MODELO DE RIESGO DE EROSION DE SUELO EN CUATRO MICRO-CUENCAS DE LA CORDILLERA LOS MARIBIOS, NICARAGUA.

Autor: Ing. M.Sc. Richard J. Chvez. Universidad de Yale Escuela Forestal y Estudios Ambientales New Haven, CT, Estados Unidos.

Palabras claves: Erosin, SIG, USLE, Maribios. Resumen La escorrenta superficial y erosin de suelo son las mayores amenazas para la agricultura sostenible. El mapeo regional de riesgos de erosin de suelo es cada vez una necesidad de agencias ambientales nacionales e internacionales para la planificacin del uso sostenible de la tierra. Esta investigacin desarrolla un modelo para determinar el riesgo de erosin de suelo en cuatro micro-cuencas en la Cordillera Los Maribios en el noroeste de Nicaragua. Esta zona se caracteriza por tener suelos de origen volcnico, topografa montaosa con pendientes profundas y clima tropical con dos estaciones bien diferenciadas, invierno y verano. Estas caractersticas hacen que los suelos de esta regin sean susceptibles a erosin, especialmente durante el invierno. La mayora de los suelos de la Cordillera Los Maribios han sido expuestos a un sobre uso, lo cual ha resultado en una degradacin ms intensa, afectando la capacidad productiva de estas tierras y causando ms pobreza a las comunidades que habitan esta zona. Esta investigacin integra la Ecuacin Universal de Erosin de Suelo (USLE) con Sistema de Informacin Geogrfico (SIG) para modelar el riesgo de erosin de suelo. El modelo resultante USLE-SIG proporciona una herramienta til de planificacin y conservacin de suelos.

1

I.

Introduccin

Nicaragua es un pas fuertemente afectado por desastres naturales, muchos de ellos ligados a la degradacin de la tierra y la presin antropognica sobre sus recursos naturales, en particular los bosques. La deforestacin y el cambio de uso de la tierra han expuesto los suelos a erosin hdrica, resultando en cuencas inestables y hacindolas mas susceptibles a desastres naturales tales como el deslizamiento de tierra causado por el Huracn Mitch en 1998. En Nicaragua aproximadamente 7.7 millones de hectreas han sido degradados por erosin hdrica (IRENAECOT-PAF. 1994). A finales de los aos sesentas y setentas hubo un fuerte programa de conservacin de suelos en las tierras mas bajas de la regin II. Mucho de este trabajo consisti en la construccin de terrazas en pendientes por debajo de 5-7%. Muchas de las terrazas de bancos construidas en pendientes por encima del 7%, se encuentran en mal estado o han desaparecido debido a la naturaleza arenosa de los suelos. Deforestacin, cambio de uso de la tierra, y la falta de prcticas intensivas de conservacin de suelos han hecho de la cadena volcnica de los Maribios uno de los paisajes mas degradados del pas. Adems de los agro-negocios, mucha de la tierra en esta regin ha sido convertida a agricultura de subsistencia y ganadera extensiva; lo cual a incrementado mas aun los riesgos de erosin de los suelos. Con la disponibilidad de datos de informacin digital, la tecnologa de Sistemas de Informacin Geogrfico (SIG) ha llegado a ser una herramienta indispensable en el procesamiento de datos para modelar de cuencas hidrogrficas y simulacin de resultados post-procesos (Yu, 2001). Esta investigacin desarrolla un modelo que puede ser usado para modelar y monitorear el efecto del uso de la tierra sobre la erosin potencial de suelo dadas las condiciones fsicas en la Cordillera Los Maribios. El modelo aplicado est basado en la Ecuacin Universal de Erosin de Suelo (USLE) integrado con SIG para producir un mapa de prediccin de erosin en cuatro microcuencas de la cordillera Los Maribios. II. Objetivos

2.1 Objetivo General Desarrollar un modelo de Erosin de Suelo para representar la erosin potencial de suelo en cuatro microcuencas de la Cordillera Los Maribios, Nicaragua. 2.2 Objetivos Especficos: 1. Colectar y analizar datos de precipitacin existentes para generar un mapa de erosividad de suelo; 2. Colectar y analizar informacin de suelo existente para desarrollar un mapa de erodabilidad; 3. Evaluar la cobertura de suelo mediante la interpretacin de imgenes de satlites para desarrollar un mapa de cobertura de suelo; 4. Analizar la informacin colectada y procesada para identificar reas de riesgos de erosin de suelo.

