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.
Contexto: La gestión para cuidar el medio ambiente y la Tierra (geo) puede ser una fuente de inspiración para desarrollar modelos que permitan abordar problemas de complejidad; el objetivo de esta investigación fue desarrollar un aspecto adicional de los modelos inspirados. El modelo geoinspirado tiene dos características, la primera cubre aspectos relacionados con la gestión ambiental y el comportamiento de los recursos naturales, y la segunda tiene un componente de ubicación espacial asociado con objetos existentes en la superficie de la Tierra.Método: El enfoque desarrollado en la investigación es descriptivo y su principal objetivo es la representación o caracterización de un estudio de caso dentro de un contexto particular.Resultados: El resultado fue el diseño de un modelo para emular el comportamiento natural de los afluentes del agua de las estribaciones del Amazonas, con el fin de ampliar la aplicación de los modelos inspirados y permitir el uso de elementos como la georreferenciación y la gestión ambiental. El modelo de geoinspiración propuesto se denomina "agentes de vectores naturales inspirados en la gestión ambiental".Conclusiones: Los agentes vectores naturales geoisnpirados son elementos poliformados que pueden asumir el comportamiento de las entidades ambientales, lo que permite avanzar en otros campos de gestión ambiental (uso del suelo, clima, flora, fauna) y vincular las cuestiones ambientales con la estructura del proyecto modelo.
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.