4.

Mtodo estadstico para el mapeo

de amenaza por deslizamientos

Cees van Westen

Libro: Bonham-Carterm, captulo
9, pp 302-333
2
UNESCO RAPC A

Step4:
7: Densmap=Npmapact/Npmaptot
SUM
(npix).
NoKey:
key.
StepStep
1: Aggregate
2:
3:
6:
Npixact=iff(Activity="Active",npix,0)
Aggregate
Densclas=Npslopeact/Npsloptot
SUM(npix).
SUM
(npixact.
Key:
slopec
5: Aggregation
SUM
(Npixact)
No Slopec
key
Total
of
the landslides
map
Total
nr.pixels
pixels
with
map
Nr.
ofnrpixels
perinclass
with
landslides
perinclass

Mtodo de informacin ponderada

Npix(Si)

Densclas
Npix(Ni)
Wi = ln
= ln
Densmap
Npix(Si)

Npix(Ni)
Wi =
Denscla s =
Densmap =
Npix(Si) =
Npix(Ni) =

ponderacin dado a determinado parmetro de clase (e jemplo.

T ipo de roca)
densida d de los deslizamientos dentro del parmetro de clase.
densida d de los deslizamientos dentro de todo el mapa.
nmero de pixeles que contienen deslizamientos dentro un
determinado parmetro de clase.
Nmero total de pixeles en un determinado parmetro de clase.
3

UNESCO RAPC A

sl ope

activi
ac
ti vi ty
ty

0 - 10 degrees
0 - 10 degrees
0 - 10 degrees
0 - 10 degrees
10
10 - 20 degrees
degrees
10
10 - 20 degrees
degrees
10
10 - 20 degrees
degrees
10
10 - 20 degrees
degrees
20
20 - 30 degrees
degrees
20
20 - 30 degrees
degrees
20
20 - 30 degrees
degrees
20
20 - 30 degrees
degrees
30
30 - 40 degrees
degrees
30
30 - 40 degrees
degrees
30
30 - 40 degrees
degrees
30
30 - 40 degrees
degrees
40
40 - 50 degrees
degrees
40
40 - 50 degrees
degrees
40
40 - 50 degrees
degrees
40
40 - 50 degrees
degrees
50
50 - 60 degrees
degrees
50
50 - 60 degrees
degrees
50
50 - 60 degrees
degrees
50
50 - 60 degrees
degrees
60
60 - 70 degrees
degrees
60
60 - 70 degrees
degrees
60
60 - 70 degrees
degrees
70
70 - 80 degrees
degrees
70
70 - 80 degrees
degrees
80
80 - 90 degrees
degrees

U nknown
nknow n
S table
table
D ormant
ormant
Active
A
ctive
U nknow
nknownn
S table
table
D ormant
ormant
Active
A
ctive
U nknow
nknownn
S table
table
D ormant
ormant
Active
A
ctive
U nknow
nknownn
S table
table
D ormant
ormant
Active
A
ctive
U nknow
nknownn
S table
table
D ormant
ormant
Active
A
ctive
U nknown
nknow n
S table
table
D ormant
ormant
Active
A
ctive
U nknown
nknow n
D ormant
ormant
Active
A
ctive
U nknown
nknow n
D ormant
ormant
U nknown
nknow n

UNESCO RAPC A

Clculo de pesos

slope

STEP 1

STEP 2

STEP 3

STEP 4

STEP 5

npixact

npslopetot

npslopact

npmaptot

npmapact

168691
110363
90429
44987
16122
4424
857
594
552

1659
1283
2028
1320
407
172
18
0
0

437019
437019
437019
437019
437019
437019
437019
437019
437019

0 - 10 degrees
10 - 20 degrees
20 - 30 degrees
30 - 40 degrees
40 - 50 degrees
50 - 60 degrees
60 - 70 degrees
70 - 80 degrees
80 - 90 degrees

1659
1283
2028
1320
407
172
18
0
0

6887
6887
6887
6887
6887
6887
6887
6887
6887

STEP 7

STEP 8

dens clas

densmap

Weight

0.0158
0.0158
0.0158
0.0158
0.0158
0.0158
0.0158
0.0158
0.0158

El calculo de la densidad se hace directamente en

la tabla de pendientes (Slope). El dato es
obtenido de la tabla cruzada (cross table) por
medio de la union de tabla y agregacion (Table
joining and aggregation)
UNESCO RAPC A

Introduction to GIS

S tep
tep 1

Step
St ep 2

Step 3

SStep
tep 44

S tep
tep 5

Step 6

Step
S tep 7

npixact
npi xact

nps
nps lope
lopetot
tot

npslopac
npsl opactt

npmaptot
npmaptot

npm apact

de ns clas
dens
cl as

densm ap

168691
168691
168691
168691
110363
110363
110363
110363
90429
90429
90429
90429
90429
90429
90429
90429
44987
44987
44987
44987
44987
44987
44987
44987
16122
16122
16122
16122
16122
16122
16122
16122
4424
4424
4424
4424
857
857
857
594
594
552