2

III.

Sitio de estudio

El sitio de estudio para esta investigacin se concentr en las micro-cuencas Casitas, Cristo Rey, Las Quemadas y Las Maras de la Cordillera Los Maribios, ubicadas en la parte noroeste de Nicaragua. IV. Metodologa

El modelo usado esta basado en la Ecuacin Universal de Erosin de Suelo (Wischmeier & Smith. 1978). USLE fue desarrollada para proporcionar una herramienta importante para los conservacionistas de suelo y puede ser usada en cualquier regin geogrfica modificando sus factores. USLE calcula el promedio anual de erosin usando una relacin funcional de varios factores expresados en la siguiente ecuacin: A = R*K*LS*C*P Donde: A = promedio espacial de la prdida de suelo y la prdida temporal de suelo por unidad de rea. A est expresado en (tons/ha/ao) en tiempo y espacio. R = es el Factor de erosividad en unidades de MJ mm ha-1 h -1ao -1 K = es el Factor de erodabilidad en t ha h ha -1 MJ -1 mm -1 LS = Factor de longitud y profundidad de la pendiente (unit less) C = Factor de cobertura (unit less) P = Factor de prcticas de manejo de suelo (unit less)

4.1 Fuente de datos Los datos usados fueron obtenidos de estaciones meteorolgicas, estudios de vegetacin, mapas topogrficos y MAGFOR. Los archivos SIG fueron creados para cada factor de USLE y combinados celda por celda en un proceso de modelacin en Arc-GIS para predecir el riesgo de erosin de suelo. El tamao de pxel fue definido en 30x30 m. 4.1.1 Modelo Digital de Elevacin (DEM) En muchos pases en desarrollo, la disponibilidad de datos espaciales es usualmente limitada o no existe. Por lo tanto, es necesario crear informacin espacial tales como modelos digitales de elevacin mediante la digitalizacin de lneas de nivel de mapas topogrficos. Este trabajo es tedioso, pero es necesario para la planificacin de uso del suelo y trabajos de anlisis espacial. El DEM para este trabajo fue creado mediante la vectorizacin de las lneas de elevacin de un mapa topogrfico a escala 1:50,000. Wise Image Pro5 software package fue usado para este propsito. La interpolacion de los puntos de elevacin para crear el DEM fue hecha usando Kriging. Al igual que la interpolacin IDW, Kriging crea valores de los valores medidos alrededor de un punto para predecir valore en sitios no medidos. Sin embargo, los valores estan

3

basados no solo en la distancia de los puntos medidos, sino tambien en el arreglo espacial de los puntos medidos (Johnston K., et al. 2001).

Figura 5. Modelo Digital de Elevacin. 4.1.2 Precipitacin La superficie de precipitacin fue obtenida mediante la interpolacin de la precipitacin media en un periodo record de 10 aos de doce puntos de observacin dentro del rea de estudio. El mtodo de interpolacin usado fue Kriging, una herramienta de anlisis geo-espacial en Arc-GIS.

Fig. 6 Superficie de precipitacin (Precipitacin media anual en mm)

4

4.1.3 Suelo El mapa de las series de suelos fue obtenido del mapa agro-ecolgico de MAGFOR y corroborado con fotos mapas (1:20,000) de suelo producido por Catastro e Inventario de Recursos Naturales (1979).

