HTML

ePub

PDF

INTRODUCCIÓN

Los movimientos gravitacionales en masa (roca, escombros o de la tierra) pendiente abajo ocurren cuando la masa más externa de la ladera sufre deslizamientos y cortes, usualmente en una superficie de falla principal, en los cuales el agua normalmente es un agente importante (Hinojosa-Corona, Rodríguez-Moreno, Munguía-Orozco, & Meillón-Menchaca, 2011; Mergili, Marchant-Santiago, & Moreiras, 2015). De acuerdo con Rivera-García, Cruz-Romero y Morales-Hernández (2020) la inestabilidad de laderas es considerada como uno de los fenómenos geológicos más destructivos que impactan a la humanidad, siendo este tipo de fenómeno el segundo en su categoría que mayor cantidad de pérdidas humanas y materiales provoca alrededor del mundo.

En particular, las afectaciones por este tipo de fenómenos impactan con mayor severidad en poblaciones de países en desarrollo y con vulnerabilidad socioeconómica, al ser quienes habitan las áreas montañosas. Los factores desencadenantes de los deslizamientos de laderas presentan orígenes naturales (Rivera-García et al., 2020) como características geológicas, tectónicas y climatológicas; pero también estos factores pueden ser de orígenes antrópicos, como el cambio de uso de suelo (Hinojosa-Corona et al., 2011; Quesada-Román et al., 2018).

Los Sistemas de Información Geográfica (SIG) se han convertido en una herramienta importante para la evaluación de riesgos de deslizamientos y, por consiguiente, para la prevención de los mismos. Los SIG son una tecnología informática diseñada para capturar, almacenar, manipular, analizar y mostrar diversos conjuntos de datos espaciales o georreferenciados (Huabin, Gangjun, Weiya, & Gonghui, 2005), de la cual se pueden tomar herramientas como la separación de la información en múltiples capas o la manipulación de los datos de los deslizamientos en conjunción con el medio ambiente, lo que resulta sumamente útil para la ubicación de zonas con riesgo a procesos de remoción en masa (Guzzetti et al., 2012). Los Modelos Digitales de Elevación (DEM, por sus siglas en inglés) son el conjunto de datos digitales que describen los valores de elevación de la superficie terrestre (o cualquier otra superficie) y contienen información adicional sobre las características de esta superficie, y cuyo algoritmo de interpolación representa la mejor opción para la aproximación (modelado) de la topografía real (Szypuła, 2017).

Existen estudios alrededor del mundo que han abordado desde diferentes aspectos el análisis y la identificación de áreas de potencial riesgo a los deslizamientos de laderas. Shahabi y Hashim (2015) basaron su estudio en la generación de modelos estadísticos mediante SIG y datos de teledetección y estudios de campo, para la generación de mapas de susceptibilidad del distrito de Cameron Highlands, en Malasia.

Por otra parte, Ali, Biermanns, Haider y Reicherter (2019) optaron por la recopilación de datos geológicos, geomorfológicos y factores detonantes (litología, sismicidad, intensidad de lluvias, entre otros) y mediante el método del proceso de jerarquía analítica y el método de superposición ponderada, determinar los índices de susceptibilidad a movimientos de tierra y obtener el mapa de susceptibilidad a deslizamientos de la autopista Karakoram en Pakistán. Meena y Nachappa (2019) utilizan distintos DEM con resoluciones espaciales diferentes (ALOS PALSAR: 12.5 m, ASTER: 30 m y SRTM: 90 m) para el mapeo de susceptibilidades en la región del valle de Kullu en el Himalaya, India.

En México Aceves-Quesada, Legorreta-Paulín, Lugo-Hubp, Umaña-Romero y Legorreta-Cuevas (2016) analizaron la ocurrencia de deslizamientos a partir de un inventario de deslizamientos creado a partir de fotos aéreas multitemporales y trabajo de campo, usando un modelo cartográfico-hidrológico (Stability Index MAPping) y un modelo de Regresión Logística Múltiple (RLM) en el flanco suroeste del volcán Pico de Orizaba, Puebla-Veracruz, México. En terrenos volcánicos los deslizamientos superficiales y flujos de escombros son frecuentes a lo largo de las laderas y los sistemas fluviales de los volcanes.

Paz-Tenorio, González-Herrera, Gómez-Ramírez y Velasco-Herrera (2017) se basaron en el método heurístico en combinación con análisis multicriterio, teniendo como resultado un mapa de amenazas por procesos de remoción en masa con cinco niveles de amenaza en la zona urbana de la ladera sur en Tuxtla Gutiérrez, Chiapas. Por otro lado, Gaidzick et al. (2017) comparan mapas de susceptibilidad a deslizamientos en Guerrero, México, utilizando datos de alta resolución LIDAR (Laser Imaging Detection and Ranging) de un inventario manual de eventos de deslizamientos y un algoritmo automatizado de inventario de deslizamientos, obteniendo resultados sobre laderas en menor tiempo.

