Suscríbete a DeepL Pro para poder traducir archivos de mayor tamañ

Más información disponible en www.DeepL.com/pro.

Disponible en línea en www.sciencedirect.com

ScienceDirect
Procedia Earth and Planetary Science 16 (2016) 195 - 203

Cuarto taller italiano sobre desprendimientos de tierras

¿Existe capacidad predictiva en la información hidrológica de las

cuencas de captación para la evaluación regional del riesgo de
deslizamientos?
Mario Ciavolellaa , Thom Bogaardb , Rudy Garganoa , Roberto Greco *c,
aUniversitàdiCassino e del Lazio Meridionale, Dipartimento di Ingegneria Civile e Meccanica, via Di Biasio43, 03043 Cassino(FR), Italiab

Delft University of Technology, Faculty of Civil Engineering and Geosciences, Water Resources Section, Stevinweg 1, 2600 GA Delft, Países
Bajos
cSeconda Università degli Studi di Napoli, Dipartimento di Ingegneria Civile, Design, Edilizia e Amviente, via Roma 9, 81031 Aversa (CE), Italia

Resumen

La evaluación de la peligrosidad regional de los deslizamientos se realiza a menudo mediante umbrales meteorológicos empíricos,
cuya fiabilidad se ve a veces limitada por la falta de información sobre los procesos hidrológicos que provocan el
desencadenamiento de los deslizamientos en las laderas. Por ello, en este trabajo se aplica a una cuenca del norte de los Apeninos
(Italia) la inclusión de información hidrológica a escala de cuenca en la definición de umbrales de desencadenamiento de
deslizamientos. En particular, se propone un umbral hidrometeorológico basado en la precipitación del evento y el almacenamiento
específico de la cuenca (umbral H-S). El rendimiento del umbral propuesto se compara con el del umbral Intensidad-Duración de la
precipitación (I-D) adoptado habitualmente. Aunque la mayoría de los deslizamientos registrados en el periodo observado (2002-
2013) fueron provocados por precipitaciones cortas e intensas con poca influencia de las condiciones de la ladera antes de la
2016 Los autores.
precipitación, Publicado
el umbral por Elsevier
H-S funciona B.V.
ligeramente mejor que el umbral I-D.
Revisión
2016 por pares
Los autores. bajo la por
Publicado responsabilidad del comité
Elsevier B.V. Este organizador
es un artículo delabierto
de acceso IWL bajo licencia CC BY-NC-
2015
ND (http://creativecommons.org/licenses/by-nc-nd/4.0/).
Revisión por pares bajo la responsabilidad del comité organizador del IWL 2015
Palabras clave: Respuesta hidrológica de taludes; monitorización; suelos granulares no saturados.

1. Introducción

Los corrimientos de tierras provocados por las lluvias son uno de los riesgos naturales más extendidos, y los
sistemas de alerta temprana son una forma importante de reducir el riesgo socioeconómico derivado. A este respecto,
la evaluación regional del peligro es una herramienta útil para las previsiones preliminares. Se han propuesto varios
enfoques para evaluar la probabilidad de que se produzcan corrimientos de tierras a escala regional (véase una
revisión en Chacon et al.1 ): heurístico, mediante modelos de susceptibilidad; empírico,

* Autor correspondiente. Tel: +39-081-5010207; fax: +39-081-5037370.

Dirección de correo electrónico: roberto.greco@unina2.it
1878-5220 © 2016 Los autores. Publicado por Elsevier B.V. Este es un artículo de acceso abierto bajo licencia CC BY-
NC-ND (http://creativecommons.org/licenses/by-nc-nd/4.0/).
Revisión por pares bajo la responsabilidad del comité organizador del IWL 2015
doi:10.1016/j.proeps.2016.10.021
196 Mario Ciavolella et al. / Procedia Earth and Planetary Science 16 (2016) 195 - 203

lumped-statistical, relacionando la información meteorológica con la ocurrencia observada de deslizamientos;

