Sistema de alerta temprana por movimientos en masa.

Estos sistemas proporcionan un rápido medio para monitorear y comunicar

información sobre amenazas a una comunidad vulnerable, por lo que se usan para
proteger vidas, señalando con anterioridad la posibilidad de un evento, lo que
proporciona tiempo para tomar acciones que pueden reducir las condiciones de
riesgo (Larsen, 2008).
Los fenómenos de remoción en masa tienen múltiples causas, lo que exige una
mirada interdisciplinaria desde diferentes campos como la geología, mecánica de
suelos, hidrología y geomorfología (Crosta y Frattini, 2008). La amenaza por
movimientos en masa es función de la susceptibilidad de las vertientes, como factor
condicionante, y de la frecuencia y magnitud del fenómeno, como factor detonante
(Brunsden, 2002).
La determinación de umbrales críticos combinados con pronósticos de lluvias y
seguimiento en tiempo real han sido aplicados en los últimos años alrededor del
mundo como parte integral y fundamental de los sistemas de alerta temprana. Las
ventajas de sistemas de alerta temprana basados en umbrales críticos de lluvia se
soportan en que las lluvias son relativamente simples y cuesta poco medirlas a lo
largo de grandes áreas. Si los datos de lluvia tienen densidad espacial suficiente,
los umbrales pueden permitir una buena resolución espacial.
Los parámetros investigados más comunes son la lluvia total (acumulada), lluvia
antecedente (preevento) y duración e intensidad de lluvia, o la combinación de
estos. Partiendo de dicha información los umbrales son definidos considerando la
intensidad de la lluvia, la relación duración e intensidad, la duración sobre un nivel
de intensidad predefinido, la lluvia acumulada en un cierto periodo, la relación entre
lluvia antecedente y diaria, la relación entre la lluvia del evento y la lluvia anual
promedia, la relación entre lluvia diaria y lluvia de exceso antecedente (Guzzetti,
Peruccacci y Rossi, 2005). En general, un sistema de alerta temprana lo
componen tres elementos básicos:
1) Sensores de lluvia y telemetría.
2) Umbrales críticos de lluvia definidos por modelos físicos o estadísticos.
3) Medios para la comunicación de las alertas a las autoridades y comunidad.
En cuanto a los sensores de lluvia y telemetría, en forma general, existen dos
métodos, estimación de precipitación cuantitativa (QPE) y pronóstico de
precipitación cuantitativa (QPF) (NOAA-USGS, 2005). Basados en estos dos
métodos existen estaciones que miden la lluvia cuantitativamente, como los
pluviógrafos, e instrumentos que pueden pronosticar espacial y temporalmente la
lluvia, como los radares. Los pluviógrafos son considerados el estándar para la
medición de la QPE, pese a que sus datos pueden contener errores asociados a la
manipulación de los equipos y sistema de detección. En forma adicional, como una
gran limitante, proveen información de un solo punto, el cual puede no ser
representativos, por lo que es necesario contar con una densa red de estos
sensores, aumentando los costos de instalación y mantenimiento (NOAA-USGS,
2005).
Por otro lado, los radares tienen la capacidad de observar y monitorizar con una
gran resolución la intensidad y patrón espacial de las lluvias. Los radares transmiten
pulsos de energía de microondas que son reflejados por las gotas de lluvia y
recibidos por las antenas. La señal de reflectividad se relaciona con la intensidad de
la lluvia (NOAA-USGS, 2005). Un importante factor en estos sistemas son los
niveles o mensajes predefinidos. El Servicio Meteorológico de los Estados Unidos
(NWS) considera tres mensajes o niveles:
 El pronóstico, es usado para indicar que un fenómeno atmosférico
amenazante puede desarrollarse debido a las condiciones monitorizadas;
proveyendo información con un tiempo considerable para prepararse.
 La observación, es cuando la probabilidad de un fenómeno amenazante se
ha incrementado significativamente, pero su ocurrencia, localización y tiempo
son aún inciertos.
 La alerta, se genera cuando el evento amenazante está ocurriendo, es
inminente o tiene una muy alta probabilidad de ocurrencia.
Uno de los primeros sistemas de alerta basado en umbrales críticos de lluvia fue
desarrollado por la NOAA y USGS en el área de la bahía de San Francisco en el
periodo 1986 -1995 como parte de un programa exploratorio. Este sistema se basó
en pronósticos cuantitativos de lluvia (QPF) y umbrales críticos de precipitación
empíricos, y se soportó en una red con más de 40 estaciones de lluvia en tiempo
real. Algunos otros sistemas similares han sido desarrollados desde entonces en
Japón, China, Brasil, Nueva Zelanda y Hong Kong (Aleotti, 2004; Guzzetti,
Peruccacci y Rossi, 2005; Cannon, 2005).
En Japón se desarrolló un sistema para la alerta y evacuación basado en el proceso
de infiltración y el flujo superficial. Fueron definidas cantidades de lluvia estándares
determinadas como acumulaciones críticas de lluvia dentro de ciertos periodos de
concentración, combinadas con modelos de estabilidad estáticos. Para mejorar la
precisión de las predicciones combinaron estaciones de lluvia en tierra con
mediciones de radares y telemetría en tiempo real (Guzzetti, Peruccacci y Rossi,
2005).
En Río de Janeiro, la oficina de Ingeniería Geotécnica diseñó en 1996 un sistema
conformado por una red de 30 estaciones de lluvia en tiempo real y radares
meteorológicos. Este sistema genera pronósticos y alertas para movimientos en
masa e inundaciones rápidas durante tormentas intensas (NOAA-USGS, 2005).
En Hong Kong, una de las regiones con mayores afectaciones por la ocurrencia de
movimientos en masa, la Oficina de Ingeniería Geotécnica, desarrolló un sistema
computacional automático denominado Landslip Warning System, el cual funciona
las 24 horas los 7 días de la semana. Este sistema está basado en pronósticos de
lluvias para tiempos cortos y lo componen 86 estaciones de lluvia. Adicionalmente
es alimentado por radares e imágenes de satélite para monitorizar las variaciones y
movimientos de las celdas de lluvia. El LWS está programado para que, cuando se
superen los umbrales definidos, se generen alertas al público (Aleotti, 2004).

