geoespacial.espe.edu.ecgeoespacial.espe.edu.ec/wp-content/uploads/2017/01/Geoespacial11.… ·...

Revista Geoespacial Nº 11

CARRERA DE INGENIERÍA GEOGRÁFICA Y

DEL MEDIO AMBIENTE

DEPARTAMENTO DE CIENCIAS DE LA TIERRA Y CONSTRUCCIÓN

UNIVERSIDAD DE LAS FUERZAS ARMADAS - ESPE

Revista Geoespacial Nº 11Revista oficial de difusión científica y tecnológica en el área de las Ciencias Geoespaciales de la Universidad de las Fuerzas Armadas - ESPE

PeriocidadLa revista Geoespacial es publicada un número anualmente

Revista Geoespacial, Diciembre 2014

Editor:Dr. Alfonso Tierra.Departamento de Ciencias de la Tierra y de la Construcción

Comité Editorial:Dr. Theofilos ToulkeridisM.Sc. Mario CruzIng. Oswaldo Padilla

Comité CientíficoDr. Roberto Luz Teixeira - IBGE - BrazilM. Sc. Gustavo Barrantes - Universidad Nacional - Costa RicaM. Sc. Rodrigo Márquez - Universidad Católica - ChileDr. Vinicio Carrera - ESPE - EcuadorPh.D Luis Cumbal - ESPE-EcuadorDr. Pascal Podwojewski - IRD - FranceDr. Christoph Heubeck - Freie Universitat Berlin - GermanyDr. Hans Joachim Massonne - University of Stuttgart - GermanyDr. Arne Willner Ruhr - University of Bochum - GermanyDr. Mariano Cerca - UNAM - MéxicoM.Sc. Noris Martínez - Universidad Tecnológica de Panamá - PanamáPh.D. Robert Buchwaldt - MIT - USAPh.D. Steven Taylor - University of Illinois - USA Ph.D. Aaron Addison . - Washington University - USA

Diseño de Portada y contraportadaLic. David Cabrera R.

Edición gráfica, diseño y diagramaciónLic. David Cabrera R.

Preguntas y CorrespondenciaDepartamento de Ciencias de la Tierra y Construcción. Av. Gral. Rumiñahui S/N. Sangolquí – Pichincha – Ecuador. [email protected]

Los contenidos de los artículos, aquí publicados, son de responsabilidad de los autores.

Revista Geoespacial Nº 11, Diciembre 2014ISSN 1390-3993

Revista Geoespacial

Sumario

Número 11, 2014

ANÁLISIS Y APLICACIÓN DE TÉCNICAS GEOESTADÍSTICAS PARA LA CLASIFICACIÓN AGROLÓGICA DE SUELOS DE LA HACIENDA EL PRADO IASA-ESPELuna Ludeña Marco; Araujo Grijalva Alejandro ........................................................................

VALORIZACIÓN ECONÓMICA DEL USO RECREATIVO DE LA RESERVA GEOBOTÁNICA PULULAHUA (RGP) A TRAVÉS DEL MÉTODO DEL COSTO DE VIAJEZafrir Raquel; Rodríguez Fabián .................................................................................................

ANÁLISIS DEL RIESGO MULTI-AMENAZA EN EL ORDENAMIENTO TERRITORIAL DE UNA CUENCA HIDROGRÁFICASalazar Rodolfo; Fra Paleo Urbano ............................................................................................

CARACTERIZACIÓN DE LA DEFORMACIÓN SUPERFICIAL TERRESTRE EN UNA ZONA PILOTO EL ECUADOR, USANDO INTERFEROMETRÍA DIFERENCIAL (DInSAR) Caizaluisa Alicia; Chiriboga Flor María; Estrella Carlos; Muñoz Erith .....................................

TRANSFORMACIÓN BIDIMENSIONAL ENTRE PSAD56 E ITRF08 USANDO MÉTODOS DE HELMERT Y MOLODENSKY-BADEKASZambrano María José; Romero Ricardo ......................................................................................

DETERMINACIÓN DE PUNTOS DE EVACUACIÓN VERTICAL Y HORIZONTAL EN CASO DE UNA ERUPCIÓN DEL VOLCÁN COTOPAXI EN EL VALLE DE LOS CHILLOS, SANGOLQUÍ, ECUADORPadilla Oswaldo; Bosque Joaquín ...............................................................................................

Pag.

1

16

28

44

54

67

Revista GEOESPACIAL (2014) 11: 1-15

ANÁLISIS Y APLICACIÓN DE TÉCNICAS GEOESTADÍSTICAS PARA LA CLASIFICACIÓN AGROLÓGICA DE SUELOS DE LA HACIENDA EL PRADO IASA-ESPE

LUNA LUDEÑA MARCO1; ARAUJO GRIJALVA ALEJANDRO.2

1UNIVERSIDAD DE LAS FUERZAS ARMADAS ESPE, AV. GRAL. RUMIÑAHUI S/N, SANGOLQUÍ, ECUADOR. P.O. BOX 171 -5- 231B, e-mail: [email protected]. 2ESCUELA POLITÉCNICA NACIONAL, FACULTAD DE CIENCIAS, e-mail: [email protected]

Recibido: 05 de septiembre de 2014/ Aceptado: 10 de noviembre de 2014

RESUMEN

En esta investigación se presenta una metodología para la clasificación agrológica de suelos de la hacienda El Prado IASA-ESPE; mediante técnicas geoestadísticas desarrolladas a partir de muestras de suelo. Para tal efecto, se realizó el levantamiento topográfico de la hacienda, con una extensión aproximada de 525 hectáreas, y representadas mediante curvas de nivel con intervalos de 5 metros. El muestreo de suelos se realizó a partir de datos tomados en puntos discretos, determinados por los vértices de una red de 100m x 100m, obteniendo valores in situ de las características físicas del suelo como: tipo de drenaje, textura, profundidad, materia orgánica, rocosidad, gravillosidad y pedregosidad. Con los valores de estas variables se procedió a realizar el análisis de conglomerados con la finalidad de clasificar las unidades que presentan características comunes y posteriormente realizar observaciones más detalladas para determinar propiedades físicas y químicas. La espacialización de cada una de las variables para su posterior interpretación, se la realizó mediante predicción geoestadística por krigeage ordinario a través del software Variowin 2.21®, para finalmente, mediante un álgebra de mapas, obtener la clasificación agrológica utilizando el software ArcGis 9.3®.

Palabras clave: Semivariograma, Kriging, Estadística multivariante, Agrológico

ABSTRACT

In this research, a methodology for classification of soils agrological the El Prado IASA-ESPE is presented; using geostatistical techniques developed from soil samples. To this end, the survey of the property was performed with an approximate area of 525 hectares, and represented by contour intervals of 5 meters. Soil sampling was conducted from data taken at discrete points, determined by the vertices of a network of 100m x 100m, obtaining values of the in situ soil physical characteristics such as soil type, texture, depth, organic matter, rockiness, stoniness and gravillosidad. With the values of these variables proceeded to perform cluster analysis in order to classify the units with common characteristics and then perform more detailed to determine physical and chemical properties observations. Spatialization of each of the variables for the subsequent interpretation was performed using ordinary kriging geostatistical prediction through software 2.21® Variowin, finally using a gain map algebra agrological ArcGis 9.3® classification using software

Key words: Semivariogram, Kriging, Multivariate Statistics, Agrological

2 Página Luna Ludeña Marco; Araujo Grijalva Alejandro

1. INTRODUCCIÓNLa hacienda El Prado es el lugar donde funciona la Carrera en Ciencias Agropecuarias IASA I, de la Universidad de las Fuerzas Armadas -ESPE, y donde se realizan actividades agropecuarias para la formación integral de sus alumnos. La hacienda El Prado como todo terreno utilizado para estos fines, necesita de una planificación técnica y sustentable de los recursos naturales, siendo éste un requisito obligatorio que se debe realizar para establecer cualquier tipo de explotación en el campo agropecuario y forestal (Del Posso, 2001).

La clasificación agrológica de la tierra permite aprovechar en forma técnica y sustentable las tierras que la hacienda El Prado posee, logrando con esto una planificación y distribución adecuada de las áreas de producción agrícola con el consecuente aumento de la productividad de las mismas. El estudio agrológico de la tierra, se efectúa mediante el uso de los sistemas de evaluación de la aptitud de este recurso. Estos sistemas, requieren que cada clase de tierra sea utilizada en consonancia con su capacidad y limitación. La tierra es clasificada según el uso técnico y sostenido más conveniente que pueda hacerse de ella brindándole una adecuada protección contra su actual y potencial deterioro. Desarrollar metodologías o aplicar técnicas que conlleven a realizar este tipo de trabajo es el objetivo principal de esta investigación, la cual permite tomar información en puntos discretos y pasarlos a información continua para aquellas áreas que no fueron muestreadas, valiéndose para ello, de la técnica estadística multivariante de análisis de conglomerados y estimación geoestadística mediante la interpolación Kriging; aunque la aplicación de esta técnica es reciente, actualmente, se están realizando trabajos en todos los campos; especialmente aquellos que tienen datos georreferenciados y con continuidad espacial.

2. MATERIALES Y MÉTODOS

2.1. DESCRIPCIÓN DEL ÁREA DE ESTUDIO

La hacienda El Prado se encuentra situada al Sur Oeste de la Hoya de Quito, sobre una zona confinada entre los volcanes extintos Pasochoa y Sincholagua. Pertenece geopolíticamente a la provincia de Pichincha, cantón Rumiñahui, parroquia Sangolquí. Básicamente, la mayor parte de la hacienda se encuentra ocupada por pastizales bajo un uso predominantemente ganadero; en segundo plano, se encuentran áreas que debido a su topografía casi plana son dedicadas a cultivos anuales; y una menor área destinada a masas arbóreas nativas y bosques.

2.2. LEVANTAMIENTO TOPOGRÁFICO Y MUESTREOEl levantamiento topográfico se lo realizó utilizando el método de poligonal cerrada, con intervalos de curvas de nivel de 5 metros, lo cual nos sirvió como base para obtener el mapa de pendientes y poder determinar los puntos donde se van a tomar las muestras de los suelos (Figura1). A pesar de la importancia que tienen los procedimientos de muestreo, aún no existen protocolos universalmente aceptados; no obstante, los muestreos en grillas

Análisis y aplicación de técnicas geoestadísticas Página 3

de diferentes dimensiones son ampliamente utilizados en este tipo de estudios; por tanto, el tipo de muestreo utilizado fue el método de red rígida, con distancias de 100 metros; para lo cual, una vez obtenido el levantamiento topográfico se creó una grilla de 100x100 metros utilizando el software Autocad 2007®; el total de observaciones de campo a realizarse fueron de 531.

Figura 1.- Mapa topográfico y de observaciones de campo

Para ubicar estas observaciones en el campo se utilizó un GPS navegador Magellan Premium en sistema de referencia WGS84 y proyección UTM, con precisión de ± 3 metros según las especificaciones del fabricante. Se ubicaron los puntos y se tomaron las muestras mediante barrenaciones simples; estas barrenaciones son perforaciones realizadas con un barreno tipo Edelman hasta la profundidad de un metro o hasta encontrar sustrato como rocas, pedregones, piedras, etc.; las cuales permitieron la identificación de las siguientes características evaluadas en el campo como son: tipo de drenaje, profundidad, materia orgánica, textura, rocosidad, gravillosidad y pedregosidad; asignándoles los valores correspondientes de acuerdo a los indicados en la Tabla 1.

Tabla 1.- Valores de las características evaluadas en campo. Drenaje Bueno (3), Regular (2), Malo (1)

Profundidad Muy profundo (5), Profundo (4), Moderado profundo (3), Poco profundo (2), Superficial(1)

Mat. Orgánica Alto (3), Medio (2), Bajo (1)

Rocosidad No (3), Poca (2), Si (1)

Gravillosidad No (3), Poca (2), Si (1)

Pedregosidad No (3), Poca (2), Si (1)

Fuente: (Carrión ,2008)


2.3. ANÁLISIS DE CONGLOMERADOS

Una vez obtenidos los datos de las muestras en cada uno de los 531 puntos con sus respectivas coordenadas, se realizó el análisis de conglomerados mediante el estudio de clasificación jerárquico, para agrupar las unidades que presentaban características comunes, teniendo como resultado un dendograma de salida (Figura 2); que es una representación gráfica en forma de árbol que resume el proceso de agrupación en un análisis de conglomerados. Los puntos similares se conectan mediante enlaces cuya posición en el diagrama está determinada por el nivel de similitud/disimilitud entre puntos.

Figura 2.- Dendograma

Cada línea vertical representa un conglomerado; el número de conglomerados se determinan mediante las intersecciones de éstas con una línea horizontal. Como ayuda se suelen representar los distintos pasos del algoritmo y la distancia a la que se produce la intersección. En los primeros pasos el salto en las distancias es pequeño, mientras que en los últimos el salto entre pasos es mayor. El punto de corte será aquel en el que comienzan


a producirse saltos bruscos, en este caso se obtuvo como resultado 18 conglomerados; para verificar este número se realizó un análisis de varianza para diferentes números de conglomerados como se indica en la Tabla 2. El análisis de varianza se obtuvo tomando los grupos definidos por los conglomerados como factor y cada una de las variables incluidas en el análisis como variable dependiente.

Tabla 2.- Resumen del análisis de varianza para varios conglomerados Drenaj. Text. Prof. M.O. Rocos. Gravi. Pedreg.

Núm

ero

de c

ongl

omer

ados

15

Valo

r de

F

257,08 - 3812,8 1222,22 87,18 799,38 756,96

16 239,48 - 3551,7 1138,53 84,67 - -

17 296,98 - - - 79,51 - -

18 - - - - 76,11 - -

19 - - - - 79,86 - -

20 - - - - 93,78 - -

21 - - - - 97,19 - -

22 - - - - 104,03 - -

23 1145,14 - - - 154,109 - -

24 1145,14 - - - 154,109 - -

Una nota en el software SPSS informa que los estadísticos F, solo deben utilizarse con una finalidad descriptiva, pues los casos no han sido asignados aleatoriamente a los conglomerados, sino que se han asignado intentando optimizar las diferencias entre los conglomerados. Una vez elegido el número de conglomerados, realizamos el análisis de conglomerados de k-medias para asignarle a cada punto muestreado el conglomerado al que pertenece; el número de casos para cada conglomerado se presentan en la Tabla 3.

Tabla 3.- Número de casos por cada conglomeradoConglomerado 1 2 3 4 5 6 7 8 9

Nro. de observaciones 22 8 11 37 59 21 12 59 44

Conglomerado 10 11 12 13 14 15 16 17 18

Nro. de observaciones 14 32 29 19 69 20 15 22 38

El resultado es un mapa que presenta la pertenencia de cada punto a un determinado conglomerado (Figura 3), teniendo zonas o áreas con características comunes. Este proceso se lo realizó con el programa Surfer 8.0®, en donde se colocaron las respectivas coordenadas de cada punto y como etiqueta el número del conglomerado al que pertenecía, para posteriormente exportarlo a AutoCad 2007® y realizar el mapa respectivo.


Figura 3.- Ubicación de cada conglomerado

La descripción detallada del perfil representativo, se realizó en el sitio donde cada unidad presentó características comunes con la mayoría de observaciones de campo realizadas con este fin; es decir, dentro de cada conglomerado. Aquí se tomaron muestras, las que fueron enviadas al laboratorio de suelos para determinar sus características físicas y químicas; los valores obtenidos de estas variables, fueron asignados a cada uno de los puntos de la grilla del conglomerado correspondiente.

En cada observación detallada de campo se tomaron los siguientes datos: Porcentaje de arena (%) = Arena; Porcentaje de arcilla (%) = Arcilla; Capacidad de Intercambio Catiónico (Meq/100g) = CIC; Humedad equivalente (%) = HE; Potasio asimilable (ppm) = K_As; Potasio(Meq/10000g) = K; Magnesio (Meq/100g) = Mg; Materia orgánica (%) = MO; Sodio (Meq/10000g) = Na.

2.4. ANÁLISIS Y APLICACIÓN DE TÉCNICAS GEOESTADÍSTICAS

El análisis geoestadístico se lo realizó para cada variable, siendo los pasos principales de un estudio Geoestadístico, los siguientes:

• Análisis exploratorio de datos.• Análisis estructural (Cálculo y modelación de los Variogramas).• Estimaciones o Predicción espacial (Kriging).


2.4.1. Análisis Exploratorio De Datos

Este primer paso se lo realiza con el propósito de identificar localización, variabilidad, forma y observaciones extremas o datos atípicos; para tal efecto se utilizó el programa Statgrafics Centurion XV, el cual nos presenta un resumen de los estadísticos representativos, así como gráficos como diagramas de caja e histogramas.

2.4.2. Análisis Estructural

Conocido también como el cálculo y modelación de variogramas; para lo cual necesitamos conocer algunas definiciones teóricas.

Variograma y semivariograma: Cuando se habla de estacionariedad débil, se asume que la varianza de los incrementos de la variable regionalizada es finita. A esta función denotada por 2g(h) se le denomina variograma. Utilizando la definición teórica de la varianza, en términos del valor esperado de una variable aleatoria, tenemos:

(1)

La mitad del variograma g(h), se conoce como la función de semivarianza y caracteriza las propiedades de dependencia espacial del proceso. Dada una realización del fenómeno, la función de semivarianza se estima por el método de momentos, a través del semivariograma experimental, que se calcula mediante (Wackernagel, 1995):

(2)

Donde: Z(x) es el valor de la variable en un sitio x, Z(x+h) es otro valor muestral separado del anterior por una distancia h y n es el número de parejas que se encuentran separadas por dicha distancia. La función de semivarianza se calcula para varias distancias h. La

figura 4 indica el comportamiento de un semivariograma acotado, así como también los elementos que lo conforman; estos son: efecto pepita, la meseta, la escala y el rango.

Figura 4.- Comportamiento de un semivariograma acotado. Fuente: (Giraldo ,2007)


Modelos teóricos del semivariograma: Son varios los modelos básicos de los semivariogramas, que son capaces de explicar los diferentes comportamientos que pueden presentar las variables regionalizadas; entre los modelos más usuales que se tienen:

Modelo esférico:

(3)

Modelo exponencial

(4)

Modelo gaussiano.

(5)

Para el cálculo y modelación de variogramas, se utilizó el software Variowin 2.21®; este programa consta de tres subprogramas que deben ejecutarse en forma secuencial. El primero denominado Prevar 2D, en el cual es necesario designar las correspondientes columnas que indican las coordenadas georeferenciadas. A partir del archivo de datos de extensión .dat se genera un archivo de distancias .pcf para todos los posibles puntos existentes en el archivo de datos. El segundo subprograma es el Vario 2D, que utiliza el archivo de comparación de pares .pcf creado por el subprograma Prevar 2D, para realizar un análisis variográfico exploratorio en 2D. Los parámetros a ingresar en este subprograma son: el espaciamiento de los datos o distancia h, y el número de estas distancias. Luego el resultado será el variograma experimental de la variable en estudio. Este variograma se graba con extensión .var, para luego ser analizado por el siguiente subprograma. El último subprograma es el Model, que permite realizar de forma interactiva el ajuste a un modelo teórico de variograma experimental, obtenido previamente por el subprograma Vario 2D. Los modelos a los que se puede optar con este programa son: el semivariograma esférico, exponencial, gaussiano y potencia. Además indica, a través del Índice de Bondad de Ajuste o IGF (Indicative goodness of fit), la calidad del ajuste al variograma experimental y será mejor cuando este índice, que es un número adimensional , sea más próximo a cero.

Realizado este análisis estructural se obtienen los siguientes parámetros del semivariograma modelado a partir del variograma experimental: Modelo del semivariograma, efecto pepita, el rango y la meseta.


2.4.3. Estimaciones O Predicción Espacial (Kriging)

Se considera al método de Kriging como el mejor estimador lineal insesgado, es lineal porque sus estimaciones son combinaciones lineales ponderadas de los datos existentes; y es insesgado porque procura que la media de los errores (desviaciones entre el valor real y el valor estimado) sea nula; es óptimo porque los errores de estimación tienen una variancia de estimación mínima. Tiene como objetivo estimar el valor de la variable Z, para un punto x

0 que no ha sido considerado anteriormente. Realiza una suma ponderada

sobre todos los sectores que conforman la zona de estudio de interés, tomando los vecinos más cercanos al punto de interés x

0.

(6)

Dónde: Z(xi) son los valores de la variable en los puntos muestreados y λ

i representa

los pesos asignados a cada observación. El proceso del Kriging es asignar pesos a los vecinos más cercanos, considerados para la estimación; la diferencia del Kriging con otros métodos de interpolación, es que utiliza un método semejante a la interpolación por media móvil ponderada, a diferencia que los pesos son asignados a partir de un análisis espacial, basado en el semivariograma experimental.

Los pesos se obtienen en términos del semivariograma a través del sistema de ecuaciones:

(7)

(8)

Por lo cual los pesos que minimizan el error de predicción se determinan mediante la función de semivariograma a través de:

(9)

Encontrando los pesos se calcula la predicción en el punto x0. De forma análoga se procede para cada punto donde se quiera hacer predicción.