1659
1659
1659
1659
1283
1283
1283
1283
2028
2028
2028
2028
1320
1320
1320
1320
407
407
407
407
172
172
172
172
18
18
18
0
0
0

437019
437019
437019
437019
437019
437019
437019
437019
437019
437019
437019
437019
437019
437019
437019
437019
437019
437019
437019
437019
437019
437019
437019
437019
437019
437019
437019
437019
437019
437019
437019
437019
437019
437019
437019
437019
437019
437019
437019
437019
437019
437019
437019
437019
437019
437019
437019
437019
437019
437019
437019
437019
437019
437019
437019
437019
437019
437019
437019
437019

6887
6887
6887
6887
6887
6887
6887
6887
6887
6887
6887
6887
6887
6887
6887
6887
6887
6887
6887
6887
6887
6887
6887
6887
6887
6887
6887
6887
6887
6887
6887
6887
6887
6887
6887
6887
6887
6887
6887
6887
6887
6887
6887
6887
6887
6887
6887
6887
6887
6887
6887
6887
6887
6887
6887
6887
6887
6887
6887
6887

0
0
0
1659
0
0
0
1283
0
0
0
2028
0
0
0
1320
0
0
0
407
0
0
0
172
0
0
18
0
0
0

0.009728
0.009728
0.009728
0.009728
0.011489
0.011489
0.011489
0.011489
0.021730
0.021730
0.021730
0.021730
0.029875
0.029875
0.029875
0.029875
0.025245
0.025245
0.025245
0.025245
0.038879
0.038879
0.038879
0.038879
0.021004
0.021004
0.021004
0.000000
0.000000
0.000000

Tabla cruzada (Crosstable)

De los m apas
de pendiente y activid ad

0.0158
0.0158
0.0158
0.0158
0.0158
0.0158
0.0158
0.0158
0.0158
0.0158
0.0158
0.0158
0.0158
0.0158
0.0158
0.0158
0.0158
0.0158
0.0158
0.0158
0.0158
0.0158
0.0158
0.0158
0.0158
0.0158
0.0158
0.0158
0.0158
0.0158

Probabilidad

STEP 6
0.009728
0.011489
0.021730
0.029875
0.025245
0.038879
0.021004
0.000000
0.000000

npix

160964
4006
2062
1659
104195
2524
2361
1283
84406
1242
2753
2028
41490
1030
1147
1320
15085
252
378
407
3791
336
125
172
832
7
18
593
1
552

-0.49
-0.32
0.32
0.64
0.47
0.90
0.28
-9.67
-9.67

Considere que usted desea saber la probabilidad de que llueva

maana..
Suponga que llueve 80 das al ao.

Donde: P{Rain} = Probabilidad previa

Si usted tiene otra informacin, que afecte la
probabilidad de lluvia, la formula se transforma en:

donde: P{Rain*Time of year} = Probabilidad posterior

5

6
UNESCO RAPC A

Probabilidad previa

Probabilidad Previa: ejemplo

Considere que usted solo tiene el mapa de deslizamientos del

rea, sin ningn otro dato adicional.
Cmo contesta la pregunta: Cul es la probabilidad de tener un
deslizamiento en el rea?
Si no hay informacin adicional, i.e. si usted no sabe si esta en
una unidad geolgica con muchos deslizamientos, o en una
pendiente fuerte, se habla de la probabilidad previa (prior
probability).

P Prior = P{S} =

Npix(M ap) = 10000

Npix(S) = 200

Npix(Slide)
Npix(Total)

donde:
Pprior = P{ S}

Probabilidad condicional de tener un deslizamiento S

Npix( Slide)
Npix( Total)

Numero de pixels con deslizamientos en el mapa

Numero total de pixels en el mapa

Probabilidad previa = 200 / 10000 = 0.02

7

UNESCO RAPC A

8
UNESCO RAPC A

Probabilidad condicional

Probabilidad condicional
Cul es el cambio de un deslizamiento
cuando usted sabe que esta en la unidad B:

Si se tiene ms informacin disponible, adems del mapa de

deslizamientos, se puede determinar la probabilidad de que
ocurra un deslizamiento, dado que se tenga una cierta unidad
geomorfolgica, por ejemplo.
Estos lo que se conoce como probabilidad condicional.
Considerando la relacin entre un mapa de variable binaria (B)
con un mapa de deslizamientos (S).