mediante modelización de base física espacialmente distribuida. Sin embargo, uno de los enfoques más utilizados es
la evaluación regional de riesgos basada en información meteorológica2 .
Los umbrales de precipitación-intensidad-duración (PID), de hecho, tienen una amplia aplicación para la
evaluación del riesgo de deslizamiento a nivel local, regional o global. La base de esta metodología es la
disponibilidad de una base de datos de inventarios de deslizamientos de alta calidad espaciotemporal y de series
temporales de precipitaciones. Los umbrales de precipitación se obtienen empíricamente trazando dos variables
relacionadas con las características de las precipitaciones que han provocado o no deslizamientos en una zona
determinada. La separación entre los episodios de lluvia que provocan corrimientos de tierras y los que no los
provocan, que puede ser una curva umbral determinista o una zona de transición probabilista, se realiza visualmente o
mediante técnicas separadoras. Debido a la dispersión de las características de las precipitaciones a lo largo de varios
órdenes de magnitud, el trazado suele hacerse en escala bi-logarítmica.
Se han propuesto y aplicado diversos umbrales PID para el inicio de deslizamientos de tierra2,3,4 . Mientras que los
umbrales locales suelen referirse a condiciones relativamente homogéneas y a tipos específicos de movimiento de
masas, los umbrales regionales y globales abarcan deslizamientos con diferentes características geomorfológicas,
medioambientales e hidrológicas, como la litología, la profundidad del suelo deslizante, la inclinación de la
pendiente, el uso del suelo y las condiciones de contorno. Por lo tanto, para dar cabida a estas últimas, que, debido a
la gran heterogeneidad de las escalas espaciotemporales, los tipos de movimiento de masas y los factores ambientales,
carecen de información hidrológica explícita, se propuso un análisis más detallado de los umbrales del DTI:
dividiendo los registros, por ejemplo para una duración de las precipitaciones superior o inferior a 48 horas4 , o para
condiciones invernales y estivales5,6 ;introduciendo el balance hídrico 1D en una pendiente7,8,9 ; combinando un índice
de humedad antecedente con la curva PID en un modelo de árbol de decisión para un posible sistema de alerta
temprana10 ; definiendo la intensidad y la duración no dimensionales de las precipitaciones, teniendo en cuenta las
características hidráulicas de una pendiente concreta11 .
El objetivo de este estudio es comprobar si la combinación de información meteorológica con información
hidrológica a escala de cuenca mejora el rendimiento de los umbrales empíricos de inicio de deslizamientos. Para
ello, se estudió una pequeña cuenca en Emilia Romagna (Italia), para la que se dispone de datos meteorológicos y de
deslizamientos para el período 2003-2013, y se aplicaron y compararon varios posibles umbrales empíricos. Los
resultados indican que la inclusión del almacenamiento de la cuenca puede mejorar el rendimiento de la evaluación
regional del peligro de deslizamientos.

2. Métodos y datos

2.1. Descripción del área de estudio

La aplicación presentada utiliza datos meteorológicos y de corrimientos de tierras de la cuenca del río Scoltenna en
Pievepelago (Fig. 1). El río es un afluente del río Panaro, que a su vez desemboca en el río Po. La cuenca tiene una
superficie de 130,8 km2 y una altitud media de unos 1450 msnm. El tiempo de concentración de la cuenca se estima
entre 2 horas (fórmula de Kirpich) y 3,5 horas (relación de Giandotti). La litología predominante, que cubre
aproximadamente el 80% de la cuenca, consiste en esquistos arcillosos (Flysch). Sólo en la parte noroccidental de la
cuenca afloran calizas y areniscas. La estación de control de vertidos de Pievepelago proporciona datos diarios de
vertidos para el periodo 2003-2013. Durante el mismo período, funcionaron en la cuenca dos estaciones
meteorológicas que proporcionan, con una resolución horaria, datos sobre precipitaciones, temperatura y humedad
relativa del aire y velocidad y dirección medias del viento. Durante el periodo considerado, se registraron 61
deslizamientos de tierra inducidos por precipitaciones.
Durante el periodo de seguimiento, la precipitación media anual fue de unos 1500 mm, mientras que la escorrentía
específica media anual fue de unos 1140 mm, lo que corresponde a un alto coeficiente medio de escorrentía de 0,76.
La Fig. 2 muestra la precipitación media mensual y la escorrentía específica, que presentan un patrón similar,
confirmando la relación directa entre precipitación y escorrentía. El único sesgo entre la distribución de la
precipitación mensual y la escorrentía puede atribuirse a la acumulación de nieve y al deshielo en la parte más alta de
la cuenca, lo que provoca un desplazamiento de la descarga máxima al principio de la primavera, mientras que la
precipitación es máxima a finales de otoño y principios de invierno. El tercer panel de la Fig. 2 muestra el diagrama
de dispersión de la descarga específica acumulada y la precipitación acumulada para los diez años monitorizados, lo
que indica que el comportamiento hidrológico de la cuenca permaneció bastante estable durante todo el periodo
considerado.
 Mario Ciavolella et al. / Procedia Earth and Planetary Science 16 (2016) 195 - 203 197

Fig. 1. Vista en planta y orografía de la cuenca del Scoltenna en Pievepelago.

