Evaluación de riesgos multiamenaza

Los capítulos de la parte 3 analizan cada amenaza por separado. Este capítulo explica qué cambia cuando varias amenazas coinciden, se activan unas a otras o comparten vulnerabilidad. Se apoya en un método cuantitativo aplicado a los Alpes italianos Chen et al., 2016 y en tres revisiones y análisis recientes sobre indicadores White et al., 2025, desigualdad Tiggeloven et al., 2026 y métodos basados en datos Ferrario et al., 2026.

1. Por qué no basta una amenaza a la vez¶

Una evaluación de una sola amenaza puede ser incompleta porque no considera las interacciones ni los impactos de varias amenazas sobre un mismo lugar White et al., 2025. Además, las exposiciones y las vulnerabilidades pueden coincidir y cambiar en el tiempo White et al., 2025. Las revisiones señalan tres razones por las que la suma de análisis aislados subestima el riesgo Ferrario et al., 2026:

1. Las amenazas que coinciden en el lugar y el tiempo pueden causar impactos mayores que la suma de los eventos por separado.

2. Una amenaza puede modificar la vulnerabilidad del sistema, como ocurre con amenazas consecutivas.

3. Los impactos se propagan entre escalas y sectores, más allá del área que el evento golpeó primero.

Estos puntos son la lectura que hacen Ferrario et al. de trabajos que citan; no son una cuantificación propia. La política internacional pide este cambio desde los años noventa: la Agenda 21, la Cumbre de Johannesburgo, el Marco de Hyogo y el Marco de Sendái piden enfoques multiamenaza para la reducción del riesgo White et al., 2025.

2. Terminología¶

La terminología es un problema reconocido: distintos grupos usan términos diferentes y eso dificulta el desarrollo y el uso de indicadores White et al., 2025. Este libro usa la clasificación de Zschau (2017), que adoptan Ferrario et al. Ferrario et al., 2026:

Fuentes de la tabla: Ferrario et al., 2026White et al., 2025Tiggeloven et al., 2026. La definición de UNDRR (2017) que cita White et al. incluye dos ideas: seleccionar las varias amenazas importantes de un país y considerar los contextos en que pueden ocurrir de forma simultánea, en cascada o acumulativa White et al., 2025.

Tipos de interacción¶

Las definiciones vienen de White et al., que las toma de Ciurean et al. (2018) y Zscheischler et al. (2020) White et al., 2025. El capítulo siguiente (Amenazas en cascada y riesgos compuestos) desarrolla las cascadas y los eventos compuestos. Los ejemplos de la última columna son del libro, salvo el de incendios y deslizamientos, que Ferrario et al. toman de un estudio del Himalaya Ferrario et al., 2026.

3. Capas superpuestas o interacciones¶

White et al. revisaron 192 publicaciones. De los 174 artículos sobre amenazas, 49 % analizaba varias amenazas por separado y las presentaba superpuestas, y 51 % consideraba interacciones White et al., 2025. Entre las interacciones, las compuestas dominan (30 % de las 502 amenazas identificadas), mientras que el disparo y la amplificación suman 12 % White et al., 2025.

Este libro parte de la primera opción y deja de forma explícita lo que no cubre: las capas superpuestas son el punto de partida de la síntesis, y las cascadas se revisan de forma cualitativa. Es una decisión de método de este libro.

4. Un procedimiento cuantitativo con datos escasos¶

Chen et al. proponen un procedimiento para valles de montaña con flujos de detritos, crecidas súbitas y crecidas de río, a escala media (1:25.000 a 1:50.000). Su punto de partida es que faltan datos de eventos pasados y las interacciones son complejas, por lo que hace falta un enfoque sistemático que combine métodos cuantitativos con supuestos y decisiones basados en expertos Chen et al., 2016.

Pasos¶

1. Inventarios. Se recopilan los eventos históricos (inventario de flujos de detritos y de inundaciones, con imágenes y verificación en campo).

2. Escenarios de amenaza. Cada escenario es una lluvia con cierta frecuencia que dispara cierto número de eventos. Los periodos de retorno de la lluvia se estiman con la distribución de valores extremos generalizada (GEV) sobre las lluvias diarias máximas anuales Chen et al., 2016. Con una clasificación por expertos apoyada en las estadísticas, el estudio fijó cuatro escenarios: mayor (100 a 500 años), moderado (25 a 100), menor (10 a 25) y frecuente (1 a 10) Chen et al., 2016.

3. Intensidad y probabilidad espacial. Cada amenaza se modela por separado con su modelo (susceptibilidad estadística y trayectoria empírica para flujos de detritos; modelo hidrológico para crecidas súbitas; modelo hidráulico para crecidas de río). Como las zonas modeladas son mayores que las realmente afectadas, se calcula una probabilidad espacial: el área del inventario histórico del escenario dividida entre el área modelada Chen et al., 2016.

4. Elementos en riesgo. Edificaciones con valor de reposición por tipo de uso y personas dentro de ellas, distribuidas con un mapeo dasimétrico y con dos escenarios de ocupación, temporada turística y no turística Chen et al., 2016.

