Una función de daño convierte la intensidad de una amenaza en pérdida para un tipo de elemento expuesto. Es el puente entre el mapa de amenaza y la cifra de impacto.
1. Qué es¶
CCDR-tools distingue dos componentes de la vulnerabilidad. Los modelos de impacto relacionan la intensidad de la amenaza con el daño que sufre una categoría expuesta; cuando describen daño físico se llaman funciones de fragilidad. Pueden ser cuantitativos (absolutos, en dinero, o relativos, como proporción del valor total) o cualitativos (clases nominales). Las condiciones socioeconómicas describen la susceptibilidad diferencial y se tratan en Vulnerabilidad social y capacidades GFDRR and World Bank, 2025.
El Atlas añade que cada elemento expuesto tiene su propia función por amenaza, y que estas funciones no solo dan una representación cuantitativa y continua de la pérdida, sino también una representación probabilista Unidad Nacional para la Gestión del Riesgo de Desastres, 2019.
2. Forma de la función¶
Dos reglas del Atlas fijan el esquema general Unidad Nacional para la Gestión del Riesgo de Desastres, 2019:
Variable de entrada. Es la intensidad que mejor se correlaciona con el daño: aceleración o deriva para sismo, profundidad o velocidad del agua para inundación, velocidad del viento para ciclones, espesor de ceniza para erupciones, altura de la ola para tsunami y marea de tormenta.
Variable de salida aleatoria. El daño para una intensidad dada no es un valor único. Se describe con el valor esperado y la varianza de la relación de daño medio (pérdida relativa al valor del elemento). Con intensidad cercana a cero no hay daño, y la variabilidad tiende a ser mayor hacia la mitad de la pérdida, aunque no siempre Unidad Nacional para la Gestión del Riesgo de Desastres, 2019.
En fórmula, para un elemento con valor y una intensidad del evento:
donde es la relación de daño medio. La pérdida del evento se suma sobre todos los elementos; la PAE se obtiene luego como se explica en Evaluación probabilista y pérdida anual esperada.
3. Funciones por amenaza¶
| Amenaza | Intensidad de entrada | Observación | Capítulo |
|---|---|---|---|
| Sismo | Aceleración espectral o deriva, según el método | Depende del tipo estructural y de los efectos de sitio Unidad Nacional para la Gestión del Riesgo de Desastres, 2019 | Sismos |
| Inundación | Profundidad (y velocidad) del agua | Curvas por tipo de edificio y uso del suelo CLIMAAX Consortium, 2025 | Inundaciones |
| Viento | Ráfaga de 3 segundos | CLIMAAX usa curvas por clase de activo CLIMAAX Consortium, 2025 | Ciclones tropicales |
| Ceniza volcánica | Espesor de ceniza | Función propia Unidad Nacional para la Gestión del Riesgo de Desastres, 2019 | Volcanes y lahares |
| Tsunami y marea de tormenta | Altura de la ola o del agua | Función propia Unidad Nacional para la Gestión del Riesgo de Desastres, 2019 | Tsunami |
| Movimientos en masa | Clase de amenaza, o factor de seguridad | Con frecuencia binaria o por clase | Movimientos en masa |
| Erosión (costera, fluvial) | Posición de la franja | Daño binario: el elemento está o no en la franja que se pierde | Erosión costera y aumento del nivel del mar |
| Calor | Temperatura de superficie, índices de estrés térmico | Clasificación de impacto, no curva continua CLIMAAX Consortium, 2025 | Olas de calor |
Las filas de movimientos en masa y erosión resumen el criterio de método de los capítulos respectivos, donde se explica por qué no hay una curva estándar.
4. Fuentes de funciones¶
CLIMAAX lista funciones globales de daño y mortalidad CLIMAAX Consortium, 2025:
| Función | Amenaza | Categoría | Tipo | Escala |
|---|---|---|---|---|
| Daño por inundación de Huizinga et al. (2017) | Inundación | Área construida | Función de daño | Regional |
| Mortalidad por inundación de Jonkman y Vrijling (2008) | Inundación | Población | Función de mortalidad | Global |
| Clasificación de índices de estrés térmico de Zare et al. (2019) | Calor | Población | Clasificación de impacto | Global |
Para edificaciones, CLIMAAX remite a los materiales de la base PAGER y a un estudio que reunió más de 1250 curvas de vulnerabilidad de infraestructura crítica para inundación, sismo, viento y deslizamientos (Nirandjan et al., 2024) CLIMAAX Consortium, 2025. En CLIMADA, las funciones se agrupan en un conjunto de funciones de impacto (ImpactFuncSet), y cada punto de exposición apunta a la que le corresponde CLIMADA Project, ETH Zürich, 2025.