P{S|B} =

P{S B}
Npix{S B}
=
P{B}
Npix{B}

donde:
P{S|B}

La probabilidad condicional de que ocurra un

deslizamiento, si usted esta en la unidad B.
Npix(Slide)
Nmero de pixels con deslizamientos en el
mapa
Npix(Total)
Nmero total de pixels en el mapa

B
S
9

UNESCO RAPC A

10
UNESCO RAPC A

Probabilidad condicional: ejemplo

Probabilidad condicional: ejemplo

= 180/200 = 0.9

Probabilidad
Condicional =

= 3600/10000 = 0.36

180 / 3600 = 0.05

Probabilidad previa =
200/10000= 0.02

= 180/10000 = 0.018

Insertar en:

Importancia de
saber que usted esta en B:
La probabilidad se
incrementa por dos

= 0.02 * 0.9/0.36 = 0.02 * 2.5 = 0.05

Posterior
11
UNESCO RAPC A

Introduction to GIS

Prev ia

Factor

Factor
12

UNESCO RAPC A

Formulacin de probabilidades

Probabilidad condicional: ejemplo

Revisem os en la ausencia:

probabilidad =
= 0.02 * 0.1/0.64
= 0.02 * 0.15625
= prior * factor
= 0.003125

Probabilidad de que un evento ocurra

Probablidad de que el evento no ocurra

P{tail} = 0.5
O{tail} = 0.5/(1-0.5) = 0.5/0.5 = 1
P{6} = 1/6 = 0.1666

= (10000 - 3600) / 10000 = 0.64 = 1 - P{B}

= (200 - 180) / 200 = 0.1 = 1 - P{B|S} = 1 - 0.90

O{tail} = 0.1666/(1-0.1666) = 0.1666/ 0.8333 = 0.2

13

UNESCO RAPC A

14
UNESCO RAPC A

Formulacin de probabilidades

Logit = logaritmo natural de probabilidades

Dividido por:

Probabilidad Prob.
Posterior
previa

Factor o racin LS de idoneidad

Logaritm o natural

Pesos de ev idencia: presencia de B

Factor: Relacin de necesidad LN

Probabilidad
Posterior

Prob.
previa

Factor o racin LS de idoneidad

Pesos de ev idencia: ausencia de B

15

UNESCO RAPC A

Ejemplo
B
S

npix1

16
UNESCO RAPC A

B
npix2

W +i = loge

P { B i |S}
P { Bi |S }

W i = log e

P { B|S}
i
P { Bi|S }

20
npix4

3420

6380

9800

3600

6400

10000

P{B|S} = 180/200 = 0.9

+
i

= log e

P{B|S} = (3600- 180)/( 10000-200) = 3420/9800 = 0.349

P{B|S} = (200-180)/(200) = 20/200 = 0.1

W = loge
i

P{B|S} = (10000-3600-200+180)/(10000-200) = 6380/9800 = 0.6510

17

Introduction to GIS

S
S

200

180
npix3

UNESCO RAPC A

Ejemplo

Npix 1
Npix 1 + Npix 2
Npix 3
Npix 3 + Npix4

3420
3420 + 6380

20
Npix2
180 + 20
Npix1 + Npix 2
=
Npix4
6380
Npix3 + Npix 4
3420 + 6380

npix2

180

20

npix3

npix4

200

3420

6380

9800

3600

6400

10000

180
180 + 20
=

npix1

0.9
=

= Ln 2.578 = 0.9474

0.349

0.1
=

= Ln 0.1536 = - 1.87

0.651
18

UNESCO RAPC A

B
S
S

Np ix
Np ix
Np ix
Np ix

npix1 npix2
npix3 npix4

slope

acti vit y

0 - 10 degre es
0 - 10 degre es
0 - 10 degre es
0 - 10 degre es
10 - 20 de grees
10 - 20 de grees
10 - 20 de grees
10 - 20 de grees
20 - 30 de grees
20 - 30 de grees
20 - 30 de grees
20 - 30 de grees
30 - 40 de grees
30 - 40 de grees
30 - 40 de grees
30 - 40 de grees
40 - 50 de grees
40 - 50 de grees
40 - 50 de grees
40 - 50 de grees
50 - 60 de grees
50 - 60 de grees
50 - 60 de grees
50 - 60 de grees
60 - 70 de grees
60 - 70 de grees
60 - 70 de grees
70 - 80 de grees
70 - 80 de grees
80 - 90 de grees

Unknown
Sta ble
Dormant
Active
Unknown
Sta ble
Dormant
Active
Unknown
Sta ble
Dormant
Active
Unknown
Sta ble
Dormant
Active
Unknown
Sta ble
Dormant
Active
Unknown
Sta ble
Dormant
Active
Unknown
Dormant
Active
Unknown
Dormant
Unknown

npix

160964
4006
2062
1659
104195
2524
2361
1283
84406
1242
2753
2028
41490
1030
1147
1320
15085
252
378
407
3791
336
125
172
832
7
18
593
1
552

1=
2=
3=
4=

nslclass
nslide - nslclass
nclass - nslclass
nm ap - nslide - nclass + nslclass

Step 1

Step 2

Ste p 3

Ste p 4

Step 5

npixa ct

ncl ass

nslclass

nmap

nslide

0
0
0
1659
0
0
0
1283
0
0
0
2028
0
0
0
1320
0
0
0
407
0
0
0
172
0
0
18
0
0
0

168691
168691
168691
168691
110363
110363
110363
110363
90429
90429
90429
90429
44987
44987
44987
44987
16122
16122
16122
16122
4424
4424
4424
4424
857
857
857
594
594
552

