Está en la página 1de 16

“MODELO DE POISSON PARA LA OCURRENCIA

Y MAGNITUD ESPACIO-TEMPORAL DE LOS SISMOS


EN COLOMBIA”
“POISSON MODEL FOR THE SPACE -TIME OCCURRENCE AND
MAGNITUDE OF EARTHQUAKE IN COLOMBIA”
Fecha de recepción: 25 de agosto de 2010 / Fecha de aprobación: 24 de octubre de 2010

Christian Michael Cárdenas Briceño, Yineth Daniela Garzón Prado,


Luis Fernando Santa Guzmán, Luis Eduardo Castillo Méndez

Resumen Abstract
El modelo estadístico comúnmente aceptado y The statistical model commonly accepted and
empleado para determinar la ocurrencia futura de used to determine the future occurrence of ear-
sismos es el proceso homogéneo de Poisson. En thquakes is the homogeneous Poisson process. In
este trabajo se aplican técnicas de análisis e infe- this paper we apply techniques of analysis and sta-
rencia estadística en procesos puntuales espacia- tistical inference in spatial point processes to the
les al estudio de los epicentros. El propósito es study of the epicenters. The purpose is to build a
la construcción de un modelo de Poisson para la Poisson model for the occurrence and magnitude
ocurrencia y magnitud de los sismos en Colombia of earthquakes in Colombia based on temporary
con base en información espacio-temporal de los space information for mainshocks of the Seismi-
eventos principales (o mainshocks) del catálogo de city Catalog between 1993 and 2010 to identify
sismicidad comprendido entre 1993 y 2010, con specific behavior in the country using mainly tools
el fin de identificar el comportamiento específico as spatstat package of the R software (2.10.1). In
en el país, utilizando herramientas principalmente Colombia, this analysis is difficult due to the short
del paquete Spatstat del software R (2.10.1). Para period of operation of the “Red Sismológica” and
Colombia este análisis se dificulta debido al corto heterogeneous information related to the develo-
período de operación de la Red Sismológica y la pment of new instrumentation. The modeling of
información heterogénea relacionada con el desa- seismic behavior provides a basis for planning and
rrollo de nueva instrumentación. El modelamien- prevention to a human lives and material catas-
to del comportamiento sísmico sirve de base para trophe.
la planificación y prevención, ante una catástrofe, Keywords: earthquakes, Poisson, seismicity
de vidas humanas y daños en la infraestructura ur- catalog, R, Complete Spatial Randomness (CSR)
bana y rural de los sitios en la zona de influencia
de los eventos sísmicos.
Palabras clave: sismos, Poisson, catálogo de sis-
micidad, R, aleatoriedad espacial completa (CSR)

28 Universidad Distrital Francisco José de Caldas

UD Y LA GEOMATICA 4 1-52.indd 28 11/04/11 12:22


Christian M. Cárdenas Briceño, Yineth D. Garzón Prado, Luis F. Santa Guzmán, Luis E. Castillo Méndez

1. Introducción brusco de una falla, el temblor resultante y la ener-


gía sísmica radiada causada por el deslizamiento,
Colombia es un país con gran complejidad geoló-
o por actividad volcánica o magmática, o cambios
gica por la confluencia de varias placas tectónicas:
súbitos en la tierra.La causa de un sismo es, según
Nazca, Caribe, Cocos, Suramericana. En especial
el Departamento de Sismología del Centro de In-
ha sido de interés el estudio del cinturón de fuego
vestigación Científica y de Educación Superior de
del Pacífico, que en Colombia se presenta en la
Ensenada [3], la liberación súbita de energía en el
subducción de la placa Nazca en Suramérica. Los
interior de la tierra por un reacomodo de ésta.
estudios de predicción y modelamiento sismológi-
La disciplina de las ciencias geofísicas que tiene
co son indispensables en nuestro territorio.
que ver con el estudio de los sismos y las propieda-
Por su dinámica en la Tierra hay movimientos
des elásticas de la tierra, según la Red Sismológica
constantes e impredecibles en la litosfera, debidos
Nacional de Colombia [4] (RSNC) es la sismolo-
en especial a la deriva continental y la tectónica
gía, la ciencia que estudia todo lo relacionado con
de placas, es por esta razón que los fenómenos
el origen, fuerza, duración, distribución geográ-
sísmicos, pueden ocurrir en cualquier momento,
fica, recurrencia, impacto, etcétera de los sismos.
en cualquier lugar y con cualquier magnitud; aun-
La Sociedad Mexicana de Ingeniería Sísmica [5]
que se han hecho ingentes esfuerzos por mejorar
afirma que el instrumento esencial para estudiar
la tecnología de monitoreo y seguimiento de los
los sismos es el sismógrafo. Éste es un aparato que
eventos sísmicos en el ámbito internacional, el es-
registra el movimiento del suelo causado por el
tado actual de la ciencia y la tecnología no permite
paso de una onda sísmica.
predecir o pronosticar un sismo.
Además de la actividad sísmica permanente del
Con la predicción sísmica se esperaría la espe-
Pacífico colombiano, la dinámica entre las placas
cificación anticipada de magnitud y localización
Nazca y Caribe es la responsable de la intensa pro-
epicentral de un sismo que ocurre dentro de un
ducción sísmica en Colombia. Otra fuente impor-
intervalo de tiempo. A pesar de no tener un mode-
tante de sismos es el nido de Bucaramanga, que
lo teórico que describa satisfactoriamente la recu-
según estudios de los geólogos [7], es catalogado
rrencia de terremotos, los científicos han adoptado
como el segundo en actividad permanente en el
distribuciones de probabilidad basados en el com-
mundo, pero esa regularidad sísmica contribuye a
portamiento histórico de éstos para determinar
disipar energía y a prevenir una catástrofe origina-
niveles de amenaza sísmica. El modelo estadístico
da por un terremoto.
más comúnmente aceptado y empleado para de-
Ingeominas [8] ha clasificado la sismicidad co-
terminar la ocurrencia futura de sismos es el pro-
lombiana en sismicidad histórica y sismicidad ins-
ceso de Poisson, por ser coherente con la limitada
trumental. La sismicidad histórica es la crónica de
historia sismológica. Colombia, por su parte, ha
los sismos que no han sido registrados por ningún
adoptado ese modelo [1].
instrumento. La sismicidad instrumental, en cam-
En consecuencia, el propósito de este proyecto
bio, es registrada por los sismógrafos. La Red Sis-
se basa en la construcción de un modelo de Pois-
mológica Nacional genera entonces catálogos que
son de la ocurrencia y magnitud de los sismos en
contienen información instrumental de dónde y
Colombia con base en información espacio-tem-
cuándo ocurrió el evento sísmico.
poral, con el fin de identificar su comportamiento
“El primer paso para el estudio de sismici-
específico en el país.
dad consiste en la depuración del catálogo, para
la eliminación de eventos dependientes” [9]. En
Marco teórico este caso, los eventos dependientes, definidos por
Ingeominas[10], harían referencia a los sismos fores-
Sismología hock (premonitorios), algunos temblores pequeños
Un sismo, según la US Geological Survey [2], es poco comunes con anterioridad al sismo principal;
un término usado para describir el movimiento y aftershock (réplicas), sismos de menor tamaño al

