Estimación de exposición y vulnerabilidad sísmica empleando técnicas de aprendizaje automático con datos tomados por sensores remotos: aplicaciones en lorca (españa) y puerto príncipe (haití)
- Autores: Yolanda Torres Fernández
- Directores de la Tesis: María Belén Benito Oterino (dir. tes.), Sandra Martínez Cuevas (codir. tes.)
- Lectura: En la Universidad Politécnica de Madrid ( España ) en 2019
- Idioma: español
- Tribunal Calificador de la Tesis: Jorge Gaspar Escribano (presid.), José Juan Arranz Justel (secret.), Sergio Molina Palacios (voc.), Ligia Quirós (voc.), Humberto Anibal Parra Cardenas (voc.)
- Materias:
- Enlaces
- Tesis en acceso abierto en: Archivo Digital UPM
- Resumen
Según el informe de CRED/UNISDR (2016), más de la mitad de las víctimas mortales causadas por los desastres naturales en los últimos 20 años se debieron a terremotos. A través del Marco de Sendai, la ONU promueve la implantación de medidas orientadas a la reducción del riesgo de desastres (DRR) que está justificada por dos razones, principalmente: (1) las amenazas naturales están siendo más frecuentes y mortales con el paso de los años; y (2) la vulnerabilidad de las áreas urbanas va en aumento. Se insta, por tanto, a los países a trabajar por una mejora de la resiliencia de sus ciudades y comunidades.
En ese sentido, con esta tesis se pretende avanzar en la explotación de los datos disponibles para optimizar los procesos de comprensión y caracterización de la vulnerabilidad sísmica del entorno urbano. El desarrollo que las tecnologías geoespaciales han experimentado en las últimas décadas ha hecho posible incorporarlas a estos estudios. Sin embargo, a pesar de que se obtienen resultados satisfactorios en la caracterización de la edificación, aun no se ha valorado, de una manera robusta, la aplicabilidad de esos resultados en los estudios de riesgo sísmico.
Por tanto, en la presente investigación se ha evaluado si es viable técnica y económicamente estimar la exposición y la vulnerabilidad sísmica de una ciudad por medio de técnicas de observación terrestre e incorporar el resultado a un estudio de riesgo. Se han realizado sendas aplicaciones en dos escenarios muy distintos: Lorca y Puerto Príncipe. En ambas ciudades, se han analizado datos tomados por sensores remotos siguiendo las fases diseñadas en el procedimiento metodológico: (1) se ha estratificado la ciudad en patrones urbanos; (2) se han extraído las huellas de los edificios y los atributos que conforman la base de datos de exposición; y (3) se les ha asignado un modelo de vulnerabilidad empleando técnicas de aprendizaje automático. Se ha prestado especial atención a la cuantificación de las incertidumbres inherentes a todos los procesos de análisis y se ha estudiado su impacto en un cálculo de daños por sismo. Finalmente, se ha comparado el coste de este tipo de estudios con el de los procedimientos tradicionales basados en realizar inspecciones de edificios in situ.
Toda la investigación se ha realizado con datos abiertos que no han supuesto ningún coste. Se han empleado imágenes de satélite Landsat, ortofotos de alta resolución, LiDAR y datos catastrales. Para la verificación de los resultados de todas las fases del análisis se ha contado con bases de datos de referencia generadas en investigaciones anteriores de otros autores y cedidas para este estudio.
En el escenario de Lorca, se ha trabajado en una zona del centro histórico y otra de ensanche. Se han identificado un total de 5 tipologías constructivas: 2 de edificios de mampostería y 3 de hormigón armado. La clasificación de más de 800 edificios en estas tipologías se ha conseguido con precisiones globales del 82% (en las zonas del centro) y del 90% (en el ensanche). Tras asignar a cada tipo de edificio el modelo de vulnerabilidad que mejor reproduce su desempeño sísmico, se ha calculado un escenario de daños correspondiente a un sismo simulado de Mw = 5.2 con epicentro a 4 km al norte de la ciudad. La comparación de estos daños con los que se obtienen con la base de datos de vulnerabilidad de referencia arroja un MAPE del 4%.
En Puerto Príncipe, se ha trabajado con más de 6000 edificios en áreas de muestra de toda la ciudad, ubicadas en zonas residenciales, urbanas, rurales y asentamientos informales. Se han identificado 4 tipologías constructivas: 2 de edificios de mampostería y madera y otras 2 de hormigón armado. Los modelos predictivos de clasificación de tipologías alcanzan precisiones globales entre el 74%-88%, según el área. A cada tipología se le ha asignado un modelo de vulnerabilidad y se ha calculado un escenario de daños tras simular un sismo de Mw = 7.0 a 20 km de la ciudad. La comparación de los daños obtenidos con el mejor modelo de exposición y los que se obtienen al usar los datos de vulnerabilidad de referencia deja un MAPE también del 4%.
Estos valores bajos de error parecen demostrar que las incertidumbres encadenadas en los procesos previos de generación de huellas, cálculo de atributos y clasificación de tipologías tienen un impacto mínimo en la estimación de daños por sismo. Son resultados altamente satisfactorios, que permiten responder positivamente a la hipótesis de investigación sobre la viabilidad técnica del uso de las bases de datos creadas por teledetección en estudios de riesgo.
Finalmente, se ha llevado a cabo un análisis comparativo del coste de este tipo de estudios para evaluación de la exposición y la vulnerabilidad sísmica y el coste que conlleva la realización de una campaña de campo para el mismo fin. La información sobre el coste de las campañas de campo ha sido proporcionada por 12 expertos internacionales con base en su propia experiencia. De la comparación se deduce que el análisis de datos tomados por sensores remotos permite obtener un producto comparable al que se obtendría en campo, pero por un 10%-30% de su precio y empleando, como mucho, un tercio del tiempo, lo que avala la viabilidad económica de estos estudios.
Como resultado de esta investigación, se propone un procedimiento de 5 fases para generar bases de datos de exposición y vulnerabilidad de alta calidad a nivel de edificio, que combina teledetección y campañas de campo dirigidas optimizando recursos y coste.
