Evaluación de vulnerabilidad utilizando enfoques cuantitativos: una revisión
une revue
DOI:
https://doi.org/10.51359/2238-6211.2025.264530Palabras clave:
resbalones, métodos de toma de decisiones multicriterio, métodos estadísticos, modelos probabilísticos, machine learningResumen
La vulnerabilidad se define como el grado de pérdida de un determinado elemento o conjunto de elementos dentro de un área afectada por peligro de deslizamientos de tierra. Tal evaluación es esencial para analizar cómo los eventos peligrosos afectan o pueden afectar diferentes elementos y cómo las acciones humanas y los factores socioeconómicos influyen en la propensión a sufrir pérdidas o daños en caso de desastres. La presente investigación tuvo como objetivo revisar los principales métodos y técnicas utilizados recientemente para evaluar la vulnerabilidad a deslizamientos de tierra. El análisis consideró publicaciones recuperadas de las bases de datos Web of Science y ScienceDirect entre los años 2022 y 2024, utilizando los términos “deslizamiento de tierra” y “vulnerabilidad”, resultando en la selección de 10 artículos para lectura completa. Sobre todo, se identificaron investigaciones que analizan la vulnerabilidad de forma cuantitativa a través de métodos de toma de decisiones multicriterio, métodos estadísticos, modelos probabilísticos y algoritmos de aprendizaje automático. En general, la principal limitación señalada por los investigadores para la aplicación de técnicas cuantitativas fue la falta de datos temporales sobre la ocurrencia de deslizamientos y datos socioeconómicos. A pesar de los aportes relevantes de los estudios descritos, las investigaciones que abordan la vulnerabilidad de manera cuantitativa siguen siendo fundamentales para el desarrollo de métodos y técnicas que permitan el análisis del tema en toda su complejidad.
Citas
ALMEIDA, L. Q.; COSTA, M. R. P. S.; FRAZÃO, A. P. R. F.; FREITAS, A. G.; SOUZA, E. A.; SOUZA, J. L.; MATOS, L. S.; JUVENAL, P. H. S.; SILVA, J. G.; TIRELO, T. S. B. Riesgo de desastre y cambio climático: Un breve análisis a partir del estudio de caso de Galinhos, Brasil. Revista de Estudios Latinoamericanos sobre Reducción del Riesgo de Desastres, v. 7, p. 111, 2023. DOI: 10.55467/reder.v7i2.127.
ÁVILA, F. F.; ALVALÁ, R. C.; MENDES, R. M.; AMORE, D. J. Socio-geoenvironmental vulnerability index (SGeoVI) derived from hybrid modeling related to populations at-risk to landslides. Natural Hazards, v. 120, p. 8121-8151, 2024. DOI: 10.1007/s11069-024-06526-z.
BRADLEY, A. P. The use of the area under the ROC curve in the evaluation of machine learning algorithms. Pattern Recognition. v. 30, n. 7, p. 1145-1159, 1997. DOI: 10.1016/S0031-3203(96)00142-2.
BRUZÓN, A. G.; ARROGANTE-FUNES, P.; ÁLVAREZ-RIPADO, A.; OSUNA, D.; NOVILLO, C. J.; ARROGANTE-FUNES, F. Enhancing Landslide Vulnerability Mapping Through Automated Fuzzy Logic Algorithm-Based Methodology. Geotechnical and Geological Engineering. p. 1-17, 2024. DOI: 10.1007/s10706-023-02714-z.
CARDONA, O. D. Midiendo lo inmedible. Santiago: Centro de estudios sobre desastres y riesgos – CEDERI: Universidad de Los Andes, 2006.
CARRARA, A.; GUZZETTI, F.; CARDINALI, M.; REICHENBACH, P. Use of GIS Technology in the Prediction and Monitoring of Landslide Hazard. Natural Hazards. v. 20, p. 117–135, 1999. DOI: 10.1023/A:1008097111310.
CHEN, Y.; YU, J.; KHAN, S. Spatial sensitivity analysis of multi-criteria weights in GIS-based land suitability evaluation. Environmental Modelling & Software, v. 25, n.12, p. 1582-1591, 2010. DOI: 10.1016/j.envsoft.2010.06.001.
COROMINAS, J.; VAN WESTEN, C.; FRATTINI, P.; CASCINI, L.; MALETE, 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. Recommendations for the quantitative analysis of landslide risk. Bulletin of Engineering Geology and the Environment, v. 73, p. 209-263, 2014. DOI: 10.1007/s10064-013-0538-8.
GABUS, A.; FONTELA, E. World problems, an invitation to further thought within the framework of DEMATEL. Geneva: Battelle Geneva Research Centre, 1972.
GUZZETTI, F. CARRARA, A.; CARDINALI, M.; REICHENBACH, P. Landslide hazard evaluation: an aid to a sustainable development. Geomorphology, v. 31, p. 181-216, 1999. DOI: 10.1016/S0169-555X(99)00078-1.
