Documentos de Académico
Documentos de Profesional
Documentos de Cultura
Step4: Aggregate SUM (npix). No key. 7: Densmap=Npmapact/Npmaptot Step 1: Npixact=iff(Activity="Active",npix,0) 6: 3: 5: Aggregation SUM (Npixact) No key 2: Densclas=Npslopeact/NpsloptotSlopec SUM (npixact. Key: Step Aggregate SUM(npix). Key: slopec Total nrpixels per classlandslides in map Nr.Total of pixels in landslides per class of nr. pixels with map with the
S tep 1 tep
sl ope ac ti vi ty activi ty npix npixact npi xact
Step 2 St ep
nps lope tot nps lopetot
Step 3
npslopac t npsl opact
S tep 4 Step 4
npmaptot npmaptot
S tep 5 tep
npm apact
Step 6
dens clas de ns cl as
Step 7 S tep
densm ap
ponderacin dado a determinado parmetro de clase (e jemplo. T ipo de roca) densida d de los deslizamientos dentro del parmetro de clase. densida d de los deslizamientos dentro de todo el mapa. nmero de pixeles que contienen deslizamientos dentro un determinado parmetro de clase. Nmero total de pixeles en un determinado parmetro de clase.
3
UNESCO RAPC A
0 - 10 degrees 0 - 10 degrees 0 - 10 degrees 0 - 10 degrees 10 - 20 degrees 10 degrees 10 - 20 degrees 10 degrees 10 - 20 degrees 10 degrees 10 - 20 degrees 10 degrees 20 - 30 degrees 20 degrees 20 - 30 degrees 20 degrees 20 - 30 degrees 20 degrees 20 - 30 degrees 20 degrees 30 - 40 degrees 30 degrees 30 - 40 degrees 30 degrees 30 - 40 degrees 30 degrees 30 - 40 degrees 30 degrees 40 - 50 degrees 40 degrees 40 - 50 degrees 40 degrees 40 - 50 degrees 40 degrees 40 - 50 degrees 40 degrees 50 - 60 degrees 50 degrees 50 - 60 degrees 50 degrees 50 - 60 degrees 50 degrees 50 - 60 degrees 50 degrees 60 - 70 degrees 60 degrees 60 - 70 degrees 60 degrees 60 - 70 degrees 60 degrees 70 - 80 degrees 70 degrees 70 - 80 degrees 70 degrees 80 - 90 degrees 80 degrees
U nknown nknow n S table table D ormant ormant A ctive Active U nknow n nknown S table table D ormant ormant A ctive Active U nknow n nknown S table table D ormant ormant A ctive Active U nknow n nknown S table table D ormant ormant A ctive Active U nknow n nknown S table table D ormant ormant A ctive Active U nknown nknow n S table table D ormant ormant A ctive Active U nknown nknow n D ormant ormant A ctive Active U nknown nknow n D ormant ormant U nknown nknow n
160964 4006 2062 1659 104195 2524 2361 1283 84406 1242 2753 2028 41490 1030 1147 1320 15085 252 378 407 3791 336 125 172 832 7 18 593 1 552
168691 168691 168691 168691 110363 110363 110363 110363 90429 90429 90429 90429 90429 90429 90429 90429 44987 44987 44987 44987 44987 44987 44987 44987 16122 16122 16122 16122 16122 16122 16122 16122 4424 4424 4424 4424 857 857 857 594 594 552
1659 1659 1659 1659 1283 1283 1283 1283 2028 2028 2028 2028 1320 1320 1320 1320 407 407 407 407 172 172 172 172 18 18 18 0 0 0
437019 437019 437019 437019 437019 437019 437019 437019 437019 437019 437019 437019 437019 437019 437019 437019 437019 437019 437019 437019 437019 437019 437019 437019 437019 437019 437019 437019 437019 437019 437019 437019 437019 437019 437019 437019 437019 437019 437019 437019 437019 437019 437019 437019 437019 437019 437019 437019 437019 437019 437019 437019 437019 437019 437019 437019 437019 437019 437019 437019
6887 6887 6887 6887 6887 6887 6887 6887 6887 6887 6887 6887 6887 6887 6887 6887 6887 6887 6887 6887 6887 6887 6887 6887 6887 6887 6887 6887 6887 6887 6887 6887 6887 6887 6887 6887 6887 6887 6887 6887 6887 6887 6887 6887 6887 6887 6887 6887 6887 6887 6887 6887 6887 6887 6887 6887 6887 6887 6887 6887
