Caracterización biogeofísica de una zona de deslizamiento mediante teledetección para la gestión de riesgos de desastres en el volcán San Vicente, El Salvador
DOI:
https://doi.org/10.35622/j.rca.2026.03.001Palabras clave:
deslizamiento de tierra, fotogrametría, geomorfología, gestión de riesgos, teledetecciónResumen
Los deslizamientos de tierra representan una de las amenazas naturales más frecuentes en regiones montañosas y volcánicas, generando impactos significativos sobre la infraestructura, los ecosistemas y las comunidades humanas. El objetivo fue realizar la caracterización biogeofísica de una zona afectada por un deslizamiento mediante el uso de teledetección y fotogrametría con drone (UAV). Se adoptó un enfoque cuantitativo de alcance descriptivo, orientado a la caracterización biogeofísica de un deslizamiento localizado en el volcán San Vicente, El Salvador. Para ello, se integraron la fotogrametría UAV y el análisis geoespacial mediante Sistemas de Información Geográfica (SIG). A partir del procesamiento de imágenes aéreas obtenidas con drone, se generaron ortomosaicos, modelos digitales de superficie (DSM), modelos digitales de elevación (DEM), nubes de puntos y modelos tridimensionales. Complementariamente, se utilizaron imágenes satelitales Sentinel-2 para el cálculo del Índice de Vegetación de Diferencia Normalizada (NDVI), con el propósito de evaluar cambios en la cobertura vegetal asociados al evento. Los resultados permitieron identificar un deslizamiento con pendientes superiores a 70°, un área estimada de 9,570.50 m², un perímetro de 570.66 m y un volumen aproximado de 191,410 m³ de material movilizado. Los productos derivados de la fotogrametría UAV y el análisis de imágenes Sentinel-2 evidenciaron cambios en la cobertura vegetal, la evolución morfológica del deslizamiento y el transporte y depósito de material, asociados a condiciones topográficas y geomorfológicas que favorecen la inestabilidad de la ladera. Se concluye que la información generada constituye un insumo para el fortalecimiento de las capacidades resilientes, las estrategias de monitoreo y la evaluación de amenazas.
Descargas
Referencias
Albanwan, H., Qin, R., & Liu, J. K. (2024). Remote sensing-based 3D assessment of landslides: A review of the data, methods, and applications. Remote Sensing, 16(3), 455. https://doi.org/10.3390/rs16030455
Bommer, J. J., Benito, M. B., Ciudad-Real, M., Lemoine, A., López-Menjı́var, M. A., Madariaga, R., Mankelow, J., Méndez de Hasbun, P., Murphy, W., Nieto-Lovo, M., Rodrı́guez-Pineda, C. E., & Rosa, H. (2002). The El Salvador earthquakes of January and February 2001: context, characteristics and implications for seismic risk. Soil Dynamics and Earthquake Engineering, 22(5), 389-418. https://doi.org/10.1016/s0267-7261(02)00024-6
Carr, M. J., Feigenson, M. D., Patino, L. C., & Walker, J. A. (2004). Volcanism and geochemistry in Central America: Progress and problems. En J. Eiler (Ed.), Inside the Subduction Factory (pp. 153–174). American Geophysical Union. https://doi.org/10.1029/138GM09
Casagli, N., Intrieri, E., Tofani, V., Gigli, G., & Raspini, F. (2023). Landslide detection, monitoring and prediction with remote-sensing techniques. Nature Reviews Earth & Environment, 4(1), 51-64. https://doi.org/10.1038/s43017-022-00373-x
Catani, F., Lagomarsino, D., Segoni, S., & Tofani, V. (2013). Landslide susceptibility estimation by random forests technique: Sensitivity and scaling issues. Natural Hazards and Earth System Sciences, 13(11), 2815-2831. https://doi.org/10.5194/nhess-13-2815-2013
Comisión Económica para América Latina y el Caribe. (2024). Evaluación del riesgo de desastres en América Latina y el Caribe. Oficina de las Naciones Unidas para la Reducción del Riesgo de Desastres. https://www.undrr.org/media/103787
Crosetto, M., Monserrat, O., Cuevas-González, M., Devanthéry, N., & Crippa, B. (2016). Persistent scatterer interferometry: A review. ISPRS Journal of Photogrammetry and Remote Sensing, 115, 78–89. https://doi.org/10.1016/j.isprsjprs.2015.10.011
Ehsan, M., Anees, M. T., A Bakar, A. F. B., & Ahmed, A. (2025). A review of geological and triggering factors influencing landslide susceptibility: Artificial intelligence-based trends in mapping and prediction. International Journal of Environmental Science and Technology, 22(16), 17347-17382. https://doi.org/10.1007/s13762-025-06741-6
