Estimación de exposición y vulnerabilidad sísmica empleando técnicas de aprendizaje automático con datos tomados por sensores remotos: aplicaciones en Lorca (España) y Puerto Príncipe (Haití)

Abstract

Según el informe de CRED/UNISDR (2016), más de la mitad de las víctimas mortales causadas por los desastres naturales en los últimos 20 años se debieron a terremotos. A través del Marco de Sendai, la ONU promueve la implantación de medidas orientadas a la reducción del riesgo de desastres (DRR) que está justificada por dos razones, principalmente: (1) las amenazas naturales están siendo más frecuentes y mortales con el paso de los años; y (2) la vulnerabilidad de las áreas urbanas va en aumento. Se insta, por tanto, a los países a trabajar por una mejora de la resiliencia de sus ciudades y comunidades. En ese sentido, con esta tesis se pretende avanzar en la explotación de los datos disponibles para optimizar los procesos de comprensión y caracterización de la vulnerabilidad sísmica del entorno urbano. El desarrollo que las tecnologías geoespaciales han experimentado en las últimas décadas ha hecho posible incorporarlas a estos estudios. Sin embargo, a pesar de que se obtienen resultados satisfactorios en la caracterización de la edificación, aun no se ha valorado, de una manera robusta, la aplicabilidad de esos resultados en los estudios de riesgo sísmico. Por tanto, en la presente investigación se ha evaluado si es viable técnica y económicamente estimar la exposición y la vulnerabilidad sísmica de una ciudad por medio de técnicas de observación terrestre e incorporar el resultado a un estudio de riesgo. Se han realizado sendas aplicaciones en dos escenarios muy distintos: Lorca y Puerto Príncipe. En ambas ciudades, se han analizado datos tomados por sensores remotos siguiendo las fases diseñadas en el procedimiento metodológico: (1) se ha estratificado la ciudad en patrones urbanos; (2) se han extraído las huellas de los edificios y los atributos que conforman la base de datos de exposición; y (3) se les ha asignado un modelo de vulnerabilidad empleando técnicas de aprendizaje automático. Se ha prestado especial atención a la cuantificación de las incertidumbres inherentes a todos los procesos de análisis y se ha estudiado su impacto en un cálculo de daños por sismo. Finalmente, se ha comparado el coste de este tipo de estudios con el de los procedimientos tradicionales basados en realizar inspecciones de edificios in situ. Toda la investigación se ha realizado con datos abiertos que no han supuesto ningún coste. Se han empleado imágenes de satélite Landsat, ortofotos de alta resolución, LiDAR y datos catastrales. Para la verificación de los resultados de todas las fases del análisis se ha contado con bases de datos de referencia generadas en investigaciones anteriores de otros autores y cedidas para este estudio. En el escenario de Lorca, se ha trabajado en una zona del centro histórico y otra de ensanche. Se han identificado un total de 5 tipologías constructivas: 2 de edificios de mampostería y 3 de hormigón armado. La clasificación de más de 800 edificios en estas tipologías se ha conseguido con precisiones globales del 82% (en las zonas del centro) y del 90% (en el ensanche). Tras asignar a cada tipo de edificio el modelo de vulnerabilidad que mejor reproduce su desempeño sísmico, se ha calculado un escenario de daños correspondiente a un sismo simulado de Mw = 5.2 con epicentro a 4 km al norte de la ciudad. La comparación de estos daños con los que se obtienen con la base de datos de vulnerabilidad de referencia arroja un MAPE del 4%. En Puerto Príncipe, se ha trabajado con más de 6000 edificios en áreas de muestra de toda la ciudad, ubicadas en zonas Residenciales, Urbanas, Rurales y asentamientos Informales. Se han identificado 4 tipologías constructivas: 2 de edificios de mampostería y madera y otras 2 de hormigón armado. Los modelos predictivos de clasificación de tipologías alcanzan precisiones globales entre el 74%-88%, según la zona. A cada tipología se le ha asignado un modelo de vulnerabilidad y se ha calculado un escenario de daños tras simular un sismo de Mw = 7.0 a 20 km de la ciudad. La comparación de los daños obtenidos con el mejor modelo de exposición y los que se obtienen al usar los datos de vulnerabilidad de referencia deja un MAPE también del 4%. Estos valores bajos de error parecen demostrar que las incertidumbres encadenadas en los procesos previos de generación de huellas, cálculo de atributos y clasificación de tipologías tienen un impacto mínimo en la estimación de daños por sismo. Son resultados altamente satisfactorios, que permiten responder positivamente a la hipótesis de investigación sobre la viabilidad técnica del uso de las bases de datos creadas por teledetección en estudios de riesgo. Finalmente, se ha llevado a cabo un análisis comparativo del coste de este tipo de estudios para evaluación de la exposición y la vulnerabilidad sísmica y el coste que conlleva la realización de una campaña de campo para el mismo fin. La información sobre el coste de las campañas de campo ha sido proporcionada por 12 expertos internacionales con base en su propia experiencia. De la comparación se deduce que el análisis de datos tomados por sensores remotos permite obtener un producto comparable al que se obtendría en campo, pero por un 10%-30% de su precio y empleando, como mucho, un tercio del tiempo, lo que avala la viabilidad económica de estos estudios. Como aporte