Np ix
Np ix
Np ix
Np ix
W+
W-

1659
1659
1659
1659
1283
1283
1283
1283
2028
2028
2028
2028
1320
1320
1320
1320
407
407
407
407
172
172
172
172
18
18
18
0
0
0

437019
437019
437019
437019
437019
437019
437019
437019
437019
437019
437019
437019
437019
437019
437019
437019
437019
437019
437019
437019
437019
437019
437019
437019
437019
437019
437019
437019
437019
437019

6887
6887
6887
6887
6887
6887
6887
6887
6887
6887
6887
6887
6887
6887
6887
6887
6887
6887
6887
6887
6887
6887
6887
6887
6887
6887
6887
6887
6887
6887

NPIX1

1659
1659
1659
1659
1283
1283
1283
1283
2028
2028
2028
2028
1320
1320
1320
1320
407
407
407
407
172
172
172
172
18
18
18
0
0
0

N PIX2

5228
5228
5228
5228
5604
5604
5604
5604
4859
4859
4859
4859
5567
5567
5567
5567
6480
6480
6480
6480
6715
6715
6715
6715
6869
6869
6869
6887
6887
6887

NPIX3

NPIX4

167032
167032
167032
167032
109080
109080
109080
109080
88401
88401
88401
88401
43667
43667
43667
43667
15715
15715
15715
15715
4252
4252
4252
4252
839
839
839
594
594
552

263100
263100
263100
263100
321052
321052
321052
321052
341731
341731
341731
341731
386465
386465
386465
386465
414417
414417
414417
414417
425880
425880
425880
425880
429293
429293
429293
429538
429538
429580

Qu significan estos pesos?

1 = 1659
2 = 6887 - 1659 = 5228
3 = 168691 - 1659 = 167032
4 = 437019 - 6887 - 168691 + 1659 = 263100
=log((npix1/(npix1+npix2))/(npix3/npix3+npix4))
=log((npix1*(np ix3+npix4)/((npix1+npix2)*npix3)
=log((npix2/(npix1+npix2))/(npix4/npix3+np ix4))
=log((npix2*(npix3+npix4)/((npix1+npix2)*npix4)

Peso Positivo:
Que tan importante es la
presencia del factor para
predecir los deslizamientos
W+ < 0 : la presencia del factor
contribuye a la ausencia del
deslizamiento
W+ = 0 : el factor no es
relevante
W+ > 0 : la presencia del factor
contribuye a la presencia del
deslizamiento
W +i

19
UNESCO RAPC A

UNESCO RAPC A

Factor de Contraste

Peso Negativo:
Que tan importante es la
ausencia del factor para
predecir los deslizamientos

W+ < 0 : la ausencia del factor

contribuye a la ausencia del
deslizamiento
W+ = 0 : el factor no es
relevante
W+ > 0 : la ausencia del factor
contribuye a la presencia del
P { B i |S}
deslizameinto
= loge
P { Bi |S }

Wi = loge

P { B|i S}
P { Bi|S }

20

Dos sets de datos

Cw= W+ - W-

El contraste C = W+ - W- es un buen parmetro de la

correlacin entre el mapa de la variable y las ocurrencias de
deslizamientos.
El factor de contraste es 0 cuando: El patrn de deslizamientos
y el patrn del mapa de clase se sobreponen tan solo por la
cantidad atribuida al azar, positivo cuando existe una asociacin
positiva entre los dos patrones y negativo cuando la asociacin
entre los dos patrones es negativa.
21
UNESCO RAPC A

22
UNESCO RAPC A

Scripts

Como automatizar un analisis con ILWIS:

Combinando sets de datos

Comandos y expresiones en la linea de

comandos,
Funciones definidas por el usuario.
Escritos (scripts)

Para el clculo de los pesos finales, se debe considerar lo siguiente:

Usted utiliza el peso positivo cuando el factor esta presente.
Usted utiliza el peso negativo cuando el patron esta ausente.
Class
class1
class2
class3
class4

Wplus
+0.35
-0.32
+0.23
-0.05

Wmin
-0.38
+0.37
-0.27
+0.05

Wfinal
+0.35+(+0.37-0.27+0.05) = 0.5
-0.32+(-0.38-0.27+0.05) = -0.92
+0.23+(-0.38+0.37+0.05) = 0.27
-0.05+(-0.38+0.37-0.27) = -0.33
23

UNESCO RAPC A

Introduction to GIS

Un script es una lista de comandos y expresiones.

Con la ayuda de un script, un analisis de SIG o
Sensoramiento remoto se puede desarrollar
automaticamente.
Un script puede contener comandos y expresiones para
la creacin y el calculo de objetos de datos, para el
manejo de objetos (ej. Copiar o borrar), y para el
despliegue de objetos de datos (Abrir y mostrar). Otros
scripts y otras aplicaciones de Windows pueden ser
llamadas (Ejecutadas) desde un script.