Por otra parte, Ramos-Bernal et al. (2015) generaron cartografía de deslizamientos a partir de un algoritmo de decisión aplicando técnicas a priori de detección de cambios en imágenes de satélites de la zona costera de Guerrero y un inventario de deslizamientos a partir de fotografías aéreas disponibles en Google Earth. Asimismo, Rivera-García et al. (2020) establecieron la zonificación del deslizamiento de laderas en la región de Bahía de Banderas, México, utilizando la metodología del Bureau of Indian Standards. Hinojosa-Corona et al. (2011) analizaron el evento de deslizamiento de 2007 causado por precipitación anómala y actividad sísmica en el río Grijalva, Chiapas, mediante DEM e imágenes satelitales.

Cabe mencionar que se estima que los mapas de susceptibilidad a deslizamientos de ladera solamente cubren 1% de los mismos en el planeta (Guzzetti et al., 2012); es decir, 99% aún se encuentran sin ser ubicados en un mapa, lo que puede representar un peligro potencial para las poblaciones alrededor del mundo. En México, donde se tiene susceptibilidad natural en dos terceras partes de su territorio, la información referente a deslizamientos, ya sea zonificación de susceptibilidades o sobre amenazas, riesgo y vulnerabilidad se considera escasa y heterogénea (Rivera-García et al., 2020).

En Tabasco la información relativa se reduce a la mostrada en el Atlas Nacional de Riesgos y al registro geoespacial de laderas del Centro Nacional de Prevención de Desastres (CENAPRED). No obstante, esta es una problemática poco atendida en el estado de Tabasco, pues predominan los estudios sobre aspectos climáticos y la problemática de las inundaciones (i.e. Arreguín-Cortés, Rubio-Gutiérrez, Domínguez-Mora, & De Luna-Cruz, 2014; Valdés-Manzanilla, 2016; Andrade-Velázquez & Medrano-Pérez, 2020).

El objetivo principal de este manuscrito fue elaborar un mapa de susceptibilidad a movimientos de ladera en Tabasco, México, mediante SIG. Por tanto, se busca identificar las áreas con mayor susceptibilidad a movimientos de ladera. Sobre esta base se concluye que el estudio realizado puede favorecer no únicamente la investigación en estos temas, sino también la reflexión y la toma de decisión de actores a nivel local en torno a la prevención de riesgos en Tabasco.

MATERIALES Y MÉTODOS

Área de estudio

El estado de Tabasco se localiza al sureste de México, sobre la llanura costera del Golfo de México entre las coordenadas 17° 58' 20" N y 92° 35' 20" O. Tiene una superficie de 25,493.81 km2, la cual acoge una población cercana a los 2.4 millones de habitantes, según datos del año 2015 del Instituto Nacional de Estadística y Geografía (INEGI). Su territorio representa 1.3% de la superficie continental del país y administrativamente se encuentra configurado por 17 municipios. Limita al norte con el Golfo de México, al noreste con el estado de Campeche, al sur y oeste con los estados de Chiapas y Veracruz y al sureste con Guatemala (Ortiz-Pérez, Siebe, & Cram, 2005) (figura 1).

Tabasco se caracteriza por tener un territorio con escasas elevaciones, algunas cercanas a los 1,000 m s. n. m. que forman parte de la Meseta Central de Chiapas. Comprende tres ambientes morfogenéticos: la Planicie Costera del Golfo Sur, la Península de Yucatán y la Sierra de Chiapas y Guatemala. A su vez, estos se subdividen en 12 paisajes geomorfológicos, de los cuales resaltan las terrazas costeras, las planicies palustres, fluvial activa y fluviodeltaica inactiva (Zavala-Cruz, Jiménez Ramírez, Palma-López, Bautista Zúñiga, & Gavi Reyes, 2016). Respecto a las características geolitológicas, corresponden al periodo del Cuaternario con rocas ígneas extrusivas y arenas de aluvión. En cuanto a la edafología, se tienen vertisoles, gleysoles y fluvisoles (Ruiz-Álvarez, Arteaga-Ramírez, Vázquez-Peña, Ontiveros-Capurata, & López-López, 2012).