Para este proceso de predicción utilizamos el software ArcGis 9.3®, en el cual mediante el comando Geostatistical Analysis (análisis geoestadístico) se ingresa a Geostatistical Wizard (asistente geoestadístico); luego se escoge el método geoestadístico (Kriging) con


la variable a ser analizada. Posteriormente, ingresamos los parámetros del variograma modelado obtenido mediante el software Variowin 2.21®.

Finalmente, se obtiene una imagen formada por una gran matriz de puntos (píxeles) muy pequeños de diferentes tonos (mapa raster) con valores estimados o predichos para cualquier punto dentro del área de estudio; este proceso se lo realiza con todas las variables descritas anteriormente, para luego proceder a realizar la clasificación agrológica con los datos obtenidos mediante esta técnica.

2.5. CLASIFICACIÓN AGROLÓGICA

A continuación, se clasificaron los suelos agrológicamente en base a las normas y especificaciones dadas por el U.S.D.A. Soil Conservation Service (1994), con ligeras adaptaciones y modificaciones tomadas de la Guía Didáctica de Geología y Edafología de la Universidad Técnica Particular de Loja (2008). Con los mapas a los cuales se les realizó las interpolaciones se procedió a asignarles un puntaje de acuerdo a los Valores numéricos potenciales para determinar la capacidad de uso de los suelos (Carrión, 2008); las variables utilizadas para la clasificación agrológica de los suelos, con los respectivos puntajes son los siguientes:

Tabla 4.- Valores numéricos de la textura para determinar la clasificación agrológica del suelo. Arcilla (%) 17-20 20-22 22-24 24-26 26-28 28-30 30-35 35-42

Puntaje 4 5 6 7 10 15 20 25

Arena (%) 34-38 30-34 28-30 26-28 24-26 22-24 18-22 13-18

Puntaje 4 5 6 7 10 15 20 25

Total Textura 8 10 12 14 20 30 40 50

Fuente: (Carrión, 2008)

Tabla 5.- Valores numéricos de los nutrientes para determinar la clasificación agrológica del suelo. K 80-100 70-80 60-70 50-60 40-50 30-40 20-30 10-20

Puntaje 3 4 5 6 7 10 15 20

K asim. 190-210 170-190 150-170 130-150 110-130 90-110 70-90 40-70

Puntaje 2 3 4 5 6 7 10 15

Na 24-26 22-24 20-22 18-20 16-18 14-16 10-14 8-10

Puntaje 3 4 5 6 7 10 15 20

Mg 1,8-2,2 1,6-1,8 1,4-1,6 1,2-1,4 1,0-1,2 0,8-1,0 0,6-0,8 0,4-0,6

Puntaje 3 4 5 6 7 10 15 20

Total Nutrient 14 19 24 29 34 47 70 95



Tabla 6.- Valores numéricos de la materia orgánica, H.E y C.I.C. Mat. Org. Puntaje Hum. Equiv. Puntaje C.I.C. Puntaje9,6 - 11,0 3 33 - 35 4 52 – 56 47,2 - 9,6 4 35 - 37 5 48 – 52 56,0 - 7,2 5 37 - 39 6 44 – 48 65,6 - 6,0 6 39 - 41 7 40 – 44 75,2 - 5,6 7 41 - 43 10 36 – 40 104,8 - 5,2 10 43 - 45 15 32-36 154,0 - 4,8 15 45 - 47 20 28-32 203,0 - 4,0 20 47 - 50 25 24-28 25


Tabla 7.- Valores numéricos de la pendiente para determinar la clasificación agrológica del suelo. Pendiente (%) 0- 6 6-20 20-35 35-50 50- 65 65-75 > 75

Puntaje 4 5 6 7 20 50 100Fuente: (Carrión, 2008)

Con los valores asignados a cada variable, se procedió a realizar un álgebra o suma de mapas, para finalmente tener un mapa de clasificación agrológico de acuerdo la tabla 8.

Tabla 8.- Valores numéricos potenciales para determinar la capacidad de uso de los suelos. Puntaje Clase Aptitud

70 - 100 I

CULTIVOS100 - 120 II

120 - 140 III

140 - 160 IV

160 - 180 V

PASTOS Y BOSQUES180 - 200 VI

200 - 230 VII

> 230 VIII CONSERVACIÓN


3. RESULTADOS

3.1. ANÁLISIS EXPLORATORIO DE DATOS

Los resultados del análisis exploratorio de datos para cada variable se presentan en la tabla 9.

Tabla 9.- Resumen estadístico para las variables analizadasArcilla Arena C.I.C HE K_as K Mg Mo Na

Media 25,9 28,0 48,2 41,1 127,5 51,0 1,2 5,8 51,1

Desv. típ. 7,6 5,6 5,1 5,0 47,6 25,0 0,5 2,1 25,0

C.V. (%) 29,1 20,1 10,5 12, 2 37,4 48,9 44,6 36,6 49,0

El sodio y el potasio presentan una mayor variabilidad con un coeficiente de variación de 49,0% y 48,9 % respectivamente. Éste estadístico determina que la precisión en la predicción para estas variables, va a ser menor para aquellas variables con valores menores del coeficiente de variación.


3.2. ANÁLISIS ESTRUCTURAL

Los valores de los parámetros geoestadísticos y el modelo del semivariograma obtenidos mediante el software Variowin 2.21®, se presenta en la tabla 10.

Tabla 10.- Parámetros geoestadísticos de los semivariogramas de las variables estudiadasVariable Modelo Rango Pepita MesetaArcilla Exponencial 2483,80 26,68 35,96Arena Exponencial 792,00 8,63 21,75C.I.C. Esférico 576,00 369,60 423,50H.E. Esférico 900,00 9,36 17,15K_as Esférico 432,00 1081,00 1288,00

K Esférico 396,00 226,80 434,70Mg Esférico 971,88 0,11 0,17Mo Esférico 755,76 1,70 2,69Na Exponencial 3600,00 10,44 34,20

Estos valores, con su respectivo modelo de semivariograma son ingresados en el software ArcGis 9.3® para cada variable de estudio y poder obtener los mapas de predicción espacial.

3.3. PREDICCIÓN ESPACIAL

Una vez obtenidos los mapas de predicción espacial, se realizó para cada caso una reclasificación de acuerdo a las tablas de valores numéricos de cada variable con la finalidad de determinar la clasificación agrológica de los suelos, como se observa en las figuras 5 y 6.

Figura 5.-. Variabilidad espacial de la arcilla, arena, CIC, HE y potasio asimilable


Figura 6.-. Variabilidad espacial de la humedad potasio, magnesio, materia orgánica y sodio

Para la clasificación agrológica de los suelos de la hacienda El Prado fue necesario obtener el mapa de pendientes, el cual resultó del levantamiento base o mapa topográfico que inicialmente se obtuvo en el software Autocad 2007®, para luego ser exportado al ArcGis 9.3® y generar un mapa tridimensional del terreno, el mismo que se presenta en la figura 7. Este mapa fue necesario para la obtención del mapa de pendientes, reclasificándolo con los valores numéricos presentados en la tabla 7.

Figura 7.-. Levantamiento topográfico tridimensional de la hacienda El Prado y mapa de pendientes.


Con los puntajes de todos los mapas se procedió a realizar un álgebra de mapas que dio como resultado el mapa de clasificación agrológica de los suelos de la hacienda el Prado

Figura 8.- Mapa de clasificación agrológica de los suelos de la hacienda El Prado

A continuación en la Tabla 11, se observan las clases resultantes de dicho mapa.

Tabla 11.- Clases de suelos, superficie y aptitud del suelo según clasificación agrológica

4. CONCLUSIONES

En la presente investigación se determinaron 18 unidades o conglomerados de suelos, los cuales fueron comprobados en campo de manera empírica; por tanto, se concluye que esta técnica estadística es adecuada para la clasificación de unidades de suelos con características similares, de tal manera que indica o señala los sitios en dónde se debería realizar el muestreo detallado del mismo, evitando tomar un mayor número de muestras


La precisión en la predicción de las variables analizadas depende básicamente de la variabilidad de los datos como a valores muy altos de coeficientes de variación (> 30%) y a la presencia de valores atípicos.

La variabilidad espacial de las propiedades del suelo como la capacidad de intercambio catiónico, humedad equivalente, potasio, potasio asimilable, magnesio y materia orgánica se adecúan al modelo matemático de variograma esférico, mientras que la arena, arcilla, y sodio se adecuan al modelo matemático de variograma exponencial.

La aplicación y uso de técnicas estadísticas y geoestadísticas permiten disminuir el número de toma de muestras y por consiguiente el costo de un levantamiento agrológico del suelo; por tanto, la combinación de técnicas estadísticas y geoestadísticas en el estudio de suelos es apropiada para estos tipos de investigaciones y se recomienda aplicar estas técnicas en futuros trabajos especialmente donde los datos presenten variabilidad espacial.

5. REFERENCIAS

Aguilar, J. (1998). Biodiversidad florística en tres áreas de la hacienda “El Prado”- I.A.S.A., Ecuador. Quito.

Andrade, Santiago X., y Andrade Santiago A.(1999). Estudio Detallado De Suelos Y Levantamiento Agrológico Con Fines De Riego De La Parte Baja De La Hda. “El Prado” – I.A.S.A. Quito.

Botero, P.J. (1970). Una Metodología Para El Levantamiento De Suelos. Medellín, Editorial CIAF.

Carrión, H (2008). Guía Didáctica: Geología y Edafología. Universidad Técnica Particular de Loja. UTPL. Primera Edición.

Cressie, N. A.C. (1993). Statistics For Spatial Data. New York. Editorial Wiley & Sons.

Del Pozo, M.G. (2001). Manual de Manejo y Conservación de Suelos SECS. Quito.

Forclaz, M., Mazza, S. y Giménez, L. (2009). Clasificación De Los Sistemas De Producción Algodonera En La Provincia Del Chaco, Mediante El Uso De Análisis De Conglomerados. Buenos Aires. Red RIA. Revista de Investigaciones Agropecuarias

Giraldo, R. (1996). Geoestadística Aplicada a Datos Multivariados Provenientes del Monitoreo de las Aguas de la Ciénaga Grande de Santa Marta y el Complejo Pajarales, Caribe Colombiano. Bogotá. Tesis de Especialización en Estadística. Departamento de Estadística, Universidad Nacional de Colombia, 100 p.

Giraldo, R. (2007). Introducción a la Geoestadística. Teoría y Aplicaciones. Bogotá.http://www.docentes.unal.edu.co/.../docs/LIBRODEGEOESTADISTICA.pdfPedrosa, H. y Dicovski, L. (2007). Sistema De Análisis Estadístico Con SPSS. Managua. IICA,

INTA.Samper, F.J. y Carrera, J. (1990). Geoestadística. Aplicaciones a la Hidrogeología Subterránea.

Barcelona.Santamaría, M. y Malla, M. (2006). Notas sobre el manejo del software geoestadístico Variowin

. Parte I: Cálculo Del Variograma. Revista del Instituto de Investigaciones FIGMMG. Volumen 9, No 18, 82-90

Santamaría, M. y Malla, M. (2006). Notas sobre el manejo del software geoestadístico Variowin . Parte II: Modelado Del Variograma Experimental. Revista del Instituto de Investigaciones FIGMMG. Volumen 11, No 22, 89-95

Wackernagel, H. (1995). Multivariate Geostatistics. An Introduction with Applications. New York. Springer-Verlag. 256 pp. ISBN 3 540 60127 9


VALORIZACIÓN ECONÓMICA DEL USO RECREATIVO DE LA RESERVA GEOBOTÁNICA PULULAHUA (RGP) A TRAVÉS DEL MÉTODO DEL COSTO DE VIAJE

ZAFRIR RAQUEL1; RODRÍGUEZ FABIÁN2

1CARRERA DE INGENIERIA GEOGRÁFICA Y MEDIO AMBIENTE, DEPARTAMENTO DE CIENCIAS DE LA TIERRA Y CONSTRUCCIÓN, UNIVERSIDAD DE LAS FUERZAS ARMADAS – ESPE. Av. General Rumiñahui s/n, Sangolquí, Ecuador. E-mail: [email protected] DE CIENCIAS DE LA TIERRA Y CONSTRUCCIÓN, UNIVERSIDAD DE LAS FUERZAS ARMADAS – ESPE. Av. General Rumiñahui s/n, Sangolquí, Ecuador. E-mail: [email protected]

Recibido: 06 octubre de 2014/Aceptado: 20 de noviembre de 2014

RESUMENLa Reserva Geobotánica Pululahua (RGP) se encuentra a poca distancia de la ciudad de Quito y da una serie de bienes y servicios ambientales que la comunidad disfruta. La reserva fue declarada como Reserva por su condición geológica y gran diversidad biológica. Uno de los servicios en favor de la comunidad es el uso recreativo. El objetivo del proyecto es estimar la valorización económica de los usos recreativos de la RGP utilizando el método del costo de viaje (MCV). Para lo cual se estima primero la variación de la demanda de la RGP de acuerdo al número de visitas y cambios en el costo del viaje. Finalmente, se analiza los cambios en el excedente del consumidor (visitantes) de la reserva de acuerdo a su valorización económica. Los resultados demostraron que existe un valor positivo del uso recreativo de la Reserva Pululahua. Los visitantes gastaron un promedio de 16,97 USD por visita, y para el año 2012 la reserva tuvo un total de 997.148 visitantes. Mediante el método del costo de viaje se pudieron estimar el excedente del consumidor, el cual mide el valor económico del servicio recreativo de la reserva, y alcanzó un valor de 686,64 USD/semana. Las variables significativas de la regresión estadística fueron salario por hora, distancia y tiempo de viaje. La variable más importante fue el tiempo de viaje esto indica que mientras más tiempo se gasta en ir a la reserva mayor disponibilidad a pagar se tendrá; siendo esta variable más importante que la distancia recorrida; así mismo el salario por hora representa una variable fundamental en el método ya que a más ingresos mayor será la disponibilidad a pagar.

Palabras clave: Valoración Económica, Bienes Y Servicios Ambientales, Uso Recreativo, Costo De Viaje.

ABSTRACTThe Pululahua Geobotanical Reserve is located a few distances from the city of Quito y provides a wide range do environmental good and services. Pululahua was declared as a reserve due to its geological condition and great biodiversity. One of the environmental benefits is its recreational use. The main goal of this research study was estimating the economic value of the recreational service of the Pululahua Geobotanical Reserve through the use of travel cost methodology (TCM). In order to estimate the economic value of recreational service, first we establish the demand of the reserve and visitors were asked how much they spend to get there. Finally, the demand surplus was established, which it provides the value of recreational service. The results show that visitors spend an average of 16.67 USD per visit to get to the reserve. In 2012 997.148 visitors arrive to The Pululahua Geobotanical Reserve. We used surveys and estimation of travel cost to determine the consumer surplus, which is 686,64 USD/week. Travel time, income/hour and distance were significant in the regression analysis. Among them, travel time was the most important variable showing that visitors pay more if it takes additional time to get to the reserve. Furthermore, travel time is more important than distance. Income was also a fundamental variable according to the model, meaning, willingness to pay increases with income.

Key words: Economic Valuation, Environmental Good And Services, Recreational Use, Travel Cost.

Valorización económica sel uso recreativo Página 17

1. INTRODUCCIÓNEl Ecuador es un país mega-diverso, lo cual significa que es uno de los países con mayor diversidad biológica en el mundo. Por la posición geográfica del país y la presencia de la Cordillera de los Andes, la alta pluviosidad, uniformidad de temperaturas, y la existencia de volcanes que crean microambientes hacen que en el Ecuador existan 26 zonas de vida de acuerdo con la clasificación de Holdridge (INEFAN, 1998). El país tiene aproximadamente 25.000 especies de plantas vasculares de las cuales el 20% son endémicas (cerca del 10% del total mundial), una fauna extremadamente rica que incluye 422 especies de anfibios ( 25% del mundo), 380 especies de reptiles, 1.618 especies de aves (18% del total mundial), y unos 324 mamíferos.

Debido a su alta concentración de especies, Ecuador tiene en su territorio tres de los sitios críticos de conservación conocidos como “hot spots” como el bosque super húmedo tropical de la costa (región de Chocó), las estribaciones a ambos lados de la Cordillera de los Andes, y los bosques húmedos tropicales de la región Amazónica. Solo en la región andina, estribaciones de los Andes, Conservación Internacional encontró 50% de endemismo en especies de plantas; 13% entre mamíferos1; 33% entre aves; 45 % entre los reptiles; 68 % entre anfibios y 34 % en peces (Mittermeier et al., 2005).

El gobierno del Ecuador inició un proceso de conservación de la biodiversidad a través de la formación de áreas protegidas, el Parque Nacional Galápagos, en 1934, fue declarada como la primera área protegida de las 50 áreas que forman el Sistema Nacional de Áreas Protegidas – SNAP (MAE, 2007). El principal objetivo del SNAP, según el MAE, es el de preservar la diversidad biológica del país y promover el manejo sustentable de las tierras silvestres, y promocionar las ventajas potenciales del ecoturismo y el mantenimiento de flujos genéticos por su importancia biogeográfica (MAE, 2014). Una de las áreas de protección que forma parte del Patrimonio de Áreas Naturales del Estado – PANE es la RGP que fue creada por Decreto No. 2559 el 17 de febrero de 1978. Fue declarada como Reserva por su condición geológica y gran diversidad biológica con aproximadamente 2.000 especies vegetales, gran diversidad de aves, mamíferos e insectos de exótica apariencia (Coloma, 2007)

La RGP (figura 1), se ubica en la provincia de Pichincha, parroquia Calacalí, su superficie alcanza 3.383 hectáreas, con una altura de 1.800 msnm la parte baja y 3.356 msnm la parte alta. En la reserva se asienta una comunidad compuesta por 58 habitantes quienes viven dentro del cráter del volcán Pululahua, el volcán erupcionó la última vez hace 2.300 años y según MAE se lo considera aún activo. Actualmente la reserva es administrada por el Ministerio del Ambiente, el cual se encarga de resguardar y conservar el área. (Hidalgo et al., 2002)

1 Entre la que se destaca la rata pescadora (Anatomys leander) altamente especializada a la vida acuática y solo conocida en los Andes al norte del Ecuador (Tirira y Boada, 2009).

18 Página Zafrir Raquel; Rodríguez Fabián

Figura 1.- Ubicación Reserva Geobotánica PululahuaFuente: UCT, 2002

El presente proyecto busca determinar los beneficios que aporta la RGP a la comunidad a través de la valoración de sus bienes y servicios. En particular, se mide el beneficio estético de la reserva el cual se mide a través su uso. Para estimar el valor estético de la reserva se utiliza el método del costo de viaje (MCV) el cual considera que la existencia del bien genera un beneficio directo al usuario en términos de bienestar y esto es lo que se estima. En general, se espera que cuanto mayor sea este costo, menor será la probabilidad de uso y, por ende, su demanda.

El objetivo del proyecto es estimar el valor económico de los usos recreativos que se da a la RGP utilizando MCV, para lo cual se estima primero la demanda de la RGP de acuerdo al número de visitas y cambios en el costo para llegar a la reserva. Finalmente, se analiza el excedente del consumidor (visitantes)


2. METODOLOGÍA

1.1 EL MÉTODO COSTO DE VIAJE (MCV)

La economía neoclásica largamente ha olvidado los bienes y servicios ambientales, entre ellos el valor estético y recreación, en el análisis económico concentrándose en el crecimiento económico y la explotación de los recursos naturales, a pesar que la definición Hicksiana de “ingresos” implica tener presente el bienestar futuro en nuestras decisiones actuales al sugerir que los ingresos deberían ser una “guía para una conducta prudente” (Sadoff, 1995). Sin embargo y ante el aumento en la explotación de estos recursos naturales, se ha despertado el interés de muchas organizaciones internacionales para promover el uso de metodologías que permitan contabilizar los distintos activos medioambientales o del capital natural (Caparrós et al., 2003). El MCV es una de estas metodologías y usa la información sobre los gastos realizados durante el viaje por los visitantes a un área específica que puede ser un parque nacional. El MCV es utilizado para estimar el valor de uso económico valorar espacios naturales públicos como lagos, ríos, bosques y ecosistemas marinos, que son usados para recreación brindan servicios de recreación y esparcimiento a las comunidades (Wood y Trice, 1958; Clawson y Knetsch, 1966). Se fundamenta en el cálculo de los costos en que incurre el usuario al disfrutar de los servicios recreativos de un lugar específico. En vista de que el uso de un bien natural para la recreación y la diversión no posee un mercado definido, que permita obtener información sobre los precios o cantidades demandadas, la valoración se realiza indirectamente a través de mercados relacionados (McConnell y Strand, 1981)

Osorio J. & Correa F. (2013) afirman que la aplicación de este método se encuentra cuando existe una relación entre los bienes ambientales y bienes privados. Por ejemplo, en el caso de parques naturales, las personas disfrutan de las áreas naturales pero, para hacerlo, necesitan recurrir al consumo de algunos bienes privados para desplazarse al sitio, y es en estos gastos privados en los que se basa este método para lograr determinar una aproximación al valor del recurso natural.

El MCV se aplica a la valoración de áreas naturales que cumplen la función de recreación. Aunque en general el disfrute de parques naturales es gratuito, el visitante incurre en unos gastos para poder disfrutar de ellos, los cuales se conocen como costos de viaje. Se trata por tanto de estimar como varia la demanda del bien ante cambios en el costo de disfrutarlo. Con ello se estima la función de demanda del bien, y se puede analizar los cambios en el excedente del consumidor que produciría una modificación en las condiciones del bien ambiental.

