curvas de evaluación de dichos modelos (Figura 7.4) son muy similares, lo que permite señalar que la fiabilidad de las predicciones es muy parecida en todos ellos. Esto es, por ejemplo, con el 20% del área más susceptible se predicen en torno al 60% de los futuros deslizamientos. 1

Porción de deslizamientos futuros

0.9 0.8 0.7

Regresión Logística

0.6

Likelihood ratio Fuzzy set

0.5

Bayes 0.4

ANN

0.3 0.2 0.1 0 0

0.1

0.2

0.3

0.4

0.5

0.6

0.7

0.8

0.9

Porción de área clasificada como susceptible

Figura 7.4. Curvas de evaluación/validación de los modelos de susceptibilidad generados a partir de la serie de deslizamientos pre-1991 con distintas funciones matemáticas.

De acuerdo con los resultados precedentes, se podría concluir que las nuevas funciones utilizadas (likelihood ratio y ANN’s) no introducen mejoras significativas en comparación con las empleadas por Remondo (2001). Esto sugiere que la mejora en la calidad de los modelos probablemente se pueda lograr, más que con nuevas funciones, con la utilización de variables de mejor calidad y precisión (al menos en lo que se refiere a la zona de estudio). La función de relación de probabilidades o “likelihood ratio” representa una herramienta sólida y muy intuitiva (Chung & Fabbri, 2005) . Este tipo de análisis ha sido utilizado en el presente trabajo, en colaboración directa con los autores nombrados. 161

Capítulo 7: Resultados y Discusión————————————————————————————————

Tal y como se ha comentado anteriormente, con el fin de seleccionar el conjunto de variables que permite obtener los mejores modelos (mejor capacidad de predicción) se han generado una serie de modelos de susceptibilidad para los deslizamientos ocurridos en los periodos pre-1991 (532 deslizamientos), 1991-1997 (906 deslizamientos) y 1997-2001 (131 deslizamientos). Basándose en el análisis bivariable previamente descrito, en la obtención de estos modelos se han utilizado siempre las mismas variables temáticas o categóricas: litología (L), usos del suelo (US) y espesor de regolito (ER), combinándolas con la presencia o ausencia de determinadas variables continuas. Los modelos se han obtenido para las siguientes combinaciones de variables: -

L-US-ER con altitud, pendiente, orientación, insolación, distancia a fallas, distancia a cauces.

L-US-ER con altitud, pendiente, orientación, insolación, distancia a fallas.

L-US-ER con altitud, pendiente, orientación, insolación, distancia a cauces.

L-US-ER con altitud, pendiente, orientación, insolación.

L-US-ER con altitud, pendiente, orientación. 1

Porción de deslizamientos futuros

0.9 0.8 0.7 0.6

L-US-ER+altitud+orientación+pendiente+insolación+distancia a cauces

0.5

L-US-ER+altitud+orientación+pendiente+insolación+distancia a fallas

0.4

L-US-ER+altitud+orientación+pendiente+insolación+distancia a cauces+distancia a fallas

0.3

L-US-ER+altitud+orientación+pendiente+insolación

0.2 L-US-ER+altitud+orientación+pendiente

0.1 0 0

0.1

0.2

0.3

0.4

0.5

0.6

0.7

0.8

0.9

Porción de área clasificada como susceptible

Figura 7.5. Curvas de evaluación de las distintas combinaciones de variables utilizadas en la elaboración del modelo de susceptibilidad de la serie de deslizamientos 1991-1997.

En la Figura 7.5, se han representado las diferentes curvas de evaluación de los modelos de susceptibilidad obtenidos a partir de la serie de deslizamientos de 1991-1997. En dicha figura se puede observar como las distintas curvas aparecen prácticamente superpuestas, lo cual indica que los modelos son muy similares. Esto significa que para generar un modelo de susceptibilidad de la zona de estudio no es necesario incorporar al análisis todas las 162

—————————————————————————Desarrollo, aplicación y validación de procedimientos ….

variables propuestas y que la combinación de variables tales como altitud, pendiente, orientación, litología, usos del suelo y espesor de regolito, genera modelos con una capacidad de predicción similar a las obtenidas cuando se incluyen otras variables como son la distancia a fallas o a cauces y la insolación. Esto, junto con lo comentado en relación con el análisis bivariable, sugiere que, ni la sismicidad ni el socavamiento por acción de los cursos de agua parecen ser factores desencadenantes relevantes de deslizamientos en la zona de estudio durante el periodo estudiado. En otras palabras, cualquier medida de mitigación encaminada a reducir la incidencia de este tipo de procesos debe actuar sobre los efectos de las lluvias y de la influencia humana directa e indirecta, que podrían ser los únicos agentes desencadenantes significativos o, sobre los posibles factores condicionantes. La Figura 7.6 muestra los modelos de susceptibilidad generados con los deslizamientos pre-1991 (Figura 7.6a), 1991-1997 (Figura 7.6b) y 1997-2001 (Figura 7.6c). Se puede observar que la representación cartográfica es bastante similar para los dos primeros modelos, pero difiere en el caso del modelo generado con los deslizamientos del último periodo. Esto probablemente se debe al menor número de eventos incluidos en el último periodo analizado (131). En la Figura 7.7, se presentan las curvas de ajuste de los tres modelos representados en la Figura 7.6. Dichas curvas sólo expresan el ajuste de cada modelo a sus propios datos, es decir, a los deslizamientos a partir de los cuales se han generado; posteriormente, será necesario validar los modelos con nuevos datos, obteniendo las curvas de acierto o de predicción. En la figura se observa que la mejor capacidad de predicción se obtiene para el modelo generado con los deslizamientos de 1991-1997. Por otro lado, cabe señalar que el peor pronóstico se obtiene con el modelo generado con los deslizamientos de 1997-2001, aunque las diferencias son pequeñas con respecto a los otros dos modelos. Esta peor calidad del modelo, con datos 1997-2001, podría explicarse por el menor tamaño de la muestra. Sin embargo, no se puede descartar que esté influyendo algún factor relacionado con el cambio de tendencia en cuanto a la frecuencia de movimientos que se observa en ese periodo reciente y que se ha comentado anteriormente. Lo más significativo de esta figura es que la forma de las tres gráficas es similar, lo que da una idea de la validez y fiabilidad del método. El mejor ajuste (deslizamientos 1991-1997) predice que el 68,4% de los deslizamientos futuros se situarán en el 20% del área clasificada como más susceptible. Esto representa una predicción ligeramente mejor respecto a los resultados presentados por Remondo (2001), ya que dicho autor obtenía una capacidad de predicción de aproximadamente el 60% en el 20% del área más susceptible. La mejora obtenida puede ser debida al tratamiento de los límites de las unidades categóricas como líneas o franjas difusas de anchura variable, a que se ha utilizado un mapa de usos del suelo más detallado, a que se ha utilizado un modelo digital del terreno más preciso así como al uso de variables continuas no reclasificadas en clases. Con el fin de analizar las citadas posibilidades, se han llevado a cabo los análisis que a continuación se describen.

163

Capítulo 7: Resultados y Discusión————————————————————————————————

C Figura 7.6. Modelos de susceptibilidad obtenidos para el Bajo Deva a partir de las series de deslizamientos pre-1991 (A), 1991-1997 (B) y 1997-2001 (C).

164

—————————————————————————Desarrollo, aplicación y validación de procedimientos ….

Porción de deslizamientos predichos

0.9 0.8 Pre-1991

0.7

1991-1997

0.6

1997-2001

0.5 0.4 0.3 0.2 0.1 0 0

0.1

0.2

0.3

0.4

0.5

0.6

0.7

0.8

0.9

Porción de área clasificada com o susceptible

Figura 7.7. Curvas de ajuste de los modelos mostrados en la Figura 7.6.

1) Determinación de la influencia que tiene en las predicciones de los modelos el tratamiento de los límites de las variables temáticas como límites difusos, lo cual puede ser útil cuando se trabaja con variables en las cuales los límites entre clases no pueden determinarse con precisión (p. ej. contactos litológicos en el substrato). Para ello se ha generado un modelo utilizando las mismas variables que en los casos anteriores y con los deslizamientos de 1991-1997, pero dando diferentes tolerancias (1, 2, 6 y 10 píxeles, es decir, 10, 20, 60 y 100 metros respectivamente) a los límites de las variables temáticas. Las curvas de predicción obtenidas se presentan en la Figura 7.8. Se observa que la predicción varía muy poco al utilizar límites de 10 ó 20 metros de anchura (1 ó 2 píxeles); sin embargo, cuando se utiliza mayor anchura o número de píxeles, la calidad de la predicción disminuye ligeramente, prácticamente se mantiene igual. Esto indica que la incorporación de los límites difusos no mejora el resultado obtenido, lo cual se explica porque la cartografía temática utilizada es de bastante calidad. En otros casos, con cartografía temática de menor precisión, es posible que sí se obtengan mejores resultados. 2) Determinación de la influencia de la incorporación de mapas de usos del suelo que reflejen todos los elementos construidos. Se han elaborado dos modelos de susceptibilidad, uno utilizando el mapa de usos del suelo empleado por Remondo (2001) y otro que incorpora todas las carreteras y edificios individuales dispersos. En la Figura 7.9 se muestran las curvas de evaluación de ambos modelos. De esta figura se extrae que la ligera mejora de la variable usos del suelo utilizada aquí no añade calidad a la predicción; es más, en algunos puntos la capacidad de predicción empeora ligeramente. Es posible que si la mejora en el mapa de usos del suelo se centrara sobre todo en aumentar la precisión y en actualizar los datos relativos a la cobertura vegetal (especialmente arbolado y praderías) se ganara calidad en el modelo de susceptibilidad. El nuevo inventario forestal en curso de edición por parte del Gobierno Vasco, servirá para comprobar esto.

165

Capítulo 7: Resultados y Discusión————————————————————————————————

Porción de deslizamientos predichos

0.9 0.8

1 píxel

0.7 0.6

2 píxeles

0.5

6 píxeles

0.4

10 píxeles

0.3 0.2 0.1 0 0

0.1

0.2

0.3

0.4

0.5

0.6

0.7

0.8

0.9

Porción de área clasificada com o susceptible

Figura 7.8. Efecto de los límites de las variables temáticas en la generación de modelos de susceptibilidad (1 píxel = 10 metros). 1

Porción de deslizamientos futuros

0.9 0.8 0.7

Usos del suelo, este trabajo (2006)

0.6

Usos del suelo, Remondo (2001)

0.5 0.4 0.3 0.2 0.1 0 0

0.1

0.2

0.3

0.4

0.5

0.6

0.7

0.8

0.9

Porción de área clasificada como susceptible

Figura 7.9. Efecto de la utilización de mapas de usos del suelo con distinta precisión en la generación de modelos de susceptibilidad.

3) Determinación del efecto de la resolución del Modelo Digital de Elevaciones (MDE) en las predicciones. El análisis de la influencia de esta variable se ha realizado en otra zona de estudio, en Cantabria, para la cual se han elaborado, utilizando técnicas fotogramétricas de gran resolución, distintos MDEs. Este trabajo es parte del proyecto FODISPIL (REN2002-00079/RIES) y sus resultados iniciales han sido presentados por Olague et al., (2005).

166

—————————————————————————Desarrollo, aplicación y validación de procedimientos ….

Como se muestra en la Figura 7.10, la resolución del MDE influye de forma importante en las predicciones de los modelos de susceptibilidad. La citada figura muestra las curvas de predicción obtenidas para 4 modelos predictivos, utilizando MDEs de distinta resolución: 1, 5, 10, 15 y 25 metros de tamaño de píxel. Se aprecia claramente en la figura que los resultados en las predicciones mejoran notablemente a medida que aumenta la resolución del MDE. Las mejores predicciones, con una diferencia perceptible, se obtienen en el modelo generado con resolución de 1 metro (casi el 90% de los deslizamientos ocurren en el 20% del área susceptible). En este sentido, se puede afirmar que, independientemente de las variables categóricas, cuanto mejor sea la resolución del MDE y, por tanto de las variables continuas derivadas del mismo, mejor será la predicción obtenida y más fiable el modelo de susceptibilidad generado. El MDE que se ha utilizado en la zona del Bajo Deva se ha mejorado respecto al que utilizó Remondo (2001), aumentando la precisión y eliminando ciertos errores, por lo que parte del aumento en la capacidad de predicción obtenida se puede explicar por la mejora de esta variable. 1

Porción de deslizamientos futuros

0.9 0.8

0.7 0.6

0.5

10 m

0.4 0.3

15 m

0.2

25 m

0.1 0 0

0.1

0.2

0.3

0.4

0.5

0.6

0.7

0.8

0.9

Porción de área clasificada com o susceptible

Figura 7.10. Efecto de la resolución del Modelo Digital de Elevaciones en la predicción mostrada por los modelos de susceptibilidad.

Los análisis descritos ponen de manifiesto que la mejor calidad del modelo que aquí se presenta, en comparación con los modelos obtenidos por Remondo (2001), se explica como consecuencia del uso de variables continuas y del aumento en la calidad y precisión del MDE, siendo limitada o nula la mejora achacable a las otras variables analizadas. Esto, a su vez, indica que los esfuerzos que se dirijan hacia la mejora de los MDEs serán probablemente los más útiles para aumentar la calidad de los modelos de susceptibilidad. Las posibilidades de obtención de MDEs de alta precisión y resolución son en la actualidad considerables (Olague et al., 2005), mientras que la mejoría en el caso de las variables categóricas implica una gran dedicación de tiempo que a lo mejor no se corresponde con los avances que se esperan.

167

Capítulo 7: Resultados y Discusión————————————————————————————————

En consecuencia, y en función de los distintos razonamientos anteriormente expuestos, en la elaboración de modelos de susceptibilidad, y posteriores análisis, se utilizarán las variables siguientes: litología, usos del suelo, espesor de regolito, altitud, pendiente y orientación. 7.1.3.1 Validación de los modelos de susceptibilidad: fiabilidad y capacidad de predicción Una vez obtenidos los modelos anteriores, el paso siguiente es comprobar su capacidad de predicción; esto es, evaluar la fiabilidad (o validación) de las predicciones realizadas a partir de los mismos. Para ello se han seguido diferentes estrategias: - Temporal: el modelo obtenido con los deslizamientos ocurridos en un determinado intervalo temporal se ha contrastado con una muestra de referencia constituida por los deslizamientos pertenecientes al resto de los intervalos temporales considerados. Así, el modelo de susceptibilidad generado con los deslizamientos pre-1991, ha sido validado con los deslizamientos ocurridos en 1991-1997 y en 1997-2001; de igual modo, el modelo de susceptibilidad generado con los deslizamientos de 1991-1997, ha sido validado con los deslizamientos pre-1991 y 1997-2001; también, el modelo de susceptibilidad generado con los deslizamientos de 1997-2001 se ha comparado con los deslizamientos pre-1991 y 19911997; y, por último, el modelo generado con los deslizamientos pre-1991 se ha comparado con los deslizamientos ocurridos con posterioridad a 1991. 1.0 0.9

Porción de deslizamientos predichos

0.8 0.7 0.6

Modelo 91-97 validado con deslizamientos 97-01 Modelo pre-91 validado con deslizamientos 97-01

0.5

Modelo 91-97 validado con deslizamientos pre-91

0.4

Modelo 97-01 validado con deslizamientos pre-91

0.3

Modelo pre-91 validado con deslizamientos 91-97

0.2

Modelo 97-01 validado con deslizamientos 91-97

0.1

Modelo pre-91 validado con deslizamientos post-91

0.0 0.0

0.1

0.2

0.3

0.4

0.5

0.6

0.7

0.8

0.9

1.0

Porción de área clasificada com o susceptible

Figura 7.11. Curvas de validación de los modelos de susceptibilidad generados y validados con los modelos obtenidos en periodos anteriores y posteriores a los que sirvieron para generar el modelo.

Los resultados de las comparaciones citadas se muestran en la Figura 7.11. Las mejores predicciones se obtienen con los modelos pre-1991 y 1991-1997, cuando se validan con los deslizamientos del periodo 91-97 y post-91 y pre-91, respectivamente; en este caso, entre el 62% y el 64% de los deslizamientos de los inventarios pre-91 y 91-97, respectivamente, 168

—————————————————————————Desarrollo, aplicación y validación de procedimientos ….

se producen en el 20% del área clasificada como más susceptible. Estos mismos modelos dan peores resultados cuando se validan con los deslizamientos del último periodo 19972001 (en torno al 50% de los deslizamientos aparecen en el 20% de las zonas más susceptibles) posiblemente debido al menor número de eventos ocurridos en este periodo. En conjunto, los nuevos modelos obtenidos proporcionan una cierta mejora de la predicción en comparación con los empleados por Remondo (2001), que predecían aproximadamente un 58% de la muestra de control en el 20% de las zonas más susceptibles. Con lo cual, los nuevos modelos implican un incremento de la predicción en torno al 5%. Aún así, la banda que definen las distintas curvas de la figura refleja una incertidumbre en la capacidad de predicción de los modelos, de tal forma que con el 20% más susceptible se predice entre el 50 y el 65% de los deslizamientos, siendo necesario contemplar toda la zona de estudio para predecir el 100% de los futuros movimientos. Los resultados descritos refuerzan algo que ya se ha comentado anteriormente. El periodo 1997-2001 muestra una disminución en la frecuencia de los deslizamientos con respecto a los periodos anteriores, lo que da lugar a que la población utilizada sea bastante menor. El menor tamaño de la muestra podría ser una causa que explique la menor capacidad de predicción. Otras posibles causas podrían achacarse a variaciones locales de los eventos que tienden a disiparse en periodos de tiempo más largos y, por supuesto, a la calidad de los propios inventarios. Sin embargo, en análisis anteriores (Remondo, 2001; Remondo et al., 2003b) se ha observado que, independientemente del tamaño de la muestra analizada, la capacidad de predicción de los modelos no variaba prácticamente para los diferentes periodos considerados. Una posible explicación de la “anomalía” que representa el periodo 1997-2001 es que los factores que hayan podido influir en la reducción de la frecuencia, podrían haber influido también en la distribución espacial de los deslizamientos. Esos factores, posiblemente, se relacionan con la actividad humana. Esa relación entre deslizamientos y actividad humana ha sido puesta de manifiesto por el proyecto EPOCH (Casale et al., 1994), así como por distintos autores (Evans, 1997, 1999; González-Díez et al., 1999; Viberg, 2000; Glade, 2003b; Baioni et al., 2005; Remondo et al., 2005c; Beguería, 2006; Cendrero et al., 2006). Cuando no se dispone de datos sobre la distribución temporal de los deslizamientos en una zona, es posible utilizar otras estrategias o métodos para evaluar la capacidad de predicción de los modelos. Dichas estrategias también se han aplicado en este caso utilizando el modelo obtenido con los deslizamientos del periodo 1991-1997 (modelo que muestra los mejores resultados tras la evaluación, siendo además la muestra más representativa). De entre el conjunto de métodos posibles, se han aplicado dos a título de ejemplo: - Agrupación de la población total de deslizamientos en dos muestras aleatorias de igual número de individuos. Consiste en dividir, de forma aleatoria, el número total de deslizamientos en dos grupos, por lo que los 906 movimientos existentes en la serie temporal 1991-1997, se han dividido en dos grupos de 453 deslizamientos cada uno. Con el grupo 1 se generó un modelo predictivo que se comparó con el grupo 2; y viceversa. En la Figura 7.12 se muestran las curvas de validación del modelo obtenido con los deslizamientos de 1991-1997 separados en dos grupos. Ambas curvas muestran resultados muy similares, lo que confirma la robustez del modelo y muestra una bastante buena capacidad de predicción. Las curvas de validación indican que, aproximadamente, el 62% de los “nuevos” deslizamientos aparecen en el 20% del área clasificada como más susceptible.

169

Capítulo 7: Resultados y Discusión————————————————————————————————

1.0

Porción de deslizamientos futuros

0.9 0.8 0.7 0.6

GRUPO 1

0.5

GRUPO 2

0.4 0.3 0.2 0.1 0.0 0.0

0.1

0.2

0.3

0.4

0.5

0.6

0.7

0.8

0.9

1.0

Porción de área clasificada como susceptible

Figura 7.12. Curvas de validación del modelo generado con la serie 1991-1997. La validación se hizo dividiendo el número de deslizamientos en dos grupos de forma aleatoria; con el primer grupo se genera un modelo y se valida con los deslizamientos del segundo grupo, y viceversa.

- Dividir la zona de estudio en subzonas (siempre que sean de características similares): se divide en dos subzonas, de manera que se calcula una función con los deslizamientos de una de las áreas; se extrapola la función de favorabilidad a la otra zona para construir el modelo y se evalúa con los movimientos de esa zona. La Figura 7.13 muestra las curvas de evaluación/validación del modelo obtenido con los deslizamientos de 1991-1997, separando la zona de estudio en dos subáreas de igual tamaño (1.555 x 943 píxeles): Área 1 (oeste) y Área 2 (este). En esta figura se observa que el modelo obtenido para la zona oriental (modelo elaborado con los deslizamientos de la zona occidental; en este caso con el 20% se predice el 70% de los deslizamientos presentes en esa zona) predice mejor que el obtenido para la occidental (con el 20% del área se predice tan sólo un 50%). La predicción del modelo obtenido con los deslizamientos del Área 2, según se ve en la figura, es muy similar a la predicción obtenida para el conjunto de la zona, cuyos modelos fueron obtenidos dividiendo los deslizamientos, de forma aleatoria, en dos mitades. La notable diferencia descrita en la capacidad de predicción de los modelos construidos a partir de las mitades oriental y occidental de la zona de estudio se podría explicar por la diferencia en el número de deslizamientos entre ambas áreas. Aún así, al igual que sucedía con la estrategia de evaluación temporal, ambas curvas definen una banda indicativa, tanto de la capacidad de predicción de los modelos, como de la incertidumbre existente. Esta banda es similar a la mostrada en la Figura 7.11 y 7.12. La zona oriental tiene una proporción mayor de píxeles de alta susceptibilidad y contiene el 58% del total de deslizamientos inventariados. Es por tanto lógico que sirva para predecir mejor el comportamiento del área occidental, y no al contrario. La Figura 7.14 muestra el modelo predictivo de las dos subzonas; a simple vista la representación gráfica de ambas difiere bastante, como se observa en el contacto entre las dos zonas. Si se compara este modelo con el representado en la Figura 7.6b, que 170

—————————————————————————Desarrollo, aplicación y validación de procedimientos ….

corresponde al modelo de susceptibilidad obtenido para el intervalo 1991-1997, se puede observar que existen diferencias notables, sobre todo en la zona occidental. La aplicación de éste método requiere que las dos subáreas tengan características geológicas y topográficas muy similares; cuando esto no es así, los resultados obtenidos no son lo suficientemente fiables, como ocurre en el ejemplo propuesto. 1.0

Porción de deslizamientos futuros

0.9 0.8 0.7 0.6

Área 1

0.5

Área 2

0.4 0.3 0.2 0.1 0.0 0.0

0.1

0.2

0.3

0.4

0.5

0.6

0.7

0.8

0.9

1.0

Porción de área clasificada como susceptible

Figura 7.13. Curvas de validación del modelo generado con la serie 1991-1997. La validación se hizo dividiendo el área de estudio en dos subáreas; se genera un modelo con los deslizamientos de una subárea y se valida con los deslizamientos de la otra, y viceversa.

Independientemente de las diferencias existentes entre las curvas representadas, es evidente que todas ellas permiten definir dos tramos de predicción. Uno corresponde a la parte más susceptible del territorio (parte de la curva con pendiente más acusada); el otro tramo, de menor pendiente, delimita la “zona segura”, que abarca el extremo derecho y en el cual la probabilidad de nuevos deslizamientos es casi nula (Figuras 7.12 y 7.13). En definitiva, las diferentes estrategias propuestas permiten contrastar y cuantificar la capacidad de predicción de los diferentes modelos y conocer la incertidumbre asociada. El proceso de evaluación requiere ensayar varias estrategias con el fin de tener un mejor conocimiento de los márgenes de predicción en los que se mueven los modelos. El modelo cuya evaluación, mediante diferentes estrategias, ha mostrado mejor capacidad de predicción (serie 1991-1997), ha sido utilizado para transformar la probabilidad espacial en probabilidad espacio-temporal o peligrosidad, y ha sido también la base para estimar el riesgo.

171

Capítulo 7: Resultados y Discusión————————————————————————————————

Figura 7.14. Modelo de susceptibilidad obtenido mediante la subdivisión de la zona de estudio en dos subzonas (ver Figura 7.13).

172

—————————————————————————Desarrollo, aplicación y validación de procedimientos ….

7.2 Resultados en relación con la peligrosidad La estimación de la peligrosidad constituye el paso intermedio para la evaluación del riesgo. El modelo de susceptibilidad, generado con la serie de deslizamientos 1991-1997, se ha transformado, a partir de la frecuencia determinada para el pasado, en modelos de probabilidad espacio-temporal, por medio de diferentes extrapolaciones, derivadas de las tendencias observadas. 7.2.1 Modelos de peligrosidad obtenidos 7.2.1.1 Frecuencia de deslizamientos Los datos temporales sobre la ocurrencia de los deslizamientos en el conjunto de la zona de estudio se han obtenido para tres periodos: pre-1991, 1991-1997 y 1997-2001. Dichos inventarios permiten obtener valores promedio, pero no son suficientes para determinar tendencias, dada la diferencia en cuanto a número de años abarcados. Para el municipio de Deva se dispone de series temporales más completas (Tabla 7.1), a partir de los datos obtenidos por Remondo (2001), completados con el inventario realizado para el periodo 1997-2001. Este municipio representa el 37% de la superficie de la zona de estudio y contiene cerca del 50% del total de los deslizamientos de toda la zona (Tabla 7.2), por lo que las tendencias establecidas a partir de los datos obtenidos en este municipio se pueden considerar razonablemente representativas del conjunto y se han tomado como base para formular escenarios que permitan evaluar la peligrosidad. 7.2.1.1.1

Escenarios de peligrosidad o de probabilidad espacio-temporal

En la Tabla 7.1 se ha representado el número y la frecuencia anual de deslizamientos en el municipio de Deva, a lo largo de los distintos periodos estudiados. A partir de los valores de esas frecuencias de deslizamientos en el pasado, es posible establecer una serie de escenarios de tendencias futuras de aparición de movimientos en el área de estudio. Las extrapolaciones basadas en las tendencias pasadas deben tomarse con suma cautela, tanto mayor cuanto más largo sea el periodo considerado, ya que hay una considerable incertidumbre con respecto a la evolución de las condiciones en cualquier zona, especialmente en lo relativo a los factores que dependen de los seres humanos. Los cambios en esos factores afectan a la peligrosidad, y todavía en mayor medida al riesgo, ya que la cantidad, tipo y distribución de los elementos expuestos pueden variar mucho; las predicciones realizadas con respecto a la peligrosidad se han de referir, necesariamente, a una realidad diferente de la actual en cuanto a la exposición y la vulnerabilidad. A pesar de esas dudas, la formulación de escenarios permite obtener una imagen útil del posible comportamiento futuro del proceso y de las consecuencias esperables. Tal como se ha comentado en el capítulo de metodología (apartado 6.6.1.3.1), se han considerado tres posibles escenarios de comportamiento futuro (Figura 7.15): A) Comportamiento futuro equivalente al del pasado en el conjunto del área de estudio; esto es, frecuencia promedio similar a la obtenida para todo el Bajo Deva en el periodo 1954-2001, deducido a partir del municipio de Deva.

173

Capítulo 7: Resultados y Discusión————————————————————————————————

B) Frecuencia futura aumentando de acuerdo con una tendencia lineal. C) Frecuencia futura aumentando de acuerdo con una tendencia exponencial (escenario pesimista). 1200

Frecuencia en el periodo 1954-2001

Nº de deslizamientos

1000

Escenario A: Frecuencia futura similar al promedio del periodo 1954-2001 Escenario B: incremento lineal de acuerdo con la frecuencia del periodo 1954-2001

800

Escenario C: incremento exponencial de acuerdo con la frecuencia del periodo 1954-2001

C 600

400

200

A 0 1955 1960 1965 1970 1975 1980 1985 1990 1995 2000 2005 2010 2015 2020 2025 2030 2035 2040 2045 2050 Año

Figura 7.15. Frecuencia de deslizamientos en el pasado en la zona de estudio y frecuencias futuras de acuerdo con tres escenarios A, B y C.

En la Tabla 7.3 se observa el número de movimientos que cabe esperar en la zona del Bajo Deva en distintos años, en función del escenario considerado. Con los datos anteriormente obtenidos, que cubrían hasta 1997 (Remondo et al., 2005c), la tendencia exponencial aparecía como la más probable. Sin embargo, los nuevos datos para el periodo 1997-2001 arrojan ciertas dudas con respecto a dicha interpretación. Como ya se ha comentado anteriormente, ese cambio de tendencia no tiene una explicación clara, especialmente teniendo en cuenta que parece presentar diferencias en la distribución espacial de los movimientos con respecto a periodos anteriores. Las dudas señaladas probablemente se podrán aclarar cuando se disponga de datos temporales para un nuevo lapso temporal de mayor duración. Tabla 7.3. Número de deslizamientos esperables en distintos años en el área de estudio de acuerdo con los escenarios propuestos (Figura 7.15). Año Escenario A Escenario B Escenario C 2006 49 107 117 2010 49 116 140 2015 49 126 176 2020 49 137 220 2025 49 147 276 2030 49 158 347 2035 49 168 435 2040 49 179 545 2045 49 189 684 2050 49 200 858

174

—————————————————————————Desarrollo, aplicación y validación de procedimientos ….

Los tres escenarios descritos se han aplicado para la elaboración de modelos de peligrosidad (y estimación de frecuencias) que cubran lapsos temporales de 10 y 50 años. Por las razones ya comentadas, la proyección a 10 años es mucho más realista y fiable. 7.2.1.1.1.1 Probabilidad a 50 años De acuerdo con los escenarios propuestos, la superficie deslizada en el área de estudio en los próximos 50 años, suponiendo un tamaño medio de deslizamiento de 510 m2, será de 1,25 km2 en el caso del escenario A, 3,83 km2 en el escenario B y 9,26 km2 en el escenario C. Esta superficie equivale, respectivamente, al 0,9%, 2,7% y 6,6% del total del área de estudio. Una vez obtenida la superficie total deslizable para cada escenario en los próximos 50 años considerados, el siguiente paso consiste en calcular el porcentaje de dicha superficie que correspondería a cada clase de susceptibilidad. Para ello, de la relación existente entre el número de píxeles deslizados en una clase y el total de píxeles deslizados en el área (906 píxeles en el modelo de susceptibilidad 1991-1997, utilizado como referencia), se obtiene la porción de píxeles deslizados en cada clase. La representación gráfica de la porción de píxeles deslizados en cada clase, frente a cada clase de susceptibilidad, es una curva (Figura 7.16), a la cual se ajusta una línea de tendencia cuya expresión es la siguiente: Y = 0,047 * EXP [-0,055 * (200-X)] donde: X es la clase de susceptibilidad, Y es la porción de deslizamientos correspondiente a cada clase de susceptibilidad. Mediante esa expresión la transformación de clases de susceptibilidad a valores de probabilidad espacial de deslizamientos es inmediata (Figura 7.16). La distribución de la superficie deslizada a lo largo de la zona de estudio, es función de la porción de deslizamientos existentes en cada clase de susceptibilidad. De manera que para cada clase de susceptibilidad y para cada uno de los escenarios propuestos, el área propensa a deslizar (en m2) en los próximos 50 años vendrá dada por las expresiones siguientes (Chung & Fabbri, 1993): Área de clase deslizada en m2 (Escenario A) = 1.250.000 m2 * porción de deslizamientos predichos en cada clase Área de clase deslizada en m2 (Escenario B) = 3.830.000 m2 * porción de deslizamientos predichos en cada clase Área de clase deslizada en m2 (Escenario C) = 9.260.000 m2 * porción de deslizamientos predichos en cada clase

175

Capítulo 7: Resultados y Discusión————————————————————————————————

Porción de deslizamientos existentes en cada clase

0.05

0.04 Y=0.047*EXP(-0.055*(200-X))

0.03

0.02

0.01

0 200

180

160

140

120

100

Nº de clases de susceptibilidad

Figura 7.16. Curva y ecuación de ajuste del número de deslizamientos existentes en cada clase del modelo susceptibilidad.

Como, por otra parte, el área de cada una de las doscientas clases de susceptibilidad es conocida, la transformación de cada clase de susceptibilidad a probabilidad espaciotemporal (peligrosidad) en los próximos años, de acuerdo con los distintos escenarios definidos, se obtiene a partir de las expresiones siguientes: Probabilidad (Escenario A) =1 – {1-(1/área de la clase i)}Área deslizada en la clase i (Escenario A) Probabilidad (Escenario B) =1 – {1-(1/área de la clase i)}Área deslizada en la clase i (Escenario B) Probabilidad (Escenario C) =1 – {1-(1/área de la clase i)}Área deslizada en la clase i (Escenario C) En la Tabla 7.4, se muestra un ejemplo de los valores de probabilidad obtenidos (expresados en tantos por uno) para cada escenario, así como su correspondencia con los valores de susceptibilidad. La probabilidad, como es lógico, varía en función del tipo de escenario de peligrosidad considerado. Así, para el escenario A (optimista), la probabilidad de deslizamiento en el píxel de más alta susceptibilidad, en un periodo de 50 años sería del 7,6%. En el escenario B llegaría hasta el 21,5%; y en el escenario C (pesimista), la máxima probabilidad sería del 44,3%. Según se puede apreciar en la tabla, cada píxel, caracterizado por una determinada clase de susceptibilidad, tendrá un valor de peligrosidad, aunque a partir de la clase 100 de susceptibilidad, los valores de probabilidad son muy pequeños o nulos. En la Figura 7.17 se han representado en pseudocolor los modelos de peligrosidad correspondientes a cada uno de los escenarios considerados para el intervalo de tiempo considerado. Las zonas de menor probabilidad (valores próximos a 0) aparecen en color azulado mientras que las que presentan mayor probabilidad se han representado con un color rojo. 176

—————————————————————————Desarrollo, aplicación y validación de procedimientos ….

7,6

0,0

21,5

0,0

44,3

0,0

Figura 7.17. Modelos de peligrosidad, para un periodo de 50 años, obtenidos para el Bajo Deva de acuerdo con los tres escenarios propuestos (ver Figura 7.15).

177

Capítulo 7: Resultados y Discusión————————————————————————————————

7,6

2,0

21,5

2,0

44,3

2,0

Figura 7.18. Modelos de peligrosidad, para un periodo de 50 años, en los que se han extraído las zonas con peligrosidad inferior al 2%.

178

—————————————————————————Desarrollo, aplicación y validación de procedimientos ….

Naturalmente, la forma del mapa y la distribución relativa de las zonas de peligrosidad son las mismas para los tres modelos, si bien varía la probabilidad de futuras ocurrencias. Tabla 7.4. Clases de susceptibilidad a los deslizamientos, frecuencia y frecuencia ajustada en cada clase y probabilidad espacio-temporal (peligrosidad) para un periodo de 50 años en función de los escenarios propuestos. (Valores expresados en tantos por uno). Clase de susceptibilidad

Porción de deslizamientos

200 199 … 175 … 150 … 125 … 100 … 1

0,0486 0,0320 … 0,0118 … 0,0044 … 0,0022 … 0,0001 … 0,0000

Porción de deslizamientos (ajuste) 0,0470 0,0440 … 0,01200 … 0,0030 … 0,0010 … 0,0001 … 0,0000

Probabilidad (Escenario A)

Probabilidad (Escenario B)

Probabilidad (Escenario C)

0,0760 0,0685 … 0,0206 … 0,0054 … 0,0014 … 0,0003 … 0,0000

0,2152 0,1955 … 0,0619 … 0,0164 … 0,0042 … 0,0011 … 0,0000

0,4434 0,4091 … 0,1432 … 0,0392 … 0,0102 … 0,0026 … 0,0000

La Figura 7.18 muestra, para los escenarios A, B y C, las áreas con probabilidades superiores al 2% en 50 años; es decir, se han eliminado, para facilitar la visualización, las zonas con probabilidad inferior a dicho valor. Para el escenario A, existen 18,9 km2 (equivalente al 13,5% del área de estudio) con una probabilidad de deslizamiento igual o superior al 2%; para el escenario B son 32,8 km2 (equivalente al 23,4% del área de estudio), y para el escenario C, la superficie es de 43,9 km2 (equivalente al 31,3% del área de estudio). En este último escenario, el más pesimista, una superficie de 13,3 km2 tiene una probabilidad superior al 20% de sufrir deslizamientos. Esta figura, por tanto, permite identificar aquellas zonas que muestran una mayor peligrosidad y, consiguientemente, donde antes se debería actuar para reducir los posibles daños. Por otro lado, en estas zonas se debería evitar el ubicar elementos susceptibles de ser dañados por los deslizamientos. 7.2.1.1.1.2 Probabilidad a 10 años Como ya se ha comentado, las predicciones a largo plazo (tal como la presentada anteriormente) muestran un alto grado de incertidumbre, dado que las condiciones, tanto humanas como naturales, pueden variar mucho en ese intervalo de tiempo. Por ello, es más adecuado realizar dichas predicciones para cortos lapsos de tiempo durante los cuales es de esperar que las condiciones futuras varíen en mucha menor medida. Con el fin de mostrar una predicción más acorde con las condiciones futuras, se ha realizado un análisis similar al anterior para un lapso de 10 años. De acuerdo con los escenarios presentados, en un periodo de10 años es de esperar un total de 490, 1.167 y 1.445 movimientos en el área de estudio, de acuerdo, respectivamente, con los escenarios A, B y C, lo que supone un área total deslizada (tomando como tamaño medio del deslizamiento una superficie de 510 m2) de 249.900 m2 (Escenario A), 595.170 m2 (Escenario B) y 736.950 m2 (Escenario C). La probabilidad de deslizamientos para un periodo de 10 años se presenta en la Tabla 7.5. Si se compara esta tabla con la Tabla 7.4, se observa que, lógicamente, la probabilidad es mucho menor que en el caso anterior. La diferencia entre la probabilidad de nuevos deslizamientos a 10 y 50 años para los distintos escenarios varía entre un factor 5 en el caso del escenario A (frecuencia constante en el 179

Capítulo 7: Resultados y Discusión————————————————————————————————

tiempo) y un factor 10 en el caso del escenario C. En este último caso, la máxima probabilidad sería de 4,56% para 10 años y 44,34% para 50 años. Tabla 7.5. Clases de susceptibilidad a los deslizamientos, frecuencia y frecuencia ajustada en cada clase y probabilidad espacio-temporal (peligrosidad) para un periodo de 10 años en función de los escenarios propuestos. (Valores expresados en tantos por uno). Clase de susceptibilidad

Porción de deslizamientos

200 199 … 175 … 150 … 125 … 100 … 1

0,0486 0,0320 … 0,0118 … 0,0044 … 0,0022 … 0,0001 … 0,0000

Porción de deslizamientos (ajuste) 0,0470 0,0440 … 0,01200 … 0,0030 … 0,0010 … 0,0001 … 0,0000

Probabilidad (Escenario A)

Probabilidad (Escenario B)

Probabilidad (Escenario C)

0,0157 0,0141 … 0,0042 … 0,0011 … 0,0003 … 0,0001 … 0,0000

0,0370 0,0333 … 0,0099 … 0,0026 … 0,0007 … 0,0002 … 0,0000

0,0456 0,0410 … 0,0122 … 0,0032 … 0,0008 … 0,0002 … 0,0000

La Figura 7.19 representa los modelos de peligrosidad para un periodo de 10 años, obtenidos de acuerdo con los tres escenarios. Se ha elegido otro color para su representación, con el fin de diferenciarlo de la Figura 7.17. En esencia, sin embargo, es el mismo modelo, sólo cambia la escala de peligrosidad. En este periodo, en el caso del escenario A no existen zonas del área de estudio con probabilidad de nuevos deslizamientos superior al 2%. Los porcentajes del territorio con valores superiores a dicha probabilidad serían de 6,5% para el escenario B y 8,5% para el escenario C. Los modelos de peligrosidad o probabilidad espacio-temporal así obtenidos se han utilizado para derivar los modelos de riesgo, de acuerdo con los resultados que se presentan más adelante. Este análisis temporal permite obtener modelos de peligrosidad que consideren no sólo un escenario “probable” sino también otros escenarios que, a priori, podrían tener lugar de acuerdo con la tendencia de evolución observada en el pasado.

180

—————————————————————————Desarrollo, aplicación y validación de procedimientos ….

1,57

0,0

3,70

0,0

4,56

0,0

Figura 7.19. Modelos de peligrosidad, para un periodo de 10 años, obtenidos para el Bajo Deva de acuerdo con los tres escenarios propuestos (ver Figura 7.15).

181

Capítulo 7: Resultados y Discusión————————————————————————————————

7.2.1.1.2 Justificación de la determinación de tendencias, extrapolación y formulación de escenarios Como se ha puesto de manifiesto en el apartado anterior, la elaboración de modelos de peligrosidad, que necesariamente implica la estimación de frecuencias o probabilidad de ocurrencia de nuevos deslizamientos en el futuro, presenta bastante incertidumbre. Esa incertidumbre deriva del insuficiente conocimiento del proceso en relación con sus futuros factores condicionantes y desencadenantes, así como de la propia evolución futura de dichos factores. Una posibilidad de abordar este problema, sobre una base empírica, es utilizar la extrapolación de las tendencias observadas y su relación con indicadores de tipo socioeconómico que pueden estar condicionando las mismas (Cendrero et al., 2006). En el caso concreto de la presente zona de estudio, los datos disponibles hasta ahora sugerían un acoplamiento entre Producto Interior Bruto (PIB) y frecuencia de deslizamientos, que los anteriores autores interpretan como una posible manifestación de la “dimensión geomorfológica del cambio global”. Sin embargo, los nuevos datos obtenidos y discutidos más arriba muestran una ruptura de la tendencia anterior para los últimos cuatro años analizados en este trabajo. Es difícil, con los datos actuales, dilucidar si este periodo representa simplemente una caída dentro de una tendencia general tipo “dientes de sierra”, o bien un verdadero desacoplamiento. En cualquier caso, eso introduce dudas con respecto a la posibilidad de utilizar las estimaciones de crecimiento del PIB (en sí mismas, por supuesto, también sujetas a incertidumbres) como estimadores de las tendencias de aumento en la frecuencia de deslizamientos (o de otros procesos geomorfológicos). Por otro lado, y según muestran Cendrero et al. (2006), el tipo de relación citada entre PIB y frecuencia de eventos geomorfológicos observada en nuestra zona de estudio (Figura 7.20) parece existir en los ámbitos nacional (Figura 7.21; Italia) y global (Figura 7.22). 0.30

Rango de erosión (mm/año)

0.25

0.20

0.15 o mp Tie

0.10

0.05

0.00 1.900

2.400

2.900

3.400

3.900

PIB (10 6 Euro)

Figura 7.20. Correlación entre grado de erosión y PIB en el Bajo Deva.

182

4.400

—————————————————————————Desarrollo, aplicación y validación de procedimientos ….

Se ha recopilado información adicional sobre los indicadores, económico (PIB) y geomorfológico (nº de deslizamientos) para algunos países, con el fin de ver si la relación apuntada se da con carácter más general, o bien representa una simple coincidencia. De ser cierto lo primero, se tendría un criterio útil para estimar las tendencias más probables en cuanto a la futura evolución de los procesos y, por tanto, para formular escenarios de peligrosidad más probables. La información relacionada con el PIB se ha obtenido para cada país del Groningen Growth and Development Centre and The Conference Board, Total Economy Database, http://www.ggdc.net). La información referente a número de eventos se ha obtenido a partir de bases de datos existentes a nivel mundial o nacional. Estas bases de datos recogen solamente datos sobre eventos que han ocasionado algún tipo de pérdidas humanas y/o materiales, mientras que los procesos de escasa magnitud, los cuales no generan apenas daños, no suelen quedar registrados en las estadísticas y, por tanto, no se incluyen en dichas bases de datos. Entre las bases de datos de desastres más completas están: - DesInventar: se pone en funcionamiento a partir de 1993 por “La Red de Estudios Sociales en Prevención de Desastres” y cuyo objetivo es realizar un inventario de los desastres que han afectado y afectan a América Latina. Los registros, obtenidos a través de hemerotecas para eventos del pasado, incluyen todo tipo de desastres (entre ellos los deslizamientos) que se actualizan continuamente, para los siguientes países latinoamericanos: Argentina, Chile, Colombia, Costa Rica, Ecuador, El Salvador, Guatemala, Haití, Honduras, Jamaica, México, Nicaragua, Panamá, Perú, República Dominicana, Trinidad y Tobago y Venezuela. Para algunos países se dispone de información a partir de 1900, mientras que para otros, los datos corresponden a periodos más recientes (a partir de 1970). - EM-DAT (Emergency Disasters Data Base): Esta base de datos creada por “The Centre for Research on the Epidemiology of Disasters (CRED)” de ámbito internacional pero perteneciente a la “Université Catholique de Louvain (UCL)” en Bruselas. A partir de 1973 comienza a hacer recopilaciones de desastres a nivel mundial. Este organismo obtiene información de los distintos países del mundo desde 1900, a través de distintas fuentes: agencias no gubernamentales, compañías aseguradoras, oficinas de Naciones Unidas, institutos de investigación y agencias de prensa. Existen otros organismos como aseguradoras (Munich Re o Swiss Re) o The Asian Disaster Reduction Center, que también recopilan información sobre distintos tipos de desastres. Después de la 2ª Guerra Mundial se ha incrementado notablemente el registro de datos sobre los distintos procesos geomorfológicos (Ibsen & Brunsden, 1996; Vandine & Bovis, 2002), siendo a partir de las décadas de los 70 y 80 cuando se inician las principales recopilaciones de datos, los cuales son cada vez de mayor calidad y más abundantes. De acuerdo con esto, cabe esperar que, por el simple hecho de que la recogida de datos ha sido más completa, el número de deslizamientos a partir de los 70 sea superior a los registrados anteriormente. Por otro lado, ese efecto no debería dar lugar a un aumento marcado de los deslizamientos con el tiempo a partir de dichas fechas; sin embargo ese aumento se observa con claridad. Entre 1980 y 2000, por ejemplo, el número de desastres naturales se ha

183

Capítulo 7: Resultados y Discusión————————————————————————————————

multiplicado casi por tres (Figura 1.6; EM-DAT, 2005; Munich Re, 2005). Esto sugiere que hay factores que están determinando un aumento real de la frecuencia del proceso.