modelo conceptual del sistema de alerta temprana por movimientos en masa

para el valle de Aburrá.

Para la implementación de un sistema de alerta temprana para el valle de Aburrá

se acogieron los umbrales definidos que surgieron a partir de 405 eventos
estudiados y 41 estaciones de registro diario de lluvia en el departamento. Proponen
la existencia de cuatro regiones representativas de lluvia antecedente para
movimientos en masa con un radio de búsqueda de estaciones de 6 km,
denominadas regiones A, B, C, y D.
 La región A, caracterizada por niveles bajos de lluvia, se presentan el 25 %
de los eventos, lo cual permite suponer que dichos eventos están asociados
a condiciones diferentes a la lluvia antecedente, como la intervención
antrópica.
 En la región B se localizan escasos movimientos en masa y corresponde a
condiciones de baja humedad en el suelo y fuertes aguaceros aislados, los
cuales posiblemente no alcanzan a desatar movimientos en masa.
 La región C corresponde a una lluvia acumulada antecedente de 15 días
entre 70 mm y 150 mm, donde ocurre el 20 % de los eventos.
 La región D, que corresponde a una lluvia acumulada de 15 días de 150 mm,
donde ocurre el 55 % de los eventos (Moreno et al., 2006).
A estas regiones propuestas les fueron asignados colores que representan estados
de alerta de acuerdo con los niveles definidos por el Instituto de Hidrología,
Meteorología y Estudios Ambientales de Colombia –IDEAM– de la siguiente
manera.
 Figura 1. Umbrales de lluvia empíricos (modificado de Moreno et al., 2006)