Emberson, R. (18 de marzo de 2025). Landslide monitoring and risk assessment using NASA Earth System Data: Part 3—Remote sensing and landslide susceptibility. NASA Applied Remote Sensing Training Program. https://earthdata.nasa.gov/s3fs-public/2025-06/arset-landslides-part3-slides.pdf
Fossi, D. H., & Tatchinda Lonkeng, D. S. (2025). Landslide detection and monitoring using remote sensing techniques. En R. M. Abdalla (Ed.), Exploring remote sensing—Methods and applications. IntechOpen. https://doi.org/10.5772/intechopen.1007652
Froude, M., & Petley, D. (2018). Global fatal landslide occurrence from 2004 to 2016. Natural Hazards and Earth System Sciences, 18, 2161–2181. https://doi.org/10.5194/nhess-18-2161-2018
García Flórez, I. (2016). Factores geológicos-geotécnicos que controlan los deslizamientos inducidos por terremotos en zonas de alta y media actividad sísmica: caso de El Salvador [Tesis doctoral, Universidad Complutense de Madrid]. Repositorio Institucional de la Universidad Complutense de Madrid. https://hdl.handle.net/20.500.14352/27375
Gariano, S. L., & Guzzetti, F. (2016). Landslides in a changing climate. Earth-Science Reviews, 162, 227–252. https://doi.org/10.1016/j.earscirev.2016.08.011
Global Volcanism Program. (2023). San Vicente volcano. Smithsonian Institution. https://volcano.si.edu/volcano.cfm?vn=343090
Guzzetti, F., Mondini, A. C., Cardinali, M., Fiorucci, F., Santangelo, M., & Chang, K. T. (2012). Landslide inventory maps: New tools for an old problem. Earth-Science Reviews, 112(1-2), 42-66. https://doi.org/10.1016/j.earscirev.2012.02.001
Highland, L. M., & Bobrowsky, P. (2008). The landslide handbook: A guide to understanding landslides (Version 1.0, U.S. Geological Survey Circular 1325). U.S. Geological Survey. https://doi.org/10.3133/cir1325
Hungr, O., Leroueil, S., & Picarelli, L. (2014). The Varnes classification of landslide types, an update. Landslides, 11, 167–194. https://doi.org/10.1007/s10346-013-0436-y
Hussain, M. A., Chen, Z., Zhou, Y., Meena, S. R., Ali, N., & Shah, S. U. (2025). Landslide susceptibility mapping using artificial intelligence models: A case study in the Himalayas. Landslides, 22(6), 2089-2103. https://doi.org/10.1007/s10346-025-02466-2
Intrieri, E., Gigli, G., Mugnai, F., Fanti, R., & Casagli, N. (2012). Design and implementation of a landslide early warning system. Engineering Geology, 147-148, 124-136. https://doi.org/10.1016/j.enggeo.2012.07.017
Jiang, P., Ma, Z., & Mei, G. (2026). Review article: Deep learning for potential landslide identification: Data, models, applications, challenges, and opportunities. Natural Hazards and Earth System Sciences, 26(1), 487-529. https://doi.org/10.5194/nhess-26-487-2026
Khan, B. A., & Khan, S. A. (2025). Integrating earth observation and deep learning for next-generation landslide mapping: A comprehensive review of 2024 advances. Journal of Geography and Cartography, 8(3), 11553. https://doi.org/10.24294/jgc11553
Kirschbaum, D., Stanley, T., & Zhou, Y. (2015). Spatial and temporal analysis of a global landslide catalog. Geomorphology, 249, 4–15. https://doi.org/10.1016/j.geomorph.2015.03.016
Major, J. J., Schilling, S. P., Pullinger, C. R., & Escobar, C. D. (2004). Debris-flow hazards at San Salvador, San Vicente, and San Miguel volcanoes, El Salvador. En W. I. Rose, J. J. Bommer, D. L. López, M. J. Carr, & J. J. Major (Eds.), Natural hazards in El Salvador (pp. 89–108). Geological Society of America. https://doi.org/10.1130/0-8137-2375-2.89
Marinero Orantes, E. A. (2024). La gestión integral del riesgo de desastres comunitaria ante los riesgos volcánicos: Caso volcán San Vicente, El Salvador, América Central. En J. M. Camacho-Sanabria, R. Chávez-Alvarado, & Y. G. Canchola-Pantoja (Eds.), Gestión del riesgo de desastres en América Latina y el Caribe: Experiencias, aprendizajes y desafíos (pp. 189-210). Universidad de Guadalajara. https://doi.org/10.52501/cc.218.06
Ministerio de Medio Ambiente y Recursos Naturales. (2011). Descripción y cronología de la depresión tropical 12E y sistema depresionario sobre El Salvador. MARN. https://rcc.marn.gob.sv/handle/123456789/137
Ministerio de Medio Ambiente y Recursos Naturales. (2017). Informe nacional del estado de los riesgos y vulnerabilidades. MARN. https://rcc.marn.gob.sv/handle/123456789/9
