Riesgo de Flujos de Escombros: Evaluación en Serra do Mar

Traducido del inglés al español - www.onlinedoctranslator.com
Ingeniería Geológica 313 (2023) 106961
Listas de contenidos disponibles enCiencia Directa
Ingeniería Geológica
Página de inicio de la revista:www.elsevier.com/locate/enggeo
Una evaluación de riesgos de varios pasos para áreas propensas a flujos de escombros influenciadas por
eventos hidroclimáticos
Víctor Cabrala,b,*, Fábio Reisa, Vinícius Velosoa, Agostinho Ogurado, Christiane Zarflb
aDepartamento de Geología Aplicada, Universidad Estatal de São Paulo–UNESP, Avenida 24A, 1555 Río Claro, Brasil
bGeo- und Umweltforschungszentrum (GUZ), Universidad de Tubinga, Schnarrenbergstraße 94–96, Tubinga, Alemania
doInstituto de Investigación Tecnológica–IPT, Av. Prof. Almeida Prado, 532 São Paulo, Brasil
INFORMACIÓN DEL ARTÍCULO
ABSTRACTO
Palabras clave:
Los estudios de evaluación de riesgos son fundamentales para identificar zonas propensas a desastres, especialmente en lugares con alta
Estadística multivariante
vulnerabilidad ambiental y socioeconómica. Este estudio propone una evaluación de riesgos de flujos de escombros en varias etapas,
Serra do Mar
Cubatão
Deslizamientos de tierra
Intensas tormentas de lluvia
basada en la combinación de análisis de regresión logística (LR), simulación numérica y retroanálisis de precipitaciones. Un área propensa
a deslizamientos de 84 km²2Se eligió como sitio de prueba un área de 20 cuencas fluviales y una de las plantas petroquímicas más
grandes de Latinoamérica. La lluvia es el principal factor que influye en el inicio de flujos de detritos, como lo destaca el análisis de LR,
seguida de la cobertura del suelo y la pendiente. El análisis también indicó las cuencas más susceptibles a los flujos de detritos, y los
resultados de la simulación muestran que la distancia promedio de escorrentía en estas cuencas es de 470 m, con una altura promedio de
flujo máximo de 5 m y una velocidad máxima de 23 m/s.−1Los flujos de escombros se desencadenan por fenómenos de corta duración (<
48 h), de alta intensidad (>Precipitación de 200 mm, con períodos de retorno que varían de 3 a 10 años. Se proponen cinco niveles de
peligro (de muy bajo a muy alto) para el sitio de estudio, basados principalmente en la precipitación acumulada en 48 horas y las
propiedades del flujo. Las áreas industriales y residenciales en la ruta proyectada de flujos de escombros generalmente presentan los
niveles de peligro general más altos, ya que muchas se desarrollaron en el área de sedimentación de los flujos de escombros y cerca de
cursos fluviales, donde pueden ocurrir inundaciones y crecidas repentinas asociadas. Como lo indican estudios recientes, se proyecta un
aumento en la frecuencia de eventos de precipitación extrema en la región de Serra do Mar, considerando el corto período de retorno
general de las precipitaciones que desencadenan los flujos de escombros.<10 años), de gran magnitud (>105metro3) Es probable que en
el futuro próximo se produzcan flujos de escombros.
1. Introducción
han indicado que la región de Serra do Mar puede experimentar un aumento en la
frecuencia y magnitud de eventos de deslizamientos de tierra y flujos de escombros,
El transporte de sedimentos en las regiones montañosas se inicia principalmente por
particularmente en escenarios con un 2.0◦C aumento de los niveles de calentamiento
eventos episódicos, como deslizamientos de tierra, flujos de escombros y avalanchas (Dietrich y
global (GWL) (Marengo y otros, 2021). Varios estudios recientes también han indicado
Dunne, 1978). Los flujos de escombros son especialmente destructivos entre los procesos
que el calentamiento global puede aumentar la frecuencia de eventos de precipitaciones
hidrogeomórficos, ya que son capaces de mover sedimentos muy rápidamente por canales
extremas en todo el mundo (por ejemplo,Westra y otros, 2014;Deng y otros, 2021), lo que
empinados (desde materia orgánica hasta grandes bloques de roca), lo que representa un peligro
puede provocar pérdidas socioeconómicas significativas, especialmente en el Sur Global,
importante para los seres humanos y las infraestructuras.Corominas y otros, 2014). La
1donde se realiza poca inversión para prevenir desastres naturales (Petley, 2012;Marengo
precipitación de alta intensidad es uno de los principales factores desencadenantes y los flujos de
y otros, 2021).
escombros provocados por la lluvia comúnmente se inician a partir de deslizamientos de tierra (
Takahashi, 2006;Yang y otros, 2020).
Los deslizamientos de tierra y los flujos de escombros están asociados con un
alto número de muertes por evento en Brasil (Kahn, 2005), donde 9 de cada 100
En Brasil, la Serra do Mar es el principal sitio de ocurrencia de deslizamientos de
personas viven en zonas propensas a peligros naturales (Alvalá y otros, 2019). El
tierra y flujos de escombros, debido a sus pendientes pronunciadas (con un promedio de
enfoque adoptado en el país respecto a la gestión de riesgos naturales ha sido
25◦hasta 35◦) y altas tasas de pluviosidad (hasta 4000 mm anuales) (Vieira y Gramani,
históricamente reactivo, apoyándose en medidas para afrontar los impactos
2015). Proyecciones recientes en el contexto del calentamiento global
después de que ya ha ocurrido un desastre.Marengo y otros, 2021). Incluso
* Autor para correspondencia en: Departamento de Geología Aplicada, Universidad Estadual Paulista – UNESP, Avenida 24A, 1555 Rio Claro, Brasil. Dirección de
correo electrónico:[email protected] (V. Cabral).
1Según la definición del Centro Financiero de las Naciones Unidas para la Cooperación Sur-Sur (UN FCSSC, 2022).
https://doi.org/10.1016/j.enggeo.2022.106961
Recibido el 6 de julio de 2022; Recibido en forma revisada el 29 de noviembre de 2022; Aceptado el 30 de noviembre de 2022
Disponible en línea el 7 de diciembre de 2022 0013-7952/© 2022
Elsevier BV Todos los derechos reservados.
Ingeniería Geológica 313 (2023) 106961
V. Cabral y otros.
Aunque el Centro Nacional de Monitoreo y Alerta Temprana de Desastres
Cabral y otros, 2022). También se han desarrollado umbrales de precipitación para
Naturales (Centro Nacional de Monitoramento y Alertas de Desastres Naturales-Si
eventos de deslizamientos de tierra y flujos de escombros para las laderas de la región.
bien el CEMADEN fue creado en 2011 y se desarrollaron y financiaron programas
Tatizana y otros (1987), basado en el modelo de Intensidad-Duración (I–D) establecido
de gestión de riesgos, desde 2014 el centro ha experimentado sucesivos recortes
por primera vez porCaín (1980).
en su presupuesto anual, de aproximadamente US$ 14 millones en 2013 a
La frecuencia de flujos de escombros en Serra do Mar está influenciada en gran
aproximadamente US$ 3,7 millones en 2020 (Brasil 2021), lo que dificulta un
medida por eventos de fuertes lluvias (Kanji y otros, 2007;Lacerda, 2007), de ahí la
monitoreo continuo y exhaustivo de los riesgos.
importancia de los umbrales de precipitación. Por lo tanto, es necesario establecer límites
precisos para la cuantificación de los riesgos y la implementación de programas de
Las evaluaciones cuantitativas del peligro de flujos de escombros son escasas en
comparación con otros tipos de procesos hidrogeomórficos en Brasil, lo que puede estar
monitoreo.Caine, 1980;Corominas y otros, 2014). Debido al cambio climático, es
asociado a la falta de inversiones que conducen a un monitoreo deficiente, lo que
necesaria una evaluación constante y, de ser necesario, actualizaciones de estos
dificulta el establecimiento de estimaciones realistas de la probabilidad temporal y
umbrales para garantizar su capacidad de prevenir daños.Chang y otros, 2011).
En este contexto, este estudio propone una evaluación de riesgos en varias
espacial de los eventos.Alvalá y otros, 2019). La falta de datos de alta calidad de eventos
pasados es otra limitación que afecta la implementación de programas eficaces de
etapas para regiones propensas a flujos de escombros, influenciadas por eventos
gestión de riesgos y peligros.Corominas y otros, 2014). La base de los estudios de riesgo
hidroclimáticos. Se eligieron las laderas central y noreste de Cubatão como sitio de
que se centran en los flujos de escombros desencadenados por deslizamientos de tierra
estudio debido al extenso registro de eventos de flujos de escombros. Para la
generalmente se basa en un inventario sólido de deslizamientos de tierra, el
evaluación de riesgos, primero se realizó una Regresión Logística (LR) basada en
conocimiento de los principales factores de control y desencadenantes que influyen en su
datos para identificar los principales factores que influyen en el inicio de flujos de
ocurrencia y la evaluación de los elementos en peligro.van Westen y otros, 2008;
escombros en la región y las cuencas más susceptibles al fenómeno, así como el
Corominas y otros, 2014).
análisis retrospectivo de dos eventos regionales de flujos de escombros utilizando
Los inventarios de deslizamientos de tierra son un primer paso fundamental
RAMMS. Con base en los resultados de las simulaciones, la LR y el análisis de los
en los estudios de peligro y susceptibilidad, aplicados en la investigación de sus
eventos de lluvia que provocaron flujos de escombros en el sitio de estudio, se
patrones de distribución en relación con las variables ambientales, así como en la
propuso una matriz de riesgos para la creación de un mapa de zonificación de
validación de escenarios de peligro (van Westen y otros, 2008;Steger y otros, 2021
riesgos. Además, se realizó un análisis de los umbrales de lluvia para verificar las
). Además, con la asociación de la distribución de deslizamientos y la probabilidad
curvas actuales de flujos de escombros, así como el mapeo de las infraestructuras
temporal de un evento desencadenante, también puede ser posible establecer
ubicadas en la región para contribuir a la zonificación de riesgos.
relaciones de frecuencia-magnitud (Corominas y otros, 2014).
Los factores influyentes están asociados a los parámetros
desencadenantes y controladores que conducen a la ocurrencia de flujos de
escombros, los cuales pueden variar según las características de una región
(Corominas y otros, 2014; Nikolova y otros, 2020). Desde el estudio deMelton
(1958)Se han realizado varios intentos para identificar las variables
morfométricas críticas que controlan el inicio del flujo de escombros en una
cuenca (por ejemplo,Bovis y Jakob, 1999;Wilford y otros, 2004;Nikolova y
otros, 2020), incluso en Brasil (por ejemplo,Dias y otros, 2016;Gabelini y
otros, 2019, entre otros). Los análisis estadísticos multivariantes se han
aplicado tradicionalmente en este sentido, debido a su evaluación objetiva
de la relación entre una variable dependiente (ocurrencia o no de un evento)
y una serie de variables independientes (es decir, los factores influyentes).
Corominas y otros, 2014).
2. Flujos de escombros y el área de estudio
Cubatão, un municipio con cerca de 130.000 habitantes en el estado
de São Paulo, se desarrolló al pie de la Serra do Mar, un conjunto de
escarpes escarpados y festoneados que bordean la costa sur y sureste
de Brasil durante unos 1500 km (Figura 1A) (Vieira y Gramani, 2015)
Varios eventos de deslizamientos de tierra y flujos de escombros han
ocurrido en la región, siendo los de 1985 y 1994 los más notoriamente
extendidos a lo largo de las laderas de Cubatão.
En 1985, la región centro y noreste de las laderas del municipio fue azotada
por una intensa precipitación entre el 23 y 24 de enero, lo que desencadenó>1.600
deslizamientos de tierra superficiales que en algunas cuencas iniciaron aún más
flujos de escombros (Figura 1B). La serie de flujos de escombros y deslizamientos
La regresión logística (LR) es uno de los métodos más comúnmente adoptados en los análisis
de tierra provocaron la fuga de amoníaco en la cuenca del río Mogi, debido a la
multivariados centrados en la susceptibilidad a deslizamientos de tierra (por ejemplo,Ayalew y
rotura de una tubería de la empresa petroquímica Copebrás (Vieira y Fernandes,
Yamagishi, 2005;Das y otros, 2010). La LR también se ha aplicado en estudios recientes de flujos
2010), y la sedimentación parcial del río Mogi debido al gran volumen de
de escombros (por ejemplo,Wu y otros, 2018;Shan y otros, 2020), con un desempeño satisfactorio
sedimentos transportados, afectando el funcionamiento del mayor puerto de
en la identificación de los principales factores que impactan el inicio de los flujos de escombros. El
Brasil (Santos), ubicado a 20 km de Cubatão (Gramani, 2001).
análisis de deslizamientos de tierra (LR) ha mostrado un menor grado de error en comparación
con otros análisis multivariados en estudios de susceptibilidad a deslizamientos de tierra (Wu y
De manera similar, el 6 y 7 de febrero de 1994, deslizamientos generalizados
otros, 2018), lo que potencialmente podría extrapolarse también a estudios de flujos de
en las laderas de la parte central de Cubatão iniciaron flujos de escombros en
escombros.
algunas cuencas (Figura 1B), afectando una refinería de petróleo y causando
Más recientemente, se han desarrollado modelos numéricos y basados en la
daños por más de U$S 40 millones (Kanji y otros, 2007Desde entonces, no se ha
física para apoyar el análisis de riesgos y peligros, debido a su capacidad para
producido ningún nuevo deslizamiento regional de magnitud similar en Cubatão.
representar características importantes de la dinámica de los flujos de escombros
El municipio es una de las zonas de Brasil más propensas a Natech.2desastres,
(Hussin y otros, 2012). Algunos ejemplos de modelos dinámicos incluyen DAN-3D (
debido a la producción y almacenamiento de productos petroquímicos y a la
Hungr y McDougall, 2009), FLO-2D (Quan Luna y otros, 2011) y RAMMS (Frank y
presencia de dos importantes carreteras (Anchieta - SP 150 e Imigrantes – SP 160)
otros, 2017). Desarrollado por el Instituto Suizo de Investigación de Nieve y
que conectan la ciudad de São Paulo a la costa.