0.009728 0.009728 0.009728 0.009728 0.011489 0.011489 0.011489 0.011489 0.021730 0.021730 0.021730 0.021730 0.029875 0.029875 0.029875 0.029875 0.025245 0.025245 0.025245 0.025245 0.038879 0.038879 0.038879 0.038879 0.021004 0.021004 0.021004 0.000000 0.000000 0.000000
0.0158 0.0158 0.0158 0.0158 0.0158 0.0158 0.0158 0.0158 0.0158 0.0158 0.0158 0.0158 0.0158 0.0158 0.0158 0.0158 0.0158 0.0158 0.0158 0.0158 0.0158 0.0158 0.0158 0.0158 0.0158 0.0158 0.0158 0.0158 0.0158 0.0158
Clculo de pesos
STEP 1
slope npixact
Probabilidad
STEP 7
densmap
STEP 2
npslopetot
STEP 3
npslopact
STEP 4
npmaptot
STEP 5
npmapact
STEP 6
dens clas
STEP 8
Weight
Considere que usted desea saber la probabilidad de que llueva maana.. Suponga que llueve 80 das al ao.
Donde: P{Rain} = Probabilidad previa Si usted tiene otra informacin, que afecte la probabilidad de lluvia, la formula se transforma en:
El calculo de la densidad se hace directamente en la tabla de pendientes (Slope). El dato es obtenido de la tabla cruzada (cross table) por medio de la union de tabla y agregacion (Table joining and aggregation)
UNESCO RAPC A
Probabilidad previa
Considere que usted solo tiene el mapa de deslizamientos del rea, sin ningn otro dato adicional. Cmo contesta la pregunta: Cul es la probabilidad de tener un deslizamiento en el rea? Si no hay informacin adicional, i.e. si usted no sabe si esta en una unidad geolgica con muchos deslizamientos, o en una pendiente fuerte, se habla de la probabilidad previa (prior probability).
P Prior = P{S} =
donde: Pprior = P{ S} Npix( Slide) Npix( Total)
UNESCO RAPC A
Npix(Slide) Npix(Total)
Probabilidad condicional de tener un deslizamiento S Numero de pixels con deslizamientos en el mapa Numero total de pixels en el mapa
Probabilidad condicional
Si se tiene ms informacin disponible, adems del mapa de deslizamientos, se puede determinar la probabilidad de que ocurra un deslizamiento, dado que se tenga una cierta unidad geomorfolgica, por ejemplo. Estos lo que se conoce como probabilidad condicional. Considerando la relacin entre un mapa de variable binaria (B) con un mapa de deslizamientos (S).
Probabilidad condicional
Cul es el cambio de un deslizamiento cuando usted sabe que esta en la unidad B:
P{S|B} =
donde: P{S|B}
La probabilidad condicional de que ocurra un deslizamiento, si usted esta en la unidad B. Npix(Slide) Nmero de pixels con deslizamientos en el mapa Npix(Total) Nmero total de pixels en el mapa
UNESCO RAPC A
Insertar en:
Posterior
11 UNESCO RAPC A UNESCO RAPC A
Prev ia
Factor
Formulacin de probabilidades
Probabilidad de que un evento ocurra Probablidad de que el evento no ocurra
probabilidad =
= 0.02 * 0.1/0.64 = 0.02 * 0.15625 = prior * factor = 0.003125
Formulacin de probabilidades
Dividido por:
Logaritm o natural
Probabilidad Posterior
UNESCO RAPC A
Prob. previa
Ejemplo
B S S
npix1
Ejemplo
W + = loge i P { B i |S} P { Bi |S }
P { B|S} i P { Bi|S }
Npix 1 Npix 1 + Npix 2 Npix 3 Npix 3 + Npix4
B S S
npix1
B
npix2
180
npix3
20
npix4
B
npix2
3420 3600
6380 6400
180
npix3
20
npix4
3420 3600
6380 6400
0.9 0.349
P{B|S} = 180/200 = 0.9 P{B|S} = (3600- 180)/( 10000-200) = 3420/9800 = 0.349 P{B|S} = (200-180)/(200) = 20/200 = 0.1 P{B|S} = (10000-3600-200+180)/(10000-200) = 6380/9800 = 0.6510
+ i
= log e
= Ln 2.578 = 0.9474
W = loge
i
20 Npix2 180 + 20 Npix1 + Npix 2 = Npix4 6380 Npix3 + Npix 4 3420 + 6380
0.1 = 0.651
= Ln 0.1536 = - 1.87
18
B S S