5. Vulnerabilidad física. Curvas de intensidad contra grado de pérdida (0 a 1) para edificaciones y personas, obtenidas de tres maneras: curvas de la literatura, curvas hechas por expertos y correlación entre daño e intensidad del evento de 2003 Chen et al., 2016.

6. Pérdida y curva de riesgo. Se aplica la ecuación de abajo, se grafica la pérdida contra la probabilidad anual del escenario (el inverso del periodo de retorno) y se integra el área bajo la curva para obtener la pérdida anual promedio Chen et al., 2016.

donde $P_s$ es la probabilidad espacial de que el elemento sea afectado en el escenario $k$, $E$ la cantidad de elementos expuestos (valor o personas) y $V$ su vulnerabilidad dada la intensidad Chen et al., 2016. Es la misma estructura del libro (amenaza × exposición × vulnerabilidad, Marco conceptual del riesgo), con la probabilidad espacial como corrección por la incertidumbre de la zona afectada.

Reglas de combinación que el estudio aplica¶

• Pérdida máxima y no suma por elemento. Si un edificio puede ser afectado por más de una amenaza del mismo evento detonante, se toma la mayor pérdida y no la suma Chen et al., 2016. En el estudio se aplicó a flujos de detritos y crecidas súbitas, que comparten detonante y ubicación.

• Número de escenarios. Al menos tres escenarios, mejor seis o más con periodos de retorno distintos, para representar la curva Chen et al., 2016.

• Curvas por amenaza. El estudio presenta curvas y pérdidas anuales separadas para la crecida de río y para los flujos de detritos con crecidas súbitas (estos dos procesos se combinan con la regla del máximo) Chen et al., 2016.

Esta última regla ajusta lo que dice la síntesis: la PAE de amenazas distintas se puede sumar si se evita contar dos veces el daño a un mismo elemento por un mismo evento.

Incertidumbre con mínimo, medio y máximo¶

Cada factor ($P_s$, $E$, $V$, y los periodos de retorno) se expresa con valores mínimo, promedio y máximo, calculados o fijados por expertos cuando falta información. El resultado son tres curvas de riesgo por amenaza Chen et al., 2016. Los autores eligieron este enfoque en lugar de curvas de fragilidad con probabilidad de superar un estado de daño porque es más fácil de entender y de construir con juicio experto Chen et al., 2016. En una reunión con alcaldes, planificadores y protección civil de la zona, los asistentes indicaron que los resultados eran muy útiles para planificar la reducción del riesgo Chen et al., 2016.

Qué mostraron los resultados¶

En el valle del río Fella, la pérdida anual promedio por flujos de detritos y crecidas súbitas varía entre 0,19 y 1,37 millones de euros (mínimo y máximo), y la de crecida de río entre 0,055 y 0,108 millones. Con los valores máximos, el riesgo económico de los primeros fue más de diez veces mayor Chen et al., 2016. La amplitud del rango ilustra la incertidumbre del método. El estudio atribuye las mayores incertidumbres a la definición de los escenarios y sus periodos de retorno, a la modelación de la intensidad y a las curvas de vulnerabilidad Chen et al., 2016.

Validación y límites¶

Los autores reconocen que validar un análisis de riesgo es difícil; solo se puede comparar con eventos pasados parecidos. Con el evento de 2003, las pérdidas modeladas en edificaciones privadas (22,2 millones de euros para flujos y crecidas súbitas, 6,73 para el río) quedaron por debajo del daño reportado por la protección civil (59,1 millones), que incluía bienes comerciales e industriales no modelados Chen et al., 2016. Las muertes modeladas superaron las dos reportadas, entre otras razones porque no se consideraron las alertas ni las evacuaciones Chen et al., 2016. Además, los procesos se modelaron por separado, sin un modelo que analice sus interacciones a la vez Chen et al., 2016.

Aplicación: el flujo de evaluación multiamenaza de Leticia¶

El análisis de riesgos de Leticia (Amazonas) adapta el procedimiento anterior a una ciudad amazónica. La figura resume su flujo en seis etapas: datos de entrada, amenaza por detonante, elementos en riesgo, vulnerabilidad, impacto por escenario y síntesis multiamenaza.

Cómo se lee la Figura 1:

Lo que añade el diseño de Leticia respecto del caso alpino:

• Detonantes en lugar de amenazas. Dentro de cada detonante, el impacto de un elemento es el máximo de las amenazas que lo dañan, no la suma. Entre detonantes independientes sí se suman las pérdidas anuales esperadas (EAI). Es la regla que este libro adopta en la síntesis.

• Servicios además de daños. Incluye la interrupción de servicios (días sin servicio) y la exposición sistémica de líneas vitales, un paso hacia el análisis de cascadas (Amenazas en cascada y riesgos compuestos).

• Tres métricas de salida: pérdida económica, personas afectadas y servicios interrumpidos.