Fig. 7. Mapa de tipo de suelo Alguno de los tipos de suelo mostrado en el mapa de clasificacin de tipo de suelo (fig. 7) no han sido aun clasificado bajo el sistema USDA, por lo cual, fueron nombrados en base a sus caractersticas fsicas (Catastro e Inventario de Recursos Naturales, 1971). 4.4.1 Cobertura de suelo Los datos de cobertura de suelo usados para este estudio fueron derivados de la interpretacin de una imagen de satlite Landsat-7 TM Path 017 Row 51, July 15th 2001. ERMapper software fue usado para clasificar la imagen. El mtodo de clasificacin de uso de la tierra usado fue clasificacin supervisada.

5

Fig. 8 Mapa de Cobertura de Suelo 4.2 El Modelo El siguiente modelo describe la tcnica usada para crear las cuatro capas de datos, y la subsecuente derivacin de los factores LS-, R-, K-, C, y P.Digital contour lines Soil types Land use Annual precipitation intensities Support Practice factor

Digital elevation model

Physical properties of soil C-factor of land use types Interpolation

Slope length

Slope steepness

Apply equations

Assigning values using nomograms

LS

K

C

R

P

Fig. 9. Proceso SIG para crear los factores de USLE.

6

4.2.1. Factor de Longitud y Profundidad de Pendiente El clculo de la longitud de pendiente ha sido el mayor problema en el uso de USLE como modelo para predecir prdidas de suelo en GIS. El dato necesario para este clculo es un modelo digital de elevacin (DEM). Algunos cientficos han creado diferentes procesos para calcular longitud de pendiente usando soluciones de algoritmos complejos para GIS (Desmet & Govers, 1996; Hickey, R., 2000); otros han trabajado en diferentes procesos para estimar el Factor de Longitud usando datos de DEM en ArcInfo (Van Remortel, R. et al. 2001; Hickey, R., et al 1994). Schmidt (2001) cre una extensin para Arc-View 3x para calcular el factor de longitud de pendiente. El factor de Longitud est basado en artculos de Moore & Wilson (1992), y Wilson & Gallart (2000). El mapa de longitud de pendiente (L) y profundidad de pendiente (S) mostrado abajo es un producto de la multiplicacin de L y S. En el presente trabajo, el factor S fue calculado usando el DEM y la ecuacin de Nearing (1997), S = 1.5 + 17 1 + exp(2.3 6.1sin )

Donde es el ngulo de la pendiente en grados.

Fig. 10. Factor de Longitud y Profundidad de Pendiente (LS). 4.2.2. Factor de Erodabilidad de Suelo (K) El factor de erodabilidad de suelo es la resistencia del suelo a la erosin hdrica en unidades MJ mm hr. Un mapa digital de regiones ecolgicas desarrollado por MAGFOR (2002 no publicado) fue usado para identificar las series de suelos en el rea de estudio. Los valores del factor K fueron estimados usando el nomograma de erodabilidad de suelo (Wischmeier & Smith. 1978). Debido a que no se tomaron muestras de suelos, los valores de K presentados en este trabajo son estimaciones basadas en las caractersticas fsicas de los suelos descritos en el documento de Catastro-MAG (1971).

7

Fig. 11. Mapa de Erodabilidad de Suelo ton MJ-1 mm-1 hr 4.2.3. Factor de Cobertura Los valores del factor-C fueron aplicados a cinco tipos de coberturas identificadas en el rea de estudio. Los tipos de coberturas SIG fueron creados de una imagen de satelite Landsat-7 TM con resolucin de 30 m. Los tipos de coberturas identificados fueron: bosque cerrado, bosque abierto, pastizales/maleza, agricultura y suelo desnudo. Los factores de cobertura-USLE y manejo correspondientes a cada condicin de cobertura fueron estimados de las tablas guas de USLE (Morgan. 1995; Wischmeier & Smith. 1978). Estos valores fueron usados para reclasificar el mapa de cobertura para obtener el mapa de factor-C del rea de estudio.

