Introducción

A nivel mundial, las áreas propensas a procesos gravitacionales (deslizamientos, landslides en inglés) se han identificado a través de modelos de susceptibilidad a deslizamientos incorporados en Sistemas de Información Geográfica (SIG). Tales modelos emplean una variedad de métodos determinísticos, heurísticos, probabilísticos y estadísticos a escala local o regional (^{Hammond, Hall, Miller y Swetik, 1992}; ^{Montgomery y Dietrich, 1994}; ^{Pack, Tarboton y Goodwin, 1998}; ^{Zhou, Esaki, Mitani, Xie y Mori, 2003}; ^{Lee, 2005}; ^{Akgun, 2012}; ^{Raghuvanshi, Negassa y Kala, 2015}; ^{Bui et al., 2016}). En todos estos enfoques, la evaluación de la eficiencia del modelo para predecir deslizamientos es crucial a fin de asegurar su confiabilidad en la planeación y el ordenamiento territorial. Para lograrlo, el modelo de susceptibilidad se debe comparar con un mapa detallado y preciso de deslizamientos (^{Lee, 2005}, ^{Hervás y Bobrowsky, 2009}; ^{Raghuvanshi et al., 2015}). En México son pocos los mapas de inventario, bases de datos geoespaciales y de modelado existentes en el país. Como resultado de lo anterior, no existe una comparación sistemática de los métodos en condiciones naturales y teóricas para delinear las ventajas y limitaciones de los modelos en cualquier región de México. La evaluación de los métodos se ve obstaculizada por la complejidad de los problemas naturales y técnicos concomitantes, tales como los cambios temporales en la ocurrencia de deslizamientos, el tipo de deslizamiento, la resolución del deslizamiento, el tamaño del píxel, la interpolación, la exactitud de los inventarios, las dificultades en la obtención parámetros geotécnicos del suelo, etc. La ausencia de esta comparación sistemática de los modelos de susceptibilidad no sólo compromete la fiabilidad de los modelos sino que también puede conducir al uso inadecuado de los mismos. Esto es especialmente cierto para validar un modelo en áreas naturales donde es escasa la información tanto de deslizamientos como de las condiciones que los ocasionan.

Con base en lo anterior, el objetivo principal de este trabajo es mostrar la aplicación de estadísticas básicas en la evaluación de eficiencia de los modelos de predicción de deslizamientos y con ello proveer un método estandarizado que apoye a las autoridades gubernamentales y al público en general para el uso de modelos de deslizamientos.

Esta investigación utiliza al sistema fluvial de la cuenca del río La Carbonera, en el flanco sureste del volcán Pico de Orizaba, como área de estudio, misma que presenta un relieve montañoso de pendientes fuertes, donde los materiales volcánicos y sedimentarios parentales han sido intemperizados a través de los años por las altas precipitaciones estacionales y el hidrotermalismo local. Dentro del área de estudio, los deslizamientos (corrimiento y deslizamiento de masas de suelos y/o rocas producidos por la influencia directa de la gravedad sin la necesidad de un fluido; ^{Cruden 1991}; ^{Lugo-Hubp, 2011}, ^{Hungr, Leroueil y Picarelli, 2014}) y los flujos de escombros (mezcla de depósitos pobremente clasificados, es decir, de tamaños indistintos que se mueven por efecto de la gravedad y agua; ^{Hungr, 2005}; ^{Lugo-Hubp, 2011}, ^{Takahashi, 2014}) se producen continuamente a lo largo de la cuenca. Estos dos fenómenos afectan adversamente los asentamientos humanos y las actividades económicas; por ejemplo, en los años 2003 y 2011, en el valle inferior del río La Carbonera, por la coalescencia de pequeños deslizamientos los depósitos aumentaron el poder destructivo de los flujos de escombros resultando en la pérdida y destrucción de bienes materiales e infraestructura. A pesar de ello, aún no existen medidas preventivas ni tampoco inventarios y modelado de deslizamientos. Este estudio desarrolla un inventario detallado de procesos gravitacionales compilado con base en dos series de fotografías aéreas digitales y trabajo de campo.