Número de deslizamientos

3000 2500 2000 1500

mp T ie

1000 500 0 300000

400000

500000

600000

700000

800000

900000

1000000 1100000

PIB- Italia (Millones US$-2000)

Figura 7.21. Relación entre PIB y número de deslizamientos en Italia para el periodo 1960-2003. Se han representado las líneas de tendencia.

Nº de los principales eventos geomorfológicos

400 350 300 250 200 mp T ie

150

100 50 0 5000000

10000000

15000000

20000000

25000000

30000000

35000000

PIB-Mundo (Millones US$-2001)

Figura 7.22. Relación entre PIB y principales eventos geomorfológicos en el mundo para el periodo 1950-2000. Se han representado las líneas de tendencia.

Lo que de forma general muestran todas estas bases de datos, es que existe un incremento de los desastres naturales en las últimas décadas. Como ya se indicó en el capítulo 1, el número de desastres naturales a nivel mundial se ha visto incrementado en los últimos años. 184

—————————————————————————Desarrollo, aplicación y validación de procedimientos ….

Según una nota de prensa de la oficina de la International Strategy for Disaster Reduction el número de desastres naturales en 2005 fue de 360 eventos, lo que supuso un incremento del 18% respecto a 2004, con 305 eventos (esto se ha debido, principalmente, al incremento de inundaciones y sequías). El incremento de pérdidas económicas, para el mismo periodo, fue del 71% (ocasionadas en su mayor parte por el huracán Katrina), mientras que el número de pérdidas humanas disminuyó. En el caso de los deslizamientos, la información es más escasa. Algunos países están generando actualmente bases de datos sobre los deslizamientos que se han producido o se producen en su territorio. En Irlanda (Charise McKeon, del Geological Survey of Ireland, comunicación personal), está en desarrollo una base de datos que incluye sólo grandes deslizamientos. En este país los deslizamientos aparecen en zonas muy concretas, al sureste y oeste del país. Para el siglo XIX hay registros de 17 deslizamientos; para el siglo XX hay 47 y, para el periodo 2000-2005, 17 movimientos. La fuente de información procede de periódicos, revistas científicas y proyectos de ingeniería. Aunque se considera que faltan registros, sobre todo de pequeños eventos, parece claro que hay un aumento marcado de la frecuencia con el tiempo (Figura 7.23). La información para Italia es de las más completas que existen con casi 22.000 eventos registrados (Guzzetti, 2000; Guzzetti & Tonelli, 2004). En el Reino Unido este tipo de información está en proceso de elaboración y, probablemente, en poco tiempo se disponga de un buen inventario de deslizamientos (David Petley, comunicación personal). En España, con el nuevo Plan de Cartografía de Riesgos Geológicos (PRIGEO) promovido por el IGME, probablemente se recojan datos de este tipo. En Japón se producen anualmente miles de deslizamientos. La International Sabo Association (2004) tiene registrados durante el periodo 1982-2001 un total de 27.687 movimientos, siendo en su mayor parte “debris flow” (Figura 7.24). Australia dispone de una base de datos (Australian Landslide Database: http://www.ga.gov.au/urban/factsheets/landslide.jsp) que incluye 561 grandes deslizamientos, con una distribución temporal que también muestra un aumento de la frecuencia con el tiempo (Figura 7.25). Estos deslizamientos aparecen principalmente en la zona este del país. En Canadá, se dispone de datos de unos 22.000 deslizamientos que se producen en la zona Oeste (Cordillera Canadiense) y en zonas próximas a la Península del Labrador. Para algunos países latinoamericanos se dispone de datos sobre desastres ocasionados por deslizamientos a través de la base de datos DesInventar. Por ejemplo, para Colombia se dispone de registros de 4.116 movimientos producidos entre 1921 a 2002 (Figura 7.27); en Venezuela se han inventariado 245 deslizamientos entre 1970 y 2000; en Chile, para el periodo 1970-2000, se dispone de datos sobre 198 eventos (Figura 7.28); en Méjico, entre 1970 y 2001 se han inventariado 225 deslizamientos (Figura 7.29).

185

Capítulo 7: Resultados y Discusión————————————————————————————————

Las figuras 7.23 a 7.29 muestran las relaciones existentes entre los datos obtenidos sobre la ocurrencia de deslizamientos, en diferentes países y para distintos periodos, y los datos de PIB para los mismos. Conviene señalar que la naturaleza de los datos es muy diferente, anuales y de bastante precisión para el PIB y discontinuos e incompletos para los deslizamientos. 6

Nº Eventos

mp Tie

0 0

100

120

140

160

PIB (x 1000) (m illones $ am ericanos de 2005)

Figura 7.23. Relación entre PIB y número de deslizamientos en Irlanda para el periodo 1954-2005. Se han representado las líneas de tendencia.

5000 4500 4000

Nº Eventos

3500 3000

mp Tie

2500

2000 1500 1000 500 0 2000

2500

3000

3500

4000

PIB (x 1000) (m illones $ am ericanos de 2005)

Figura 7.24. Relación entre PIB y número de deslizamientos en Japón para el periodo 1982-2001. Se han representado las líneas de tendencia.

186

—————————————————————————Desarrollo, aplicación y validación de procedimientos ….

35 30

Nº Eventos

25 20

mp T ie

10 5 0 80

130

180

230

280

330

380

430

480

530

580

PIB (x 1000) (m illones $ am ericanos de 2005)

Figura 7.25. Relación entre PIB y número de deslizamientos en Australia para el periodo 19502001. Se han representado las líneas de tendencia.

1000 900 800

Nº NºEVENTOS Eventos

700 600 500

mp Tie

400

300 200 100 0 70

100

110

PIB (x 1000) (m illones $ am ericanos de 2005)

Figura 7.26. Relación entre PIB y número de deslizamientos en Nueva Zelanda para el periodo 1996-2004. Se han representado las líneas de tendencia.

187

Capítulo 7: Resultados y Discusión————————————————————————————————

300

250

Nº Eventos

200

mp T ie

150

100

0 20

100

120

PIB (x 1000) (m illones $ americanos de 2005)

Figura 7.27. Relación entre PIB y número de deslizamientos en Colombia para el periodo 19862002. Se han representado las líneas de tendencia. 30

Nº Eventos

m T ie

0 0

100

PIB (x 1000) (m illones $ am ericanos de 2005)

Figura 7.28. Relación entre PIB y número de deslizamientos en Chile para el periodo 1986-2000. Se han representado las líneas de tendencia.

188

—————————————————————————Desarrollo, aplicación y validación de procedimientos ….

Nº Eventos

m T ie

0 300

400

500

600

700

800

900

1000

PIB (x 1000) (m illones $ am ericanos de 2005)

Figura 7.29. Relación entre PIB y número de deslizamientos en Méjico para el periodo 1970-2001. Se han representado las líneas de tendencia.

De todo lo anteriormente expuesto parece, en primer lugar, que existe una tendencia bastante general al aumento en la frecuencia de los eventos catastróficos de tipo geomorfológico con el tiempo (Figura 1.3). La relación entre deslizamientos y PIB, parece mostrar una tendencia de aumento en algunos de los países para los cuales se dispone de información tales como Australia (Figura 7.25), Irlanda (Figura 7.23), Italia (Figura 7.21) y Nueva Zelanda (Figura 7.26). En Japón (Figura 7.24) y Colombia (Figura 7.27) la tendencia al aumento es menos clara. En los otros dos casos, Chile (Figura 7.28) y Méjico (Figura 7.29), dicha relación no parece existir. Eso podría deberse a que las bases de datos están incompletas, bien porque el periodo de tiempo cubierto es corto, bien porque sólo se registran datos sobre eventos que han producido determinados daños humanos o materiales, o bien porque ese tipo de relación no funciona. No obstante, hay que tener presentes algunas cautelas. En primer lugar, aunque la frecuencia de los eventos geomorfológicos no aumente (escenario de “peligrosidad constante”), es lógico que aumente el número de catástrofes, debido al aumento en la exposición que el crecimiento del PIB implica. Además, es también lógico esperar que los datos para épocas más recientes sean más completos que para periodos más antiguos. A pesar de dichas cautelas, los datos de la Figura 1.3 (EM-DAT, 2005) sugieren que el aumento en la frecuencia de los episodios de tipo geomorfológico refleja una realidad. Parece por tanto que algunos de los datos obtenidos son coherentes con la hipótesis formulada en el capítulo 5 que supone: a) existe una tendencia al aumento de la frecuencia de los deslizamientos con el tiempo (y también de otros eventos relacionados con procesos geomorfológicos); b) dicha tendencia es reflejo en gran parte de la progresiva modificación de la capa superficial como consecuencia de influencias humanas directas e indirectas, siendo el PIB un indicador que refleja la capacidad humana para producir dichas modificaciones.

189

Capítulo 7: Resultados y Discusión————————————————————————————————

Si esta hipótesis se confirmase por medio de otros datos, se dispondría de un criterio adicional que ayudaría a estimar mejor los escenarios más probables de frecuencia futura y, por tanto, a elaborar modelos de peligrosidad más realistas. A pesar de todo, este tipo de criterios deben aplicarse con gran cautela en el ámbito local, tal como muestran los datos más recientes sobre la zona de estudio y para algunos países. Incluso si la tendencia y el tipo de relación indicados fueran válidos en los ámbitos nacional y/o global, cabría esperar desviaciones apreciables en ámbitos locales, de extensión reducida, especialmente para periodos de tiempo cortos. Como consecuencia de lo anteriormente expuesto, se puede considerar que el escenario más probable para la zona de estudio debería estar comprendido entre los tres propuestos en este trabajo.

190

—————————————————————————Desarrollo, aplicación y validación de procedimientos ….

7.3 Resultados en relación con los elementos expuestos Para cada tipo de elemento expuesto se ha creado un mapa de valor que se expresa en Euros por píxel. Tanto el mapa de valor de infraestructuras como el de valor de edificios o de usos del suelo, serán utilizados en la obtención de los respectivos modelos de vulnerabilidad y de riesgo específico. Para obtener estos mapas se han hecho una serie de suposiciones basadas en los datos obtenidos sobre los daños causados por los deslizamientos en el pasado. Una parte importante de los resultados obtenidos, a partir de este apartado, se presenta en figuras en forma de mapas. Debido a las limitaciones del tamaño de la página, dichos mapas muestran un nivel de detalle reducido, que puede inducir a error. El nivel de precisión de los resultados corresponde a píxeles de 10 x 10 metros. En algunos casos, se ha incluido en la figura un recuadro con mayor nivel de detalle. 7.3.1 Infraestructuras 7.3.1.1 Estimación de daños potenciales A la hora de estimar las pérdidas producidas en las infraestructuras se consideraron varias alternativas. Inicialmente, se tuvieron en cuenta los gastos medios anuales que se dedican a conservación de los distintos tipos de vías en España, a partir de las estadísticas del Ministerio de Fomento (Tabla 7.6). Sin embargo, estas cifras engloban otras muchas actuaciones, además de las debidas exclusivamente a movimientos de ladera, por lo que dichos datos sólo sirven de orientación para conocer los márgenes en que se mueven estas cifras. Tabla 7.6. Costes medios anuales de conservación por metro y año de las principales vías de comunicación en España (Ministerio de Fomento, 2001). Tipo de carretera Media autovías y autopistas libres Autovías urbanas (Madrid, Barcelona y Valencia) Autovías con elevado tráfico Carreteras convencionales

€/m/año 19,83 39,6 18,63 7,21

También se estudiaron los presupuestos dedicados por los organismos competentes (Departamento de Transportes y Carreteras de la DFG, Departamento de Transportes del Gobierno Vasco y Ministerio de Fomento) para reparar y conservar las infraestructuras en la provincia de Guipúzcoa. En este sentido, corresponden al programa de conservación de la red de carreteras de la DFG (carretera nacional y carreteras regionales) unos 1.215 kilómetros de carreteras. Para la conservación de esta red se contó en los últimos años con un presupuesto medio de unos 27 millones de Euros por año, lo que supone un gasto medio por kilómetro de unos 22.000 €/año. Por supuesto, esta cantidad no se dedica totalmente a afrontar los daños provocados por los deslizamientos, por lo que esta cifra se debe considerar como un máximo. Por otro lado, se ha de tener en cuenta que en determinadas zonas, con el fin de evitar reactivaciones de deslizamientos, se realizan labores de estabilización y protección, las cuales incrementan, de forma significativa, los gastos de reconstrucción o mantenimiento de esas zonas. Por ejemplo, en la zona de los acantilados de Deva, afectados por grandes movimientos (km 42,890-42,980 de la N-634), se dedicó en 1998 una cantidad media de unos 1.700 €/metro para estabilizar los taludes. La autopista se ha visto afectada por deslizamientos de cierta entidad en sus taludes en los últimos años. Por ejemplo, existen registros de hemerotecas (el servicio vasco de 191

Capítulo 7: Resultados y Discusión————————————————————————————————

meteorología: EUSKALMET, dispone de una base de datos que permite realizar búsquedas sobre daños o desastres, etc., a partir de los datos publicados en la mayor parte de los periódicos españoles) donde se comenta lo siguiente: El 20 de diciembre de 1980 se produjo, hacia las dos y media de la madrugada, en el kilómetro 63 de la autopista (municipio de Mendaro) un desprendimiento de barro y ramas de árboles, a causa de la lluvia que obligó a cortar el tráfico de la calzada en sentido a Bilbao entre los puntos kilométricos 62 y 64. Sin embargo, la circulación no fue interrumpida en ninguno de los dos sentidos, ya que se habilitó la calzada en dirección a San Sebastián para la circulación en ambos sentidos. También, El 6 de octubre de 1995 varias rocas de gran tamaño cayeron desde una altura de 30 metros procedentes de un talud, en el kilómetro 69 de la autopista Bilbao-San Sebastián, a la altura de Elgoibar, sin que se produjeran heridos. Y el más reciente El pasado 20 de Diciembre de 2005, a las 7:50 de la mañana, a la altura del kilómetro 51,5 de la autopista A-8 (entre las salidas de Zestoa y el alto de Itziar), se produjo un desprendimiento de rocas de grandes dimensiones que afectó por completo los dos carriles en dirección a Bilbao y uno en sentido a San Sebastián, lo cual obligó a cortar el tráfico en ambos sentidos, desviándolo por la N-634 que soportó, a su vez, importantes retenciones. La autopista permaneció todo el día cortada en ambos sentidos y a las 13 horas del día siguiente fue restablecido el tráfico, ya que se habilitó uno de los carriles en sentido San Sebastián. Así todo, las retenciones en dicho punto fueron muy habituales. Las labores de mantenimiento del talud hicieron que hasta el 28 de Febrero de 2006, no se abriese uno de los carriles en sentido Bilbao. La ladera de treinta metros de altura, compuesta principalmente por un flysch arenosomargoso, se deslizó sobre la carretera y dejó un depósito de cuarenta metros de anchura. Como consecuencia del corrimiento, dos turismos y un camión quedaron parcialmente sepultados y, al menos, cuatro vehículos más resultaron con desperfectos de menor consideración. Dos de los conductores sufrieron lesiones leves. El deslizamiento comentado anteriormente, ha generado unos gastos de aproximadamente 600.000 Euros, debido a las labores de estabilización y limpieza del talud (BIDEGI, comunicación personal). Sin embargo, los movimientos que se han estudiado en este trabajo son deslizamientos de pequeña entidad, es decir, no afectan prácticamente a la autopista (EUROPISTAS, comunicación personal), con lo cual los daños económicos producidos son pequeños y no suelen quedar registrados en ninguna estadística. De acuerdo con la memoria de Euskotren, empresa que gestiona los ferrocarriles vascos de vía estrecha, en 2002 se dedicaron a actuaciones frente a riesgos geológicos (principalmente deslizamientos) un total de 825.531 €, mientras que en 2003 fue de 1.103.000 €. Teniendo en cuenta que la red de ferrocarril gestionada tiene una longitud de 181 kilómetros, dichas actuaciones conllevan un gasto medio de 4,6 €/metro. Sin embargo, los daños no se producen a lo largo de toda la longitud de vía sino en puntos concretos donde actúan deslizamientos de cierta entidad. En las hemerotecas ha quedado registrado, por ejemplo, que: 192

—————————————————————————Desarrollo, aplicación y validación de procedimientos ….

El 20 de Diciembre de 1980 hubo de suspenderse el servicio de ferrocarril de FEVE (línea Bilbao-San Sebastián) entre Deva y Elgoibar, por desprendimientos de tierra a la altura del barrio de Alzola. El año anterior, algunos desprendimientos de tierra bloquearon la vía del ferrocarril en la salida de Deva hacia Zumaya llegando entonces a quedar volcada una máquina de tren. Las carreteras locales y los caminos vecinales, generalmente de hormigón, son los que sufren con mayor frecuencia los daños. Por ejemplo, un deslizamiento afectando a este tipo de carreteras, además de generar los daños directos correspondientes, origina otros gastos derivados de desplazar al lugar alguna pala excavadora, camiones, etc. Por tanto, teniendo en cuenta el costo de la excavadora (aprox. 100 €/hora), camiones (100 €/hora), 2 obreros, etc., en una jornada de trabajo el coste total generado sería de unos 1.800 €. De acuerdo con esto, el coste promedio para toda la zona sería de aproximadamente 3,6 €/metro. Algunos de los presupuestos de proyectos para estabilizar los deslizamientos que afectan a caminos asfaltados oscilan entre 12 y 80 €/metro. Teniendo en cuenta la variabilidad de las cifras presentadas anteriormente, y a falta de más datos sobre daños de eventos concretos, en este trabajo se han hecho las siguientes suposiciones: Considerando el tipo y magnitud del deslizamiento más frecuente que aparece en la zona de estudio (superficie media: 510 m2; volumen medio: 250 m3; anchura media: 24 m), los daños que se pueden ocasionar en estas vías son pequeños, ya que los deslizamientos son de poca entidad. Cuando se produce uno de estos deslizamientos, y si todo el material removido llega a la infraestructura, las pérdidas ocasionadas se deben sobre todo al coste de retirar el material, a las labores de limpieza y/o a la construcción de escolleras. Estas actuaciones tienen unos precios fijados por algunos organismos públicos en el momento de contratar determinadas obras. Este es el caso de la Comunidad de Extremadura (no se han encontrado el mismo tipo de datos para el País Vasco), la cual publica regularmente el Banco de precios de la Junta de Extremadura. En este caso se ha seleccionado el correspondiente al periodo 2002-2003, accesible vía Internet en la siguiente dirección (http://www.juntaex.es/consejerias/fomento/dgu/bdpc2002/htmls/E32.html). De este banco de precios se han extraído los precios correspondientes a las diferentes actuaciones que se deben llevar a cabo cuando se produce un deslizamiento de las características comentadas. Estas actuaciones son las siguientes: - Transporte de tierras al vertedero, a una distancia menor de 10 km., considerando ida y vuelta, con camión basculante cargado a máquina, canon de vertedero, y con medios auxiliares, considerando también la carga (Tabla 7.7). Tabla 7.7. Precios de diferentes tipos de actuaciones (transporte de tierras al vertedero) que se necesitan para reparar daños provocados por deslizamientos (origen: Banco de precios de la Junta de Extremadura). Código Cantidad M05PN010 0,020 M07CB010 0,095 M07N060 1,000 TOTAL PARTIDA (€)

Unidad h. h. m3

Denominación Pala carg.neumát. 85 CV/1.2m3 Camión basculante 4x2 10 t. Canon de tierra a vertedero

Precio 31,41 19,53 0,24

Importe 0,63 1,86 0,24 2,73

Para el deslizamiento considerado, el coste total ascendería a 2,73 €/m3 x 250 m3= 682,5 €. 193

Capítulo 7: Resultados y Discusión————————————————————————————————

- Escollera de 50 kg. colocada en protección de cauces, manto de espesor 1 m., incluido suministro y preparación de la superficie de apoyo, perfectamente rasanteada y terminada (Tabla 7.8). La construcción de la escollera a lo largo de los 24 metros de la zona deslizada equivaldría a 16,33 €/m3 x 24 m (longitud) x 3 m (altura) x 1 m (espesor) = 1.176 € Tabla 7.8. Precios de diferentes tipos de actuaciones (construcción de escollera) que se necesitan para reparar daños provocados por deslizamientos (origen: Banco de precios de la Junta de Extremadura). Código Cantidad O01OA020 0,050 O01OA070 0,200 M05EN010 0,250 P01AE010 1,600 TOTAL PARTIDA (€)

Unidad h. h. h. t.

Denominación Capataz Peón ordinario Excav. hidr. neumáticos 67 CV Escollera de 50 kg

Precio 9,80 9,18 32,45 3,68

Importe 0,49 1,84 8,11 5,89 16,33

- Refuerzo del firme mediante, una capa de aglomerado, incluido riego (6 cm de espesor) a un precio de 3,61 €/m2. Si se tiene una superficie mínima de 24 m de longitud y 2 m de anchura esto supondría un coste de 3,61 €/m2 x 48 m2 = 173 € - Cuadrilla de obreros de tipo A (Tabla 7.9) que dedica todo el día para el trabajo en esa zona 23,69 €/hora x 8 horas = 190 € Tabla 7.9. Precios de la mano de obra que se necesita para reparar daños provocados por deslizamientos (origen: Banco de precios de la Junta de Extremadura). Código Cantidad O01OA030 1,000 O01OA050 1,000 O01OA070 0,500 TOTAL PARTIDA (€)

Unidad h. h. h.

Denominación Oficial primera Ayudante Peón ordinario

Precio 9,66 9,44 9,18

Importe 9,66 9,44 4,59 23,69

El coste total que supondrían todas estas actuaciones en una carretera afectada por un deslizamiento ascendería a 2.222 €, que distribuidos en 24 metros lineales de carretera (que es la anchura media del deslizamiento), supondría unas pérdidas medias por metro de vía de 92,5 €/m. Esto es, teniendo en cuenta la incertidumbre implícita en esta estimación y que los costos en Guipúzcoa son mayores que en Extremadura, esa cifra se podría incrementar. Además, es lógico pensar que las pérdidas no serían iguales en todas las infraestructuras, pero aquí se ha considerado un valor medio para todas y que, probablemente, no difiere en mucho del valor real. Como se ve, esta cifra es aproximadamente un orden de magnitud superior a los costos de mantenimiento antes indicados para el conjunto de la red, lo cual es lógico, ya que la peligrosidad es, en general, muy pequeña. En realidad, los costos promedio reales seguramente son superiores, ya que las labores descritas corresponden a un hipotético tramo de carretera local que no haya sufrido desperfectos importantes; lógicamente, no en todos los casos es así. Por ello, los costos aquí presentados deben considerarse como orientativos que podrían mejorarse con un análisis más detallado.

194

—————————————————————————Desarrollo, aplicación y validación de procedimientos ….

7.3.1.2 Estimación del valor del tipo de infraestructura El coste medio de las autopistas y autovías en el norte de España es de unos 6 millones de Euros por kilómetro (6.000 €/metro). Para las carreteras nacionales este valor oscila entre 1,1 y 1,8 millones de Euros por kilómetro (valor medio estimado: 1.500 €/metro), según el número y tamaño de estructuras que contengan. En las carreteras regionales, los costes varían de 1,2 a 0,7 millones de Euros por kilómetro (1.200 y 700 €/metro, respectivamente) en función de la categoría de la carretera. El coste de las carreteras locales, si se tiene en cuenta que en esta zona casi todas ellas están construidas en hormigón y que éste tiene un valor medio de 100 €/m3, se puede estimar en un valor medio de 100 €/metro. En el caso del ferrocarril, el coste medio de vía es de 0,11 millones de Euros por kilómetro (110 €/metro) para la empresa FEVE (Juan de la Cruz, FEVE, comunicación personal), valor que se puede extrapolar a la infraestructura de Euskotren. En la Tabla 7.10 se resumen los precios de la infraestructura en €/metro y el valor total de cada tipo de vía en el área de estudio. Tabla 7.10. Coste, en Euros por metro, de los tipos de infraestructura existentes en el área de estudio y coste total aproximado en millones de Euros para toda la zona de estudio. Tipo de vía Ferrocarril Carretera local Carretera Regional-B Carretera Regional-A Carretera Nacional Autopista

Coste (€/m) 110 100 700 1.200 1.500 6.000

Coste total (M€) 2,4 76,3 43,6 0,2 52,5 154,2

7.3.2 Edificios 7.3.2.1 Estimación de daños potenciales De los cerca de 3.000 edificios existentes en el área, muy pocos se han visto afectados por movimientos de ladera en el pasado. Los más propensos a sufrir daños son las construcciones individuales situadas en las zonas rurales. De cualquier modo, aunque se tiene constancia de que ha habido edificios afectados por deslizamientos, no se han podido obtener datos sobre los daños sufridos. Por tanto, para la evaluación de las pérdidas en los edificios se ha de recurrir a determinadas suposiciones. En este caso tampoco se ha considerado el tipo de uso del edificio ni el tipo de edificio, factores que influyen directamente en la vulnerabilidad. Teniendo en cuenta el tipo de deslizamiento considerado en el análisis de la peligrosidad (según se ha indicado ya, un deslizamiento con las siguientes características: superficie media, 510 m2; volumen medio, 250 m3; anchura media, 24 m), es poco probable que este tipo de movimiento produzca daños apreciables a la estructura de un edificio, por lo que las posibles pérdidas económicas son pequeñas y, por tanto, su vulnerabilidad será relativamente baja, lo cual concuerda con los muy escasos daños registrados en el pasado. Según esta suposición, las pérdidas esperables son las debidas a los gastos originados por la limpieza y rehabilitación del edificio, que únicamente se puede ver afectado en su parte exterior. Para estimar estas pérdidas, al igual que en el caso de las infraestructuras, y de acuerdo con el Banco de precios de la Junta de Extremadura 2002-2003, se han considerado las siguientes acciones: 195

Capítulo 7: Resultados y Discusión————————————————————————————————

- Transporte de tierras al vertedero, a una distancia menor de 10 km., considerando ida y vuelta, con camión basculante cargado a máquina, canon de vertedero, y con medios auxiliares, considerando también la carga (Tabla 7.7). Este trabajo tiene un precio de 2,73 €/m3 con lo cual si el volumen medio del deslizamiento es de 250 m3, implica un coste total de 682,5 €. - Además de la retirada de tierras puede ocurrir que se necesite la mano de obra de un albañil (30 €/hora) y de un pintor (30 €/hora) que durante un día de trabajo recibirían un salario total de 480 €. Finalmente, el coste total supuesto asciende a 1.162,5 €, que constituye el valor de las pérdidas máximas esperables en edificios si ocurriese un deslizamiento de las características mencionadas anteriormente. Por las razones ya comentadas, esta cifra se ha redondeado a 1.200 €. Evidentemente, esta cantidad, durante el tratamiento informático, hay que distribuirla entre la superficie o número de píxeles que contienen al elemento correspondiente. 7.3.2.2 Estimación del valor del edificio El valor de los edificios se ha obtenido a partir de los datos oficiales contenidos en el catastro. Entre los atributos más importantes de la base de datos del catastro destacan: tipo de edificio, superficie en m2 y valor catastral. Dado que el valor catastral es inferior al valor de mercado o valor real del edificio, el valor del catastro se ha multiplicado por tres con el fin de tener un valor más real (Andrés Gómez, comunicación personal). La Figura 7.30 muestra los valores de diferentes edificios en la zona; como es lógico, los valores más altos se localizan en las zonas urbanas.

7.3.3 Usos del suelo 7.3.3.1 Estimación de daños potenciales Los deslizamientos han producido, y producen, importantes daños en prados y cultivos así como en las zonas forestales. Estos daños son debidos, principalmente, a los cambios en los usos del suelo o al cese de determinadas actividades; como resultado se suele producir la degradación del propio suelo que, en muchos casos, puede llegar a perder su capacidad productiva. A partir de consultas realizadas a la Oficina Comarcal Agraria de Elgoibar sobre indemnizaciones pagadas a propietarios que vieron sus fincas afectadas por deslizamientos, se han obtenido algunos datos sobre las pérdidas ocasionadas por deslizamientos en anteriores eventos.

196

—————————————————————————Desarrollo, aplicación y validación de procedimientos ….

Figura 7.30. Modelo del valor de los edificios.

Las pérdidas que tienen lugar en los diferentes tipos de usos del suelo son generalmente pequeñas ya que los deslizamientos en sí son de reducidas dimensiones. De acuerdo con los diferentes tipos de usos del suelo identificados anteriormente se han estimado las pérdidas ocasionadas por el tipo de deslizamiento considerado. En el caso de las masas forestales, los daños que se producen afectan a algunos árboles, por lo que las pérdidas se traducen en una merma de la producción forestal, así como en los costes de reforestar la zona. Teniendo en cuenta que en la provincia de Guipúzcoa la superficie forestal en el año 1999 era de unos 1.182 km2 (INE, 2003) y la producción anual forestal es de unos 37 millones de Euros (EUSTAT, 2003), la producción forestal anual que podría perderse se estima en 0,03 €/m2. Si a esta cantidad se le añade el valor de una nueva reforestación, cuyo coste aproximado es de 1.200 €/ha, las pérdidas totales ascienden a 0,15 €/m2. Los daños en los prados se deben fundamentalmente a la pérdida de la producción de forraje, así como a la degradación del suelo. Los daños provocados en 1988 por varios deslizamientos en un prado en Elgoibar (deslizamientos causados por intensas precipitaciones), se valoraron en 24.000 pesetas (actualizadas al año 2000), que son equivalentes a 144 €, afectando a 2.500 m2 (lo que equivale a 0,06 €/m2). Por otro lado, la degradación del suelo en la misma zona fue valorada en 100.000 pesetas (actualizadas al año 2000), que equivalen a 0,24 €/m2. Todo ello hace un total aproximado de 0,30 €/m2 en pérdidas.

197

Capítulo 7: Resultados y Discusión————————————————————————————————

El mismo deslizamiento que afectó a terrenos dedicados a cultivos y frutales, produjo daños valorados en 0,48 €/m2. En consecuencia, de acuerdo con las citadas valoraciones de la Oficina Comarcal Agraria de Elgoibar, los valores que se utilizarán para los demás tipos de usos son los siguientes: - En pastizales (las pérdidas son debidas principalmente a la degradación del suelo) el valor tomado como referencia es de 0,1 €/m2. - Como no existen datos sobre daños en zonas de matorral o erial, las pérdidas en este tipo de terreno se han estimado en 0,01 €/m2. - A los usos del suelo clasificados como improductivos se les ha asignado un valor de pérdidas igual a 0 €, ya que este tipo de uso se ha tenido en cuenta a la hora de estimar el valor de las infraestructuras y de los edificios, y a que su capacidad productiva desde el punto de vista agrícola es nula. De los datos expuestos, se desprende que las áreas de prados y los cultivos, así como las zonas forestales, son los usos del suelo que más gravemente se ven afectados, en cuanto a pérdidas económicas, por los deslizamientos (Tabla 7.11). Tabla 7.11. Estimación de pérdidas producidas en cada tipo de uso del suelo por el tipo de movimiento considerado en la zona de estudio. Usos del suelo Urbano (Improductivos) Agua (Improductivos) Roquedo (Improductivos) Matorral, Espinos Pastizales Forestal arbolado denso/ralo Prados Labores intensivas (Frutales y cultivos)

Pérdidas (€/m2) 0,00 0,00 0,00 0,01 0,10 0,15 0,30 0,48

7.3.3.2 Estimación del valor del tipo de uso del suelo Según el MAPA (2002), en su publicación sobre los precios de la tierra, el valor medio de los prados en el País Vasco en 2001 era de aproximadamente 1 €/m2; el valor medio de los pastizales era de 0,6 €/m2; las tierras de labor tenían un valor medio de 0,8 €/m2, pero si se dedican a frutales o a viñedos este valor puede incrementarse hasta 5 €/m2. Para estimar el valor de las áreas forestales, se ha considerado el valor de las zonas de pastizales más el valor de la producción forestal, es decir, la suma de 0,6 €/m2 más 0,04 €/m2, que hace un total de 0,64 €/m2. Estos valores se muestran en la Tabla 7.12 y Figura 7.31.

198

—————————————————————————Desarrollo, aplicación y validación de procedimientos ….

Tabla 7.12. Valor catastral (Departamento para la Fiscalidad y las Finanzas de la DFG, 2001) y valor de mercado (Ministerio de Agricultura, Pesca y Alimentación, 2002) de cada tipo de uso del suelo en la zona de estudio. Usos del suelo Urbano (Improductivos) Agua (Improductivos) Roquedo (Improductivos) Matorral, Espinos Pastizales Forestal arbolado denso/ralo Prados Labores intensivas (Frutales y cultivos)

Valor catastral (€/m2) 0,00 0,00 0,00 0,004 0,010 0,055 0,066 0,133

Valor mercado (€/m2) 0,00 0,00 0,00 0,10 0,60 0,64 1,00 0,80

Figure 7.31. Modelo del valor de los usos del suelo.

199

Capítulo 7: Resultados y Discusión————————————————————————————————

7.4 Resultados en relación con la vulnerabilidad En función de los tipos de vulnerabilidad considerada, directa e indirecta, y dado que la forma de estimarla es diferente para cada tipo, los resultados obtenidos también serán diferentes. La vulnerabilidad directa depende de las características del proceso y del tipo de elemento afectado. La vulnerabilidad indirecta está condicionada por las características del proceso y, principalmente, por el tiempo que permanecen bloqueadas las vías de comunicación (ver apartado 6.5.2.2). 7.4.1 Vulnerabilidad directa o pérdidas directas A partir de la valoración de los daños (pérdidas) y del coste de los distintos elementos expuestos (valor económico) se han estimado los valores de vulnerabilidad de los diferentes elementos considerados, tal y como se describe en apartado 6.6.3.1 del capítulo de metodología. Las Tablas 7.13, 7.14 y 7.15 recogen los valores de vulnerabilidad, entre 0 y 1, obtenidos para cada uno de los elementos en riesgo considerados, así como los valores de costes y pérdidas. Asimismo, se muestran de forma gráfica los mapas de vulnerabilidad de cada elemento (Figuras 7.32, 7.33 y 7.34). En el caso de las infraestructuras, son las carreteras locales y la línea de ferrocarril los elementos más vulnerables con vulnerabilidades próximas a 1. Esto es, el costo unitario de la reparación de daños por deslizamientos es equivalente al costo de construcción. El caso contrario lo muestran la autopista y las carreteras nacionales y regionales, las cuales suelen estar mejor protegidas, por lo que los deslizamientos les afectan en menor medida y, además, tienen costos de construcción muy superiores. Tabla 7.13. Pérdidas económicas, coste y valor de vulnerabilidad para cada tipo de infraestructura. Pérdidas Valor de la infraestructura Vulnerabilidad (€/m) (€/m) Ferrocarril 92,5 110 0,84 Carretera local 92,5 100 0,93 Carretera Regional-B 92,5 700 0,13 Carretera Regional-A 92,5 1.200 0,07 Carretera Nacional 92,5 1.500 0,06 Autopista 92,5 6.000 0,02 Nombre

200

—————————————————————————Desarrollo, aplicación y validación de procedimientos ….

Figura 7.32. Modelo de la vulnerabilidad de las infraestructuras.

En el caso de los edificios, la situación es muy distinta. Los valores de vulnerabilidad, en general, son muy bajos (valor máximo de 0,24). Esto es debido fundamentalmente a los escasos daños que generan los deslizamientos sobre este tipo de elemento y al alto valor económico de los edificios.

Tabla 7.14. Uso, pérdidas, valor económico y valor de vulnerabilidad para cada edificio. (Cada número de la primera columna se refiere a un edificio concreto recogido en el catastro; se muestran solamente algunos a modo de ejemplo). Edificio Destino Pérdidas Valor de Mercado Vulnerabilidad id (€) (€) (0-1) 1 Vivienda 1.200 57.843,48 0,0201 2 Vivienda 1.200 1.186.213,98 0,0001 3 Vivienda 1.200 1.225.644,09 0,0009 4 Vivienda 1.200 1.399.744,71 0,0008 5 Agropecuario 1.200 70.377,48 0,0165 6 Industrial 1.200 968.109,90 0,0012 7 Industrial 1.200 1.961.302,50 0,0006 8 Hostelería 1.200 106.732,17 0,0109 … … … … …

201

Capítulo 7: Resultados y Discusión————————————————————————————————

Figura 7.33. Modelo de la vulnerabilidad de los edificios. Debido a que existe un gran número de píxeles con valores muy bajos, para facilitar su visualización el histograma de valores se ha estirado y se han establecido los límites entre 2 x 10-5 y 6 x 10-3.

Los usos del suelo más vulnerables son las zonas de cultivos (valor de vulnerabilidad: 0,60), seguidos de las zonas de arbolado y prados (valores de vulnerabilidad de 0,32 y 0,30, respectivamente), ya que son los usos de mayor valor económico y donde los perjuicios ocasionados por los deslizamientos, en cuanto a pérdidas de suelo o productividad, son más importantes.

Tabla 7.15. Pérdidas económicas, valor y valor de vulnerabilidad para cada tipo de uso del suelo. Pérdidas Valor mercado Vulnerabilidad (€/m2) (€/m2) (0-1) Urbano (Improductivos) Agua (Improductivos) Roquedo (Improductivos) Matorral, Espinos 0,01 0,1 0,10 Pastizales 0,1 0,6 0,17 Prados 0,3 1,0 0,30 Forestal arbolado denso/ralo 0,23 0,71 0,32 Labores intensivas (Frutales y cultivos) 0,48 0,8 0,60 Usos del suelo

202

—————————————————————————Desarrollo, aplicación y validación de procedimientos ….

Figura 7.34. Modelo de la vulnerabilidad de los usos del suelo.

7.4.2 Vulnerabilidad indirecta o pérdidas indirectas La vulnerabilidad indirecta o pérdidas indirectas debidas a los procesos de deslizamiento en la zona de estudio, se ha estimado teniendo en cuenta los efectos del “deslizamiento tipo” considerado en los distintos tipos de infraestructuras existentes (ver apartado 6.5.2.2). A partir de la intensidad media diaria de circulación de vehículos, a lo largo de los diferentes tramos de las vías de comunicación, se ha estimado el número de personas que pueden verse afectadas, por hora, si un deslizamiento del tipo estudiado ocurre en cualquiera de los puntos de un determinado sector de la infraestructura considerada: autopista, carretera nacional y carreteras regionales. Las carreteras locales y el ferrocarril tienen un tratamiento distinto como más adelante se comenta. El número de personas que viajan en un vehículo puede oscilar entre 1 y 5 por término medio (en el caso de microbuses o autobuses estos valores se incrementan). En Portugal se han recogido datos sobre el número medio de personas que viaja habitualmente en un vehículo a lo largo de una de las autopistas más importantes. Esos datos reflejan una media de 1,55 personas/vehículo (Jose Luis Zêzere, comunicación personal). Aunque esta cifra no tiene porque ser extrapolable a la zona del Bajo Deva, se ha considerado como válida para el análisis que se pretende llevar a cabo. Teniendo en cuenta el número de vehículos que circulan por hora en cada sector, el número de personas afectadas por hora y sector será:

203

Capítulo 7: Resultados y Discusión————————————————————————————————

Nº de personas afectadas en el sector por hora = Nº de vehículos por hora x 1,55 Dado que muchas de las personas que viajan en esos vehículos no tienen una actividad productiva (desempleados, jubilados, estudiantes, etc.), con el fin de obtener el porcentaje de trabajadores que viajan en estos vehículos, y que son los más directamente afectados, se ha multiplicado el número de personas obtenido anteriormente por el porcentaje de personas en activo de la zona, el cual es del 45,5% (en el Bajo Deva) del total del número de personas (EUSTAT, 2003), por lo tanto: Nº de trabajadores = Nº de personas afectadas en el sector por hora x 0,455 A partir de las estadísticas de EUSTAT (2003) se ha obtenido el coste medio mensual que supone un trabajador para una empresa del País Vasco, valor que asciende a 2.380 Euros. A partir de estos datos se ha calculado el coste medio por trabajador y hora, suponiendo que se trabajan 240 horas por mes: Coste por hora de un trabajador = 2.380 / 240 = 9,92 €/hora Esto significa que por cada hora de trabajo que un asalariado desaprovecha, la empresa perdería aproximadamente 10 Euros. Por otro lado, a partir de experiencias de eventos pasados, se ha estimado el periodo de tiempo que determinadas infraestructuras podrían quedar bloqueadas al ser afectadas por este tipo de deslizamientos. Cuando se produce un deslizamiento de las características ya descritas, el tráfico podría quedar interrumpido en la autopista durante unas 2 horas, ya que ese periodo hay tiempo para habilitar alguno de los carriles del sentido contrario con el fin de evitar un atasco mayor. Las pérdidas económicas indirectas, como consecuencia de la pérdida de horas de trabajo debido al retraso de los trabajadores en cada sector de la autopista (recordemos que cada sector muestra una determinada intensidad media diaria de vehículos), vienen dadas por la siguiente expresión: Pérdidas por sector de autopista = Nº de trabajadores por hora x Coste de un trabajador (9,92 €/h) x duración de la interrupción (2 h) Según esta expresión, el efecto indirecto que pueden ocasionar los deslizamientos, si se parase toda la autopista durante dos horas entre sus puntos inicial y final (afectando a 2.400 vehículos a la hora), ascendería a unas pérdidas totales de 33.486 € (Tabla 7.16), si bien es altamente improbable que se paralice toda la autopista. En el caso de que se produzca un deslizamiento y se pare el tráfico en un determinado punto de la autopista, el tramo afectado sería el existente entre las dos zonas, de entrada/salida, más próximas. Si esto ocurre, los vehículos comenzarán a pararse en las cercanías del deslizamiento y quedarán allí bloqueados. Durante ese tiempo, otros vehículos, conscientes del problema, podrán desviarse de la autopista en la salida más próxima, y darán un pequeño rodeo hasta incorporarse en la siguiente entrada. Por ello se han considerado las pérdidas potenciales para los tramos de la autopista (entre accesos) teniendo en cuenta las intensidades de tráfico que cada uno soporta. Dichas pérdidas se han representado en la Figura 7.35, donde cada sector o tramo de infraestructura muestra un valor de pérdidas potenciales que podrían tener lugar en cualquier punto del tramo. Así, cuando se produce un deslizamiento 204

—————————————————————————Desarrollo, aplicación y validación de procedimientos ….

en la autopista, dependiendo del sector donde el movimiento ocurra, las pérdidas pueden oscilar entre los 867 € y los 6.325 €. Tabla 7.16. Pérdidas indirectas potenciales, en los diferentes sectores de cada tipo de infraestructura, que podrían producir los deslizamientos de la zona de estudio si bloqueasen alguno de los sectores de la vía durante unos determinados lapsos de tiempo. Obviamente las pérdidas indirectas potenciales no consideran la probabilidad de ocurrencia de los deslizamientos. Tipo de vía Ferrocarril Carreteras Locales Carreteras Regionales Carretera Nacional Autopista Total

Pérdidas indirectas potenciales (€) 139.200 22 14.447 36.625 33.486 223.780

Otras carreteras de menor categoría, cuando son afectadas por deslizamientos, suelen permanecer con la circulación interrumpida durante un periodo de tiempo superior (en este caso se ha supuesto un tiempo de seis horas de acuerdo con la información proporcionada por el personal de la DFG), con lo cual es necesario desviar el tráfico por una ruta alternativa. Esto conlleva, además del tiempo de trabajo que se pierde, mayor distancia a recorrer, la cual también implica un coste. La distancia adicional media que recorren los vehículos al tomar una vía alternativa se estima en 5 kilómetros, el coste medio por kilómetro adicional recorrido es de 0,2 € y el tiempo que se emplea en realizar esa distancia adicional depende de la velocidad media desarrollada, la cual se supone que no supera los 70 km/hora. En función de estos criterios, la ocurrencia de un deslizamiento a lo largo de la carretera nacional, con una intensidad de tráfico en esta zona superior a la de la autopista, producirá unas pérdidas económicas que vienen dadas por la siguiente expresión: Pérdidas = Pérdidas debidas al aumento de la distancia + Pérdidas debidas al retraso es decir, Pérdidas por sector de carretera nacional = [longitud adicional del camino alternativo (5 km) * coste por km (0,2 €) * Nº de vehículos afectados durante las seis horas de paro] + [tiempo empleado en realizar la distancia alternativa (5/70) * Nº trabajadores afectados durante las seis horas de parada * coste hora trabajador (9,92 €)] Aplicando la expresión anterior, las pérdidas para los distintos sectores de la carretera nacional oscilarían entre 1.600 y 7.600 €. Esto significa que hay tramos en los que, si se produce un deslizamiento, las pérdidas indirectas pueden ser muy importantes y, por tanto, deberían ser las zonas a proteger con mayor prioridad. Esas pérdidas superan a las de la autopista, lo que se explica por la mayor intensidad de tráfico en la carretera nacional y la mayor duración de las interrupciones. Pérdidas por sector de carretera regional = [longitud adicional del camino alternativo (5 km) * coste por km (0,2 €) * Nº de vehículos afectados durante las seis horas de paro] + [tiempo empleado en realizar la distancia alternativa (5/70) * Nº trabajadores afectados durante las seis horas de parada * coste hora trabajador (9,92 €/h)] Las pérdidas por sector de carretera regional en la zona de estudio oscilan entre los 56 y 4.700 €. 205

Capítulo 7: Resultados y Discusión————————————————————————————————

En las carreteras locales y el ferrocarril el tratamiento es diferente, dado que no existen sectores con diferencias de intensidad en el paso de vehículos o de personas.

Figura 7.35. Modelo de pérdidas indirectas potenciales por sector o tramo de infraestructura.