Existen dos metodologías para obtener el valor según el método del costo de viaje, la variante zonal y la individual. La variante zonal es el método menos costoso y permite estimar el valor de los servicios de un sitio recreacional como un todo, no sirve para determinar los cambios en la “calidad” del servicio, pero permite estimar el valor “pagado”


por los visitantes con “precios” diferentes debido sobre la base de la información de los visitantes de lugares y distancias distintas, utilizando la información zonal para el análisis estadístico. La variante individual es muy similar a la zonal, pero utiliza los datos de la encuesta de los visitantes individuales en el análisis estadístico en vez de la información de cada zona (Farre y Duro, 2010). Por la disponibilidad de los datos para la valorización económica del uso recreativo de la RGP se eligió la variante zonal.

El costo de viaje es función de las preferencias de la gente por un determinado sitio y se deriva de la función clásica de la teoría del consumidor la cual indica que la elección del consumidor no se basa únicamente en el precio (el costo de entrada al sitio), sino también por todos los sacrificios (costos) hechos para la obtención de los beneficios generados por el bien o servicio (Rosato y Defrancesco, 2002).

La función de la demanda se define como, y según Rosato y Defrancesco, se determina que el precio no es una medida perfecta para medir el costo de obtención por el consumidor. Sobre la base del análisis de la función de la demanda bajo las condiciones establecidas por Rosato y Defrancesco (2002), la maximización de la utilidad debe tomar en cuenta estos costos. Es así que dados dos bienes o servicios (x1,x2), precios (p1, p2), y costos de acceso (c1, c2), con la restricción de los ingresos o renta anual de los visitantes Y, se puede obtener la maximización de la utilidad U de la siguiente forma:

maxU = ux1,x2

(1) Y = x1p1 + c1 + x2p2 + c2

Asumiendo que x1 es el conjunto de precios y servicios agregados, x2 es el número de visitas anuales al sitio recreacional (RGP), los costos de acceso insignificantes a los bienes de mercado (c1 = 0) y el acceso libre al sitio (p2 = 0), podemos reescribir la ecuación (1):

maxU = ux1,x2

(2) Y = p1x1 + c2x2

La ecuación (3) que determina la función del costo de viaje se presenta a continuación:

CVij= fP

i, Y

i, Z

j (3)

Donde:

CVij es el número de viajes que realiza el individuo i al sitio j,

Pi es el costo total de viaje de individuo i,

Yi es el ingreso o renta del visitante i,

Zj es la calidad estética del sitio j.


Y el excedente del consumidor está dado por

Dsc = P

i, Y

i, Z

jdtc (4)

El método MCV para áreas recreacionales se sustenta en las preferencias reveladas por los visitantes y no sirve para aquellos que no han visitado o conocen el sitio de interés. Para la estimación del costo de viaje para la RGP se estima el valor de la siguiente forma:

!"=#$%&∗230 ()∗*+)++*+ &"∗,/ℎ (5)

Las variables a tomarse en cuenta en el análisis estadístico son las siguientes:

- Costo de Transporte. Medido a través del costo de la gasolina.- Tiempo de Viaje. Medido a través del tiempo incurrido (horas) para llegar a RGP.- Salario. Los ingresos por hora del visitante a la RGP.- Nivel de Educación. El nivel de escolaridad del visitante.- Distancia. La distancia recorrida en Km desde el lugar de origen del visitante hasta

la RGP.

Es importante mencionar que para este estudio el costo de la gasolina (g) se tomó el precio de galón para la gasolina extra que según el comercio en 2013 es igual a $1.50, se debería sacar precio ponderado de los tipos de combustible utilizado en el transporte extra, super, diesel. Así mismo el valor de otros gastos (og) presente en la ecuación 5 no se consideró en este estudio ya que la RGP no cuenta con un valor de entrada establecido y en las encuestas tampoco se realizaron preguntas de otros gastos para el visitante. Además, se mide el tiempo (tv) que tardan en llegar a la reserva y se estima ese valor en valores monetarios (y/h).

1.2 ENCUESTAS

La determinación de los gastos de los visitantes se lo realiza mediante el diseño de cuestionarios semiestructurados tipo encuesta. Las encuestas se aplicaron a turistas nacionales y extranjeros en la RGP Reserva geobotánica Pululahua, se incluyeron 10 preguntas dirigidas a averiguar las características socioeconómicas del entrevistado, con variables como: nacionalidad, género, edad, nivel de educación, profesión, tipo de transporte, tiempo de traslado, costos de viaje y tiempo de estancia.

1.3 TAMANO DE LA MUESTRA

Para determinar el tamaño de la muestra Grima (2011) menciona el enfoque de muestreo probabilístico aleatorio representado en la fórmula (2), se utilizó un nivel de confianza del 95% (Z=1.96), un nivel de error de 5%, una proporción de éxito de 0.5 y para la población N se hizo una proyección de visitas en un fin de semana a partir del valor mensual obtenido del registro de visitantes al año 2012 del MAE el valor aproximado fue de 80


visitas en un fin de semana. Sobre el número de visitas semanales, se estableció el tamaño de la muestra. Con dicha técnica se estableció el número de encuestas representativas para la población de estudio y fue de 65 observaciones que fueron realizadas en el mes de Julio del 2014 a los visitantes del RGP.

(6)

Siendo:.2//2 = Valor ligado al nivel de confianza.p = Proporción que se desea estimar, que en este caso particular es de 0.5.q = 1- p complemento de la proporción E = margen de error.N = tamaño de la población

El análisis estadístico se realizó mediante el uso de una regresión lineal simple ordinaria OLS con el fin de estudiar la posible relación entre el costo de viaje y las variables: nivel de educación, salario por hora, distancia en km, tiempo de viaje y costo de transporte, percibidas en la muestra de 65 personas que visitan la RGP. La variable dependiente será el costo de viaje mientras que las independientes serán las antes mencionadas.

3. RESULTADOS Para la determinación del costo de viaje en la RGP se utilizan encuestas con el fin de conocer las características de los visitantes. De las 65 observaciones que se determinaron en la metodología se descartaron 7 debido a que los visitantes eran internacionales y para el presente proyecto se considera solo los turistas nacionales debido a que los visitantes internacionales llegan a la RGP solo como un complemento de su visita principal que puede ser las Islas Galápagos o las áreas protegidas de la Amazonía ecuatoriana.

Los resultados obtenidos en las encuestas y el cálculo individual del costo de viaje se agruparon por zonas y se muestran a continuación en la tabla 1 se presenta el resultado obtenido en cuanto a las zonas de procedencia hacia la reserva con sus respectivas distancias, número de visitantes y el cálculo del costo de viaje de cada zona mencionada:

Tabla 1. Resultados encuestas por zonas de procedencia ZONA DE PROCEDENCIA DISTANCIA KM # VISITANTES COSTO DE VIAJE

MITAD DEL MUNDO 5 6 2,76

QUITO NORTE 19 19 7,48

QUITO CENTRO 28 12 9,21

CUMBAYA 34 8 9,38

VALLE DE LOS CHILLOS 37 6 9,84

QUITO SUR 45 5 12,55

MANTA 250 2 67,55

Elaboración: autores


Como se puede observar en la tabla 1 el lugar de residencia fue dividido por zonas de procedencia para el mejor manejo de los datos; sin embargo para la curva de la demanda y el cálculo del excedente del consumidor se dividió por áreas en km debido a que se obtuvo un mejor resultado. A continuación se presenta la tabla 2 que contiene las consideraciones para el cálculo de la demanda, también se presenta la figura 2 correspondiente a la curva de la demanda.

Tabla 2: Datos cálculo de la demandaDISTANCIA (KM) # VISITANTES COSTO DE VIAJE

0-19 25 5,12

20-37 26 9,48

38-50 5 12,55

mas 50 2 67,55

Elaboración: autores

Figura 2.- Curva de la demanda. Fuente: Elaboración propia

Como se puede observar en la figura 2, la ecuación de la demanda es igual a:

y = -1,637x + 47,42Seguido de ello la valoración del bien se identificará con el excedente del consumidor. El excedente de un consumidor se obtendrá calculando el área entre la función de demanda y su costo al obtener la integral de la función de la demanda. En este caso se tiene el área bajo la curva para la demanda para la cual se utiliza la ecuación (4):

∆%!=686,64Para obtener el excedente total deberemos multiplicar el valor obtenido de un individuo por la población de visitantes anual que es igual a 997.148 obtenido del registro de visitantes al año 2012 del MAE, el excedente total será finalmente la estimación del valor de uso


recreativo del espacio natural y llega a un valor de 35.705 US$/año que representa el valor de uso recreativo de la RGP. Así, la valoración del espacio no es el costo del viaje sino justamente el excedente del conjunto de visitantes una vez descontados los costos de los viajes. Disponemos, pues, de un conjunto de puntos de la función de demanda con objeto de calcular las áreas se puede proceder a una estimación de la forma de dicha función, una buena aproximación acostumbra a ser la aproximación lineal. (Farre y Duro, 2010).

Los resultados que nos proporciona el análisis estadístico, con las opciones por defecto del cuadro de regresión lineal, son las tablas etiquetadas como Variables introducidas/eliminadas, Resumen del modelo y Coeficientes. Que se van a presentar a continuación.La tabla3 que se presenta a continuación contiene las variables introducidas y eliminadas en el modelo para este caso semuestra que todas las variables solicitadas fueron introducidas en el modelo.

Tabla 3.- Variables introducidas/eliminadasModel Variables Entered Variables Removed Method

1 COSTO DEL TRANSPORTE($), TIEMPO DE VIAJE (horas), SALARIO POR HORA, NIVEL DE EDUCACION, DISTANCIA(KM)a

.Enter

a. All requested variables entered.

La tabla 4 contiene el resumen del modelo nos proporciona información acerca de la bondad de ajuste del modelo.

Tabla 4.- Resumen del modelo

Model R R Square Adjusted R Square

Std. Error of the Estimate

1 .998a .996 .996 0.7138042

a. Predictors: (Constant), COSTO DEL TRANSPORTE($), TIEMPO DE VIAJE (horas), SALARIO POR HORA, NIVEL DE EDUCACION, DISTANCIA(KM).

Fuente: Software SPSS

Una manera de determinar el grado en el que una recta se ajusta a una nube de puntos es el coeficiente de determinación, se trata de una medida estandarizada que toma valores entre 0 y 1(0 cuando las variables son independientes y 1 cuando entre ellas existe relación perfecta). Este coeficiente posee una interpretación muy intuitiva: representa el grado de ganancia que podemos obtener al predecir una variable basándonos en el conocimiento que tenemos de otra u otras variables. Como se puede observar en la tabla 4 para el caso de estudio el valor del coeficiente es igual a 0.998 como ya se mencionó anteriormente si el valor tiende a 1 indica que existe una relación positiva entre la variable dependiente y las variables independientes, así mismo se puede concluir que el método del costo de viaje está arrojando resultados verídicos en cuanto a la valorización económica del uso recreativo de la RPG


La tabla 5 de muestra coeficientes no estandarizados (en directas) y estandarizados de la recta de regresión estimada. Concretamente, la columna etiquetada como B permite escribir la recta de regresión en puntuaciones directas. Así el modelo de regresión lineal múltiple, está dado por la siguiente ecuación:

1= −5.884−0.841 3$"45 64 467!8!$ó9+2.021 %858:$+ ;+: ℎ+:8+0.1 6$%&89!$8 +3.973 &$4);+ 64 "$8<4+0.014 !+%&+ 645 &:89%;+:&4Tabla 5.- Coeficientesa

ModelB

Unstandardized Coefficients

Standardized Coefficients

t Sig.Std. Error Beta1 (Constant) -5.884 .495 -11.889 .000

NIVEL DE EDUCACION -.841 .451 -.043 -1.866 .068SALARIO POR HORA 2.021 .248 .188 8.148 .000DISTANCIA(KM) .100 .007 .375 13.634 .000TIEMPO DE VIAJE (horas) 3.973 .181 .600 21.896 .000COSTO DEL TRANSPORTE($) -.014 .016 -.008 -.917 .363

a. Dependent Variable: COSTO DE VIAJE

Los signos negativos para las variables: nivel de educación y costo del transporte indican que se tiene poca dependencia de estas dos variables en el método del costo de viaje y no son significativos.

Para el caso del nivel de educación sin embargo no se refleja lo esperado, lo que se esperaría es que a mayor nivel de educación mayor disponibilidad a pagar y en este caso se figura lo contrario esto puede deberse posiblemente a que para el análisis de la regresión lineal se dieron valores a criterio propio para cada variable cualitativa siendo estudios superiores igual a 3, secundaria igual a 2 y primaria igual a 1.

Así mismo se puede observar que el costo de transporte no es significativo para el modelo, ya que como se puede observar en la ecuación (5) el costo de transporte no forma parte del cálculo en el costo de viaje debido a que la ecuación determina el costo en combustible promedio por la distancia recorrida.

Los signos positivos para las variables: salario por hora, distancia y tiempo de viaje, indican que estas tienen mayor dependencia en cuanto al costo de viaje y son significativos estadísticamente, como se puede observar en la tabla 5 el mayor valor se presenta en el tiempo de viaje esto indica que mientras más tiempo se gaste en ir a la reserva mayor disponibilidad a pagar se tendrá; comparándolo con la distancia se tiene que es más importante el tiempo que se demora en llegar a la reserva que la distancia recorrida; así mismo el salario por hora representa una variable fundamental en el método ya que a más ingresos mayor será la disponibilidad a pagar.


4. CONCLUSIONES

La valorización de un bien o servicio ambiental es importante ya que permite informar a las población acerca de su conservación identificando un valor monetario a su vez resaltar la riqueza natural de los mismos permitiendo beneficios no solo en la actualidad sino también para las futuras generaciones.

Para la elaboración del presente proyecto se utilizó el método del costo de viaje con la variante zonal, para el cual se concluye que la información necesaria para su aplicación depende explícitamente de las encuestas elaboradas y de la información que se obtiene de las mismas en base a las características socioeconómicas del entrevistado, con variables como: nacionalidad, género, edad, nivel de educación, profesión, tipo de transporte, tiempo de traslado, costos de viaje y tiempo de estancia. Sin embargo uno de los inconvenientes que se presentaron al momento de realizar el método fue la división de las zonas para la elaboración de la curva de la demanda; inicialmente se tomó el criterio de dividir las encuestas por zonas de procedencia lo que permitió un mejor manejo de los datos a analizar, pero al realizar la curva de la demanda no se obtuvo el mismo resultado es por ello que se decidió dividir las zonas por áreas en kilómetros lo cual permitió una mejor estimación de la curva e interpretación de los resultados.

La metodología del costo de viaje manifestaba la necesidad de conocer la población de cada zona definida, sin embargo para el desarrollo del siguiente proyecto se utilizó únicamente el número de visitantes en el día que se realizaron las encuestas debido a que este número de visitantes fue mínimo comparándolo a la población total.

De acuerdo a los objetivos planteados se concluye que se logró calcular la demanda de acuerdo al número de visitas por semana y los cambios en su costo de viaje, así mismo se pudo calcular el excedente del consumidor estimando así la valorización económica de la RGP.

Para determinar la correlación que existe entre las variables planteadas en las encuestas se utilizó un modelo estadístico de regresión lineal el cual predice la dependencia del costo de viaje a las demás variables; en este apartado se encontró que la variable más significativa fue la distancia recorrida en horas mientras que la variable menos significativa fue el costo del transporte. Sin embargo para el caso del nivel de educación no se refleja lo esperado, se refleja que a mayor nivel de educación menor disponibilidad a pagar, lo cual es inconsistente a la teoría estudiada, esto posiblemente sea debido a que los valores dados a las variables cualitativas fueron por criterio propio.

Uno de los problemas que se presentaron en la aplicación de la metodología fue la obtención de datos ya que al realizar las entrevistas se pueden producir sesgos muéstrales debido a que en muchos casos las personas no tienen disposición para entregar datos verídicos para la investigación, además se debe tomar en cuenta que de las 65 observaciones que


se determinaron en la metodología se descartaron 7 debido a que los visitantes eran internacionales y para el presente proyecto se considera solo los turistas nacionales, por lo tanto es recomendable realizar un estudio con una muestra más grande para no caer en problemas de preferencias o sesgos antes manifestados.

REFERENCIAS

Caparrós A., Campos P. Y Montero G. 2003. An Operative Framework For Total Hicksian Income Measurement: Application To A Multiple-Use Forest. Environmental And Resource Economics, 26: 173-198.

Clawson, M. And Knetsch, J., 1966. Economics Of Outdoor Recreation. Baltimore: Johns Hopkins University Press.

Coloma, A. 2007. Reserva Geobotánica Pululahua. En: ECOLAP Y MAE. Guía Del Patrimonio De Áreas Naturales Protegidas Del Ecuador. ECOFUND, FAN, Darwinnet, IGM. Quito, Ecuador

Farre F. Y Duro J. (2010). Estimación Del Valor Económico Del Parque Natural Delta Del Ebro. Departamento De Economía. Universidad Rovira I Virgili, 111-128. Recuperado De Http://Revistas.Um.Es/Turismo/Article/Viewfile/116301/110061

Grima, P. (2011). La Certeza Absoluta Y Otras Ficciones Los Secretos De La Estadística. Editec. España.

Hidalgo S., Mejía A Y Mena F. (2002). Análisis Y Evaluación De La Comunidad Del Pululahua Para La Implementación De Proyectos De Desarrollo Sostenible. Universidad De Especialidades Turísticas (UCT).

Mcconnell, K And I. Strand, 1981. Measuring The Cost Of Time In Recreation Demand Analysis American Journal Of Agricultural Economics, 61:153-156

Ministerio Del Medio Ambiente (MAE). 2012. Registro De Visitantes Al Sistema Nacional De Áreas Naturales Y Vida Silvestre.

Ministerio Del Medio Ambiente (MAE). 2014. Somos SNAP, Boletín Informativo Del Proyecto De Sostenibilidad Financiera De Áreas Protegidas. Ministerio Del Ambiente Del Ecuador, Global Environmental Facility -GEF, Programa De Las Naciones Unidas Para El Desarrollo – PNUD. Boletín No. 5 Enero – Marzo 2014.

Osorio J. & Correa F. 2013. Valoración Económica De Costos Ambientales: Marco Conceptual Y Métodos De Estimación. Dialnet, Pág. 184-186. Recuperado De http://Dialnet.Unirioja.Es/Descarga/Articulo/2929569.Pdf

Rosato P. Y Defrancesco E. 2002. Individual Travel Cost Method And Flow Fixed Cost. Fondazione Eni Enrico Mattei, Documento De Trabajo No. 56. 25 Pp.

Sadoff C. 1995. Natural Resource Accounting: A Practical Comparison Of Methodologies And Application To Thailand’s Logging Ban. En: Susan Shen Y Arnoldo Contreras Hermosilla (Eds.) Evironmental And Economic Issues In Forestry: Selected Case Studies In Asia. World Bank Technical Paper No. 281, Asia Technical Department Series. Washington DC. 27-56 Pp.

Tirira, D. G. Y Boada, C. 2009. Anotomys Leander. En: IUCN 2010. IUCN Red List Of Threatened Species. Version 2010.3. . Downloaded On 21 September 2010.

Wood, S. And Trice, A., 1958, “Measurement Of Recreation Benefits” Land Economics, 34:195-207


ANÁLISIS DEL RIESGO MULTI - AMENAZA EN EL ORDENAMIENTO TERRITORIAL DE UNA CUENCA HIDROGRÁFICASALAZAR RODOLFO.1,2 ; FRA PALEO URBANO 2,3

1UNIVERSIDAD DE LAS FUERZAS ARMADAS ESPE. AV. GRAL RUMIÑAHUI S/N. SANGOLQUÍ, ECUADOR. P.O.BOX 171-5-231B. [email protected]. 2LABORATORIO DO TERRITORIO, UNIVERSIDAD DE SANTIAGO DE COMPOSTELA. CACTUS. CAMPO UNIVERSITARIO 27002 LUGO, ESPAÑA. [email protected] DE EXTREMADURA, CAMPUS UNIVERSITARIO 10071 CÁCERES, ESPAÑA. [email protected].

Recibido: 15 de noviembre de 2014/ Aceptado: 18 de diciembre de 2014

RESUMENEl análisis del riesgo multi-amenaza y la planificación del uso del suelo necesitan gestionarse en el ámbito local. La geoinformación que compilan y desarrollan los organismos nacionales alerta acerca de la probabilidad de un evento basándose en estudios multi-temporales y regionales, permitiendo localizar las áreas de mayor afectación. La cuenca del río Esmeraldas, de acuerdo con la información del uso de la tierra es un sector de áreas productivas y habitadas que al ser afectadas producirían daños considerables. El análisis del riesgo, la planificación del uso del suelo y la gestión integral de la cuenca hidrográfica se distribuyen en varios municipios que tienen sistemas de información y catastros diferentes tanto para las áreas urbanas como para las rurales. La adopción de la norma ISO 19152 LADM posibilita la creación de un modelo de catastro de estándares mínimos, que permita a los municipios que forman parte de la cuenca, incluir la condición de riesgo multi-amenaza en forma de restricciones y responsabilidades sobre los predios, así como la gestión integrada, la planificación, el ordenamiento territorial, la capacitación de los actores y la toma de decisiones localizada en forma homogénea, efectiva y oportuna. En este estudio se presentan los elementos a ser considerados en la administración del territorio y un nuevo modelo de catastro, en sus relaciones con el uso de la tierra, la tenencia y la protección ambiental. Se propone la incorporación de conceptos y mecanismos de infraestructuras de datos espaciales para que considerados en el ámbito catastral puedan servir como plataforma para la creación de sistemas de entrenamiento para las personas y organizaciones encargadas de la gestión del ordenamiento territorial y el riesgo multi-amenaza en la cuenca. Palabras clave: Multi-amenaza, Uso de la Tierra, Catastro, Administración de Tierras, ISO 19152, LADM, Infraestructura de Datos Espaciales.

