Vol.
11. N° 1
Enero
- Junio del 2022
ISSN
Edición Online: 2617-0639
https://doi.org/10.47796/ves.v11i1.601
Artículo
Original
Mapeo de inestabilidad de laderas en
cuencas de fuerte pendiente mediante el enfoque de talud infinito
Mapping of slope
instability in steeply sloping basins using the infinite slope approach
Roberto
Alfaro Alejo [1]
Jose A. Mamani Gomez [2]
Isidro A. Pilares Hualpa [3]
Recibido: 28/02/2022
Aceptado: 14/05/2022
RESUMEN
Las
zonas de fuerte pendiente y con presencia de lluvias son susceptibles a
deslizamientos que a su vez pueden provocar otros desastres. El objetivo de
esta investigación es determinar el mapa de peligro por deslizamiento mediante
métodos determinísticos, como un estudio de caso en la cuenca del río Cuyocuyo,
ubicado en la zona nororiental del departamento de Puno, perteneciente a la
vertiente amazónica, considerada como zona moderadamente lluviosa y de
pendientes abruptas. El mapeo de la inestabilidad del terreno, se realiza
considerando los deslizamientos como traslacional superficial, controlado por
convergencia del flujo subterráneo, utilizando el modelo de talud infinito. Los
datos requeridos para implementar el modelo incluyen topografía, propiedades
del suelo y estados hídricos que son altamente variables tanto en el espacio
como en el tiempo. El inventario de deslizamientos es utilizado como
verificación en los puntos de ocurrencia. Como resultados se ha obtenido para las
condiciones de suelo saturado, semisaturado y seco el factor de seguridad está
entre las clases inestable a muy inestable, en un 42%, 38% y 18% del área de la
cuenca respectivamente; lo que es un indicativo de zona propensa a
deslizamientos. La información dada por los mapas de susceptibilidad a
deslizamiento, ayuda a las autoridades y técnicos para que adopten estrategias
de reducción de peligro por deslizamientos existentes y futuros por medio de la
prevención, mitigación y evasión.
Palabras Clave: Inestabilidad, Cuyocuyo, talud infinito, sistema de información geográfica, deslizamiento.
ABSTRACT
Areas with a
steep slope and with the presence of rain are susceptible to landslides, which
in turn can cause other disasters. The objective of this research is to
determine the landslide hazard map using deterministic methods, as a case study
in the Cuyocuyo river basin, located in the northeast area of the department of
Puno, belonging to the Amazon watershed, considered a moderately rainy and
steep slope. The mapping of ground instability is carried out considering
landslides as surface translational, controlled by convergence of groundwater
flow, using the infinite slope model. The data required to implement the model
includes topography, soil properties, and water states that are highly variable
in both space and time. The landslide inventory is used as verification at the
points of occurrence. As results, for the saturated, semi-saturated and dry
soil conditions, the safety factor is between the unstable and very unstable
classes, at 42%, 38% and 18% of the basin area, respectively; which is
indicative of a landslide-prone area. The information provided by landslide
susceptibility maps helps authorities and technicians to adopt hazard reduction
strategies for existing and future landslides through prevention, mitigation
and evasion.
Keywords:
Instability, Cuyocuyo, infinite slope, Geographic Information System,
landslide.
INTRODUCCIÓN
Los
deslizamientos de tierra generados por lluvias son fenómenos muy recurrentes en
áreas montañosas, que pueden constituir riesgos geológicos al afectar de una
forma directa o indirecta a las actividades humanas causando pérdidas humanas y
económicas considerables (Palacio Córdoba et al., 2020; Turner, 2018). El
criterio de zonificación de peligros y riesgos, es decir, la división del
terreno en áreas homogéneas (peligros de deslizamiento) es una herramienta muy
útil para la toma de decisiones, tanto en zonas urbanas o rurales. Los
deslizamientos y flujos de escombros son una fuente de severos desastres
naturales y riesgos de la sociedad en regiones montañosas por todo el mundo
(Craig & Augusto Filho, 2020; Dolojan et al., 2021). El marco de Sendai para
la reducción del riesgo de desastres (2015-2030) fue diseñado para desarrollar
prácticas de reducción del riesgo de desastres y medidas de mitigación con el
fin de reducir el número de víctimas, pérdidas económicas directas, daños a
infraestructuras críticas y edificios (Dobrescu et al., 2018). El futuro
incierto en muchas variables que provocan deslizamientos como la precipitación
(Pilares et al., 2018), nos invoca a considerar el cambio climático, ya que
éste genera alteraciones que en gran medida provocará mayores desastres
naturales (García et al., 2021).