Puesto que no existen datos sobre número de vehículos transitando diariamente por las carreteras locales, se ha supuesto una intensidad media diaria y constante de 25 vehículos (aproximadamente un vehículo a la hora). En este caso, la aparición de un deslizamiento se supone que produce una interrupción de veinticuatro horas en una carretera local. Sin embargo, el número de vías alternativas es mayor y, únicamente, pueden darse problemas si el deslizamiento se produce en zonas donde no existe una vía alternativa. La posibilidad de tomar un camino alternativo es mucho más fácil debido a la densa red de este tipo de infraestructuras existente. Por tanto, las posibles pérdidas serán debidas a un incremento del desplazamiento de 2 kilómetros, que se realiza a una velocidad de 30 km/hora. Por consiguiente, la expresión para el cálculo de las pérdidas indirectas quedaría así: Pérdidas carreteras locales = [longitud adicional del camino alternativo (2 km) * coste por km (0,2 €) * Nº de vehículos afectados durante las 24 horas de paro] + [tiempo empleado en realizar la distancia alternativa (2/30) * Nº trabajadores afectados durante las 24 horas de parada * coste hora trabajador (9,92 €/h)] Así, cuando se produce un deslizamiento en un punto cualquiera de una carretera local que queda cortada al tráfico durante todo un día, las pérdidas indirectas potenciales que se producen son insignificantes 22 € (Tabla 7.16). Esto se explica por la baja intensidad de tráfico existente en este tipo de vías y, en general, porque el ir de un punto a otro es 206

—————————————————————————Desarrollo, aplicación y validación de procedimientos ….

sencillo, debido a la densa red de vías existentes. En cambio, si se produjese un gran número de deslizamientos afectando a este tipo de vías de comunicación, las pérdidas podrían ser considerables. Para el ferrocarril, se ha estimado que el retraso promedio que sufriría un trabajador sería de 3 horas. El coste de la contratación de autobuses para el transporte alternativo de los viajeros es de 2.700 €, a razón del alquiler de 3 autobuses (600 €/día/autobús) durante día y medio que se supone queda bloqueada la vía férrea. El número de trabajadores potencialmente afectados se ha calculado teniendo en cuenta que entre Ermua (localidad vecina a Eibar) y San Sebastián el número medio de viajeros diarios es de aproximadamente 10.000. Teniendo en cuenta la tasa de actividad de la población en el área de estudio (45,5%), esto equivale a 4.550 trabajadores diarios, aunque esa cifra presenta bastantes incertidumbres debido a que el número de viajeros entre ambas estaciones puede variar dependiendo de las fechas. No obstante, suponiendo esos datos como válidos, las pérdidas indirectas generadas en el ferrocarril vendrán dadas por la siguiente expresión: Pérdidas debidas a interrupciones en la vía del tren = [Nº de trabajadores afectados en día y medio * Coste de un trabajador (9,92 €/h) * tiempo de retraso (3 h)] + coste de transporte alternativo en autobús Esto supone un total de 139.200 € en pérdidas (Tabla 7.16), en el caso de que se produjese un deslizamiento en cualquier punto de la vía del tren. De estas cifras se desprende, que es la vía del tren el elemento cuya interrupción por un deslizamiento daría lugar a las mayores pérdidas indirectas, seguida de la carretera nacional y de la autopista. Dichas pérdidas, para un deslizamiento promedio que afecte a un punto de la red de vías de comunicación, oscilarían aproximadamente entre 20 € (carretera local) y 139.000 (ferrocarril). En este trabajo no se ha considerado el tráfico de mercancías, ni se han evaluado los retrasos en el transporte de las mismas, ni otro tipo de consecuencias económicas indirectas. La evaluación de todos esos costes requeriría un análisis más complejo, que no se ha abordado en este trabajo. En cualquier caso, es evidente que dichos aspectos contribuirían a aumentar las pérdidas indirectas. El modelo de pérdidas indirectas para las infraestructuras debe entenderse como un modelo general en el que, aunque las pérdidas se producen en un determinado píxel, afectan a todos los píxeles del sector (a diferencia de las pérdidas directas, en las cuales las pérdidas tienen lugar sólo en los píxeles afectados, correspondientes a un elemento determinado), estén directamente relacionados con el sector o no. En todo lo precedente se han estimado las pérdidas potenciales por evento, pero no se ha tenido en cuenta la frecuencia de ocurrencia de los deslizamientos. Sin embargo, las pérdidas se producirán más o menos frecuentemente en unas zonas que en otras, dependiendo de la probabilidad de aparición de los movimientos en uno u otro sector. El producto de estas pérdidas por la probabilidad de que se produzca un deslizamiento en un determinado punto de una vía, determina el riesgo que afecta a ése sector concreto.

207

Capítulo 7: Resultados y Discusión————————————————————————————————

7.5 Resultados en relación con el riesgo Una vez obtenidos los modelos de peligrosidad, conocidos los valores de los elementos expuestos y estimada la vulnerabilidad de los mismos, se puede proceder a elaborar los diferentes modelos de riesgo. En lo que sigue se presentarán, por un lado, los modelos de riesgo específico (para cada elemento afectable), los cuales permitirán obtener el riesgo directo; por otro lado, se deriva el modelo de riesgo indirecto, resultado de la combinación del modelo de peligrosidad con la vulnerabilidad indirecta (actividades económicas). Por último, se presentará un modelo de riesgo total, teniendo en cuenta ambos efectos. 7.5.1 Modelos de riesgo específico Los modelos de riesgo específico que se han obtenido son tres, correspondientes a las infraestructuras, los edificios y los usos del suelo. Dichos modelos se han elaborado para cada uno de los escenarios de peligrosidad propuestos. El modelo de riesgo se obtiene por medio del producto, para cada píxel, de la peligrosidad (probabilidad de nuevos deslizamientos) por el valor de los elementos que contiene y por su vulnerabilidad. 7.5.1.1 Modelos de riesgo específico para infraestructuras En la Figura 7.36 se presentan los modelos de riesgo específico para las infraestructuras, según los tres escenarios de peligrosidad propuestos para el periodo de 50 años. El riesgo específico total, en infraestructuras, esperable en los próximos 50 años, de acuerdo con los escenarios A, B y C, es de 5.596.818 €, 16.530.670 € y 37.131.262 €, respectivamente (Tabla 7.17). Tabla 7.17. Riesgo específico, en Euros, en infraestructuras de acuerdo con los escenarios de peligrosidad propuestos para los periodos de 50 y 10 años. Infraestructura Ferrocarril Carret. Locales Carret. Regional Carret. Nacional Autopista Total

Riesgo (€) Escenario A 133.921 4.907.507 244.854 268.972 41.564 5.596.818

50 años Riesgo (€) Escenario B 387.456 14.498.762 733.637 784.626 126.189 16.530.670

Riesgo (€) Escenario C 835.210 32.586.156 1.694.474 1.718.908 296.514 37.131.262

Riesgo (€) Escenario A 27.348 993.006 49.215 54.798 8.183 1.132.550

10 años Riesgo (€) Escenario B 64.734 2.359.478 117.378 129.700 19.770 2.544.864

Riesgo (€) Escenario C 79.845 2.913.434 145.032 160.093 24.661 3.323.065

Según se muestra en la Tabla 7.18, las mayores pérdidas promedio (por metro lineal o por píxel) para los distintos escenarios considerados corresponden a la carretera nacional, seguida de cerca por las carreteras locales y el ferrocarril. Esto, que a primera vista pudiera parecer sorprendente, se debe a que dicho valor promedio es el resultado de combinar los daños potenciales por cada evento, para cada tipo de estructura, con la probabilidad de que los píxeles que contienen dichas infraestructuras se vean afectados (por término medio) por futuros deslizamientos. Así, aunque los costos unitarios de reparación en las carreteras locales o en el ferrocarril sean relativamente bajos, la probabilidad de que los píxeles que contienen dichos elementos sufran deslizamientos en el futuro es bastante mayor que en el caso de las otras infraestructuras. Si las estimaciones de riesgo se hacen para un periodo más corto, por ejemplo 10 años, las diferencias relativas entre los distintos escenarios se reducen. En el caso del escenario A el 208

—————————————————————————Desarrollo, aplicación y validación de procedimientos ….

riesgo sería, lógicamente, la quinta parte del correspondiente a 50 años. En los otros escenarios, B y C, sin embargo, dado que se contemplan tasas de aumento lineal y exponencial respectivamente, se obtiene una reducción más acusada. Esto es, el riesgo total para los próximos 10 años sería de 1.132.550 € para el escenario A, 2.691.060 € para el escenario B y 3.323.065 € para el escenario C (Tabla 7.17). Las pérdidas por metro de infraestructura para el periodo de 10 años se muestran en la Tabla 7.18; no se incluye la representación gráfica de esta situación ya que es similar a la mostrada en la Figura 7.36, sólo varían las cifras. Tabla 7.18. Riesgo específico medio, en Euros por metro de infraestructura, de acuerdo con los escenarios de peligrosidad propuestos para los periodos de 50 y 10 años. Infraestructura Ferrocarril Carreteras Locales Carreteras Regionales-B Carretera Nacional Autopista Infraestructura Ferrocarril Carreteras Locales Carreteras Regionales-B Carretera Nacional Autopista

Longitud (m) 21.794 762.678 62.278 34.995 51.403 Longitud (m) 21.794 762.678 62.278 34.995 51.403

50 años Pérdidas (€/m) Pérdidas (€/m) Pérdidas (€/m) Escenario A Escenario B Escenario C 6,14 17,78 38,32 6,43 19,01 42,73 3,93 11,78 27,21 7,69 22,42 49,12 0,81 2,45 5,77 10 años Pérdidas (€/m) Pérdidas (€/m) Pérdidas (€/m) Escenario A Escenario B Escenario C 1,25 2,97 3,66 1,30 3,09 3,82 0,79 1,88 2,33 1,57 3,71 4,57 0,16 0,38 0,48

Esto significa, evidentemente, que las pérdidas anuales promedio deberían aumentar con el tiempo en el caso de los escenarios B y C, muy especialmente en el segundo. Dicho de otro modo, en el caso del escenario C, la mayor parte de las pérdidas contempladas para el conjunto de los 50 años considerados se deberían producir en la parte final del periodo, ya que la frecuencia de los deslizamientos sería mucho mayor en ese momento (si la tendencia citada se confirma). Dado que existen incertidumbres importantes, por un lado, con respecto a la frecuencia futura de los deslizamientos y, por otro lado, sobre la futura distribución de los elementos vulnerables, parece prudente que las proyecciones se hagan para periodos del orden de una década, ya que a medida que se amplía el periodo de predicción se incrementa la incertidumbre y el error.

209

Capítulo 7: Resultados y Discusión————————————————————————————————

708

2002

4124

Figura 7.36. Modelo de riesgo específico por deslizamientos en infraestructuras para cada uno de los escenarios de peligrosidad propuestos para el periodo de 50 años.

210

—————————————————————————Desarrollo, aplicación y validación de procedimientos ….

7.5.1.2 Modelos de riesgo específico para edificios El riesgo específico en edificios o construcciones es muy bajo, principalmente debido, como anteriormente se ha comentado, a su baja vulnerabilidad. Las pérdidas esperadas en los próximos 50 años son de 7.851 € en el escenario A, 23.304 € en el escenario B y de 52.809 € según el escenario C. Estas cantidades son insignificantes si se comparan con las presentadas para las vías de comunicación. A pesar de mostrar un riesgo muy bajo, entre un 20 y un 35% de los edificios podrían sufrir daños por deslizamientos durante el periodo de tiempo analizado, ya que se sitúan en áreas que muestran cierta peligrosidad. Las estimaciones de riesgo específico para el periodo de los 10 años próximos, como es lógico, son aún menores: 1.586 € en el escenario A, 3.768 € en el escenario B y 4.656 € en el escenario C. Dichas cifras indican que las pérdidas anuales en edificios son mínimas. No se incluye una representación gráfica de este modelo de riesgo dado que su visualización es dificultosa (salvo si se selecciona una pequeña zona) a consecuencia del corto rango de variación de tonos que tiene la escala de color. 7.5.1.3 Modelos de riesgo específico para usos del suelo En el caso del riesgo específico para los diferentes tipos de usos del suelo se observa como varía el riesgo en función del escenario de peligrosidad considerado (Figura 7.37). Los valores obtenidos oscilan entre un valor máximo de riesgo por píxel de 3,6 € en el escenario A, a un valor máximo de 21,3 € en el escenario C. Las zonas que en la figura aparecen en blanco son aquellas con pérdidas por píxel nulas o muy pequeñas (este es el caso, por ejemplo, de algunos tipos de usos a los cuales se les asignó un valor de 0 €, dado que desde el punto de vista agrícola o productivo, su valor es nulo). La Tabla 7.19, muestra la distribución del riesgo por tipo de uso del suelo y escenario. El riesgo específico esperable a lo largo de los próximos 50 años, de acuerdo con los escenarios A, B y C, es de 256.494 €, 862.746 € y 1.906.750 €, respectivamente. Estas cifras son muy inferiores a las obtenidas para el riesgo de infraestructuras. Según se desprende de la tabla, las mayores pérdidas, o el riesgo más elevado, se produce en las zonas de praderías, seguidas a gran distancia por las zonas con repoblaciones y frutales. Sin embargo, cuando se representan las pérdidas por píxel en cada clase o tipo de uso (Tabla 7.20) se observa que las mayores pérdidas se producen en los usos dedicados a frutales y viñedos, con pérdidas por píxel (1 píxel = 100 m2) entre 3,2 y 19,2 €, esto es así por ser mayores la vulnerabilidad y el valor económico de éstas unidades; sin embargo, las pérdidas por píxel en los prados son menores, debido a que éstos ocupan una mayor extensión en la zona. La estimación del riesgo específico para los usos del suelo, que se ha obtenido para el periodo de 10 años es de 59.843 € en el escenario A, de 141.892 € en el escenario B y de 175.131 € en el escenario C.

211

Capítulo 7: Resultados y Discusión————————————————————————————————

3,6

10,3

21,3

Figura 7.37. Modelo de riesgo específico por deslizamientos en los usos del suelo para cada uno de los escenarios de peligrosidad propuestos para el periodo de 50 años.

212

—————————————————————————Desarrollo, aplicación y validación de procedimientos ….

Tabla 7.19. Riesgo específico, en Euros, para cada tipo de uso del suelo en los diferentes escenarios considerados para el periodo de 50 años y para el conjunto de la zona de estudio. Riesgo (€) Riesgo (€) Riesgo (€) Escenario A Escenario B Escenario C Prado 244.042 711.828 1.559.255 Forestal arbolado 42.771 128.973 301.423 Frutales y viñedos 7.429 21.181 44.317 Matorral 239 717 1.654 Espinos 10 36 75 Pastizal 3 11 26 Urbano 0 0 0 Roquedo 0 0 0 Cantera 0 0 0 Agua 0 0 0 862.746 1.906.750 256.494 Total Tipo de uso

Tabla 7.20. Pérdidas, en Euros por píxel, en cada tipo de uso del suelo de acuerdo con los escenarios considerados para los próximos 50 años. (1 píxel = 100 m2). Tipo de uso Prado Forestal arbolado Frutales y viñedos Matorral Espinos Pastizal Urbano Roquedo Cantera Agua

7.5.2

Superficie (píxel) 319.584 849.306 2.310 81.433 1.133 19.588 98.936 12.581 3.406 5.830

Pérdidas (€/píxel) Escenario A 0,76 0,05 3,22 0,00 0,01 0,00 0,00 0,00 0,00 0,00

Pérdidas (€/píxel) Escenario B 2,23 0,15 9,17 0,01 0,03 0,00 0,00 0,00 0,00 0,00

Pérdidas (€/píxel) Escenario C 4,88 0,35 19,18 0,02 0,07 0,00 0,00 0,00 0,00 0,00

Modelos de riesgo directo

Una vez obtenidos los modelos de riesgo específico para cada elemento afectado, queda por obtener el modelo de riesgo directo o de pérdidas totales esperables para los periodos de 50 y 10 años, como consecuencia de la actuación de los deslizamientos en la zona de estudio. La suma de los diferentes modelos de riesgo específico (infraestructuras, edificios y usos del suelo) ha permitido obtener los modelos de riesgo directo para cada escenario considerado. La Figura 7.38 muestra los modelos de riesgo directo obtenidos de acuerdo con los distintos escenarios para el periodo de 50 años. En este caso, se presenta un detalle de una subzona para facilitar su visualización, dado que existe un gran número de píxeles con valores muy bajos y un pequeño número con valores altos. En la Tabla 7.21 se presentan las cifras de riesgo directo para cada uno de los riesgos específicos y escenarios considerados en los próximos 50 años. El riesgo directo (RD) alcanza cifras que oscilan entre 5.861.163 € y 39.090.821 €, sobre todo debido al impacto de los deslizamientos sobre las infraestructuras (fundamentalmente, carreteras locales). En cuanto al riesgo directo esperable en los próximos 10 años, en el escenario A será de 1.193.981 €, en el escenario B de 2.836.720 € y de 3.502.652 € en el escenario C, lo cual supone una media por año de 120.000 €, 283.000 € y 350.000 €, respectivamente. Dichas 213

Capítulo 7: Resultados y Discusión————————————————————————————————

cifras difieren bastante de las obtenidas de acuerdo con la predicción a 50 años, ya que, de acuerdo con lo comentado anteriormente, el lapso temporal es mayor y por lo tanto habrá un mayor número de deslizamientos, y porque hay una tendencia de aumento en la frecuencia de tipo lineal/exponencial. Tabla 7.21. Riesgo específico y directo, en Euros, en el área de estudio, de acuerdo con los tres escenarios, para el periodo de 50 años. Tipo de Riesgo Riesgo específico: Infraestructuras Riesgo específico: Usos del suelo Riesgo específico: Edificios Riesgo Directo

Riesgo (€) Escenario A 5.596.818 256.494 7.851 5.861.163

Riesgo (€) Escenario B 16.530.670 862.746 23.304 17.416.720

Riesgo (€) Escenario C 37.131.262 1.906.750 52.809 39.090.821

El análisis presentado pone de manifiesto que, incluso en el caso del escenario más pesimista (C), las pérdidas totales esperables son relativamente bajas, inferiores a un millón de Euros por año para el conjunto de la zona de estudio (evidentemente, de ser ciertas las previsiones relativas al proceso que se contemplan en dicho escenario, las pérdidas anuales hacia el final del periodo superarían claramente la citada cifra). Esto es, la estrategia de mitigación más adecuada para la zona sería una de tipo correctivo o de reparación de daños “a posteriori”, puesto que el nivel de pérdidas esperable se puede asumir fácilmente por parte de las administraciones. Obviamente, esta estimación, para toda la zona del Bajo Deva, sólo incluye el riesgo debido a un tipo concreto de deslizamiento Se muestra así la importancia que tiene el desarrollo y aplicación de herramientas de análisis como la que aquí se presenta pues, a pesar de las incertidumbres existentes, permiten hacer previsiones sobre las consecuencias de los riesgos naturales en términos cuantitativos, que proporcionan bases sólidas para la toma de decisiones. Si los resultados del análisis hubieran mostrado, por ejemplo, que las pérdidas potenciales en el caso del escenario más optimista fueran del orden de 5 x 106 €/año, es evidente que una estrategia de mitigación de tipo preventivo resultaría más adecuada. Además, indicaría las zonas del territorio analizado en las cuales la intervención debería ser prioritaria, por presentar valores de riesgo más elevados.

214

—————————————————————————Desarrollo, aplicación y validación de procedimientos ….

33,3

107,2

229,7

Figura 7.38. Modelo de riesgo directo por deslizamientos para cada uno de los escenarios de peligrosidad propuestos, en una pequeña subzona del área de estudio ampliada a mayor detalle.

215

Capítulo 7: Resultados y Discusión————————————————————————————————

7.5.3 Modelos de riesgo indirecto Las pérdidas indirectas máximas que pueden ocasionar los deslizamientos sobre la actividad económica, derivadas de la interrupción del tráfico en las infraestructuras viarias (suponiendo que se dieran las condiciones anteriormente comentadas), multiplicadas por la probabilidad de que se produzcan deslizamientos en cada uno de los puntos de la red, permiten obtener el modelo de riesgo indirecto para el área de estudio. En función del escenario de peligrosidad considerado, cada sector de vía presenta un riesgo indirecto, en los periodos estudiados, el cual viene representado por la siguiente expresión: Riesgo indirecto = peligrosidad x pérdidas indirectas Las cifras de riesgo indirecto (expresadas en Euros por píxel) obtenidas para el periodo de 50 años se muestran en la Tabla 7.22. De acuerdo con esa tabla, es en el ferrocarril donde cabe esperar las mayores pérdidas indirectas durante ese periodo. Las pérdidas en otras infraestructuras son relativamente pequeñas, si se tiene en cuenta que se abarca un periodo de 50 años. Tabla 7.22. Riesgo indirecto, en Euros, en infraestructuras, de acuerdo con los escenarios de peligrosidad propuestos, para el periodo de 50 años. Infraestructura Ferrocarril Carreteras Locales Carreteras Regionales Carretera Nacional Autopista Total

Riesgo (€) Escenario A 1.020.397 12.742 9.971 69.426 19.124 1.131.660

Riesgo (€) Escenario B 2.952.165 37.864 29.908 203.700 58.061 3.281.698

Riesgo (€) Escenario C 6.363.763 85.681 69.240 451.326 136.420 7.106.430

Los valores totales de riesgo indirecto para el periodo de 50 años oscilan entre 1.131.660 € (escenario A), 3.281.698 € (escenario B) y 7.106.430 € (escenario C). Esas cantidades son relativamente pequeñas comparadas con otros procesos o gastos que deben afrontar las administraciones correspondientes. La comparación de esta tabla de riesgo indirecto con la tabla de riesgo específico para las infraestructuras (Tabla 7.17), muestra que: -

El riesgo indirecto (estimado para las infraestructuras) es casi 5 veces menor que el riesgo específico en infraestructuras. Esto significa que, en la zona de estudio, el riesgo directo es mucho más importante que las pérdidas indirectas debidas a interrupciones en el tráfico por los deslizamientos.

El ferrocarril representa la mayor parte de las pérdidas correspondientes al riesgo indirecto, siendo aquéllas escasas en el caso del riesgo específico. Los retrasos sufridos por los trabajadores, en el caso de que se produzca un deslizamiento, son de mayor entidad económica que los daños producidos a la propia estructura.

En la autopista, carretera nacional, regional y local, el riesgo específico es mayor que el riesgo indirecto. Las pérdidas indirectas tienen poca importancia dada la facilidad de tomar vías alternativas, por lo que los retrasos son reducidos.

216

—————————————————————————Desarrollo, aplicación y validación de procedimientos ….

Es en las carreteras locales donde se concentra el mayor riesgo específico, mientras que el riesgo indirecto en este tipo de vías es muy pequeño. La gran diferencia entre uno y otro tipo de riesgo se debe a que existe un gran entramado de infraestructuras de este tipo, que hacen que las pérdidas directas sean muy grandes, mientras que la posibilidad de que se queden cortadas y ocasionen retrasos importantes a los trabajadores es pequeña.

En la Figura 7.39 se presentan en detalle los modelos de riesgo indirecto de una subzona comprendida dentro del área de estudio, para el periodo de 50 años, y para cada uno de los escenarios considerados. La Tabla 7.23 proporciona las cifras para el periodo de 10 años. Tabla 7.23. Riesgo indirecto, en Euros, en infraestructuras, de acuerdo con los escenarios de peligrosidad propuestos, para el periodo de 10 años. Infraestructura Ferrocarril Carreteras Locales Carreteras Regionales Carretera Nacional Autopista Total

Riesgo (€) Escenario A 208.378 2.545 1.998 14.114 3.761 230.796

Riesgo (€) Escenario B 493.235 6.092 4.781 33.427 9.097 546.632

Riesgo (€) Escenario C 608.364 7.534 5.908 41.280 11.254 674.340

217

Capítulo 7: Resultados y Discusión————————————————————————————————

774

2.562

5.667

Figura 7.39. Modelo de riesgo indirecto por deslizamientos, en infraestructuras, para el periodo de 50 años, de acuerdo con los escenarios de peligrosidad propuestos, en una pequeña subzona del área de estudio ampliada a mayor detalle.

218

—————————————————————————Desarrollo, aplicación y validación de procedimientos ….

7.5.4 Modelos de riesgo total A pesar de que el significado del riesgo directo (representan la localización de las pérdidas) y del riesgo indirecto (representan la localización donde se originan las pérdidas aunque se manifiesten en otras zonas) es diferente, los modelos de riesgo total por deslizamientos son de utilidad puesto que identifican las áreas donde se producen las mayores pérdidas, lo cual permite definir las zonas donde la actuación debe ser prioritaria con el fin de reducir los daños. Los modelos de riesgo total se pueden obtener mediante la simple adición de los modelos de riesgo directo y de riesgo indirecto en función del escenario considerado para periodos de 10 y 50 años. La Figura 7.40 muestra los modelos de riesgo total de una subzona (con el fin de obtener una fácil visualización), correspondientes a los 3 escenarios de peligrosidad y para un periodo de 50 años. Las cifras de riesgo total correspondientes al área de estudio, para ambos periodos, se muestran en la Tabla 7.24. En dicha tabla se puede observar que el riesgo directo es aproximadamente cinco veces superior al riesgo indirecto aquí considerado. Si se incluyese en el análisis el conjunto de todos los efectos indirectos que pueden ocasionar los deslizamientos (pérdidas de productos perecederos, pérdidas de mercado, etc.), es probable que estas cifras alcanzaran o, incluso, superaran a las debidas al riesgo directo. Tabla 7.24. Valor del riesgo directo, indirecto y total en Euros producidos por los deslizamientos en el área de estudio, de acuerdo con los tres escenarios considerados, para los periodos de 50 y 10 años. Riesgo R. Directo R. Indirecto R. Total

Riesgo (€) Escenario A 5.861.163 1.131.660 6.992.823

50 años Riesgo (€) Escenario B 17.416.720 3.281.698 20.698.418

Riesgo (€) Escenario C 39.090.821 7.106.430 46.197.251

Riesgo (€) Escenario A 1.193.981 230.796 1.424.777

10 años Riesgo (€) Escenario B 2.836.720 546.632 3.383.352

Riesgo (€) Escenario C 3.502.652 674.340 4.176.992

Tal como se ha comentado antes, es preciso tener presente que, caso de ser correcta la previsión contemplada en el escenario C, la mayor parte de las pérdidas totales se produciría hacia el final del periodo considerado, cuando el proceso sería más activo. Por el contrario, si el escenario A es el correcto, las pérdidas anuales serían relativamente uniformes a lo largo de todo el periodo. Los valores de riesgo por deslizamiento presentados para la zona de estudio no son tan enormes como para no poder ser afrontados por las administraciones correspondientes (otros tipos de riesgo como las inundaciones pueden ocasionar en un único evento pérdidas económicas muy superiores), por lo que se puede considerar que el riesgo por deslizamientos en esta zona es reducido. Sin embargo, los modelos de riesgo obtenidos consideran un único escenario de distribución de elementos vulnerables, que es el correspondiente a la situación actual, pero es evidente que la cantidad, tipo y distribución de elementos vulnerables (y de las actividades económicas) no serán iguales dentro de 10 o de 50 años, por lo que también sería conveniente considerar otros escenarios de ocupación humana del territorio, con el fin de obtener valores de riesgo más realistas. Por otro lado, dentro de los procesos de planeamiento territorial y urbanístico, es posible formular distintos escenarios, correspondientes a diferentes modelos de planeamiento, que se plasmarían en otras distribuciones de infraestructuras y usos del territorio. Se podría así 219

Capítulo 7: Resultados y Discusión————————————————————————————————

hacer análisis de riesgos, como los aquí descritos, para cada uno de dichos escenarios. Se tiene así que el procedimiento que aquí se ha desarrollado puede representar una valiosa herramienta para la SEIA (Evaluación de Impacto Ambiental de tipo Estratégico, para planes o políticas), pues permitiría comparar las consecuencias que las distintas alternativas de planeamiento tendrían en lo referente a los riesgos naturales. La formulación de ese tipo de escenarios queda fuera del ámbito de este trabajo, pero abriría interesantes posibilidades.

220

—————————————————————————Desarrollo, aplicación y validación de procedimientos ….

599

1.989

4.408

Figura 7.40. Modelo de riesgo total por deslizamientos para el periodo de 50 años, de acuerdo con los escenarios de peligrosidad propuestos, en una pequeña subzona del área de estudio ampliada a mayor detalle.

221

Capítulo 7: Resultados y Discusión————————————————————————————————

7.5.5 Evaluación de los modelos de riesgo Como ya se ha comentado anteriormente, la evaluación de los modelos generados es indispensable con el fin de determinar su capacidad de predicción. En apartados anteriores del presente capítulo se han presentado los resultados relacionados con la evaluación de los modelos de susceptibilidad. Igualmente se ha mostrado que la evaluación de la peligrosidad está condicionada por las previsiones que se pueden hacer con respecto al comportamiento futuro del proceso. El análisis realizado ha mostrado que no es probable que la peligrosidad se mantenga constante, sino que seguramente aumentará con el tiempo. Es necesario hacer nuevas observaciones a lo largo de los próximos años para comprobar dicha previsión. La evaluación de los modelos de riesgo presenta dificultades apreciables. Por un lado, es difícil obtener cifras reales de daños. Por otro lado, dichas cifras se refieren, lógicamente, al pasado, pero la comprobación de la validez del modelo de riesgo requiere la obtención de datos sobre las pérdidas futuras. El modelo utilizado es de tipo empírico, por lo que supone que los daños ocurridos en el pasado permiten predecir los daños futuros. Esa suposición es razonable, pero es preciso buscar procedimientos para comprobar su validez. Existen algunas vías para intentar evaluar la calidad de los modelos presentados. -

Comparación de resultados con los obtenidos mediante otros métodos. El IGME (1988b) hizo una estimación de las pérdidas esperables por deslizamientos en el País Vasco, para un periodo de 30 años (1986-2016), estableciéndolas en unos 210 y 120 millones de Euros (de esa época), según las hipótesis de riesgo alto y riesgo medio, respectivamente. Teniendo en cuenta que la superficie total del País Vasco es de 7.234 km2, y suponiendo que toda la zona se comporta homogéneamente frente a los deslizamientos (lo cual, por supuesto no es cierto), las cifras que corresponderían al área de estudio equivaldrían a 4 y 2,32 millones de Euros (7,83 y 4,54 millones de Euros a 2005), respectivamente, en 30 años. Las cifras de riesgo directo estimadas en este trabajo para el periodo de 50 años, oscilan entre los 6 y 39 millones de Euros, que para un intervalo de 30 años equivaldrían a 3,6 y 23,4 millones de Euros respectivamente. Esto significa que las cifras de riesgo estimadas en este trabajo, considerando los escenarios A y B, son parecidas a las calculadas por el IGME, si bien en ese estudio se consideran todos los tipos de movimientos, mientras que en el presente trabajo sólo se han considerado los movimientos superficiales. La cifra correspondiente al escenario C, claramente superior, sería válida si las tendencias de aumento en la frecuencia del proceso se confirmaran. Del Val et al., (1986) estiman las pérdidas debidas a deslizamientos en el País Vasco, para un periodo de 15 años (1980-1995) en 150 millones de Euros (326 millones de Euros de 2005). Esta última cantidad equivaldría, para los 140 km2 del área de estudio, a 6,3 millones de Euros. Esto equivale a 21 millones de Euros en 50 años, cifra también similar a las obtenidas en este trabajo. Al igual que en el trabajo del IGME, en este trabajo también se han considerado todos los tipos de movimientos en masa existentes en el País Vasco. Como se puede apreciar, las estimaciones de daños presentadas en los dos trabajos citados arrojan cifras comparables a las obtenidas en el presente estudio. Los análisis anteriores se realizaron a una escala menos detallada (1/50000) y utilizando

222

—————————————————————————Desarrollo, aplicación y validación de procedimientos ….

procedimientos y datos diferentes. La coincidencia (aproximada) en los resultados representa un refuerzo y, en cierto modo, una validación de los tres procedimientos descritos. Según la memoria anual de Euskotren, en 2004 se han dedicado 1,2 millones de Euros a actuaciones frente a riesgos geológicos. Si la longitud total de la red ferroviaria es de 181 kilómetros, lo correspondiente a los 21,8 km. existentes en la zona es de 144.000 Euros aproximadamente. Esta cantidad se aproxima a la que se ha obtenido en este trabajo para los próximos 50 años, lo que sugiere que esta zona no se ve tan afectada por deslizamientos como otras del País Vasco por las que discurre la línea de ferrocarril, o bien que nuestro análisis infravalora el riesgo específico para el tren. Aunque todas estas cifras conviene tomarlas con cautela, se puede observar que los rangos en que se mueven son similares y, por tanto, podrían ser indicativos del riesgo directo ocasionado por los deslizamientos en la zona. Se ha podido realizar una especie de comprobación de carácter grosero a partir de los datos relativos al deslizamiento que afectó a la autopista de la zona en diciembre de 2005. El volumen deslizado durante este episodio fue bastante superior al escenario promedio considerado en nuestro análisis, aproximándose a las dimensiones de los mayores deslizamientos incluidos en el inventario realizado en la zona de estudio. Esto es, unas diez veces superior al tamaño promedio. Aunque el supuesto de partida implica asumir una proporcionalidad directa entre volumen del material desplazado y daños producidos (sin duda, una simplificación), se pueden establecer algunas comparaciones: Los daños directos totales causados por este movimiento (BIDEGI, comunicación personal) fueron de 600.000 €, una cifra claramente superior a la obtenida en nuestro análisis, aunque hay que tener en cuenta las diferencias en la magnitud del movimiento. En lo que se refiere al riesgo indirecto, la autopista permaneció cortada durante unas 30 horas. Considerando la diferencia de volumen entre este deslizamiento y el promedio utilizado para el análisis (y siempre con las reservas indicadas), el tiempo de interrupción del tráfico no es incoherente con el utilizado para la elaboración de nuestros modelos. Evidentemente, este episodio sólo proporciona una información parcial y grosera que no es suficiente para establecer la validez del modelo, pero señala una posible vía para mejorar la estimación de las pérdidas. Un trabajo sistemático de entrevistas con responsables de los ayuntamientos y de la DFG, así como con los habitantes de la zona, probablemente permitiría obtener datos adicionales sobre episodios de menor entidad que hayan afectado a vías de comunicación menos importantes y sobre los cuales no se dispone en la actualidad de datos. -

Por otra parte, la comparación con daños reales de episodios no utilizados para la construcción de los modelos, sería la alternativa más adecuada para su validación. 223

Capítulo 7: Resultados y Discusión————————————————————————————————

Sin embargo, la escasez de registros sobre daños impide su aplicación en la evaluación de los modelos, puesto que no se pueden distribuir los escasos datos en varias muestras, unas para el análisis y otras para la evaluación, como sería lo deseable. -

El análisis del comportamiento futuro, sería, evidentemente, la mejor forma de evaluar el modelo, pero requiere esperar un tiempo considerable y establecer un mecanismo de recogida sistemática de información sobre el proceso a partir del momento actual, lo cual no es sencillo.

En resumen, se ha podido llevar a cabo una evaluación independiente, razonablemente satisfactoria de los modelos de susceptibilidad (el deslizamiento antes citado de 2005 tuvo lugar en una zona clasificada dentro del 5% más susceptible de la zona de estudio, lo que refuerza las validaciones descritas en apartados anteriores). También se han podido hacer previsiones de peligrosidad (frecuencia futura) basadas en datos sobre el comportamiento actual y pasado del proceso. Sin embargo, la comprobación independiente de los modelos de riesgo (previsiones de daños) que se ha podido llevar a cabo hasta el momento ha sido limitada, indirecta y con un valor meramente orientativo. Los datos obtenidos no son incoherentes con el modelo, pero a falta de comprobaciones ulteriores, los modelos de riesgo presentados han de considerarse, por el momento, como “hipótesis razonables pendientes de confirmación”.

224

—————————————————————————Desarrollo, aplicación y validación de procedimientos ….

7.6 Aplicación de los métodos probabilísticos a la predicción de dolinas por disolución de evaporitas En lo que antecede se ha puesto de manifiesto que las técnicas de análisis de datos espaciales utilizadas permiten elaborar modelos de susceptibilidad de deslizamientos con validez contrastable de manera independiente. Tal como se ha comentado en el capítulo 5, la hipótesis de partida en la que se apoya el método propuesto es que es posible establecer correlaciones entre la distribución de los deslizamientos y un conjunto de factores relativos a distintas características susceptibles de expresión espacial, relacionados con la inestabilidad potencial del terreno, a partir de las cuales se puede clasificar el territorio en función de su mayor o menor propensión a experimentar nuevos deslizamientos. Los resultados obtenidos, así como los previamente presentados por otros autores (Chung & Fabbri, 1999; Remondo et al., 2003a; 2005c), han puesto de manifiesto que esa suposición de partida es esencialmente correcta. Además, se ha puesto en evidencia que los citados modelos de susceptibilidad proporcionan una base para la obtención de modelos de peligrosidad y de riesgo. De lo anterior se desprende que cabría esperar que el mismo tipo de técnicas estadísticas debería permitir la elaboración de modelos de susceptibilidad para otros tipos de procesos geológicos condicionados también por variables con expresión espacial. Uno de esos procesos es la aparición de cavidades debidas a procesos de disolución y/o colapso en terrenos sometidos a karstificación. La comprobación de la validez del método para el análisis de estos procesos se puede llevar a cabo de manera especialmente favorable en terrenos evaporíticos, donde la intensidad del proceso es mayor y la frecuencia de aparición de las formas de disolución o colapso resultantes también es mucho mayor (Klimchouk et al., 1996). La bibliografía existente pone de manifiesto que la generación de dolinas por disolución de evaporitas puede producir daños en todo tipo de estructuras (edificios, infraestructuras lineales, presas) causando cuantiosas pérdidas económicas, e incluso puede llegar a provocar víctimas mortales cuándo éstas se generan de manera catastrófica (Cooper & Calow, 1998; Gutiérrez, 2004). En España, este proceso se produce fundamentalmente por la karstificación de formaciones triásicas y terciarias, las cuales abarcan aproximadamente un 7% de la superficie del país (Macau & Riba, 1962). La mayor parte de estas formaciones están compuestas por yeso y anhidrita o yeso, anhidrita y halita. Las zonas más problemáticas, en general, son aquellas en las que los sedimentos evaporíticos terciarios se encuentran cubiertos por depósitos cuaternarios de origen aluvial (karst aluvial) (Gutiérrez et al., 2004a). España es muy probablemente el país europeo en el que el riesgo de subsidencia por disolución de evaporitas tiene una mayor repercusión económica (Gutiérrez et al., 2004a). Los sectores donde la subsidencia produce pérdidas materiales más cuantiosas incluyen las áreas urbanas de Madrid, Calatayud y Zaragoza. En el sureste de Madrid la subsidencia ha causado daños en edificios en la zona de Rivas-Vaciamadrid (Durán et al., 1989), entre otras, y ha planteado problemas en la M-45. La gran mayoría de las construcciones históricas de Calatayud (provincia de Zaragoza), declarada conjunto histórico-monumental en 1967, se encuentran severamente afectadas por la subsidencia (Gutiérrez, 1996, 1998; Gutiérrez & Cooper, 2002). La formación súbita de un colapso el 10 de noviembre de 2003 225

Capítulo 7: Resultados y Discusión————————————————————————————————

dañó seriamente la estructura de un edificio de cinco plantas, siendo precisa su posterior demolición (Gutiérrez et al., 2004b). El valle del Ebro, en el entorno de Zaragoza, es la zona donde las dolinas de hundimiento tienen un mayor impacto socio-económico. Algunas vías de comunicación como la N-232, la antigua línea de ferrocarril MadridBarcelona, o recientemente el AVE (marzo, 2003), han sido afectadas por colapsos repentinos sin causar afortunadamente daños personales (Gutiérrez et al., 2005b; Guerrero et al., 2004). En este sector, la aparición súbita de colapsos por la karstificación aluvial de la Formación Zaragoza (yesos, halita y glauberita) es un fenómeno relativamente frecuente (Benito et al., 1995; Soriano & Simón, 1995; Gutiérrez & Gutiérrez, 1998; Gutiérrez et al., 2005a, b; Guerrero et al., 2004). Desde épocas pasadas, la actividad, reactivación y aparición de dolinas a lo largo del valle del Ebro, tanto aguas arriba como aguas abajo de Zaragoza, ha ocasionado graves problemas a la agricultura y a todo tipo de construcciones e infraestructuras. Las zonas más susceptibles de sufrir procesos de subsidencia son la terraza inferior y la llanura de inundación, sector donde precisamente se concentra la actividad humana (Gutiérrez & Gutiérrez, 1998; Gutiérrez et al., 2005a). Por otra parte, generalmente se constata una mayor concentración de dolinas en las proximidades de canales y acequias de riego. En los últimos años, la percepción de la población ante la peligrosidad y el riesgo por este proceso se ha incrementado notablemente, quizás por el gran impacto mediático que tuvo el socavón que afectó a la línea de Alta Velocidad en las cercanías de Zaragoza (Gutiérrez et al., 2004a). El abandono del Canal Imperial en 1790, la demolición de edificios y colapsos súbitos en líneas de ferrocarril, carreteras y redes de riego, son algunos ejemplos de los daños provocados por este proceso en la zona mencionada. 7.6.1 Los procesos de disolución y hundimiento en evaporitas Los procesos de disolución de evaporitas están controlados por factores como la composición, estructura y textura de las evaporitas, la cantidad de agua en contacto con el material soluble y sus propiedades físico-químicas (grado de saturación, temperatura), el tipo de flujo (laminar o turbulento, freático o vadoso), o las variaciones del nivel freático (White, 1998). Por otro lado, y como consecuencia de la disolución, se producen hundimientos, los cuales están condicionados principalmente por el espesor y las propiedades mecánicas de los materiales situados por encima de la zona donde actúa la karstificación y por la posición del nivel freático y sus variaciones. Con frecuencia, determinadas actividades humanas activan o aceleran los procesos que intervienen en la generación de las dolinas de subsidencia, favoreciendo o desencadenando su formación. Algunos de los factores humanos que pueden contribuir en la generación de dolinas inducidas son las pérdidas y fugas en canales y conducciones, los descensos del nivel freático, la aplicación de cargas estáticas o dinámicas, o determinadas excavaciones superficiales y subterráneas (Lamoreaux & Newton, 1986; Beck, 1988; Gutiérrez, 1998; Guerrero et al., 2004). 7.6.2 Hipótesis de trabajo Atendiendo al problema planteado por la subsidencia en terrenos evaporíticos se ha planteado la siguiente hipótesis de trabajo: “La correlación entre la distribución espacial de las dolinas existentes y los factores que condicionan su generación (se supone que son conocidos), debería permitir la elaboración 226

—————————————————————————Desarrollo, aplicación y validación de procedimientos ….

de modelos que sirvan para pronosticar la distribución espacial de futuras dolinas. Además, la obtención de datos sobre la distribución temporal de las dolinas en el pasado, permitiría hacer pronósticos sobre la frecuencia de los mismos en el futuro. Mediante la aplicación de métodos de validación podría cuantificarse el grado de fiabilidad de dichas predicciones”. Para contrastar dicha hipótesis, se ha seleccionado una zona afectada por este proceso y se ha recogido toda la información relativa a las dolinas existentes (número y tipología) y la referente a aquellos factores que pueden condicionar su aparición y sobre los cuales ha sido posible obtener datos. La correlación entre la distribución de las dolinas existentes y los factores que se supone condicionan su aparición, permitirá generar modelos de probabilidad espacial que muestren la futura distribución de dolinas. Con el fin de establecer de forma cuantitativa su capacidad de predicción, los resultados obtenidos serán evaluados con alguna de las estrategias propuestas anteriormente, como en el caso de los deslizamientos (ver apartado 6.5.1.1.3). 7.6.3 Características del área de estudio 7.6.3.1 Marco geográfico La zona donde se han aplicado estas técnicas corresponde a un tramo del valle del Río Ebro, situado aguas abajo de la ciudad de Zaragoza (Figura 7.41). La superficie que se pretende estudiar ocupa un área de unos 62 km2, comprendida entre las coordenadas rectangulares UTM: Xmin = 686.100; Ymin = 4.602.500; Xmax = 692.600; Ymax = 4.612.000 que forman parte del municipio de El Burgo de Ebro. 7.6.3.2 Marco geológico-geomorfológico El valle del Ebro atraviesa en esta zona una formación evaporítica de edad Oligo-Miocena, formada fundamentalmente por yeso secundario con intercalaciones de margas en superficie, yeso, anhidrita, halita y glauberita (Ortí & Salvany, 1997). Estos sedimentos presentan una disposición subhorizontal cuya tendencia es a acuñarse aguas abajo, y están afectados por sistemas de fracturas subverticales con direcciones dominantes NW-SE y NS. El encajamiento y la migración hacia el noreste sufrida por el río Ebro durante su evolución ha generado un valle asimétrico con un escarpe formado por yesos en el margen NE y una secuencia de terrazas fluviales hacia el SO. Los depósitos aluviales cuaternarios presentan un espesor muy variable y localmente rellenan cubetas de disolución de más de 50 metros de profundidad, generadas por fenómenos de subsidencia sinsedimentaria. El estudio de las estructuras de subsidencia aflorantes demuestra que los fenómenos de subsidencia pueden ser debidos a procesos de karstificación interestratal y aluvial (Guerrero et al., 2004; Gutiérrez et al., 2005a).

227

Capítulo 7: Resultados y Discusión————————————————————————————————

Figura 7.41. Localización geográfica del área de estudio y principales ambientes geomorfológicos. Se han representado los distintos tipos de dolinas existentes (Gutiérrez et al., enviado).

228

—————————————————————————Desarrollo, aplicación y validación de procedimientos ….