Los procesos graviacionales fueron incorporados en el SIG, y una base de datos geoespacial se elaboró para una mejor descripción. El trabajo de campo y la fotointerpretación permitieron la representación cartográfica de 236 deslizamientos. Este análisis utiliza un enfoque cartográfico-hidrológico para modelar la susceptibilidad. El modelo cartográfico-hidrológico Stability Index MAPping (SINMAP) combina el Factor de Seguridad con la teoría de un modelo hidrológico, y fue seleccionado por ser considerado razonablemente exitoso en la definición de áreas que intuitivamente parecen ser susceptibles a deslizamientos, si el modelo es alimentado con parámetros geotécnicos calibrados y modelos de elevación digitales precisos (^{Wawer y Nowocień, 2003}). Así mismo, para evaluaciones de reconocimiento de susceptibilidad, y en caso de no contarse con parámetros geotécnicos calibrados, se recomienda usar SINMAP con los parámetros predefinidos por el sistema (^{Pack et al., 1998}). En este estudio se elaboraron dos mapas de susceptibilidad para mostrar las ventajas y limitaciones del modelo. El modelo se evalúa usando: 1) parámetros predefinidos por el sistema, y (2) parámetros geotécnicos específicos de la zona de estudio. Tanto el inventario como los dos mapas de susceptibilidad son utilizados para presentar estrategias, así como comparar y contrastar las ventajas y limitaciones del modelo. Esta evaluación es llevada a cabo mediante el uso del sistema LOGISNET (^{Legorreta y Bursik, 2009}) a través de sus superposiciones de SIG, histogramas y matrices de confusión. LOGISNET fue desarrollado mediante el uso de macros (AML) del sistema de información geográfica (SIG) ArcInfo Workstation para comparar y contrastar los modelos de SINMAP y de Regresión Logística Múltiple. La evaluación también se realiza utilizando el área bajo la curva de la característica operativa del receptor (COR) obtenida en el programa estadístico Statistical Package for the Social Sciences (SPSS). Se presentan y discuten las técnicas de comparación de los mapas de deslizamiento, así como la aplicación e implicaciones del modelado de susceptibilidad al área de estudio. Los resultados de este trabajo muestran las propiedades de sensibilidad o insensibilidad a los cambios en la distribución de clases de estabilidad, así como su utilización para detectar el exceso de predicción o la falta de predicción de los modelos de deslizamiento. Su aplicación permite establecer que, aunque el modelo tiende a mejorar con el uso de datos geotécnicos calibrados, el mapa de susceptibilidad a deslizamientos no representa perfectamente deslizamientos existentes.