El clima es de tipo cálido con influencia marítima, registra una temperatura media anual de 22 °C (Arreguín-Cortés et al., 2014) y una precipitación promedio anual de 2,500 mm (Ruiz-Álvarez et al., 2012). En cuanto a su hidrología, previo a su descarga en el Golfo de México, Tabasco es receptor de dos de los más importantes ríos de México y la región: Grijalva y Usumacinta. En particular, el sistema Grijalva-Usumacinta es responsable de 30 a 40% de los escurrimientos superficiales de agua en México (García García & Kauffer Michel, 2011; March-Mifsut & Castro, 2010). Igualmente, este estado acoge una gran riqueza natural y enclaves naturales protegidos como la Reserva de Biósfera de Pantanos de Centla.

No obstante, históricamente se ha caracterizado por una alta exposición a eventos de inundación (Arreguín-Cortés et al., 2014; Valdés-Manzanilla, 2016) e intensivos procesos y transformaciones socioambientales del territorio (Tudela, 1990). Finalmente, las actividades socioeconómicas que coexisten en este estado son la agricultura, la ganadería y la explotación petrolera, principalmente.

Preparación de datos y áreas susceptibles a movimientos de ladera

La metodología utilizada en este artículo es una adaptación de la propuesta por Anbalagan, Chakraborty y Kohli (2008), utilizada actualmente como método normativo para gestiones territoriales y emplazamiento urbano por el Bureau of Indian Standards (Rivera-García et al., 2020). Adicionalmente, la practicidad de esta metodología y la disponibilidad de información para la zona estudiada permiten usar la metodología propuesta por Anbalagan et al. (2008) con fiabilidad y eficiencia. La metodología utilizada en esta investigación comprende los siguientes aspectos metodológicos:

a) En primer lugar, se recopiló la siguiente información espacial: 1) Modelo Digital de Elevación: se utilizó un DEM de la Misión Topográfica Shuttle Radar (SRTM, por sus siglas en inglés) de la Administración Nacional de la Aeronáutica y del Espacio (NASA, por sus siglas en inglés) con resolución 90 x 90m obtenido a través de CGIAR Consortium for Spatial Information (CGIAR-CSI) (Jarvis, Reuter, Nelson, & Guevara, 2018); 2) Usos de suelo y vegetación (Serie VI), obtenida del INEGI y 3) Litología, obtenida del Servicio Geológico Mexicano (SGM).

b) En segundo lugar, a partir del DEM se generaron los mapas de elevación y pendientes (figura 2 inciso a y figura 2 inciso b), para este último fue necesario realizar una reclasificación con la herramienta Reclassify de ArcGis 10.5. Posteriormente, se llevó a cabo la selección de otros factores detonantes para el área de estudio en función de las condiciones topológicas y la disponibilidad de los datos para el estado de Tabasco. Los factores detonantes elegidos fueron uso de suelo y vegetación y litología, los cuales fueron procesados, clasificados y rasterizados utilizando ArcGIS 10.5 (figura 3 inciso a y figura 3 inciso b).

c) Finalmente, se procedió a la suma de los ráster de pendientes reclasificados, de uso de suelo y vegetación, así como litología, clasificando el peso de cada factor según Anbalagan et al. (2008) en la tabla 1, con los datos disponibles y utilizando la calculadora ráster de ArcGIS 10.5. Es un sistema numérico basado en los principales causales inherentes de la inestabilidad de taludes, como litología, uso de suelo y cobertura vegetal; cuyas clasificaciones máximas para varias categorías se determinan en función de su importancia estimada para causar inestabilidad. Con base en la asignación de pesos a los factores de pendiente reclasificada, uso de suelo y vegetación y litología, se obtuvo el mapa de susceptibilidad mediante la ecuación 1.

RESULTADOS

Se obtuvo el mapa de susceptibilidad a deslizamientos de ladera con cinco clases: muy baja, baja, moderada, alta y muy alta (figura 4 inciso a). A nivel estatal, se tiene un área total de susceptibilidad con categorías de moderada, alta y muy alta de 1,006.64 km2, lo cual equivale a 3.95% de la superficie total del territorio tabasqueño. Esta área total de susceptibilidad del estado con categorías de moderada, alta y muy alta se encuentra concentrada en 95.6% en cinco municipios (962.13 km2), los cuales poseen cierta influencia del relieve del estado de Chiapas. En detalle, Tenosique (56.7%), Tacotalpa (19.84%), Huimanguillo (10.66%), Macuspana (6.53%) y Teapa (6.27%) representan los municipios donde se observan categorías de susceptibilidades moderada, alta y muy alta en mayor porcentaje del área total de susceptibilidad a movimientos de ladera en Tabasco (figura 4 inciso b, figura 4 inciso c y figura 4 inciso d). Adicionalmente, aunque con categoría moderada, 4.4% restante del área total de susceptibilidades del estado (44.51 km2) se concentra en los municipios de Balancán, Emiliano Zapata y Jonuta.

