3.8 Síntesis multiamenaza
Dónde se superponen las amenazas, qué riesgos son de toda la ciudad y qué hacer primero
Esta página reúne los seis flujos. Distingue dos tipos de riesgo, como recomienda el manual CLIMAAX para la evaluación de riesgos clave CLIMAAX consortium, 2026:
riesgos localizados, que cambian de una manzana a otra (inundación, erosión, calor, incendio en la interfaz, encharcamiento) y se pueden mapear en la malla de 200 m; y
riesgos de toda la ciudad, que afectan a todos a la vez a través de sistemas (aislamiento por estiaje, desabastecimiento de agua, humo, vendavales).
El dengue (3.7) es también un riesgo de toda la ciudad: no se mapea en la malla, pero se agrega a la cadena de impactos de la sección 3: el agua que se almacena durante los racionamientos multiplica los criaderos del mosquito, y el calor acerca la temperatura de Leticia al óptimo de transmisión.
import matplotlib.pyplot as plt
import numpy as np
import pandas as pd
from IPython.display import Markdown, display
from leticia import indicadores, riesgo, viz
m = indicadores.indicadores_celda()
con = m[m.n_edif > 0].copy()1. Índices de amenaza localizada (0–1, relativos dentro de Leticia)¶
A = pd.DataFrame(index=con.index)
A["inundación fluvial"] = 0.5 * riesgo.normalizar(con["prof_rp100_m"].fillna(0)) + 0.5 * riesgo.normalizar(con["hand_m"], invertir=True)
A["erosión de orillas"] = riesgo.normalizar(con["dist_orilla_m"], invertir=True)
A["calor"] = riesgo.normalizar(con["lst_c"])
A["incendio (interfaz)"] = riesgo.normalizar(con["dist_foco_m"], invertir=True)
A["encharcamiento"] = riesgo.normalizar(con["prof_depresion_m"].fillna(0))
altos = (A >= 0.8)
con["n_amenazas_altas"] = altos.sum(axis=1)
con["indice_multiamenaza"] = A.mean(axis=1)
fig, ax = plt.subplots(1, 2, figsize=(12, 6.5))
viz.mapa_celdas(con, "indice_multiamenaza", ax=ax[0], cmap="YlOrRd", etiqueta="índice multiamenaza (0–1)", titulo="Índice multiamenaza (media de 5 índices)")
cats = ["0", "1", "2", "3+"]
con["n_cat"] = pd.cut(con["n_amenazas_altas"], [-1, 0, 1, 2, 10], labels=cats).astype(str)
viz.mapa_celdas(con, "n_cat", ax=ax[1], categorias=cats, colores=["#f7f7f7", "#fdd49e", "#fc8d59", "#b30000"],
etiqueta="amenazas en el quintil más alto", titulo="Superposición de amenazas")
fig.tight_layout()
display(con.groupby("n_cat")[["n_edif", "poblacion"]].sum().round(0).rename(index=lambda x: f"{x} amenazas altas"))
Lectura. Las celdas con dos o más amenazas en su quintil más alto están sobre todo en la franja ribereña y las zonas bajas del occidente y sur de la cabecera, donde coinciden inundación, erosión y encharcamiento. El calor domina el centro denso, y el incendio la periferia norte sobre la vía a Tarapacá: son geografías distintas que piden medidas distintas.
