Si bien las técnicas implementadas para predecir zonas susceptibles a procesos de remoción en masa han logrado modelar con cierto grado de precisión casos de deslizamientos, no logran modelar eventos complejos, donde la relación entre los deslizamientos y sus factores desencadenantes no presentan un comportamiento lineal. Lo anterior se debe a ausencia de estructuras de dependencia espacio-temporal que permitan evaluar efectos espaciales (autocorrelación y heterogeneidad); por lo tanto, la interpretación de los resultados suele ser errada y lleva a una menor confiabilidad. Dado lo anterior, el objetivo del artículo es brindar un documento sólido que ofrezca una perspectiva general y detallada de las técnicas de predicción espacial; al tiempo que se propone una metodología innovadora que permita utilizar las bondades del aprendizaje automático y la estadística espacial, con el propósito de mejorar el desempeño predictivo de zonas susceptibles a deslizamientos.
scite is a Brooklyn-based organization that helps researchers better discover and understand research articles through Smart Citations–citations that display the context of the citation and describe whether the article provides supporting or contrasting evidence. scite is used by students and researchers from around the world and is funded in part by the National Science Foundation and the National Institute on Drug Abuse of the National Institutes of Health.