Avalanchas (SLF), RAMMS se considera el modelo de última generación en
Figura 1B muestra la ubicación de las cuencas estudiadas, donde, históricamente, los flujos
simulación de flujos de escombros (Frank y otros, 2017), prediciendo la trayectoria
de escombros se registran con mayor frecuencia y ocurren cerca de zonas pobladas. Se adoptan
de salida, la velocidad, la altura del flujo y la presión de impacto, así como la tasa
números para denominar las cuencas, debido a la gran controversia sobre sus nombres. Las 20
de arrastre (Frank y otros, 2017). Estos parámetros son fundamentales para
cuencas se caracterizan por pendientes pronunciadas (con un promedio de 30◦hasta 35◦) y una
estimar la intensidad del peligro, lo que puede ayudar a la zonificación del peligro
densa cubierta de selva tropical. El lecho rocoso está compuesto por rocas metamórficas y
y el riesgo, así como al dimensionamiento de las estructuras y medidas de
plutónicas de la era Arcaica/Proterozoica.Instituto Tecnológico de Massachusetts, 1986). El mapa
protección.Hungr y McDougall, 2009).
de cobertura vegetal es
Debido a la alta vulnerabilidad ambiental y socioeconómica de Cubatão
(estado de São Paulo), el mayor sitio petroquímico de América Latina, se han
realizado varios estudios centrados en la susceptibilidad, peligro y riesgo de
deslizamientos de tierra y flujos de escombros en la región (por ejemplo,
Wolle y Carvalho, 1994;Kanji y otros, 2007;Vieira y Fernandes, 2010;
2Cuando los peligros naturales afectan a las áreas industriales, pueden interrumpir las
operaciones industriales y destruir instalaciones industriales, causando desastres Natech
(Peligros Naturales Desencadenantes de Desastres Tecnológicos).Galderisi y otros, 2008).
2
Ingeniería Geológica 313 (2023) 106961
V. Cabral y otros.
Figura 1.Ubicación del área de estudio. A) El área de estudio (Cubatão, São Paulo), ubicada en la Serra do Mar, Brasil. B) Vista general de las cuencas analizadas (números
en círculos blancos), ubicadas en las laderas central y noreste de Cubatão.
disponible como Información Suplementaria (IS), así como los mapas de geología y
(Cavalcanti, 2012), potenciada en la región de la Serra do Mar por el efecto
cobertura del suelo.
orográfico (Kanji y otros, 2007).
Las cuencas analizadas tienen un suministro limitado y el regolito de la región
generalmente exhibe una capa de suelo bien desarrollada con un espesor de
3. Material y métodos
hasta 2 m, con una capa de saprolito estructurada de hasta 10 m (Vieira y
Fernandes, 2010). Los deslizamientos de tierra superficiales se inician en la capa
3.1. Factores influyentes
de regolito más superficial (Lacerda, 2007), con una profundidad de falla que varía
según la posición del deslizamiento en las laderas, con un promedio de 1 m (
La selección de los factores que influyen en el inicio del flujo de escombros se basa
Cabral y otros, 2022). Debido a su naturaleza canalizada, así como a la abundancia
en estudios anteriores en todo el mundo y en Serra do Mar (por ejemplo,Wilford y otros,
de material pedregoso en los cauces, los flujos de detritos en Serra do Mar
2004;Dias y otros, 2016;Wu y otros, 2018;Nikolova y otros, 2020), así como de los factores
pueden crecer volumétricamente debido al arrastre.
que se consideran críticos en el área de estudio con base en eventos pasados. Se hicieron
La región se caracteriza por un clima subtropical húmedo (clasificación Cfa –
dos supuestos para su selección: (1) Los nuevos flujos de escombros ocurrirán en
Köppen), con temperaturas que varían entre 17◦C a 36◦C durante el año. Las
condiciones similares a las pasadas y (2) los factores analizados no cambiarán durante un
precipitaciones anuales pueden superar los 3300 mm, alcanzando hasta
largo período de tiempo.Wu y otros, 2018). Los factores influyentes son la pendiente de la
> 4000 mm en algunos años (Kanji y otros, 2007), siendo el verano la estación más
cuenca, el relieve de la cuenca, la orientación de la pendiente, el índice de potencia fluvial
lluviosa (diciembre-marzo). La Zona de Convergencia del Atlántico Sur (ZCAS) y los
(SPI), el índice de humedad topográfica (TWI), la litología, la cobertura del suelo, la
sistemas frontales son los principales sistemas sinópticos responsables de las
vegetación y la precipitación acumulada en 48 h (Tabla 1). Las características
precipitaciones extremas en el sureste de Brasil.
morfométricas generales de los animales estudiados
3
Ingeniería Geológica 313 (2023) 106961
V. Cabral y otros.
3.2. Inventarios de deslizamientos y datos cartográficos
Tabla 1
Factores influyentes analizados en este estudio.
Los inventarios de cicatrices de deslizamientos fueron elaborados a partir de
Descripción
Factores
Símbolo
Unidad
Alivio de la cuenca
H
kilómetros
Pendiente de la cuenca
Sl
%
Sá
–
La dirección de la brújula hacia la que se orienta la
Orientación de la pendiente
del evento de 1994 solo están disponibles en la parte central del área de estudio,
superficie de la pendiente.
donde se concentraron los deslizamientos. Estos dos inventarios están disponibles
SPI
–
El poder erosivo del agua que fluye
como SI en recursos en línea. También se utilizaron fotografías aéreas anteriores
–
Variación de la humedad del suelo impulsada
al evento de 1994 (octubre de 1992, del IGC); sin embargo, no se disponía de
por el terreno
fotografías anteriores a 1985 y se asumió que todas las cicatrices cartografiadas
Geología del lecho rocoso de la cuenca
eran resultado de este evento.
Índice de potencia de Strem
(SPI)
Humedad topográfica
Índice (TWI)
Litología
TWI
Suelo
Entonces
–
–
Vegetación
F
–
PAG
mm
Iluminado
acumulado de 48 h
lluvia
fotografías aéreas estereoscópicas de abril de 1985 y marzo de 1994,
La diferencia entre el punto de
elevación más alto y el más bajo
Pendiente de la cuenca
proporcionadas por el Instituto Geográfico y Cartográfico del Estado de São Paulo
(Instituto Geológico y Cartográfico-IGC), a escala 1:25.000. Las fotografías aéreas
La cobertura del suelo de la cuenca
El tipo de cobertura vegetal de la
cuenca
Los criterios utilizados para la extracción de las cicatrices de deslizamiento fueron: la
falta de vegetación (facilitada por la densa selva tropical de la región), la morfología
Precipitación acumulada durante 48 horas antes del flujo
característica (alargada, con mayor longitud que anchura) y el estado de drenaje de las
de escombros
laderas. En total, se cartografiaron 1679 cicatrices de deslizamiento en el evento de 1985,
con un área promedio de aproximadamente 338 m².2, mientras que en el evento de 1994
se cartografiaron 579, con un área promedio de aproximadamente 500 m2.
Las cuencas se muestran enTabla 2.
En este estudio se adoptó un DEM de resolución de 5 m, creado utilizando el topo a
Se realizó una reclasificación para estandarizar la escala de todos los factores y
rásterHerramienta en software SIG a partir de mapas topográficos de curvas de nivel de
facilitar la evaluación estadística. Se aplicó la razón de frecuencias en la
5 m (la resolución más alta disponible para la zona), también proporcionados por el IGC.
estandarización, según lo sugerido porChen y otros (2016)El método también
El mapa topográfico del IGC data de 1975, antes de los deslizamientos y flujos de
destaca el grado de influencia del factor reclasificado (METROyo, j, Ec.1), donde
escombros en la región.
cuanto mayor sea el valor del índice estándar final (incógnitayo,j, Ec.2), mayor será
La interpretación de los elementos en riesgo en el área de estudio se
basa en el mapa de uso del suelo del Instituto Brasileño de Geografía y
la influencia en la iniciación del flujo de escombros (Wu y otros, 2018):
syo,j
METROyo,j=
Estadísticas (IBGE), a escala 1:50.000, y fotografías aéreas de alta resolución de
(1)
Syo,j
2011 (Distancia de Muestreo Terrestre de 4 m), proporcionadas por el Empresa
Paulista de Planejamento Metropolitano S/A(EMPLASA). También se utilizaron
yo,j
(2)
fotografías aéreas de Google Earth como herramienta auxiliar, para confirmar el
definidos por los productos cartográficos (p. ej., el granito y las migmatitas son algunas
La información sobre la cobertura vegetal se obtuvo deMattos y
Matsukuma (1990), el mapa geológico deIPT (1986), y el mapa de
cobertura del suelo deRossi y Pfeifer (1991)yRossi (2017)El TWI de las
cuencas se calculó con base enKopecký y otros (2021)Utilizando
software SIG, en función del área de contribución de la cuenca, el
ancho de flujo y la pendiente de la cuenca. El SPI se basa en el área de
contribución y la pendiente de la cuenca, también calculada en
software SIG.de Rosa y otros (2019).
METRO
incógnita
=
yo,j
∑
metro
uso más actual del territorio de la región.
METROyo,j
yo=1
Dóndei=1, 2, 3…n representa el número del factor influyente yyo =1, 2, 3…n es la
subclase del factor reclasificado. Cada subclase se definió con base en los límites
de las subclases de la litología).Syo,jes el área de cada subclase después de la
reclasificación (km2) ysyo,jes el área de los deslizamientos de tierra reales existentes en
esa subclase (km2) (Wu y otros, 2018). El área de los deslizamientos en las cuencas se
elige como parámetro de evaluación, comparando los resultados de las cuencas donde
se producen flujos de escombros (codificados como 1) con los de las que no los producen
(codificados como 0), ya que los flujos de escombros en la región son desencadenados
3.3. Campañas de campo y ensayos geotécnicos
por deslizamientos.
Se realizaron tres campañas de campo en el área de estudio, en octubre
Tabla 2
Parámetros morfométricos de las cuencas en la región de estudio. Cap. = Cuenca, Rr = Relación de alivio; Dd = Densidad de drenaje; Ch. = Canal.
Atrapar.
Área
Número de deslizamientos de tierra
Rr
Volumen de deslizamiento de tierra (m3)
Alivio (km)
Dd (km/km2)
Longitud (km)
Pendiente del cap. (%)
Pendiente de captura (%)
Relación de Melton
0,98
0.62
0.66
0.7
0,71
0.48
0,75
0,92
0,94
0,96
0,76
0.8
0.4
0,75
0,73
0,74
0.8
0.8
0.7
0,76
1.09
0,99
2.09
2.24
1.61
1.97
2.04
0,82
1.42
2.34
1.51
2.73
1.36
0.88
1.93
1.22
3.74
3.59
4.72
2.31
1.91
9
14
8
10
12
17
16
10
9
13
14
9
12
16
13
11
11
13
12
9
51
21
34
29
32
43
23
29
33
28
30
37
40
19
24
23
28
27
35
43
0,25
0,54
0.43
0.68
0,55
0,51
0.32
0.34
0,55
0.43
0,28
0,53
0,55
0.13
0.32
0.44
0.43
0.41
0,51
0,52
cicatrices
1985
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
15.6 94
1.34 23
2.34 45
1.07 34
1.68 90
0.9 24
5.39 348
7.18 139
2.94 100
4.9 184
2.09 46
2.1 83
9.75 21
7.19 185
2.75 36
5.3 13
3.53 108
3.78 46
1.86 12
2.12 1
1994
14
N/A
N/A
N/A
N/A
N/A
N/A
N/A
13
31
1
37
32
121
14
13
143
85
26
1
0,51
0,21
0.34
0,29
0.32
0.43
0,23
0,29
0.33
0,28
0.30
0.37
0.40
0,19
0,24
0,23
0,28
0,27
0.35
0.43
1985
19.941.994
68.422
16.029
3061
16.678
N/A
N/A
8274
N/A
20.413
N/A
8589
N/A
131.738
33.977
25.741
78.866
10.234
32.216
N/A
8040
53.193
8793
1358
17.833
9188
3764
479
N/A
8163
20.107
388
20.474
20.783
82.633
8193
430
42.703
38.970
17.674
479
4
2.912
1.92
2.43
2.21
1.12
3.33
3.18
2.86
3.42
2.57
2.19
1
3.85
3.06
3.193
2.87
2.97
2.01
1.76
Ingeniería Geológica 313 (2023) 106961
V. Cabral y otros.
la probabilidad de ocurrencia o no ocurrencia de un evento cuando un
determinado factor influyente cambia en una unidad de volumen.Bse calcula
resolviendo la muestra de los factores influyentes reclasificados ymies la
función exponencial natural. El análisis de regresión se realizó con el
programa SPSS, versión 28.0.