Np ix Np ix Np ix Np ix
Step 1
1= 2= 3= 4=
Step 2
ncl ass
Ste p 4
nmap
Step 5
nslide NPIX1 N PIX2 NPIX3 NPIX4
slope
acti vit y
npix
npixa ct
0 - 10 degre es 0 - 10 degre es 0 - 10 degre es 0 - 10 degre es 10 - 20 de grees 10 - 20 de grees 10 - 20 de grees 10 - 20 de grees 20 - 30 de grees 20 - 30 de grees 20 - 30 de grees 20 - 30 de grees 30 - 40 de grees 30 - 40 de grees 30 - 40 de grees 30 - 40 de grees 40 - 50 de grees 40 - 50 de grees 40 - 50 de grees 40 - 50 de grees 50 - 60 de grees 50 - 60 de grees 50 - 60 de grees 50 - 60 de grees 60 - 70 de grees 60 - 70 de grees 60 - 70 de grees 70 - 80 de grees 70 - 80 de grees 80 - 90 de grees
Unknown Sta ble Dormant Active Unknown Sta ble Dormant Active Unknown Sta ble Dormant Active Unknown Sta ble Dormant Active Unknown Sta ble Dormant Active Unknown Sta ble Dormant Active Unknown Dormant Active Unknown Dormant Unknown
160964 4006 2062 1659 104195 2524 2361 1283 84406 1242 2753 2028 41490 1030 1147 1320 15085 252 378 407 3791 336 125 172 832 7 18 593 1 552
Np ix Np ix Np ix Np ix W+ W-
168691 168691 168691 168691 110363 110363 110363 110363 90429 90429 90429 90429 44987 44987 44987 44987 16122 16122 16122 16122 4424 4424 4424 4424 857 857 857 594 594 552
1 = 1659 2 = 6887 - 1659 = 5228 3 = 168691 - 1659 = 167032 4 = 437019 - 6887 - 168691 + 1659 = 263100 =log((npix1/(npix1+npix2))/(npix3/npix3+npix4)) =log((npix1*(np ix3+npix4)/((npix1+npix2)*npix3) =log((npix2/(npix1+npix2))/(npix4/npix3+np ix4)) =log((npix2*(npix3+npix4)/((npix1+npix2)*npix4)
1659 1659 1659 1659 1283 1283 1283 1283 2028 2028 2028 2028 1320 1320 1320 1320 407 407 407 407 172 172 172 172 18 18 18 0 0 0
437019 437019 437019 437019 437019 437019 437019 437019 437019 437019 437019 437019 437019 437019 437019 437019 437019 437019 437019 437019 437019 437019 437019 437019 437019 437019 437019 437019 437019 437019
6887 6887 6887 6887 6887 6887 6887 6887 6887 6887 6887 6887 6887 6887 6887 6887 6887 6887 6887 6887 6887 6887 6887 6887 6887 6887 6887 6887 6887 6887
1659 1659 1659 1659 1283 1283 1283 1283 2028 2028 2028 2028 1320 1320 1320 1320 407 407 407 407 172 172 172 172 18 18 18 0 0 0
5228 5228 5228 5228 5604 5604 5604 5604 4859 4859 4859 4859 5567 5567 5567 5567 6480 6480 6480 6480 6715 6715 6715 6715 6869 6869 6869 6887 6887 6887
167032 167032 167032 167032 109080 109080 109080 109080 88401 88401 88401 88401 43667 43667 43667 43667 15715 15715 15715 15715 4252 4252 4252 4252 839 839 839 594 594 552
263100 263100 263100 263100 321052 321052 321052 321052 341731 341731 341731 341731 386465 386465 386465 386465 414417 414417 414417 414417 425880 425880 425880 425880 429293 429293 429293 429538 429538 429580
Peso Negativo: Que tan importante es la ausencia del factor para predecir los deslizamientos
W+ < 0 : la ausencia del factor contribuye a la ausencia del deslizamiento W+ = 0 : el factor no es relevante W+ > 0 : la ausencia del factor contribuye a la presencia del P { B i |S} deslizameinto = loge
P { Bi |S }
P { B| S} i P { Bi|S }
20
Wi = loge
Factor de Contraste
Cw= W+ - W-
El contraste C = W+ - W- es un buen parmetro de la correlacin entre el mapa de la variable y las ocurrencias de deslizamientos. El factor de contraste es 0 cuando: El patrn de deslizamientos y el patrn del mapa de clase se sobreponen tan solo por la cantidad atribuida al azar, positivo cuando existe una asociacin positiva entre los dos patrones y negativo cuando la asociacin entre los dos patrones es negativa.