Fig. 2. Régimen hidrológico de la cuenca de Scoltenna en Pievepelago. De izquierda a derecha: precipitación media mensual; escorrentía específica media
mensual; diagrama de dispersión de la escorrentía específica acumulada frente a la precipitación acumulada.

2.2. Modelización del almacenamiento en cuencas

Con el fin de introducir información hidrológica en los umbrales empíricos de precipitación para la iniciación de
deslizamientos, se ha propuesto el concepto de precipitación antecedente efectiva7,12 . De este modo, en cuanto se
produce una precipitación, es posible tener en cuenta indirectamente el estado de humedad inicial de la ladera
potencialmente inestable "añadiendo" la precipitación antecedente. Sin embargo, el estado de humedad de una zona
no sólo depende de las precipitaciones precedentes, sino también de los procesos hidrológicos de almacenamiento y
drenaje13 . Esta es probablemente la razón principal por la que se han considerado varios intervalos de tiempo y
expresiones diferentes para la definición de la precipitación antecedente efectiva2,3,4 .
Con el fin de poner de relieve el papel que desempeñan los procesos hidrológicos que afectan a las laderas, se
considera un modelo lumped simple del balance hídrico diario de la cuenca (todas las cantidades son volúmenes
específicos, por lo que pueden medirse en mm):

St = St−1 + Pd - Ps + M - Q - E (1)

En la ecuación (1), St y St-1 son el almacenamiento de agua específico de la cuenca, respectivamente, en el día t y t-1; Pd
es el almacenamiento diario de agua en la cuenca.
198 Mario Ciavolella et al. / Procedia Earth and Planetary Science 16 (2016) 195 - 203

precipitación;PS es la acumulación diaria de nieve; Mis la fusión diaria de la nieve; Q es la escorrentía específica
diaria; E la evaporación y transpiración diarias totales. Conceptualmente, se supone aquí que es posible identificar las
condiciones de humedad que predisponen a la inestabilidad de las laderas sobre la base del agua almacenada en la
cuenca de captación, independientemente de cuál sea el sistema hidrológico de almacenamiento (por ejemplo, regolito
no saturado, acuíferos peraltados, aguas subterráneas), ya que los diferentes tipos de deslizamientos inducidos por las
precipitaciones (por ejemplo, superficiales o profundos) son sensibles a diferentes factores predisponentes.
El proceso de acumulación de nieve se ha modelizado mediante un modelo de grados-día. Utilizamos una temperatura
crítica,
TC =2°C, por debajo de la cual la precipitación se acumula en forma de nieve, SA [mm]:

Ps = Pd
T ≤ TC ⇒ ⎨⎧⎪ (2)
� � S At = S At -1 + Ps

A continuación, la nieve acumulada se funde a T>TC :

T >T C � � M = CM ⋅ (T - S En -1 ≥ M
(3)
TC )
⇒⎨
S En -1 > 0 ⎩⎪ M = S En - S En -1 < M
1

en el que CM es el coeficiente de fusión14 , aquí asumido igual a 2,74mm°C-1 .

La evapotranspiración diaria real se calculó multiplicando la evapotranspiración diaria de referencia, calculada a su
vez con la ecuación Penman-Monteith de la FAO15 , por un coeficiente de cultivo,kc ., que se estimó mediante
calibración, partiendo del supuesto de que a largo plazo (es decir, los diez años considerados) el almacenamiento de
agua de la cuenca estaba en equilibrio. Este objetivo se alcanzó imponiendo que la línea de regresión lineal de la serie
de almacenamiento calculada a lo largo de los 10 años fuera horizontal, para excluir que se observara una tendencia
en la serie de almacenamiento, y al mismo tiempo minimizando la desviación estándar de la misma serie, con el fin de
no destacar las fluctuaciones anuales del almacenamiento. Tal calibración condujo a un coeficiente de cultivo kc
=0,419.

