INCIDENCIA DE LOS CAMBIOS VEGETACIONALES

INCIDENCIA DE LOS CAMBIOS VEGETACIONALES PRODUCIDOS POR
INCENDIOS EN LOS BOSQUES ANDINO PATAGÓNICOS SOBRE EL
REGIMEN HÍDRICO: MODELOS DE SERIES TEMPORALES.
Tesis de Maestría presentada por
SARAH LILIAN BURNS
ante la Facultad de Ciencias Naturales y Museo de la
Universidad Nacional de La Plata
para optar al Grado Académico de
MAGÍSTER EN ECOHIDROLOGÍA
Director de Tesis: Dr. Marcelo Arturi
Codirector de Tesis: Ing. Marcelo Gaviño Novillo
Codirector de Tesis: Dr. Ramiro Sarandón
La Plata, 14 de agosto de 2012
Resumen
Los cambios en la cobertura forestal debido a incendios pueden producir cambios en la
respuesta hidrológica de una cuenca hidrográfica. La vegetación y las masas boscosas
influencian la infiltración del agua en el suelo, en donde el continuo aporte de materia orgánica
origina una estructura del suelo porosa que actúa favoreciendo la infiltración del agua. Los
bosques afectan la escorrentía superficial modificando la forma en que el agua accede a los
cauces, disminuyendo los aportes superficiales y aumentando los aportes subterráneos. Por
otro lado, los bosques disminuyen las aportaciones de agua superficial, la velocidad de la
escorrentía y el caudal punta de descarga, debido a tasas más altas de evaporación e
intercepción. Numerosos trabajos han estudiado estos procesos encontrando resultados
contradictorios. Para evaluar el efecto de los incendios forestales en los bosques andino
patagónicos sobre el caudal y la relación caudal – precipitación se seleccionaron ocho cuencas
hidrográficas correspondientes con las estaciones hidrometeorológicas en la región de las que
se disponía de datos, tres de ellas presentaron incendios forestales. Se analizaron los caudales y
el cociente caudal/precipitación mediante series temporales y mediante un modelo discreto.
Ambos análisis mostraron tendencias coincidentes con lo esperado. Después de los incendios se
registró un aumento en los caudales de invierno pese a que las precipitaciones disminuyeron en
las tres cuencas. Asimismo, se observó un aumento del cociente caudal/precipitación posterior
al incendio en las dos cuencas que pudieron ser analizadas. Estos efectos fueron débiles
probablemente debido al bajo porcentaje de área de las cuencas hidrográficas que fueron
afectadas por el incendio, siendo siempre menor al 20%. Los resultados encontrados permiten
concluir que tanto los modelos de series temporales como los modelos discretos son útiles para
la detección de efectos de los disturbios en los caudales. Es esperable que en cuencas
hidrográficas con incendios que ocupen una proporción de superficie mayor los efectos sobre el
régimen hidrológico serán significativos con ambas metodologías.
1
Summary
Changes in forest cover caused by wildfires can produce changes on the hydrologic
response of a watershed. Vegetation and forests influence water infiltration in the soil, where
the continuous increase of organic matter originates a more granular structure that favors
water infiltration. Forests affect superficial flow modifying the way in which water reaches the
rivers, diminishing superficial flow and increasing below ground flows. Moreover, forests
decrease superficial flows, runoff and peakflow discharges due to higher evaporation and
interception rates. Many works have studied these processes with very different results. In
order to assess the effect of wildfires in Andean patagonic forests over flow and the
relationship between precipitations and flow eight watersheds with hidrometeorologic data
were selected, three of these watersheds presented wildfires. Flows and the relationship
between flow and precipitation were analyzed by means of time series and a discrete model.
Both analyses showed tendencies matching the expected. After the fires an increase in winter
flows was detected in spite of the lower precipitations throughout this period in the three
watersheds. Moreover, an increase in the quotient flow/precipitation after the fires the two
watersheds analyzed was observed. These results were weak probably due to the low
percentage of watershed area affected by the wildfire, being always below 20%. The results
found allow us to conclude that both the time series analysis as well as the discrete models is
useful for this kind of analysis. We expect that in watersheds with more area affected by fires
effects will be significant with both methodologies.
2
Agradecimientos
Deseo expresar mi agradecimiento a las siguientes personas que durante estos años me
brindaron su apoyo y ayuda desinteresada.
En primer lugar quiero agradecer a mi director Marcelo Arturi, por el permanente e
incondicional apoyo para alcanzar ésta y otras tantas metas.
A mis codirectores por sus consejos y comentarios.
A todos mis compañeros del Laboratorio de Sistemas Ecológicos y Ambientales (LISEA), mi lugar
de trabajo, por permitirme ser parte de este hermoso grupo de trabajo. A Caro, Juan, Marcelo,
Pablo, Jorge, Nacho, Cori, Laurita, Mariana por compartir día a día este camino conmigo y
hacerlo más placentero.
A mis compañeros de maestría, en particular a las “Brujas” por su amistad y por las largas
charlas compartidas haciendo catarsis.
A mis compañeros de gabinete Julio, Dani y Vero por brindarme su amistad y compañía en
largos días de trabajo.
A Millie por su constante presencia en las buenas y en las malas, sin importar la distancia.
A mis amigos, Mechi, Agus, Sil, Natha y Manu por estar conmigo siempre.
A los evaluadores por mejorar este trabajo comprendiendo mis urgencias.
A la Universidad Nacional de La Plata por haberme formado y educado de manera gratuita
durante todos estos años y por sentirme orgullosa de pertenecer a ella como alumna, egresada
y docente.
A Subsecretaria de Recursos Hídricos de la Nación por la provisión de datos.
Finalmente, le dedico esta tesis a mi mamá por soportarme con gran paciencia y amor en todos
estos años.
3
Índice de contenidos
Introducción ...................................................................................................................................... 5
Antecedentes .............................................................................................................................. 6
El ciclo hidrológico y los bosques...................................................................................................... 6
Incendios forestales ......................................................................................................................... 13
Detección remota de incendios forestales .................................................................................... 15
Análisis numérico de caudales ........................................................................................................ 17
Hipótesis .................................................................................................................................... 21
Objetivo principal ...................................................................................................................... 21
Objetivos particulares ............................................................................................................... 22
Materiales y métodos ...................................................................................................................... 23
Área de estudio ......................................................................................................................... 23
Clima .................................................................................................................................................. 24
Geomorfología y suelos ................................................................................................................... 25
Características de la vegetación..................................................................................................... 26
Identificación de incendios ....................................................................................................... 27
Descripción de las cuencas ........................................................................................................ 29
Morfometría de las cuencas ........................................................................................................... 31
Análisis de la información hidrológica ...................................................................................... 33
Series de tiempo ........................................................................................................................ 33
Modelo discreto ........................................................................................................................ 34
Resultados y Discusión ..................................................................................................................... 37
Identificación de incendios y descripción de las cuencas ......................................................... 37
Análisis de la hidrología regional............................................................................................... 61
Análisis de series temporales .................................................................................................... 68
Modelo discreto ........................................................................................................................ 92
Análisis comparativo general .................................................................................................. 102
Conclusiones.................................................................................................................................. 106
Bibliografía .................................................................................................................................... 108
4
Incidencia de los cambios vegetacionales producidos por incendios en
los bosques andino patagónicos sobre el regimen hídrico: modelos de
series temporales.
Introducción
Los ecosistemas forestales brindan diversos servicios hidrológicos relacionados con la
forma en que los bosques afectan los flujos de agua en una cuenca hidrográfica y en la biosfera
en general. Entre ellos se puede mencionar la regulación del régimen hídrico, así como también
el mantenimiento o mejora de la calidad del agua, el control de la erosión y sedimentación,
entre otros.
El agua no sólo es esencial para la supervivencia biológica, sino que es indispensable
para el desarrollo y sostenimiento de la economía y de la estructura social, ya que el desarrollo
humano y económico es sencillamente imposible sin un abastecimiento de agua seguro y
estable. Por otra parte, el agua también tiene un potencial de destrucción cuando se trata de
avalanchas o inundaciones (Jobbágy et al. 2008).
Cambios en la estructura del paisaje ecológico de una cuenca hidrográfica, como la
distribución espacial de los fragmentos de vegetación, tienen una gran influencia en una serie
de procesos ecohidrológicos a diferentes escalas espaciales y temporales. Entre los procesos
que se ven afectados por estos cambios se encuentran la escorrentía, la calidad del agua y la
erosión del suelo (Fu et al. 2005).
La eco-región de los bosques andino patagónicos está caracterizada por bosques
templado-fríos con especies arbóreas perennes y caducifolias. Estos bosques experimentaron
procesos de degradación desde principios del siglo XX y particularmente en la última década.
Uno de los principales disturbios en estos bosques son los incendios forestales masivos tanto de
origen natural como antrópico (Veblen et al. 2004). Cualquiera que sea la causa de los
incendios, es probable que su incidencia sobre los bosques provoque importantes variaciones
5
del ciclo hidrológico que podrían presentarse como desviaciones respecto de los patrones
estacionales en la serie temporal de caudales.
Las series de tiempo son mediciones repetidas, tomadas en la misma unidad
experimental, a través del tiempo. Estas técnicas incluyen métodos que permiten caracterizar y
modelar datos como la precipitación y el caudal medidos a través del tiempo. Las técnicas de
análisis de intervención sirven para determinar si existen cambios, atribuibles a factores
externos, no aleatorios en las medias de las series en un momento específico. Con este análisis
es posible detectar y modelar los cambios en la serie en un momento determinado (Rasmussen
et al. 2001).
Antecedentes
El ciclo hidrológico y los bosques
El ciclo hidrológico en un ecosistema terrestre se compone de tres procesos:
evapotranspiración, precipitación y escorrentía. La evapotranspiración es la suma de la
evaporación de cuerpos de agua (ríos y lagos), suelo, superficie de las plantas, intercepción y
transpiración de las plantas. La precipitación puede ser en forma de nieve, granizo o lluvia. La
escorrentía incorpora el movimiento de agua superficial y subterránea (Davie 2008, Jobbágy et
al. 2008). Este modelo conceptual del ciclo hidrológico puede ser representado por la ecuación
de balance de agua que se presenta a continuación:
Donde P es precipitación, E es evapotranspiración, S es almacenaje y Q escorrentía. El término
de almacenaje incluye la humedad del suelo, agua subterránea, agua en lagos, glaciares y
cobertura estacional de nieve. Otra manera de expresar esta ecuación es la siguiente:
El balance hidrológico está muy influenciado por la vegetación, y controla, junto con el
clima, el abastecimiento hídrico de los cursos superficiales y de acuíferos. El resultado de este
balance influye de manera importante sobre servicios ecosistémicos tales como la provisión de
6
agua para consumo humano, la alimentación de sistemas de energía hidroeléctrica y la
regulación de inundaciones (Jobbágy et al. 2008).
Una forma en la que el tipo y densidad de la cobertura vegetal influye sobre el balance
hidrológico es a través de su incidencia sobre la cantidad de precipitación que llega a la superficie
del terreno. Esta cobertura intercepta parte de la precipitación y la almacena temporalmente
sobre la superficie de las hojas y ramas, de donde es devuelta a la atmósfera por evaporación.
La intercepción es aquella parte de la precipitación que es almacenada temporalmente sobre la
superficie de las hojas y ramas, mientras que pérdida por intercepción corresponde a la
evaporación del agua almacenada en las copas (Shaw 1994).
Los tres componentes principales del proceso de redistribución de las precipitaciones
incidentes en una área cubierta por vegetación son: pérdida por intercepción, o la cantidad de
agua retenida por las plantas, y que es luego evaporada o absorbida por las plantas;
precipitación directa que es aquella parte de la precipitación que alcanza el suelo a través de
las copas o los claros, o bien mediante el goteo de las hojas, ramas y fustes; y flujo caulinar, o el
agua que escurre por las hojas y ramas hasta alcanzar el tronco principal, y luego escurre por su
superficie hasta alcanzar el suelo (Shaw 1994, Iroume & Huber 2000).
Distintos experimentos, demostraron que el porcentaje de precipitación que puede ser
interceptado por los bosques, varía entre un 11,4 y 34,3% de la precipitación anual (Fu et al.
2005), dependiendo del tipo de bosque, temperatura del aire y características de la
precipitación (Martin & Moody 2001, Moody & Martin 2001), siendo mayores en eventos de
precipitación abundante, frecuentes y de baja intensidad; mientras que eventos de gran
intensidad, no sufren grandes pérdidas por intercepción (Cosandey et al. 2005).
El mantillo forestal influye en la generación de escorrentía al absorber parte de la
precipitación y aumentar la capacidad de almacenamiento de agua en el suelo. La cantidad de
agua que puede ser retenida por el mantillo varía entre el 40 y 260 % de su peso. Un estudio en
la provincia de Sichuan, China, indicó que cuando la precipitación es menor a 5 mm el mantillo
puede retener la totalidad de la misma (Fu et al. 2005).
7
Estas relaciones y los diferentes procesos hidrológicos, se ven modificados con la
remoción de la cobertura vegetal. La evapotranspiración se reduce debido a la disminución de
la transpiración, evaporación del canopeo e intercepción de las precipitaciones. Estas
reducciones aumentan la cantidad de agua que llega al suelo, y sumado a que la reducción de la
transpiración incrementa el almacenaje de agua en el suelo, el almacenaje de la ecuación
aumenta. Ambos cambios conllevan un aumento en la escorrentía y por lo tanto en los caudales
(Jones 2000, Dalmeida et al. 2006, Kokkonen et al. 2006, Jobbágy et al. 2008).
En un estudio en China, se determinó que la tasa de infiltración de agua en el suelo fue
de dos a tres veces mayor en bosques que en pastizales. Al convertir el bosque en un arbustal,
la capacidad de retención de agua en el suelo a una profundidad de 0 – 80 y 0 – 20 cm
disminuyó un 42,13 y 66,1%, respectivamente. Sin embargo, existe una gran controversia con
respecto al rol que cumplen los bosques en el ciclo hidrológico (Bosch & Hewlett 1982,
Bruijnzeel 1990, Fritsch 1992, Calder 1998). La diversidad de resultados encontrados se debe al
gran número de factores de los que depende la influencia de los bosques sobre el ciclo
hidrológico. En la región sureste de los Alpes franceses se realizó un ensayo con el objetivo de
estudiar el efecto protector de los bosques frente a la erosión. El experimento consistió en la
comparación de dos cuencas con características similares, una de las cuales fue reforestada
mientras que la otra se mantuvo con vegetación escasa. Como primer resultado se observó que
la cuenca forestada experimentó menos inundaciones. La cuenca sin forestar presentó mayor
número de eventos de precipitación que generaron escurrimiento debido a la baja retención,
esto se reflejó en un aumento en los caudales debido a la baja permeabilidad y baja capacidad
de retención de los suelos de esta cuenca. Los eventos que produjeron escurrimiento en ambas
cuencas produjeron caudales aproximadamente 50% menores en la cuenca forestada y los
picos de descarga ocurrieron al menos 30 minutos más tarde. Al analizar los eventos más
frecuentes estas diferencias son aún mayores, ya que la cuenca forestada presentó valores de
hasta una quinta parte de los caudales observados en la cuenca sin forestar. Como conclusión
general se determinó que la evapotranspiración es mayor y la escorrentía anual menor en la
8
cuenca forestada con respecto a la cuenca sin bosques, aunque las diferencias son pequeñas
(Cosandey et al. 2005).