Facultad del Medio Ambiente y Recursos Naturales • Facultad de Ingeniería 29


Revista UD y la GEOmática • Número 4 • Diciembre 2010

UD Y LA GEOMATICA 4 1-52.indd 29 11/04/11 12:22


Modelo de poisson para la ocurrencia y magnitud espacio temporal de los sismos en Colombia

sismo principal que se producen después un te- de parámetro continuo, se representa {X(n), n=e I}
rremoto grande. Los sismos principales se usan donde I es un intervalo.
para el tratamiento probabilístico de evaluación
de amenaza sísmica. Momentos de los procesos estocásticos
En Colombia el modelo utilizado para evaluar • Función de media. Es una medida de tenden-
la amenaza sísmica es Kiureghian y Ang, y es lla- cia central que representa el valor hacia el cual
mado el modelo de amenaza de línea fuente [11], tienden a agregarse los datos. De manera for-
el cual supone que la ocurrencia futura de sismos mal:
se rige por un proceso homogéneo de Poisson. El
de Poisson es un proceso estocástico; entonces, mn=E(X(n))
para lograr entender el comportamiento espacio–
temporal de la ocurrencia de sismos es necesario • Función de varianza. Es una medida de va-
recurrir a la teoría de los procesos estocásticos. riabilidad o dispersión de los valores que asume
la variable respecto de la media del proceso:
2
Procesos estocásticos d n =Var(X(n))

Un proceso estocástico es un conjunto de variables • Función de autocovarianza. Es una medida


sometidas a influencias, impactos o fenómenos de asociación
€ lineal:
aleatorios que evolucionan en función de un índi-
ce, que puede ser el tiempo o el espacio. De mane- Cov(n,m)= cov(m,n) = Cov((X(n), (X(m))
ra formal, según Medhi [12] un proceso estocásti-
co es una familia de variables aleatorias indexadas.
• Función de autocorrelación. Es una medida
El conjunto de posibles valores de un proceso
de asociación lineal:
estocástico {X(n), e nhI} que asume una variable
aleatoria X (n)se conoce como espacio de estados rnm Cov(n,m)
=
y n e I es el espacio de parámetros o dominio de sn sm
definición del proceso.
Los procesos estocásticos pueden clasificarse, • Función de semivarianza. Es una medida de
en general, en los siguientes cuatro tipos de pro- variabilidad espacial, que determina la relación
cesos: espacial entre los datos:

g(h)= E(X(n) – X(m))2 , donde n, m e Rd


Tabla 1. Clasificación de los procesos estocásticos

n\X Discreto Continuo Características de los procesos estocásticos


Cadenas de • Estacionariedad. Un proceso es estacionario
Cadenas de Markov
Markov con
Discreto con espacio de
espacio de si es invariante por traslación:
estados discreto
estados continuo
E(X(n) m, n e I, m e R constante
Procesos de
Procesos de Markov • Isotropía. Es una característica espacial. Un
Markov con
Continuo con espacio de
espacio de proceso es isotrópico si es invariante por ro-
estados discreto
estados continuo tación.

En caso de parámetro discreto, la familia está re- A un proceso que es a la vez estacionario e iso-
presentada por {X(n), n=0,1,...,n; e n I}. En caso trópico se le conoce como proceso homogéneo.