No obstante, según los resultados de la tabla 2, a nivel estatal la superficie total de área de susceptibilidad con categoría alta y muy alta alcanza 438.75 km². Esta área se concentra en los municipios de Tacotalpa, Tenosique y Teapa en 92.3% para una superficie de 404.81 km², siendo estos municipios los que poseen un mayor grado de exposición a este tipo de fenómeno. En particular Tacotalpa y Tenosique tienen los mayores porcentajes; 39.5% y 39.3%, respectivamente. El porcentaje restante de 7.7% del total de área de susceptibilidad con categoría alta y muy alta agrupa tan solo a dos municipios, Huimanguillo y Macuspana con un área total para estas categorías de 33.9 km².

DISCUSIÓN

Los resultados obtenidos indican que las áreas con mayor susceptibilidad a deslizamientos de ladera corresponden a los municipios ubicados en la Sierra de Tabasco donde se concentran las mayores elevaciones y las pendientes más pronunciadas del estado, siendo considerados estos factores por Ramos-Bernal et al. (2015) como detonantes claves para la ocurrencia de deslizamientos. De acuerdo con la información geoespacial de la ubicación de laderas reportada por el CENAPRED (2018), los municipios de Tabasco con mayor nivel de susceptibilidad a deslizamientos de laderas son coincidentes a los mostrados en este estudio. A pesar de la poca información sobre deslizamientos a nivel estatal, la literatura hace referencia a algunos eventos. De acuerdo con CENAPRED (2014) el 3 de junio de 2000 en el cerro El Tortuguero, Macuspana, Tabasco, se registró un deslizamiento de rocas calizas con afectaciones en 7 ha y con origen antropogénico (CENAPRED, 2014).

En cuatro de los cincos municipios antes mencionados con categorías de susceptibilidad moderada, alta y muy alta se tiene una población total en potencial riesgo de 11,370 habitantes, distribuida en 40 localidades rurales en los municipios de Huimanguillo, Tacotalpa, Teapa y Tenosique; como se muestra en la tabla 3 y en la figura 5. En particular, el municipio con mayor proporción de población en potencial riesgo es Tacotalpa y, a su vez, el municipio con mayor área en categoría de susceptibilidad alta de todo el estado de Tabasco.

Las localidades rurales con riesgo potencial de sufrir deslizamientos de ladera por municipio son: a) Huimanguillo, en zonas de susceptibilidad moderada Gustavo Díaz Ordaz 1° Sección, Carlos A. Madrazo, La Soledad 2° Sección y Río Pedregal 2° Sección, con un total de 404 habitantes, lo que equivale a 0.21% de la población total del municipio; b) Tacotalpa, zonas de susceptibilidad moderada: Francisco I. Madero 2° Sección, Cerro Blanco 3° y 5° Sección, Nueva Esperanza, La Esperanza, Noypac, Nuevo Madero y La Cuesta, con un total de 2,470 habitantes, equivalente a 5.16% de la población total del municipio; en zonas de alta susceptibilidad: Buena Vista 1° Sección, Cerro Blanco 4° Sección, Cuitláhuac, Francisco I. Madero 1° Sección, Pomoquita, Tomás Garrido Canabal, La Pila, Villa Luz, El Shotal, San Manuel y Nueva Reforma, con un total de 3,015 habitantes, lo que equivale a 6.29% de la población total del municipio; c) Teapa, zonas de moderada susceptibilidad: Eureka y Belén, Vicente Guerrero (Las Nieves), Nicolás Bravo 1° Sección, Mariano Abasolo (Abasolito), Calcinado y Coconá, con 3,154 habitantes en total, equivalente a 5.37% de la población total del municipio; en zona de alta susceptibilidad se encuentra Vicente Guerrero (Guanal) con 705 habitantes, lo que equivale a 1.20% de la población total del municipio y d) Tenosique, zonas de moderada susceptibilidad: El Xotal 2° Sección, Nuevo Progreso, La Última Lucha, San Juan, Santa Cruz, San Pedro, Cortijo Nuevo 2° Sección y Reyes Morales, con 1,141 habitantes en total, lo que equivale a 1.83% de la población total del municipio; zonas de alta susceptibilidad: Francisco I. Madero Ríos y Nueva Jerusalén, con un total de 249 habitantes, equivalente a 0.40% de la población total del municipio.

De acuerdo con los resultados obtenidos estas poblaciones poseen un cierto grado de vulnerabilidad (propiedades, actividades económicas, servicios públicos, población humana, etc.) al estar en riesgo una determinada área ante la ocurrencia de este tipo de eventos. Además de la vulnerabilidad histórica a las inundaciones que ha caracterizado a Tabasco (Andrade-Velázquez & Medrano-Pérez, 2020; Valdés-Manzanilla, 2016), se tiene que los eventos de deslizamientos de laderas representan un factor de riesgo en las áreas identificadas.