Otro estudio ubicado al sur de Francia, cerca de las costas del mar Mediterráneo, sufrió
un incendio tras 25 años de mediciones que afectó más del 80% de los bosques presentes en la
cuenca. Esto permitió analizar el efecto de los incendios forestales sobre el régimen hidrológico
utilizando datos antes y después del incendio, y comparando con datos de una cuenca cercana
que no sufrió los efectos del incendio. Después del incendio se observó un aumento en los
caudales aproximadamente del 15%, sin embargo este efecto sólo pudo observarse por 4 años,
después de los cuales los caudales volvieron a los valores pre fuego. Al tercer año post incendio
la cobertura de arbustos era del 50% de la superficie de la cuenca. Los resultados encontrados
en este estudio demostraron que el incendio no modificó permanentemente las condiciones
del suelo (Cosandey et al. 2005).
Además, Bellot et al. (2001) encontraron que la respuesta a precipitaciones fuertes es
más violenta después de incendios, pero que no se observan diferencias entre situaciones pre y
post incendio en eventos de recurrencias bajas. Es importante destacar que la cuenca analizada
por estos autores presenta suelos rocosos con limitado almacenamiento de agua, explicando
porque las diferencias en las condiciones pre y post incendio son tan bajas (Cosandey et al.
2005).
Un estudio realizado en el sudeste del macizo central en Francia analizó el efecto de
distintas coberturas vegetales sobre el régimen hidrológico. Se compararon dos cuencas con
características similares, una con cobertura herbácea y la otra con cobertura forestal. A los 6
años de instalado el estudio los bosques sufrieron el ataque de un insecto y debieron recibir
una tala rasa. Este tratamiento silvícola permitió estudiar el efecto de la remoción de la
cobertura forestal sobre el régimen hidrológico en comparación con la cuenca con cobertura
herbácea. Antes de la tala rasa se detectó una leve reducción en los caudales máximos y el
escurrimiento anual en la cuenca forestada. Estos resultados apoyan la hipótesis que los
bosques reducen la escorrentía en eventos pequeños y medianos, pero no en eventos
9
extremos. Cuando se compararon las descargas anuales, antes y después de la tala rasa, se
observó que estas aumentaban en un 10% después de la tala rasa (Cosandey et al. 2005).
En un estudio en una cuenca experimental en la cordillera sur de Chile, con una
superficie de 34,4 ha y un clima templado lluvioso, Iroume et al. (2010) encontraron que,
después de la remoción mediante tala rasa de una plantación de Pinus radiata que ocupaba el
79,4% de la misma, las medianas de los caudales máximos para los primeros tres años
postcosecha fueron mayores a las medianas de los tres años precosecha. Separando los
eventos de precipitación en intensidad se identificaron tres tipos de eventos: pequeños, con
precipitaciones totales entre 5 y 10 mm; medios, con precipitaciones entre 10 y 50 mm y
grandes con valores de precipitación mayores a 50 mm. Se observó que el cambio en
porcentaje para los eventos grandes es menor que para los eventos medios y pequeños.
Durante los primeros cuatro años post cosecha se advirtió un aumento en los caudales anuales,
sin embargo estos valores comenzaron a volver a la condición precosecha tras 8 años de
instalada un plantación de Eucalyptus nitens. Los caudales de verano aumentaron luego de la
cosecha, situación que se mantuvo hasta seis años después de la intervención, pero a partir del
séptimo verano la cuenca mostró caudales de estío similares a los de la condición de
precosecha (Iroumé et al. 2010).
En una cuenca en China, de 727 km2, Qian (1983) no pudo encontrar diferencias en los
caudales después de la remoción del 30% de la cobertura forestal. Similares resultados
surgieron de otros estudios en cuencas de superficies mayores (cuenca del rio Pasak en
Tailandia con 14500 km2 y una remoción del 50% de la cobertura forestal; cuencas en Suecia
con superficies entre 1400 y 25000 km2 con incrementos significativos de la biomasa forestal;
cuenca de Nam Pong en Tailandia con una superficie de 12100 km 2 y un cambio en la cobertura
forestal que se redujo de un 80 a un 30%) (Wilk et al. 2001). Las cuencas de grandes superficies
presentan un mosaico de usos y coberturas del suelo, muchas veces con diferencias en la
geología, topografía y tipo de suelos. Esta variación espacial sumada a las variaciones
temporales y espaciales de la precipitación moderan la respuesta hidrológica de la cuenca a
10
cambios en su cobertura y es posible que por eso no puedan detectarse los efectos de la
remoción de la cobertura vegetal (Wilk et al. 2001).
Scott & Lesch (1997) monitorearon dos cuencas que fueron plantadas con Eucalyptus
spp. y Pinus spp. respectivamente, a lo largo de 16 años. Las plantaciones recibieron una tala
rasa permitiendo que se recupere su pastizal original. La plantación tuvo un impacto directo
sobre la escorrentía secando todos los cursos de agua después de 9 y 12 años de instalada la
plantación, respectivamente. El aprovechamiento de la plantación de Eucalyptus permitió que
los niveles de flujo base volvieran a sus valores originales, pero esto no ocurrió hasta 5 años
después de la tala rasa (Andréassian 2004).
Bosch & Hewlett (1982) encontraron en una revisión de 94 experimentos en cuencas
que un cambio del 10% en la cobertura forestal de coníferas y eucaliptos produce un cambio en
la escorrentía anual de aproximadamente 40 mm. Un cambio similar en la cobertura de
bosques deciduos produce un cambio en la escorrentía de 25 mm, mientras que cambios
similares en arbustales y pastizales produce un cambio de 10 mm en la escorrentía anual. Estos
autores encontraron que la respuesta del caudal a la deforestación o reforestación depende
tanto de la precipitación media de la región como de la precipitación del año analizado, siendo
los cambios mayores en áreas con grandes precipitaciones. Sin embargo los cambios son menos
duraderos debido al rápido crecimiento de la vegetación en estas zonas, donde parecen ser
independientes de la variación en la precipitación inter anual (Bosch & Hewlett 1982). Los
cambios en la cobertura determinan cuanto de la precipitación se convierte en escorrentía. Es
decir que el cambio en la cobertura influye sobre el coeficiente de escorrentía (Q/P) donde
tanto Q como P se expresan en mm. Una aproximación empírica a este cociente seria el
cociente entre el caudal medio diario máximo y la precipitación. Los valores de caudal
observados en un mes son función de la precipitación mensual y podrían observarse cambios
en esa relación (caudal/precipitación) al variar la cobertura vegetal de una cuenca hidrográfica.
En áreas donde la nieve es el tipo de precipitación dominante, el deshielo es la mayor
fuente de agua y una potencial causa de inundaciones en primavera. Si bien la distribución y
11
acumulación de la nieve es afectada por el volumen de madera y la densidad del canopeo, el
deshielo está más relacionado con la temperatura, exposición y la elevación (Chang 2006).
En invierno, la remoción de la cobertura arbórea produce disminución en la
evapotranspiración y un aumento en la precipitación que llega al suelo, aumentado la
acumulación de nieve, así como un aumento en el deshielo (Jones 2000, Kokkonen et al. 2006).
Por lo tanto, modificaciones en la estructura del paisaje ecológico de una cuenca hidrográfica,
como la distribución espacial de los fragmentos de vegetación y la superficie de los mismos
puede afectar el balance hidrológico modificando la acumulación de nieve y la
evapotranspiración, aumentando la escorrentía. Sin embargo, en una de las cuencas de
Hubbard Brook Experimental Forest, Hornbeck et al. (1997) mostraron que el impacto del
aprovechamiento forestal en eventos pluviales elevados (picos de descarga mayores a 10 mm
por día) fue diferente dependiendo de la estación: durante la estación de crecimiento el
aprovechamiento aumentó los picos de descarga entre un 15 – 60 % y los disminuyó en un 2 –
40 % durante el periodo de reposo. Estos autores atribuyeron las diferencias encontradas al
origen de los eventos, ya que durante la estación de reposo los picos de descarga están
relacionados con procesos de deshielo. En las cuencas que sufrieron remoción de cobertura el
deshielo comienza antes, es más gradual y por lo tanto los picos son menores (Andréassian
2004). En las dos cuencas que recibieron reducción de su cobertura, la deforestación provocó
que el deshielo comience antes, en promedio 12 y 7,5 días antes, respectivamente (Andréassian
2004).
La deforestación por tala rasa tiene un efecto distinto a la remoción de la cobertura
forestal por incendios. Los incendios dejan como resultado el suelo desnudo mientras que la
tala rasa deja el suelo protegido por una cobertura de ramas y hojas ya que solamente se
extraen los fustes. Esto podría explicar las diferencias encontradas al analizar estas situaciones
(Cosandey et al. 2005).
12
Incendios forestales
Las variaciones temporales y espaciales de la ocurrencia de incendios en el paisaje están
altamente relacionadas con los cambios en el clima y en el uso del suelo. La variación climática
y las actividades humanas tienen gran influencia sobre el régimen de incendios a través del
efecto en las fuentes de ignición y las características del combustible disponible (Veblen et al.
1999).
Los incendios forestales alteran la infiltración en una cuenca hidrográfica al cambiar sus
características físicas y químicas de sus suelos superficiales. El mantillo en un bosque absorbe
precipitación brindando almacenaje y obstruyendo el flujo de agua. El proceso de combustión
convierte el mantillo en ceniza y carbón. La ceniza y pequeñas partículas de suelo pueden sellar
los poros, disminuyendo la tasa de infiltración y aumentando la erosión y la escorrentía. Una
vez que las cenizas son removidas por precipitación o viento, el suelo queda desnudo
aumentando el riesgo de erosión (Martin & Moody 2001). Los cambios químicos post incendio
incluyen la combustión de la materia orgánica, que produce gases orgánicos volátiles que
transforman partículas de suelo en sustancias repelentes al agua, reduciendo la tasa de
infiltración. Asimismo se altera el pH del suelo y las comunidades microbiológicas del suelo,
disminuyendo también la tasa de infiltración (Martin & Moody 2001). Las propiedades físicas
del suelo son menos afectadas por los incendios que las propiedades químicas, sin embargo en
los casos en los que son afectadas tardan más tiempo en recuperarse (Agee 1993, Urretavizcaya
2010). Urretavizcaya (2010) encontró en suelos pertenecientes al grupo Andisoles que habían
sufrido un incendio dos años atrás, que ciertas propiedades relacionadas con el contenido de
materia orgánica habían sido modificadas. Sin embargo, al estudiar estos mismos suelos cinco
años después de un incendio, estas propiedades habían vuelto a la condición preincendio.
La vegetación del norte de la Patagonia argentina es un complejo paisaje de parches de
bosques mésicos, xéricos, arbustales y pastizales de diferente inflamabilidad, que en algunos
casos, están relacionados sucesionalmente (Veblen et al. 2003, Mermoz et al. 2005).
13
Los regímenes de fuego a lo largo del gradiente de precipitación en el norte de la
Patagonia, reflejan las interacciones entre las actividades humanas y las condiciones físicas
impuestas por dicho gradiente. El gradiente físico determina el clima local, el cual a su vez
regula los patrones en la vegetación a escala de paisaje, la velocidad de la acumulación del
material combustible, así como sus características de inflamabilidad. Sobreimpuestos a este
gradiente ambiental y de vegetación, están los impactos dinámicos atribuidos a las actividades
humanas (Veblen et al. 2004).
Los incendios en los bosques de Nothofagus son muy dependientes de sequías en la
época de primavera y verano del año en el que ocurren, y están menos relacionados con las
sequías de la primavera del año anterior. La ocurrencia de incendios en zonas con vegetación
xérica en el ecotono con la estepa es menos dependiente de la sequía de la primavera, debido a
que incluso en años húmedos el combustible se seca durante los veranos secos. En los bosques
xéricos de Austrocedrus, la ocurrencia y propagación de los incendios aumenta y se favorece
por condiciones de humedad por encima de la media, en las estaciones de crecimiento de uno
o dos años antes, ya que aumenta la producción de combustible (Kitzberger et al. 1997).
La mayor frecuencia de incendios en la región de los bosques andino patagónicos se da
en los sectores medios del gradiente de precipitación (aproximadamente 700 a 1700 mm por
año), en coincidencia con una combinación adecuada de humedad, que permite la acumulación
sostenida de hojarasca en el suelo y la ocurrencia de períodos secos, que facilitan la desecación
del material combustible acumulado (Kitzberger et al. 1997, Veblen et al. 2004, Mermoz et al.
2005).
La posición topográfica, también influye en la probabilidad de ocurrencia de incendios.
Elevaciones medias (entre 900 y 1100 m snm) y/o exposiciones nortes (más xéricas) donde la
demanda de agua y la desecación del combustibles son mayores, presentan mayor número de
incendios. La mayoría de los sitios por debajo de los 900 m snm, están cerca de lagos de origen
glaciar de la región, que aumentan la disponibilidad de agua y reducen las temperaturas
máximas. Por encima de los 1300 m snm y en las exposiciones de ladera sur, la desecación del
14
combustible es menor debido a menores temperaturas de verano y mayor duración de la
acumulación de nieve en la primavera (Mermoz et al. 2005).
Existen extensos rodales post-fuego de bosques de Nothofagus y/o Austrocedrus, que se
caracterizan por una regeneración lenta basada en la necesidad de reproducción por semillas.
Por otro lado, hay parches densos de arbustos altos (2 – 5 m) con altas tasas de recuperación
del combustible basado en el rebrote vigoroso post-fuego (Kitzberger & Veblen 1999, Mermoz
et al. 2005). Si después de un incendio en un bosque mésico sobreviven arboles semilleros, y las
condiciones climáticas y del sitio son favorables, la tasa de regeneración de arboles puede ser
rápida (Veblen & Lorenz 1987, Kitzberger 1994). Sin embargo, en los casos en los que no hay
supervivencia de arboles adultos, o el rebrote de arbustos es muy denso o las condiciones
climáticas no son favorables para la regeneración de árboles, los arbustales pueden persistir
por décadas, creando nuevas condiciones microclimáticas y aumentando la frecuencia de
incendios (Gobbi & Sancholuz 1992, Mermoz et al. 2005). La ausencia de semillas en las zonas
quemadas parece ser la variable decisiva en la ausencia de regeneración de Austrocedrus
chilensis. En casos en los que la disponibilidad de semillas estuviese cubierto por la presencia de
arboles semilleros que hayan sobrevivido el incendio otras variables tomarían importancia
como condicionantes de la regeneración, principalmente la humedad (Gobbi & Sancholuz
1992). Por otro lado, la regeneración post incendio de Nothofagus pumilio se ve condicionada
por la alta variabilidad interanual en la producción de semillas de la especie, que ocurre cada 68 años (Veblen et al. 1996, Premoli 2004). Esta especie posee un modo regenerativo
denominado ‘fase de claros’ (Veblen et al. 1996). La pérdida de cobertura vegetal producida por
los incendios impide el proceso de ‘fase de claros’, limitando la regeneración natural de esta
especie (Varela et al. 2006).