Desde un punto de vista geomorfológico se pueden diferenciar tres grandes sectores en la zona de estudio (Fig. 7.41): 1. Terraza inferior del río Ebro y abanicos aluviales, en la zona norte. No se han observado evidencias de subsidencia reciente. 2. La llanura de inundación, en la que se diferencian dos ambientes (Gutiérrez et al., 2005a): A) El canal del río Ebro y su cinturón de meandros. Se trata de un canal meandriforme con barras de meandro (point bars) de gravas y diversos canales abandonados en tiempos históricos. Esta es la zona de la llanura de inundación que se ve afectada por inundaciones con mayor frecuencia. La densidad de dolinas aquí es mucho menor que en el resto de la llanura aluvial. B) El sector relativamente inactivo de la llanura de inundación. Es la zona existente entre el cinturón de meandros y la terraza inferior del margen nororiental. En este sector, con una dinámica morfosedimentaria mucho menos activa, el potencial de preservación de las dolinas es muy superior, tal y como refleja su mayor densidad. 3. Terraza superior del río Ebro y abanicos aluviales del margen sur. La secuencia estratigráfica tipo en este sector está constituida por una unidad de gravas fluviales ligeramente cementadas cubiertas por depósitos de abanico aluvial, constituidos fundamentalmente por limos yesíferos con clastos tamaño grava. Ambas unidades presentan interdigitaciones en el margen del valle. La mayoría de las dolinas cartografiadas en este sector corresponden a colapsos de 1,5-2 metros de diámetro con márgenes subverticales. 7.6.4 Toma y preparación de datos Para llevar a cabo el análisis de susceptibilidad se ha realizado un inventario de las dolinas existentes en el área de estudio (aunque hay que tener en cuenta que muchas de ellas desaparecen rápidamente al ser modificado el terreno por los agricultores) y se han identificado los distintos tipos de variables o factores que pueden condicionar su aparición. 7.6.4.1 Identificación y cartografía de dolinas Mediante la interpretación de fotografías aéreas de diferentes fechas, un detallado trabajo de campo y la consulta a personas del lugar se han identificado las dolinas más recientes presentes en la zona de estudio. La gran cantidad de información recopilada ha sido tratada e incorporada a un SIG. De acuerdo con las características de las dolinas identificadas, se han definido 3 clases “genéticas” de dolinas (Figura 7.42):

229

Capítulo 7: Resultados y Discusión————————————————————————————————

Figura 7.42. Detalle de los distintos tipos de dolinas identificadas en el área de estudio.

230

—————————————————————————Desarrollo, aplicación y validación de procedimientos ….

- Dolinas de colapso en la zona sur (Tipo 1): en la zona sur se han identificado 443 dolinas de colapso. Se caracterizan por ser dolinas de pequeño tamaño (1,5-2 metros de diámetro), con márgenes subverticales. Generalmente, aparecen ligadas a canales, acequias de riego o a conducciones que presentan pérdidas de agua. - Dolinas de colapso en la llanura de inundación (Tipo 2): se han identificado 24 dolinas de entre 30 y 40 metros de diámetro y profundidades de 4 a 6 metros. Buena parte de ellas albergan aguas freáticas con una elevada concentración iónica en facies clorurado sódicas. Este tipo de dolinas aparecen sólo en el sector aguas arriba de la llanura de inundación, probablemente debido a que en este sector la secuencia evaporítica es lo suficientemente potente como para permitir el desarrollo de grandes cavidades. La secuencia de yesos en esta zona es más potente que en el resto y, por tanto, es capaz de desarrollar cavidades. - Grandes depresiones en la llanura de inundación (Tipo 3): en el sector menos activo, situado al norte del cinturón de meandros, se han identificado 22 grandes depresiones someras, con límites difusos y hasta 0,8 kilómetros de longitud, generadas por mecanismos de flexión. Estas zonas, frecuentemente encharcadas, suelen estar colonizadas por vegetación de tipo palustre y halófila y en algunos casos se utilizan como vertederos. 7.6.4.2 Identificación y cartografía de factores condicionantes Teniendo en cuenta el tipo de proceso, se han considerado las variables más representativas que podrían influir en la distribución y desarrollo de dolinas por disolución de evaporitas: - Geomorfología (geomor): Representa las diferentes unidades geomorfológicas cartografiadas en la zona de estudio; estas unidades son: 1. Relieves en sedimentos terciarios 2. Abanicos aluviales 3. Glacis 4. Llanura de inundación 5. Paleocanales 6. Cauce actual del río Ebro 7. Terraza T1 8. Valles de fondo plano - Gradiente litológico (grad_lito): Gradiente de distancia según la dirección del valle que pretende reflejar el cambio lateral de facies evaporítica a arcillosa, que experimenta el sustrato valle abajo. Está relacionado con la variación de facies dentro de la formación evaporítica subyacente. - Espesor (espe): Corresponde al espesor del aluvial, según un mapa de isopacas elaborado a partir de sondeos eléctricos verticales y registros de sondeos. - Distancia a paleocauces (dist_cauces): Representa la distancia continua, en metros, desde los paleocanales hacia el resto de la zona de estudio. - Distancia a acequias (dist_aceq): Representa la distancia continua, en metros, desde los canales de riego hacia el resto de la zona de estudio.

231

Capítulo 7: Resultados y Discusión————————————————————————————————

- Modelo digital del terreno (dem): Modelo digital de elevaciones obtenido a partir de la cartografía del Gobierno de Aragón realizada a escala 1/5000 (equidistancia 5 m.). Los intervalos de altura van de 173 a 270 metros. - Modelo digital de orientaciones (aspect): Se ha obtenido a partir del anterior. Está expresado en valores de 0 a 360º. - Modelo digital de pendientes (slope): Se ha obtenido a partir del modelo digital de elevaciones. Está clasificado en valores de 0º a 88º, aunque los valores superiores a 15º son muy poco frecuentes. - Dirección de flujo (dir_flujo): Representa las direcciones de flujo del acuífero aluvial generadas a partir de la superficie piezométrica. - Superficie piezométrica (sup_piezo): Superficie obtenida a partir de las isopiezas interpretadas en el estudio del Aluvial del Ebro de la Diputación General de Aragón. - Gradiente piezométrico (grad_piezo): Representa la pendiente de la superficie piezométrica. - Índice de saturación en yeso (satu_yeso): Interpolación de los índices de saturación en yeso obtenidos a partir de los análisis de sulfatos recogidos en la base de datos IPA (Inventario de Puntos de Agua) de la Confederación Hidrográfica del Ebro. - Conductividad eléctrica (ce): Es una interpolación de la medida de la capacidad que tiene el agua para conducir la corriente eléctrica. Tiene una relación directa con la concentración de sales disueltas. Esta obtenida a partir de la información contenida en la base de datos IPA citada anteriormente. - Concentración de sulfatos (conc_sulf): Interpolación de la concentración de sulfatos a partir de los análisis recogidos en la base de datos IPA de la Confederación Hidrográfica del Ebro. - Total de sólidos disueltos (solid_dis): Interpolación de la concentración de sólidos disueltos a partir de los datos recogidos en la base de datos IPA de la Confederación Hidrográfica del Ebro. 7.6.5 Análisis y elaboración de los modelos de susceptibilidad Una vez obtenida la información sobre las citadas variables (que en principio deben influir en la aparición de las dolinas de hundimiento identificadas en el área), y aplicando la misma metodología que para los deslizamientos, se han elaborado los modelos de probabilidad espacial o susceptibilidad con un tamaño de píxel de 5 x 5 metros. 7.6.5.1 Problemas planteados en la elaboración de los modelos de susceptibilidad En la generación de dichos modelos se deben tener en cuenta una serie de limitaciones o problemas:

232

—————————————————————————Desarrollo, aplicación y validación de procedimientos ….

1) Existen diferentes tipos de dolinas: en la zona de estudio se pueden diferenciar tres tipos genéticos de dolinas. Esto implica que sus condiciones de formación o desarrollo son probablemente diferentes y, por tanto, las variables que condicionan su aparición pueden ser distintas para cada tipo de dolina. 2) Existen diferentes tamaños de dolinas: las dolinas inventariadas tampoco tienen la misma extensión; por un lado se dispone de depresiones cartografiadas como polígonos, mientras que otro tipo de dolinas se han representado, debido a su escasa extensión, como puntos. Esta diferencia plantea un problema a la hora de incorporar dichos elementos al análisis. Si se analizan por igual los diferentes tipos de dolinas (puntos y polígonos), las superficies tendrán más peso que los puntos en el modelo de susceptibilidad final. Sin embargo, si los polígonos son transformados a puntos, dando así el mismo peso a todos los elementos, la capa de información relativa a las dolinas tampoco refleja la realidad existente, ya que dolinas de gran extensión son asimiladas a extensiones de 25 m2. 3) Existen incertidumbres en las variables consideradas: la mayor parte de ellas son una extrapolación de escasos puntos de muestreo o de sondeos (por ejemplo, la variable índice de saturación en yeso), con lo cual la incertidumbre en cada una de ellas es grande. 4) Algunas de las variables son redundantes: esto es, están muy relacionadas entre sí, por lo que pueden introducir redundancias en el análisis. 5) Las estrategias de validación: en algunos casos se conoce la distribución temporal de los colapsos, pero no es lo suficiente detallada como para hacer grupos temporales. Las grandes depresiones se forman de forma gradual durante largos periodos de tiempo, con lo cual sería muy difícil establecer grupos temporales. Algunos de estos problemas se podrían ir solucionando (mejora de variables, inventarios temporales, etc.), lo que previsiblemente permitirá generar modelos de susceptibilidad de mayor calidad en fases más avanzadas del trabajo. 7.6.5.2 Obtención de modelos de susceptibilidad de dolinas Según se ha indicado, cada tipo de dolina debe formarse bajo unas determinadas condiciones y, por tanto las variables que actúan como factores condicionantes serán seguramente diferentes. Con objeto de determinar cuáles de las variables presentadas anteriormente pueden influir en el desarrollo y aparición de dolinas, es decir, aquellas que mejor explican la distribución espacial de esas formas, se ha seguido el siguiente procedimiento. En primer lugar, se ha realizado un análisis visual de los tres tipos de dolinas definidos con las distintas variables consideradas y, posteriormente se han analizado las distribuciones de frecuencia normalizadas de cada tipo de dolina con respecto a cada una de las variables consideradas (siguiendo el proceso descrito en el apartado 7.1.2). Mediante estos análisis comparativos se han identificado las variables más significativas para cada tipo genético de dolina (Figura 7.43): Tipo 1: dist_aceq; geomor; grad_lito Tipo 2: satu_yeso; dist_aceq; espe; ce Tipo 3: satu_yeso; dist_aceq; espe; ce; geomor 233

Conductividad eléctrica Índice de saturación del yeso Gradiente Litológico

Geomorfología

Espesor

Distancia a acequias

Capítulo 7: Resultados y Discusión————————————————————————————————

Figura 7.43. Representación de las principales variables utilizadas en la generación de modelos de susceptibilidad de dolinas en terrenos evaporíticos.

La relación entre variables y las dolinas inventariadas ha permitido generar diversos modelos de susceptibilidad. Los modelos generados son los siguientes:

234

—————————————————————————Desarrollo, aplicación y validación de procedimientos ….

- Modelo A: incluye los tres tipos de dolinas y el conjunto de las seis variables citadas anteriormente (Figura 7.44). Los puntos han sido transformados a un píxel, mientras que los polígonos se asimilan a un conjunto de píxeles.

Figura 7.44. Modelo A: generado con los tres tipos de dolinas, tanto puntos como polígonos, y con las variables: Geomorfología, Espesor, Distancia a acequias, Gradiente, Índice de saturación en yeso y Conductividad eléctrica. (0: mínima susceptibilidad; 200: máxima susceptibilidad).

235

Capítulo 7: Resultados y Discusión————————————————————————————————

- Modelo B: generado con los tres tipos de dolinas transformados a puntos y con las seis variables (Figura 7.45).

Figura 7.45. Modelo B: generado con los tres tipos de dolinas, transformados a puntos, y con las variables: Geomorfología, Espesor, Distancia a acequias, Gradiente, Índice de saturación en yeso y Conductividad eléctrica. (0: mínima susceptibilidad; 200: máxima susceptibilidad).

236

—————————————————————————Desarrollo, aplicación y validación de procedimientos ….

- Modelo C: incluye a las dolinas de tipo 1 (representadas por un píxel) y sus variables más significativas: Geomorfología, Distancia a acequias y Gradiente (Figura 7.46).

Figura 7.46. Modelo C: generado con las dolinas tipo 1 y sus variables más significativas: Geomorfología, Distancia a acequias y Gradiente. (0: mínima susceptibilidad; 200: máxima susceptibilidad).

237

Capítulo 7: Resultados y Discusión————————————————————————————————

- Modelo D: generado con las dolinas tipo 2 (representadas por un píxel) y las variables que influyen en su formación: Índice de saturación en yeso, Distancia a acequias, Espesor y Conductividad eléctrica (Figura 7.47).

Figura 7.47. Modelo D: generado con las dolinas tipo 2 y sus variables más significativas: Índice de saturación en yeso, Distancia a acequias, Espesor y Conductividad eléctrica. (0: mínima susceptibilidad; 200: máxima susceptibilidad).

238

—————————————————————————Desarrollo, aplicación y validación de procedimientos ….

- Modelo E: incluye a las dolinas tipo 3 (transformadas a píxeles) y sus variables más significativas: Índice de saturación en yeso, Distancia a acequias, Espesor, Conductividad eléctrica y Geomorfología (Figura 7.48).

Figura 7.48. Modelo E: generado con las dolinas tipo 3 y sus variables más significativas: Índice de saturación en yeso, Distancia a acequias, Espesor, Conductividad eléctrica y Geomorfología. (0: mínima susceptibilidad; 200: máxima susceptibilidad)

239

Capítulo 7: Resultados y Discusión————————————————————————————————

La representación gráfica de los cinco modelos de probabilidad espacial o susceptibilidad presentados se ajusta bastante a la distribución de las dolinas inventariadas; esto es, discretiza bastante bien las zonas con alta densidad de dolinas. La representación de las diferentes curvas de ajuste de los modelos obtenidos se muestra en la Figura 7.49, donde se puede observar que el mejor ajuste lo ofrece el modelo D, generado con las dolinas de Tipo 2; mientras que el modelo A es el que se ajusta peor a sus propios datos. Este modelo es claramente inapropiado, pero el resto de los modelos aporta predicciones bastante buenas, de forma que con aproximadamente el 10% del área se explican más del 75% de las dolinas. La escasa e incorrecta capacidad de predicción que se obtiene con el modelo A, probablemente se deba a que se da mucho peso a las grandes dolinas (polígonos con gran número de píxeles), mientras que las dolinas de tipo 1 sólo están representadas por un píxel, ocupando, en conjunto, una superficie muy pequeña a pesar de ser muy abundantes. 1

Porción de dolinas predichas

0.9 0.8 0.7

Modelo A

0.6

Modelo B

0.5

Modelo C Modelo D

0.4

Modelo E

0.3 0.2 0.1 0 0

0.1

0.2

0.3

0.4

0.5

0.6

0.7

0.8

0.9

Porción de área clasificada como susceptible

Figura 7.49. Curvas de ajuste de los 5 modelos de susceptibilidad obtenidos.

Los restantes modelos, por el contrario, muestran una alta capacidad de predicción, sobre todo cuando se tratan independientemente los diferentes tipos de dolinas, si bien el modelo elaborado para el conjunto de todas ellas (modelo B) empeora ligeramente la predicción respecto a los anteriores. En el caso del modelo D, el mejor de todos, puede haber un efecto de concentración de dolinas en una zona con características muy concretas. A modo de resumen, los modelos generados presentan buenos ajustes (bastante mejores que para los deslizamientos), esto es, una predicción aproximada del 80% en el 10% del área de estudio.

240

—————————————————————————Desarrollo, aplicación y validación de procedimientos ….

En la Figura 7.50 se han superpuesto el modelo B y las dolinas (puntos) que se utilizaron para generarlo, y se puede observar como la mayoría de las dolinas existentes se sitúan en las zonas clasificadas como más susceptibles.

Figura 7.50. Superposición del Modelo B y el conjunto de todas las dolinas en forma de puntos (0: mínima susceptibilidad; 200: máxima susceptibilidad).

241

Capítulo 7: Resultados y Discusión————————————————————————————————

7.6.5.3 Evaluación de la capacidad predictiva de los modelos de susceptibilidad de dolinas La técnica de validación o evaluación de resultados, en esta etapa preliminar de análisis del proceso de karstificación, sólo se ha aplicado a uno de los modelos obtenidos con el fin de observar el grado de fiabilidad que pueden llegar a proporcionar, y así obtener unos resultados iniciales. En esta etapa del trabajo no es estrictamente necesario validar todos los modelos, dado que aún se requiere generar otros nuevos y probar nuevas variables. Para ello se ha seleccionado uno de los modelos anteriormente obtenidos (modelo B) y se ha procedido a evaluar su capacidad de predicción. La estrategia de evaluación/validación llevada a cabo ha sido la de dividir de forma aleatoria el número de dolinas en dos grupos, dado que no se dispone de series temporales de dolinas. En la Figura 7.51 se presentan las curvas de validación correspondientes. Ambas curvas son similares y muestran que con un 10% del área de estudio se predicen en torno al 75% de las dolinas. Por otro lado, se aprecia en la figura que aproximadamente el 45% de la zona de estudio se puede considerar como “segura”. 1

Porción de dolinas predichas

0.9 0.8 0.7

Grupo 1

0.6 0.5

Grupo 2

0.4 0.3 0.2 0.1 0 0

0.1

0.2

0.3

0.4

0.5

0.6

0.7

0.8

0.9

Porción de área clasificada como susceptible

Figura 7.51. Curvas de validación obtenidas para el Modelo B. La muestra de dolinas ha sido dividida, de forma aleatoria, en 2 grupos; el modelo generado con el grupo 1 de dolinas es validado con las dolinas del segundo, y viceversa.

242

—————————————————————————Desarrollo, aplicación y validación de procedimientos ….

7.6.6 Consideraciones finales Aunque los resultados preliminares obtenidos no son todavía concluyentes, ya que se necesita un mayor conocimiento sobre el funcionamiento de los diferentes tipos de dolinas y de las variables que condicionan su aparición (así como incluir otras nuevas, por ejemplo los usos del suelo), se puede considerar que son bastante satisfactorios, sobre todo si se tienen en cuenta las limitaciones que presentan las variables consideradas. La mejora en las predicciones de este tipo de proceso está fuertemente condicionada por la mejora de las variables o factores condicionantes utilizados en los análisis, la mayoría de ellos relacionados con las características del subsuelo. El desarrollo de campañas de geofísica y de sondeos permitiría mejorar la calidad de esas variables y, por tanto, la capacidad de predicción de los modelos de susceptibilidad. Los datos disponibles hasta el momento no han permitido llevar a cabo una evaluación del modelo utilizando una estrategia de tipo temporal. Sin embargo, dada la actividad del proceso, un nuevo inventario que facilite la recogida de datos relativos a la aparición de nuevas dolinas en un periodo de aproximadamente un año, haría posible la comprobación de la capacidad del modelo para predecir la aparición de futuros hundimientos y, eventualmente, la obtención de modelos de peligrosidad. En resumen, aunque la aplicación del procedimiento para el análisis de este tipo de proceso tiene todavía carácter preliminar, se puede decir que la hipótesis de partida parece esencialmente correcta y que el método ofrece interesantes posibilidades para la evaluación de este tipo de riesgo.

243

Capítulo 7: Resultados y Discusión————————————————————————————————

7.7 Metadatos Como se ha mostrado a lo largo de todo el trabajo, la calidad de los modelos elaborados y la fiabilidad de los resultados (predicciones) obtenidos depende de la calidad de los datos utilizados. El uso de los modelos de susceptibilidad, peligrosidad y riesgo, como herramientas de planificación y gestión, debe hacerse teniendo en cuenta las incertidumbres existentes, dependientes en gran medida de la calidad de los datos. Por ello, es importante que el proceso de elaboración de los modelos y de obtención de resultados incluya, como una parte intrínseca del mismo, una detallada descripción del origen, naturaleza, forma de obtención, precisión, etc. de los distintos datos utilizados como variables, así como de los relativos a los resultados obtenidos a partir de los mismos. Eso no solamente permitirá conocer las potencialidades y limitaciones de dichos resultados, sino que también ayudará a identificar aquéllas variables en las cuales puede ser más importante la introducción de mejoras (actualización, aumento de la precisión, etc.). Por otro lado, una correcta explicación de los metadatos, garantiza la reproducibilidad de los resultados por parte de diferentes operadores, algo esencial en cualquier procedimiento científico. Además, es importante que los modelos elaborados sean dinámicos (tanto ellos como las variables en las que están basados, esto es, que puedan ser actualizados a medida que se incorpora nueva información. Para ello es necesario disponer en sus metadatos de un registro detallado sobre su linaje. De acuerdo con lo anterior, se ha concebido y creado una estructura de base de metadatos (basada en los diferentes estándares internacionales) sobre la zona de estudio, que cubre todas las variables utilizadas, así como los distintos tipos de modelos obtenidos a lo largo del proceso presentado. Para cada capa de información utilizada y obtenida se aporta información sobre los siguientes grandes epígrafes: Identidad del modelo, Calidad de los datos, Referencia espacial, Organización espacial y Distribución de los datos. La citada base de metadatos, que constituye una de las aportaciones al proyecto europeo ALARM, se presenta de manera detallada en el Anexo II.

244

—————————————————————————Desarrollo, aplicación y validación de procedimientos ….

CAPÍTULO 8 CONCLUSIONS/CONCLUSIONES

245

Capítulo 8: Conclusions/Conclusiones—————————————————————————————————

246

—————————————————————————Desarrollo, aplicación y validación de procedimientos ….

CAPÍTULO 8 CONCLUSIONS As a result of the work carried out, which has been presented above, there have been a number of advances made with respect to the development and application of models for susceptibility, hazard, vulnerability and risk for geomorphological processes. These advances, are described below, and refer, to the improvement in prediction capability of the susceptibility and hazard models, to the development of risk models, and also of models to predict some geomorphologic processes and risks that had not been previously analysed using probabilistic techniques. The potential of those methods as prospective tools for Strategic Environmental Impact Assessment applicable to town planning has also been demonstrated. In relation with the aims set out (see Chapter 5) the following conclusions can be drawn: • The improvement in the statistical procedures used to produce landslide susceptibility models has made it possible to obtain models with a greater prediction capability than that corresponding to the susceptibility models presented by previous authors. As a result of the new models obtained from this work, prediction capability has increased on the average by 5% with respect to the results obtained by Remondo (2001). This improvement can partly be attributed to the use of statistical techniques that make it possible to use quantitative variables as continuous data as well as to the use of variables of greater accuracy. • The combination of variables that have shown a greater prediction capability is: lithology, landcover, regolith thickness, elevation, slope gradient, and aspect. The use of geometric variables derived from the use of high resolution Digital Elevation Models increases the prediction capability of susceptibility models. The DEM used for this work, of greater accuracy and of greater resolution than the one used previously, is also partly responsible for the improvement obtained. • The inclusion of new variables in the analysis (such as insolation, distance from faults or from rivers) has not produced any improvement in the prediction capability of the models. It does, therefore, seem that these variables contribute very little to the occurrence of landslides, which could be due to the fact that they are not properly represented or, what is even more likely, that they become redundant when used in conjunction with other variables or combinations of variables, or simply that the variable bears no significant influence upon the process. The null effect of including the last two variables mentioned suggests that neither seismic activity nor river bank undercut are triggering factors for shallow landslides in the area. • Alternatively, neither the incorporation of fuzzy boundaries in the case of the categorical variables, nor the improvement of the landcover map (one of the most significant variables in principle), has given rise to improvements of any importance in

247

Capítulo 8: Conclusions/Conclusiones—————————————————————————————————

susceptibility prediction. This is probably indicative of the fact that the variables that were used previously were of relatively high quality, for which reason the added improvements have not made any appreciable difference. • The new inventory of shallow landslides obtained for the area under study, together with the already existing ones, has been used to produce new susceptibility models and to evaluate the models based on preceeding inventories. In addition, this new inventory has shown a decrease in landslide frequency in the area; earlier works indicated, in contrast, that the number of landslides showed a rising trend. This fact must be analysed for longer periods in order to be able to determine whether the frequency conforms to the previously identified trends or to those observed in the last four years that were analysed. • The evaluation or validation of susceptibility models is essential in order to be able to determine their prediction reliability or capability. The different validation strategies tested, which have shown similar results, have made it possible to select the susceptibility model offering the greatest prediction capability. Of all the models generated, it is the model obtained with the 1991-1997 landslide sample and the combination of variables: lithology, landcover, regolith thickness, elevation, slope gradient and aspect, that provides the best prediction. This spatial probability model has been used to transform susceptibility into hazard. • The information relative to temporal data on past landslide occurrences in the area under study, together with the information gathered at world and/or national level on the frequency of catastrophic events, has served to draw up scenarios simulating possible future frequency trends for landslides. These scenarios range from an optimistic situation (scenario A: the average for what has happened in the past) to an extremely pessimistic situation (scenario C: the exponential increase in accordance with the best fit for the data observed in the past), and these have been the basis for the construction of different hazard models, one for each of the three different scenarios being considered. • In order to predict future behaviour with regard to magnitude, volume and run-out distance, what has been proposed is an event scenario based on the average (and most frequent) type of landslide that exists in the area under study (shallow landslides that affect the regolith; average surface area: 510 m2; average volume: 250 m3; speed ranging from fast to very fast), and for which the different susceptibility models have been created. That is to say, the hazard models created from the susceptibility models take into consideration the magnitude and the run-out distance. This magnitude is a determining factor when it comes to estimating the vulnerability of exposed elements. • Landslides that have occurred recently allow the elements at risk to be identified directly, and these elements are: infrastructure, buildings and landcover. Another aspect to be taken into consideration is that of socio-economic activities, which are affected indirectly. • The spatially represented exposed elements have been mapped, producing the corresponding database in which the €/pixel economic value of the element has been included, thus making it possible to create economic value maps which have then later been used to estimate vulnerability and risk.

248

—————————————————————————Desarrollo, aplicación y validación de procedimientos ….

• From the analysis of the effects caused by landslides in the past it has been possible to extract criteria on which to base the vulnerability estimation. Due to there being little data referring to damage produced by landslides in the past, it has been necessary to carry out a series of estimations, based on indirect data, which take into account the possible costs that the type of landslide being analysed can cause when it affects a specific element. • It has been possible to create vulnerability models for each exposed element, based on the ratio between losses that have been incurred on the element (if this latter is affected by landslides) and the value of the element itself. In this way, vulnerability has been expressed in values fluctuating between 0 and 1. Obviously, vulnerability depends on the type of element affected and on the magnitude of the landslide. Out of the different kinds of infrastructure, it is the local roads and railway track that are the most vulnerable, whereas the motorway is the least. The vulnerability of buildings is very low because the landslides are of limited magnitude, causing scarcely any damage to them. As far as agricultural usage is concerned, the crop-growing areas are the most vulnerable to landslides, followed by meadow areas and then reforested areas. • A procedure has been developed to deal with the estimation of indirect losses (the disruption of economic activities), since these could be highly relevant. In order to do this, it has been supposed that the occurrence of a landslide affecting different infrastructures in the area causes the traffic using that particular road to come to a halt and, as a consequence, workers are either delayed or are forced to take an alternative longer route. This ultimately means a loss in working hours and, therefore, a series of indirect economic losses. The analysis of indirect losses is not as exact as that of direct losses, and should be considered as a first approximation to the indirect damage caused in this area by landslides. • Integrating the vulnerability models with the element value maps and with the hazard models has made it possible to obtain specific risk models for each type of element, expressed in economic terms (€/pixel), for a specific period of time and in accordance with the hazard scenarios being considered. • The greatest specific risk is produced in the infrastructures (and within this group, in local roads), with buildings being a far less important case. The integration of different specific risk models has led to different direct risk models being obtained, one for each hazard scenario. Indirect risk is more important in the case of the railway than in any of the other infrastructures, where it is of little significance. Indirect risk is equivalent to one fifth of direct risk, which indicates that the indirect effects caused by landslides in the area are relatively minor importance. However, if all the possible indirect effects were taken as a whole, then those figures could be equal to or greater than those corresponding to the direct risks.

The final figures for shallow landslide risk obtained for the different periods under analysis are relatively small when compared to those resulting from other kinds of processes (floods, for example). Therefore, in most cases it can actually be more viable, from an economic point of view, to let the process take place and then repair or restore. Since it has not been possible to carry out a rigorous evaluation of the risk models obtained (due to insufficient data for validation), the values represented in the models should not be considered as exact values of future losses, but rather as approximate or potential figures,

249

Capítulo 8: Conclusions/Conclusiones—————————————————————————————————

assuming that the process will continue to behave in the future in a similar way to as it did in the past. Obtaining risk models, expressed in economic terms, makes it possible to identify those areas where a greater effort should be made, in order to anticipate and mitigate the damage caused by geomorphological processes, as well as earmarking economic funding to deal with possible damage. • The application of procedures and techniques developed for landslide analysis and prediction to a completely different process, the appearance of collapse sinkholes and shallow subsidence in evaporitic terrains, underlines the potential these procedures have for the analysis of different geomorphological processes. The preliminary results obtained indicate that this set of techniques is indeed useful for predicting the areas affected by this process in the future. The absence of temporal inventories (past frequency) has made it impossible to transform the susceptibility models into hazard models. Nevertheless, given the degree of activity of the process in the area under study, following it up over the next few years will allow hazard maps expressed in terms of probability to be drawn up. • The creation of databases and metadata on variables and the models generated helps towards making this procedure one that can be reproduced by any operator and towards keeping it up to date. The way they are presented makes them comprehensible documents for decision makers and, therefore, useful tools for risk management.

Summing up, the existence of detailed inventories of landslides that have occurred in the past, as well as spatial data, referring to variables related to terrain instability, of high quality and in great detail, has made it possible to generate susceptibility models with a known prediction capability that improves upon the previously attained one. The more detailed the landslide inventories become in the future, the more reliable the models generated will be, and these latter will make it possible to better establish future behavioural trends. The three scenarios proposed in this work show the possible future frequency of landslides based on the existing landslide frequency in the past and on the general trends shown by this type of process at both national and world level. A more detailed analysis of these trends would make it possible to develop probabilistic hazard models that come closer to future situations and, therefore, better quality risk models. In relation with the aspects dealt with in this work and the conclusions obtained, possible future lines of research that would improve both the procedures and results obtained have been considered. - One of the lines to follow is improving the understanding of the different conditioning factors in relation with landslides; that is to say, knowing what influence the variables used in the susceptibility analysis have on the occurrence of landslides. - It is also important to include additional variables, not taken into consideration in previous works. It is likely that the most important variable, out of those not taken into account previously, is the one that represents the structure/topography relationship, which can be fairly accurately modelised from the data present in conventional geological maps. - It would be convenient to look into the possibility of obtaining very high resolution Digital Elevation Maps, since it seems very clear that the higher the resolution on these

250

—————————————————————————Desarrollo, aplicación y validación de procedimientos ….

maps is, the greater the susceptibility model’s prediction capability is. The use of different techniques (photogrammetry, LIDAR, GPS, total stations, etc), allows a large number of points to be captured, and these serve to generate high resolution and high quality DEMs. - Similarly, the effect of a better representation of the instability features as data for analysis (dependent variable) should also be analysed. So far, instability features have been considered as points that are indicative of the centre of the failure area, or as polygons that represent the entire rupture area. What is intended for the future is to use the aureole close to the scarp area, as this area is the one that offers the conditions closest to those on the slope prior to the rupture. - Another of the lines to follow up is that of applying analysis to other cinematic types of mass movements and to work on the development of other methods incorporating magnitude and the run-out distance, especially in the case of large-scale landslides, which bears a direct influence upon the vulnerability of the elements and, therefore, that of risk. The models on the run out distance, both deterministic (dynamic simulation) and probabilistic, would make the estimation of possible damage caused by the corresponding processes far easier to carry out. - Improvement in mathematical techniques to modelise landslide susceptibility is indeed promising. There have recently been improvements of a technical nature to optimise modelisation. Nevertheless, it is still necessary to look into these potentialities in greater detail, like making use of other techniques such as the artificial neural networks. Some models involving the use of this type of technique have been experimented with, providing us with promising results that must be analysed in detail. - It is essential to continue carrying out systematic inventories of events in order to improve the susceptibility analyses and to contrast them with those results obtained prior to this. That data will in turn improve the hazard models thanks to there being a greater amount of information referring to landslide frequency, which will make it possible to define more precisely the future trends that the process could undergo and, consequently, propose more realistic scenarios of future frequency. - When defining those scenarios it will be necessary to take into consideration the relationship between landslide frequency and socio-economic or climatic factors. Consequently, it will be necessary to look even more deeply into the study of the relationship between human activities and the frequency of the process. Data so far analysed have shown that there is a certain relationship between a rise in the GDP and the increase in the number of natural processes, for which reason it is necessary to carry out an in-depth analysis of this type of relationship. On the other hand, the frequency of triggering factors should also be considered in order to design scenarios that are complementary to those based on the frequency of past events. - The continuous updating of non static variables such as land use or the elements (new infrastructures and buildings, town planning, etc.), would help to generate susceptibility models and risk models more in accordance with the new situations that can arise. The formulation of different land-use scenarios, based on different planning proposals, would allow the generation of risk models that could be used as tools for planning or for strategic EIA.

251

Capítulo 8: Conclusions/Conclusiones—————————————————————————————————

- It would be convenient to carry out systematic cost/benefit analyses to compare potential damage under different scenarios with the cost of implementing mitigation measures or strategies, to determine to what extent the latter are justified. - The evaluation process for risk models needs to be improved by means of methods or strategies that are comparable to those used for susceptibility model evaluation. Efforts should be devoted to the gathering of data on damage caused by landslides in order to better test the quality of the risk predictions obtained. - Diffusion of the methods and procedures used would make it possible to develop performance protocols for use in disasters and to interact with the decision makers so as to gain a better understanding of hazard and risk models and to design mitigation measures that will help to reduce those losses. - The last of the avenues to be explored in the future is that of attempting to apply these methods to other processes. Although preliminary results have been given here in relation to sinkhole susceptibility models, it would also be interesting to go even more deeply into the question of the method’s potentiality regards this and other processes linked to a series of spatial variables such as the determining of areas liable to undergo erosion processes, or processes related to the presence of permafrost or the elaboration of potential vegetation models. Following the trends indicated by the European programmes, the methodologies and analysis of the processes described should be contemplated within a broader framework, the multi-risk analysis that would include the potential damage due to all the different processes threatening an area. To integrate into one single model all that which is relative to several different processes is, from the conceptual point of view, a complex task, but this certainly does not mean that an attempt to find a better application of these tools for prevention should not be made.

252

—————————————————————————Desarrollo, aplicación y validación de procedimientos ….

CAPÍTULO 8 CONCLUSIONES Como consecuencia del trabajo realizado, presentado anteriormente, se han obtenido una serie de avances en lo que se refiere al desarrollo y aplicación de modelos de susceptibilidad, peligrosidad, vulnerabilidad y riesgo para procesos geomorfológicos. Dichos avances se describen a continuación y, se refieren, sobre todo, a la mejora en la capacidad de predicción de los modelos de susceptibilidad y de peligrosidad, al desarrollo de modelos de riesgo, también al desarrollo de modelos para predecir procesos y riesgos geomorfológicos que no se habían ensayado con anterioridad utilizando técnicas probabilísticas, o incluso en la puesta de manifiesto del potencial de los métodos descritos como herramientas de carácter prospectivo para la Evaluación del Impacto Ambiental de tipo Estratégico, aplicable al planeamiento urbanístico. En relación con los objetivos planteados (ver capítulo 5), se pueden extraer las siguientes conclusiones: • La mejora de los procedimientos estadísticos empleados para la elaboración de modelos de susceptibilidad de deslizamientos, ha permitido obtener modelos con mejor capacidad de predicción que la que presentaban los modelos de susceptibilidad propuestos por anteriores autores. Como resultado de los nuevos modelos obtenidos durante este trabajo, la capacidad de predicción se ha visto incrementada de promedio un 5% respecto a los resultados obtenidos por Remondo (2001). Parte de esa mejora es atribuible al uso de técnicas estadísticas que permiten tratar las variables no categóricas de forma continua (sin ser discretizadas) y al uso de variables más precisas. • La combinación de variables que ha demostrado una mayor capacidad de predicción es: litología, usos del suelo, espesor de regolito, altitud, pendiente y orientación. El uso de variables geométricas derivadas de los Modelos Digitales de Elevaciones (MDEs) de alta resolución, aumenta la capacidad de predicción de los modelos de susceptibilidad. El MDE utilizado para este trabajo, más exacto y de mayor resolución que el utilizado anteriormente, explica también una parte de la mejora obtenida. • La inclusión de nuevas variables en el análisis (como insolación, distancia a fallas o distancia a ríos), no ha producido mejoras en la capacidad de predicción de los modelos. Por tanto, parece que dichas variables contribuyen poco a la aparición de deslizamientos, lo cual puede deberse a que la representación de las mismas no es satisfactoria o, más probablemente, al hecho de que sean redundantes con otras variables o combinaciones de variables, o bien a que la variable no tenga influencia significativa sobre el proceso. En concreto, el nulo efecto de la inclusión de las dos últimas variables indicadas, sugiere que ni la actividad sísmica ni el socavamiento erosivo producido por los cauces fluviales son factores desencadenantes de deslizamientos superficiales en la zona.

253

Capítulo 8: Conclusions/Conclusiones—————————————————————————————————

Por otro lado, ni la incorporación de límites difusos en el caso de las variables temáticas, ni la mejora del mapa de usos del suelo (una de las variables en principio más significativas), ha dado lugar a mejoras importantes en la predicción de la susceptibilidad. Esto probablemente refleja el hecho de que las variables previamente utilizadas tenían bastante calidad, por lo que las mejoras añadidas no han representado una diferencia apreciable. • El nuevo inventario de deslizamientos superficiales obtenido para la zona de estudio, junto con los ya existentes, se ha utilizado para la elaboración de nuevos modelos de susceptibilidad y para la evaluación de los modelos realizados a partir de los inventarios precedentes. Además, este nuevo inventario ha mostrado un decremento de la frecuencia de deslizamientos en la zona; trabajos anteriores indicaban, por el contrario, que existía una tendencia al aumento en el número de deslizamientos. Este hecho deberá analizarse para periodos más largos, con el fin de comprobar si la frecuencia se ajusta a las tendencias anteriormente identificadas o bien a las observadas en los últimos cuatro años analizados. • La evaluación o validación de los modelos de susceptibilidad es indispensable para determinar su fiabilidad o capacidad de predicción. Las diferentes estrategias de validación ensayadas, que han mostrado resultados similares, han permitido seleccionar el modelo de susceptibilidad que ofrece una mayor capacidad de predicción. De todos los modelos generados, el modelo obtenido con la muestra de deslizamientos 1991-1997 y la combinación de variables: litología, usos del suelo, espesor de regolito, altitud, pendiente y orientación, es el que proporciona una mejor predicción. Este modelo de probabilidad espacial se ha utilizado para transformar la susceptibilidad en peligrosidad. • La información relativa a la frecuencia temporal de deslizamientos en la zona de estudio, junto con la información recopilada a nivel mundial y/o nacional sobre frecuencias de eventos catastróficos, ha servido para formular escenarios que simulan las posibles tendencias de frecuencia futura de deslizamientos. Dichos escenarios, varían desde una situación optimista (escenario A: promedio de lo sucedido en el pasado) hasta una situación muy pesimista (escenario C: incremento exponencial de acuerdo con el mejor ajuste de los datos observados en el pasado), y han sido la base para elaborar distintos modelos de peligrosidad, uno para cada uno de los tres escenarios considerados. • Con el fin de predecir el comportamiento futuro en lo que respecta a magnitud, volumen y alcance de la masa deslizada, se ha propuesto un escenario de evento basado en el tipo medio de deslizamiento (y más frecuente) existente en el área de estudio (deslizamientos superficiales que afectan al regolito; superficie media: 510 m2; volumen medio: 250 m3; velocidad rápida a muy rápida) y para el cual se han elaborado los distintos modelos de susceptibilidad. Esto es, los modelos de peligrosidad elaborados a partir de los modelos de susceptibilidad tienen en cuenta la magnitud y el alcance de la masa deslizada. Dicha magnitud es determinante a la hora de estimar la vulnerabilidad de los elementos expuestos. • Se han identificado los elementos afectados directamente por los deslizamientos en el pasado reciente. Estos elementos son: infraestructuras, edificios y usos del suelo. También se ha considerado la exposición de las actividades socioeconómicas, las cuales son afectadas de forma indirecta. • Los elementos expuestos con representación espacial han sido cartografiados y se han generado las correspondientes bases de datos en las cuales se ha incorporado el valor

254

—————————————————————————Desarrollo, aplicación y validación de procedimientos ….

económico del elemento en €/píxel, a partir del cual se han elaborado los mapas de valor económico que han sido utilizados en la posterior estimación de la vulnerabilidad y del riesgo. • A partir del análisis de los efectos producidos por los deslizamientos en el pasado se han podido extraer criterios en los que se ha basado la estimación de la vulnerabilidad. Debido a la escasez de datos relativos a daños provocados por los deslizamientos en el pasado, ha sido necesario realizar una serie de estimaciones, basadas en datos indirectos, que tienen en cuenta los posibles gastos ocasionados por el tipo de deslizamiento analizado cuando afecta a un determinado elemento. • Se han podido elaborar modelos de vulnerabilidad para cada elemento expuesto, a partir de la relación entre pérdidas provocadas sobre el elemento (si éste queda afectado por deslizamientos) y el valor del propio elemento. De esta forma la vulnerabilidad se ha expresado en valores que oscilan entre 0 y 1. Obviamente, la vulnerabilidad depende del tipo de elemento afectado y de la magnitud del deslizamiento. De todas las infraestructuras, las carreteras locales y la línea de ferrocarril son los elementos más vulnerables, mientras que el elemento menos vulnerable es la autopista. La vulnerabilidad de los edificios es muy baja debido a la reducida magnitud de los deslizamientos, que apenas les dañan. En lo referente a usos agrarios, las zonas dedicadas a cultivos son las más vulnerables a los deslizamientos, seguidas de las zonas de prados y de las repoblaciones forestales. • Se ha desarrollado un procedimiento para abordar la estimación de pérdidas de carácter indirecto (alteración de las actividades económicas), puesto que éstas podrían ser muy relevantes. Para ello se ha supuesto que la ocurrencia de un deslizamiento que afecta a las diferentes infraestructuras de la zona, ocasiona una interrupción del tráfico que circula por esa vía y, como consecuencia, se produce un retraso de los trabajadores o bien, un desplazamiento alternativo más largo. Esto se traduce en pérdidas de horas laborables y, por tanto, en una serie de pérdidas económicas indirectas. El análisis de las pérdidas indirectas no es tan preciso como el de las pérdidas directas, y debe considerarse como una mera aproximación a los daños indirectos que en esta zona causan los deslizamientos. • La integración de los modelos de vulnerabilidad con los mapas de valor de elemento y con los modelos de peligrosidad, ha permitido obtener modelos de riesgo específico para cada tipo de elemento, expresados en términos económicos (€/píxel), para un periodo de tiempo determinado y de acuerdo con los escenarios de peligrosidad considerados. • El mayor riesgo específico se produce en las infraestructuras (y dentro de éstas, en las carreteras locales), siendo poco importante en el caso de los edificios. La integración de los diferentes modelos de riesgo específico ha permitido obtener diferentes modelos de riesgo directo, uno para cada escenario de peligrosidad considerado. El riesgo indirecto es más importante en el ferrocarril que en el resto de las infraestructuras, donde es poco significativo. El riesgo indirecto equivale a una quinta parte del riesgo directo, lo que indica que los efectos indirectos producidos por los deslizamientos en la zona son poco importantes. Sin embargo, si se contemplasen todos los posibles efectos indirectos, esas cifras podrían ser equiparables o superiores a las de los riesgos directos.

Las cifras finales de riesgo por deslizamientos superficiales obtenidas para los distintos periodos analizados, son relativamente pequeñas cuando se comparan con las ocasionadas

255

Capítulo 8: Conclusions/Conclusiones—————————————————————————————————

por otros tipos de procesos (por ejemplo, las inundaciones). Por tanto, en la mayoría de los casos puede ser más rentable, desde un punto de vista económico, dejar que el proceso actúe y luego reparar o restaurar. Dado que los modelos de riesgo obtenidos no se han podido evaluar de forma rigurosa (debido a la escasez de datos para validar), los valores que se representan en los modelos no deben considerarse como valores exactos de pérdidas futuras, sino que se han de tomar como cifras aproximadas o potenciales, suponiendo que el proceso se comportará en el futuro de forma similar a como lo hizo en el pasado. La obtención de modelos de riesgo, expresados en términos económicos, permite identificar las zonas donde es necesario dedicar mayores esfuerzos, con el fin de prevenir y mitigar los daños ocasionados por los procesos geomorfológicos, así como prever partidas económicas para afrontar posibles daños. • La aplicación de los procedimientos y técnicas desarrollados para el análisis y predicción de los deslizamientos a un proceso muy diferente, la aparición de dolinas por colapso y subsidencia en terrenos evaporíticos, ha puesto de manifiesto el potencial que dichos procedimientos tienen para el análisis de diferentes procesos geomorfológicos. Los resultados preliminares obtenidos indican que este conjunto de técnicas son útiles para predecir las zonas afectadas por este proceso en el futuro. La ausencia de inventarios temporales (frecuencia pasada) ha imposibilitado la transformación de los modelos de susceptibilidad a modelos de peligrosidad. No obstante, dada la actividad del proceso en la zona de estudio, un seguimiento del mismo durante unos pocos años permitiría la elaboración de mapas de peligrosidad expresados en términos de probabilidad. • La creación de bases de datos y de metadatos sobre las variables y los modelos generados contribuye a la reproducibilidad del procedimiento por parte de cualquier operador y a la actualización. Su representación ayuda a que sean documentos comprensibles para las personas encargadas de la toma de decisiones y, por tanto, constituyan herramientas útiles para la gestión del riesgo.

En resumen, la existencia de inventarios detallados de deslizamientos ocurridos en el pasado, así como de información espacial referente a variables relacionadas con la inestabilidad del terreno, de alta calidad y nivel de detalle, ha permitido generar modelos de susceptibilidad con una capacidad de predicción conocida que mejora la lograda anteriormente. La posibilidad de realizar inventarios de deslizamientos más detallados en el futuro, permitirá generar modelos más fiables, a partir de los cuales establecer mejor las tendencias de comportamiento futuro. En este trabajo se han propuesto tres escenarios que muestran la posible frecuencia futura de los deslizamientos a partir de la frecuencia de deslizamientos existente en el pasado y de las tendencias generales mostradas por este tipo de proceso a nivel mundial y nacional. Un análisis más minucioso de estas tendencias permitiría desarrollar modelos de peligrosidad probabilística más acordes con las situaciones futuras y, por tanto, modelos de riesgo de mayor calidad. En relación con los aspectos tratados en este trabajo y las conclusiones obtenidas se han planteado posibles líneas de investigación futuras que permitirían mejorar los procedimientos y resultados obtenidos.

256

—————————————————————————Desarrollo, aplicación y validación de procedimientos ….