ABSTRACTRisk management for multi - hazard and land use planning need to be managed locally. Geo-información compiled and developed in national agencies to alert the probability of an event based on multi -temporal and regional studies, allowing locating areas to be most affected. At Esmeraldas river basin according to land use information, there are productive and inhabited areas that being affected would produce considerable damage. Risk analysis, land use planning and an integrate driver basin management are responsibility of various municipalities that have different cadastral models for urban and rural areas. Adopting the ISO 19152 LADM standard provides the ability to create a model for cadastre with a minimum of standards that allows municipalities within the basin to include the multi - hazard condition in the field of restrictions and responsibilities over the land as well as standardize the land administration, planning, capacity building and decision making in a homogeneous, effective and timely way. The elements to be considered in land administration and cadastre under the ISO 19152 LADM standards are presented in this study as an example of their relationship with land use, tenure and environmental protection. Including concepts and mechanisms of spatial data infrastructures in the cadastral domain is proposed to be considered as a platform to create training systems for people and organizations responsible of risk management and land administration.Key words: Multi Hazard, Land Use, Cadastre, Land Administration, ISO 19152, LADM, Spatial Data Infrastructures.

Análisis del riesgo multi-amenaza Página 29

INTRODUCCIÓN

Las cuencas hidrográficas en los países andinos están expuestas a riesgos por múltiples amenazas, no sólo a consecuencia de los procesos naturales sino por las decisiones humanas que han permitido construcciones inadecuadas que aumentan la vulnerabilidad. En el Ecuador, las principales amenazas naturales son inundaciones, terremotos, deslizamientos, erupciones volcánicas, tsunamis y las derivadas de la actividad humana, la deforestación, los derrames de petróleo, las actividades mineras y las obras de infraestructura incorrectamente ubicadas, entre otras.

Las ciudades se han desarrollado con escaso control y planeamiento, invadiendo áreas naturales protegidas, áreas productivas y áreas de peligro, incrementando la vulnerabilidad de la sociedad y de los ecosistemas. Su rápido crecimiento exige una adecuada gestión del territorio mediante el análisis integrado de múltiples disciplinas, la transferencia tecnológica y el intercambio de las experiencias documentadas que se encuentran dispersas. Los procesos de gestión territorial no consideran adecuadamente el riesgo multi-amenaza en la planificación del uso del suelo ni lo integran con la protección ciudadana; en consecuencia, al producirse un evento, las personas y la sociedad sufren pérdidas humanas y económicas que no han sido previstas ni cuantificadas.

Las nuevas tecnologías de la información y la comunicación, TIC y los sistemas de información geográfica, SIG tienen la capacidad de integrar, distribuir y difundir la información sobre amenaza, vulnerabilidad y riesgo, permitiendo a los ciudadanos y al gobierno transparentar el conocimiento del territorio optimizando el proceso de toma de decisiones de los actores involucrados en la gestión del riesgo antes, durante y después de un evento. Las Infraestructuras de Datos Espaciales, IDE son mecanismos legales, organizacionales, tecnológicos, económicos y humanos que facilitan el acceso a la geoinformación con el aprovechamiento máximo de las TIC, mediante protocolos estandarizados. Idealmente están en condiciones de permitir a un usuario común o a un gestor de geoinformación, la localización y acceso a los datos más actualizados generados en cada uno de los sectores, sin la necesidad de transformarlos (Bernabé & López, 2012). Adoptado este concepto, todo el proceso desde la generación hasta la difusión de la información de amenaza, vulnerabilidad y riesgo puede hacerse transparentemente por medio del geoportal de una IDE que permita el ahorro de recursos, tiempo y esfuerzo, evitando la duplicación de costos asociados a la generación y mantenimiento de su geoinformación.

La generación de geoinformación temática en las diferentes organizaciones involucradas en la gestión del riesgo así como su actualización y difusión hacia los organismos de respuesta a la emergencia es especialmente colaborativa. La información necesaria en la fase de preparación de las actividades previas a un evento se obtiene de la monitorización de las amenazas y del análisis de la vulnerabilidad y del riesgo en la planificación estratégica del territorio a escala local (Geiß & Taubenböck, 2013), que proporcionan la localización y capacidad de respuesta de la red vial, las edificaciones, los hospitales, las

30 Página Salazar Rodolfo; Fra Paleo Urbano

estaciones de bomberos, las redes de servicios, los centros médicos y demás involucrados. Durante un evento y posterior a él, es necesario conocer áreas de desastre, rutas cerradas, puntos de control, áreas de evacuación, entre otras.

El estudio de la usabilidad de las IDE como herramienta de gestión territorial (Sarmiento et.al, 2011), realizado por el grupo de investigación LaboraTe de la Universidad de Santiago de Compostela establece que para adecuar las funciones del ordenamiento territorial con la gestión del riesgo, adicionalmente son necesarios datos relativos a la propiedad, valor, uso de la tierra y de sus recursos asociados como una forma de información de partida rigurosa y actualizada. Estos datos adicionales provienen de los sistemas catastrales.

La norma ISO 19152, Land Administration Domain Model, LADM publicada en diciembre de 2012, relaciona los elementos de la naturaleza que incluyen el agua, la tierra y los elementos sobre y bajo la superficie terrestre, con ciertos actores que pueden ser personas u organizaciones, por medio de los derechos, responsabilidades y restricciones sobre la tierra. Permite el registro de los “objetos legales” en una geodatabase catastral en la que constan los predios junto con los objetos espaciales como las construcciones y servicios, que se cartografían normalmente con su geometría, topología y atributos. Esta norma contiene los contenidos adecuados de la gestión territorial combinando coherentemente diferentes fuentes de información, integrando en el módulo de “derechos” la información que generalmente reposa aislada en un registro de la propiedad e incluyendo el concepto de responsabilidades y restricciones sobre la tierra. La representación gráfica de este modelo se enlaza fácilmente a las diferentes capas de la geoinformación temática utilizada para la planificación del uso del suelo, entre las que se incluyen los componentes de la multi-amenaza.

Una apropiada forma de evaluación participativa (Colleti, et al, 2013), se fundamenta en un sistema de información sobre amenaza y vulnerabilidad que compara la percepción del riesgo analizando eventos históricos. Este método modela y evalúa a través del Internet los diferentes planes de gestión del riesgo integrando el conocimiento científico con la percepción de la población, mediante geoportales (Huang R, et al, 2013), que brindan a la sociedad herramientas para la evaluación del riesgo, para el control del uso eficiente del suelo como recurso escaso, para la alerta temprana y para la preparación ciudadana.

En el modelo para la gestión del riesgo (Cutter, 2003), se establece que las ciencias geoinformáticas están presentes en todos los momentos del ciclo de respuesta a las emergencias, utilizando métodos y técnicas de almacenamiento, procesamiento, análisis, intercambio y visualización de la información geográfica, permitiendo en cada momento, la gestión antes, durante y después de un evento catastrófico, dando respuesta tanto a los diferentes puntos de vista de los especialistas como a las necesidades de los usuarios de dicha información en una emergencia. Esta necesidad establece la importancia de comprender las diferencias entre la visión de un especialista comparada con la de un


tomador de decisiones. Habitualmente, los responsables de atender a la emergencia que generalmente son la policía, los bomberos, los médicos y los militares, encargados de la respuesta inmediata, no están familiarizados con el manejo de geoinformación y no saben identificar ni solicitar claramente los datos que necesitan ni localizarlos en algún repositorio de producción.

Tabla 1. Relación entre los puntos de vista del usuario y respuesta del técnico informático, respecto de la información geoespacial (adaptado de Cutter, S, 2003).

Preguntas del responsable de la emergencia Respuesta que debe dar el especialista geoinformático

1 Qué datos se necesitan, dónde están y quién los tiene? Sistema y plataforma informática para la adquisición, inte-gración y distribución de la información geográfica (IDE)

2Existe un modelo, un software o un programa al que pueda preguntar y me responda dónde puedo conseguir la información sobre riesgo?

Un Geo-portal con un sistema distribuido de metadatos. Visualización dinámica de la geo- información que representa los procesos físicos y humanos en varias disciplinas.

3 Puede mi computador conectarse con el suyo (de quienes tienen la información)? Interoperabilidad, posibilidad de acceso a los datos, IDE

4 Qué elementos en riesgo y sus características deben analizarse y dónde están?

Análisis espacial de la gestión del riesgo, incertidumbre, probab-ilidad y localización de eventos.Sistemas de soporte a la toma de decisiones.

Por lo tanto, es importante crear sistemas geoinformáticos avanzados apoyados por infraestructuras de datos transparentes, IDE, fáciles de usar y con salidas intuitivas para la difusión de la información, que permitan su interpretación por personas no expertas pero que están en una posición de toma de decisiones rápidas, eficientes, eficaces y coherentes. Estos sistemas estarán disponibles permanentemente y asegurarán su funcionamiento durante todo el ciclo de análisis de la amenaza, vulnerabilidad, riesgo y desastre.

El empleo de la tecnología permite mejorar la alerta temprana mediante el seguimiento de los eventos en tiempo real o muy cercano a su ocurrencia, modelando, transmitiendo y facilitando datos obtenidos por sensores localizados en el terreno, optimizando la respuesta previa al evento. En esta etapa es importante considerar que la transmisión de datos es el punto crítico del proceso por la dependencia de los sistemas eléctricos y electrónicos que están entre los más vulnerables.

Cuando ocurre un desastre, en un tiempo de respuesta que va desde las horas a los días, la prioridad son las operaciones de rescate de las personas afectadas. Inmediatamente después, las operaciones de asistencia y atención médica necesitan un tiempo de respuesta de días hasta semanas. Los dos tipos de operación necesitan sistemas de comando y control apoyados en algún tipo de SIG para el análisis de los daños, la ubicación de los elementos vulnerables y la localización de los recursos disponibles a fin de proporcionar una respuesta eficiente durante la emergencia. En áreas con daños severos como ciudades, áreas densamente pobladas o industriales, es difícil la identificación de algunos sitios debido a que la mayoría de edificios estarán destruidos, por lo que la utilización de los receptores del Global Positioning System, GPS en combinación con información histórica es imprescindible para su localización precisa.


Para la reconstrucción de las áreas afectadas, que tiene un tiempo de respuesta desde unos pocos meses hasta algunos años, los sistemas de administración de tierras generalmente se utilizan para planificar, orientar y monitorear el futuro uso del suelo, así como para actualizar los planes de emergencia mejorando las rutas de evacuación redefiniendo las zonas de peligro con los nuevos datos de ubicación de los continuos y permanentes asentamientos humanos. Se hacen nuevas evaluaciones de la vulnerabilidad integrando indicadores sociales y biofísicos, en cuyo caso la calidad y disponibilidad de la geoinformación en los sistemas de administración del territorio tienen especial importancia.

La Constitución de la República de 2008 establece que la planificación es el elemento fundamental del desarrollo territorial y “será obligatoria en todos los gobiernos autónomos descentralizados”, Art. 241, que tienen las competencias para la elaboración de los planes de desarrollo y ordenamiento territorial articulados en la planificación nacional, provincial, cantonal y parroquial. El artículo 244 establece que dos o más provincias con continuidad territorial podrán formar regiones autónomas procurando el equilibrio interregional, la afinidad histórica y cultural, la complementariedad ecológica y el manejo integrado de cuencas. El Sistema Nacional de Catastro Integrado Geo Referenciado de Hábitat y Vivienda creado en marzo de 2011 bajo rectoría del Ministerio de Desarrollo Urbano y Vivienda, MIDUVI tiene como objetivos registrar en forma sistémica, lógica, geo referenciada y ordenada en una base de datos integral e integrada, los catastros urbanos y rurales de los municipios del país con la finalidad de constituirse y construir una herramienta para la formulación de políticas de desarrollo urbano.

Por otro lado, los datos registrados por el Centre for Research on the Epidemiology of Disasters, CRED entre los años 1900 y 2013 (Guha-Sapir, et. al. 2014), determinan que los desastres naturales causantes de la mayor cantidad de pérdidas humanas y económicas en el Ecuador han sido las inundaciones en el 41,54%, los terremotos en el 40,83%, los movimientos en masa en el 13,30% y los eventos volcánicos en un 4,28%.

La planificación del uso del suelo como parte del ordenamiento territorial, en el Ecuador, no ha considerado específicamente el riesgo multi-amenaza y no se han desarrollado sistemas eficientes de administración de tierras a escala local que permitan la gestión integrada de eventos catastróficos, cuya responsabilidad está dividida en diversas zonas de planificación, provincias y cantones. El presente estudio de tipo regional propone establecer una metodología que incorpore las variables de riesgo, amenaza y vulnerabilidad en el ordenamiento del territorio. Como estudio de caso se analizan las afectaciones por amenaza de inundación y de origen volcánico considerando, por su carácter de albergue de población masiva, a los centros de salud y educativos como objetos legales (predios) vulnerables, que en el ámbito de la ISO 19152, tienen derechos, responsabilidades y restricciones relacionadas con sujetos. Se presenta un modelo conceptual para estandarizar los sistemas catastrales municipales a fin de que gestionen información uniforme y homogénea para la administración del territorio independientemente del límite que divide dos jurisdicciones vecinas. Este modelo unificado pretende que la toma de decisiones


para la gestión multi-riesgo sea homogénea, oportuna, coherente y eficiente en todos los municipios que integran una cuenca hidrográfica ecuatoriana.

METODOLOGÍA

Utilizando la cartografía publicada por el Sistema Nacional de Información, SNI, se determinaron las áreas en riesgo por inundación y actividad volcánica en la cuenca hidrográfica del río Esmeraldas, verificando las áreas urbanas más vulnerables en los municipios de Esmeraldas, Quinindé, Santo Domingo, Quito, Rumiñahui, Mejía, Cayambe y Pujilí. Debido a que los municipios tienen realidades diferentes, no disponen de información predial homogénea y al análisis regional de esta propuesta, para estandarizar el modelo de administración territorial de la cuenca se analizó la vulnerabilidad de la manzana o bloque (conjunto de predios urbanos rodeado por vías o calles) como unidad espacial expuesta a las amenazas. Posteriormente se definió y conceptualizó el modelo que integre, para el ámbito nacional, los sistemas municipales estandarizados bajo la norma ISO 19152 en una plataforma informática con las características de un geoportal catastral.

Figura 1. Integración del análisis multi-amenazas con la norma ISO 19152 LADM

La geoinformación obtenida para el estudio de caso está en el ámbito de la planificación nacional cuyas escalas varían desde 1:1.000.000 a 1:50.000, fuera del rango catastral; ha sido elaborada en diferentes fechas, de modo que el análisis se realiza desde la perspectiva regional y es válido como una aproximación para afinar las necesidades locales de información más detallada.

La cartografía básica utilizada, sigue el Perfil Ecuatoriano de Metadatos, PEM y el Catálogo de Objetos, CO para la producción de cartografía a escala 1:50.000 (IGM, 2011). Otra cartografía incluye entre las amenazas naturales a las volcánicas, inundaciones, sísmicas, deslizamientos, y tsunamis; para la organización territorial se consideran las zonas de planificación, provincias, cantones, zonas, sectores y manzanas censales; adicionalmente


se utilizó la cartografía producida por varias instituciones que contiene los componentes biofísicos para la determinación de las cuencas hidrográficas, cobertura y uso del suelo, patrimonio de áreas naturales del Estado y las principales obras de infraestructura entre las que se ha considerado vías, oleoductos, conducción de agua, centros de salud, centros educativos y centros turísticos. Toda la geoinformación descargada está unificada en formato de cobertura shapefile, Proyección Universal Transversa de Mercator, Zona 17 Sur, Datum WGS-84.

Tabla 2. Cartografía existente y descargada del Sistema Nacional de In-

formación, SNI (Geo-portal de la SENPLADES)Cobertura Institución Año

1 PELIGRO VOLCÁNICO IGEPN-STGR VARIOS

2 ÁREA INUNDACIÓN INAMHI-MAGAP 2002

3 INTENSIDAD SÍSMICA IGEPN 2002

4 MOVIMIENTOS EN MASA MAGAP -STGR 2003

5 UNIDADES HIDROGRÁFICAS N5 SENAGUA 2011

6 CENTROS EDUCATIVOS MINEDUCA 2013

7 CENTROS DE SALUD MINSALUD 2012

8 CATASTRO TURÍSTICO MINTURISMO 2002

9 PANE FEBRERO MAE 2013

10 VÍAS ESTADO ABRIL MTOP 2013

11 CENSAL MANZANAS INEC 2011

12 CENSAL CANTONES INEC 2011

13 CENSAL PROVINCIAS INEC 2011

14 COBERTURA Y USO DEL SUELO MAGAP 2002

15 CARTOGRAFÍA BÁSICA LIBRE SHP IGM VARIOS

IGEPN (Instituto Geofísico de la Escuela Politécnica Nacional), STGR (Secretaría Técnica de la Gestión de Riesgos), INAMHI (Instituto Nacional de Meteorología e Hidrología), MAGAP (Ministerio de Agricultura Ganadería Acuacultura y Pesca), SENAGUA (Secretaría Nacional del Agua), MEC (Ministerio de Educación y Cultura), MINSALUD (Ministerio de Salud Pública), MINTURISMO (Ministerio de Turismo), MAE (Ministerio del Ambiente), MTOP (Ministerio de Transporte y Obras Públicas), INEC (Instituto Nacional de Estadísticas y Censos), IGM (Instituto Geográfico Militar)

ANÁLISIS Y DISCUSIÓN

La cuenca hidrográfica expuesta a mayores peligros naturales con características de multi-amenaza en el Ecuador es la del río Esmeraldas, que desemboca en el Océano Pacífico. Adyacente y debido a que se pretende analizar a futuro el peligro frente a la amenaza de tsunamis, se consideraron e incorporaron al estudio las microcuencas de los esteros costeros ubicados al norte de la desembocadura hasta la frontera con Colombia en el río Mataje y al sur hasta el paralelo 0º. La consideración de la cuenca hidrográfica como unidad de estudio permite evaluar la situación de conflicto que actualmente genera la responsabilidad administrativa compartida de las diferentes jurisdicciones frente a la gestión de un evento común.


Localización del área de estudio en el Ecuador continental

Figura 2. Localización del área de estudio

El área de estudio, localizada al noroeste del territorio continental ecuatoriano, tiene variada cobertura y uso del suelo, destacando bosques y pastos naturales, pastos cultivados, áreas de cultivos de exportación y zonas urbanas. Sus principales ciudades y población (INEC, 2010) son: Quito, con 2.239.191 habitantes, Santo Domingo de los Colorados con 368.013 habitantes y Esmeraldas con 189.504 habitantes; son considerables también los balnearios costeros de Atacames, Tonsupa, Muisne, Mompiche y Pedernales, que suman en conjunto 125.128 habitantes. La población en estudio representa el 20,17% del total del Ecuador.

Se han producido inundaciones históricas en los ríos San Pedro, Santa Clara, Guayllabamba, Toachi y Esmeraldas. La sensibilidad sísmica en un 59% de la zona es alta de grado III y muy alta de grado IV en un 41% de la zona. Los movimientos en masa se presentan principalmente en los relieves escarpados a lo largo de los cauces de los ríos de montaña y se distribuyen linealmente en el 51,92% de la zona. Las amenazas volcánicas determinan la posibilidad de afectación directa de los volcanes Ninahuilca, Pululahua, Quilotoa, Antisana, Cayambe, Cotopaxi, Guagua Pichincha, Imbabura y Cuicocha. Algunos no se encuentran dentro del área que demarca la cuenca hidrográfica en estudio pero los efectos de una potencial activación tienen incidencia real y directa en ella.

A fin de priorizar los sectores en los que es necesario profundizar una evaluación de mayor detalle en el ámbito nacional, se consideraron como elementos expuestos a peligros naturales, algunas clases de uso de la tierra agrupadas en tres categorías. Áreas naturales: páramo, bosque natural, vegetación arbustiva, pasto natural; áreas productivas con intervención humana: pasto cultivado, bosque intervenido, palma africana, cultivo


de ciclo corto, arboricultura tropical, maíz y, áreas urbanas: diferentes tipos de vías nacionales, centros de salud y centros educativos. En el ámbito de las amenazas solamente se consideraron las de origen volcánico y las originadas por inundación.

Tabla 3. Elementos expuestos en la cuenca del río Esmeraldas, conforme a la información obtenida del SNI.