Tabla 1. Criterios y definición de estados de alerta

Boletín: Mensaje oficial por el cual se difunde información sobre eventos

observados, reportados o registrados y que puede contener algunos elementos
de pronóstico a manera de orientación.
Aviso: Indica la persistencia de un fenómeno. No implica amenaza inmediata,
pero si vigilancia continua.
Alerta: Advierte sobre la amenaza que puede ocasionar un fenómeno con
efectos adversos para la población, el cual requiere atención inmediata.
 Observaciones y conclusiones.
Los resultados encontrados indican que un considerable porcentaje de
movimientos en masa se presentan en días definidos como en estado de
disposición o naranja, o en estado de preparación o amarillo, lo cual le permite
tomar a la ciudad acciones que reduzcan los niveles de riesgo. No obstante,
existe aún un gran porcentaje de eventos que se presentan bajo condiciones sin
alteración o en estado verde. Un número importante está asociado a la alta
complejidad del proceso físico que implica la ocurrencia de movimientos en
masa y al carácter del modelo estocástico adoptado que involucra un error al
pronóstico.
Parte del error incorporado puede estar asociado a que las estaciones
consideradas para el análisis no representan en su totalidad las estaciones
evaluadas por el modelo, aunque dicha influencia puede ser mínima, ya que se
presentan porcentajes muy similares para todas las estaciones.
Otra fuente de incertidumbre se asocia a que los umbrales fueron definidos con
eventos y lluvias de todo el departamento de Antioquia y no exclusivamente para
el valle de Aburrá. Es una fuerte restricción para extrapolar umbrales de áreas
más amplias, lo cual se refleja en los niveles altos de incertidumbre que presenta
el modelo. Este elemento sugiere que se requiere la definición de umbrales de
lluvia locales, definidos con eventos registrados y estaciones de lluvia dentro del
valle de Aburrá. Dichos umbrales permitirán ajustar y mejorar las probabilidades
del pronóstico.
Además, los resultados obtenidos sugieren que es necesario avanzar hacia la
instalación de estaciones en tiempo real y con una red mucho más densa que
permita, además de un seguimiento continuo y en tiempo real de cada estación,
una mayor resolución espacial que logre captar la gran variabilidad espacial de
la lluvia en el valle de Aburrá.
 Sistema de Alerta Temprana de Medellín (SIATA).

El Siata es un proyecto único a nivel nacional por medio del cual se pretende
suplir la necesidad manifiesta de alertar a la comunidad vulnerable
anticipadamente ante condiciones hidrometeorológicas extremas en el Valle de
Aburra. Es un proyecto del Área Metropolitana del Valle de Aburrá, la Alcaldía
de Medellín, en cabeza del Departamento Administrativo de Gestión del Riesgo,
EPM e ISAGEN.
El SIATA cuenta con un número significativo de equipos de medición que
permiten monitorear variables meteorológicas y sísmicas para la generación de
alertas en tiempo real. Actualmente la región cuenta con 58 pluviógrafos, 10 de
los cuales cuentan con información meteorológica, y 10 estaciones de nivel de
corrientes de agua en instalación. El objetivo principal del proyecto es alertar de
manera oportuna a la comunidad sobre la probabilidad de ocurrencia de un
evento hidrometeorológico extremo que pueda generar una situación de
emergencia.
El diseño de un sistema de alertas tempranas para deslizamientos detonados
por la lluvia y sus análisis de umbrales críticos de lluvia para el pronóstico de la
amenaza por movimientos en masa, se realizó mediante un procedimiento con
datos reales, en el cual se construyó una base de datos de movimientos en masa
ocurridos en la Ciudad de Medellín de 1954 a 2000, y se usó una base de datos
de precipitación reales con registros día a día; posteriormente a cada movimiento
en masa se le asignó una serie de precipitación histórica correspondiente a la
estación de lluvia que comprendiera el área de influencia del lugar donde ocurrió
el evento, finalmente se calculó la lluvia acumula de 5 días y la lluvia antecedente
acumulada de 30, 60 y 90 días, para cada movimiento en masa. La distribución
intra-anual de los movimientos en masa presenta dos periodos lluviosos anuales
en la región, los cuales corresponden a los trimestres de marzo-abril-mayo
(MAM) y septiembre-octubre-noviembre (SON), tienen una influencia directa
sobre el número promedio de movimientos en masa ocurridos cada mes.
Información Vector.
 Curvas de Nivel.
Con esta información a través del ArcGis se procesa y se genera una red irregular
de triángulos (TIN), la cual nos sirve para crear un mapa de pendiente (SLOPE), se
reclasifica (RECLASSIFY) en cinco (5) rangos con un valor relativo de acuerdo al
porcentaje de la pendiente. (Tomado de “La amenaza y la vulnerabilidad en el
análisis de riesgos: la microcuenca de la quebrada la Iguana”).
 Mapa No 1. Mapa SLOPE