Es sabido que la variabilidad espacial de la humedad del suelo está influenciada por factores relacionados con la topografía, la vegetación y las propiedades del suelo (Wicki, Lehmann, Hauck, Seneviratne, Waldner, & Stähli, 2020). Asimismo, en relación con otros factores detonantes como el uso de suelo y vegetación se tiene que en las áreas donde se presenta mayor susceptibilidad en la zona estudiada predomina la vegetación secundaria arbórea de selva alta perennifolia, distribuida en lugares con abundantes precipitaciones (CONABIO, 2019; Maldonado-Sánchez & Maldonado-Mares, 2010). En particular, se considera que factores como la precipitación representa una variable desencadenante de los movimientos pendiente abajo debido a la saturación del suelo, ya que la presencia de un bosque puede tener un gran impacto en el proceso de infiltración, en la saturación de las pendientes y en aumento de los niveles de agua subterránea dentro de la masa (Dahal, Hasegawa, Nonomura, Yamanaka, & Dhakal, 2008; Highland & Bobrowsky, 2008; Wicki et al., 2020).

A raíz de los resultados obtenidos, de acuerdo con lo reportado por Anbalagan et al. (2008) en otra investigación, las zonas clasificadas con susceptibilidad moderada se consideran como relativamente seguras para expansión urbana pero con áreas inestables, por lo que debe considerarse su monitoreo. En cambio, para las zonas clasificadas con susceptibilidad alta y muy alta es recomendable evitar el desarrollo urbano y las modificaciones del área, ya que la probabilidad de fenómenos asociados a deslizamientos de ladera es mayor. Por ello es clave disponer de medidas de mitigación del riesgo, es posible la implementación de proyectos de nivelación adecuada e ingeniería de pendientes, el monitoreo instrumental para detectar movimiento y la velocidad de movimiento del material, uso de medidores de inclinación, construcción de muros de contención al pie de las pendientes, pernos de roca y anclajes mecánicos. En áreas peligrosas se recomienda colocar señales de advertencia (Highland & Bobrowsky, 2008).

CONCLUSIONES

Los resultados obtenidos muestran que 3.95% de la superficie total de Tabasco registra algún tipo de susceptibilidad entre las categorías moderada, alta y muy alta. Los niveles de susceptibilidad con categoría moderada, alta y muy alta se presentan a lo largo de cinco municipios de la sierra tabasqueña que poseen cierta influencia del relieve del sistema montañoso de Chiapas. En particular, en los municipios de Tenosique, Tacotalpa, Huimanguillo, Macuspana y Teapa se concentra 95.6% del área categorizada con susceptibilidad de entre moderada, alta y muy alta del estado. A su vez, los municipios de Huimanguillo, Tacotalpa, Teapa y Tenosique concentran una población total en potencial riesgo de 11,370 habitantes distribuida en 40 localidades rurales, y en definitiva son las áreas estatales que requieren mayor atención para la prevención de este tipo de desastres. En dichas áreas los factores que detonan la inestabilidad de las laderas están relacionados con las pendientes, la vegetación, el uso de suelo, la litología y las precipitaciones.

Los resultados permitieron verificar la hipótesis. La clasificación propuesta por Anbalagan et al. (2008) ha mostrado ser factible para identificar las áreas susceptibles a deslizamientos de laderas. Por tanto, se recomienda que para el establecimiento de medidas de mitigación de riesgo a nivel local se analicen áreas más reducidas que el nivel estatal como municipios, poblados o carreteras y así obtener una mayor precisión, mejores resultados y una contribución directa al conocimiento de la población y actores locales.

Agradecimientos

Los autores desean agradecer al Centro del Cambio Global y la Sustentabilidad, A. C. (CCGS) por las facilidades durante la realización de esta investigación, así como a los revisores anónimos por los comentarios y recomendaciones. ORMP desea agradecer al programa Cátedras-CONACYT y al proyecto Cátedras-CCGS No. 963 "Hacia un manejo sustentable del agua en el sureste de México y áreas adyacentes de Centroamérica".

REFERENCIAS

Aceves-Quesada, J. F., Legorreta-Paulín, G., Lugo-Hubp, J., Umaña-Romero, J., & Legorreta-Cuevas, H. A. (2016). Sistemas de información geográfica y cartografía geomorfológica aplicados al inventario de deslizamientos y cartografía de susceptibilidad en la cuenca del rio El Estado, Pico de Orizaba, México. Investigaciones Geográficas, 91, 43-55. doi: 10.14350/rig.46503

Airbus DS. (s. f.). [Portal electrónico]. Recuperado de https://www.airbus.com/space.html

Ali, S., Biermanns, P., Haider, R., & Reicherter, K. (2019). Landslide susceptibility mapping by using a geographic information system (GIS) along the China-Pakistan Economic Corridor (Karakoram Highway), Pakistan. Natural Hazards and Earth System Sciences, 19, 999-1022. doi: 10.5194/nhess-19-999-2019

Anbalagan, R., Chakraborty, D., & Kohli, A. (2008). Cartografía de la zona de peligro de los lados del mar (LHZ) en mesoescala para la planificación urbana sistemática en terreno montañoso. Investigación Científica e Industrial, 486-497.

