Identificación de Áreas Susceptibles A Fenómenos de Remoción en Masa en Obras Lineales Aplicando Técnicas de Geoprocesamiento

UNIVERSIDAD NACIONAL DE INGENIERÍA
FACULTAD DE INGENIERÍA CIVIL
TESIS
“IDENTIFICACIÓN DE ÁREAS SUSCEPTIBLES A

FENÓMENOS DE REMOCIÓN EN MASA EN OBRAS
LINEALES APLICANDO TÉCNICAS DE
GEOPROCESAMIENTO”
PARA OBTENER EL GRADO ACADÉMICO DE MAESTRO EN

GESTIÓN DE RIESGO DE DESASTRES
ELABORADO POR
Ing. JENNY MARINA VÁSQUEZ ACUÑA
ASESOR
PhD.MSc.Ing. Miguel Estrada Mendoza
LIMA-PERÚ
2022
i
“IDENTIFICACIÓN DE ÁREAS SUSCEPTIBLES A FENÓMENOS
DE REMOCIÓN EN MASA EN OBRAS LINEALES
APLICANCANDO TÉCNICAS DE GEOPROCESAMIENTO”
JENNY MARINA VÁSQUEZ ACUÑA
Presentado a la Unidad de Posgrado de la Facultad de Ingeniería Civil en

cumplimiento parcial de los requerimientos para el grado de:
MAESTRO EN GESTIÓN DE RIESGO DE DESASTRES
2022
Autor : Ing. Jenny Marina Vásquez Acuña
Recomendado : Dr. PhD. Miguel Estrada Mendoza

Asesor de la Tesis
Aceptado por : Dra. Heddy Jimenez Yabar

Directora de la Unidad de Posgrado
© 2022, Universidad Nacional de Ingeniería. Todos los derechos reservados

El autor autoriza a la UNI-FIC a reproducir la tesis en su totalidad o en partes
con fines académicos
ii
A Raúl mi compañero, por compartir con tanta ilusión este trabajo.
iii
FACULTAD DE INGENIERÍA CIVIL SECCIÓN
DE POSGRADO
ÍNDICE
1 CAPÍTULO I. INTRODUCCIÓN .......................................................................... 1

1.1 ANTECEDENTES ....................................................................................... 1
1.2 PLANTEAMIENTO DEL PROBLEMA .......................................................... 3
1.3 FORMULACIÓN DE LA HIPÓTESIS ........................................................... 3
1.4 JUSTIFICACIÓN ......................................................................................... 4
1.5 OBJETIVOS DE LA TESIS .......................................................................... 4
1.6 CONTENIDO DE LA TESIS ........................................................................ 4
2 CAPÍTULO II. LA IDENTIFICACIÓN DEL PELIGRO EN EL PROCESO DE
ESTIMACIÓN DE RIESGO ........................................................................................ 7
2.1 PROCESO DE IDENTIFICACIÓN DEL PELIGRO ........................................ 7
2.2 SUSCEPTIBILIDAD A FENÓMENOS DE REMOCIÓN EN MASA .............. 9
2.3 METODOLOGÍAS PARA LA ELABORACIÓN DE MAPAS DE
SUSCEPTIBILIDAD ............................................................................................. 10
2.3.1 MÉTODOS CUALITATIVOS ............................................................... 12
2.3.2 MÉTODOS CUANTITATIVOS ............................................................ 13
2.3.3 MÉTODOS SEMI-CUANTITATIVOS................................................... 14
2.3.4 ESTADO DEL ARTE: APRENDIZAJE AUTOMÁTICO PARA LA
PREDICCIÓN ESPACIAL DE ZONAS SUSCEPTIBLES A FRM ........................ 15
3 CAPÍTULO III. CARACTERIZACIÓN DEL ÁREA DE ESTUDIO ......................... 18
3.1 CARACTERÍSTICAS DE LA CARRETERA LM 116 ................................... 18
3.2 DELIMITACIÓN DE LA ZONA DE ESTUDIO ............................................. 20
3.2.1 CARACTERÍSTICAS MORFOMÉTRICAS DE LA CUENCA ................. 22
3.3 FENÓMENOS DE REMOCIÓN EN MASA (FRM) ..................................... 24
3.4 CARACTERÍSTICAS DE LOS FRM EN LA VÍA LM 116 ............................ 28
3.5 INVENTARIO DE FRM ............................................................................. 30
3.6 IDENTIFICACIÓN Y CARACTERIZACIÓN DE PROCESOS DE FRM A
PARTIR DE LA INTERPRETACIÓN DE IMÁGENES SATELITALES ..................... 32
3.6.1 INDICADORES VISUALES PARA IDENTIFICACIÓN Y LOCALIZACIÓN
DE FENÓMENOS DE REMOCIÓN EN MASA ................................................. 34
4 CAPÍTULO IV. MÉTODO EMPLEADO ............................................................. 36
4.1 ANÁLISIS Y SELECCIÓN DEL MÉTODO .................................................. 36
4.2 EVALUACIÓN MUTICRITERIO ................................................................. 37
4.2.1 ANÁLISIS JERÁRQUICO (AHP) ......................................................... 37
4.3 MÉTODO ÍNDICE ESTADÍSTICO (Wi) ...................................................... 40
4.4 MÉTODO ESTADÍSTICO PESOS DE EVIDENCIA (WofE)........................ 42
4.5 PARÁMETROS QUE INTERVIENEN EN EL CÁLCULO DE LA
SUSCEPTIBILIDAD A FRM ................................................................................ 46
5 CAPÍTULO V. ELABORACIÓN DE MAPAS TEMÁTICOS DIGITALES ............... 52
5.1 MODELO DE ELEVACIÓN DIGITAL ......................................................... 52
5.2 PENDIENTES .......................................................................................... 53
TÉCNICAS DE GEOPROCESAMIENTO APLICADAS A LA IDENTIFICACIÓN DE ÁREAS SUSCEPTIBLES A FENÓMENOS DE REMOCIÓN EN

MASA EN OBRAS LINEALES.
Ing. Jenny Marina Vásquez Acuña
iv
DE POSGRADO
5.3 UNIDADES LITOLÓGICAS ....................................................................... 53

5.4 UNIDADES GEOMORFOLÓGICAS........................................................... 55
5.5 USO DE SUELOS ..................................................................................... 56
5.6 DENSIDAD DE DRENAJES...................................................................... 57
5.7 DISTANCIA A ESTRUCTURAS TECTÓNICAS ........................................... 58
6 VI. CONSTRUCCIÓN DEL MAPA DE SUSCEPTIBILIDAD ............................... 59
6.1 ANÁLISIS DE SUSCEPTIBILIDAD A FRM CON EL MÉTODO AHP ......... 63
6.2 ANÁLISIS DE SUSCEPTIBILIDAD A FRM CON EL MÉTODO ÍNDICE
ESTADÍSTICO (Wi) ............................................................................................. 65
6.3 ANÁLISIS DE SUSCEPTIBILIDAD A FRM CON EL MÉTODO ESTADÍSTICO
PESOS DE EVIDENCIA (WofE) .......................................................................... 67
6.4 VALIDACIÓN DEL MODELO DE SUSCEPTIBILIDAD ............................... 69
6.5 SELECCIÓN Y EVALUACIÓN DEL MODELO DE SUSCEPTIBILIDAD....... 70
6.6 DISCUSIÓN DE RESULTADOS ................................................................ 72
7 VII. RECOMENDACIONES PARA LA ELABORACIÓN DE MODELOS DE
PELIGROSIDAD, VULNERABILIDAD Y RIESGO POR FRM EN OBRAS LINEALES 74
7.1 MODELO DE PELIGROSIDAD ................................................................. 74
7.2 MODELO DE VULNERABILIDAD ............................................................ 74
7.3 MODELO DE RIESGO ............................................................................. 75
8 VIII CONCLUSIONES Y RECOMENDACIONES............................................... 76
8.1 CONCLUSIONES ..................................................................................... 76
8.2 RECOMENDACIONES ............................................................................. 77
REFERENCIAS BIBLIOGRÁFICAS .......................................................................... 79
ANEXO I ANÁLISIS PRELIMINARES ...................................................................... 87
ANEXO II MAPAS .................................................................................................. 91

v
DE POSGRADO
TABLAS
Tabla 2.1 Procesos de la Política Nacional de Gestión de Riesgo de Desastres ..... 7

Tabla 2.2 Metodologías empleadas en diferentes estudios de susceptibilidad a
deslizamientos en obras lineales ................................................................................. 14
Tabla 3.1 Clasificación de carreteras en función a la demanda ..............................18
Tabla 3.2 Ubicación geográfica vía LM 116 ................................................................19
Tabla 3.3 Divisiones de la vía LM 116 ......................................................................... 19
Tabla 3.4 Puntos de interés conectados a través de redes vecinales a lo largo de
la vía LM 116................................................................................................................... 19
Tabla 3.5 Superficie de rodadura de la vía LM 116 ...................................................19
Tabla 3.6 Microcuencas delimitadas en la zona de estudio ....................................20
Tabla 3.7 Parámetros morfométricos ........................................................................... 23
Tabla 3.8. Cantidad de cauces por orden de la cuenca ..........................................23
Tabla 3.9 Clasificación de los fenómenos de remoción en masa ............................25
Tabla 3.10 Clasificación de los fenómenos de remoción en masa según el
mecanismo de rotura ..................................................................................................... 26
Tabla 3.11 Escala de velocidades para fenómenos de emoción en masa.............26
Tabla 3.12 Factores y condiciones que originan los FRM .........................................27
Tabla 3.13 Agentes y causas de los FRM .................................................................... 28
Tabla 3.14 Comparación de algunos sistemas de clasificación de FRM ................28
Tabla 3.15 Relaciones entre las áreas que ocupan los factores condicionantes en
la zona de estudio y el porcentaje FRM registrados en el inventario. ...................32
Tabla 4.1 Escala de preferencias utilizada en el Análisis jerárquico (AHP) ...........38
Tabla 4.2 Representación gráfica de la relación entre los pixeles de los FRM y los
pixeles del factor condicionante. (Modificado de Seefelder, 2017) ........................46
Tabla 4.3 Factores relacionados la ocurrencia de fenómenos de remoción en
masa y su aplicación según las diferentes escalas de análisis (P = Poco
aplicable M = Moderadamente aplicable A = Altamente aplicable) .......................47
Tabla 5.1 Rango de pendientes .................................................................................... 53
Tabla 5.2 Unidades litológicas....................................................................................... 54
Tabla 5.3 Unidades geomorfológicas ........................................................................... 55
Tabla 5.4 Uso de suelos ................................................................................................ 56
Tabla 5.5 Rangos de clasificación según la densidad de drenaje ...........................57
Tabla 5.6 Densidad de drenaje ..................................................................................... 58
Tabla 5.7 Distancia a las estructuras tectónicas........................................................58
Tabla 6.1 Variables utilizadas en distintas metodologías para la elaboración del
mapa de susceptibilidad a FRM ................................................................................... 60
Tabla 6.2. Matriz de comparación de pares para cada clase .................................63
Tabla 6.3 Matriz de comparación de pares para cada factor condicionante.
Modelo 1 .......................................................................................................................... 64
Tabla 6.4 Matriz de comparación de pares para cada factor condicionante.
Modelo 2 .......................................................................................................................... 65
Tabla 6.5 Valores obtenidos al aplicar el Índice estadístico (Wi) .............................66
Tabla 6.6 Valores obtenidos al aplicar la metodología Pesos de evidencia (WofE)
........................................................................................................................................... 68
Tabla 6.7 Porcentajes del ABC correspondientes a los modelos de susceptibilidad
a FRM. .............................................................................................................................. 70

vi
DE POSGRADO
FIGURAS
Figura 1.1 Mapas de susceptibilidad a escala regional elaborados por INGEMMET.

(INGEMMET, 2006-2010) .................................................................................................. 1
Figura 1.2 Contraste de la Red de Vías Nacionales y Departamentales del MTC y
el Inventario de Fenómenos de Remoción en Masa del GEOCATMIN. ..................... 3
Figura 2.1 Esquema relacional de los diferentes tipos de mapa empleados para
generar el mapa de riesgo a fenómenos de remoción en masa. .................................10
Figura 2.2 Enfoques metodológicos para el desarrollo de modelos de
susceptibilidad a FRM. (Basado en Flores et al., 2019.) ..........................................11
Figura 2.3 Porcentaje de artículos científicos relacionados a modelos de
susceptibilidad publicados entre el 2006 y el 2015 en revistas indexadas.
(Basado en Pourghasemi et al., 2020.) ...................................................................... 12
Figura 2.4 Algoritmos de Machine Learning más utilizados en publicaciones
científicas relacionadas a modelos de susceptibilidad a fenómenos de remoción
en masa (Basado en Abdelaziz et al., 2020) ..............................................................16
Figura 2.5 Artículos científicos publicados por país relacionados a técnicas de
Machine Learning aplicadas a modelos de susceptibilidad de fenómenos de
remoción en masa. (Basado en Abdelaziz et al., 2020). ..........................................16
Figura 3.1 a) Modelo de elevación digital obtenido de imágenes ALOS PALSAR de
12,5 m de resolución. b) Ráster de direcciones de flujo. c) Puntos de
acumulación de flujo. d) Microcuencas obtenidas. ..................................................21
Figura 3.2 Esquema de los FRM que afectan usualmente a una vía. (Toshiyuri et
al., 2008) ......................................................................................................................... 29
Figura 3.3 Histograma de fenómenos de remoción en masa en la carretera LM-
116 ................................................................................................................................... 31
Figura 3.4 Malla con unidades de inspección visual para delimitar FRM..............35
Figura 4.1 Representación gráfica de la relación entre el FRM y factor
condicionante. ................................................................................................................. 45
Figura 4.2 Representación gráfica de la relación entre los pixeles de los FRM y
los pixeles del factor condicionante. (Modificado de Seefelder, 2017) ..................46
Figura 4.3 Diagrama de flujo con datos de entrada para cada modelo de
susceptibilidad ................................................................................................................ 48
Figura 4.4 Histograma de FRM Vs. Densidad de drenajes. ......................................49
Figura 4.5 Histograma de FRM Vs. Pendiente. ..........................................................49
Figura 4.6 Histograma de FRM Vs. Geología ..............................................................50
Figura 4.7 Histograma de FRM Vs. Distancia a las estructuras tectónicas. ..........50
Figura 4.8 Histograma de FRM Vs. Geomorfología....................................................51
Figura 4.9 Histograma de FRM Vs. Uso de suelos. ....................................................51
Figura 5.1 Valores de densidad de drenajes de las microcuencas. ......................57
Figura 6.1. Diagrama de flujo para la elaboración de los mapas de
susceptibilidad a FRM. ................................................................................................... 61
Figura 6.2. Rásters utilizados en la obtención de modelos de susceptibilidad
aplicando distintas metodologías. ............................................................................... 62
Figura 6.3 Curvas de éxito correspondientes a los 6 modelos de susceptibilidad
a FRM. .............................................................................................................................. 70
Figura 6.4 Porcentaje de áreas susceptibles a la ocurrencia de FRM en los
modelos con mayor porcentaje de ABC....................................................................... 71
Figura 6.5 FRM Vs. las distintas clases de susceptibilidad en el Modelo 4 y el
Modelo 6. ......................................................................................................................... 71
Figura 6.6 Contraste entre imágenes de Google Earth y sectores de muy alta
susceptibilidad ubicados los km 40+000 y km 51+000 de la carretera LM-116.
........................................................................................................................................... 72

vii
DE POSGRADO
RESUMEN
En el Perú los desastres asociados a los fenómenos de remoción en masa (FRM)

generan impactos negativos en el ámbito socioeconómico y ambiental.
Además de las pérdidas de vida y las afectaciones a las viviendas, en los últimos
años la destrucción y deterioro en las obras lineales ha sido de particular
importancia.
Entre las diferentes carreteras del país que de manera recurrente suelen ser
afectadas por fenómenos de remoción en masa (FRM) asociados a lluvias
intensas, se encuentran las carreteras que sirven de enlace entre los
departamentos de Lima y Junín.
Esta tesis se centra en el análisis de la susceptibilidad a fenómenos de remoción
de masa en la carretera LM-116, que es la vía que reporta la mayor cantidad de
ocurrencias de FRM según los inventarios estatales.
Dicho análisis involucró la delimitación del área de estudio teniendo como base las
microcuencas que limitan con la vía, la delimitación de las áreas de los FRM y la
elaboración de cartografía temática empleada como insumo para la aplicación de
tres metodologías: Análisis jerárquico (AHP), Índice estadístico (Wi) y Pesos de
evidencia (WofE).
Se obtuvieron seis mapas de susceptibilidad de la región de interés y los resultados
fueron analizados a través de las curvas de éxito.
El inventario de peligros geológicos está compuesto por 200 fenómenos de

remoción en masa. Las áreas de muy alta susceptibilidad corresponden a zonas
con un relieve accidentado, mientras que las regiones planas coinciden con zonas
de muy baja susceptibilidad. La variación de los resultados expresados en los
mapas de susceptibilidad, elaborados a partir de las tres metodologías, mostró que
el modelo realizado con la metodología AHP tiende a producir porcentajes más
bajos en el área bajo la curva de éxito, mientras que las metodologías estadísticas,
obtienen porcentajes más altos, confirmando que dichos métodos representan
herramientas adecuadas en la evaluación de la susceptibilidad a FRM.

viii
DE POSGRADO
ABSTRACT
In Peru and various parts of the world, disasters associated with mass elimination
phenomena (FRM) generate negative impacts in the socio-economic and
environmental spheres.
In addition to the loss of life and damage to homes, in recent years, the destruction
and deterioration of linear works has been of particular importance.
Among the different highways in the country that are frequently affected by FRM
associated with intense rains, are the highways that serve as a link between the
departments of Lima and Junín.
This study focuses on the analysis of the susceptibility to mass removal phenomena
on the LM-116 highway, which is the highway that reports the highest number of
FRM occurrences according to state inventories.
This analysis involved the delimitation of the study area based on the micro-basins
that limit the road, the delimitation of the FRM areas, as well as the elaboration of
thematic cartography used as input for the application of three methodologies: the
analysis hierarchical (AHP), statistical index (Wi) and weights of evidence (WofE).
Six susceptibility maps of the region of interest were obtained and the results were
analyzed through success curves (AUC).
The FRM inventory is made up of 200 mass removal phenomena. The areas of very
high susceptibility correspond to areas with a rugged relief, while the flat regions
coincide with areas of very low susceptibility. The variation of the results expressed
in the susceptibility maps prepared from the three methodologies showed that the
model carried out with the Hierarchical Analysis tends to produce lower percentages
in the area under the curve, while the methodologies Statistics obtain higher
percentages confirming that these methods represent adequate tools in the
evaluation of susceptibility to FRM.

ix
FACULTAD DE INGENIERÍA CIVIL SECCIÓN Capítulo I: Introducción
DE POSGRADO
1 CAPÍTULO I. INTRODUCCIÓN
1.1 ANTECEDENTES
Las obras lineales, tales como carreteras, acueductos, gasoductos, entre otras obras,
pueden ser amenazadas por una variedad de fenómenos de origen natural tales
como deslizamientos, inundaciones y sismos pudiendo ocasionar impactos
considerables, generando la pérdida de vidas humanas y daños financieros.
En el país, diferentes entidades estatales han desarrollado mapas de susceptibilidad

a escalas regionales (1:50 000 - 1:100 000) teniendo como marco de acción
cuencas hidrográficas o los límites del país, tales como el “Mapa de susceptibilidad a
por movimientos en masa del Perú” realizado en el año 2010 por el Instituto
Geológico Minero Metalúrgico (INGEMMET) o el “Mapa de susceptibilidad física de
zonas propensas a inundaciones y deslizamientos en la costa y sierra frente a la
ocurrencia de eventos hidrometeorológicos extremos” realizado por el Ministerio del
Ambiente (MINAM-DGOT) en el año 2015.
La Figura 1.1 muestra tres ejemplos de mapas de susceptibilidad a fenómenos de
remoción en masa realizados por INGEMMET entre los años 2006 y 2010. a) Mapa
de Susceptibilidad por Fenómenos de remoción en masa de la Cuenca Chancay-
Lambayeque (2006). b) Mapa de Susceptibilidad por Fenómenos de remoción en
masa de la Cuenca Jequetepeque y Loco de Chamán (2007). c) Mapa de
Susceptibilidad por Fenómenos de remoción en masa del Perú (2010).
a c
Figura 1.1 Mapas de susceptibilidad a escala regional elaborados por INGEMMET. (INGEMMET, 2006-
2010)
IDENTIFICACIÓN DE ÁREAS SUSCEPTIBLES A FENÓMENOS DE REMOCIÓN EN MASA EN OBRAS LINEALES APLICANDO TÉCNICAS DE
GEOPROCESAMIENTO.
Ing. Jenny Marina Vázquez Acuña
1
DE POSGRADO
A pesar de que la estimación de la susceptibilidad a fenómenos de remoción en

masa es fundamental en proyectos lineales, son pocas las investigaciones en donde
se han implementado metodologías de zonificación de susceptibilidad.
Según Mendoza y Aristizábal (2017), la principal dificultad durante la implementación
las metodologías para zonificar la susceptibilidad, está relacionada con la escala de
trabajo. Esta característica exige el uso de diferentes unidades de análisis y la
combinación de diferentes escalas espaciales o niveles de detalle que permitan una
gestión adecuada a cada nivel.
Teniendo en cuenta la problemática de los proyectos lineales relacionadas a los
efectos negativos de los procesos geodinámicos y la necesidad de metodologías que
consideren las particularidades de este tipo de proyectos, esta tesis propone analizar
la susceptibilidad a fenómenos de remoción en masa (FRM) en la carretera LM - 116
(Santa Eulalia - Marcapomacocha) con el fin de validar las técnicas de
geoprocesamiento que convencionalmente han sido utilizadas en la evaluación de
susceptibilidad en cuencas o límites geográficos.
Para definir la zona en donde se desarrollará esta tesis, se realizó un análisis de
densidad en un entorno de sistemas de información geográfica (SIG), se tomó como
datos de entrada el inventario de fenómenos de remoción en masa del GEOCATMIN y
los datos correspondientes a la Red de Vías Nacional y Departamental del Ministerio
de Transportes y Comunicaciones (MTC), el resultado arrojó que la mayor cantidad de
ocurrencias están concentradas en las carreteras que conectan Lima con la zona
centro andina del país tal como la Carretera Central y la Carretera LM-116 ubicada
en la provincia de Huarochirí, departamento de Lima. Los resultados también
muestran que la Carretera LM-116 presenta la mayor concentración de ocurrencias a
lo largo de sus 85.20 km de extensión, tal como se observa en la Figura 1.2. Esta
conclusión también pudo ser corroborada en la Resolución Ministerial 087-2019
MTV/01 del Ministerio de Transportes (MTC).
Por lo expuesto en los párrafos anteriores es necesario emplear metodologías

prácticas que identifiquen áreas susceptibles a fenómenos de remoción en masa en
obras lineales, de manera que puedan ser usadas por los tomadores de decisiones
en los proyectos de ingeniería.
GEOPROCESAMIENTO.
2
DE POSGRADO
Figura 1.2 Contraste de la Red de Vías Nacionales y Departamentales del MTC y el Inventario de
Fenómenos de Remoción en Masa del GEOCATMIN.
1.2 PLANTEAMIENTO DEL PROBLEMA
A pesar de que la estimación de la susceptibilidad a FRM es fundamental en

proyectos lineales, en nuestro medio hacen falta investigaciones o guías
metodológicas específicas para identificar áreas susceptibles en las carreteras con
mayor presencia de fenómenos de remoción en masa.
Actualmente no se han comparado las diferentes metodologías existentes para
determinar el modelo más adecuado que zonifique la susceptibilidad a FRM en la Vía
LM_116 (Santa Eulalia - Marcapomacocha).
1.3 FORMULACIÓN DE LA HIPÓTESIS
Los modelos que evalúan la susceptibilidad a fenómenos de remoción en masa

utilizando metodologías multicriterio, pueden mejorar su nivel de predicción
empleando metodologías cuantitativas como las metodologías estadísticas.
La comparación de tres metodologías distintas, su análisis e interpretación en una
plataforma geoespacial elevarán el nivel de precisión del mapa de susceptibilidad a
FRM en la carretera LM_116 (Santa Eulalia - Marcapomacocha).
GEOPROCESAMIENTO.
3
DE POSGRADO
1.4 JUSTIFICACIÓN
Esta tesis busca aplicar tres metodologías distintas para el tratamiento de datos
geoespaciales, teniendo como propósito fundamental el modelamiento, elaboración y
análisis del mapa de susceptibilidad a fenómenos de remoción en masa en la
Carretera LM_116 (Santa Eulalia -Marcapomacocha). El mapa estará basado en
diferentes parámetros o capas de información relacionadas con los factores que dan
origen a este tipo de fenómenos.
El uso de las distintas metodologías en esta tesis permitirá identificar sectores con
alta probabilidad de ocurrencia de fenómenos de remoción en masa. Estas
metodologías podrán ser utilizadas en proyectos de ingeniería, proporcionando
información necesaria para la construcción de estructuras y obras de arte que
disminuyan la vulnerabilidad física en las obras lineales.
El uso del mapa de susceptibilidad a FRM prioriza la aplicación de soluciones
técnicas dentro de la gestión de riesgos, minimizando los posibles impactos sociales,
económicos y ambientales.
1.5 OBJETIVOS DE LA TESIS
Objetivo principal:
Comparar tres de las diferentes metodologías más utilizadas en la actualidad para
determinar áreas susceptibles a fenómenos de remoción en masa y obtener el
modelo más adecuado para la zona donde se emplaza la vía LM_116 (Santa Eulalia -
Marcapomacocha).
Objetivos secundarios:
1. Seleccionar el método más indicado para zonificar la susceptibilidad a FRM,
en la vía LM_116, según su capacidad de predicción.
2. Proponer el uso de distintas metodologías existentes para el procesamiento y
el análisis de datos geoespaciales orientados a obras lineales, en donde los
tomadores de decisiones a nivel de ingeniería dispongan de una visión
general de los niveles de susceptibilidad a FRM.
3. Elaborar una plataforma SIG para la sistematización de la información
temática geoespacial.
1.6 CONTENIDO DE LA TESIS
1. En el Capítulo I se presenta una breve introducción a la problemática que

representa la acción de los fenómenos de remoción en masa en obras
lineales. Se señala la utilidad que proporcionan los mapas de zonificación de
GEOPROCESAMIENTO.
4
DE POSGRADO
áreas susceptibles y el efecto potenciador que supone el uso de

herramientas informáticas como los Sistemas de Información Geográfica
(SIG) en el manejo y procesamiento de datos. Los objetivos y contenido de la
tesis también son incluidos en este capítulo.
2. En el Capítulo II se realiza un análisis acerca de la importancia de la
identificación de peligros en la fase inicial de la gestión de riesgos en obras
lineales, se contempla el estado del arte del empleo de los sistemas de
información geográfica en la elaboración de mapas de susceptibilidad. Se
identifican las metodologías existentes y los casos de estudio en los que han
sido empleados, con la finalidad de establecer los datos indispensables para
la adecuada elección del método de mejor aplicación.
Asimismo, se describen de forma detallada los factores, procesos y criterios
involucrados en la generación de fenómenos de remoción en masa, así como
los parámetros que intervienen en la estimación de la susceptibilidad y la
importancia del uso de imágenes satelitales en este análisis.
3. En el Capítulo III se desarrolla el proceso para delimitar la zona de estudio
(definición de microcuencas y parámetros morfométricos), se presenta la
caracterización de los fenómenos de remoción en masa que ocurren en las
inmediaciones de la carretera LM–116, así como datos estadísticos del
inventario utilizado en esta tesis. También se describirá el proceso utilizado
para caracterizar FRM utilizando imágenes satelitales Alos Palsar de libre
acceso.
4. En el Capítulo IV se desarrollan los aspectos teóricos de la metodología
multicriterio AHP y las metodologías estadísticas Wi y WofE.
5. En el capítulo V se describe el proceso de elaboración de cada uno de los de
los mapas temáticos para cada variable condicionante utilizada en el análisis
de susceptibilidad.
6. En el capítulo VI se tratan los aspectos metodológicos para el tratamiento de

la información de base, su valoración, normalización y ponderación con los
valores obtenidos en las matrices de jerarquización analíticas de Saaty
utilizadas en la metodología AHP, así como los índices de susceptibilidad
obtenidos en cada clase con las metodologías estadísticas Wi y WofE.
Otro de los objetivos de este capítulo será describir el proceso de
construcción de los modelos de susceptibilidad, así como la validación de los
resultados obtenidos con las curvas de éxito.
GEOPROCESAMIENTO.
5
DE POSGRADO
7. En el capítulo VII se dan algunas pautas metodológicas para realizar modelos

de peligrosidad, vulnerabilidad y riesgo a fenómenos de remoción en masa
en obras lineales.
8. Finalmente, en el Capítulo VIII se presentan las principales conclusiones y
recomendaciones de esta tesis.
GEOPROCESAMIENTO.
6
FACULTAD DE INGENIERÍA CIVIL SECCIÓN Capítuo II: Identificación del peligro en el
DE POSGRADO proceso de estimación del riesgo
2 CAPÍTULO II. LA IDENTIFICACIÓN DEL PELIGRO EN EL PROCESO DE

ESTIMACIÓN DE RIESGO
2.1 PROCESO DE IDENTIFICACIÓN DEL PELIGRO
En nuestro país la identificación de peligros forma parte de la Política Nacional de

Gestión de Riesgo de Desastres aprobada por Decreto Supremo N° 111-2012-PCM
(PCM, 2012), dicha política se define como un proceso social, cuyo fin último es la
prevención, la reducción y el control permanente de los factores de riesgo de
desastres en la sociedad. Esta política plantea 7 procesos: Estimación, Prevención,
Reducción, Preparación, Respuesta, Rehabilitación y Reconstrucción (Tabla 2.1).
Tabla 2.1 Procesos de la Política Nacional de Gestión de Riesgo de Desastres

Procesos de la Política Nacional de Gestión de Riesgo de Desastres (Artículo 6.2)
Etapas Procesos Acciones