 Geología.
Los tipos de suelos que conforman la superficie de terreno de Medellín, se
agruparon en cinco (5) rangos específicos, de los cuales el valor de 1 presenta un
nivel de amenaza bajo, 2 un nivel de amenaza regular, 3 un nivel media, 4 un nivel
alto y 5 un nivel de amenaza muy alto. La importancia de este mapa radica por lo
general los asentamientos urbanísticos se presentan sobre materiales superficiales,
presentándose en estos el mayor número de eventos que afectan el entorno. Luego
de crear los rangos, se procede a convertir el archivo vector a raster (Tomado de
“La amenaza y la vulnerabilidad en el análisis de riesgos: la microcuenca de
la quebrada la Iguana”).

Mapa No 2. Mapa geología en Medellín.

  Cobertura Vegetal.
La información de cobertura Medellín obtenida, se agrupa en (5) rangos específicos,
de los cuales el valor de 1 presenta un nivel de amenaza bajo, 2 un nivel de
amenaza regular, 3 un nivel medio, 4 un nivel alto y 5 un nivel de amenaza muy alto.
La importancia de mapa es permitir zonificar áreas en las cuales se ejercen
determinada actividad, y analizar la susceptibilidad a procesos morfodinamicos que
presenta cada uno de ellos. Luego de clasificarlos en 5 rangos, se procede a
convertir esta información de vector a raster (Tomado de “La amenaza y la
vulnerabilidad en el análisis de riesgos: la microcuenca de la quebrada la
Iguana”).

Mapa No 3. Mapa Cobertura Vegetal Medellín

Base de datos de Precipitación.

El registro de cada estación suministra información sobre el año, mes y día, estas
estaciones presentan registros acumulados. Así como los movimientos en masa
obtenidos del software Desinventar, los cuales fueron posteriormente referenciados
en mapas para determinar área de influencia. Con esta información es posible
obtener para cada evento el barrio en el cual ocurrió, la estación de medición de
precipitación para cada barrio, dentro de cada uno de los polígonos de influencia
(Ver mapa 4), se considera homogénea la distribución de lluvias e igual a la de la
estación en la que se mide, la cual es una considerable fuente de error en la
capacidad de predicción de los umbrales encontrados, lo cual es actual motivo de
investigación.
Para la determinación del área de influencia de cada estación de lluvia se utilizó la
aplicación ArcToolbox de ArcGis, con la cual se crearon polígonos de Thiessen.
Vale la pena destacar que la mayoría de los movimientos en masa utilizados
ocurrieron entre 1989 y 1995, periodo en el cual los pluviómetros instalados, las
mediciones y lecturas (directas o análogas) de los datos de lluvia eran menos
precisos y confiables y, por tanto, los códigos de calidad de los datos sugerían baja
calidad, repetición o ausencia del registro. Los datos obtenidos del software
Desinventar, nos entrega deslizamientos con la fecha y el lugar donde ocurrió el
evento. Con estos datos, el área de influencia de cada estación hidrometeorológica
y la base de datos de precipitación, podemos analizar y saber cuál es la
precipitación de los 31 eventos.
Basándonos en el análisis realizado por Aristizabal, et al., en el documento Análisis
de umbrales empíricos de lluvia para el pronóstico de movimientos en masa en el
Valle de Aburra, donde plantearon que la combinación de lluvia acumula (LA) de 5
días y la lluvia acumulada antecedente (LAA) de 30, 60 y 90 días, dan como
resultado un umbral critico mínimo, a partir del cual ocurre el mayor porcentaje de
movimientos en masa. Con el planteamiento de dicha investigación y los datos
adquiridos procedemos a calcular la LA y la LAA, para los 31 eventos, Con la
integración de esta información, obtenemos el umbral de precipitación a utilizar en
nuestro Sistema de Alertas Tempranas.

