4.

Mtodo estadstico para el mapeo de amenaza por deslizamientos

Cees van Westen Libro: Bonham-Carterm, captulo 9, pp 302-333

2 UNESCO RAPC A

Mtodo de informacin ponderada

Npix(Si) Densclas Npix(Ni) Wi = ln = ln Npix(Si) Densmap Npix(Ni)
Wi = Denscla s = Densmap = Npix(Si) = Npix(Ni) =
UNESCO RAPC A

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

0 0 0 1659 0 0 0 1283 0 0 0 2028 0 0 0 1320 0 0 0 407 0 0 0 172 0 0 18 0 0 0

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

Tabla cruzada (Crosstable) De los m apas de pendiente y activid ad

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.

0 - 10 degrees 10 - 20 degrees 20 - 30 degrees 30 - 40 degrees 40 - 50 degrees 50 - 60 degrees 60 - 70 degrees 70 - 80 degrees 80 - 90 degrees

1659 1283 2028 1320 407 172 18 0 0

168691 110363 90429 44987 16122 4424 857 594 552

1659 1283 2028 1320 407 172 18 0 0

437019 437019 437019 437019 437019 437019 437019 437019 437019

6887 6887 6887 6887 6887 6887 6887 6887 6887

0.009728 0.011489 0.021730 0.029875 0.025245 0.038879 0.021004 0.000000 0.000000

0.0158 0.0158 0.0158 0.0158 0.0158 0.0158 0.0158 0.0158 0.0158

-0.49 -0.32 0.32 0.64 0.47 0.90 0.28 -9.67 -9.67

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

donde: P{Rain*Time of year} = Probabilidad posterior

5 UNESCO RAPC A 6

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).

Probabilidad Previa: ejemplo

Npix(M ap) = 10000 Npix(S) = 200

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 previa = 200 / 10000 = 0.02

7 UNESCO RAPC A 8

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}

P{S B} Npix{S B} = P{B} Npix{B}

B S
9 UNESCO RAPC A 10

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

Probabilidad condicional: ejemplo

Probabilidad Condicional = 180 / 3600 = 0.05 Probabilidad previa = 200/10000= 0.02
Importancia de saber que usted esta en B: La probabilidad se incrementa por dos

Probabilidad condicional: ejemplo

= 180/200 = 0.9 = 3600/10000 = 0.36 = 180/10000 = 0.018

Insertar en:

= 0.02 * 0.9/0.36 = 0.02 * 2.5 = 0.05

Factor
12

Posterior
11 UNESCO RAPC A UNESCO RAPC A

Prev ia

Factor

Probabilidad condicional: ejemplo

Revisem os en la ausencia:

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

P{tail} = 0.5 O{tail} = 0.5/(1-0.5) = 0.5/0.5 = 1 P{6} = 1/6 = 0.1666

= (10000 - 3600) / 10000 = 0.64 = 1 - P{B}

O{tail} = 0.1666/(1-0.1666) = 0.1666/ 0.8333 = 0.2

13 UNESCO RAPC A 14

= (200 - 180) / 200 = 0.1 = 1 - P{B|S} = 1 - 0.90

UNESCO RAPC A

Formulacin de probabilidades

Logit = logaritmo natural de probabilidades

Dividido por:

Probabilidad Prob. Posterior previa

Factor o racin LS de idoneidad

Logaritm o natural

Pesos de ev idencia: presencia de B

Factor: Relacin de necesidad LN

Probabilidad Posterior
UNESCO RAPC A

Prob. previa

Factor o racin LS de idoneidad

Pesos de ev idencia: ausencia de B

15 UNESCO RAPC A 16

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

200 9800 10000

B
npix2

3420 3600

6380 6400

180
npix3

20
npix4

200 9800 10000

W i = log e

3420 3600

6380 6400

180 180 + 20 = 3420 3420 + 6380 =

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

17 UNESCO RAPC A UNESCO RAPC A

18

B S S

npix1 npix2 npix3 npix4

Np ix Np ix Np ix Np ix
Step 1

1= 2= 3= 4=

nslclass nslide - nslclass nclass - nslclass nm ap - nslide - nclass + nslclass

Ste p 3
nslclass

Qu significan estos pesos?