2018, octubre de 2019 y mayo de 2022 para reconocimiento de campo, muestreo de
rocas y suelos, e investigación de la morfología de los canales y las áreas de origen. Se
recolectaron y analizaron ocho muestras de suelo, distribuidas en las partes central y
oriental de la región, tanto en regolito metamórfico como granítico (ubicación disponible
como SI, mapeada junto con el mapa geológico). Las pruebas de densidad aparente y el
Dado que los factores influyentes pueden potencialmente mostrar una
cribado del suelo realizados indican que el suelo más superficial de la región estudiada
tiene una densidad aparente de entre 1200 y 1750 kg m³.−3, con un promedio de
correlación alta a baja entre sí, se realizó una combinación de factores para
aproximadamente 1400 kg m−3(Tabla 3). El contenido de piedras es alto y aumenta
determinar su grado de contribución al inicio del flujo de escombros, como lo
rápidamente desde la superficie hacia capas más profundas del suelo, lo que puede
sugiereWu y otros (2018)En la primera ronda del análisis de rendimiento, los
incrementar la densidad del material de la pendiente que inicia los flujos de escombros.
parámetros influyentes se añadieron uno a uno, de forma independiente, creando
un modelo de un factor. El factor que mostró un efecto más positivo en el modelo
Las pruebas de detección muestran que el suelo tiene principalmente una
se conservó y se añadió en la siguiente ronda de análisis de rendimiento, creando
textura arenosa, con un contenido de arena que varía entre el 60% y el 80% y
así un modelo de dos factores. El proceso se repitió hasta combinar todos los
arcilla entre el 15% y el 40%.Tabla 3). Los resultados de las pruebas de corte
factores influyentes.
indican que la cohesión del suelo varía de 10 a 50 kPa y el ángulo de fricción
Para verificar los resultados del LR, se realizó un análisis de la
característica de operación del receptor (ROC), siguiendoFawcett (2006)Los
resultados con un área bajo la curva (AUC) más alta indican una mejor
predicción del inicio del flujo de escombros, y el orden en que se añade cada
factor al modelo indica su grado de influencia. Para más información sobre
el análisis ROC, consulteFawcett (2006).
El modelo obtenido con el LR se aplicó posteriormente en la evaluación
de susceptibilidad de las cuencas estudiadas. Se asumen tres niveles de
susceptibilidad para determinar las áreas más propensas al inicio de flujos
de detritos: bajo, cuando la probabilidad es<30%; media, cuando la
probabilidad está entre 30 y 50%; y alta, cuando la probabilidad es
interna de 29◦–37◦La conductividad hidráulica saturada (Ks) del suelo no se probó
en nuestro estudio, sin embargo se supone que varía de 10−6EM−1hasta 10−4EM−1
en la región (Wolle y Carvalho, 1994).
3.4. Regresión logística (LR)
En un modelo LR, la variable dependiente tiene dos categorías: la ocurrencia
(codificada como 1) y la ausencia (codificada como 0) de un evento (por ejemplo,
un flujo de detritos). La predicción espacial se modela mediante la variable
dependiente y una serie de variables independientes (es decir, factores
> 50%. Cada cuenca se clasificó entonces con una susceptibilidad general alta,
influyentes) disponibles de forma espacialmente continua en toda la región. El LR
media o baja, con base en la proporción de áreas clasificadas con el nivel de
se ajusta a una curva en forma de S que sigue la regresión lineal:
Y=alfa+βX+ε
susceptibilidad “alto”. Una cuenca se considera altamente susceptible cuando más
(3)
del 50% de su área total se clasificó con el nivel de susceptibilidad “alto”, mientras
que una cuenca se considera con una susceptibilidad general media o baja
DóndeYes la variable dependiente,alfaes la intersección,βes el
coeficiente de regresión que representa la variación enYcuandoincógnita
aumenta (Wu y otros, 2018).εes el término estocástico, que representa el
error del modelo.
cuando, respectivamente, el 20-50% o<El 20% de su superficie total está clasificada
con el nivel de susceptibilidad “alto”.
3.5. Simulación y calibración de flujos de escombros
La curva en forma de S es un gráfico de la probabilidad de tener un verdadero
positivo (respuesta al evento predicha correctamente) versus la probabilidad de un falso
RAMMS utiliza el modelo de fricción de fluidos de Voellmy para flujos de escombros,
positivo (respuesta al evento predicha falsamente) a medida que varía la probabilidad de
basado en la ley de flujo de fluidos de Voellmy (Frank y otros, 2017). El flujo de fluido de
corte (Wu y otros, 2018). Si la probabilidad de un evento se denominaPAG, luego inicie
Voellmy supone que un flujo de escombros es un modelo continuo promediado en
sesiónP/ (1-P)es el LR dePAGSe evalúan las variables independientes (x1, x2,…,incógnita
profundidad basado en hidráulica y que la resistencia del flujo se divide en una fricción
norte) para establecer la ecuación LR (Eqs.4 y 5) (Wu y otros, 2018):
seca de Coulomb (micras, adimensional) y una resistencia viscosa fricción turbulenta (ξ,
PAG=
EM−2) (Frank y otros, 2017). El flujo se mueve como un tapón, con la misma velocidad
(4)
Logit P=Z=B0+B1incógnita1+B2incógnita2+…+Bnorteincógnitanorte
media (tú, EM−1) sobre la altura del flujo (h, m). La resistencia a la fricción (S, Pa) se da por
la ecuación.6:
miZ
(5)
1 +miZ
S=μN+
ConB0como la relación entre la probabilidad de ocurrencia y no
ocurrencia de flujos de escombros en condiciones de no peligro de
desastre.B1, B2…Bnorteson el coeficiente LR, que indica la relación entre
ρgu2
+ (1 −micras)norte −
ξ
0
mi
(6)
norte
(1 −micras)norte
0 −norte0
(7)
norte=ρhcos(ϕ)
Tabla 3
Resultados de pruebas geotécnicas de las muestras de suelo colectadas en el área de estudio.
Muestra
Litología
Suelo
Profundidad de recolección (m)
Porosidad (%)
Densidad aparente (kg/
1
2
3
4
5
6
7
8
(Migmatita)
PSeMc
(Migmatita)
PSeMc
(Migmatita)
PSeMc
(Migmatita) AcMp
(Migmatita) AcMp
(Migmatita) AcMn
(Migmatita) AcMn
(Migmatita) AcMn
Textura
Cohesión (kPa)
(USDAa)
metro3)
Ángulo de fricción interna
(grados)
Ca3
2
1755
45.05
Franco arenoso
10
37
Ca3
1
1284
49.31
Franco arenoso
10
37
Ca3
1.5
1400
46.4
Marga
20
35
LVA1
LVA1
LVa3
LVa3
LVa3
1
1
2
1
1
1200
1274
1450
1360
1216
53.11
50.51
Marga
20
15
25
50
20
35
32
34
29
37
43.9
48.46
51.42
aClasificación del suelo propuesta por el Departamento de Agricultura de los Estados Unidos (USDA).
5
Franco arenoso
Marga
arcilla arenosa
Franco arenoso
Ingeniería Geológica 313 (2023) 106961
V. Cabral y otros.
Connortecomo la tensión normal en la superficie de rodadura (Eq.7) ynorte0como la
Los eventos de 1994 se generaron mediante la interpolación de datos pluviómetros
tensión de fluencia del material que fluye, introducida para modelar materiales plásticos
(técnica de kriging) en un software SIG con una resolución ráster de 25 m. Los mapas de
ideales (Hussin y otros, 2012). En las ecuaciones,ρes la densidad aparente (kg m−3),gramo
distribución de la precipitación están disponibles en formato SI. En el evento de 1985, la
es la aceleración gravitacional (ms−2),ϕEs el ángulo de pendiente descendente del
precipitación se concentró en la parte noreste del área de estudio, donde alcanzó
terreno (en grados). Los parámetros de entrada del modelo son un hidrograma o el
aproximadamente 412 mm en 48 h, con una precipitación máxima de 84 mm h.−1En el
volumen de iniciación y los parámetros de resistencia.micrasy ξPara una descripción más
evento de 1994, las precipitaciones se concentraron en la parte centro-oeste de la región,
detallada del modelo y sus ecuaciones rectoras, nos remitimos aHussin y otros (2012).
y la precipitación acumulada en 48 h alcanzó aproximadamente 452 mm con una
precipitación máxima de 60 mm h.−1.
Para la calibración de los parámetros de entrada, adoptamos las cicatrices de
Para el análisis de las precipitaciones de los eventos de 1985 y 1994, así como
deslizamiento mapeadas como el volumen de iniciación, con una profundidad
para el análisis de las precipitaciones que desencadenaron eventos de
promedio de 1 m (Cabral y otros, 2022), y asumimos que todas las fallas de talud
deslizamientos de tierra y flujos de escombros de 1975 a 2020 (Tabla 4), los datos
en cada cuenca ocurrieron al mismo tiempo debido a que no hay información
pluviómetros se obtuvieron de las bases de datos pluviométricas del
disponible al respecto. Los valores paramicrasyξse correspondieron mejor con los
Departamento de Aguas y Energía del Estado de São Paulo (DAEE), la Agencia
patrones de deposición descritos en la literatura y observados en las fotografías
Nacional de Aguas (ANA) y el CEMADEN. El período de retorno mostrado enTabla 4
aéreas, como lo sugiereAaron y McDougall (2019).
se basa en la ecuación de intensidad, duración y frecuencia de lluvia (IDF)
Las áreas de deposición simuladas y observadas se comparan a
continuación:Schraml y otros (2015), que utiliza un índice de cobertura (Ω)
como parámetro de evaluación (Eqs.8–11). El índice de cobertura considera
la coincidencia entre los depósitos simulados dentro de la deposición
observada (Aincógnita), el área de los depósitos simulados fuera de la
deposición observada (Ay), y áreas no simuladas dentro de la deposición
observada (Az). Cuanto más cercano sea el índice de cobertura a 1, más
precisa será la simulación (Schraml y otros, 2015).
establecida por Martínez y Magni (1999)para Cubatão (Eq.12), dóndeies la
χ=
Aincógnita
(8)
Aobservado
mi=
Ay
(9)
Aobservado
Az
ζ=
intensidad de la lluvia (mm minuto−1),des la duración de la lluvia (10<d <1440 min)
y RPes el periodo de retorno (años).
(10)
Aobservado
Ω =χ−mi− ζ
(11)
Se adoptaron dos fases de simulación: la primera, donde ξ no
cambia (ξ = 200) y los valores μ varían de 0,03 a 0,2; y la segunda,
donde el valor μ mejor coincidente no cambia, mientras que los valores
ξ varían de 100 a 1000 ms.−2.
3.6. Análisis de precipitaciones
Figura 2.Umbrales de precipitación para deslizamientos en la región de estudio, establecidos por
Tatizana y otros (1987).
La distribución de las precipitaciones en el área de estudio durante el año 1985
Tabla 4
Eventos de flujo de escombros registrados en la región de estudio desde 1975, actualizados con base enGramani (2001).
Captación
Fecha de
el
evento
25/12/
1
1975
10
1, 2, 3, 4, 5, 6, 7, 8, 9, 10,
12, 14
29/01/
1976
24/01/
1985
24/01/
9
1988
14, 15, 16, 17, 18, 19
17
Río Pilões (al oeste de la
área de estudio)
Río Pilões (al oeste de la
área de estudio)
Río Marcolino, Río Pilões,
Ribeirao do Cágado
(Al oeste del área de estudio)
17
07/02/
1994
09/04/
1996
12/12/
1999
16/02/
2000
22/02/
2013
29/04/
2022
Cima
24 horas
48 horas
96 horas
acumulado
lluvia
acumulado
lluvia
acumulado
lluvia
lluvia
247,5 milímetros
255,5 milímetros
261,4 milímetros
N/A
279 milímetros
315 milímetros
343 milímetros
Magnitud (m3)
Devolver
Pérdidas
período
intensidad
40 mm de alto−1
> 10×106
1×105
N/A
1.23
años
10.4
años
N/A
N/A
sedimentación
del río Mogi,
242 milímetros
411 milímetros
424 milímetros
84 mm de alto−1
N/A
185 milímetros
186 milímetros
192 milímetros
25 mm de alto−1
N/A
1 año
10 muertes
2,7 años
US$ 40 mi
1 año
Sin daños
Fuga de amoníaco
325 milímetros
452 milímetros
452 milímetros
60 mm de alto−1
1.7×10 5
(Cuenca 17)
260 milímetros
265 milímetros
265 milímetros
18 mm de alto−1
1.6×104
128 milímetros
274 milímetros
274 milímetros
N/A
3×105
N/A
N/A
N/A
304 milímetros
304 milímetros
304 milímetros
118 mm de alto−1
N/A
90.5
años
312 milímetros
314 milímetros
314 milímetros
118 mm de alto−1
N/A
90.5
años
169 milímetros
248 milímetros
270 milímetros
6
35 mm de alto−1
N/A
1 año
1 muerto, destrucción de 45
casas y 01 planta de
tratamiento de agua
bloqueo de carreteras
Ingeniería Geológica 313 (2023) 106961
V. Cabral y otros.
[
id,RP=25.1025(d+20)−0.7522+ 6.4266(d+20)−0.705
(
− 0.4772 − 0.9046En
)]
RP
RP− 1
(12)
precipitación acumulada (mm) yKybson constantes geométricas que
varían según las condiciones climáticas y las características geotécnicas
del área de estudio (Tatizana y otros, 1987).
Tatizana y otros (1987)Se estableció un umbral I–D en la región, en el que se crearon
cuatro curvas diferentes en función de la intensidad de un evento: la curva de
deslizamientos localizados, la curva de deslizamientos dispersos, la curva de
deslizamientos regionales y la curva de flujo de escombros (Figura 2). Estos umbrales/
curvas se establecieron en función de la intensidad horaria máxima del evento de lluvia,
3.7. Zonificación de peligro
combinada con la lluvia acumulada durante 96 horas antes del inicio del evento de
deslizamiento de tierra o flujo de escombros (Eq.13):
I=K*C.A−b
La creación del mapa de zonificación de riesgo para el área de estudio se basó
(13)
en la simulación de flujos de escombros en las cuencas más propensas a la
fenómeno identificado en el análisis LR, calibrado utilizando los dos eventos
de flujo de escombros de gran magnitud de 1985 y 1994. La simulación
DóndeIes la precipitación máxima por hora (mm h−1),C.Aes el 96-h
Figura 3.Dinámica de los flujos de escombros en el área de estudio. A) Mecanismo de iniciación de los flujos de escombros en cárcavas/cuencas menores del área de estudio, desencadenado por
deslizamientos de tierra superficiales en la región de las cabeceras. B) Flujo de escombros de 1975 ocurrido en uno de los arroyos de la cuenca 1. Foto del Prof. Dr. Milton Kanji, obtenida deGramani
(2001)C) Vista general del arroyo donde se produjo el flujo de escombros de 1975, que muestra una intensa acumulación de rocas en el cauce (Coordenadas: 365926,79 m E, 7368058,54 m S). D) Vista
aguas arriba de la cuenca 20, que muestra una intensa acumulación de escombros pedregosos en el cauce, así como el Bosque Grande (Coordenadas: 350665,03 m E, 7358314,49 m S).