. Conocimiento de los peligros o
amenazas
Estimación del riesgo
. Analizar vulnerabilidades
Antes
. Establecer los niveles de riesgo
. Evitar nuevos riesgos
Prevención y reducción
. Reducir vulnerabilidades y riesgos
. Oportuna atención a personas
Reparación, respuesta y afectadas
Durante
rehabilitación . Rehabilitación de los servicios
básicos e indispensables
. Condiciones sostenibles de
desarrollo de áreas afectadas
Después Reconstrucción
. Asegurar recuperación física,
económica y social
(Guerrero, 2013)
El proceso de estimación constituye el punto de partida para la política de reducción

del riesgo de desastres y la promoción de una cultura de resiliencia (PNUD, 2010). La
relevancia que tiene este proceso radica en tres acciones:
• Conocimiento de peligros o amenazas
• Análisis de la vulnerabilidad
• Establecimiento de los niveles de riesgo para la toma de decisiones
Dentro del proceso de estimación de riesgo, el conocimiento de los peligros o
amenazas es fundamental porque permite la zonificación de susceptibilidades como
insumo importante para obtener los niveles de peligrosidad del área de estudio
(CENEPRED, 2014).
Los fenómenos de remoción en masa (en adelante FRM) causan pérdidas

económicas en nuestro país, gran parte de estas pérdidas se presentan a lo largo de
GEOPROCESAMIENTO.
7
obras lineales, especialmente en las carreteras que unen a Lima con la zona central
del país como la vía PE-22 conocida como la Carretera Central.
Perú cuenta con una red vial de 144 499 km de longitud, de los cuales 26 706 km
corresponden a la red vial nacional, 4 406 corresponden a la red vial departamental
y 113 387 km pertenecen a la red vecinal (MTC, 2017). En los últimos 19 años,
según el inventario SISBGEO _GEOCATMIN, se ha registrado la ocurrencia de más de
25 000 fenómenos de remoción en masa en todo el país, muchos de estos eventos
han afectado directamente a las vías; durante el fenómeno El Niño Costero del 2017
se registraron 18 089 km de carreteras entre destruidas y afectadas (INDECI, 2017).
Teniendo en cuenta que la reconstrucción de un kilómetro de vía puede valer hasta
cinco veces el costo de realizar un buen mantenimiento preventivo (DNP, 2014) es
necesaria la compresión clara del entorno físico de las zonas en donde se emplazan
las carreteras.
Una medida importante para la comprensión del medio físico y la reducción de

pérdidas por fenómenos de remoción en masa es la zonificación de susceptibilidad
del territorio. Los mapas de susceptibilidad pueden expresar escenarios optimistas,
tendenciales (proyecciones de la situación actual) y pesimistas (PNUD, 2012), una
vez evaluados los distintos escenarios, el tomador de decisiones en el ámbito de
ingeniería debe evaluar la alternativa adecuada de acuerdo con las características
del proyecto.
¿Por qué es importante realizar modelos de susceptibilidad a FRM orientados a

obras lineales?
Porque un modelo de susceptibilidad a fenómenos de remoción en masa, realizado
en el entorno en donde se tiene planificado construir una obra lineal, permitirá
diseñar un trazo que considere las restricciones del territorio a intervenir y a la vez
podrá identificar sectores de mayor criticidad que requieran atención especial
durante la ejecución de la vía.
Una vez construida la vía, se debe dar especial atención para proteger su integridad
y funcionamiento, en este sentido un mapa de susceptibilidad a FRM proporciona
una visión general de los sectores en donde se deben enfocar los esfuerzos en el
proceso de identificación de peligros geológicos.
Es importante señalar que este tipo de modelos consideran diferentes escenarios
para el análisis de susceptibilidad que servirán como una primera aproximación al
GEOPROCESAMIENTO.
8
análisis de peligro lo cual constituye una etapa fundamental en la evaluación del

riesgo de desastres.
Este trabajo de tesis se centra en el análisis de la susceptibilidad a fenómenos de
remoción en masa en la carretera LM- 116, como parte de la fase inicial del proceso
de la gestión del riesgo.
2.2 SUSCEPTIBILIDAD A FENÓMENOS DE REMOCIÓN EN MASA
La susceptibilidad a fenómenos de remoción en masa es la medida cualitativa o

cuantitativa de la magnitud y distribución espacial de movimientos en masa
existentes o que potencialmente pueden ocurrir en un área. Su determinación se
basa solamente en el análisis de factores intrínsecos o condicionantes y puede
también incluir una descripción de la velocidad e intensidad de los movimientos en
masa existentes o potenciales (SGC, 2017).
La susceptibilidad es el primer acercamiento hacia la evaluación del peligro, debido a
que explica la distribución espacial de FRM. Los mapas de susceptibilidad zonifican
el terreno con el propósito de analizar posteriormente los mecanismos detonantes
(Aristizábal et al., 2019).
Estos modelos indican qué zonas del territorio analizado tienen mayor o menor
propensión a la ocurrencia fenómenos originados en laderas. Por tanto, es necesario
diferenciar entre modelos de susceptibilidad y de peligro, a pesar de que los términos
se utilicen con frecuencia de forma indistinta.
En la gran variedad de publicaciones técnicas relacionadas a estos temas, el
desarrollo de los mapas de susceptibilidad solo considera los factores
condicionantes a la ocurrencia de FRM mientras que los mapas de peligrosidad
integran en el análisis los factores desencadenantes los cuales incluyen mapas de
precipitación (Figura 2.1).
Según las definiciones de Guzzetti et al., (2005), y Van Westen (2003), se conoce
como susceptibilidad a la distribución espacial de un fenómeno de remoción en
masa existente o que pueda ocurrir, en una zona en condiciones de inestabilidad.
Los mapas de susceptibilidad se diferencian de los mapas de peligro porque estos
incluyen a la probabilidad temporal a partir de factores detonantes de inestabilidad
como la lluvia; de esta forma el análisis de susceptibilidad permite identificar
“dónde” es potencialmente la ocurrencia de un FRM y el análisis de peligro identifica
“cuándo”.
GEOPROCESAMIENTO.
9
Según SGC (2017) predecir la susceptibilidad del terreno a FRM es la primera etapa
para identificar zonas en estado de peligro, para posteriormente evaluar el riesgo en
el que pueda incurrir un bien o una comunidad.
Figura 2.1 Esquema relacional de los diferentes tipos de mapa empleados para generar el mapa de
riesgo a fenómenos de remoción en masa.
2.3 METODOLOGÍAS PARA LA ELABORACIÓN DE MAPAS DE SUSCEPTIBILIDAD
Los mapas de susceptibilidad a deslizamientos fueron desarrollados inicialmente por

Brabb en San Mateo County, California para el Servicio Geológico de los Estados
Unidos (USGS) en 1978. Los primeros mapas se realizaban superponiendo capas con
los diferentes factores geológicos que influían en las fallas de los taludes. Hacia el
año de 1988 se inició el uso de en SIG para la elaboración de los mapas de
susceptibilidad (Navarro, 2012).
No existe un acuerdo específico sobre cual enfoque y métodos relativos son los más
adecuados para la zonificación cartográfica de susceptibilidad y peligros por
deslizamientos (Brabb, 1985), pero si existe una urgencia en el desarrollo de mapas
de identificación de deslizamientos, que apoyen la determinación de áreas
vulnerables, logrando con esto una efectiva función social de este tipo de práctica
académica (Roa, 2006).
Existen en la literatura técnica gran variedad de métodos y enfoques metodológicos
para el desarrollo de mapas de susceptibilidad por fenómenos de remoción en masa
a diferentes escalas (Figura 2.2) que han servido de base para la elaboración de
guías e incluso para la generación de normas en diferentes países (Corominas et al.,
2014).
GEOPROCESAMIENTO.
10
Figura 2.2 Enfoques metodológicos para el desarrollo de modelos de susceptibilidad a FRM.

(Basado en Flores et al., 2019.)
Las razones fundamentales de estos trabajos radican en la necesidad de unificar la

terminología relacionada con el tema, resaltar las temáticas e información
necesarias para el desarrollo de estos análisis y promover la aplicación de técnicas
que permitan entender la problemática relacionada con los fenómenos de remoción
en masa y cuyos resultados contribuyan en la toma de decisiones para la adecuada
planificación del territorio (SGC, 2017).
Pourghasemi et al. (2018) realizó un análisis estadístico con los artículos científicos
publicados entre el 2005 y el 2016 en revistas indexadas en donde se desarrollan
los modelos de susceptibilidad a fenómenos de remoción en masa, los resultados de
esta evaluación indican que el mayor porcentaje de investigaciones se han realizado
en el continente asiático (Figura 2.3), siendo China el país con mayor cantidad de
artículos científicos relacionados a este tema. Destacan en el análisis del autor los
trabajos realizados en El Salvador y Nicaragua en donde la actividad de los
fenómenos de remoción en masa es frecuente.
GEOPROCESAMIENTO.
11
2%
4% 3% Asia
1% Europa
Norteamérica y el Caribe
24%
Oceanía
66%
Sudamérica
Africa
Figura 2.3 Porcentaje de artículos científicos relacionados a modelos de susceptibilidad

publicados entre el 2006 y el 2015 en revistas indexadas. (Basado en Pourghasemi et al., 2020.)
Las metodologías para realizar los mapas de susceptibilidad presentan tres enfoques
principales: Métodos cualitativos, cuantitativos y semi-cuantitativos.
2.3.1 MÉTODOS CUALITATIVOS
Son métodos que acuden a la representación, a modo de inventario, de los

movimientos ocurridos en el pasado basándose en criterios principalmente
geomorfológicos. La experiencia del operador es importante a la hora de tipificar el
movimiento y representar espacialmente su desarrollo para reducir errores en la
cartografía (Abril, 2011).
Dentro de los métodos cualitativos destacan los métodos geomorfológicos, estos
métodos se basan en cartografía geomorfológica a partir de la cual se identifica y
localiza los FRM y procesos asociados a éstos directamente en campo.
Teniendo como base las observaciones del experto, se obtienen los criterios para la
determinación de áreas potencialmente inestables para la confección del mapa de
susceptibilidad final. La elaboración de estos mapas exige conocer la morfología y
tipología de fenómenos de remoción en masa (Sacantana, 2001).
GEOPROCESAMIENTO.
12
2.3.2 MÉTODOS CUANTITATIVOS
Los métodos cuantitativos se basan en expresiones matemáticas correlacionadas

con los factores condicionantes de los deslizamientos. Estos métodos se dividen en
dos grupos: métodos determinísticos y métodos estadísticos.
Los métodos determinísticos se utilizan principalmente donde las condiciones
geomorfológicas y geológicas son homogéneas, el grado de amenaza se expresa por
medio de un factor de seguridad, para lo cual es necesario elaborar modelos de
análisis de estabilidad de taludes, dichos modelos requieren de información
específica sobre estratificación y propiedades de resistencia de los materiales. Las
escalas de trabajo son en general de 1: 5000 o de mayor detalle.
Los métodos estadísticos permiten establecer relaciones estadísticas entre una serie
de factores condicionantes como la litología, la pendiente y la distribución actual y/o
pasada de los fenómenos de remoción en masa (Aristizabal, 2019).
Las metodologías estadísticas mas usadas son las metodologías estadísticas
bivariadas y multivariadas, las metodologías estadísticas bivariadas toman en cuenta
las funciones de densidad de fenómenos de remoción en masa establecidas para
cada factor individual y las las metodologías estadísticas multivariadas toman en
cuenta las relaciones combinadas entre variables independientes (factores de causa)
y una variable dependiente (ocurrencia de fenómenos de remoción en masa).
Ambos enfoques metodológicos dependen fundamentalmente de la calidad y
cantidad de los datos recogidos, siendo una evaluación casi nada subjetiva.
Aunque estos métodos se han utilizado ampliamente a escalas regionales, requieren
tener un inventario exhaustivo de FRM.
Las metodologías estadísticas bivariadas utilizadas con mayor frecuencia son:
Radio de Frecuencia (FR), Índice Estadístico (Wi) y Peso de la Evidencia (WofE). Entre
los métodos multivariados destacan el Análisis Discriminante, la Regresión Logística
y el Análisis Condicional.
Según Abril (2011) las fortalezas y debilidades de las metodologías estadísticas son
las siguientes:
Fortalezas:
• Da una medida cuantitativa de la densidad de los FRM.
• Los mapas pueden cambiarse de escala fácilmente.
Debilidades:
• Asume densidad de deslizamientos continua en el espacio.
• Se requiere gran cantidad de información histórica o de un evento específico.
GEOPROCESAMIENTO.
13
2.3.3 MÉTODOS SEMI-CUANTITATIVOS
Los métodos semi-cuantitativos utilizan procedimientos de ponderación y calificación

(Yamagishi, 2005). En este grupo se puede mencionar la evaluación multicriterio, la
combinación lineal ponderada o el método Mora –Vahrson - Mora.
El análisis de Evaluación Multicriterio utiliza la sobreposición de datos espaciales,
siendo eficiente en casos donde existen diferentes variables o condicionantes que
contribuyen a la ocurrencia de un determinado proceso (Cohelo et al., 2015).
El uso de los Sistemas de Información Geográfica (SIG) actualmente permite explotar

al máximo las potencialidades de estos análisis, dada su capacidad de superponer y
combinar datos temáticos diferentes e interrelacionar información, dando como
resultado mapas gráficos de fácil comprensión.
Dentro de la Evaluación Multicriterio se puede hacer uso del proceso analítico
jerárquico (AHP) aplicado por Saaty (1980). Este proceso se describirá con mayor
detalle en el Capítulo IV.
Como se ha mencionado en los párrafos anteriores las metodologías para el análisis

de susceptibilidad a fenómenos de remoción en masa son variadas y deben utilizarse
según la disponibilidad de datos, el tipo de escala y los objetivos del proyecto.
Las investigaciones para evaluar la susceptibilidad a deslizamientos en obras
lineales han empleado la combinación de las metodologías frecuentemente usadas
bajo diferentes análisis (Tabla 2.2).
Tabla 2.2 Metodologías empleadas en diferentes estudios de susceptibilidad a

deslizamientos en obras lineales
Estudio Fuente Lugar- Año Método empleado
Estimation of the susceptibility of a
road network to shallow landslides
Bordoni, et al. Italia - 2018 Modelo GAM
with the integration of the
sediment connectivity
Risk mapping of landslide hazard
Lee, et al. Corea - 2017 Regresión logística
on road network in Korea
Landslide hazard mapping along
National highway-154A in
Kanwarpreet,
Himachal Pradesh, India using India - 2017 Frecuencia radial
et al.
information value and frequency
ratio
Caribbean
Generating a landslide
Risk Domínica - Evaluación multicriterio
susceptibility map along the road
Information 2016 espacial (SMCE)
network
System
Landslide Susceptibility Mapping
Along the National Road 32 of
Árbol de decisiones –
Vietnam Using GIS-Based J48 Dieu, et al. Vietnam - 2014
Inteligencia artificial
Decision Tree Classifier
GEOPROCESAMIENTO.
14
Estudio Fuente Lugar- Año Método empleado

Análisis de riesgos y vulnerabilidad
de la infraestructura vial del sector
Guzho en la autopista Cuenca- Navas Ecuador - 2013 Análisis multicriterio
Azoguez desde el km 0 hasta el
km 1.4
Application of analytical hierarchy
process and least-squares method
AHP Análisis jerárquico y
for landslide susceptibility Yuan, et al. China - 2013
Mínimos cuadrados
assessment along the Zhong-Wu
natural pipeline, China
Estimación de amenaza por
deslizamiento en proyectos Colombia - Índice de confiabilidad
Hidalgo, et al.
lineales: carreteras en suelos 2012 (FOSM)
residuales
Analytical Hierarchy Process
Method for Mapping Landslide
Mezughi, et al. Malasia - 2012 AHP Análisis jerárquico
Susceptibility to an Area along the
E-W Highway (Gerik-Jeli), Malaysia
Landslide susceptibility mapping of
the Sea to Sky transportation Blais-Stevens, Métodos Heurísticos:
Canadá - 2012
corridor, British Columbia, Canada. et al. Evaluación cualitativa
Comparison of two methods
GIS based landslide susceptibility
mapping for a problematic Índice estadístico Wi y
Çevik, et al. Turquía - 2003
segment of natural gas pipeline, peso de factores Wf
Hendek (Turkey)
2.3.4 ESTADO DEL ARTE: APRENDIZAJE AUTOMÁTICO PARA LA PREDICCIÓN

ESPACIAL DE ZONAS SUSCEPTIBLES A FRM
El estado del arte en las técnicas de predicción espacial de zonas susceptibles a

deslizamientos está representado por métodos de aprendizaje automático como el
Machine Learning.
Desde el punto de vista de Korup et al. (2014) “el Machine Learning es el campo
emergente de la informática que estudia los algoritmos capaces de aprender a partir
de los datos disponibles en un proceso iterativo y de refinamiento gradual”.
En el campo de la predicción de los fenómenos de remoción en masa se han
implementado varias técnicas de aprendizaje automático tales como la regresión
logísitca (LR), los árboles de decisión (DT), las redes neuronales artificiales (ANN), las
máquinas vectores de soporte (SVM) entre otros.
Según Merghadi et al., (2020) el algoritmo más utilizado en los modelos de
susceptibilidad a fenómenos de remoción en masa es la regresión logística seguido
de las redes neuronales (Figura 2.4) y los países que han presentado más artículos
en revistas indexadas entre el 2000 y el 2018 son China, Corea del Sur y Estados
Unidos (Figura 2.5).
GEOPROCESAMIENTO.
15
Regresión logísitca (LR)
6%
13% Redes neuronales (ANN)
43% Máquinas vectores de soporte

14% (SVM)
Árboles de desición (DT)
24%
Random forests (RF)
Figura 2.4 Algoritmos de Machine Learning más utilizados en publicaciones científicas relacionadas
a modelos de susceptibilidad a fenómenos de remoción en masa (Basado en Abdelaziz et al.,
2020)
35%
China
30% Irán
30%
Corea del Sur
Estados Unidos
25% Malasia
India
Italia
20%
% ARTÍCULOS
18% Vietnam
Turquía
Noruega
15% 14%
13% Australia
12%
10% Suiza
10%
10% 9% Laos
8%
7% 7% Japón
5% 5% Holanda
5%
5%
3% 3% 2% Reino unido
2%
Canadá
0% Austria
PAÍSES
Figura 2.5 Artículos científicos publicados por país relacionados a técnicas de Machine Learning
aplicadas a modelos de susceptibilidad de fenómenos de remoción en masa. (Basado en
Abdelaziz et al., 2020).
GEOPROCESAMIENTO.
16
En nuestro país no se han difundido publicaciones relacionadas a la evaluación de

susceptibilidad o peligro a FRM desarrolladas con algoritmos de Machine Learning,
no se han evidenciado documentos de organismos estatales que difundan estas
metodologías a diferencia de Colombia en donde existen publicaciones relacionadas
a esta temática.
Esta tesis no emplea algoritmos de Machine Learning debido a la cantidad de datos

del inventario de fenómenos de remoción en masa, el análisis con este tipo de
algoritmos demanda un número superior a la data existente en la zona de estudio.
En zonas que cuenten con un inventario de datos considerable, los métodos de
aprendizaje automático, como el Machine learning, representan una alternativa para
el desarrollo modelos de susceptibilidad a FRM, en esos casos es recomendable
desarrollar modelos implementando técnicas como la regresión logísitca (LR), los
árboles de decisión (DT) y las redes neuronales artificiales (ANN).
GEOPROCESAMIENTO.
17
FACULTAD DE INGENIERÍA CIVIL SECCIÓN Capítulo III: Caracterización del area de estudio
DE POSGRADO
3 CAPÍTULO III. CARACTERIZACIÓN DEL ÁREA DE ESTUDIO
3.1 CARACTERÍSTICAS DE LA CARRETERA LM 116
El área seleccionada para la aplicación de esta tesis corresponde a la trayectoria de

la carretera LM 116 que tiene una longitud estimada de 85.258 Km. Esta carretera
pertenece a una de las 29 rutas del departamento de Lima y es clasificada por como
una red vial departamental.
Dentro de las clasificaciones planteadas por el Manual de Carreteras del MTC

(2014), existe la clasificación en función a la demanda, esta clasificación toma como
referente el Índice Medio Diario Anual (IMDA) que es el valor numérico estimado del
tráfico vehicular en un determinado tramo de la red vial en un año, bajo estas
características, la carretera LM 116 clasificaría como una carretera de Tercera Clase
(Tabla 3.1).
Tabla 3.1 Clasificación de carreteras en función a la demanda

Son carreteras con un IMDA entre 2000 y 4000 veh/día, puede
tener cruces o pasos vehiculares a nivel y en zonas urbanas es
Carreteras de primera clase recomendable que se cuente con puentes peatonales. La
superficie de rodadura de estas carreteras debe ser
pavimentada.
Son carreteras con IMDA entre 400 y 2000 veh/día, pueden
tener cruces o pasos vehiculares a nivel y en zonas urbanas, es
recomendable que se cuente con puentes peatonales o en su
Carreteras de segunda clase defecto con dispositivos de seguridad vial, que permitan
velocidades de operación, con mayor seguridad.
La superficie de rodadura de estas carreteras debe ser
pavimentada.
Son carreteras con IMDA menores a 400 veh/día, pueden
funcionar con soluciones denominadas básicas o económicas,
consistentes en la aplicación de estabilizadores de suelos,
Carreteras de tercera clase emulsiones asfálticas y/o micro pavimentos; o en afirmado, en
la superficie de rodadura. En caso de ser pavimentadas deberán
cumplirse con las condiciones geométricas estipuladas para las
carreteras de segunda clase.
(Modificado de MTC, 2014)
La obra lineal evaluada en esta tesis atraviesa 9 distritos, 8 de estos distritos están
ubicados en la provincia de Huarochirí (Lima) y un distrito en la provincia de Yauli en
el departamento de Junín (Ver Tabla 3.2 y Mapa 01).
GEOPROCESAMIENTO.
18
DE POSGRADO
Tabla 3.2 Ubicación geográfica de la vía LM 116

Departamento Provincia Distrito
Santa Eulalia
San Pedro de Casta
San Juan de Iris
San Antonio
Lima Huarochirí
Huachupampa
Carampoma
Huanza
Laraos
Junín Yauli Marcapomacocha
La vía LM 116 se ubica sobre el valle del río Santa Eulalia y presenta 5 divisiones
importantes que la conecta con distritos como Santa Eulalia, Huanza y
Marcapomacocha (Tabla 3.3), el recorrido de esta carretera conecta zonas
arqueológicas, ecoturísticas y proyectos mineros a través de redes vecinales (Tabla
3.4).
Tabla 3.3 Divisiones de la vía LM 116

Progresiva km
División Distrito
(aprox.)
Emp. PE-22 (Dv. Santa Eulalia) Km 00+000 Santa Eulalia
Sta. Eulalia Km 02+800 Santa Eulalia
Dv. San Lorenzo de Huachupampa Km 32+400 Huachupampa
Dv. Huanza Km 47+700 Huanza
Emp. PE-3N G Km 85+257 Marcapomacocha
Tabla 3.4 Puntos de interés conectados a través de redes vecinales a lo largo de la vía LM 116
Inmediaciones de la progresiva km
Red vial vecinal Lugar
(Vía LM 116)
Zona arqueológica
Km 11+300 LM 742
Poronhuasi
Km 24+300 LM 738 San Pedro de Casta
Km 67+100 LM 734 Mina Venturosa
Km 79+900 Mina Poderosa
En cuanto a la superficie de rodadura de la vía el 96.02% se encuentra afirmada y el

3.24 % se encuentra asfaltada (Tabla 3.5).
Tabla 3.5 Superficie de rodadura de la vía LM 116

Tipos de superficie de rodadura km %
Asfaltado 2.765 3.24
Afirmado 81. 861 96.02
Pavimento básico de concreto 0.631 0.74
GEOPROCESAMIENTO.
19
DE POSGRADO
3.2 DELIMITACIÓN DE LA ZONA DE ESTUDIO
La zona en estudio se encuentra dentro de la subcuenca Santa Eulalia, esta unidad

hidrográfica codificada como 1375545, pertenece a la cuenca del Rio Rímac (ANA,
2010).
La delimitación de la zona de estudio de esta tesis se realizó a partir de la

caracterización del terreno en microcuencas hidrográficas, se usó un modelo digital
de elevación (DEM) obtenido de imágenes ALOS PALSAR de 12.5 m de resolución. A
partir del DEM se lograron delimitar 19 microcuencas a lo largo de la vía LM-116,
con áreas varían entre 2 y 107 Km2 (Tabla 3.6).
Inicialmente se obtuvieron rásters de dirección y acumulación de flujo, así como las

redes de drenaje que interceptan el eje de la vía, estos procedimientos tienen como
base algoritmos de vecindad y técnicas de iteración espacial propuestas por Jenson
y Domingue (1988). También se calcularon puntos de acumulación de flujo (Figura
3.1) empleando los rásters descritos en el párrafo anterior.
Las microcuencas se delimitaron a partir de los puntos de acumulación del flujo y el
ráster de dirección de flujo calculado. El Mapa 02 muestra las microcuencas
calculadas que intersecan el eje de la vía.
Finalmente se seleccionaron y unieron en un único polígono las microcuencas que se
superponen al eje de la carretera LM-116, este polígono tiene un área total de 1054
Km2 y es el límite que conserva las características físicas del terreno para el
desarrollo de esta tesis.
Tabla 3.6 Microcuencas delimitadas en la zona de estudio

Nombre Perímetro km Área km2
Microcuenca_01 8.78 2.09
GEOPROCESAMIENTO.
20
DE POSGRADO
a b
Figura 3.1 a) Modelo de elevación digital obtenido de imágenes ALOS PALSAR de 12,5 m de
resolución. b) Ráster de direcciones de flujo. c) Puntos de acumulación de flujo. d) Microcuencas
obtenidas.
GEOPROCESAMIENTO.
21
DE POSGRADO
3.2.1 CARACTERÍSTICAS MORFOMÉTRICAS DE LA CUENCA
Los parámetros morfométricos de una cuenca integran un conjunto de estimaciones

realizadas, en los estudios hidrológicos con fines de aprovechamiento o control. El
análisis morfométrico comprende el estudio de un grupo de variables lineales, de
relieve, drenaje y superficie; que permite identificar las propiedades físicas de una
cuenca, lo cual permite realizar comparaciones entre varias cuencas y ayuda en la
definición de las estrategias para la formulación de su manejo.
Para realizar el análisis morfométrico se jerarquizaron las redes de drenaje (Mapa
03) y se asignó a cada segmento de cauce un número de orden según la
metodología propuesta por Strahler (1974).
Se obtuvieron índices de medición como el área, el perímetro y la longitud de los
cauces, también se calcularon los índices de Relación de Bifurcación (Rb), Densidad
de Drenaje (Dd) y coeficiente de almacenamiento (Tabla 3.7).
La relación de bifurcación (Rb) se evaluó tomando en cuenta la cantidad de cauces
en la zona de estudio (Tabla 3.8) teniendo como resultado promedio 1.10, este valor
bajo indicaría que las microcuencas están bien drenadas y podría estar asociado a
crecidas violentas que condicionarían la ocurrencia de FRM.
Inicialmente se evaluó la densidad de drenaje (Dd) para toda la zona de estudio y se
obtuvo el valor de 1.88, posteriormente se evaluó la Dd para cada una de las
microcuencas, con el objetivo de crear un ráster con los valores de densidad para
ser evaluado como una de las capas de entrada de los modelos de susceptibilidad a
FRM.
Los valores de densidad obtenidos para las microcuencas van de 1.67 a 2.23
Km/Km2 en donde el 47% las microcuencas evaluadas obtuvieron valores mayores
a 2, de lo que se deduce que estas microcuencas alcanzan crecidas en tiempos
menores.
GEOPROCESAMIENTO.
22
DE POSGRADO
Tabla 3.7 Parámetros morfométricos

Resultado
Relación de bifurcación (Rb) 1.10
𝑁𝑁𝑁𝑁 Nu: Número de cauces
Permite la identificación de posibles
𝑅𝑅𝑅𝑅 =
𝑁𝑁𝑁𝑁 + 1 de orden u anomalías de drenaje
Densidad de drenaje (Dd) 1.88
Lk: Longitud del cauce
Revela el grado erosivo de una red
𝑛𝑛 número k
hidrográfica. El parámetro se
𝐷𝐷𝐷𝐷 = (� 𝐿𝐿𝑘𝑘 )/𝐴𝐴 N: Total de cauces relaciona con la litología, la cobertura
vegetal y el clima del área
𝑘𝑘=1 A: Área total de la cuenca
Coeficiente de almacenamiento (ρ) 0.82
Permite evaluar la capacidad de
Rl: Relación de longitud almacenamiento de la cuenca
𝑅𝑅𝑅𝑅 Rb: Relación de durante las crecidas del caudal por
𝜌𝜌 = lluvias. Si los valores tienden a la
𝑅𝑅𝑅𝑅 bifurcación unidad el agua meteórica tiende a ser
almacenada de forma subterránea
(Modificado de Gil et al., 2009)
Los valores mayores de densidad de drenaje se dan en las microcuencas ubicadas

en sectores en donde los FRM afectan directamente a la vía.
La litología controla la densidad de drenaje por la facilidad con la que se infiltra el
agua de lluvia bajo la superficie del terreno hasta alcanzar el nivel freático y por la
ausencia presencia o de cobertura vegetal (Strahler, 1974).
En ese sentido, se observa que la composición litológica y las características
estructurales de las rocas volcánicas favorecen el desarrollo de líneas de escorrentía,
es en estas formaciones donde se han registrado una mayor longitud de cauces, así
mismo la menor longitud de cauces se registra en las rocas intrusivas que se
caracterizan por presentar mayor impermeabilidad (Mapa 04).
Los valores obtenidos de los parámetros morfométricos muestran que el coeficiente
de almacenamiento en la zona de estudio es menor que la densidad de drenaje, esto
implica la existencia de una mayor cantidad de agua disponible para escurrir en la
superficie y que contribuiría a la ocurrencia de FRM.
Tabla 3.8. Cantidad de cauces y longitud de drenaje en función del orden de la cuenca
Orden Cantidad de cauces Longitud de drenaje (km)
1er 904 597
2do 804 300
3ro 663 149
4to 596 77
5to 615 59
GEOPROCESAMIENTO.
23
DE POSGRADO
3.3 FENÓMENOS DE REMOCIÓN EN MASA (FRM)
Diversos autores de disciplinas afines han propuesto definiciones y términos para los
fenómenos de remoción en masa, sin embargo, con frecuencia no hay consenso en
las definiciones (Mendoza et al, 2017) es por este motivo que en la práctica se usa
una variedad de terminos para describir procesos similares.
Los fenómenos de remoción en masa son definidos como procesos naturales que
actúan en las laderas contribuyendo a la evolución geomorfológica en regiones
montañosas como la cordillera de los Andes. De acuerdo con Bigarella et al., (2007),
los fenómenos de remoción en masa son procesos geomorfológicos importantes que
moldean la superficie terrestre, constituidos por el desplazamiento de roca o
materiales superficiales a lo largo de una ladera por la fuerza de gravedad y son
ocasionados por agentes externos como los sismos, las precipitaciones o la actividad
humana. Estos eventos ocurren comúnmente en superficies accidentadas con
distintos tipos de inclinaciones.
Crudden (1991) define a los fenómenos de remoción en masa como todos aquellos
movimientos ladera abajo de masas de roca, detritos o tierras por efecto de la
gravedad. Algunos son lentos, pequeños e imperceptibles, en tanto otros involucran
grandes volúmenes de material y alcanzan altas velocidades con un gran poder
destructivo (PMA, 2007).
Según el Plan de prevención, preparación y respuesta ante emergencias para
edificios o conjuntos de uso residencial de la Municipalidad de Medellín (2012), “los
fenómenos de remoción en masa son desplazamientos del terreno a favor de la
pendiente que se generan por acción de la fuerza de gravedad, bajo la influencia de
ciertos factores como son el agua, los eventos sísmicos, la aplicación de carga
excesiva, las excavaciones para la adecuación de viviendas o la apertura de
senderos y vías, entre otros”.
“La clasificación de los fenómenos de remoción en masa más aceptada y aplicada a
nivel internacional se basa en el mecanismo del movimiento, por lo que, de manera
general, estos movimientos se dividen en caídas o desprendimientos, vuelcos o
desplomes, deslizamientos, expansiones laterales, flujos y movimientos complejos”
(Alcántara, 2000).
En 1993 el programa EPOCH (European Community Programme) realiza una
clasificación considerando la clasificación de Varnes (1978) y Hutchinson (1988)
elaborando una diferenciación entre el tipo de movimiento y los materiales
involucrados (Tabla 3.9).
GEOPROCESAMIENTO.
24
DE POSGRADO
Tabla 3.9 Clasificación de los fenómenos de remoción en masa

Mecanismos de
Tipos de material involucrado
movimiento
Tipo Roca (rock) Derrubios (debris) Suelos (soil)
Caída o
Caída o Caída o
desprendimiento
Desprendimientos (fall) desprendimiento de desprendimiento
de derrubios
rocas (rockfall) de suelos (soil fall)
(debris fall)
Vuelco o desplome Vuelco o desplome
Vuelco o desplome de
Vuelco o desplome (topple) de derrubios de suelos (soil
rocas (rock topple)
(debris topple) topple)
Individual (simple) Individual (simple)
Individual (simple)
Deslizamiento rotacional Múltiple (multiple) Múltiple (multiple)
Múltiple (multiple)
simple (rotational slide) Sucesivo Sucesivo
Sucesivo (sucesivo)
(succesive) (succesive)
Deslizamiento traslacional
Deslizamiento de roca Deslizamiento de Deslizamiento
o de bloques no rotacional
en bloque derrubios en traslacional de
(traslational slide, non-
(block slide) bloque (block slide) suelos (slab slide)
rotational)
Deslizamiento de
Deslizamiento de Coladas de barro
Deslizamiento planar derrubios
rocas (rock slide) (mudslide)
(debris slide)
Corrientes de Flujos de tierra
Flujo de rocas
Flujos (flow) derrubios arena o suelo
(rock flow)
(debris flow) (soil flow)
Expansiones
Expansiones laterales Expansiones
Expansión lateral (lateral laterales en
en rocas (rock laterales en suelos
spreading) derrubios (debris
spreading) (soil spreading)
spread)
Ejemplo: Alud de Ejemplo: Flujo Ejemplo: Rotación
Complejo (complex) rocas deslizante con flujo de tierras
(rock avalanche) (flow slide) (slump-earthflow)
Basado en EPOCH (1993) a partir de la clasificación de Varnes (1978) y Hutchinson (1988)
Otro trabajo relevante en la clasificación de fenómenos de remoción en masa es el

