diagnÓstico de la pÉrdida de suelo en el municipio …
TRANSCRIPT
Diagnóstico de la Pérdida de Suelo en el Municipio de Quetame, Mediante la Correlación de los Grados de Erosión y los Agentes que Intervienen este Proceso.Trabajo de grado en modalidad aplicación de temáticas de ingeniería civil.
Facultad de Ingeniería Civil
Giraldo Alonso Velásquez Pardo
Ing. German Ernesto Chicangana Monton
Contenido
1. Planteamiento del Problema.2. Justificación.3. Objetivos.4. Fundamentación Teórica.5. Metodología.6. Recolección de Datos.7. Resultados.8. Análisis de Resultados.9. Conclusiones y Trabajos futuros.
Planteamiento del problema.
Fenómenos de Remoción en masa en el municipio.
Desarrollo de proyectos de prevención y mitigación.
Falta de Información Actualizada
en el municipio.
Fenómenos de Erosión.
Uso de SIG
Justificación.
Fuente: Defensoría del pueblo (2015). Fuente: Periódico del Meta (2018).
Proceso de remoción en masa en la inspección de Puente Quetame.
Fenómeno de remoción en masa sobre la vía Bogota-Villavicencio
Objetivos.
1. Objetivo general.
Diagnosticar la pérdida de suelo en el municipio de Quetame, Cundinamarca, a partir de la correlación del gradode erosión y los agentes que intervienen en este proceso.
1. 1 Objetivos específicos.
• Determinar el factor de la Erosividad por la lluvia (R) para el municipio de Quetame mediante el métodoWischemeier y Smith con modelos digitales.
• Determinar el factor de la Erodabilidad del suelo (K) para el municipio de Quetame con base en la ecuación dePaulet a partir de modelos digitales.
• Determinar el índice topográfico para el municipio de Quetame por el método Wischemeier y Smith conmodelos digitales.
• Determinar el factor de cobertura vegetal (C) para el municipio de Quetame a partir de modelos digitales.
• Identificar el grado de erosión en el municipio de Quetame – Cundinamarca mediante el uso del SIG.
Fundamentación teórica.
Suelo. Erosión.
Erosión hídrica.
Erosión eólica.
Pérdida tolerable del suelo.
Fundamentación teórica.
Formas de erosión hídrica.
Erosión por salpicadura.
Arrastre de suelos en superficie.
Erosión por surcos.
Erosión por cárcavas.
Erosión en bancos aluviales.
Remoción en masa.
Coladas de barro.
Deslizamientos del terreno.
Fundamentación teórica.
Modelos para procesos de
erosión hídrica
superficial.
Modelos cualitativos.
Modelos cuantitativos.
Evaluación directa.
Evaluación indirecta.
Modelos con base física.
Modelos conceptuales.
Modelos paramétricos.
Fundamentación teórica.
Erosión: La erosión se da como el desprendimiento de partículas de suelo o roca, generada por la fuerzaproducida por el agua o el viento, cuyo material suelto es eventualmente transportado a un lugar de depósito.
SIG: es un sistema que integra tecnología informática, personas e información geográfica, y cuya principalfunción es capturar, analizar, almacenar, editar y representar datos georreferenciados.
Suelo: Se le considera al suelo como un ser natural estructurado, que se encuentra en constante cambio y quepara su formación y evolución depende de factores bióticos como abióticos.
Diagnostico: el diagnóstico trata de adquirir los conocimientos necesarios sobre un determinado sector, área oproblema, que es el ámbito de trabajo en el que se ha de actuar y su objetivo es lograr una apreciación generalde la situación-problema.
Erodabilidad: este factor representa la susceptibilidad que exhibe un suelo a la erosión como producto dealgunas de sus características intrínsecas Ton.ha.hora/MJ.mm.ha.
Erosividad: se define como el producto de dos características de la lluvia que explican el impacto que esta tieneen la generación del proceso erosivo MJ.mm/(ha.hora).