7
Ingeniería Geológica 313 (2023) 106961
V. Cabral y otros.
Los eventos de gran magnitud, como los de 1985 y 1994, se caracterizan por
Los resultados se combinaron con el análisis de eventos de lluvia previos en el sitio de
estudio para crear una matriz de zonificación de riesgo. La información sobre el uso del
tener múltiples áreas de origen, tanto en los tramos superiores como en los
suelo de la región también se considera en la zonificación de riesgo, determinando los
medios del canal (Figura 4A) Los desechos en el canal también son una
elementos en riesgo.
característica importante de las cuencas en la región de estudio (Figuras 3CD,4B,
C, D), lo que puede contribuir a aumentar la gravedad de los flujos de escombros.
4. Resultados y discusiones
Se pueden observar escombros en el canal aguas arriba (Figura 4C), medio (Figura
3C) y los tramos aguas abajo de las cuencas, lo que sugiere que estos materiales
son restos de flujos de escombros pasados o de fallas de pendiente recientes y
4.1. Dinámica de los flujos de escombros, factores influyentes y susceptibilidad
localizadas a lo largo del canal que no fueron movilizadas.
El inicio de los flujos de escombros provocados por las lluvias en la región de Serra
do Mar se puede resumir generalmente en tres etapas, comoLacerda (2007) Sugiere: (1)
El procedimiento de estandarización de los factores influyentes de la cuenca
la infiltración de la lluvia en el suelo, lo que provoca (2) derrumbes de taludes, que a su
que registró flujos de detritos durante los eventos de 1985 y 1994 y la evaluación
vez (3) desencadenan un flujo de escombros canalizado. El principal proceso asociado
de un solo factor, realizada para identificar las subclases más impactantes, se
con los derrumbes de taludes en las laderas de Serra do Mar es la pérdida de succión
muestra enTabla 5Cuanto menor sea la clasificación, mayor será su impacto en la
debido a la infiltración de la lluvia.Lacerda, 2007).
ocurrencia de flujos de escombros. La tabla de las cuencas que no registraron
Los eventos de precipitaciones altas a extremas ocurren a menudo en las
flujos de escombros está disponible como Información Suplementaria. Con base
cuencas de Serra do Mar (Vieira y Gramani, 2015), que pueden provocar grandes
en los resultados óptimos de ajuste del modelo (mayor AUC) obtenidos mediante
deslizamientos de tierra poco profundos que inician flujos de escombros en
el LR y en la prioridad de los factores añadidos al modelo, se estableció la
barrancos aislados (Figura 3A), que a menudo no se reportan. Un ejemplo de tal
siguiente secuencia: (1) Precipitación, (2) Cobertura del suelo, (3) Pendiente de la
evento es el flujo de escombros de 1975 (Tabla 4) en uno de los arroyos de la
cuenca, (4) SPI, (5) TWI, (6) Cobertura forestal, (7) Litología, (8) Orientación de la
cuenca 1 (Figura 3B), desencadenado por deslizamientos superficiales en la zona
pendiente y (9) Relieve de la cuenca.Tabla 6).
de la cabecera. La “onda de choque”, debida al impacto de la caída de rocas, es
Varios estudios en Serra do Mar destacan que la lluvia es el principal factor de
otro mecanismo que puede desencadenar flujos de escombros en la región de
iniciación de los flujos de escombros (Lacerda, 2007;Kanji y otros, 2007;Vieira y
estudio.Lacerda, 2007), así como deslizamientos latentes, cuyo material puede
Fernandes, 2010;Vieira y Gramani, 2015) y nuestro análisis corrobora estadísticamente la
acumularse en tramos aguas arriba y reactivarse por deslizamientos primarios o
afirmación. Se identificaron 10 subclases del índice de precipitaciones en toda el área de
desprendimientos de rocas en las laderas. En la región, no se han reportado flujos
estudio (Tabla 5), basado en los patrones de distribución de las precipitaciones. Para los
de escombros iniciados únicamente por el aumento del caudal del cauce, lo que
eventos de 1985, la subclase 200-220 mm se asocia con una mayor densidad de flujos de
provoca la movilización de material en el cauce.
escombros que desencadenan deslizamientos de tierra.
Figura 4.Dinámica de flujo de escombros en el área de estudio. A) Esquema del mecanismo de iniciación de los eventos de flujo de escombros de 1985 y 1994, caracterizado por
múltiples áreas de origen. B) Vista aguas arriba de la cuenca 7, que muestra una intensa acumulación de escombros pedregosos en el cauce, así como afloramientos de roca fracturada
en los márgenes (Coordenadas: 360256.69 m E, 7367963.72 m S). C) Vista general de la sección aguas arriba de la cuenca 19, que muestra una intensa acumulación de escombros
pedregosos en un cauce. Se observa un fuerte control estructural en la cuenca (Coordenadas: 350847.96 m E, 7360336.15 m S). D) Vista aguas abajo de la sección aguas arriba de la
cuenca 7, que muestra un área con menor acumulación de escombros en el cauce. Las áreas con intensa deposición de escombros pedregosos y leñosos se intercalan con áreas con
escasas acumulaciones a lo largo de la cuenca, lo que sugiere que un flujo de escombros menor podría haber ocurrido más recientemente en cárcavas pequeñas o que se produjeron
fallas de talud, pero no desencadenaron un flujo de escombros, acumulando el material en el cauce. (Coordenadas: 360256,69 m E, 7367963,72 m S).
8
Ingeniería Geológica 313 (2023) 106961
V. Cabral y otros.
Tabla 5
Estandarización de los factores influyentes y ranking de factores individuales.
Parámetro influyente
Subclases
0–16
Pendiente de la cuenca (%)
16–35
35–53
53–70
70–90
90–172
AcMn
PSeMc
PSEOM
PSEOYt
Litología
AcMp
PSpX
PSEOY
PSpF
AcMg
Lluvia
106–130
130–160
160–200
200–240
240–270
270–300
300–330
330–360
360–400
400–420
0–20
Alivio
20–150
150–300
300–400
400–500
500–600
600–700
700–820
820–930
Departamento
Norte
Nordeste
Este
Orientación de la pendiente
Sudeste
Sur
Suroeste
Oeste
TWI
SPI
Cobertura del suelo
Noroeste
Norte
0a4
4a6
6a8
8 a 11
11 a 15
15 a 22
−9a−4
−4a−2
− 2 a - 0,5
− 0,5 a 0,5
0,5 a 1,5
1,5 a 6
LAV3
CA1
LAV1
CA2
CA3
A
Otros
Mangle
suelo desnudo
Otros
Cobertura forestal
Soy
Automóvil club británico
H
Ab2
Syo(km2)
syo(km2)
METROyo
Categoría
incógnitayo
1985
1994
1985
1994
1985
1994
1985
1994
1985
1994
11.11
7.564
2.928
3.904
4.636
0.0139
0.0546
0.1729
0.3402
0.3383
0.1176
0.2112
0.1295
0.0131
0.0136
0.0218
0.0779
0.0240
0.0100
0.0242
0.0747
0.1627
0.1572
0.0617
0.1256
0.0704
0.0013
0.0060
0.0163
0.0337
0.0479
0.0466
0.0150
0.0196
0.0062
0.0151
0.0033
0.0059
0.0134
0.0013
0.0083
0.0191
0.0351
0.0429
0.0422
0.0101
0.0211
0.0082
0.0396
0.1075
0.2221
0.3155
0.3072
0.1911
0.2502
0.0795
0,1922
0.0415
0.0752
0.1703
0.0089
0.0556
0.1284
0.2357
0.2884
0.2831
0.2455
0.5137
6
5
4
3
1
2
3
1
7
2
6
5
4
–
–
8
7
2
1
6
9
4
3
5
–
9
8
7
5
4
2
1
6
3
10
4
2
1
5
7
6
9
8
3
1
2
3
4
5
–
1
2
6
5
4
3
3
2
4
5
1
6
–
–
6
4
1
3
5
2
6
5
4
3
1
2
2
1
–
–
–
3
–
4
5
–
–
–
–
–
1
5
4
3
2
9
8
6
7
3
2
1
4
5
10
1
8
5
3
7
6
4
2
9
1
2
3
4
5
–
1
2
6
5
4
3
2
–
–
1
–
3
–
–
–
4
3
1
5
2
9.11
10.60
10.10
7.07
2.52
14.1
6.6
2.1
0.9
6.7
13.23
1.8
0
0
1.94
3.13
4.41
2.52
5.30
8.80
8.61
6.64
9.10
–
4.08
10.08
8.22
5.25
5.18
4.78
4.34
6.97
1.54
0
1.18
2.89
5.53
8.55
8.42
4.82
9.93
6.84
1.49
11.09
22.58
8.63
4.93
4.93
0,29
1.06
2.86
1,50
19,90
18.33
6.10
5.16
1.4
31.2
3.2
2.42
3.12
2.6
0.07
0.2
4.1
6.73
5.25
7.65
24.06
3.66
1.464
12.46
3.34
0
0
0
2.5
0
0,54
0,17
0
0
0
0
0
0.46
6.48
8.71
6.92
1.85
4.62
4.35
2.90
2.07
2.00
1.97
2.02
3.79
0.32
0.0020
0.8060
3.1152
4.5445
5.4996
5.3920
1.7920
0.8973
1.0694
0.5600
4.14
10.12
4.24
2.74
2.17
0.34
0.38
1.08
0.84
11.87
7.29
2.60
14.23
0
0.014
2.2
0
1.9
3.59
0
0.5
3.7
5.6
2.25
2.24
7.8
–
–
–
0.0140
–
–
–
–
–
–
0.0056
–
0.1367
–
0.0023
0.0000
–
–
–
–
–
–
–
0.0008
0.0620
0.0942
0.0346
0.0080
0.0044
0.0073
0.0143
0.0197
0.0077
0.0036
0.0106
0.0141
0.0083
0.0900
–
–
–
0.0138147
0.05832625
0.1025044
0.1049369
0.1051464
0.1048253
0.0877866
0.03235324
0.0133
0.0306
0.0178
0.0318
0.0585
0.0779
0.0574
0.0035
0.0014
0.0071
0.0195
0.0202
0.0220
0.0241
0.0126
0.0210
0.0030
0.0105
0.0086
0.0159
0.0297
0.0386
0.0152
0.0107
0.0107
0.0555
0.1526
0.1582
0.1717
0,1886
0.0985
0.1642
0.0231
0.0798
0.0649
0.1201
0.2244
0.2919
0.1146
0.0811
0.0253
0.0641
0.1264
0.1513
0.1043
0.0752
0.0770
0.0622
0.0329
0.3831
0.4206
0.1182
0.0344
0.0040
0.0194
0.0353
0.0629
0.0826
0.0640
0.0235
0.0131
0.0161
0.0204
0.1537
0.2094
0.0661
0.0182
0.0037
0.0214
0.0222
0.0229
0.0177
0.0124
0.0156
0.0078
0.0091
0.0220
0.0345
0.0186
0.0137
0.0070
0.0008
0.0240
0.0113
0.0138
0.0150
0.0119
0.0131
0.0146
0.0151
0.0365
0.0371
0.0207
0.0156
0.0067
0.0017
0.1418
0.1468
0.1514
0.1172
0.0821
0.1032
0.0514
0.0602
0.1460
0.4627
0,2495
0.1836
0.0934
0.0108
0.1547
0.0730
0.0891
0.0967
0.0764
0.0844
0.0938
0.0971
0.2347
0.4539
0.2532
0.1908
0.0814
0.0208
0.1057
0.1757
0.0211
0.4036
0.4407
0.1816
0.0658
0.0191
0.3350
0.0250
0.0372
0.0469
0.0612
0.0101
0,1863
0,1989
0.0953
0.1638
0.1002
0.0614
0.0141
0.0203
0.0240
0.0298
0.0128
0.0136
0.0107
0.0078
0.0154
0.1234
0.0564
0.0120
0.0157
0.0273
0.0367
0.0115
0.4547
0,2079
0.0441
0.0578
0.1005
0.1351
0.4420
0.0002
0.4012
0.2457
0.0564
0.0812
0.0963
0.1191
0,2115
0.2263
0.1780
0.1296
0.2546
0.0000
0.0000
0.0013
0.0047
0.0156
0.0024
0.0153
0.0753
0.0800
0.2974
0.2308
0.0797
0.2367
–
–
–
–
–
0.0086
0.0227
0.0630
0.0496
0.0408
0.0314
0.0916
0.0936
0.0759
–
–
–
–
–
–
–
–
–
0.0316
–
–
–
–
0.0003
–
–
–
0.0007
0.0159
0.0970
0.0587
0.0296
0.2760
0.0049
0.0263
0.0352
0.0053
0.1193
9
–
–
–
–
–
–
0.0037
0.0039
0.0144
0.0112
0.0039
0.0115
0.0043
0.0000
0.0097
0.0011
0.0016
0.0028
0.0042
–
–
–
–
0.0144
–
–
–
–
–
–
–
–
0.0494
0.0807
0.1586
0.2190
0.0854
0.0396
0.1181
0.1566
0.0927
–
–
–
–
0.1041
0.0000
–
–
–
–
–
0.49900417
0.0574785
0.08405372
0.14608149
0,21338212
–
–
–
–
–
0.5520
–
0.0061
–
–
–
0.0340
0.1192
0.3977
0.0602
0.3889
Ingeniería Geológica 313 (2023) 106961
V. Cabral y otros.
Tabla 6
Resultados del análisis ROC de las pruebas de validación de los modelos LR, según el Área Bajo la Curva (AUC) de la Curva ROC.