Los
sistemas de información geográfica (SIG) tienen que convertirse en una poderosa
herramienta para análisis efectivo y predicción asociada con el estudio de
riesgos geológicos. Esto no es únicamente porque el SIG tiene una excelente
capacidad de procesamiento de datos espaciales, sino también porque la
recolección, manipulación y análisis de los datos ambientales sobre
deslizamientos y riesgos de flujos de escombros pueden ser realizados mucho más
eficientemente (Carrara et al., 1999). Uno de los resultados de la zonificación
de peligro de un área es un mapa de peligro (es decir, mapa de peligro de
deslizamiento).
Para
la evaluación de susceptibilidad de amenaza a deslizamientos, las técnicas de
análisis varían generalmente en enfoque heurístico, enfoque estadístico o
probabilístico y enfoque determinístico (Corominas et al., 2014). El enfoque heurístico se basa en
información de la literatura y estudios de campo para asignar peso a los
factores causales y sus clases de factores (geología, geomorfología y otros)
(Van Westen et al., 2000). En el enfoque
estadístico se utilizan técnicas estadísticas bivariadas y multivariadas
para analizar la amenaza de deslizamiento, lo que permite determinar la
correlación entre el factor de deslizamiento y la ocurrencia de deslizamientos
(Gorsevski et al., 2000; Wubalem, 2021). Mientras que el enfoque determinístico se utiliza para el estudio de una ladera o
talud concreto y se basan en modelos de equilibrio límite o en modelos
numéricos, por lo que tienen una base física, que puede considerar la
hidrología, topografía, propiedades del suelo y vegetación en algunos casos
(Crozier, 1986; Duncan et al., 2014; Palacio Cordoba et al., 2020). Requieren
de datos de entrada de alta precisión y fiabilidad, lo que son utilizados para
obtener de manera precisa el factor de seguridad del talud en estudio (Borga et
al., 1998; Craig & Augusto Filho, 2020).
En
enero de 1984, un evento de precipitación de alta intensidad afectó la
localidad de Cuyocuyo (Alfaro-Alejo et al., 2021). Esta precipitación provocó
muchos deslizamientos y flujos de escombros en la zona. La falla de un talud
dio como resultado flujo de escombros en la quebrada Jilari (Figura 2). Un
moderado tamaño de profundidad 3-6 m de avalancha provocó el flujo de escombro
cerca de 1.0 km aguas abajo. El desastre mató a una persona y más de 14 casas
fueron dañadas o destruidas, además se bloqueó el puente principal, calles
(Alexander, 1992). Durante la intensa precipitación, se desarrolló una alta
presión de poros de agua dentro del espacio limitado por las fracturas e
intersticios. Similar suceso ocurrió el año 2005, 2012 y otros años, con
menores consecuencias.
En
un intento para prevenir deslizamientos y consecuentes flujos de escombros,
similares a anteriores desastres ocurridos, este estudio se concentra en la
determinación del mapa de peligro por deslizamiento mediante métodos
determinísticos, como un estudio de caso en la cuenca del río Cuyocuyo.
MATERIALES
Y MÉTODOS
Área de estudio
El
área de estudio cubre la cuenca del río Cuyocuyo, se encuentra en la provincia
de Sandia, región Puno, Perú (Figura 1), ubicado en 14°28.20’ S, 69°32.22’ O;
su altitud oscila entre 2185 y 5843 msnm a una distancia de no más de 30 km.