Corominas et al., (1997), el criterio básico de esta clasificación permite separar
distintos tipos de fenómenos de remoción en masa tomando en cuenta los
mecanismos de rotura (Tabla 3.10).
GEOPROCESAMIENTO.
25
DE POSGRADO
Tabla 3.10 Clasificación de los fenómenos de remoción en masa según el mecanismo de rotura
Tipo de mecanismo Subtipo Tipo de deslizamiento (Inglés)
Movimientos donde
- Desprendimientos o
predomina la trayectoria - Falls
caídas
vertical
Movimiento de giro de
bloques determinados
- Vuelcos - Toples
por la fracturación de
escarpes
- Resbalamientos o
Superficies de deslizamientos
desplazamientos - Desplazamientos
Slides
Movimiento de grandes planas o concordantes
bloques al iniciarse la asimilables a ellas - Desplazamientos
rotura discordantes
Desplazamientos
- Desplazamiento - Rotational
sobre superficies
rotacional Slides
curvadas
- Cree
- Reptación
- Earthflows
- Coladas de tierra
- Solifluction
- Solifluxión
Movimientos de una - Debris flow
Flujo - Corrientes de derrubios
masa desorganizada - Sand and silt
- Golpes de arena y limo
flows
- Flujos de roca
- Rock flows
- Avalanchas
- Avalanches
Movimientos con - Lateral
- Expansión lateral
extrusión plástica lateral spreading
- Reptación por fluencia - Flexural
- Cabeceo de estratos toppling
Deformaciones sin - Combadura - Cambering
rotura o previas a - Pandeo en valle - Bulging
Otros movimientos la rotura - Deformaciones - Sagging
gravitacionales profundas - Confined
- Rotura confinada failure
Movimientos - Colapso de volcanes
- Flow slides
complejos - Flujos deslizantes
(Basado en Corominas y García 1997)
Cruden y Varnes (1996) clasifican los fenómenos de remoción en masa de acuerdo

con una escala de velocidades, este parámetro es importante ya que puede ser
relacionado con parámetros como la intensidad y el peligro (Tabla 3.11).
Tabla 3.11 Escala de velocidades para fenómenos de emoción en masa

Clases de
Descripción Velocidad (mm/s) Velocidad típica
Velocidad
7 Extremadamente rápido 5x10 3 5 m/s
6 Muy rápido 5x101 3 m/min
5 Rápido 5x10-1 1.8 m/h
4 Moderada 5x10-3 13 m/mes
3 Lenta 5x10-5 1.6 m/año
2 Muy lenta 5x10-7 16 mm/año
1 Extremadamente lenta
(Cruden y Varnes, 1996)
Las causas que originan los fenómenos de remoción en masa son variadas, en la
literatura especializada son agrupadas de distintas formas, por ejemplo, la Guía de
Evaluación de Amenazas del Programa Multinacional Andino (PMA, 2007) las
clasifica como factores condicionantes y factores detonantes.
GEOPROCESAMIENTO.
26
DE POSGRADO
Suarez (1998) clasifica a los factores que originan los FRM en tres grupos que
implican las condiciones originales del talud, los factores de deterioro y los factores
detonantes (Tabla 3.12).
Otros autores como Filho et al., (2004) agrupan a los factores condicionantes y
desencadenantes de los FRM como causas y agentes (Tabla 3.13).
Así mismo Salas (2018) recopila y compara los sistemas de clasificación de FRM
más conocidos (Tabla 3.14).
Tabla 3.12 Factores y condiciones que originan los FRM

Factores / Condiciones Descripción
Condiciones originales del La topografía, geología y características de los materiales y perfiles,
talud (Susceptibilidad a los condiciones ambientales generales, cobertura vegetal, etc. Estas
fenómenos de remoción en condiciones determinan una susceptibilidad al deterioro, a la acción
masa) de los factores detonantes y al fallamiento
Falla progresiva por expansión o fisuramiento, deformación al
cortante, inclinación, desmoronamiento.
Factores de deterioro Descomposición por desecación, reducción de la cohesión, lavado y
(Modificación lenta de las remoción de los cementantes, disolución.
condiciones originales) Erosión interna o sifonamiento: Los factores de deterioro pueden
producir movimientos en el talud, los cuales en ocasiones pueden
ser detectados por inclinómetros.
- La tectónica y neotectónica producen esfuerzos
originando deformaciones difíciles de evaluar o
medir.
- La erosión que genera cambios topográficos
que inducen esfuerzos en el talud.
- La sedimentación.
- La lluvia y las inundaciones, las cuales
producen modificaciones en la humedad y
Procesos presión de poros afectando la resistencia del
geomorfológicos suelo.
y físicos - Los sismos, los cuales pueden producir
fracturación, remoldeo, cambios en la
resistencia del suelo, licuación
- y generación de fuerzas de tipo dinámico sobre
las masas de talud.
- Las erupciones volcánicas, las cuales además
del efecto vibratorio, generan cambios en
temperatura y la disposición de materiales
Factores detonantes
sobre el talud.
(Activación del movimiento)
- Las excavaciones superficiales o cortes que
modifican la topografía original del terreno.
- Las excavaciones subterráneas (túneles), las
cuales afectan la estructura y condiciones de
esfuerzos del suelo encima de ellos.
- Los rellenos o depósitos de materiales sobre el
talud.
- La irrigación que facilita la infiltración y los
Procesos cambios de humedad y presión de poros.
antrópicos - Las fugas de agua de las redes de servicios.
- El mantenimiento inadecuado de sistemas de
drenaje y subdrenaje.
- La deforestación que produce cambios
hidrológicos y afecta la resistencia del
- suelo, al eliminar el refuerzo de las raíces.
- Las vibraciones artificiales, el tránsito de
vehículos, vibraciones de maquinaria,
- detonaciones de explosivos, las cuales generan
GEOPROCESAMIENTO.
27
DE POSGRADO
Factores / Condiciones Descripción

fuerzas dinámicas y deterioro de la estructura
de los materiales.
- La disminución repentina del nivel de agua
como en el caso del desembalse de una presa.
(Basado en Suarez en 1998)
Tabla 3.13 Agentes y causas de los FRM

Formaciones geológicas, grupos morfológicos, condiciones climáticas-
Predispuestos
hidrológicas, gravedad, calor solar, tipo de vegetación
Pluviosidad, erosión eólica, deshielos, variación de la
Agentes
temperatura, disolución química, acción de fuentes y

Previos
manantiales, variaciones en los niveles de lagos, mares y la
Efectivos
napa freática, acción humana, incluso la deforestación
Lluvias intensas, fusión de hielo y nieves, erosión terremotos,
Inmediatos
viento, acción humana
Efecto de las oscilaciones térmicas, disminución de la resistencia al
Internas
intemperismo
Cambios en la geometría del sistema, efectos de vibraciones, cambios
Causas
Externas
naturales en la inclinación de los estratos
Elevación del nivel piezométrico en cuerpos homogéneos
Intermedias Elevación del nivel de agua en las discontinuidades
Diminución rápida de la napa freática
(Filho et al., 1994)
Tabla 3.14 Comparación de algunos sistemas de clasificación de FRM

Autor Año Tipo Tamaño Velocidad
Morfología Actividad Humedad
material material movimiento
Sharpe 1938 X X X
García 1966 X X X
Crozier 1973 X
Varnes 1978 X X X X X
Hutchinson 1988 X X X X
Cruden & Varnes 1966 X X X X X X
Dikay et al. 1996 X X X X X
García et al. 1998 X X X
PMA 2007 X X X X X
(Salas, 2018)
3.4 CARACTERÍSTICAS DE LOS FRM EN LA VÍA LM 116
La información que se consigna en este apartado se basa en la recopilación de

información de puntos inventariados, específicamente en el inventario de peligros
geológicos del GEOCATMIN (Sistema de Información Geográfico y Catastral Minero)
elaborado por el Instituto Geológico Minero Metalurgico (INGEMMET). Estas
manifestaciones son reconocidas en el mapa de Inventario de fenómenos de
remoción en masa de la zona de estudio (Mapa 05).
Los fenómenos de remoción en masa están calificados en cinco tipos: flujos (flujos
de lodo, flujos de detritos, avalancha de rocas y avalancha de detritos),
deslizamientos (rotacionales y traslacionales), caídas (caída de rocas, derrumbes y
aludes), reptaciones, movimientos complejos (combinaciones de dos procesos) y sus
respectivas variaciones en función del tipo de material involucrado.
GEOPROCESAMIENTO.
28
DE POSGRADO
Uno de los sectores mayor densidad de FRM como caídas de roca, derrumbes y flujos
de detritos se ubican entre las progresivas km 12+000 y km 20+000 de la carretera.
Otros eventos importantes de la misma tipología también han sido inventariados a la
altura de la progresiva km 29+000 y las progresiva 34+000.
Hacia el final de la carretera a partir de la progresiva km 80+000 (parte alta de la
cuenca del Río Santa Eulalia), la distribución de los fenómenos de remoción en masa
es menor, se caracterizan por estar ubicados, generalmente, encima de los 4000
msnm, su ubicación se asocia a zonas periglaciares y glaciares ubicadas en la parte
alta de la cuenca del río Santa Eulalia.
La frecuencia de ocurrencias de los FMR en la zona de estudio, esta relacionada a

las características de sismicidad y las condiciones climáticas producidas en el
pasado geológico reciente y actual (Plioceno-Holoceno).
Es probable que los eventos de geodinámica externa ubicados en la parte media e
inferior de la cuenca del río Santa Eulalia se hayan producido por anomalías
climáticas asociadas a eventos de El Niño o también tengan un origen relacionado a
la actividad sísmica.
Debido a las características geomorfológicas y climáticas de la zona donde se

emplaza la carretera, los flujos de detritos son frecuentes y estan distribuidos a los
largo de 59 km de la carretera, principalmente entre las progresivas km 01+000 y
km 37+000. De otro lado también son constantes los desprendimientos de rocas y
derrumbes (Figura 3.2) debido a los cortes inadecuados de los taludes.
Figura 3.2 Esquema de los FRM que afectan usualmente a una vía. (Toshiyuri et al., 2008)
GEOPROCESAMIENTO.
29
DE POSGRADO
3.5 INVENTARIO DE FRM
El inventario de FRM es una herramienta fundamental para la generación de

cartografía de inestabilidad de laderas (Parise, 2000), en particular para la
evaluación de peligros geológicos; este proceso muestra la relación ordenada entre
la ocurrencia y las características de los fenómenos de remoción en masa en un
territorio determinado (Alcántara, 2000).
El proceso de búsqueda de información para esta tesis empezó haciendo un análisis

de densidad utilizando los datos pertenecientes al Inventario del GEOCATMIN que
posteriormente se contrastó con la la Red de Vías Nacionales y Departamentales del
MTC. El resultado del análisis permitió vizualizar que una de las carreteras con alta
incidencia de FRM era la carretera LM-116, otra ruta identificada en este sector fue
la Ruta PE-22 que conecta las localidades de Chosica y Morococha (Junín) esta
conclusión también pudo ser corroborada en la Resolución Ministerial 087-2019
MTV/01 del Ministerio de Transportes (MTC).
Un proceso importante en el ánalisis fue la delimitación del área de trabajo, esta
área esta compuesta por una serie de microcuencas que contienen los registros de
200 datos, estos puntos georeferenciados pertenecen a la recopilación de procesos
geológicos ocurridos y documentados en los principales estudios geodinámicos y de
peligros geológicos efectuados por el INGEMMET, registrados en la base de datos
GEOCATMIN. Esta información fue recabada a través de inspecciones visuales
correspondientes al Estudio de Riesgo Geológico de la Franja N°4. (INGEMMET,
2003).
También se hizo un análisis de las relaciones entre el área que ocupan los factores
condicionantes en la zona de estudio y el porcentaje de FRM resgistrados en el
inventario (Tabla 3.15).
El analisis estadístico muestra que el mayor porcentaje de los FRM esta compuesto
por caídas de rocas, seguido de flujos de detritos (Figura 3.3).
De otro lado se realizó un análisis de densidad con la herramienta “Kernel density”,
este análisis permitió verificar que la mayor concentración de puntos del inventario
se extiende en tres sectores bien diferenciados, ubicados entre las progresivas: Km
14+000 y Km 80+000 (Mapa 06).
GEOPROCESAMIENTO.
30
DE POSGRADO
33% Caída de rocas

30% Flujo de detritos
14%
Deslizamiento rotacional
9%
Derrumbe
4%
4% Deslizamiento traslacional
2% Avalancha de rocas
1% Avalancha de detritos
1%
Reptación
1%
Alud
0.5%
0.5% Avalancha - caída de rocas
Inundación de detritos
0.0% 5.0% 10.0% 15.0% 20.0% 25.0% 30.0% 35.0%
Flujo de lodo
% DE FRM
Figura 3.3 Histograma de fenómenos de remoción en masa en la carretera LM-116. Datos y

clasificación de FRM pertenecientes al GEOCATMIN - INGEMMET
Dentro del análisis realizado también se hicieron pruebas preliminares utilizando

únicamente los datos correspondientes a deslizamientos (traslacionales y
rotacionales), en esta evaluación se tomó en cuenta el 19 % del total de los datos del
inventario de FRM (Ver ANEXO I).
GEOPROCESAMIENTO.
31
DE POSGRADO
Tabla 3.15 Relaciones entre las áreas que ocupan los factores condicionantes en la zona de
estudio y el porcentaje FRM registrados en el inventario.
% Área en
Variable Definición de variables la zona de FRM %
estudio
Depósito aluvial 1.30% 17.73%
Depósito fluvio glacial 3.89% 13.30%
Depósitos glaciales 4.64% 0.49%
Fm. Carlos Francisco 3.78% 2.46%
Fm. Casapalca 2.28% 0.49%
Fm. Millotingo 12.60% 0.99%
Litología Fm. Pacococha 7.60% 1.97%
Gpo. Casma 3.10% 4.93%
Gpo. Colqui 27.22% 23.15%
Gpo. Rimac 9.17% 1.48%
Roca ígnea 6.97% 1.97%
Superunidad Paccho 6.52% 22.66%
Superunidad Santa Rosa 5.78% 8.37%
0°-5° 3.06% 0.99%
5°-20° 32.51% 30.05%
Pendientes 20°-35° 43.98% 40.39%
35°-50° 18.46% 25.12%
>50° 1.98% 3.45%
Colina en roca sedimentaria 1.85% 0.49%
Colina en roca volcánica 2.31% 0.49%
Colina y lomada en roca volcánica 4.99% 1.48%
Montaña en roca intrusiva 14.21% 15.76%
Montaña en roca volcánica 52.07% 40.89%
Geomorfología
Montaña en roca volcano-sedimentaria 5.76% 1.97%
Valle glaciar 5.53% 6.40%
Vertiente coluvial de detritos 0.86% 3.94%
Vertiente o piedemonte aluvio-torrencial 0.90% 12.32%
Vertiente o piedemonte coluvio-deluvial 4.81% 15.76%
Cultivos en limpio, calidad agrológica
alta. Limitación por suelo, requieren 0.81% 8.37%
riego.
Nevado 7.64% 0.99%
Pastoreo de paramo, calidad agrológica
8.39% 1.97%
baja. Limitación por suelo y erosión
Pastoreo, calidad agrológica baja.
Uso de suelo 14.38% 13.30%
Limitación por suelo y erosión.
Protección-pastoreo de páramo, calidad
agrológica baja. Limitación por suelo, 12.30% 1.97%
erosión y clima.
Protección-pastoreo, calidad agrológica
47.40% 50.74%
baja. Limitación por suelo y erosión.
Protección (formación de nivales) 1.27% 0.49%
Protección (formacion lítica) 6.87% 22.17%
3.6 IDENTIFICACIÓN Y CARACTERIZACIÓN DE PROCESOS DE FRM A PARTIR

DE LA INTERPRETACIÓN DE IMÁGENES SATELITALES
La identificación de fenómenos de remoción en masa tomó como punto de partida la

propuesta presentada por Salas (2018), esta propuesta metodológica se basa en la
identificación y caraterecterización de procesos de remoción en masa a partir de la
interpretación de imágenes satelitales de uso libre, el objetivo de este análisis fue
GEOPROCESAMIENTO.
32
DE POSGRADO
complementar el inventario de fenómenos de remoción en masa del GEOCATMIN,

identificando las areas de los FRM en cada punto georeferenciado del inventario.
A continuación, se presentan los pasos generales propuestos como metodología para

el delimitar las áreas de los FRM:
• Definir el sistema de clasificación de FRM a utilizar en la identificación y

caracterización de los procesos, en esta tesis se propone utilizar el propuesto
por el PMA: GCA (2007). Esta metodología de clasificación a su vez está
basada en la clasificación de Cruden y Varnes (1996).
• Proponer unidades de inspección visual para identificar y cartografiar los

eventos de interés, de una manera eficiente en áreas de gran tamaño como
cuencas.
• Inicialmente se toman como base los puntos identificados en el inventario

de GEOCATMIN como un fenómeno de remoción en masa.
• Una vez validada la existencia de un fenómeno de remoción en masa a partir

de análisis de imágenes en un punto inicialmente ubicado, se delimita con un
solo polígono el área afectada por el movimiento, esto es en las zonas de
desprendimiento y depositación del material.
Aunque algunas guías y publicaciones como la del SGC (2017) sugieren aplicar
convenciones cartográficas detalladas para caracterizar partes específicas de los
fenómenos de remoción en masa, en esta tesis se propone delimitar las zonas
inestables con un sólo polígono que identifique la zona afectada por el movimiento,
principalmente por la escala de trabajo y el método empleado para los análisis de
susceptibilidad que no diferencia entre las partes de un FRM.
GEOPROCESAMIENTO.
33
DE POSGRADO
3.6.1 INDICADORES VISUALES PARA IDENTIFICACIÓN Y LOCALIZACIÓN DE

FENÓMENOS DE REMOCIÓN EN MASA
Para poder identificar de manera ordenada y sistemática los FRM de la zona de

estudio, se crearon unidades de inspección visual, estas unidades tienen como
objetivo reconocer los indicadores visuales en cada punto del inventariado.
Las unidades de inspección estan conformadas por una malla cuadriculada, en

donde cada cuadrícula mide 2000 m por 2000 m. En el Mapa 07 y la Figura 3.4 se
presenta la comparación entra las cuadrículas utilizadas como guías espaciales para
identificar las áreas de los fenómenos de remoción en masa. La imagen utilizada
para el proceso de delimitación de FRM, fue descargada con el sofware gratuito SAS
Planet que se caracteriza por recopilar imágenes de alta resolución de distintos
servidores. La ortofoto descargada tiene posee 3 bandas (1, 2, y 3) y una
resolución espacial de 0.5 m.
A continuación, se describen los conceptos con los que se realizó la delimitación de

las áreas de las zonas inestables, estos conceptos son los mismos que utilizó Salas
(2018).
• Los cambios abruptos de color son uno de los indicadores principales para
identificar zonas deslizadas, generalmente cambios de tonalidades de verdes
a cafés. En la interpretación se debe tener en cuenta que otro factor que
genera un cambio abrupto en el color corresponde a preparación del terreno
para cultivos, lo cual se puede confundir con un fenómeno de remoción en
masa.
• Las áreas cuadradas corresponden a terrenos para cultivo, mientras que

formas irregulares y onduladas dan idea de alguna deformación del material
en superficial o en profundidad.
• La textura de la imagen brinda una idea del material presente en la zona y su

posible grado de deformación y alteración. Para el caso de fenómenos de
remoción en masa lentos y profundos, la textura será el principal indicador.
Texturas lisas dan idea de materiales como suelos, mientras que una textura
rugosa se puede asociar a materiales rocosos.
• La vegetación puede dar indicios de la presencia de zonas de mayor

concentración de humedad y por tanto con mayor o menor grado de
saturación de los materiales.
GEOPROCESAMIENTO.
34
DE POSGRADO
• La identificación de efectos antrópicos como las adecuaciones al terreno

necesarias para la construcción de obras lineales y edificios.
• La identificación de cauces naturales es importante en la medida que pueden

ser una causa de inestabilidad por efectos de la socavación lateral de las
márgenes que causa inestabilidad en las laderas aledañas al cauce.
2000 m
Figura 3.4 Malla con unidades de inspección visual para delimitar FRM.
GEOPROCESAMIENTO.
35
FACULTAD DE INGENIERÍA CIVIL SECCIÓN Capítulo IV: Método empleado
DE POSGRADO
4 CAPÍTULO IV. MÉTODO EMPLEADO
4.1 ANÁLISIS Y SELECCIÓN DEL MÉTODO
La aplicación de uno u otro método para elaborar mapas de susceptibilidad depende

de las características y extensión de la zona de estudio, del tipo y magnitud de los
FRM existentes, de los datos disponibles y de la escala de trabajo (Hervás et al.,
2002). Si tenemos en cuenta la escala, los métodos cualitativos se adaptan mejor a
escalas regionales (1:100.000), los métodos estadísticos y multicriterio se adecuán
a escalas medias (1:25 000 y 1:50 000).
Los métodos determinísticos son más adecuados para trabajar a escala 1: 5 000 o
de mayor detalle, mientras que difícilmente pueden aplicarse a escalas medias
(1:25.000 y 1:50.000), ya que no suele ser posible obtener la gran cantidad de datos
necesarios en esos casos. Cuando en la zona de estudio prevalecen los desliza-
mientos frente a las áreas estables, los métodos estadísticos tampoco son de
aplicación (Aristizabal et al., 2019).
Guzzetti et al., (2005) recomienda seguir un procedimiento que consiste en cinco

pasos para la evaluación y zonificación de la susceptibilidad por fenómenos de
remoción en masa:
• Identificación y mapeo de los FRM en el área de estudio
• Identificación y cartografiado de los factores condicionantes que están

correlacionados directa o indirectamente con la ocurrencia de los FRM
• Estimación de la contribución relativa de cada factor condicionante en la

ocurrencia de los FRM
• Zonificación del terreno con diferentes niveles de susceptibilidad
• Evaluación del desempeño del modelo de susceptibilidad y su capacidad de

predicción
Teniendo en cuenta la disponibilidad de los datos de entrada, la cantidad de FRM

resgitrados en la base de datos y la escala de trabajo, se consideró conveniente
desarrollar seis modelos de susceptibilidad empleando tres metodologías distintas,
la evaluación multicriterio denominada Análisis Jerárquico (AHP) y dos métodos
estadísticos bivariados: el Índice Estadístico (Wi) y Pesos de la evidencia (WofE)
GEOPROCESAMIENTO.
36
DE POSGRADO
4.2 EVALUACIÓN MUTICRITERIO
La evaluación multicriterio se define como un proceso de decisión que requiere de la

comparación entre las variables sobre las que se puede optar frente a una
disyuntiva (Wen-Hsiang, 2008).
En un entorno caracterizado por una alta incertidumbre, el uso de variables puede

ser utilizado como herramienta de decisión. Dentro de este marco, es vital contar con
la información adecuada para tomar la mejor opción, la cual se determinará dentro
de un conjunto de posibles alternativas que deben ser evaluadas frente a múltiples
criterios que se definan para un propósito.
El resultado entonces es un proceso complejo y delicado en el cual la subjetividad y
la dependencia de la información juegan un papel preponderante. Por esta razón es
necesario contar con herramientas que mejoren este proceso y permitan un análisis
más científico de las alternativas. (Saaty, 1980).
En ese sentido se han desarrollado herramientas que permiten abordar el problema
de decisión multicriterio de una forma sistemática, Los principales métodos de
evaluación y decisión multicriterio son: Ponderación Lineal, Utilidad multiatributo,
Relaciones de superación y el Proceso de Análisis Jerárquico, este último es uno de
los métodos más populares conocido por sus siglas en inglés como AHP (Analytic
Hierarchy Process).
En un entorno de sistemas de información geográfica, el análisis multicriterio implica
la evaluación ponderada de distintas capas temáticas de manera individual, para
que en una etapa posterior puedan integrarse obteniendo un modelo final.
En el desarrollo de modelos de susceptibilidad a FRM, este tipo de evaluación implica
la clasificación de parámetros cualitativos específicos (factores condicionantes de
los FRM), a través de operaciones matemáticas con el objetivo de establecer un
índice para un propósito específico (Verstappen, 1983).
4.2.1 ANÁLISIS JERÁRQUICO (AHP)
El método AHP o Proceso de Análisis Jerárquico (Analytic Hierarchy Process – AHP)

es un método desarrollado por Thomas L. Saaty en 1980. Este modelo consiste en la
creación de una jerarquía de decisión de prioridades, en donde los diferentes
factores que influyen en a la toma de desiciones son organizados jerarquicamente y
comprados entre si, a través de la organización de matrices de compración pareada
(Saaty, 1984).
GEOPROCESAMIENTO.
37
DE POSGRADO
El análisis jerárquico es un método matemático creado para evaluar alternativas

cuando se consideran varios criterios, este método se basa en el principio de que la
experiencia y el conocimiento de los actores es tan importante como los datos
utilizados en el proceso (Osorio, 2019).
El modelo de análisis jerárquico consta principalmente de tres niveles: objetivo,
criterio y alternativas. Cuando se construye un modelo de análisis jerárquico, se
realizan comparaciones binarias entre los tres niveles mencionados anteriormente y
los valores numéricos específicos asignados, teniendo en cuenta las preferencias y
los juicios de los tomadores de decisiones.
La base del proceso Saaty radica en que los tomadores de decisión pueden dar
valores cuantitativos para la evaluación, logrando medir cómo aporta cada elemento
de la jerarquía al nivel inmediatamente superior del cual se desprende (Toscano,
2005).
Para estas comparaciones se utilizan escalas de razón en términos de preferencia,
importancia o probabilidad, sobre la base de una escala numérica propuesta por
Saaty, que va desde 1 hasta 9 (Tabla 4.1)
Tabla 4.1 Escala de preferencias utilizada en el Análisis jerárquico (AHP)
Escala
Escala verbal Explicación
numérica
Absolutamente o
Al comparar un elemento con el otro, el primero se
muchísimo más
9 considera absolutamente o muchísimo más importante
importante o preferido
que el segundo.
que …..
Mucho más importante
7 considera mucho más importante o preferido que el
o preferido que …..
segundo.
Más importante o Al comparar un elemento con el otro, el primero se
5
preferido que …. considera más importante o preferido que el segundo.
Ligeramente más
3 importante o preferido
considera más importante o preferido que el segundo.
que …..
Al comparar un elemento con otro, hay indiferencia
1 Igual
entre ellos.
Ligeramente menos Al comparar un elemento con el otro, el primero se
1/3 importante o preferido considera ligeramente menos importante o preferido que
que ….. el segundo.
Menos importante o
1/5 considera mucho menos importante o preferido que el
preferido que …..
segundo.
Mucho menos Al comparar un elemento con el otro, el primero se
1/7 importante o preferido considera mucho menos importante o preferido que el
que ….. segundo.
Absolutamente o Al comparar un elemento con el otro, el primero se
1/9 muchísimo menos considera absolutamente o muchísimo menos
importante o preferido importante o preferido que el segundo.
GEOPROCESAMIENTO.
38
DE POSGRADO
Escala
Escala verbal Explicación
numérica
que …..
Valores intermedios entre dos juicios adyacentes, que se emplean cuando es

2, 4, 6, 8
necesario un término medio entre dos de las intensidades anteriores.
(Saaty, 1980)
Los resultados de la valoración de la escala numérica se verán reflejados en una

matriz, la cual resume las prioridades para cada alternativa en términos de cada
criterio. Para m criterios y n alternativas se tiene:
𝐶𝐶𝐶𝐶𝐶𝐶𝐶𝐶𝐶𝐶𝐶𝐶𝐶𝐶𝐶𝐶 1 𝐶𝐶𝐶𝐶𝐶𝐶𝐶𝐶𝐶𝐶𝐶𝐶𝐶𝐶𝐶𝐶 2 … 𝐶𝐶𝐶𝐶𝐶𝐶𝐶𝐶𝐶𝐶𝐶𝐶𝐶𝐶𝐶𝐶 𝑚𝑚
𝐴𝐴𝐴𝐴𝐴𝐴𝐴𝐴𝐴𝐴𝐴𝐴𝐴𝐴𝐴𝐴𝐴𝐴𝐴𝐴𝐴𝐴 1 𝑃𝑃11 𝑃𝑃12 … 𝑃𝑃1𝑚𝑚
⎡ ⎤
𝐴𝐴𝐴𝐴𝐴𝐴𝐴𝐴𝐴𝐴𝐴𝐴𝐴𝐴𝐴𝐴𝐴𝐴𝐴𝐴𝐴𝐴 2 ⎢𝑃𝑃21 𝑃𝑃22 … 𝑃𝑃2𝑚𝑚 ⎥
⎢ ⎥
… ⎢… … … … ⎥
⎢ ⎥
𝐴𝐴𝐴𝐴𝐴𝐴𝐴𝐴𝐴𝐴𝐴𝐴𝐴𝐴𝐴𝐴𝐴𝐴𝐴𝐴𝐴𝐴 𝑛𝑛 ⎣𝑃𝑃𝑛𝑛1 𝑃𝑃𝑛𝑛2 … 𝑃𝑃𝑛𝑛𝑛𝑛 ⎦
(1)
Donde Pij es la prioridad de la alternativa i con respecto al criterio j, para i = 1, 2, …,

n; y j = 1, 2, …, m.
La prioridad global para cada alternativa de decisión se resume en el vector columna
que resulta del producto de la matriz de prioridades con el vector de prioridades de
los criterios.
𝑃𝑃11 𝑃𝑃12 … 𝑃𝑃1𝑚𝑚 𝑃𝑃′ 𝑃𝑃𝑃𝑃1
⎡ ⎤⎡ 1⎤ ⎡ ⎤
⎢𝑃𝑃21 𝑃𝑃22 … 𝑃𝑃2𝑚𝑚 ⎥ ⎢ 𝑃𝑃2′ ⎥ ⎢ 𝑃𝑃𝑃𝑃2 ⎥
⎢ ⎥⎢ ⎥ = ⎢ ⎥
⎢… … … … ⎥⎢…⎥ ⎢ … ⎥
⎢ ⎥⎢ ⎥ ⎢ ⎥
⎣𝑃𝑃𝑛𝑛1 𝑃𝑃𝑛𝑛2 … 𝑃𝑃𝑛𝑛𝑛𝑛 ⎦ ⎣𝑃𝑃𝑚𝑚′ ⎦ ⎣𝑃𝑃𝑃𝑃𝑛𝑛 ⎦
(2)
Donde Pgi es la prioridad global de la alternativa i (i = 1, 2, …n).
Una vez obtenido el resultado de la multiplicación de matrices, el método AHP
permite llevar a cabo el análisis de sensibilidad a través de la razón de consistencia
(RC), esta es una relación entre el índice de consistencia (IC) y el índice de
consistencia aleatoria (IA), que permite interpretar los cambios que podrían surgir
respecto a las preferencias.
Si la razón de consistencia es aceptable, se puede continuar con el proceso de
decisión. Si la razón de consistencia es inaceptable, quien toma las decisiones debe
reconsiderar y posiblemente modificar sus juicios sobre las comparaciones pareadas
antes de continuar con el análisis.
GEOPROCESAMIENTO.
39
DE POSGRADO
Esta razón o cociente está diseñado de manera que los valores que exceden de 0.10
son señal de juicios inconsistentes; es probable que en estos casos el tomador de
decisiones desee reconsiderar y modificar los valores originales de la matriz de
comparaciones pareadas. Se considera que los valores de la razón de consistencia
de 0.10 o menos son señal de un nivel razonable de consistencia en las
comparaciones pareadas (Toskano, 2005).
𝐼𝐼𝐼𝐼
𝑅𝑅𝑅𝑅 =
𝐼𝐼𝐼𝐼
(3)
IC: Índice de consistencia
IA: Índice de consistencia aleatoria
RC < 0.10: Consistencia Razonable
RC > 0.10: Inconsistencia
Paz et al., (2017) utiliza en su trabajo la metodología AHP para elaborar modelos
de susceptibilidad a FRM, en su análisis menciona que esta metodología demanda
un conocimiento vasto de la zona de estudio, por lo que al momento de priorizar las
variables empleadas se deben jerarquizar las investigaciones de campo realizadas
por especialistas.
Zare et al., (2014) compara el uso de la metodología AHP con otras metodologías
estadísticas empleadas comúnmente en el desarrollo de mapas de susceptibilidad,
el autor resalta que el uso de esta metodología se entiende como una
aproximación confiable para la elaboración de mapas de este tipo.
Las ventajas del modelo multicriterio estriban en ser un método rápido, razonable y
consistente con las condiciones físicas de la zona de estudio (Roa, 2006).
4.3 MÉTODO ÍNDICE ESTADÍSTICO (Wi)
En los análisis estadísticos de susceptibilidad por fenómenos de remoción en masa

se combinan factores que han generado los FRM en el pasado y que se pueden
determinar de forma estadística. De esta manera se hacen predicciones
cuantitativas para áreas libres de fenómenos de remoción en masa donde existen
condiciones similares (González, 2015).
En el análisis estadístico bivariado cada factor condicionante (como la geología, la
geomorfología, la pendiente, el uso de suelos, entre otros), se combina con la
frecuencia de los FRM y se calculan valores ponderados de densidades de
fenómenos de remoción en masa para cada clase, por lo tanto, en una menor área
GEOPROCESAMIENTO.
40
DE POSGRADO
acumulada de susceptibilidad se encuentra un mayor porcentaje de fenómenos de

remoción en masa (Chalkias et al., 2014).
Para el método del índice estadístico (Wi), la evaluación de la susceptibilidad
involucra tres pasos:
• El inventario de fenómenos de remoción en masa
• El reconocimiento factores condicionantes de los parámetros más

significativos (parámetros más significativos) en la distribución espacial de
los movimientos y su análisis
• La definición de los pesos relativos a cada factor asociado a la localización de

fenómenos de remoción en masa (CORANTIOQUIA, 2002)
Van Westen (2000) define el valor Wi como el logaritmo natural de la densidad de