Factores
modelo de 1 factor
modelo de 2 factores
modelo de 3 factores
modelo de 4 factores
modelo de 5 factores
modelo de 6 factores
modelo de 7 factores
modelo de 8 factores
modelo de 9 factores
Lluvia
Litología
0.853
0,755
0.595
0.641
0.709
0.598
0.605
0.503
0.536
–
–
–
–
–
–
0.768
0.853
0.752
0.876
0.859
0.853
0.846
0.683
0.863
0.879
0.837
0.859
0.882
0.882
–
–
–
–
–
–
–
–
–
0.84
–
0.876
0.882
0.879
0.869
0.879
0.892
0.863
0.878
0.876
0.866
0.866
0.876
0.889
0.856
0.873
0.892
0.886
–
–
–
–
–
–
–
0.882
0.885
0.881
0.886
Pendiente
Alivio
Suelo
Vegetación
TWI
SPI
Orientación de la pendiente
–
–
–
–
–
–
–
–
–
–
–
–
–
Tabla 7
Validación estadística de los modelos LR, mostrando los coeficientes de regresión (B) y parámetros estadísticos relevantes.
Factor
B
Error estándar
Prueba de Wald
Grados de libertad
PAG-valor
Lluvia
− 27.758
− 1.117
10.622
4.652
9.501
6.068
3.667
8.846
4.994
8.618
10.188
3.630
6.195
3.596
6.962
4.332
2.783
1.679
6.829
0.058
2.443
0.001
0.404
3.811
0.473
0.142
0.450
4.025
6.163
1.491
0.863
1.125
0.305
1.388
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
0.009
0.081
0.011
0.097
0.053
0.051
0.049
0.071
0.050
0.045
0.013
0.022
0.035
0.029
0.048
0.024
Suelo
Pendiente de la cuenca
Modelo de 9 factores
SPI
TWI
Bosque
Geología
Orientación de la pendiente
Elevación
Constante (B0)
Lluvia
Suelo
modelo de 5 factores
Pendiente de la cuenca
SPI
TWI
Constante (B0)
14.851
0.214
2.332
− 17.270
− 3.434
3.249
− 6.832
7.282
− 15.379
− 4.39
6.468
4.594
1.537
1.978
Mientras que para el evento de 1994, la subclase 270-290 mm se asocia con una mayor
pendientes laterales como resultado de una mayor fuerza de flujo. Además, las
densidad de deslizamientos. Estos resultados indican potencialmente que una> 200 mm
cuencas de la región tienen una densidad de drenaje moderada/alta (Tabla 2), lo
de lluvia acumulados en 48 horas pueden iniciar flujos de escombros de gran magnitud y
que sugiere un sustrato bastante impermeable que da lugar a un flujo superficial
de múltiples fuentes.
que puede adquirir un alto poder erosivo, contribuyendo así al arrastre de flujos
de detritos.
Entre los parámetros geomorfométricos, la cobertura del suelo muestra un mayor
impacto en el inicio de los flujos de escombros, según el análisis estadístico (Tabla 7). Los
La relación del índice de humedad topográfica (TWI) con los flujos de escombros ha
cambisoles (Ca2 y Ca3) están asociados con una mayor tendencia a desencadenar flujos
sido demostrada por otros estudios (por ejemplo,Nikolova y otros, 2020), donde las áreas
de escombros (Tabla 5), lo que puede estar relacionado con el alto contenido de rocas
con un alto índice de agua superficial (IAT) tienen la capacidad de acumular más agua
que pueden facilitar la infiltración de la lluvia (Rossi y Pfeifer, 1991). Las muestras de
superficial, es decir, asociada a la deposición de flujos de detritos en zonas más planas.
suelo 1 a 3 fueron recolectadas en suelo tipo Ca3, mostrando una densidad aparente que
En la región de estudio, cuanto menor es el IAT, mayor es la susceptibilidad al inicio de
varía de 1284 a 1755 kg m−3, alto contenido de arena (50% a 80%, franco arenoso/franco)
flujos de detritos, ya que las principales áreas de inicio se encuentran en tramos
y alto ángulo de fricción interna (35◦a 37◦). Cuanto mayor sea la profundidad de
empinados a mayor altitud en las laderas.
Con base en los resultados del modelo LR, la precipitación, el suelo, el SPI y el
recolección, mayor será el contenido de piedras y la densidad aparente (Tabla 3). Los
ferralsoles (LVa1 y LVa3) dominan en el área de estudio, como es típico de las regiones
TWI son los parámetros más relevantes (Eq.14) que debería utilizarse en la
tropicales y subtropicales húmedas, y no muestran una tendencia particularmente fuerte
predicción del flujo de escombros en la región, debido a un AUC más alto (0,892,
a desencadenar flujos de escombros, lo que puede estar relacionado con un perfil de
Tabla 6) en la curva ROC de salida y alta significancia de todas las variables (p <
suelo más desarrollado y estable.
0,05) en la evaluación estadística del modelo (Tabla 7). Un modelo LR con todos los
factores influyentes produjo un AUC similar (0,892) en el análisis ROC (Tabla 6),
El ángulo de pendiente es otro factor morfométrico significativo que influye en el
inicio del flujo de escombros, debido a la influencia directa en la escorrentía superficial, la
aunque no todas las variables mostraron significancia en la evaluación estadística
vegetación y la cobertura del suelo, la acumulación de material suelto y la infiltración de
(Tabla 7). Por lo tanto, para estudios de susceptibilidad en la región, sugerimos el
agua subterránea (Lacerda, 2007). La pendiente varía de 0 a 172% en las cuencas, con un
uso de la Ecuación 14.
rango de 70 a 90% (35◦hasta 40◦) los más propensos a desencadenar flujos de escombros
Z=1.98 + 1.54TWI+4.6SPI+6.47Sl−4.39Entonces−15.4PAG
en el área de estudio, seguidos por el rango de>90% (>40◦). En términos generales,
(14)
Aunque con una significancia estadística más débil en la predicción del inicio
cuanto mayor sea la pendiente mayor será la tendencia al fallo de la pendiente, aunque
en pendientes muy pronunciadas (>40◦) la acumulación de material movilizable podría no
del flujo de escombros en el área de estudio, la vegetación es el sexto factor más
ser suficiente para iniciar flujos de escombros.
influyente y está asociada con un fuerte control sobre la resistencia de la capa
superficial del suelo, representando un factor estabilizador de pendientes ya que
El SPI es otro indicador fuerte de las áreas que desencadenan flujos de escombros,
ya que influye en el potencial de transporte y erosión del río/arroyo (De Rosa y otros,
puede afectar la escorrentía superficial y crear obstáculos para la propagación del
2019). El SPI se puede utilizar para caracterizar las áreas de iniciación de flujo de
flujo (Liu y otros, 2021). Am (vegetación de hoja ancha de altura media), AA
escombros (SPI bajo), transporte (SPI alto) y deposición (SPI bajo) (Chen y otros, 2017), y,
(vegetación de hoja ancha y arbustiva) y Ab2 (vegetación de hoja ancha) se asocian
como podemos ver en nuestros resultados (Tabla 5), las áreas con un SPI bajo son más
con una mayor tendencia a iniciar flujos de escombros y se caracterizan por una
propensas al inicio de flujos de escombros debido al bajo caudal fluvial en las laderas. Las
vegetación de hoja ancha de altura media, débilmente (Ab2) a fuertemente (Am,
áreas con un índice SPI alto (de 1,5 a 6) también pueden contribuir al desarrollo de flujos
AA) degradada por la contaminación de la región (especialmente la lluvia ácida).
de escombros, lo que puede estar asociado con la erosión de
Mattos y Matsukuma, 1990) El efecto de la contaminación sobre la vegetación
10
Ingeniería Geológica 313 (2023) 106961
V. Cabral y otros.
puede contribuir a debilitar su soporte del suelo, dando lugar con mayor facilidad
En cuanto a la susceptibilidad al inicio de flujos de escombros en el sitio de estudio, las
a fallas de pendientes.
cuencas 20, 19, 17, 16, 15, 14, 12, 10, 9 y 7 son las más susceptibles en general (Figura 5).
La litología está intrínsecamente asociada con el tipo de suelo y la vegetación
La porción noreste de la cuenca 1 también muestra un alto porcentaje de áreas
de una región, especialmente en áreas con regolito bien desarrollado como Serra
altamente susceptibles (Figura 5), lo cual puede estar relacionado con pendientes más
do Mar. Aunque no se observa una relación más explícita entre la litología y el
pronunciadas y la mayor presencia de cambisoles en la región de cabecera. Los
inicio del flujo de escombros en nuestro análisis, las migmatitas estromáticas del
resultados estadísticos de la evaluación de la susceptibilidad a los flujos de detritos están
Proterozoico (PSeMc), que se encuentran a mayores elevaciones en las cuencas,
disponibles como información complementaria.
son más propensas al inicio del flujo de escombros, acompañadas por los otros
tipos de migmatitas (AcMn, AcMp, AcMg) y rocas granitoides (PSEOY) (Tabla 5). Los
4.2. Simulación de flujo de escombros
esquistos (PSpX) y las filitas (PSpF) muestran una menor tendencia, lo que puede
estar relacionado con un regolito más desarrollado y estable, como resultado de
Con base en el análisis de susceptibilidad LR, las cuencas 20, 19, 17, 16,
una menor resistencia a la meteorización.
Las cuencas 15, 14, 12, 10, 9, 7 y 1 se simularon mediante RAMMS. El modelo se
La orientación de la pendiente y el relieve son los dos factores menos
calibró con base en el evento de flujo de escombros de 1985 en las cuencas 14, 12,
relevantes para el inicio del flujo de escombros entre los parámetros influyentes
10, 9, 8, 7 y 1, mientras que las cuencas 14, 15, 16, 17 y 19 se calibraron con base
seleccionados (Tabla 6En la región de estudio, la dirección de la pendiente más
en el evento de 1994. La cuenca 20 no se modeló debido a que no se registró flujo
propensa al inicio de flujos de escombros varió según el evento. En el evento de
de escombros en 1985 ni en 1994. Las áreas de inicio se determinaron según los
1985, las laderas oriental y nororiental se asociaron con una mayor tendencia a
inventarios de deslizamientos y una densidad aparente de 1900 kg m−3Se asumió
iniciar flujos de escombros, y en el de 1994, las laderas norte y noroeste. Esto está
para las áreas de fuente y la zona de arrastre, de acuerdo con estudios anteriores
directamente relacionado con la dirección de la precipitación en estos eventos:
de flujo de escombros en canales de lecho rocoso (Takahashi, 2006), así como en
este-noreste en 1985 y oeste-noroeste en 1994.
base a nuestros muestreos y pruebas geotécnicas (Tabla 3).
El relieve relativo puede controlar el tipo de vegetación en las laderas, así como
influir tanto en el SPI como en el TWI. Sin embargo, en la región de estudio, el relieve no
El volumen de los deslizamientos de tierra que iniciaron los flujos de escombros en
tuvo un papel importante en el inicio de flujos de escombros, ya que el rango de
cada cuenca se muestra enTabla 5Considerando toda el área de estudio, la magnitud del
elevación de 600 a 700 m muestra una mayor tendencia a desencadenar fallas de ladera
deslizamiento de tierra de 1985 se estima en aproximadamente 540.900 m.3, mientras
que pueden provocar flujos de escombros. Este rango de elevación se asocia con
que la magnitud del deslizamiento de tierra de 1994 se estima en aproximadamente
migmatitas estromatíticas (PSeMc) y el rango de pendiente de 70 a 90 % muestra una
227.000 m.3La magnitud de los flujos de escombros (es decir, el volumen de sedimentos
mayor influencia en el inicio de flujos de escombros.
movilizados) en cada cuenca se estima con base en ecuaciones de magnitud deMarchi y
Además, la aplicación del modelo LR para evaluar las áreas con un alto
otros (2019), como lo sugiereCabral y otros (2021)
Figura 5.Mapa que muestra la susceptibilidad general al inicio de flujos de escombros de las 20 cuencas en el área de estudio, según el modelo LR.
11
Ingeniería Geológica 313 (2023) 106961
V. Cabral y otros.
Tabla 8
Resultados y características de RAMMS-2D de los flujos de escombros. Est. = estimado, Máx. = máximo.a
Captación
Año de la
Volumen de iniciación
Magnitud estimada
evento
(metro3)
(metro3)
Sin
Parámetros de flujo
micras
1
7
8
9
10
12,14
14
15, 16
17
19
1985
1985
1985
1985
1985
1985
1994
1994
1994
1994
68.422,3a
131.737,6
33.976,8
25.740,7
78.865,6
85.409,3
82.632,1
10.150,7
43.702,46
17.673,8
2.5×104
2.5×105
1.1×105
1.3×105
2×105
2.4×105
2×105
0.8×105
1.7×105
0.8×105
N / Aa
N / Aa
480 metros
270 metros
700 metros
N / Aa
N / Aa
510 metros
400 metros
N / Aa
0.1
0.05
0.05
0.05
0.05
0.05
0.05
0.03
0.05
0.05
ξ (metro
s−2)
300
200
200
180
180
200
200
200
200
200
Caudal máximo
Erosión máxima
Máx.