Elementos expuestosAmenaza por peligro volcánico Amenaza por Inundación

Áreas naturales 33% 18%

Áreas productivas con intervención humana 63% 79%

Áreas urbanas 1% 1%

Otras áreas 3% 2%

Vías 26 tramos 28 tramos

Centros de salud 78 84

Centros educativos 634 711

La mayor carga de trabajo en el análisis multi-riesgo corresponde a los actores locales (Stern P, Fineberg V , 1996). Los actores regionales y nacionales analizan y alertan de forma general acerca de los peligros, perturbaciones, amenazas, tensiones y factores de estrés, así como de los cambios, la variabilidad de las condiciones, las influencias ambientales externas al área de interés y algunas características de los elementos expuestos a cada amenaza, dando una idea de la vulnerabilidad local en el área de influencia de la toma de decisiones.

Figura 3. Elementos expuestos a la amenaza por peligro volcánico y por inundación en la cuenca hidrográfica del río Esmeraldas. (Análisis Nacional y Regional)


Considerada la cuenca hidrográfica como unidad de estudio para la gestión del riesgo, la cooperación e integración de las jurisdicciones municipales que en ella se asientan, es imprescindible. Esto exige por lo menos la estandarización e interoperabilidad de los sistemas catastrales que, como en el área de estudio, llegan a tener conurbaciones en áreas continuas de tejido urbano y de potencial desarrollo que pertenecen a municipios diferentes; este es el caso entre los municipios de Quito y Rumiñahui y en desarrollo entre Mejía y Rumiñahui. Estos municipios tienen modelos de catastros diferentes entre sí y separados para sus áreas urbanas y rurales, imposibilitando su integración y la gestión conjunta del riesgo ante eventos naturales.

Con el propósito de encontrar la relación intermunicipal para la gestión del riesgo se han juntado en un solo sistema los estudios realizados para la evaluación de las medidas de reducción del riesgo, integrando por una parte conceptos del proyecto de investigación 4D-EARTH (Faculty of Geo-information Science and Earth Observation, 2013) que tiene entre sus objetivos resolver los problemas de la sociedad relacionados con la gestión de los peligros naturales y gestión del riesgo de desastres; y por otra, la combinación de los procesos geológicos con la geoinformación, en la propuesta de la red Change´s (Marie Curie Initial Training Network, 2011), que está investigando la incidencia de la afectación de los agentes globales relacionados con los cambios ambientales, climáticos y socio económicos en los patrones temporales y espaciales de las amenazas hidrometeorológicas en los riesgos asociados de Europa.

Figura 4. Relación de us sistema de gestión del riesgo y su integración con la norma ISO 19152 LADM


Debido a la falta de un estándar nacional para el modelo de datos de catastro, en el modelo propuesto se pretende que las funciones de gestión del riesgo, toma de decisiones, comunicación, visualización y gestión de geoinformación se realicen bajo responsabilidad municipal con una base de datos de catastro integrada, siguiendo la norma ISO 19152 conjuntamente con otros estándares ISO serie 19100, para seleccionar, estructurar y estandarizar en una geo-database web la información multi-amenaza y multi riesgo asociada a los predios y a sus diversas clases de uso del suelo que permita simular la vulnerabilidad ante posibles eventos futuros.

El instrumento legal que en el Ecuador permite la integración de dos o más jurisdicciones administrativas para la solución de un problema común se denomina mancomunidad, que en este caso, apoyada en una infraestructura de datos catastrales será la base para la estandarización de los procesos de generación, almacenamiento, procesamiento, análisis, modelado y visualización de la geoinformación, así como para la gestión del riesgo multi-amenaza y la capacitación de los responsables de la toma de decisiones.

La adopción de la norma ISO 19152 como base del estándar para los municipios de la cuenca relaciona tres entidades básicas: los objetos legales o predios urbanos y rurales, con los sujetos, responsables de la tierra, mediante el registro de sus derechos,

responsabilidades y restricciones. De esta manera puede incorporarse la información que consta en el Registro de la Propiedad, que según la nueva normativa nacional debe integrarse a los municipios. Las amenazas y riesgos a los que está expuesto un territorio, generan además de los derechos, diferentes restricciones y responsabilidades sobre los predios, asumidas por las personas naturales o jurídicas propietarias, residentes, usuarias, usufructuarias, arrendatarias y más tipos de tenencia.

La adopción de este único modelo de catastro elimina técnicamente los límites de las jurisdicciones administrativas que forman parte de la cuenca hidrográfica, facilitando la gestión integrada en la elaboración de los planes de Ordenamiento Territorial, para que incluya eficientemente la gestión del riesgo y de la emergencia, considerando la totalidad del área de la cuenca sin la distinción entre catastros de predios urbanos o predios rurales de la zona.

Figura 5. Relación objeto-derechos-sujeto del concepto Catastro 2014 en la ISO 19152 LADM.


La entidad “objeto legal” o predio está georeferenciada y representada en un SIG por medio de los objetos espaciales que incluyen elementos de infraestructura física, red hidrográfica, red vial, toponimia, límites, códigos postales, redes de servicios, modelos digitales del terreno, uso potencial, cobertura y el uso de la tierra, los peligros por amenazas sísmicas, tectónicas, volcánicas, por inundación, antrópicas y otros de información temática para responder a la pregunta ¿dónde está el predio? En el contexto del catastro fiscal, estos objetos espaciales son los que se utilizan para realizar los estudios de valoración de la tierra y de la construcción, cuyos datos en valor monetario correlacionados con el precio de mercado, responden a la pregunta ¿cuánto cuesta el predio?

La entidad “derechos” corresponde a la información legal del predio y contiene los datos acerca de derechos, responsabilidades, restricciones, tipo de tenencia, historia de dominio, registro de la propiedad y otros datos que permiten responder a las preguntas: ¿cuál es el tipo de tenencia?, ¿qué restricciones y responsabilidades se aplican al predio?. En esta estructura de datos es adecuado incorporar la información sobre las responsabilidades y restricciones derivadas de las condiciones ambientales, multi-amenaza y otras que correspondan a cada predio.

La entidad “sujeto”, persona natural o jurídica responsable del objeto legal o predio, contiene los mínimos atributos para su identificación y ubicación entre los que se pueden citar nombre, número de cédula de ciudadanía, pasaporte, dirección domiciliaria y de trabajo, razón social, número telefónico y otras que permita responder a la pregunta ¿a quién pertenece?. El sujeto es quien responde a las circunstancias concurrentes en un predio conforme a su ubicación en una localización determinada.

Para que el modelo del sistema basado en el concepto predio – derechos – sujeto sea

operativo, se integran los sistemas catastrales municipales urbanos y rurales así como los registros de la propiedad que en la actualidad son distintos y separados, figura 6(a), en un solo sistema siguiendo la norma ISO 19152 con su perspectiva modular, integrando todos los elementos, Figura 6b.


Figura 6. Modelo de los sistemas catastrales actuales (a) y modelo propuesto con ISO 19152 LADM (b)

El modelo conceptual para la asociación del predio con los elementos del riesgo se articula en el módulo de derechos, mediante restricciones y responsabilidades otorgadas conforme a la capacidad de uso del suelo, al riesgo o a la protección ambiental. El conocimiento de los sujetos, derechos, objetos y de los procesos naturales es factible mediante una IDE que proporcione a los gestores de la planificación del uso de la tierra, a los gestores del riesgo y de la emergencia, la capacidad de tomar decisiones.

En el caso de la preparación de los planes de Ordenamiento Territorial, esta geodatabase municipal estandarizada es fuente de información relevante de apoyo para la determinación de potencialidades, limitaciones y peligros de cada uno los sistemas de planificación, mientras que en el ámbito de la gestión del riesgo puede utilizarse para el diseño y desarrollo de sistemas de prevención y capacitación dirigida a todos los actores, independientemente de la jurisdicción a la que pertenezcan porque la información que provee en términos de la IDE no contiene límites administrativos. De este modo, la gestión de un nivel intermedio, superior o independiente de cada municipio será siempre sobre la misma base territorial.

Para la prevención, las autoridades locales pueden optimizar su trabajo enfocándose con anticipación en los predios y por tanto en las personas potencialmente vulnerables, conociendo el grado de afectación, preparando programas de información, capacitación y diseño de métodos de alerta temprana. Durante el evento, el sistema rápidamente da cuenta de los daños: quiénes son los afectados?, a quiénes pertenecen los predios y dónde están?, cuánto perdieron?, cuál es su situación legal de tenencia para su futuro restablecimiento?. Finalmente después del evento, incorporando nuevos datos de las


características y efectos del desastre, se cuenta con información válida para emprender las actividades de reconstrucción y vuelta a la normalidad, homogeneizando, priorizando y optimizando la ayuda a los damnificados en cada uno de los municipios y otros niveles de la administración central.

Para la ubicación de las áreas expuestas a la amenaza por inundación y volcánica, se hizo una intersección con los sectores urbanos a nivel manzana, los centros educativos y centros de salud. Como resultado se determinó sectores en la cuenca hidrográfica del río Esmeraldas que forman un solo tejido urbano continuo pero pertenecen a municipios distintos, como en el caso de Quito, Mejía y Rumiñahui. Los pobladores que viven en predios ubicados en estos sectores tienen peligros semejantes, están registrados en sistemas catastrales diferentes y desconocen de la amenaza. Los modelos de planificación del uso del suelo, ordenamiento territorial y gestión del riesgo en el ámbito municipal se hacen separadamente.

Figura 7. Manzanas de las conurbaciones pertenecientes a los municipios de Quito – Mejía sujetas a amenazas por inundaciones y/o volcánicas.

De igual manera, se logró determinar desde el ámbito nacional y de las regiones, que los sectores cuyas manzanas están sujetas a amenazas por inundación y volcánica se encuentran en las ciudades de Esmeraldas, Quinindé, La Concordia, Puerto Quito, Santo Domingo, Machachi, Quito, Cayambe, Pujilí y Cotacachi. Se consideraron como elementos especialmente afectados a los centros de salud y los centros de educación. En el estudio caso se añadió la zona de playa de la conurbación Atacames – Tonsupa, cercana a Esmeraldas por sus características de amenaza de tsunami.


Figura 8. Manzanas de la ciudad de Esmeraldas, sujetas a amenazas por inundación y/o volcánicas.

En ninguno de los casos se llegó a estudiar el ámbito catastral por el alcance de este estudio regional y la falta de acceso a la información local que no ha sido aún procesada. Su análisis permitirá conocer posteriormente, los atributos, características y detalles de los predios amenazados, así como la estructura de los modelos de catastro municipal que permita proyectar su estandarización e integración bajo la norma ISO 19152.

CONCLUSIONES Y FUTURAS INVESTIGACIONES

Los riesgos por multi-amenaza natural o antrópica de un sector específico del territorio, no dependen de sus límites político-administrativos.

El análisis y gestión en el ámbito de una cuenca hidrográfica demanda una nueva organización institucional de planificación utilizando instrumentos legales que modifiquen los límites jurisdiccionales actuales o creen una mancomunidad para la integración de la diversidad de información municipal local para la gestión del riesgo, la planificación del uso del suelo, el catastro y la gestión territorial. En consecuencia es necesario estandarizar los catastros municipales mediante un único modelo, cuyo núcleo incorpore unas mínimas indispensables variables, entre las que se considere las correspondientes a amenazas naturales y riesgo.

A fin de repensar las variables que conformarán el núcleo del modelo conceptual de catastro en Ecuador, y como consecuencia de este estudio, se proponen las áreas geográficas del Sector El Tingo del Distrito Metropolitano de Quito y San Rafael del Municipio de Rumiñahui y, del Sector Esmeraldas, Atacames, Tonsupa, para diseñar el


prototipo del modelo y comprobar la aplicación de la norma ISO 19152 LADM en los sistemas catastrales incluyendo la variable riesgos en el módulo de responsabilidades y restricciones. Los aspectos que requieren profundizar la investigación suponen:

1) La definición de las mínimas variables para la estandarización del núcleo del modelo de datos de catastro aplicables bajo la norma ISO 19152.2) El estudio a detalle local de las variables que determinan la afectación de los predios por amenaza, riesgo y vulnerabilidad en términos de derechos, responsabilidades y restricciones.3) La definición de las variables, en términos de vulnerabilidad, que determinen la óptima transición de áreas rurales a urbanas.4) La integración de información municipal local en un solo sistema que facilite la toma de decisiones, capacitación, gestión territorial y gestión del riesgo entre municipios diferentes. 5) Diseño de una IDE para la gestión integrada del riesgo y del territorio de la cuenca hidrográfica del río Esmeradas.

REFERENCIAS

Bernabé M A, López C. (2012). Fundamentos De Las Infraestructuras De Datos Espaciales (IDE). Madrid: Universidad Politécnica De Madrid Press.

Colleti A, Howe P D, Yarnal B, Wood N J. (2013). A Support System For Assessing Local Vulnerability To Weather And Climate. Nat Hazards, 65:999-1008.

Cutter, S. (2003). GI Science, Disasters, And Emergency Management. Transactions In GIS, 7(4):439-445.

Faculty Of Geo-Information Science And Earth Observation. (2013). 4D Earth. Enschede: ITC.Geiß C, Taubenböck H. (2013). Remote Sensing Contributing To Assess Earthquake Risk: From

A Literature Review Towards A Roadmap. Nat Hazards, 68:7-48.Guha-Sapir D, Below R, Hoyois Ph. (2014). International Disaster Database - Www.Emdat.Be.

Brussels: Universidad Católica De Lovaina.Huang R, Huang J, Ju N, He H, Li W. (2013). Webgis-Based Information Management System

For Landslides Triggered By Wenchuan Earthquake. Nat Hazards, 65:1507-1517.IGM. (2011). Catálogo De Objetos Escala 1:50.000. Quito: CONAGE.INEC. (2010). Censo De Población Y Vivienda De Ecuador. Quito: INEC.Marie Curie Initial Training Network. (2011). Changing Hydro-Meteorological Risks - As

Analyzed By A New Generation Of European Scientists. Enschede: ITC.Sarmiento D, Miranda D, Crecente R. (2011). The Analysis Of Spatial Data Infrastructures As

Tool For Land Management. Lugo: Universidad De Santiago De Compostela.Stern P, Fineberg V . (1996). Understanding Risk: Informing Decisions In A Democratic Society.

Washington D.C.: National Academy Press.Varazanashvili O, Tsereteli N, Amiranashvili A, Tsereteli E, Elizbarashvili E, Dolidze J, Qaldani

L, Saluqvadze M, Adamia S, Arevadze N, Gventcadze A. (2012). Vulnerability, Hazards And Multiple Risk Assessment For Georgia. Nat Hazards, 64:2021-2056.

Revista GEOESPACIAL (2014) 11: 44 - 53

CARACTERIZACIÓN DE LA DEFORMACIÓN SUPERFICIAL TERRESTRE EN UNA ZONA PILOTO EL ECUADOR, USANDO INTERFEROMETRÍA DIFERENCIAL (DInSAR)

CAIZALUISA ALICIA1; CHIRIBOGA FLOR MARÍA1; ESTRELLA CARLOS1,2;

MUÑOZ ERITH2,3.

1INSTITUTO ESPACIAL ECUATORIANO, DEPARTAMENTO DE INVESTIGACIÓN GEOESPACIAL. SENIERGUES E4-676 Y GRAL. TELMO PAZ Y MIÑO, QUITO-ECUADOR QUITO. [email protected], [email protected] GEOGRÁFICO MILITAR, DEPARTAMENTO DE INVESTIGACIÓN Y DESARROLLO. QUITO. [email protected], [email protected] DE CARABOBO, POSGRADO DE INGENIERÍA, VALENCIA-VENEZUELA.

Recibido: 19 de noviembre de 2014/Aceptado: 20 de diciembre de 2014

RESUMEN

La técnica de Interferometría Diferencial de Radar de Apertura Sintética (DInSAR) es una herramienta utilizada para el análisis de la deformación superficial terrestre asociada a fenómenos de remoción en masa (FRM), ya que permite la caracterización física de movimientos en cuanto a profundidad, inclinación, distribución espacial, entre otros. En este contexto, hasta el presente han sido publicadas diversas aplicaciones orientadas a la descripción de procesos de geodinámica externa basados en estas técnicas. En este trabajo se generan mapas de desplazamiento para un área de estudio piloto en el Ecuador conformada por paisajes de montaña, piedemonte y llanura aluvial, caracterizados por un registro histórico de movimientos de masa ocasionados por eventos naturales y antrópicos. Además se presenta un análisis sobre la coherencia entre los resultados obtenidos mediante DInSAR y un inventario de FRM de la zona de estudio.

Palabras Clave. DInSAR, Geodinámica Externa, Fenómenos de Remoción en Masa.

ABSTRACT

Diferential Interferometric synthetic aperture radar techniques (DInSAR) allow to analyse deformations of the earth surface in relation with mass movements/motion/displacements phenomenon (MMP) since they support the physical characterization of movements in terms of deepness, inclination, spatial distribution, among others. In this context, several applications oriented towards the description of geodynamic processes have been published based on DInSAR techniques. This work develops a displacement map for a study area in Ecuador using DInSAr which is known to have had relevant mass movements caused by natural and anthropic events; the study area include high and low mountainous landscapes as well as valleys. The MMP processes determined by the use of DInSAR for the study area show high coherence with existing MMP outcomes determined by observational data collection techniques.

Key words. DInSAR, External Geodynamics, Mass Removal Phenomena.

Caracterización de la deformación superficial terrestre Página 45

1. INTRODUCCIÓN

La Interferometría Diferencial de Radar de Apertura Sintética (DInSAR) es una técnica empleada para estimar variaciones en la topografía de una escena, mediante la combinación de dos imágenes SAR con condiciones de captura distintas, tomando como referencia una longitud de línea base crítica. La configuración de una línea base entre las dos capturas permite establecer una geometría controlada en referencia a la distancia entre el sensor y un punto en el terreno, de tal forma que cualquier variación en esta distancia estará asociada a movimiento en el terreno, y el mismo será detectado a partir de una diferencia de fase entre el par de imágenes SAR.

La proyección de la distancia entre ambas adquisiciones en la dirección perpendicular al ángulo de incidencia, es un factor determinante para la construcción de un interferograma, ya que rige la sensibilidad de la fase del interferograma a la topografía. Así pues, la fase del interferograma es igual a la diferencia de las fases de la imagen de referencia (master) y la secundaria (slave). La técnica DInSAR ha sido utilizada con éxito en diversas investigaciones (Biescas et.al, 2005), (Blanco et.al., 2009), (Jiménez, 2012), (Kimura&Yamaguchi, 2000), (Romero et.al., 2005) sobre deformaciones del terreno y deslizamientos; (Frontera et.al., 2011), (González, 2010) deformación debido terremotos; (Massonnet et.al, 1994), (Piedra, 2012) aplicación a volcanología y sismo tectónica; (Rodríguez, 2009) caudales.

2. LOCALIZACIÓN GEOGRÁFICA

El área de estudio tiene una superficie de 518km2, y comprende las micro cuencas de los ríos Cristal, Potosí, Balsas y Pechiche, en territorios pertenecientes a los cantones: Montalvo, Chimbo y San Miguel, de las provincias de Los Ríos y Bolívar.

Figura 1. Mapa base del área de estudio

46 Página Caizaluisa Alicia; Chiriboga Flor María; Estrella Carlos; Muñoz Erith

3. METODOLOGÍA

Le definición de deformación de terreno mediante interferometría SAR es posible a partir de la determinación de diferencia de fase entre las imágenes que conforman el par interferométrico. En este sentido, es importante mencionar que para la formación de una imagen SAR, a partir de los datos crudos proporcionados por el radar, es necesario realizar un procedimiento de pre-procesamiento que permita la conformación de pixeles, y por ende la generación de la imagen en un formato conocido en inglés como single look complex (SLC).

Una imagen SLC o compleja, está integrada por una parte real y una imaginaria de tal forma que la real comprende la amplitud ψ de la señal adquirida por el sensor para cada pixel, y la imaginaria corresponde a la fase φ. De acuerdo a Hanssen (2001), el valor de cada pixel g(x,y) en una imagen SLC puede ser modelado a partir de la siguiente función:

g (x,y) = ψeiφ (1)

Denotando con los subíndices M y S a las imágenes master y slave del par interferométrico respectivamente. Se tiene que los valores de fase φ

M y φS, correspondientes

a cada una de

las dos señales reflejadas del mismo punto en el terreno, dependen de la posición de la antena en el instante de la adquisición de la señal, y de la longitud de onda λ, de la forma en que lo indica el siguiente conjunto de ecuaciones.

(2) (3)

Donde RM

y RS corresponden

a las distancias de alcance oblicuo, entre la antena y el objeto,

en cada una de las posiciones Master y Slave siendo ligeramente diferentes debido a la trayectoria orbital. El interferograma I, es el resultado del producto de la imagen SLC Master y el conjugado complejo de la imagen SLC Slave, de la siguiente forma:

I = M·S* = gM (x,y). gS*(x,y) = [gM (x,y)].[gS(x,y)].e iΔφ (4)

De este modo, para cada pixel del interferograma tenemos el valor absoluto de la amplitud y el valor de diferencia de fase Δφ corresponderá a la diferencia de fase entre dos pixeles homólogos. El valor de diferencia de fase es proporcional a la diferencia de la trayectoria ΔR entre las imágenes, este valor de fase puede ser además adicionado el desplazamiento de fase causado por las señales reflejadas del objeto (φrect), el retraso de la propagación de la señal resultante de la atmosfera o la ionosfera (φatm) y la construcción del ruido (φR), definido por la siguiente expresión:

Δφ = 4π /λ *ΔR + φrect + φatm + φR (5)


Generalmente, el valor de diferencia de fase siempre está asociado con un grado de incertidumbre, inherente al propio procesamiento de los datos de las imágenes y a la topografía de la superficie, que influye en la estimación de los valores de altura.