Fig. 12. Mapa de factor de cobertura-C 4.2.4 Factor de Erosividad (R) El factor-R representa la energa disponible para erodar en unidades de MJ mm ha-1 h-1 y-1 (Wishmeier and Smith, 1978). En pases en desarrollo, cobertura espacial y temporal de

8

precipitacin es usualmente limitada. Cuando estos datos estn disponibles, son frecuentemente incompletos e inconsistentes, y el record de datos es por lo general de corto tiempo. Esto hace difcil estimar el factor-R para estas reas. El factor de erosividad fue determinado calculando ndices de erosividad usando datos de tres estaciones climatolgicas (Len, Chinandega y Posoltega) [INETER, 2002] para un periodo de cuatro aos. El ndice de erosin fue calculado para la estacin de invierno solamente (Mayo a Noviembre).

R = EI 30 Donde: R es el factor de Erosividad EI30 es el Indice de Erosin

Fig. 13. Relacin lineal entre precipitacin mensual e indice de erosion mensual La ecuacin de regresion para predecir un EI30 mensual dado una precipitacin mensual en milmetros puede ser escrita como: EI30 = 3.88pp -37.23 R2 = 0.802

Fig. 14. Mapa de factor de Erosividad MJ ha-1 mm h-1 yr-1

9

4.2.5. Factor-P Debido a que no existe informacin con respecto al factor-P en el rea de estudio, el valor asignado a este factor en el presente modelo fue de 1. Un valor de P=1 no representa ninguna influencia en el uso de la tierra. V. Resultados y discusin El riesgo de erosin de suelo fue modelado dentro de la cadena volcnica Los Maribios integrando la Ecuacin Universal de Erosin de Suelo (USLE) con Sistema de Informacin Geogrfico (SIG). El modelo incluy solamente los factores LS, R, K, C. La figura 14 muestra el riesgo de erosin, la cual est expresada en cinco clases ordenadas desde riesgo muy bajo a riesgo de erosin severa.

Fig. 14. Mapa de riesgo de erosin de suelo. Las reas que presentaron riesgo de erosin extremo a muy alto, son aquellas que fueron clasificadas como suelo desnudo con contenidos de arcilla que varan de moderado a alto, presentaron los valores ms altos de erosividad y longitud y profundidad de pendiente. Las reas de muy alto riesgo en la parte ms baja de la microcuenca el Casitas, es debido a que present valores altos de erosividad. Esta son suelos agrcolas que frecuentemente estn expuestos al impacto directo de las gotas de lluvia. La tabla 1 muestra los rangos de riesgo de erosin de suelo por rea. Tabla 1. Area y porcentaje de riesgo de erosin Riesgo de Erosin rea (ha) % Baja 1116.54 5.73 Moderada 8210.79 42 Alta 7766.64 39.74 Muy alta 2412.45 12.34 Extrema 39.51 0.20 Total 19545.93 100

10

Algunos de los mapas usados en este modelo podran carecer de exactitud debido a la insuficiencia de informacin usada en la interpolacin. La exactitud de la superficie de precipitacin hubiera mejorado si ms datos de puntos se hubieran usado en la interpolacin. El mapa final (fig. 14) que refleja riesgo de erosin, es una descripcin cualitativa de erosin potencial en el rea de estudio. Debido a que USLE requiere una serie de algoritmos complejos hace difcil caracterizar cuantitativamente el rea en trminos de riesgo de erosin usando SIG. La caracterizacin mostrada en el mapa de riesgo de erosin es consistente con el rol del modelo como una herramienta de manejo de conservacin, donde la comparacin relativa entre reas es ms crtica que evaluar la prdida de suelo absoluta en una celda particular. VI. Conclusiones