Impacto máximo
altura
profundidad
velocidad
presión
3,2 metros
0,88 metros
8,6 metros
3,67 metros
5,5 metros
1,3 metros
4 metros
0,74 metros
4,7 metros
1,74 metros
5,4 metros
1,59 metros
30,96 ms−1
23,62 ms−1
24,25 ms−1
14,04 ms−1
14,25 ms−1
30,87 ms−1
32,93 ms−1
16,75 ms−1
12,48 ms−1
30,98 ms−1
1917,55 kPa
1115,38 kPa
1175,73 kPa
354,74 kPa
406,1 kPa
346,35 kPa
550,87 kPa
561,26 kPa
296,13 kPa
1919,97 kPa
5,6 metros
1,8 metros
4,7 metros
2,11 metros
5,3 metros
2,84 metros
2,9 metros
1,45 metros
aDescarga directa en el sistema de drenaje de la región. Los efectos indirectos de los flujos de escombros incluyen inundaciones y sedimentación.Cabral y otros, 2022).
Figura 6.Calibración mediante el índice de cobertura (Ω) de las simulaciones de flujo de detritos para las cuencas seleccionadas en el área de estudio. Cuanto más cercano a 1 sea el índice de cobertura,
más representativa será la simulación.
para las cuencas de Serra do Mar (Tabla 8).
Interpretado a partir de fotografías aéreas. Si bien realizamos calibraciones
en estas cuencas de la misma manera que en las demás, los parámetros
más coincidentes adoptados fueron los de μ igual a la pendiente del canal
de la parte aguas abajo de la cuenca y ξ se asumió similar a la tendencia
general del área (ξ = 200 m/s).−2). La falta de abanico deposicional en estas
cuencas, y en la mayoría de las cuencas de la región de estudio, está
relacionada con la desembocadura en los ríos Mogi, Perequê y Cubatão, que
reciben la mayor parte de los sedimentos de las 20 cuencas estudiadas,
según lo informado porTatizana y otros (1987)yKanji y otros (2007).
Figura 6muestra los resultados de la calibración basados en el índice de
cobertura (Ω), lo que ayudó a la identificación de las simulaciones mejor
coincidentes (Figuras 7 y 8), basado en la comparación de las distancias de
escorrentía observadas y las modeladas por RAMMS. Uno de los parámetros
sujetos a mayor incertidumbre durante el modelado es la profundidad de erosión,
ya que no se disponía de información completa para ninguna de las cuencas
modeladas. En nuestras simulaciones, adoptamos para todas las cuencas dos
profundidades máximas de erosión: 3 m en los tramos superior e intermedio, y 0,5
m en los tramos inferiores. Una profundidad de erosión de 3 m fue reportada por
Kanji y otros (2007)en la cuenca 17 (1994), que extrapolamos para todas las demás
Además, aunque los flujos de escombros en el área de estudio muestran un contenido muy alto de
cuencas de la región de estudio.
escombros pedregosos, la mayoría de las rocas más grandes (>Se interpreta que los depósitos de
Otra limitación fue la falta de información disponible sobre las cuencas
19, 14, 12, 7 y 1, ya que no se pudo determinar un patrón de deposición.
escombros de hasta 1 m se depositan a lo largo de la ruta del flujo de escombros y no se transportan a
grandes distancias. La mayor parte de los daños se producen en las zonas aguas abajo del...
12
Ingeniería Geológica 313 (2023) 106961
V. Cabral y otros.
Figura 7.Comparación entre la distancia de salida modelada y observada del evento de flujo de escombros de 1994 para las cuencas seleccionadas.
13
Ingeniería Geológica 313 (2023) 106961
V. Cabral y otros.
Figura 8.Comparación entre las distancias de salida modeladas y observadas del evento de flujo de escombros de 1985 para las cuencas seleccionadas.
14
Ingeniería Geológica 313 (2023) 106961
V. Cabral y otros.
Figura 9.Resultados del modelado RAMMS que muestran la altura máxima de flujo. A) Cuenca 7 (1985). B) Cuenca 8 (1985). C) Cuencas 9 y 10 (1985). D) Cuencas 15 y 16
(1994). E) Cuenca 14 (1994). F) Cuencas 14 y 12 (1985).
Las cuencas se deben a las rocas más pequeñas (<1 m), sedimentos finos y restos
y otros, 2021).
leñosos. Estas interpretaciones se sustentan en los testigos de los eventos de 1985
La distancia media de salida, según las simulaciones, es de aproximadamente 470
y 1994 y en las campañas de campo realizadas en el área de estudio, donde se
m, con la mayor distancia observada en la cuenca 10 (700 m) y la más corta en la
observaron voluminosos depósitos de cantos rodados en zonas con pendientes
cuenca 9 (270 m). Alturas máximas de caudal (Figuras 9 y 10Se observan en la
más suaves en los tramos superior e intermedio del canal.Figura 4D) Además, las
cuenca 7 (8,6 m, 1985) y en la cuenca 14 (5,6 m, 1994), donde el volumen de
características geomorfológicas de las cuencas estudiadas son similares a otras en
iniciación es mayor. En general, la altura de flujo en las cuencas estudiadas es de 5
Serra do Mar, donde se han realizado caracterizaciones exhaustivas de flujos de
m en promedio. La velocidad máxima promedio de los flujos de detritos es de 23,1
escombros recientes (por ejemplo,Cabral
m/s.−1, observándose las velocidades más altas en
15
Ingeniería Geológica 313 (2023) 106961
V. Cabral y otros.
Figura 10.Resultados del modelado RAMMS que muestran la altura máxima de flujo. A) Cuenca 17 (1994). B) Cuenca 19 (1994). C) Cuenca 1 (1985).
cuenca 14 (30,87 ms−1) y la cuenca 1 (30,96 ms−1) Las presiones de impacto
máximas se observan en cuencas donde se observan puntos de inflexión
pronunciados (cuencas 19, 1, 7 y 8).
(1980-2000), incluyendo su magnitud y, en consecuencia, sus daños.
Estudios en la región sugieren que la recuperación ambiental de la región
durante la década de 1990 ha ayudado a estabilizar la vegetación de las
laderas (p. ej.,Massad, 2002), lo que podría contribuir a la estabilización del
suelo y reducir la incidencia de derrumbes de taludes y flujos de escombros.
Sin embargo, determinar este efecto es difícil, sobre todo considerando que,
en nuestro análisis estadístico, la cobertura vegetal no influye
significativamente en el inicio de flujos de escombros en el área de estudio.
4.3. Análisis de precipitaciones
Los patrones de lluvia que históricamente han desencadenado flujos de escombros
en el área de estudio muestran que los fenómenos son iniciados principalmente por
lluvias de alta intensidad y corta duración, como también lo destacan otros estudios en la
Debido a esta falta de eventos registrados en las últimas dos décadas, los umbrales
región (por ejemplo,Tatizana y otros, 1987;Kanji y otros, 2007), con la precipitación
de precipitación establecidos porTatizana y otros (1987)siguen siendo relevantes para la
acumulada 48 h antes de un evento sugerido como el más crítico por nuestro análisis (
región de estudio, aunque no clasifica los eventos de 1999 y 1976 como flujos de
Figura 11). Este patrón de precipitaciones de corta duración y alta intensidad también se
escombros. Como lo señalóSegoni y otros (2018)Los umbrales de precipitación no deben
observa en otras partes del mundo (por ejemplo, Taiwán, Chang y otros, 2011; Japón,
interpretarse de forma absoluta, especialmente en áreas complejas y extensas. Estos dos
Fukuoka, 1980; Nueva Zelanda,Selby, 1976).
casos específicos de flujo de escombros fueron localizados y desencadenados por
Los cortos períodos de retorno (<10 años) de los eventos de lluvia que han
deslizamientos de tierra, que superaron la curva localizada de deslizamientos, lo que
iniciado flujos de escombros (Tabla 4), incluidos los muy grandes de 1985 y 1994,
pone de relieve cómo las características geomórficas también influyen en el desarrollo
indica que los grandes eventos (>105metro3) puede ocurrir potencialmente cada
del flujo de escombros en una cuenca.
década en el sitio de estudio. Sin embargo, comoTabla 4Destaca que el número de
El efecto de los aspectos geomorfológicos en el desarrollo del flujo de escombros
eventos de flujos de escombros ha estado disminuyendo en Cubatão en las
también se puede observar cuando la lluvia se correlaciona con el volumen del
últimas dos décadas (2000-2020) en comparación con las anteriores.
16
Ingeniería Geológica 313 (2023) 106961
V. Cabral y otros.
Figura 11.Índices de precipitación diaria hasta 4 días (96 h) antes de los eventos de flujo de escombros en la región de estudio (barras azules). El inicio del fenómeno se ve más fuertemente influenciado
por la precipitación acumulada 48 h antes del evento, como se destaca en el gráfico de porcentaje acumulado (líneas naranjas). (Para la interpretación de las referencias a los colores en la leyenda de
esta figura, se recomienda al lector consultar la versión web de este artículo).
deslizamientos de tierra que iniciaron el evento y las magnitudes estimadas de
suficiente.
flujo de escombros. Considerando el efecto de la lluvia acumulada de 48 h sobre el
La pregunta principal que surge de nuestro análisis es por qué los eventos de
volumen de material movilizado en las laderas, se observa una correlación de
flujos de escombros fueron más frecuentes durante las décadas de 1980 y 1990 y,
Spearman positiva entre la lluvia y la magnitud del deslizamiento para los eventos
desde el año 2000, ocurrieron pocos flujos de escombros aislados, pero no en la
de 1985 (0,62) y 1994 (0,81), destacando el efecto directo de la lluvia sobre el
misma medida que los eventos de 1985 y 1994. Los estudios climáticos centrados
derrumbe de laderas. Sin embargo, cuando se considera el efecto de la lluvia
en el área de Cubatão han indicado que la región en su conjunto experimentará
sobre la magnitud del flujo de escombros, dicha relación es más débil, mostrando
condiciones más extremas, con condiciones más secas en la estación seca
un bajo índice de correlación de Spearman positivo tanto para el evento de 1985
(invierno) y condiciones más húmedas en la estación lluviosa (verano), con un
(0,3) como para el de 1994 (0,51). Estos resultados pueden indicar potencialmente
aumento proyectado de eventos de lluvias intensas (Marengo y otros, 2021). Ya se
la fuerte influencia del arrastre sobre la magnitud del flujo de escombros en la
ha identificado claramente un aumento de los períodos secos en el sureste
región de estudio. Los gráficos con el análisis de correlación están disponibles
brasileño, debido al mayor calentamiento en la región desde 1961 que condujo a
como Información Suplementaria.
la intensa sequía de 2014 (Nobre y otros, 2016) y uno más reciente en 2021.
Si bien la región cuenta con al menos 13 pluviómetros, la falta de datos horarios de
precipitación para eventos anteriores a 2013 dificulta la precisión del análisis y las
4.4. Zonificación de peligro
correlaciones. Los datos horarios solo están disponibles para ubicaciones restringidas,
principalmente en la región de refinerías de petróleo (Cuenca 17). Una actualización
Como la lluvia se identifica como el factor más influyente en el inicio del flujo de
sugerida para los umbrales de precipitación sería la adopción de precipitaciones
acumuladas en 48 h en lugar de 96 h, como demuestra nuestro análisis. Además, en una
escombros en el área de estudio, se propone una matriz de zonificación de riesgo basada
posible implementación de un Sistema de Alerta Temprana en la región, también debería
en la lluvia acumulada en 48 h, así como en las áreas deposicionales y los patrones de
considerarse la información de campo sobre las cuencas, debido a la intensa
comportamiento del flujo modelados por RAMMS.
Se interpretan cinco niveles de peligro: muy alto, alto, medio, bajo y muy bajo (
acumulación de escombros en el cauce en prácticamente todas ellas, que pueden ser
Tabla 9). Las zonas de muy alto riesgo son aquellas en las que el modelo simuló un
removilizados en eventos futuros, incluso por deslizamientos de tierra localizados si la
>1 m de altura de flujo y velocidad de>1 ms−1, como también lo propone
lluvia es intensa.
Hürlimann y otros (2006), y los humanos y las infraestructuras
Tabla 9
Matriz de niveles de riesgo desarrollada para el área de estudio, en función de diferentes índices de precipitación y los impactos sobre infraestructuras y población.
Índice de precipitaciones en 48 horas
Directo
Gravedad
impactos
Indirecto
impactos
No
impactos
> 200 milímetros
< 200 mm, > 150 mm
<150 mm, >100 mm
altura de flujo ≥ 1 m; velocidad ≥ 1 ms-1
Muy alto
Muy alto
Alto
altura de flujo < 1 m; velocidad < 1 ms-1
Alto
Alto
Medio
Medio
Medio
Bajo
Medio
Bajo
Muy bajo
Muy bajo
Muy bajo
Muy bajo
inundaciones
o sedimentación
Áreas con ret estructuras de ención
instalado; R áreas de emoticones
-
17
Ingeniería Geológica 313 (2023) 106961
V. Cabral y otros.
Tabla 10
Infraestructuras, tanto públicas como privadas, en riesgo en cada cuenca y nivel de riesgo global, para una precipitación de 200 mm en 48 h.