- Una de las líneas a seguir es la mejora en el conocimiento de los distintos factores condicionantes en relación con los deslizamientos, es decir, conocer cómo las variables utilizadas en los análisis de susceptibilidad influyen en la aparición de los deslizamientos. - También es importante la inclusión de variables adicionales, no consideradas en los trabajos precedentes. Probablemente, la variable más importante, entre las que no se han considerado previamente, es la que representa las relaciones estructura/topografía, que pueden ser modelizadas con bastante precisión a partir de los datos presentes en los mapas geológicos convencionales. - Sería conveniente explorar la posibilidad de obtener Modelos Digitales de Elevaciones de alta resolución ya que todo parece indicar que cuanto mayor es la resolución de éstos, la capacidad de predicción de los modelos de susceptibilidad aumenta. El uso de diferentes técnicas (fotogrametría, LIDAR, GPS, estaciones totales, etc.) permite capturar gran número de puntos que sirven para generar MDEs de alta resolución y calidad. - Igualmente se debe analizar el efecto de una mejor representación de los rasgos de inestabilidad como evidencias para el análisis (variable dependiente). Hasta el momento, los rasgos de inestabilidad se han considerado como puntos indicativos del centro de la zona de rotura, o bien como polígonos que representan toda el área de rotura. Para el futuro se pretende utilizar la aureola cercana al escarpe de rotura, puesto que esta área es la que presenta las condiciones más próximas a las que había en la ladera previamente a la rotura. - Otra de las líneas a trabajar es la aplicación del análisis a otros tipos cinemáticos de movimientos en masa y en el desarrollo de otros métodos que incorporen la magnitud y el alcance de la masa, sobre todo en el caso de grandes deslizamientos, lo cual influye directamente en la vulnerabilidad de los elementos y por tanto del riesgo. Los modelos sobre la distancia de la masa deslizada, tanto determinísticos (simulación dinámica) como probabilísticos, facilitarían en gran medida la estimación de los posibles daños ocasionados por los procesos correspondientes. - La mejora de las técnicas matemáticas para modelizar la susceptibilidad de deslizamientos resulta prometedora. Recientemente se han desarrollado algunas mejoras de tipo técnico para optimizar la modelización. No obstante, todavía hay que explorar tales potencialidades con más detalle, así como utilizar otras técnicas como son las redes neuronales artificiales. Se han experimentado algunos modelos con este tipo de técnicas, obteniéndose resultados prometedores que deberán ser analizados con más detalle. - Es preciso seguir realizando inventarios sistemáticos de eventos con el fin de mejorar los análisis de susceptibilidad y contrastar los resultados obtenidos anteriormente. Esos datos permitirán a su vez mejorar los modelos de peligrosidad gracias a que se dispondrá de mayor información referente a la frecuencia de deslizamientos, lo cual permitirá definir con mayor precisión las futuras tendencias que podría experimentar el proceso y, por tanto, proponer escenarios de frecuencia futura más realistas. - En la definición de esos escenarios habrá que considerar la relación de los deslizamientos con los factores socioeconómicos y/o climáticos. En consecuencia, se debe ahondar aún más en el estudio de la relación entre actividades humanas y la frecuencia del proceso. Algunos estudios han mostrado que existe una cierta relación entre el incremento del Producto Interior Bruto (PIB) y el aumento de los procesos naturales, por lo que

257

Capítulo 8: Conclusions/Conclusiones—————————————————————————————————

conviene analizar en profundidad este tipo de relaciones. Por otro lado, se debe considerar la frecuencia de factores desencadenantes para diseñar escenarios complementarios a los basados en la frecuencia de eventos pasados. - La actualización continua de las variables no estáticas como son los usos del suelo o los elementos (nuevas infraestructuras y edificaciones, planes de urbanismo, etc.), ayudaría a generar modelos de susceptibilidad y de riesgo más acordes con las nuevas situaciones que se pueden plantear, así como utilizar éstos como herramienta de ordenación y planificación del territorio. - Sería conveniente llevar a cabo análisis sistemáticos de costos/beneficios, comparando las pérdidas esperables en una zona según distintos escenarios, con los costos de puesta en práctica de diferentes medidas o estrategias de mitigación, con el fin de determinar hasta qué punto éstas estarían justificadas. - Es deseable mejorar el proceso de evaluación de los modelos de riesgo mediante métodos o estrategias equiparables a las utilizadas en la evaluación de los modelos de susceptibilidad. Se deberían dedicar esfuerzos en la recopilación de datos sobre daños ocasionados por los deslizamientos para contrastar la calidad de las predicciones de riesgo obtenidas. - La difusión de los métodos y procedimientos utilizados permitiría desarrollar protocolos de actuación en caso de desastre e interactuar con los responsables de la toma de decisiones de cara a mejorar la comprensión de los modelos de peligrosidad y riesgo y diseñar medidas de mitigación que ayuden a reducir tales pérdidas. - La última de las vías futuras a explorar es el intentar aplicar estos métodos a otros procesos. Aunque aquí se han presentado resultados preliminares en relación con los modelos de susceptibilidad de dolinas, sería interesante profundizar aún más en la potencialidad del método ante este y otros procesos ligados a una serie de variables espaciales como son la determinación de zonas susceptibles de sufrir procesos de erosión, o procesos relacionado con la presencia de permafrost o la elaboración de modelos de vegetación potencial. De acuerdo con las tendencias que marcan los programas europeos, conviene considerar las metodologías y el análisis de los procesos descritos dentro de un marco más amplio, el análisis multi-riesgo que incluya los daños potenciales debidos a todos los procesos que amenazan una zona. Integrar en un solo modelo los relativos a varios procesos es complejo, desde el punto de vista conceptual, pero no por ello debe dejar de ser abordado para una mejor aplicación de estas herramientas de prevención.

258

—————————————————————————Desarrollo, aplicación y validación de procedimientos ….

BIBLIOGRAFIA

259

Bibliografía ———————————————————————————————————————————

260

—————————————————————————Desarrollo, aplicación y validación de procedimientos ….

BIBLIOGRAFIA Alcántara-Ayala, I., 2002. Geomorphology, natural hazards, vulnerability and prevention of natural disasters in developing countries. Geomorphology 47, 107-124. Alcántara-Ayala, I., 2004. Hazard assessment of rainfall-induced landsliding in Mexico, Geomorphology 61 (1-2), 19-40. Aleotti, P., Chowdhury, R., 1999. Landslide hazard assessment: summary review and new perspectives. Bulletin of Engineering Geology and the Environment 58, 21-44. Aleotti, P., Balzelli, P. and De Marchi, D., 1996. Le reti neurali nella valutazione della suscettibilità da frana. Geologia Tecnica & Ambientale 5 (4), 37-47. Alexander, D., 1993. Natural Disasters. University College London Press, Londres. Araña, V., Badiola, E.R., Berga, L., Carracedo, J.C., Cendrero, A., Coello, J., Corominas, J., Dabrio, C., Díaz de Terán, J.R., Durán, J.J., Elízaga, E., Ferrer, M., García, M., Garzón, M.G., Goy, J.L., López, J., Martínez-Goytre, J. Mezcua, J., de la Nuez, J., Salinas, J.L., Soler, V., del Val, J., Zazo, C., 1992. Riesgos geológicos en España. Estado de la cuestión. III Congreso Geológico de España y VIII Congreso Latinoamericano de Geología, Tomo 2, 671-745. Archetti, R., Lamberti, A., 2003. Assessment of risk due to debris flow events. Natural Hazards Review 4 (3), 115-125. Ayala, F.J., 1993. Estrategias para la Reducción de Desastres Naturales. Investigación y Ciencia 200, 6-13. Ayala, F.J., 1995. Probabilidad y vulnerabilidad en movimientos de ladera. En:

Reducción de riesgos geológicos en España. ITGE. Madrid, pp. 95-113. Ayala, F.J., 2002. Análisis de riesgos por movimientos de ladera. En: Ayala, F.J., Olcina, J. (Coord.), Riesgos naturales. Ed. Ariel, Barcelona, Chp. 18, pp. 379-409. Ayala, F.J., Corominas, J. (Eds.), 2002. Mapas de susceptibilidad a los movimientos de ladera con técnicas SIG. IGME, Serie Medio Ambiente Nº 4, Madrid. Ayala, F.J., Elízaga, E., González de Vallejo, L.I., Durán, J.J., Beltrán de Heredia, F., Oliveros, M.A., Carbó, A., Guillamont, M.L., Capote, R., 1987. Impacto económico y social de los riesgos geológicos en España. IGME, Madrid. Ayala, F.J., Olcina, J., Vilaplana, J.M., 2004. Impacto social de los riesgos naturales en España en el periodo 1990-2000 (II). Gerencia de riesgos XXI, 17-29. Baeza, C., Corominas, J., 2001. Assessment of shallow landslide susceptibility by means of multivariate statistical techniques. Earth Surface Processes and Landforms 26, 12511263. Baioni, D., Gallerini, G., Rodrigues, D., 2005. Relationship between human activity and landslide development in Madeira island (Portugal). Proceedings of Sixth International Conference on Geomorphology, Zaragoza (Spain). Ballabio, C., Remondo, J., Fabbri, A.G., Chung, C.F., 2005. Optimizing the spatial prediction of landslide hazard with database refinements. Proceedings of Sixth International Conference on Geomorphology, Zaragoza (Spain).

261

Bibliografía ———————————————————————————————————————————

Beck, B.F., 1988. Environmental and engineering effects of sinkholes. The processes behind the problems. Environmental Geology and Water Sciences 12, 71-78. Beguería, S., 2006. Changes in land cover and shallow landslide activity: A case study in the Spanish Pyrenees. Catena 74, 196-206. Bell, R., Glade, T., 2004. Quantitative risk analysis for landslides - Examples from Bíldudalur, NW-Iceland. Natural Hazards and Earth System Sciences 4, 117-131. Benito, G., Pérez del Campo, P., Gutiérrez, M., Sancho, C., 1995. Natural and humaninduced sinkholes in gypsum terrain and associated environmental problems in NE Spain. Environmental Geology 25, 156-164. Berggren, B., Berglund, C., (Eds.), 2000. Concerted Action on Forecasting, Prevention, and Reduction on Landslide and Avalanche Risks (CALAR). Final report. European Commission, Brussels. Bernknopf, R.L., Campbell, R.H., Brookshire, D.S., Shapiro, C.D., 1988. A probabilistic approach to landslide hazard mapping in Cincinnati, Ohio, with applications for economic evaluation. Bulletin Association of Engineering Geologists 25 (1), 39-56. Berz, G.A., 1999. Catastrophes and climate change: concerns and possible countermeasures of the insurance industry. Mitigation and Adaptation Strategies for Global Change 4, 283-293. Binaghi, E., Luzi L., Madella P., Rampini, A., 1998. Slope instability zonation: a comparison between certainty factor and fuzzy Dempster-Shafer approaches. Natural Hazards 17, 77-97. Blong, R., 2003. A new damage index. Natural Hazards 30, 1-23. Bonachea, J., Remondo, J., Cendrero, A., 2004. Evaluación y cartografía de riesgo de deslizamientos a partir del análisis de los movimientos ocurridos en el pasado reciente y de sus efectos. En: Benito, G., Díez

262

Herrero, A., (Eds.), Riesgos Naturales y Antrópicos en Geomorfología 2. Sociedad Española de Geomorfología, Madrid, pp. 423-434. Bonachea, J., Bruschi, V.M., Remondo, J., González-Díez, A., Salas, L., Bertens, J., Cendrero, A., Otero, C., Giusti, C., Fabbri, A., González-Lastra, J. R., Aramburu, J.M., 2005. An approach for the incorporation of geomorphologic factors into EIA of transportation infrastructures; a case study in northern Spain. Geomorphology 66 (1-4), 95-117. Bonnard, Ch., Forlati, F., Scavia, C. (Eds.), 2004. Identification and mitigation of large landslide risks in Europe. Advances in risk assessment. European Commission, Fifth Framework Programme, IMIRILAND project. Balkema publishers, Londres. Brabb, E.E., 1984. Innovative approaches to landslide hazard and risk mapping. Proceedings of the Fourth International Symposium on Landslides, Canadian Geotechnical Society, Toronto, Canada, Vol. 1, pp. 307-323. Brabb, E., Harrod, B., 1989. Landslides. Extend and Economic Significance. Balkema, Rotterdam, The Netherlands. Brabb, E.E., Pampeyan, E.H., Bonilla, M.G., 1972. Landslide susceptibility in San Mateo County, California. U.S. Geological Survey Miscellaneus Field Studies Map, MF360. Briceño, S., 2004. Dealing with risk and vulnerability - the role of the United Nations. CENAT Monte Verità Workshop 2004 Coping with Risk due to Natural Hazards in the 21st Century. Bromhead, E.N., 1996. Slope stability models. En: Dikau, R., Schrott, L., Dehn, M., Hennrich, K., Ibsen, M.-L., Rasemann, S. (Eds.), The Temporal Stability and Activity of Landslides in Europe with Respect to Climatic Change (TESLEC), Final Report Part 1, Summary Report European Community, CEC Environment Programme, pp. 87-97.

—————————————————————————Desarrollo, aplicación y validación de procedimientos ….

Brunsden, D., Doornkamp, P.G., Fookes, D.K.C., Kelly, J.M.H., 1975. Large scale geomorphology mapping and highway engineering design. Engineering Geology 8, 227-253. Brunsden, D., Prior, D.B. (Eds.), 1984. Slope instability. John Willey and Sons, U.K. Bunce, C.M., Cruden, D.M., Morgenstern, N.R., 1997. Assessment of the hazard from rock fall on a highway. Canadian Geotechnical Journal 34, 344-356. Burton, I., Kates, R.W., White, G.F., 1978. The Environment as Hazard. Oxford Univ. Press. New York. Cardinali, M., Reichenbach, P., Guzzetti, F., Ardizzone, F., Antonini, G., Galli, M., Cacciano, Castellani, M., Salvati, P., 2002. A geomorphological approach to the estimation of landslide hazards and risks in Umbria, Central Italy. Natural Hazards and Earth System Sciences 2, 57-72. Carrara, A., 1983. Multivariate models for landslide hazard evaluation. Mathematical Geology 15, 403-426. Carrara, A., Cardinali, M., Detti, R., Guzzetti, F., Pasqui, V., Reichenbach, P., 1991. GIS techniques and statistical models in evaluating landslide hazard. Earth Surface Processes and Landforms 16, 427-445. Carrara, A., Cardinali, M., Guzzetti, F., Reichenbach, P., 1995. GIS technology in mapping landslide hazard. En: Carrara, A., Guzzetti, F. (Eds.), Geographical Information Systems in Assessing Natural Hazards, Kluwer Academic Publisher. The Netherlands, pp. 135-175. Carrara, A., Guzzetti, F., Cardinali, M., Reichenbach, P., 1998. Current limitations in modeling landslide hazard. En: Buccianti, A., Nardi, G., Potenza, R., (Eds.), Proceedings of IAMG’98, pp. 195-203. Carrara, A., Crosta G.B., Frattini, P., 2003. Geomorphological and historical data in assessing landslide hazard. Earth Surface Processes and Landforms 28 (10), 11251142.

Casale, R., Fantechi, R., Flageollet, J.C. (Eds.), 1994. The temporal occurrence and forecasting of landslides in the European Community, Vol. I-II. European Commission. Program EPOCH, Contract 90 0025, Final Report. Cavallin, A., Marchetti, M., Panizza, M., Soldati, M., 1994. The role of geomorphology in environmental impact assessment. Geomorphology 9, 143-153. CCS (Consorcio de Compensación de Seguros)., 1999. Las catástrofes naturales y su cobertura aseguradora: un estudio comparativo. CCS, Madrid. CCS (Consorcio de Compensación de Seguros)., 2004. Pérdidas por terremotos e inundaciones en España durante el periodo 1987-2001 y su estimación para los próximos 30 años (2004-2033). CCS, Madrid. Cendrero, A., 1989. Mapping and evaluation of coastal areas for planning. Ocean & Shoreline Management 12, 427-462. Cendrero, A., 1997. Riesgos naturales e impacto ambiental. En: Novo, M., Lara, R. (coords.), La interpretación de la problemática ambiental: enfoques básicos (II). Fundación Universidad-Empresa, Madrid. Cendrero, A., Díaz de Terán, J.R., Fernández, O., Garrote, R., González Lastra, J.R., Inoriza, I., Lütting, G., Otamendi, J., Pérez, M., Serrano, A., 1987a. Metodología para la elaboración de mapas de riesgo. Geología Ambiental y Ordenación del Territorio, II Reunión Nacional, Comunicaciones II, Valencia, pp. 1035-1051. Cendrero, A., Díaz de Terán, J.R., Fernández, O., Garrote, R., González Lastra, J.R., Inoriza, I., Lütting, G., Otamendi, J., Pérez, M., Serrano, A., 1987b. Establecimiento de tipos de estabilidad de laderas en función de parámetros objetivos, aplicación a escala 1:5.000 a un área de Vizcaya. Geología Ambiental y Ordenación del Territorio, II

263

Bibliografía ———————————————————————————————————————————

Reunión Nacional, Comunicaciones Valencia, pp. 843-870.

II,

Cendrero, A., Díaz de Terán, J.R., Fernández, O., Garrote, R., González Lastra, J.R., Inoriza, I., Lütting, G., Otamendi, J., Pérez, M., Serrano, A., Grupo Ikerlana., 1987c. Detailed geomorphological hazard mapping for urban and rural planning in Vizcaya (Northern Spain). En: Wolf, F.C. (Ed.), Geology for environmental planning. Geological Survey of Norway, Special Publ. 2, Trondheim, pp. 25-41. Cendrero, A., Remondo, J., Bonachea, J., Rivas, V., Soto, J., 2006. Sensitivity of landscape evolution and geomorphic processes to direct and indirect human influence. Geografia Fisica e Dinamica Quaternaria. (Aceptado). Chacón, J., Irigaray, C., Fernández, T., 1992. Metodología para la cartografía regional de movimientos de ladera y riesgos asociados mediante un SIG. III Simposium Nacional de laderas y taludes inestables, Vol. 2, pp. 121-133. Chacón, J., Irigaray, C., Fernández, T., 1994. Large to middle scale landslides inventory, analysis and mapping with modelling and assessment of derived susceptibility, hazard and risks in a GIS. 7th IAEG Congress, Lisboa, Vol. VI, Balkema, Rotterdam, pp. 4669-4678. Champetier de Ribes, G., 1987. Le cartographie des mouvements de terrain: des ZERMOS aux PER. Bull. Liaison, Lab. Ponts et Chaussees 150-151, 9-19. Chardon, A., 1999. A geographic approach of the global vulnerability in urban area: case of Manizales, Colombian Andes. GeoJournal 49, 197-212.

Chung, C.F., Fabbri, A., 1998. Three Bayesian prediction models for landslide hazard. Proceedings of the International Association for Mathematical Geology Annual Meeting IAMG 1998, Ischia, Italy, pp. 204-211. Chung, C.F., Fabbri, A., 1999. Probabilistic prediction models for landslide hazard mapping. Photogrammetric Engineering and Remote Sensing 65 (12), 1389-1399. Chung, C.F., Fabbri, A., 2003a. On some weak points of quantitative landslide hazard zonation. Proceedings of the International Association for Mathematical Geology Annual Meeting IAMG 2003, Portsmouth, U.K., 8 p. CD. Chung, C.F., Fabbri, A., 2003b. Validation of spatial prediction models for landslide hazard mapping. Natural Hazards 30 (3), 451-472. Chung, C.F., Fabbri, A., 2004. On the requirements of landslide hazard/risk assessment. Abstracts 32 International Geological Congress, Florencia. Chung, C.F., Fabbri, A., 2005. Systematic procedures of landslide hazard mapping for risk assessment using spatial prediction models. En: Glade, T., Anderson, M.G., Crozier, M.J. (Eds.), Landslide Hazard and Risk. New York, John Wiley & Sons, pp. 139-174. Chung, C.F., Keating, P., 2002. Mineral potential evaluation based on airborne geophysical data. Exploration Geophysics 33 (1), 28-34.

Chen, H., Lee, C.F., 2000. Numerical simulation of debris flows. Canadian Geotechnical Journal 37, 146-160.

Chung, C.F.; Fabbri, A., Van Westen, C.J., 1995. Multivariate regression analysis for landslide hazard zonation. En: Carrara, A., Guzzetti, F. (Eds.), Geographical Information Systems in Assessing Natural Hazards. Kluwer Academic Publishers, The Netherlands, pp. 107-133.

Chung, C.F., Fabbri, A., 1993. The representation of geoscience information for data integration. Nonrenewable Resources 2 (2), 122-139.

Clarke, C., Munasinghe, M., 1995. Economic aspects of disasters and sustainable development: an introduction. En: Munasinghe, M., Clarke, C. (Eds.), Disaster

264

—————————————————————————Desarrollo, aplicación y validación de procedimientos ….

Prevention for Sustainable Development, Economy and Policy Issues. IDNDR and the World Bank, Washington, pp. 1-10. Clerici, A., Perego, S., Tellini, C., Vescovi, P., 2002. A procedure for landslide susceptibility zonation by the conditional analysis method. Geomorphology 48, 349364. Coburn, A.W., Spence, R.J.S., Pomonis, A., 1991. Vulnerabilidad y evaluación del riesgo. Programa de Entrenamiento para el Manejo de Desastres, PNUD, Cambridge Architectural Research Limited, Cambridge, U.K. Consejería de Medio Ambiente y Ordenación del Territorio., 1999. Análisis, evaluación y zonificación de riesgos naturales en municipios de Cantabria. Memoria y mapas. Gobierno de Cantabria. Inédito. Cooper, A.H., Calow, R.C., 1998. Avoiding gypsum geohazards: guidance for planning and construction. BGS Technical Report WC/98/5. Copons, R., Altimir, J., Amigó, J., Díaz, A., Vilaplana, J.M., 2000. EUROBLOC: un modelo de simulación de caída de bloques y su máxima adaptación a la realidad. Geotemas 1, 219-222. Corominas, J., 1987. Criterios para la confección de mapas de peligrosidad de movimientos de ladera. Riesgos Geológicos. IGME, Serie Geología Ambiental, Madrid, pp. 193-201. Corominas, J., 1996. The angle of reach as a mobility index for small and large landslides. Canadian Geotechnical Journal 33, 10591074. Corominas, J., Moya, J., Ledesma, A., Gili, J.A., Lloret, A., Ruis, J. (Eds.), 1998. New technologies for landslide hazard assessment and management in Europe (NEWTECH). Contract ENV-CT96-0248, final report. European Commission: Environment Programme.

Corominas, J., Moya, J., Masachs, I., Baeza, C., Hürlimann, M., 2004. Reconstructing recent activity of Pyrenean landslides by means of dendrogeomorphological techniques. En: Lacerda, W., Ehrlich, M., Fontoura, S., Sayão, A. (Eds.), Landslides: Evaluation and Stabilization, vol. 1, pp. 363-369. Corominas, J., Ayala, F.J., Cendrero, A., Chacón, J., Díaz de Terán, J.R., González, A., Moya, J., Vilaplana, J.M., 2005. Riesgo de inestabilidad de laderas. En: Moreno, J.M. (Coord.), Evaluación Preliminar de los Impactos en España por Efecto del Cambio Climático. Proyecto ECCE. Ministerio de Medio Ambiente. pp. 549-579. Costa, J.E., Baker, V.R., 1981. Surficial Geology. Building with the Earth. Wiley. NewYork. Crosta, G.B., Agliardi, F., 2004. Parametric evaluation of 3D dispersion of rockfall trajectories. Natural Hazards and Earth System Sciences 4, 583-598. Crozier, M.J., 1986. Landslides: causes, consequences, and environment. Croom Helm. London. Crozier, M.J., 1999. Frequency and magnitude of geomorphic processes. En: Crozier, M.J., Mausbacher, R. (Eds.), Magnitude and Frequency in Geomorphology. Zeitschrift fur Geomorphologie Supplementbund 115, pp. 35-50. Cruden, D.M., 1991. A simple definition of a landslide. Bulletin International Association Engineering Geology 43, 27-29. Cruden, D.M., Varnes, D.J., 1996. Landslide types and processes. En: Turner, A.K., Schuster, R.L. (Eds.), Landslidesinvestigation and mitigation, National Research Council, Washington D.C. Special Report 247. Cruden, D.M., Thomson, S., Bomhold, B.D., Chagnon, J.Y, Locat, J., Evans, S.G., Heginbottom, J.A., Moran, K., Piper, D.J.W., Powell, R., Prior, D., Quigley, R.M., 1989. Landslides: extent and economic

265

Bibliografía ———————————————————————————————————————————

significance in Canada. En: Brabb, E.E., Harrod, B.L. (Eds.), Landslides: extent and economic significance, Proc. 28th Int’l. Geol. Congr. Symp. on Landslides, Washington, D.C. pp. 1-23. Cutter, S.L., 1996. Vulnerability to environmental hazards. Progress in Human Geography 20 (4), 529-539. Dai, F.C., Lee, C.F., 2002. Landslide characteristics and slope instability modeling using GIS, Lantau Island, Hong Kong. Geomorphology 42, 213-228. Dai, F.C., Lee, C.F., Ngai, Y.Y., 2002. Landslide risk assessment and management: an overview. Engineering Geology 64, 65-87. Dana, J.D., 1864. Manual of geology treating of the principles of the science with special reference to american geological history for the uses of colleges, academies and schools of science. Theodore Bliss, Philadelphia. Delmonaco, G., Ippolito F., Margottini C., 1996. The CEC Project “Meteorological Factors Influencing Slope Stability and slope movement types: evaluation of hazard prone areas” (MeFISSt). En: Casale, R. (Ed.), Hydrological and Hydrogeological Risks, EUR 16799 EN, Brussels, 259-283. Departamento de Industria, Agricultura y Pesca., 1997. Inventario Forestal del País Vasco de 1996. CD, Gobierno Vasco. Derbyshire, E., 2000. Landslides in the Thick Loess Terrain of North-West China. Wiley.

Dikau, R., Brunsden, D., Schrott, L., Ibsen, M. (Eds.), 1996a. Landslide Recognition. Identification, movement and causes. Chichester, John Wiley & Sons Ltd. Dikau, R., Schrott, L., Dehn, M., Hennrich, K., Rasemann, S., 1996b. The temporal stability and activity of landslides in Europe with respect to climatic change (TESLEC). European Community. CEC Environment Programme (Contract No. EV5V-CT94-0454). Final Report, Vols. I and II. Universität Heidelberg, Germany. Diputación Foral de Guipúzcoa, 1986. Estudio Geomorfológico de Guipúzcoa 1:25.000. Hojas de Ondárroa, Eibar, Zumaya y Azcoitia. Compañía General de Sondeos, S.A. Memorias, Mapas y Anexos. Inédito. Dorren, L.K.A., Berger, F., Putters, U.S., 2006. Real-size experiments and 3-D simulation of rockfall on forested and nonforested slopes. Natural Hazards and Earth System Science 6, 145-153. Downton, M.W., Pielke, R.A., 2005. How accurate are disaster loss data? the case of U.S. flood damage. Natural Hazards 35 (2), 211-228. Duque, A., Echeverría, G., Fernández, E., Kerejeta, A., Cendrero, A., Díaz de Terán, J.R., Tamés, P., 1991. A methodological approach for the development of predictive models for hazard assessment. En: Panizza, M., Soldati, M., Coltellacci, M.M. (Eds.), Proceedings European Experimental Course on Applied Geomorphology. Instituto di Geologia. Universitá degli Studi di Modena, Modena, Italia. Vol.2, pp. 13-25.

D’Ercole, R., 1996. Représentation cartographique des facteurs de vulnérabilité des populations exposées à une menace volcanique. Application à la région du volcan Cotopaxi (Equateur). Bulletin de l’Institut Français d’Etudes Andines 25 (3), 479-507.

Durán, J.J., Martínez, J., Peña, J.L., 1985. Mapas previsores de riego de inundaciones en los núcleos urbanos de Güimar y Playa de Las Américas (Tenerife). Madrid: Instituto Geológico y Minero de España.

Diario Oficial de la UE., 1989. Resolución del Consejo, de 16 de octubre de 1989, relativa a las orientaciones en materia de prevención de riesgos técnicos y naturales Diario Oficial n° C 273 de 26/10/1989, P.0001-0002.

Durán, J.J., del Val, J., López-Martínez, J., 1989. El karst en las depresiones del Tajo y del Duero. En: Durán, J.J., López-Martínez, J. (Eds.), El Karst en España. Sociedad Española de Geomorfología, Monografía 4, 211-216.

266

—————————————————————————Desarrollo, aplicación y validación de procedimientos ….

Einstein, H., 1988. Special lecture: Landslide risk assessment procedure. Proceedings of the 5th International Symposium on Landslides, Lausanne, Switzerland, Vol. 2, pp. 1075-1090. Einstein, H., 1997. Landslide riskSystematic approaches to assessment and management. En: Cruden, D., Fell, R. (Eds.), Landslide risk assessment, Balkema, Rotterdam, pp. 25-49. EMA (Emergency Management Australia)., 2001. Reducing the community impact of landslides. Australian Emergency Manuals Series, Part III, Manual 24. http://www.ema.gov.au/ EM-DAT., 2005. The OFDA/CRED International Disaster Database. Web: www.em-dat.net - Université Catholique de Louvain - Brussels-Belgium. Ermini, L., Catani, F., Casagli, N., 2005. Artificial Neural Networks applied to landslide susceptibility assessment. Geomorphology 66 (1-4), 327-343. Estrela, T., 1999. Modelo Gisplana: aplicación de un SIG al análisis de inundaciones en planas costeras. En: Laín, L., (Ed.), Los Sistemas de Información Geográfica en los Riesgos Naturales y en el Medio Ambiente. ITGE, Madrid, pp. 35-45. Etkin, D., Haque, E., Bellisario, L., Burton, I., 2004. An assessment of natural hazards and disasters in Canada: A Report for Decision-Makers and Practitioners. The canadian natural hazards assessment project. Public Safety and Emergency Preparedness Canada.

European Commission., 1999a. Report on risk assessment procedures used in the field of civil protection and rescue services in different European Union countries and in Norway. Final Report. Directorate General Enviroment. Brussels. European Commission., 1999b. Vademecum of Civil Protection in the European Union. Directorate General Enviroment. Brussels. European Commission., 2000. Prevention and forecast of floods: Floodaware Final Report. Cemagref Editions, Lyon, Francia. European Commission., 2006. European research on natural hazards. Catalogue of selected FP5 and FP6 projects Volume 2: Avalanches, Landslides, Multirisks, Earthquakes, Volcanoes, Forest Fires, Floods. Climate Change and Natural Hazard Research-Series 2. Directorate General for Research, Directorate I: Environment and Climate System. Brussels. EUSTAT, 2003. Instituto vasco estadística. http://www.eustat.es/

Evans, S.G., 1997. Fatal landslides and landslides risk in Canada. En: Cruden, D., Fell, R. (Eds.), Landslide risk assessment, Balkema, Rotterdam, pp. 185-196. Evans, S.G., 1999. Landslides disasters in Canada 1840-1998. Geological Survey of Canada. Open File 3712. EVE, 2003. Mapa Geológico del País Vasco. Mapa, memoria y bases de datos, E: 1/25.000. Ente Vasco de la Energía, Gobierno Vasco, Bilbao. CD-rom.

European Commission., 1997a. Proceedings of the European expert meeting on the Oder Flood 1997. Office for Official Publications of the European Communities, Luxembourg.

Fabbri, A., Chung, C-J., Cendrero, A., Remondo, J., 2003. Is prediction of future landslides possible with a GIS?. Natural Hazards 30 (3), 487-499.

European Commission., 1997b. Ribamod (River Basin Modelling, Management and Flood Mitigation. Concerted action. Proceedings of the first expert meeting. Office for Official Publications of the European Communities, Luxembourg.

Fell, R., 1994. Landslide risk assessment and acceptable risk. Canadian Geotechnical Journal 31, 261-272. Fell, R., Hartford, D., 1997. Landslide risk management. En: Cruden, D., Fell, R. (Eds.),

267

Bibliografía ———————————————————————————————————————————

Landslide risk assessment, Rotterdam, pp. 51-109.

Balkema,

FEMA., 1997. Multihazard: Identification and Risk Assessment. A Cornerstone of the National Mitigation Strategy. Mitigation Directorate. Washington. FEMA., 2002. Disaster Costs 1990-1999. http://www.fema.gov/library/df_7.shtm Ferrer, M., 1995. Los movimientos de ladera en España. En: Reducción de Riesgos Geológicos en España. ITGE, Madrid pp. 6982. Finlay, P.J., Fell, R., 1997. Landslides: risk perception and acceptance. Canadian Geotechnical Journal 34, 169-188. Finlay, P.J., Mostyn, G.R., Fell, R., 1999. Landslide risk assessment: prediction of travel distance. Canadian Geotechnical Journal 36, 556-562. Flax, L.K., Jackson, R.W., Stein, D.N., 2002. Community vulnerability assessment tool methodology. Natural Hazards Review 3 (4), 163-176. Fuchs, S., Bründl, M. 2005. Damage Potential and losses resulting from snow Avalanches in settlements of the canton of Grisons, Switzerland. Natural Hazards 34 (1), 53-69. Furdada, G., Vilaplana, J.M., 1998. Statistical prediction of maximum avalanche run-out distances from topographic data in western catalan Pyrenees (NE Spain). Annals of Glaciology 26, 285-288. Galve, J.P., Gutiérrez, F., Remondo, J., Bonachea, J., Cendrero, A., Guerrero, J., Lucha, P., Gutiérrez, M., Sánchez, J.A., 2006. Development and validation of sinkhole susceptibility models in mantled karst settings. A case study from the Ebro Valley alluvial evaporite karst (NE Spain). European Geosciences Union, General Assembly 2006, Vienna, Austria. Gendreau, N., Desbos, E., Gilard, O., 2000. The Inondabilité method. En: Floodaware Final Report: August, 1996-July, 1998

268

(Programme Environment and Climate 19941998, Contract ENV4-Ct96-0293), Cemagref Editions, Cedex, France. Ghinoi, A., Chung, C-J., 2005. STARTER: a statistical GIS-based model for the prediction of snow avalanche susceptibility using terrain features--application to Alta Val Badia, Italian Dolomites. Geomorphology 66 (1-4), 305-325. Glade, T., 2002. Ranging scales in spatial landslide hazard and risk analysis. En: Brebbia, C.A. (Ed.), Third International Conference on Risk Analysis, Sintra, Portugal, pp. 719-729. Glade, T., 2003a. Vulnerability assessment in landslide risk analysis. Die Erde 134, 121138. Glade, T., 2003b. Landslide occurrence as a response to land use change: a review of evidence from New Zealand. Catena 51, 297314. Glade, T., Anderson, M.G., Crozier, M.J. (Eds.), 2005. Landslide Hazard and Risk. John Wiley & Sons, New York. Gobierno Vasco-Departamento de Agricultura y Pesca., 1997. Panorama forestal de Euskadi. CD-Rom. González-Díez, A., 1995. Cartografía de movimientos de ladera y su aplicación al análisis del desarrollo temporal de los mismos y de la evolución del paisaje. Tesis Doctoral. Universidad de Oviedo. Inédita. González-Díez, A., Remondo, J., Díaz de Terán, J.R., Cendrero, A., 1999. A methodological approach for the analysis of the temporal occurrence and triggering factors of landslides. Geomorphology 30 (12), 95-113. González-Díez, A., Cardenal, J., Delgado, J., Remondo, J., Felicísimo, A., Chung, C.J., Fabbri, A., Soares, A., Díaz de Terán, J.R., Francés, E., Salas, L., FernándezMaroto, G., García, S., Olague, I., Mata, E., Bonachea, J., Sánchez-Espeso, J., 2004. The Fodispil project: an improvement of the

—————————————————————————Desarrollo, aplicación y validación de procedimientos ….

landslide susceptibility maps. Abstracts 32 International Geological Congress, Florencia. González de Vallejo, L., 1988. La importancia socioeconómica de los riesgos geológicos en España. Riesgos Geológicos. IGME, Serie Geología Ambiental, Madrid, pp. 21-36. Graillot, D., Londiche, H., Dechomets, R., Batton-Hubert, M., 2000. Analyse multicritère spatiale pour l’identification de la vulérabilité aux inondations. http://www.cindy.ensmp.fr/graillot.pdf. Granger, K., Hayne, M. (Eds.), 2001. Natural hazards & the risks they pose to South-East Queensland. Commonwealth of Australia. Camberra, Australia. Greenway, D.R., 1987. Vegetation and slope stability. En: Anderson, M.F., Richards, K.S. (Eds.), Slope Stability. John Wiley and Sons. New York, pp. 187-231. Guerrero, J., Gutiérrez, F., Lucha, P., 2004. Paleosubsidence and active subsidence due to evaporite dissolution in the Zaragoza city area (Huerva River valley, NE Spain). Processes, spatial distribution and protection measures for linear infrastructures. Engineering Geology 72, 309-329. Guthrie, R.H., Evans, S.G., 2004. Analysis of landslide frequencies and characteristics in a natural system, coastal British Columbia. Earth Surface Processes and Landforms 29 (11), 1321-1339. Gutiérrez, F., 1996. Gypsum karstification induced subsidence: Effects on alluvial systems and derived geohazards (Calatayud Graben, Iberian Range, Spain). Geomorphology 16, 277-293. Gutiérrez, F., 1998. Fenómenos de subsidencia por disolución de formaciones evaporíticas en las fosas neógenas de Teruel y Calatayud (Cordillera Ibérica). Universidad de Zaragoza. Tesis Doctoral. Gutiérrez, F., 2004. El riesgo de dolinas de subsidencia en terrenos evaporíticos. Investigación y miticación. Workshop: Stato dell’arte sullo studio dei fenomeni di

sinkholes e ruolo delle amministrazioni statali e locali nel governo del territorio. Roma, Italia. Gutiérrez, F., Cooper, A.H., 2002. Evaporite dissolution subsidence in the historical City of Calatayud, Spain: damage appraisal and prevention. Natural Hazards 25, 259-288. Gutiérrez, F., Calaforra, J.M., Cardona, F., Ortí, F., Durán, J.J., Garay, P., 2004a. El karst en las formaciones evaporíticas españolas. En: Andreo, B., Durán, J.J. (Eds.), Investigaciones en sistemas kársticos españoles. IGME. Madrid, pp. 49-87. Gutiérrez, F., Lucha, P., Guerrero, J., 2004b. La dolina de colapso de la casa azul de Calatayud (noviembre de 2003). Origen, efectos y pronóstico. En: Benito, G., Díez Herrero, A., (Eds.), Riesgos Naturales y Antrópicos en Geomorfología 2. Sociedad Española de Geomorfología, Madrid, pp. 477-488. Gutiérrez-Santolalla, F., Gutiérrez-Elorza, M., Marín, C., Maldonado, C., Younger, P.L., 2005a. Subsidence hazard avoidance based on geomorphological mapping. The case study of the Ebro River valley mantled karst (NE Spain). Environmental Geology 48, 370-383. Gutiérrez-Santolalla, F., Gutiérrez-Elorza, M., Marín, C., Desir, G., Maldonado, C., 2005b. Spatial distribution, morphometry and activity of a sinkhole field in the Ebro River valley (NE Spain). Applied aspects for hazard zonation. Environmental Geology 48, 360-369. Gutiérrez, F., Galve, J.P., Guerrero, J., Lucha, P., Cendrero, A., Remondo, J., Bonachea, J., Gutiérrez, M., Sánchez, J.A., The origin, typology, spatial distribution, and detrimental effects of the sinkholes developed in the alluvial evaporite karst of the Ebro River valley downstream Zaragoza city (NE Spain). Earth Surface Processes and Landforms. Enviado. Gutiérrez, M., Gutiérrez, F., 1998. Geomorphology of the Tertiary gypsum

269

Bibliografía ———————————————————————————————————————————

formations in the Ebro Depression (Spain). Geoderma 87, 1-29. Guzzetti, F., 2000. Landslide fatalities and the evaluation of landslide risk in Italy. Engineering Geology 58, 89-107. Guzzetti, F., Cardinali, M., 1990. Landslide inventory map of the Umbria Region, Central Italy. ALPS 90, Alpine Landslide Practical Seminar, Proc. 6th ICFL, pp. 273-284. Guzzetti, F., Tonelli, G., 2004. Information system on hydrological and geomorphological catastrophes in Italy (SICI): a tool for managing landslide and flood hazards. Natural Hazards and Earth System Sciences 4, 213-232. Guzzetti, F., Carrara, A., Cardinali, M., Reichenbach, P., 1999. Landslide hazard evaluation: a review of current techniques and their application in a multi-scale study, Central Italy. Geomorphology 31 (1-4), 181216. Guzzetti, F., Reichenbach, P., Cardinali, M., Galli, M., Ardizzone, F., 2005. Probabilistic landslide hazard assessment at the basin scale. Geomorphology 72 (1-4), 272-299. Hamilton, R., 1997. Report on Early Warning Capabilities for Geological Hazards. IDNDR Early Warning Programme. IDNDR Secretariat, Geneva. Hansen, A., 1984. Landslide hazard analysis. En: Brunsden, D., Prior, D.B. (Eds.), Slope Instability, Wiley & Sons, New York, pp. 523-602. Harp, E.L., 2001. Landslide hazards in Honduras triggered by Hurricane Mitch. En: Proc., 3rd Panamerican Symposium on Landslides, Cartagena, Colombia.

Geological Survey Open-File Report 020033. http://pubs.usgs.gov/of/2002/ofr-020033/ Hayne, M., Michael-Leiba, M., Gordon, D., Lacey, R., Granger, K., 2001. Landslide risks. En: Granger, K., Hayne, M. (Eds.), Natural hazards & the risks they pose to South-East Queensland. AGSO Cities Project record, AGSO-Geoscience Australia. http://www.agso.gov.au/. Heijmans, A., 2001. Vulnerability: a matter of perception. Disaster Management Working Paper 4/2001, Benfield Greig Hazard Research Centre, University College of London. Hervás, J., 2003. NEDIES Project: Lessons learnt from landslides disasters in Europe. European Commission, Brussels. Hubert, T., 2004. Les Plans de Prévention des Risques naturels PPR. Direction de la prévention des pollutions et des risques. Ministère de l’Ecologie et du Développement durable. Inédito. Humbert, M., 1977. La cartographie ZERMOS. Modalités d’établissement des cartes des zones exposées à des risques liés aux mouvements du sol et du sous-sol. Bulletin Bureau Recherche Geologique et Mineraire 3, 5-8. Hungr, O., 1997. Some methods of landslide hazard intensity mapping. En: Cruden, D., Fell, R. (Eds.), Landslide risk assessment, Balkema, Rotterdam, pp. 215-226. Hungr, O., 1995. A model for the runout analysis of rapid flow slides, debris flows and avalanches. Canadian Geotechnical Journal 32 (4), 610-623.

Harp, E.L., Wilson, R.C., Wieczorek, G.F., 1981. Landslides from the February 4, 1976, Guatemala earthquake, U.S. Geol. Survey Prof. Paper 1204-A.

Hungr, O., Evans, S.G., 1996. Rock avalanche runout prediction using a dynamic model. En: Senneset, K., (Ed.), LandslidesGlissements de terrain. VII International Symposium on Landslides, Trondheim, Norway. Balkema, Rotterdam: pp. 233-238.

Harp, E. L., Castañeda, M., Held, M. D., 2002. Landslides Triggered by Hurricane Mitch in Tegucigalpa, Honduras. U.S.

Hutchinson, J.N., 1988. Morphological and geotechnical parameters of landslides in relation to geology and hydrogeology. Proc.

270

—————————————————————————Desarrollo, aplicación y validación de procedimientos ….

5th Int. Symp. on Landslides, Lausanne, Switzerland, Vol. 1, pp. 3-35. Ibsen, M.-L., Brunsden, D., 1996. The nature, use and problems of historical archives for the temporal occurrence of landslides, with specific reference to the south coast of Britain, Ventnor, Isle of Wight. Geomorphology 15, 241-258. IDNDR (International Decade for Natural Disaster Reduction)., 1995. The Yokohama strategy and plan of action for a safer world. World Conference on Natural Disaster Reduction, Yokohama, 1994. IFRC (International Federation of Red Cross and Red Crescent Societies)., 1996. World Disasters Report 1995, International Federation of Red Cross and Red Crescent Societies. IGME., 1974. Mapa Geotécnico General E.1:200.000; hoja 5, Bermeo. Madrid: Instituto Geológico y Minero de España. IGME., 1986. Estudio geológico para la previsión de riesgos por inundaciones en el País Vasco (Álava y Vizcaya) y Condado de Treviño. Madrid: Instituto Geológico y Minero de España. IGME., 1987. Mapas previsores de riesgos de inundaciones en núcleos urbanos. Puerto Lumbreras, Lorca, Totana y Archena. Madrid: Instituto Geológico y Minero de España. IGME., 1988a. Riesgos Geológicos. Madrid: Instituto Geológico y Minero de España. IGME., 1988b. Impacto económico y social de los riesgos geológicos en España. Madrid: Instituto Geológico y Minero de España. INE., 2003. Instituto nacional de estadística. http://www.ine.es/ Innes, J.L., 1983. Lichenometric dating of debris-flow activity in the Scottish highlands: Earth Surface Processes and Landforms 8, 579-588. International Sabo Association., 2004. http://www.sabo-int.org/law/index.html.

Irigaray, C., 1995. Movimientos de ladera: inventario, análisis y cartografía de susceptibilidad mediante un Sistema de Información Geográfica. Aplicación a las zonas de Colmenar (Málaga), Rute (Córdoba) y Montefrío (Granada). Tesis doctoral. Universidad de Granada. ITGE., 1990. Estudio de riesgos naturales en la ciudad de Alcoy. E.1:5.000 (Inundaciones y terremotos). Madrid: Instituto Geológico y Minero de España y Ayuntamiento de Alcoy, 214 p. ITGE., 1991a. Riesgos naturales en Castilla y León. Madrid: Instituto Geológico y Minero de España, 91 p. y mapa escala 1:400.000. ITGE., 1991b. Mapa geotécnico y de peligrosidad natural de la ciudad de León y su aglomeración urbana. Instituto Tecnológico Geominero de España, Diputación de León. ITGE., 1995a. Reducción de riesgos geológicos en España. Madrid: Instituto Geológico y Minero de España, 204 p. ITGE., 1995b. Atlas inventario de riesgos naturales de la Comunidad Autónoma de la Región de Murcia. Madrid: Instituto Geológico y Minero de España, 330 p. IUGS Working group on landslidesCommittee on Risk Assessment., 1997. Quantitative risk assessment for slopes and landslides. En: Cruden, D., Fell, R. (Eds.), Landslide risk assessment, Balkema, Rotterdam, pp. 3-12. Jibson, R.W., 2006. The 2005 La Conchita, California, landslide. Landslides 3, 73-78. Keylock, C.J., Barbolini, M., 2001. Snow avalanche impact pressure-vulnerability relations for use in risk assessment. Canadian Geotechnical Journal 38, 227-238. Kilburn, C.R.J., Pasuto, A., 2003. Major risk from rapid, large-volume landslides in Europe (EU Project RUNOUT). Geomorphology 54 (1-2), 3-9.