Recibe una precipitación promedio de 1280 mm anual. Al estar en el flanco
amazónico de la cordillera de los Andes da como resultado un aire rico en
humedad que transporta nieblas a las laderas que contribuye a precipitaciones
altas.
Métodos
Consiste
en el inventario de deslizamientos ocurridos, adopción de un modelo de
estabilidad de talud, propiedades del terreno, suelo y lluvia, mapeo de
susceptibilidad a deslizamientos, que se detalla a continuación.
Inventario de deslizamientos
Mediante
un recorrido de campo y con ayuda de imágenes satelitales se lograron
identificar los diversos tipos deslizamientos en la zona, que principalmente
son: deslizamientos de tierra, flujos de escombros en quebradas como Jilari,
caída de rocas, reptación, entre otros, mostrados en la figura 1. En la figura
2 se muestra el origen y extensión del área de deslizamiento en la localidad de
Cuyocuyo, el sistema de drenaje local, ubicación de caminos y casas.
|
Figura 1 Ubicación
del distrito de Cuyocuyo |
|
|
|
Figura 2 Zona de inestabilidad de taludes e
iniciación de flujo de escombros hacia la localidad de Cuyocuyo. |
|
|
Modelo de
estabilidad de taludes
La
metodología basada en SIG para deslizamientos usa la fórmula del factor de
seguridad (FS) para el bien conocido modelo de estabilidad “talud infinito”
(relación de fuerzas estabilizantes a desestabilizantes), sobre un plano de
falla paralelo a la superficie de terreno con efectos de bordes descartados. El
modelo de talud infinito, fue presentado por diversos autores (Dolojan et al.,
2021; Ferrer-Boix & an Lim, 2016; Fuchs et al., 2014), el factor de
seguridad viene expresado por la ecuación (1).
(1)
Donde: c’ = cohesión efectiva; σn – u = esfuerzo normal efectivo; W = peso del suelo debido a la gravedad
El
método de talud infinito, desarrollado por Skempton & DeLory (1957),
considera que la profundidad de falla es mucho menor que la extensión total del
talud y que el equilibrio entre las fuerzas resistentes y de deslizamiento se
da en una sola dovela de talud. El cálculo de FS en el método de talud infinito
se realiza mediante la ecuación 2, según lo propuesto por Craig & Augusto
Filho (2020).
(2)
Donde: FS = factor de seguridad; c’= cohesión efectiva; γnat = peso unitario natural; φ’: Ángulo de fricción efectivo; z = profundidad del plano de falla; i = ángulo de talud; u = presión de agua intersticial.
Adoptando rangos apropiados para variables es posible calibrar y agrupar la mayoría de deslizamientos observados dentro de clases de factor de seguridad (FS) presentados en la Tabla 1.
|
Tabla 1 Clases de factor de Seguridad de Talud
FS. |
||
|
Valor FS |
Estado Previsto |
Posible Influencia de Factores no Modelados |
|
FS > 1.50 |
Estable |
Únicamente factores
desestabilizantes principales conducen a inestabilidad |
|
1.25 < FS < 1.50 |
Moderadamente Estable |
Factores desestabilizantes
moderados conducen a la inestabilidad |
|
1.00 < FS < 1.25 |
Ligeramente Estable |
Factores desestabilizantes
menores pueden llevar a la inestabilidad |
|
0.5 < FS < 1.00 |
Inestable |
Factores desestabilizantes no
son requeridos para inestabilidad |
|
FS < 0.50 |
Muy Inestable |
Factores estabilizantes pueden
ser responsables para estabilidad |
|
Fuente: Adaptado de Ray & de Smedt (2009) |
||
Propiedades
del terreno, suelo y lluvia
Los
datos topográficos de la cuenca se obtuvieron del modelo de elevación digital
SRTM, con una resolución de 30m, asimismo se tuvo una derivada de la
interpolación del mapa topográfico 1: 25,000 con una equidistancia de 50 m de
la zona, se representan como un modelo de elevación digital. Las propiedades
del suelo fueron incrustadas en un mapa de distribución del suelo y los datos
de lluvia se representan con las condiciones de saturado, semisaturado y seco.