Captación
Elementos en peligro
Cuenca general
1
2
3
4
5
6
7
8
9
10
11
Ferrocarriles de la empresa MRS Logística; Empresa de fertilizantes “Yara Cubatão”; Empresa de almacenamiento de contenedores “Rodopark”
nivel de peligro
13
12, 14, 15,
16
17
18
19
20
–
–
–
–
–
Medio
Bajo
Bajo
Bajo
Bajo
Bajo
Medio
Empresa de almacenamiento de contenedores “Depotce”
–
Alto
Alto
Alto
Alto
Empresa de fertilizantes “Mosaic Fertilizantes do Brasil”
Compañía petroquímica “Copebras”; empresa de gases industriales “White Martins”;
Planta química “Birla Carbon Brasil”
Empresa petroquímica “Braskem”, empresa logística “Brado Logística”, industria química “Hidromar”, Carbocloro Oxypar Chemical Industries;
empresa de gases industriales “Messer Gases”, tres empresas de transporte
Bajo
Subestación eléctrica
Alto
Refinería de petróleo de Petrobras
Medio/Bajo
Vila Light (zona residencial con aproximadamente 140 casas, 60 de ellas con residentes), FAFEN (refinería de petróleo), Central Termoeléctrica
“Euzébio Rocha”; Empresa de fertilizantes “Yara Brasil”
Central hidroeléctrica “Henry Boden”, con subestaciones eléctricas
Carretera Anchieta e Imigrantes, Vila Fabril (zona residencial con>400 casas), oleoductos
Alto
Alto
Alto
Se ven directamente afectados. Las zonas de alto riesgo son aquellas donde el flujo de
19. Las zonas con riesgo muy bajo son aquellas en las que no se esperan impactos de
escombros puede alcanzar hasta 1 m de altura y una velocidad de hasta 1 m/s.−1Las
ningún tipo.
infraestructuras pueden verse directamente afectadas. Las zonas de riesgo medio son aquellas
Con base en la matriz de niveles de riesgo y en las infraestructuras en riesgo
que no se ven directamente afectadas por los sedimentos transportados en un flujo de detritos,
en cada cuenca (Tabla 10), se creó un mapa de zonificación de riesgo para las 20
pero pueden presentar inundaciones o sedimentación que pueden afectar a las infraestructuras.
cuencas (Figura 12). El mapa muestra la zonificación basada en una precipitación
Las zonas de riesgo bajo son aquellas que pueden experimentar algún tipo de impacto
de más de>200 mm en 48 h, que puede adaptarse a diferentes niveles de riesgo
secundario de los flujos de detritos, como inundaciones, pero que están habitadas o cuentan con
según los índices de precipitación. Las cuencas 19, 16, 15, 11, 10 y 9 presentan un
estructuras de retención, como en el caso de las cuencas hidrográficas.
riesgo general mayor en la región.Tabla 10), debido a una mayor
Figura 12.Zonificación de peligrosidad por flujos de detritos del área de estudio, con base en las distancias de escorrentía de los flujos de detritos ocurridos en el estudio simulados mediante RAMMS, en
la intensidad de lluvia (200 mm en 48 h), así como en los elementos en peligro.
18
Ingeniería Geológica 313 (2023) 106961
V. Cabral y otros.
Probabilidad de daños a personas e infraestructuras relacionados con flujos
de detritos. Las estructuras de contención en dichas cuencas podrían reducir
su nivel de riesgo.
Patrones que pueden provocar el inicio de flujos de escombros. Una actualización
sugerida para los umbrales de precipitación sería la adopción de precipitaciones
acumuladas de 48 h en lugar de 96 h, como demuestra nuestro análisis. Además, en una
Las áreas que no han mostrado antecedentes de ocurrencia de flujos de
posible implementación de un Sistema de Alerta Temprana en la región, también debería
escombros desde 1975, como la cuenca 20, se clasificaron como áreas de alto
considerarse la información geomorfológica de las cuencas, debido a los voluminosos
riesgo en el contexto de>200 mm de precipitación en 48 h, según el análisis de
depósitos de escombros en el cauce que se producen en la mayoría de ellas, los cuales
susceptibilidad LR. Estas cuencas presentan voluminosos depósitos de material
pueden ser removilizados por futuros eventos de flujos de escombros.
pedregoso en el cauce (Figura 3D), lo que contribuye a aumentar su riesgo
Los mapas de zonificación de riesgo, junto con los estudios de vulnerabilidad,
potencial para las zonas residenciales e infraestructuras ubicadas dentro de sus
pueden facilitar la creación de programas de gestión de riesgos, estableciendo las
límites. La distancia media de salida, con un radio de 470 m, se consideró una zona
directrices que deben seguirse durante situaciones de emergencia. Si bien se
de riesgo muy alto en cuencas donde no se registraron flujos de detritos.
observa una disminución en el número de eventos de flujos de escombros
registrados en el área de estudio (de 6 entre 1980 y 2000 a 2 entre 2001 y 2022), el
aumento proyectado en la frecuencia de eventos de precipitación extrema debido
La cuenca 17, que tiene un amplio historial de flujos de escombros, está clasificada
como de nivel de riesgo medio/bajo, debido principalmente a las estructuras de
al cambio climático en la región de Serra do Mar podría significar que, en un
retención instaladas y la eliminación de depósitos de escombros en el canal promovida
futuro próximo, se produzcan flujos de escombros de gran magnitud.>105metro3)
después del flujo de escombros de 1996.
podría ocurrir en el área de estudio. Por lo tanto, la región debe estar preparada
ComoDeBortoli y otros (2017)Señalan que el mapeo de la vulnerabilidad de la
para los efectos negativos de este peligro natural.
comunidad es necesario en los análisis de riesgos, ya que es crucial para prevenir
y reducir el riesgo al que están expuestas las comunidades/industrias. Sin
Fondos
embargo, dicho mapeo exige un enfoque más profundo y multidisciplinario.
Además, la expansión de la ciudad hacia zonas montañosas, especialmente por
Este estudio fue financiado en parte por la Coordenação de
Aperfeiçoamento de Pessoal de Nível Superior—Brasil (CAPES —Código
de Finanzas 001) y el Consejo Nacional de Desarrollo Científico y
Tecnológico (CNPq Brasil, 311962/2018-1).
parte de comunidades socialmente vulnerables, puede aumentar el riesgo de
nuevos eventos, incluso aquellos de menor magnitud.
La evaluación de riesgos de múltiples etapas que aquí se propone y aplica en la
zonificación de riesgo de Cubatão se suma a otros estudios que apuntaron a crear
nuevas metodologías que puedan ayudar a mitigar futuros daños relacionados con
Declaración de intereses en conflicto
deslizamientos de tierra, como las obras deCardinali y otros (2002),Hürlimann et al.
(2006; 2008),Wu y otros (2018),Huangfu et al. (2021), entre muchos otros. Al evaluar el
Los autores declaran no tener intereses en conflicto.
peligro de flujos de escombros, especialmente en zonas donde el factor de iniciación son
los deslizamientos de tierra, es necesario combinar el análisis de todos los factores que
Disponibilidad de datos
pueden conducir al inicio del fenómeno.Steger y otros, 2021), así como aspectos de su
dinámica, representados principalmente por la distancia de recorrido (Corominas y otros,
Los datos estarán disponibles previa solicitud.
2014;Frank y otros, 2017). La transición de deslizamientos de tierra a flujos de escombros
ocurre especialmente durante períodos de fuertes lluvias, aunque, como se demuestra
Expresiones de gratitud
en nuestro análisis y otros estudios (por ejemplo,Takahashi, 2006;Corominas y otros,
2014;Hungr y McDougall, 2009), la intensidad de la lluvia no siempre está directamente
Los autores agradecen al Prof. Masato Kobiyama, de la Universidad
Federal de Rio Grande do Sul, y al Prof. Tiago Martins, de la Universidad
Federal de São Paulo, por sus comentarios durante el desarrollo de
esta investigación. También agradecen al Dr. Janusz Wasowski, editor
de Ingeniería Geológica, y a los dos revisores anónimos por sus
comentarios, que contribuyeron significativamente a la mejora del
manuscrito.
relacionada con la magnitud de un evento.
Por lo tanto, la combinación de diferentes metodologías basadas en datos es
fundamental para garantizar la fiabilidad de la evaluación de riesgos, centrándose
en los diferentes aspectos relacionados con un fenómeno. Como señalaWu y otros
(2018)El método LR se considera uno de los más confiables para la evaluación de
la susceptibilidad a deslizamientos, ya que identifica las principales características
que influyen en el fenómeno en una región específica. Al combinarse con el
Apéndice A. Datos suplementarios
modelo numérico de vanguardia RAMMS, que proporciona resultados concretos
basados en la física (Frank y otros, 2017), la evaluación de riesgos puede
Se pueden encontrar datos complementarios a este artículo en línea enhttps://
representar de forma fiable el impacto potencial de futuros flujos de escombros
doi.org/10.1016/j.enggeo.2022.106961.
en una región. Además, la inclusión del análisis de precipitaciones proporciona
una buena indicación de la probabilidad de futuros eventos y los diferentes niveles
Referencias
de riesgo asociados.
Aaron, JB, McDougall, SD, 2019. Movilidad en avalanchas de rocas: el papel del material de la trayectoria.
5. Conclusiones
Ingeniería Geológica 257, 105126.
Alvalá, RS, Dias, MA, Saito, S., Stenner, C., Franco, C., Amadeu, P., et al., 2019.
Mapeo de las características de la población en riesgo de desastres en el contexto del
sistema brasileño de alerta temprana. Int. J. Disaster Risk Reduct. 41, 101326https://doi.org/
10.1016/j.ijdrr.2019.101326.
Ayalew, L., Yamagishi, H., 2005. La aplicación de la regresión logística basada en SIG para
Nuestro estudio propuso una evaluación de riesgos en varias etapas, aplicada
en 20 cuencas fluviales ubicadas en el municipio de Cubatão, el mayor yacimiento
petroquímico de Latinoamérica. El análisis LR destacó que la precipitación es el
principal factor que influye en el inicio de flujos de escombros, y el retroanálisis de
Cartografía de la susceptibilidad a deslizamientos de tierra en las montañas Kakuda-Yahiko, Japón central.
Geomorfología 65, 15–31.
los eventos de lluvia sugiere que la precipitación acumulada 48 h antes de un
Bovis, MJ, Jakob, M., 1999. El papel de las condiciones de suministro de escombros en la predicción de escombros.
evento desempeña un papel más significativo en la deflagración por flujos de
Actividad de flujo. Resaca terrestre. Proceso. Geoformas 24, 1039–1054.
Cabral, VC, Reis, FAGV, D'Affonseca, FM, Lucía, A., Corrêa, CV, Veloso, V.,
escombros que el modelo actual de 96 h propuesto en los umbrales de
Gramani, MF, et al., 2021. Caracterización de un flujo de escombros provocado por un deslizamiento
precipitación desarrollados para la región. La simulación numérica en las cuencas
de tierra en una región montañosa cubierta de selva tropical en Brasil. Nat. Hazards 108, 3021–3043.
más susceptibles mostró además los diferentes patrones de comportamiento del
https://doi.org/10.1007/s11069-021-04811-9.
flujo y las distancias de escorrentía, lo que permitió la creación de una matriz de
Cabral, VC, Reis, FAGV, Mendoza, CM, Oliveira, A., 2022. Evaluación basada en modelos
de la susceptibilidad a deslizamientos superficiales en un yacimiento petroquímico de Brasil. Rev. Brasil.
zonificación de riesgos con cinco niveles de riesgo (de muy bajo a muy alto).
Geomorfol. 23 (2), 1394–1419.
Los umbrales de precipitación establecidos para deslizamientos en la región
Caine, N., 1980. La intensidad de la lluvia: control de la duración de deslizamientos superficiales y escombros
se consideran generalmente eficientes en la representación de la precipitación.
fluye. Geogr. Ana. 62, 23-27.https://doi.org/10.2307/520449.
19
Ingeniería Geológica 313 (2023) 106961
V. Cabral y otros.
Cardinali, M., Reichenbach, P., Guzzetti, F., Ardizzone, F., Antonini, G., Galli, M.,
Liu, Q., Jian, W., Nie, W., 2021. Sistema de alerta temprana de deslizamientos de tierra inducidos por tormentas de lluvia en
Cacciano, M., Castellani, M., Salvati, P., 2002. Un enfoque geomorfológico para la estimación
de peligros y riesgos de deslizamientos de tierra en Umbría, Italia central. Nat. Hazards
Earth Syst. Sci. 2, 57–72.https://doi.org/10.5194/nhess-2-57-2002.
Ciudades montañosas basadas en la predicción rápida del cambio del nivel freático.
Sustain. Cities Soc. 69 (2), 102817.https://doi.org/10.1016/j.scs.2021.102817. Marchi, L.,
Brunetti, M., Cavalli, M., Crema, S., 2019. Volúmenes de flujo de escombros en
Noreste de Italia: relación con el área de drenaje y la probabilidad de tamaño. Earth Surf.
Process. Landf. 44 (4), 933–943.
Cavalcanti, IFA, 2012. Características sinópticas y de gran escala asociadas con fenómenos extremos
Precipitación en Sudamérica: una revisión y estudios de caso para la primera
década del siglo XXI. Atmos. Res. 118, 27–40.https://doi.org/10.1016/
j.atmosres.2012.06.012.
Marengo, JA, Camarinha, PI, Alves, LM, Diniz, F., Betts, RA, 2021. Lluvias extremas
y riesgo de desastres hidrogeometeorológicos en 1.5, 2.0 y 4.0◦Escenarios de
calentamiento global: un análisis para Brasil. Frente. Clima 3 (13).https://doi.org/10.3389/
fclim.2021.610433(03 de marzo de 2021).
Chang, C., Lin, P., Tsai, C., 2011. Estimación del volumen de sedimentos del flujo de escombros causado por
Precipitaciones extremas en Taiwán. Eng. Geol. 123 (1–2), 83–90.
Martínez, F., Magni, NLG, 1999. Equações de chuvas intensas do Estado de São Paulo.
Informe técnico - Convênio DAEE - USP, págs. 141–p.