Antecedentes

Proyectos de zonación de la susceptibilidad a escala local o regional se han abordado mediante el modelado de la estabilidad, usando la integración de diversos métodos heurísticos, estadísticos y determinísticos en un SIG (^{Angeli, Pasuto, y Silvano, 2000}; ^{Dai, Lee y Ngai, 2002}; ^{Zhou et al., 2003}; ^{Lee, 2005}; ^{Hervás y Bobrowsky, 2009}; ^{Blahut, van Westen y Sterlacchini 2010}, ^{Guzzetti et al., 2012}; ^{Raghuvanshi et al., 2015}). Su validación se lleva a cabo a nivel mundial mediante la compilación y comparación con inventarios detallados utilizando diversos métodos estadísticos, cada uno de los cuales tiene sus propias ventajas y limitaciones (^{Pack, Tarboton y Goodwin, 2001}; ^{Morrissey, Wieczorek y Morgan, 2001}; ^{Zaitchik, van Es y Sullivan., 2003}; ^{Lan et al., 2004}; ^{Frattini, Crosta y Carrara, 2010}; ^{Guzzetti et al., 2012}; ^{De Sy, Schoorl, Keesstra, Jones y Claessens 2013}). La evaluación es especialmente difícil para los modelos diseñados para deslizamientos superficiales, debido a que sus dimensiones son pequeñas en comparación con otros tipos de deslizamientos (^{Can et al., 2005}). Los deslizamientos superficiales se definen por una superficie de falla de menos de tres metros de profundidad y se desarrollan por encima de la roca madre o de sedimentos (^{Washington State, DNR, 2006}). SINMAP es uno de los modelos utilizados a nivel mundial para áreas con escasa información y afectadas por deslizamientos superficialess. El modelo combina el análisis del Factor de Seguridad (^{Hammond et al., 1992}) con un modelo hidrológico (^{Beven y Kirkby, 1979}; ^{O›Loughlin, 1986}) para producir el mapa de susceptibilidad. Las aplicaciones de SINMAP van desde la planificación y el manejo forestal (^{Wawer y Nowocień, 2003}) hasta el modelado de estabilidad de laderas (^{Witt, 2004}; ^{Lan et al., 2004}; ^{Deb y El-Kadi, 2009}). Se ha afirmado que el análisis del SINMAP es razonablemente exitoso en la definición de áreas que intuitivamente parecen ser susceptibles a deslizamientos. Para ello, el modelo tiene que ser provisto de parámetros geotécnicos calibrados y modelos de elevación digitales precisos (^{Wawer y Nowocień, 2003}). Así, por ejemplo, se ha encontrado una subestimación de deslizamientos cuando no se usaron parámetros calibrados (^{Witt, 2004}). Pero también se ha observado que, incluso con parámetros calibrados, el modelo puede fallar por sobre-predicción (^{Morrissey et al., 2001}; ^{Witt, 2004}). Algunos intentos para mejorar SINMAP han incluido su modificación para: a) aceptar parámetros geotécnicos ponderados y considerar multi-capas con diferentes propiedades geotécnicas (^{Legorreta y Bursik, 2009}); b) permitir la variabilidad natural de las propiedades geotécnicas del suelo (^{Zaitchik et al., 2003}) y c) tomar en cuenta diferentes condiciones de precipitación (^{Lan et al., 2004}). Estas modificaciones mejoraron la predicción del modelo respecto al inventario de deslizamientos en un 61%, 75%, y 90% respectivamente. En México, durante la última década, ha habido una mejora significativa en los procedimientos de cartografía y modelado de deslizamientos mediante el uso de SIG y percepción remota (^{Pérez-Gutiérrez, 2007}; ^{Hubbard et al., 2007}; ^{Secretaría de Protección Civil, 2010}; ^{Borja-Baeza y Alcántara-Ayala, 2014}; ^{González et al., 2014}; ^{Legorreta et al., 2016}). Por ejemplo, en 2011 el Gobierno Federal, a través de la Secretaría de Desarrollo Social, publicó un atlas de riesgos naturales a nivel municipal basado en el uso del SIG (^{Secretaría de Protección Civil, 2010}; ^{Sedesol, 2011}). En el estado de Puebla, el uso de SINMAP para modelar la susceptibilidad a deslizamientos fue evaluado cualitativamente frente a un inventario (Borja-Baeza y Alcántara-Ayala, 2014). En el volcán Pico de Orizaba, la mayor parte de la investigación se ha centrado en la historia volcánica para establecer la morfología del paisaje actual y el riesgo potencial de actividad volcánica, sus grandes y catastróficos colapsos de laderas e inundaciones por lahares (^{Carrasco-Núñez, Vallance y Rose, 1993}; ^{Carrasco-Núñez y Rose, 1995}; ^{Hubbard 2001}; ^{Sheridan et al., 2001}; ^{De la Cruz-Reyna y Carrasco-Núñez, 2002}; ^{Macías, 2005}; ^{Hubbard et al., 2007}). A escala regional, en el flanco suroeste del volcán Pico de Orizaba, se creó un mapa de inventario multi-temporal y mapas de susceptibilidad a deslizamientos para la cuenca de Barranca del Muerto-Río Chiquito. La cuenca es adyacente al área de estudio. El estudio utilizó la Regresión Logística Múltiple (RML) y SINMAP. El modelo RML predijo un 72.33% de las áreas de deslizamiento, mientras que el SINMAP, con valores derivados de la literatura y el trabajo de campo, fue capaz de predecir sólo el 45.39% (^{Legorreta et al., 2013}).