Mapeo de
susceptibilidad a deslizamiento
El
diagrama de flujo que se muestra en la figura 3 es desarrollado para calcular
el mapa de factor de seguridad para diferentes escenarios. Este diagrama de
flujo nos da una idea acerca del desarrollo del modelo para análisis de datos y
mapa del factor de seguridad. Los datos
son almacenados en una base de datos SIG en proyección UTM.
|
Figura 3 Diagrama mostrando la metodología seguida en la investigación. |
|
|
|
Fuente:
Adaptado de Acharya et al. (2006) |
El
índice de humedad para condición completamente seca es 0, condición media
saturada es 0.5 y condición completamente saturada es 1.
El factor de seguridad para los diferentes escenarios es calculado usando las ecuaciones correspondientes en el álgebra de mapas del Model Builder de ArcGIS 10.x, según ecuación (5).
FS = {C+[cos I* cos I
[F[A-B]+B(G-F)]*tan D]} / {sen I* cos I [F-[A-B]+G*B]} (5)
Donde:
A = Espesor de la capa de suelo (m); B = Espesor de la capa de suelo saturado
(m); C = Cohesión del suelo (kN/m2); D = Ángulo de fricción interna
efectiva del suelo (°); E = Peso Unitario seco del suelo (kN/m3), F
= Peso Unitario húmedo del suelo (kN/m3); G = Peso Unitario del
suelo saturado (kN/m3); H = Peso Unitario del agua.
Se
evalúan en cada celda de la cuadrícula utilizando las entradas distribuidas espacialmente.
A continuación, se asigna a la celda un único valor de factor de seguridad, que
representa la condición de estabilidad del talud.
Luego
de producir mapas para tres escenarios diferentes, esto es, condición suelo
saturado, semisaturado y seco, para clasificar estos escenarios con las
especificaciones mostradas en la Tabla 1.
RESULTADOS
Características
geológicas del área de estudio
Fisiografía
El
distrito de Cuyocuyo tiene un relieve que fue modelado por un conjunto de
agentes geodinámicos externos a lo largo del tiempo geológico, está constituido
por las siguientes unidades geomorfológicas:
(1) Flanco Andino:
Compuesta por rocas volcánicas y sedimentarias que están fuertemente disectadas
y alteradas, muy deleznables por la presencia de rocas lutaceas con pendientes
fuertes.
(2) Colinas
Disectadas: Donde las quebradas disectan las colinas. Una expresión morfológica
importante son las cárcavas con anchos variables, debidos al agua de
escorrentía superficial proveniente de los manantiales y lluvias.
Litología
El
distrito de Cuyocuyo, Sandia presenta unidades litológicas de origen
principalmente volcánico y sedimentario cuyas edades van desde el paleozoico
hasta el cuaternario reciente, la secuencia litológica del área pertenece a la
formación Sandia y Ananea (Gomez, 2012; PREDES, 2008).
(a) Afloramientos
Rocosos: En estratos de rocas volcánicas, areniscas y lutitas fuertemente
fracturadas, con pliegues ligeros constituyendo geoformas escarpadas (calizas)
y zonas de derrumbes en las lutitas y areniscas.
(b) Depósitos
Superficiales: Agrupa formaciones de detritos recientes, constituidas por
materiales inconsolidados producidos por meteorización y erosión de terrenos
pre existentes y la posterior acumulación de sedimentos, estos depósitos
superficiales están constituidos por: 1.- Depósitos Aluviales, 2.- Depósitos
Fluviales, 3.- Depósitos Proluviales, 4.- Depósitos Coluviales 5.- Flujos de
barro.
Uso de la Tierra
La
información de uso de la tierra ha sido obtenida a través de fotografías
aéreas, imágenes satelitales y recorrido de campo, procesado convenientemente.