Detección remota de incendios forestales
La percepción remota mediante sensores satelitales es una herramienta muy utilizada
para el monitoreo y mapeo de incendios, gracias a la gran cobertura espacial y la alta frecuencia
de observaciones que brindan (Chuvieco 2008). Los incendios ocurridos en las últimas décadas
15
en el sector norte de los bosques andino patagónicos son fácilmente detectables mediante el
uso de imágenes LANDSAT TM y ETM+ debido a que provocan un cambio muy definido en la
respuesta espectral y porque afectan áreas notablemente mayores a la mínima unidad de
resolución de estas imágenes (30 x 30 m). Las imágenes LANDSAT TM y ETM+ han sido muy
utilizadas con este objetivo, porque la reflectancia transformada de las bandas infrarrojo
cercano (NIR, banda 4: 750 – 900 nm) e infrarrojo medio (MIR, banda 7: 2090 – 2350 nm), es
muy sensible a cambios producidos por incendios de la vegetación y del suelo (van Wagtendonk
2004, Robichaud et al. 2007). El fuego produce modificaciones espectrales importantes al
consumir la vegetación, destruir la clorofila de las hojas, exponer el suelo y alterar el contenido
de humedad. La reducción de absorción de la clorofila aumenta la reflectancia en la región
visible y el daño en las hojas disminuye la reflectancia en la región del infrarrojo cercano. La
disminución en la humedad del canopeo, por otro lado, produce un aumento en la región del
infrarrojo medio. Estos cambios en las regiones del NIR y MIR son aprovechadas para el mapeo
de áreas quemadas (Epting et al. 2005). Los efectos post fuego se discriminan analizando
cambios en los colores de las hojas, índices de área foliar y el suelo una vez que los incendios se
han extinguido. La señal en el corto plazo está dominada por el carbón y las cenizas mientras
que en el mediano y largo plazo está asociada con la pérdida de vegetación o cambios en la
composición de los bosques (Chuvieco 2008). Diferentes autores utilizaron diversos índices
espectrales para identificar estas áreas. Los índice espectrales son combinaciones entre bandas
que intentan enfatizar alguna variable de interés ya sea tipo de vegetación, agua, diferentes
minerales, entre otras. Su diseño se apoya en el diferente comportamiento radiativo de la
variable a estudiar y de esta manera lograr maximizar su separación del resto de variables que
no son de interés (Chuvieco 2008).
La precisión del mapeo de áreas quemadas está generalmente por encima del 80% al
discriminar el perímetro de la misma, mejorando en incendios grandes (mayores a 100 ha)
(Chuvieco 2008). Dentro de los índices más utilizados se encuentran el índice de vegetación
NDVI (Normalized Difference Vegetation Index) (Chuvieco & Congalton 1988), NBR (Normalized
Burn Ratio) (Lopez-Garcia & Caselles 1991, Koutsias & Karteris 1998), e IAQ (Índice de área
16
quemada) (Martín & Chuvieco 1998). Los cocientes entre bandas, como por ejemplo 7/5, 7/4,
4/5, también han sido muy utilizado con este fin (Kushla & Ripple 1998, Clark 2000, Epting et al.
2005), así como las transformaciones multivariadas como ser el análisis de componentes
principales (PCA) y Tasseled cap (TC). Sin embargo estas transformaciones son muy
dependientes del tamaño del incendio, por lo que no son tan efectivas para la detección de
incendios pequeños (Epting et al. 2005). Estos índices pueden aplicarse sobre una sola imagen
post incendio, dos imágenes (una anterior y otra posterior al incendio) y una imagen bitemporal
(una sola imagen que incluye las dos fechas) (Epting et al. 2005). El uso de una sola imagen
bitemporal, en lugar del análisis de las dos fechas por separado y luego combinadas para
derivar los cambios, reduce los errores de cambios falsos causados por las diferencias en las
fechas de las imágenes en la fenología de la vegetación, condiciones de iluminación e
interferencia atmosférica (Harper et al. 2007).
Análisis numérico de caudales
En el ciclo hidrológico, el movimiento del agua es un proceso determinístico
ampliamente estudiado, pero la magnitud y el momento de los numerosos procesos es
parcialmente un proceso estocástico. La irregularidad de la circulación atmosférica es la causa
de la aleatoriedad de las variaciones en el momento y la magnitud de las precipitaciones que
inician el ciclo hidrológico en la etapa terrestre. En particular, las precipitaciones extremas
pueden considerarse eventos aleatorios ya que su ocurrencia futura no puede ser predicha con
precisión. Los caudales resultantes reflejan esta componente de incertidumbre. La hidrología
estocástica considera las secuencias cronológicas de los eventos hidrológicos con el objetivo de
explicar las irregularidades en la ocurrencia y predecir eventos futuros (Shaw 1994).
Las series de tiempo son mediciones repetidas, tomadas en la misma unidad
experimental, a través del tiempo (Box et al. 1994). Estas técnicas incluyen métodos que
permiten caracterizar y modelar datos como la precipitación y el caudal medidos a través del
tiempo. Una característica importante de las series de tiempo de variables como el caudal y la
precipitación es la dependencia o autocorrelación de los datos. La variación de un sistema a
17
través del tiempo depende de su estructura de autocorrelación y muchos de los análisis de
series de tiempo se centran en construir y evaluar modelos para dicha estructura. Las series de
tiempo tienen varias componentes elementales, la tendencia, la variación cíclica, la variación
estacional y el componente aleatorio. La tendencia es un componente determinístico que
refleja la evolución de la serie en el largo plazo: puede ser creciente o decreciente y en función
del tiempo: lineal, cuadrática, etc. Uno de los aspectos a considerar al analizar la tendencia es la
definición de largo plazo, ya que esta puede ser parte de un ciclo más amplio. La variación
cíclica refleja los movimientos ondulatorios de las observaciones que se producen en un plazo
intermedio; suele modelarse mediante funciones trigonométricas con periodicidades, amplitud
y desfasajes determinados. La variación estacional es originada por el transcurso de las
estaciones que generan variaciones recurrentes en el transcurso del tiempo. Estos patrones de
variación estacional son captados mediante un sistema de índices. El componente aleatorio
resume la diferencia entre los valores observados y el componente sistemático. Es el único
elemento que confiere aleatoriedad a la variable analizada. Es incapaz de modificar el
comportamiento de la serie, cuya trayectoria queda determinada por los componentes
sistemáticos. Es importante lograr una buena representación de la serie de tiempo mediante un
modelo que contenga el menor número posible de parámetros a estimar (Box et al. 1994).
En los modelos autorregresivos (AR) la variable dependiente resulta explicada por
valores pasados de la misma variable. El orden del modelo viene dado por el desfasaje máximo
de la variable dependiente que se incluye como explicativa. Si la información disponible es de
frecuencia semanal, diaria, etc., un modelo AR debe incluir gran cantidad de desfasajes para
lograr una representación apropiada, lo que implica la estimación de gran número de
parámetros, con la consiguiente pérdida de precisión y por lo tanto baja perfomance en la
predicción. Los modelos de medias móviles (MA) permiten una representación parsimoniosa
del fenómeno, al reducir significativamente la cantidad de parámetros del modelo. Los
procesos MA son estacionarios en media, varianza y covarianza. Esto se debe a que tienen
memoria finita. Los modelos mixtos (ARIMA) permiten obtener una representación más
18
parsimoniosa que la lograda con modelos puros AR o MA (Box et al. 1994, Rodríguez Morilla
2000).
Una de las maneras de detectar el impacto de disturbios en los ecosistemas son los
análisis denominados BACI (por sus siglas del inglés para Control de Impacto Antes Después
Control Impacto) (Green 1979). El diseño más simple consiste en ubicar dos zonas con iguales
condiciones, una afectada por un factor experimental denominado impacto (incendio) y otra sin
impacto, y analizar las series con datos sobre una variable respuesta (caudal) antes y después
del disturbio. Se infiere un impacto si el cambio sobre el tiempo (Antes vs. Después) es
significativamente mayor en la zona con disturbio (Impactada) respecto a la zona no disturbada
(Control). Este tipo de diseño se lleva a cabo muestreando las 2 áreas simultáneamente en
varias ocasiones antes y después del disturbio. Otra técnica estadística que se aplica a series de
tiempo uniformemente espaciados para modelar el efecto de un disturbio, o intervención, en
un sitio es el análisis de intervención, que tiene la ventaja por sobre otros métodos estadísticos
de incluir eventos que ocurrieron en el pasado (Box et al. 1994, Rasmussen et al. 2001). El
análisis de intervención permite evaluar el impacto de uno o más eventos discretos en los
valores de la serie. De esta manera las series de tiempo pueden utilizarse para probar hipótesis
sobre distintos tipos de impacto posibles: abruptos permanentes, graduales permanentes y
abruptos temporarios (McDowall et al. 1980). Además del cambio asociado a disturbios la
dinámica del caudal puede deberse a la variabilidad natural en el clima, como por ejemplo la
cantidad e intensidad de un evento de precipitación, o a ambos. Comparaciones de caudales
para períodos antes y después de la disminución de la cobertura revelan un cambio debido a
ambos procesos (Post 1996). La gran diversidad y complejidad de las interacciones entre la
vegetación, suelo y clima en una cuenca complica la predicción del impacto de los incendios en
la hidrología. Por otro lado, la regeneración natural posterior a los incendios hace que el
impacto del disturbio ocurra solamente en los primeros años posteriores al mismo, por lo que
los años que pueden utilizarse para establecer las relaciones entre los cambios de cobertura y
del régimen hídrico son muy pocos (Vertessy 1999).
19
El movimiento del agua en la etapa terrestre del ciclo hidrológico es un proceso
complejo. Para simplificarlo, la hidrología de una cuenca, desde la precipitación hasta la
descarga en forma de caudal a la salida de la misma, puede concebirse como una serie de
procesos y almacenajes interconectados. En los modelos conceptuales, los procesos de una
cuenca se describen matemáticamente (por ejemplo la ecuación de la evapotranspiración) y los
almacenajes son considerados reservorios (por ejemplo la nieve). Estos modelos son
controlados por los parámetros, coeficientes y exponentes, en las ecuaciones que describen la
manera en la que los distintos componentes actúan y se conectan (Shaw 1994).
Un ejemplo de estos modelos es el modelo O’Donnell que contempla cuatro reservorios
que van variando en el tiempo; un reservorio superficial en el que la precipitación es retenida o
interceptada por la vegetación, un reservorio en los cauces, cuyo contenido incluye el volumen
de agua circulando por los arroyos, ríos y lagos, un reservorio de humedad del suelo, que
representa el contenido de humedad en las capas insaturadas del suelo y un reservorio
subterráneo, que representa el contenido de agua en las capas profundas saturadas del suelo
(Shaw 1994). Además, en áreas donde la precipitación dominante en invierno es en forma de
nieve es importante una división correcta de la precipitación en lluvia y nieve. La manera más
común de realizarlo es fijando una temperatura límite por encima de la cual toda la
precipitación se considera lluvia y por debajo de la misma, nieve (Semadeni-Davies 1997). En
estas áreas también es importante incluir el deshielo en los modelos. La tasa de deshielo es
dependiente de la disponibilidad de energía en el paquete de nieve y generalmente está
dominado por la radiación neta. Los paquetes de nieve fríos (< 0°C) tienen un balance de
energía negativo. El calentamiento causa que el paquete sea isotermo (0°C) por lo que energía
adicional resulta en un balance de energía positivo provocando el consecuente deshielo
(Semadeni-Davies 1997). Para poder modelar este proceso se necesitan mínimamente datos de
temperatura del aire, radiación solar neta, presión atmosférica y velocidad del viento. Estos
datos no son de fácil obtención y una mejor alternativa para modelar condiciones promedios es
usar índices de temperatura (Kuchment & Gelfan 1996). La temperatura crítica media en la cual
se considera que comienza el deshielo generalmente se considera 0°C pero también puede ser
20
optimizada para cada cuenca en particular. Se considera que el deshielo diario es
considerablemente menor en áreas forestadas que en áreas abiertas ya que los bosques
protegen el paquete de hielo del viento y de la radiación solar. En Suecia, los parámetros de
deshielo ajustados empíricamente varían entre 2 y 3 mm por °C por día. Valores promedios
medidos en Finlandia son similares variando entre 2,4 y 3,5 mm por °C por día en áreas
forestadas y abiertas, respectivamente (Semadeni-Davies 1997).
Los cambios en la cobertura del suelo en una cuenca hidrográfica, por ejemplo debido a
incendios forestales, modifican los parámetros de estos modelos. Los cambios en los
parámetros permiten entender cuáles son los procesos que se ven modificados por la reducción
de la cobertura y la magnitud de esa modificación. Al realizar análisis de sensibilidad de los
distintos parámetros se puede predecir cuales son los procesos más susceptibles de ser
afectados.
En el marco de los antecedentes analizados se proponen las siguientes hipótesis:
1. El caudal es afectado por la cobertura y tipo de vegetación, por lo tanto cambios
abruptos en la misma ocasionados por disturbios (incendios), se reflejan en una variación del
caudal y del cociente caudal/precipitación.
2. La estacionalidad de las precipitaciones en la zona de estudio determina variaciones
en el almacenaje de agua en el suelo, que inciden en el cociente caudal/precipitación. Debido a
ello, la inclusión de una variable que refleje estas variaciones, mejorará el modelado del caudal
y el cociente caudal/precipitación, aumentando la sensibilidad al efecto del incendio.
Objetivo general
Estudiar la incidencia de los cambios en la cobertura vegetal sobre el régimen hídrico, en
cuencas hidrográfica andino patagónicas afectadas por incendios.
21
Objetivos particulares
1. Identificar y seleccionar cuencas hidrográficas en la eco-región andino patagónica con y
sin afectación por incendios.
2. Describir la morfometría de las cuencas a estudiar.
3. Ajustar modelos de series de tiempo a las variables hidrológicas en las cuencas
identificadas.
4. Evaluar la relación entre la ocurrencia de incendios y las variaciones hídricas mediante el
cambio en los parámetros de la serie antes y después de los incendios.
5. Ajustar modelos determinísticos que describan los procesos hidrológicos en las cuencas
identificadas
6.
Evaluar la modificación de parámetros en los modelos discretos debido a los incendios.
22
Materiales y métodos
Área de estudio
La eco-región de los Bosques andino patagónicos ocupa una delgada franja de
vegetación boscosa, con un ancho máximo, en Argentina, de 75 km de Este a Oeste. Se extiende
acompañando la cordillera, desde la Provincia de Neuquén a los 37º de latitud Sur
prolongándose unos 2.200 km hasta el extremo continental, incluyendo a la Provincia de Tierra
del Fuego. La caracterizan bosques templado-fríos con especies perennes y caducifolias
(Cabrera 1971).
Este trabajo de tesis se desarrolló en las cuencas de los ríos Manso y Puelo que están
ubicadas en el frente cordillerano de las provincias de Río Negro y Chubut, y ocupan una
superficie de 6.042 km2. Los ríos forman parte de un sistema hídrico que cruza a territorio
chileno hasta desaguar con el nombre de río Puelo, en la bahía de Reloncaví, en el océano
Pacífico. Están contenidas entre 41º 07’ y 42º 24’ de latitud Sur, y entre 72º 12’ y 71º 13’ de
longitud Oeste, aproximadamente. Este sistema encadena numerosos cuerpos de agua,
sorteando importantes desniveles en su recorrido (Figura 1).
23
Figura 1. Mapa del área de estudio. Fuente:
http://www.bolsonweb.com/noendesa/impactosargentina.html Compilado por Alejandro Borzi.
Municipalidad de Lago Puelo – Argentina
Clima
El clima es templado-frío oscilando la temperatura media entre los 13 ºC de máxima y
3,4 ºC de mínima en la parte norte y 9,9 ºC y 2,2ºC en la parte sur. La heterogeneidad climática
de la Patagonia está fuertemente modelada por dos grandes gradientes: uno oeste-este de
precipitaciones decrecientes, particularmente en el sector de la cordillera, y otro norestesudoeste de temperatura decreciente, fundamentalmente ligado a la latitud. Tanto los suelos
como la vegetación están asociados a estos patrones climáticos generales (Paruelo 1998). Los
vientos predominantes del oeste, chocan con la cordillera ocasionando la disminución de las
precipitaciones hacia el este, produciendo un gradiente que se traduce en la variación de la
cobertura vegetal, influida también por la orientación de las laderas y por los numerosos
microclimas (Paruelo 1998).