271

Bibliografía ———————————————————————————————————————————

Klaus, J., Pflugner, W., Schmidtke, R., Wind, H., Green, C., 1995. Models for flood hazard assessment and management. En: Penning-Rowsell, E.C., Fordham, M. (Eds.), Floods Across Europe. Hazard Assessment, Modelling and Management. Middlesex University Press, Londres. pp. 69-106. Klimchouk, A., Forti, P., Cooper, A., 1996. Gypsum karst of the World: a brief overview. En: Klimchouk, A., Lowe, D., Cooper, A., Sauro, U. (Eds.), Gypsum karst of the World. International Journal of Speleology, Italy. pp.159-181. Kong, W.K., 2002. Risk assessment of slopes. Quarterly Journal of Engineering Geology and Hydrogeology 35, 213-222. Lamoreaux, P.E., Newton, J.G., 1986. Catastrophic Subsidence: an environmental hazard, Shelby County, Alabama. Environmental Geology and Water Sciences 8, 25-40. Lang, A., Moya, J., Corominas, J., Schrott, L., Dikau, R., 1999. Classic and new dating methods for assessing the temporal occurrence of mass movements. Geomorphology 30 (1-2), 33-52. Larsen, M.C., Torres-Sánchez, A.J., 1998. The frequency and distribution of recent landslides in three montane tropical regions of Puerto Rico., Geomorphology 24 (4), 309331. Lateltin, O., Raetzo, H., Zanetta, P., 2004. Recent catastrophic landslides in Switzerland. En: Lacerda, W. A., Ehrlich, M., Fontoura, S., Sayão, A. (Eds.), Landslides: Evaluation and Stabilization, vol. 1, pp. 131-135. Ledoux, B., 1994. Les études de la vulnérabilité dans la cartographie des inondations à la Réunion: approche méthodologique, études de cas et réflexion sur leur finalité. Revue de Géographie Alpine 4 (LXXXII), 167-177. Lee, S., Talib, J.A., 2005. Probabilistic landslide susceptibility and factor effect analysis. Environmental Geology 47 (7), 982990.

272

Lee, S., Chwae U., Min, K., 2002. Landslide susceptibility mapping by correlation between topography and geological structure: the Janghung area, Korea. Geomorphology 46 (3-4), 149-162. Leone, F., 1995. Concept de vulnérabilité appliqué à l'évaluation des risques générés par les phénomènes de mouvements de terrain. Thèse de doctorat de l'Université Joseph Fourier, Grenoble I. Leone, F., Velásquez, E., 2002. La catástrofe del deslizamiento de La Josefina (Ecuador, 1993): algunas enseñanzas sobre la vulnerabilidad. En: Hubp, J.L., Inbar, M., (Eds.), Desastres naturales en América Latina, México. Ch XXIV, pp. 429-445. Leone, F., Asté, J.P., Leroi, E., 1996. Vulnerability assessment of elements exposed to mass-movement: working toward a better risk perception. En: Senneset, K., (Ed.), Landslides-Glissements de terrain. VII International Symposium on Landslides, Trondheim, Norway. Balkema, Rotterdam: pp. 263-269. Leroi, E., 1996. Landslide hazard-Risk maps at different scales: Objectives, tools and developments. En: Senneset, K., (Ed.), Landslides-Glissements de terrain. VII International Symposium on Landslides, Trondheim, Norway. Balkema, Rotterdam: pp. 35-51. Leroi, E., 1997. Landslide risk mapping: Problems, limitations and developments. En: Cruden, D., Fell, R., (Eds.), Landslide risk assessment, Balkema, Rotterdam, pp. 239250. Liu, X., Lei, J., 2003. A method for assessing regional debris flow risk: an application in Zhaotong of Yunnan province (SW China). Geomorphology 52, 181-191. Liu, X., Qi Yue, Z., Tham, L.G., Lee, C.F., 2002. Empirical assessment of debris flow risk on a regional scale in Yunnan province, Southwestern China. Environmental Management 30 (2), 249-264.

—————————————————————————Desarrollo, aplicación y validación de procedimientos ….

Luzi, L., Pergalani, F., 1996. Applications of statistical and GIS techniques to slope instability zonation. Soil Dynamics and Earthquake Engineering 15, 83-94. Macau, F., Riba, O., 1962. Situación, características y extensión de los terrenos yesíferos en España. I Coloquio Internacional sobre las Obras Públicas en los terrenos yesíferos. Madrid, 5, 157-184. Maidment, D.R., 1993. GIS and Hydrologic Modeling in Environmental Modeling with GIS. En: Goodchild, M.F., Parks, B.O., Steyaert, L.T., (Eds.), Oxford University Press, New York, pp. 147-167. Manche, Y., 1997. Propositions pour la prise en compte de la vulnérabilité dans la cartographie des risques naturels prévisibles. Revue de Géographie Alpine 2 (LXXXIII), 49-62. Mantovani, F., Soeters, R., Van Westen, C.J., 1996. Remote sensing techniques for landslide studies and hazard zonation in Europe. Geomorphology 15 (3-4), 213-225. Marcato, G., Moretto, S., Pasuto, A., Silvano, S., Tagliavini, F., Zannoni, A. (Eds)., 2005. Assessment of Landslide Risk and Mitigation in Mountain Areas (ALARM). Final report, Contract EVG1-CT2001-00038. 85 p. Mark, R.K., Ellen, S.D., 1995. Statistical and simulation models for mapping debrisflows hazard. En: Carrara, A., Guzzetti, F. (Eds.), Geographical Information Systems in Assessing Natural Hazards. Kluwer Academic Publisher, Dordrecht, The Netherlands, pp. 93-106. Mayoraz, F., Cornu T., Vuillet, L., 1996. Using Neural networks to predict slope movements. En: Senneset, K., (Ed.), Landslides-Glissements de terrain. VII International Symposium on Landslides, Trondheim, Norway. Balkema, Rotterdam: pp. 295-300. Mejía-Navarro, M., Wohl, E.E., Oaks, S.D., 1994. Geological hazard, vulnerability, and risk assessment using GIS: model for

Glenwood Springs, Colorado. Geomorphology 10 (1-4), 331-354. Mejía-Navarro, M., García L.A., 1996. Natural hazard and risk assessment using Decision Support Systems. Application, Glenwood Springs, Colorado. Journal of Environmental and Engineering Geoscience 2 (3), 299-324. Melchiorre, C., Matteucci, M., Bonachea, J., Remondo, J., Zanchi, A., 2005. Comparison of multivariate analysis and artificial neural networks methods in landslide susceptibility modeling. Proceedings of Sixth International Conference on Geomorphology, Zaragoza (Spain). Mercado, M., 2002. La erupción del Nevado del Ruiz, Colombia, de 1985. En: Hubp, J.L., Inbar, M., (Eds.), Desastres naturales en América Latina, México. Ch II, pp. 67-84. Michael-Leiba, M., Baynes, F., Scott, G., Granger, K., 2003. Regional landslide risk to the Cairns Community. Natural Hazards 30, 233-249. Ministerio de Agricultura, Pesca y Alimentación (MAPA)., 2002. Precios de la Tierra. En: Hechos y cifras de la agricultura, la pesca y la alimentación en España. Ministerio de Fomento., 2001. Boletín estadístico del Ministerio de Fomento. Ministerio del Interior., 2000. Balance del Ministerio del Interior 1999. Madrid, 55 pp. Ministry of Civil Defence & Emergency Management Civil., 2004. National Civil Defence Emergency Management Strategy 2003-2006. http://www.civildefence.govt.nz. Moon, A.T., Olds, R.J., Wilson, R.A., Burman, B.C., 1992. Debris flow zoning at Montrose, Victoria. En: Bell, D.H. (Ed.), Landslides, Proc. Sixth Int. Symp. on Landslides, Christchurch, New Zealand. A.A. Balkema, The Netherlands, Vol. 2, pp. 10151022. Moreno, J.M. (coord.)., 2005. Principales conclusiones de la evaluación preliminar de

273

Bibliografía ———————————————————————————————————————————

los impactos en España por efecto del cambio climático. Proyecto ECCE. Ministerio de Medio Ambiente. Morgan, G.C., Rawlings, G., Sobkowicz, J., 1992. Evaluating total risk to communities from large debris flows. Proc. Geohazards '92 Sym., Can. Geotech. Soc., Vancouver, BC. Moya, J., Corominas, J., Gutiérrez, E., Vilaplana, J.M., 1992. Datación de movimientos de ladera mediante la dendrocronología. Ejemplos de aplicación en el Pirineo Oriental. III Simposio Nacional de Taludes y Laderas Inestables. La Coruña, Vol. 1, pp. 27-38. Munich Re., 2005. Topics Geo Annual review: Natural catastrophes 2004. Munchener Ruckversicherungs-Gesellschaft, Munchen. Odeh, D.J., 2002. Natural hazards vulnerability assessment for statewide mitigation planning in Rhode Island. Natural Hazards Review 3 (4), 177-187. Olague, I., Gonzalez-Díez, A., Chung, C-J., Remondo, J., Bonachea, J., 2005. Effect of resolution of DEM for landslide hazard mapping. Geophysical Research Abstracts, Vol. 7, 08953. Oliver-Smith, A., 2002. El gran terremoto del Perú, 1970: el concepto de la vulnerabilidad y el estudio y la gestión de los desastres en América Latina. En: Hubp, J.L., Inbar, M., (Eds.), Desastres naturales en América Latina, México. Ch VI, pp. 147-160. Ortí, F., Salvany, J.M., 1997. Continental evaporitic sedimentation in the Ebro Basin during the Miocene. En: Sedimentary Deposition in Rift and Foreland Basins in France and Spain. Columbia University Press. New York, pp. 420-429. O’Tousa, J., 1995. La Conchita landslide, Ventura County, California. Association of Engineering Geologists AEG News 38 (4), 22-24. Palmquist, R.C., Bible, G., 1980. Conceptual modelling of landslide distribution in time and space. Bulletin

274

Association Engineering Geologists 21, 178186. Panizza, M., 2005. geomorfologia applicata. Milano.

Manuale di FrancoAngeli,

Panizza, M., Corsini, A., Marchetti, M., Pasuto, A., Silvano, S., Soldati, M., 2002. Landslide risk mapping in Italy: an example of pilot study for a municipality of South Tyrol. Meeting on “Natural risks and National development in Europe”, 22-25 October, Paris (France). Petak, W.J., Atkisson, A.A., 1982. Natural hazard risk assessment and public policy. Springer Verlag, New York. Raetzo, H., Lateltin, O., Tripet, J.P., 2002. Hazard assessment in Switzerland - Codes of practice for mass movements. Bulletin of Engineering Geology and the Environment 61, 263-268. Reid, L.M., 1998. Calculation of average landslide frequency using climatic records. Water Resources Research 34 (4), 869-877. Remondo, J., 2001. Elaboración y validación de mapas de susceptibilidad de deslizamientos mediante técnicas de análisis espacial. Tesis Doctoral, Universidad de Oviedo. Remondo, J., González, A., Díaz de Terán J.R., Cendrero, A., 2003a. Landslide susceptibility models utilising Spatial Data Analysis techniques. A case study from the Lower Deba Valley, Guipúzcoa (Spain). Natural Hazards 30 (3), 267-279. Remondo, J., González, A., Díaz de Terán J.R., Cendrero, A., Fabbri, A., Chung, CJ., 2003b. Validation of Landslide Susceptibility Maps; Examples and Applications from a Case Study in Northern Spain. Natural Hazards 30 (3), 437-449. Remondo, J., Bonachea, J., Cendrero, A., 2004. Probabilistic landslide hazard and risk mapping on the basis of occurrence and damages in the recent past. En: Lacerda, W., Ehrlich, M., Fontoura, S., Sayão, A. (Eds.),

—————————————————————————Desarrollo, aplicación y validación de procedimientos ….

Landslides: Evaluation and Stabilization, vol. 1, pp. 125-130. Remondo, J., Bonachea, J., Cendrero, A., 2005a. A statistical approach to landslide risk modelling at basin scale: from landslide susceptibility to quantitative risk assessment. Landslides 2 (4), 321-328. Remondo, J., González, A., Chung, C-J., Bonachea, J., Olague, I., Fabbri, A., 2005b. The influence of changes of hazard and vulnerability on landslide risk assessment. Proceedings of Sixth International Conference on Geomorphology, Zaragoza (Spain). Remondo, J., Soto, J., González-Díez, A., Díaz de Terán, J.R., Cendrero, A., 2005c. Human impact on geomorphic processes and hazards in mountain areas in northern Spain. Geomorphology 66 (1-4), 69-84. Rubiera Torres, J., 2002. El huracán Mitch: el más desastroso en la historia centroamericana. En: Hubp, J.L., Inbar, M., (Eds.), Desastres naturales en América Latina, México. Ch XIV, pp. 289-299. Sah, M.P., Mazarí, R.K., 1998. Anthropogenically accelerated mass movement, Kulu Valley, Himachal Pradesh, India. Geomorphology 26 (1-3), 123-138. Santacana, N., 2001. Análisis de la susceptibilidad del terreno a la formación de deslizamientos superficiales y grandes deslizamientos mediante el uso de SIG. Aplicación a la cuenca alta del río Llobregat. Tesis Doctoral, Universidad Politécnica de Catalunya. 399 p. Santacana, N., Baeza, C., Corominas, J., De Paz, A., Marturià, J., 2003. A GISbased multivariate statistical analysis for shallow landslide susceptibility mapping in La Pobla de Lillet Area (Eastern Pyrenees, Spain). Natural Hazards 30 (3), 281-297. Schoeneich, P., 1991. La datacion des glissements de terrain. En: Bell, D.H. (Ed.), Landslides, Proc. Sixth Int. Symp. on Landslides, Christchurch, New Zealand. A.A. Balkema, The Netherlands, Vol. 2, pp. 205212.

Schuster, R.L., 1996. Socioeconomic significance of landslides. En: Turner, A.K., Schuster, R.L. (Eds.), Landslides: investigation and mitigation. National Research Council, Washington, D.C., Special report 247, pp. 12-35. Schuster, R.L., Fleming, R.W., 1986. Economic losses and fatalities due to landslides. Association of Engineering Geologists Bulletin 23 (1), 11-28. Scott, K.M., 2000. Precipitation-triggered debris-flow at Casita Volcano, Nicaragua: Implications for mitigation strategies in volcanic and tectonically active steeplands. En: Wieczorek, G.F., Naeser, N.D., (Eds.), Proc. 2nd Int’l. Conf. on Debris-Flow Hazards Mitigation, Taipeh, pp. 3-13. Semenza, E., Ghirotti, M., 1998. VaiontLongarone, 34 anni dopo la catastrofe. Università degli studi di Ferrara, Sezione Scienze della Terra, Vol. 7, N.4, Ferrara. Shaban, A., Khawlie, M., Bou Kheir, R., Abdallah, C., 2001. Assessment of road instability in a typical mountainous road using GIS and aerial photos, LebanonEastern Mediterranean. Bulletin of Engineering Geology and the Environment 60, 93-101. Sharpe, C.F.S., 1938. Landslides and related phenomena: a study of mass-movements of soil and rock. Columbia University Press, New York. Singhroy, V., Mattar, K.E., 2000. SAR image techniques for mapping areas of landslides. Proceedings ISPRS Congress, Amsterdam. Soeters, R., Van Westen, C.J., 1996. Slope instability recognition, analysis, and zonation. En: Turner, A.K., Schuster, R.L. (Eds.), Landslides: investigation and mitigation. National Research Council, Washington, D.C., Special report 247, pp. 129-177. Soriano, A., Simón, J.L., 1995. Alluvial dolines in the central Ebro Basin, Spain: a

275

Bibliografía ———————————————————————————————————————————

spatial and developmental hazard analysis. Geomorphology 11, 295-309. Soto, J., Gómez, J., González, A., Remondo, J., Díaz de Terán, J. R., Cendrero, A., Alcaide J., 2002. Evolución de los deslizamientos de ladera mediante su caracterización con Cs-137. Cuaternario y Geomorfología 16 (1-4), 73-81. Spang, R.M., Sönser, T., 1995. Optimized rockfall protection by "ROCKFALL". Proceedings of the 8th International Conference on Rock Mechanics, Tokyo, pp. 1233-1242. Spatial Prediction Modelling (SPM)., 2004. Spatial Prediction Modeling System: User’s Guide, version 1.1. Spatialmodels Inc. Ottawa, Canadá. Spiker, E.C., Gori, P.L., 2003. National Landslide Hazards Mitigation Strategy-A Framework for Loss Reduction. U.S. Department of the Interior & U.S. Geological Survey. Swiss Re., 2001. Catástrofes de la naturaleza y antropogenias en el 2000: menos daños asegurados a pesar de las devastadoras inundaciones. Sigma, nº 2, Zurich. Tamés, P., Elosegui, J.M., Salazar, A., Almoguera, J., Albert, J., Solesio, J., Fernández Areces, J.L., López Vilchez, L., 1986. Estudio de riesgos naturales del territorio de Guipúzcoa (2a fase). Términos municipales de Deba, Motrico, Mendaro, Elgoibar y Eibar, 5 Vols., Diputación Foral Guipúzcoa. Inédito. Terlien, M.T.J., van Asch, T.W.J., Van Westen, C.J., 1995. Deterministic modelling in GIS-based landslide hazard assessment. En: Carrara, A., Guzzetti, F. (Eds.), Geographical Information Systems in Assessing Natural Hazards, Kluwer Academic Publishing, The Netherlands, pp. 57-77. Terzaghi, K., Peck, R.B., 1948. Soil mechanics in engineering practice. Wiley, New York.

276

Tianchi, L., Shumin, W., 1992. Landslide hazards and their mitigation in China. Beijing: Science Press. Turner, A.K., Schuster, R.L., 1995. Landslide, investigation and mitigation. Transportation Research Board Special Report 247. National Academy Press, WA. Uitto, J. I., 1998. The geography of disaster vulnerability in megacities. Applied geography 18 (1), 7-16. UNDP (United Nations Development Programme)., 2001. Human Development Report 2001: making new technologies work for human development. New York. UNDRO., 1991. Mitigation Natural Disaster: Phenomena, Effects and Action- A manual for Policy makers and Planners. Geneva. Office of the UN Desaster Relief Coordinator. United Nations., 2002. Living with Risk - a global review of disaster reduction initiatives. Versión preliminar, Geneva. Val (del), J., Delgado, J., Eguiguren, E., García, I., Garrote, R., 1996. Ejemplo de análisis de inestabilidades del terreno para la atención de emergencias, el caso del País Vasco. Actas del VI Congreso Nacional y Conferencia Intern. de Geología Ambiental y Ordenación del Territorio, Granada, Vol. 1. Vanacker, V., Vanderschaeghe, M., Govers, G., Willems, E., Poesen, J., Deckers, J., De Bievre, B., 2003. Linking hydrological, infinite slope stability and landuse change models through GIS for assessing the impact of deforestation on slope stability in high Andean watersheds. Geomorphology 52 (3-4), 299-315. Van Asch, T., Malet, J.P., Remaître, A., Maquaire, O., 2004. Numerical modelling of the run-out of a muddy debris-flow. The effect of rheology on velocity and deposit thickness along the run-out track. En: Lacerda, W.A., Ehrlich, M., Fontoura, S., Sayão, A. (Eds.), Landslides: Evaluation and Stabilization, vol. 2, pp. 1433-1438.

—————————————————————————Desarrollo, aplicación y validación de procedimientos ….

Van Dijke, J.J., Van Westen, C.J., 1990. Rockfall hazard : a geomorphologic application of neighbourhood analysis with ILWIS. ITC Journal 1, 40-44. Vandine, D.F., Bovis, M., 2002. History and Goals of Canadian Debris Flow Research, A Review. Natural Hazards 26 (1), 67-80. Van Westen, C.J., 1993. Application of geographic information system to landslide hazard zonation. ITC-Publications nº 115. Enschede. Van Westen, C.J., 2000. The modelling of landslide hazards using GIS. Surveys in Geophysics 21, 241-255. Van Westen, C.J., 2004. Geo-information tools for landslide risk assessment: an overview of recent developments. En: Lacerda, W.A., Ehrlich, M., Fontoura, S., Sayão, A. (Eds.), Landslides: Evaluation and Stabilization, vol. 1, pp. 39-56. Van Westen, C.J., Rengers, N., Terlien, M.T.J., Soeters, R., 1997. Prediction of the occurrence of slope instability phenomena through GIS-based hazard zonation. Geologische Rundschau 86, 404-414. Van Westen, C.J., Seijmonsbergen, A.C., Mantovani, F., 1999. Comparing landslide hazard maps. Natural Hazards 20, 137-158. Varnes, D.J., 1978. Slope movements, type and processes. En: Schuster, R.L., Krizek, R.J. (Eds.), Landslide Analysis and Control. Transportation Research Board, National Academy Sciences, Washington, DC, Special report 176. Varnes, D.J., 1981. Slope-stability problems of the Circum-Pacific Region as related to mineral and energy resources. En: Halbouty, M.T., (Ed.), Energy resources of the Pacific Region, Am. Assoc. Petroleum Geologists Studies in Geology, No. 12, pp. 489-505. Varnes, D.J., 1984. Landslide hazard zonation: a review of principles and practice. UNESCO, Paris. Viberg, L., 2000. Session Report. Lessons learned from landslides in Sweden. En:

Bergreen, B., Berglund, C. (Eds.), Concerted Action on Forecasting, Prevention and Reduction of Landslide and Avalanche Risks (CALAR). Appendices to Final Report: appendix A3. European Commission, Brussels. Weichselgartner, J., 2001. Disaster mitigation: the concept of vulnerability revisited. Disaster Prevention and Management 10 (2), 85-94. Weichselgartner, J., Bertens, J., 2000. Natural disasters: acts of God, nature or society? - On the social relation to natural hazards. En: Brebbia, C.A. (Ed.), Risk Analysis II. WIT Press, Southampton, pp. 312. Westgate, K.N., O’Keefe, P., 1976. Some definitions of disaster. Disaster research unit occasional. Paper nº 4. Department of Geography, University of Bradford. White, W.B., 1998. Geomorphology and Hydrology of Karst Terrains. Oxford University Press. Oxford, 464 p. Wieczorek, G.F., 1984. Preparing a detailed landslide-inventory map for hazard evaluation and reduction. Bulletin of the Association of Engineering Geologists 21 (3), 337-342. Winchester, V., Harrison, S., 1994. A development of the lichenometric method applied to dating glacially influenced debris flows in southern Chile. Earth Surface Processes and Landforms 19, 137-151. Wold, R.L., Jochim, C.L., 1989. Landslide Loss Reduction: A Guide for State and Local Government Planning. Denver, CO: Colorado Geological Survey, Department of Natural Resources. Wong, H.N., Ho, K.K.S., Chan, Y.C., 1997. Assessment of consequence of landslides. En: Cruden, D., Fell, R. (Eds.), Landslide risk assessment, Balkema, Rotterdam, pp. 111-149. Yamamoto, A., 2003. Prevention of landslide disasters by farming activities in monsoon Asia. Proceedings of the Expert

277

Bibliografía ———————————————————————————————————————————

Meeting on Land Conservation Indicators, Kyoto. Yong, C., Qi-Fu, C., Ling, C., 2001. Vulnerability analysis in earthquake loss estimate. Natural Hazards 23 (2-3), 349-364. Zêzere, J.L., 2002. Landslide susceptibility assessment considering landslide typology. A case study in the area north of Lisbon (Portugal). Natural Hazards and Earth System Sciences 2 (1-2), 73-82. Zêzere, J.L., Ferreira, A.D., Rodrigues. M.L., 1999. The role of conditioning and triggering factors in the occurrence of landslides: a case study in the area north of Lisbon (Portugal). Geomorphology 30 (1-2), 133-146. Zuloaga, I., 1995. Venezuela-estimation of the economic losses due to geological hazards. Primeras Jornadas Venezolanas de Ingeniería Civil, Caracas.

278

—————————————————————————Desarrollo, aplicación y validación de procedimientos ….

ANEXOS

279

Anexos ———————————————————————————————————————————

280

—————————————————————————Desarrollo, aplicación y validación de procedimientos ….

ANEXO I REVIEW OF LEGISLATION, RULES AND METHODS IN DIFFERENT COUNTRIES AND STUDY AREAS IN EUROPE

Introduction A lack of prevention tools and a scarce control on the territory from the authorities can be claimed as a major factor that contributed to the high social costs of landslide events. The first task of the research will thus consists in an inventory of the national and regional laws, prescriptions and technical regulations, concerning the assessment and management of geological hazard, vulnerability and risk, which are now in use in the countries to which the study areas belong to. At the same time, an analysis of conceptual methods concerning hazard, vulnerability, value and related risk, available in current literature will be carried out, with special attention to GIS applications. Main objectives of WP1: 1. Inventory: • of legislation and rules in European countries This inventory frame will contain these main topics: administrative information, legal provisions (law, enactment, rules), cartographic documents (scale, general title, date of publication, type of content, number of made up sheets, list of sheets, author, juridical or consultative document, public or non public consultation, editor, etc ...); • of GIS techniques and multimedia tools for hazard-vulnerability-risks and economic valuation. 2. The objectives of the review are: • to compare studies and operations from one country to another; • to choose or adapt a methodology and a representation applicable that participants can apply and which could be a common tool for European Union Countries. Deliverables: the deliverables must contain: 1. Database for each country with inventory of legislation, risk maps and drafting methodology, in electronic format 2. Synthetic report with databases and localisation maps 3. In-depth review of GIS tools and strategies for spatial data analysis including multi-media and internet techniques for risk management. The review will be initially implemented as a prototype multimedia and made available as a published manuscript and on the web at the end of the project. Milestones: The time schedule for this inventory will be as follow: 1. Definition of a common list of items: 1 month; 2. Research of information by each partners in their own country. Prototype VFC tool for documenting risk legislation in Europe and for visualization of techniques for spatial data analysis in hazard zonation and risk management/perception: 5 months; 3. Analyse and synthesis of the results and report: 3 months. Progress status: The WP1 was finished in 2003.

281

—————————————————————————————————————————————Anexo I

People involved: In each team, several people worked for this topic (cf. each national report); for the Spanish team: J. Bonachea & J. Remondo. End-user and links with research organizations and private companies: As the project mentioned in the deliverables the end-users are the different Alarm research teams. At the end of the project, the totality of the information collected until now and updated during the next years will be made available as a published manuscript and on the web. Results: In a first step, the French team proposed a pre-inquiry to obtain suggestions from the partners. The main topic of this inquiry was to collect laws, rules and methods used to assess and reduce hazard and risk in each country. In a second step, the reactions allowed to propose a modified version of the inquiry. The inquiry was structured in five parts: 1. Administrative information, 2. Legal provision, 3. Prevention, 4. Damage recovery and responsibility, 5. Information to the public. The countries concerned by the inquiry are: 1. France, 2. Italy and the Autonomous Province of Bolzano, 3. Poland, 4. Portugal, 5. Spain and the Autonomous Basque Region. On the basis of this form, each Alarm partner researched and collected the information in their own country and sent the fulfilled form and examples of hazard and risk maps to the WP1 coordinator (O. Maquaire) who prepared the synthesis. A synoptic document has been prepared. It constitutes the basis of the Prototype Multimedia tool for documenting risk legislation in Europe and for visualization of techniques for spatial data analysis in hazard zonation and risk management/perception. The document is structured along five tables organized as the example of Table 1. For each topic, the principle is to facilitate easily the comparison studies and operations from one country to another with a very short text inside the window. The reader has the possibility to obtain more information (text or/and graphic document) by clicking on the hypertext link (Ita01, for example). It is clearly apparent that governments should reach a consensus on the acceptable level of risk, which in the end involves a political choice. This should be compatible with maintaining local and national economic development and with social demand for protection against each of the risks. There is no such thing as “zero risk” and governments may favour either assistance and indemnity or prevention as a means of dealing with the risk. In both cases there are considerable differences in the choice and in the acceptance of responsibility in the various countries of Europe and in the European Union in general. The degree of centralization and the expenditure undertaken vary widely; some countries prefer public action through the various administrative departments and others turn to insurance companies in the private sector (Maquaire, in press).

282

—————————————————————————Desarrollo, aplicación y validación de procedimientos ….

1. Administrative structure In this chapter, a review of the different organisms in charge of natural risks in each country is proposed. If each country has its own administrative hierarchy, generally we can observe that the state (government) plays a major role to propose and adopt the national laws. Usually, the Ministry of Interior and/or the Ministry of Environment (France) and sometimes the Ministry of Internal Affairs (Poland) are in charge of coordinating preventive measures and after-disaster actions. In Italy, the Ministry of Interior is also in charge of natural risk. But this function is now delegated to the newly established Agency for Environmental Protection and Technical Services (Decree Law 343/01), which is directed by a person designated by the Ministry of Interior. This Agency has replaced the previous Department of Civil Protection (founded in 1990 with the Decree of the Prime Minister 112/90), known as National Service for Civil Protection since 1992 (Law 225/92), year in which this institution has acquired the mandate for the forecasting and the prevention of natural disasters. The role of this Agency is also to coordinate the Regional Services for Civil Protection that, in turn, must themselves carry out actions to forecast risks (natural or human-induced), to prevent their occurrence and to provide first aid in case of disasters. Moreover, this Agency gives guidelines along which the Regional Services have to develop site specific emergency plans and analyse and zone hazards and risks. The Agency is also supported, along the technical line, by the National Group for the Defence against Hydrogeological Disasters (Gruppo Nazionale Difesa Catastrofi Idrogeologiche, GNDCI) of the National Research Council and by the Geological Service, reorganised in 1988. Moreover, National and Interregional Basin Authorities, such as, for example, the ones for the Po and the Arno rivers, (instituted with the Law 183/89) have also the institutional role to identify, study and delineate high risk areas at high risk and to carry out landuse planning at the basin scale. It is more or less the same case in the Portugal with the Internal Administration Ministry – National Civil Protection Service (NCPS). This national service submits to the National Civil Protection Commission actions in the domain of civil protection. The NCPS promotes at a national level the plans of civil protection, addresses opinion about emergency civil protection, and supports activities in all domains of development of civil protection (such as the cooperation with national and international organizations of civil protection, or the development of educational actions). Another important task of the NCPS is a surveying task by promoting the inventory of natural or technological events; inspecting the resources and means of civil protection, structuring the national alert system, which integrates all specialized services and assures the information to population. It also assure the establishment of a civil protection situation centre that follows the constant evolution of national situation. In Spain, the administrative structure consists of autonomous regions. Therefore, if what we are presenting is in general true for the entire country, it refers specifically to the Basque Country where the Alarm test site is located. The disaster prevention system is very hierarchical. It starts at the municipal level. If this administrative level cannot face the disaster then the autonomous region will manage it. In case the last cannot, the state deals with it. Within the Ministry of the Interior/home office (Ministerio del Interior), the Civil Defence Office (Dirección General de Protección Civil) coordinates all the organizations (army, fire brigades, hospitals, red cross, etc.) in case of the disaster cannot be managed by Autonomous Regions. They also provide information to the public. In each country, several administrative services are linked to the national level. Their role is to execute the central directives, orders and instructions and verify their correct application. This regional or provincial level has an important role, particularly in Italy and in Spain with the autonomous province or region. In Italy, the Regions and the Autonomous Provinces of Bolzano and Trento participate in the organization and fulfilment of the Civil Protection activities. In particular, in the Autonomous Province of Bolzano (where the Italian test site is located) the Office

283

—————————————————————————————————————————————Anexo I

for Civil and Fire Protection (Section 26.3) acts as the Regional Services mentioned above and must prepare emergency plans shared with the Municipality Committee for Civil Protection. This office is directly controlled by the Provincial Council and it is supported, along the technical line, by the Geological Service (Section 11) and by the Office for Mountain Basins and Hydraulic Works (Section 30). These two latter sections have now the task to define hydrogeological risk zoning plans to be used also in land use planning (in accomplishment to national and provincial laws). In Portugal, for the Açores and Madeira Regional, in spite of their own legislation, the role of the Civil Protection Regional Service is in most cases similar. Its role is to inform, train, plan, coordinate and control civil protection under the Article 3. specified in Civil Protection Law. In Spain, the Emergency Office (Dirección de Atención de Emergencias) of the Autonomous Region, that belongs to the Regional Interior Department of the Basque Government, provides emergency plans for all municipalities. These plans consist only in management systems in case of disaster. They manage the disaster if the disaster affect several municipalities or if the municipality cannot face it. In Poland, the Department of Environmental Protection and the Department of Crisis Management, People Protection and Civil Defence are in charge of coordinating preventive measures and after-disaster actions at the Province level.

Table 1. Administrative information. Organism in charge of natural risk (prevention, information, …). France

State (Ministry of)

Interior & Environment (Fra01)

Region or Province

Italy and Autonomous Province of Bolzano Interior >1970 Agency (Ita01)

Environment Internal Affairs and Administration (Pol01)

Autonomous Provinces of Bolzano & Trento

Wojewodztwo: Dept of Environmental Protection of the Provincial Office Dept of Crisis Management, People Protection and Civil Defence (Pol02) Powiat: Dept of People Affairs and Crisis Management, Dept of Environment Protection of the District Office (Pol03) Gmina Municipality Office - in charge of coordinating preventive measures and after-disaster actions (Pol04)

(Office for Civil and Fire Protection) (Ital02)

Department, District, County

Prefect organized, the preventive cartography, information & rescue, afterdisaster actions (Fra02)

Municipality, shire

Mayor in charge of information, preventive measures, assistance and after-disaster actions (Fra03)

Municipality Committee for Civil Protection Mayor is local authority for Civil Protection (Ita03)

284

Poland

Portugal

Government; Republic Assemblage; Internal Administration Ministry – National Civil Protection Service (NCPS) (Por01) Regional Civil Protection Service of Açores and Madeira most cases similar and articulated with national service role (Por02)

Spain ad Basque Government (autonomous region). Interior/ Home Office (Spa01)

Autonomous region (Emergency Office) (Spa02)

Department delegations of NCPS execute all directives, orders and instructions of NCPS (Por03)

Diputación (Province) No (Spa03)

Municipality Civil Protection Services (MCPS) (Por04)

Mayor manage the risk, coordinates & mobilises the services (Spa04)

—————————————————————————Desarrollo, aplicación y validación de procedimientos ….

Local organism, private agency, association

France

Italy and Autonomous Province of Bolzano

Subcontractors for research & technical matters (Fra04)

Subcontractors for research & technical matters (Ita04)

Poland

Rescue and specialised services (Pol05)

Portugal

Civil protection agents: National Fireman Service, Portuguese Red Croix, Military Forces…Technical and scientific institutes, privates or publics cooperate with NCPS (Por05)

Spain ad Basque Government (autonomous region). No

In France, a specific administrative service exists at the Department level where the Prefect represents the centralised National level and the State. The Prefect, with the help of the Committee on Risk Analysis and Preventive Information (Commission d’Analyse des Risques et de l’Information Préventive, CARIP), inventories the municipalities subjected to natural or technological risks in a specific document (Dossier Départemental des Risques Majeurs, DDRM). He defines the priorities and nominates the administrative local service in charge of the prevention mapping. He is in charge of rescue and post-disaster actions. He gives to each Mayor a synthetic document concerning the risks on his municipality (Synthetic Municipal Document, Dossier Communal Synthétique, DCS). Finally, at the lowest level, the Municipalities concentrate the most important role because the different local services are directly in contact with the population. In France, the Mayor informs the citizens by diffusing the Synthetic Municipal Document (Dossier Communal Synthétique, DCS). He is in charge of elaborating the Municipal Information Document on Major Risks (Document d'Information Communal sur les Risques Majeurs, DICRIM). He is also in charge of prescribing the measurements required to ensure security of the citizens (Municipal code). He manages the assistance in case of catastrophic events. The State intervenes only if the Mayor requests it. Concerning land planning, the mayor prepares the Local Development Plan (Plan Local d’Urbanisme, formerly Plan d’Occupation des Sols, POS). This document proposes conditions to prevent the foreseeable risks. In Italy, each Municipality Council can nominate a Local Committee for Civil Protection. In any case, the Mayor is the local authority for civil protection. Municipalities must also have Urban Development Plans that account for land use restrictions set by regional authorities. In Poland, in the Gmina level, the Municipality Office is in charge of coordinating preventive measures and post-disaster actions. In Portugal, the Local Civil Protection Services of the municipalities must be well articulated with services at higher levels (department and national levels). In Spain, the Mayor coordinates the risk according to the specific Emergency Plans (Plan of Dirección de Atención de Emergencies) of the Basque Government. Local fire brigades, schools, public buildings, associations, local people, etc. can be mobilised if the Mayor requires it. Generally, in all countries, for research and technical matters (such as monitoring, e.g.) the department and municipality organisms in charge of civil protection and of risk mapping can work with external experts (private or public) such as scientific institutes, universities, technical and specialized agencies, e.g. Those domains are: seismology, vulcanology, meteorology, sociology and hydrology.

285

—————————————————————————————————————————————Anexo I

2. Legal provision This chapter aims at pointing out if a national legislation exists for the whole territory and if applied at regional or local level by a representative of the state, or, if local administrations are completely autonomous. Indicate the laws existing at national level, and, if local rules exist, give contrasted examples to illustrate the diversity of regulation. In all countries, a legislation exist for prevention (France, Italy, Poland, Spain), for compensation and damage recovery (France, Italy, Poland) and for information (France, Poland). The detail of the different laws, enactments, decrees, and acts for the different levels (National, Federal, Regional, Department, Local) can be found in each national table (see the synthetic multimedia document). The legislation is often very recent. The majority of the legal provision has been adopted in the middle of the 1980’s or in the last decade. France has the oldest legislation (October 1935) with the Plan of Flooding Surface (Plan de Surfaces Submersibles, PSS). The first law dedicated to the compensation of victims and to the prevention is dated from July 1982 (Risk Exposition Plan, Plan d’Exposition aux Risques, PER). In Spain, mass movements are not considered in the National laws, with exception in the Basque Autonomous Region (Decree Law 153/1997 for the implementation of the (Civil Defence Plan, Plan de Protección Civil del País Vasco). This plan describes the natural risks affecting the Basque Country (mass movements, floods, meteorological hazards, seismic hazard). At the National level, mass movements could nevertheless be indirectly included in the maps. The management of the natural risks is under the responsibility of the Civil Defence, which has a hierarchical structure: - in case of a disaster event, the Local Administration (Municipality) is the first level taking decisions; - if the Local level is not able to face it, the Regional Administration assumes the responsibility; - and finally, if the Regional Administration is not able to face to this situation, the National Administration takes the decisions and coordinates the actions. In the Basque Autonomous Region, the above cited Civil Defence Plan (Plan de Protección Civil del País Vasco) includes Emergency Plans (Planes de Emergencia) realized by the Interior Department of the Basque Government (Departamento de Interior del Gobierno Vasco). These plans are considered as laws and are approved by the Basque Parliament. They provide rules and protocols in order to face any type of disaster or public calamity. Any municipality over 20,000 inhabitants must have a specific Emergency Plan. Since 1998, all the 73 municipalities with more than 20,000 inhabitants and almost all the municipalities with more than 5,000 inhabitants have produced the plans. The municipalities of Deva, Elgoibar and Eibar (located in the Spanish test site) have their plans aproved by the parliament; on the contrary the municipality of Mendaro do not, nor is making any land use planning policy. These plans are more or less factual and do not refer to any particular type of hazard; they include an inventory of the resources available, and how to deal with.

286

—————————————————————————Desarrollo, aplicación y validación de procedimientos ….

2.1. List of legal provisions: France Type of regulation and date (law, enactment, rule,…). Eventually, give the historic and succession of these different legislation and provisions. N°

Name of legal provision (1)

Date

Law-Decree

October 1935

Town planning code Urbanism code (code de l’Urbanisme)

Law N° 82-600

Decree of application N° 82-706

9 10 11

Decree of application N° 84-328 (Article 5) Law N°87-565 Information (Article 21) Prevention (Articles 40-1 to 40-7) Decree of application N°90-918 Circulaire (Ministres de l’Intérieur et l’Environnement) N°93Circulaire (Ministre de l’Environnement) N°94-56 Law N°95-101 (modify law 22 July 1987) Decree of application N°95-1089

Title and objectives (2) PSS: Plan de Surfaces submersibles (Plan of flooding surface)

Article R. 111-3: Perimeter of the risk (délimitation d’un périmètre de risque) Article R. 111-2: control of the permission of construction “Porter à connaissance” in the framework of the elaboration or modification of the POS (Plan 1967 d’Occupation des Sols), “Projet d’Intérêt Général, PIG), Law about: - compensation of victims in case of catastrophic events, 13 July 1982 - prevention : PER (Risk Exposition Plan / Plan d’Exposition aux Risques)

Level (3) National

1955

10 August 1982 3 May 1984

National

- compensation

National

- PER

National

Organisation of the civil protection, Protection of the forest against fires, 22 July 1987 Prevention of the major risks (PER)

National

11 October 1990

Information of the communes about exposed risks by the State (DCS: Dossier Communal Synthétique/ Synthetic Communal File)

13 December 1993

Risks and Preventive Information Committee (commission d’analyse des risques et de l’information préventive - CARIP) near the Prefect

National

19 July 1994

Relance de la cartographie réglementaire des risques naturels prévisibles

National

02 February 1995

Reinforcement of environment protection Prevention of the major risks (PPR)

National

05 October 1995

PPR replace all previous prevention documents

National

(1) law, enactment, rule (2) prevention, compensation, information : one, or two of them, or all (3) national, federal, regional, local

287

—————————————————————————————————————————————Anexo I

2.2. List of legal provisions: Italy N°

Date

Title and objectives (2)

Level (3)

Name of legal provision (1) L.

18/05/89

National

D.P.C.M.

23/3/90

D.P.R.

7/1/92

24/2/92

D.M.L.P.

14/2/97

6 7

L.P. D.L.

11/8/97 11/6/98

3/8/98

D.P.C.M.

29/9/98

D.L.

7/9/01

L.183/89 Norme per il riassetto organizzativo e funzionale della difesa del suolo (Prevention, Information) D.P.C.M. 23/3/90 Atto di indirizzo e coordinamento ai fini della elaborazione e della adozione degli schemi previsionali e programmatici di cui all'art. 31 della legge 18 maggio 1989, n. 183, recante norme per il riassetto organizzativo e funzionale della difesa del suolo. (Prevention, Information) D.P.R. 7/1/92 "Atto di indirizzo e coordinamento per determinare i criteri di integrazione e di coordinamento tra le attività conoscitive dello Stato, delle Autorità di bacino e delle Regioni per la redazione dei piani di bacino di cui alla legge 18 maggio 1989 n. 183, recante norme per il riassetto organizzativo e funzionale della difesa del suolo". (G.U. - s.g. - n. 8 dell'11 gennaio 1992). (Prevention) L.225/92 Istituzione del servizio nazionale della protezione civile. (Prevention, Information) D.M.L.P. 14/2/97 Direttive tecniche per l’individuazione e la perimetrazione da parte delle Regioni delle aree a rischio idrogeologico. (Prevention, Information) L.P. 13/97 Legge urbanistica provinciale. (Prevention) D.L. 180/98 Misure urgenti per la prevenzione del rischio idrogeologico ed a favore delle zone colpite da disastri franosi nella regione Campania. (Prevention, Information & Compensation) L.267/98 Conversione in legge, con modificazioni, del decretolegge 11 giugno 1998, n. 180, recante misure urgenti per la prevenzione del rischio idrogeologico ed a favore delle zone colpite da disastri franosi nella regione Campania. (Prevention, Information & Compensation) D.P.C.M. 29/9/98 Atto d'indirizzo e coordinamento per l'individuazione dei criteri relativi agli adempimenti di cui all'art. 1, commi 1 e 2, del D.L.11/6/98 n.180. (Prevention) D.L. 343/01 Disposizioni urgenti per assicurare il Coordinamento operativo delle strutture preposte alle attività di protezione civile. (Organization)

L.= Legge (Law); D.L. = Decreto Legge (Law Decree); D.P.R.= Decreto presidente della Repubblica (Decree of the President of Republic); D.P.C.M.= Decreto Presidente Consiglio dei Ministri (Decree of the Prime Minister); D.M.L.P.= Decreto del Ministero dei Lavori Pubblici (Decree of the Ministry of Public Works); L.P. = Legge Provinciale (Provincial Law).

288

National

National National

Provincial National

National

—————————————————————————Desarrollo, aplicación y validación de procedimientos ….

2.3. List of legal provisions: Poland N° 1

Name of legal provision (1) Act

Title and objectives (2)

Date

Level (3) National

Act about natural disaster

2002

Act

2001

Geological and mining act.

National

Decree

1997

Ministry Decree about setting houses and buildings

National

Act

2001

Act about water ways and water management

National

Act

1977

National

Act

1997

Act about territory planning Act about implementation of specific solutions related to mitigation of flood effect In 1997

Act

2002

Act

2001

Act

1990

Act about implementation of specific solutions related to mitigation of flood effect In 2001 Municipality Council Act about local territory planning in Gorlice Municipality ** Act about insurance procedures

National National Local National

10 Decree 1997 Decree about general conditions of compulsory insurance National ** Analogous acts exist for some other municipalities – it is a compulsory legal act to be verified every 10 years The legal documents marked in grey are independent provisions. The legal documents marked in violet have been developed as a response to a particular disaster situation and have become the fundamentals for mitigation actions in the future. The legal documents marked in green are historically ordered and the decree is supplementary document refining the act about insurance and compensation.