La figura es un diseño de método y no presenta resultados. Los valores y los nombres de las fuentes (huellas de Microsoft, población de Kontur, series del IDEAM) son los de Leticia; para otra ciudad se reemplazan por los del territorio.

5. Indicadores multiamenaza¶

Un indicador es una característica observable y medible que simplifica la información para entender el estado de un fenómeno o seguirlo en el tiempo; un índice es una medida compuesta que combina varios indicadores en un valor White et al., 2025. Lo que encontró la revisión de White et al. White et al., 2025:

• Pocos estudios desarrollan indicadores de multiamenaza o multirriesgo de forma explícita. La mayoría son capas de amenazas individuales.

• El 88 % de las publicaciones se concentra en indicadores de amenaza, con predominio de las hidrometeorológicas, y solo el 20 % integra amenaza, vulnerabilidad y riesgo o impacto.

• En amenazas compuestas, los indicadores compuestos son los más usados (47 %), seguidos de los de probabilidad (19 %), frecuencia (15 %) e intensidad (4 %).

• No está claro hasta dónde se involucró a los actores en la creación de los indicadores.

Sus ocho recomendaciones, resumidas White et al., 2025:

6. Vulnerabilidad social y desigualdad en la exposición¶

Tiggeloven et al. cruzan la coincidencia de amenazas con la población y con indicadores de vulnerabilidad socioeconómica. Su definición de multiamenaza es amplia: amenazas naturales que se solapan en espacio y tiempo, incluyendo disparo, eventos compuestos y desastres consecutivos Tiggeloven et al., 2026.

Método. Superponen pares de amenazas del conjunto MYRIAD-HES (once tipos, 2004–2017) con la población de GHS-POP y con cinco indicadores: índice de desarrollo humano subnacional, índice de desarrollo de género, estabilidad política, acceso a atención de salud y grado de urbanización. Estratifican la población según la frecuencia de multiamenaza a la que ha estado expuesta (≥1, ≥5, ≥10 y ≥20 eventos) Tiggeloven et al., 2026. Los indicadores se escogieron según un marco de 11 dimensiones de vulnerabilidad derivado del análisis de más de 400 trabajos; los datos permitieron cubrir 8 de las 11 Tiggeloven et al., 2026.

Resultados globales Tiggeloven et al., 2026:

• El 84 % de la población mundial estuvo expuesta al menos a un evento de multiamenaza en 2004–2017, el 34 % a más de cinco y el 8 % a más de veinte.

• Las poblaciones con menor desarrollo socioeconómico tienen mayor probabilidad de sufrir multiamenazas frecuentes.

• La intersección de cuatro indicadores (desarrollo humano, género, estabilidad política y acceso a salud) muestra una disparidad mediana de 7,4 %, que los autores leen como una desigualdad persistente.

• Para 2050, los patrones de exposición se mantienen casi iguales bajo los escenarios SSP2, SSP3 y SSP5, y lo que cambia según el escenario es la disparidad de vulnerabilidad.

Sobre Sudamérica, los autores señalan que la exposición a multiamenazas aumenta en las áreas con vulnerabilidades combinadas; lo contrario ocurre en América Central, Australia y Europa oriental Tiggeloven et al., 2026. No hay un resultado específico para Colombia en el texto.

Límites que declaran los autores: los indicadores son estáticos y ocultan variaciones locales, se asume homogeneidad dentro de las unidades administrativas, y no sirven para análisis de causa y efecto; para estudios de caso recomiendan métodos mixtos Tiggeloven et al., 2026. Las conclusiones valen para escala global y no para una ciudad.

7. Métodos basados en datos¶

Ferrario et al. revisaron 153 trabajos sobre aprendizaje automático y estadística multivariada para el riesgo climático multiamenaza Ferrario et al., 2026. Lo relevante para este libro:

Las limitaciones que subrayan: la no estacionariedad del clima (los modelos entrenados con el pasado asumen relaciones estables), la distancia entre predecir la amenaza y predecir el impacto, la falta de marcos de cuantificación de incertidumbre de extremo a extremo, la validación con particiones espaciales insuficientes y la falta de catálogos de desastres con calidad homogénea Ferrario et al., 2026.

8. Qué se adopta para una ciudad colombiana¶

Esta tabla es criterio de método de este libro, derivado de los apartados anteriores y de las limitaciones de datos de cada ciudad:

En todos los casos, el informe debe decir qué tipo de enfoque usó (capas, multiamenaza, multirriesgo) con los términos de la sección 2.

Pendiente¶

• Leer los trabajos que estos cuatro artículos citan para las interacciones (por ejemplo, Gill y Malamud, Kappes et al., Zschau 2017) y contrastar las definiciones.

• Revisar el proyecto MYRIAD-EU y la plataforma de datos que White et al. mencionan, y su aplicabilidad a Colombia.

• Buscar literatura colombiana de multiamenaza y multirriesgo (hoja de vigilancia) y casos urbanos.

• Documentar cómo CLIMADA combina varias amenazas sobre una misma exposición.

• Añadir una guía para construir una matriz de interacciones entre las amenazas de la parte 3.