Metodología.Metodología
• .Precipitaciones.
• Tipo de suelo.
• Topografia.
• Cobertura vegetal.
Etapa 1: Recolección y Procesamiento de datos.
• Determinar el factor de la erosividad por la lluvia (R).
• Determinar el factor de la erodabilidad del suelo (K).
• Determinar el factor topográfico (LS).
• Determinar el factor de cobertura vegetal (c).
• Identificar el grado de erosión
Etapa 2: Resultados
• Analisis de resultados.
Etapa 3: analisis de resultados.
Metodología.
Calculo de erosión
A=R.K.L.S.C.P
Donde:
A: es la pérdida de suelo por unidad de superficie.
R: es el factor Erosividad de la lluvia.
K: Es el factor Erodabilidad del suelo.
L: Es el factor longitud de la pendiente.
S: Es el factor inclinación de la pendiente.
C: Es el factor uso y manejo.
P: Es el factor práctica mecánica de apoyo.
Ecuación universal del cálculo de erosión.
Metodología.
𝑒 = 0,119 + 0,0873 ∗ 𝑙𝑜𝑔I
Factor de erosividad (R)
E= 𝑒𝑖 ∗ 𝑝𝑝𝑖
𝑅 =1
𝑛
𝐸𝐼30
Calculo para el factor de erosividad (R) MJ.mm/(ha.hora).
ENERGIA UNITARIA e [MJ/(ha.h)]
ENERGIA EFECTIVA E [MJ.mm/(ha.h)]
EROSIVIDAD R año [MJ.mm/(ha.h)]
Metodología.
Factor de Erodabilidad del suelo (K).
K USLE = fcsand ∗ fcl − si ∗ forgc ∗ fhisand
𝑓𝑐𝑠𝑎𝑛𝑑 = (0.2 + 0.3 ∗ exp −0.256 ∗ 𝑚𝑠 ∗ 1 − 𝑚𝑠𝑙𝑖𝑡
100 )
𝑓𝑐𝑙 − 𝑠𝑖 =𝑚𝑠𝑙𝑖𝑡
𝑚𝑐 + 𝑚𝑠𝑙𝑖𝑡
0.3
𝑓𝑜𝑟𝑔𝑐 = 1− (0.25 ∗ 𝑜𝑟𝑔𝑐
𝑜𝑟𝑔𝑐 + exp(3.72− 2.95 ∗ 𝑜𝑟𝑔𝑐))
𝑓ℎ𝑖𝑠𝑎𝑛𝑑 = (0.7 ∗ (1−
𝑚𝑠100 )
1− 𝑚𝑠100
+ exp(−5.51 + 22.9 ∗ (1− 𝑚𝑠100
)))
1)
2)
3)
4)
5)
Ecuación para el calculo del factor de Erodabilidad del suelo (K) Ton.ha.hora/MJ.mm.ha.
Los términos 𝑚𝑠, 𝑚𝑠𝑖𝑙𝑡, 𝑚𝑐 y 𝑜𝑟𝑔𝐶son el porcentaje de arenas, limos,arcillas y carbono orgánicorespectivamente
Fcssand y fhisand: Factoresasociados a contenido de arena.Fcl-si: Factor asociado a contenidode limo arcilla.Forgc: Factor asociado al contenidode carbono orgánico.
Metodología.
Factor topográfico (LS).
𝛽 =
𝑠𝑖𝑛𝜃0.0896
ሻ3.0(𝑠𝑖𝑛𝜃 0.8 + 0.56
𝑚 =𝛽
𝛽 + 1
𝐿 =𝐴 + 𝐷2 𝑚+1 − 𝐴𝑚+1
𝑋𝑚 ∗ 𝐷𝑚+2 ∗ 22.13 𝑚
𝑆 =10.8 𝑠𝑖𝑛𝛽 + 0.03 𝑡𝑎𝑛𝛽 < 0.0916.8 𝑠𝑖𝑛𝛽 − 0.5 𝑡𝑎𝑛𝛽 ≥ 0,09
Ecuación para el calculo del Factor topográfico (LS).