La estructura del uso de la tierra es ampliamente variable sobre el terreno. La
mayoría de las cárcavas, especialmente cárcavas de quebrada, y áreas de fuerte
pendiente están cubiertas por tipos de uso de tierra anti-erosión: árboles,
andenes y pastizales naturales, pero algunas partes del área no están
perturbados, caracterizados por un desfavorable ordenamiento de parcelas y
caminos vecinales. Tales defectos causan diferentes formas de flujo
superficial, provocando que tasas de erosión y potenciales fallas de
estabilidad de terreno ocurran, especialmente en la época de lluvias.
Modelo Digital de Elevación (MDE)
La
cuadricula MDE, usada como un dato de relieve, ha sido de una resolución de 30
m. obtenido por interpolación de las curvas de nivel desde un mapa topográfico
por medio del ArcToolbox de ArcGIS (Figura 4). La aplicación de un MDE con alta
resolución implica también usar datos fiables del suelo y el inventario de
deslizamientos (Fuchs et al., 2014).
|
Figura 4 Modelo Digital de Elevación cuenca Cuyocuyo. |
|
|
Propiedades del Suelo
La
capa de información de suelo, almacenado en un formato vector, ha sido digitalizado
obtenido de cartografía y también de la inspección en campo. La mayor parte de
la cuenca está conformada por materiales aluviales con predominio de la
fracción gruesa empacada en proporciones variables de finos clasificado en el
sistema SUCS como GM-GC siendo estos suelos inestables y de baja densificación
por los eventos morfodinámicos, asumiéndose un espesor del suelo constante.
Inventario de deslizamientos
La zona está constituida por material rocoso que se ha fracturado y triturado,
que genera grandes depósitos de materiales, que se deslizan debido a la
infiltración de las lluvias, que satura los suelos, que desequilibran los
taludes y activan los movimientos de masa de suelo y desprendimiento de rocas.
El inventario de deslizamientos en la cuenca está basado en trabajos
anteriores, imágenes de satélite y trabajos de campo, desde el año 2005 al
2019, siendo el deslizamiento más importante, por el peligro a poblaciones la
de la quebrada Jilari, ubicado arriba de la localidad de Cuyocuyo. La erosión
fluvial es otro factor desencadenante de los deslizamientos y de la
profundización del cauce del valle de los ríos existentes en el distrito. Los diversos tipos de deslizamientos se muestran
en la figura 1. Estos eventos se emplearon para la confirmación y evaluación
del mapa de susceptibilidad a deslizamientos.
Distribución de posibles
deslizamientos
Los
resultados del modelamiento de deslizamiento se muestran en la figura 5, donde
se confirma la interpretación del fenómeno existente bajo las condiciones de la
zona. Como primer resultado se puede ver que, para las condiciones del suelo
saturado, semisaturado y seco el factor de seguridad está entre las clases
“inestable” a “muy inestable”, en un 42%, 38% y 18% del área de la cuenca
respectivamente (Figura 6).
|
Figura 5 Mapa de estabilidad en condición saturada. |
|
|
La
zonificación permite priorizar áreas de mayor riesgo para adoptar medidas de
prevención o de mitigación. Sin embargo, su grado de precisión deberá ser
validado a partir de análisis más detallados. Su principal ventaja con respecto
a otros métodos de análisis es que permite obtener la probabilidad de falla de
deslizamiento, que es un indicador óptimo para establecer la estabilidad de
taludes en una zona.
Estos
deslizamientos pueden ser ayudados a su ocurrencia, por otros factores no
necesariamente geotécnicos o de lluvias, tal es el caso de la erosión de cauces
al pie del talud por socavación de quebradas, tal como la presentada en la
quebrada Jilari (Figura 7). Otra fuente de inestabilidad es la presencia de
áreas irrigadas como lo indica (Bosco et al., 2018), asimismo las acciones de
excavación relacionada a obras viales o similares, también pueden provocar
deslizamientos (Turner, 2018).
