Un reciente artículo publicado en la revista científica Construction and Building Materials presenta un estudio integral sobre los factores que controlan la susceptibilidad a deslizamientos en una zona montañosa de los Andes del Ecuador, incorporando análisis geomorfológicos, variables litológicas y modelos avanzados de machine learning.
La investigación aborda una problemática crítica para el país: la recurrencia de movimientos en masa asociados a pendientes pronunciadas, precipitaciones intensas y complejidad geológica, que impactan infraestructura vial, asentamientos humanos y ecosistemas estratégicos. Frente a este contexto, el estudio propone un enfoque cuantitativo que permite mejorar la identificación de zonas vulnerables y fortalecer la planificación territorial.
Construcción de la base técnica del estudio
El trabajo inició con la elaboración de un inventario multitemporal de deslizamientos, validado mediante análisis geoespacial detallado. A partir de esta información, se estructuró una base de datos con variables condicionantes como pendiente, orientación del terreno, curvatura, elevación, litología, distancia a drenajes y proximidad a vías.
La integración de estos factores permitió analizar de manera sistemática la relación entre las características físicas del territorio y la ocurrencia de movimientos en masa, estableciendo patrones espaciales y jerarquizando variables de mayor influencia.
Aplicación de modelos de aprendizaje automático
Uno de los aportes más relevantes del estudio es la aplicación comparativa de algoritmos de machine learning, entre ellos Random Forest y Support Vector Machine (SVM), con el objetivo de generar mapas de susceptibilidad de alta precisión.
El desempeño de los modelos fue evaluado mediante métricas estadísticas robustas como el Área Bajo la Curva ROC (AUC), lo que permitió validar su capacidad predictiva. Los resultados evidenciaron que los modelos basados en ensamblajes presentan un desempeño superior en contextos de alta heterogeneidad geológica, mejorando significativamente la identificación de zonas críticas.
Factores determinantes en la inestabilidad de laderas
El análisis confirmó que la susceptibilidad a deslizamientos no depende de un único factor, sino de la interacción compleja entre variables topográficas, geológicas e hidrológicas. Entre los factores con mayor peso predictivo destacan la pendiente del terreno, el tipo de litología y la proximidad a drenajes.
Estos hallazgos refuerzan la importancia de incorporar enfoques integrados que combinen geomorfología, geología e inteligencia artificial para comprender y modelar procesos de inestabilidad en regiones montañosas.
Impacto territorial y aporte a la sostenibilidad
Como resultado, el estudio generó un mapa de susceptibilidad clasificado en distintos niveles de amenaza, constituyéndose en una herramienta clave para la planificación del uso del suelo, el diseño de infraestructura resiliente y la gestión del riesgo de desastres en territorios andinos.