corr = A.corr(method="spearman").round(2)
display(Markdown("**Correlación entre índices de amenaza** (valores negativos indican que las amenazas ocurren en lugares distintos):"))
display(corr)2. Matriz de riesgos clave¶
from leticia import exposicion, fuentes, hidro
from leticia.config import parametros
ph = parametros()["hidrologia"]
edif = exposicion.edificaciones_urbanas()
pob = con["poblacion"].sum()
nivel = hidro.limpiar_nivel(fuentes.nivel_rio())
dias4 = hidro.dias_bajo_umbral(nivel, ph["umbral_estiaje_critico_cm"])
cckp = fuentes.cckp_tabla(["tasmax", "hi35", "spei12", "rx1day"], escenarios=["ssp245"], periodos=["2040-2059"], percentiles=["median"]).set_index("variable")["valor"]
expo = lambda col, umbral: (con.loc[A[col] >= umbral, "poblacion"].sum())
clave = pd.DataFrame([
["Inundación fluvial", "localizado", f"{expo('inundación fluvial', 0.8):,.0f} personas en el quintil más alto", "crecientes extremas más frecuentes desde 2000",
"+0,5 a +1 m de creciente → +22 % a +56 % personas expuestas (3.1.d)", "alta"],
["Sequía y estiaje", "toda la ciudad", f"{pob:,.0f} personas dependen del río y de Yahuarcaca", f"2024: {int(dias4.get(2024, 0))} días bajo 4 m (récord)",
f"SPEI-12 {cckp['spei12']:+.2f} a 2050 (SSP2-4.5)", "alta"],
["Erosión y dinámica fluvial", "localizado y sistémico", f"{expo('erosión de orillas', 0.8):,.0f} personas cerca de la orilla", "flujo desplazado al brazo peruano",
"acceso al río comprometido sin intervención", "alta"],
["Calor extremo", "localizado", f"{expo('calor', 0.8):,.0f} personas en las celdas más calientes", "+0,2 °C/década en Tmax",
f"Tmax {cckp['tasmax']:+.1f} °C y {cckp['hi35']:+.0f} días con índice de calor > 35 °C (SSP2-4.5, 2050)", "alta"],
["Incendios y humo", "periferia y toda la ciudad (humo)", f"{expo('incendio (interfaz)', 0.8):,.0f} personas cerca de focos", "pico de focos en 2024",
"más días secos y cálidos", "media"],
["Lluvias intensas y vendavales", "localizado y toda la ciudad", f"{expo('encharcamiento', 0.8):,.0f} personas en depresiones", "vendavales casi anuales desde 2021",
f"Rx1day {cckp['rx1day']:+.1f} mm (SSP2-4.5, 2050)", "media"],
], columns=["riesgo", "alcance", "exposición actual", "señal observada", "señal futura", "urgencia"]).set_index("riesgo")
clave["exposición actual"] = clave["exposición actual"].str.replace(",", ".")
clave["señal futura"] = clave["señal futura"].str.replace(",", ".", regex=False)
display(clave)3. Cascadas: cómo se encadenan los riesgos¶
La sequía de 2023–2024 mostró que los riesgos de Leticia no ocurren aislados: una misma anomalía climática desencadena aislamiento, desabastecimiento, fuego, humo y calor, y se suma a la sedimentación del cauce. La gestión debe planear para esas combinaciones, no amenaza por amenaza Costa et al., 2024.
4. Prioridades de gestión¶
Esta tabla reúne las prioridades transversales. Las medidas de cada amenaza, clasificadas en prevención, mitigación del riesgo, protección financiera, preparación y adaptación, están en la página e de cada flujo; los conceptos se explican en 1.1.
Medidas priorizadas por proceso de la Ley 1523 de 2012
Proceso | Medida | Riesgos que atiende |
|---|---|---|
Conocimiento | Modelo hidráulico local del Amazonas frente a Leticia (batimetría, topografía LiDAR de la franja ribereña) y estudios básicos de amenaza para el PBOT (Decreto 1077 de 2015) | Inundación, erosión, estiaje |
Conocimiento | Umbrales de alerta en la regla de Leticia acordados con IDEAM, Capitanía de Puerto y Alcaldía; monitoreo anual del cauce con Landsat/Sentinel-2 | Inundación, estiaje, dinámica fluvial |
Reducción | Fuentes alternas de agua (pozos, captación de lluvia, almacenamiento) y protección de la cuenca de Yahuarcaca | Sequía, desabastecimiento |
Reducción | Arborización urbana, techos frescos y conservación del bosque periurbano | Calor, incendio, encharcamiento |
Reducción | Control de construcciones nuevas en la franja de orilla activa y en zonas bajas; drenaje pluvial con factor de seguridad climático | Erosión, inundación, encharcamiento |
Manejo | Reservas estratégicas de alimentos y combustible antes de la vaciante; protocolo de alerta temprana con pronósticos de GloFAS e IDEAM | Estiaje, aislamiento |
Manejo | Prohibición y control de quemas en temporada seca; alertas de calidad del aire y de calor para la población sensible | Incendios, humo, calor |
Gobernanza | Actualizar el PMGRD de Leticia (2013) con escenarios de cambio climático e integrarlo con el PIGCCT de Amazonas y la cooperación binacional con Perú y Brasil (OTCA) | Todos |
- CLIMAAX consortium. (2026). CLIMAAX Climate Risk Assessment Handbook. Zenodo. 10.5281/zenodo.18186357
- Costa, F. R. C., Marengo, J. A., Albernaz, A. L. M., Cunha, A. P., Cuvi, N., Espinoza, J. C., Ferreira, J., Fleischmann, A. S., Jimenez-Muñoz, J. C., Páez, M. B., Querido, L. C. A., & Schöngart, J. (2024). Droughts in the Amazon [Policy Brief]. Science Panel for the Amazon. 10.55161/LVYB6857