|
Figura 6 Clases de Factor de Seguridad en la cuenca. |
|
|
Para
la zonificación de peligros por deslizamiento varias herramientas o librerías
fueron producidas por muchos investigadores entre las que destacan SINMAP (Pack
et al., 2001), SHALSTAB (Dietrich et al., 1998), r.slope.stability (Mergili,
2021), SHIA_Landslide (Aristizábal et al., 2016) entre otros.
|
Figura 7 Deslizamiento en la zona de Jilari, con protección de cauce. |
|
|
Los
deslizamientos provocados por lluvias en el distrito de Cuyocuyo, si bien se
pueden modelar como superficiales con el modelo de talud infinito, en muchos
casos también son deslizamientos profundos que requieren una técnica de
análisis adecuada para tal fin. En todo caso, a fin de disminuir el peligro de
deslizamientos en los diversos puntos identificados es necesario considerar
medidas de estabilización o remediación de taludes como lo refieren Cornforth
(2005); Cruden & Varnes (1996); Huang (1983); Suárez Díaz, (2014).
Eventualmente
muchos deslizamientos activados por la ocurrencia de lluvias, se convirtieron
en detonantes de flujos de escombros, tal es el caso de la quebrada Jilari.
Para contrarrestar los flujos de escombros existen acciones específicas (Jakob
et al., 2012; Mizuyama, 2008; Okubo et al., 1997; Takahashi, 2014; Xiong et
al., 2016).
CONCLUSIONES
Según
los resultados obtenidos mediante el análisis determinístico, se llega a la
conclusión que la cuenca para condición de suelo saturado, semisaturado y seco
presenta un grado “inestable” a “muy inestable” de peligro de deslizamiento, en
un 42%, 32% y 18% del área de la cuenca respectivamente. Los eventos de
deslizamientos en la cuenca del Cuyocuyo están fuertemente correlacionados por
varios factores, principalmente por la topografía, tipos de suelo y los eventos
de precipitación.
El
modelo SIG no únicamente evalúa y explica las áreas donde han ocurrido
deslizamientos, sino también predice las potenciales áreas de peligro donde
pueden ocurrir deslizamientos bajo futuras condiciones de precipitación. La información
dada por los mapas de susceptibilidad a deslizamiento ayuda a las autoridades y
técnicos a reducir pérdidas causadas por deslizamientos existentes y futuros
por medio de la prevención, mitigación y evasión, en el marco de la gestión de
riesgos de desastres.
Roberto Alfaro Alejo
Conceptualización, Trabajos de campo, redacción de
artículo
Jose A. Mamani Gomez
Procesado de datos en ArcGIS, redacción de borrador de
artículo
Isidro
A. Pilares Hualpa
Redacción
de introducción del artículo, revisión del artículo
REFERENCIAS
Acharya, G., De Smedt, F., & Long, N. T. (2006).
Assessing landslide hazard in GIS: a case study from Rasuwa, Nepal. Bulletin of Engineering Geology and the
Environment, 65(1), 99–107. https://doi.org/10.1007/s10064-005-0025-y
Alexander, D. (1992). On the causes of landslides:
Human activities, perception, and natural processes. Environmental Geology and Water Sciences, 20(3), 165–179. https://doi.org/10.1007/BF01706160
Alfaro-Alejo, R., Paredes-Mamani, R. P.,
Montenegro-Gambini, J., Belizario-Quispe, G., & Flores-Condori, E. (2021).
Geo-hydrological Risk Awareness and Disaster Preparedness in a Mountainous Area
of Southern Peru Vulnerable to Disaster. IOP
Conference Series: Earth and Environmental Science. https://doi.org/10.1088/1755-1315/906/1/012125
Aristizábal, E., Vélez, J. I., Martínez, H. E., &
Jaboyedoff, M. (2016). SHIA_Landslide: a distributed conceptual and physically
based model to forecast the temporal and spatial occurrence of shallow
landslides triggered by rainfall in tropical and mountainous basins. Landslides, 13(3), 497–517. https://doi.org/10.1007/s10346-015-0580-7
Borga, M., Dalla Fontana, G., Da Ros, D., &
Marchi, L. (1998). Shallow landslide hazard assessment using a physically based
model and digital elevation data. Environmental
Geology, 35(2), 81–88.