National Aeronautics and Space Administration. (2022). Disaster assessment using synthetic aperture radar. Applied Remote Sensing Training Program. https://www.earthdata.nasa.gov/learn/trainings/disaster-assessment-using-synthetic-aperture-radar
National Aeronautics and Space Administration. (2025). Landslide monitoring and risk assessment using NASA Earth System Data. NASA. https://www.earthdata.nasa.gov/learn/trainings/landslide-monitoring-risk-assessment-using-nasa-earth-system-data
Nava, L., Mondini, A., Bhuyan, K., Fang, C., Monserrat, O., Novellino, A., & Catani, F. (2026). Sentinel-1 SAR-based globally distributed co-seismic landslide detection by deep neural networks. Geoscientific Model Development, 19(1), 167-185. https://doi.org/10.5194/gmd-19-167-2026
Novellino, A., Pennington, C., Leeming, K., Taylor, S., Alvarez, I. G., Mcallister, E., Arnhardt, C., & Winson, A. (2024). Mapping landslides from space: A review. Landslides, 21(5), 1041-1052. https://doi.org/10.1007/s10346-024-02215-x
Ormaetxea Arenaza, O., Barroso Arroyo, J. C., & Sáenz de Olazagoitia Blanco, A. (2017). Caracterización geomorfológica y análisis de la evolución del deslizamiento rotacional de Andoin, Sierra de Entzia (País Vasco). Cuaternario y Geomorfología, 31(3–4), 7–26. https://doi.org/10.17735/cyg.v31i3-4.55240
Petley, D. (2012). Global patterns of loss of life from landslides. Geology, 40(10), 927–930. https://doi.org/10.1130/G33217.1
Podest, E. (2022). SAR for flood mapping. NASA Applied Remote Sensing Training Program. https://earthdata.nasa.gov/s3fs-public/2025-08/ARSET-DisasterAssessment2022-part1-slides_0.pdf
Podest, E., Hook, E., McCartney, S., Mehta, A., & Fielding, E. (2019). Remote sensing for disasters scenarios. NASA Applied Remote Sensing Training Program (ARSET). https://www.earthdata.nasa.gov/learn/trainings/remote-sensing-disasters-scenarios
Reichenbach, P., Rossi, M., Malamud, B., Mihir, M., & Guzzetti, F. (2018). A review of statistically-based landslide susceptibility models. Earth-Science Reviews, 180, 60–91. https://doi.org/10.1016/j.earscirev.2018.03.001
Rose, W. I., Bluth, G. J. S., Carr, M. J., Ewert, J. W., Patino, L. C., & Vallance, J. W. (Eds.). (2006). Volcanic hazards in Central America (Geological Society of America Special Paper 412). Geological Society of America. https://doi.org/10.1130/SPE412
Rose, W. I., Bommer, J. J., López, D. L., Carr, M. J., & Major, J. J. (Eds.). (2004). Natural hazards in El Salvador (Geological Society of America Special Paper 375). Geological Society of America. https://doi.org/10.1130/SPE375
Scott, K. M., Macías, J. L., Naranjo, J. A., Rodríguez, S., & McGeehin, J. P. (2001). Catastrophic debris flows transformed from landslides in volcanic terrains: Mobility, hazard assessment, and mitigation strategies (U.S. Geological Survey Professional Paper 1630). U.S. Geological Survey. https://doi.org/10.3133/pp1630
Singh, K., Bhardwaj, V., Sharma, A., & Thakur, S. (2024). A comprehensive review on landslide susceptibility zonation techniques. Quaestiones Geographicae, 43(1), 79–91. https://doi.org/10.14746/quageo-2024-0005
Spencer, T., Naylor, L. A., Lane, S. N., Darby, S. E., Macklin, M. G., Magilligan, F. J., & Möller, I. (2016). Stormy geomorphology: An introduction to the special issue. Earth Surface Processes and Landforms, 42(1), 238–241. https://doi.org/10.1002/esp.4065
Stanley, T., & Kirschbaum, D. (2017). A heuristic approach to global landslide susceptibility mapping. Natural Hazards, 87, 145–164. https://doi.org/10.1007/s11069-017-2757-y
United States Geological Survey. (s.f.). Landslide hazards program. USGS. https://www.usgs.gov/programs/landslide-hazards
Van Westen, C. J., Castellanos, E., & Kuriakose, S. L. (2008). Spatial data for landslide susceptibility, hazard, and vulnerability assessment: An overview. Engineering Geology, 102(3-4), 112-131. https://doi.org/10.1016/j.enggeo.2008.03.010
Westoby, M. J., Brasington, J., Glasser, N. F., Hambrey, M. J., & Reynolds, J. M. (2012). ‘Structure-from-Motion’ Photogrammetry: a low-cost, effective tool for geoscience applications. Geomorphology, 179, 300-314. https://doi.org/10.1016/j.geomorph.2012.08.021
Descargas
Publicado
Número
Sección
Licencia
Derechos de autor 2026 Gerson Cornejo-Reyes, Carlos Funes-Guadrón (Autor/a)
Esta obra está bajo una licencia internacional Creative Commons Atribución 4.0.