final de esta investigación, se propone un procedimiento de 5 fases para generar bases de datos de exposición y vulnerabilidad de alta calidad a nivel de edificio, que combina teledetección y campañas de campo dirigidas optimizando recursos y coste. ----------ABSTRACT---------- More than half of the causalities caused by disasters (related to natural hazards) during the last 20 years were due to earthquakes (CRED/UNISDR, 2016). The UN, through the Sendai Framework, fosters the implantation of measurements for Disaster Risk Reduction (DRR). This is based on two factors: (1) the increase in the frequency and mortal impact of natural hazards and (2) the rise of the vulnerability conditions in urban areas. Hence, all countries are urged to work toward the improvement of the resilience of cities and communities. In this sense, this dissertation aims at expanding knowledge on the exploitation of available data to optimize the processes of understanding the earthquake vulnerability of the built environment. Earth Observation (EO) technologies have been successfully incorporated in these studies during the past decade. However, despite good results are achieved in building characterization, it has not been robustly valued yet the applicability of these results to a seismic risk study. Thus, in the present research it is examined the technical and economic viability of assessing the urban exposure and seismic vulnerability by means of Earth Observation techniques and incorporating the results in a risk study. Two applications are performed in cities that present significant differences regarding extension and complexity: Lorca (Spain) and Port Prince (Haiti). In both cities, data acquired by remote sensors are analyzed according to the stages designed in the methodological procedure: (1) stratification of the city into homogeneous urban patterns; (2) building footprint extraction and attribute calculation to implement the exposure database; and (3) vulnerability model allocation using machine learning techniques followed by an estimation of earthquake damage. Special attention is paid to the quantification of the uncertainties inherent in all the steps of the analysis and their impact on the final results of damage. Finally, the cost of this procedure is compared to the cost of traditional approaches based on in-field building inspections. The entire research is developed with open data that have do not imply any monetary cost. The data includes Landsat satellite images, high-resolution orthophotos, LiDAR and cadastral data. Reference databases generated in previous studies by other authors (and provided to this study) are used for the verification of the results obtained in all the phases of the analyses. In the scenario of Lorca, the work is carried out in one area of the historic center and a sprawl of the city. A total of five building typologies are identified: two of masonry and three of reinforced concrete. The classification of more than 800 buildings is achieved with global accuracies of 82% and 90% for the historic center and the sprawl, respectively. After assigning to each building the vulnerability model that best reproduces its seismic performance, it is calculated the damage scenario corresponding to a Mw 5.2 earthquake with epicenter located 4 km to the North of the city. The comparison of these result with those obtained with the reference vulnerability database gives a MAPE of 4%. In Port Prince, the work is done over more than 6000 buildings in sampling areas of the entire city, located in residential, urban, rural and informal settlements. Four building typologies are identified: two of masonry and timber and another two of reinforced concrete. The predictive models for classification of typologies reach global accuracies of 74%-88%, depending on the zone. Each typology is assigned a vulnerability model and it is computed a damage scenario after simulating a Mw = 7.0 earthquake located 20 km East of the city. The comparison of the damage obtained with the best exposure model and those obtained using the reference vulnerability data gives also a MAPE of 4%. These low error values seem to demonstrate that the uncertainties involved in the previous processes of footprint generation, attribute determination and typologies classification have a minimum impact on the estimation of earthquake damage. They are highly satisfactory results, which allow giving an affirmative answer to the research hypothesis on the technical viability of using exposure and vulnerability databases created by means of EO techniques in seismic risk studies. Finally, the cost of an in-field survey to collect exposure and vulnerability data is compared to the cost of creating the same database using remote sensing techniques. The latter has been derived from this study, while the former has been provided by twelve international experts based on their own experience. From the comparison, it is deduced that the analysis of remotely sensed data provides a product that is comparable to the one obtained in the field, but for a 10%-30% of its monetary cost and consuming about one third of the total time, which avails the economic feasibility of these studies. As a final contribution of this research, it is proposed a five-stage procedure to generate highquality, building-scale exposure and vulnerability databases that combines remote sensing and directed in-field surveys that allows for optimization of resources and cost.