30 Universidad Distrital Francisco José de Caldas

UD Y LA GEOMATICA 4 1-52.indd 30 11/04/11 12:22


Christian M. Cárdenas Briceño, Yineth D. Garzón Prado, Luis F. Santa Guzmán, Luis E. Castillo Méndez

Procesos de Poisson • Aleatoriedad espacial completa (CSR)


La hipótesis de CSR para un patrón puntual espa-
Uno de los procesos estocásticos con conjunto de
cial afirma que (i) el número de eventos en cual-
valores discreto y parámetro continuo es el llama-
quier región plana A con área |A| sigue una dis-
do proceso de Poisson. Se considerará X(n) el nú-
tribución de Poisson con media l|A|; (ii) dados n
mero total de ocurrencias del evento E (número de
eventos si en una región A, los si son una muestra
sismos) en un intervalo de longitud [ 0, n) o en
aleatoria independiente de la distribución unifor-
una región de área |A|
me en A.

En el caso temporal
Análisis estadístico
La tasa media l, es conocida como el parámetro
del proceso de Poisson. La media y la varianza de • En el caso temporal
X(t) son funciones de t. Como tal, el proceso de Para un valor dado de k, l puede estimarse por el
{X(t),t ≥ 0} no es estacionario, es evolutivo. método de máxima verosimilitud, según Bhat[14],
como:

En el caso espacial

El proceso de Poisson está estudiado dentro de la
teoría de los patrones puntuales espaciales. Un pa- Ahora, definiendo t0=0,t1,t2,... como las épo-
trón puntual espacial es, según Peter Diggle [13], cas en que los eventos ocurren en un proceso de
un conjunto de lugares, irregularmente distribui- Poisson y Zk=tk–tk–1 donde k= 1,2,3...; entonces
dos dentro de una región en el espacio. Se refieren son variables aleatorias que representan los inter-
valos de tiempo entre dos ocurrencias sucesivas de
a los lugares como eventos. Los patrones se clasifi-
eventos de Poisson. Éstas tienen una distribución
can como regulares, aleatorios o agregados.
exponencial negativa.

• Momentos de los patrones puntuales espa-


• En el caso espacial
ciales
La mayoría de los análisis espaciales comienzan
El primer momento o media del proceso es descri- con una prueba de aleatoriedad espacial completa
to por la función de intensidad, que representa el (CSR), porque el rechazo de la CSR es un requisito
número de eventos por unidad de área. mínimo para cualquier intento serio para modelar
un patrón observado, y si la hipótesis es rechazada
sirve para distinguir entre los patrones que están

clasificados como “regulares” o “agregados”. Las
pruebas de CSR se pueden evaluar por medio del
El segundo momento es descrito por la función
conteo de cuadrantes y mediante distancias.
de intensidad de segundo orden,
Prueba de CSR basado en el conteo de
cuadrantes

Consiste es dividir A en m subregiones o cuadran-
Una caracterización alternativa a este momento es tes y usar el conteo del número de eventos en los
la función K(r), siendo r =||sj–sj|| que representa la cuadrantes. Una estadística para probar la salida de
distancia del vector entre i y j, y permite captar la la distribución uniforme en A implícito en CSR es
dependencia espacial entre los eventos. el criterio de Pearson.


Facultad del Medio Ambiente y Recursos Naturales • Facultad de Ingeniería 31


Revista UD y la GEOmática • Número 4 • Diciembre 2010

UD Y LA GEOMATICA 4 1-52.indd 31 11/04/11 12:22


Modelo de poisson para la ocurrencia y magnitud espacio temporal de los sismos en Colombia

Figura 1. Conteo de cuadrantes

Prueba de CSR basado en distancias


Las pruebas basadas en distancias se analizan gráficamente comparando con límites de simulación supe-
rior e inferior.

Distancia al vecino más cercano

Figura 2. Función de distribución G G

32 Universidad Distrital Francisco José de Caldas

UD Y LA GEOMATICA 4 1-52.indd 32 11/04/11 12:22


Christian M. Cárdenas Briceño, Yineth D. Garzón Prado, Luis F. Santa Guzmán, Luis E. Castillo Méndez

Se representa por la función de distribución vecino más cercano, lo cual es una característica
teórica G(r). Si los eventos se encuentran entre de patrones agregados. Si los datos se encuentran
los límites superior e inferior, el gráfico sugeriría bajos los límites, mostraría una deficiencia de pe-
aceptar CSR. Si se encuentran encima de los lími- queñas distancias al vecino más cercano, lo cual es
tes, mostraría un exceso de pequeñas distancias al típico de patrones regulares.

Punto a la distancia del evento más cercano

Figura 3. Función de distribución F

Se representa por la función de distribución es un comportamiento típico de un patrón agre-


teórica. Si los eventos se encuentran entre los lí- gado. Si se encuentran encima de los límites de
mites superior e inferior, el gráfico aceptaría CSR. simulación, se comporta como un patrón regular.
Cuando los datos se encuentran bajos los límites,

Función K de Ripley

Figura 4. Función de distribución K

Cuando los datos se encuentran entre los lími- Estimación de la intensidad por Kernel
tes superior e inferior, el gráfico aceptaría CSR. Es una herramienta exploratoria para examinar
Cuando los eventos se encuentran bajo los límites, las propiedades de primer orden de un proceso
es un comportamiento de un patrón regular. Si se puntual. Realiza un conteo de los eventos por uni-
encuentran encima de los límites de simulación, se dad de área dentro de un cuadrado en movimiento
comporta como un patrón agregado.