UNESCO RAPC A

Ejemplo de un script para mapas de pendientes

1
2
3
4
5
6
7

Como sabe usted la sintaxis correcta de los

scripts?

Rem ILWIS script for calculating slope maps

dem = MapInterpolContour(contour,cochabam)
dx = MapFilter(dem, dfdx)
dy = MapFilter(dem, dfdy)
slopeper = ((HYP(dx,dy)) / pixsize(dem)) * 100
slopedeg = RADDEG (ATAN ((HYP(dx, dy)) / pixsize(dem)))
calc slope*.*
open slopedeg

Lnea 1: Para usar la operacin InterpolContour para crear un mapa de interpolacin de altura a partir de
un mapa de segmentos de lineas de contorno o nivel. La expresin es:
dem = MapInterpolContour(contour, cochabam). Realice la interpolacin de curvas de nivel en el
mapa de segmentos Contour, utilice la georeferencia'Cochabam', y guarde la salida en el mapa Dem.

Lnea 2: Para usar el filtro Dfdx en el mapa de curvas de nivel interpolado para calcular las diferencia de
altura en la direccin X. La expersin es:
dx= MapFilter(dem, dfdx). Filtrar el mapa Dem con el filtro Dfdx y guardar la salida en el mapa Dx.

Lnea 3: Para usar el filtroDfdy en el mapa de curvas de nivel interpolado para calcular el las diferencias de
altura en la direccinY. La expresin es:
dy = MapFilter(dem, dfdy). Filtrar el mapa Dem con el filtro Dfdx y guardar la salida en el mapa Dy.

Lnea 4: Para calcular el mapa de pendiente a partir de Dx y Dy, la expresin para el Clculo del Mapa es:
slopeper = ((HYP(dx,dy)) / pixsize(dem)) * 100.
HYP es una funcin interna MapCalc/TabCalc; Dx y Dy son los mapas de salida de la filtracin;
pixsize(dem) clcula el tamao de pixel del mapa Dem, Slopeper el nombre del mapa de salida que
contiene el valor de la pendiente en porcentajes.

Lnea 5: Para convertir los valores en grados, se utiliza otra expresin de Clculo de Mapas:
slopedeg = RADDEG(ATAN((HYP(dx,dy))/pixsize(dem)))
Funciones ATAN, HYP y RADDEG son funciones internas del tipo MapCalc/TabCalc.

UNESCO RAPC A

Ejemplo de un script para modelacin WOF

Utilice el men y los cuadros de dilogo para una de te rminada e xpre sin.
Llene todos los parme tros re que ridos e n el cuadro de dilogo, y pre sione
O K. En e se mome nto la e xpre sin para esa ope racin se mue stra e n la
lne a de comandos. Uste d pue de copiar la e xpresin re sultante de la lne a
de comandos al script. En cuadro de dilogo del e ditor de scripts y en la
lne a de comandos uste d pue de utiliz ar las siguie ntes he rramie ntas del
table ro:
CTRL+C
CTRL+V

Copiar la parte selecciona al c lipboard.

Pegar los contendios del clipboar d.

El archivo log de ILWIS (ILWIS log file). ILWIS guarda un re gistro de

todolo uste d re aliz a en el llamado log file. El log file de ILWIS e s llamado
Ilwis.lo g, y pue de se r encontrado e n el dire ctorio de inicio que uste d ha
e spe cificado para el program ILWIS. Normaleme nte este dire ctorio se r
c:\ilw is21\data, a menos de que uste d lo cambie , por me dio del ITEM de
PRO PIEDADADES de l Programa ILWIS en el Mane jador de Programas
de Windows. El log file e s un archivo ASCII que pue de se r abie rto con e l
e ditor de texto. Uste d pue de copiar parte de las e xpre sione s que e stan
almacenadas e n el log file al script.
UNESCO RAPC A

Ejemplo de un script para modelacin WOF

1
rem ILWIS Script
// Script de ILWIS para la Modelacin de Pesos de Evidencia
// es utilizado para explicaciones
// * es utilizado para acciones manuales
// CREACIN DE UN MAPA DE DE DISTRIBUCION DE DE DESLIZAMIENTOS
// Renumerar el mapa Slide con el atributo Activity
activit = MapAttribute(slide,activity)
calc activit.mpr
// Remover los valores indefinidos del mapa Activit
activity=iff(isundef(activit),"unknown",activit)
calc activity.mpr

UNESCO RAPC A

Ejemplo de un script para modelacin WOF

2
// CRUZAR LOS MAPAS DE PARAMETROS CON EL MAPA DE
DESLIZAMIENTOS
// Cruzar el mapa Slope el mapa de deslizamientos Activity
actslope = TableCross(slope,activity)
calc actslope.tbt
// Cruzar el mapa Geol con el mapa de deslizamientos Activity
actgeol = TableCross(geol,activity)
calc actgeol.tbt
// Cruzar el mapa Geom con el mapa de deslizamientos Activity
actgeom = TableCross(geom,activity)
calc actgeom.tbt