2.4. List of legal provisions: Portugal N°

Name of legal provision (1)

Date

Law n.º 113/91

29AGO1991

Law-Enactment n.º 203/93 Law-Enactment n.º 231/86 Regional LawEnactment n.º 7/99/A

03JUN 1993 14AGO 1986

Civil Protection Basis Law (prevention; information) National Civil Protection Service Organic Law (prevention; information) Creates in the National Civil Protection Service the “Special Emergency Account”(compensation)

19MAR 1999

Define the Organic Law of the Açores Regional Civil Protection Service (prevention; information)

regional

Establish the constitution, competencies and function of the Civil Protection Operational Emergency Centres (prevention; information) Establish the relation between the National Civil Protection Service and the Scientific and Technical Institutes and Organisms (prevention; information)

nacional, regional, federal, local nacional, regional, federal, local

2 3 4

Law-Enactment n.º 222/93

18JUN 1993

Law-Regulation n.º 20/93

13JUL 1993

Title and objectives (2)

Level (3) national national national

(1) law, enactment, rule (2) prevention, compensation, information : one, or two of them, or all (3) national, federal, regional, local

289

—————————————————————————————————————————————Anexo I

2.5. List of legal provisions: Spain N°

Name of legal provision (1)

Date

Title and objectives (2)

Level (3)

Ley 2/1985 (Law)

Ley sobre protección Civil (Civil Defence Law). Prevention, civil defence and assistance in case of disasters

National

Real Decreto 407/1992 (Decree Law) Ley 1/1996 (Law)

Jan., 21, 1985 Apr., 24, 1992 Apr., 3, 1996 Jun., 24, 1997

Decreto 153/1997 (Decree Law)

Ley Básica Estatal 6/1998 (Law) Rule

Norma básica de planificación de protección civil (Civil defence rule). Only National for volcanic, sismic and flooding hazards. Demands hazard, vulnerability and risk analysis for Land-use planning Ley de Gestión de Emergencias (Law of Management of Emergencies) Regional The aim is to face any type of catastrophe or public calamity that is caused in the Basque Country. Plan de Protección Civil del Pais Vasco, LABI (Civil Defence Plan for the Regional Basque Country) It describes the natural risks which affect to the Basque Country: (mass movements, Floods, Climatic, Seismic) Ley sobre regimen del suelo y valoraciones (land-use planning). It says that National hazard areas cannot be built.

Apr., 13, 1998 Jun., Plan Especial de Emergencias ante el Riesgo de Inundaciones de la CAPV Regional 8, (Special plan of Emergencies for flooding risks in Basque Country). Inside of 1999 this plan a list of points or zones with landslide risk is shown. (1) law, enactment, rule (2) prevention, compensation, information: one, or two of them, or all (3) national, federal, regional, local

It is clearly apparent that governments should reach a consensus on the acceptable level of risk, which in the end involves a political choice. This should be compatible with maintaining local and national economic development and with social demand for protection against each of the risks. There is no such thing as “zero risk” and governments may favour either assistance and indemnity or prevention as a means of dealing with the risk. In both cases there are considerable differences in the choice and in the acceptance of responsibility in the various countries of Europe and in the European Union in general. The degree of centralization and the expenditure undertaken vary widely; some countries prefer public action through the various administrative departments and others turn to insurance companies in the private sector.

3. The prevention of natural risks The prevention can also be ensured by regulations and in particular by mapping risk zones. Prevention may be implicitly included in local building regulations and may be mapped using historic data on hazards. For this prevention, regulations exist mainly in France and in Italy. 3.1 Legal aspects In Italy, the delineation of areas subject to hydrogeological risks has been regulated since 1998 by the law (DM 180/1998, converted in L 267/1998) and the decree (DPCM 29/9/1998). They were assessed after the “Sarno-Quindici” mudflow disaster that claimed several lives near Naples. These juridical documents proposes some basic guidelines for a common working methodology to be adopted by all the Italian authorities involved in hydrogeological risk assessment (Panizza et al., 2002). In France, the pioneer in the field of preventive mapping for over twenty years, the National level can define the area exposed to risks and can either forbidden building, or authorize building under specific conditions. The National level drafts the design of the Prevention Plans (Plan de Prévention des Risques naturels prévisibles, PPR), for the foreseeable risks since February 1995 (Law 95-101 and Decree 95-1089). This law has replaced the older various documents (PPS, PER, etc.) (Maquaire, in press).

290

—————————————————————————Desarrollo, aplicación y validación de procedimientos ….

No appropriate legislation exist in Poland and in Portugal. In Poland, there are only recommendations for prevention by the way of the 1/50000 geological map on which landslides are located, of the detailed geology and management map of Poland (1/50000) on which landslides are also located, altogether with the suitable areas for buildings (without any restriction and with restrictions), and of the flood extent map. Portugal exhibits the same case, with no appropriated legislation but only thematic cartography documents under the responsibility of public institutes. In Spain, if the laws exist, the document do not, especially because the laws do not impose systematically the establishment of these maps. Nevertheless some hazard and risk maps exist and were established under the initiative of Regions, Provinces or Municipalities. At these date, the existing maps, mainly produced by the Province level (Diputación), have been poorly considered. In fact, they consist in a local political initiative, because the Province has no responsibility in case of disaster. The overall documents are realized under the responsibility of a Regional or Local technical services: in France the work is coordinated by the Prefect who nominates a specific service (the socalled Service Instructeur) in charge of the creation. The specific service can be the Division of Equipment (Direction Départementale de l’Equipement) or the Division of Agriculture (Direction Départementale de l’Agriculture or Restauration des Terrain en Montagne, RTM in mountainous areas), with the help of public or private scientific agencies; in Italy, the work is carried out by the Civil Protection, the Basin Authorities, the Geological Services with the help of the Universities, the National Research Council and private agencies; in Poland, the work is performed by the Municipality and the administration board; in Portugal, the work is under the responsibility of public institutes (for the thematic mapping); in Spain, the wok is performed by private companies or universities under the supervision of the Province administrative services.

Figure 1. Hazard map of Sassenage (Department of Isère, France). This map shows different hazard and their extension without work protection. Some buildings could be touched in case of catastrophic events (example of the building “entrepôt”) (In: Plans de Prévention des Risques naturels, PPR (1999).

291

—————————————————————————————————————————————Anexo I

Figure 2. Map of lawful project of zoning taking account of protection works in Sassenage (Department of Isère). In case of protection work the building ”entrepôt will be protect of rockfall. (In: Plans de Prévention des Risques naturels, PPR (1999).

Figure 3. Landslide hazard map in Italy.

292

—————————————————————————Desarrollo, aplicación y validación de procedimientos ….

Figure 3. Landslide hazard map in Poland.

Figure 5. Landslide hazard map in Portugal.

293

—————————————————————————————————————————————Anexo I

Figure 4. Landslide hazard map and legend existing in the Bajo Deva area (Spain).

Generally the cartographic documents, when existing, have a legal and juridical power. They are public and can easily be consulted by the people. In Portugal, the documents have a legal power but not a juridical power. The produced documents are only general and informative.

France Regulation

Responsible of the realisation of the document

Cartographic document is: - a juridical and legal document - a consultative (informative) document - public or non public

Law n°7 and decree n°8

D.P.C.M. 29/9/98 n°9

The Prefect and specifically by administrative departmental service (Fra05)

Civil protection, Basin Authorities, Geological Services. (Ita05)

Poland

municipality administration board

(Pol06) Yes

Yes

Public

Basin, provincial and communal.

Municipality (Gmina)

Territory covered Communal limits or by the document: risk basin limited by natural boundaries

294

Italy

Portugal There is no appropriate legislation Only thematic cartography documents under responsibility of public institutes (Por06) This type of thematic cartography document is legal but not juridical. The few very general documents produced are only informative. National

Spain Laws but not cartographic documents (Spa06) Regions, Provinces or Municipalities. Political initiative (Diputación) (Province) (Spa07)

? Non public

Municipalities (all of them) In the case of

—————————————————————————Desarrollo, aplicación y validación de procedimientos ….

France

Mono-risk or multi-risk Different hazards

Map scale

Technical documents: geomorphological map, geotechnical map, exposed elements hazard zonation map,

Italy

(partly of several communes) mono-risk but mono-risk but sometimes multi-risks sometimes multirisks Landslides, Floods, Landslides, floods, earthquakes, snow snow avalanches avalanches topographic map 1/10 Larger than 1/25 000 (in rural zone) 000 (1/5 000 is 1/ 5 000 in urban suggested, when (cadastral documents possible) with parcels <1/5 000) Geomorphological, Geomorphological Exposed elements, Exposed elements, Hazard zonation, Risk Hazard zonation, Risk zonation zonation, Synthetic document

vulnerability zonation map, risk zonation map, susceptibility map, historic map, synthetic document Terms Natural risk (Unesco nomenclature) used in law text and documents: Return Period (or Frequency) class(es) for hazard levels Intensity class(es) for hazard levels

Hazard class(es)

Susceptibility class(es) Risk class(es)

Extract of document Documents taken into account in territory planning

Poland

Portugal

Spain Guipúzcoa

multi-risks

Landslides & floods

1/10 000

1:1 000 000

1/5 000

NO, just a risk map and explanatory text (method, data, graphs, etc.).

1/5 000

Geotechnical map, Maps of spatial management and landscape planning show the terrains of the potential hazards without gradation of hazard and risk synthetic document (Pol07)

Risk zonation

No No

Susceptibility Hazard Specific risk And sometimes Total Risk

Specific risk

Hazard

Yes, human scale or Centenal Return Period

Yes only for floods 1: 20-50 years, 2: 100-200 years, 3: 300-500 years No

Yes for floods (Pol08)

R1 (moderate); R2 (medium); R3 (high); R4 (very high) (Ita06)

2 documents (filexx) Yes

2 documents 1 document (filexx) (filexx) is obligatory, No unfortunately the practice in many

I1: low (faible) I2: medium (moyenne) I3: high (forte) I4: major (majeur) A1: low (faible) A2: medium (moyenne) A3: high (forte) A4: major (majeur)

White: all is authorized Blue: construction under conditions Red: no construction (Fra06) 6 documents (filexx) The P.P.R. impose to other document (like P.O.S.: management

The meaning is close to total risk according to UNESCO, but not the same Total risk ? No for mass movements

2 documents (filexx) Not really, but somehow are considered (not

295

—————————————————————————————————————————————Anexo I

France

Italy

and landscape planning) since 13 December 2000 the PLU (Plan Local d’Urbanisme / Urban Local Plan)

Poland cases does not used to coincide with official requirements (Pol09)

Portugal

Spain systematically).

3.2 Scale of analysis and produced documents The area covered by the documents corresponds to the municipality boundaries or to a “basin of risk” limited by natural boundaries and covering several municipalities. Sometimes, such as in Italy the mapping concerns the Province territory. In France, the PPR are elaborated for the most exposed municipalities. The priority municipalities are chosen according to the recent or historic events, the Dossier Départemental des Risques Majeurs (DDRM) and on information provided by inter-ministerial decrees establishing the state of natural disaster. The hierarchy of communes is also defined on the basin of risk concept and on the technical and financial resources that can be mobilised. For the most part, these documents are mono-risk (France, Italy) but sometimes they are multi-risks and associates landslides, floods, snow avalanches and earthquakes. In France, the PPR comprises several graphic documents drawn on a 1/10,000 scale in rural areas (topographic map) and on a 1/5,000 scale (or sometimes lower) in urban areas (cadastral documents with the land parcels). The documents are (1) the information map of natural event, (2) the geomorphological map, (3) the hazard map, (4) the exposed elements, (5) the stakes and vulnerability map and finally, (6) the PPR delineation plan. The area is subdivided in three zones easily identifiable by a color (Maquaire, in press): in the white area, all is authorized. The area does not exhibit any particular restriction; in the blue area, the construction is authorized under specific conditions (risk reduction, mitigation, drainage, protection, survey, e.g.). The specific conditions can correspond to ordinary or extraordinary maintenance of buildings, the implementation of adapted infrastructures (a detailed geotechnical study is needed) or specific building codes, etc.; in the red, no construction is possible. The actual construction cannot be modified. In Italy, the hydrogeological risk is delineated at medium to large scales (1/25000 to 1/5000). The task is devoted to regional authorities that define guidelines and involve research institutions and private experts. Standardisation rules regard essentially the subdivision of four risk classes that range from R4 (very high) to R1 (very weak). Associated constraints affect land use limitation and land management. Risk zones are determined on the basis of potential damages to (1) people (casualties: R4; injuries: R3), (2) infrastructures and buildings (destruction: R4; functional damages: R3; minor damages: R2), (3) services and socio-economic activities (destruction: R4; functional damages: R3), (4) environmental assets (total loss: R4; relevant damages: R3; minor damages: R2) (Panizza et al., 2002): R1 and R2 do not imply any particular restriction; R3 allows any intervention for risk reduction, demolition, ordinary maintenance of buildings, construction of strategic infrastructures (only if correlated with adequate detailed studies) etc.; R4 allows any intervention for risk reduction, demolition of buildings, extraordinary maintenance of buildings, construction under specific building codes. In each country, the terms used in the laws correspond rarely to the Unesco nomenclature (Varnes, 1984) except for the concept of Specific Risk like in Italy, Return Period, Frequency Classes (the human scale or a centennial return period) and Intensity Classes (low, medium, high, major) like in France. The term hazard is also used in Poland.

296

—————————————————————————Desarrollo, aplicación y validación de procedimientos ….

Once the cartographic documents exist, they are taken into account in land use planning. Or instance, in France, the PPR. imposes to the other documents (like the Plan Local d’Urbanisme, PLU). It is the same case in Poland but unfortunately the practice in many cases does not coincide with official requirements. Nevertheless, after the flood of 1997 that has also triggered catastrophic landslides, the attitude of the administrations ha s changed, together with the perception of risk. Actually, computer techniques are sometimes used to realize the document in France, Italy and Poland. They are never used in Portugal and in Spain. Generally, a vector GIS-software is used like ArcInfo or ArcView only for geo-referencing information or updating the documents. They are never used to analyse in-depth the catastrophic event (simulations, triggering parameters, e.g.) or to perform spatial analyses. Computer techniques Are computer techniques used to realize the document ? With which GIS software ? For cartography to geo-reference information Analyse (simulation, calculate parameters of triggering,…) Carrying out spatial analyses ?

France Sometimes

Italy Sometimes

Poland Sometimes

Portugal

Spain

Never

No, they are in paper format

ArcInfo/ArcView ArcInfo/ArcView (Vector) (Vector) (Vector) Yes Yes Yes

Not applicable

4. Damage recovery and responsibility Regulation exists in Poland (law 1990, decree 1997) and in France since 1982 (law 82-600) for the compensation of victims in case of catastrophic events. In Italy, the Government issues specific laws (Law 267/98 of 1998) only in case of catastrophic event. Portugal and Spain have no regulation. Insurances exclude any natural disasters. In many cases, it is not possible to subscribe a voluntary insurance that includes natural hazards. 4.1 “State of natural disaster” Usually it is the State (Government) which declares the “state of natural disaster” after consultation of technical reports and experts. In France, the government asks an Inter-Ministry Commission to give its opinion on the exceptional character of the event (intensity, duration, damages, …). In case the event is exceptional, a Decree CatNat is signed by the French Prime Minister for the concerned municipalities. In Poland, the Government Cabinet can announce the “state of natural disaster” either on its own resolution or on the resolution of the Major of Province. The duration is 30 days, but the period can be extended for specific circumstances. Portugal does not use the term “natural disaster” but “public calamity”. The declaration of “public calamity” is a legal Ministry Council Resolution. Such situation exists only when a severe event occurs which happens in “delimited areas” and is able to cause large damages and eventually victims. The “public calamity” situation need the establishment of exceptional measures for an undetermined period of time to provide the return to normal life. The State can also declare (by law) the situation of “Site State” or “Emergency State”. In both cases these declarations can come pre-or post the declaration of “public calamity” situation. In Spain, the national Government

297

—————————————————————————————————————————————Anexo I

according to the range of damages (damages must be very large) can declare the “state of natural disaster”. Autonomous regions can also declare this state using their own budgets, but it is unusual. 4.2 Management of the help (insurance situation) in each country On a legal standpoint, the insurance is obligatory in France and in Poland, but only voluntary in Italy and Portugal for individual people, house holders, companies or municipalities, etc. , and for floods, landslide, mudflow, earthquake and avalanche. In Spain if the “state of natural disaster” does not exist there is no damage recovery. Nevertheless, in some cases, if one has a vehicle and a natural event destroys it, the National Insurance Consortium could pay the damages. In France, the government determines the fixed amount of the “natural disaster” insurance. Since September 1999, the price is 12 % (before 9 %) of the amount of the insurance contract “Full-risk” or “Loss of Exploitation”. Damages to the habitation (robbery, fire, …) and to the vehicle are included in the insurance contract. At the opposite, in Poland, the insurance rates differ either between the insuring companies, and between the regions in which the properties are located. In Portugal, the price is most variable and is fixed by the Portuguese Insurance Institute. The insurance is only obligatory for the fires assuming the market cost of the buildings as capital. Natural risk is not included in the insurance contract and one has to subscribe “Special conditions”. The index used to establish the price of the insurance is actualised all tree months by the Portuguese Insurance Institute. Once the situation is recognized as a “natural disaster” the victims are compensated by private insurance companies, as in France, in accordance with the law of 13 July 1982. Based on the principle of solidarity, it is compulsory to insure natural disasters, even in areas where the risk is low or absent. The list of municipalities declared threatened is published in the Republic Official Journal (Journal Officiel). Then the role of the public authorities finishes. People must declare damages to their insurers within a delay of 10 days. The follow-up of claims, expert opinions and indemnities are settled directly between the people and the insurance companies. In the other states where no legal insurance rules exist, the government has a public reserve for monetary assistance to minimise the effects of the catastrophic events. But it is evident that this public reserve can not cover the totality of the damages in the affected areas. In Portugal, a public reserve for monetary assistance exist. The priority is to help the poorer or the families affected by individual victims. Some percentages of “Totobola” and “Totoloto” games (2 % and 1.5 % respectively) are dedicated to prevention and repair of public calamity situations, and more than 2 % of hitch games to fireman associations. There is also the possibility to engage an exceptional monetary assistance to cover the damages in local administration infrastructures and equipment. Sometimes, such as in France, in case of particularly strong and important natural disaster, the state can give an exceptional financial support to help rapidly people (waiting for their reimbursement by the insurances) or to engage the repairing of works. The financial help is managed directly by the State (Poland, Spain), by the Ministry of Finances (France, Italy) or by the National Civil Protection Service (Portugal). This help covers temporary accommodation costs, recovery costs, social indemnity, specialised works and technical support for repairing damaged constructions, etc. In Portugal, for amounts less than 100,000 €, the payment can be done by the National Civil Protection Service and for higher amounts by the Internal Administration Ministry. In case of Local Administration, the victims must fulfil some candidatures to the Ministry of Planning and Territory Administration. The selection will take in account the potential urgency of the help, the type of activities and other important factors. The participation of the State in financial assistance to public local organisms and fireman associations can not exceed 55% of total costs. In the other hand the elements that can be insured (ex. houses, life).can not be object of public monetary assistance.

298

—————————————————————————Desarrollo, aplicación y validación de procedimientos ….

4.3 Responsibility in case of “natural disaster” In France, if goods and persons were allowed to set in risk zones, responsibility behaves to whom has given the permission or whom has not followed the legislation in case of catastrophic event. In Italy the responsibility behaves also to whom has given the permission, but only if specific regulation at higher level exists. In both countries Civil Responsibility can be pursued for civil damages, and Penal Responsibility in case of deaths or injuries. In Poland, legal regulations is still in progress. An individual judicial prosecution is the only way to engaged the parties. The individual or corporate body can accuse an expert and can start judicial prosecution against him Sanctions can be taken if the appropriate expertise was given. In Portugal, the legal system does not define risk zones. But some restrictions exist at all level especially for soil use. Two fundamental instruments of soil use regulation are applied (the National Agriculture Reserve, RAN, and the National Ecological Reserve, REN). Only individual persons (technicians or politics) which allowed the occupation of restricted zones considered in these documents may respond for juridical responsibility. In most cases they could be only incriminated if it is proved that they act with intention. Local Administration is always interdependent with their individuals, but they can personally be sanctioned. All members of the administration can respond in juridical way.

5. Information to the public Information to the public related to natural hazard is compulsory in France and in Poland. Since 2002, in Poland, the Cabinet declaration is announced by TVs and Radios. In France, the public can be informed on the basis of the following legislation: - Law 87-565 22/07/1987, relative to the Civil Security Organisation, Forest Protection and Major Risks Prevention, Art. 21: “the Citizens are entitled to have information on the major risks to which they are subjected in certain zones of the territory and on the related safeguard measures”; - Decree n°90-918 11/10/1990, relative to the obligation of the Municipalities to inform their inhabitants. Information is given by several tools: - the Synthetic Municipal Document (Dossier Communal Synhétique, DCS): this document is given by the Prefect to the Mayor, and is available for consultation in the City Council. It integrates information implemented in the PPR; - the Municipal Information Document on Major Risks (Document d'Information Communal sur les Risques Majeurs, DICRIM): this document is elaborated by the Mayor and is also available for consultation in the City Council. The document contains safeguard measures; - the Prevention Plan on Natural Risks (Plan de Prévention des Risques naturels prévisibles, PPR); - the Primnet website (http://www.prim.net). The website gives the definition of each natural hazard, information about risks, and for each commune, the list of “catastrophic events”. In Spain, the public is informed by the Civil Defence Services (local, regional, or national level) or by the Emergency Office (Dirección de Atención de Emergencias) in the Basque Country. Nevertheless, as no specific information about natural hazard exist, the services can only inform about how to act in case of disaster in general (flood, earthquake, storm, etc,). There is no specific information for landslides.

299

—————————————————————————————————————————————Anexo I

6. Conclusions Large differences exist between countries in the way to deal with and live with natural hazard, for prevention (mapping, etc …) and for indemnity (principle of solidarity principle with compulsory insurance for each people, or State intervention). In the five studied countries, only France (since 1982) and Italy (since 1998) have engaged a juridical prevention mapping. But mapping is a slow process. On the 17,000 French Municipalities threatened (wholly or partly) by a major risk, only more or less 2,000 are covered by a PPR in 2002. The main reason arises from the little attention paid locally (in the city councils) regarding the restrictive aspect of this mapping, which can prohibit building projects in high risk zones (red zones). Also mapping is a delicate exercise and realism must be highlighted. It should be possible to delineate the risk zone, reasonably and objectively, with an updated knowledge, without extending unnecessarily the prohibited zone (to cover an improbable hazard) by over-anxiety, or on the contrary reducing the risk zone due to social and economic pressure and thereby putting the local population unnecessarily at risk. But often it is simply a question of assessment which can easily be corrected after an event which exceeds the specified limits (either in intensity or in extent). Therefore mapping methodologies are still to improve for the definition of the hazard level, for assessing the vulnerability (structural, but also functional and social) and therefore the risk level, and for delineating the zone. In this direction, the research initiated in the Alarm project should ameliorate, by using GIS techniques, the production of reliable and quickly elaborated documents.

References Maquaire, O. (in press), Geomorphic hazards and natural risks, In: The Physical Geography of Western Europe, Eduard A. Koster, (ed.), Oxford University Press, chapter 21, 15000 words and 22 figures. Panizza, M., Corsini, A., Marchetti, M., Pasuto, A., Silvano, S., Soldati, M. (2002) Landslide risk mapping in Italy : an example of pilot study for a municipality of South Tyrol. Meeting on “Natural risks and National development in Europe“, 22-25 October, Paris (France), pp. 25-28. Silvano, S., Pasuto, A., Galanti, E. (2002), The management of geological-hydrological risks. Meeting on “Natural risks and National Development in Europe“, 22-25 October, Paris (France), pp. 48-50.

300

——————————————————————————Desarrollo, aplicación y validación de procedimientos ….

ANEXO II SISTEMA DE METADATOS PARA LA ZONA DEL BAJO DEVA CREADO PARA EL PROYECTO ALARM Descripción del Proyecto/Colección de datos • Nombre: Zona del Bajo Deva (Guipúzcoa, España). • Objetivo: Base de datos del proyecto europeo ALARM (Assessment of Landslide Risk and Mitigation in Mountain Areas). • Página web: http://ivm9.ivm.vu.nl/alarm/ Organismo y contacto: Organismo • Nombre: Universidad de Cantabria - Departamento de Ciencias de la Tierra y Física de la Materia Condensada. • Acrónimo: UNICAN. • Dirección: Citimac, Facultad de Ciencias, Av. Los Castros s/n. • Código Postal: 39005. • Ciudad: Santander. • País: España. • Teléfono: +34-942201513 • Fax: +34-942201402 • E-mail: • Página web: http://www.unican.es Contacto • Persona de contacto: Jaime Bonachea • Función: Investigador • Teléfono: +34-942201512 • E-mail: jaime.bonachea@unican.es • Dirección: Citimac, Facultad de Ciencias, Av. Los Castros s/n. C.P. 39005, Santander, España. Información de la georreferencia: • Nombre geográfico del área de estudio: Cuenca del Bajo Deva. • Extensión geográfica: UTM 30 T; MinX: 540854; MinY: 4779306; MáxX: 559840; MáxY: 4795612. Sistema de referencia espacial directo • Sistema de coordenadas: Universal Transversal Mercator. • Proyección del mapa: UTM, Elipsoide Internacional. • Datum geodésico: Datum European 1950. • Elipsoide: Hayford, 1924. • Otros detalles: Sistema de referencia espacial indirecto • Otros sistemas de referencia: Municipios de Deva, Eibar, Elgoibar y Mendaro. • Fecha de creación de la referencia: 1 de Diciembre de 2001 a 30 de Noviembre de 2004. Ejemplos de datos o imágenes • Página web: http://ivm10.ivm.vu.nl/alarm/Riskmaps/riskmaps.asp

301

—————————————————————————————————————————————Anexo II

DISEÑO DEL SISTEMA DE METADATOS VIA INTERNET

Ejemplo del catálogo de metadatos del proyecto ALARM para la zona del Bajo Deva.

302

——————————————————————————Desarrollo, aplicación y validación de procedimientos ….

Ejemplo del catálogo de metadatos para una de las capas incluida en la base de datos: pendientes.

Sistema de consulta de la información a través de Internet generada en el ámbito del proyecto ALARM. El área representada corresponde a la zona de estudio de Portugal, Fanhoes-Trancao.

303

—————————————————————————————————————————————Anexo II

Colección de metadatos de las distintas capas utilizadas en los modelos MODELO DE DIGITAL DE ELEVACIONES Identidad del modelo: • • • •

•

• • • • • • • • • •

Título del área de estudio: Cuenca del Bajo Deva (España). Nombre: Elevación. Acrónimo: MDE. Descripción: Modelo digital de elevaciones. Representa a la variable elevación expresada de forma discreta mediante las celdas o píxels que forman la matriz del área de estudio. Es una variable continua medida en metros sobre el nivel medio del mar. Este modelo sirve de base para derivar todos los restantes modelos digitales matriciales. Propósito: Es la variable condicionante de la estabilidad del terreno a partir de la cual derivan otros modelos de terreno como son pendientes, orientaciones, concavidadconvexidad, etc. Idioma: Español (SPA). Clase de datos: Mapa. Fecha de creación: Estatus: Completo. Fecha de creación de los metadatos: Diciembre, 2004. Ultima modificación de metadatos: Diciembre, 2004. Nombre del autor: Jaime Bonachea. Dirección del autor: Citimac, Facultad de Ciencias, Av. Los Castros s/n. C.P. 39005, Santander, España. Leyenda/codificación: Valores numéricos con precisión de 5 metros. Palabras clave:

Calidad de los datos: •

Linaje: Se ha obtenido a partir de la información, en formato dxf (con cotas), existente en la página web de la Diputación Foral de Guipúzcoa (http://b5m.gipuzkoa.net/) con fecha 6 de febrero de 2004. Los distintos ficheros se han incorporado en Ilwis 3.2 y ArcGis 9.0, donde se ha creado un único fichero que incluye toda la zona de estudio y zonas externas. La equidistancia de las curvas de nivel es de 5 metros y las alturas oscilan entre 0 y 1025 metros. El Modelo Digital de Elevaciones se creó en Ilwis a través de la operación Contour Interpolation (Interpolación de segmentos) cuya georreferencia tiene un tamaño de píxel de 10 metros. Ilwis rasteriza las distintas curvas de nivel con el tamaño de píxel que se le ha dado; los valores de píxels entre curvas de nivel son calculados teniendo en cuenta las distintas distancias hacia las isolíneas más cercanas. Ejemplo (ver ayuda de Ilwis):

Valor del píxel 1: ((3*10) + (1*0))/4 = 7.5metros

•

304

Resolución: Tamaño de píxel de 10 x 10 metros.

——————————————————————————Desarrollo, aplicación y validación de procedimientos ….

• • • •

Cobertura horizontal: ver información del proyecto. Cobertura temporal: ver información del proyecto. Exactitud: ver información del proyecto. Consistencia lógica y temporal: ver información del proyecto.

Referencia espacial: • Coordenadas: ver información del proyecto. • Escala: 1:10,000. • Sistema de coordenadas/Proyección: ver información del proyecto. Organización Espacial: • Componente espacial: formato Grid. • Formato y estructura de datos: Ilwis (mp#), ASCII file, ArcGis (E00). Distribución: • Restricciones de uso: Contactar con el autor. • Acceso online (URL): No. • Webmapping server (URL): http://ivm10.ivm.vu.nl/alarm/Riskmaps/riskmaps.asp • Otra información relacionada: Servicio de Información Territorial de Guipúzcoa, http://b5m.gipuzkoa.net/ • Observaciones adicionales: • Acceso al documento (URL):

305

—————————————————————————————————————————————Anexo II

306

——————————————————————————Desarrollo, aplicación y validación de procedimientos ….

MODELO DIGITAL DE ORIENTACIONES Identidad del modelo: • • • •

•

• • • • • • • • •

Título del área de estudio: Cuenca del Bajo Deva (España). Nombre: Orientaciones. Acrónimo: ASPECT. Descripción: Es la variable orientación definida como la dirección de exposición de la ladera en un punto. Se calcula a partir del ángulo existente entre el norte geográfico y la proyección sobre el plano horizontal del vector normal a la superficie en un punto dado. Se trata de una variable derivada del MDE, cuantitativa, continua y con un rango de valores de 1º a 360º; el valor de -1 se utiliza para designar las celdas de pendiente 0º u orientación plana. Propósito: La orientación indica de manera indirecta la situación de una ladera en cuanto a su insolación y, por lo tanto, si una ladera se encuentra sometida a más o menos ciclos de humedad-sequedad. También se puede interpretar en términos de cantidad de vegetación (por ejemplo en zonas umbrías suele existir más bosque o matorral y una mayor estabilidad de la formación superficial por la presencia de raíces). Por otra parte, dependiendo de la dirección del avance de los frentes de lluvias, la orientación influirá en la cantidad y dirección de impacto de la lluvia durante los eventos de precipitación. Idioma: SPA (Español). Clase de datos: Grid. Fecha de creación: Estatus: Completo. Fecha de creación de los metadatos: Diciembre, 2004. Ultima modificación de metadatos: Diciembre, 2004. Nombre del autor: Jaime Bonachea. Dirección del autor: Citimac, Facultad de Ciencias, Av. Los Castros s/n. C.P. 39005, Santander, España. Leyenda/codificación: De 0º a 360º, o bien, puede ser reclasificado en las siguientes clases: 1-N, 2-NE, 3-E, 4-SE, 5-S, 6-SO, 7-O, 8-NO, 9-Horizontal. 22.5 67.5 112.5 157.5 202.5 247.5 292.5 337.5 361

•

Norte (N) Noreste (NE) Este (E) Sureste (SE) Sur (S) Suroeste (SO) Oeste (O) Noroeste (NO) Horizontal

Palabras clave:

Calidad de los datos: •

•

Linaje: Es una variable derivada del MDE, creada con Ilwis 3.2. Ilwis aplica al modelo digital de elevaciones dos filtros del propio sistema, que pueden modificarse (DX: calcula diferencias en altura en la dirección x; y DY: calcula diferencias en altura en la dirección y). Mediante esta fórmula: ASPECT = RADDEG (ATAN2 (DX,DY) + PI), se obtiene el mapa de orientaciones en grados. RADDEG convierte los radianes a grados; ATAN2 convierte a radianes el valor de dx y dy; PI es el número π = 3,1416. Resolución: Tamaño de píxel de 10 x 10 metros.

307

—————————————————————————————————————————————Anexo II

• • • •

Referencia espacial: • Coordenadas: ver información del proyecto. • Escala: 1:10,000. • Sistema de coordenadas/Proyección: ver información del proyecto. Organización Espacial: • Componente espacial: Grid. • Formato y estructura de datos: Ilwis (.mp#), Idrisi (.img), ASCII file, ArcGis (E00). Distribución: • Restricciones de uso: Contactar con el autor. • Acceso online (URL): No. • Webmapping server (URL): http://ivm10.ivm.vu.nl/alarm/Riskmaps/riskmaps.asp • Otra información relacionada: Servicio de Información Territorial de Guipúzcoa, http://b5m.gipuzkoa.net/ • Observaciones adicionales: • Acceso al documento (URL):

308

——————————————————————————Desarrollo, aplicación y validación de procedimientos ….

309

—————————————————————————————————————————————Anexo II

MODELO DIGITAL DE PENDIENTES Identidad del modelo: • • • •

•

• • • • • • • • • •

Título del área de estudio: Cuenca del Bajo Deva (España). Nombre: Pendientes. Acrónimo: SLOPE. Descripción: Pendiente topográfica definida como el ángulo existente entre la superficie del terreno y la horizontal, expresada en grados de 0 a 90º. Es una variable continua cuantitativa que deriva del MDE. Propósito: Esta variable representa la pendiente natural de la ladera en la zona de ruptura. La pendiente está muy relacionada con la aparición de deslizamientos; prácticamente todos los análisis de estabilidad de laderas tienen en consideración este parámetro. Idioma: SPA (Español). Clase de datos: Grid. Fecha de creación: Estatus: Completo. Fecha de creación de los metadatos: Diciembre, 2004. Ultima modificación de metadatos: Diciembre, 2004. Nombre del autor: Jaime Bonachea. Dirección del autor: Citimac, Facultad de Ciencias, Av. Los Castros s/n. C.P. 39005, Santander, España. Leyenda/codificación: se expresa en grados sexagesimales de 0º a 90º. Palabras clave:

Calidad de los datos: •

• • • • •

Linaje: Es una variable derivada del MDE, creada con Ilwis 3.2. Mediante esta fórmula: SLOPE% = 100 * HYP (DX, DY)/ PIXSIZE (MDE) se obtiene el mapa de pendientes en porcentajes; HYP es una función interna que devuelve el valor de la raíz cuadrada de la suma de dos valores elevados al cuadrado, es decir, la hipotenusa; Ilwis aplica al modelo digital de elevaciones dos filtros del propio sistema, que pueden modificarse (DX: calcula diferencias en altura en la dirección x; y DY: calcula diferencias en altura en la dirección y); PIXSIZE (MDE) es el valor del tamaño de píxel del MDE. El modelo de pendientes en porcentajes se convierte en grados utilizando la siguiente fórmula: SLOPE = RADDEG (ATAN (SLOPE%/100)). ATAN es el arco tangente o (tan-1); RADDEG convierte los radianes a grados. Resolución: Tamaño de píxel de 10 x 10 metros. Cobertura horizontal: ver información del proyecto. Cobertura temporal: ver información del proyecto. Exactitud: ver información del proyecto. Consistencia lógica y temporal: ver información del proyecto.

Distribución:

310

——————————————————————————Desarrollo, aplicación y validación de procedimientos ….

• • • • • •

Restricciones de uso: Contactar con el autor. Acceso online (URL): No. Webmapping server (URL): http://ivm10.ivm.vu.nl/alarm/Riskmaps/riskmaps.asp Otra información relacionada: Servicio de Información Territorial de Guipúzcoa, http://b5m.gipuzkoa.net/ Observaciones adicionales: Acceso al documento (URL):

311

—————————————————————————————————————————————Anexo II

MODELO DE INSOLACION Identidad del modelo: • • • •

•

• • • • • • • • • •

Título del área de estudio: Cuenca del Bajo Deva (España). Nombre: Insolación. Acrónimo: INSOL. Descripción: Este modelo da información sobre las condiciones microclimáticas. El modelo representa la radiación solar media, por hora, en la zona, para el día 21 de cada mes, desde el amanecer hasta la puesta de sol. Propósito: El modelo de insolación permite determinar aquellas zonas de solana, con menos horas de sol y más húmedas, que favorecen la aparición de movimientos. Está muy relacionada con la orientación de la ladera. Idioma: SPA (Español). Clase de datos: Fecha de creación: Estatus: Completo. Fecha de creación de los metadatos: Diciembre, 2004. Ultima modificación de metadatos: Diciembre, 2004. Nombre del autor: Jaime Bonachea. Dirección del autor: Citimac, Facultad de Ciencias, Av. Los Castros s/n. C.P. 39005, Santander, España. Leyenda/codificación: en valores de 0 (mínima insolación, color negro) a 255 (máxima insolación, color blanco). Palabras clave:

Calidad de los datos: •

Linaje: El modelo de insolación relativa se ha calculado a partir del MDE y teniendo en cuenta una serie de parámetros que definen la trayectoria del Sol. La localización aparente del Sol se expresa en coordenadas esféricas: azimut (B) es el ángulo que forma la fuente de iluminación medido desde el norte a lo largo de un plano horizontal y altitud (A) o elevación angular de la fuente de iluminación sobre el horizonte medido en un plano vertical. Así, la insolación depende de: la latitud de la zona geográfica, que varía entre +/- 90º de polo norte a polo sur; la declinación solar, que varía a lo largo del año entre +/- 23º entre los solsticios de verano e invierno; el ángulo horario, que depende de la hora del día y varía entre 0º y 360º. Como interesa conocer las zonas que reciben mayor insolación, no la cantidad de insolación recibida por el terreno, desde Ilwis, se ha utilizado la siguiente fórmula: COS(DEGRAD(A))*SIN(DEGRAD(B))*C+COS(DEGRAD(A))*COS(DEGRAD(B))*D+SIN (DEGRAD(A))/SQRT((C*C)+(D*D)+1)*SQRT(SQ(COS(DEGRAD(A))*SIN(DEGRAD(B))) +SQ(COS(DEGRAD(A))*COS(DEGRAD(B)))+SQ(SIN(DEGRAD(A)))) Donde: A: es la altitud a la que se encuentra el sol; B: es el ángulo de azimut del sol; C: ZX corresponde a las diferencias de altura en la dirección X del MDE; D: ZY corresponde a las diferencias de altura en la dirección Y del MDE. La expresión utilizada es el resultado de la ecuación definida por Pickering, (1990) la cual considera que las iluminaciones oblicuas se calculan teniendo en cuenta el producto entre el vector unitario normal a la superficie y el vector de la fuente de iluminación con una elevación y dirección dadas.

Cosθ =

(Cosβ * Senα * ∆Zx + Cosβ * Cosα * ∆Zy + Senβ ) 2 2 ∆Zx 2 + ∆Zy 2 + 1 * (Cosβ * Senα ) + (Cosβ * Cosα ) + Senβ 2

Los valores A y B se han obtenido a partir del software desarrollado por el Departamento de Aplicaciones Astronómicas de los EE.UU. (http://aa.usno.navy.mil/data/docs/AltAz.html). Este software permite calcular la altura a la que se encuentra el Sol y su ángulo de azimut,

312

——————————————————————————Desarrollo, aplicación y validación de procedimientos ….

• • • • •

para una determinada posición geográfica del globo terráqueo, un determinado día del año y para diferentes horas del día. El Modelo final representa la insolación media mensual del año 2000. Resolución: Tamaño de píxel de 10 x 10 metros. Cobertura horizontal: ver información del proyecto. Cobertura temporal: ver información del proyecto. Exactitud: ver información del proyecto. Consistencia lógica y temporal: ver información del proyecto.

Referencia espacial: • Coordenadas: ver información del proyecto. • Escala: 1:10,000. • Sistema de coordenadas/Proyección: ver información del proyecto. Organización Espacial: • Componente espacial: Grid. • Formato y estructura de datos: Ilwis (.mp#), Idrisi (.img), ASCII file, ArcGis (E00). Distribución: • Restricciones de uso: Contactar con el autor. • Acceso online (URL): No. • Webmapping server (URL): http://ivm10.ivm.vu.nl/alarm/Riskmaps/riskmaps.asp • Otra información relacionada: Servicio de Información Territorial de Guipúzcoa, http://b5m.gipuzkoa.net/ • Observaciones adicionales: • Acceso al documento (URL):

313

—————————————————————————————————————————————Anexo II

314

——————————————————————————Desarrollo, aplicación y validación de procedimientos ….

MODELO DE DISTANCIA A CAUCES Identidad del modelo: • • • •

•

• • • • • • • • • •

Título del área de estudio: Cuenca del Bajo Deva (España). Nombre: Distancia a cauces. Acrónimo: DIST_CAUCES. Descripción: variable continua obtenida a partir de aplicar un modelo de distancia a los ejes de los principales cauces fluviales. El mapa de cauces se obtuvo a través del Servicio de Información Territorial de Guipúzcoa. Propósito: Ver la influencia que tienen los cauces fluviales en la aparición de los deslizamientos. En esta zona los valles fluviales son generalmente estrechos y de fuertes pendientes, por lo tanto, en las proximidades de éstos debieran producirse movimientos de ladera. Idioma: SPA (Español). Clase de datos: Grid. Fecha de creación: Estatus: Completo. Fecha de creación de los metadatos: Diciembre, 2004. Ultima modificación de metadatos: Diciembre, 2004. Nombre del autor: Jaime Bonachea. Dirección del autor: Citimac, Facultad de Ciencias, Av. Los Castros s/n. C.P. 39005, Santander, España. Leyenda/codificación: valores que indican la distancia en metros al eje del cauce. Palabras clave:

Calidad de los datos: •

Linaje: Se ha creado con Ilwis 3.2. El mapa de segmentos de cauces ha sido rasterizado a un tamaño de 10 x 10 metros. El modelo de distancias de cada píxel a sus píxeles vecinos se ha calculado utilizando una matriz 3x3, cuyos valores son los siguientes:

7 5 7 5 0 5 7 5 7 Los píxeles de origen toman el valor 0, mientras que el resto obtiene valores de distancias que pueden ser muy grandes. La operación realizada es la siguiente: DIST_CAUCES = MapDistance(CAUCES) Donde CAUCES es el mapa de segmentos de cauces rasterizado y DIST_CAUCES el modelo obtenido. • Resolución: Tamaño de píxel de 10 x 10 metros. • Cobertura horizontal: ver información del proyecto. • Cobertura temporal: ver información del proyecto. • Exactitud: ver información del proyecto. • Consistencia lógica y temporal: ver información del proyecto. Referencia espacial: • Coordenadas: ver información del proyecto. • Escala: 1:10,000. • Sistema de coordenadas/Proyección: ver información del proyecto. Organización Espacial: • Componente espacial: Grid.

315

—————————————————————————————————————————————Anexo II

•

Formato y estructura de datos: Ilwis (.mp#), Idrisi (.img), ASCII file, ArcGis (E00).

Distribución: • Restricciones de uso: Contactar con el autor. • Acceso online (URL): No. • Webmapping server (URL): http://ivm10.ivm.vu.nl/alarm/Riskmaps/riskmaps.asp • Otra información relacionada: Servicio de Información Territorial de Guipúzcoa, http://b5m.gipuzkoa.net/ • Observaciones adicionales: • Acceso al documento (URL):

316

——————————————————————————Desarrollo, aplicación y validación de procedimientos ….

MODELO DE DISTANCIA A FALLAS Identidad del modelo: • • • • • • • • • • • • • • •

Título del área de estudio: Cuenca del Bajo Deva (España). Nombre: Distancia a fracturas o fallas. Acrónimo: DIST_FALLAS. Descripción: variable continua obtenida a partir de aplicar un modelo de distancia a los ejes de las principales fracturas existentes en la zona. El mapa de fracturas se extrajo del Propósito: Ver la influencia que tienen las fallas en la aparición de los deslizamientos. Si éstas son activas, en sus proximidades los movimientos de ladera serán más frecuentes. Idioma: SPA (Español). Clase de datos: Grid. Fecha de creación: Estatus: Completo. Fecha de creación de los metadatos: Diciembre, 2004. Ultima modificación de metadatos: Diciembre, 2004. Nombre del autor: Jaime Bonachea. Dirección del autor: Citimac, Facultad de Ciencias, Av. Los Castros s/n. C.P. 39005, Santander, España. Leyenda/codificación: valores que indican la distancia en metros al eje de la fractura. Palabras clave:

Calidad de los datos: •

Linaje: Su obtención es similar a la del modelo de distancia a cauces. El mapa de segmentos de fracturas ha sido rasterizado a un tamaño de 10 x 10 metros. El modelo de distancias de cada píxel a sus píxeles vecinos se ha calculado utilizando una matriz 3x3, cuyos valores son los siguientes: 7 5 7

5 0 5

7 5 7

Los píxeles de origen toman el valor 0, mientras que el resto obtiene valores de distancias que pueden ser muy grandes. La operación realizada es la siguiente: DIST_FALLAS = MapDistance(FALLAS) Donde FALLAS es el mapa de segmentos de fallas rasterizado y DIST_FALLAS el modelo obtenido. • Resolución: Tamaño de píxel de 10 x 10 metros. • Cobertura horizontal: ver información del proyecto. • Cobertura temporal: ver información del proyecto. • Exactitud: ver información del proyecto. • Consistencia lógica y temporal: ver información del proyecto. Referencia espacial: • Coordenadas: ver información del proyecto. • Escala: 1:10,000. • Sistema de coordenadas/Proyección: ver información del proyecto. Organización Espacial: • Componente espacial: Grid. • Formato y estructura de datos: Ilwis (.mp#), Idrisi (.img), ASCII file, ArcGis (E00).

317

—————————————————————————————————————————————Anexo II

Distribución: • Restricciones de uso: Contactar con el autor. • Acceso online (URL): No. • Webmapping server (URL): http://ivm10.ivm.vu.nl/alarm/Riskmaps/riskmaps.asp • Otra información relacionada: Ente Vasco de la Energía, http://www.eve.es/ • Observaciones adicionales: • Acceso al documento (URL):

318

——————————————————————————Desarrollo, aplicación y validación de procedimientos ….