Andrade-Velázquez, M., & Medrano-Pérez, O. R. (2020). Precipitation patterns in Usumacinta and Grijalva basins (southern Mexico) under a changing climate. Revista Bio Ciencias, 7, e905. doi: 10.15741/revbio.07.e905

Arreguín-Cortés, F. I., Rubio-Gutiérrez, H., Domínguez-Mora, R., & De Luna-Cruz, F. (2014). Análisis de las inundaciones en la planicie tabasqueña en el periodo 1995-2010. Tecnología y Ciencias del Agua, 5(3), 5-32. Recuperado de http://www.scielo.org.mx/scielo.php?script=sci_arttext&pid=S2007-24222014000300001

Centro Nacional de Prevención de Desastres. (2014). Inestabilidad de laderas. Serie Fascículos. Recuperado el 2 de julio de 2020, de http://www.cenapred.gob.mx/es/Publicaciones/archivos/7-FASCICULOINESTABILIDADDELADERAS.PDF

__________ (2018). Mapa Nacional de Susceptibilidad por Inestabilidad de Laderas [Mapa]. Recuperado el 28 de abril de 2020, de http://www.atlasnacionalderiesgos.gob.mx/archivo/inestabilidad-laderas.html

CGIAR (s. f.). [Portal electrónico]. Recuperado de https://www.cgiar.org/

Comisión Nacional para el Conocimiento y Uso de la Biodiversidad. (2019). Selvas húmedas [Portal con información multimedia]. Recuperado el 20 de mayo de 2020, de https://www.biodiversidad.gob.mx/ecosistemas/selvaHumeda.html

Dahal, R. K., Hasegawa, S., Nonomura, A., Yamanaka, M., & Dhakal, S. (2008). DEM-based deterministic landslide hazard analysis in the Lesser Himalaya of Nepal. Georisk: Assessment and Management of Risk for Engineered Systems and Geohazards, 2(3), 161-178. doi: 10.1080/17499510802285379

ESRI (s. f.). [Portal electrónico]. Recuperado de https://www.esri.com/es-es/home

__________(2019). ArcGIS and ArcMap (ArcMap 10.5). Software Esri. Recuperado de www.esri.com

__________(2020). ArcGIS Pro. Software Esri. Recuperado de https://www.esri.com/es-es/arcgis/products/arcgis-pro/overview

ESRI China (Hong Kong) (s. f.). [Portal electrónico]. Recuperado de https://www.esrichina.hk/en-hk/home

ESRI Japan (s. f.). [Portal electrónico]. Recuperado de https://www.esrij.com/

FAO (s. f.). [Portal electrónico]. Recuperado de http://www.fao.org/home/en/

FEMA (s. f.). [Portal electrónico]. Recuperado de https://www.fema.gov/es

Gaidzik, K., Ramírez-Herrera, M. T., Bunn, M., Leshchinsky, B. A., Olsen, M., & Regmi, N. R. (2017). Landslide manual and automated inventories, and susceptibility mapping using LIDAR in the forested mountains of Guerrero, Mexico. Geomatics,Natural Hazards and Risk, 8(2), 1054-1079. doi: 10.1080/19475705.2017.1292560

García García, A., & Kauffer Michel, E. F. (2011). Las cuencas compartidas entre México, Guatemala y Belice: Un acercamiento a su delimitación y problemática general. Frontera Norte, 23(45), 131-161. Recuperado de http://www.redalyc.org/articulo.oa?id=13618448005>

Garmin (s. f.). [Portal electrónico]. Recuperado de https://www.garmin.com/en-US/

GEBCO (s. f.). [Base de datos]. Recuperada de https://www.gebco.net/

GeoBase (s. f.). [Base de datos]. Recuperada de http://www.geobase.com/__media__/js/trademark.php?d=www.geobase.com&type=ns

Geodatasyrelsen (s. f.). [Portal electrónico]. Recuperado de https://gst.dk/

Geoland (s. f.). [Portal electrónico]. Recuperado de https://www.geoland.es/presentaci%C3%B3n.html

GISuser Community (s. f.). [Portal electrónico]. Recuperado de https://gisuser.com/

GSA (s. f.). [Portal electrónico]. Recuperado de https://www.gsa.gov/

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. doi: https://doi.org/10.1016/j.earscirev.2012.02.001

HERE (s. f.). [Portal electrónico]. Recuperado de https://www.here.com/

Highland, L. M., & Bobrowsky, P. (2008). The landslide handbook-A guide to understanding landslides. Circular 1325 (129 pp.). Reston, Virginia, US: US Geological Survey.