Facultad del Medio Ambiente y Recursos Naturales • Facultad de Ingeniería 33


Revista UD y la GEOmática • Número 4 • Diciembre 2010

UD Y LA GEOMATICA 4 1-52.indd 33 11/04/11 12:22


Modelo de poisson para la ocurrencia y magnitud espacio temporal de los sismos en Colombia

o “ventana”, de tamaño fijo y con un centro imagi- • Procesos puntuales de Markov


nario; esto en varios lugares a la vez, que están dis- Afirma que la intensidad condicional en el
puestos en una grilla superpuesta al área de interés punto si, sólo depende de la configuración en el
A. Así se obtienen estimaciones de la intensidad en entorno de si, dada la configuración de los aconte-
cada punto de la cuadrícula. Sin embargo, no se cimientos en el resto de A.
tiene en cuenta la ubicación relativa de los aconte-
cimientos dentro de la ventana. Materiales y métodos
Modelos para patrones puntuales
Obtención del catálogo de sismicidad instrumental
espaciales
El catálogo de sismicidad instrumental del pro-
Una vez determinado si el patrón puntual es “alea-
yecto es una base de datos que contiene todos los
torio”, “agregado” o “regular”, se debe tratar de
eventos registrados por los sismógrafos, publicado
ajustar de acuerdo a las propiedades y a la informa-
en la página web (de dominio público) de la Red
ción disponible, a alguno de los posibles modelos
Sismológica Nacional de Colombia. Es necesario
presentados a continuación.
definir los parámetros de consulta, que correspon-
• Proceso homogéneo de Poisson den a los valores mínimos y máximos: rango de
Representa el mecanismo estocástico más simple tiempo: 1º de junio de 1993 a 28 de febrero de
posible para la generación de patrones de puntua- 2010; rango de coordenadas geográficas límite en
les espaciales y se utiliza como patrón idealizado el espacio: latitud -82 a -66 y longitud -5 a 15;
de aleatoriedad espacial completa que proporciona rango de magnitud: 1 a 7, y rango de profundidad:
una descripción útil aproximada de un patrón ob- 0 a 300 km.
servado, ya que constituye el punto de partida para Por medio de la consulta se obtuvieron los sis-
emprender el análisis y posterior modelamiento. mos principales (mainshock), premonitorios (after-
• Proceso agregado de Poisson shock) y las réplicas (foreshock). Debido a que para
Este proceso sirve para modelar agrupaciones in- el proyecto son de interés sólo los sismos princi-
dividuales de eventos. Está compuesto por eventos pales, se procede a la eliminación de los eventos
principales o “padres” que se ubican aleatoriamen- premonitorios y réplicas. Para ello se utiliza Zmap
te, y sus respectivos descendientes o “hijos”. (versión 6), que, según la Universidad Nacional
Autónoma de México [15], es un paquete escrito
• Proceso no homogéneo de Poisson en la plataforma Matlab, que permite la elimina-
Este proceso permite que la intensidad del proceso ción de eventos dependientes (depuración) por
varíe en función de la localización geográfica. Ade- medio del algoritmo de Gardner & Knopoff, que
más, esa “no estacionariedad” permite la incorpo- consiste en la detección de aglomeraciones analiza-
ración de covariables asociadas a las ubicaciones. das de acuerdo al momento de ocurrencia y ubica-
Las covariables son variables explicativas, como ción, por medio de una ventana móvil de 40 días,
por ejemplo, la altitud. la cual busca en ese tiempo identificar el evento
• Proceso de Cox principal o de mayor magnitud. Al determinar el
Es un proceso “doblemente estocástico” formado evento principal, vuelve a iniciar hasta finalizar
como un proceso de Poisson no homogéneo en el toda la secuencia temporal. Aunque el algoritmo
cual tanto la ubicación como la función de inten- comúnmente utilizado es el de Reasenberg, no se
sidad son aleatorias. utiliza debido a que no eliminan réplicas muy leja-
nas en tiempo y espacio del evento principal.
• Proceso de inhibición simple Finalmente, se guardan los datos depurados,
Este proceso modela patrones regulares. Los que corresponden a los eventos principales, sin
patrones regulares surgen más naturalmente por la premonitorios ni réplicas. Se realiza una revisión
imposición de una distancia mínima consentida d,
final del catálogo en Zmap por medio de histogra-
entre dos eventos.
mas ya que, según Wyss, Wiemer y Zuñiga [16],

34 Universidad Distrital Francisco José de Caldas

UD Y LA GEOMATICA 4 1-52.indd 34 11/04/11 12:22


Christian M. Cárdenas Briceño, Yineth D. Garzón Prado, Luis F. Santa Guzmán, Luis E. Castillo Méndez

es necesario para inspeccionar que no haya datos por los sismógrafos, de acuerdo a los parámetros
erróneos que se hayan filtrado después de la con- de consulta especificados anteriormente. El resul-
sulta. tado de la depuración fue un total de 10926 even-
tos independientes que corresponden a los sismos
Catálogo resultante principales, de los cuales se dedujo que no existen
El catálogo de sismicidad instrumental obtenido datos erróneos.
contiene un total de 68.231 eventos registrados