MAPA DE ESPESORES Identidad del modelo: • • • •

•

• • • • • • • • • •

Título del área de estudio: Cuenca del Bajo Deva (España). Nombre: Espesor de regolito. Acrónimo: ESPESOR. Descripción: Se representan unidades que expresan el espesor más frecuente de la formación superficial existente en el área de cada unidad. Formación superficial se define como todos los sedimentos y rocas exógenas, poco o nada consolidadas, situados en la interfase litosferaatmósfera, con o sin relación genética con el substrato y estrechamente asociadas a la evolución del relieve actual, del que son su expresión litológica y correlativa. Incluye tanto los depósitos superficiales como los regolitos de alteración. Propósito: El espesor de la formación superficial influye en la cantidad de agua que puede contener y en la magnitud de las presiones que pueden generarse. Asimismo, un gran espesor puede reducir el efecto estabilizador de las raíces. A igualdad de otras variables, un mayor espesor de la formación superficial favorece la inestabilidad, determinando la capacidad de almacenamiento de agua en el terreno (>transmisividad), alcanzándose mayores presiones de poros y aumentando el peso de la masa. Por el contrario, para que el terreno se sature, la cantidad de agua debe ser superior. El espesor de la formación superficial será además determinante para el desarrollo de la cobertera vegetal, condicionando el crecimiento en profundidad de las raíces de los árboles. Idioma: SPA (Español). Clase de datos: polígonos. Fecha de creación: Estatus: Completo. Fecha de creación de los metadatos: Diciembre, 2004. Ultima modificación de metadatos: Diciembre, 2004. Nombre del autor: Jaime Bonachea. Dirección del autor: Citimac, Facultad de Ciencias, Av. Los Castros s/n. C.P. 39005, Santander, España. Leyenda/codificación: 1: Roquedo; 2: 0-0,5 m de espesor; 3: 0,5-1 m de espesor; 4: 1-2 m de espesor; 5: 2-4 m de espesor; 6: > 4 m de espesor Palabras clave:

Calidad de los datos: •

• • • • •

Linaje: La información deriva del mapa de formaciones superficiales incluido en el Estudio Geomorfológico de Guipúzcoa, elaborado a escala 1:25.000. Este mapa, originalmente en papel, fue digitalizado manualmente y corregido por el Servicio de Información Territorial del Departamento de Obras Hidráulicas y Urbanismo de la Diputación Foral de Guipúzcoa. Este último mapa ha sido revisado y mejorado mediante criterios de campo y fotointerpretación. Las modificaciones han consistido, además de la inclusión de alguna formación nueva o la modificación de algún espesor, en la adaptación de los segmentos de acuerdo con la base topográfica empleada en este proyecto y la ortofoto del 93. Resolución: Tamaño de píxel de 10 x 10 metros. Cobertura horizontal: ver información del proyecto. Cobertura temporal: ver información del proyecto. Exactitud: ver información del proyecto. Consistencia lógica y temporal: ver información del proyecto.

319

—————————————————————————————————————————————Anexo II

Referencia espacial: • Coordenadas: ver información del proyecto. • Escala: 1:10,000. • Sistema de coordenadas/Proyección: ver información del proyecto. Organización Espacial: • Componente espacial: topología completa. • Formato y estructura de datos: Ilwis (.mp#, .mpp), ArcGis (.shp). Distribución: • Restricciones de uso: Contactar con el autor. • Acceso online (URL): No. • Webmapping server (URL): http://ivm10.ivm.vu.nl/alarm/Riskmaps/riskmaps.asp • Otra información relacionada: Servicio de Información Territorial de Guipúzcoa, http://b5m.gipuzkoa.net/ • Observaciones adicionales: • Acceso al documento (URL):

320

——————————————————————————Desarrollo, aplicación y validación de procedimientos ….

321

—————————————————————————————————————————————Anexo II

MAPA DE LITOLOGÍA Identidad del modelo: • • • • •

• • • • • • • • •

•

Título del área de estudio: Cuenca del Bajo Deva (España). Nombre: Litología. Acrónimo: LITO. Descripción: Se representan las unidades litológicas de la zona. Propósito: La litología es uno de los principales factores condicionantes de la inestabilidad de laderas. Las litologías más blandas se meteorizan fácilmente y tienen mayor facilidad a deslizar. Esto se ve favorecido por la existencia de fracturas, composiciones minerales de fácil disolución, etc. La litología está ligada a la topografía. Idioma: SPA (Español). Clase de datos: polígonos. Fecha de creación: Estatus: Completo. Fecha de creación de los metadatos: Diciembre, 2004. Ultima modificación de metadatos: Diciembre, 2004. Nombre del autor: Jaime Bonachea. Dirección del autor: Citimac, Facultad de Ciencias, Av. Los Castros s/n. C.P. 39005, Santander, España. Leyenda/codificación: 1: Flysch detrítico calcáreo; 2: Flysch lutítico; 3: Calizas estratificadas; 4: Margocalizas; 5: Margas; 6: Areniscas y conglomerados; 7: Flysch arenoso; 8: Calizas masivas; 9: Lutitas calcáreas y margocalizas; 10: Calizas margosas; 11: Calcarenitas, margas y brechas calcáreas; 12: Flysch calcáreo 13: Rocas volcanoclásticas; 14: Rocas volcánicas en coladas; 15: Brechas poligénicas; 16: Brechas silíceas; 17: Gravas bien gradadas; 18: Gravas mal gradadas; 19: Gravas arcillosas; 20: Arenas bien gradadas; 21: Arenas mal gradadas; 22: Arenas limosas; 23: Arenas arcillosas; 24: Limos y arenas muy finas; 25: Arcillas plásticas; 26: Rellenos artificiales: Palabras clave:

Calidad de los datos: •

• • • • •

Linaje: El mapa deriva del mapa geológico del Ente Vasco de la Energía y del mapa de formaciones superficiales incluido en el Estudio Geomorfológico de Guipúzcoa, ambos a escala 1:25.000. El mapa del EVE fue digitalizado manualmente por el Gobierno Vasco; el de formaciones superficiales fue también digitalizado manualmente y posteriormente revisado y corregido por la Diputación Foral de Guipúzcoa. Como, además, la base cartográfica era distinta en cada caso, ha sido necesario realizar las correcciones de adaptación a la base topográfica del estudio. Por último, con criterios de campo y de fotointerpretación se ha mejorado la cartografía original, para obtener un nivel de detalle acorde con la escala de este análisis. Resolución: Tamaño de píxel de 10 x 10 metros. Cobertura horizontal: ver información del proyecto. Cobertura temporal: ver información del proyecto. Exactitud: ver información del proyecto. Consistencia lógica y temporal: ver información del proyecto.

Referencia espacial: • Coordenadas: ver información del proyecto. • Escala: 1:10,000. • Sistema de coordenadas/Proyección: ver información del proyecto.

322

——————————————————————————Desarrollo, aplicación y validación de procedimientos ….

Organización Espacial: • Componente espacial: topología completa. • Formato y estructura de datos: Ilwis (.mp#, .mpp), ArcGis (.shp). Distribución: • Restricciones de uso: Contactar con el autor. • Acceso online (URL): No. • Webmapping server (URL): • Otra información relacionada: Ente Vasco de la Energía, http://www.eve.es/ • Observaciones adicionales: • Acceso al documento (URL):

323

—————————————————————————————————————————————Anexo II

MAPA DE USOS DEL SUELO Identidad del modelo: • • • • •

• • • • • • • • • •

Título del área de estudio: Cuenca del Bajo Deva (España). Nombre: Usos del suelo. Acrónimo: USOS. Descripción: Se representan las unidades que se caracterizan por un determinado uso del suelo. Propósito: Los distintos usos del suelo están relacionados directamente con la actividad humana. El tipo de cubierta vegetal se relaciona también con la litología, la altitud, pendientes, insolación, etc. Así mismo, la cubierta vegetal hace que la ladera deslice con menos facilidad. Se trata, por tanto, de un factor condicionante a los deslizamientos muy importante. Idioma: SPA (Español). Clase de datos: polígonos. Fecha de creación: Estatus: Completo. Fecha de creación de los metadatos: Diciembre, 2004. Ultima modificación de metadatos: Diciembre, 2004. Nombre del autor: Jaime Bonachea. Dirección del autor: Citimac, Facultad de Ciencias, Av. Los Castros s/n. C.P. 39005, Santander, España. Leyenda/codificación: 1: Agua; 2: Cantera; 3: Espinos; 4: Forestal arbolado; 5: Frutales y Viñedos; 6: Matorral; 7: Pastizal; 8: Prado; 9: Roquedo; 10: Urbano. Palabras clave:

Calidad de los datos: •

• • • • •

Linaje: Este mapa esta basado en el “inventario forestal de 1996 a escala 1:25.000” de la Diputación Foral de Guipúzcoa. Este inventario incluye, además de la información forestal, una cartografía muy precisa de todas las formaciones vegetales. Su digitalización se ha llevado a cabo usando la ortofoto digital del 93. Además, han sido incorporados en la clase 10 (urbano) las infraestructuras lineales y los edificios existentes en el año 2000. Resolución: Tamaño de píxel de 10 x 10 metros. Cobertura horizontal: ver información del proyecto. Cobertura temporal: ver información del proyecto. Exactitud: ver información del proyecto. Consistencia lógica y temporal: ver información del proyecto.

Referencia espacial: • Coordenadas: ver información del proyecto. • Escala: 1:10,000. • Sistema de coordenadas/Proyección: ver información del proyecto. Organización Espacial: • Componente espacial: topología completa. • Formato y estructura de datos: Ilwis (.mp#, .mpp), ArcGis (.shp). Distribución: • Restricciones de uso: Contactar con el autor. • Acceso online (URL): No. • Webmapping server (URL): http://ivm10.ivm.vu.nl/alarm/Riskmaps/riskmaps.asp

324

——————————————————————————Desarrollo, aplicación y validación de procedimientos ….

•

• •

Otra información relacionada: Servicio de Información Territorial de Guipúzcoa, http://b5m.gipuzkoa.net/; Departamento de Hacienda de la Diputación Foral de Guipúzcoa; Departamento de infraestructuras de la Diputación Foral de Guipúzcoa. Observaciones adicionales: Acceso al documento (URL):

325

—————————————————————————————————————————————Anexo II

MAPA DE INFRAESTRUCTURAS Identidad del modelo: • • • •

•

• • • • • • • • •

•

Título del área de estudio: Cuenca del Bajo Deva (España). Nombre: Infraestructuras. Acrónimo: INFRA_DEBA. Descripción: En este mapa están representadas las líneas centrales de las principales infraestructuras existentes en el área de estudio como son: autopista, carretera nacional, carreteras regionales y red ferroviaria. Propósito: Obtener un mapa de infraestructuras o elementos que son afectados por los deslizamientos, estimar su vulnerabilidad así como estimar el riesgo específico e indirecto producido por los deslizamientos. Idioma: SPA (Español). Clase de datos: Grid. Fecha de creación: Estatus: Completo. Fecha de creación de los metadatos: Diciembre, 2004. Ultima modificación de metadatos: Diciembre, 2004. Nombre del autor: Jaime Bonachea. Dirección del autor: Citimac, Facultad de Ciencias, Av. Los Castros s/n. C.P. 39005, Santander, España. Leyenda/codificación: el mapa lleva asociada una base de datos elaborada para este proyecto que incluye campos como tipo de vía, número de vehículos por tramo o sector, valor económico, pérdidas indirectas potenciales provocadas por los deslizamientos y vulnerabilidad. Palabras clave:

Calidad de los datos: •

• • • • •

Linaje: La información de base, correspondiente al año 2000 y en formato segmentos, fue facilitada por el Departamento para la Ordenación y Promoción Territorial, en Enero de 2004, y fue posteriormente pasterizada en Ilwis. Dicha información se incluyó en el mapa de usos. En este mapa no se han representado las carreteras locales y caminos. Resolución: Tamaño de píxel de 10 x 10 metros. Cobertura horizontal: ver información del proyecto. Cobertura temporal: ver información del proyecto. Exactitud: ver información del proyecto. Consistencia lógica y temporal: ver información del proyecto.

Referencia espacial: • Coordenadas: ver información del proyecto. • Escala: 1:10,000. • Sistema de coordenadas/Proyección: ver información del proyecto. Organización Espacial: • Componente espacial: topología completa. • Formato y estructura de datos: Ilwis (.mp#, .mps), ArcGis (.shp). Distribución: • Restricciones de uso: Contactar con el autor. • Acceso online (URL): No. • Webmapping server (URL): http://ivm10.ivm.vu.nl/alarm/Riskmaps/riskmaps.asp

326

——————————————————————————Desarrollo, aplicación y validación de procedimientos ….

•

• •

Otra información relacionada: Servicio de Información Territorial de Guipúzcoa, http://b5m.gipuzkoa.net/; Departamento de Infraestructuras de la Diputación Foral de Guipúzcoa. Observaciones adicionales: Acceso al documento (URL):

327

—————————————————————————————————————————————Anexo II

MAPA DE EDIFICIOS Identidad del modelo: • • • • • • • • • • • • • •

•

Título del área de estudio: Cuenca del Bajo Deva (España). Nombre: Edificios. Acrónimo: BUILDINGS. Descripción: En este mapa están representados los polígonos de todos los edificios del área de estudio. Propósito: Obtener un mapa de edificios que son afectados por los deslizamientos, estimar su vulnerabilidad así como estimar el riesgo específico producido por los deslizamientos. Idioma: SPA (Español). Clase de datos: Polígonos. Fecha de creación: Estatus: Completo. Fecha de creación de los metadatos: Diciembre, 2004. Ultima modificación de metadatos: Diciembre, 2004. Nombre del autor: Jaime Bonachea. Dirección del autor: Citimac, Facultad de Ciencias, Av. Los Castros s/n. C.P. 39005, Santander, España. Leyenda/codificación: el mapa lleva asociada una base de datos elaborada para este proyecto que incluye campos como tipo de edificio, superficie, valor catastral, pérdidas ocasionadas por los deslizamientos y vulnerabilidad. Palabras clave:

Calidad de los datos: •

• • • • •

Linaje: La información de base, en formato dwg correspondiente al año 2000, fue facilitada por el Departamento de Hacienda de la Diputación Foral de Guipúzcoa en Enero de 2004, y fue posteriormente adaptada a las necesidades del proyecto de trabajo. Dicha información fue tratada también en formato raster y se incluyó en el mapa de usos. Los edificios de superficie inferior a 100 m2 no aparecen representados en el mapa raster, pero sí en el de polígonos. Resolución: Tamaño de píxel de 10 x 10 metros. Cobertura horizontal: ver información del proyecto. Cobertura temporal: ver información del proyecto. Exactitud: ver información del proyecto. Consistencia lógica y temporal: ver información del proyecto.

Referencia espacial: • Coordenadas: ver información del proyecto. • Escala: 1:10,000. • Sistema de coordenadas/Proyección: ver información del proyecto. Organización Espacial: • Componente espacial: topología completa. • Formato y estructura de datos: Ilwis (.mp#, .mpp), ArcGis (.shp). Distribución: • Restricciones de uso: Contactar con el autor. • Acceso online (URL): No. • Webmapping server (URL): http://ivm10.ivm.vu.nl/alarm/Riskmaps/riskmaps.asp • Otra información relacionada: Departamento de Hacienda de la Diputación Foral de Guipúzcoa; Servicio de Información Territorial de Guipúzcoa, http://b5m.gipuzkoa.net/.

328

——————————————————————————Desarrollo, aplicación y validación de procedimientos ….

329

—————————————————————————————————————————————Anexo II

DESLIZAMIENTOS PRE-1991 Identidad del modelo: • • • •

• • • • • • • • • • •

Título del área de estudio: Cuenca del Bajo Deva (España). Nombre: Deslizamientos pre-1991. Acrónimo: DES_1991. Descripción: Se muestran los puntos que representan el centroide (centro geométrico) de la zona de ruptura, o coronas, de los movimientos identificados en la fotografia aérea del vuelo de 1991 y en el campo. Se han cartografiado un total de 532 movimientos. Propósito: Elaboración de modelos de susceptibilidad y peligrosidad, y por tanto, de riesgo, a partir de series temporales de deslizamientos. Idioma: SPA (Español). Clase de datos: Puntos. Fecha de creación: Estatus: Completo. Fecha de creación de los metadatos: Diciembre, 2004. Ultima modificación de metadatos: Diciembre, 2004. Nombre del autor: Jaime Bonachea. Dirección del autor: Citimac, Facultad de Ciencias, Av. Los Castros s/n. C.P. 39005, Santander, España. Leyenda/codificación: Cada movimiento dispone de un identificador, en este caso desde 1 hasta 532. Palabras clave:

Calidad de los datos: •

• • • • •

Linaje: La identificación de los movimientos se ha basado en la fotointerpretación de pares estereoscópicos correspondientes al vuelo de 1991 a escala 1:18,000 y su comparación con la foto aérea más antigua (1956); posteriormente, se hicieron comprobaciones en el campo que han supuesto el reconocimiento sobre el terreno de la práctica totalidad de los movimientos inventariados. Este inventario se realizó durante los años 1992-1993. Resolución: Tamaño de píxel de 10 x 10 metros. Cobertura horizontal: ver información del proyecto. Cobertura temporal: ver información del proyecto. Exactitud: ver información del proyecto. Consistencia lógica y temporal: ver información del proyecto.

Referencia espacial: • Coordenadas: ver información del proyecto. • Escala: 1:10,000. • Sistema de coordenadas/Proyección: ver información del proyecto. Organización Espacial: • Componente espacial: topología completa. • Formato y estructura de datos: Ilwis (.mp#, .mpp), ArcGis (.shp). Distribución: • Restricciones de uso: Contactar con el autor. • Acceso online (URL): No. • Webmapping server (URL): http://ivm10.ivm.vu.nl/alarm/Riskmaps/riskmaps.asp • Otra información relacionada: Tesis de Juan Remondo (Remondo, 2001). • Observaciones adicionales: • Acceso al documento (URL):

330

——————————————————————————Desarrollo, aplicación y validación de procedimientos ….

331

—————————————————————————————————————————————Anexo II

DESLIZAMIENTOS 1991-1997 Identidad del modelo: • • • •

• • • • • • • • • • •

Título del área de estudio: Cuenca del Bajo Deva (España). Nombre: Deslizamientos 1991-1997. Acrónimo: DES_1997. Descripción: Se muestran los puntos que representan el centroide (centro geométrico) de la zona de ruptura, o coronas, de los movimientos identificados en la fotografia aérea del vuelo de 1997 y en el campo. Se han cartografiado un total de 907 movimientos. Propósito: Elaboración de modelos de susceptibilidad y peligrosidad, y por tanto, de riesgo, a partir de series temporales de deslizamientos. Idioma: SPA (Español). Clase de datos: Puntos. Fecha de creación: Estatus: Completo. Fecha de creación de los metadatos: Diciembre, 2004. Ultima modificación de metadatos: Diciembre, 2004. Nombre del autor: Jaime Bonachea. Dirección del autor: Citimac, Facultad de Ciencias, Av. Los Castros s/n. C.P. 39005, Santander, España. Leyenda/codificación: Cada movimiento dispone de un identificador, en este caso desde 1 hasta 907. Palabras clave:

Calidad de los datos: • Linaje: La identificación de los movimientos se ha basado en la fotointerpretación de pares estereoscópicos correspondientes al vuelo de 1997 a escala 1:18,000; los movimientos cartografiados fueron comparados con el inventario realizado con la foto aérea de 1991. También se hicieron comprobaciones en el campo que han supuesto el reconocimiento sobre el terreno de la práctica totalidad de los movimientos inventariados. Este inventario se realizó durante los años 1997-1998. • Resolución: Tamaño de píxel de 10 x 10 metros. • Cobertura horizontal: ver información del proyecto. • Cobertura temporal: ver información del proyecto. • Exactitud: ver información del proyecto. • Consistencia lógica y temporal: ver información del proyecto. Referencia espacial: • Coordenadas: ver información del proyecto. • Escala: 1:10,000. • Sistema de coordenadas/Proyección: ver información del proyecto. Organización Espacial: • Componente espacial: topología completa. • Formato y estructura de datos: Ilwis (.mp#, .mpp), ArcGis (.shp). Distribución: • Restricciones de uso: Contactar con el autor. • Acceso online (URL): No. • Webmapping server (URL): http://ivm10.ivm.vu.nl/alarm/Riskmaps/riskmaps.asp • Otra información relacionada: Tesis de Juan Remondo (Remondo, 2001). • Observaciones adicionales: • Acceso al documento (URL):

332

——————————————————————————Desarrollo, aplicación y validación de procedimientos ….

333

—————————————————————————————————————————————Anexo II

DESLIZAMIENTOS 1997-2001 Identidad del modelo: • • • •

• • • • • • • • • • •

Título del área de estudio: Cuenca del Bajo Deva (España). Nombre: Deslizamientos 1997-2001. Acrónimo: DES_2001. Descripción: Se muestran los puntos que representan el centroide (centro geométrico) de la zona de ruptura, o coronas, de los movimientos identificados en la ortofoto de 2001 y en el campo. Se han cartografiado un total de 131 movimientos. Propósito: Elaboración de modelos de susceptibilidad y peligrosidad, y por tanto, de riesgo, a partir de series temporales de deslizamientos. Idioma: SPA (Español). Clase de datos: Puntos. Fecha de creación: Estatus: Completo. Fecha de creación de los metadatos: Diciembre, 2004. Ultima modificación de metadatos: Diciembre, 2004. Nombre del autor: Jaime Bonachea. Dirección del autor: Citimac, Facultad de Ciencias, Av. Los Castros s/n. C.P. 39005, Santander, España. Leyenda/codificación: Cada movimiento dispone de un identificador, en este caso desde 1 hasta 131. Palabras clave:

Calidad de los datos: •

• • • • •

Linaje: La identificación de los movimientos se ha basado en la fotointerpretación de la ortofoto de Abril de 2001, con resolución de 22 x 22 centímetros; posteriormente, se hicieron comprobaciones sobre la fotografía aérea de 1997 y en el campo. Este inventario se realizó en los años 2004-2005. Resolución: Tamaño de píxel de 10 x 10 metros. Cobertura horizontal: ver información del proyecto. Cobertura temporal: ver información del proyecto. Exactitud: ver información del proyecto. Consistencia lógica y temporal: ver información del proyecto.

Referencia espacial: • Coordenadas: ver información del proyecto. • Escala: 1:10,000. • Sistema de coordenadas/Proyección: ver información del proyecto. Organización Espacial: • Componente espacial: topología completa. • Formato y estructura de datos: Ilwis (.mp#, .mpp), ArcGis (.shp). Distribución: • Restricciones de uso: Contactar con el autor. • Acceso online (URL): No. • Webmapping server (URL): http://ivm10.ivm.vu.nl/alarm/Riskmaps/riskmaps.asp • Otra información relacionada: • Observaciones adicionales: • Acceso al documento (URL):

334

——————————————————————————Desarrollo, aplicación y validación de procedimientos ….

335

—————————————————————————————————————————————Anexo II

Colección de datos de los principales modelos obtenidos MODELO DE SUSCEPTIBILIDAD A LOS DESLIZAMIENTOS Identidad del modelo: • • • •

• • • • • • • • • • •

Título del área de estudio: Cuenca del Bajo Deva (España). Nombre: modelo de susceptibilidad Acrónimo: SUSCEPT. Descripción: Se muestra la zona de estudio reclasificada en valores de de 1 a 200; el valor 200 equivale a la máxima susceptibilidad a los deslizamientos y, el valor 1 representa la mínima. Cada valor representa el 0.5 % del área de estudio. Propósito: A partir de este modelo se elabora el modelo de peligrosidad. Idioma: SPA (Español). Clase de datos: Grid. Fecha de creación: Estatus: Completo. Fecha de creación de los metadatos: Diciembre, 2004. Ultima modificación de metadatos: Diciembre, 2004. Nombre del autor: Jaime Bonachea. Dirección del autor: Citimac, Facultad de Ciencias, Av. Los Castros s/n. C.P. 39005, Santander, España. Leyenda/codificación: Valores continuos de 1 a 200. Palabras clave:

Calidad de los datos: •

• • • • •

Linaje: Este modelo se ha obtenido a partir de la utilización de herramientas estadísticas (como las Funciones de Favorabilidad, FF) que permiten correlacionar los deslizamientos ocurridos en el pasado (en este caso se ha utilizado la serie de deslizamientos 1991-1997) con los factores que se ha considerado, condicionan su aparición (elevaciones, pendientes, orientaciones, litología, usos del suelo y espesor de regolito). Dicho modelo es el resultado de aplicar una técnica matemática “likelihood ratio método”. Los distintos análisis de relaciones estadísticas fueron realizadas con el software Spatial Prediction Modelling (SPM). Más detalles en el texto. Resolución: Tamaño de píxel de 10 x 10 metros. Cobertura horizontal: ver información del proyecto. Cobertura temporal: ver información del proyecto. Exactitud: ver información del proyecto. Consistencia lógica y temporal: ver información del proyecto.

Referencia espacial: • Coordenadas: ver información del proyecto. • Escala: 1:10,000. • Sistema de coordenadas/Proyección: ver información del proyecto. Organización Espacial: • Componente espacial: topología completa. • Formato y estructura de datos: Ilwis (.mp#), SPM (.img). Distribución: • Restricciones de uso: Contactar con el autor. • Acceso online (URL): No. • Webmapping server (URL): http://ivm10.ivm.vu.nl/alarm/Riskmaps/riskmaps.asp

336

——————————————————————————Desarrollo, aplicación y validación de procedimientos ….

337

—————————————————————————————————————————————Anexo II

MODELO DE PELIGROSIDAD DE DESLIZAMIENTOS Identidad del modelo: • • • • • • • • • • • • • • •

Título del área de estudio: Cuenca del Bajo Deva (España). Nombre: modelo de peligrosidad (Escenario A, ver texto) Acrónimo: HAZARD_A. Descripción: Se muestra la zona de estudio reclasificada en valores de probabilidad a deslizar en el futuro. Propósito: Este modelo es básico a la hora de elaborar los modelos de riesgo. Idioma: SPA (Español). Clase de datos: Grid. Fecha de creación: Estatus: Completo. Fecha de creación de los metadatos: Diciembre, 2004. Ultima modificación de metadatos: Diciembre, 2004. Nombre del autor: Jaime Bonachea. Dirección del autor: Citimac, Facultad de Ciencias, Av. Los Castros s/n. C.P. 39005, Santander, España. Leyenda/codificación: Valores de probabilidad de 0 % al 5.5 %. Probabilidad máxima en color rojo y probabilidad mínima en azul. Palabras clave:

Calidad de los datos: •

• • • • •

Linaje: Este modelo se obtiene al transformar el modelo de susceptibilidad en probabilidad espacio-temporal, para ello se ha tenido en cuenta la frecuencia de deslizamientos en el área de estudio en el pasado. El modelo se genera teniendo en cuenta el escenario más conservador de comportamiento futuro o escenario A. La predicción es la probabilidad de que se produzcan deslizamientos en el periodo 2001-2045. Más detalles en el texto. Resolución: Tamaño de píxel de 10 x 10 metros. Cobertura horizontal: ver información del proyecto. Cobertura temporal: ver información del proyecto. Exactitud: ver información del proyecto. Consistencia lógica y temporal: ver información del proyecto.

Referencia espacial: • Coordenadas: ver información del proyecto. • Escala: 1:10,000. • Sistema de coordenadas/Proyección: ver información del proyecto. Organización Espacial: • Componente espacial: topología completa. • Formato y estructura de datos: Ilwis (.mp#). Distribución: • Restricciones de uso: Contactar con el autor. • Acceso online (URL): No. • Webmapping server (URL): http://ivm10.ivm.vu.nl/alarm/Riskmaps/riskmaps.asp • Otra información relacionada: • Observaciones adicionales: • Acceso al documento (URL):

338

——————————————————————————Desarrollo, aplicación y validación de procedimientos ….

339

—————————————————————————————————————————————Anexo II

MODELO DE RIESGO ESPECÍFICO POR DESLIZAMIENTOS: INFRAESTRUCTURAS Identidad del modelo: • • • • • • • • • • • • • • •

Título del área de estudio: Cuenca del Bajo Deva (España). Nombre: riesgo específico para infraestructuras (Escenario A, ver texto) Acrónimo: RINFRA. Descripción: Se muestra el riesgo (en €/píxel) que ocasionan los deslizamientos en las infraestructuras del área de estudio. Propósito: Obtener un modelo de riesgo por deslizamientos con significado cuantitativo. A partir de este modelo se estimará el modelo de riesgo directo. Idioma: SPA (Español). Clase de datos: Grid. Fecha de creación: Estatus: Completo. Fecha de creación de los metadatos: Diciembre, 2005. Ultima modificación de metadatos: Diciembre, 2005. Nombre del autor: Jaime Bonachea. Dirección del autor: Citimac, Facultad de Ciencias, Av. Los Castros s/n. C.P. 39005, Santander, España. Leyenda/codificación: Cada píxel de infraestructura muestra unas pérdidas en Euros. Se requiere visualizarlo en pantalla dado que la disparidad de valores es muy amplia. Palabras clave:

Calidad de los datos: •

• • • • •

Linaje: Este modelo se obtiene multiplicando el modelo de peligrosidad con el mapa de valor de infraestructuras y con el modelo de vulnerabilidad de esos elementos. El modelo de peligrosidad utilizado es el obtenido para el escenario más conservador de comportamiento futuro o escenario A, en el periodo 2001-2045. Más detalles en el texto. Resolución: Tamaño de píxel de 10 x 10 metros. Cobertura horizontal: ver información del proyecto. Cobertura temporal: ver información del proyecto. Exactitud: ver información del proyecto. Consistencia lógica y temporal: ver información del proyecto.

Referencia espacial: • Coordenadas: ver información del proyecto. • Escala: 1:10,000. • Sistema de coordenadas/Proyección: ver información del proyecto. Organización Espacial: • Componente espacial: topología completa. • Formato y estructura de datos: Ilwis (.mp#). Distribución: • Restricciones de uso: Contactar con el autor. • Acceso online (URL): No. • Webmapping server (URL): http://ivm10.ivm.vu.nl/alarm/Riskmaps/riskmaps.asp • Otra información relacionada: • Observaciones adicionales: • Acceso al documento (URL):

340

——————————————————————————Desarrollo, aplicación y validación de procedimientos ….

341

—————————————————————————————————————————————Anexo II

MODELO DE RIESGO ESPECÍFICO POR DESLIZAMIENTOS: EDIFICIOS Identidad del modelo: • • • • • • • • • • • • • • •

Título del área de estudio: Cuenca del Bajo Deva (España). Nombre: riesgo específico para edificios (Escenario A, ver texto) Acrónimo: REDIFICIOS. Descripción: Se muestra el riesgo (en €/píxel) que ocasionan los deslizamientos en los diferentes edificios del área de estudio. Propósito: Obtener un modelo de riesgo por deslizamientos con significado cuantitativo. A partir de este modelo se estimará el modelo de riesgo directo. Idioma: SPA (Español). Clase de datos: Grid. Fecha de creación: Estatus: Completo. Fecha de creación de los metadatos: Diciembre, 2005. Ultima modificación de metadatos: Diciembre, 2005. Nombre del autor: Jaime Bonachea. Dirección del autor: Citimac, Facultad de Ciencias, Av. Los Castros s/n. C.P. 39005, Santander, España. Leyenda/codificación: Cada píxel de edificio muestra unas pérdidas en Euros. Se requiere visualizarlo en pantalla dado que la disparidad de valores es muy amplia. Palabras clave:

Calidad de los datos: •

• • • • •

Linaje: Este modelo se obtiene multiplicando el modelo de peligrosidad con el mapa de valor de edificios y con el modelo de vulnerabilidad de esos elementos. El modelo de peligrosidad utilizado es el obtenido para el escenario más conservador de comportamiento futuro o escenario A, en el periodo 2001-2045. Más detalles en el texto. Resolución: Tamaño de píxel de 10 x 10 metros. Cobertura horizontal: ver información del proyecto. Cobertura temporal: ver información del proyecto. Exactitud: ver información del proyecto. Consistencia lógica y temporal: ver información del proyecto.

Referencia espacial: • Coordenadas: ver información del proyecto. • Escala: 1:10,000. • Sistema de coordenadas/Proyección: ver información del proyecto. Organización Espacial: • Componente espacial: topología completa. • Formato y estructura de datos: Ilwis (.mp#). Distribución: • Restricciones de uso: Contactar con el autor. • Acceso online (URL): No. • Webmapping server (URL): http://ivm10.ivm.vu.nl/alarm/Riskmaps/riskmaps.asp • Otra información relacionada: • Observaciones adicionales: • Acceso al documento (URL):

342

——————————————————————————Desarrollo, aplicación y validación de procedimientos ….

343

—————————————————————————————————————————————Anexo II

MODELO DE RIESGO ESPECÍFICO POR DESLIZAMIENTOS: USOS DEL SUELO Identidad del modelo: • • • • • • • • • • • • • • •

Título del área de estudio: Cuenca del Bajo Deva (España). Nombre: riesgo específico para los usos del suelo (Escenario A, ver texto) Acrónimo: RUSOS. Descripción: Se muestra el riesgo (en €/píxel) que ocasionan los deslizamientos en los diferentes tipos de usos del suelo del área de estudio. Propósito: Obtener un modelo de riesgo por deslizamientos con significado cuantitativo. A partir de este modelo se estimará el modelo de riesgo directo. Idioma: SPA (Español). Clase de datos: Grid. Fecha de creación: Estatus: Completo. Fecha de creación de los metadatos: Diciembre, 2005. Ultima modificación de metadatos: Diciembre, 2005. Nombre del autor: Jaime Bonachea. Dirección del autor: Citimac, Facultad de Ciencias, Av. Los Castros s/n. C.P. 39005, Santander, España. Leyenda/codificación: Cada píxel del área de estudio muestra unas pérdidas en Euros. Palabras clave:

Calidad de los datos: •

• • • • •

Linaje: Este modelo se obtiene multiplicando el modelo de peligrosidad con el mapa de valor de usos del suelo y con el modelo de vulnerabilidad de esos elementos. El modelo de peligrosidad utilizado es el obtenido para el escenario más conservador de comportamiento futuro o escenario A, en el periodo 2001-2045. Más detalles en el texto. Resolución: Tamaño de píxel de 10 x 10 metros. Cobertura horizontal: ver información del proyecto. Cobertura temporal: ver información del proyecto. Exactitud: ver información del proyecto. Consistencia lógica y temporal: ver información del proyecto.

Referencia espacial: • Coordenadas: ver información del proyecto. • Escala: 1:10,000. • Sistema de coordenadas/Proyección: ver información del proyecto. Organización Espacial: • Componente espacial: topología completa. • Formato y estructura de datos: Ilwis (.mp#). Distribución: • Restricciones de uso: Contactar con el autor. • Acceso online (URL): No. • Webmapping server (URL): http://ivm10.ivm.vu.nl/alarm/Riskmaps/riskmaps.asp • Otra información relacionada: • Observaciones adicionales: • Acceso al documento (URL):

344

——————————————————————————Desarrollo, aplicación y validación de procedimientos ….

345

—————————————————————————————————————————————Anexo II

MODELO DE RIESGO DIRECTO POR DESLIZAMIENTOS Identidad del modelo: • • • • • • • • • • • • • • •

Título del área de estudio: Cuenca del Bajo Deva (España). Nombre: riesgo directo (Escenario A, ver texto) Acrónimo: RD. Descripción: Se muestra el riesgo directo (en €/píxel) producido por los deslizamientos en el área de estudio. Propósito: Obtener un modelo de riesgo por deslizamientos con significado cuantitativo. A partir de este modelo se estimará el modelo de riesgo total. Idioma: SPA (Español). Clase de datos: Grid. Fecha de creación: Estatus: Completo. Fecha de creación de los metadatos: Diciembre, 2005. Ultima modificación de metadatos: Diciembre, 2005. Nombre del autor: Jaime Bonachea. Dirección del autor: Citimac, Facultad de Ciencias, Av. Los Castros s/n. C.P. 39005, Santander, España. Leyenda/codificación: Cada píxel del área de estudio muestra unas pérdidas en Euros. Palabras clave:

Calidad de los datos: •

• • • • •

Linaje: Este modelo se obtiene por adición de los modelos de riesgo específico en infraestructuras, edificios y usos del suelo. El modelo de peligrosidad utilizado es el obtenido para el escenario más conservador de comportamiento futuro o escenario A, en el periodo 2001-2045. Más detalles en el texto. Resolución: Tamaño de píxel de 10 x 10 metros. Cobertura horizontal: ver información del proyecto. Cobertura temporal: ver información del proyecto. Exactitud: ver información del proyecto. Consistencia lógica y temporal: ver información del proyecto.

Referencia espacial: • Coordenadas: ver información del proyecto. • Escala: 1:10,000. • Sistema de coordenadas/Proyección: ver información del proyecto. Organización Espacial: • Componente espacial: topología completa. • Formato y estructura de datos: Ilwis (.mp#). Distribución: • Restricciones de uso: Contactar con el autor. • Acceso online (URL): No. • Webmapping server (URL): http://ivm10.ivm.vu.nl/alarm/Riskmaps/riskmaps.asp • Otra información relacionada: • Observaciones adicionales: • Acceso al documento (URL):

346

——————————————————————————Desarrollo, aplicación y validación de procedimientos ….

347

—————————————————————————————————————————————Anexo II

MODELO DE RIESGO INDIRECTO POR DESLIZAMIENTOS Identidad del modelo: • • • • • • • • • • • • • • •

Título del área de estudio: Cuenca del Bajo Deva (España). Nombre: riesgo indirecto (Escenario A, ver texto) Acrónimo: RI. Descripción: Se muestra el riesgo indirecto (en €/píxel) producido por los deslizamientos en el área de estudio. Propósito: Obtener un modelo de riesgo por deslizamientos con significado cuantitativo. A partir de este modelo se estimará el modelo de riesgo total. Idioma: SPA (Español). Clase de datos: Grid. Fecha de creación: Estatus: Completo. Fecha de creación de los metadatos: Diciembre, 2005. Ultima modificación de metadatos: Diciembre, 2005. Nombre del autor: Jaime Bonachea. Dirección del autor: Citimac, Facultad de Ciencias, Av. Los Castros s/n. C.P. 39005, Santander, España. Leyenda/codificación: Cada píxel de infraestructura muestra unas pérdidas indirectas en Euros. Palabras clave:

Calidad de los datos: •

• • • • •

Linaje: Este modelo se obtiene por multiplicación del modelo de peligrosidad y del modelo de pérdidas indirectas. El modelo de peligrosidad utilizado es el obtenido para el escenario más conservador de comportamiento futuro o escenario A, en el periodo 2001-2045. Más detalles en el texto. Resolución: Tamaño de píxel de 10 x 10 metros. Cobertura horizontal: ver información del proyecto. Cobertura temporal: ver información del proyecto. Exactitud: ver información del proyecto. Consistencia lógica y temporal: ver información del proyecto.

Referencia espacial: • Coordenadas: ver información del proyecto. • Escala: 1:10,000. • Sistema de coordenadas/Proyección: ver información del proyecto. Organización Espacial: • Componente espacial: topología completa. • Formato y estructura de datos: Ilwis (.mp#). Distribución: • Restricciones de uso: Contactar con el autor. • Acceso online (URL): No. • Webmapping server (URL): http://ivm10.ivm.vu.nl/alarm/Riskmaps/riskmaps.asp • Otra información relacionada: • Observaciones adicionales: • Acceso al documento (URL):

348

——————————————————————————Desarrollo, aplicación y validación de procedimientos ….

349

—————————————————————————————————————————————Anexo II

MODELO DE RIESGO TOTAL POR DESLIZAMIENTOS Identidad del modelo: • • • • • • • • • • • • • • •

Título del área de estudio: Cuenca del Bajo Deva (España). Nombre: riesgo total (Escenario A, ver texto) Acrónimo: RT. Descripción: Se muestra el riesgo total (en €/píxel) producido por los deslizamientos en el área de estudio. Propósito: Obtener un modelo de riesgo por deslizamientos con significado cuantitativo. Idioma: SPA (Español). Clase de datos: Grid. Fecha de creación: Estatus: Completo. Fecha de creación de los metadatos: Diciembre, 2005. Ultima modificación de metadatos: Diciembre, 2005. Nombre del autor: Jaime Bonachea. Dirección del autor: Citimac, Facultad de Ciencias, Av. Los Castros s/n. C.P. 39005, Santander, España. Leyenda/codificación: Cada píxel del área de estudio muestra las pérdidas económicas totales (en Euros). Palabras clave:

Calidad de los datos: •

• • • • •

Linaje: Este modelo se obtiene por la suma de los modelos de riesgo directo e indirecto. El modelo de peligrosidad utilizado es el obtenido para el escenario más conservador de comportamiento futuro o escenario A, en el periodo 2001-2045. Más detalles en el texto. Resolución: Tamaño de píxel de 10 x 10 metros. Cobertura horizontal: ver información del proyecto. Cobertura temporal: ver información del proyecto. Exactitud: ver información del proyecto. Consistencia lógica y temporal: ver información del proyecto.

Referencia espacial: • Coordenadas: ver información del proyecto. • Escala: 1:10,000. • Sistema de coordenadas/Proyección: ver información del proyecto. Organización Espacial: • Componente espacial: topología completa. • Formato y estructura de datos: Ilwis (.mp#). Distribución: • Restricciones de uso: Contactar con el autor. • Acceso online (URL): No. • Webmapping server (URL): http://ivm10.ivm.vu.nl/alarm/Riskmaps/riskmaps.asp • Otra información relacionada: • Observaciones adicionales: • Acceso al documento (URL):

350

——————————————————————————Desarrollo, aplicación y validación de procedimientos ….

351

—————————————————————————————————————————————Anexo II

352

INDICE

353

4. PLANTEAMIENTO DEL PROBLEMA ...............................................................................77

5. HIPÓTESIS DE TRABAJO Y OBJETIVOS.........................................................................83

6. METODOLOGÍA .....................................................................................................................89 6.1 La expresión matemática del riesgo .....................................................................................92 6.2 Desarrollo de la metodología de trabajo ..............................................................................95 6.3 Descripción y selección del área de estudio.........................................................................97 6.3.1 Justificación ...................................................................................................................97 6.3.2 Características generales................................................................................................97 6.3.2.1 Marco geográfico ...................................................................................................97 6.3.2.2 Marco climático .....................................................................................................98 6.3.2.3 Marco geológico ....................................................................................................99 6.3.2.4 Marco socioeconómico ........................................................................................100 6.4 Toma y preparación de datos .............................................................................................105 6.4.1 Datos relacionados con el análisis de la peligrosidad..................................................106 6.4.1.1 Hipótesis de rotura...............................................................................................106 6.4.1.2 Series de deslizamientos......................................................................................107 6.4.1.3 Factores condicionantes.......................................................................................109 6.4.1.3.1 Variables continuas ...................................................................................110 6.4.1.3.2 Variables categóricas.................................................................................111 6.4.2 Datos relacionados con el análisis de los elementos expuestos...................................112 6.4.2.1 Infraestructuras ....................................................................................................113 6.4.2.2 Edificios...............................................................................................................115 6.4.2.3 Terrenos o usos del suelo.....................................................................................115 6.4.3 Datos relacionados con el análisis del valor y daños en los elementos expuestos......116 6.4.3.1 Datos relacionados con el análisis de pérdidas en la actividad económica.........117 6.4.3.2 Datos relacionados con el análisis de pérdidas en la población ..........................118 6.4.4 Representación gráfica de los elementos.....................................................................118 6.5 Análisis de los datos...........................................................................................................119 6.5.1 Estimación de la susceptibilidad y de la peligrosidad .................................................119 6.5.1.1 Elaboración de los modelos de susceptibilidad ...................................................119 6.5.1.1.1 Funciones de Favorabilidad (FF) ..............................................................121 6.5.1.1.1.1 FF interpretada como una relación de probabilidades ....................122 6.5.1.1.2 Obtención del modelo de susceptibilidad..................................................125 6.5.1.1.3 Estrategias de validación/evaluación de resultados ..................................127

354

355

7.4 Resultados en relación con la vulnerabilidad ....................................................................200 7.4.1 Vulnerabilidad directa o pérdidas directas .................................................................200 7.4.2 Vulnerabilidad indirecta o pérdidas indirectas...........................................................203 7.5 Resultados en relación con el riesgo .................................................................................208 7.5.1 Modelos de riesgo específico .....................................................................................208 7.5.1.1 Modelos de riesgo específico para infraestructuras.............................................208 7.5.1.2 Modelos de riesgo específico para edificios ........................................................211 7.5.1.3 Modelos de riesgo específico para usos del suelo ...............................................211 7.5.2 Modelos de riesgo directo ..........................................................................................213 7.5.3 Modelos de riesgo indirecto .......................................................................................216 7.5.4 Modelos de riesgo total ..............................................................................................219 7.5.5 Evaluación de los modelos de riesgo .........................................................................222 7.6 Aplicación de los modelos probabilísticos a los procesos de disolución en evaporitas ....225 7.6.1 Los procesos de disolución y hundimiento en evaporitas..........................................226 7.6.2 Hipótesis de trabajo....................................................................................................226 7.6.3 Características del área de estudio .............................................................................227 7.6.3.1 Marco geográfico.................................................................................................227 7.6.3.2 Marco geológico-geomorfológico .......................................................................227 7.6.4 Toma y preparación de datos .....................................................................................229 7.6.4.1 Identificación y cartografía de dolinas ................................................................229 7.6.4.2 Identificación y cartografía de factores condicionantes ......................................231 7.6.5 Análisis y elaboración de los modelos de susceptibilidad .........................................232 7.6.5.1 Problemas planteados en la elaboración de los modelos de susceptibilidad .......233 7.6.5.2 Obtención de modelos de susceptibilidad de dolinas ..........................................233 7.6.5.3 Evaluación de la capacidad predictiva de los modelos de susceptibilidad de dolinas .............................................................................................................242 7.6.6 Consideraciones finales..............................................................................................243 7.7 Metadatos ..........................................................................................................................244 8. CONCLUSIONS/CONCLUSIONES ....................................................................................245 BIBLIOGRAFÍA.........................................................................................................................259

ANEXOS ......................................................................................................................................279 Anexo I..........................................................................................................................................281 Anexo II ........................................................................................................................................301

356

Tesis Doctoral Jaime Bonachea

Published on Apr 4, 2011

Mi Tesis Doctoral (2006)

jaimebonacheapico

Similar to

Popular now

Just for you

Go explore