24
En el sector norte de la eco-región la estación lluviosa es el invierno y hay déficit de
humedad en la época estival. Hacia el sur esta condición cambia hasta llegar a Tierra del Fuego
donde las lluvias se extienden de forma uniforme durante el año, con un promedio de lluvias de
600 mm. A pesar de la disminución de las precipitaciones, la menor radiación solar hace que la
humedad sea poco variable. Las mayores precipitaciones se producen en el sector cordillerano,
durante el otoño e invierno, debido al aporte de los vientos húmedos del Pacífico. Estas pueden
ser en forma de lluvia o nieve y decrecen rápidamente hacia el este. En el límite internacional
alcanzan entre 2.500 y 3.000 mm; en el eje Bariloche-El Bolsón, 1.000 mm, y en el sector
oriental de la cuenca, 500 mm (Anónimo 2003).
Geomorfología y suelos
Desde el punto de vista geológico se pueden distinguir dos sectores, una sección
septentrional, desde el paralelo 39º hasta el de 42º 30´, caracterizada por rocas volcánicas
terciarias y cuaternarias, y bloques de basamento cristalino. La sección austral, a continuación
de aquella, se extiende hasta Tierra del Fuego, predominando rocas sedimentarias mesozoicas
intercaladas por rocas volcánicas y cuerpos intrusitos granodioríticos (Del Valle 1998). Presenta
un relieve glaciario y montañas no muy altas, muchas veces con lagos y glaciares, el deshielo
produce numerosos arroyos que desembocan en grandes lagos glaciarios.
El gradiente pluviométrico, característico de la región andino-patagónica, determinó la
distribución del hielo durante las glaciaciones, generando una secuencia de paisajes O-E
expresada por diferentes geomorfologías, predominando las geoformas de erosión glaciaria
hacia el oeste, y de acumulación hacia el este (Haller 2001, Rabassa et al. 2005). Durante el
Holoceno el paisaje fue cubierto por depósitos piroclásticos provenientes de volcanes situados
en Chile (Auer 1950). Estos depósitos piroclásticos postglaciales: cenizas volcánicas, capas de
lapilli, o bien depósitos de origen glacial contaminados con arenas volcánicas constituyen los
materiales originarios de la mayoría de los suelos de la región (Apcarian & Irisarri 1993, Colmet
Dâage et al. 1995).
25
Las cenizas volcánicas, rápidamente alterables, permitieron el desarrollo de suelos de
alta fertilidad. La evolución de los suelos está ligada a la distribución de humedad y a la
existencia de barreras naturales que actuaron frenando la distribución de las cenizas
(Etchevehere 1972, Urretavizcaya 2010). El sector de mayores precipitaciones está dominado
por Andisoles, caracterizados por la presencia de aluminosilicatos amorfos (alófano e
imogolita), que se caracterizan por una alta fertilidad y alta capacidad de almacenamiento de
agua y estabilidad de la materia orgánica, mientras el sector húmedo-subhúmedo constituye un
área transicional de Xerands y Andic Mollisols, menos lixiviados y con un mayor grado de
diferenciación de horizontes genéticos (Etchevehere 1972, Lopez 1996, La Manna 2005). En
general los andisoles presentan baja densidad aparente debido al gran espacio poroso de los
minerales alofánicos e imogolita, al alto contenido de materia orgánica y a la baja densidad de
las partículas alofánicas. La materia orgánica, junto a otros agentes cementantes, juega un rol
fundamental en las uniones entre partículas, conduciendo a la formación de agregados estables
que retiene altos contenidos de agua (Urretavizcaya 2010).
Características de la vegetación
La vegetación de la zona Norte de la eco-región de los bosques andino patagónicos es
un paisaje complejo de parches de bosques mésicos, xéricos, arbustales y pastizales (Veblen et
al. 2003). Existen grandes rodales post-fuego de Nothofagus y/o Austrocedrus caracterizados
por una regeneración lenta producto de la reproducción de semillas. Estos bosques se
encuentran entre parches de arbustales densos con rápidas tasas de recuperación debido a
rebrotes post-fuego (Kitzberger & Veblen 1999). En los sitios donde después de los incendios
hubo una alta supervivencia de semillas y las condiciones de sitio y clima fueron favorables las
tasas de regeneración son rápidas mientras que en sitios donde los incendios fueron más
frecuentes y las condiciones no tan favorables pueden persistir arbustales por décadas
(Mermoz et al. 2005).
La composición de los bosques en estas cuencas cambia a lo largo de un gradiente de
precipitación así como con un gradiente de temperatura asociado al aumento en altura (Veblen
1992). Los bosques subalpinos de Nothofagus pumilio aparecen en toda el área por encima de
26
1000 – 1100 m snm. En el oeste los bosques de las zonas bajas están dominados por N.
dombeyi y otras especies de angiospermas y confieras arbóreas. En la zona central con bajas
elevaciones, N. dombeyi forma bosques mésicos monoespecíficos o rodales mixtos con
Austrocedrus chilensis en los sitios más húmedos. En los sectores oeste y central, el sotobosque
está dominado por densas poblaciones de Chusquea culeou. En el sector este A. chilensis forma
bosques abiertos que se extienden hacia la estepa de bajos arbustos. En la zona oeste húmeda,
aparecen bosques densos de N. antarctica especialmente en los valles donde el drenaje del
suelo es pobre. En los sectores central y este se encuentran bosques de N. antarctica, C. culeou
y numerosos arbustos Schinus patagonicus, Embothrium coccineum, Maytenus boaria, Diostea
juncea (Mermoz et al. 2005).
Identificación de incendios
Para la identificación de las áreas con y sin afectación de incendios se utilizaron
Imágenes Landsat TM (Thematic Mapper) y ETM+ (Enhanced Thematic Mapper Plus). Los
incendios ocurridos en las últimas décadas en el sector norte de los bosques andino
patagónicos son fácilmente detectables mediante el uso de estas imágenes debido a que la
degradación que provoca el incendio genera un cambio muy definido en la respuesta espectral.
Además, afectan áreas notablemente mayores a la mínima unidad de resolución espacial de
esas imágenes (30 x 30 m). Estas imágenes fueron obtenidas de la Universidad de Maryland
(UMD) Global Land Cover Facility (GLCF) (www.landcover.org). Las mismas fueron ortorectificadas mediante puntos GPS (Global Positioning System) militares y datos de elevación,
presentando un error de menos de 50 metros a lo largo de toda la imagen y georreferenciadas.
Las fechas de las imágenes disponibles fueron 7 de marzo de 1985 y 8 de diciembre de 2001. El
software utilizado para esta tarea fue ERDAS Imagine 9.1
El análisis e interpretación de las imágenes satelitales se dividió en dos grandes etapas:
- a. Preprocesamiento: se unieron las bandas 1, 2, 3, 4, 5 y 7 en un solo archivo con 6 bandas. La
banda 6 del sensor TM, y las 6 y 8 del sensor ETM+, fueron descartadas por presentar distinta
resolución espacial, 120 x 120 m y 15 x 15 m, respectivamente. Estas bandas corresponden a las
27
regiones del Térmico Lejano (10,4 – 12,5 μm) y Pancromático (0,52 – 0,90 μm)
respectivamente. El área de estudio quedó cubierta por una sola imagen (Path/Row 232/089)
por lo que no fue necesario realizar un mosaico. A partir de esta imagen se procedió a realizar
un recorte sobredimensionado del área de estudio al cual se le aplicaron los distintos métodos
de realce. Para la realización del análisis multitemporal se procedió a unir en un solo archivo las
6 bandas de la imagen de 1985 y del 2001. De este modo se obtuvo una única imagen
compuesta por 12 bandas. Se reproyectaron todas las imágenes al sistema de proyección
Gauss-Krüger zona 1, sistema de referencia Campo Inchauspe.
- b. Procesamiento: Las técnicas para discriminar áreas quemadas se clasifican en aquellas en
las que se usa una sola imagen, posterior al incendio, y las que comparan imágenes anteriores y
posteriores al fuego (análisis multitemporal). Se optó por un análisis multitemporal de
combinación de 12 bandas. Se realizó una clasificación supervisada usando las 12 bandas de las
imágenes de las 2 fechas seleccionadas. La clasificación de una sola imagen multitemporal, en
lugar de la clasificación de las imágenes separadas por fecha y luego combinadas para derivar
los cambios, reduce los errores de cambios falsos causados por las diferencias en las fechas de
las imágenes en la fenología de la vegetación, condiciones de iluminación e interferencia
atmosférica (Harper et al. 2007). La combinación de bandas utilizada fue 12, 5, 5 (RGB), siendo
la banda 12 la correspondiente a la banda 7 de la fecha del 2001, y la banda 5 la
correspondiente a la banda 5 de la fecha de 1985. Las bandas 5 y 7 representan la zona del
infrarrojo medio (banda 5: 1.550 –1.750 y 2.090 – 2.350 nm, respectivamente). Esta
combinación de bandas permitió identificar áreas que en la primera imagen eran oscuras
(bosque) y claras en la segunda imagen (suelo desnudo) en distintos tonos de rojo.
Como clases resultantes de la clasificación se definieron: bosque, no bosque, agua y
nubes/sombra. Como se trabajó con dos fechas se contemplaron todas las combinaciones
posibles de clases, por ejemplo bosque en la primera fecha y no bosque en la segunda como
indicador de un potencial incendio. Con este objetivo se definieron áreas de entrenamiento
para poder realizar las clasificaciones. Para esto se contó con datos de verdad de campo
provistos por la Administración de Parques Nacionales (APN) y el Plan Nacional de Manejo del
28
Fuego (PNMF). La información con la que se contó fue la fecha del incendio y la superficie
afectada. Esta base de datos solo contempla incendios dentro de Parques Nacionales y fuera
del área de parques nacionales posteriores a 1999.
Una vez obtenida la clasificación se procedió a convertir a una cobertura vectorial las
áreas quemadas. Finalmente, los polígonos generados fueron exportados a ArcGIS 9.3 donde se
calculó la superficie en hectáreas ocupada por cada uno de ellos.
Descripción de las cuencas
A partir de los datos de la ubicación de las estaciones hidrometeorológicas
proporcionados por el Sistema Nacional de Información Hídrica, se confeccionó una capa de
puntos (Figura 2) que se utilizó junto con el Modelo Digital de Elevación (DEM) de la misión
SRTM, que posee una resolución espacial de 90 x 90 m provisto por la UMD, para trazar los
límites de las cuencas de aporte a cada estación hidrometeorológica. Para el trazado de las
cuencas se utilizó la metodología de divisorias de agua que se corresponde con la división
topográfica. A partir del DEM se generaron curvas hipsométricas para cada cuenca trazada con
una equidistancia de 250 m, curvas de pendientes y niveles de exposición del paisaje. Estos
mapas se utilizaron para la obtención de parámetros morfométricos de las cuencas.
29
Figura 2. Mapa de ubicación de las estaciones hidrometeorológicas
De esta manera se obtuvo una capa de polígonos con las cuencas hidrográficas de las
que se contaba con información hidrometeorológica. Se realizó un recorte con los polígonos de
las cuencas y el mapa de incendios que se realizó a partir de las imágenes satelitales. De esta
manera se pudo detectar cuencas de las que se disponía de información afectadas por
incendios.
De cada cuenca con la que se contaba con información, se realizó una clasificación no
supervisada de la imagen de 2001, para identificar los tipos de coberturas. La combinación de
bandas seleccionada fue 4, 5, 3 (RGB). Se prefirió asignar la banda 4 del infrarrojo cercano a la
zona roja, debido a que los tonos rojos son más detectables que cualquier otro color. Las clases
que se identificaron fueron bosque, nieve, suelo desnudo, pastizales, arbustales de montaña,
áreas urbanas y agua. Se calculó para cada cuenca la superficie de cada unidad de cobertura y
30
en las cuencas donde habían sido detectados incendios, luego se calculó que proporción de la
cuenca se encontraba afectada por los mismos. La escala de análisis para cada cuenca fue de
1:100.000.
El procesamiento de la información geoespacial fue realizado en un sistema de
información geográfica (SIG) para el análisis espacial de información regional así como para el
desarrollo posterior de cartografía temática.
Morfometría de las cuencas
Para caracterizar diferencias y similitudes entre las cuencas se contó con el DEM y el
mapa de coberturas. De esta información base se derivaron los mapas de curvas de nivel,
exposición y pendiente. También se dispuso de una capa de líneas con los cursos de agua
permanentes, que se comprobó con la imagen satelital, y en los casos necesarios, fue corregida.
Para caracterizar morfométricamente a las cuencas se determinaron los siguientes
parámetros:
Parámetros de forma:
 Área (km2)
 Perímetro (km)
Estos parámetros se seleccionaron por la simpleza de su determinación y por ser muy
utilizados en estudios comparativos de cuencas.
Parámetros de relieve:
 Curvas de nivel
 Alturas máximas, medias y mínimas
 Pendientes medias y sus desvíos estándares (º)
Para la caracterización del relieve a partir de los datos de pendientes medias se utilizó la
escala de pendientes propuesta por Pedraza Gilsanz (1996) (Tabla 1).
31
Tabla 1. Clasificación descriptiva de pendientes (adaptado de Pedraza Gilsanz, 1996)
Pendiente en grados
Relieve
Morfología más común
Procesos geomórficos básicos
0 – 0,5
Plano
Llanura aluvial, llanura proglacial,
terrazas
Ausencia de lavado y
deslizamientos
0,5 – 2
Casi plano
Similar al anterior, planicies
onduladas y relieves tabulares
Congelifluxión, solifluxión
incipiente, regueros
2–5
Debilmente inclinado
Ondulaciones, tills (morenas)
basales, fondos de valle, relieves
tabulares
Movimientos en masa, procesos
fluviales, inicio de erosión en
regueros y lavado
5 – 15
Muy inclinado
Valles en zonas de montaña,
morenas terminales y relieves
estructurales de tipo cuesta
Movimientos en masa, erosión en
manto y reguero, inicio de
deslizamientos
15 – 25
Débilmente escarpado
Laderas de montaña, escarpes de
falla, terrazas, relieves
estructurales de tipo cuesta
Erosión lineal incisiva, destrucción
de suelos, deslizamientos, conos
de deyección y caídas
25 – 35
Escarpado
Relieves estructurales de tipo
cresta y acantilados
Erosión lineal incisiva, fuerte
riesgo de erosión del suelo,
deslizamientos, movimientos
rápidos de suelo, avalanchas
35 – 55
Precipicio
Escarpes en garganta, crestas y
acantilados
Caídas en masa, deslizamientos,
colapsos
>55
Vertical
Cornisas y acantilados
Caídas en masa, deslizamientos,
colapsos, desagregación granular
Parámetros de la red hidrográfica:
 Longitud total de cauces (km)
 Densidad de la red de drenaje (longitud total de cauces sobre la superficie total de la
cuenca) (km/km2)
32
Análisis de la información hidrológica
De cada estación hidrometeorológica se contó con datos diarios de precipitación y
caudal medio diario, máximo instantáneo y mínimo instantáneo para una serie de años. En
algunas estaciones se contó con datos de temperatura diaria media, máxima y mínima. En estas
estaciones se calculó la evapotranspiración potencial mediante la ecuación de Thornthwaite
(1948). Para cada estación se calculó la precipitación mensual y anual. Se definió como valor de
caudal medio máximo mensual, al caudal medio diario más alto del mes. En las estaciones que
contaban con datos de temperatura se calculó la temperatura media, máxima y mínima
mensual. Se calculó la relación entre la precipitación mensual y el caudal medio máximo
mensual. Este cociente representa una aproximación empírica para estimar el efecto de la
precipitación sobre el caudal máximo. El caudal observado en un momento determinado
constituye la suma del caudal base y el caudal directo, resultante de la precipitación efectiva.
Este último podría predecirse a partir de la precipitación mediante un modelo lineal con
ordenada al origen igual a 0. La pendiente de ese modelo (q directo/p) podría cambiar por
efecto del incendio sobre la vegetación. Como no se dispone del caudal base el enfoque
empírico consiste en calcular q observado/p y calcular su cambio a partir del incendio. En las
estaciones de cuencas con áreas afectadas por incendios se calcularon los valores promedios
antes y después de la fecha del mismo.