HADER, P. R. P.; REIS, F. A. G. V.; PEIXOTO, A. S. P. Landslide risk assessment considering socionatural factors: methodology and application to Cubatão municipality, São Paulo, Brazil. Natural Hazards, v. 110, 1273-1304, 2022. DOI: 0.1007/s11069-021-04991-4.
HEJAZI, S. J.; SHARIFI, A.; ARVIN, M. Assessment of social vulnerability in areas exposed to multiple hazards: A case study of the Khuzestan Province, Iran. International Journal of Disaster Risk Reduction. v. 78. p. 1-19, 2022. DOI: 10.1016/j.ijdrr.2022.103127.
HUANG, S.; DOU, H.; JIAN, W.; GUO, C.; SUN, Y. Spatial prediction of the geological hazard vulnerability of mountain road network using machine learning algorithms. Geomatics, Natural Hazards and Risk, v. 14, n. 1, p. 1-29, 2023. DOI: 10.1080/19475705.2023.2170832.
JAAFARI, A.; MAFI-GHOLAMI, D.; YOUSEFI, S. A spatiotemporal analysis using expert-weighted indicators for assessing social resilience to natural hazards. Sustainable Cities and Society, v. 100, 2024. DOI: 10.1016/j.scs.2023.105051.
JANIZADEH, S.; VAFAKHAH, M.; KAPELAN, Z.; MOBARGHAEE, D. N. Hybrid XGboost model with various Bayesian hyperparameter optimization algorithms for flood hazard susceptibility modeling. Geocarto International, v. 37, n. 25, p. 8273-8292, 2021. DOI:10.1080/10106049.2021.1996641.
KANUNGO, D.; ARRORA, M.; SARKAR, S.; GUPTA, R. Landslide Susceptibility Zonation (LSZ) mapping: a review. Journal of South Asia Disaster Studies, v. 2, p. 81-105, 2009.
KÜHNL, M.; SAPENA, M.; WURM, M; GEIß, C.; TAUBENBÖCK, H. Multitemporal landslide exposure and vulnerability assessment in Medellín, Colombia. Natural Hazards, v. 119, p. 883-906, 2023. DOI: 10.1007/s11069-022-05679-z.
MANZAN, M.; BACARO, G.; NARDINI, A.; CASAGRANDE, G.; PEZZI A.; PETRUZZELLIS, F.; TORDONI, E.; FONTOLAN G. Climate Change Risk and Vulnerabilities Analysis in Trieste SECAP. Sustainability, v. 14, n. 10, 5973, 2022. DOI: 10.3390/su14105973.
MARCHEZINI, V.; WISNER, B. Challenges for vulnerability reduction in Brazil: Insights from the PAR framework. In: MARCHEZINI, V.; WISNER, B.; LONDE, L. R.; SAITO, S. M. (orgs.). Reduction of vulnerability to disasters: from knowledge to action. São Carlos: Rima Editora, 2017. p. 57-96.
MATOS, L. J.; VIEIRA, B. C.; FERREIRA, C. J. Avaliação da vulnerabilidade de construções a corridas de detritos por meio do método PTVA (Papathoma Tsunami Vulnerability Assessment). Boletim Paulista de Geografia, v. 1, p. 42-65, 2017.
MOSAFFAIE, J.; SALEHPOUR JAM, A.; SARFARAZ, F. Landslide risk assessment based on susceptibility and vulnerability. Environment, Development and Sustainability, v. 26, p. 9285-9303, 2024. DOI: 10.1007/s10668-023-03093-4.
OPRICOVIC, S. Multicriteria Optimization of Civil Engineering Systems. Orientador: Gwo-Hshiung Tzeng. 1998. Thesis (PhD em Civil Engineering ) – Faculty of Civil Engineering, Belgrade, 1998.
PARDESHI, S. D.; AUTADE, S. E.; PARDESHI, S. S. Landslide hazard assessment: recent trends and techniques. SpringerPlus, v. 2, n. 523, p. 1-11, 2013. DOI: 10.1186/2193-1801-2-523.
PHAM, Q. B.; KUMAR, M.; DI NUNNO, F.; ELBELTAGI, A.; GRANATA, F.; REZA, A.; ISLAM, M. T.; TALUKDAR, S.; NGUYEN, X. C.; AHMED, A. N. AHN, D. T. Groundwater level prediction using machine learning algorithms in a drought-prone area. Neural Computing & Applications. v.34, p. 10751–10773. 2022. DOI: 10.1007/s00521-022-07009-7.
RAHMAN, G.; BACHA, A, S.; MOAZZAM, M. F. U.; RAHMAN, A. U.; MAHMOOD, S.; ALMOHAMAD, H.; DUGHAIRI, A. A. A.; AL-MUTIRY, M.; ALRASHEEDI, M.; ABDO, H. G. Assessment of landslide susceptibility, exposure, vulnerability, and risk in shahpur valley, eastern hindu kush. Frontiers in Earth Sciences, v. 10, p. 1-23, 2022. DOI: 10.3389/feart.2022.953627.