FRM dentro de la clase, dividido por la densidad de FRM en general en todo el mapa.
Este método permite evaluar cuantitativamente la consistencia en la asignación de
pesos, con lo que se reduce la subjetividad inherente de los métodos de indexación.
El análisis consiste en comparar el número de FRM por unidad de área para cada
variable (densidad de clase) de los mapas temáticos, con respecto al número de
todos los FRM por unidad de área para toda la zona de estudio (densidad total).
El resultado obtenido se presenta en términos del logaritmo natural de dicha
relación. La comparación entre las diferentes variables se realiza según la ecuación
presentada por Van Westen (2000).
Á𝑟𝑟𝑟𝑟𝑟𝑟(𝑆𝑆𝑆𝑆)
�
𝐷𝐷𝐷𝐷𝐷𝐷𝐷𝐷𝐷𝐷𝐷𝐷𝐷𝐷𝐷𝐷 Á𝑟𝑟𝑟𝑟𝑟𝑟(𝑁𝑁𝑁𝑁)
𝑊𝑊𝑊𝑊 = 𝐿𝐿𝐿𝐿 =
𝐷𝐷𝐷𝐷𝐷𝐷𝐷𝐷𝐷𝐷𝐷𝐷𝐷𝐷 ∑ Á𝑟𝑟𝑟𝑟𝑟𝑟(𝑆𝑆𝑆𝑆)
�
∑ Á𝑟𝑟𝑟𝑟𝑟𝑟(𝑁𝑁𝑁𝑁)
Fuente: Van Westen (2000) (4)
Donde:
Wi: Peso calculado para cada clase de un factor
Ln: logaritmo natural
DenClase = Densidad de FRM por clase de una variable determinada
DenMapa = Densidad de FRM en todo el mapa
Área (Si) = Área del FRM contenido en una clase para una variable determinada
GEOPROCESAMIENTO.
41
DE POSGRADO
Área (Ni) = Área total de la clase para una variable determinada
El peso calculado para cada clase (Wi) indica la importancia relativa de cada variable
al comparar los resultados obtenidos.
El logaritmo natural se usó para dar valores negativos cuando los valores de los
pesos son bajos, es decir, se aproximan a cero, y para dar valores positivos cuando lo
valores son mayores a cero. (Van Westen, 2000).
Si el valor de densidad para la variable es mayor que el valor de densidad para el
área de estudio, el resultado será positivo. En el caso contrario el resultado es
negativo. Esto significa que mientras más positivo sea el valor obtenido más
importante es la variable para explicar la ocurrencia de FRM. En el caso contrario,
mientras más negativo sea el valor obtenido más importante es la variable para
explicar la ausencia de FRM.
Cuando el resultado se aproxima cero quiere decir que la densidad para la clase es
aproximadamente igual a la densidad para la zona de estudio. Esto quiere decir que
la variable analizada no es significativa para el análisis de susceptibilidad.
El mapa de susceptibilidad de obtiene a partir de la sumatoria de los pesos
calculados para cada una de las clases de los factores condicionantes.
En el 2008 se realizó una investigación liderada por Yiping et al., para determinar la
susceptibilidad a deslizamientos en el sur de California (USA) a escala regional, la
metodología empleada en este análisis fue el Índice estadístico (Wi), la investigación
demostró que el desempeño de este tipo de modelos es positivo cando se conocen
previamente las ubicaciones y se conocen las áreas de los deslizamientos a evaluar.
Salas (2018), utiliza esta metodología para evaluar la susceptibilidad a
deslizamientos en la región centro occidental de Colombia, una de las conclusiones
obtenidas es que los resultados no deben extrapolarse de manera directa hacia
sectores geográficos con carácter similar, siempre debe existir un proceso de
validación.
4.4 MÉTODO ESTADÍSTICO PESOS DE EVIDENCIA (WofE)
El método estadístico bivariado denominado WofE por sus siglas en inglés (Weigth of
Evidence) está basado en la teoría de la probabilidad bayesiana, donde se analiza la
relación entre dos sucesos (Sujatha et al., 2012).
En el caso de los modelos de susceptibilidad a fenómenos de remoción en masa, se
evalúa la relación de las áreas afectadas por los FRM y la distribución espacial de los
factores condicionantes del terreno (Van Westen., 2003).
GEOPROCESAMIENTO.
42
DE POSGRADO
Este método estadístico está orientado al cálculo de los pesos de las clases que
conforman las variables condicionantes; dicho peso indica la presencia e influencia
de la clase como parámetro en la ocurrencia FRM (Lee et al., 2008).
La Guía metodológica para la zonificación de amenaza por fenómenos de remoción
en masa a escala 1: 25 000 desarrollada por el Servicio Geológico Colombiano en el
2017 menciona las siguientes ventajas y desventajas para la metodología WofE.
Ventajas:
• El método es objetivo y evita la subjetividad de elegir los pesos de los
factores, como en los métodos semicuantitativos
• La relación entre el factor condicionante y los fenómenos de remoción en

masa se evalúa con bases estadísticas
• Replicabilidad y control del proceso de zonificación final
• Control de la capacidad de predicción del modelo

Desventajas
• El método asume que los fenómenos de remoción en masa ocurren debido a

la misma combinación de factores en toda el área de estudio
• El método requiere de criterio experto en la selección de los factores

condicionantes relacionados con las hipótesis de falla planteadas
• El método es susceptible a detalles relacionados al inventario de FRM, a los

errores que se puedan cometer con la cartografía y las unidades de terreno
consideradas
• Los pesos de evidencia deben utilizarse con una muestra considerable de

datos, en caso contrario los resultados deben ser cuidadosamente
interpretados.
En cuanto al desarrollo matemático, la metodología de los Pesos de la evidencia

considera que el deslizamiento L ha sucedido en un área p veces; si el área total es
q, se puede decir que la probabilidad de ocurrencia de un deslizamiento es:
𝑛𝑛(𝐿𝐿) 𝑝𝑝
𝑝𝑝(𝐿𝐿) = =
𝑞𝑞 𝑞𝑞
(5)
GEOPROCESAMIENTO.
43
DE POSGRADO
Donde n representa el número de veces que se repite L; si Wi representa un factor

condicionante donde se tienen clases de i = 1…m entonces:
𝑝𝑝(𝑤𝑤𝑖𝑖 ∩ 𝐿𝐿)
𝑝𝑝(𝐿𝐿|𝑤𝑤𝑖𝑖 ) =
𝑝𝑝(𝑤𝑤𝑖𝑖 )
(6)
Si se expresa la ecuación anterior en función de las proporciones en lugar de la

probabilidad, se tiene que:
𝑝𝑝(𝐿𝐿) 𝑝𝑝(𝐿𝐿) 𝑝𝑝
𝑂𝑂(𝐿𝐿) = = =
𝑝𝑝(𝐿𝐿) 1 − 𝑝𝑝(𝐿𝐿) 𝑞𝑞 − 𝑝𝑝
(7)
𝑝𝑝(𝐿𝐿|𝑤𝑤𝑖𝑖 )
𝑂𝑂(𝐿𝐿|𝑊𝑊𝑖𝑖 ) =
𝑝𝑝(𝐿𝐿𝑤𝑤𝑖𝑖 )
(8)
Por lo tanto, se llamará pesos de evidencia a las siguientes ecuaciones:
𝑝𝑝(𝑊𝑊𝑖𝑖 |𝐿𝐿)
𝑊𝑊𝑖𝑖+ = 𝑙𝑙𝑙𝑙
𝑝𝑝(𝑊𝑊𝑖𝑖 |𝐿𝐿)
(9)
�𝑖𝑖 |𝐿𝐿)
𝑝𝑝(𝑊𝑊
𝑊𝑊𝑖𝑖− = 𝑙𝑙𝑙𝑙
�𝑖𝑖 |𝐿𝐿�)
𝑝𝑝(𝑊𝑊
(10)
Los pesos asignados a cada clase pueden ser pesos positivos (W+) y negativos (W-).
Los pesos positivos (W+) indican la presencia de la clase como parámetro que
favorece los FRM y su magnitud indica su correlación. El peso negativo (W-) indica la
ausencia de la clase. En caso de ser cero, indica que la clase analizada no es de
interés para el FRM (Aristizábal, 2019). Los pesos son definidos con la siguiente
fórmula:
𝑁𝑁𝑁𝑁𝑁𝑁𝑁𝑁1
𝑁𝑁𝑁𝑁𝑁𝑁𝑁𝑁1 + 𝑁𝑁𝑁𝑁𝑁𝑁𝑁𝑁2
𝑊𝑊𝑖𝑖+ = 𝑙𝑙𝑙𝑙
(11)
+ 𝑁𝑁𝑁𝑁𝑁𝑁𝑁𝑁1 + 𝑁𝑁𝑁𝑁𝑁𝑁𝑁𝑁2
𝑊𝑊𝑖𝑖 = 𝑙𝑙𝑙𝑙
(12)
Donde:
GEOPROCESAMIENTO.
44
DE POSGRADO
Npix1= Número de pixeles con fenómenos de remoción en masa en la clase

Npix2= Número de pixeles con fenómenos de remoción en masa que no están
presentes en la misma clase
Npix3= Número de pixeles en la clase donde no existen fenómenos de remoción en
masa
Npix4= Número de pixeles en la clase donde no existen fenómenos de remoción en
masa y que no está presente en la misma clase (SGC, 2017).
Los pesos de evidencia Wi+ y Wi− se deberán calcular para cada variable, entonces,
se estima el Peso de contraste o Peso final (Wf) con la siguiente fórmula:
𝑊𝑊𝑓𝑓 = 𝑊𝑊𝑖𝑖+ − 𝑊𝑊𝑖𝑖−

(13)
La Figura 4.1 y la Figura 4.2 muestran las relaciones entre los fenómenos de
remoción en masa y los factores condicionantes en términos gráficos.
Figura 4.1 Representación gráfica de la relación entre el FRM y factor condicionante.

(SGC, 2017)
GEOPROCESAMIENTO.
45
DE POSGRADO
Número de pixeles de FRM presentes en la clase
Número de pixeles en la clase donde no hay FRM
Número de pixeles de FRM presentes en otra clase
Número de pixeles en la clase donde no hay FRM

y que no esta presente en la misma clase
Figura 4.2 Representación gráfica de la relación entre los pixeles de los FRM y los pixeles del
factor condicionante. (Modificado de Seefelder, 2017)
4.5 PARÁMETROS QUE INTERVIENEN EN EL CÁLCULO DE LA SUSCEPTIBILIDAD

A FRM
En la construcción de los mapas de susceptibilidad a FRM se emplean las variables

condicionantes, también intrínsecas o de predisposición, Al respecto Aristizabal
(2019) menciona lo siguiente: “las variables condicionantes son las características
internas e inherentes del terreno que favorecen la ocurrencia de fenómenos de
remoción en masa. Dichas variables presentan poca variación temporal, por lo que
son denominadas por algunos autores como variables estáticas o cuasi-estáticas”.
En la literatura existe una gran cantidad de posibles variables condicionantes, por lo
la evaluación de susceptibilidad a FRM se convierte en un proceso complejo. Desde
el punto de vista de Lee et al (2008) “el conjunto de variables condicionantes que
influyen directa o indirectamente en la ocurrencia de fenómenos de remoción en
masa difiere dependiendo de la escala de análisis, las características de la zona de
estudio y el tipo de fenómeno de remoción en masa”.
Para elaborar los modelos de susceptibilidad es importante la representación
espacial de los factores que se consideran relevantes en la ocurrencia de
fenómenos de remoción en masa. La Tabla 4.2 muestra detalles sobre la
importancia de estos factores segun las escalas de análisis de los mapas de
susuceptitibidad. Se observa que cada escala utiliza diferntes tipos de datos, pero
que comparten algunos en común como la pendiente, la litologia, la geomorfologia y
el uso de suelos.
GEOPROCESAMIENTO.
46
DE POSGRADO
Tabla 4.2 Factores relacionados la ocurrencia de fenómenos de remoción en masa y su aplicación

según las diferentes escalas de análisis (P = Poco aplicable M = Moderadamente aplicable A =
Altamente aplicable)
Escala de análisis
Grupo Tipo de información
Regional Mediana Grande Detallada
Pendientes P A A A
Orientación de las pendientes A A A A
Dirección de flujo P M A A
Geomorfometría
Acumulación de flujo P M A A
Relieve relativo A M P P
Densidad de drenaje A M P P
Tipo de roca A A A A
Grado de alteración P M M A
Geología
Discontinuiddes P M M A
Aspectos estructurales A A A A
Tipo de suelos M A A A
Suelos Profundidad del suelos P M A A
Propiedades geotécnicas P M A A
Componentes hidrogeológicos M A A A
Horologia
Distancia a los drenajes A A A P
Unidades fisisográficas A M P P
Geomorfología Unidades de terreno A M M P
Unidades geomorfológicas A A M P
Mapa de uso de suelos A A A A
Cambios en el uso del suelo M A A A
Uso de suelos Características de la vegetación P M A A
Distancia a las obras civiles M A A A
(Modificado de Van Westen et al, 2008)
La zona donde se desarrolla la vía LM-116 presenta un conjunto de variables propias

que responden a la ocurrencia de los fenómeno de remoción en masa.
Esta tesis toma como variables de análisis: la pendiente del terreno, la litología, la
geomorfología, el uso de suelos, la distacia a las estructuras tectónicas y la densidad
de drenaje (Figura 4.3)
Teniendo en cuenta la cantidad de puntos registrados en el inventario de peligros

geológicos, se realizaron diversos histogramas para mostrar la relación de los
mismos con los factores que originan los fenómenos de remoción en masa (Figura
4.4, Figura 4.5, Figura 4.6, Figura 4.7,Figura 4.8 y Figura 4.9).
Como resultado de este análisis se tiene que el 40 % de las ocurrencias se produce
en pendientes que van entre los 20° y 35° y se desarrollan en rocas de origen
volcánico sedimentario.
Así mismo el 26% de los fenómenos de remoción en masa ocurre en la microcuencas
que tienen un valor de densidad alto (mayores a 2), esto podría deberse a que la
actividad de los distintos cursos de agua condiciona la ocurrencia de procesos
morfodinámicos como deslizamientos, flujos de detritos, entre otros.
GEOPROCESAMIENTO.
47
Capítulo IV: Método empleado
DE POSGRADO
Figura 4.3 Diagrama de flujo con datos de entrada para cada modelo de susceptibilidad
IDENTIFICACIÓN DE ÁREAS SUSCEPTIBLES A FENÓMENOS DE REMOCIÓN EN MASA EN OBRAS LINEALES APLICANDO TÉCNICAS DE GEOPROCESAMIENTO.
Ing. Jenny Marina Vázquez Acuña 48
DE POSGRADO Capítuo IV: Método empleado
60%
51%
49%
50%
40%
<1 Densidad baja
% DE FRM
30% 1-2 Densidad media

2-3 Densidad alta
20% > 3 Densidad muy alta
10%
0% 0%
0%
DENSIDAD DE DRENAJE
Figura 4.4 Histograma de FRM Vs. Densidad de drenajes.
45%
40%
40%
35%
30%
30%
20°-35°
25%
% DE FRM
25% 5°-20°
35°-50°
20%
>50°
15%
0°-5°
10%
5% 3%
1%
0%
PENDIENTE
Figura 4.5 Histograma de FRM Vs. Pendiente.
GEOPROCESAMIENTO.
49
25%
23%
23%
Gpo. Colqui
Superunidad Paccho
20%
18% Depósito aluvial
Depósito fluvio glacial
15% Superunidad Santa Rosa

13%
Gpo. Casma
% de FRM
Fm. Carlos Francisco

10% Roca ígnea
8%
Fm. Pacococha
Gpo. Rimac
5%
5% Fm. Millotingo
2% Depósitos glaciales
2% 2%
1%
1%
0.5% 0.5% Fm. Casapalca
0%
GEOLOGÍA
Figura 4.6 Histograma de FRM Vs. Geología
30% 29%
26%
25%
20%
20% 19%
>4000 m
% DE FRM
0 -1000 m
15%
1000 -2000 m
10% 2000-3000 m
7% 3000-4000 m
5%
0%
DISTANCIA A LAS ESTRUCTURAS TECTÓNICAS
Figura 4.7 Histograma de FRM Vs. Distancia a las estructuras tectónicas.
GEOPROCESAMIENTO.
50
45%
41% Montaña en roca volcánica
40%
Montaña en roca intrusiva
35%
Vertiente o piedemonte coluvio-
deluvial
30%
Vertiente o piedemonte aluvio-
torrencial
25%
% DE FRM
Valle glaciar
20%
Vertiente coluvial de detritos
16% 16%
15%
12% Montaña en roca volcano-
sedimentaria
10% Colina y lomada en roca volcánica
6%
5% 4%
Colina en roca sedimentaria
2% 1%
0.5% 0.5%
0% Colina en roca volcánica
GEOMORFOLOGÍA
Figura 4.8 Histograma de FRM Vs. Geomorfología.
51% Proteccion - pastoreo, calidad

50% agrológica baja. Limitación por suelo y
erosión.
Protección (formacion lítica)
40%
Pastoreo, calidad agrológica baja.
Limitacion por suelo y erosión.
30% Cultivos en limpio, calidad agrológica

% DE FRM
alta. Limitación por suelo, requieren

riego.
22%
Pastoreo de paramo, calidad agrológica
20% baja. Limitación por suelo y erosión
13% Proteccion - pastoreo de páramo,

calidad agrológica baja. Limitación por
10% 8% suelo, erosión y clima.
Nevado
2% 2%
1% 0.5%
0% Protección (formación de nivales)
USO DE SUELOS
Figura 4.9 Histograma de FRM Vs. Uso de suelos.
GEOPROCESAMIENTO.
51
DE POSGRADO Capítulo V: Elaboración de mapas temáticos digitales
5 CAPÍTULO V. ELABORACIÓN DE MAPAS TEMÁTICOS DIGITALES
A continuación se describirán las características de cada uno de los mapas utilizados

como base para la elaboración del mapa de susceptibilidad a FRM. Estos mapas se
pueden ver detalladamente en el Anexo II.
5.1 MODELO DE ELEVACIÓN DIGITAL
La generación del modelo de elevación digital conocido por sus siglas en inglés
como DEM (Digital Elevation Model) se realizó a partir del mosaico generado con
imágenes satelitales ALOS PALSAR correspondientes a junio del año 2009.
Estas imágenes fueron descargadas gratuitamente de la página web
https://search.asf.alaska.edu, esta información corresponde al programa
denominado Earth Science Data Systems (ESDS) auspiciado por la NASA con el
objetivo de proporcionar datos de manera abierta y accesible con fines de
investigación.
Las imágenes Alos Palsar son imágenes captadas por el satélite ALOS perteneciente
a la Agencia Japonesa de Exploración aeroespacial JAXA (Japan Aerospace
Exploration Agency) desde el año 2006 al año 2011.
La plataforma del sensor Palsar permite capturar imágenes de la superficie de la
tierra mediante haces de luz emitidos por el satélite, esto lo pone en ventaja con
respecto a satélites de tecnología óptica, ya que no necesita de luz solar para su
funcionamiento. Cuenta con resoluciones espaciales de 100, 30, y 12,5 metros
(Shimada, 2009).
El modelo digital de elevación utilizado para el desarrollo de esta tesis posee una
resolución espacial de 12,5 metros, este ráster se caracteriza por ser una matriz
ordenada con 10412 filas y 16251 columnas (Mapa 08). El sistema de coordenadas
adoptado para la zona de estudio es el UTM 18 S.
GEOPROCESAMIENTO.
52
5.2 PENDIENTES
El mapa de pendientes (Mapa 09) se realizó a partir de las curvas de 25 m de nivel

obtenidas del DEM, estas curvas se elaboraron con una interpolación basada en los
valores de altitud.
Una vez obtenido el ráster de pendientes se obtuvieron valores que van entre los 0°
y los 80°, estos valores se reclasificaron en cinco rangos que van desde pendiente
muy baja a pendiente muy alta (Tabla 5.1).
Los rangos de valores en los que se clasificó la pendiente se realizaron a través de

una adaptación del método de Van Zuidam (1986) citado por el SGC (2017) y por
Osorio (2019) el cual relaciona la inclinación de la pendiente en grados con
características del terreno a la susceptibilidad. También se tomaron como
referencias los rangos de pendientes planteados en los estudios geoambientales de
distintas cuencas del INGEMMET, (2007).
Tabla 5.1 Rango de pendientes

Rango Clase Descripción
Áreas donde es muy poco probable que se
0°-5° Pendiente muy baja PI
generen fenómenos de remoción en masa
Áreas poco susceptibles a fenómenos de
5°-20° Pendiente baja PII
remoción en masa
Relieves moderados inclinados, sus laderas
20°-35° Pendiente media PIII tienen una susceptibilidad muy alta para el
desarrollo de fenómenos de remoción en masa
Relieves inclinados susceptibles a
35°-50° Pendiente alta PIV
movimientos de masa
Corresponde a zonas de muy alta pendiente,
>50° Pendiente muy alta PV susceptibles a la generación de fenómenos de
remoción masa, principalmente caídas.
5.3 UNIDADES LITOLÓGICAS
Las características geológicas son uno de los factores condicionantes más

importantes en la ocurrencia de FRM, por lo que es necesario utilizar datos
relacionados con sus características en la elaboración de mapas de susceptibilidad.
Los mapas con información geológica constituyen un insumo básico para cualquier
análisis y zonificación por fenómenos de remoción en masa (SGC, 2017).
Es importante mencionar que la elaboración del mapa de unidades geológicas va a

depender de la escala de trabajo, para escalas menores a 1:25 000 es necesario
trabajar con unidades geológicas superficiales, teniendo en cuenta sus propiedades
ingenieriles, la litología y el grado de meteorización.
GEOPROCESAMIENTO.
53
Para la clasificación litológica en la zona de estudio se tomó como base los mapas
geológicos de los cuadrángulos de Chosica (24-j) y Matucana (24-k), elaborados por
INGEMMET a escala 1:100 000.
Inicialmente, las unidades geológicas se dividieron obteniendo cinco grandes grupos:

Rocas intrusivas, rocas sedimentarias, rocas volcánicas y rocas volcánico-
sedimentarias. Posteriormente estas unidades se reclasificaron en subunidades en
donde se tuvieron en cuenta tres parámetros importantes: génesis, litología
(composición y textura) y grado de meteorización.
Esta reclasificación realizó tomando en cuenta las recomendaciones de la Guía

metodológica para la zonificación de amenaza por fenómenos de remoción en masa
elaborada por el Servicio Geológico Colombiano en el 2017 y los criterios empleados
en la elaboración de los mapas de susceptibilidad a fenómenos de remoción en
masa que forman parte de los estudios Geoambientales a nivel de cuencas del
INGEMMET.
Cada grupo fue clasificado en clases de acuerdo sus características litológicas (Tabla
5.2 y (Mapa 10), por ejemplo el grupo de las rocas volcánicas fue denominado III y
presenta dos clases: LIII1 (Secuencia de conglomerado basal, tobas y andesitas) y
LIII2 (Secuencia de tobas, lavas y brechas dacíticas).
Tabla 5.2 Unidades litológicas
Unidad Clase Descripción Formación Geológica
Materiales inconsolidados conformados por
LI1 Depósitos aluviales
arenas, limos, gravas.
Sedimentos
Depósitos inconsolidados,
modernos (I)
LI2 conformados por arenas, limos, gravas y Depósitos fluvio -glaciares
ocasionalmente bolones
Rocas intrusivas conformadas por Superunidad Paccho y
Rocas intrusivas (II) LII1
tonalita, diorita, granodiorita y monzodiorita Superunidad Santa Rosa
Secuencia de conglomerado basal, Gpo. Colqui,
LIII1 Fm. Pacococha
tobas y andesitas
Rocas volcánicas (III)
Secuencia de tobas, lavas y brechas Fm. Carlos Francisco,
LIII2
dacíticas Fm. Millotingo
LIV1 Riolitas, calizas y areniscas Gpo. Rimac, Gpo Casma
Rocas volcánico- LIV2 Aglomerados volcánicos, calizas y lutitas Fm. Yantac
sedimentarias (IV)
LIV3 Tobas riolíticas, areniscas y limolitas Fm. Huarochirí
LV1 Lutitas, calizas y conglomerados Fm. Casapalca
Rocas sedimentarias
LV2 Bloques y gravas consolidadas Depósitos glaciales
(V)
LV3 Areniscas y cuarcitas Fms. Chimú, Santa y Carhuaz
GEOPROCESAMIENTO.
54
5.4 UNIDADES GEOMORFOLÓGICAS
El mapa de unidades geomorfológicas constituye un insumo básico para la definición

de los escenarios potenciales de amenaza por fenómenos de remoción en masa
(SGC, 2017).
Los procesos de geodinámica externa ocurridos en el pasado tales como los

fenómenos de remoción en masa, se manifiestan en la actualidad mediante
cicatrices o huellas dejadas por estos fenómenos en tiempos pasados. La
configuración actual del terreno reflejada en las unidades geomorfológicas es
muestra de la magnitud de estos procesos (INGEMMET, 2006).
Las características de las unidades geomorfológicas son de interés para el análisis

de FRM porque pueden ser indicativos de inestabilidad, por ejemplo para las caídas
de rocas se deben tener en cuenta las geoformas relacionadas con laderas y
escarpes, mientras que para el análisis de flujos es recomendable tomar en cuenta
geoformas cuyo origen esté relacionado con zonas denudacionales o fluviales.
La información relacionada a las unidades geomorfológicas se tomó del Mapa

geomorfológico del Perú a escala 1: 250 000 en su versión preliminar, esta
información viene siendo desarrollada por INGEMMET desde el año 2012.
En la Tabla 5.3 y la Mapa 11 se muestra el listado de las unidades que se tuvieron

en cuenta para el análisis de fenómenos de remoción en masa en la carretera LM-
116.
Tabla 5.3 Unidades geomorfológicas

Geoforma Unidad Clase Descripción
GI1 Valle glaciar
Planicies y depresiones GI2 Cauce del río
GI3 Terraza indiferenciada
GI4 Meseta volcánico/sedimentaria
GII1 Colina y lomada en roca volcánica
GII2 Colina en roca sedimentaria
De carácter tectónico- GII3 Colina en roca volcánica
degradacional y denudacional Colinas GII4 Colina en roca volcano-sedimentaria
GII5 Colina estructural en roca sedimentaria
GII6 Colina y lomada en roca intrusiva
GII7 Colina en roca intrusiva
GIII1 Montaña en roca volcánica
Montañas GIII2 Montaña en roca intrusiva
GIII3 Montaña en roca volcano-sedimentaria
GIII4 Montaña en roca sedimentaria
GIV1 Vertiente o piedemonte coluvio-deluvial
GIV2 Vertiente o piedemonte aluvio-torrencial
De carácter deposicional o Piedemontes GIV3 Vertiente coluvial de detritos
agradacional GIV4 Morrenas
GIV5 Abanico de piedemonte
GIV6 Vertiente glacial o de gelifracción
GEOPROCESAMIENTO.
55
5.5 USO DE SUELOS
Otro de los factores condicionantes importantes en la ocurrencia de fenómenos de

remoción en masa es el uso de suelos.
El uso del suelo en general es considerado un factor condicionante dentro de los

análisis de susceptibilidad y puede ser incluido como capa de información
independiente que representa las condiciones actuales del suelos en la dinámica
antrópica dentro del territorio (Van Westen et al., 2016).
Los cambios en el uso del suelo tienen una gran influencia sobre la estabilidad de las
laderas. Se ha observado que el aumento y la conversión de los bosques secundarios
a pastizales y/o las tierras de cultivo, inciden en el incremento de los movimientos
superficiales y que el abandono de campos de cultivo induce a una significativa
disminución de la frecuencia de deslizamientos (Reichenbach et al., 2014).
La información correspondiente al uso de suelos se obtuvo a partir del mapa

elaborado por la Oficina Nacional de Evaluación de Recursos Naturales (ONERN-
MINAM, 2012).
Para la capa de uso de suelos se realizó la homogenización de las unidades de la

leyenda y se generó la capa para el análisis de susceptibilidad a FRM (Tabla 5.4 y
Mapa 12).
Es importante mencionar que la importancia de este factor condicionante en la

ocurrencia de fenómenos de remoción en masa depende de las particularidades de
la zona de estudio y del criterio experto.
Tabla 5.4 Uso de suelos

Unidad Clase Descripción
CI1 Tierras de pastoreo con calidad agrológica baja. Limitación por suelo y erosión
CI2 Tierras de pastoreo con calidad agrológica media. Limitación por suelo y erosión
Tierras de pastoreo de páramo con calidad agrológica baja. Limitación por suelo y
CI3
Tierras aptas para erosión
pastoreo Tierras de pastoreo de páramo con calidad agrológica baja. Limitación por suelo,
CI4
erosión y clima
Tierras de pastoreo de páramo con calidad agrológica media. Limitación por suelos
CI5
erosión y clima
Tierras aptas para CII1 Tierras aptas para protección. Formación lítica
protección CII2 Tierras aptas para protección. Formación de nivales
Tierras aptas para Tierras aptas para cultivos en limpio con calidad agrológica alta y cultivos permanentes.
CIII1
cultivo Requieren riego
GEOPROCESAMIENTO.
56
5.6 DENSIDAD DE DRENAJES
El mapa de densidad de drenajes se generó a partir de la red de drenajes y las

cuencas hidrográficas derivadas del DEM Alos Palsar de 12.5 metros.
Los valores obtenidos a partir del cálculo del ráster de densidad de drenajes
representan la concentración de agua en una cuenca en forma de escorrentía
cuando es precedida por un evento de lluvia (Osorio, 2019).
En la zona de estudio, los valores de la densidad de drenajes correspondientes a las
19 microcuencas en la zona de estudio van desde 1.79 a 2. 23 (Figura 5.1).
El 53% de las microcuencas presenta valores de densidad de drenaje moderados y el
47% presenta valores altos entre 2.07 y 2.23. El mapa de densidad de drenajes
(Mapa 13) se clasificó en cuatro categorías tomando en cuenta la clasificación del
2008 de Delgadillo y Páez (Tabla 5.5).
Posteriormente se reorganizaron los rangos de los valores de densidad de drenaje
para que puedan ser categorizados con las distintas metodologías de susceptibilidad
(Tabla 5.6).
2.30
DENSIDAD DE DRENAJE
2.20
2.10
2.00
1.90
1.80
1.70
Mic_01
Mic_02
Mic_03
Mic_04
Mic_05
Mic_06
Mic_07
Mic_08
Mic_09
Mic_10
Mic_11
Mic_12
Mic_13
Mic_14
Mic_15
Mic_16
Mic_17
Mic_18
Mic_19
MICROCUENCAS
Densidad de drenaje (km/km2)
Figura 5.1 Valores de densidad de drenajes de las microcuencas.
Tabla 5.5 Rangos de clasificación según la densidad de drenaje