2.3. Definición y análisis de los umbrales de iniciación de corrimientos de tierras

La definición de umbrales empíricos de iniciación de deslizamientos se ha llevado a cabo con un enfoque

bayesiano univariante. En particular, con el fin de comprobar la idoneidad de una variable genérica Bpara contener
información útil para evaluar la iniciación de deslizamientos, se calculó la probabilidad de ocurrencia de
deslizamientos, condicional a la probabilidad de la variable probada:

�P(A) probabilidad a priori de que se produzca

⎪
P(B A)⋅ P(A) �P
P(A B)= ⎨ (B) un desprendimiento probabilidad (4)
P(B) ⎪
⎪P (B A) marginal de B
⎩
probabilidad condicional de B
dada la ocurrencia del
deslizamiento

En la ecuación (4), P(A) puede estimarse como la fracción de días con deslizamientos en la serie temporal
disponible; P(B) como la fracción de días en los que el valor de la variable probada B cayó dentro de un intervalo
dado; P(B|A) como la fracción de días con deslizamientos en los que B cayó dentro de un intervalo dado.
Si P(B|A) es significativamente mayor que P(B), resulta P(A|B)>P(A), lo que indica que B añade información
significativa para evaluar la probabilidad de un corrimiento de tierras. Una vez que dos variables B1 y B2 se
consideran significativas, todos los eventos de precipitación registrados se trazan en el plano (B1 ,B2 ), y una línea de
umbral, que separa los eventos que desencadenaron un deslizamiento de los que no, se traza maximizando el
estadístico True Skill16 :

TSS = TA - F A (5)
 Mario Ciavolella et al. / Procedia Earth and Planetary Science 16 (2016) 195 - 203 199
NL NNL
200 Mario Ciavolella et al. / Procedia Earth and Planetary Science 16 (2016) 195 - 203

En la ecuación (5) NL y NNL representan el número total de eventos que desencadenan y no desencadenan
deslizamientos, respectivamente; TA (Alarmas verdaderas), el número de deslizamientos predichos correctamente;FA
(Falsas alarmas) el número de eventos para los que el umbral predijo el desencadenamiento de un deslizamiento que
en realidad no se produjo.Un umbral que funcione perfectamente daría lugar a TSS=+1, mientras que TSS=-1 indica
que el umbral siempre falla.

3. Resultados y debate

La Fig. 3 muestra el hietograma diario durante el periodo de observación (2003-2013) y el almacenamiento

específico de la cuenca modelizado correspondiente. En el mismo gráfico se representan también los días en los que
se registraron desprendimientos en la cuenca. Una primera interpretación visual muestra que los corrimientos de
tierras se producen con mayor frecuencia cuando el almacenamiento de agua en la cuenca es superior a la media (el
almacenamiento medio a lo largo del periodo modelizado es nulo, como resultado de la estrategia de calibración
adoptada), independientemente de su tipo. De hecho, 41 de los 61 deslizamientos (67%) se produjeron cuando S>0
(alrededor del 47% del periodo de observación), y 28 (46%) cuando S>100mm (menos del 30% del tiempo).

Almacenamiento específico
1000.00 DesprendimientosPrecipitaciones 0
diarias

800.00 50

600.00 100
Almacenamiento específico de la

Precipitaciones diarias
400.00 150

200.00 200
cuenca (mm)

(mm)
0.00 250

-200.00 300

-400.00 350
ene-03 ene-04 ene-05 ene-06 ene-07 ene-08 ene-09 ene-10 ene-11 ene-12 ene-13 ene-14

Fig. 3. Precipitación diaria, almacenamiento de agua diario calibrado y eventos de deslizamientos en la cuenca de Scoltenna en Pievepelago (la
dimensión de los puntos rojos refleja el número de deslizamientos registrados en ese día).