Mapa No 4 Barrios donde ocurrió el evento con su estación pluviométrica

Tabla 2. Clasificación de precipitación.

Calculando las variables precipitación, pendiente, cobertura vegetal y geología, con
el método de Saaty logramos obtener la siguiente formula:
0.527*C1+0.31*C2+0.081*C3+0.081*C4
Donde:
C1= Precipitación.
C2= Pendiente.
C3= Usos del Suelo.
C4= Formaciones Superficiales.
La fórmula anterior nos sirve para integrar estas cuatro variables y crear el mapa
resultado para este Sistema de Alertas Tempranas.

Observaciones y conclusiones.
Con este diseño se obtienen áreas en las cuales, según la combinación de variables
como la Geología, Cobertura Vegetal, la Pendiente del terreno y la Precipitación,
arrojan un mapa de alertas donde el valor de cada área va de 1 a 5, donde 1 es el
valor de menor complicación y 5 es el valor máximo.

Mapa No 5. Mapa de alertas tempranas.

En el Mapa se observan áreas donde la LA de 5 y LAA de 30, 60 y 90 exceden el

umbral de precipitación, y nos generan riesgos para la población y el ambiente.
Dado que los sistemas de información geográfica son una herramienta con la cual
se pueden tomar decisiones y con este mapa resultado de nuestra investigación se
puede mejorar la calidad de vida y la disminución del riesgo.
 Sistema multiparamétrico de monitoreo remoto de movimientos por
remoción en masa en Manizales.