RIBEIRO, D. S.; SAITO, S.; ALVALÁ, R. C. S. Disaster vulnerability analysis of small towns in Brazil. International Journal of Disaster Risk Reduction. v. 68, p. 1-28, 2022. DOI: 10.1016/j.ijdrr.2021.102726.
SANTACANA, N.; BAEZA, B.; COROMINAS, J.; PAZ, A.; MARTURIÁ, J. A GIS-Based Multivariate Statistical Analysis for Shallow Landslide Susceptibility Mapping in La Pobla de Lillet Area (Eastern Pyrenees, Spain). Natural Hazards, v. 30, p. 281-295, 2003. DOI: 10.1023/B:NHAZ.0000007169.28860.80.
SHAH, N. A.; SHAFIQUE, M.; ISHFAQ, M; FAISAL, K; VAN DER MEIJDE, M. Integrated Approach for Landslide Risk Assessment Using Geoinformation Tools and Field Data in Hindukush Mountain Ranges, Northern Pakistan. Sustainability, v. 15, n. 4, 2023. DOI: 10.3390/su15043102.
TEHRANI, F. S.; CALVELLO, M.; LIU, Z.; ZHANG, L.; LACASSE, S. Machine learning and landslide studies: recent advances and applications. Natural Hazards, v. 114, p. 1197–1245, 2022. DOI: 10.1007/s11069-022-05423-7.
VANDINE, D.; MOORE, G.; WISE, M.; VANBURKISK, C.; GERATH, R. 2004. Technical terms and methods. In: WISE, M., MOORE, G., VANDINE, D. (orgs.). Landslide risk case studies in forest development planning and operations. British Columbia: Ministry of Forests, Forest Science Program, Abstract of Land Management Handbook 56, 2004. p. 13-26,.
VAN WESTEN, C.; VAN ASCH, T.; SOETERS, R. Landslide hazard and risk zonation - why is it still so difficult? Bulletin of Engineering Geology and the Environment, v. 65, p. 167-184, 2006. DOI: 10.1007/s10064-005-0023-0.
WISNER, B.; BLAIKIE, P.; CANNON, T.; DAVIS, I. At risk: natural hazards, people’s vulnerability and disasters. 2. ed. Londres: Routledge, 2003.
YU, M.; YANG, C.; LI, Y. Big data in natural disaster management: A review. Geosciences, v. 8, n. 165, p. 1-26, 2018. DOI: 10.3390/geosciences8050165.
Descargas
Publicado
Cómo citar
Número
Sección
Licencia
Derechos de autor 2025 Ananda Ramos da Silva, Bianca Carvalho Vieira

Esta obra está bajo una licencia internacional Creative Commons Atribución 4.0.
Autores que publicam nesta revista concordam com os seguintes termos:
a) Autores mantêm os direitos autorais e concedem à REVISTA DE GEOGRAFIA da Universidade Federal de Pernambuco o direito de primeira publicação, com o trabalho simultaneamente licenciado sob a Licença Creative Commons Atribuição 4.0 Internacional. CC BY - . Esta licença permite que os reutilizadores distribuam, remixem, adaptem e criem a partir do material em qualquer meio ou formato, desde que a atribuição seja dada ao criador. A licença permite o uso comercial.
b) Autores têm autorização para assumir contratos adicionais separadamente, para distribuição não-exclusiva da versão do trabalho publicada nesta revista (ex.: publicar em repositório institucional ou como capítulo de livro), com reconhecimento de autoria e publicação inicial nesta revista.
c) Autores têm permissão e são estimulados a publicar e distribuir seu trabalho online (ex.: em repositórios institucionais ou na sua página pessoal) a qualquer ponto antes ou durante o processo editorial, já que isso pode gerar alterações produtivas, bem como aumentar o impacto e a citação do trabalho publicado.
d) Os conteúdos da REVISTA DE GEOGRAFIA estão licenciados com uma Licença Creative Commons Atribuição 4.0 Internacional. CC BY - . Esta licença permite que os reutilizadores distribuam, remixem, adaptem e criem a partir do material em qualquer meio ou formato, desde que a atribuição seja dada ao criador. A licença permite o uso comercial.
No caso de material com direitos autorais a ser reproduzido no manuscrito, a atribuição integral deve ser informada no texto; um documento comprobatório de autorização deve ser enviado para a Comissão Editorial como documento suplementar. É da responsabilidade dos autores, não da REVISTA DE GEOGRAFIA ou dos editores ou revisores, informar, no artigo, a autoria de textos, dados, figuras, imagens e/ou mapas publicados anteriormente em outro lugar.