3.1 GENERACIÓN DE INTERFEROGRAMAS

Para llevar a cabo el análisis de deformación de terreno, se ha considerado la generación de 3 interferogramas, a partir del procesamiento de 6 imágenes raw ALOS PALSAR. El procedimiento implementado para el procesamiento de los datos SAR se muestra en el Cuadro 1.

Cuadro 1. Esquema del proceso de generación del interferograma

Para la elaboración de los interferograma se requieren dos imágenes Raw, una Master y una Slave; previamente co-registradas, utilizando un procedimiento de correlación que permita determinar el desplazamiento y la diferencia de amplitud en la geometría entre las dos imágenes. El interferograma se forma entonces por la multiplicación cruzada de cada píxel en las dos imágenes. Para conocer los parámetros base de las imágenes y determinar la geometría y la confiabilidad de los resultados es importante estimar el parámetro de línea base (Baseline Estimation).

La construcción del interferograma basado en este tipo de imágenes complejas permite que la fase de la señal sea procesada en una alta resolución. Así, en la técnica DInSAR es conveniente que la amplitud y fase de información se adquieran simultáneamente por una señal compleja. Con respecto al proceso de filtro tenemos tres opciones diferentes: Adaptive, Boxcar y Goldstein. Para nuestro caso se utilizó el filtro Goldstein, el mismo que toma en cuenta el espectro de potencia de la franja presente en la escena. En zonas de concentración alta de franjas el sistema empareja los valores de los pixeles, caso contrario ocurre en lugares donde no existe presencia de franjas el filtro no realiza ninguna modificación. En la coherencia se compara dos imágenes para detectar los porcentajes de relación entre pixel y pixel. Las mismas presentan valores de 0 y 1, donde 0 no hay coherencia presentando pixeles de tonalidades negras y 1 donde existe coherencia con pixeles de tonalidades blancos. En las Figuras 1, 2, 3, 4, 5, 6,7se presentan los interferogramas y la coherencia respectivamente.

Una vez generados los interferogramas y los mapas de coherencia, es necesario eliminar las discontinuidades producidas por la operación arco tangente. Para ello se realizó una reconstrucción del mapa de profundidad en el cual se trasladó en magnitud los valores dependiendo de las discontinuidades próximas. Phase unwrapping o “desenrollado” de fase, es la operación que elimina estas discontinuidades convirtiendo la salida en una función


continua, la operación consiste en evaluar la diferencia entre los valores adyacentes, si son superiores a cierto umbral la discontinuidad entre ellos se corrige. Se observa la eliminación de las discontinuidades de los interferogramas , en las figuras 8, 9, 10.

Figura 2. Interferograma Julio-Agosto 2007 Single Polarization (SP)

Figura 3. Interferograma presentando Coherencia (SP)

Figura 4. Interferograma Julio-Agosto 2007 Dual Polarization (DP)

Figura 6. Interferograma Mayo-Agosto 200 Figura 7. Interferograma presentando Coherencia

Figura 5. Interferograma presentando Coherencia (DP)


Figura 10. Interferograma desenrollado Mayo-Agosto 2007

3.2 GENERACIÓN MAPA DE DESPLAZAMIENTO

Cuadro 2. Esquema del proceso del mapa de desplazamiento y mapa de altura

En el Cuadro 2, se presenta el proceso para generar el mapa de desplazamiento, el mismo que toma utiliza como insumos los interferogramas desenrollados. En las Figuras 11, 12, 13 se presenta los mapas de desplazamiento de los tres diferentes pares de imágenes raw.

Figura 8. Interferograma desenrollado Julio-Agosto 2007 (SP)

Figura 9. Interferograma desenrollado Julio-Agosto 2007 (DP)


Figura 13. Mapa deslizamiento Mayo-Agosto 2007

4. RESULTADOS Y DISCUSIÓN

Tomando como referencia el inventario de fenómenos de remoción en masa del área de estudio, se observa coherencia entre los puntos levantados en campo, denotados por círculos rojos y amarillos, y las zonas de los mapas de desplazamientos donde presentan deformaciones del terreno. En la Figura 14, 15, 16 se presentan los sitios puntuales donde se registran procesos de deslizamientos, caídas, flujos, complejos, entre otros, todos estos levantados en campo. Los mapas de desplazamiento y el inventario en campo presentan similitud en las zonas en donde se presenta elevación, destacando que en esta zona se encuentra los conos de deyección en el cual se depositan los materiales de los movimientos, este proceso se da debido a la pérdida de energía de los ríos llevando consigo una importante carga de sedimentos. La geoforma de esta zona ejerce una barrera natural en los ríos obligándolos a desviar su cauce y adaptarse al relieve y por otro lado tenemos la presencia de subsidencia presentando un progresivo hundimiento de la superficie, la zona está representada por una geoforma categorizado como relieve montañoso, desarrollado sobre rocas calizas presentando superficies de gran inclinación, tomando en cuenta que en las zona de montaña es donde más presencia de movimientos en masa se evidencio esto debido a la precipitación, inclinación, avance frontera agrícola entre otros y los mismos provocan que existan los hundimientos en el relieve.

Figura 11. Mapa desplazamiento Julio-Agosto 2007 (SP)

Figura 12. Mapa desplazamiento Julio-Agosto 2007 (DP)


En las Figuras 17 y 18, se muestran los diagramas de dispersión entre la altura (X) y la deformación del terreno (Y), donde se observa baja correlación lineal entre los mismos, predominando un comportamiento constante de los niveles de deformación respecto a la altura del terreno, oscilando entre -0.02 y 0.04 metros. Esto significa que la deformación del terreno es independiente de la altitud. Este resultado era de esperarse, considerando que el intervalo de tiempo entre las capturas de las imágenes es notablemente corto, en comparación con los períodos de tiempo que tienen lugar dentro de procesos de geodinámica externa en regiones de altura. Por su parte, la figura 19 presenta valores que oscilan entre los valores de -0.5 y 0.3 metros demostrando que la deformación del terreno es mas representativa, sin embargo no se aprecia una relación lineal entre ambas variables.

Figura 14. Mapa desplazamiento Julio-Agosto 2007 (SP) con el inventario de

Fenómenos de Remoción en masa

Figura 16. Mapa deslizamiento Mayo-Agosto 2007 con el inventario de Fenómenos de Remoción en masa

Figura 15. Mapa deslizamiento Mayo-Agosto con el inventario de Fenómenos de Remoción en masa


Figura 19. Diagrama de Dispersión, Mayo-Agosto 2007

5. CONCLUSIONES

La técnica DInSAR ha permitido una estimación cuantitativa de los movimientos de masa en el área de estudio. Además se pudo identificar las áreas de subsidencia que se presentan en colores obscuros en los interferogramas y áreas de tonalidad roja que representa la elevación. De tal forma que, se espera que la teledetección, unida a la capacidad de generar modelos matemáticos para establecer criterios de comparación de datos levantados en campo y datos estimados, proporcionen metodologías para la caracterización de parámetros e indicadores de deformación de la superficie.

Ahora bien, una dificultad asociada al empleo de la técnica DInSAR, corresponde a las diferencias que pueden estar presentes en el par interferométrico debido a las distintas fechas de adquisición; lo cual puede provocar distorsiones en las propiedades físicas y geométricas de la zona observada, conllevando a la pérdida de coherencia. En este sentido es importante destacar que mientras mayor es el intervalo de tiempo de adquisición, entonces es mayor la probabilidad de introducir anomalías a la escena interferométrica. Otro factor importante de cambio corresponde a la adquisición en diferentes estaciones del año.

Figura 17. Diagrama de Dispersión Julio-Agosto 2007 (SP)

Figura 18. Diagrama de Dispersión Julio-Agosto 2007 (DP)


Este proceso podría tener una variante de comprobación usando una red geodésica de estaciones de monitoreo continuo. Finalmente cabe destacar que no existe una correlación lineal entre la altura del terreno y la deformación estimada para los intervalos de tiempo considerados para los fines de este estudio.

AGRADECIMIENTOS

Los autores agradecen a la SENESCYT (Secretaria Nacional de Educación Superior, Ciencia y Tecnología) por permitir desarrollar los proyectos de investigación, al Instituto Espacial Ecuatoriano (IEE) por liderar el proyecto de investigación “Tecnología Espacial y Geofísica en la gestión de riesgos geodinámicas externos para la prevención y mitigación de inundaciones y crecidas torrenciales”, a Consultgeo por las licencias, imágenes y software adicional concedido, y finalmente al Instituto Geográfico Militar, por permitir el acceso a la cartografía fundamental oficial, sus posibilidades geodésicas y de restitución.

Es necesario indicar que el desarrollo de este patrón interferométrico no ha sido usado en el país, y no es parte del proceso de manera directa, del desarrollo del proyecto antes mencionado. Fue un esfuerzo adicional conjunto realizado por los autores.

REFERENCIAS Biescas E., Herrera G., Fradua I., Crosetto M., Crippa B., 2005. Detección Y Análisis De

Deformaciones En Regiones Amplias. 6ª Semana Geomática, Barcelona, 8-11 Febrero 2005.Blanco, P; Arbiol, R; Pérez. F. 2009. Técnicas de Interferometría Diferencial SAR para

Monitorización de Deformaciones en un Entorno Multisensor. Dpto. de Teledetección. Instituto Cartográfico de Catalunya - España.

Frontera, T; Blanco, P; Concha, A; Goula, X; Pérez, F; Marturiá, J. 2011. Medidas de Deformaciones Cósmicas con DInSAR para el Terremoto de Lorca. Instituto Geológico y Cartográfico de Cataluña - España.

González, P. 2010. Medidas y Caracterización de Deformaciones Usando Técnicas Geodésicas y de Teledetección Aplicación en Volcanología y Sismo tectónica. Dpto. de Física de la Tierra Astronomía y Astrofísica. Universidad Complutense de Madrid – España.

Hanssen, R. 2001. Radar Interfermetry: Data Interpretation And Error Analysis. Kluwer Academic Publisher, Dordrecht – Netherlands.

Jiménez, J. 2012. Tesis Doctoral, Movimientos de Ladera en la Vertiente Meridional de Sierra Nevada, Anexo 3. Universidad de Granada. Granada - España.

Kimura, H., Yamaguchi, Y., 2000. Detection Of Landslide Areas Using Satellite Radar Interferometry. Photogrammetric Engineering & Remote Sensing, 66(3):337-344.

Massonnet, D., Feigl, K., Rossi, M., Adragna, F., 1994. Radar Interferometry Mapping Of Deformation In The Year After The Landers Earthquake. Nature, 369:227-230.

Piedra, J. 2012. Interferometría de Radar en Erupciones Volcánicas Caso Estudio: Erupción Puyehue. CONAE. Argentina.

Rodríguez, A. 2009. Tesina de Especialidad: Cálculo De Caudales De Agua Extraídos Del Subsuelo A Partir Subsidencias Medidas Con Interferometría Diferencial DINSAR. Universidad Politécnica de Cataluña. Barcelona – España.

Romero, R; Domínguez, J; Carrasco, D; Martínez, A; Mallorquí, J; Blanco, P; Navarrete, D. 2005. Aplicaciones de Técnicas Avanzadas de Interferometría Diferencial SAR para la Detección de Deformidades de Terreno en Madrid – España.


TRANSFORMACIÓN BIDIMENSIONAL ENTRE PSAD56 E ITRF08 USANDO MÉTODOS DE HELMERT Y MOLODENSKY-BADEKAS

ZAMBRANO MARÍA JOSÉ1 ; ROMERO RICARDO2

1UNIVERSIDAD DE LAS FUERZAS ARMADAS ESPE, AV. GRAL. RUMIÑAHUI S/N, SANGOLQUÍ, ECUADOR. P.O. BOX 171 -5- 231B, [email protected] INSTITUTO GEOGRÁFICO MILITAR – ECUADOR, SINIERGUES Y TELMO PAZ Y MIÑO, [email protected].

Recibido: 10 de noviembre de 2014/ Aceptado: 23 diciembre de 2014

RESUMEN

El sistema de referencia geodésico oficial del Ecuador está referido a un datum local denominado PSAD56 (Provisional South American Datum 1956), el cual tiene su origen desplazado del centro de masas de la Tierra. Por otro lado, la Red GNSS de Monitoreo Continuo del Ecuador está referido a un sistema geocéntrico de alcance mundial que tiene su origen en el centro de masas de la tierra y está enlazado a la red continental SIRGAS (Sistema de Referencia Geocéntrico para las Américas) que es una densificación de un marco de referencia internacional (ITRF). El presente trabajo presenta los resultados del cálculo de parámetros de transformación entre PSAD56 e ITRF08 utilizando los métodos de transformación bidimensional de Helmert y Molodensky-Badekas, determinando 4 parámetros (2 traslaciones, 1 rotación y un diferencial de escala). Además se emplean estos parámetros para realizar la transformación espacial en sistemas de información geográfica de libre acceso. Los resultados obtenidos muestran que la mejor posibilidad de esta alternativa es para la compatibilización de la cartografía base y planificación regional.

Palabras clave: Parámetros de Transformación Bidimensional, Helmert, Molodensky-Badekas, Sistemas de Información Geográfica.

ABSTRACTThe official Geodetic Reference System of Ecuador is refered to local datum (origin) called PSAD56 (Provisional South American Datum 1956), whose origin is shifted from center of mass of Earth. On the other hand, the Continuos Monitoring GNSS Network of Ecuador is global and geocentric, its origin refers to the center mass and it is linked to SIRGAS (Geocentric Reference System for Americas). SIRGAS is a part of realization from an International Terrestrial Reference Frame (ITRF). The aims of present paper is calculate transformation parameters between PSAD56 and ITRF through bidimensional method of Helmert and Molodensky-Badekas obtaining 2 translations, 1 rotation and scale. Additionally, the transformation parameters were used in Geographic Information System of open access to spacial geographic transformation. The outcomes obtained are able to compatible base maps and regional planning.

Key words: Bidimensional Transformation Parameters, Helmert, Molodensky – Badekas, Geographic Information System.

Transformación bidimensional entre PSAD56 e ITRF08 Página 55

INTRODUCCIÓN

En la actualidad existe la necesidad de homogeneizar las mediciones, observaciones y levantamientos georeferenciados dentro del territorio ecuatoriano, adoptar un sistema geodésico moderno que de mejor respuesta a la ubicación y distribución espacial de los datos geográficos, y que sea compatible con las distintas metodologías y tecnologías de medición empleadas en la actualidad, como los sistemas satelitales de navegación global GNSS (Santacruz, 2010).

Es importante e indispensable la transformación entre Sistemas de Referencia, que permitan compatibilizar la información geográfica y cartográfica existente en el país con la red GNSS del Ecuador, de esta manera se manejará un solo marco de referencia en el país.

Cabe mencionar que se han realizado distintas metodologías para la transformación entre el Sistema oficial PSAD56 y el Marco de Referencia ITRF, como por ejemplo los parámetros de transformación oficiales entre PSAD56 y WGS84 (ITRF94) que resolvieron la diferencia entre coordenadas con fines cartográficos hasta escalas 1:25000 y menores, para ello se emplearon 7 parámetros de transformación (3 rotaciones, 3 traslaciones y un factor de escala) con el método de transformación conforme de Helmert (Leiva, 2003).

Para el cálculo de los parámetros de transformación, es necesario conocer las coordenadas de un mismo punto en ambos sistemas, el arbitrario (local) y el sistema final (global) de coordenadas (Pérez, 2001). Para este trabajo se utilizó la transformación bidimensional, conocida también como transformación 2D para coordenadas planas UTM (Este-Norte), debido a que las alturas elipsoidales de una red geodésica clásica no son consideradas, por lo general son calculadas a una exactitud de aproximadamente diez veces menor que las posiciones horizontales, por lo que generan distorsiones no deseadas que serán introducidas en el proceso de cálculo (Vanicek & Robin, 1996). Los métodos que se aplican comúnmente para la transformación bidimensional son la transformación de Helmert y Molodensky Badekas. El método de Molodensky Badekas es aplicado como un modelo de transformación geodésica 3D, pero se adaptó para una transformación 2D; este modelo al igual que el de Helmert son modelos matemáticos de similaridad, es decir, el factor de escala es el mismo en todas las direcciones, conserva las formas, los ángulos y no varía la verdadera forma después de la transformación (Rebolledo, 2010).

La finalidad del trabajo es dar a conocer una metodología para transformar coordenadas desde un sistema local a un sistema mundial, asegurando que los efectos de la dinámica del datum, causada por movimiento de placas tectónicas y otros fenómenos geofísicos, sean considerados, de tal forma que las precisiones de las observaciones no se vean afectadas en el proceso de cálculo de parámetros de transformación, con lo cual se pueda compatibilizar, actualizar y evitar la obsolescencia de las coordenadas que se tienen en dos sistemas de referencia diferentes, para una mejor planificación de las entidades públicas como privadas, que manejan datos geográficos.

56 Página Zambrano María José; Romero Ricardo

MARCO TEÓRICO

A. SISTEMA DE REFERENCIA TOPOCÉNTRICO

También conocido como Sistema de Referencia Local o Clásico, el origen del sistema de coordenadas se encuentra desplazado del centro de masas terrestre, por lo que están referidos a un punto origen (datum) materializado en la superficie terrestre y definido por un elipsoide de referencia el cual se ajusta a una zona determinada del planeta.

En este caso de estudio, el Sistema de Referencia PSAD56 fue empleado en países suramericanos incluido el Ecuador. Es un Sistema que tiene como elipsoide de referencia el Internacional Hayford y su datum en La Canoa, ubicado en la República de Venezuela, desde aquí se fue densificando y materializando la red para dar soporte a diferentes aplicaciones geodésicas, topográficas de la época, entre las más representativas.

B. SISTEMA DE REFERENCIA GEOCÉNTRICO

Un sistema de referencia es un conjunto de normas y convenciones que definen el origen, la orientación de los ejes con su escala y los fenómenos geofísicos que lo afectan (Seeber, 2003)

En este contexto, un sistema de referencia geocéntrico, fija su origen de coordenadas (Xo, Yo, Zo) en el centro de masas de la Tierra, y se asocia a elipsoides de revolución globales para obtener coordenadas cartesianas así como geodésicas.

Un sistema de referencia no tiene aplicación práctica si no es mediante la utilización de un marco de referencia, que es la materialización de los conceptos teóricos del sistema de referencia, un ejemplo se puede mencionar el ITRF (Marco de Referencia Internacional Terrestre, por sus siglas en inglés)

Otra realización conocida es el marco IGS (Servicio Internacional GNSS), según Ray et al. (2004) y Benciolini et al. (2008), el marco IGS se alinea al marco ITRF mediante una transformación Helmert, por lo que podemos encontrar coordenadas para una misma estación en los dos marcos de referencia, IGS e ITRF, que pueden llegar a variar algunos milímetros.

Un caso particular para el continente americano es el caso de la definición de SIRGAS, que es el Sistema de Referencia Geocéntrico para las Américas, el mismo que ha adoptado las convenciones del IERS (Servicio Internacional de Rotación Terrestre, por sus siglas en inglés) siendo este un sistema de referencia global. Se han extendido varias materializaciones de SIRGAS en países del continente americano, entre ellos Ecuador. Se puede mencionar la primera materialización de SIRGAS que se hizo coincidir con el ITRF94 y la época 1995.4, en esta campaña GPS el Ecuador contó con tres vértices geodésicos en Latacunga, Zamora e Isla Baltra, a partir de aquí, se densificó la Red


Nacional GPS del Ecuador (RENAGE) con 135 estaciones y con una precisión en el orden de ±2 a ±5 cm (Tremel & Urbina, 2000). La RENAGE ha sido por años, el soporte de varios trabajos georeferenciados a un sistema geocéntrico.

La Evolución de la infraestructura geodésica del país se da a partir de la densificación de estaciones de monitoreo continuo, las mismas que permiten obtener coordenadas de posición a intervalos menores a 1 minuto, continuamente durante todo el año, la misma que se denomina la REd GNSS de Monitoreo Continuo del Ecuador (REGME), con lo cual se facilita las opciones de realizar posicionamiento diferencial con receptores GNSS.

C. TRANSFORMACIÓN BIDIMENSIONAL

Las transformaciones bidimensionales son modelos definidos por las coordenadas planas UTM y no consideran el componente vertical de la altura. Dentro de la transformación bidimensional se encuentran los siguientes métodos: Semejanza o Conforme, Afín y Proyectiva.

La transformación de semejanza o conforme es conocida como Transformación de Helmert. Para este trabajo se utilizó la transformación de Helmert y la transformación Molodensky-Badekas.

• Transformación De Helmert

Este tipo de transformación considera los siguientes parámetros: rotación, traslación y el diferencial de escala.

Las ecuaciones que relacionan los parámetros con las observaciones para la transformación de coordenadas en PSAD56 a ITF08 vienen dadas por (01):

(01)

Donde,

€

EI y

€

NI , son las coordenadas este y norte respectivamente, del ITRF08.

€

EP y

€

NP son las coordenadas este y norte respectivamente, del PSAD56.