Figura 5. Revisión del catálogo

La profundidad no supera los 300 km, la mag- Caso temporal


nitud no tiene valores menores o iguales que 0 y
Para el análisis temporal de los datos, se estima
la magnitud con mayor frecuencia es cercana a 2.
la intensidad por el método de máxima verosimili-
Esto se debe a que las magnitudes muy pequeñas
tud y se calculan las diferencias de tiempo entre los
son difícilmente registradas por los sismógrafos y
eventos sucesivos en MS Excel 2007. Inicialmente,
las magnitudes grandes son poco frecuentes.
se realiza el contraste x2 de bondad del ajuste de
Se determina como ventana el territorio con-
Pearson, se agruparon los datos mensualmente y
tinental colombiano, por lo tanto, se eliminan se conformó una tabla de frecuencia con clases,
1.500 eventos que quedan fuera de éste. Final- cubriendo todo el rango posible de valores:
mente, el catálogo queda conformado por 9.426
eventos. Además se construyó un subcatálogo con
eventos con magnitud mayor o igual que 4, ya que
son sismos que pueden representar algún tipo de

amenaza, incluso para la vida humana. Éste últi-
mo está conformado por 340 eventos. siendo 0i el número de datos observados en la
clase i y Ei= nPi. Mediante el modelo de Poisson
Ubicación de las herramientas para el se calcula la probabilidad Pi asignada a cada clase
análisis de los modelos de Poisson para una muestra de n datos. Además, se calcu-
Para el análisis espacial y temporal del catálogo de la el p–valor de los datos. Luego en R se llevó a
sismicidad se utiliza el software R (2.10.1). cabo la prueba de bondad del ajuste Kolmogorov
– Smirnov, la cual evalúa la hipótesis nula que afir-
• Paquete Spatstat (versión 1.18-1) ma que los datos provienen de una distribución
• Paquete Maptools (versión 0.7-34) exponencial de parámetro l frente a la hipótesis
alternativa que la niega. Los datos corresponden a
los intervalos de tiempo.

Facultad del Medio Ambiente y Recursos Naturales • Facultad de Ingeniería 35


Revista UD y la GEOmática • Número 4 • Diciembre 2010

UD Y LA GEOMATICA 4 1-52.indd 35 11/04/11 12:22


Modelo de poisson para la ocurrencia y magnitud espacio temporal de los sismos en Colombia

Caso espacial Prueba de CSR basado en distancias


Para el análisis estadístico de los datos se utilizaron Se realiza la simulación de CSR para las funciones
diferentes escenarios de tiempo desde 1993 has- de distribución F, G y K, además de sus respectivos
ta 2010. Además, se debe definir una “ventana” o límites (superior e inferior), con el valor observa-
área de interés, que en nuestro caso corresponde do de la función para el patrón puntual, con la
al territorio continental colombiano, sin la isla de finalidad de posteriormente ser comparados gráfi-
San Andrés y Providencia. camente y analizados determinando si son “aleato-
Para importar los datos en R como coordena- rios”, “agregados” o “uniformes”. Además, se repite
das (x, y) se transformaron los datos con el software el análisis con el “subcatálogo”.
Magna Sirgas 2.0. Se descarga el shapefile “COL_
Estimación de los modelos
adm0.shp” de DIVA-GIS [17], el cual junto con
los datos se georreferencia al sistema de coorde- Se utiliza la estimación por Kernel para la intensi-
nadas Magna Colombia Bogotá con la proyección dad del número de eventos y para la magnitud de
transversa de Mercator en el software ArcGIS 9.2. los sismos.
Con el paquete Maptools de R, el shapefile se
importa como clase owin. Se importan los datos Resultados
en R desde MS Excel 2007 con el paquete Rcm-
dr y se convierten en patrones puntales planos El tiempo
en metros dentro de la ventana establecida, con el
Para el análisis temporal, la estimación de la inten-
atributo (o marca) magnitud.
sidad fue:
Prueba de CSR basado en el conteo de cuadrantes 9425
l=__________ 0.00000019405282713601
En esta prueba se contrasta la hipótesis nula 48574401822
que afirma que éste es un proceso homogéneo de Con esta intensidad se realizan las pruebas de x2 de
Poisson, frente a la alternativa que la niega. Se di- Pearson y Kolmogorov – Smirnov. Para la prueba
vide la región en ocho zonas. x2se conformó la tabla de frecuencias:

Figura 6. Tabla de frecuencias x2

Con la x2 calculada xe2, se obtiene un r–valor intervalos de tiempo entre ocurrencias sucesivas de
igual a 0, lo que significa que el proceso no es un eventos no tiene una distribución exponencial. En
proceso homogéneo de Poisson en el tiempo. De la consecuencia, los eventos sísmicos no siguen una
prueba de Kolmogorov – Smirnov se obtiene un r distribución de Poisson, en el tiempo.
-valor menor que 2.2e–16, lo cual indica que los

36 Universidad Distrital Francisco José de Caldas

UD Y LA GEOMATICA 4 1-52.indd 36 11/04/11 12:22


Christian M. Cárdenas Briceño, Yineth D. Garzón Prado, Luis F. Santa Guzmán, Luis E. Castillo Méndez

El espacio

1999 subcatálogo

Figura 7. Ubicación de eventos sísmicos, 1999 y subcatálogo

Para el catálogo se realiza un análisis multi- p–valor<2.2e– 16pvalor<2.2e–16 , lo que indica


temporal desde 1993 hasta 2010, en el cual no se que se rechaza la hipótesis nula, es decir, que el
evidencian cambios significativos en los años revi- proceso no es un proceso homogéneo de Poisson.
sados. Debido a esto, se presentan los resultados La prueba se puede ver gráficamente en la figura 8:
de los análisis del año 1999, como generalización cada cuadrante tiene el valor observado (arriba a la
de todos los años. Como el subcatálogo tiene po- izquierda), el valor esperado (arriba a la derecha) y
cos eventos, se analiza en conjunto para todos los los residuales de Pearson (abajo en el centro).
años.
Prueba de CSR basado en distancias
Prueba de CSR basado en el conteo de cuadrantes
Las pruebas basadas en distancias son las funcio-
Como se mencionó, una prueba clásica para la hi- nes F, G y K que son interpretadas a partir de las
pótesis nula de CSR es la x2 basada en el conteo gráficas que generan.
de cuadrantes. El resultado de la prueba arroja un