21 UNESCO RAPC A UNESCO RAPC A 22
Scripts
Para el clculo de los pesos finales, se debe considerar lo siguiente: Usted utiliza el peso positivo cuando el factor esta presente. Usted utiliza el peso negativo cuando el patron esta ausente.
Class class1 class2 class3 class4 Wplus +0.35 -0.32 +0.23 -0.05 Wmin -0.38 +0.37 -0.27 +0.05 Wfinal +0.35+(+0.37-0.27+0.05) = 0.5 -0.32+(-0.38-0.27+0.05) = -0.92 +0.23+(-0.38+0.37+0.05) = 0.27 -0.05+(-0.38+0.37-0.27) = -0.33
23 UNESCO RAPC A
UNESCO RAPC A
Utilice el men y los cuadros de dilogo para una de te rminada e xpre sin. Llene todos los parme tros re que ridos e n el cuadro de dilogo, y pre sione O K. En e se mome nto la e xpre sin para esa ope racin se mue stra e n la lne a de comandos. Uste d pue de copiar la e xpresin re sultante de la lne a de comandos al script. En cuadro de dilogo del e ditor de scripts y en la lne a de comandos uste d pue de utiliz ar las siguie ntes he rramie ntas del table ro: CTRL+C CTRL+V Copiar la parte selecciona al c lipboard. Pegar los contendios del clipboar d.
Lnea 1: Para usar la operacin InterpolContour para crear un mapa de interpolacin de altura a partir de un mapa de segmentos de lineas de contorno o nivel. La expresin es: dem = MapInterpolContour(contour, cochabam). Realice la interpolacin de curvas de nivel en el mapa de segmentos Contour, utilice la georeferencia'Cochabam', y guarde la salida en el mapa Dem. Lnea 2: Para usar el filtro Dfdx en el mapa de curvas de nivel interpolado para calcular las diferencia de altura en la direccin X. La expersin es: dx= MapFilter(dem, dfdx). Filtrar el mapa Dem con el filtro Dfdx y guardar la salida en el mapa Dx. Lnea 3: Para usar el filtroDfdy en el mapa de curvas de nivel interpolado para calcular el las diferencias de altura en la direccinY. La expresin es: dy = MapFilter(dem, dfdy). Filtrar el mapa Dem con el filtro Dfdx y guardar la salida en el mapa Dy. Lnea 4: Para calcular el mapa de pendiente a partir de Dx y Dy, la expresin para el Clculo del Mapa es: slopeper = ((HYP(dx,dy)) / pixsize(dem)) * 100. HYP es una funcin interna MapCalc/TabCalc; Dx y Dy son los mapas de salida de la filtracin; pixsize(dem) clcula el tamao de pixel del mapa Dem, Slopeper el nombre del mapa de salida que contiene el valor de la pendiente en porcentajes. Lnea 5: Para convertir los valores en grados, se utiliza otra expresin de Clculo de Mapas: slopedeg = RADDEG(ATAN((HYP(dx,dy))/pixsize(dem))) Funciones ATAN, HYP y RADDEG son funciones internas del tipo MapCalc/TabCalc.