Series de tiempo
Se analizaron las series temporales de precipitación, caudal y la relación
caudal/precipitación para cada cuenca. El efecto de los incendios sobre el comportamiento
hidrológico se evaluó mediante técnicas de análisis de intervención (Rasmussen et al. 2001).
Se realizó un análisis descriptivo de las series para establecer el comportamiento de la
media en cuanto a la existencia o no de estacionalidad. Las componentes autorregresiva y
estacional de las series temporales se ajustaron mediante regresión múltiple. A fin de
determinar la componente autorregresiva se realizaron regresiones múltiples donde los valores
33
retardados en 1, 2 y 3 meses entraron como variables. Se evaluó la significancia de cada
parámetro para estudiar el alcance temporal de la componente autorregresiva. Se evaluó
además de la componente autorregresiva, la existencia de un comportamiento estacional. Para
esto se incluyó como variable en la regresión una variable indicadora con valor igual a uno si los
datos provenían de meses secos (meses con valores medios por debajo de la media anual) y
cero para meses húmedos (meses con valores medios por encima de la media).
Modelo discreto
Se realizó un modelo hidrológico con un intervalo mensual para la estimación de los
componentes del balance hidrológico como los caudales y el deshielo. Los datos de entrada
fueron la precipitación acumulada, la temperatura máxima promedio y la evapotranspiración,
calculada a partir de la formula de Thornthwaite (1948)
La función de balance hídrico es:
Q = Agua en el suelo en la fecha anterior + Precipitación + Deshielo – Evapotranspiración
Se
utilizaron
valores
promedios
mensuales
de
temperatura
máxima
y
de
evapotranspiración potencial debido a que no se dispuso de valores diarios de temperatura
para todas las cuencas. Por ese motivo no fue posible separar la precipitación invernal en lluvia
y nieve. El valor del almacenaje de nieve fue una variable estimada en el modelo.
Para el cálculo del deshielo se utilizó un índice de temperatura, es decir una temperatura
media mensual por encima de la cual el proceso de deshielo comienza. Esta temperatura crítica
también fue estimada en el modelo.
Las pérdidas por evaporación e infiltración del agua de deshielo se consideraron en un
reservorio intermedio entre el deshielo y el flujo que efectivamente aporta al caudal.
34
La precipitación incidente entra en el reservorio suelo donde sufre pérdidas por
infiltración y evapotranspiración. El excedente del contenido de agua en el suelo, luego de las
pérdidas, se suma al caudal efectivo proveniente del deshielo para obtener el caudal total.
En total este modelo presenta 8 parámetros (Figura 2):
B1= almacenaje de hielo inicial
B2= temperatura crítica por encima de la cual comienza el deshielo
B3= deshielo
B4= pérdida por evaporación e infiltración del deshielo
B5= conversión del deshielo en caudal
B6= precipitación incidente en el suelo
B7= evapotranspiración
B8= conversión de la precipitación en caudal
Para la estimación de los parámetros se utilizó el criterio de mínimos cuadrados. Se
realizaron análisis de sensibilidad de cada parámetro para predecir cuales son los procesos más
susceptibles de ser afectados por cambios en la cobertura de la cuenca debido a incendios
forestales. En las cuencas que presentaron incendios el modelo se ajustó antes y después del
mismo y se compararon los parámetros.
35
Figura 2. Esquema conceptual del ciclo hidrológico tomado como base para el diseño del modelo
discreto
36
Resultados y Discusión
Identificación de incendios y descripción de las cuencas
Dentro del área de estudio se identificaron 8 cuencas hidrográficas que contaban con
estaciones hidrometeorológicas de las que se disponía de datos (Figura 3). Se detectaron áreas
quemadas en 3 de ellas.
Figura 3. Mapa de ubicación de las cuencas seleccionadas
 Cuenca Los Moscos 1807
La cuenca de la estación Los Moscos tiene un área de aporte de 680 km 2 y un perímetro
de 165 km. El cauce principal es el río Manso que hasta su desembocadura, al norte del lago
Mascardi, tiene una longitud de 21,9 km. El río Manso nace en el Monte Tronador (3.478 m
snm) iniciando su tramo superior. En la parte alta de la cuenca se localiza la región de las nieves
37
eternas y el ventisquero del Manso. Al pie del Tronador nace también el arroyo Castaño Overo,
con una longitud de 5 km que fluye en sentido sudeste desembocando en el río Manso. Allí
también confluye el río Cauquenes, emisario de la laguna Cauquenes, que tiene una longitud de
9 km en los que recorre el valle de Vuriloche. Antes de desembocar en el Mascardi el río Manso
recibe aportes de otros cauces como el arroyo Callvuco, emisario de la laguna Callvu, con una
longitud de 4,3 km y el arroyo Fresco con una longitud de 9,8 km. En la cuenca hay 3 lagos
permanentes el Mascardi, Los Moscos y Guillelmo. El lago Mascardi es el principal, se
caracteriza por su forma de U, tiene una superficie de 38,5 km2 y se encuentra a 795 m snm.
Recibe por el sudeste los aportes del lago Guillelmo que se encuentra a 850 m snm y tiene una
superfice de 5,95 km2. El arroyo Casalata, con una longitud de 9 km, también aporta al lago
Mascardi por el noroeste. El río de los Cesares (5,6 km de longitud), emisor del lago del mismo
nombre que tiene una superficie de 1,5 km2, escurre por el sur en el lago Mascardi. Por el norte
recibe el aporte del arroyo fresco con una longitud de 9,7 km. El arroyo Yacondo tiene una
longitud de 23,7 km y aporta al lago por el sur. El río Manso continúa su recorrido a la salida del
lago Mascardi por el sudoeste, sorteando un desnivel a lo largo de 1 km conocido como “Bajada
del Manso” que desemboca al oeste en el lago Los Moscos de 1,45 km2. A la salida de esta
laguna se encuentra la estación hidrometeorológica. La longitud total de cauces en la cuenca es
de 222,1 km. La densidad de drenaje de la cuenca es de 0,32 km/km 2. La altitud varía entre
3.478 m snm en las zonas más altas y 795 m snm en la salida de la cuenca (Figura 4).
Las pendientes varían entre 0 y 70,22° con una media de 19,72° y un desvío estándar de
11,79°, según la clasificación propuesta por Pedraza Gilsanz (1996), presenta un relieve
débilmente escarpado (Tabla 1).
Mediante el análisis multitemporal de las imágenes satelitales de las fechas 1985 y 2001
se detectó un incendio en la ladera sur del lago Mascardi y del lago Los Moscos con una
superficie de 105 km2. Esta superficie representa el 15,5% de la cuenca (Figura 5). A través de
registros de incendios se comprobó que el incendio ocurrió en enero de 1999.
38
En la Figura 5 se presenta el análisis de la cobertura de la cuenca, mediante la
clasificación de la imagen satelital del año 2001, el cual permitió definir que el 53,8 % de la
cuenca se encontraba cubierta por bosques, 18,1% por nieve, 15,5% por suelo desnudo, 8,6%
por agua y 4% por pastizales y arbustales de altura.
Figura 4. Cuenca del Arroyo Los Moscos, de la estación hidrometeorológica 1807. Sistema de drenaje y
topografía con una equidistancia de 250 m
39
Figura 5. Cobertura del suelo de la cuenca del arroyo Los Moscos 1807 en el año 2001.
40
 Cuenca Manso - Los Alerces 1806
A la salida de la estación Los Moscos, el río Manso sigue su recorrido por 10 km, hasta el
lago Hess, que se encuentra a 750 m snm y tiene una superficie de 1,92 km 2. Este lago recibe
aportes del lago Fonck de 4,81 km2, a través del río homónimo que tiene una longitud de 3 km.
El río Manso sigue su recorrido hacia la estación hidrometeorológica Manso - Los Alerces, que
tiene un área de aporte de 814 km2 y un perímetro de 147 km.
La longitud total de cauces en la cuenca es de 267,2 km. La densidad de drenaje de la
cuenca es de 0,33 km/km2. La altitud varía entre 3.400 m snm en las zonas más altas y 700 m
snm en la salida de la cuenca (Figura 6).
Las pendientes varían entre 0 y 70° con una media de 19,51° y un desvío estándar de
11,69°. Según la clasificación propuesta por Pedraza Gilsanz (1996), presenta un relieve
débilmente escarpado (Tabla 1).
El análisis de la imagen del 2001 permitió diferenciar que el 57 % de la cuenca se
encontraba cubierta por bosques, 8 % por agua, 16 % por nieve, 4 % por pastizales y suelo
desnudo (Figura 7).
Se detectó un incendio de 122 has, el mismo se observa en la imagen satelital de 2001
pero no en la de 1985. A través de registros de incendios se comprobó que el incendio ocurrió
en enero de 1999. Este incendio afectó un 15 % de la cuenca, en la ladera sur del lago Mascardi
y del lago Los Moscos (Figura 7).
41
Figura 6. Cuenca Manso Los Alerces, de la estación hidrometeorológica 1806. Sistema de drenaje y
topografía con una equidistancia de 250 m
42
Figura 7. Cobertura del suelo de la cuenca Manso Los Alerces en el año 2001.
43
 Cuenca Roca – Los Alerces 1812
La cuenca de la estación hidrometeorológica Roca – Los Alerces tiene un área de aporte
de 112 km2 y un perímetro de 44 km. La estación se encuentra en la desembocadura del lago
Roca que desagua en el río Manso. Recibe aportes del arroyo Apoco que tiene una longitud de
9,5 km, del arroyo Linco, emisario del lago homónimo que tiene una longitud de 5,8 km, del
lago Felipe y del arroyo Expedicionario de 10,7 km de longitud.
La longitud total de cauces permanentes en la cuenca es de 29,1 km. La densidad de
drenaje de la cuenca es de 0,26 km/km2. La altitud varía entre 1.750 m snm en la parte alta de
la cuenca en la cordillera de los Andes y 711 m snm en la desembocadura de la cuenca (Figura
8).
Las pendientes varían entre 0 y 53° con una media de 20,35° y un desvío estándar de
11,10°. Según la clasificación propuesta por Pedraza Gilsanz (1996), presenta un relieve
débilmente escarpado (Tabla 1).
Mediante la imagen satelital de 2001 se observó que el 80,3% de la cuenca estaba
cubierta por bosque, 4,8 % por agua, 1,4 % por pastizales, 4,6% por suelo desnudo y 8,9% por
nieve. No se detectaron incendios en esta cuenca (Figura 9).
44
Figura 8. Cuenca Roca Los Alerces, de la estación hidrometeorológica 1812. Sistema de drenaje y
topografía con una equidistancia de 250 m
45
Figura 9. Cobertura del suelo de la cuenca Roca Los Alerces en el año 2001.
46
 Cuenca Escondido – El Foyel 1831
El río Escondido es emisario del lago homónimo y afluente del río Foyel. El lago
Escondido, de 8 km2, recibe aportes del lago Montes y de numerosos cauces que nacen en los
cerros nevados. La estación hidrometeorológica Escondido – El Foyel se encuentra en la
desembocadura del río Escondido, en el río Foyel con un área de aporte de 189 km2 y un
perímetro de 67 km. La altitud varía entre 2.250 m snm y 585 m snm en la desembocadura. La
longitud total de cauces permanentes es de 49 km. La densidad de drenajes es de 0,26 km/km 2
(Figura 10).
Las pendientes varían entre 0 y 57°, con una pendiente media de 24,16 ° y un desvío
estándar de 11,4°. Según la clasificación propuesta por Pedraza Gilsanz (1996), presenta un
relieve débilmente escarpado (Tabla 1).
En la imagen satelital de 2001 se identificó que el 53,5% de la cuenca se encontraba
cubierta por bosque, 6 % por agua, el 4,2 % por pastizales, 15,9% por suelo desnudo y el 20,4%
por nieve. No se detectaron incendios en esta cuenca (Figura 11).
47
Figura 10. Cuenca río Escondido – El Foyel, de la estación hidrometeorológica 1831. Sistema de drenaje
y topografía con una equidistancia de 250 m

48
Figura 11. Cobertura del suelo de la cuenca Escondido – El Foyel en el año 2001.
49
 Cuenca Puente Ruta Prov. 258 1813
La cuenca de la estación hidrometeorológica Puente Ruta Provincial N° 258 tiene un
área de aporte de 331 km2 y un perímetro de 112 km. La estación se encuentra en la
desembocadura del río Villegas que tiene sus nacientes en el cordón del Ñirihuau, con una
longitud total de 34,4 km. Recibe aportes de numerosos arroyos de deshielo (Figura 12).
La longitud total de cauces es de 117,73 km. La densidad de drenaje es de 0,36 km/km 2.
Las pendientes varían entre 9,55° y 26,72° con un valor medio de 17,13° y un desvío estándar
de 5°. Según la clasificación propuesta por Pedraza Gilsanz (1996), presenta un relieve
débilmente escarpado (Tabla 1). La altitud varía entre 2.250 m snm en la parte alta de la cuenca
y 590 m snm en la desembocadura.
El análisis de la cobertura de la cuenca, mediante la clasificación de la imagen satelital
del año 2001 mostró que el 46,4 % de la cuenca se encontraba cubierta por bosques, 19,8% por
nieve, 24,9% por suelo desnudo, 1,1% por agua y 7,8% por pastizales y arbustales de altura
(Figura 13).
50
Figura 12. Cuenca Puente Ruta Prov. 258, de la estación hidrometeorológica 1813. Sistema de drenaje
y topografía con una equidistancia de 250 m
51
Figura 13. Cobertura del suelo de la cuenca Puente Ruta Prov. 258 en el año 2001.
52
 Cuenca Escuela Nº 139 El Bolsón 1811
La estación hidrometeorológica Escuela N° 139 El Bolsón está ubicada sobre el arroyo El
Repollo, antes que este vuelque sus aguas en el río Quemquemtreu. Los arroyos El Repollo, de
una longitud total de 14,2 km y Ternero, de una longitud total de 31,7 km, tienen sus nacientes
en el cerro Piltriquitrón y en el cordón del Serrucho. La cuenca tiene un área de aporte de 320
km2 y un perímetro de 78 km. La longitud total de cauces es de 80,3 km. La densidad de drenaje
es de 0,25 km/km2. Las pendientes varían entre 0,1° y 61,7° con un valor medio de 18,2° y un
desvío estándar de 11,3°. Según la clasificación propuesta por Pedraza Gilsanz (1996), presenta
un relieve débilmente escarpado (Tabla 1). La altitud varía entre 2.250 m snm en las zonas más
altas hasta 409 m snm en la desembocadura de la cuenca (Figura 14).
El análisis de la cobertura de la cuenca, mediante la clasificación de la imagen satelital
del año 2001 mostró que el 32,2% de la cuenca se encontraba cubierta por bosques, 12,4 % por
nieve, 9% por suelo desnudo, 0,4% por agua y 41% por pastizales y arbustales de altura, siendo
1,2% de la superficie total de la cuenca representada por cultivos agrícolas y 3,8% plantaciones
forestales (Figura 15).
53
Figura 14. Cuenca Escuela N° 139 El Bolsón, de la estación hidrometeorológica 1811. Sistema de
drenaje y topografía con una equidistancia de 250 m
54
Figura 15. Cobertura del suelo de la cuenca Escuela N° 139 El Bolsón en el año 2001.