Densidad de drenaje (km/km2) Descripción
<1 Baja
1a2 Moderada
2a3 Alta
>3 Muy alta
(Basado en Delgadillo y Páez, 2008).
GEOPROCESAMIENTO.
57
Tabla 5.6 Densidad de drenaje

Densidad de drenaje (km/km2) Clase
2.078 - 2.236 DDI
1.993 - 2.078 DDII
1.843 - 1.993 DDIII
1.795 - 1.8437 DDIV
1.676 - 1.795 DDV
5.7 DISTANCIA A ESTRUCTURAS TECTÓNICAS
Diversos estudios como los de Zare et al., 2014 y Nohani et al., 2019 incluyen la
distancia a las estructuras tectónicas (fallas y pliegues) como un factor
condicionante en la evaluación de la susceptibilidad a FRM.
Esta variable está asociada a la presencia de eventos de inestabilidad de laderas,

debido a que la actividad tectónica genera planos de debilidad en la roca, lo cual
ocasiona que el material se meteorice y erosione con mayor facilidad.
Es importante mencionar que en el caso de los fenómenos de remoción en masa

estén relacionados a fallas activas, no basta solo con conocer la distancia a la zona
de ruptura, sino también aspectos como el tipo de falla, longitud esperada de la
ruptura, profundidad de sismos, magnitud, entre otros (SGC, 2017)
El mapa de distancia a las estructuras tectónicas (Mapa 14) se elaboró teniendo

como base las estructuras regionales cartografiadas por el INGEMMET en los
cuadrángulos de Chosica (24-j) y Matucana (24-k), los cuales indican que la zona
donde se desarrolla la vía LM-116 presenta un sistema de fallas que atraviesa el
valle del Río Rimac con rumbo NO-SE.
Para cada estructura se definieron distancias euclidianas basándose en Regmi et al.,

2010. Esta metodología se adaptó a las distancias requeridas en la zona de estudio,
reclasificándose en rangos entre 0 y 4000 m (Tabla 5.7) donde los valores cercanos
indican una mayor susceptibilidad ante fenómenos de remoción en masa. A
diferencia de las distancias mayores, las cuales son menos susceptibles.
Tabla 5.7 Distancia a las estructuras tectónicas

Distancia (m) Clase
0 – 1000 m DEI
1000 – 2000 m DEII
2.000 – 3000 m DEIII
3.000 – 4000 m DEIV
> 4000 m DEV
GEOPROCESAMIENTO.
58
DE POSGRADO Capítulo VI: Construcción del mapa de susceptibilidad
6 VI. CONSTRUCCIÓN DEL MAPA DE SUSCEPTIBILIDAD
Existen diferentes métodos para el análisis de susceptibilidad por FRM, cuya

aplicación depende de aspectos tales como el tipo de movimiento en masa, el
tamaño del área de estudio, la información disponible, la escala de análisis y el
conocimiento de los expertos que ejecutan los estudios (SGC, 2017).
Considerando el alcance de esta tesis y tomando en cuenta las características de la

zona de estudio y las capas de información cartográfica, se desarrollaron tres
metodologías con para el análisis de susceptibilidad a fenómenos de remoción en
masa: el Análisis Jerárquico (AHP) y dos métodos estadísticos bivariados: el Índice
Estadístico (Wi) y Pesos de la evidencia (WofE).
La Figura 6.1 muestra un esquema de la metodología con la cual se construyó el

mapa de susceptibilidad por fenómenos de remoción en masa. Como primer paso se
requiere la preparación del modelo de elevación digital a partir de donde se
obtendrá la delimitación de microcuencas que definirán la zona de estudio.
Posteriormente se prepararán los de los factores condicionantes, tales como la
pendiente, las unidades geológicas, las unidades geomorfológicas, las unidades de
uso del suelo, la densidad de drenaje y las distancia a las estructuras tectónicas
(Figura 6.2).
Una vez listos los mapas de factores condicionantes en formato ráster se obtienen
los pesos para cada clase aplicando la metodología multicriterio y los análisis
estadísticos de acuerdo con los lineamientos descritos en los numerales 6.1, 6.2 y
6.3.
La combinación de factores se realiza a partir de la suma de los pesos finales de

cada una de las clases para cada píxel en el área de análisis. En la siguiente
ecuación se presenta el cálculo para los índices de susceptibilidad a FRM (IS).
𝐼𝐼𝐼𝐼 = 𝐶𝐶1 𝑋𝑋1 + 𝐶𝐶2 𝑋𝑋2 +𝐶𝐶3 𝑋𝑋3 + ⋯ + 𝐶𝐶𝑛𝑛 𝑋𝑋𝑛𝑛
(14)
En donde:
IS = Índice de susceptibilidad
Xn = Pesos finales de cada clase
Cn = Clases (pendiente, geología, geomorfología… entre otros)
GEOPROCESAMIENTO.
59
DE POSGRADO Capítulo VI: Construcción del mapa de susceptibilidad
El método AHP se aplicó en dos modelos de susceptibilidad (Modelo 1 y Modelo 2), el

primero incluyó el análisis de factores condicionantes convencionales como la
litología, la geomorfología, el uso de suelo y las pendientes. El segundo modelo
reorganizó el análisis de los mapas temáticos y adicionó variables específicas como
la densidad de drenaje y la distancia a las estructuras tectónicas.
El mismo procedimiento se realizó con la metodología estadística bivariada (Wi)
obteniéndose el Modelo 3 y el Modelo 4 y la metodología WofE de donde se
obtuvieron los Modelos 5 y 6 (Figura 6.1).
El objetivo de aplicar tres metodologías en la elaboración del modelo de

susceptibilidad a FRM es comparar que metodología ofrece una mejor aproximación
a las categorías de susceptibilidad. Finalmente se elaboró una curva de éxito para
cada uno de los modelos de susceptibilidad, de esta manera se validó el ajuste de
los resultados obtenidos.
Tabla 6.1 Variables utilizadas en distintas metodologías para la elaboración del mapa de
susceptibilidad a FRM
Uso de Densidad Distancia
Modelos Pendiente Litología Geomorfología de estructuras
suelo
drenaje tectónicas
Modelo 1 (AHP) x x x x
Modelo 2 (AHP) x x x x x x
Modelo 3 (Wi) x x x x
Modelo 4 (Wi) x x x x x x
Modelo 5 (WofE) x x x x
Modelo 6 (WofE) x x x x x x
GEOPROCESAMIENTO.
60
Capítulo VI: Construcción del mapa de susceptibilidad
DE POSGRADO
Figura 6.1. Diagrama de flujo para la elaboración de los mapas de susceptibilidad a FRM.
61
DE POSGRADO
Figura 6.2. Rásters utilizados en la obtención de modelos de susceptibilidad aplicando distintas metodologías.
62
DE POSGRADO
6.1 ANÁLISIS DE SUSCEPTIBILIDAD A FRM CON EL MÉTODO AHP
Para llevar a cabo la aplicación de este análisis, se elaboró una matriz de

jerarquización analítica para cada una de las clases que componen los factores
condicionantes (Tabla 6.2), este primer análisis sirvió para desarrollar un conjunto
de pesos de cada parámetro y partir de ese punto crear cada ráster temático:
pendiente, unidades litológicas, unidades geomorfológicas, uso de suelo, densidad
de drenajes y distancia a las estructuras tectónicas.
Tabla 6.2. Matriz de comparación de pares para cada clase

Peso
Factores ponderado
Clases Cód. Matriz de comparación de pares RC
condicionantes de los
parámetros
Rocas volcánico-sedimentarias LI 1.00 49.75
Sedimentos modernos LII 1/3 1.00 26.26
Unidades
Rocas intrusivas LIII 1/4 1/3 1.00 13.60 0.045
litológicas
Rocas volcánicas LIV 1/8 1/4 1/3 1.00 6.88
Rocas sedimentarias LV 1/9 1/8 1/4 1/3 1.00 3.52
Media (20° - 35°) PI 1.00 50.28
Baja (5° - 20°) PII 1/3 1.00 26.02
Pendientes Fuerte (35° - 50°) PIII 1/5 1/3 1.00 13.44 0.054
Muy fuerte (>50°) PIV 1/7 1/5 1/3 1.00 6.78
Muy baja (0°- 5°) PV 1/9 1/7 1/5 1/3 1.00 3.48
Valle glaciar GI1 1.00 56.69
Cauce del río GI2 1/3 1.00 26.71
Terraza
Planicies y GI3 1/6 1/3 1.00 11.22
indiferenciada 0.051
depresiones
Meseta
volcánico/sedimentar GI4 1/7 1/6 1/3 1.00 5.38
ia
Colina y lomada en
GII1 1.00 39.72
roca volcánica
Colina en roca
GII2 1/3 1.00 24.10
sedimentaria
Colina en roca
GII3 1/5 1/3 1.00 15.07
volcánica
Colina en roca
Colinas GII4 1/6 1/5 1/3 1.00 9.57 0.039
volcano-sedimentaria
Colina estructural en
GII5 1/7 1/6 1/5 1/3 1.00 5.93
roca sedimentaria
Colina y lomada en
GII6 1/8 1/7 1/6 1/5 1/3 1.00 3.47
roca intrusiva
Unidades Colina en roca
GII7 1/9 1/8 1/7 1/6 1/5 1/3 1.00 2.13
geomorfológicas intrusiva
Montaña en roca
GIII1 1.00 55.26
volcánica
Montaña en roca
GIII2 1/2 1.00 26.89
intrusiva
Montañas Montaña en roca 0.003
GIII3 1/5 1/2 1.00 12.02
volcano-sedimentaria
Montaña en roca
GIII4 1/9 1/5 1/2 1.00 5.83
sedimentaria
Vertiente o
piedemonte coluvio- GIV1 1.00 43.93
deluvial
Vertiente o
piedemonte aluvio- GIV2 1/3 1.00 25.28
torrencial 0.060
Piedemontes Vertiente coluvial de
GIV3 1/4 1/3 1.00 14.78
detritos
Morrenas GIV4 1/6 1/4 1/3 1.00 8.42
Abanico de
GIV5 1/8 1/6 1/4 1/3 1.00 4.84
piedemonte
GEOPROCESAMIENTO.
63
DE POSGRADO
Peso
Factores ponderado
Clases Cód. Matriz de comparación de pares RC
condicionantes de los
parámetros
Vertiente glacial o de
GIV6 1/9 1/8 1/6 1/4 1/3 1.00 2.75
gelifracción
Tierras aptas para cultivo CI1 1.00 66.87
Uso de suelos Tierras aptas para protección CI2 1/3 1.00 24.31 0.054
Tierras aptas para pastoreo CI3 1/7 1/3 1.00 8.82
2.078 - 2.236 km/km2 DD1 1.00 48.70
1.993 - 2.078 km/km2 DD2 1/3 1.00 26.28
Densidad de
1.843 - 1.993 km/km2 DD3 1/5 1/3 1.00 14.22 0.039
drenaje
1.795 - 1.8437 km/km2 DD4 1/7 1/5 1/3 1.00 7.18
1.676 - 1.795 km/km2 DD5 1/9 1/7 1/5 1/3 1.00 3.62
0 – 1000 m DEI 1.00 49.75
Distancia a las 1000 – 2000 m DEII 1/3 1.00 26.26
estructuras 2.000 – 3000 m DEIII 1/5 1/3 1.00 13.60 0.052
tectónicas 3.000 – 4000 m DEIV 1/7 1/5 1/3 1.00 6.88
> 4000 m DEV 1/9 1/7 1/5 1/3 1.00 3.52
Después de la clasificación de las unidades de cada capa de información, se realizó

la comparación de los factores condicionantes usando nuevamente matrices de
jerarquización según la metodología de Satty (Tabla 6.3 y Tabla 6.4), este análisis
proporcionó los pesos ponderados para cada parámetro, los cuales fueron
empleados en el algebra de mapas siguiendo la ecuación 14.
Finalmente se obtuvieron dos modelos de susceptibilidad a FRM, categorizados en

cinco rangos: susceptibilidad muy baja, susceptibilidad baja, susceptibilidad media,
susceptibilidad alta y susceptibilidad muy alta.
El modelo 1 (Mapa 15) toma en cuenta cuatro factores condiconantes y el modelo 2
(Mapa 16) toma en cuenta 6 factores condicionantes.
Tabla 6.3 Matriz de comparación de pares para cada factor condicionante. Modelo 1
Peso
Unidades Unidades Uso de ponderado
Pendiente RC
litológicas geomorfológicas suelos de los
parámetros
Unidades
1.00 59.20
litológicas
Pendiente 1/3 1.00 26.20
0.038
Unidades
1/7 1/3 1.00 10.07
geomorfológicas
Uso de suelos 1/9 1/7 1/3 1.00 4.53
GEOPROCESAMIENTO.
64
DE POSGRADO
Tabla 6.4 Matriz de comparación de pares para cada factor condicionante. Modelo 2
Distancia a Peso
Uso Densidad
Unidades Unidades las ponderado
Pendiente de de RC
litológicas geomorfológicas estructuras de los
suelos drenaje
tectónicas parámetros
Unidades
1.00 43.93
litológicas
Pendiente 1/3 1.00 25.28
Unidades
1/5 1/3 1.00 14.78
geomorfológicas
Uso de suelos 1/6 1/5 1/3 1.00 8.42 0.060
Densidad de
1/7 1/6 1/5 1/3 1.00 4.84
drenaje
Distancia a las
estructuras 1/8 1/7 1/6 1/5 1/3 1.00 2.75
tectónicas
6.2 ANÁLISIS DE SUSCEPTIBILIDAD A FRM CON EL MÉTODO ÍNDICE

ESTADÍSTICO (Wi)
Tal como se mencionó en el numeral 4.3, el método del Índice estadístico (Wi)
permite calcular los valores de los pesos ponderados para cada clase tomando en
cuenta la relación de frecuencia o densidad de los fenómenos de remoción en masa
presentes en cada clase.
Al aplicar la ecuación 4 del método Índice estadístico Wi, se observa que las
unidades litológicas con mayor presencia de pixeles correspondientes a FRM
corresponden a rocas volcánicas sedimentarias compuestas por secuencias de
tobas, lavas y brechas con un alto grado de erosión con valor Wi de 1.406, asi
mismo la mayor densidad de FRM se encuentra en zonas con pendiente media con
un índice Wi de 0.556. En relación a las unidades geomorfológicas, las zonas
correspondientes a vertientes o piedemontes coluvio-deluviales presentan un índice
Wi de 1.339 mostrando que posee un mayor registro de FRM.
Los pesos calculados para cada factor (Tabla 6.5) se sumaron para obtener los pesos
finales de cada clase y desarrollar la ecuación 14, cuyo resultado fue el Índice de
susceptibilidad (IS), el resultado de esta operación se refleja en los valores de los
pixeles de los mapas de susceptibilidad.
La distribución espacial de los niveles de susceptibilidad en la zona de estudio se
ilustran en el Mapa 17 y el Mapa 18, teniendo como resultado dos modelos (Modelo
3 y Modelo 4) clasificados en cinco categorías muy baja, baja, media, alta y muy alta.
El Modelo 3 contiene el análisis utilizando las unidades litológicas, la pendiente, las
unidades geomorfológicas y el uso de suelos, el Modelo 4 adiciona a los factores
mencionados la densidad de drenaje y la distancia a las estructras geologicas.
GEOPROCESAMIENTO.
65
DE POSGRADO
Tabla 6.5 Valores obtenidos al aplicar el Índice estadístico (Wi)

Área Clase Área FRM Densidad Densidad
Factores Clases Wi
(Ha) (Ha) Clase Mapa
Materiales inconsolidados conformados por
1365.169 70.756 0.052 0.021 -0.910
arenas, limos, gravas.
Depósitos inconsolidados,
conformados por arenas, limos, gravas y 4105.733 126.690 0.031 0.021 0.392
Rocas intrusivas conformadas por
Unidades litológicas
3272.575 228.446 0.070 0.021 1.208

tonalita, diorita, granodiorita y monzodiorita
Secuencia de conglomerado basal,
8016.527 353.634 0.044 0.021 0.749
tobas y andesitas
Secuencia de tobas, lavas y brechas
13280.172 67.898 0.005 0.021 1.406
dacíticas
Riolitas, calizas y areniscas 9671.550 19.973 0.002 0.021 -2.312
Aglomerados volcánicos, calizas y lutitas 1903.642 15.311 0.008 0.021 -0.953
Tobas riolíticas, areniscas y limolitas 622.623 2.141 0.003 0.021 1.803
Lutitas, calizas y conglomerados 2401.511 20.547 0.009 0.021 -0.891
Bloques y gravas consolidadas 4892.265 106.376 0.022 0.021 0.042
Areniscas y cuarcitas 28689.832 660.184 0.023 0.021 0.098
0°-5° Pendiente muy baja 3252.719 31.304 0.010 0.021 -0.774
Pendiente
5°-20° Pendiente baja 46330.050 1021.214 0.022 0.021 0.055

20°-35° Pendiente media 2085.375 75.890 0.036 0.021 0.556
35°-50° Pendiente alta 19479.920 563.687 0.029 0.021 0.327
>50° Pendiente muy alta 34236.390 506.436 0.015 0.021 -0.344
Colina en roca sedimentaria 1946.068 20.524 0.011 0.021 -0.682
Colina en roca volcánica 2431.860 7.924 0.003 0.021 -1.856
Unidades geomorfológicas
Colina y lomada en roca volcánica 5263.996 13.560 0.003 0.021 -2.091

Montaña en roca intrusiva 14975.255 163.232 0.011 0.021 -0.649
Montaña en roca volcánica 54889.100 1130.636 0.021 0.021 -0.012
Montaña en roca volcano-sedimentaria 6066.664 232.627 0.038 0.021 0.609
Terraza indiferenciada 51.355 0.187 0.004 0.021 -1.743
Valle glaciar 5825.406 119.930 0.021 0.021 -0.013
Vertiente coluvial de detritos 904.536 23.355 0.026 0.021 0.213
Vertiente glacial o de gelifracción 1100.895 7.697 0.007 0.021 -1.093
Vertiente o piedemonte aluvio-torrencial 947.942 80.076 0.084 0.021 1.399
Vertiente o piedemonte coluvio-deluvial 5066.362 396.966 0.078 0.021 1.324
Tierras aptas para cultivos en limpio con
calidad agrocológica alta y cultivos 849.814 43.326 0.051 0.021 0.894
permanentes. Requieren riego
Tierras de pastoreo con calidad agrológica
8839.983 112.975 0.013 0.021 -0.490
media. Limitación por suelo y erosión
Tierras de pastoreo de páramo con calidad
Uso de suelos
agrocológica baja. Limitación por suelo, erosión 15154.975 194.196 0.013 0.021 -0.487
y clima
agrocológica media. Limitación por suelos 12961.202 60.918 0.005 0.021 -1.490
erosión y clima
7237.456 167.832 0.023 0.021 0.106
agrológica baja. Limitación por suelo y erosión
Tierras aptas para protección. Formación de
49969.876 1316.270 0.026 0.021 0.233
nivales
Tierras aptas para protección. Formación lítica 1335.459 119.222 0.089 0.021 1.454
Cuenca_01 209.250 6.416 0.031 0.021 0.429
Cuenca_02 451.031 43.579 0.097 0.021 1.576
Cuenca_03 1002.531 140.542 0.140 0.021 1.949
Cuenca_04 1695.656 174.141 0.103 0.021 1.637
Cuenca_05 3001.625 31.888 0.011 0.021 -0.631
Densidad de drenajes
Cuenca_06 4089.578 4.572 0.001 0.021 -2.883

Cuenca_07 4164.797 66.247 0.016 0.021 -0.228
Cuenca_08 4193.031 63.845 0.015 0.021 -0.271
Cuenca_09 4564.578 400.294 0.088 0.021 1.479
Cuenca_10 5369.922 83.133 0.015 0.021 -0.255
Cuenca_11 5883.375 37.567 0.006 0.021 -1.140
Cuenca_13 7279.060 213.972 0.029 0.021 0.386
Cuenca_14 7672.811 79.802 0.010 0.021 -0.653
Cuenca_15 7901.281 82.467 0.010 0.021 -0.649
Cuenca_16 9962.203 4.300 0.000 0.021 -3.835
Cuenca_17 10260.077 190.576 0.019 0.021 -0.073
Cuenca_18 10744.047 297.236 0.028 0.021 0.326
GEOPROCESAMIENTO.
66
DE POSGRADO
Área Clase Área FRM Densidad Densidad

Factores Clases Wi
(Ha) (Ha) Clase Mapa
Cuenca_19 10794.319 184.977 0.017 0.021 -0.153
estructuras 0 – 1000 m 1319.052 14.618 0.011 0.021 -0.590
tectónicas
Distancia
1000 – 2000 m 2255.915 22.554 0.010 0.021 -0.693
2.000 – 3000 m 2301.298 26.358 0.011 0.021 -0.557
3.000 – 4000 m 2310.956 27.283 0.012 0.021 -0.526
> 4000 m 924.478 11.423 0.012 0.021 -0.481
6.3 ANÁLISIS DE SUSCEPTIBILIDAD A FRM CON EL MÉTODO ESTADÍSTICO

PESOS DE EVIDENCIA (WofE)
La Tabla 6.6 presenta los cálculos realizados con las fórmulas 11 y 12 de la

metodología WofE. En esta tabla se relacionan los datos obtenidos de la
surperposición de los FRM con cada clase de los factores codicionantes, también se
claculan las estadísticas, los pesos positivos y negativos, las densidades del método
y los pesos finales de contraste.
La relación de los registros históricos de los fenómenos de remoción en masa para

cada una de las unidades litológicas sugiere que los depósitos inconsolidados,
conformados por arenas, limos y gravas (Wf=1.017) asi como las rocas volcánico
sedimentarias compuestas por secuencias de tobas, lavas y brechas con un alto
grado de erosión (Wf= 0.520) tienen una mayor predisposición para la ocurrencia
de FRM, así mismo las laderas con pendientes entre 20º y 35° presentan una
predisposición a la ocurrencia de FRM, eso se refleja en el valor positivo del Wf igual
a 0.752.
En el caso de las unidades geomorfológicas, la clase correspondiente a las

vertientes y piedemontes coluvio-deluviales muestran una mayor predisposición a la
ocurrencia de los FRM, los cálculos realizados muestran un valor de Wf igual a
2.029. A igual que con la metodología (Wi), los pesos de cada clase se sumaron en
la ecuación 14, para definir el índice de susceptibilidad (IS). El valor de los IS está
reflejado en el valor de los pixeles de los modelos 5 y 6 distribuidos en cinco
categorías: muy baja, baja, media, alta y muy alta susceptibilidad.
El Modelo 5 relaciona cuatro factores condicionantes correspondientes a las

unidades litológicas, la pendiente, las unidades geomorfológicas y el uso de suelo,
mientras que el Modelo 6 incorporó dos unidades más: la densidad de drenajes y la
distancia las estructuras tectónicas, los resultados se observan en el Mapa 19 y el
Mapa 20.
GEOPROCESAMIENTO.
67
DE POSGRADO
Tabla 6.6 Valores obtenidos al aplicar la metodología Pesos de evidencia (WofE)

Pixeles Pixeles
Factores Clases % FRM % Clase Wi+ Wi- Wf
FRM Clase
Materiales inconsolidados conformados
54 0.160% 17177 1.018% -1.855 0.009 -1.864
por arenas, limos, gravas.
Depósitos inconsolidados, conformados
por arenas, limos, gravas y 1127 3.346% 21847 1.294% 0.996 -0.022 1.017
Unidades litológicas
Rocas intrusivas conformadas por tonalita,

2027 6.017% 65728 3.894% 0.485 -0.024 0.510
diorita, granodiorita y monzodiorita
Secuencia de conglomerado basal, tobas y
1734 5.148% 97550 5.779% -0.061 0.003 -0.064
andesitas
Secuencia de tobas, lavas y brechas
5911 17.547% 215970 12.795% 0.446 -0.074 0.520
dacíticas
Riolitas, calizas y areniscas 2828 8.395% 276603 16.387% -0.524 0.065 -0.589
Aglomerados volcánicos, calizas y lutitas 3983 11.824% 207202 12.275% 0.080 -0.010 0.090
Tobas riolíticas, areniscas y limolitas 0 0.000% 1580 0.094% 0.000 0.001 -0.001
Lutitas, calizas y conglomerados 34 0.101% 14357 0.851% -2.141 0.008 -2.148
Aglomerados volcánicos, calizas y lutitas 0 0.000% 48955 2.900% 0.000 0.029 -0.029
Areniscas y cuarcitas 10069 29.891% 459116 27.200% 0.341 -0.116 0.458
0°-5° Pendiente muy baja 522 1.55% 52347 3.10% -0.673 0.015 -0.689
Pendiente
5°-20° Pendiente baja 8130 24.14% 547287 32.45% -0.015 0.005 -0.020
20°-35° Pendiente media 16172 48.01% 743063 44.05% 0.459 -0.293 0.752
35°-50° Pendiente alta 7914 23.50% 311144 18.45% 0.420 -0.100 0.520
>50° Pendiente muy alta 946 2.81% 32854 1.95% 0.395 -0.009 0.404
Colina en roca sedimentaria 332 0.99% 31151 1.85% -0.618 0.009 -0.627
Colina en roca volcánica 131 0.39% 38955 2.31% -1.774 0.019 -1.794
Unidades geomorfológicas
Colina y lomada en roca volcánica 215 0.64% 84433 5.00% -2.027 0.043 -2.070
Montaña en roca intrusiva 2613 7.76% 239839 14.21% -0.479 0.053 -0.532
Montaña en roca volcánica 15602 46.32% 878623 52.05% 0.307 -0.205 0.512
Montaña en roca volcano-sedimentaria 2664 7.91% 97318 5.77% 0.381 -0.027 0.408
Terraza indiferenciada 2 0.01% 834 0.05% -2.136 0.000 -2.137
Valle glaciar 1921 5.70% 93244 5.52% 0.087 -0.005 0.092
Vertiente coluvial de detritos 382 1.13% 14469 0.86% 0.295 -0.003 0.298
Vertiente glacial o de gelifracción 120 0.36% 17606 1.04% -1.077 0.007 -1.084
Vertiente o piedemonte aluvio-torrencial 1272 3.78% 15158 0.90% 1.513 -0.030 1.543
Vertiente o piedemonte coluvio-deluvial 8404 24.95% 81067 4.80% 1.785 -0.244 2.029
Tierras aptas para cultivos en limpio con
calidad agrocológica alta y cultivos 687 2.04% 13608 0.81% 0.968 -0.013 0.980
permanentes. Requieren riego
3694 10.97% 242468 14.37% -0.138 0.018 -0.157
baja. Limitación por suelo y erosión
745 2.21% 141466 8.38% -1.265 0.059 -1.325
media. Limitación por suelo y erosión
Uso de suelos

agrológica baja. Limitación por suelo, 20030 59.46% 799861 47.41% 0.626 -0.520 1.147
erosión y clima
agrocológica media. Limitación por suelos 980 2.91% 207482 12.30% -1.339 0.088 -1.427
erosión y clima
Tierras aptas para protección. Formación
1914 5.68% 21426 1.27% 1.585 -0.047 1.631
lítica
Tierras aptas para protección. Formación
2684 7.97% 115863 6.87% 0.220 -0.017 0.237
de nivales
Cuenca_01 104 0.31% 3340 0.20% 0.458 -0.001 0.459
Cuenca_02 693 2.06% 7231 0.43% 1.654 -0.017 1.670
Cuenca_03 2245 6.66% 16029 0.95% 2.088 -0.061 2.149
Cuenca_04 2788 8.28% 27147 1.61% 1.742 -0.072 1.814
Densidad de drenajes
Cuenca_05 507 1.51% 48027 2.85% -0.618 0.013 -0.631

Cuenca_06 69 0.21% 65375 3.88% -2.920 0.037 -2.957
Cuenca_07 1059 3.14% 66627 3.95% -0.193 0.007 -0.200
Cuenca_08 1013 3.01% 67139 3.98% -0.245 0.009 -0.254
Cuenca_09 6419 19.06% 73032 4.33% 1.597 -0.172 1.769
Cuenca_10 1331 3.95% 85931 5.09% -0.208 0.010 -0.217
Cuenca_11 602 1.79% 94094 5.58% -1.096 0.037 -1.133
Cuenca_12 0 0.00% 98774 5.85% 0.000 0.058 -0.058
Cuenca_13 3430 10.18% 116546 6.91% 0.466 -0.041 0.507
Cuenca_14 1281 3.80% 122854 7.28% -0.588 0.032 -0.620
Cuenca_15 1300 3.86% 126432 7.49% -0.600 0.034 -0.633
GEOPROCESAMIENTO.
68
DE POSGRADO
Pixeles Pixeles
Factores Clases % FRM % Clase Wi+ Wi- Wf
FRM Clase
Cuenca_16 65 0.19% 159441 9.45% -3.819 0.090 -3.909
Cuenca_17 3062 9.09% 164341 9.74% 0.024 -0.002 0.027
Cuenca_18 4762 14.14% 172077 10.20% 0.433 -0.056 0.490
Cuenca_19 2956 8.78% 172816 10.24% -0.058 0.006 -0.064
0 – 1000 m 222 0.66% 21116 1.25% -0.639 0.006 -0.645
estructuras
tectónicas
Distancia
1000 – 2000 m 362 1.07% 36083 2.14% -0.677 0.011 -0.688