Hinojosa-Corona, A., Rodríguez-Moreno, V. M., Munguía-Orozco, L., & Meillón-Menchaca, O. (2011). El deslizamiento de ladera de noviembre 2007 y generación de una presa natural en el río Grijalva, Chiapas, México. Boletín de la Sociedad Geológica Mexicana, 63(1), 15-38. Recuperado de http://www.scielo.org.mx/scielo.php?script=sci_arttext&pid=S1405-33222011000100003

Huabin, W., Gangjun, L., Weiya, X., & Gonghui, W. (2005). GIS-based landslide hazard assessment: an overview. Progress in Physical Geography: Earth and Environment, 29(4), 548-567. doi: 10.1191/0309133305pp462ra

IGN (s. f.). [Dato colocado por el programa computacional ArcGis como colaborador en la elaboración del mapa base].

Increment P Corp. (s. f.). [Portal electrónico]. Recuperado de https://geot.jp/english/business/

Instituto Nacional de Estadística y Geografía. (s. f.). Biblioteca digital de mapas del INEGI. Recuperado de https://www.inegi.org.mx/app/mapas/default.html

__________ (2021). Censo General de Población y Vivienda 2020. México: Autor. Recuperado de https://www.inegi.org.mx/programas/ccpv/2020/

Intermap (s. f.). [Portal electrónico]. Recuperado de https://www.intermap.com/

Jarvis, A., Reuter, H. I., Nelson, A., & Guevara, E. (2018). Hole-Filled SRTM for the Globe Version 4. CGIAR-CSI SRTM 90 m Database 2008 [Portal de datos geológicos]. Recuperado el 1 de julio de 2020, de http://srtm.csi.cgiar.org

Kadaster NL (s. f.). [Portal electrónico]. Recuperado de https://www.kadaster.nl/

Maldonado-Sánchez, E. A., & Maldonado-Mares, F. (2010). Estructura y diversidad arbórea de una selva alta perennifolia en Tacotalpa, Tabasco, México. Universidad y Ciencia Trópico Húmedo, 26(3), 235-245. Recuperado de http://www.scielo.org.mx/scielo.php?script=sci_arttext&pid=S0186-29792010000300003

March-Mifsut, I., & Castro, M. (2010). La Cuenca del Río Usumacinta: Perfil y perspectivas para su conservación y desarrollo sustentable. En H. Cotler Ávalos (Ed.), Las cuencas hidrográficas de México. Diagnóstico y priorización (pp. 193-197). México, D. F.: SEMARNAT-INE-IAP. Recuperado el 5 de junio de 2020, de https://agua.org.mx/biblioteca/las-cuencas-hidrograficas-de-mexico-diagnostico-y-priorizacion/

Meena, S. R., & Nachappa, T. G. (2019). Impact of spatial resolution of digital elevation model on landslide susceptibility mapping: A case study in Kullu Valley, Himalayas. Geosciences, 9(8), 360. doi: 10.3390/geosciences9080360

Mergili, M., Marchant-Santiago, C. I., & Moreiras, S. M. (2015). Causas, características e impacto de los procesos de remoción en masa, en áreas contrastantes de la región Andina. Cuadernos de Geografía:Revista Colombiana de Geografía, 24(2), 113-131. Recuperado de https://dialnet.unirioja.es/servlet/articulo?codigo=5159334

METI (s. f.). [Portal electrónico]. Recuperado de http://meti.org/

NASA (s. f.). [Portal electrónico]. Recuperado de https://www.nasa.gov/

NCEAS (s. f.). [Portal electrónico]. Recuperado de https://www.nceas.ucsb.edu/

NGA (s. f.). [Portal electrónico]. Recuperado de https://www.nga.mil/Pages/Default.aspx

NLS (s. f.). [Portal electrónico]. Recuperado de https://www.oracle.com/index.html

NMA (s. f.). [Portal electrónico]. Recuperado de https://geohive.ie/nma.html

NOAA (s. f.). [Portal electrónico]. Recuperado de https://www.noaa.gov/

NPS (s. f.). [Dato colocado por el programa computacional ArcGis como colaborador en la elaboración del mapa base].

NRCAN (s. f.). [Portal electrónico]. Recuperado de https://www.nrcan.gc.ca/home

N Robinson (s. f.). [Dato colocado por el programa computacional ArcGis como colaborador en la elaboración del mapa base].