Bosco, G., Dalpiaz, M., & Simeoni, L. (2018).
Effects of modified irrigation procedures on the stability of cultivated
slopes. In Landslides and Engineered
Slopes. Experience, Theory and Practice (pp. 483–489). CRC Press.
Carrara, A., Guzzetti, F., Cardinali, M., &
Reichenbach, P. (1999). Use of GIS Technology in the Prediction and Monitoring
of Landslide Hazard. Natural Hazards,
20(2), 117–135. https://doi.org/10.1023/A:1008097111310
Cornforth, D. (2005). Landslides in Practice: Investigation, Analysis, and
Remedial/Preventative Options in Soils. Wiley Publishers.
Corominas, J., van Westen, C., Frattini, P., Cascini,
L., Malet, J.-P., Fotopoulou, S., Catani, F., Van Den Eeckhaut, M., Mavrouli,
O., Agliardi, F., Pitilakis, K., Winter, M. G., Pastor, M., Ferlisi, S.,
Tofani, V., Hervás, J., & Smith, J. T. (2014). Recommendations for the
quantitative analysis of landslide risk. Bulletin
of Engineering Geology and the Environment, 73(2), 209–263. https://doi.org/10.1007/s10064-013-0538-8
Craig, A. M. L., & Augusto Filho, O. (2020). Landslide Susceptibility Mapping of Highway
Slopes, Using Stability Analyses and GIS Methods.
https://doi.org/10.28927/SR.431071
Crozier, M. J. (1986). Landslides: causes, consequences & environment. Taylor &
Francis.
Cruden, D. M., & Varnes, D. J. (1996). Landslide
Types and Processes. In A. K. Turner & R. L. Schuster (Eds.), Landslides: Investigation and Mitigation. .
Transportation Research Board Special Report.
Dietrich, W. E., de Asua, R. R., Coyle, J., Orr, B.,
& Trso, M. (1998). A validation study of the shallow slope stability model,
SHALSTAB, in forested lands of Northern California. Stillwater Ecosystem, Watershed & Riverine Sciences. Berkeley, CA.
Dobrescu, C.-F., Calarasu, E.-A., &
Huzui-Stoiculescu, A. E. (2018). Integrative analysis used for landslide
susceptibility zoning at local scale based on GIS modeling. Ce/Papers, 2(2–3), 293–298. https://doi.org/10.1002/cepa.686
Dolojan, N. L. J., Moriguchi, S., Hashimoto, M., &
Terada, K. (2021). Mapping method of rainfall-induced landslide hazards by
infiltration and slope stability analysis. Landslides,
18(6), 2039–2057. https://doi.org/10.1007/s10346-020-01617-x
Duncan, J. M., Wright, S. G., & Brandon, T. L.
(2014). Soil Strength and Slope Stability.
John Wiley & Sons, Inc.
Ferrer-Boix, C., & an Lim, Z. (2016). Landslide Hazard Analysis Using An Infinite
Slope Stability Model Approach (A Case Study–Garibaldi At Squamish Project).
Fuchs, M., Torizin, J., & Kühn, F. (2014). The
effect of DEM resolution on the computation of the factor of safety using an
infinite slope model. Geomorphology, 224, 16–26.
García, W., Delfín, M., Ledezma, M., & Arévalo, B.
(2021). Integrando métodos de evaluación de riesgos de deslizamientos e
inundaciones en cuencas del Tunari y zona de Alto Cochabamba. Acta Nova, 10(1), 61–95.
Gomez, D. (2012). Evaluacion
tecnica de peligros geologicos en los sectores Jilari - Llamanipata - Ccatasuyo.
INGEMMET. https://hdl.handle.net/20.500.12544/1589
Gorsevski, P. V, Gessler, P., & Foltz, R. B.