2.000 – 3000 m 416 1.23% 36896 2.19% -0.559 0.009 -0.568
3.000 – 4000 m 432 1.28% 37001 2.19% -0.523 0.009 -0.532
> 4000 m 32088 95.22% 1541130 91.35% 0.701 -2.402 3.103
6.4 VALIDACIÓN DEL MODELO DE SUSCEPTIBILIDAD
Para medir la bondad de representación de los mapas de susceptibilidad, se

construyeron las curvas de éxito para cada modelo, estas curvas relacionan el
porcentaje de píxeles acumulados de FRM, respecto al porcentaje acumulado de los
valores de los índices de susceptibilidad en la zona donde se desarrolla la carretera
LM-116.
Las curvas de éxito miden la bondad de ajuste de la función de susceptibilidad a los
FRM inventariados y para su construcción se deben ordenar los valores de IS en
orden descendente y dividirlos en percentiles de 100 categorías (Dahal et al, 2008).
Estas curvas se construyeron en términos del área total de la zona de estudio y el
área total de los fenómenos de remoción en masa considerados.
Una vez construida la curva se evaluó el área bajo la curva (ABC), para establecer la
calidad de ajuste de los datos. Cuanto más pronunciada sea la parte inicial de la
curva y mayor el ABC, mejor será la capacidad de la función para describir la
distribución de los FRM. Un porcentaje aceptable de ajuste debe ser mayor a 70%
(SGC, 2017).
En la Figura 6.3 se presentan las curvas de éxito de todas las combinaciones
obtenidas, este análisis indica que los modelos con un mayor porcentaje de ABC
fueron los modelos de susceptibilidad desarrollados con metodologías estadísticas
bivariadas: el ABC correspondiente al modelo 4 (metodología Wi) fue de 77.93% y el
ABC del modelo 6 desarrollado con la metodología WofE fue de 78.85 %.
Los resultados señalan un desempeño y capacidad de predicción similar para ambos
modelos. El mapa obtenido con el método WofE presenta un valor ligeramente
superior en la capacidad de predicción (Tabla 6.7).
GEOPROCESAMIENTO.
69
DE POSGRADO
Figura 6.3 Curvas de éxito correspondientes a los 6 modelos de susceptibilidad a FRM.
Tabla 6.7 Porcentajes del ABC correspondientes a los modelos de susceptibilidad a FRM.
Modelo de susceptibilidad a Área bajo la curva
FRM (ABC)
IS 1 (AHP) 69.39%
IS 2 (AHP) 69.74%
IS 3 (Wi) 76.76%
IS 4 (Wi) 77.93%
IS 5 (WofE) 72.99%
IS 6 (WofE) 78.85%
Promedio 74.28%
Máximo 78.85%
Mínimo 69.39%
6.5 SELECCIÓN Y EVALUACIÓN DEL MODELO DE SUSCEPTIBILIDAD
A partir de los resultados de la aplicación de los métodos multicriterio (AHP), Índice

estadístico (Wi) y el Peso de la evidencia (WofE), se determinó que el Modelo 6 es el
más adecuado para la zonificación de las áreas susceptibles a FRM, debido a que
obtuvo el mayor ajuste con respecto a los demás mapas. A partir de ese resultado se
efectuó el análisis espacial de la susceptibilidad a varios tramos de la vía LM-116
con base a dos herramientas de geoprocesamiento: el análisis de proximidad y el
análisis de superposición; este proceso permitió verificar que las zonas con
susceptibilidad alta y muy alta se encuentran en tres sectores bien diferenciados,
correspondientes a las progresivas: km 14+000 - km 36+000, km 39+000- km
51+000 y km 66+000 - km 80+000 (Mapa 21).
La distribución de las clases de susceptibilidad fue analizada en los dos modelos con
mayor ajuste, en este análisis se observa que el 22% del área total del Modelo 6
representa a las áreas muy susceptibles a la ocurrencia de FRM a diferencia del
Modelo 4 en donde un 11% del área evaluada es muy susceptible (Figura 6.4).
GEOPROCESAMIENTO.
70
DE POSGRADO
De otro lado en el Modelo 6, el 40% de los FRM se encuentran ubicados en zonas de

muy alta susceptibilidad y el 47% de los FMR se ubican en las áreas de alta
susceptibilidad (Figura 6.5). Estos porcentajes son buenos indicadores, según los
criterios de Van Westen (2016), quien indica que las categorías de susceptibilidad
alta y muy alta deben tener la mayor área acumulada de fenómenos de remoción en
masa. Como parte de la zonificación de susceptibilidad a FRM, se realizó un
contraste entre imágenes de Google Earth y las zonas con mayor predisposición a la
ocurrencia de FRM (Figura 6.6 y Mapa 22).
Figura 6.4 Porcentaje de áreas susceptibles a la ocurrencia de FRM en los modelos con mayor
porcentaje de ABC.
Figura 6.5 FRM Vs. las distintas clases de susceptibilidad en el Modelo 4 y el Modelo 6.
GEOPROCESAMIENTO.
71
DE POSGRADO
Figura 6.6 Contraste entre imágenes de Google Earth y sectores de muy alta susceptibilidad
ubicados los km 40+000 y km 51+000 de la carretera LM-116.
6.6 DISCUSIÓN DE RESULTADOS
Uno de los puntos clave para elaborar los modelos de susceptibilidad es el modelo
de elevación digital (DEM) generado con imágenes ALOS PALSAR (12.5 m de
resolución) este insumo es el punto de partida para la obtención de las variables
morfométricas del área a trabajar, condicionando el detalle y la fidelidad de variables
tales como la pendiente y la densidad de drenaje como consecuencia de esto, son
GEOPROCESAMIENTO.
72
DE POSGRADO
generados modelos de susceptibilidad con diferencias. Tal es el caso del modelo 1 y

el modelo 2 en donde los índices de susceptibilidad cambian en un mismo sector de
la zona evaluada.
Analizando comparativamente los modelos que obtuvieron los mejores resultados en
la curva de éxito (modelo 4 y modelo 6) con relación a los modelos que tuvieron
menores porcentajes (modelo 1 y modelo 2) se evidencia que la metodología a partir
de la cual se construyeron los modelos de susceptibilidad condiciona los resultados
de los valores de los índices de susceptibilidad. En el caso de los modelos 1 y 2 se
utilizó la metodología (AHP) estos modelos obtuvieron valores menores al 70% en
área bajo la curva, lo cual indicaría que las metodologías basadas en las opiniones
del experto podrían tener criterios subjetivos.
De otro lado los modelos con valores mayores al 70 % en área bajo la curva fueron
desarrollados con metodologías estadísticas y también se incluyeron dos variables
diferentes como la distancia a las estructuras tectónicas y la densidad de drenajes
con lo cual se esperaba como resultados modelos de susceptibilidad con mayor
definición.
Teniendo en cuenta las áreas y porcentajes consignados en la Figura 6.4, se
evidencia que existe un cambio en el porcentaje de zonas con susceptibilidad muy
alta obtenido en ambos modelos de susceptibilidad. No obstante, el modelo 4 y el
modelo 6 presentan la efectividad espacial a la que debería estar sujeta un modelo
de susceptibilidad ya que representa los sectores en donde hay evidencias de la
ocurrencia de FRM.
Al comparar las metodologías empleadas y los resultados obtenidos en esta tesis con
los resultados obtenidos en diferentes publicaciones en donde también se
desarrollan modelos de susceptibilidad a FRM se observan varios puntos en común
por ejemplo en la publicación de Guzzetti (1999) y Lee et al., (2008) se llega a la
conclusión de que los métodos estadísticos tienen un mejor desempeño en
comparación de la metodología AHP debido a que el análisis estadístico permite
establecer relaciones de causa y efecto entre las variables condicionantes
seleccionadas y la ocurrencia de FRM, permitiendo identificar cuáles son aquellas
condiciones naturales del terreno que favorecen la ocurrencia de fenómenos de
remoción en masa.
GEOPROCESAMIENTO.
73
DE POSGRADO Capítulo VII: Peligrosidad, vulnerabilidad y riesgo por FRM en obras lineaes
7 VII. RECOMENDACIONES PARA LA ELABORACIÓN DE MODELOS DE

PELIGROSIDAD, VULNERABILIDAD Y RIESGO POR FRM EN OBRAS
LINEALES
Como se mencionó en el acápite 2.2, la susceptibilidad a FRM define la distribución

espacial de movimientos en masa existentes o que potencialmente pueden ocurrir en un
área y su determinación se basa solamente en el análisis de factores intrínsecos o
condicionantes. Para realizar un análisis de mayor complejidad acerca de la
problemática de los FRM en las carreteras se deben elaborar modelos de peligrosidad,
vulnerabilidad y de riesgo. A continuación se mencionan algunas pautas metodológicas
para realizar modelos de peligrosidad, vulnerabilidad y riesgo a FRM en obras lineales.
7.1 MODELO DE PELIGROSIDAD
• Para transformar un modelo de susceptibilidad en un modelo de peligrosidad

se debe tener en cuenta la probabilidad espacio temporal de la ocurrencia de
los frm, es recomendable que esta transformación se realice considerando
distintos escenarios.
• Para formular los escenarios se deben tener en cuenta los factores

detonantes de FRM más usuales en la zona a analizar, como la actividad
sísmica, las precipitaciones intensas o la acción superficial del terreno por la
actividad humana. Por ejemplo se pueden generar modelos de peligrosidad
teniendo en cuenta como un input del algebra de mapas, un modelo que
represente la peligrosidad sísmica probabilística para un periodo de retorno
específico, un ejemplo de este tipo de modelos se presenta en Garcia (2008).
• Junto con el análisis de peligrosidad de deben evaluar los elementos

expuestos que se encuentran en el área de ocurrencia de los FRM, en este
punto los análisis podrían centrarse en las obras de arte construidas a lo
largo de las obras lineales.
7.2 MODELO DE VULNERABILIDAD
• Una vez que el modelo de peligrosidad ha sido desarrollado es necesario

evaluar la vulnerabilidad, se debe analizar el tipo de vulnerabilidad a evaluar,
frecuentemente en el análisis de obras lineales se desarrollan análisis de
vulnerabilidad física y vulnerabilidad económica.
• Un modelo de vulnerabilidad económica en una carretera debe tener en

cuenta las pérdidas directas y las perdidas indirectas, dentro de las pérdidas
GEOPROCESAMIENTO.
74
DE POSGRADO Capítulo VII: Peligrosidad, vulnerabilidad y riesgo por FRM en obras lineaes
directas se agrupan las perdidas monetarias en tramos específicos de la

obra lineal como consecuencia de la ocurrencia de FRM. Las perdidas
indirectas son complicadas de evaluar debido a la escasa experiencia
existente en este ámbito. Para estimar las pérdidas indirectas se debe
recurrir a la propuesta de escenarios que puedan representar situaciones
más probables de acuerdo con el criterio de experto (Bonachea, 2006), para
elaborar este tipo de modelos se necesitan una cantidad de datos
considerable de manera que se puedan definir escenarios que tengan en
cuenta las actividades económicas de la zona a evaluar, la intensidad diaria
de tráfico a lo largo de las vías de comunicación, la distancia recorrida de
cada sector vial afectado por FRM hasta el punto de destino. Por ejemplo un
escenario que se puede tomar en cuenta son las pérdidas de horas de los
trabajadores al no llegar a sus centros de trabajo, las perdidas por retrasos
en entregas de mercadería o las distancias recorridas en las rutas
alternativas realizadas por los afectados, para esto último se puede hacer
uso de los análisis de redes mediante SIG.
7.3 MODELO DE RIESGO
Una vez que se han realizado lo modelos de peligro y vulnerabilidad se

deben desarrollar los modelos de riesgo para escenarios específicos,
Debido a que la evaluación de riesgos por FRM incluye diferentes tipos
de movimientos, con distintas magnitudes y frecuencias, se deben
integrar distintos escenarios de peligrosidad con sus correspondientes
vulnerabilidades, por ejemplo se puede elaborar un mapa de riesgo a
FRM activados por sismos para un periodo de retorno de 475 años que
indique las pérdidas económicas en distintos tramos una carretera.
Es importante mencionar que los valores obtenidos en los mapas de

riesgo deben considerarse como aproximaciones a lo que podría
suceder en el futuro, no deben tomarse como predicciones exactas.
GEOPROCESAMIENTO.
75
DE POSGRADO Capítulo VIII: Conclusiones y recomendaciones
8 VIII CONCLUSIONES Y RECOMENDACIONES
8.1 CONCLUSIONES
• Las obras lineales resultan fundamentales en los procesos de planificación

territorial, así mismo tienen un papel fundamental en la toma de decisiones
sectoriales, es por esta razón que se le debe dar especial atención para
proteger su integridad y funcionamiento, se deben enfocar los esfuerzos en
el proceso de identificación de la susceptibilidad y el peligro ante fenómenos
de remoción en masa.
• Los sistemas de información geográfica (SIG) han mostrado ser muy útiles en
el contexto de estudios de susceptibilidad a FRM, ya que permiten emplear
modelos digitales de elevación para obtener y analizar factores
geomorfométricos intrínsecos en la activación de laderas propensas a la
inestabilidad. Sin duda los SIG son una herramienta fundamental para el
análisis, almacenamiento y desarrollo de datos espaciales, por lo que
resultan ser un instrumento para diseñar, operar y mantener obras lineales
como vías, gasoductos, entre otros.
• El uso de información geoespacial de libre acceso de las plataformas

geoespaciales de entidades estatales como INGEMMET, MTC, entre otros,
fue fundamental para definir la zona en donde se desarrolló esta tesis, el
análisis de esta información permitió reconocer que una gran cantidad de
procesos morfodinámicos están concentrados en las carreteras que conectan
Lima con la zona centro andina del país tal como la Carretera Central y la
Carretera LM-116 (Santa Eulalia - Marcapomacocha).
• La delimitación de la zona de estudio tomando como límites las

microcuencas, permitió evaluar las características del terreno y aseguró su
análisis de forma objetiva, evitando la subjetividad al momento de evaluar los
límites del modelo de susceptibilidad a los fenómenos de remoción en masa.
• En esta tesis se utilizaron tres métodos ampliamente conocidos en la

evaluación y zonificación de la susceptibilidad por fenómenos de remoción en
masa: evaluación multicriterio denominada Análisis Jerárquico (AHP) y dos
métodos estadísticos bivariados: el Índice Estadístico (Wi) y Pesos de la
evidencia (WofE). Estos tres métodos fueron implementados a través de
GEOPROCESAMIENTO.
76
herramientas de la geomática, permitiendo analizar la relación directa entre

los factores condicionantes y los FRM.
• Las metodologías que mejor se ajustan a la evaluación de susceptibilidad a

FRM son las metodologías estadísticas, estas demostraron ser eficientes y
lograron un buen desempeño en las curvas de éxito en comparación con la
metodología multicriterio (AHP). Los porcentajes alcanzados en el área bajo la
curva por las metodologías Índice estadístico Wi y Pesos de evidencia WofE
superaron el 70%. Esto confirma que los métodos estadísticos bivariados
representan una herramienta adecuada en la evaluación de la
susceptibilidad a FRM, aportando procedimientos objetivos y cuantitativos
para la zonificación de la susceptibilidad por fenómenos de remoción en
masa.
• La representación cartográfica de la zona de estudio mejoró gracias al uso de

los factores calculados a partir del DEM (pendientes, densidad de drenajes).
Los datos correspondientes a las unidades litológicas y geomorfológicas
litología a escala 1:100.000 suministraron información pero no aportan el
detalle requerido para asimilarlos a una escala detallada. Por tanto, los
resultados obtenidos no tienen una escala específica derivada de la
diferencia de escala de los datos originales, pero sus resultados pueden ser
usados para estudios a escalas semidetalladas (1:25.000 - 1:50.000).
• Las metodologías multicriterio como el análisis jerárquico AHP, son una

herramienta práctica para la evaluación de la susceptibilidad a FRM, este tipo
de evaluación puede ser empleado como un análisis referencial cuando no
se cuente con data suficiente para elaborar un modelo estadístico.
• No existe un mejor o peor modelo de susceptibilidad a FRM, el desarrollo

matemático complejo no garantiza un mejor resultado, ni tampoco lo
garantizan los modelos más sencillos. Lo importante es identificar los
factores condicionantes convenientes y modelarlos de una forma lógica,
siendo éste el trabajo de profesionales con conocimientos de ciencias de la
tierra y gestión de riesgo de desastres, permitiendo seleccionar el modelo
más adecuado con criterios cuantitativos.
8.2 RECOMENDACIONES
Las recomendaciones escritas a continuación están orientadas a los profesionales

encargados de la elaboración de estudios de riesgo por fenómenos de remoción en
GEOPROCESAMIENTO.
77
masa, planificadores y tomadores de decisiones a nivel de ingeniería cuya labor esté

relacionada a la gestión de riesgos por FRM y planificación del territorio.
• Se recomienda crear proyectos orientados a la evaluación espacial con SIG

para un análisis territorial de la infraestructura y operación del transporte,
con la perspectiva de la susceptibilidad, peligro, vulnerabilidad y riesgo a FRM
teniendo en cuenta un enfoque multidisciplinario.
• Los modelos de susceptibilidad aplicados a obras lineales deben estar

orientados a zonificar tramos específicos definidos por progresivas, en donde
se visualicen de manera práctica los diferentes rangos de susceptibilidad a
fenómenos de remoción en masa. De esta manera los tomadores de
decisiones a nivel de ingeniería podrán reconocer los sectores de alta y muy
alta susceptibilidad.
• Para realizar el análisis de susceptibilidad a FRM, se recomienda realizar

investigaciones en campo que incluyan el cartografiado de geoformas
indicativas de inestabilidad, este análisis debe estar reflejado en un
inventario de peligros geológicos detallado en el área de estudio.
• Los métodos más efectivos para el análisis de susceptibilidad se basan en la

relación que tienen las áreas o la cantidad de pixeles de los FRM con los
factores condicionantes. Estos enfoques resaltan la necesidad de disponer
de inventarios de fenómenos de remoción en masa detallados.
• Se recomienda el uso de métodos estadísticos bivariados debido a que evitan

la subjetividad de asignar pesos a las variables condicionantes de forma
cualitativa como en las metodologías multicriterio. Los métodos estadísticos
proporcionan resultados confiables que pueden ser verificados fácilmente en
campo.
• Más allá de las metodologías estadísticas, los métodos de aprendizaje

automático, como el Machine learning, representan una alternativa para el
desarrollo modelos de susceptibilidad a FRM. Es recomendable desarrollar
modelos implementando técnicas como la regresión logísitca (LR), los
árboles de decisión (DT), las redes neuronales artificiales (ANN).
GEOPROCESAMIENTO.
78
DE POSGRADO
REFERENCIAS BIBLIOGRÁFICAS
1. Abril, A. (2011). Estudio e implementación de un modelo para la zonificación

de áreas susceptibles a deslizamiento mediante el uso de sistemas de
información geográfica: Caso de estudio sector Quimsacocha (tesis de grado).
Universidad de Cuenca, Cuenca, Ecuador.
2. Alcántara, I. (2000). Landslides: ¿deslizamientos o movimientos del terreno?

Definición, clasificaciones y terminología. Investigaciones geográficas, (41), 7-
25.
3. Aristizabal, E., Vásquez, M., y Ruiz, D. (2019). Métodos estadísticos para la

evaluación de la susceptibilidad por fenómenos de remoción en masa.
TecnoLógicas, 22(46), 39-60.
4. Autoridad Nacional de Agua - ANA (2010) Proyecto: Evaluación de los

Recursos Hídricos de la Cuenca del Río Rimac. Estudio Hidrológico y
Ubicación de la Red de Estaciones Hidrométricas en la Cuenca del Río
Rímac. Lima , Perú
5. Bigarella, J., Passos, E., Herrmann, M., Santos, G., Mendonça, M., Salamuni,
E. and Suguio, K. (2007). Estruturas e Origem das paisagens tropicais e
subtropicais: processos erosivos, vertentes, movimentos de massa, atividade
endógena, superfícies de erosão, compartimentação do relevo, depósitos
correlativos e ambientes fluviais. UNFSC, 3, 556.
6. Blais-Stevens, A., Behnia, P., Kung, R. (2012). Landslide susceptibility

mapping of the Sea to Sky transportation corridor,British Columbia, Canada:
Comparison of two methods. Bulletin of Engineering Geology and the
Environment, 73(2), 687-688.
7. Bonachea, J. (2006). Desarrollo, aplicación y validación de procedimientos y
modelos para la evaluacion de amenazas, vulnerabilidad y riesgo debidos a
procesos geomorfológicos (tesis doctoral). Universidad de Cantabria,
Santander, España.
8. Bordoni, M., Persichillo, G., Meisina, C., Crema, S., Cavalli, M., Bartelletti, C.,
Galanti,Y., Barsanti,M., Giannecchini, R., and D’Amato. G. (2018). Estimation
of the susceptibility of a road network to shallow landslides with the
integration of the sediment connectivity. Natural Hazards and Earth System
Sciences, (18), 1735–1758.
9. Brabb, E. (1985). Innovative approaches to landslide hazard and risk
mapping. IVth International Conference and Field Workshop in Landslides, (1),
17-22.
10. Caribbean Risk Information System. (2016). Caribbean handbook on risk

information Management. Generating a landslide susceptibility map along the
road network. http://www.charim.net/printpdf/61.
11. Can, T., Nefeslioglu, H. A., Gokceoglu, C., Sonmez, H., and Duman, T. Y.
(2005). Susceptibility assessments of shallow earthflows triggered by heavy
rainfall at three catchments by logistic regression analyses. Geomorphology,
GEOPROCESAMIENTO.
79
UNIDAD DE POSGRADO
72(1-4), 250-271.
12. Centro Nacional de Estimación, Prevención y Reducción del Riesgo de

Desastres - CENEPRED (2014). Manual para la Evaluación de Riesgos
Originados por Fenómenos Naturales – 2da Versión. Lima. Perú.
13. Çevik, E., Topal, T. (2003). GIS-based landslide susceptibility mapping for a
problematic segment of the natural gas pipeline, Hendek (Turkey).
Environmental Geology, 44, 949–962 (2003).
14. Chalkias, C., Ferentinou, F., and Polykretis, C. (2014). GIS Supported
Landslide Susceptibility Modeling at Regional Scale: An Expert-Based Fuzzy
Weighting Method. International Journal of Geo-Information, 3(2), 523-539.
15. Coelho, A., Avelar, A. and Lacerda, W. (2009). Landslides and disasters in
southeastern and southern Brazil. Earth Surface Processes and Landforms,
13, 223-243.
16. CORANTIOQUIA, (2002) Universidad Nacional de Colombia, Instituto de

Investigaciones en Geociencias, Minería y Química, INGEOMINAS. 2002.
Mapa geomorfológico, de amenazas y de áreas degradadas de la jurisdicción
de CORANTIOQUIA a escala 1:100.000. Informe Final. Medellín. Colombia.
17. Corominas, J. y García-Yagüe, A. (1997). Terminología de los movimientos de

ladera. IV Simposio Nacional de Taludes y Laderas Inestables-Granada, 3,
1051–1072. Granada, España.
18. Corominas, J., Van Westen, C., and Frattini, P. (2014). Recommendations for
the quantitative analysis of landslide risk. Bulletin Engineering Geology and
the Environment, 73(2), 209-263.
19. Cruden, D. (1991). A simple definition of a landslide. Bulletin of the

International Association of Engineering Geology 43(1), 27-29.
20. Cruden, D., and Varnes, D. (1996). Lanslides: Investigation and Mitigation.
Chapter 3 - Landslide Types and Processes. Special Report - National
Research Council 247, 36-75.
21. D. S. No 111-2012-PCM. Que incorpora la Política Nacional de Gestión del

Riesgo de Desastres como Política Nacional de obligatorio Cumplimiento para
la entidades del Gobierneo Nacional. Diario Oficial El Peruano (2012).
22. Dahal, R., Hasegawa, S., Nonomura, A., Yamanaka, M., Dhakal, S., and
Paudyal, P. (2008). Predictive modelling of rainfall-induced landslide hazard
in the Lesser Himalaya of Nepal based on weights-of-evidence.
Geomorphology, 102(3-4), 496-510.
23. Delgadillo, A. y Páez, G. (2008). Aspectos hidrológicos, subcuencas

susceptibles a crecidas, escenarios de riesgo. Plan de desarrollo urbano del
Municipio Antonio Pinto Salinas, bajo el enfoque de gestión del riesgo.
Caracterización del riesgo de la cuenca del valle Mocoties. Mérida:
FUNDAPRIS.
GEOPROCESAMIENTO.
80
UNIDAD DE POSGRADO
24. Departamento Nacional de Planeación - DNP (2014). Programa actual de la

infraestrutura de transporte de combustibles líquidos. Bogotá, Colombia.
25. Dieu, B., Tien, Ho., Inge, R., Biswajeet, P. and Duy, N. (2014). Landslide
Susceptibility Mapping Along the National Road 32 of Vietnam Using GIS-
Based J48 Decision Tree Classifier and Its Ensembles. Geoinformation and
Cartography, 303-317
26. EPOCH (1993). European Community Programme. Temporal occurrence and

forecasting of landslides In the European Communiiy, Flageollet, J. C. (ed.), 3
volumes, Contract N° 90 0025.
27. Filho, O., Magalhães. F. (2004). Identification of slope instability hazard areas
in the Anchieta – Imigrantes highway system, located in the Serra do
Marmountain rang, São Paulo State, Brazil. Landslides: Evaluation and
Stabilization. 273-279.
28. Garcia, M. (2009). Metodologías para la evaluación de peligrosidad a los

deslizamientos inducidos por terremotos (tesis doctoral). Universidad de
Alcalá. Alcalá de Henares, España.
29. González, M. (2015). Comparación entre los métodos heurístico, estadístico

univariado y estadístico bivariado, para la zonificación de amenazas por
fenómenos de remoción en masa a escala 1: 25.000 en el municipio de
Santa Bárbara, departamento de Antioquia (tesis de grado), Universidad
EAFIT, Medellín, Colombia.
30. Guerrero, S. (2013). Gestión de riesgo de Desastres. Proyecto Comparte

Esperanza ONG ADRA, 1-41
31. Guzzetti, F., Carrara, A., Cardinali, M., and Reichenbach, P. (1999). Landslide
hazard evaluation: a review of current techniques and their application in a
multi-scale study, Central Italy. Geomorphology, 31(1), 181-216.
32. Guzzetti, F., Reichenbach, P., Cardinali, M., Galli, M., and Ardizzone, F. (2005).
Probabilistic landslide hazard assessment at the basin scale. Geomorphology,
72(14), 272-299.
33. Hervás, J., Barredo, J., y Lomoschitz, A. (2002). Elaboración de mapas de

susceptibilidad de deslizamientos mediante SIG, teledetección y métodos de
evaluación multicriterio. Aplicación a la depresión de Tirajana (Gran Canaria).
Mapas de susceptibilidad a los movimientos de Ladera técnicas SIG,
Fundamentos y aplicaciones en España, Instituto Geológico Minero de
España, 169-180.
34. Hidalgo, C., Vega, J., Pacheco, A. Villarraga, M. (2012). Estimación de

amenaza por deslizamiento en proyectos lineales: carreteras en suelos
residuales. IV Simposio Panamericano de Deslizamientos. Sociedad
Colombiana de Geotecnia. Bogotá, Colombia.
35. Hutchinson, J. (1988). General report: morphological and geotechnical

parameters of landslides in relation to geology and hydrogeology. Fifth
international symposium on landslides, Balkema, Rotterdam/Brookfield, 1,
GEOPROCESAMIENTO.
81
UNIDAD DE POSGRADO
3–136.
36. Instituto Geológico Minero y Metalúrgico - INGEMMET (2006). Estudio

Geoambiental de la Cuenca del Río Chancay – Lambayeque. Boletín 33 Serie
C. Lima – Perú.
37. Instituto Geológico Minero y Metalúrgico - INGEMMET (2007). Estudio

Geoambiental de la Cuenca de los Ríos Jequetepeque y Loco de Chaman.
Boletín 36 Serie C. Lima – Perú.
38. Instituto Geológico Minero y Metalúrgico - INGEMMET (2010). Mapa de

susceptibilidad por fenómenos de remoción en masa del Perú. Dirección de
Geología Ambiental y Riesgo Geológico. Lima- Perú.
39. Instituto Geológico Minero y Metalúrgico - INGEMMET (2010). Estudio de

peligros geológicos del Perú. Franja N° 4. Dirección de Geología Ambiental y
Riesgo Geológico. Boletín 29 Serie C . Lima- Perú.
40. Instituto Nacional de Defensa Civil – INDECI (2017). Compendio estadístico

del INDECI 2017 – Gestión reactiva. Lima-Perú.
41. Jenson, S., and Domingue, J. (1988). Extracting topographic structure from
digital elevation data for geographic information system analysis.
Photogrammetric engineering and remote sensing, 54(11), 1593-1600.
42. Kanwarpreet, S., Virender, K. (2017). Landslide hazard mapping along
national highway-154A in Himachal Pradesh, India using information value
and frequency ratio. Arabian Journal of Geosciences, 10 (539), 1-18.
43. Korup, O., Stolle, A., 2014. Landslide prediction from machine learning.
Geology Today, 30(1), 26–33.
44. Lee, C., Huang, C., Lee, J. Pan, K., Lin, M., and Dong, J. (2008). Statistical
approach to storm event-induced landslides susceptibility. Natural Hazards
Earth System Sciences, 8(4), 941–960.
45. Lee, S., Yoon, Y. (2017). Risk mapping of landslide hazard on road network in
Korea. Asian Journal of Research, (6), 74-116.
46. Mendoza, J., Aristizábal, E. (2017). Metodología para la zonificación de la

susceptibilidad por fenómenos de remoción en masa en proyectos lineales.
Estudio de caso en el acueducto del municipio de Fredonia, Antioquia.
Ingeniería y Ciencia, 13(26), 173-206.
47. Merghadi, A., Dou, Jie., Yunus, Ali., and Whiteley, J. (2020) Machine learning
methods for landslide susceptibility studies: A comparative overview of
algorithm performance. Earth-Science Reviews.
48. Mezughi, T., Akhir, J., Rafeck, A., Abdullah, I. (2012). Analytical Hierarchy
Process Method for Mapping Landslide Susceptibility to an Area along the E-
W Highway (Gerik-Jeli). Malaysia Asian Journal of Earth Sciences, 5 (1) 13-24.
49. Ministerio de Transportes y Comunicaciones – MTC. (2014). Manual de
GEOPROCESAMIENTO.
82
UNIDAD DE POSGRADO
carreteras. Diseño geométrico DG-2014. Lima, Perú.
50. Ministerio de Transportes y Comunicaciones – MTC. (2017). Hoja vial Emp.

PE-22 (Dv. Sta. Eulalia) - Sta. Eulalia - Dv. San Lorenzo de Huachupampa - Dv.
Huanza - Emp. PE-3N G.
51. Ministerio del Ambiente, MINAM-DGOT (2015). Mapa de susceptibilidad física

del Perú. Zonas propensas a inundaciones y deslizamientos en la costa y
sierra frente a la ocurrencia de eventos hidrometeorológicos extremos. Lima,
Perú.
52. Municipalidad de Medellín (2012). Plan de prevención, preparación y

respuesta ante emergencias para edificios o conjunto de uso residencias.
Medellín, Colombia.
53. Navarro, J. (2012). Susceptibilidad y amenaza de movimientos de ladera

mediante S.I.G. en el municipio de Berlín, El Salvador (tesis de maestría).
Universidad Complutense de Madrid, Madrid, España.
54. Navas, M. (2013). Análisis de riesgos y vulnerabilidad de la infraestructura

vial del sector Guzho en la autopista Cuenca-Azoguez desde el km 0 hasta el
km 1,4. (tesis de grado). Universidad Estatal de Cuenca, Cuenca, Ecuador
55. Nohani, E., Moharrami, M., Sharafi, S., Khosravi, K., Pradhan, B., Binh Thai
Pham, Lee, S. and Melesse, A. (2019). Landslide susceptibility mapping usin
diferente GIS-Based Bivariate Models. Water, 11, 1-22.
56. Osorio, F. (2019). Zonificación de la Susceptibilidad del Terreno a los

Deslizamientos. Caso de Estudio: Nariño – Colombia (tesis de maestría).
Universidad Nacional de Colombia, Bogotá, Colombia.
57. Parise, M., Jibson, R. (2000). A seismic landslide susceptibility rating of

geologic units based on analysis of characteristics of landslides triggered by
the 17 January, 1994 Northridge, California earthquake. Engineering
Geology, 58(3–4), 251-270.
58. Paz, J., González, R., M. Gómez, M. y J. A. Velasco, J. (2017). Metodología

para elaborar mapas de susceptibilidad a procesos de remoción en masa,
análisis del caso ladera sur de Tuxtla Gutiérrez, Chiapas. Investigaciones
Geográficas UNAM, 92. 128-143.
59. Pourghasemi, H., Pradhan, B., Gokceoglu, C., and Moezzi, K. (2012).
Landslide susceptibility mapping using a spatial multi criteria evaluation
model at Haraz Watershed, Iran. Terrigenous mass movements, 12(4),2
60. Proyecto Multinacional Andino (PMA): Geociencias para las Comunidades

Andinas (GCA). (2007). Fenómenos de remoción en masa en la Region
Andina: Una Guia para la Evaluación de Amenazas. (Servicio Nacional de
Geologia y Mineria, Ed.) Publicación Geológica Multinacional, N°4.
61. Programa de las Naciones Unidas para el Desarrollo - PNUD (2012).

Conceptos generales del riesgo de desastres y contexto del País. Experiencias
GEOPROCESAMIENTO.
83
UNIDAD DE POSGRADO
y herramientas de aplicación a nivel regional y local. Santiago de Chile, Chile.
62. Reichenbach, P., Busca, C., Mondini, A., and Rossi, M., (2014). The influence
of land use change on landslide susceptibility zonation: the Briga catchment
test site (Messina, Italy). Environmental Management, 54(6), 1372–1384.
63. Regmi, N. Giardino, J. and Vitek, J. (2010). Modeling susceptibility to

landslides using the weight of evidence approach: Western Colorado, USA.
Geomorphology, 115(1–2), 172–187.
64. Roa, J. (2005). Aproximación al Mapa de Susceptibilidad y Amenazas por

Deslizamientos de la Ciudad de Trujillo, Venezuela. Ágora, 45(83), 185-205.
65. Saaty, T. (1980). The Analytical Hierarchical Process, New York, Estados
Unidos: McGraw-Hill Book Co.
66. Sacantana, N. (2001). Análisis de la susceptibilidad del terreno a la

formación de deslizamientos superficiales y grandes deslizamientos
mediante el uso de sistemas de información geográfica. Aplicación a la
cuenca alta del río Llobregat (tesis doctoral). Unversitat Politécnica de
Catalunya, Barcelona, España.
67. Salas, F. (2018). Elaboración de mapas de amenaza por procesos de

remoción en masa a partir de la modelación de respuesta hidrológica en
cuencas. (tesis de maestría). Universidad Nacional de Colombia, Bogotá,
Colombia.
68. Seefelder, C. (2017). Estudo da influência dos parâmetros hidrogeológicos

na análise de susceptibilidade à escorregamentos rasos por meio de modelo
de estabilidade de encostas. (tesis doctoral). Universidad de Brasília, Brasília,
DF, Brasil.
69. Servicio Geológico Colombiano-SGC. (2017). Guía Metodológica para la

Zonificación de Amenaza por Fenómenos de remoción en masa Escala
1:25000. Bogotá, Colombia.
70. Shimada, M., Isogushi, O., Tadono, T., and Isono, K. (2009). PALSAR
radiometric and geometric calibration. IEEE Transactions on Geoscience and
Remote Sensing, 47, p. 3915 – 3932.
71. Suarez, J. (1998). Deslizamientos: Análisis geotécnico. Bucaramanga,

Colombia: Instituto de Investigaciones sobre Erosión y Deslizamientos.
72. Sujatha, E., Rajamanickam, G. and Kumaravel, P. (2012). Landslide

susceptibility analysis using probabilistic certainty factor approach: A case
study on Tevankarai stream watershed, India. Journal of Earth System
Science, 121(5) 1337–1350.
73. Strahler, A. (1974). Geografía física, Barcelona, España: Ediciones Omega.

