Resumen

En los últimos tiempos, la cartografía de la susceptibilidad a los peligros de inundación se ha convertido en una preocupación primordial para minimizar el impacto de esta amenaza global; pero la relación no lineal entre varios factores causantes de las inundaciones y la dinámica de los niveles de riesgo dificultan una evaluación confiable. En este artículo, se han considerado algoritmos distintivos en una plataforma de Sistema de Información Geográfica para delinear una zona de riesgo de inundación a estudiar por las intensas lluvias. Los autores esperan que, los resultados de este estudio sean base para las partes responsables en la toma de decisiones con respecto a la implementación de la estrategia para mitigar el peligro de inundaciones.

• Materias:Gestión de riesgos Ecología política Amenaza natural Ubicación geoespacial
• Subjects:Risk management Political ecology Natural hazard Geospatial location
• Palabras claves:Riesgo de inundaciones; Río Kangsabati; RS-GIS; Clima subtropical; Modelo de aprendizaje automático
• Keywords:Flood hazard; Kangsabati river; RS-GIS; Subtropical climate; Machine learning model