55
 Cuenca El Azul 1817
La estación hidrometeorológica El Azul está ubicada sobre el río Azul, que tiene una
longitud total hasta la estación hidrometeorológica de 31,7 km. El mismo fluye en sentido Sur
con dirección al lago Puelo donde desagua por varios brazos. A lo largo de su recorrido recibe
los aportes de numerosos cursos de agua que bajan de los nevados de la cordillera como el
arroyo Encanto Blanco con una longitud total de 20,3 km, el río Raquel que tiene una longitud
total de 20,5 km, y el río Del Teno que tiene una longitud de 7,5 km. El río Azul es emisario del
río Quemquemtreu, aguas abajo de la estación hidrometeorológica El Azul, su cauce es poco
profundo y está separado del río Quemquemtreu por la Loma del medio que se caracteriza por
ser una terraza de pedregullo. La cuenca tiene un área de aporte de 381 km 2 y un perímetro de
85 km. La longitud total de cauces es de 124,9 km. La densidad de drenaje es de 0,33 km/km 2
(Figura 16).
Las pendientes varían entre 0,1° y 85,6° con un valor medio de 26° y un desvío estándar
de 16,5°. Según la clasificación propuesta por Pedraza Gilsanz (1996), presenta un relieve
escarpado (Tabla 1). La altitud varía entre 2.250 m snm en las zonas más altas hasta 292 m snm
en la desembocadura de la cuenca.
El análisis de la cobertura de la cuenca, mediante la clasificación de la imagen satelital
del año 2001 identificó que el 55,6% de la cuenca se encontraba cubierta por bosques, 21,3%
por nieve, 4,3% por suelo desnudo, 0,7% por agua y 15,8% por pastizales y arbustales de altura.
1,9% de la superficie total de la cuenca presentó cultivos agrícolas y 0,5 % plantaciones
forestales (Figura 17).
56
Figura 18. Cuenca Epuyen – La Angostura, de la estación hidrometeorológica 2208. Sistema de
drenaje y topografía con una equidistancia de 250 m
57
Figura 19. Cobertura del suelo de la cuenca Epuyen – La Angostura en el año 2001.
58
 Cuenca Epuyen – La Angostura 2208
La cuenca Epuyen – La Angostura tiene una superficie de 442 km2 y un perímetro de 100
km. Se encuentra al este del lago Puelo, separada de este por el Cordón del Derrumbe que
presenta alturas que superan los 1.900 m snm. El lago Epuyen, con una superficie de 3.245 ha y
ubicado a 725 m snm, recibe aportes de los arroyos Alto Epuyen y Quiaco y desagua en el río
Epuyen. Aguas abajo, el río Epuyen recibe el aporte de los arroyos Pizarra, de las Minas y, más
al norte, el Pedregoso. El río Epuyen fluye hacia el noroeste e ingresa en una profunda garganta
para luego atravesar el Hoyo de Epuyen, luego desvía su curso abruptamente hacia el sudoeste
hasta alcanzar su nivel de base en el lago Puelo. La longitud total de cauces es de 115,9 km. La
densidad de drenaje es de 0,26 km/km2 (Figura 18).
Las pendientes varían entre 0° y 56,5° con un valor medio de 17,3° y un desvío estándar
de 12°. Según la clasificación propuesta por Pedraza Gilsanz (1996), presenta un relieve
débilmente escarpado (Tabla 1). La altitud varía entre 1.900 m snm en las zonas más altas hasta
290 m snm en la desembocadura de la cuenca.
El análisis de la cobertura de la cuenca, mediante la clasificación de la imagen satelital
del año 2001 mostró que el 32,3% de la cuenca se encontraba cubierta por bosques, 9% por
nieve, 6% por suelo desnudo, 4,7% por agua y 43,6% por pastizales y arbustales de altura.
(Figura 19). Se detectó un incendio de 33 km2, el mismo se observó en la imagen de 2001 pero
no en la de 1985. A través de registros de incendios se comprobó que el incendio ocurrió en
enero de 1989. Este incendio afectó un 8% de la cuenca, en las laderas sur y oeste del lago
Epuyen (Figura 19).
59
Análisis de la hidrología regional
La falta de registros climáticos completos en las cuencas analizadas dificulta un
análisis más profundo de las variaciones espaciales, tanto de la temperatura como de
la precipitación. Sin embargo, los registros de temperatura de 3 estaciones ubicadas a
lo largo de un gradiente altitudinal, para el periodo 1979 – 1981, permitieron observar
que las temperaturas medias mensuales disminuyen con la altitud (Figura 20).
Figura 20. Temperatura media mensual en tres estaciones hidrometeorológicas ubicadas en un
gradiente altitudinal. La estación 2208 (línea negra solida) se encuentra a 290 m snm, la 1814
(línea punteada) a 470 m snm y la estación 1806 (línea partida) a 700 m snm.
La precipitación media anual para el periodo 1954 – 2005 fue de 1610 mm en la
estación 1806. Al igual que la temperatura, la precipitación presenta un gradiente en
sentido O – E y con la altitud. Al analizar el registro de cuatro estaciones ubicadas a lo
largo del gradiente O – E en el periodo 1993 – 2005, estas tendencias pudieron
observarse, con valores de precipitación media anual que variaron entre 1.690 mm en
las estaciones con longitudes mayores hasta 897 mm en la estación ubicada más al
este dentro del área de estudio (Figura 21).
60
Figura 21. Precipitación anual media, periodo 1993 – 2005 en el gradiente longitudinal E – O.
Desde el año 1995 hasta el 2006 la precipitación anual se encontró por debajo
de la media, apenas superándola en los años 1997, 2002 y 2004 (Figura 22). Aunque
existieron solamente dos estaciones con registros completos de precipitación en el
periodo 1954 – 2005, estas tendencias pudieron observarse en todas las estaciones
con datos para el periodo 1995 – 2005, concluyéndose que se trató de un periodo seco
para toda la región.
61
Figura 22. Precipitación anual para el periodo 1954 – 2005, en la estación hidrometeorológica
1806. La precipitación anual media en esta estación es de 1612 mm anuales.
La evapotranspiración potencial presentó un valor medio para el período 1993
– 2005 de 1.054 mm con un desvío estándar de 60 mm. El año 1998 presentó el valor
máximo de evapotranspiración potencial de 1.186 mm, siendo el año 2003 el que
presentó el valor más bajo para todo el período, de 972 mm. Al analizar la estación
hidrometeorológica ubicada más al sur y al este del área de estudio, con valores de
precipitación y temperatura menores, se observó que la evapotranspiración fue
menor, 1.002 mm anuales.
La precipitación presentó una marcada estacionalidad, con una estación
lluviosa entre los meses de abril y agosto (65% de la precipitación total) y una estación
seca de septiembre a marzo. En los meses de mayo, junio y julio se observó el 45% de
la precipitación total (Figura 23). Esta relación se observó a lo largo del gradiente
longitudinal y altitudinal. Estos resultados coinciden con los resultados encontrados
por Jobbágy et al. (1995) que no observaron diferencias en la estacionalidad a lo largo
del gradiente longitudinal.
62
Al analizar la evapotranspiración potencial y la precipitación mensualmente
(Figura 23) se observó claramente una época con déficit hídrico entre los meses de
noviembre a marzo, esta época coincidió con las temperaturas máximas y las menores
precipitaciones.
Figura 23. Precipitación media mensual, promediando el periodo 1954 – 2005 y
Evapotranspiración potencial media mensual, promediando el periodo 1993 – 2005. Estación
1806
Las precipitaciones más frecuentes se observaron entre 1 y 10 mm,
representando el 43,2% de los días con registro de precipitación en el periodo 1954 –
2005. Precipitaciones de hasta 1 mm significaron el 2,9% de los registros. La
precipitación modal fue de 5 mm. Precipitaciones mayores a 50 mm diarios
presentaron periodos de retorno de 1 año, mientras que precipitaciones mayores a
100 mm presentaron periodos de retorno superiores a los 4 años. Estos fenómenos
fueron similares en toda la región, encontrándose valores similares de periodos de
retorno para todas las estaciones analizadas a lo largo de los gradientes latitudinales,
longitudinales y altitudinales.
El caudal en las cuencas analizadas presentó una marcada estacionalidad con 2
picos, uno más importante, en los meses de invierno con máximas precipitaciones, y
63
otro en primavera hacia el inicio del verano, coincidente con los deshielos que se
produjeron a partir de los meses de noviembre y diciembre.
Al observar la precipitación y el caudal medios mensual se observó un retraso
de un mes entre ellos, es decir el efecto del aumento de la precipitación presentó un
retraso de un mes con respecto al aumento del caudal. En los meses de septiembre y
octubre cuando la precipitación decrece el caudal no decrece tan abruptamente ya
que comienza el efecto del deshielo (Figura 24). Este comportamiento pudo
observarse en todas las cuencas analizadas.
Figura 24. Precipitación mensual (mm) en el eje principal y caudal medio mensual (m3/s) en el
eje secundario. Estación 1806
El río Manso a la altura de la estación Manso - Los Alerces (1806) presentó
caudales medios máximos mensuales que oscilaron entre 27 y 48 m3/s en los meses
del verano y principio del otoño, entre 77 y 96 m3/s en el invierno, y entre 66 y 74 m3/s
en los meses de la primavera, con efectos de deshielo.
A la salida del lago Roca, en la estación hidrometeorológica Roca – Los Alerces
(1812) se observaron caudales medios máximos mensuales del orden de 3 y 5 m3/s en
64
los meses de verano, entre 15 y 22 m3/s en los meses de invierno, y entre 11 y 15 m3/s
en los meses de la primavera.
El río Escondido a la altura de la estación hidrometeorológica Escondido – El
Foyel (1831) presentó caudales medios máximos mensuales que variaron entre 10 y 12
m3/s en los meses de verano, entre 24 y 34 m3/s en los meses de invierno y entre 20 y
26 m3/s en los meses de la primavera.
El río Villegas, que aporta al río Manso al sur del lago Steffen, presentó
caudales medios máximos mensuales en la estación hidrometeorológica Puente Ruta
Provincial N° 258 (1813) que variaron entre 5 y 10 m3/s en los meses de verano, entre
20 y 32 m3/s en los meses de invierno, y entre 15 y 22 m3/s en los meses de la
primavera.
El arroyo El Repollo, que aporta al río Quemquemtreu, presentó caudales
medios máximos a la altura de la estación hidrometeorológica Escuela N° 139 El Bolsón
(1811) que variaron entre 7 y 12 m3/s en los meses de verano, entre 23 y 30 m3/s en
los meses de invierno, y entre 17 y 21 m3/s en los meses de la primavera.
El río Azul, a la altura de la estación hidrometeorológica El Azul (1817) presentó
caudales medios máximos que variaron entre 30 y 45 m3/s en los meses de verano,
entre 66 y 96 m3/s en los meses de invierno, y entre 50 y 56 m3/s en los meses de la
primavera.
El río Epuyen, a la altura de la estación hidrometeorológica Epuyen – La
Angostura (2208) presentó caudales medios máximos que variaron entre 7 y 13 m3/s
en los meses de verano, entre 20 y 45 m3/s en los meses de invierno, y entre 20 y 28
m3/s en los meses de la primavera.
Al analizar los valores medios de los caudales máximos mensuales en las
cuencas que presentaron incendios, se observó que en las tres situaciones los caudales
de los meses del verano y otoño fueron menores luego de los incendios. Sin embargo,
se observó un aumento en los caudales en los meses de junio y julio, correspondientes
a los meses de mayores precipitaciones, y en los meses de septiembre y octubre
65
correspondientes al inicio del deshielo. Este último aumento fue de menor magnitud
que el aumento observado en los meses del invierno (Figura 25).
Cuando se comparó la precipitación promedio para esos mismos periodos
(anterior y posterior al incendio), se encontró que las precipitaciones fueron menores
en el periodo post incendio, coincidiendo con años secos para la región. Esto indicaría
que el aumento en los caudales medios máximos en el periodo post incendio se
debieron al cambio en la cobertura ocasionado por el incendio, causando un aumento
en el deshielo y en la escorrentía generada en los eventos de precipitación. El análisis
de la precipitación solo pudo realizarse en la cuenca 1806, ya que las otras dos cuencas
con incendios no continuaron con el registro de precipitación en el periodo post
incendio.
Figura 25. Caudal medio máximo pre incendio (en línea solida negra) y post incendio (línea
partida) para las estaciones 1806, 1807 y 2208
66
Análisis de las series temporales
Existen diferentes componentes que describen el comportamiento de una serie
temporal, denominados: tendencia, componente cíclica, componente autorregresiva y
estacionalidad.
En las series temporales de caudal, la componente autorregresiva es de suma
importancia, es por eso que se la analizó como primer paso. Para ello se realizó una
regresión múltiple con el caudal medio máximo mensual como variable dependiente y
los caudales retardados 1, 2 y 3 meses como variables independientes para la serie de
la estación 1806 en el periodo 1951 - 2005. Este análisis demostró que solamente el
caudal retardado 1 mes fue significativo, es decir que la componente autorregresiva
fue de orden 1 para las series de caudales. Para evaluar la existencia de estacionalidad
se incluyó al modelo de regresión múltiple una variable independiente que
determinaba si los valores de caudal provenían de meses secos (meses con valores de
precipitación por debajo de la media, de septiembre a marzo) o meses húmedos
(meses con precipitación por encima de la media, de abril a agosto). Esta variable, de
tipo indicadora, resultó significativa, demostrando la existencia de estacionalidad en la
serie. La significancia de la estacionalidad demuestra la estrecha relación entre la
precipitación y el caudal. Con el objetivo de mejorar el ajuste de la serie se incluyó el
valor de precipitación como variable predictora. Aunque el ajuste es moderado, esta
variable resultó significativa, mejorando la predicción del modelo (R2 ajustado = 0,32)
(Figura 26).
67
Figura 26. Serie de caudales en el periodo 1993 – 2005. En línea negra los valores observados y
en línea punteada los valores predichos por el modelo que incluye como variables predictoras
a la precipitación, el caudal diferenciado en 1 mes y la estación.
Al observar los valores predichos por el modelo y los valores reales de caudal se
advirtió que el modelo subestimó los caudales de la estación húmeda y sobrestimó los
de la estación seca. En la estación lluviosa, los caudales modelados nunca alcanzaron
los picos observados.
El contenido de humedad del suelo es otra variable que tiene gran influencia en
la generación de caudal. Al igual que con la precipitación se buscó mejorar la
predicción del modelo incluyendo una variable independiente que reflejara el valor del
contenido de humedad del suelo. Esta variable se calculó como el balance mensual de
precipitación y evapotranspiración potencial. Como los datos de temperatura
necesarios para realizar el cálculo de la evapotranspiración potencial solamente
estuvieron disponibles para el periodo 1993 – 2005, el análisis de esta variable se
68
realizó
para
ese
periodo.
Esta
variable
resultó
significativa
y
aumentó
considerablemente el coeficiente de determinación del modelo (R2 ajustado = 0,66). La
inclusión de esta variable hizo que la variable precipitación dejara de ser significativa,
sin embargo, indirectamente el valor de precipitación quedó incluido en el modelo a
través del balance y de la estacionalidad. El modelo resultante presentó un buen
ajuste, pudiéndose explicar el 65% de la variación en el caudal mediante la
estacionalidad, el caudal del mes anterior y el balance hídrico (Figura 27).
La serie de caudales observados y los predichos por este modelo mostraron que
si bien los picos de invierno siempre fueron subestimados, el comportamiento fue
satisfactorio a lo largo de la serie. Al observar el comportamiento en el año 1998 se
encontró que el modelo sobreestimó desde el mes de marzo hasta septiembre,
contrariamente a lo que ocurrió en todos los otros años. Un análisis más detallado de
ese año mostró que se trataba de un año con caudales muy bajos, por debajo de los
valores medios para la serie. Si bien se trataba de un año seco, principalmente a partir
del mes de julio, los caudales son muy bajos. Esto explicaría porque el modelo no logró
reflejar este año en particular.