Área de estudio

La cuenca del río La Carbonera se encuentra ubicada a 18°58’45.78”-18°49’26.83” N y 97°15’34.62”-97°08’7.44” O, en el flanco sureste del volcán Pico de Orizaba, México (Figura 1a). El Pico de Orizaba es la montaña más alta de México (5675 msnm), situado en la sección oriental de la provincia volcánica llamada Faja Volcánica Transmexicana (FVTM). El río La Carbonera es un afluente del río Blanco, que desemboca en el Golfo de México. La cuenca se encuentra en el estado Veracruz y cubre un área de 71.9 km² _, con un rango de elevación de 1224 a 1345 msnm. Los patrones de drenaje de la cuenca reflejan su relación con la pendiente y con la geología. La parte alta de la cuenca, donde predominan las rocas volcánicas, presenta una red fluvial paralela, característica de áreas de pie de monte donde las fuertes pendientes imponen la dirección del flujo de los escurrimientos. Algunos de los ríos secundarios reflejan también un control estructural (presencia de coladas de lava y/o fallas) al tener un patrón de drenaje rectangular. La parte media y baja de la cuenca, donde predominan las rocas sedimentarias, presentan un patrón de dendrítico y paralelo. El proceso es esencialmente de erosión. También en la cuenca, las pendientes de las laderas están controladas por el tipo de rocas volcánicas o sedimentarias existentes; así, por ejemplo, los escarpes de más de 45° consisten en coladas de lava. Laderas con pendiente fuerte, de entre 32 y 45° presentan intercalaciones de conglomerados cementados, aglomerados y depósitos de lahares. En las partes bajas de la cuenca, depósitos sedimentarios de calizas y lutitas, constituyen laderas de hasta 32°. Administrativamente, el área de estudio pertenece a los municipios de Ixhuatlancillo, La Perla, Maltrata, Mariano Escobedo, Nogales y Río Blanco.

Figura 1 a) Localización, b) Clima, c) Geología del área de estudio. 

El área de estudio es propensa a deslizamientos debido a la combinación de varios factores, tales como:

Metodología

Los deslizamientos se identificaron mediante trabajo de campo y la fotointerpretación de dos series de fotos aéreas para crear un mapa de inventario de deslizamientos (Figura 3a). Las fotografías aéreas cubren un período de 14 años, a partir de 1994, a escala de 1:20 000 al 2008 a escala de 1:10 000. El trabajo de campo se llevó a cabo durante diferentes períodos al año, desde 2013 hasta 2015, a lo largo del río principal y en algunos tributarios. Deslizamientos superficiales se cartografiaron en campo y en gabinete de acuerdo con los criterios de la División de Prácticas Forestales del estado de Washington (^{Washington State, DNR, 2006}). Estos criterios simplifican el sistema de ^{Cruden y Varnes (1996)} y ^{Wieczorek (1984)} al listar sólo la clasificación primaria de un deslizamiento determinado. Todos los deslizamientos superficiales fueron digitalizados en el SIG de ArcGIS, y se construyó la base de datos geoespacial de los mismos. Los atributos de localización, geotecnia, tamaños, y tipos de los deslizamientos se colectaron en el SIG. La digitalización de los deslizamientos se llevó a cabo de manera directa en pantalla. A cada deslizamiento se le dividió en tres partes (cabecera, área de evacuación y depósito), cuando estas eran existentes en las fotografías aéreas o en el campo. Para el modelado susceptibilidad y su análisis de eficiencia, sólo se consideraron las cabeceras de los deslizamientos superficiales. La cantidad de verificación de campo fue del 15% de todos los deslizamientos. El trabajo de campo y la fotointerpretación permitieron la representación cartográfica de 236 deslizamientos superficiales.