1)
2)
3)
4)
β = inclinación de la pendiente.
θ = Pendiente de nivel del pixel.
D = Tamaño del pixel.
L= Longitud de la pendiente.
S= Inclinación de la pendiente.
X= Coeficiente de forma: x=1
Para sistemas pixelados.
A= Acumulación del flujo a nivel del
pixel.
Metodología.
Factor de cobertura vegetal (c).
Este factor indica el efecto de lacubierta vegetal en la pérdidade suelo. Se expresa como larelación entre la pérdida desuelo de un área o parcela conuna vegetación dada y sistemasde manejo específicos.
En general, para determinar el factor C existen tabulaciones y no ecuaciones.
Fuente: Guía destinos (2019)
Recolección y procesamiento de datos.
Precipitaciones.
ENEFEB MAR ABR MAY JUN JUL AGO SEP OCT NOV DIC
12.9 19 30 39.5 49.7 51.5 53.5 46.9 42.4 31.8 24.6 21.5
27 46.3 55.3 69.7 70 109.7 128.7 71.8 69.8 81.8 37.7 37.3
33.5 51.6 58.9 90.6 95.6 100.5 96.9 97.7 92.2 80.7 74.8 52.9
14.9 33.4 42.8 53.2 52.7 45.6 42.3 47.2 43.6 42.6 47.4 25.9
.2 9.9 15.5 24.1 26.9 21.2 20.3 18.3 17.6 19.8 20.6 10.4
10.6 17.7 22.8 27.8 34.1 29.7 27.6 26.8 23.6 23.9 23.3 15.8
17.9 28.6 38.9 57.1 66.2 63.6 70.1 58.7 48.7 43 37.1 25.9
Tabla de Valores máximos mensuales de precipitación (mm) en 24 horas
Fuente: Propia, 2019
Recolección y procesamiento de datos.
Precipitaciones.
ID Código de la estaciónPrecipitación media
multianual
1 35020010 MONTERREDONDO 423.3
2 35020100 GUAYABETAL 805.1
3 35020020 SUSUMUCO 925.9
4 35035090 ALTO DEL TIGRE 491.6
5 35030080LAS CASAS 211.8
6 35020300GUTIERREZ 283.7
7 35030010ELCALVARIO 555.8
Tabla de Precipitación multianual de las estaciones.
Fuente: Propia, 2019
Recolección y procesamiento de datos.
Fuente: Propia, 2019
Faosoil Domsoi Country Soil_unit Sand_topso Silt_topso Clay_topso Oc_topsoil Area
I-bd-bh-c I Colombia I 58.9 16.2 24.9 0.97 77221764.6
Bd9-3c Bd Colombia Bd 32.7 30.3 37.1 3.28 60848399.3
Tabla de Tipos de suelos de Quetame según la FAO.
Tipo de suelo.
Recolección y procesamiento de datos.
Tipo de suelo.
Símbolo Vegetación Litología
I-Bd-Bh-cBosque de alta montaña, páramo,
tundra alpina
Rocas elásticas y volcánicas jurásicas y cretáceas; rocas metamórficas
precámbricas y paleozoicas.
Bd9-3c Bosque montano perenneCuarcitas, Esquistos. y Filitas
Precámbricas; Areniscas, Esquistos, Cretáceos y terciarios
Tabla 10.4 Vegetación y litología de Quetame según la FAO
Fuente: La FAO, 2019
Recolección y procesamiento de datos.
Mapa de tipos de suelos en Quetame según la FAO.Fuente: La FAO, 2019
Tipo de suelo.
I= Litosoles.
Bd= Cambiasoles
Recolección y procesamiento de datos.
Mapa de cobertura vegetal del municipio de Quetame.Fuente: Propia, 2019
Cobertura vegetal.
RESULTADOS.