1999 subcatálogo

Figura 8. x2 basada en el conteo de cuadrantes, 1999 y subcatálogo

Facultad del Medio Ambiente y Recursos Naturales • Facultad de Ingeniería 37


Revista UD y la GEOmática • Número 4 • Diciembre 2010

UD Y LA GEOMATICA 4 1-52.indd 37 11/04/11 12:22


Modelo de poisson para la ocurrencia y magnitud espacio temporal de los sismos en Colombia

1999 subcatálogo

Figura 9. Función F

1999 subcatálogo

Figura 10. Función G

Dado que la curva G cae por encima de la si- queñas. Para la curva F (figura 9), un exceso de pe-
mulación (figura 10), esto indica agrupación en queñas distancias indica agrupación, por lo tanto
los sismos, debido a que las distancias son más pe- la curva cae por debajo de la simulación.

1999 subcatálogo

Figura 11. Función K

38 Universidad Distrital Francisco José de Caldas

UD Y LA GEOMATICA 4 1-52.indd 38 11/04/11 12:22


Christian M. Cárdenas Briceño, Yineth D. Garzón Prado, Luis F. Santa Guzmán, Luis E. Castillo Méndez

Debido a que la función K (Figura 11) está por El resultado inicial al analizar las gráficas indica
encima de la curva de CSR, indica que hay agru- que la intensidad puede no ser constante.
paciones en las ubicaciones de los sismos.
Finalmente, se puede concluir que los eventos El modelo
sismológicos ocurridos en el territorio continental
colombiano entre 1993 y 2010 y los eventos con Como se mencionó, las pruebas de aleatoriedad
magnitudes mayores o iguales que 4, no cumplen espacial completa indican que el proceso se com-
la hipótesis de aleatoriedad espacial completa y se porta de manera agregada, por lo cual la estruc-
comportan como un proceso agregado y no como tura de los datos debe ajustarse a un modelo que
un proceso homogéneo de Poisson. cumpla con esta característica, como el proceso
no homogéneo de Poisson, el proceso agregado de
Poisson y el proceso de Cox. No serán objeto de
La intensidad espacial análisis los procesos homogéneos de Poisson, de
El paso a seguir fue una inspección general de los inhibición simple y de Markov, porque correspon-
datos, en particular, la intensidad. La intensidad den a procesos aleatorios o uniformes.
promedio l de los datos de 1999 fue de 4.03e -10 El proceso de Cox se identifica de los demás
por metro cuadrado, y de los datos del subcatálogo porque la función de intensidad es la realización
fue de 2.98e -10 por metro cuadrado. Para obte- de un proceso estocástico. La intensidad espacial
ner una impresión de la variación espacial local, se sísmica se comporta de acuerdo a un proceso tec-
grafica una estimación de la intensidad por kernel. tónico, no aleatorio [18]. Por lo tanto, no tiene
sentido tratar de considerara el modelo como un
1999 proceso de Cox.
El proceso agregado de Poisson es un mode-
lo que incorpora explícitamente la formación de
grupos. Una vista general de las ubicaciones de los
sismos indica que éstos también presentan agrupa-
ciones. El proceso además supone que la ubicación
de los eventos principales, o padres, se comportan
de manera aleatoria. En cambio, las agrupaciones
sísmicas entre sí siguen un comportamiento par-
ticular de acuerdo a la tectónica de placas. Por lo
tanto, parece no tener sentido considerar el mode-
lo como un proceso agregado de Poisson.
El proceso no homogéneo de Poisson supone
subcatálogo que la intensidad varía en función de la localiza-
ción geográfica, es decir, el proceso no es estacio-
nario. Los sismos tienden a agruparse en la zona
norte y noroeste de país. En cambio, en las regio-
nes amazónica y oriental, la probabilidad de que
ocurra un evento sísmico es casi nula. Por lo tanto,
la función de intensidad está relacionada con la in-
corporación de una covariable asociada a la ubica-
ción, que para el objeto del proyecto corresponde
a las fallas geológicas de Colombia (figura 13) y al
nido de Bucaramanga.

Figura 12. Densidad de sismos y mapa de contorno

Facultad del Medio Ambiente y Recursos Naturales • Facultad de Ingeniería 39


Revista UD y la GEOmática • Número 4 • Diciembre 2010

UD Y LA GEOMATICA 4 1-52.indd 39 11/04/11 12:22


Modelo de poisson para la ocurrencia y magnitud espacio temporal de los sismos en Colombia

Figura 13. Densidad de sismos con respecto a las fallas geológicas

Las magnitudes de la escala de Richter se clasi-


ficaron como leves (M < 4), moderadas (4 < M <
5), fuertes (5 < M < 6) y destructivas (M > 6). Con
base en esto, se puede observar la intensidad alta
sobre o cerca de las fallas, formando conglomera-
ciones en torno a ellas.
De acuerdo a las características es válido supo-
ner que el proceso no homogéneo de Poisson es un
modelo para la ocurrencia y magnitud de sismos
en Colombia. Finalmente, se propone un mapa de
amenaza sísmica, de acuerdo a los resultados obte-
nidos (figura 14).