(2000). Spatial prediction of landslide hazard using discriminant analysis and
GIS. In: GIS in the Rockies 2000
Conference and Workshop: Applications for the 21st Century, Denver, Colorado,
September 25-27, 2000.
Huang, Y. H. (1983). Stability Analysis of Earth Slopes. Springer Science.
Jakob, M., Stein, D., & Ulmi, M. (2012).
Vulnerability of buildings to debris flow impact. Natural Hazards, 60(2),
241–261. https://doi.org/10.1007/s11069-011-0007-2
Mergili, M. (2021). r.slope.stability - The slope stability model. Publications.
https://www.slopestability.org/publications.php
Mizuyama, T. (2008). Structural Countermeasures for
Debris Flow Disasters . International
Journal of Erosion Control Engineering, 1(2),
38–43.
Okubo, S., Ikeya, H., Ishikawa, Y., & Yamada, T.
(1997). Development of new methods for countermeasures against debris flows. In
A. Armanini & M. Michiue (Eds.), Recent
Developments on Debris Flows (pp. 166–185). Springer Berlin Heidelberg. https://doi.org/10.1007/BFb0117768
Pack, R. T., Tarboton, D. G., & Goodwin, C. N.
(2001). Assessing terrain stability in a
GIS using SINMAP.
Palacio Cordoba, J., Mergili, M., & Aristizábal,
E. (2020). Probabilistic landslide susceptibility analysis in tropical
mountainous terrain using the physically based r. slope. stability model. Natural Hazards and Earth System Sciences,
20(3), 815–829.
Pilares, I., Montalvo, N., Mejía, A., Guevara-Perez,
E., Fano, G., & Alfaro, R. (2018). Evaluation of water availability in the
Cabanillas river basin of the Peruvian Altiplano under regionalized climatic
scenario. Ingenieria UC, 25(2), 307–319.
PREDES. (2008). Plan
de Reducción de Riesgos distrito de Cuyocuyo, Comité de Defensa Civil de
Cuyocuyo. OXFAM-PREDES.
Ray, R. L., & de Smedt, F. (2009). Slope stability
analysis on a regional scale using GIS: a case study from Dhading, Nepal. Environmental Geology, 57(7), 1603–1611. https://doi.org/10.1007/s00254-008-1435-5
Skempton, A. W., & DeLory, F. A. (1957). Stability
of natural slopes in London Clay. Proc.
4th Internal Conference on Soil Mechanics and Foundation Engng., London, 1957,
2, 378–381.
Suárez Díaz, J. (2014). Deslizamientos. Tomo II: Técnicas de Remediación (Geotecnologia
(ed.)). Geotecnologia SAS. http://www.erosion.com.co/deslizamientos-tomo-ii-tecnicas-de-remediacion.html
Takahashi, T. (2014). Debris Flow: Mechanics, Prediction and Countermeasures (2nd ed.).
CRC Press. https://doi.org/doi:10.1201/b16647-710.1201/b16647-7
Turner, A. K. (2018). Social and environmental impacts
of landslides. Innovative Infrastructure
Solutions, 3(1), 70. https://doi.org/10.1007/s41062-018-0175-y
Van Westen, C. J., Soeters, R., & Sijmons, K.
(2000). Digital geomorphological landslide hazard mapping of the Alpago area,
Italy. International Journal of Applied
Earth Observation and Geoinformation, 2(1),
51–60. https://doi.org/10.1016/S0303-2434(00)85026-6
Wubalem, A. (2021). Landslide susceptibility mapping
using statistical methods in Uatzau catchment area, northwestern Ethiopia. Geoenvironmental Disasters, 8(1), 1. https://doi.org/10.1186/s40677-020-00170-y
Xiong, M., Meng, X., Wang, S., Guo, P., Li, Y., Chen,
G., Qing, F., Cui, Z., & Zhao, Y. (2016). Effectiveness of debris flow
mitigation strategies in mountainous regions. Progress in Physical Geography: Earth and Environment, 40(6), 768–793. https://doi.org/10.1177/0309133316655304