Ene Feb Mar Abril May Jun Jul Agos Sept Oct Nov Dic0.10 0.11 0.13 0.14 0.15 0.15 0.15 0.14 0.14 0.13 0.12 0.110.12 0.14 0.15 0.16 0.16 0.18 0.18 0.16 0.16 0.17 0.14 0.140.13 0.15 0.15 0.17 0.17 0.17 0.17 0.17 0.17 0.17 0.16 0.150.10 0.13 0.14 0.15 0.15 0.14 0.14 0.14 0.14 0.14 0.14 0.120.07 0.09 0.10 0.12 0.12 0.11 0.11 0.11 0.11 0.11 0.11 0.090.09 0.11 0.12 0.12 0.13 0.13 0.12 0.12 0.12 0.12 0.12 0.100.11 0.13 0.14 0.15 0.16 0.16 0.16 0.15 0.15 0.14 0.14 0.12
Tabla de Energía unitaria e [MJ/(ha.h)]
Fuente: Propia, 2019
Factor de la Erosividad por la lluvia (R).
RESULTADOS.
Tabla de Energía efectiva E [MJ.mm/(ha.h)]
Fuente: Propia, 2019
Factor de la Erosividad por la lluvia (R).
Ene Feb Mar Abril May Jun Jul Ago Sept Oct Nov Dici1.23 2.09 3.83 5.45 7.29 7.62 8.00 6.78 5.96 4.13 2.95 2.473.34 6.67 8.34 11.12 11.18 19.39 23.52 11.53 11.14 13.55 5.14 5.074.41 7.64 9.02 15.35 16.40 17.43 16.67 16.84 15.69 13.32 12.13 7.891.51 4.40 6.04 7.94 7.85 6.54 5.95 6.83 6.18 6.00 6.87 3.161.51 4.40 6.04 7.94 7.85 6.54 5.95 6.83 6.18 6.00 6.87 3.160.93 1.90 2.67 3.47 4.52 3.78 3.43 3.30 2.80 2.84 2.75 1.631.93 3.60 5.35 8.68 10.43 9.92 11.20 8.98 7.11 6.07 5.03 3.16
RESULTADOS.
Fuente: Propia, 2019
Factor de la Erosividad por la lluvia (R).
Ene Feb Mar Abril May Jun Jul Ago Sept Oct Nov Dic4.6 11.6 67.0 188.4 362.4 409.0 463.5 317.8 210.8 103.9 51.5 24.3
30.0 141.5 326.5 645.8 782.5 2126.6 3153.5 828.2 712.7 877.2 121.0 94.539.7 84.1 153.3 353.1 442.7 470.5 466.7 437.7 376.5 306.4 266.9 134.118.1 74.7 132.8 222.4 227.6 189.7 172.5 191.3 154.5 150.0 144.2 63.20.5 2.1 10.3 43.3 67.0 40.7 38.7 27.3 18.0 21.9 22.0 2.43.7 16.8 38.1 84.3 147.6 112.2 98.7 88.5 49.5 51.0 45.4 12.9
10.1 42.9 138.6 454.2 690.5 657.5 850.4 549.2 302.8 217.6 132.2 37.5
Tabla de Erosividad R mes [MJ.mm/(ha.h)]
RESULTADOS.
Fuente: Propia, 2019
Factor de la Erosividad por la lluvia (R).
ID ESTACIONES LATITUD LONGITUD P_mm factor R1 35020010MONTERREDONDO 4.352056 -73.711583 423.3 2214.81872 35020100GUAYABETAL 4.253917 -74.002694 805.1 9840.022383 35020020SUSUMUCO 4.441167 -73.936389 925.9 3531.733544 35035090ALTO DEL TIGRE 4.284861 -73.748333 491.6 1740.920435 35030080LAS CASAS 4.196167 -73.771917 211.8 294.1925746 35020300GUTIERREZ 4.2 -73.816667 283.7 748.6296197 35030010ELCALVARIO 4.254444 -73.823333 555.8 4083.48877
Tabla de Factor R
RESULTADOS.