Los parámetros encontrados para este método son: un diferencial de escala (δ), un ángulo de rotación (α) y dos traslaciones (

€

TE : Traslación en Este,

€

TN : Traslación en Norte)


• Transformación De Molodensky

Este modelo relaciona dos sistemas de coordenadas mediante los parámetros de transformación de Helmert , la diferencia radica en la inclusión de un centroide de coordenadas (

€

Xm,Ym ). Las ecuaciones que relacionan los parámetros con las observaciones para la transformación de coordenadas en PSAD56 a ITF08 vienen dadas por (02):

(02)Donde,

€

EI y

€

NI , son las coordenadas este y norte respectivamente, del ITRF08.

€

EP y

€

NP , son las coordenadas este y norte respectivamente, del PSAD56.

€

Em y

€

Nm , son las coordenadas este y norte del centroide de las coordenadas de PSAD56.

Al igual que el método de Helmert, los parámetros encontrados son: un diferencial de escala (δ), un ángulo de rotación (α) y dos traslaciones (

€

TE : Traslación en Este,

€

TN : Traslación en Norte).

D. MÉTODO DE MÍNIMOS CUADRADOS

El método de mínimos cuadrados es un modelo matemático que se usa como principio estadístico para estimar el valor más probable de una variable, mediante la suma de los cuadrados de los residuos. El modelo para el ajuste de las observaciones debe ser lineal. Partiendo de las ecuaciones de observación para n puntos será:

• Helmert

(03)


• Molodensky Badekas

(04)

El mínimo viene dado por (05),

(05)Donde,V= Vector de residuales de las observaciones ajustadas.P= Matriz de pesos, esta matriz P es una matriz identidad cuando las observaciones tienen la misma precisión.

Las observaciones ajustadas se pueden expresar en función de los parámetros ajustados, como se muestra en (06), conocido como el método paramétrico de observaciones indirectas: (06)Donde,

La = Observaciones ajustadas

Xa = Parámetros que van hacer ajustados

Para el cálculo de las observaciones aproximadas (Lo ) se evalúa, en función a los parámetros aproximados, se emplea (07),

(07)Donde,X

O = Vector de parámetros aproximados

Para el cálculo de los parámetros ajustados, se obtiene mediante (08),

(08)


Donde,X = Vector de corrección de parámetros El modelo lineal del método de las observaciones indirectas, se define mediante (09),

(09)

El modelo matemático para calcular los parámetros de transformación está dado por (10),

(10)Donde, A= Matriz de derivadas parciales de las ecuaciones en función de los parámetros.L = Lo−Lb

Se debe mencionar que cada observación está acompañada por sus residuales, como se indica en (11),

(11)Donde, Lb =Observaciones realizadasUno de los parámetros que permite determinar la calidad del ajuste de las coordenadas, es la varianza posteriori (12),

(12)Donde, n - u = Grados de libertadn = Número de observacionesu = Número de incógnitasLas precisiones de los parámetros ajustados Xa , se obtienen a través de la Matriz de Varianza - Covarianza de los parámetros ajustados (13)

(13)

E. PARÁMETROS DE TRANSFORMACIÓN ENTRE ITRF’s

Los parámetros de transformación entre ITRFs son de gran utilidad para compatibilizar los datos o resultados en diferentes realizaciones de un sistema de referencia. Estos parámetros de transformación y variaciones con respecto al tiempo, se derivan de las diferentes materializaciones del ITRF. Es así que a partir del año de 1988 hasta la actualidad se han desarrollado diferentes cálculos para obtener un marco de referencia geodésico mundial, compatible con las diferentes técnicas de observación terrestre,


modelos geofísicos y geodinámicos y, resolución de incógnitas propias de los sistemas satelitales de navegación. En la figura 1 se puede apreciar la publicación periódica de los parámetros de transformación entre ITRFs.

Figura1.Parámetros de Transformación del ITRF2008 a ITRFS anteriores. Fuente: The International Terrestrial Reference Frame. Sitio web: http://itrf.ensg.ign.fr/

METODOLOGÍA

La metodología del presente proyecto se basa específicamente en determinar parámetros para la transformación de coordenadas planas o proyectadas, los mismos que constan de dos traslaciones, un ángulo rotación y un factor de escala entre el sistema PSAD56 e ITRF2008.

Las observaciones que se utilizaron para el cálculo, estaban referenciadas al sistema geodésico clásico PSAD56 así como a marcos de referencia internacionales ITRF94 (135 puntos) e ITRF2008 (51 puntos) observados en diferentes épocas desde el año 2002 hasta el 2013 y distribuidos en la mayor parte del Ecuador continental para extender la cobertura de aplicación. En las siguientes figuras se puede ver la ubicación de cada una de estas campañas de reconocimiento de PSAD56 e ITRF.


Figura 2. Cobertura de la Metodología para la Transformación de Sistemas de Referencia

Para estandarizar la información de los ITRFs fue necesario utilizar los parámetros de transformación del ITRF94 al ITRF08, utilizando el método de Helmert aplicado a coordenadas cartesianas y un modelo de velocidades que permite estimar el desplazamiento de las coordenadas en el tiempo entre las observaciones y así poder unificar las épocas de referencia,. En la figura 3 se ilustra el proceso de transformación de coordenadas entre dos ITRFs distintos y diferente época de referencia.

Figura 3. Modelo de transformación entre diferentes ITRF’s


De la figura anterior se puede mencionar que el modelo de velocidades utilizado es el Modelo de Velocidades de Suramérica o VElocity MOdel of South America 2009 (Drewes & Heidbach, 2009) disponible en el sitio web de SIRGAS: http://www.sirgas.org/index.php?id=54.

Con este conjunto de coordenadas unificadas en un solo marco y época de referencia (ITRF2008, época 2013.0), se procedió a emplear las ecuaciones (03) y (04) para determinar el sistema de ecuaciones e incógnitas que serán resueltos por el método de mínimos cuadrados (Detallado en la sección E.)

Cabe recalcar que las coordenadas empleadas en este trabajo son coordenadas proyectadas UTM en la zona 17s, en el caso del Ecuador continental que está representado por dos zonas UTM 17 y 18 no es recomendable forzar las coordenadas planas a otra zona porque este proceso podría distorsionar las coordenadas a manera exponencial a medida que se aleja del meridiano central de proyección, pero en este caso de estudio se mantenido la información en la zona UTM 17s por el hecho que los sistemas de información geográfica que se han utilizado solamente disponen de un sistema cartesiano (x,y) para la representación de la información espacial, por lo que resulta complejo incluir dos orígenes para su proyección. (Fernández, 2001)

Para la transformación de las coordenadas se diseñaron dos programas en el software Matlab, para cada uno de los métodos. Para ello se tomó un cierto porcentaje para el cálculo, un 70 % para los puntos destinados para el ajuste y un 30% para la comprobación de cada método, como se indica en la siguiente tabla1.

Tabla 1. Puntos utilizados para el ajuste y comprobación de los métodosDescripción Puntos utilizados

Ajuste 87Comprobación 48

Los puntos de ajuste comprenden los puntos extremos que cubren el contorno del país para cubrir toda el área de estudio, mientras que los puntos de comprobación fueron seleccionados aleatoriamente en todo el territorio. Con los puntos destinados para la prueba o comprobación, se calculó el valor medio, máximo, mínimo, la desviación estándar y la escala, estableciendo una comparación entre el método de Helmert y Molodensky. La escala de aplicación en cartografía se obtiene aplicando la ecuación (14),

Escala de aplicación = Error máximo /0.3 mm (14)

RESULTADOS

En la tabla 2, se muestran los resultados de los parámetros de transformación por el método bidimensional de Helmert y Molodensky entre PSAD56 E ITRF08 transformado con 4 parámetros.


Tabla 2. Parámetros de transformación calculadosParámetros Helmert Molodensky B.

Diferencial escala 1.853 ppm 1.853 ppmRotación 3.67E-6 rad 3.67E-6 radTraslación Este -287.10 m -249.57 mTraslación Norte -381.07 m -365.39 m

Si se analiza los parámetros obtenidos entre Helmert y Molodensky, se puede observar que en los dos métodos los parámetros de rotación y diferencial de escala son similares, mientras que los valores de traslación para Este y Norte difieren por la correlación que existe entre los parámetros de traslación y rotación, específicamente en el método de Helmert.

Como se puede observar en la tabla 3, se presenta, el promedio, el valor máximo y mínimo en metros de la diferencia entre las coordenadas observadas y las transformadas así como la escala de aplicación a la que se puede representar la cartografía.

Tabla 3. Resultados alcanzado con los parámetros de transformación

Estadística principal Método Helmert

Método Moloden-sky

Máximo (m) 6.1263 6.1264

Mínimo (m) 0.1092 0.1093

Media (m) 1.2068 1.2068

Desviación Estándar (m) 1.2298 1.2298

Escala 20421 20421

APLICACIÓN DE LOS PARÁMETROS DE TRANSFORMACIÓN EN SISTEMAS DE INFORMACIÓN GEOGRÁFICA

La aplicación de estos parámetros de transformación servirá para la transformación espacial de la cartografía, en sistemas de información geográfica (SIG) que requieren explícitamente transformaciones bidimensionales, en el ámbito del software libre como: System for Automated Geoscientific Analyses (SAGA GIS)

Figura 4. Aplicación de Parámetros de Transformación Bidimensional en el SIG, SAGA gvSIG


Figura 5. Aplicación de Parámetros de Transformación Bidimensional en el SIG, gvSIG KOSMO

Figura 6. Aplicación de Parámetros de Transformación Bidimensional en el SIG, KOSMO

Cada uno de los software libres utilizados requieren específicamente de transformaciones bidimensionales y en cada uno de sus ítems establecidos se debe colocar los 4 parámetros de transformación calculados según corresponda y se obtendrá una capa transformada.

CONCLUSIONES• Se realizó la metodología para transformar los sistemas PSAD56 e ITRF08, usando

métodos de Helmert y Molodensky con coordenadas planas UTM. • Para este estudio, la transformación de PSAD56-ITRF08 (observadas y

transformadas) son compatibles con escalas menores a1:30000, en ambos métodos de transformación.

• La aplicación de los parámetros de transformación bidimensionales, se recomienda aplicarlos en áreas pequeñas o localidades específicas para su utilización, debido a que la distorsión causada por forzar dos zonas UTM en una sola, afecta considerablemente los resultados expuestos.

• La aplicación de estos parámetros de transformación servirá para la transformación espacial de la cartografía, en sistemas de información geográfica que requieren explícitamente transformaciones bidimensionales.


AGRADECIMIENTOS

Los autores manifestamos nuestro agradecimiento a la SENESCYT por el apoyo recibido para la ejecución de este trabajo, como parte del Programa de Investigación “Cambio del Referencial Geodésico Del Ecuador”.

REFERENCIAS

Drewes, H. & O. Heidbach (2009). The 2009 Horizontal Velocity Model For South America And The Caribbean. Submitted To C. Pacino Et Al. (Eds.). IAG Scientific Assembly “Geodesy For Planet Earth”. Pp. 637-644.

Escalona, P. & Iturra, S, (2006). Análisis De La Metodología De Transformación De PSAD56 A SIRGAS En El Catastro Minero De La Zona Til-Til. Obtenido De Universidad Santiago De Chile, Facultad De Ingeniería, Departamento De Ingeniería Geográfica. Disertación De Pre Grado.

Fernández, I. 2001. Localización Geográfica. Las Coordenadas Geográficas Y La Proyección UTM. Obtenido De La Universidad De Valladolid. Área De Ingeniería Cartográfica, Geodesia Y Fotogrametría. Pp. 47.

Furones, A. (2010). Sistema Y Marco De Referencia Terrestre. Sistemas De Coordenadas. Obtenido De Universidad Politécnica De Valencia, Departamento De Ingeniería Cartográfica, Geodesia Y Fotogrametría. Web Site: http://Www.Upv.Es/Unigeo/.../Astronomia210.Pdf

International Terrestrial Reference Frame. (2014). Transformation Parameters From ITRF2008 To Past ITRF’s. Obtenido En Enero 2014, Desde Itrf.Ensg.Ign.Fr.

Leiva, C. (2003). Determinación De Los Parámetros De Transformación Entre Los Sistemas PSAD56 Y WGS84 Para El País. Obtenido De Escuela Politécnica Del Ejército, Carrera De Ingeniería Geográfica Y Del Medio Ambiente. Disertación De Pre Grado.

Pérez, J. (2001). Apuntes De Fotogrametría II, Pp.2-16. Universidad De Extremadura. Mérida, España.

Rebolledo, S. (2010). Análisis De Significancia De Los Modelos De Transformación Bidimensional Y El Modelo De Similaridad Para La Compatibilización De Bases Cartográficas A SIRGAS. Obtenido De Universidad Tecnológica Metropolitana, Escuela De Cartografía. Disertación De Pregrado.

Santacruz, A. (2010). Transformación Entre El Sistema PSAD56 Y Los Marcos De Referencia ITRF Utilizando Los Modelos De Helmert Y De Velocidades De Placas Tectónicas VEMOS. Obtenido De Escuela Politécnica Del Ejército, Carrera De Ingeniería Geográfica Y Del Medio Ambiente. Disertación De Pregrado.

Seeber, G. (2003). Satellite Geodesy, Walter De Gruyter, Segunda Edición, New York. Pp. 12.Tremel, H. & Urbina, R, (2000). Processing Of The Ecuadorian National GPS Network Within

The SIRGAS Reference Frame. DGFI – Alemania. Reporte 73.Vanicek, P. & Robin S. (1996). Transformation Of Coordinates Between Two Horizontal Geodesic

Datums. Journal Of Geodesy, 70: 740-745.


DETERMINACIÓN DE PUNTOS DE EVACUACIÓN VERTICAL Y HORIZONTAL EN CASO DE UNA ERUPCIÓN DEL VOLCÁN COTOPAXI EN EL VALLE DE LOS CHILLOS, SANGOLQUÍ, ECUADOR

PADILLA OSWALDO1 ; BOSQUE JOAQUÍN2

1LABORATORIO DE GEOMÁTICA Y SENSORES REMOTOS. DEPARTAMENTO DE CIENCIAS DE LA TIERRA. UNIVERSIDAD DE LAS FUERZAS ARMADAS ESPE. , AV. GRAL. RUMIÑAHUI S/N, SANGOLQUÍ, ECUADOR. P.O. BOX 171 -5- 231B, [email protected] DE GEOLOGÍA, GEOGRAFÍA Y MEDIO AMBIENTE. FACULTAD DE FILOSOFÍA Y LETRAS. UNIVERSIDAD DE ALCALÁ. c/ COLEGIOS, 2 – 28801 ALCALÁ DE HENARES (MADRID). [email protected]

Recibido: 05 de noviembre de 2014/ Aceptado: 27 diciembre de 2014

RESUMENDebido al aumento en la población, cualquier evento futuro relacionado con la erupción potencial del Cotopaxi será más catastrófico que el ocurrido en 1877, por lo que es necesario conocer el territorio de afectación previa, su uso, sus recursos y principalmente sus vulnerabilidades para una adecuada toma de decisiones en caso de producirse un evento que ponga en peligro a la población de la zona. Las tareas de modelar la relación entre los efectos provocados por los eventos naturales y la respuesta del comportamiento humano en función de las vías de escape o de la llegada de ayudas, pueden ser afrontadas mediante el uso de las Tecnologías de la Información Geográfica (TIG), que implican el uso de herramientas tecnológicas para el estudio del territorio y de los fenómenos que ocurren sobre éste. Por tanto, el estudio de modelos de evacuación y su aplicación es una necesidad latente que cada año se vuelve más acuciante para la comunidad del Valle de los Chillos, debido tanto al incremento de población como al aumento de las probabilidades de una erupción del volcán Cotopaxi. Así pues, se considera que un estudio de esta naturaleza proporcionará un aporte valioso para toda la comunidad del Valle de los Chillos que por una u otra razón desarrolla sus actividades vitales en este territorio. La información que se genere a través de esta investigación tiene una considerable importancia para todos los actores de la sociedad y más aún para las autoridades ya que son los responsables de la toma de decisiones para la prevención y seguridad de los ciudadanos.Palabras Clave: Evacuación Vertical, SIG, Análisis de Redes, Riesgos

ABSTRACTDue to the increase in population, any future event related to the potential eruption of the Cotopaxi will be more catastrophic than the last one, which has occurred in 1877. Therefore, it is necessary to have a basic knowledge about the previously affected territory, its use, its resources and even more importantly the associated vulnerabilities in order to be able to a proper decision making process in case of an life-threatening event of that specific area. The tasks of modeling the relations between the effects caused by natural events and the response of human behavior depend predominantly on the evacuation or escape routes and the arrival of aid. These issues are able to be solved by the use of the geographic information technology (TIG), which involves the use of technological tools involving the study of the territory and the phenomena that occur upon it. Therefore, the study of models which ensure the application of the proper evacuation is a latent need, as each year the population growth increases and so does the probability of an eruptive event of the Cotopaxi volcano. Thus, it is considered that a study like this proposed here, will provide a valuable contribution to the community of the Chillos Valley and their co-existence with the corresponding vital activities in their territory. Information generated by this research has a considerable importance for all stakeholders in society and even more the responsible decision-making authorities since they have to guarantee the safety and security of these citizens. Key words: Vertical Evacuation, GIS, Network Analyst, Risks

68 Página Padilla Oswaldo; Bosque Joaquín

INTRODUCCIÓN

Ecuador es un país ubicado en el extremo occidental de América del Sur, cuya extensión territorial es de 272.045 Km2 con una enorme diversidad en muchos de los aspectos posibles, se encuentra en una zona que cambia constantemente como resultado de diferentes procesos de geodinámica interna y externa, lo cual se refleja en la presencia de quince volcanes activos de su territorio (Toulkeridis, 2013). Esta cantidad de volcanes activos en el Ecuador y los latentes, son una real amenaza para los habitantes de este país, pudiendo ocasionar diverso tipos de daños y pérdidas tanto humanas como materiales. Como consecuencia de la presencia, y a pesar del peligro generado por todos estos complejos volcánicos, se tiene un suelo sumamente rico (De Noni & Trujillo, 2010), provocado justamente, por los materiales emanados en diferentes erupciones.

Actualmente, al habitante ecuatoriano no le queda otra alternativa que aprender a convivir con los peligros naturales, sin que ellos puedan hacer nada por disminuirlos. En cuanto a los volcanes, la mayor parte no están activos, pudiendo entrar nuevamente en erupción sin previo aviso, siendo uno de estos, el Cotopaxi, uno de los más peligrosos del Ecuador (Toulkeridis, 2013). El Cotopaxi tiene una alta probabilidad de entrar en actividad y en consecuencia, de producir un impacto de gran magnitud (Figura 1). Este impacto se daría fundamentalmente en el Valle de los Chillos, una de las zonas más vulnerables y en particular en la población de Sangolquí, que lamentablemente no disponen de un plan de ordenamiento territorial en el que se integre una gestión adecuada de riesgos volcánicos. En base al número de erupciones de las que se dispone de registros en tiempos históricos, (Tabla 1) y en su frecuencia, los expertos calculan que en los próximos 20 años habrá, probablemente, una erupción más (Aguilera & Toulkeridis, 2006).

La infraestructura vial es posiblemente el medio más importante que potencialmente puede ser usado para una evacuación debida a una eventual erupción del volcán Cotopaxi. Se ha observado, en algunos casos, como la reactivación de las actividades en los volcanes Reventador y Tungurahua, que la población tiende a acostumbrase al evento; incluso presiona para que después de un tiempo puedan retornar a su vida cotidiana, con el peligro de que, en el caso de producirse una erupción espontánea del Cotopaxi, no se pueda llegar a evacuar la zona de riesgo directa y el daño sea mayor que si se hubiera despejado la zona de habitantes, evitando una magnitud realmente catastrófica. Como ejemplo, se cita lo que ocurrió con el volcán Nevado de Ruiz en la población de Armero (Colombia) (Duque, 2010).

Este tipo de eventos naturales conllevan la necesidad de prever la mitigación de los daños que podrían causar sobre la población e infraestructuras asentadas en el Cantón Rumiñahui o el Valle de los Chillos, región de gran desarrollo urbano y turístico. La ocurrencia de un evento volcánico en esta región causaría gran afectación debido a que la mayor parte de sus habitantes está asentada en zonas de alto riesgo de inundación por lahares (Robert, 2007). Es además importante señalar que los tiempos de evacuación de la población son mayores a los de llegada de la primera ola (Padilla

Determinación de puntos de evacuación Página 69

y Bosque, 2005), por lo tanto, se debe dar una opción de evacuación a la mayor cantidad de pobladores del área de estudio, por lo que esta investigación se orienta a la creación de un modelo de evacuación.

En la investigación se plantea originalmente una evacuación a través de la red vial, a la que se ha llamado evacuación horizontal, y en las zonas en las que no sea factible esta evacuación, se plantea una evacuación de tipo vertical hacia edificios e infraestructuras resistentes ubicadas en sitios cercanos o que sean más accesibles, determinando adicionalmente las variables que podrían facilitar o entorpecer dicho tipo de evacuación. En la planificación territorial, las infraestructuras viales juegan un papel determinante (Gutiérrez et al., 2012) y más aún si se toma en cuenta los riesgos naturales como un factor que aumenta la vulnerabilidad de la población e infraestructuras. Toda la infraestructura vial facilita y da acceso a diferentes puntos del territorio, de manera que plantear un sistema o modelo de evacuación utilizando la infraestructura vial es de vital importancia para gestionar cualquier tipo de evento adverso relacionado con eventos de peligro natural. Se ha considerado a los SIG como el elemento adecuado para diseñar el modelo de evacuación horizontal, en el contexto del conocimiento del territorio, de su disgregación en diferentes capas de información y su uso como herramienta para la gestión de riesgos y seguridad.