Open StreetMap Contributors (s. f.). [Portal electrónico]. Recuperado de https://www.openstreetmap.org/

Ordnance Survey (s. f.). [Portal electrónico]. Recuperado de https://www.ordnancesurvey.co.uk/

Ortiz-Pérez, M. A., Siebe, C., & Cram, S. (2005). Diferenciación ecogeográfica de Tabasco. México D.F.: UNAM-CONABIO.

OS Geo (s. f.). [Portal electrónico]. Recuperado de https://www.osgeo.org/

Paz-Tenorio , J. A., González-Herrera, R., Gómez-Ramírez , M., & Velasco-Herrera, J. A. (2017). Metodología para elaborar mapas de susceptibilidad a procesos de remoción en masa, análisis del caso ladera sur de Tuxtla Gutiérrez, Chiapas. Investigaciones Geográficas, 92, 128-143. doi: 10.14350/rig.52822

Quesada-Román, A., Moncada-López, R., Paz-Tenorio, J. A., Espinoza-Jaime, E., Gutiérrez-Gutiérrez, C., Castellón-Meyrat, A., & Acosta-Galeano, N. (2018). Las investigaciones sobre movimientos de laderas en Costa Rica, Honduras, México y Nicaragua: Enseñanzas desde la academia, las agencias de cooperación y las instituciones públicas. Revista Geográfica de América Central, 1(60), 17-60. doi: 10.15359/rgac.60-1.1

Ramos-Bernal, R. N., Vázquez-Jiménez, R., Romero-Calcerrada, R., Novillo Camacho, C. J., Arrogante-Funes, P., & Sánchez-Tizapa, S. (2015). Identificación de deslizamientos de laderas aplicando técnicas de detección de cambios a imágenes Landsat en la zona costera del estado de Guerrero, México. Análisis espacial y representación geográfica: Innovación y aplicación, 827-834. Recuperado de https://dialnet.unirioja.es/servlet/articulo?codigo=7386203

Rijkswaterstaat (s. f.). [Portal electrónico]. Recuperado de https://www.rijkswaterstaat.nl/

Rivera-García, J. E., Cruz-Romero, B., & Morales-Hernández, J. C. (2020). Zoning the susceptibility to landslides associated with natural phenomena in the Bahia de Banderas región. Revista Bio Ciencias, 7, e892. doi: 10.15741/revbio.07.e892

Ruiz-Álvarez, O., Arteaga-Ramírez, R., Vázquez-Peña, M., Ontiveros-Capurata, R. E., & López-López, R. (2012). Balance hídrico y clasificación climática del estado de Tabasco, México. Universidad y Ciencia, 28(1), 1-14. Recuperado de http://www.scielo.org.mx/scielo.php?script=sci_arttext&pid=S0186-29792012000100001&lng=es

Servicio Geológico Mexicano. (s. f.). [Portal electrónico]. Recuperado de https://www.gob.mx/sgm

Shahabi, H., & Hashim, M. (2015). Landslide susceptibility mapping using GIS-based statistical models and Remote sensing data in tropical environment. Scientific Reports, 5, 1-15. doi: 10.1038/srep09899

Szypula, B. (2017). Digital elevation models in Geomorphology. In D. P. Shukla (Ed.), Hydro-Geomorphology-Models and Trends (pp. 81-112). London: IntechOpen Limited. doi: 10.5772/intechopen.68447

Tudela, F. (1990). Recursos naturales y sociedad en el trópico húmedo tabasqueño. En E. Leff (Coord.), Medio ambiente y desarrollo en México: Vol. 1 (pp. 149-227). México: Porrúa.

USGS (s. f.). [Portal electrónico]. Recuperado de https://www.usgs.gov/

Valdés-Manzanilla, A. (2016). Historical floods in Tabasco and Chiapas during sixteenth-twentieth centuries. Natural Hazards, 80, 1563-1577. doi: 10.1007/s11069-015-2039-5

Wicki, A., Lehmann, P., Hauck, C., Seneviratne, S. I., Waldner, P., & Stähli, M. (2020). Assessing the potential of soil moisture measurements for regional landslide early warning. Landslides, 17, 1881-1896. doi: 10.1007/s10346-020-01400-y

Zavala-Cruz, jJ., Jiménez Ramírez, R., Palma-López, D. J., Bautista Zúñiga, F & Gavi Reyes, F., (2016) Paisajes geomorfológicos: Base para el levantamiento de suelos en Tabasco. México. Ecosistemas y Recursos Agropecuarios, 3(8), 161 - 171. Recuperado de http://www.scielo.org.mx/scielo.php?script=sci_arttext&pid=$2007-9028201600020161&Ing=es&tlng=es

Notas de autor

ojilve.medrano@ccgs.mx

IR