Para profundizar en el contenido informativo de las variables meteorológicas e hidrológicas útiles para la
predicción de deslizamientos, se ha aplicado el enfoque bayesiano descrito anteriormente. En particular, se han
analizado cuatro variables relacionadas con los eventos de precipitación, a saber: precipitación diaria, Pd (no se
analizó la precipitación subdiaria, ya que, en el mejor de los casos, la precisión del calendario de deslizamientos en el
inventario era diaria); precipitación del evento, H; duración del evento de precipitación, D; precipitación de los 15
días precedentes, Pd5 (también se consideró la precipitación acumulada durante 30 días, pero resultó menos
significativa para el desencadenamiento de deslizamientos). La figura 4 muestra la probabilidad condicional obtenida
de que se produzcan desprendimientos en los cuatro casos. Para definir convencionalmente un evento de
precipitación, cuando
 Mario Ciavolella et al. / Procedia Earth and Planetary Science 16 (2016) 195 - 203 201

Pd >1,0mm ocurridos el día se ha considerado lluvioso. Un evento de precipitación es toda secuencia ininterrumpida
de días lluviosos. Según esta definición, se han identificado 490 eventos con una duración comprendida entre 1 y 15
días, y una precipitación entre 1,1mm y 321mm.

B = Precipitación B = Precipitación del B = Duración de la B = Precipitación antecedente

diaria evento precipitación 0.8
P(A)
0.8 0.8 0.8 0.7 P(B)
P(A) 0.7 P(A) P(A) 0.6 P(B|A)
0.7 P(B)
0.7
P(B) P(B)
0.6 0.5

Probabilida
0.6 P(B|A) P(B|A) 0.6 P(B|A)
Probabilida

0.5 0.5 0.4

Probabilida
0.5
Probabilida

0.4 0.4 0.4 0.3

d
0.3 0.3 0.2
d

0.3

d
d

0.2 0.2 0.1

0.2
0.1 0.1 0.1
0 0 0 0
0 15 30 45 60 75 90 105 0 30 60 90 120150180210 1 3 5 7 9 11 13 15 17 0 40 80 120160200240280
Pd (mm) H (mm) D (días) Pd5 (mm)

1 1.0 1.0 1

0.8 0.8 0.8 0.8

desprendimiento, P(A|B)

desprendimiento, P(A|B)
desprendimiento, P(A|B)

desprendimiento, P(A|B)
0.6 0.6 0.6 0.6
Probabilidad de

Probabilidad de
Probabilidad de

0.4 0.4
Probabilidad de

0.4 0.4

0.2 0.2 0.2 0.2

0 0.0 0.0 0
0 15 30 45 60 75 90 105 0 30 60 90 120 150180 210 123456789 0 40 80 120 160200 240280
Pd (mm) H (mm) D (días) Pd5 (mm)

Fig. 4. Distribución condicional de la probabilidad de deslizamiento evaluada con un análisis bayesiano univariante para cuatro variables
meteorológicas.

A partir de las distribuciones de probabilidad condicional de deslizamientos trazadas, parece claro que la variable
meteorológica más significativa es la precipitación diaria, Pd , más que la precipitación de evento, H. Este resultado
indica que la mayoría de los deslizamientos que ocurren dentro de la cuenca de Scoltenna se desencadenan
repentinamente por precipitaciones cortas e intensas. Sin embargo, los valores de probabilidad condicional de
deslizamiento tan altos como 0,2, obtenidos considerando la precipitación antecedente (Pd5 ) como variable
condicionante, indican que, al menos en algunos casos, también pueden jugar un papel las condiciones predisponentes
relacionadas con procesos hidrológicos más lentos.
Además, se han probado dos variables relacionadas con el balance hídrico de la cuenca, la escorrentía específica
diaria (Q) y el almacenamiento específico de agua, (S). La figura 5 muestra las distribuciones condicionales de
probabilidad de deslizamiento obtenidas. Valores muy altos de probabilidad condicional de deslizamiento
corresponden a una escorrentía específica alta, incluso tan alta como 1,0 para Q>39mm. Dada la limitada extensión de
la cuenca y su comportamiento llamativo indicado por el alto coeficiente de escorrentía, los valores más altos de
escorrentía diaria se producen inmediatamente después de las tormentas de lluvia más intensas, y especialmente
cuando el suelo dentro de la cuenca está húmedo. Este resultado confirma que la variable desencadenante más
significativa es la precipitación diaria, con una contribución limitada de las condiciones predisponentes de humedad
del suelo. Dado que el agua de la cuenca de Scoltenna parece almacenarse no sólo en el suelo, sino también en el
sistema de aguas subterráneas más profundas, el almacenamiento específico no es un indicador apropiado de las
condiciones que predisponen a los deslizamientos en esta zona.
No obstante, incluso para una fracción limitada de los deslizamientos observados, sigue siendo posible que la
introducción de la información hidrológica proporcionada por el almacenamiento específico de la cuenca pueda
mejorar el rendimiento predictivo de los umbrales empíricos de deslizamiento puramente meteorológicos. Para probar
esta hipótesis, se ha comparado el umbral meteorológico de precipitación Intensidad-Duración del evento (I-D) con
un umbral hidrometeorológico basado en la precipitación del evento, H, y el almacenamiento específico de la cuenca,
S (H-S). Para ambos umbrales, que se han identificado maximizando el True Skill Statistic, TSS, como se describe en
la sección 2.3, se ha adoptado una ecuación de ley de potencias Y=A×Xn . Dado que el almacenamiento específico
puede asumir valores negativos, para los que la ecuación de ley de potencias con valores negativos
202 Mario Ciavolella et al. / Procedia Earth and Planetary Science 16 (2016) 195 - 203