El modelado de la susceptibilidad a deslizamientos en las laderas fue hecho con SINMAP. El modelo combina la teoría del Factor de Seguridad del modelo de estabilidad de pendiente infinita con un modelo hidrológico para predecir potenciales áreas de deslizamiento superficiales (^{Montgomery y Dietrich, 1994}; ^{Pack et al., 2001}). El modelo usa datos topográficos (pendiente, área de captación y dirección de flujo agua superficial), hidrográficos (transmisividad del suelo, precipitación total) y variables del suelo (densidad, ángulo de fricción interna y cohesión). Estos datos provienen de la capa de suelo inestable dentro de la cabecera para producir un índice de estabilidad (SI) (^{Pack et al., 2001}). Este índice expresa la estabilidad del terreno utilizando seis clases subjetivas: de 0 > SI (“inestable”); 0.5 > SI > 0.0 (“del umbral más alto de estabilidad”); 1.0 > SI > 0.5 (“del umbral más bajo de estabilidad”); 1.25 > SI > 1.0 (“casi estable”); 1.5 > SI > 1.25 (“moderadamente estable”), y SI > 1.5 (“estable”) (^{Pack et al., 1998}, ²⁰⁰¹). Las propiedades geotécnicas requeridas para correr el modelo y generar dos escenarios se establecieron con base en 1) valores geotécnicos pre-establecidos por el sistema (aquí referido como SINMAP_CarbDef) y 2) valores geotécnicos específicos del área de estudio (aquí referido como SINMAP_CarbGeoPar) (Tabla 2).

Para evaluar el desempeño de los mapas de susceptibilidad creados con SINMAP, se realizó un análisis cualitativo (visualmente) y cuantitativo por medio de su comparación con el inventario de deslizamientos. La comparación se realizó mediante el uso de superposiciones en el SIG y matrices de confusión bajo el sistema LOGISNET (^{Legorreta y Bursik, 2009}) y el área bajo la curva de la característica operativa del receptor (COR) obtenida en el programa estadístico SPSS. La superposición visual resultante de los modelos y el inventario de deslizamiento en el SIG se llevó a cabo para permitir, con base en el conocimiento del investigador y de la evidencia empírica, describir si los modelos tuvieron similares resultados o no, si hubo cambio en los patrones de predicción del modelo, y si estos reflejan las condiciones topográficas más que la geomorfología de los deslizamientos. A fin de facilitar la comparación numérica entre el inventario y los modelos se utilizó un esquema de dos clasificaciones (“con-deslizamiento” y “sin-deslizamiento”) tanto para el inventario como para los dos mapas de susceptibilidad de SINMAP. Las seis clases del SI se clasificaron en: área “con-deslizamiento”, que incluye las clases inestable, de umbral más alto y de umbral más bajo de inestabilidad, y área “sin-deslizamientos”, que incluye las clases estable, moderadamente estable y casi estable. La superposición numérica sirvió para calcular la precisión y la eficiencia de los modelos mediante el uso de la matriz de confusión (Tabla 3).