Figura 1: Mapa de lahares asociados con el Volcán Cotopaxi.Fuente: Datos del Almanaque Electrónico Ecuatoriano. Mapa elaborado por el autor.


El estudio de los flujos viales y su aplicación en modelos de simulación para evacuación es una necesidad latente y que cada año se vuelve más necesaria para la comunidad del Valle de los Chillos, debido tanto al incremento de población como al aumento de las probabilidades de una erupción del volcán Cotopaxi (Aguilera y Toulkeridis, 2006). Además, tanto para la Secretaría Nacional de la Gestión del Riesgo (SNGR), como para el Gobierno Municipal del Cantón Rumiñahui, como para la Universidad de las Fuerzas Armadas ESPE, entre otras instituciones y para toda la comunidad en general, este estudio será de utilidad pues la información generada en esta investigación servirá para apoyar acciones a los planes de gestión del riesgo existentes (prevención y mitigación) dirigidas a proteger la integridad física de la población y sus bienes.

GENERALIDADES DEL CANTÓN RUMIÑAHUI

El Cantón Rumiñahui se encuentra en la provincia de Pichincha, al sur oriente de la capital del Ecuador, Quito. Su capital es la ciudad de Sangolquí, ubicada en el Valle de los Chillos, que se encuentran en la región interandina. Es justamente ésta la zona en la que se realizará el estudio siendo el sector de Sangolquí y San Rafael el área más afectada en caso de producirse un flujo de lodo provocado por una erupción del volcán Cotopaxi (Figura 2). Rumiñahui tiene una tasa de crecimiento poblacional de 5.39% en la parroquia de Sangolquí, en donde se ubica la mayor cantidad de población urbana según el último censo poblacional del 2010 (Ver tabla 1)

Figura 2: Ubicación


Tabla 1. Población del Cantón Rumiñahui.

Parroquia Población Urbana Población Rural Total Tasa de Crecimiento

Cotogchoa - 3,937 3,937 2.89%Rumipamba - 775 775 3.62%Sangolquí 75,080 6,060 81,140 5.39% Total 75,080 10,772 85,852 Total

Fuente: Instituto Ecuatoriano de Estadísticas y Censos INEC, Censo 2010

Estos datos hacen ver que el cantón Rumiñahui es uno de los de más alta densidad poblacional en la provincia de Pichincha, cuyos habitantes se encuentran localizados en los alrededores de los ríos Pita y Santa Clara, justamente los dos principales corredores por donde transitará el lahar que se produciría por la erupción del Cotopaxi, haciendo a esta población altamente vulnerable.

El gran peligro de una erupción del Cotopaxi se debe al hecho de que al fundirse una parte de su glaciar, se generaran los conocidos flujos de lodo, llamados lahares, que se desplazarían por los ríos Pita y Santa Clara (Ordoñez et al., 2013). Se calcula que unas 80.000 personas en el valle de los Chillos y otras 120.000 en el valle de Latacunga están actualmente expuestas a este gran riesgo volcánico (Figura 1).

Tabla 2. Resumen de la historia eruptiva del volcán Cotopaxi.

INICIO FINAL CARACTERÍSTICAS DE LA ERUPCIÓN PRINCIPALES EFECTOS

15 Junio 1742 Julio 1742 Durante este año ocurrieron dos erupciones

importantes: la primera se inició el 15 de junio.Considerables estragos hasta Latacunga.

9 Diciembre 1742 S/D

Es muy posible que hayan ocurrido emisión de lava y nubes ardientes. Grandes lahares, flujos de lodo con escombros y caída de piroclastos afectaron a una extensa zona circundante al nevado.

Se destruyeron vías de comunicación, e infraestructura de producción y urbano. Latacunga resultó seriamente afectada.

Mayo 1744 Diciembre 1744

La actividad se inicia en 1742 con eventos más fuertes en 1744, en que se inició una de las grandes erupciones del Cotopaxi. Fue uno de los eventos más fuertes en los que se produjeron lahares hasta Latacunga y el Valle de los Chillos. Por el Oriente las inundaciones sobrepasaron la población de Napo. La abundante caída de piroclastos se extendió a regiones más lejanas causando la muerte de miles de cabezas de ganado.

Los lahares destruyeron gran cantidad de infraestructura y causando gran cantidad de muertes.


10 Febrero 1766

Diciembre 1766

La magnitud de los lahares generaron importantes emanaciones de lava o nubes ardientes que originaron descomunales flujos de lodo y escombros que llegaron hasta Latacunga. Según Teodoro Wolf, con esta erupción las corrientes de agua producidas por el deshielo fueron mayores que en el año 1744.

Se repiten los daños que tradicionalmente han causado los flujos de lodo y avalanchas. En los lugares en que estos fenómenos no afectaron, la abundante caída de ceniza causó graves estragos en la agricultura y la ganadería.

2 Abril 1768 S/D

Nuevamente llegaron hasta Latacunga los flujos de lodo y por la otra vertiente inundaron el valle de los Chillos hasta las cercanías de Tumbaco. Por el este las inundaciones llegaron a las orillas de los ríos Napo y San Miguel. La caída de piroclastos fue abundante. En las cercanías del volcán la acumulación de ceniza llegó a 1 metro. Por el norte la ceniza llegó hasta Pasto, Colombia y por el oeste hasta el océano Pacífico.

Las inundaciones y avalanchas dejaron inutilizadas grandes áreas de cultivo y ganadería. Se destruyeron puentes y caminos, al igual que fábricas y haciendas. En algunos pueblos se hundieron los techos de casas y chozas.

26 Junio 1877 S/D

Erupción de magnitud considerable que provoco lahares. En los valles de Mulaló las inundaciones fueron considerables. Abundante emanación de ceniza.

Inundaciones. Oscuridad completa en Quito por varias horas. Casi 600 muertos. Destrucción de sembríos, e infraestructura.

Fuente: Compilado y Modificado de: Aguilera, 2005; Jaramillo, 2012; Andrade el al, 2005; Instituto Smithsoniano

1. LOS FLUJOS DE LODO O LAHARES

Aguilera & Toulkeridis denominan como flujos de lodo o lahares, “a un flujo torrencial de agua lodosa, cargada de partículas sólidas de todos los tamaños, que se desplaza velozmente, controlado por la gravedad, desde las laderas de un volcán hacia los valles, directa o

indirectamente desencadenado por una erupción. Durante su desplazamiento, dicho flujo tiene la apariencia de una colada densa, pero fluida, que ocupa los cauces naturales y, debido a su densidad, puede arrastrar cualquier objeto que encuentre a su paso. La morfología típica de un lahar en movimiento corresponde a la de un cuerpo alargado, con un borde superior bastante plano, en el que se distinguen claramente tres segmentos caracterizados por una distinta concentración de sólidos (Pierson T., 1986, citado por Aguilera y Toulkeridis, 2006). En la cabeza, se acumulan los bloques de roca de mayor tamaño, que han sido extraídos del cuerpo y se desplazan en seco. En el cuerpo, la concentración de sólidos varía entre el 75% y 90%, en peso mientras que la cola presenta una concentración de sólidos similar a la de un flujo hiperconcentrado, 45% en peso”(ver figura 3).

Posiblemente este es uno de los fenómenos más destructivos de la naturaleza, el cual a su paso solo deja destrucción de infraestructura y una gran pérdida de vidas humanas, quedando como remanente un paisaje desolado y gris de tipo apocalíptico, solo hace falta recordar lo ocurrido en Colombia en el lahar producido por el nevado del Ruiz en 1985. Se calcula que puede alcanzar velocidades que varían entre 20 y 40 km/h (Aguilera & Toulkeridis, 2006).


Figura 3. Esquema de un Lahar. Fuente: Proyecto PREVOLCO, 2006.

SIG Y TEORÍA DE REDES

El análisis de redes es hoy en día una herramienta de vital importancia en lo que respecta a diseño, planificación, corrección y toma de decisiones en cuanto al desarrollo en el campo comunicacional de un distrito, ciudad, poblado, entre otros. Para el proyecto se realizó una red en todo la zona de influencia de Sangolquí y San Rafael. (Figura 4)

El principal objetivo del análisis de redes es el de optimizar el uso de recursos, en este caso, a través de la determinación de la ruta más corta o la ruta más óptima en base al tiempo de evacuación, el mismo que determinará la cantidad de personas que pueden salvarse ante la eventual ocurrencia de un lahar. Se ha calculado cada ruta de evacuación horizontal para diferentes puntos dentro del área afectada(Figura 5)

Figura 4. Esquema de la Red Figura 5. Rutas De Evacuación En Caso De

Un Lahar A Través De La Red


Para el análisis de redes es necesario calcular la impedancia (resistencia o fricción al movimiento) de los arcos y, en su caso, de los nodos. De lo que se trata básicamente es de calcular caminos de mínima impedancia entre dos o más nodos de la red. La impedancia viene a ser un factor de castigo al tiempo de movilización por un segmento de la ruta, es así que dos segmentos con una misma distancia, al tener dos valores de impedancia diferentes, tendrán dos tiempos de recorridos diferentes. El primer factor que afecta a la impedancia es la distancia, luego están factores como la pendiente del terreno, número de individuos que circulan por la vía, número de carriles, estado de la vía, tipo de vía. Cada uno de estos elementos dará un factor diferente de fricción compuesto por todos los valores de fricción individua, proporcionando el valor final de movilización expresado en la fórmula 1.

(01)

Donde:Longitud: Distancia, expresada en metros de cada segmento de vía.Velocidad: Velocidad, expresada en metros por minuto a la que se desplazan las elementos sobre la red.

CALCULO DE ÁREA CUBIERTA POR EL LAHAR

Para el presente estudio se tomó como primer insumo el cálculo del área de afectación por lahares. Para esto un grupo de investigadores liderado por el Ing. Eduardo Aguilera de la ESPE en 1996 utilizaron el modelo SIM-LAHAR, el cual permitió simular el flujo de lodo ocurrido en 1877 (evento máximo probable).

Este modelo toma como referencia los eventos históricos, pero fundamentalmente permite modelar el evento en función de la situación actual, es decir las condiciones físicas por donde circularía el lahar. El modelo numérico que se utiliza en el presente trabajo fue desarrollado por Macedonio y Pareschi (1992) para resolver el caso de un flujo canalizado.

INSUMOS CARTOGRÁFICOS

Para el desarrollo del proyecto se utilizaron diferentes coberturas que sirvieron como insumos cartográficos de entrada, obtenidos de diferentes instituciones públicas, lo que facilito su adquisición sin ningún costo. (Figura 7). Todas estas especificaciones cartográficas fueron ingresadas en cada una de las coberturas con los siguientes parámetros:

• Escala 1:5000• Elipsoide de Referencia Internacional – Hayford 1910• Datum Provisional de Sudamérica 1956 PSAD56


• Proyección Cartográfica Universal Transversa de Mercator UTM (metros)• Zona Cartográfica Zona 17 Sur

El Mapa Base correspondiente a Sangolquí y San Rafael, estaba realizado por parte de la dirección de Avalúos y Catastros del Ilustre Municipio del Cantón Rumiñahui, a partir de una restitución aerofotogramétrica elaborada por el Instituto Geográfico Militar (IGM). Este mapa sirvió como base para digitalizar los ejes viales de la zona de estudio.

El área urbana de la ciudad de Sangolquí y San Rafael, corresponden a zonas de densidad poblacional de 1.416,06 hab/Km2, con una población de aproximadamente 82.000 habitantes (INEC, 2010).

Sobre esta misma zona se procedió a digitalizar los ejes viales, para que posteriormente se revise su topología y poder estructurarla, lo que permitirá tener un modelo de red completo de la zona.

Figura 7: Zona de Estudio, Sangolquí, y San Rafael en el Valle de los Chillos

ZONA DE RIESGO POR LAHARES.

Del estudio de Modelización Numérica de Flujos de Lodo SIM-Lahar (Aguilera, 1996) se obtuvo el Mapa de Tiempos de Primera Onda, que corresponde a los tiempos de llegada del flujo obtenidos en minutos, sobre la zona de Sangolquí y San Rafael (Figura 8). El documento se encontraba en formato raster y fue digitalizado. Éste tiene información de tipo poligonal con tiempos en valores enteros, es decir correspondía a una variable de tipo discreta. Para el posterior análisis entre tiempos de evacuación y tiempos de la primera


onda, es necesario que estas variables sean de tipo continuo. Se tomó el mapa de tiempos digitalizado anteriormente, transformando los polígonos en líneas y seleccionando los segmentos de corte entre cada rango tiempo, asignándole ese mismo valor en la base de datos, para posteriormente mediante interpolación (IDW) obtener el mapa de tiempos de arribo de la primera onda del flujo de lodo.

La población involucrada en esta zona debe ser evacuada en caso de producirse el evento adverso, además de informarla adecuadamente (Campos, 1998). Para garantizar que esa zona que debe ser evacuada se elija con las garantías suficientes de seguridad y no queden zonas aisladas en las que no se ha previsto la evacuación, se generó una zona con margen de seguridad. A partir de la variable de tiempos de llegada por lahar, se decidió señalar esa zona de seguridad por medio de un buffer; con este criterio se tomó una distancia de seguridad para los habitantes de 50m en la periferia del flujo, lo que significa que se tomó un margen que se considera necesario en el que la población debe movilizarse fuera de este sector.

Figura 8. Tiempos De Llegada Del Lahar A La Zona De Sangolquí Y San Rafael. Tiempos De Llegada De La Primera Onda.

PUNTOS DE SEGURIDAD, PUNTOS DE EVACUACIÓN

Para el análisis es importante definir dos elementos para el cálculo de tiempos de evacuación: puntos de seguridad y puntos de evacuación. Los puntos de seguridad corresponden a puntos sobre la red justamente en el extremo de la zona de evacuación, donde la población podría posteriormente ir a sitios de concentración dispuestos por la Secretaria de Riesgos. Los puntos de evacuación corresponden a los puntos a lo largo de los ejes viales ubicados cada 20 metros, que corresponde a una distancia aproximada entre los portales de cada una de las viviendas


MAPA DE TIEMPOS DE EVACUACIÓN

Con estos tres elementos: puntos de seguridad, puntos de evacuación y ejes viales, se calcularon las distancias entre cada uno de los dos grupos de puntos. Es este estudio se tomó en cuenta como impedancia el valor multiplicado por la distancia de cada uno de esos segmentos y la velocidad de movilización de una persona a pie promedio en caso de emergencia. Se calculó con los valores de impedancia de la capa de ejes viales tomando en cuenta los valores de circulación de la población en caso de emergencias, tratando de simular una condición de movilización en el peor escenario posible, pero con las condiciones de evacuación de toda la población comprometida. La primera variable utilizada para el cálculo de tiempos de evacuación corresponde a la de tiempos de llegada de la primera onda. Las posibilidades pueden variar sólo dependiendo del tipo de problema que se plantea resolver. La solución se basa en el algoritmo de Dijkstra, de la ruta más corta que depende de las condiciones iníciales de la red y del problema específico que se desea resolver. Anteriormente se calcularon las rutas más cortas entre cada punto de evacuación y el punto más adecuado de seguridad, además del mapa de tiempos de evacuación (Figura 9) que permitió, al ser cruzado con el mapa de tiempos de llegada obtener lo que se llamará zonas de evacuación horizontal y zonas donde no es posible una evacuación de tipo horizontal (Figura 10)

Figura 9. Tiempos de Evacuación de la población de la zona en riesgo.


Figura 10. Zonas de Evacuación Horizontal y Vertical

CONCLUSIONES

El análisis realizado permite observar que no toda la población puede salir a tiempo de la zona de estudio, la que hemos denominado evacuación horizontal. Existen zonas donde ante la situación anterior solo es viable, según este estudio, realizar una evacuación vertical, es decir que la población suba a una serie de lugares, de edificios, donde se resguardan de los efectos de los lahares. Ahora se trata de localizar dichos edificios en la zona.

Con las coberturas obtenidas se continuará trabajando para determinar la población afectada y las posibles alternativas de evacuación, con el fin de dar una herramienta a las autoridades para apoyar a los planes de gestión de riesgos del sector en caso de producirse un desastre. Así como a la población servirá como elemento informativo antes de producirse un evento adverso que afecte sus actividades normales en una forma significativa.

Es necesario contar con información detallada tanto en las bases cartográficas y de población para realizar un estudio lo más detallado posible, lo que se dificulta con la información actualmente disponible.


REFERENCIAS

Aguilera E., Escuela Politécnica del Ejército. Informe de Proyecto: Modelización Numérica de los Flujos de Lodo del Volcán Cotopaxi. Sangolquí, Editorial ESPE, 1996.

Aguilera. E.; Toulkeridis T. COSUDE USFQ ESPE: Proyecto de Prevención de los Riesgos Asociados con la Erupción del Volcán Cotopaxi – PREVOLCO. Sangolquí, Editorial ESPE 2006

Andrade D., Hall M., Mothes P., Troncoso L., Eissen J-P., Samaniego P., Egred J., Ramón P., Rivero D., Yepes H. “Los Peligros Volcánicos Asociados Con El Cotopaxi”. Serie Los peligros volcánicos en Ecuador, No. 3. Corporación Editora Nacional, IG-EPN, IRD, 147 p. 2005, http://www.igepn.edu.ec/.../39-los-peligros-volcanicos-asociados-con-el-cotopaxi/file

Campos A. Educación y Prevención de Desastres, Red de Estudios Sociales en Prevención de Desastres en América Latina. La Red, Quito, 1998.

De Noni y Trujillo, Degradación del Suelo en el Ecuador, Publicaciones Científicas IRD, Monpellier, 2010, http://horizon.documentation.ird.fr/.../cc-2010/26531.pdf

Duque G., Las Lecciones Del Ruiz A Los 25 Años Del Desastre De Armero, Godues, 2010, http://www.bdigital.unal.edu.co/.../gonzaloduqueescobar.201021.pdf

Gómez M., Barredo. J. Sistemas de Información Geográfica y Evaluación Multicriterio en la Ordenación del Territorio, Madrid, Edit. RA-MA, 2ª edición. 2005

Gutierrez J., Monzón A., Piñero J.M. Accessibility, Network Efficiency, And Transport Infrastructure Planning. Environment And Planning, 30, pp.1337-1350. 1998

Gutiérrez J., Ruiz E., Jaraíz F., Castro J., Pérez J., Diagnóstico del Transporte Público Urbano en Mérida, Universidad de Extremadura, Extremadura 2012

INEC, Instituto Nacional de Estadísticas y Censos del Ecuador. Resultados del Censo Nacional de Población y Vivienda 2010. 2010

Andrés de Pablo, N. y Jaramillo Proaño, S., Evolución Glaciar en la Vertiente Norte del Volcán Cotopaxi, Editorial: Universidad Complutense Madrid, 2012, 61 PP

http://repositorio.educacionsuperior.gob.ec/handle/28000/834Macedonio y Pareschi, A Numerical Model For Simulation Of Tephra Transport And Deposition:

Applications To May 18, 1980, Mount St. Helens eruption, Journal of Geophysical Research: Solid Earth, 2012

Ordóñez J., Samaniego P., Mothes P., Schilling S., Las Potenciales Zonas De Inundación Por Lahares En El Volcán Cotopaxi, Quito, 2013, http://www.igepn.edu.ec/.../790-nueva-publicación-sobre-lahares-del-volcán-cotopaxi

Padilla Almeida, O. y Bosque Sendra, J. Cálculo, Análisis Y Representación De Tiempos De Evacuación En El Valle De Los Chillos Frente A Una Eventual Erupción Del Volcán Cotopaxi En Memorias. XI Conferencia Iberoamericana de SIG Lujan, Departamento de Ciencias sociales, Universidad de Lujan, 2007, 22 pp. ISBN: 978-9285-33-6

Toulkeridis, T., Volcanes activos del Ecuador, Editorial: CGVG-ESPE, Quito, 2013, 148 PP. ISBN: 978-9942-9927-1-0

Robert, J., Vulnerabilidad De La Población Expuesta A Los Lahares Del Volcán Cotopaxi en el Valle de Los Chillos, Memoria de Master 2 Investigación, 2007, 51 PP, http://www.ifeanet.org/pacivur/docs/D13_01.pdf

Smithsonian Institution National Museum of Natural History Global Volcanism Program: Summary of Holocene eruption dates and Volcanic Explosivity Indices (VEI). Cotopaxi; Global volcanism program, Department of mineral sciences, National museum of natural history, Smithsonian institution, 2013, http://www.volcano.si.edu/volcano.cfm?vn=352050

geoespacial.espe.edu.ecgeoespacial.espe.edu.ec/wp-content/uploads/2017/01/Geoespacial11.… ·...

Documents

Transcript of geoespacial.espe.edu.ecgeoespacial.espe.edu.ec/wp-content/uploads/2017/01/Geoespacial11.… ·...