Fuente: Propia, 2019
Factor de la Erodabilidad del suelo (K).
sand%_topsoil
silt%_topsoil
clay%_topsoil
OC % topsoil
fcsand fcl−si forgcFhi
sandk
inicialFactor
K58.9 16.2 24.9 0.97 0.200 0.756 0.927 0.99 0.139 0.01832.7 30.3 37.1 3.28 0.201 0.787 0.750 1.00 0.119 0.016
Tabla de Factor K.
RESULTADOS.
Fid Cobertura COB Factor_C Área
0 Cultivos anuales o transitorios 21 0.25 12526139.8
1 Pastos 23 0.08 18282213.7
2 Arbustales 33 0.14 312638.161
3 Herbazales 34 0.01 1299489.00
4 Cultivos semipermanentes ypermanentes
22 0.079 30771505.7
5 Áreas agrícolas heterogéneas 24 0.102 19803779.2
6 Áreas agrícolas heterogéneas 24 0.102 2326397.94
7 Bosques naturales 31 0.01 44718804.
8 Áreas agrícolas heterogéneas 24 0.102 615.153854
9 Bosques naturales 31 0.01 7793980.15
Tabla de Factor de cobertura vegetal (c).
Fuente: Propia, 2019
ANALISIS DE RESULTADOS.
y = 0.1458x - 16.887
-100
0
100
200
300
400
500
600
0 200 400 600 800 1000 1200 1400 1600 1800 2000
Ero
sió
n R
ea
l
Erosión Potencial
Correlación de datos
Grafica de correlación de erosión potencial vs erosión real.
Fuente: Propia, 2019
Fuente: Propia, 2019
y = 0.1266x - 653.19R² = 0.4473
-100
0
100
200
300
400
500
600
4000 4500 5000 5500 6000 6500 7000 7500 8000
Ero
sió
n R
ea
l
Factor R
Correlación de datos
Grafica de correlación de factor R vs erosión real.
ANALISIS DE RESULTADOS.
ANALISIS DE RESULTADOS.
Fuente: Propia, 2019
y = 42924x - 630.23R² = 0.1328
0
100
200
300
400
500
600
0.015 0.0155 0.016 0.0165 0.017 0.0175 0.018 0.0185 0.019
Ero
sió
n R
eal
Factor K
Correlación de datos
Grafica de correlación de factor K vs erosión real.
ANALISIS DE RESULTADOS.
Fuente: Propia, 2019
Grafica de correlación de factor LS vs erosión real.
y = 16.5x - 25.098R² = 0.185
0
100
200
300
400
500
600
0 2 4 6 8 10 12 14
Ero
sio
n R
ea
l
Factor LS
Correlación de datos
ANALISIS DE RESULTADOS.
Fuente: Propia, 2019
Grafica de correlación de factor C vs erosión real.
y = 936x + 6.4233R² = 0.3589
0
100
200
300
400
500
600
0 0.05 0.1 0.15 0.2 0.25 0.3
Ero
sió
n R
ea
l
Factor C
Correlación de datos
RESULTADOS.
Fuente: Propia, 2019
VARIABLES COEFICIENTES DE CORRELACIÓN
correlación de factor R vs erosión real0.668798203
correlación de factor K vs erosión real0.36438105
correlación de factor LS vs erosión real 0.430066478
correlación de factor C vs erosión real0.599067343
Tabla de coeficientes de correloción.
CONCLUSIONESESTUDIOS
ADICIONALES
• Priorizar zonas mas vulnerables.
• Estudios dirigidos a fenómenos de remoción en masa.
VARIABLES PRINCIPALES
• Precipitaciones.
• Cobertura vegetal.
ADICIONALES
• Topografía
TRABAJOS FUTUROSMICROZONIFICACIÓN • Estudios directos, priorizando las zonas mas vulnerables del municipio.