Las precisiones obtenidas de esta tabla fueron:

El área bajo la curva de la característica operativa del receptor (COR) se calculó usando el programa SPSS, para lo cual se consideraron todos los pixeles del área de estudio, asignando a todos los deslizamientos como positivos y el resto como negativos. El área bajo la curva se define trazando en un gráfico bidimensional pares de sensibilidad (razón de pixeles positivos verdaderos) y especificidad (razón de pixeles falsos positivos) (Figura 2). La razón de pixeles positivos verdaderos es el número de pixeles correctamente clasificados en la categoría de deslizamiento dividido por el número total de pixeles de deslizamiento real y la razón de pixeles falsos positivos es el número de pixeles clasificados incorrectamente de la categoría “sin-deslizamiento” dividido por el número total de pixeles reales “sin-deslizamiento” (^{Yesilnacar y Topal, 2005}; ^{Lee, 2005}; ^{Fawcett, 2006}; ^{Namdi y Shakoor, 2010}; ^{Günther, Van Den Eeckhaut, Malet, Reichenbach y Hervás, 2014}). Si el modelo es perfecto, el área bajo curva gráfica tiene un valor de 100%, mientras que un valor cercano al 50% indica inexactitud en el modelo (^{Fawcett, 2006}; ^{Nandi y Shakoor, 2010}; ^{Günther et al., 2014}).

Figura 2 área bajo la curva de la característica operativa del receptor (COR) para los modelos SINMAP_CarbDef y SINMAP_CarbGeoPar. 

Figure 3 a) Inventario de deslizamientos, b) SINMAP_CarbDef, c) SINMAP_CarbGeoPar. 

Resultados

Durante la evaluación de la cuenca del río La Carbonera (Figura 3a) se realizó un inventario de una muestra representativa de 236 deslizamientos superficiales que cubren 0.094 km². Los procesos gravitacionales son más abundantes en la parte media-alta de la cuenca, donde predominan depósitos piroclásticos y de caída. Casi dos terceras partes de los procesos gravitacionales se encuentran en roca volcánica o depósitos, y el resto está en rocas sedimentarias y depósitos. El inventario también muestra que los deslizamientos superficiales (incluyendo deslizamientos de escombros y flujos de escombros) son el tipo predominante (95%), seguido de deslizamientos de asentamiento profundo (3%) y caídas de roca (2%). Los deslizamientos superficiales no son frecuentes en la parte alta de la cuenca debido a la presencia de flujos de lava. En la parte media y baja de la cuenca los deslizamientos superficiales y los de asentamiento profundo son los procesos predominantes a lo largo de los valles. Estos deslizamientos superficiales se presentan de manera episódica pero continua en la cuenca. Una vez deslizado el material (cuyos volúmenes van de 10 m³ a 2000 m³), el deslizamiento tiende en algunos casos a estabilizarse temporalmente y a ser rellenado nuevamente con coluvión.

Con el inventario de deslizamientos como marco de referencia, los mapas de susceptibilidad fueron validados. Cualitativamente, los modelos muestran una alta inestabilidad a lo largo de las zonas montañosas volcánicas y a lo largo de las paredes del valle donde existen fuertes pendientes (Figura 3b y 3c). La coincidencia entre el inventario de deslizamientos y la predicción de los modelos no es perfecta, y claramente existen predicciones excesivas en ambos modelos. Sin embargo, el modelo con datos geotécnicos calibrados sobre-predice un poco mejor las áreas que tienen el potencial a deslizarse, como se observó durante el trabajo de campo.

Cuantitativamente, las técnicas de comparación permitieron evaluar la predicción y eficiencia del modelo cartográfico-hidrológico (Tabla 4). El COR indica una mayor capacidad predictiva para SINMAP con datos de calibración geotécnica (70.8%) y una pobre capacidad de predicción mediante el uso de parámetros predefinidos por el sistema (34.4 %). La alta precisión global de SINMAP_CarfDef (72.26%) en comparación con SINMAP_CarbGeoPar (42.26%) se explica por el hecho de que la precisión global pondera más la categoría más predominante, en este caso la clase de “sin-deslizamientos”. Lo mismo ocurre con las razones de momios, quienes son fuertemente influenciadas por la clase más predominante. Por su parte, la precisión del producto muestra que la predicción de SINMAP_CarbGeoPar tiene una mejor coincidencia (67.26%) con el mapa de inventario a deslizamientos en comparación con SINMAP_CarfDef (38.46%). En otras palabras, si supiera que un área en particular está afectada por deslizamientos (y se ha verificado en campo), la probabilidad de que el modelo identifique correctamente ese pixel como deslizamientos sería del 67.26% y del 38.46% usando SINMAP_CarbGeoPar y SINMAP_CarfDef, respectivamente. Esta “buena concordancia” de SINMAP con el modelo de inventario de datos geotécnicos se debe a una mayor sobre-predicción. La sobre-predicción conduce a que más áreas “sin-deslizamientos” se clasifiquen incorrectamente como deslizamientos superficiales en el modelo. Ambos modelos sobre-predicen, como se muestra por su bajo porcentaje de precisión del usuario y valores negativos en la eficiencia del modelo.