Conclusiones
Los estudios realizados para entender el comporta-
miento de un evento sísmico pueden emprenderse
de dos maneras. El primero, en el que estudian
el mecanismo físico del evento, con el objetivo de
identificar todas y cada una de las variables involu-
Figura 14. Mapa de amenaza sísmica propuesto

40 Universidad Distrital Francisco José de Caldas

UD Y LA GEOMATICA 4 1-52.indd 40 11/04/11 12:22


Christian M. Cárdenas Briceño, Yineth D. Garzón Prado, Luis F. Santa Guzmán, Luis E. Castillo Méndez

cradas en él, para conocer el fenómeno y poder de- to, la cantidad de eventos por unidad de área no es
terminar la ocurrencia futura. El segundo se basa constante. De acuerdo a las pruebas de aleatoriedad
en la probabilidad de ocurrencia de un evento y espacial completa, el comportamiento espacial de
en su comportamiento estadístico, tratando al fe- los sismos no corresponde a un proceso homogé-
nómeno como una serie de sismos en el tiempo y neo de Poisson, sino a un proceso agregado.
en el espacio, con una distribución probabilística a La intensidad de los sismos en el nido de Buca-
determinar. En el proyecto se realizó el tratamien- ramanga es alta, aunque los de grandes magnitu-
to estadístico y relacionando los resultados sobre des son poco frecuentes. El nido de Bucaramanga
bases teóricas y físicas. es la segunda fuente sísmica activa más importan-
El tiempo de observación de los eventos sísmi- te en el mundo que, según la RSNC [19], genera
cos en el proyecto fue de 18 años, que corresponde más de 120 sismos en el mes originados con una
al período de operación de la Red Sismológica Na- profundidad intermedia de 150 km, esto significa
cional de Colombia (RSNC). Como los eventos que libera energía constantemente y que los sismos
de gran magnitud no son frecuentes entonces se que ocurren generalmente tienen magnitudes ba-
requiere un mayor tiempo de análisis para poder jas; eso hace que se libere la presión de las placas,
determinar con mayor exactitud el modelo más ayudando a evitar que se acumule y se convierta
apropiado para estos eventos. Sin embargo, se en un gran sismo con consecuencias catastróficas
construyó el catálogo inicial sobre esta base, con como el pasado 27 de febrero en Chile, que libe-
el fin de detectar los sismos principales por medio ró el estrés almacenado durante cientos de años
de la depuración. en el límite de las placas tectónicas donde ocurrió
El algoritmo que detecta réplicas más lejanas
el terremoto y donde no había sucedido ningún
en tiempo y espacio del evento principal es el de
sacudimiento fuerte desde 1935. Por lo tanto, la
Gardner & Knopoff que corresponde al utilizado,
intensidad alta de magnitudes bajas, indica una
pero este método no fue diseñado de acuerdo a
alta actividad sísmica, pero no necesariamente una
las características geológicas de Colombia, es decir,
amenaza.
que tenga en cuenta los movimientos y orientación
Los departamentos Amazonas, Putumayo, Ca-
de las fallas y además que la ventana temporal en
quetá, Vaupés, Guaviare, Guanía, Vichada y Meta
la detección de réplicas y premonitorios sea mayor
a 40 días. tienen una intensidad casi nula, lo cual indica que
La mayoría de modelos de evaluación de ame- la amenaza sísmica en estas zonas es baja. Esto
naza utilizados hasta la fecha en todo el mundo debido a que en la ubicación geográfica de estos
emplean el proceso de Poisson, que se caracteriza, departamentos no existen fallas geológicas. Por lo
entre otras cosas, por la pérdida de memoria o me- tanto se reitera que la función de intensidad no es
moryless, es decir, que la ocurrencia de sismos en el constante.
pasado no afecta la ocurrencia futura. De acuerdo Huila, Cundinamarca, Boyacá, Casanare,
a las pruebas estadísticas realizadas, se comprobó Arauca, La Guajira, Atlántico, Magdalena, Bolí-
que los sismos en Colombia no siguen un proceso var, Norte de Santander y Cesar tienen una inten-
de Poisson en el tiempo. Esto se sustenta con la sidad media, debido a la falla frontal de la cordille-
teoría del rebote elástico, la cual que se necesita ra Oriental (o borde llanero) y la fallas de Cuiza,
un tiempo mínimo para que la falla acumule sufi- Oca y la compresión sur del Caribe este; además
ciente energía elástica como para generar un nuevo de la sección sur de la falla de Bucaramanga – San-
terremoto, es decir, que el momento en el que ocu- ta Marta.
rre un gran terremoto depende de cuando ocurrió Santander, Nariño, Cauca, Valle del Cauca,
el previo, en general, la sismología apoya modelos Tolima, Caldas, Risaralda, Chocó, Antioquia,
de ciclo de terremoto. Córdoba y Sucre tienen una intensidad alta, debi-
De manera general, la ubicación de los sismos do al complejo de fallas geológicas que se encuen-
de todas las magnitudes corresponde con la ubica- tran en esta zona, como Bahía Solano, Benioff
ción de las fallas, como es de suponerse. Por lo tan- – Intermedia, Benioff–, Profunda, Sinú, Junín

Facultad del Medio Ambiente y Recursos Naturales • Facultad de Ingeniería 41


Revista UD y la GEOmática • Número 4 • Diciembre 2010

UD Y LA GEOMATICA 4 1-52.indd 41 11/04/11 12:22


Modelo de poisson para la ocurrencia y magnitud espacio temporal de los sismos en Colombia

–Sambiambi, Murindó– Atrato, Cauca, Puerto Agradecimientos


Rondón, Romedal y Romedal Norte, además de la
A Luis Eduardo Castillo por su participación en
zona de subducción de la placa Nazca con la placa
el desarrollo del artículo, especialmente en el tema
Suramérica.
de procesos estocásticos.
En consecuencia, con las bases teóricas y es-
A Héctor Javier Fuentes y Luis Fernando Gó-
tadísticas expuestas, se sugiere un proceso no ho-
mez, por su interés en el tema del artículo.
mogéneo de Poisson para el modelamiento de la
ocurrencia y magnitud espacial de los sismos en
Colombia.

