Академический Документы
Профессиональный Документы
Культура Документы
RESUMEN:
ABSTRACT:
The amount of sediment yield produce in the Peruvian Andes have a high significance
specially in the Amazon basin, however few studies have addressed to quantify the volume of
sediments in a country and continental scale for the next years. To estimate the sediment yield for
the year 2030, a land cover change model has been build, which is based on 1990, 2000 and 2010
land cover/land use maps. This model predict three scenarios: the normal scenario, the scenario in
which the mining activity is included, and the scenario that presents protected areas. Our results
predict that the volume of sediments produced in the Amazon basin (2115Ton=year) will be higher
than in the Pacific basin (932ton=year) for the year 2030, also the scenario that includes the mining
activities induce an increase of sediments in both basins, conversely, the scenario that includes the
protected areas inhibit the soil erosion process.
DATOS Y METODOLOGÍA
Fuente de datos
La ecuación de RUSLE desarrollada para estimar la ES anual a gran escala (Jetten y Maneta,
2011), matemáticamente, está definida por la Ecuación 1 (para más detalles de la ecuación y la
información recolectada para su aplicación en el Perú dirigirse a Renard et.al., 1997 y Rosas y
Gutierrez, 2016).
A R K LS C P [1]
Para estimar la tasa de PS, se aplica el ratio de Transporte de Sedimentos (SDR, por sus
siglas en inglés), el cuál es recomendado en regiones con información limitada (Li et al., 1994,
Jetten and Maneta, 2011, Onyando et al., 2005).
La data base principal para obtener la ES y la tasa de PS para el año 2030 está conformada
por los mapas inferenciales de cobertura vegetal construidos y el mapa de precipitación al 2030
previsto por el Servicio Nacional de Meteorología y Recursos Hídricos (Senamhi). Para mayor
detalle en cuanto a la data de entrada para la cuantificación de ES y PS, se recomienda al lector
dirigirse a Rosas y Gutierrez (2016).
RESULTADOS Y DISCUSIÓN
En la calibración del modelo de cambio de cobertura de suelo (predicción para el año 2010)
se presentan valores altos de ROC: 0.63 en la costa, 0.72 en la zona andina y 0.94 en la selva.
Adicionalmente, se la evaluación pixel by pixel entre el mapa inferido y el observado muestra solo
un 4% de aciertos. Estos resultados sugieren que el modelo tiene una alta capacidad para predecir
los patrones generales de distribución espacial (ROC > 0.5), mientras que la predicción de
secuencia temporal de cambio es deficiente, esta situación es una de las dificultades que sufren los
modelos de predicción (Rosa et.al., 2013).
El modelo, infiere la cobertura de suelos para el año 2030 en los 3 escenarios propuestos,
subsecuentemente, la aplicación de la ecuación RUSLE provee la distribución espacial de la tasa de
erosión. Nuestro resultados, muestran un aumento de ES severa (tasas mayores a 100 Ton/ha/año)
en la zona andina para el escenario que incluye actividad minera, mientras que para el escenario de
áreas protegidas las tasas de erosión disminuyen.
Finalmente, a través de la relación SDR, las tasa de PS resultantes para la cuenca de
Amazonas son: 2115 x 106 Ton/año para el escenario normal, 2321 x 106 Ton/año para el escenario
que incluye actividad minera y 948 x 106 Ton/año para el escenario que presenta las áreas
protegidas como se muestra en la Figura 1.
Figura 1.- Tasas de producción de sedimentos para la cuenca peruana del Amazonas y del Pacífico (x106
Ton/ha/año)
CONLCUSIONES
Este estudio presenta la metodología para cuantificar indirectamente la tasa de sedimentos a lo largo
de los andes peruanos, basado en la predicción de la cobertura de suelo, con el propósito de suplir la
falta de estaciones de medición in-situ y así proveer de información para los tomadores de decisión
en relación a la necesidad de un marco regulatorio para inhibir el incremento deES y PS. Nuestro
estudio refleja la necesidad de generar mapas para los años futuros, e.g. 2050, e incluir aspectos del
calentamiento global y el incremento de actividades económicas y/o extractivas en el contexto
peruano.
REFERENCIAS
Bojö, Jan. (1996), “The costs of land degradation in Sub-Saharan Africa”, Ecological Economics, Vol. 16,
1996, pp. 161-173.
Comber, A. and Fisher, P. and Brunsdon, C. and Khmag, A. (1994) “Spatial analysis of remote sensing
image classification accuracy”, Remote Sensing of Environment, N° 127, 2012, pp. 237–246.
Eastman, J.R. (2012), IDRISI Selva Manual. Clark University, UK, 2012.
Jetten, V. and Maneta, M. (2011), Calibration of erosion models, Handbook of erosion modelling. Wiley
Blackwell Publishing, UK.
Latrubesse, E. M and Restrepo, J. D. (2014). “Sediment yield along the Andes: continental budget,
regional variations, and comparisons with other basins from orogenic mountain belts”. Geomorphology. N°
216, April 2014, pp. 225–233.
Li, H. and Xiaoling, C. and Lim, K. J. and Xiaobin, C. and Sagong, M. (1994) “Assessment of Soil
Erosion and Sediment Yield in Liao Watershed, Jiangxi Province, China, Using USLE, GIS, and RS”,
Journal of Hydrology, N° 157, 1994, pp. 287–306.
Pontius, R. G. and Schneider, L. (2001). “Land-cover change model validation by an ROC method for the
Ipswich watershed, Massachusetts, USA”. Agriculture, Ecosystems and Environment. Vol. 85, 2001, pp.
239–248.
Renard, K. G. and Foster, G.R. and Weesies, D.K. and McCool, D.K. and Yoder, D.C. (1997).
Predicting Soil Erosion by Water: A Guide to Conservation Planning with the Revised Universal Soil Loss
Equation, Agricultural Handbook Number 703, USDA Agricultural Research Service, USA, Enero 1997.
Restrepo, J. D. and Kjerfve B. and Hermelin, M. and Restrepo, J.C. (2006). “Factors controlling
sediment yield in a major South
American drainage basin: the Magdalena River, Colombia”. Journal of Hydrology. Vol. 316, 2016, pp. 213–
232.
Rosa, I. M. D. and Purves, D. and Souza, C.J. and Ewers, R.M. (2013). “Predictive Modelling of
Contagious Deforestation in the Brazilian Amazon”. Plos One, Vol. 8, N° 10, Octubre 2013, e77231.
Rosas M. A. and Gutierrez R. R. (2016). “On a RUSLE-based methodology to estimate hydraulic erosion
rates at country scale in developing countries”. Reviews in Environmental Science and Bio/Technology, En
revision final.
Onyando, J. and Kisoyan, P. and Chemelil, M. (2005). “Estimation of potential soil erosion for River
Perkerra Catchment in Kenya”. Water Resources Management, Vol. 19, 2005, pp. 133–143.
van Soesbergen, A. and Mulligan, M. (2013). “Modelling multiple threats to water security in the Peruvian
Amazon using the WaterWorld policy support system”. Earth System Dynamics Discussions, Vol. 4, 2013,
pp. 567–594.
Wassenaar, T. and Gerber, P. and Verburg, P. and Rosales, M. and M., I. and Steinfeld, H. (2007).
“Projecting land use changes in the Neotropics: The geography of pasture expansion into forest”. Global
Environmental Change, Vol. 17, 2007, pp. 86–104.