Se desarrolló un sistema que permite monitorear remotamente movimientos de

remoción en masa, usando sensores de diferentes características mediante un
esquema multi-parametrico. En este caso se usaron sensores tipo geófono,
termocupla, pluviómetro, higrómetro, e inclinómetro. La información capturada se
digitaliza en campo usando una tarjeta digitalizadora diseñada en el presente
trabajo, con la característica de variabilidad en la rata de muestreo en cada canal
de adquisición. Mediante un sistema informático, la información es procesada,
analizada usando un sistema experto basado en reglas y árboles de decisiones, y
posteriormente almacenada en una base de datos. El sistema permite la
georreferenciación de la información de los sensores y puede ser desplegada al
estilo de un sistema de información geográfica básico. Mediante un esquema de
alertas, usando un sistema experto estilo árbol de decisiones, el sistema envía
información sobre el estado de la actividad del deslizamiento de tierra,
permanentemente. Se realizaron pruebas piloto en un movimiento por remoción en
masa activo, ubicado en el municipio de Manizales (Caldas, Colombia), durante un
mes. Los resultados muestran una respuesta adecuada del sistema ante la actividad
del deslizamiento, evidenciando su uso para monitorear otros deslizamientos de
tierra en regiones pobladas.
Situación actual del monitoreo de MRM.
Las investigaciones realizadas durante décadas sobre esta temática han permitido
conocer en forma muy detallada el comportamiento físicomecánico de los
movimientos por remoción en masa (Derek, 2005, 596; Takahashi, 2010; Nedoma,
2010). Una de las principales causas de generación de movimientos por remoción
en masa (de aquí en adelante, MRM) en zonas tropicales es la lluvia. Existe una
relación directa entre el aumento de las precipitaciones y la ocurrencia de
movimientos por remoción en masa (Larsen, 2008; Miller, Agnes & McBrewster,
2009). Aunque las lluvias son un fenómeno muy asociado con MRM, muchas veces
no son la causa del deslizamiento, sino más bien,el agente detonante.
El monitoreo de MRM ha tenido una evolución importante en los últimos 10 años.
Borgatti, Vittuari and Znutta (2010). Sostienen que varias consideraciones se
deben tener en cuenta al momento de monitorear un MRM. La primera es la
extensión y la velocidad de desplazamiento del MRM; la segunda son las
condiciones del sitio a monitorear (tipo de vegetación, uso del suelo, relieve, etc.).
En cuanto al monitoreo para estudio del comportamiento de MRM, se utilizan
equipos muy costosos, y la instalación y operación de los mismos, igualmente es
costosa. Muchos de ellos se hacen en laboratorio o MRM artificiales según,
Sammori & Okada (2010), lo cual ocasiona que el desarrollo de este tipo de
sistemas sea una necesidad en los países en vía de desarrollo. Entre los equipos
usados para el monitoreo de estudio de MRM se encuentran piezómetros de alta
sensibilidad, enterrados incluso a más de 100 m, extensómetros de alta precisión,
distanciometros, inclinómetros, GPS, entre otros. Para el caso de zonas urbanas,
consideran Canuti et al. (2010), se requiere del uso de sistemas de alerta temprana,
con instrumentación in situ para mitigar el riesgo.
Desarrollo del sistema.
El sistema para monitoreo de MRM, llamado aquí, Sistema de Monitoreo de
Deslizamientos Universidad de Manizales, SMDUM, está compuesto de dos partes
básicas; Componente Hardware,sensores, tarjeta A/D de adquisición
multiparamétrica, sistema de transmisión digital, y Componente Software: módulo
de adquisición y empaquetamiento de información, aplicación módulo de
visualización, almacenamiento y procesamiento, Sistema experto (árbol de
decisiones).

Figura2. A) esquema conceptual del SMDUM, B)Tarjeta A/D de Adquisición multi-paramétrica

diseñada para el proyecto.