Chen, J., Li, Y., Zhou, W., Iqbal, J., Cui, ZJ, 2016. Evaluación de la susceptibilidad a los flujos de escombros
Modelo y su aplicación en zonas montañosas semiáridas de la meseta
sudoriental tibetana. Nat. Hazards Rev. 18 (2), 05016005.
Chen, W., Xie, X., Wang, J., Pradhan, B., Hong, H., Bui, DT, Duan, Z., Ma, J., 2017.
Massad, F., 2002. Corridas de masa geradas por escorregamentos de terra: relação entre
un área deslizada e intensidad de chuva. En: Congresso Brasileiro de Mecânica Dos
Solos e Engenharia Geotécnica - COBRAMSEG, 12. Actas. São Paulo,
Estudio comparativo de árboles de modelos logísticos, bosques aleatorios y modelos de árboles de clasificación
págs. 1223–1234.
y regresión para la predicción espacial de la susceptibilidad a deslizamientos. Catena 151, 147–160.
Mattos, IFA, Matsukuma, CK, 1990. Mapeamento evolutivo da vegetação da Serra do
Corominas, J., van Westen, C., Frattini, P., Cascini, L., Malet, JP, Fotopoulou, S.,
Mar-Cubatão-SP. En: 6◦Congreso Florestal Brasileiro, 1990, Campos do Jordão. Florestas e
meio ambiente: conservación e producción, patrimonio social 3, 330–342Melton, MA, 1958.
Estructuras de correlación de las propiedades morfométricas del drenaje.
Catani, F., et al., 2014. Recomendaciones para el análisis cuantitativo del riesgo de
deslizamientos. Bull. Eng. Geol. Environ. 73, 209–263.https://doi.org/10.1007/
s10064-013-0538-8.
sistemas y sus agentes controladores. J. Geol. 66, 442–460.https://doi.org/
10.1086/626527.
Das, I., Sahoo, S., van Westen, C., Stein, A., Hack, R., 2010. Susceptibilidad a deslizamientos de tierra
Nikolova, V., Kamburov, A., Rizova, R., 2020. Análisis morfométrico de flujos de escombros
Cuencas en los Ródopes orientales (Bulgaria) mediante tecnologías geoespaciales.
Nat. Hazards 105 (1), 159–175.https://doi.org/10.1007/s11069-020-04301-4. Nobre,
CA, Marengo, JA, Seluchi, ME, Cuartas, LA, Alves, LM, 2016. Algunos
Evaluación mediante regresión logística y su comparación con un sistema de clasificación de
macizos rocosos, a lo largo de un tramo de carretera en el norte del Himalaya (India).
Geomorfología 114, 627–637.
De Rosa, P., Fredduzzi, A., Cencetti, C., 2019. Determinación del poder de transmisión en Gis: una
Índice para evaluar los puntos más sensibles de un río. Agua 11 (6), 1145.https://
doi.org/10.3390/w11061145.
Debortoli, NS, Camarinha, PIM, Marengo, JA, et al., 2017. Un índice de la
Características e impactos de la sequía y la crisis hídrica en el sureste de Brasil
durante 2014 y 2015. J. Water Resour. Protect. 8, 252–262.https://doi.org/10.4236/
jwarp.2016.82022.
Vulnerabilidad ante el aumento previsto de inundaciones repentinas y deslizamientos de
tierra en el contexto del cambio climático. Nat. Hazards 86, 557–582.https://doi.org/10.1007/
s11069-016-2705-2.
Petley, D., 2012. Patrones globales de pérdida de vidas por deslizamientos de tierra. Geología 40 (10),
927–930.https://doi.org/10.1130/g33217.1.
Quan Luna, B., Blahut, J., van Westen, CJ, Sterlacchini, S., van Asch, TWJ, Akbas, S.
O., 2011. Aplicación del modelado numérico de flujos de escombros para la generación de
curvas de vulnerabilidad física. Nat. Hazards Earth Syst. Sci. 11, 2047–2060.https://doi.org/
10.5194/nhess-11-2047-2011.
Deng, YC, Hwang, JH, Lyu, YD, 2021. Desarrollo de un sistema de predicción en tiempo real para
Evaluación regional del riesgo de deslizamientos de tierra bajo eventos de lluvia extrema. Agua 13,
732. https://doi.org/10.3390/w13050732.
Dias, VC, Vieira, BC, Gramani, MF, 2016. Parâmetros morfológicos e morfométricos
como indicadores da magnitud das corridas de detritos na Serra do Mar Paulista.
Confines 29.https://doi.org/10.4000/confins.11444.
Rossi, M., 2017. Mapa pedológico do Estado de São Paulo: revisado e ampliado, 1.
Dietrich, W., Dunne, T., 1978. Presupuesto de sedimentos para una pequeña cuenca en zonas montañosas.
Levantamento de reconhecimento de solos. Revista del Instituto Florestal 3 (1), 1–44.
Schraml, K., Thomschitz, B., McArdell, BW, Graf, C., Kaitna, R., 2015. Modelado de desechos
Instituto Florestal, São Paulo, pág. 118.
Rossi, M., Pfeifer, RM, 1991. Pedología del Parque Estadual da Serra do Mar. I.
terreno. Z. Geomorphol. 29, 191–206.
Fawcett, T., 2006. Introducción al análisis ROC. Pattern Recognin. Lett. 27 (8),
861–874.https://doi.org/10.1016/j.patrec.2005.10.010.
Patrones de escorrentía de flujo en dos abanicos alpinos con diferentes modelos de simulación
dinámica. Nat. Hazards Earth Syst. Sci. 15 (7), 1483–1492.https://doi.org/10.5194/nhess-15-1483-2015.
Frank, F., McArdell, BW, Oggier, N., Baer, P., Christen, M., Vieli, A., 2017. Flujo de escombros
Modelado en las cuencas de Meretschibach y Bondasca, Suiza: evaluación de la sensibilidad
del modelo de arrastre basado en datos de campo. Nat. Hazards Earth Syst. Sci. 17 (5), 801–
815.https://doi.org/10.5194/nhess-17-801-2017.
Segoni, S., Piciullo, L., Gariano, S., 2018. Una revisión de la literatura reciente sobre precipitaciones.
Umbrales para la ocurrencia de deslizamientos de tierra. Deslizamientos de tierra 15 (8), 1483–1501.https://
doi.org/10.1007/s10346-018-0966-4.
Fukuoka, M., 1980. Deslizamientos de tierra asociados con la lluvia. Geotech. Eng. 11, 1–
29. Gabelini, BM, Corrêa, CV, Cerri, RI, Reis, FAGV, Zaine, JE, Giordano, LC, 2019.
Avaliação da suscetibilidade a escorregamento na Serra do Mar pela aplicação da
compartimentação fisiográfica. Geología USP. Serie Científica 19 (1), 193–211.
https://doi.org/10.11606/issn.2316-9095.v19-138528.
Selby, MJ, 1976. Erosión de pendientes debido a lluvias extremas: un estudio de caso de Nueva Zelanda.
Geografiska Annaler 58A, 131-138.
Shan, Y., Chen, S., Zhong, Q., 2020. Predicción rápida de la estabilidad de presas de deslizamientos de tierra utilizando el
método de regresión logística. Deslizamientos de tierra 17 (12), 2931–2956.https://doi.org/
10.1007/s10346-020-01414-6.
Steger, S., Mair, V., Kofler, C., Pittore, M., Zebisch, M., Schneiderbauer, S., 2021.
Galderisi, A., Ceudech, A., Pistucci, M., 2008. Un método para la evaluación de riesgos de Natech como
Herramienta de apoyo para la planificación del uso del suelo y estrategias de mitigación. Nat. Hazards
La correlación no implica causalidad geomórfica en el modelado de susceptibilidad a deslizamientos
46, 221–241.
basado en datos: beneficios de explorar los efectos de la recopilación de datos sobre deslizamientos.
Gramani, MF, 2001. Caracterização geológica-geotécnica das corridas de detritos
(“Flujos de escombros”) no Brasil e comparação com alguns casos internacionais.
Sci. Total Environ. 776, 145935.https://doi.org/10.1016/j.scitotenv.2021.145935. Takahashi, T., 2006.
Flujos de escombros: Mecánica, predicción y contramedidas. Taylor
regresión logística en Guixi, Jiangxi, China. Sustainability 13, 4830.https://doi.org/10.3390/
y Francis, Balkema, Leiden.
Tatizana, C., Ogura, AT, Cerri, LE, Rocha, MCM, 1987. Análisis de correlación entre
Chuvas e Escorregamentos - S. do Mar, Mun. Cubatão. Proc. Braz. Congr. Ing. Geol.
2, 225–236.
su13094830.
van Westen, CJ, Castellanos, E., Kuriakose, SL, 2008. Datos espaciales para deslizamientos de tierra
Disertación. Universidade de São Paulo, p. 372.
Huangfu, W., Wu, W., Zhou, X., Lin, Z., Zhang, G., Chen, R., Song, Y., Lang, T., Qin, Y.,
Ou, P., et al., 2021. Mapeo de riesgos geológicos por deslizamientos de tierra mediante modelos de
Evaluación de susceptibilidad, peligro y vulnerabilidad: una visión general. Eng. Geol. 102
(3–4), 112–131.https://doi.org/10.1016/j.enggeo.2008.03.010.
Hungr, O., McDougall, S., 2009. Dos modelos numéricos para el análisis dinámico de deslizamientos de tierra.
Comput. Geosci. 35 (5), 978–992.https://doi.org/10.1016/j.cageo.2007.12.003. Hürlimann, M.,
Copons, R., Altimir, J., 2006. Evaluación detallada del peligro de flujo de escombros en
Vieira, BC, Fernandes, NF, 2010. Filho OA (2010) Predicción de deslizamientos de tierra poco profundos en el
Andorra: un enfoque multidisciplinar. Geomorfología 78 (3–4), 359–372.https://
doi.org/10.1016/j.geomorph.2006.02.003.
Hürlimann, M., Rickenmann, D., Medina, V., Bateman, A., 2008. Evaluación de
Serra do Mar, São Paulo, Brasil. Nat. Peligros Sistema Tierra Ciencia. 10, 1829–1837.
https://doi.org/10.5194/nhess-10-1829-2010.
Vieira, BC, Gramani, M., 2015. Serra do Mar: el relieve más atormentado de Brasil. En:
Migon, P. (Ed.), Paisajes geomorfológicos mundiales. Springer, Berlín, págs. 285-297.
Westra, S., Fowler, H. J., Evans, J. P., Alexander, L. V., Berg, P., Johnson, F., Kendon, E. J.,
Enfoques para calcular parámetros de flujo de detritos para la evaluación de riesgos.
Ingeniería Geológica 102 (3–4), 152–163.https://doi.org/10.1016/j.enggeo.2008.03.012.
Hussin, HY, Quan Luna, B., van Westen, CJ, Christen, M., Malet, JP, van Asch, T.,
2012. Parametrización de un modelo numérico 2D de flujo de escombros con arrastre: un
estudio de caso de la cuenca de Faucon, sur de los Alpes franceses. Nat. Hazards Earth Syst.
Sci. 1 (10), 3075–3090.https://doi.org/10.5194/nhess-12-3075-2012.
IPT, 1986. Programa Serra do Mar – levantamentos básicos nas folhas de Santos e Riacho
Lenderink, G., Roberts, NM, 2014. Cambios futuros en la intensidad y frecuencia de las
precipitaciones extremas de corta duración. Rev. Geophys. 52 (3), 522–555.https://doi.org/
10.1002/2014rg000464.
Wilford, DJ, Sakals, ME, Innes, JL, Sidle, RC, Bergerud, WA, 2004. Reconocimiento de
Flujo de escombros, inundación de escombros y peligro de inundación mediante morfometría de cuencas
Grande, Estado de São Paulo. publicación IPT sustantivo, femenino—◦23.394(2), pág. 120.
hidrográficas. Deslizamientos de tierra 1 (1), 61–66.https://doi.org/10.1007/s10346-003-0002-0.
Wolle, CM, Carvalho, CS, 1994. Taludes Naturais. En: Falconi, FF, Junior, AN (Org.)
(Eds.), Solos do Litoral de São Paulo. ABMS, São Paulo, págs. 180-203.
Kahn, ME, 2005. El número de muertos por desastres naturales: el papel de los ingresos, la geografía,
e instituciones. Rev. Econ. Stat. 87 (2), 271–284.
Wu, S., Chen, J., Zhou, W., Iqbal, J., Yao, L., 2018. Un modelo logit modificado para la evaluación
y validación de la susceptibilidad a los flujos de escombros. Bull. Eng. Geol. Environ.
78 (6), 4421–4438.https://doi.org/10.1007/s10064-018-1412-5.
Kanji, MA, Cruz, PT, Massad, F., 2007. Flujo de escombros que afecta a la refinería de petróleo de Cubatão,
Brasil. Deslizamientos de tierra 5 (1), 71–82.https://doi.org/10.1007/s10346-007-0110-3.
Kopecký, M., Macek, M., Wild, J., 2021. Cálculo del índice de humedad topográfico
Yang, Z., Wang, L., Qiao, J., Uchimura, T., Wang, L., 2020. Aplicación y verificación
Directrices basadas en la humedad del suelo medida y la composición de las especies vegetales. Scie.
Total Environ. 757, 143785.https://doi.org/10.1016/j.scitotenv.2020.143785Lacerda, WA, 2007.
De un método multivariado de alerta temprana en tiempo real para deslizamientos de tierra inducidos por
Iniciación de deslizamientos de tierra en saprolito y coluvión en el sur de Brasil:
lluvia: implicaciones para la evolución de los flujos de escombros generados por deslizamientos.
Observaciones de campo y laboratorio. Geomorfología 87 (3), 104–119.https://doi.org/
10.1016/j.geomorph.2006.03.037.
Deslizamientos de tierra 17 (10), 2409–2419.https://doi.org/10.1007/s10346-020-01402-w.
20