Peso Positivo: Que tan importante es la presencia del factor para predecir los deslizamientos W+ < 0 : la presencia del factor contribuye a la ausencia del deslizamiento W+ = 0 : el factor no es relevante W+ > 0 : la presencia del factor contribuye a la presencia del deslizamiento
W+ i

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

0 0 0 1659 0 0 0 1283 0 0 0 2028 0 0 0 1320 0 0 0 407 0 0 0 172 0 0 18 0 0 0

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

19 UNESCO RAPC A UNESCO RAPC A

Wi = loge

Factor de Contraste
Cw= W+ - W-

Dos sets de datos

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

Combinando sets de datos

Como automatizar un analisis con ILWIS:

Comandos y expresiones en la linea de comandos, Funciones definidas por el usuario. Escritos (scripts)
Un script es una lista de comandos y expresiones. Con la ayuda de un script, un analisis de SIG o Sensoramiento remoto se puede desarrollar automaticamente. Un script puede contener comandos y expresiones para la creacin y el calculo de objetos de datos, para el manejo de objetos (ej. Copiar o borrar), y para el despliegue de objetos de datos (Abrir y mostrar). Otros scripts y otras aplicaciones de Windows pueden ser llamadas (Ejecutadas) desde un script.

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

Ejemplo de un script para mapas de pendientes

1 2 3 4 5 6 7
Rem ILWIS script for calculating slope maps dem = MapInterpolContour(contour,cochabam) dx = MapFilter(dem, dfdx) dy = MapFilter(dem, dfdy) slopeper = ((HYP(dx,dy)) / pixsize(dem)) * 100 slopedeg = RADDEG (ATAN ((HYP(dx, dy)) / pixsize(dem))) calc slope*.* open slopedeg

Como sabe usted la sintaxis correcta de los scripts?

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

Ejemplo de un script para modelacin WOF

Ejemplo de un script para modelacin WOF 1

rem ILWIS Script // Script de ILWIS para la Modelacin de Pesos de Evidencia // es utilizado para explicaciones // * es utilizado para acciones manuales // CREACIN DE UN MAPA DE DE DISTRIBUCION DE DE DESLIZAMIENTOS // Renumerar el mapa Slide con el atributo Activity activit = MapAttribute(slide,activity) calc activit.mpr // Remover los valores indefinidos del mapa Activit activity=iff(isundef(activit),"unknown",activit) calc activity.mpr

UNESCO RAPC A

UNESCO RAPC A

Ejemplo de un script para modelacin WOF 2

// CRUZAR LOS MAPAS DE PARAMETROS CON EL MAPA DE DESLIZAMIENTOS // Cruzar el mapa Slope el mapa de deslizamientos Activity actslope = TableCross(slope,activity) calc actslope.tbt // Cruzar el mapa Geol con el mapa de deslizamientos Activity actgeol = TableCross(geol,activity) calc actgeol.tbt // Cruzar el mapa Geom con el mapa de deslizamientos Activity actgeom = TableCross(geom,activity) calc actgeom.tbt

Ejemplo de un script para modelacin WOF 3

// CLCULO DE DENSIDADES DE DE DESLIZAMIENTOS // Clculo de los valores de densidad para el mapa de pendientes. // PASO 1 Crear una columna en la cual solo se indiquen el nmero de pixels // de los deslizamientos activos. tabcalc actslope Npixact=iff(activity="Active",npix,0) // PASO 2 Calcular el nmero total de pixels para cada clase de pendientes. tabcalc actslope Nclass = ColumnAggregateSum(NPix,slope) // PASO 3 Clacular el nmero de pixels con deslizamientos activos en cada // clase tabcalc actslope Nslclass = ColumnAggregateSum(Npixact,slope) // PASO 4 Calcular el nmero total de pixels en el mapa. tabcalc actslope Nmap = ColumnAggregateSum(NPix) // PASO 5 Calcular el nmero total de pixels con deslizamientos en el mapa tabcalc actslope Nslide = ColumnAggregateSum(Npixact)

UNESCO RAPC A

UNESCO RAPC A

Ejemplo de un script para modelacin WOF 4

// CALCULO DE PESOS // Clculo de pesos para el mapa de Pendientes S // PASO 1 Crear la columna npix1 tabcalc actslope Npix1 = nslclass // PASO 2 Crear la columna npix2 tabcalc actslope npix2 = nslide - nslclass // PASO 3 Crear la columna npix3 tabcalc actslope Npix3 = nclass - n slclass // PASO 4 Crear la columna npix4 tabcalc actslope Npix4 = nmap-nslide-nclass+n slclass // PASO 5 Calcular los pesos po sitivos tabcalc actslope wplus = ln((npix1/(npix1+npix2))/(npix3/(npix3+npix4)) // PASO 6 Calcular los pesos negativos tabcalc actslope wmin = ln((npix2/(npix1+npix2))/(npix4/(npix3+npix4))