Este estudio desarroll y us una metodologa sencilla para predecir riesgo de erosin de suelo en una manera que puede ser interpretada por cualquier manejador de suelo. A travs de esta investigacin fue posible demostrar que SIG es compatible con USLE en predecir riesgo de erosin de suelo. Aunque no fue posible cuantificar perdida de suelo en el rea de estudio, la clasificacin del riesgo de erosin usada en el mapa final puede ayudar a identificar alternativas de conservacin de suelos u otras prcticas que pueden prevenir erosin en esta rea. Hubo algunas limitaciones en determinar el factor-P para USLE en este modelo. En este sentido es necesaria ms investigacin para determinar el factor-P apropiado para prcticas de conservacin de suelo a nivel local. Riesgo de erosin extremo, muy alto y alto se encontr en la micro-cuenca El Casitas. Esto es debido a que esta rea present los valores ms altos de erosividad, erodabilidad, pendiente, y menos cobertura de suelo en las partes ms bajas de la micro-cuenca. VII. Referencias Bibliogrficas Bartsch, K.P., et al. 2002. Using empirical erosion models and GIS to determine erosion risk at Camp Williams, Utah. Journal of Soil and Water Conservation v. 57 (1) 29-36. Bissonnais Yves, et al. 2001. Mapping erosion risk for cultivated soil in France. Catena 46 (2001) 207-220. Brooks Kenneth, et al. 1997. Hydrology and the management of watershed. Second edition. Catastro e Inventarion de Recursos Naturales-MAG (1971). Estudio de Suelos de La Region II del Pacifico de Nicaragua. Doc. I, II, II. Chavez, R. 2003. Comparing Land Use Classification Methods in La Cordillera Los Maribios, Nicaragua. (No published).

11

Desmet, P.J.J. and Govers, G. 1996. A GIS procedure for automatically calculating the USLE LS factor on topographically complex landscape units. J. Soil and Water Conservation. 51: 427-433. Dissmeyer, G.E., Foster, G.R., 1980. A guide for predicting Sheet and Rill Erosion on Forest Land. Technical Publication SA-TP 11, USDA-Forest Service, West Lafayette, 40 pp. De Roo, A.P.J. et al. 1995. LISEM, Limburg Soil Erosion Model, User Manual. Department of Physical Geography, Utrecht University. Instituto Nicaraguense de Estudios Territoriales (INETER). 2002. Acquisition of precipitation data. Instituto de Recursos Natural y del Ambiente (IRENA)., Estudio de Ordenamiento Territorial y Plan de Accion Ambiental de Nicaragua (ECOT-PAF). 1994. Plan de Accion Ambiental de Nicaragua. Ministerio de Economia y Desarrollo (MEDE) e IRENA-ECOT-PAF, Editorial El Amanecer. Managua, Nicaragua, 136 pp. Jain S.K., Kumar, S., Varghese, J. 2001. Estimation of Soil Erosion for a Kimalayan Watershed using GIS technique. Water Resource Management 15:41-54. Johnston, K., et al. 2001. Using ArcGIS Geostatistical Analyst. GIS by ESRI. Kirby Mike. 2001. Modelling the interaction between soil surface properties and water erosion. Catena 46 (2001) 89-102. Liu, B.Y., Nearing, M.A., Risse, L.M. 1994. Slope gradient effects on soil loss for steep slopes. Transactions of American Society of Agriculture Engineers 37:1835-1840. Lo, A., et al. 1985. Effectiveness of EI30 as an erosivity index in Hawaii. In: S.A. Ei-Swaify, W.C. Moldenhauer and A. Lo (Editors), Soil Erosion and Conservation. Soil Conservation Society of America, Ankeny, pp. 384-392. Landa, R., Meave, J., Carabias, J. 1997. Environmental deterioration in rural Mexico: an examination of the concept. Ecological applications 7 (1), 316-329. Marcel Suri, Jaroslav Hofierka. 1994. Soil Water Erosion Identification Using Satellite and DTM Data. Web. www.oddyssey.maine.edu/gisweb/spatdb/egis/eg94106.html McCool, D.K., et al. 1987. Revised slope steepness factor for the universal soil loss equation. Transactions of the American Society of Agriculture Engineers 30 (5), 1387-1396. Mitas, L. and Mitasova, H. 1998. Distributed soil erosion simulation for effective erosion prevention. Water Resources Res. 34(3): 505-516.

