LND · Aprendizaje automático
Deslizamientos
XGBoost · CV con bloques espaciales · AUC hold-out 0.97 · v1.1 · 2026-04
Karakórum — la nítida estructura de crestas y valles resalta a 90 m
Susceptibilidad por aprendizaje automático entrenada con más de 80,000 deslizamientos documentados en todo el mundo: terreno, geología, suelo y precipitación.
Qué incluye
Surfaces — probabilidad calibrada de 0 a 1 por píxel.
Cada versión: puntuación de 0 a 1 · banda de 5 clases · incertidumbre por píxel · máscara de cobertura de entradas · elemento STAC · documento de metodología.
Entradas
Pendiente/orientación del DEM, TWI, cobertura del suelo, precipitación, inventario NASA-GLC (80K eventos)
Validación
AUC hold-out con bloques espaciales 0.97 — los bloques de validación cruzada evitan la fuga de información entre píxeles cercanos.
Historial de versiones
Qué cambió entre versiones: las mismas notas que se publican con los datos. De más reciente a más antigua.
v1.1
2026-04
actual
- Compact uint16 encoding. The surfaces were re-encoded from float32 to compact integer COGs with a documented scale (physical = raw × scale, nodata 65535) — smaller and self-describing, with no loss of precision at the delivered resolution. Method and values are unchanged from v1.0.
v1.0
2026-04
- Initial release. Machine-learning landslide susceptibility (gradient-boosted trees, XGBoost) trained on 80,000+ documented landslides worldwide (NASA Global Landslide inventory) with spatially-blocked cross-validation (hold-out AUC 0.97). Inputs include DEM slope/aspect, topographic wetness, land cover, and rainfall. Ships a five-class susceptibility map plus per-pixel uncertainty and coverage.
Otros peligros
AvalanchasIncendios forestalesTerremotosVendavalesCalor extremoFrío extremoHeladasRayosErosión del sueloHuracanesSequíaErupciones volcánicasTsunamiMarea meteorológica