Ejemplo de un script para modelacin WOF 5

B
// GENERACION DE UN MAPA PONDERADO // Clculo de del mapa ponderado para el mapa de pendiente // PASO 1 Traer Wplus a la tabla de atributos tabcalc slope wplus = ColumnJoinMax(actslope,actslope.wplus,actslope.slope) // PASO 2 Traer Wmin a la tabla de atributos tabcalc slope wmin = ColumnJoinMax(actslope,actslope.wmin,actslope.slope) // PASO 3 Calcular el total Wmin tabcalc actslope wmintot = ColumnAggregateSum(Wmin,,1) // PASO 4 Calcular el peso final tabcalc actslope wfinal = wplus+Wmintot-wmin // PASO 5 Calcular el factor de contraste tabcalc actslope c = wplus+(wmin*-1) // PASO 6 Generar el mapa de atributo con el peso final wslope{vr=-10:10:0.0001} = MapAttribute(slope,Wfinal) calc wslope.mpr

npix1 npix2 npix3 npix4

UNESCO RAPC A

UNESCO RAPC A

Utilizando parmetros en un script

rem ILWIS Script for calculating landslide density for different maps 1 2 3 4 5 6 7 8 s%1 = TableCross(% 1,slide) calc s%1.tbt Tabcalc %1 areaclass {do m=value; vr= 0 : 100000000000 : 1} = ColumnJoinSum (s%1.tbt,Area,%1,1) Tabcalc s% areasl {dom=value; vr= 0 : 100000000000 : 1 } = iff(slide="landslide", area , 0) 1 Tabcalc %1 areaslide {dom=value; vr=0 : 100000000000 : 1} = ColumnJoinSum (s%1.tbt,areasl,%1,1) Tabcalc %1 density {dom=perc} = 100* areaslide/areaclass calc s%1.tbt calc %1.tbt

Utilizando parmetros en un script

rem ILWIS Script for calculating landslide density for different maps 1 2 3 4 5 6 7 8 s%1 = TableCross(% 1,slide) calc s%1.tbt Tabcalc %1 areaclass {do m=value; vr= 0 : 100000000000 : 1} = ColumnJoinSum (s%1.tbt,Area,%1,1) Tabcalc s% areasl {dom=value; vr= 0 : 100000000000 : 1 } = iff(slide="landslide", area , 0) 1 Tabcalc %1 areaslide {dom=value; vr=0 : 100000000000 : 1} = ColumnJoinSum (s%1.tbt,areasl,%1,1) Tabcalc %1 density {dom=perc} = 100* areaslide/areaclass calc s%1.tbt calc %1.tbt

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

Ejemplo de un script para modelacin WOF

Corriendo un script desde otro script

// 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

Validacin del Cruce 1

Una vez se ha hecho el mapa de amenaza, se quiere saber: Qu tan bueno es? Como validar el cruce?

Validacin del cruce 2

Combinarlo con el mapa de evidencia original. Se estn prediciendo los elementos a ellos mismos? Qu tan bien est trabajando el m odelo?
Como sea: Esta no es una prediccin Razonamiento circular!!

Low hazard Moderate hazard High hazard

UNESCO RAPC A 37 UNESCO RAPC A

Low hazard Moderate hazard High hazard

38

Procedimiento en ILWIS para la validacin del cruce

Cr ear el domino classes

Procedimiento en ILWIS para la validacin del cruce

Cr uzar el mapa de pesos reclasificado con el mapa de des lizamientos

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

39 UNESCO RAPC A UNESCO RAPC A

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

Porcentaje del m apa de pesos ordenado de m ayor a m enor

UNESCO RAPC A

41 UNESCO RAPC A

42

Tasa de Prediccin
Porcentaje de todos los deslizamientos

Otros mtodos de validacin

Si no se dispone de datos de evidencia multi-temporales Por ejemplo: Inventario de deslizamientos. Dividir el mismo inventario en 2: set de entrenamiento y set de prueba.

70 por ciento de todos los nuevos deslizam ientos esta localizado en el 30% del m apa con m ayores valores de prediccin

Mtodo del Tablero de ajedrez

Dividir el rea en dos de acuerdo al campo blanco\negro del tablero Utilizar un set como de entrenamiento y el otro como datos de prueba

Mtodo de seleccin aleatoria

Porcentaje del m apa de pesos ordenado de m ayor a m enor

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)

Independencia condicional: ejemplo

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

Izquierda: observado. Derecha: predicho Si hay independencia condicional : esperado = observado.

54 180

45 UNESCO RAPC A UNESCO RAPC A

N( B 1 B 2 S) =

N( B1 S) N( B 2 S) N(S)
200

46

Chequeo de la Independencia condicional: Mtodo de Chi cuadrado

Npixexp 54 126 6 14

Chequeo de la Independencia condicional: Mtodo de Chi cuadrado

Npixexp 54 126 6 14

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

Conclusin: Rechazado??.. No hay independencia condicional?

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