UNESCO RAPC A

Introduction to GIS

UNESCO RAPC A

Ejemplo de un script para modelacin WOF

3
// CLCULO DE DENSIDADES DE DE DESLIZAMIENTOS
// Clculo de los valores de densidad para el mapa de pendientes.
// PASO 1 Crear una columna en la cual solo se indiquen el nmero de pixels
// de los deslizamientos activos.
tabcalc actslope Npixact=iff(activity="Active",npix,0)
// PASO 2 Calcular el nmero total de pixels para cada clase de pendientes.
tabcalc actslope Nclass = ColumnAggregateSum(NPix,slope)
// PASO 3 Clacular el nmero de pixels con deslizamientos activos en cada
// clase
tabcalc actslope Nslclass = ColumnAggregateSum(Npixact,slope)
// PASO 4 Calcular el nmero total de pixels en el mapa.
tabcalc actslope Nmap = ColumnAggregateSum(NPix)
// PASO 5 Calcular el nmero total de pixels con deslizamientos en el mapa
tabcalc actslope Nslide = ColumnAggregateSum(Npixact)

UNESCO RAPC A

Ejemplo de un script para modelacin WOF

4
// CALCULO DE PESOS
// Clculo de pesos para el mapa de Pendientes
S
// PASO 1 Crear la columna npix1
tabcalc actslope Npix1 = nslclass
// PASO 2 Crear la columna npix2
tabcalc actslope npix2 = nslide - nslclass
// PASO 3 Crear la columna npix3
tabcalc actslope Npix3 = nclass - n slclass
// PASO 4 Crear la columna npix4
tabcalc actslope Npix4 = nmap-nslide-nclass+n slclass
// PASO 5 Calcular los pesos po sitivos
tabcalc actslope wplus = ln((npix1/(npix1+npix2))/(npix3/(npix3+npix4))
// PASO 6 Calcular los pesos negativos
tabcalc actslope wmin = ln((npix2/(npix1+npix2))/(npix4/(npix3+npix4))

Ejemplo de un script para modelacin WOF

5
// GENERACION DE UN MAPA PONDERADO
// Clculo de del mapa ponderado para el mapa de pendiente
// PASO 1 Traer Wplus a la tabla de atributos
tabcalc slope wplus = ColumnJoinMax(actslope,actslope.wplus,actslope.slope)
// PASO 2 Traer Wmin a la tabla de atributos
tabcalc slope wmin = ColumnJoinMax(actslope,actslope.wmin,actslope.slope)
// PASO 3 Calcular el total Wmin
tabcalc actslope wmintot = ColumnAggregateSum(Wmin,,1)
// PASO 4 Calcular el peso final
tabcalc actslope wfinal = wplus+Wmintot-wmin
// PASO 5 Calcular el factor de contraste
tabcalc actslope c = wplus+(wmin*-1)
// PASO 6 Generar el mapa de atributo con el peso final
wslope{vr=-10:10:0.0001} = MapAttribute(slope,Wfinal)
calc wslope.mpr

npix1 npix2
npix3 npix4

UNESCO RAPC A

UNESCO RAPC A

Utilizando parmetros en un script

Utilizando parmetros en un script

rem ILWIS Script for calculating landslide density for different maps

rem ILWIS Script for calculating landslide density for different maps
1
2
3
4
5
6
7
8

1
2
3
4
5
6
7
8

s%1 = TableCross(%1,slide)
calc s%1.tbt
Tabcalc %1 areaclass {do m=value; vr= 0 : 100000000000 : 1} = ColumnJoinSum (s%1.tbt,Area,%1,1)
Tabcalc s%1 areasl {dom=value; vr= 0 : 100000000000 : 1 } = iff(slide="landslide", area , 0)
Tabcalc %1 areaslide {dom=value; vr=0 : 100000000000 : 1} = ColumnJoinSum (s%1.tbt,areasl,%1,1)
Tabcalc %1 density {dom=perc} = 100* areaslide/areaclass
calc s%1.tbt
calc %1.tbt

s%1 = TableCross(%1,slide)
calc s%1.tbt
Tabcalc %1 areaclass {do m=value; vr= 0 : 100000000000 : 1} = ColumnJoinSum (s%1.tbt,Area,%1,1)
Tabcalc s%1 areasl {dom=value; vr= 0 : 100000000000 : 1 } = iff(slide="landslide", area , 0)
Tabcalc %1 areaslide {dom=value; vr=0 : 100000000000 : 1} = ColumnJoinSum (s%1.tbt,areasl,%1,1)
Tabcalc %1 density {dom=perc} = 100* areaslide/areaclass
calc s%1.tbt
calc %1.tbt

En la lnea 5 se define el rea de cada item del dominio en el mapa raster que es
ocupado por deslizamientos, utili zando la funcin de agregaccin Sum en la columna
Areasl en la Cross Table. La agregacin se hace despus de agrupar los datos en la
tabla de acuerdo a los items del dominio %1. Observe que el resultado de la frmula
no se escribe en la cross table s%1, pero si en la tabla de atributos relacionado con el
mapa.