S.A.
GEOPROCESAMIENTO.
84
UNIDAD DE POSGRADO
74. Toskano, B. (2005), El proceso de análisis jerárquico (AHP) como

herramienta para la toma decisiones en la selección de proveedores. (tesis
de grado). Universidad Nacional de San Marcos, Lima, Perú.
75. Toshiyuki, K., Yoshinori, Y., and Yasuhito, S. (2008) Landslide disasters and
hazard maps along national highways in Japan. The 2nd East Asia Landslides
Symposium, Seoul, Korea.
76. Van Westen, C. (2000). The modelling of landslide hazards using GIS. Surveys
in Geophysics, 21(2–3), 241–255.
77. Van Westen, C., Rengers, N., and Soeters, R. (2003). Use of geomorphological
information in indirect landslide susceptibility assessment. Natural Hazards,
30(3), 399–419.
78. Van Westen, C., Castellanos, E., and Kuriakose, S. L. (2008). Spatial data for
landslide susceptibility, hazard, and vulnerability assessment: an overview.
Engineering geology, 102(3-4), 112-131.
79. Van Westen, C., Kappes, J., Quan Luna, S., Frigerio, S. Glade, T., and Malet, J.
(2014). Multi-hazard Risk Assessment of Gravitational Processes., Mountain
(34), 201-231.
80. Van Westen, C., and Yifru, Y. (2016). Generating a landslide susceptibility
map along the road network. Caribbean Handbook on Risk Information
Management.
81. Van Zuidam, R. (1986). Aerial Photointerpretation in Terrain Analysis and

Geomorphological Mapping. The Hague Netherlands: Smiths Publishers.
82. Varnes, D. (1978) Slope movement types and processes. Landslides, analysis
and control, Transportation research board, Special report. National Academy
of Sciences, Washington, DC, 176, 11–33.
83. Verstappen, H. (1983). Applied geomorphology. Geomorphological survey for

environmental development. Elsevier, 255-275.
84. Wen-Hsiang, W., Chang-tzu, Ch. and Chin-tsai L. (2008). Comparing the
aggregation methods in the analytic hierarchy process when uniform
distribution. Wseas Transactions on Business and Economics, 5(3), 82-87.
85. Yamagishi (2005). The application of GIS-based logistic regression for

landslide susceptibility mapping in the Kakuda-Yahiko Mountains, Central
Japan. Geomorphology, 65(1-2), 15-31.
86. Yiping, H., Beighley, E. (2008). GIS-based regional landslide susceptibility

mapping: a case study in southern California. Earth Surface Processes and
Landforms, 33, 380-393.
87. Yuan, R., Wang, J., Guo, J. (2013). Application of analytical hierarchy Process
and east-squares method for landslide susceptibility assessment along the
Zhong-Wu natural gas pipeline, China. Landslides, 10, 481–492
GEOPROCESAMIENTO.
85
UNIDAD DE POSGRADO
88. Zare, M., Hassan, M., Salarian, T., Askarizadeh, D., and Miarrostami, S.
(2014). Comparing of bivariate statistic, AHP and combination methods to
predict the landslide hazard in northern aspect of Alborz Mt. (Iran).
International Journal of Agriculture and Crop Sciences, 7(9), 543-554.
GEOPROCESAMIENTO.
86
UNIDAD DE POSGRADO
ANEXO I
ANÁLISIS
PRELIMINARES
GEOPROCESAMIENTO.
87
UNIDAD DE POSGRADO
Dentro de los análisis preliminares realizados en esta tesis se evaluó la posibilidad

de trabajar con data que solo correspondiera a deslizamientos, lo cual implicaba
elaborar los mapas teniendo en cuenta 38 deslizamientos es decir el 19 % del total
de los datos.
La primera evaluación ha consistido en realizar un análisis de densidad, tal como se
realizó en el apartado 3.5 y en el Mapa 06, los resultados mostraron que la mayor
densidad se concentra en dos tramos bien diferenciados ubicados entre las
progresivas Km 28+000 - Km 32+000 y las progresivas Km 40+000-Km 44+000
(Ver Anexo I Figura 1).
Los tramos evaluados coinciden con el análisis realizado en el apartado 3.5, sin
embargo no cubren gran parte del recorrido de la carretera. tal como si lo hace el
inventario con que el se desarrollaron los modelos de susceptibilidad a FRM, por lo
está data no es representativa para los objetivos de la tesis que implican la
evaluación de toda la Via LM-1116.
Asimismo dentro de los análisis preliminares realizados se evaluó la susceptibilidad a

FRM tomando en cuenta la metodología del Índice Estadístico Wi y se utilizó como
datos de entrada los rasters que tenían mayor relevancia en la determinación del
indice de susceptibilidad, tales como la pendiente, la litología, la geomorfología y el
uso de suelos. El modelo de susceptibilidad mostró que el 80% de los 38 FRM se
ubican en áreas de baja y muy baja susceptibilidad, este porcentaje es un mal
indicador de acuerdo con los criterios con los que se elaboraron los 6 los modelos de
susceptibilidad en la tesis (Ver Anexo I Figura 2).
Los análisis preliminares mostraron que la cantidad de datos seleccionados fueron

insuficientes para los modelos, además los resultados de los mapas elaborados
previamente no reflejaron el éxito que si tuvieron los mapas de susceptibilidad
elaborados incluyendo los 200 datos correspondientes a los FRM.
GEOPROCESAMIENTO.
88
UNIDAD DE POSGRADO
Anexo I Figura 1. Mapa de densidad de FRM utilizando el 19 % de la data total correspondiente

únicamente a los deslizamientos del inventario.
GEOPROCESAMIENTO.
89
UNIDAD DE POSGRADO
Anexo I Figura 2. Análisis preliminar del mapa de susceptibilidad con la metodología Wi utilizando
una data de 38 deslizamientos, el modelo no muestra compatibilidad con la ubicación de las
áreas de ocurrencia de deslizamientos y los áreas con mayor susceptibilidad.
GEOPROCESAMIENTO.
90
UNIDAD DE POSGRADO
ANEXO II
MAPAS
GEOPROCESAMIENTO.
91
340000 360000
®
140000 230000 320000 410000
8740000
JUNÍN
MOROCOCHA
HUAROS
8800000
8800000
MARCAPOMACOCHA
8720000
Lima Junín
km 85.257
8700000
8700000
Mina Poderosa km 80
Océano Pacífico
8600000
8600000
CANTA km 70
CHICLA
140000 230000 320000 410000
Mina Venturosa
6
HUANZA
11-
LM
km 60
CARAMPOMA
LACHAQUI
SAN PEDRO DE LARAOS

8720000
C. Hidroeléctrica Huanza
km 50
360000
SAN MATEO
ARAHUAY
320000
km 40
SAN JUAN DE IRIS
SIMBOLOGÍA
HUACHUPAMPA
Progresivas
MATUCANA
Distritos
LIMA
km 30 H
!
SAN PEDRO DE CASTA

Carretera LM - 116 (Afirmado)
Cañón de Autisha Carretera LM - 116 (Asfaltado)
Red vial departamental
San Pedro de Casta Red vial vecinal
km 20
Límite provincial
CALLAHUANCA Área de estudio

8700000
SAN MATEO DE OTAO SURCO
Text UNIVERSIDAD NACIONAL DE INGENIERÍA

8680000

SAN ANTONIO Zona Arqueológica SAN DAMIAN
MAESTRÍA EN GESTIÓN DE RIESGO DE DESASTRES
Poronhuasi
km 10 IDENTIFICACIÓN DE ÁREAS SUSCEPTIBLES
A FENÓMENOS DE REMOCIÓN EN MASA
SAN BARTOLOME
EN OBRAS LINEALES
SANTA EULALIA APLICANDO TÉCNICAS DE GEOPROCESAMIENTO
Santa Eulalia UBICACIÓN DE LA CARRETERA LM-116

0 1 2 4 6 8
SANTA CRUZ DE COCACHACRA
SAN ANDRES DE TUPICOCHA
km MAPA N° 01
SANTIAGO DE TUNA
ZONA 18S UTM, DATUM DE REFERENCA WGS84
km 01 RICARDO PALMA
LURIGANCHO ANTIOQUIA
320000 340000
340000 8740000 360000
140000 230000 320000 410000
Rí
®
oC
hil
lón
JUNÍN
8740000
8800000
8800000
8720000
MOROCOCHA
MARCAPOMACOCHA
HUAROS
Lima Junín
8700000
8700000
Mina Poderosa
Océano Pacífico
8600000
8600000
CANTA
140000 230000 320000 410000 YAULI
Mina Venturosa
6
HUANZA
11
CHICLA
-
LM
CARAMPOMA
LACHAQUI
SIMBOLOGÍA
8720000
8700000
SAN PEDRO DE LARAOS C. Hidroeléctrica Huanza
Límite de cuencas
Carretera LM-116
Ríos y cursos de agua
ARAHUAY
H Distritos
! SAN MATEO
Subcuenca Area_km2 %_Área

SAN JUAN DE IRIS
Subcuenca_01 2.09 0.20
Subcuenca_02 4.51 0.43
Subcuenca_03 10.03 0.95
Subcuenca_04 16.96 1.61
HUACHUPAMPA Subcuenca_05 30.02 2.85
SIMBOLOGÍA
Subcuenca_06 40.90 3.88
ac
RÍm
320000
Subcuenca_07 41.65 3.95

RÍo
MATUCANA
Progresivas 41.93
Subcuenca_08 3.98
Subcuenca_09 45.65 4.33
Distritos
LIMA
SAN PEDRO DE CASTA Subcuenca_10
H
! 53.70 5.09
360000
Subcuenca_11 58.83 5.58
Carretera LM - 116 (Afirmado)
Subcuenca_12 61.73 5.86
Cañón de Autisha Carretera LM72.79
Subcuenca_13 - 116 (Asfaltado)
6.91
Red
Subcuenca_14 vial departamental
76.73 7.28
San Pedro de Casta Subcuenca_15 79.01 7.50
8700000
Red vial vecinal

8680000
Subcuenca_16 99.62 9.45

RÍo S
CALLAHUANCA
SAN MATEO DE OTAO SURCO Límite
Subcuenca_17 provincial
102.60 9.73
anta
Subcuenca_18 107.44 10.19

Área de estudio
Eulali
Subcuenca_19 107.94 10.24

a
Text UNIVERSIDAD NACIONAL DE INGENIERÍA

SAN DAMIAN
Zona Arqueológica SAN BARTOLOME

SAN ANTONIO
SANTA EULALIA
Poronhuasi
IDENTIFICACIÓN DE ÁREAS SUSCEPTIBLES
RÍo
EN OBRAS LINEALES
Lur

APLICANDO TÉCNICAS DE GEOPROCESAMIENTO
Ín
Santa Eulalia SUBCUENCAS HIDROGRÁFICAS

MAPA N° 02
RICARDO PALMA 0 DE1.25
SANTIAGO TUNA 2.5 5 7.5 10
km
LURIGANCHO
r e
ANTIOQUIA c oru
aO LAHUAYTAMBO
bra d ANTIOQUIA
e
Qu ANTIOQUIA
8680000 320000 340000

340000 8740000 360000
140000 230000 320000 410000
®
8800000
8800000
4
1
Lima Junín 1 1
1
MARCAPOMACOCHA 1 2 2 MOROCOCHA
8740000
HUAROS 1
8720000
1 1
1
3
1
2
1
1
2
1
1
8700000
8700000
3
1 2 3
1
11
1
1 1
1
1
2
12
1
1
1
1 2
3
1 1 3
1
1 1 1
2
2
1
1
1
11
8600000
8600000
1
1
1 2 21 1
1
1
1
2
1
1 1
Océano Pacífico
1
1
1
1 1
1
2
1 1 2 2
1
1
1
1 YAULI
32
1
1 1
2
1
1 1
1
1
1
1
1
1
1
140000 230000 320000 410000
1 1 3
2
2
1
1 1
1
CANTA 1
1
1 2 1
1
12
2
1 1 1
1
1
1 1
1 2
1
1 1
1
2
3
1 1
1 1
1
3 CHICLA
1
1 2
12 HUANZA 1
4
1
1 1
1
1
1 1
1 1 1 2 1
1
1
1
1
1
1
1 1
1
1
2
1
1 1
1
1
4
1 2 1
1
1
1
1 1 2 1 1
1 1
1
1
1
1
1 1
1 1
1 2 1
1
2
21
3
1 1 1 2 1
1
2
2
1 1
3
2 1
1
1 2 1 1
1
1 1
2
2
1
1
1
1
11
1
1 2
1
1 CARAMPOMA 1 1
1 2 1 2
1
1
2 1 2
1
1 1
LACHAQUI 1
2 1
3 1 1 1 1
1 1 1
1
1
SIMBOLOGÍA
1
LM-116
3
1 1 1
2
1 11 2
1
1
1
SAN PEDRO DE LARAOS 1 1

1
1
1
3
12
1 2
2
1
1 Límite de cuencas
8720000
1
2
1 2 1
1
8700000
Carretera LM-116
1 1
1
1
1
1
1
2 4 1
1
1
1
1

4
1
2 1 2 1
1
1
2
1
1 1
1
11
1
1
Distritos
1
1 1
1
1
1
1
1
1
1 H
!
2
1 1
1
1 1
Clasificación de ríos- Método Strahler
1
1
1 1
1
1
2 1 1
1
1
1
1 1
1
ARAHUAY 1 4 1 3 2 1
SAN MATEO
2
1
1
2
1
2
2
1
1
1
1
1
1
2
1
11
2
2
1 2
1
21
1
1 2
1
1 2 1
2
1
2 1 1
1
1
1
1
3
11
1
1 1
1
1 3 1 3
1
1
1
1
1
1
2
1
SAN JUAN DE IRIS

3
1
1 4
1
1
2
1
2 3
2
320000
12
1 1 1 1 2 1 1
1
1
1
1
5
1
1
1
1
1
1
1
1
1
1 1
1
1
1
1
1 1
1
1
2 1
2 1
2 1
1
HUACHUPAMPA 1 1
1
1
1 2 1
2
4
1 1
1
1
21
1
11
1
1
1 1 1
Método de Strahler
1
1 3
1
2 1
1
1 1
1
1
2 1
360000
1 1
1 2 3 1 1 1 2
1
2 2 1 1 MATUCANA
2
1
3 1 1
1
1
1 2
1
1
1
1
1 1 3 21
5
1
1
4
2
1
1
1
2
1
2 1
1 12 5
1
1
1
1
1
1
1
2 3 1 1
1
2
1
1
1
1 SAN PEDRO DE CASTA

2 1
1
1 1
1
1 1
1
1
1
1
1
2
1
1 1 1 1
2
21
1
1
2
1 3
1
2
2
2
1 2 1 CALLAHUANCA
1
1 1
1
1
1 2 1 2 1
8700000
1
1
1 2 3 1
1
8680000
21 1
3
1 2 1 SAN MATEO DE OTAO SURCO

2 1
1
1
1
1 1 1 2 1
1
1 1 1
1
2 1 1
1
1 1 1
1 1
1
1
1

1
2
1
1 2
1 1
2

2 1
SAN DAMIAN
1
3 32
1
1
SAN BARTOLOME
1
SAN ANTONIO
1
1 1 2 1
1
1
1
2 3
1 1
1 1 1 EN OBRAS LINEALES
2 1
1
1 SANTA EULALIA
1
1 SANTA CRUZ DE COCACHACRA
1
CLASIFICACIÓN DEDEDRENAJE
1 1 2 1
1
1
1 2 1
1 SAN ANDRES TUPICOCHA
1
MAPA N° 03
11 2 1
1 1 0 1.25 2.5 5 7.5 10
1 km
3
RICARDO PALMA SANTIAGO DE TUNA

LURIGANCHO
ANTIOQUIA
LAHUAYTAMBO
ANTIOQUIA
ANTIOQUIA
8680000 320000 340000

340000 8740000 360000
H
!
140000 230000 320000 410000 500000
4
8900000
8900000
1
1 1
1
8740000
1 2 2
H
!
1 1 1 MOROCOCHA
1
3
Lima
1
MARCAPOMACOCHA 2
8800000
8800000
HUAROS
1
1 1
8720000
2
3
3
1
Junín
2
11
1
1
1
1 1
1
1
2 1 12
12
1
1
1
1
8700000
8700000
1
1
1 3
1
1 1 1
1
2
3
1
1
1 1
2
1
21
1
1
1 2 2 1
1
1
8600000
8600000
1
1
1
1 2 1
Océano Pacífico
1
1
1
1
1
1 1
2
1
1 1 2 2
1
1
1 1
32
1 YAULI
1 1
2
1
1
1
1
8500000
8500000
1
1
1
1
1
1
2
1 1
1
1 3 2
1 2
1 1
CANTA 1 1
1
140000 230000 320000 410000 500000
1
1 2 1
1
2
21
2
1 1 1
1
1 1
H
! 1
1
2
CHICLA
1
1
1
1 1
3
2 1
1
1
1
2
1
1
1
1 2 HUANZA 3
4
1
1
1
!1
1
H 1 1
1
1 1 1 2 1
1
1
1
1
1
1
1 1 H
!
1
2
1
1
1
1
1
2 1
1
11
1 1 2 1 1
1
1
1 1
1
1 1
2 1 1 2 1
1
1
1
2
1 2
3
1 1
1 1
1
2 1
2
1
3
2 1
1
1
1 2 1
1
1
1
1 1 1 1
2
1
2
1
1
1
CARAMPOMA
1
2 1 1
1
H
!
1 1 1 2 1 2
1
1
1
LACHAQUI 2 12 1 1
1
2
1 1
1 1 1
1 H3 1 1
1
!
1 1
1
2 1
1 1
2
H
! 1 2 1
1
1
1
1
SAN PEDRO DE LARAOS

3
1
1 1
1
1
1
8720000
12
1
2
2
1
2
1
1
2
1 1 3
1
2 1
1
2
1 1
1
1
1
1
1
4 1
1
1
8700000
1
1
4
1 2 1 2 1
1
1
2
1 1
1
1
12
1
1 1
1
1
1 1
1
1
1
1
1
1
1 1 1
1
1 11
1
1
1 2 1 1
1
1
ARAHUAY 1
1
1 1 2 1 2 1
2
1
1
SAN MATEO
2
1
2
2
4
1
1
1
2
1
2
1
1
2
1
1
SIMBOLOGÍA
21
1
1
1
1
1 2 1
2
1
1
1
1 2 1
1
1
3
1
1
1
1 1
1
1
3 1
3
1 1 H
!
1 1
1
1
2
1
SAN JUAN DE IRIS

1
4
Límite de cuencas
1
1
360000
1
2 1
2
2
1
1
2 1
2
1 1 1 1
1
1
1
1
1
2
1
1
2
1
H
! 1
1
3
1
1
1
Carretera LM-116
1
1
1
1
1 1
1 1
1 2
1
1
1
1
21
2 2
1
1 1
1
320000
1 1
4
HUACHUPAMPA
2
1
1

H1
1
!
1
1
1
1
1
1
1 1 1
1
1
1
1 1 3 2 1
1
1
1 1
Distritos
2 1 1 1
1 2 31 1 1 !
H H
!
1
2
1 2 1 1 MATUCANA
1
3 1 1
1
1
1 2
1
1 1 3 21
2
1
1
5
2
2
4!
1
1
1
1
SAN PEDRO DE CASTA

H
1 1
Longitud de
1
1
12
Tipo de roca Área (km2) %
1
1
drenaje (Km)
1
2
1
1
1 1
1
2 2
1
1 1 1
1 3
1
1
Volcánica 594.34 499.33 42.21

1
1 1 2
1
1 1
Sedimentaria 161.26 335.44 28.36
1
1 1 2 1
2 11
1
1
1
2
Intrusiva 159.00 193.49 16.36

1
1 3
2
2
1
1
1 1 2 1 1
1 Volcanica-sedimentaria 139.35 154.66 13.07
8700000
1 2 1
1
1
1
1
1 2 3 1
1
2
1
1 H
! CALLAHUANCA
3
2 SAN MATEO DE OTAO

H
!
1 SURCO
1
11 H
!
1
1
2
8680000
1 1 1
1
1 1 1
1 1
2
1

1 1 1
1
1 1
1
1
1
2
1
2
H
!
1

2
1
1
11 1
2
1
1
23 3 2
1
SAN DAMIAN
1
1
1
SAN !
HBARTOLOME
1

1 2 1
SAN ANTONIO
1
1
1
1 2 1
1 !3
H
EN OBRAS LINEALES
1
1 1
1
2
1
SANTA EULALIA
1 1
SANTA CRUZ DE !
COCACHACRA
TIPO DE ROCA Y DENSIDAD DE DRENAJE
1
1 1 2 H
1
1 1
1 2 SAN ANDRES DE TUPICOCHA
1
1
2
1 H
!
MAPA N° 04
1
1 1
2 0 1 SANTIAGO
2 DE4 TUNA 6 8
1
1 km
RICARDO PALMA
3
H
!
H
!
LURIGANCHO ZONA 18S UTM, DATUM DE REFERENCA WGS84
ANTIOQUIA
8680000 320000 340000
H
!
340000 360000
®
8900000 140000 230000 320000 410000 500000
8900000
8740000
MOROCOCHA
HUAROS
8720000
illón
8800000
8800000
MARCAPOMACOCHA
Río Ch
Lima
Junín
8700000
8700000
km 85.257
km 80
8600000
8600000
YAULI
Océano Pacífico
8500000
8500000
CANTA km 70
140000 230000 320000 410000 500000
CHICLA
6
HUANZA
11-
LM
km 60
CARAMPOMA
LACHAQUI
8720000
SAN PEDRO DE LARAOS
8700000
km 50
ARAHUAY
SIMBOLOGÍA
SAN MATEO
Límite de cuencas
Carretera LM-116
km 40 Ríos y cursos de agua
SAN JUAN DE IRIS
360000
!
H Distritos
Fenómenos de remoción en masa
320000
+
$ Alud
HUACHUPAMPA
+
$ Avalancha - caída de rocas
+
$ Avalancha de detritos
+
$ Avalancha de rocas
MATUCANA
km 30
)
" Caída de rocas
)
" Derrumbe
SAN PEDRO DE CASTA
*
# Deslizamiento rotacional
*
# Deslizamiento traslacional
(
! Flujo de detritos
km 20 (
! Flujo de lodo
_
^ Reptación
8700000
RÍo S
CALLAHUANCA
anta
8680000

Eulali

a

A FENÓMENOS DE REMOCIÓN EN MASA SAN DAMIAN
km 10
SAN BARTOLOME
SAN ANTONIO EN OBRAS LINEALES
SANTA EULALIA
INVENTARIO DE FRM
RÍo
Lur
MAPA N° 05
Ín
0 1 2 4 6 8 SAN ANDRES DE TUPICOCHA

km
ac
m
RÍ
o

RÍ
SANTIAGO DE TUNA
km 01
RICARDO PALMA
LURIGANCHO
ANTIOQUIA
ANTIOQUIA
868 0000
320 000
340 000
340000 8740000 360000
140000 230000 320000 410000 500000
®
Rí
oC
hil
lón
8800000
8800000
MOROCOCHA
HUAROS MARCAPOMACOCHA
Lima
8740000
Junín
8720000
8700000
8700000
km 85.257
8600000
8600000
Océano Pacífico
km 80
YAULI
8500000
8500000
140000 230000 320000 410000 500000
CANTA km 70
CHICLA
HUANZA
km 60
CARAMPOMA
LACHAQUI
8720000
SAN PEDRO DE LARAOS
8700000
km 50
SIMBOLOGÍA
ARAHUAY
SAN MATEO
Límite de cuencas
km 40
Carretera LM-116
320000
SAN JUAN DE IRIS
360000
!
H Distritos
HUACHUPAMPA Nivel de peligrosidad_FRM
!
Muy bajo
!
( Bajo MATUCANA
km 30
!
( Medio
SAN PEDRO DE CASTA !
( Alto
!
( Muy alto
Densidad_FRM
km 20 Mayor concentración de FRM
Menor concentración de FRM

8700000
RÍo S
CALLAHUANCA
anta
8680000

Eulali

a

SAN DAMIAN
SAN ANTONIO A FENÓMENOS DE REMOCIÓN EN MASA
SAN BARTOLOME
EN OBRAS LINEALES
DENSIDAD DE FRM
RÍo
Lur
SANTA CRUZ DE COCACHACRA SAN ANDRES DE TUPICOCHA

Ín
0 1 2 4 6 8
MAPA N° 06
ac
km
m
RÍ
SANTIAGO DE TUNA
o
RICARDO PALMA
RÍ
km 01 ZONA 18S UTM, DATUM DE REFERENCA WGS84

320000 8680000 340000

340000 8740000 360000
H
!
140000 230000 320000 410000 500000
®
8740000
MOROCOCHA
H
!
8800000
8800000
Lima HUAROS MARCAPOMACOCHA
JUNÍN
8720000
Junín
8700000
8700000
8600000
8600000
Océano Pacífico YAULI
8500000
8500000
CANTA
140000 230000 320000 410000 500000
H
!
CHICLA
6
11
HUANZA
H
!
-
LM
H
!
CARAMPOMA
H
!
LACHAQUI
SAN PEDRO DE
H
!
LARAOS
H
!
8720000
8700000
ARAHUAY LIMA
SAN MATEO
SAN JUAN DE!H IRIS
360000
HUACHUPAMPA
320000
H
!
SIMBOLOGÍA
H
!
MATUCANA
SAN PEDRO DE
H CASTA
! FRM
!
H Distritos
Carretera LM - 116
Unidades de inspección visual
8700000
CALLAHUANCA
SAN MATEO DE OTAO
H
!
SURCOMicrocuencas
H
!
H
!
8680000
UNIVERSIDAD NACIONAL DE INGENIERÍA H

!

SAN DAMIAN
SAN BARTOLOME
SAN ANTONIO IDENTIFICACIÓN DE ÁREAS SUSCEPTIBLES
H
!
SANTA EULALIA
H
!
EN OBRAS LINEALES
SANTA CRUZ DE!HCOCACHACRA
UNIDADES DE INSPECCIÓN
H
!
VISUAL
0 SANTIAGO
1 2 DE
4 TUNA6 8
SANkm MAPA N°
ANDRES DE TUPICOCHA 07
RICARDO PALMA H
!
LURIGANCHO
H
!
ANTIOQUIA
ANTIOQUIA
8680000 320000 340000
H
!
3400008740000 360000
®
140000 230000 320000 410000
MOROCOCHA
8740000
HUAROS
Lima
8800000
8800000
MARCAPOMACOCHA
Junín JUNÍN
8720000
8700000
8700000
km 85.257
km 80
Océano Pacífico
8600000
8600000
km 70
8500000
CANTA 8500000
CHICLA
140000 230000 320000 410000
6
HUANZA
11-
LM
km 60
CARAMPOMA
LACHAQUI
SAN PEDRO DE LARAOS

8720000
km 50
3600008700000
SAN MATEO
ARAHUAY
320000
km 40
SAN JUAN DE IRIS
HUACHUPAMPA
LIMA
MATUCANA
km 30
SAN PEDRO DE CASTA
SIMBOLOGÍA
Progresivas
km 20 H
! Distritos
Carretera LM - 116
CALLAHUANCA Límite provincial
8700000

Área de estudio
SAN ANTONIO
8680000
UNIVERSIDAD NACIONAL DE INGENIERÍA SAN DAMIAN

km 10 MAESTRÍA EN GESTIÓN DE RIESGO DE DESASTRES

IDENTIFICACIÓN
SAN BARTOLOME
DE ÁREAS SUSCEPTIBLES
SANTA EULALIA
EN OBRAS LINEALES
MODELO DE ELEVACIÓN DIGITAL

0 40 80 160
SANTIAGO 240TUNA
DE 320
km MAPA N° 08
km 01 RICARDO PALMA
LURIGANCHO ANTIOQUIA ZONA 18S UTM, DATUM DE REFERENCA WGS84
320000 340000
340000 8740000 360000
140000 230000 Rí
320000 410000 500000
oC
8900000
8900000
hil
®
lón
8740000
MOROCOCHA
8800000
8800000
MARCAPOMACOCHA
8720000
HUAROS
Junín
Lima
8700000
8700000
8600000
8600000
Océano Pacífico
YAULI
CANTA
8500000
8500000
140000 230000 320000 410000 500000
CHICLA
6
HUANZA
11-
LM
CARAMPOMA
LACHAQUI
8720000
SAN PEDRO DE LARAOS
8700000
ARAHUAY
SAN MATEO
SAN JUAN DE IRIS
HUACHUPAMPA
SIMBOLOGÍA
360000
320000
Límite de cuencas
Carretera MATUCANA
LM-116
SAN PEDRO DE CASTA
!
H Distritos
RÍo
S
ant a
Clase Rango Descripción

Eula
PI 0°-5° Pendiente muy baja

lia
8700000
PII 5°-20° Pendiente baja

RÍo S
CALLAHUANCA
SAN MATEO DE OTAO PIII 20°-35° Pendiente media
8680000
SURCO
anta
PIV 35°-50° Pendiente alta

Eulali
PV >50° Pendiente muy alta

a

SAN DAMIAN
SAN BARTOLOME
SAN ANTONIO
SANTA EULALIA
EN OBRAS LINEALES
RÍo

Lur
PENDIENTES
Ín

ac
m
RÍ
SANTIAGO DE0 TUNA

1 2 4 6 8
MAPA N° 09
o
RÍ
km
RICARDO PALMA
LAHUAYTAMBO
320 000
340 000
340000 8740000 360000
H
!
Rí
oC
140000 230000 320000 hil 410000 500000
lón
®
8900000
8900000
LV1LIV2
8740000
H
!
LIV1
LV1 LV2 MOROCOCHA
8720000
HUAROS
8800000
8800000
Lima MARCAPOMACOCHA LV2 LV1 LI2
LI2 LV2
LV2 LIII1 LV2
LIV1 LIV1 LV2
LV2
Junín LI2
LII1 LV2 LV2 LV2 LV2
8700000
8700000
LV2
LIV1
LV2
LV2 LIII1 LV2
LV2
LV2 LV2
LV2 LIII1
8600000
8600000
LV2
LI2 YAULI
Océano Pacífico LV2 LV2
LIII1
CANTA LV2 LV2
140000 230000 320000 410000 500000
LII1
LIII1
16
H
! LV2
LII1 LII1 YAULI
-1
LIII1LIII1
LM
LIII1 LV2
LIV3 LII1
LV2 LV2 LII1
LIII1 CHICLA
HUANZA LI2
H
! LIII1
LV2LIII1 LII1 LV2
LIV3 LV2 LV2
LIII1 LV2
LV2 LV2 LIII1 LV2 LIII1 LII1LII1LII1 H
!
LII1 LV2 LV2

LI2 LV2
LV2 LV2 LII1
LIII1 LV2
LV2 LV1 LIV1 LV3
LI2 LI2
LV2 LV3 LV2 LV3
LV2
CARAMPOMA LII1 LIV1 LI2
LV2!
H LIII1
LIII1 LIII1
LACHAQUI LV2 LV1 LV1 LV3LIII2
LV1 LIV1
H
!
LV1 LV1LV1
H
! LV1
LV2 LV1LV1
8720000
LIV1
SAN PEDRO DE LARAOS
LV2
8700000
LIII1 LV2
LV2 LV2
LV2 LV2 LIII1
ARAHUAY
LV2 LV2 LIII1
LV2
LIII1 LIII1 SAN MATEO
LII1
LV2
LII1
SAN JUAN DE IRIS H
!
LIII1 LIII1
LV2 LV2 LIII1
LIII2
HUACHUPAMPA ! LV2 SIMBOLOGÍA
360000
H
Carretera LM-116
320000
LI2 Pliegues
Fallas
LIV1 LIV1 LV2 H
!
Ríos y cursos de agua MATUCANA
LII1 H
! Distritos
Clase Descripción
SAN PEDRO DE CASTA LI1 Depósitos aluviales
LIII2 LIII1 H
!
LI2 Depósitos fluvio-glaciares
LII1 Tonalita, diorita, granodiorita
LIII1 Secuencia de conglomerado basal, tobas y andesitas
LII1
LIV3 LIII2 Secuencia de lavas y brechas dacíticas
LIV1 Riolitas, calizas y areniscas
LIV1
LIV2 Aglomerados volcánicos, calizas y lutitas
LIV1
LIV3 Tobas riolíticas, areniscas y limolitas
8700000
LV1 Lutitas, calizas y conglomerados