UNESCO RAPC A
El archivo log de ILWIS (ILWIS log file). ILWIS guarda un re gistro de todolo uste d re aliz a en el llamado log file. El log file de ILWIS e s llamado Ilwis.lo g, y pue de se r encontrado e n el dire ctorio de inicio que uste d ha e spe cificado para el program ILWIS. Normaleme nte este dire ctorio se r c:\ilw is21\data, a menos de que uste d lo cambie , por me dio del ITEM de PRO PIEDADADES de l Programa ILWIS en el Mane jador de Programas de Windows. El log file e s un archivo ASCII que pue de se r abie rto con e l e ditor de texto. Uste d pue de copiar parte de las e xpre sione s que e stan almacenadas e n el log file al script. UNESCO RAPC A
UNESCO RAPC A
UNESCO RAPC A
UNESCO RAPC A
UNESCO RAPC A
UNESCO RAPC A
UNESCO RAPC A
En la lnea 1 un mapa raster, indicado con el parmetro %1, se cruza con el mapa Slide. El resultado es almacenado en la cross table con el nombre s+el nombre del mapa raster de entrada. As, si por ejemplo, se utiliza el mapa Landuse, la cross table se llamar Slanduse. En esta lnea solo se define la cross table s% 1, pero an no se calcula an. En la linea 2 la cross table es calculada. En la lnea 3 se def ine el rea total para cada item del dominio en el mapa raster % 1, utilizando la f uncin de agregacin en la columna Area de la cross table. La agregacin es hecha despus de agrupar los datos en la tabla de acuerdo a los itmes del dominio % 1. Observe que el resultado de la f ormula no esta escrtio en la cross table s%1, pero s en la tabla de atributos relacionada al mapa. En la lnea 4 se def ine la nueva columna Areasl, en la cual los registros de la cross table que tienen una combinacin entre los items del dominio del mapa raster y la unidad landslide en el mapa slide, son asignados a la columna Area . La combinacin de los itmes del dominio y la unidad no landslide recibir un valor 0. Esto es hecho de manera que en la prxima lnea se pueda saber el rea de deslizamientos dentro de cada item del dominio. Observe que el resultado de esta f rmula es escrito en la cross table.
En la lnea 5 se define el rea de cada item del dominio en el mapa raster que es ocupado por deslizamientos, utili zando la funcin de agregaccin Sum en la columna Areasl en la Cross Table. La agregacin se hace despus de agrupar los datos en la tabla de acuerdo a los items del dominio %1. Observe que el resultado de la frmula no se escribe en la cross table s%1, pero si en la tabla de atributos relacionado con el mapa. En la lnea 6 la densidad de los deslizamientos es calculada en la tabla de atributos %1, por medio de la divisin entre el rea ocupada por deslizami entos en cada clase y el rea total de la clase, y multiplicndola por 100. El resultado estar en porcen taje. Es por ello que se selecciona el dominio Perc para la columna de salida. En la lnea 7, la cross tables calcula de forma que la expresin en la lnea 5 se guadada como valores. En la lnea 8 la tabla de atributos es calculada de forma que las expresiones en las lneas 3, 5 y 6 se guarden como valores.
UNESCO RAPC A
UNESCO RAPC A
// CRUZANDO LOS MAPAS DE PARAMETROS CON EL MAPA DE // DESLIZAMIENTOS // Cruzar el mapa Slope con el mapa de deslizamientos Activity act%1 = TableCross(%1,activity) calc act%1.tbt // Cruzar el mapa Geol con el mapa de deslizamientos Activity act%2 = TableCross(%2,activity) calc act%2.tbt // Cruzar el mapa Geom con el mapa de deslizamientos Activity act%3= TableCross(%3,activity) calc act%3.tbt Usted puede correr el script escribiendo en la lnea de comandos: run weight slope geol geom
1 2 3
rem ILWIS Script for the input for the script density run weight geology run weight slopecl run weight catchmen
Es posible corre r un script desde otro script si se incluye la e xpre sin: Run scriptname parameter. En e ste e je mplo se pue de hace r otro script, que sirva como insumo para el script de densidades que ya se vi. De e sta forma el script de densidades pue de se r calculado para dife rente s mapas.
En la lnea 1 el sript Density se e je cuta con el mapa Geology como parme tro. En la lnea 2 el script Density se eje cuta con el mapa Slopecl como parme tro, Etc.