69
Figura 27. Valores de caudal medio máximo para el periodo 1993 – 2005. En línea entera los
valores observados y en línea punteada los valores predichos por el modelo que incluye como
variables predictoras a la estacionalidad, el caudal retardado 1 mes y el balance hidrológico.
Al observar los residuos a lo largo del tiempo, no se detectó ninguna tendencia,
demostrando que el modelo tuvo un buen comportamiento (Figura 28).
70
Figura 28. Residuos del modelo a lo largo del tiempo (Ver Fig. 29).
Si bien la precipitación no fue significativa al incluir todas las variables, se probó
un modelo que tuviera como variables predictoras a la estación, el caudal retardado 1
mes, el balance hidrológico y la precipitación, buscando solucionar la falta de ajuste en
el año seco. El ajuste de este modelo también fue muy bueno (R2 = 0,66), sin embargo
al analizar la serie de valores predichos y observados las diferencias fueron mayores,
incluso en el año 1998 (Figura 29).
71
Figura 29. Valores de caudal medio máximo para el periodo 1993 – 2005. En línea entera los
valores observados y en línea punteada los valores predichos por el modelo que incluye como
variables predictoras al caudal retardado 1 mes, el balance hidrológico y la precipitación.
Con el objetivo de analizar el efecto del incendio ocurrido en el año 1999 en las
distintas componentes de la serie, se incluyó una variable de tipo indicadora que
determinaba si los datos correspondían a años previos al incendio o a años posteriores
al mismo. El uso de una variable de tipo indicadora implica que la intervención, en este
caso el incendio, se analiza como un proceso abrupto y permanente. Esta variable no
fue significativa en el modelo, sugiriendo que el incendio (intervención) no produjo
cambios significativos en la serie de caudal (Tabla 2). Para analizar si el incendio tuvo
algún efecto sobre algún componente específico de la serie se analizó la interacción
entre la variable indicadora correspondiente a la intervención y las variables
72
correspondientes a la estación, el balance y el caudal retardado. Estas interacciones
tampoco fueron significativas.
Tabla 2. Parámetros del modelo de serie de caudales para la cuenca 1806 en el periodo
1993 - 2005. B: coeficiente de regresión, p: nivel de probabilidad.
B
p
Ordenada al origen
35,78
0,000
Caudal retardado 1 mes
0,43
0,000
-20,77
0,002
Balance hidrológico
0,22
0,000
Intervención
-1,34
0,39
Estacionalidad
Cuando se analizó la serie temporal del cociente caudal/precipitación se observó
que tanto la componente autorregresiva como la estacionalidad no fueron
significativas. Sin embargo, al realizar una regresión simple utilizando como variable
independiente la precipitación mensual, la misma si resultó significativa. Al igual que
en la serie de caudales probó si la inclusión del balance hidrológico mejoraba la
predicción del modelo. Esta variable resultó significativa mejorando el ajuste del
modelo (R2 ajustado = 0,19).
Para analizar el efecto del incendio sobre esta serie se utilizó una variable
indicadora, al igual que en el análisis de la serie temporal de caudal. A diferencia de la
serie de caudales, la intervención fue cercana al límite de significancia en la serie del
cociente caudal/precipitación, observándose un aumento en la media del cociente
después de ocurrido el incendio (media del cociente caudal/precipitación preincendio
= 0,95; media del cociente caudal/precipitación postincendio = 1,96). Esto indicaría
que por cada unidad de precipitación, el caudal generado fue mayor después del
incendio (Tabla 3, Figura 30).
73
Tabla 2. Parámetros del modelo de serie del cociente caudal/precipitación para la
cuenca 1806 en el periodo 1993 - 2005. B: coeficiente de regresión, p: nivel de probabilidad.
B
p
Ordenada al origen
2,04
0,000
Precipitación
-0,01
0,002
Balance hidrológico
0,01
0,011
Intervención
0,56
0,055
Figura 30. Valores del cociente caudal/precipitación para el periodo 1993 – 2005. En línea
entera los valores observados y en línea punteada los valores predichos por el modelo que
74
incluye como variables predictoras a la precipitación, el balance hidrológico y la intervención
(incendio).
La serie del cociente caudal/precipitación presentó picos importantes que no
fueron detectados por el modelo. Estos picos correspondieron a periodos donde la
precipitación fue muy baja, haciendo que el cociente asumiera valores muy altos,
principalmente en los meses de agosto. De acuerdo a la hipótesis planteada se
esperaba que un cambio en la cobertura de la cuenca debido a incendios forestales
modifique la relación entre estas dos variables. Este cambio implicaría que una misma
precipitación genere más caudal después del incendio. Si bien el modelo indicó que el
efecto de la intervención fue cercano al límite de confianza, produciéndose un
aumento en el cociente después del incendio, el ajuste del modelo no fue lo
suficientemente bueno como para concluir que se detectaron diferencias debido al
incendio. La naturaleza del cociente, que no puede analizarse cuando las
precipitaciones son iguales a 0, y que cuando las precipitaciones son muy bajas
aumenta demasiado, dificulta la interpretación del disturbio.
75
Figura 31. Residuos (Ver Fig. 30).
En la estación 2208, al igual que en la 1806, la serie temporal de caudales fue
autorregresiva de orden 1. Esto se observó al realizar una regresión múltiple usando el
caudal medio máximo para el periodo 1957 – 2005 como variable dependiente y el
caudal retardado 1, 2 y 3 meses como variables independientes. Como resultado de
esta regresión se observó que solamente el caudal retardado 1 mes fue significativo.
Cuando se evaluó la estacionalidad de la serie mediante el uso de una variable
independiente del tipo indicadora, indicando la estación seca y húmeda de la misma
manera que en la serie 1806, se observó que esta fue significativa, demostrando que la
serie presentó estacionalidad.
Para mejorar la predicción del caudal se incluyó la precipitación como variable
predictora. Al igual que en la serie temporal de caudales de la estación
hidrometeorológica
1806,
la
precipitación
fue
significativa,
aumentando
considerablemente el ajuste del modelo (R2 ajustado= 0,56) (Tabla 4, Figura 32).
76
Tabla 4. Parámetros del modelo de serie de caudales para la cuenca 2208 en el periodo
1993 - 2005. B: coeficiente de regresión, p: nivel de probabilidad.
B
p
Ordenada al origen
2,42
0,080
Precipitación
0,13
0,000
Caudal retardado 1 mes
0,34
0,000
Estacionalidad
-4,87
0,010
Figura 32. Serie de caudales para el periodo 1974 – 1986. En línea entera los valores
observados y en línea punteada los valores predichos por el modelo que incluye como
variables predictoras a la precipitación, el caudal retardado y la estación.
77
La estación hidrometeorológica 2208 solamente presentó datos de temperatura
para el periodo 1978 – 1981, esto impidió el cálculo mensual de la evapotranspiración
y el balance hídrico para un período considerable. Como una medida estimativa del
balance se utilizaron los valores medios de evapotranspiración potencial mensual,
calculados a partir de los datos del corto periodo medido. Con esos valores medios y
los valores de precipitación para el período 1957 – 1986 se calculó el balance hídrico.
Al incluir esta variable en el modelo la misma no fue significativa a diferencia de la
serie de caudales en la estación 1806. Estos datos de balance, sin embargo, no fueron
muy representativos del balance verdadero ya que solo se contó con datos para un
período muy corto.
En esta cuenca el incendio ocurrió en enero de 1989. Para el análisis de
intervención se incluyó una variable de tipo indicadora. Esto implica que el cambio es
abrupto y permanente. Se realizó una regresión múltiple donde el caudal medio
máximo fue la variable dependiente y el caudal retardado un mes, la variable referida
a la estacionalidad y la intervención fueron las variables predictoras. Al igual que en la
estación 1806 la variable referida a la intervención no fue significativa.
Como en la serie del cociente caudal/precipitación de la estación
hidrometeorológica 1806, la componente autorregresiva no fue significativa. Cuando
se incluyó una variable que indicaba la estacionalidad (estación seca y húmeda) la
misma si fue significativa. Los datos de precipitación en esta cuenca sólo llegaron hasta
el año 1986. Como el incendio ocurrió en enero de 1989 no fue posible realizar un
análisis de intervención en la serie del cociente caudal/precipitación.
Al igual que las otras estaciones, la serie temporal de caudal medio máximo de la
estación 1807 para el periodo 1946 – 2005 fue autorregresiva de orden 1 y con
estacionalidad, determinada por los meses secos y húmedos. Como esta estación no
presentó datos de precipitación y debido a la cercanía con la estación 1806 se
utilizaron los datos de esta última para el periodo 1954 – 2005 con el objetivo de
mejorar el ajuste del modelo de caudales. La variable precipitación fue significativa (p<
0,05). El modelo que incluyó como variables independientes al caudal retardado 1
mes, la estacionalidad y la precipitación presentó un buen ajuste (R 2 ajustado = 0,29).
78
Al igual que la precipitación, se utilizaron los datos de temperatura de la estación 1806
para estimar la evapotranspiración potencial y el balance hidrológico para el periodo
1993 - 2005. La inclusión del balance fue significativa dejando como no significativa a la
estacionalidad. El modelo que incluyó a la precipitación, el caudal retardado 1 mes y el
balance hidrológico tuvo un mejor ajuste (R2 ajustado = 0,37) (Figura 33), sin embargo
no tan bueno como el mismo modelo para la estación 1806. Esto se explica porque si
bien las estaciones hidrometeorológicas están ubicadas a poca distancia, existen
variaciones en la precipitación y la temperatura con la altitud. La serie de valores
observados y predichos por este último modelo presentó el mismo comportamiento
que el modelo de la estación 1806. En esta serie se detectó el mismo comportamiento
atípico en el año 1998, donde el modelo sobreestimó el caudal en los meses de la
estación húmeda. Al igual que en la estación 1806, los valores de caudal observados
fueron extremadamente bajos. Este modelo presentó como falla principal la
subestimación de caudales en los meses húmedos, principalmente en los años con
picos de caudales altos. El análisis de los residuos promedios por mes permitió
observar que los mayores residuos se presentaron en los meses entre junio y
noviembre, correspondientes a la estación lluviosa con picos de caudal. Este
comportamiento de los residuos difiere de lo observado en los residuos para este
mismo modelo en la estación 1806, donde los mayores valores residuales se
observaron entre los meses de noviembre a abril.
79
Figura 33. Serie de caudales para el periodo 1993 - 2005. En línea entera los valores
observados y en línea punteada los valores predichos por el modelo que incluye como
variables predictoras a la precipitación, el caudal retardado y el balance hidrológico.
Al igual que en las otras estaciones el uso de una variable de tipo indicadora para
determinar el incendio, no fue significativo, indicando que no hubo un efecto abrupto
y permanente en la serie de caudales medios máximos causado por el incendio (Tabla
5).
80
Tabla 4. Parámetros del modelo de serie de caudales para la cuenca 1807 en el periodo
1993 - 2005. B: coeficiente de regresión, p: nivel de probabilidad.
B
p
Ordenada al origen
49,31
0,000
Caudal retardado 1 mes
0,45
0,000
Precipitación
-0,25
0,002
Balance hidrológico
0,22
0,000
Intervención
-1,35
0,39
La serie temporal del cociente caudal/precipitación resultó autorregresiva de
orden 1, sin embargo cuando se incluyó la variable indicadora de la estacionalidad, la
serie resultó con una estacionalidad significativa pero sin componente autorregresivo
significativo. En esta serie la intervención fue significativa. Cuando se incluyó la
variable de tipo indicadora que expresaba el incendio como una intervención de tipo
abrupta y permanente, la misma resultó significativa. Esta variable indica que el
cociente caudal/precipitación posterior al incendio fue mayor que en el periodo previo
al incendio (media preincendio = 0,70; media postincendio = 1,08). Para el cálculo de
este cociente se utilizaron los datos de precipitación de la estación hidrometeorológica
1806 (Tabla 6, Figura 34).
81
Tabla 6. Parámetros del modelo de serie del cociente caudal/precipitación para la
cuenca 1807 en el periodo 1993 - 2005. B: coeficiente de regresión, p: nivel de probabilidad.
B
p
Ordenada al origen
1,46
0,000
Precipitación
-0,01
0,000
Intervención
0,34
0,042
Figura 34. Valores del cociente caudal/precipitación para el periodo 1993 – 2005. En línea
entera los valores observados y en línea punteada los valores predichos por el modelo que
incluye como variables predictoras a la precipitación y la intervención (incendio).
La estación hidrometeorológica 1812 presentó datos de caudal para el periodo
1985 – 2005. Esta estación no presentó datos de precipitación, pero al encontrarse
muy próxima a la estación 1806, estando casi a la misma altitud y latitud, se utilizaron
82
los datos de precipitación y evapotranspiración provenientes de esta última estación.
Al incluir la componente autorregresiva, la estacionalidad, la precipitación y el balance
hidrológico como variables independientes para predecir el caudal medio máximo para
el periodo 1993 - 2005, todas fueron significativas a excepción de la estacionalidad. El
ajuste del modelo fue aun peor que el ajuste obtenido con ese mismo modelo para la
estación 1807 (R2 = 0,31) (Tabla 7, Figura 35). Si bien las estaciones 1806 y 1812 se
encuentran muy próximas y con condiciones de altitud y latitud muy similares,
pudieron existir variaciones locales que determinaron variaciones en la temperatura y
la precipitación, arrastrando errores en la estimación y disminuyendo el ajuste del
modelo.
Tabla 7. Parámetros del modelo de serie de caudales para la cuenca 1812 en el periodo
1993 - 2005. B: coeficiente de regresión, p: nivel de probabilidad.
B
P
Ordenada al origen
21,27
0,000
Caudal retardado 1 mes
0,27
0,000
Balance hidrológico
0,11
0,000
Precipitación
-0,12
0,000
83
Figura 35. Serie de caudales para el periodo 1993 - 2005. En línea entera los valores
observados y en línea punteada los valores predichos por el modelo que incluye como
variables predictoras a la precipitación, el caudal retardado y el balance hidrológico.
La estación 1831 presentó datos de caudal para el periodo 1977 – 2005. Esta
estación tampoco presentó datos de precipitación. A diferencia de las estaciones 1807
y 1812, no se encontró ninguna estación lo suficientemente homogénea en
condiciones de altitud, latitud y longitud como para poder usar los datos de
precipitación y temperatura en el modelo de serie temporal. Por este motivo el
modelo para esta serie fue autorregresivo de orden 1 y con estacionalidad. El ajuste
del modelo no fue tan bueno como los modelos que incluyeron el balance hidrológico
y la precipitación en otras cuencas (R2 ajustado= 0,20) (Tabla 8). Al analizar la serie de
caudales observados y predichos pudo verse que el modelo tuvo un buen
comportamiento, aunque resultó siempre inferior a los valores picos (Figura 36).
84
Tabla 8. Parámetros del modelo de serie de caudales para la cuenca 1831 en el periodo
1993 - 2005. B: coeficiente de regresión, p: nivel de probabilidad.
B
p
Ordenada al origen
9,63
0,000
Caudal retardado 1 mes
0,40
0,000
Estacionalidad
7,34
0,000
Figura 36. Serie de caudales para el periodo 1994 – 2005. En línea entera los valores
observados y en línea punteada los valores predichos por el modelo que incluye como
variables predictoras al caudal retardado y la estación.
La serie de caudales para la estación hidrometeorológica 1813 en el periodo
1993 – 2005 presentó una componente autorregresiva de orden 1, al igual que las
otras series de caudales de las otras estaciones. Al incluir las variables precipitación y
85
estación (seca – húmeda), la estación no fue significativa. El modelo que mejor ajuste
presentó fue el que incluyó como variables predictoras al caudal retardado 1 mes y a la
precipitación. El ajuste del modelo fue bueno (R2 ajustado = 0,44), presentando un
comportamiento similar al modelo en las otras series (Tabla 9, Figura 37). Al igual que
en las otras series el año 1998 resultó atípico con valores de caudal observados muy
bajos.