RÍo S
CALLAHUANCA
H
!
HLV2 Depósitos glaciares
SAN MATEO DE OTAO
8680000
!
H
! SURCO
LV3 Areniscas y cuarcitas
anta
Lagunas
Eulali
LII1 LIV3
a
LI1
!
FACULTAD DE INGENIERÍA CIVIL SAN DAMIAN

LII1 SAN !
HBARTOLOME
SANTA EULALIA A FENÓMENOS DE REMOCIÓN EN MASA
H
!
LII1 EN OBRAS LINEALES

RÍo
LII1 LII1 APLICANDO TÉCNICAS DE GEOPROCESAMIENTO

Lur
SANTA CRUZ DE !
COCACHACRA
H
Ín
UNIDADES LITOLÓGICAS
ac
H
!
m
RÍ
MAPA N° 10
o
0 1SANTIAGO
2 DE TUNA
4 6 8
RÍ
LIV1
RICARDO PALMA H
! km
LII1 H
!
LURIGANCHO
ANTIOQUIA ZONA 18S UTM, DATUM DE REFERENCA WGS84
LAHUAYTAMBO
868 0000
320 000
340 000
H
!
3400008740000 360000 H
!
140000 230000 320000 410000
8900000
8900000
RC-rvs Bo
8740000
®
H
!
MOROCOCHA
8800000
8800000
V-gl RC-rs
8720000
HUAROS
Lima MARCAPOMACOCHA RCE-rs V-d RCE-rs V-d
illón
RCE-rs
Junín
Ab V-d V-d
Río Ch
V-dRC-rs
RM-rvs
8700000
8700000
RM-rvs
RC-ri V-gl RM-rvs
V-d V-cd
Vll-gl RC-rs RM-rvsRM-rvs
Vll-gl Lg/ca RC-rv
Océano Pacífico
8600000
8600000
Vll-gl V-d Vll-gl
Lg/ca RM-ri Vll-gl
RCL-rv
V-d Lg/ca Vll-gl RM-rsRM-rs YAULI
P-at Lg/ca
CANTA
8500000
8500000
Vll-gl V-cdP-at RCL-rv
Vll-gl
Vll-gl
H
! 140000 230000 320000 410000 RCL-ri RM-ri Vll-gl
V-cd YAULI
RCL-ri
Mo CHICLA
6
HUANZA RCL-ri Vll-gl
11
Mo
H
!
Vll-gl
-
LM
RCL-rv V-cd RCL-ri Vll-gl H
!
Vll-gl Vll-gl
V-cd
RM-ri Vll-gl RM-ri
Vll-gl
Mo Vll-gl
Vll-gl
CARAMPOMA H
! RM-ri RM-rvs
V-cd
LACHAQUI RM-ri Vll-gl RM-rs
H
! Mo
V-cd RM-rs
H
! V-cd V-cd
8720000
V-cd
SAN PEDRO DE LARAOS V-cd

V-cd
V-cd
8700000
V-cd V-cdV-cd P-at V-cd
V-cd
V-cd RM-ri
Vll-gl RM-rv
V-cd
V-cd
ARAHUAY V-cd
Vll-gl V-cd V-cd V-cd
V-cd V-d Vll-gl SAN MATEO
V-d RM-ri
V-cd V-cd Vll-gl

V-cd V-cd
SAN JUAN DE IRIS
SIMBOLOGÍA
H
!
Carretera LM-116
V-cd V-d
V-cdV-d Ríos y cursos de agua
RM-ri
Distritos
V-cd Vll-gl H
!
V-cd Vll-gl Clase Simbología Descripción
RM-ri
360000
GI1 Vll-gl Valle glaciar
V-cd !
H HUACHUPAMPA GI2 Río Cauce del río
V-cd V-cd Vll-gl GI3 Ti Terraza indiferenciada
Vll-gl
GI4 M-v/s Meseta volcánico/sedimentaria
V-cd GII1 RCL-rv Colina y lomada en roca volcánica
320000
H
!
V-cd RCL-rv GII2 RC-rs Colina en roca sedimentaria
V-cd GII3 RC-rv
MATUCANA Colina en roca volcánica
GII4 RC-rvs Colina en roca volcano-sedimentaria
V-cd V-cd
V-cd GII5 RCE-rs Colina estructural en roca sedimentaria
RM-rvs
V-d SAN PEDRO DE
H CASTA GII6 RC-ri Colina y lomada en roca intrusiva
V-cd V-cd !
GII7 RCL-ri Colina en roca intrusiva
GIII1 RM-rv Montaña en roca volcánica
V-d
M-v/s GIII2 RM-ri Montaña en roca intrusiva
GIII3 RM-rs Montaña en roca sedimentaria
V-d V-d V-d
V-d M-v/s GIII4 RM-rvs Montaña en roca volcano-sedimentaria
V-d GIV1 V-cd Vertiente o piedemonte coluvio-deluvial
M-v/s V-cd GIV2 P-at Vertiente o piedemonte aluvio-torrencial
8700000
P-at GIV3 V-d Vertiente coluvial de detritos

P-at GIV4 Mo Morrenas
V-d CALLAHUANCA
H
!
GIV5 Ab Abanico de pie de monte
SAN MATEO DE OTAO
!
H
SURCO GIV6
8680000
Río H
!
V-gl Vertiente glacial o de gelifracción
P-at
Lg/ca Lg/ca Laguna y cuerpos de agua
V-cd
!
RM-ri
SAN DAMIAN
RM-ri
SAN !
HBARTOLOME
SAN ANTONIO
SANTA EULALIA P-at
H
!
P-at EN OBRAS LINEALES

RÍo

Lur
SANTA CRUZ DE !
COCACHACRA
H
Ín
UNIDADES GEOMORFOLÓGICAS
V-cd
ac
H
!
m
RÍ
MAPA N° 11
o
0 1 2 4 6 8
RÍ
Ti RICARDO
H PALMA
!
SANTIAGO!
HDE TUNA km

ANTIOQUIA
ANTIOQUIA LAHUAYTAMBO
8680000 320000 340000

H
!
340000 8740000 360000 380000
140000 230000 320000 410000
H
!
380000
®
P2sec-Xse
8740000
Nv
Lima
8800000
8800000
H
! Xse**
Lag
HUAROS Junín MARCAPOMACOCHA Xse-P3se-A3se
MOROCOCHA
Nv
8700000
8700000
Xse-P3se-A3se Xse**
P3sec-Xse
Nv Lag Xse**Nv Xse**
Xse-P3se-A3se
Xse**
Lag Lag Nv
8600000
8600000
Lag P3sec-XseXse**
Lag
Océano Pacífico Lag
Lag Lag
P3sec-XseP3sec-Xse
Xse**
Lag Lag Lag
8500000
8500000
CANTA Lag
140000 230000 320000 410000
Lag Lag
H
!
YAULI
Nv Lag
Lag HUANZA
H
! Lag
Lag CHICLA !
H
Xse-P3sec
Lag
16
Lag
-1 Lag
LM
Xse-P3se-A3se
H
!
LACHAQUI CARAMPOMA
H
!
8700000
H
!
8720000
P3se-Xse
SAN PEDRO DE LARAOS
ARAHUAY Lag
Lag P3sec-Xse
SAN MATEO
H
!
SAN JUAN DE !
HIRIS
HUACHUPAMPA !
H
SIMBOLOGÍA
320000
Xse-P3se-A3se H
!
Carretera LM-116 MATUCANA
Límite de cuencas
SAN PEDRO DE
H CASTA
!
Clase Simbología Descripción
Lag Laguna
Nv Nevado
Tierras de pastoreo con calidad agrológica baja. Limitación por suelo y
CI1 Xse-P3se-A3se
8680000
erosión
8700000
Tierras de pastoreo con calidad agrológica media. Limitación por suelo y

CI2 P3se-Xse
CALLAHUANCA
H
! erosión
SAN MATEO DE OTAO H
!
SURCO Tierras de pastoreo de páramo con calidad agricológica baja. Limitación
360000
CI3 P3sec-Xse
H
!
por suelo y erosión
Tierras de pastoreo de páramo con calidad agricológica baja. Limitación
CI4 Xse-P3sec
por suelos erosión y clima
Tierras de pastoreo de páramo con calidad agricológica media. Limitación
CI5 P2sec-Xse
por suelos erosión y clima
H
!
CII1 Xse** Tierras aptas para protección.SAN DAMIAN

Formación lítica
CII2 Xle Tierras aptas para protección. Formación de nivales
SAN BARTOLOME Tierras aptas para cultivos en limpio con calidad agricologica alta y
CIII1 A1s( r )-C2s( r )
H
!
SAN ANTONIO cultivos permanentes. Requieren riego
Xle
SANTA EULALIA
H
!
HUAROCHIRI
SANTA CRUZ DE!
HCOCACHACRA
A1s( r )-C2s( r )
SAN ANDRES!
H DE TUPICOCHA
H
!
RICARDO!
H PALMA
SANTIAGO DE TUNA EN OBRAS LINEALES

LURIGANCHO USO DE SUELOS LAHUAYTAMBO

H
!
8660000
MAPA N° 12
0 1.25 2.5 ANTIOQUIA
5 7.5 10
8680000
km
ZONA 18S UTM, DATUM DE REFERENCA

LANGA
WGS84
CHACLACAYO
CUENCA CUENCA
H
!
320000 340000 8660000
H
! H
!
H
!
340000 8740000 360000
H
!
Rí
oC
hil
®
140000 230000 320000 410000 lón
8740000
H
!
MOROCOCHA
8800000
8800000
8720000
Junín
Cuenca_17
8700000
8700000
Océano Pacífico
8600000
8600000
YAULI
8500000
140000 230000 320000 410000 Cuenca_08

CANTA
Cuenca_10
H
!
CHICLA
6
HUANZA
11
H
!
-
LM
H
!
Cuenca_15
Cuenca_09
CARAMPOMA
Cuenca_07
!
H
LACHAQUI Cuenca_14
H
!
H
!
8720000
SAN PEDRO DE LARAOS Cuenca_12
8700000
Cuenca_01
Cuenca_03
Cuenca_02
ARAHUAY Cuenca_05
SAN MATEO
Cuenca_04
SAN JUAN DE IRIS !Cuenca_16
SIMBOLOGÍA
H
360000
H
!
Límite de cuencas
320000
HUACHUPAMPA !
H
Cuenca_18
Carretera LM-116
Ríos
H
!
y cursos de agua
!
H Distritos
MATUCANA
Cuenca_11
Densidad de drenajes (km)

SAN PEDRO DE !
CASTA
H
< 1 Baja
1 - 2 Moderada
Cuenca_13
2 - 3 Alta
Cuenca_06
> 3 Muy alta
8700000
RÍo S
CALLAHUANCA
H
!
SAN MATEO DE OTAO
H
!
H
! SURCO
anta
8680000
Eulali

a

H
!

SAN DAMIAN
IDENTIFICACIÓN
SAN HBARTOLOME
! DE ÁREAS SUSCEPTIBLES
SAN ANTONIO
Cuenca_19 A FENÓMENOS DE REMOCIÓN EN MASA
SANTA EULALIA EN OBRAS LINEALES
H
!

RÍo
DENSIDADSAN
DE DRENAJE
Lur
SANTA CRUZ DE !
COCACHACRA
H
Ín
ANDRES DE TUPICOCHA
ac
MAPA N° 13
H
!
m
0 1 2 4 6 8
RÍ
SANTIAGO DE TUNA km
o
RÍ
RICARDO PALMA H
!
H
!
8680000320000 340000
H
!
3400008740000 360000
®
140000 230000 320000 410000
8740000
MOROCOCHA
HUAROS
8720000
8800000
8800000
MARCAPOMACOCHA
illón
Río Ch
Junín
8700000
8700000
Lima
YAULI
Océano Pacífico
8600000
8600000
CANTA
140000 230000 320000 410000
CHICLA
6
HUANZA
11-
LM
CARAMPOMA
LACHAQUI
8720000
SAN PEDRO DE LARAOS
8700000
ARAHUAY
SAN MATEO
SAN JUAN DE IRIS
360000
320000
HUACHUPAMPA
SIMBOLOGÍA
Límite de cuencas MATUCANA
Carretera LM-116
SAN PEDRO DE CASTA
Estructuras tectónicas (Fallas y pliegues)
Distritos
RÍo
!
H
Distancia a las estructutas

S
Clase
ant a
tectónicas en metros
Eula
DEI 0 - 1000
lia
DEII 1000 - 2000

8700000
DEIII 2000 - 3000

RÍo S
CALLAHUANCA
SAN MATEO DE OTAO DEIV 3000 - 4000
SURCO
anta
DEV > 4000

8680000
Eulali

a

SAN DAMIAN
SAN BARTOLOME
SANTA EULALIA
EN OBRAS LINEALES
RÍo
DISTANCIA A LAS
Lur

Ín
ESTRUCTURAS TECTÓNICAS
ac
m
MAPA N° 14
RÍ
0 1 SANTIAGO
2 DE4 TUNA 6 8
o
RÍ
km
RICARDO PALMA
ANTIOQUIA
ANTIOQUIA
868 0000
320 000
340 000
340000 8740000 360000
H
!
140000 230000 320000 410000
®
8740000
MOROCOCHA
8800000
8800000
H
!
Junín
8720000
8700000
8700000
Océano Pacífico km 85.257
8600000
8600000
km 80
YAULI
140000 230000 320000 410000
CANTA km 70
H
!
CHICLA
HUANZA
H
!
H
!
km 60
!CARAMPOMA
H
LACHAQUI
H
!
H
!
8720000
SAN PEDRO DE LARAOS
8700000
km 50
SIMBOLOGÍA
ARAHUAY
Carretera LM-116
SAN MATEO
Microcuencas
km 40 H
! Ríos y cursos de agua
SAN JUAN DE IRIS
360000
!
H Distritos
H
!
Lagunas
320000
HUACHUPAMPA !
H
Rangos!H de susceptibilidad
MATUCANA
km 30
Susceptibilidad muy baja
SAN PEDRO DE !
CASTA
H Susceptibilidad baja
Susceptibilidad media
Susceptibilidad alta
km 20 Susceptibilidad muy alta
8700000
CALLAHUANCA
H
!
SAN MATEO DE OTAO
H
!
H
! SURCO
8680000

H
!
SAN DAMIAN
SAN ! A FENÓMENOS DE REMOCIÓN EN MASA
HBARTOLOME
SAN ANTONIO
EN OBRAS LINEALES
!
H
SUSCEPTIBILIDAD A FRM
SANTA CRUZ DE !
COCACHACRA
H
MODELO 1 (AHP)
0 1 2 4 6 8
km
H
! MAPA N° 15
SANTIAGO DE TUNA
km 01 RICARDO PALMA ZONA 18S UTM, DATUM DE REFERENCA WGS84

H
!
LURIGANCHO
H
!
ANTIOQUIA
320000 340000
340000 8740000 360000
140000 230000 320000 410000

H
!
®
8740000
8800000
8800000
MOROCOCHA
H
!
MARCAPOMACOCHA
HUAROS Junín
8720000
8700000
8700000
Lima
Océano Pacífico
km 85.257
8600000
8600000
km 80
YAULI
140000 230000 320000 410000
CANTA
km 70
H
!
CHICLA
HUANZA
H
!
H
!
km 60
!CARAMPOMA
H
LACHAQUI
H
!
H
!
8720000
SAN PEDRO DE LARAOS
8700000
km 50
ARAHUAY SIMBOLOGÍA
Carretera SAN
LM-116
MATEO
Microcuencas
km 40 H
!
SAN JUAN DE IRIS
!
H Distritos
360000
HUACHUPAMPA !
H Lagunas
320000
Rangos
H
!
de susceptibilidad
MATUCANA
km 30
Susceptibilidad baja
SAN PEDRO DE !
CASTA
H
km 20
Susceptibilidad muy alta
8700000
CALLAHUANCA
H
!
SAN MATEO DE OTAO
H
!
SURCO
8680000
H
!

FACULTAD DE INGENIERÍA CIVIL H
!

SAN DAMIAN
SAN !
HBARTOLOME
SAN ANTONIO
EN OBRAS LINEALES
SANTA EULALIA
!
H
MODELO 2 (AHP)
SANTA CRUZ DE !
COCACHACRA
H
0 1 2 4 6 8
km
H
!
MAPA N° 16
SANTIAGO DE TUNA
km 01 RICARDO PALMA
H
! ZONA 18S UTM, DATUM DE REFERENCA WGS84
H
!
320000 340000
340000 8740000 360000
H
!
140000 230000 320000 410000 500000
®
8900000
8900000
8740000
H
!
MOROCOCHA
8800000
8800000
8720000
Lima
Junín
8700000
8700000
km 85.257
8600000
8600000
km 80
Océano Pacífico
YAULI
8500000
8500000
CANTA 140000 230000 320000 410000 500000 km 70
H
!
CHICLA
HUANZA
H
!
H
!
km 60
CARAMPOMA
!
H
LACHAQUI
H
!
H
!
8720000
SAN PEDRO DE LARAOS
8700000
km 50
ARAHUAY
SIMBOLOGÍA
SAN MATEO
Carretera LM-116
Microcuencas
km 40
H
!
SAN JUAN DE IRIS
Distritos
360000
!
H
Lagunas
320000
HUACHUPAMPA !
H
Rangos de susceptibilidad
H
!
MATUCANA
km 30
SAN PEDRO DE !
CASTA
H
km 20
8700000
CALLAHUANCA
H
!
SAN MATEO DE OTAO
H
!
H
! SURCO
8680000

!

km 10 SAN DAMIAN
SAN ! IDENTIFICACIÓN
HBARTOLOME DE ÁREAS SUSCEPTIBLES
SANTA EULALIA
H
!
EN OBRAS LINEALES
SANTA CRUZ DE !
COCACHACRA SUSCEPTIBILIDAD A FRM
MODELO 3 SAN(VAN WESTEN)
H
ANDRES DE TUPICOCHA
MAPA N° 17
H
!
0 1 2 4 6 8
SANTIAGO DE TUNA km
km 01 RICARDO PALMA
H
!
H
! ZONA 18S UTM, DATUM DE REFERENCA WGS84
8680000320000 340000
H
!
340000 8740000 360000
H
!
®
140000 230000 320000 410000
8740000
MOROCOCHA
H
!
MARCAPOMACOCHA
8800000
8800000
HUAROS
8720000
Lima
Junín
8700000
8700000
km 85.257
km 80
Océano Pacífico
8600000
8600000
YAULI
CANTA
8500000
8500000
140000 230000 320000 410000

km 70
H
!
YAULI
CHICLA
HUANZA
H
!
H
!
km 60
!CARAMPOMA
H
LACHAQUI
H
!
H
!
8720000
SAN PEDRO DE LARAOS
8700000
km 50
ARAHUAY SIMBOLOGÍA
Carretera LM-116
SAN MATEO
Microcuencas
km 40 H
!
SAN JUAN DE IRIS
!
H Distritos
360000
HUACHUPAMPA !
Lagunas
320000
Rangos
H
! de susceptibilidad
MATUCANA
km 30
SAN PEDRO DE !
CASTA
H Susceptibilidad baja
km 20 Susceptibilidad muy alta
8700000
CALLAHUANCA
H
!
SAN MATEO DE OTAO
H
!
SURCO
8680000
H
!

MAESTRÍA EN GESTIÓN DE RIESGO DE DESASTRES H
!
SAN DAMIAN
km 10
SAN ANTONIO
SAN !
HBARTOLOME
EN OBRAS LINEALES
SANTA EULALIA
!
H
SANTA CRUZ DE !
COCACHACRA MODELO 4SAN
(VAN WESTEN)
MAPA N° 18
H ANDRES DE TUPICOCHA
0 1 2 4 6 8
km H
!
SANTIAGO DE TUNA
RICARDO PALMA ZONA 18S UTM, DATUM DE REFERENCA WGS84
km 01
LURIGANCHO
H
!
H
! ANTIOQUIA
320000 8680000 340000

340000 8740000 360000
H
!
®
8740000
140000 230000 320000 410000 500000

8900000
8900000
H
!
MOROCOCHA
8720000
Lima
Lima
8800000
8800000
Junín
km 85.257
8700000
8700000
km 80
8600000
8600000
Océano Pacífico YAULI
Océano Pacífico
CANTA
km 70
8500000
8500000
H
! 140000 230000 320000 410000 500000
CHICLA
HUANZA
H
!
H
!
km 60
CARAMPOMA
!
H
LACHAQUI
H
!
H
!
8720000
SAN PEDRO DE LARAOS
8700000
km 50
SIMBOLOGÍA
ARAHUAY
Carretera LM-116
Microcuencas
SAN MATEO

km 40
Distritos
!
H
SAN JUAN DE IRIS
!
H
Lagunas
360000
HUACHUPAMPA !
H
320000

H
!
MATUCANA
km 30
SAN PEDRO DE !
CASTA
H
km 20
8700000
CALLAHUANCA
H
!
SAN MATEO DE OTAO
H
!
H
! SURCO
8680000

!

SAN DAMIAN
km 10
SAN ! IDENTIFICACIÓN
HBARTOLOME DE ÁREAS SUSCEPTIBLES
SANTA EULALIA EN OBRAS LINEALES
!
H

SANTA CRUZ DE !
COCACHACRA SUSCEPTIBILIDAD A FRM
MODELO 5 (WOFE)
H
MAPA N° 19
H
!
0 1 2 4 6 8
SANTIAGO DE TUNA km
km 01 RICARDO PALMA
H
!
H
!
LURIGANCHO
ANTIOQUIA
8680000 320000 340000
H
!
340000 8740000 360000
230000 320000 410000
®
H
!
8800000
8800000
MOROCOCHA
Junín
8740000
8700000
8700000
8720000
km 85.257
km 80
8600000
8600000
Océano Pacífico
8500000
8500000
230000 320000 410000
km 70
CANTA
CHICLA
H
!
HUANZA
H
!
H
!
km 60
!CARAMPOMA
360000
H
H
!
LACHAQUI
320000
H
!
SAN PEDRO DE LARAOS
km 50
8720000
SANTA ROSA DE QUIVES

SAN MATEO
SIMBOLOGÍA
8700000
Carretera LM-116
ARAHUAY Microcuencas
km 40 H
!
SAN JUAN DE IRIS Ríos y cursos de agua
Distritos
H
!
!
H
Lagunas MATUCANA
HUACHUPAMPA !
H
H
!
km 30

SAN PEDRO DE !
CASTA
H
km 20
CALLAHUANCA
H
!
SAN MATEO DE OTAO
H
!
H
! SURCO
8700000
SAN ANTONIO UNIVERSIDAD NACIONAL DE INGENIERÍA

8680000
MAESTRÍA EN GESTIÓN DE RIESGO DE DESASTRES SAN DAMIAN

km 10
IDENTIFICACIÓNSAN
DE!HBARTOLOME
ÁREAS SUSCEPTIBLES
SANTA EULALIA
!
H EN OBRAS LINEALES
H
!
SANTA CRUZ DE !
COCACHACRA
MODELO 6 (WOFE) SAN ANDRES DE!HTUPICOCHA

H
0 1 2 4 6 8
km
SANTIAGO DE TUNA
MAPA N° 20
km 01 RICARDO PALMA
H
! ZONA 18S
H UTM, DATUM DE REFERENCA WGS84
!
LURIGANCHO
ANTIOQUIA
8680000 320000 340000

340000 380000 8720000
®
140000 230000 320000 410000 500000
8900000
8900000
81
8800000
8800000
Lima km 80 80
Junín MARCAPOMACOCHA
78
8700000
8700000
km 80 77
8720000
8600000
8600000
Océano Pacífico 76
km 70
8500000
8500000
75
140000 230000 320000 410000 500000
74
SAN PEDRO DE LARAOS
SAN JUAN DE IRIS CARAMPOMA
73
72
HUACHUPAMPA km 60 71
70
HUANZA
300000
km 30 69
8700000
km 50
320000
68
km 70 - km 80
67
SAN ANTONIO SAN PEDRO DE CASTA 8720000 340000

km 40
km 20 km 50
8700000
HUANZA
380000
8720000
340000
km 30
SANTA EULALIA
CALLAHUANCA SIMBOLOGÍA
CARAMPOMA
km 14 - km 36
SAN ANTONIO
Carretera LM-116
320000 km 20
H
! Distritos
Progresivas
SAN PEDRO DE LARAOS
FRM SAN JUAN DE IRIS
MAESTRÍA EN GESTIÓN DE RIESGO DE DESASTRES Buffer
IDENTIFICACIÓN DE ÁREAS SUSCEPTIBLES km 10 Rangos de susceptibilidad

EN OBRAS LINEALES Susceptibilidad muy baja km 40
APLICANDO TÉCNICAS DE GEOPROCESAMIENTO Susceptibilidad baja
ANÁLISIS DE PROXIMIDAD Susceptibilidad alta
012 4 6 8 MAPA N° 21 km 01
km 39 - km
HUACHUPAMPA 51
HUACHUPAMPA
Km
300000 8680000 340000

340000 380000 8720000
®
140000 230000 320000 410000 500000
8900000
8900000
8800000
8800000
Lima
Junín
8700000
8700000
km 80
8600000
8600000
Océano Pacífico
km 70
8500000
8500000
140000 230000 320000 410000 500000
km 60 km 40
km 50
km 40
8720000 300000
8680000
km 32
km 30
km 46.5
SIMBOLOGÍA
Carretera LM-116
km 20 Ríos y cursos de agua
Distritos
H
! FACULTAD DE INGENIERÍA CIVIL
380000
Progresivas
FRM
Buffer IDENTIFICACIÓN DE ÁREAS SUSCEPTIBLES

km 10 Rangos de susceptibilidad EN OBRAS LINEALES
Susceptibilidad muy baja APLICANDO TÉCNICAS DE GEOPROCESAMIENTO
RECONOCIMIENTO DE ZONAS SUSCEPTIBLES

012 4 6 8
Km MAPA N° 22
km 01
300000 8680000 340000

Identificación de Áreas Susceptibles A Fenómenos de Remoción en Masa en Obras Lineales Aplicando Técnicas de Geoprocesamiento

Cargado por

Información del documento

Título original

Derechos de autor

Formatos disponibles

Compartir este documento

Compartir o incrustar documentos

Opciones para compartir

¿Le pareció útil este documento?

¿Este contenido es inapropiado?

Copyright:

Formatos disponibles

Identificación de Áreas Susceptibles A Fenómenos de Remoción en Masa en Obras Lineales Aplicando Técnicas de Geoprocesamiento

Cargado por

Copyright:

Formatos disponibles

UNIVERSIDAD NACIONAL DE INGENIERÍA

FACULTAD DE INGENIERÍA CIVIL

“IDENTIFICACIÓN DE ÁREAS SUSCEPTIBLES A

PARA OBTENER EL GRADO ACADÉMICO DE MAESTRO EN

JENNY MARINA VÁSQUEZ ACUÑA

Presentado a la Unidad de Posgrado de la Facultad de Ingeniería Civil en

MAESTRO EN GESTIÓN DE RIESGO DE DESASTRES

Autor : Ing. Jenny Marina Vásquez Acuña

Recomendado : Dr. PhD. Miguel Estrada Mendoza

Aceptado por : Dra. Heddy Jimenez Yabar

© 2022, Universidad Nacional de Ingeniería. Todos los derechos reservados

1 CAPÍTULO I. INTRODUCCIÓN .......................................................................... 1

TÉCNICAS DE GEOPROCESAMIENTO APLICADAS A LA IDENTIFICACIÓN DE ÁREAS SUSCEPTIBLES A FENÓMENOS DE REMOCIÓN EN

5.3 UNIDADES LITOLÓGICAS ....................................................................... 53

TÉCNICAS DE GEOPROCESAMIENTO APLICADAS A LA IDENTIFICACIÓN DE ÁREAS SUSCEPTIBLES A FENÓMENOS DE REMOCIÓN EN

Tabla 2.1 Procesos de la Política Nacional de Gestión de Riesgo de Desastres ..... 7

TÉCNICAS DE GEOPROCESAMIENTO APLICADAS A LA IDENTIFICACIÓN DE ÁREAS SUSCEPTIBLES A FENÓMENOS DE REMOCIÓN EN

Figura 1.1 Mapas de susceptibilidad a escala regional elaborados por INGEMMET.

TÉCNICAS DE GEOPROCESAMIENTO APLICADAS A LA IDENTIFICACIÓN DE ÁREAS SUSCEPTIBLES A FENÓMENOS DE REMOCIÓN EN

En el Perú los desastres asociados a los fenómenos de remoción en masa (FRM)

El inventario de peligros geológicos está compuesto por 200 fenómenos de

TÉCNICAS DE GEOPROCESAMIENTO APLICADAS A LA IDENTIFICACIÓN DE ÁREAS SUSCEPTIBLES A FENÓMENOS DE REMOCIÓN EN

TÉCNICAS DE GEOPROCESAMIENTO APLICADAS A LA IDENTIFICACIÓN DE ÁREAS SUSCEPTIBLES A FENÓMENOS DE REMOCIÓN EN

En el país, diferentes entidades estatales han desarrollado mapas de susceptibilidad

A pesar de que la estimación de la susceptibilidad a fenómenos de remoción en

Por lo expuesto en los párrafos anteriores es necesario emplear metodologías

1.2 PLANTEAMIENTO DEL PROBLEMA

A pesar de que la estimación de la susceptibilidad a FRM es fundamental en

1.3 FORMULACIÓN DE LA HIPÓTESIS

Los modelos que evalúan la susceptibilidad a fenómenos de remoción en masa

1.5 OBJETIVOS DE LA TESIS

1.6 CONTENIDO DE LA TESIS

1. En el Capítulo I se presenta una breve introducción a la problemática que

áreas susceptibles y el efecto potenciador que supone el uso de

6. En el capítulo VI se tratan los aspectos metodológicos para el tratamiento de

7. En el capítulo VII se dan algunas pautas metodológicas para realizar modelos

2 CAPÍTULO II. LA IDENTIFICACIÓN DEL PELIGRO EN EL PROCESO DE

2.1 PROCESO DE IDENTIFICACIÓN DEL PELIGRO

En nuestro país la identificación de peligros forma parte de la Política Nacional de

Tabla 2.1 Procesos de la Política Nacional de Gestión de Riesgo de Desastres

Etapas Procesos Acciones

El proceso de estimación constituye el punto de partida para la política de reducción

Los fenómenos de remoción en masa (en adelante FRM) causan pérdidas

Una medida importante para la comprensión del medio físico y la reducción de

¿Por qué es importante realizar modelos de susceptibilidad a FRM orientados a

análisis de peligro lo cual constituye una etapa fundamental en la evaluación del

2.2 SUSCEPTIBILIDAD A FENÓMENOS DE REMOCIÓN EN MASA

La susceptibilidad a fenómenos de remoción en masa es la medida cualitativa o

2.3 METODOLOGÍAS PARA LA ELABORACIÓN DE MAPAS DE SUSCEPTIBILIDAD

Los mapas de susceptibilidad a deslizamientos fueron desarrollados inicialmente por

Figura 2.2 Enfoques metodológicos para el desarrollo de modelos de susceptibilidad a FRM.

Las razones fundamentales de estos trabajos radican en la necesidad de unificar la

Figura 2.3 Porcentaje de artículos científicos relacionados a modelos de susceptibilidad

2.3.1 MÉTODOS CUALITATIVOS

Son métodos que acuden a la representación, a modo de inventario, de los

2.3.2 MÉTODOS CUANTITATIVOS

Los métodos cuantitativos se basan en expresiones matemáticas correlacionadas

2.3.3 MÉTODOS SEMI-CUANTITATIVOS

Los métodos semi-cuantitativos utilizan procedimientos de ponderación y calificación

El uso de los Sistemas de Información Geográfica (SIG) actualmente permite explotar

Como se ha mencionado en los párrafos anteriores las metodologías para el análisis

Tabla 2.2 Metodologías empleadas en diferentes estudios de susceptibilidad a

Estudio Fuente Lugar- Año Método empleado