Una de las características fundamentales del sistema desarrollado es el concepto

Multi-parámetro, es decir, varios parámetros siendo medidos simultáneamente bajo
un mismo esquema integrado tanto en hardware como en software. El concepto
Multi-parámetro permite el ahorro importante tanto en hardware como en consumo
de energía, ya que toda la información es transmitida por un mismo canal, usando
solamente un solo radio-modem, sin necesidad de aditamentos adicionales o
procedimientos complejos para lograr agrupar toda la información simultáneamente.
Para lograr este objetivo, se requirió de un sistema de Hardware especifico, en lo
que respecta a la recolección de información, lográndose desarrollar una tarjeta A/D
multi-parametrica, la cual se encuentra en acople con un software diseñado.
En el caso de este trabajo, la información es colectada simultáneamente desde los
diferentes sensores por el mismo sistema, sin un paso adicional de agruparlos
usando otro equipamiento diferente. Esta variación del concepto de multi-parámetro
ha permitido desarrollar un sistema robusto, liviano y de bajo costo para ser
instalado rápidamente en cualquier sitio que requiera monitoreo de MRM.
Componente Hardware.
La tarjeta multi-parámetro de adquisición de datos, tiene:
 8 canales o entradas analógicas,
 2 canales o entradas digitales.
 Resolución de 12 bits,
 Rata de muestreo programable para cada canal de manera independiente.
 Amplificador de ganancia programable para cada canal de manera
independiente.
Estas características de la tarjeta, permiten la conexión de hasta ocho sensores
análogos diferentes y dos digitales, los cuales pueden ser de características muy
diferentes en la rata de muestreo; tal es el caso del tipo de sensores que fueron
usados en este proyecto, los cuales van desde ratas de muestreo de 100 muestras/s
hasta 1 muestra/s. Así mismo, la tarjeta permite que cada sensor pueda ser
amplificado de manera independiente, ya que cada uno tiene características
propias.
Los parámetros que se escogieron para medir el estado de actividad de un MRM
activo fueron: pluviosidad, humedad o saturación del suelo, microsismicidad,
temperatura, e inclinación del terreno, basados tanto en experiencia previa de los
autores en éste tipo de mediciones y en recomendaciones y experiencias en otros
sitios del mundo (Reid et al, 2008). La clave para la evaluación mas confiable de
un MRM, es la combinación de una variedad de parámetros que permitan conocer
su comportamiento desde diferentes perspectivas y esa fue otra premisa para
escogencia de los sensores.
Componente software.
El software está dividido en tres partes principales: un módulo de adquisición y
captura de información, un módulo de almacenamiento y despliegue de información,
y un módulo de análisis de la información encargado del procesamiento y evaluación
del estado de actividad de MRM, mediante un sistema experto basado en un árbol
de decisiones.
 Módulo de adquisición y captura de información, permite la captura de la
información que es enviada desde el campo hasta la estación base. Verifica
que los datos transportados no tengan errores de transmisión y que los
paquetes enviados estén correctos.
  Módulo de almacenamiento y despliegue de información, se encarga de
almacenar la información en una base de datos, la cual fue diseñada en el
motor Postgres. Así mismo, despliega o visualiza la información adquirida.

 Módulo de sistema de formación geográfica, tiene la función básica de

desplegar la información de los sensores en un SIG básico, el cual permite
observar en tiempo real el estado de cada sensor en un mapa, imagen aérea,
satelital o de cualquier otro tipo.

 El Módulo de análisis de la información consiste en un Sistema Experto que

permite la evaluación del estado de actividad del MRM y se encarga de
realizar el análisis de la información colectada y establecer el nivel de
actividad del MRM. Para ello realiza una serie de análisis y evaluaciones, las
cuales han sido previamente parametrizadas, unas por el sistema y otras por
el usuario.

Observaciones y conclusiones.

El sistema SMDUM, es un sistema robusto, con versatilidad suficiente para

monitorear un MRM activo, usando la combinación de diferentes sensores, los
cuales pueden combinarse de acuerdo a las necesidades del usuario, el diseño de
la tarjeta A/D específica para este fin le da un amplio espectro de utilización en el
monitoreo de MRM.Por otra parte, el sistema podría ampliarse para implementar
una red de monitoreo de diferentes MRM en distintos lugares, con la integración de
varias tarjetas multi-paramétricas. Adicionalmente, se podrían utilizar otro tipo de
sensores, como cámaras de video con detección de luz infrarroja, extensómetros,
entre otros.
El sistema SMDUM está desarrollado en plataforma libre, lo que facilita su
modificación sin depender de licencias comerciales, la tarjeta A/D puede
programarse totalmente, según la necesidad del usuario. La facilidad de instalación
de los equipos en campo, son otra ventaja que tiene el sistema, ya que, en unas
cuantas horas, es posible instalar todo el equipo, aspecto que es muy crucial cuando
un MRM está muy activo y requiere de monitoreo inmediato.
La prueba realizada en un MRM activo en la ciudad de Manizales, demuestra que
el sistema SMDUM es capaz de detectar y evaluar el nivel de actividad de un MRM
activo, tomando como información las variables pluviosidad, microsismicidad,
temperatura, humedad o saturación del suelo, e inclinación.