exponente no está definido, S se ha normalizado en el intervalo [Smin =-500mm, Smax =1000mm], que contiene en gran
medida los valores mínimo y máximo alcanzados por S durante el periodo considerado.

Fig. 5. Distribución condicional de probabilidad de deslizamiento evaluada con un análisis bayesiano univariante para dos variables hidrológicas.

Los umbrales obtenidos, que se representan en la Fig. 6 junto con los puntos, que representan todos los sucesos
observados, tienen las siguientes ecuaciones:
I = 5,10D−1.56
⎞-0.408
H = 25,7⎜⎛ S - -Smin ⎟ (6)
S
� máx Smin ⎠

Ambos umbrales funcionan muy bien, como se muestra en la Tabla 1, que ofrece los indicadores de rendimiento
de los dos umbrales probados. Sin embargo, el umbral hidrometeorológico propuesto sólo falla una vez en la
predicción de los deslizamientos realmente ocurridos, mientras que en seis casos (alrededor del 10% del número total
de deslizamientos observados) el umbral I-D no identifica correctamente las condiciones desencadenantes. Por el
contrario, la aplicación del umbral H-S da lugar a unas siete falsas alarmas al año (aproximadamente el 16% del total
de precipitaciones observadas), el doble que el umbral I-D. La elección del umbral más adecuado a efectos de alerta
temprana de corrimientos de tierras debe hacerse teniendo en cuenta los costes de las falsas alarmas y de las
omisiones. Sin embargo, incluso en el caso de que el forzamiento meteorológico sea el principal factor
desencadenante de los corrimientos de tierras, la inclusión de la información hidrológica a escala de cuenca parece
valiosa para la definición de umbrales empíricos eficaces de corrimientos de tierras.

Tabla 1. Indicadores de rendimiento de los dos umbrales probados para la evaluación del desencadenamiento de corrimientos de tierras.
Indicador Umbral I-D Umbral H-S
True Skill Statistic, TSS 0.825 0.836
True Alarms, TA 55 61
Alarmas perdidas, MA 6 1
Falsas alarmas, FA 37 79
 Mario Ciavolella et al. / Procedia Earth and Planetary Science 16 (2016) 195 - 203 203

4 350

3.5 300
3
250
2.5
200

H (mm)
I (mm/h)

2
150
1.5
100
1

0.5 50

0 0
0 5 10 15 20 -400 0 400 800
D (días) S (mm)

Fig. 6. Umbrales empíricos de deslizamientos meteorológicos (Intensidad-Duración de la Precipitación, I-D, izquierda) e hidrometeorológicos
(Almacenamiento Específico de la Precipitación del Evento, H-S, derecha) (la dimensión de los puntos rojos refleja el número de deslizamientos
desencadenados por el mismo evento).