En CCDR-tools, el análisis de inundación ofrece dos enfoques: por clases de amenaza con umbrales, o por función, caso en que se escoge la mejor función de impacto para el país y la categoría de exposición GFDRR and World Bank, 2025.
Fuentes colombianas¶
El Atlas documenta funciones por tipo estructural para las amenazas de su evaluación Unidad Nacional para la Gestión del Riesgo de Desastres, 2019. La hoja de vigilancia incluye estudios de vulnerabilidad física en Colombia, entre ellos los determinantes de la vulnerabilidad física de estructuras expuestas a inundación Hernández-Atencia et al., 2026 y, para sismo, los sesgos de los métodos de derivación de vulnerabilidad al evaluar el riesgo de varias ciudades con distinto nivel de amenaza Hoyos & Hernandez, 2022. Se citan por título; deben leerse para su método.
5. Calibrar y adaptar¶
CCDR-tools resume una regla práctica: los modelos locales sirven mejor para escalas locales, como la ciudad, y los globales para escalas nacional o subnacional. En países en desarrollo, un modelo global suele ser la única fuente, y debe aplicarse con cautela y reconociendo sus límites GFDRR and World Bank, 2025. CLIMAAX coincide: las curvas de daño se basan a menudo en datos locales agregados a escala global CLIMAAX Consortium, 2025.
Para una ciudad colombiana, el orden de preferencia es:
Función derivada de daños observados en la propia ciudad o en una ciudad comparable.
Función nacional por tipo estructural, como las del Atlas.
Función global, con una advertencia explícita y un análisis de sensibilidad.
Este orden es criterio de método.
Incertidumbres¶
La función tiene incertidumbre propia (varianza), además de la de la amenaza. La incertidumbre epistémica de las curvas y de los modelos de amenaza puede alterar de forma apreciable la pérdida sísmica estimada Marulanda et al., 2021.
Las curvas globales de inundación se calibran con datos que pueden no representar la construcción local CLIMAAX Consortium, 2025.
Los daños por varios peligros en secuencia (sismo seguido de lluvia, por ejemplo) no se capturan con funciones independientes por amenaza.
Pendiente¶
Leer completos Hernández-Atencia et al., 2026 y Hoyos & Hernandez, 2022.
Documentar el catálogo de tipos estructurales de la NSR-10 y su correspondencia con las funciones del Atlas.
Añadir la forma de la
ImpactFuncde CLIMADA (intensidad, relación media de daño, fracción de activos afectados) después de revisar su tutorial.Reunir funciones de daño para sequía agrícola e incendios, que no se trataron aquí.
- GFDRR and World Bank. (2025). Risk Data Library: Country Climate and Disaster Risk Screening Tools (CCDR-tools). https://gfdrr.github.io/CCDR-tools/home.html
- Unidad Nacional para la Gestión del Riesgo de Desastres. (2019). Atlas de Riesgo de Colombia: revelando los desastres latentes. UNGRD.
- CLIMAAX Consortium. (2025). CLIMAAX CRA Handbook. https://handbook.climaax.eu/
- CLIMADA Project, ETH Zürich. (2025). CLIMADA: Climate Risk and Adaptation Platform. Documentación de climada-python. https://climada-python.readthedocs.io/
- Hernández-Atencia, Y., Cutupey-Márquez, J., Rojas, I., Lizcano, D., Muñoz-Ramos, J., & Peña, L. E. (2026). Identifying physical vulnerability drivers increasing in exposed structures to floods. Progress in Disaster Science, 29, 100512. 10.1016/j.pdisas.2025.100512
- Hoyos, M. C., & Hernandez, A. F. (2022). Seismic Risk Assessment of Multiple Cities: Biases in the Vulnerability Derivation Methods for Urban Areas With Different Hazard Levels. Frontiers in Earth Science, 10. 10.3389/feart.2022.910118
- Marulanda, M. C., de la Llera, J. C., Bernal, G. A., & Cardona, O. D. (2021). Epistemic uncertainty in probabilistic estimates of seismic risk resulting from multiple hazard models. Natural Hazards, 108(3), 3203–3227. 10.1007/s11069-021-04820-8