Bibliografía Barcelona, Universidad Politécnica de Cata-


luña, Departamento de Ingeniería del Terre-
[1] AIS, Ingeominas y Universidad de los Andes.
no, Cartográfica y Geofísica, 2003.
Estudio general de amenaza sísmica de Colom-
[8] AIS, Ingeominas y Universidad de los Andes,
bia, Bogotá D.C., 1996.
Óp.cit., p. 25.
[2] USGS, “Earthquake Glossary” [en línea] Dis-
[9] Rivero, Pedro, Bendito, América y Lobo
ponible en: (http://earthquake.usgs.gov/
Quintero, William. “Análisis de posibles acti-
learn/glossary/?term=earthquake) [visitado el
vidades precursoras en el occidente venezola-
7 de febrero de 2010].
no”. IMME, vol.43, núm. 1, marzo de 2005.
[3] Cicese, Departamento de Sismología del
[10] Red Sismológica Nacional de Colombia –
Centro de Investigación Científica y de Edu-
Instituto Colombiano de Geología y Minería,
cación Superior de Ensenada [en línea] Dis-
Óp.cit.
ponible en: (http://sismologia.cicese.mx) [vi-
[11] AIS, Ingeominas y Universidad de los Andes.
sitado el 27 de febrero de 2010].
Óp.cit. p. 7.
[4] Red Sismológica Nacional de Colombia –
[12] MEDHI, Stochastic Processes, tercera edición,
Instituto Colombiano de Geología y Mine-
[13] DIGGLE, Peter. Statistical analysis of spatial
ría, Conceptos Básicos [en línea] Disponible
point patterns. Londres, Academic, 1983.
en: (http://seisan.ingeominas.gov.co/RSNC/
[14] Bhat, U Narayan. Elements of Applied Stochas-
index.php?option=com_content&view=artic
tic Processes. New Jersey: Wiley, 2002.
le&id=49&Itemid=61) [visitado el 12 de fe-
[15] Universidad Nacional Autónoma de México,
brero de 2010].
Centro de Geociencias [en línea] Disponible
[5] Sociedad Mexicana de Ingeniería Sísmi-
en: http://www.geociencias.unam.mx/bole/
ca, “Sismógrafos y sismogramas” [en línea]
eboletin/introZMAP.html. [visitado el 5 de
Disponible en: (http://www.smis. org.mx/
mayo de 2010].
htm/sm8.htm) [visitado el 12 de febrero de
[16] WYSS, Max; Wiemer, Stefan y Zúñiga, Ra-
2010].
món. ZMAP, a tool for analysis of seismicity.
[6] AIS, Ingeominas y Universidad de los Andes,
2001
Óp.cit.
[17] DIVA-GIS, “Spatial Data Download” [en lí-
[7] Vargas, Carlos Alberto. Propagación de on-
nea] disponible en: http://www.diva-gis.org/
das sísmicas en el territorio colombiano. Tesis
datadown. [visitado el 1º de mayo de 2010].
para optar al grado de doctor en ingeniería.

42 Universidad Distrital Francisco José de Caldas

UD Y LA GEOMATICA 4 1-52.indd 42 11/04/11 12:22


Christian M. Cárdenas Briceño, Yineth D. Garzón Prado, Luis F. Santa Guzmán, Luis E. Castillo Méndez

[18] Ingeominas, Mapa de Sismicidad en Colom- [18] Los Santos _ Santander, Esquema de Ordena-
bia, 2000 [en línea] Disponible en: http:// miento territorial [en línea]. Disponible en:
www.ingeominas.gov.co. [visitado el 6 de http://lossantos-santander.gov.co/ [visitado el
agosto de 2010]. 5 de agosto de 2010].

Christian Michael Cárdenas Briceño


Ingeniero catastral y geodesta, Universidad Distrital Francisco José de Caldas.
Correo electrónico: christianicg@ingenieros.com

Yineth Daniela Garzón Prado


Ingeniera catastral y geodesta., Universidad Distrital Francisco José de Caldas.
Correo electrónico: danielaicg@ingenieros.com

Luis Fernando Santa Guzmán


Ingeniero catastral y geodesta., Universidad Distrital Francisco José de Caldas. Estadístico Universi-
dad Nacional de Colombia. Correo electrónico: fernando.santa@gmail.com

Luis Eduardo Castillo Méndez


Estadístico, Universidad Nacional de Colombia, magíster en Estadística, Universidad Nacional de
Colombia. Correo electrónico: lecastil@gmail.com

Facultad del Medio Ambiente y Recursos Naturales • Facultad de Ingeniería 43


Revista UD y la GEOmática • Número 4 • Diciembre 2010

UD Y LA GEOMATICA 4 1-52.indd 43 11/04/11 12:22