ACTUALIZACIÓN DE INFORMACION
• Brindar aportes a la gestión del riesgo y ordenamiento territorial.
ADICIONALES
• Estudio socio económico de actividades que puedan generar afectación en el suelo.
[1] Intituto Geográfico Agustín Codazzi, “División política de Quetame” [En línea]. Available: https://www.igac.gov.co//.
[Último acceso: 1 de Febrero 2019].
[2] Periodico del Meta, “Derrumbe en la via Bogota-Villavicencio” [En línea]. https://periodicodelmeta.com/derrumbe-en-la-
via-al-llano-deja-cuatro-muertos/.[Último acceso: 1 de Febrero 2019].
[3] C. D. Mendoza and C. D. Mendoza, “Full-Text,” Ing. E Investig., vol. 31, no. 3, pp. 80–90, 2011.
[4] V. Olaya, “Sistemas de Información Geográfica,” J. Chem. Inf. Model., vol. 53, no. 9, pp. 1689–1699, 2014.
[5] C. Pereira, C. Maycotte, B. Restrpo, F. Mauro, A. Montes, and M. J. Esther, “Edafología 1,” Libro, p. 170, 2011.
[6] C. A. Basurto and M. V. G. Montaño, “Diagnóstico,” pp. 82–106, 2001.
[7] J. D. L. Peláez, “Estudio y Control de la Erosión Hídrica,” in Estudio y Control de la Erosión Hídrica, U. N. de C. S. M.
Colombia, Ed. Medellin, 2001, p. 161,166.
[8] G. P. F. Clérici C., “Aplicaciones del modelo USLE/RUSLE para estimar pérdidas de suelo por erosión en Uruguay y la región
sur de la cuenca del Río de la Plata,” Agrociencia, pp. 92–103, 2001.
[9] G. A. Mancilla, E. Ingeniero, and F. Ms, “Uso De La Ecuación Universal De Pérdidas De Suelo (Usle) En El Campo Forestal,”
p. 63, 2008.
REFERENCIAS
REFERENCIAS[10] A. R. Valverde, “CARACTERIZACION DEL FACTOR EROSIVO ‘R’ EN EL ESTADO DE VERACRUZ.” Mexico.
[11] A. Felipe, C. Quintero, L. Adriana, L. Salazar, and O. R. Melo, “Determinación del riesgo a la erosión potencial
Determination of the risk to the potential erosion by water in the coffee zone of the Quindio , Colombia,” vol. 8, numero1,
pp. 17–26, 2017.
[12] Guia Destinos, “Paisajes de Quetame” [En línea]. https://www.guiadestinos.co/destinos/quetame/.[Último acceso: 1 de
Febrero 2019].
[13] CORTOLIMA and CORPOICA, “Ecuación Universal de Pérdida de Suelos (USLE – MUSLE) - Plan de Ordenacion y manejo de la
Cuenca Hidrográfica mayor del Río Totare,” Perdida De Suelos, pp. 1–10, 1996.
[14] IDEAM-INSTITUTO DE HIDROLOGIA, METEOROLOGIA Y ESTUDIOS AMBIENTALES, «VALORES MAXIMOS MENSUALES DEPRECIPITACION (mms) EN 24 HORAS, »2019.
[15] GeoNetwork, «Digital Soil Map of the World,» [En línea]. Available: http://www.fao.org/geonetwork/srv/en/metadata.show?id=14116. [Último acceso: 1 de Febrero 2019].
[16] INSTITUTO GEOGRAFICO AGUSTIN CODAZZI, «CARACTERÍSTICAS DE LA COBERTURA VEGETAL DE QUETAME.» [En línea]. Available: https://geoportal.igac.gov.co/es/contenido/datos-abiertos-agrologia. [Último acceso: 10 de Febrero 2019].
[17] science for a changing world, «Modelo digital de elevación,» [En línea]. Available: https://earthexplorer.usgs.gov/. [Último acceso: 1 de Febrero 2019].