4. Conclusiones

Se propuso la aplicación de umbrales hidrometeorológicos empíricos para la evaluación del desencadenamiento de

deslizamientos y se comparó con los umbrales adoptados habitualmente, basados únicamente en información
meteorológica. En particular, el nuevo umbral hidrometeorológico propuesto se basa en la precipitación del evento y
el almacenamiento específico de la cuenca (umbral H-S), evaluado con una ecuación simplificada de balance hídrico.
El nuevo umbral propuesto y el umbral de deslizamiento meteorológico habitualmente adoptado, basado en la
intensidad y duración de las precipitaciones (umbral I-D), se han aplicado a la cuenca del río Scoltenna en
Pievepelago, en el norte de los Apeninos (Italia), para la que se disponía de datos meteorológicos y de descarga
correspondientes al período 2002-2013. El análisis bayesiano univariante realizado para diversas variables
meteorológicas e hidrológicas indica que, en la cuenca estudiada, el principal factor desencadenante de
deslizamientos es la precipitación diaria, con escasa influencia de las condiciones antecedentes. No obstante, incluso
en un caso tan desfavorable, el umbral H-S predice el desencadenamiento de deslizamientos al menos tan bien como
el umbral I-D, lo que indica que la inclusión de información hidrológica puede mejorar el rendimiento de los
umbrales empíricos comúnmente adoptados basados únicamente en información meteorológica.

Referencias

1. Chacon J, Irigaray C, Fernandez T, HamdouniREl.Engineering geology maps: landslides and geographical information systems. B EngGeol
Environ2006;65:341-411.
2. Guzzetti F, Peruccacci S, Rossi M, Stark, C.P. Rainfall thresholds for the initiation of landslides in central and southern Europe.MeteorolAtmos
Phys 2007;98:239-267.
3. Wieczorek GF, Glade T. Factores climáticos que influyen en la aparición de flujos de detritos. En: Jakob M, and Hungr O, editors.Debris flow
hazards and related phenomena. Berlín Heidelberg: Springer; 1999.p.325-362.
4. Guzzetti F, Peruccacci S, Rossi M, Stark CP. The rainfall intensity-duration control of shallow landslides and debris flows: an update,
Desprendimientos de tierras 2008;5:3-17.
5. Baum RL, Godt JW. Early warning of rainfall-induced shallow landslides and debris flows in the USA. Landslides2010:7:259-272.
6. Napolitano E, Fusco F, Baum RL, Godt JW, De Vita P. Effect of antecedent-hydrological conditions on rainfall triggering of debris flows in ash-
fall pyroclastic mantled slopes of Campania (southern Italy). Landslides2015; first online:doi:10.1007/s10346-015-0647-5.
7. Crozier MJ. Prediction of rainfall-triggered landslides: a test of the antecedent water status model. Earth Surf Proc Land 1999;24:825-833.
8. Wilson RC, Wieczorek GF. Rainfall thresholds for the initiation of debris flows at La Honda, California.Environ EngGeosci1995;1(1):11-27.
9. Gabet EJ, Burbank DW, Putkonen JK, Pratt-Sitaula BA, Oiha T. Rainfall thresholds for landsliding in the Himalayas of Nepal.
Geomorphol2004:63:131–143.
204 Mario Ciavolella et al. / Procedia Earth and Planetary Science 16 (2016) 195 - 203

10. Godt JW, Baum RL, Chleborad AF. Rainfall characteristics for shallow landsliding in Seattle, Washington, USA. Earth Surf Proc Land
2006;31(1):97-110.
11. Greco R, Bogaard TA. The influence of non-linear hydraulic behavior of slope soil covers on rainfall intensity-duration thersholds. En:
Actas del 12th Simposio Internacional sobre Deslizamientos de Tierra. Nápoles; 2016.
12. Glade T, Crozier MJ, Smith P Applying probability determination to refine landslide-triggering rainfall thresholds using an empirical Antecedent
Daily Rainfall Model.Pure ApplGeophys 2000;157(6-8):1059-1079.
13. Bogaard TA, Greco R. Hidrología de deslizamientos: de la hidrología a la presión de poros. WIREs Water 2015; doi:10.1002/wat2.1126.
14. Martinez J, Rango A. Parameter values for snowmelt runoff modeling. JHydrol 1986;84(3-4):197-219.
15. Allen RG, Pereira LS, Raes D, Smith M. Evapotranspiración de los cultivos: directrices para calcular las necesidades hídricas de los cultivos.
Rome: Organización de las Naciones Unidas para la Agricultura y la Alimentación; 1998.
16. Peirce CS. La medida numérica del éxito de las predicciones. Science1884;4:453-454.