12

Mitasova, H., Mitas, L., Brown, W.M., Johnston, D. 1997. GIS tools for erosion/deposition modeling and multidimensional visualization. Geographic Modeling and Systems Laboratory, University of Illinois at Urban-Champaign, Urbana, Illinois. Millward Andrew A., Mersey Janet E. 1999. Adapting the RUSLE to model soil erosion potential in a mountainous tropical watershed. Catena 38, (1999) 109-129. Millward A and Mersey J.E. 2000. Conservation strategies for effective land management of protected areas using an erosion prediction information system (EPIS). Journal of Environmental Management (2001) 61, 329-343. Ministerio Agropecuario y Forestal (MAGFOR). 1999. Regionalizacion Biofisica para el Desarrollo Agropecuario del Departamento de Chinandega. Morgan, R.P.C. 1995. Soil Erosion and Conservation. Addison-Wesley Longman, Edinburg, 198 pp. Moore, I.D., Wilson, P. 1992. Length-slope factors for the revised universal soil loss equation: simplified method of estimation, Journal of Soil and Water Conservation 47 (5), 423-428. Nearing, M.A. 1997. A single, continuous function for slope steepness influence on soil loss. Soil Science Society of America Journal 61 (3), 917-919. Nicks, A.D., Williams, R.D. and Gander, G.A. 1994. Estimating the impacts of global change on erosion with stochastically generated climate data and erosion models. In Variability in stream erosion and sediment transport: Proceedings of an international symposium held at Canberra, Australia, 12-16 December 1994. 498 pp. Edited by L.J. Olive, R.J. Loughran and J.A. Kesby. IAHS Publications 224. Ouyang Da and Jon Bartholic. 2001. Web-Based GIS Application for Soil Erosion Prediction. Institute of Water Research, Michigan State University. Proceeding of An International Symposium Soil Erosion Research for the 21st Century Honolulu, HI. Jan. 3-5, 2001. http://www.iwr.msu.edu/~ouyangda/papers/rusle.htm Renard, et al. 1997. Predicting soil erosion by water: a guide to conservation planning with the Revised Universal Soil Loss Equation (RUSLE). Handbook No. 703. US Department of Agriculture, 404 pp. Renard, K.G., Freimund, J.R., 1993. Using monthly precipitation data to estimate the R factor in the revised USLE. Journal of Hydrology 157 (1994) (1-4), 287-306. Schmidt, F. 2001. Institute for Geodesy and Geoinformatics, project 'preagro'. TWI, Streampower Index and SL-factor are based on papers by MOORE. See TERRAIN ANALYSIS by Wilson&Gallant (John Wiley, New York) for references

13

Sharma P.N. 1990. Report of Consultancy in Soil Conservation and Agroforestry. Project on Natural Resource Conservation and Management with Community Participation in the Western Up-lands of The Maribios Mountains-GCP/NIC/019/NET. Leon, Nicaragua V. Krysanova, D.-I. Muller-Wohlfeil, A. Becker. 1993. General Model Information, soil and water integrated model. USDA & Texas A&Muniversity. Wilson, J.P., Gallant, J.C. 2000. Terrain Analysis. Principles and Applications, Wiley, New York. Wischmeier, W.H., Smith, D.D. 1978. Predicting rainfall erosion losses, a Guide to Conservation Planning. Agriculture Handbook, N0. 537, US Department of Agriculture, Washington D.C. Yu, B., Hashmin, G.M., Eusof, Z. Estimating the r-factor with limited rainfall data: a case study from peninsular Malaysia. Journal of Soil and Water Conservation. Vol. 56 (2) 101-105 pp. Yu Zhongbo et al. 2001. Storm flow simulation using a Geographical Information System with a distributed approach. J. of the American Water Resources Association. Vol. 37, NO. 4. August 2001.

14