Conclusiones

Los deslizamientos a lo largo de las zonas volcánicas son uno de los mayores riesgos en México; sin embargo, la falta de inventarios de deslizamientos limita tanto su modelado como la posibilidad de evaluación sus ventajas y limitaciones. En este artículo se presentan algunas de las técnicas más comunes para la evaluación de la eficiencia de modelos de susceptibilidad. En la comparación se usó el modelo cartográfico-hidrológico SINMAP utilizando datos geotécnicos predefinidos por el sistema y datos geotécnicos específicos de la zona de estudio. Las ventajas y limitaciones fueron evaluadas a través de la comparación visual de deslizamientos existentes y en términos de estadísticas de precisiones, momios y curvas COR. Tanto la precisión global como los momios deben ser evaluadas en paralelo con otras precisiones a lo largo de las áreas de deslizamiento, porque sus valores están fuertemente influenciados por la clase más común, usualmente los pixeles que representan las “zonas estables”. La limitación de estas técnicas se verá generalmente reflejada siempre en la evaluación de modelos de susceptibilidad pues el inventario de deslizamientos siempre tendrá un área cartográfica más pequeña de deslizamientos en relación con toda el área de estudio. Por su parte la curva COR es una mejor técnica para usarse en la evaluación global de los modelos e incluso puede usarse para definir puntos precisos y no subjetivos de corte para clasificar los mapas en áreas estables e inestables. Esto se logra a través de los pares de sensibilidad y especificidad que cubran una mayor área dentro de la curva. Sin embargo, la curva COR no permite concluir si un modelo tiende a sobre-predecir o sub-predecir. Para esto se usan la precisión del producto y del usuario así como la eficiencia del modelo. Así, por ejemplo, usar el modelo con datos geotécnicos calibrados permite tener una probabilidad de predicción del 67.26%, como lo indica la precisión del producto. Sin embargo, el modelo tiende a sobre-predecir, como lo muestra el bajo porcentaje de precisión del usuario, pues tan sólo se tendría 16% de probabilidad de que si se seleccionara un pixel del modelo que representa un área inestable dicha área resulte realmente un deslizamiento. La sobre-predicción en el modelo calibrado no significa que funcione de manera incorrecta. El exceso de predicción de las zonas de deslizamientos se puede justificar porque los modelos son, de hecho, solo una guía para evaluar las áreas con alta susceptibilidad a deslizarse. Estos resultados están en concordancia con evaluaciones similares de SINMAP en la literatura. En esta investigación la sobre-predicción se prefiere porque representa áreas potenciales de deslizamiento futuros. A futuro la investigación considerará la evaluación de modelos no físicos, sino estadísticos y heurísticos para la inclusión de otras variables temáticas y de técnicas de comparación, así como el modelado de otros tipos de deslizamientos. Este estudio es un prototipo para desarrollar una metodología de comparación sistemática de la eficiencia de los modelos de deslizamiento. Por lo tanto, está sujeto a adaptación, modificación y mejora con una mayor validación de campo y una mejor cartografía. A pesar de sus limitaciones, la comparación permite destacar las ventajas y / o limitaciones tanto de los modelos como de las técnicas.