UNESCO RAPC A
UNESCO RAPC A
Abrir el histograma del mapa de pesos Calcular: inverse = 100-Npcumpct Calcular: classes = CLFY(inverse,classes) classes.mini1 = ColumnJoinMax(weight.his,value,classes,1) Crear un nuevo domino de Grupo de Clases con estos lmites. Utilizar la operacin SLICING operation con este dominio en el mapa de pesos
En la cross table calcular: Npixact = iff(activity=Active,npix,0) class1.nslclass = Column Join Sum(claact.tbt,Npixact,class1,1) nslide = ColumnAggregateSum(nslclass,,1) percent=100*nslclass/n slide cumpercent = cum(percent) Crear la columna reorder e indicar los valores mximos de las clases reorder2 = 100-cumpercent
40
Tasa de Exito
Plotear las columnas: Eje X : porcentaje del mapa de pesos (ordenado de alto a bajo)
Eje Y: porcentaje de deslizamientos
Porcentaje de todos los deslizamientos
Tasa de Prediccin
La tasa de xito es solo para chequear que tan buena es la prediccin para explicar la evidencia a partir de la cual fue hecha. Para ejemplos espaciales temporales: es posible hacer la prediccin utilizando datos de un perodo previo Y calcular el poder de la prediccin utilizando datos de un perodo ms recienteTasa de Prediccin.
70 por ciento de todos los deslizam ientos est localizado en el 10 % del m apa con los m ayores valores de prediccin
41 UNESCO RAPC A
42
Tasa de Prediccin
Porcentaje de todos los deslizamientos
70 por ciento de todos los nuevos deslizam ientos esta localizado en el 30% del m apa con m ayores valores de prediccin
Tasa de xito: Que tan bien el modelo se ejecuta Tasa de prediccin: Que tan bien el model predice
UNESCO RAPC A
Dividir el set de la evidencia en dos aleatoriamente (ej. utilizando la funcin aleatoria en tabla). Utilizar un set como de entrenamiento y otro como de datos de prueba
43 UNESCO RAPC A 44
Independencia condicional
El problema ms importante con los mtodos estadsticos bivariados es la independencia condicional:
P( B 1 B2 |S) = P( B 1|S) P( B2 |S)
N( B 1 B 2 S) =
N( B 1 S) N( B 2 S) N(S)
126 14 6 20 180 * 140 140 60 200
54 180
N( B 1 B 2 S) =
N( B1 S) N( B 2 S) N(S)
200
46
La frecuencia esperada de deslizam ientos puede ser calculad a ahora: Np ixexp :=( Np ixB1*Np ixB2) /NpixS Despus de ese chequeo de s los m apas tienen independencia condicion al se hace con la frm ula:
= (( 50-54) 2/54) + ((130-126) 2/126) + ((10- 6) 2/6) +((10-14) 2/14 = 0.296 + 0.001 + 2.67 + 1.142 = 4.110
Comparar con valores de las tablas para 2 con un grado de libert ad. Estas son para varios niveles de probabilidad Los grados de libertad pueden s er definidos como el nmero de observaciones en la muestra, menos el nmero de parm etros estimados de la muestra. En este cas o 2-1=1.
47 UNESCO RAPC A
48
Independencia Condicional
Casi todos los mapas que son importantes para la ocurrencia de deslizamientos son condicionalme nte dependientes.
Por ejemplo, es importante saber que usted est en una pendiente f uerte, cuando usted est en esquistos. La probabilidad de tener deslizamientos cuando se tiene tanto esquistos como altas pendientes, es mucho ms grande que la multiplicacin de las dos probabilidades condicionales.
El Aspecto Tiempo
Otro problem a: El Aspecto Tiem po El mapa de amenza est limitado al per odo par a el cual el mapa de movimientos de masa es vlido. Sin embargo, la ocurrencia de nuevos deslizamientos puede no seguir la prediccin, debido a los factores de disparo no han sido tomados en cuenta en el anlis is.
Uno de los efectos ms importantes de los mapas condicionalmente dependientes en el anlisis es que la probabilidad posterior es mucho ms grande que la real. Desde luego que es inev itable trabajar con mapas condicionalmente dependientes, la prueba de la independencia condicional no tiene mucho sentido. Los valores de probablidad resultantes debern ser utilizados tan solo como una indicacin general de la susceptibilidad a los mov imientos de masa y no como valores de probabilidad.
UNESCO RAPC A
49 UNESCO RAPC A
50