En la lnea 3 se def ine el rea total para cada item del dominio en el mapa raster % 1, utilizando
la f uncin de agregacin en la columna Area de la cross table. La agregacin es hecha despus
de agrupar los datos en la tabla de acuerdo a los itmes del dominio % 1. Observe que el resultado
de la f ormula no esta escrtio en la cross table s%1, pero s en la tabla de atributos relacionada
al mapa.

En la lnea 6 la densidad de los deslizamientos es calculada en la tabla de atributos

%1, por medio de la divisin entre el rea ocupada por deslizami entos en cada clase
y el rea total de la clase, y multiplicndola por 100. El resultado estar en
porcen taje. Es por ello que se selecciona el dominio Perc para la columna de salida.

En la lnea 4 se def ine la nueva columna Areasl, en la cual los registros de la cross table que
tienen una combinacin entre los items del dominio del mapa raster y la unidad landslide
en el mapa slide, son asignados a la columna Area . La combinacin de los itmes del dominio y
la unidad no landslide recibir un valor 0. Esto es hecho de manera que en la prxima
lnea se pueda saber el rea de deslizamientos dentro de cada item del dominio. Observe que el
resultado de esta f rmula es escrito en la cross table.

En la lnea 7, la cross tables calcula de forma que la expresin en la lnea 5 se

guadada como valores.

En la lnea 8 la tabla de atributos es calculada de forma que las expresiones en las

lneas 3, 5 y 6 se guarden como valores.

En la lnea 1 un mapa raster, indicado con el parmetro %1, se cruza con el mapa Slide. El
resultado es almacenado en la cross table con el nombre s+el nombre del mapa raster de
entrada. As, si por ejemplo, se utiliza el mapa Landuse, la cross table se llamar Slanduse.
En esta lnea solo se define la cross table s% 1, pero an no se calcula an.

En la linea 2 la cross table es calculada.

UNESCO RAPC A

UNESCO RAPC A

Ejemplo de un script para modelacin WOF

// CRUZANDO LOS MAPAS DE PARAMETROS CON EL MAPA DE

// DESLIZAMIENTOS
// Cruzar el mapa Slope con el mapa de deslizamientos Activity
act%1 = TableCross(%1,activity)
calc act%1.tbt
// Cruzar el mapa Geol con el mapa de deslizamientos Activity
act%2 = TableCross(%2,activity)
calc act%2.tbt
// Cruzar el mapa Geom con el mapa de deslizamientos Activity
act%3= TableCross(%3,activity)
calc act%3.tbt
Usted puede correr el script escribiendo en la lnea de comandos:
run weight slope geol geom

Corriendo un script desde otro script

1
2
3

rem ILWIS Script for the input for the script density
run weight geology
run weight slopecl
run weight catchmen

Es posible corre r un script desde otro script si se incluye la e xpre sin:

Run scriptname parameter.
En e ste e je mplo se pue de hace r otro script, que sirva como insumo para el
script de densidades que ya se vi. De e sta forma el script de densidades
pue de se r calculado para dife rente s mapas.

En la lnea 1 el sript Density se e je cuta con el mapa Geology como

parme tro.

En la lnea 2 el script Density se eje cuta con el mapa Slopecl como

parme tro, Etc.

UNESCO RAPC A

Introduction to GIS

UNESCO RAPC A

Validacin del Cruce 1

Validacin del cruce 2

Una vez se ha hecho el mapa de amenaza,

se quiere saber:
Qu tan bueno es?
Como validar el cruce?

Combinarlo con el mapa de evidencia original.

Se estn prediciendo los elementos a ellos mismos?
Qu tan bien est trabajando el m odelo?
Como sea:
Esta no es una prediccin
Razonamiento circular!!

Low hazard

Low hazard

Moderate hazard
High hazard

Moderate hazard
High hazard

37

UNESCO RAPC A

Procedimiento en ILWIS para la validacin del

cruce

38

UNESCO RAPC A

Cr ear el domino classes

Procedimiento en ILWIS para la validacin del

cruce

Cr uzar el mapa de pesos reclasificado con el mapa de des lizamientos

Abrir el histograma del mapa de pesos

En la cross table calcular: Npixact = iff(activity=Active,npix,0)

Calcular: inverse = 100-Npcumpct

class1.nslclass = Column Join Sum(claact.tbt,Npixact,class1,1)

Calcular: classes = CLFY(inverse,classes)

nslide = ColumnAggregateSum(nslclass,,1)

classes.mini1 = ColumnJoinMax(weight.his,value,classes,1)

percent=100*nslclass/n slide
cumpercent = cum(percent)

Crear un nuevo domino de Grupo de Clases con estos

lmites.

Crear la columna reorder e

indicar los valores mximos de
las clases

Utilizar la operacin SLICING operation con este

dominio en el mapa de pesos

reorder2 = 100-cumpercent

39
UNESCO RAPC A

40
UNESCO RAPC A

Tasa de Exito

Tasa de Prediccin

Plotear las columnas:

Eje X : porcentaje del mapa de pesos (ordenado de alto a bajo)

La tasa de xito es solo para chequear que tan buena es la prediccin para
explicar la evidencia a partir de la cual fue hecha.
Para ejemplos espaciales temporales: es posible hacer la prediccin
utilizando datos de un perodo previo

Porcentaje de todos los deslizamientos

Eje Y: porcentaje de deslizamientos

Y calcular el poder de la prediccin utilizando datos de un perodo ms

recienteTasa de Prediccin.

70 por ciento de todos los

deslizam ientos est localizado en el 10
% del m apa con los m ayores valores
de prediccin

Porcentaje del m apa de pesos ordenado de m ayor a m enor

UNESCO RAPC A

Introduction to GIS

41

42
UNESCO RAPC A

Porcentaje de todos los deslizamientos

Tasa de Prediccin

Otros mtodos de validacin

Si no se dispone de datos de evidencia multi-temporales
Por ejemplo: Inventario de deslizamientos.
Dividir el mismo inventario en 2: set de entrenamiento y set de prueba.

70 por ciento de todos los nuevos

deslizam ientos esta localizado en el
30% del m apa con m ayores valores de
prediccin

Mtodo del Tablero de ajedrez

Dividir el rea en dos de acuerdo al campo blanco\negro del tablero
Utilizar un set como de entrenamiento y el otro como datos de prueba

Mtodo de seleccin aleatoria

Dividir el set de la evidencia en dos aleatoriamente (ej. utilizando la
funcin aleatoria en tabla).
Utilizar un set como de entrenamiento y otro como de datos de prueba

Porcentaje del m apa de pesos ordenado de m ayor a m enor

Tasa de xito: Que tan bien el modelo se ejecuta

Tasa de prediccin: Que tan bien el model predice

43

UNESCO RAPC A

44
UNESCO RAPC A

Independencia condicional

Independencia condicional: ejemplo

El problema ms importante con los mtodos estadsticos

bivariados es la independencia condicional:
P( B 1 B2 |S) = P( B 1|S) P( B2 |S)

N( B 1 B 2 S) =

N( B 1 S) N( B 2 S)
N(S)

Izquierda: observado.
Derecha: predicho
Si hay independencia condicional : esperado = observado.

126

14

54

180

45
UNESCO RAPC A

UNESCO RAPC A

Chequeo de la Independencia condicional:

Mtodo de Chi cuadrado

La frecuencia esperada de
deslizam ientos puede ser calculad a
ahora:

Np ixexp :=( Np ixB1*Np ixB2) /NpixS

Despus de ese chequeo de s los

m apas tienen independencia
condicion al se hace con la frm ula:

Introduction to GIS

140

N( B1 S) N( B 2 S)
N(S)

46

200

Chequeo de la Independencia condicional:

Mtodo de Chi cuadrado

Npixexp

Npixexp

54
126
6
14

54
126
6
14

= (( 50-54) 2/54) + ((130-126) 2/126) + ((10- 6) 2/6) +((10-14) 2/14

= 0.296 + 0.001 + 2.67 + 1.142 = 4.110
Comparar con valores de las tablas para 32 con un grado de libert ad. Estas son para varios
niveles de probabilidad
Los grados de libertad pueden s er definidos como el nmero de observaciones en la muestra,
menos el nmero de parm etros estimados de la muestra. En este cas o 2-1=1.

47
UNESCO RAPC A

60
200

20
180 *

N( B 1 B 2 S) =

140

Conclusin: Rechazado??.. No hay independencia

condicional?

48

UNESCO RAPC A

Independencia Condicional

El Aspecto Tiempo

Casi todos los mapas que son importantes para la

ocurrencia de deslizamientos son
condicionalme nte dependientes.

Otro problem a: El Aspecto Tiem po

Por ejemplo, es importante saber que usted est en una pendiente f uerte, cuando usted
est en esquistos. La probabilidad de tener deslizamientos cuando se tiene tanto esquistos
como altas pendientes, es mucho ms grande que la multiplicacin de las dos probabilidades
condicionales.

El mapa de amenza est limitado al per odo par a el cual el mapa

de movimientos de masa es vlido.

Uno de los efectos ms importantes de los mapas condicionalmente

dependientes en el anlisis es que la probabilidad posterior es mucho ms
grande que la real.

Sin embargo, la ocurrencia de nuevos deslizamientos puede no

seguir la prediccin, debido a los factores de disparo no han sido
tomados en cuenta en el anlis is.

Desde luego que es inev itable trabajar con mapas condicionalmente

dependientes, la prueba de la independencia condicional no tiene mucho
sentido.
Los valores de probablidad resultantes debern ser utilizados tan solo
como una indicacin general de la susceptibilidad a los mov imientos de
masa y no como valores de probabilidad.
UNESCO RAPC A

Introduction to GIS

49

50
UNESCO RAPC A