Tabla 9. Parámetros del modelo de serie de caudales para la cuenca 1813 en el periodo
1993 - 2005. B: coeficiente de regresión, p: nivel de probabilidad.
B
p
Ordenada al origen
2,91
0,114
Caudal retardado 1 mes
0,32
0,000
Precipitación
0,13
0,000
86
Figura 37. Serie de caudales para el periodo 1993 - 2005. En línea entera los valores
observados y en línea punteada los valores predichos por el modelo que incluye como
variables predictoras a la precipitación y el caudal retardado 1 mes.
La serie del cociente caudal/precipitación para el periodo 1993 – 2005 fue
autorregresiva de orden 1, a diferencia de las otras series del cociente, donde la
componente autorregresiva no fue significativa. El modelo que mejor ajuste presentó
(R2 ajustado = 0,15) incluyó como variables predictoras al cociente retardado 1 mes y a
la precipitación (Tabla 10). La estacionalidad no fue significativa en este modelo, al
igual que en las otras series del cociente.
87
Tabla 10. Parámetros del modelo de serie del cociente caudal/precipitación para la
cuenca 1813 en el periodo 1993 - 2005. B: coeficiente de regresión, p: nivel de probabilidad.
B
p
Ordenada al origen
0,76
0,000
Cociente q/p retardado 1
mes
0,21
0,001
Precipitación
-0,01
0,000
La estación hidrometeorológica 1811 presentó datos de caudal para el periodo
1956 – 2005. Esta estación no presentó datos de precipitación ni de temperatura. No
se encontró ninguna estación con condiciones similares de altitud, latitud y longitud
como para poder completar la serie con datos de precipitación y temperatura de otra
estación. La serie de caudales utilizando como variables independientes al caudal
retardado un mes y la estacionalidad presentó un ajuste pobre (R2 ajustado = 0,12),
menor que el ajuste de este modelo en otras series (Tabla 11). La serie de caudales en
esta estación presentó muchos picos elevados en el periodo de invierno que el modelo
no representó adecuadamente y generó residuos muy altos (Figura 38).
Tabla 11. Parámetros del modelo de serie de caudales para la cuenca 1811 en el periodo
1993 - 2005. B: coeficiente de regresión, p: nivel de probabilidad.
B
p
Ordenada al origen
10,46
0,000
Estacionalidad
8,46
0,001
Caudal retardado 1 mes
0,26
0,000
88
Figura 38. Serie de caudales para el periodo 1993 – 2005. En línea entera los valores
observados y en línea punteada los valores predichos por el modelo que incluye como
variables predictoras al caudal retardado y la estación.
La estación 1817 presentó datos de precipitación y caudal para el periodo 1971 –
2005. El modelo de serie temporal que incluyó como variables predictoras al caudal
retardado 1 mes y la precipitación fue el que presentó el mejor ajuste (R2 ajustado =
0,53), con un comportamiento similar al que presentó el mismo modelo en otras
estaciones (Tabla 12). Como en otros casos, la principal falta de ajuste del modelo fue
la de subestimar los picos altos de caudal en los meses de invierno (Figura 39).
89
Tabla 12. Parámetros del modelo de serie de caudales para la cuenca 1817 en el periodo
1994 - 2005. B: coeficiente de regresión, p: nivel de probabilidad.
B
p
Ordenada al origen
14,80
0,000
Precipitación
0,41
0,001
Caudal retardado 1 mes
0,17
0,000
Figura 39. Serie de caudales para el periodo 1994 - 2005. En línea entera los valores
observados y en línea punteada los valores predichos por el modelo que incluye como
variables predictoras a la precipitación y el caudal retardado 1 mes.
La falta de series completas de precipitación para todas las cuencas no permitió
evaluar el comportamiento del cociente caudal/precipitación en muchas cuencas. En
las dos cuencas que contaron con datos completos de precipitación y caudal para los
90
periodos anteriores y posteriores al incendio el análisis de intervención en la serie
temporal del cociente fue significativo. El parámetro referido a la intervención en la
serie sufrió una modificación significativa implicando un aumento en el cociente,
indicando que en el periodo posterior al incendio por cada unidad de precipitación
hubo una mayor generación de caudal. Sin embargo, cuando la intervención se analizó
en las series de caudales no resultó significativa. Las bajas precipitaciones en el
periodo posterior a los incendios podrían ser el motivo de estos resultados, y es por
esto que la intervención si resultó significativa cuando la variable dependiente
analizada fue el cociente caudal/precipitación.
Al analizar los residuos de las series pudo verse que los mismos eran mayores y
con signo negativo en los meses de noviembre a marzo. Este comportamiento podría
deberse a que en estas cuencas el deshielo es una componente muy importante en la
generación del caudal que no fue incorporado en las series temporales.
Modelo discreto
Al observar los residuos de las series temporales de caudales a lo largo del
tiempo se encontró que los mismos son mayores y positivos entre los meses de
noviembre a enero y de la misma magnitud pero negativos en los meses de abril y
mayo. Esto indicaría que el modelo de serie temporal subestima los picos de caudal
causados por los deshielos que comienzan en verano así como sobreestima los bajos
caudales observados en el otoño producto de las bajas precipitaciones y elevada
evapotranspiración que ocurre en el verano. Con el objetivo de solucionar este
problema se buscó hacer un modelo que tuviera en cuenta no sólo la precipitación y el
balance hidrológico, sino también una componente que refleje el proceso de deshielo
y otra que tenga en cuenta la evapotranspiración. Para esto se tomó como ejemplo la
cuenca Manso – Los Alerces con los datos provenientes de la estación
hidrometeorológica 1806, se utilizó esta cuenca por ser la que presentó el registro más
completo de caudales, precipitación y temperatura. Asimismo, en esta cuenca se
detectó un incendio que ocurrió en enero de 1999.
91
El modelo se construyó con datos mensuales, al igual que las series temporales.
Como la serie de temperatura correspondía al periodo 1993 – 2005, se comenzó el
modelado para ese periodo. Del análisis de la serie completa de precipitación para el
periodo 1954 – 2005 se concluyó que el periodo 1993 – 2005 fue un periodo seco, con
valores de precipitación anual por debajo de la media a lo largo de todo el periodo.
El modelo presentó dos componentes, una componente para modelar el
deshielo y la otra el caudal producido por la precipitación, con perdidas por infiltración
y evapotranspiración, de la suma de estas dos subcomponentes surge el caudal
predicho por el modelo.
La componente del deshielo depende de la temperatura máxima media para el
periodo analizado y cuenta con 5 parámetros. El primer parámetro determina cual es
la temperatura por encima de la cual el proceso comienza. En ninguna de las
estaciones del área de estudio existieron datos que permitieran discriminar la
precipitación de invierno en líquida y sólida. Es por esto que la nieve acumulada en el
invierno no pudo ser un dato sino que fue modelada por el modelo como un
reservorio. A partir de este reservorio inicial comienza el deshielo que en el modelo
fluye hacia un reservorio intermedio. Este reservorio intermedio permite al modelo
considerar las pérdidas por infiltración y evaporación del agua de deshielo antes de
convertirse efectivamente en caudal. Este proceso utiliza tres parámetros para la
obtención de la componente efectiva que se convierte en caudal.
La componente del modelo referida a la generación de caudal a través de la
precipitación
tiene
como
variables
de
entrada
a
la
precipitación
y
la
evapotranspiración mensual. La precipitación incide sobre un reservorio, que
correspondería al suelo, a partir del cual surge el flujo que sumado a la componente de
deshielo determina el caudal predicho. Este reservorio sufre pérdidas por
evapotranspiración y por infiltración antes de convertirse en flujo. Además está
relacionado al contenido anterior de agua en el suelo.
La metodología para la obtención de parámetros fue la de mínimos cuadrados
mediante el método iterativo de Newton.
92
Al observar la marcha de los caudales observados y los caudales predichos por el
modelo se destaca que en términos generales el modelo tiene un buen
comportamiento (Figura 40). Al igual que los modelos de series temporales, el modelo
tuvo dificultades para alcanzar los altos picos del invierno.
Figura 40. Serie de caudales para el periodo 1994 - 2005. En línea entera los valores
observados y en línea punteada los valores predichos por el modelo discreto.
Analizando los residuos en cada mes se observó que los mismos mejoraron
mucho en los meses correspondientes al deshielo desde noviembre hasta enero. Entre
los meses de febrero y marzo los residuos también mejoraron notablemente,
demostrando que la componente de la evapotranspiración también ayudó a mejorar la
predicción de los caudales. Sin embargo el modelo no mejoró el comportamiento de la
predicción en el mes de abril. Una explicación a este comportamiento puede ser que la
93
respuesta del caudal a la precipitación a una escala temporal mensual mostraba un
retraso de un mes. Es decir que si bien la precipitación aumenta en abril, no se observa
una respuesta hasta el mes de mayo, este proceso no pudo ser captado por el modelo.
Entre los meses de mayo y agosto el modelo mostró un comportamiento muy similar al
observado con los modelos de series temporales (Figura 41).
Figura 41. Residuos observados por mes. En gris los residuos de la serie de tiempo que incluye
como variables predictoras al caudal retardado 1 mes, la estacionalidad y el balance
hidrológico. En negro los residuos del modelo discreto.
Con el objetivo de evaluar los efectos del incendio forestal en los caudales de la
cuenca se parametrizó el modelo antes y después del incendio por separado. De esta
manera se buscó evaluar cómo se modificaron los parámetros antes y después de la
intervención. Para evitar efectos de la variabilidad climática en cada periodo, el
modelo se estimó para 3 periodos de 3 años cada uno antes, para 3 periodos que
incluían el año del incendio y 3 periodos de 3 años cada uno después del incendio. Si
94
bien el modelo contiene 9 parámetros el efecto del incendio se espera principalmente
en 3. Para evaluar como variaban estos 3 parámetros con el incendio, se fijaron los
otros 5 parámetros y se analizó como variaban los parámetros de interés.
El primer parámetro analizado correspondió a la componente del deshielo que
efectivamente se convierte en caudal. Este parámetro no mostró ninguna diferencia
entre los valores que asumió antes y después del incendio (Figura 42a). Esto indicaría
que la componente de deshielo no se ve modificada por el incendio. Como este
parámetro no mostró diferencias en ninguno de los periodos, se fijo su valor, al igual
que los otros 5 parámetros. Los dos parámetros que se analizaron posteriormente
correspondieron a la precipitación incidente en el suelo y a la porción de precipitación
que efectivamente se convierte en caudal. El primer parámetro no mostró diferencias
significativas antes y después del incendio (Figura 42b), sin embargo, el parámetro
correspondiente a la incidencia de la precipitación sobre el caudal mostró una
tendencia a aumentar después del evento del incendio (Figura 42c). Este aumento en
el parámetro indicaría que por cada unidad de precipitación, el caudal generado
después del incendio fue mayor. Esta tendencia observada se corresponde con lo
esperado según las hipótesis propuestas y coincide con lo observado en la serie
temporal del cociente caudal/precipitación.
95
Figura 42. Valores de los parámetros en 3 periodos de 3 años anteriores al incendio
(Preincendio), 3 periodos de 3 años que incluyeron el año del incendio (Con incendio) y 3
periodos de 3 años posteriores al año del incendio (Post incendio).
El modelo discreto utilizado tiene como variables de entrada a la precipitación y
evapotranspiración potencial mensual, y temperatura máxima promedio para todo el
periodo. La mayoría de las estaciones hidrometeorológicas de la región no cuenta con
datos de temperatura y evapotranspiración potencial, por este motivo se evaluó como
se comportaba este modelo al quitar estas variables. El comportamiento del modelo
obtenido sin incluir el parámetro correspondiente a la evapotranspiración fue bueno,
mejorando los residuos con respecto al modelo de series temporales. Sin embargo, los
residuos promedios para los meses de marzo y abril fueron mayores a los observados
96
con el modelo que incluía a la evapotranspiración. Esta respuesta observada confirma
que los residuos elevados observados en el modelo de series temporales para estos
meses son debidos a la elevada evapotranspiración y baja precipitación de los meses
del verano que provocan una disminución en el caudal.
Si bien la exclusión de la evapotranspiración potencial aumentó los residuos del
modelo en dos meses, el comportamiento general del modelo fue lo suficientemente
bueno como para poder aplicarlo en las cuencas que no cuentan con datos de
temperatura (Figura 43). La temperatura máxima media mensual en el modelo
determina el comienzo del periodo de deshielo. A una escala temporal mensual, como
la analizada con estos modelos, el comienzo de la época de deshielo es similar en toda
la región por lo que su valor puede ser reemplazado por una variable que simplemente
indique en qué momento comienza el deshielo.
Figura 43. Residuos observados por mes. En gris oscuro los residuos del modelo discreto
completo, incluyendo datos de temperatura y evapotranspiración potencial. En gris claro los
residuos del modelo discreto que no incluyeron los datos de temperatura y evapotranspiración
potencial.
Al igual que la limitante en los datos de temperatura, los datos de precipitación
también son limitantes en varias estaciones hidrometeorológicas. De la misma manera
97
que en los modelos de series temporales se probó utilizar los datos de precipitación de
estaciones cercanas y con condiciones de altitud, latitud y longitud similares. Para esto
se utilizaron los datos de caudal y temperatura de la estación hidrometeorológica de la
estación 1807 y los datos de precipitación de la estación 1806. El comportamiento
general del modelo fue bueno y los residuos presentaron valores muy similares al
modelo en la estación 1806 (Figura 44).
Figura 44. Residuos observados por mes. En gris oscuro los residuos del modelo discreto de la
estación 1807. En gris claro los residuos del modelo discreto completo para la estación 1806.
La diferencia en los residuos entre el modelo de series temporales y los residuos
del modelo discreto fueron aún mayores que en la estación 1806 que contó con datos
de precipitación (Figura 45). Es decir que aún en estaciones en las que no se cuenta
con datos de precipitación el modelo tuvo un buen comportamiento, superando al
ajuste de las series temporales. El análisis de los residuos promedios mensuales
discriminados por mes evidenció que en el caso de la estación que no contó con datos
de precipitación los residuos aumentaron en el mes de julio, donde se observaron los
picos máximos de caudal. Este aumento en los residuos de los meses de la estación
lluviosa del invierno también pudo observarse en el modelo de series temporales.
98
Figura 45. Residuos observados por mes. En gris oscuro los residuos de la serie temporal que
incluyó como variables predictoras al caudal retardado 1 mes, y la precipitación y el balance
hidrológico de la estación 1806. En gris claro los residuos del modelo discreto para la estación
1807.
Al igual que la cuenca 1806, la cuenca 1807 presentó un incendio en enero de
1999. Con el objetivo de evaluar el efecto del incendio se evaluó como variaba el
parámetro correspondiente a la generación de caudal efectivo a partir de la
precipitación en periodos de 3 años antes y después del incendio. A diferencia de lo
encontrado en la estación 1806 el parámetro no mostró diferencias en los valores que
asumió antes y después del incendio. Este resultado difiere de lo encontrado con el
análisis de intervención que se realizó en el modelo de serie temporal del cociente
caudal/precipitación que si mostró diferencias significativas entre el periodo previo y
posterior al incendio.
El comportamiento del modelo en la cuenca 2208 resultó similar al
comportamiento del modelo en las otras cuencas analizadas. Durante los meses de
noviembre y marzo el modelo disminuyó los residuos, mejorando la predicción de los
caudales al modelar el deshielo. Entre los meses de abril y mayo los residuos
aumentaron y tuvieron un comportamiento similar a los residuos de la serie temporal.
99
Esto se debe a que no se contó con datos de temperatura para esta estación y la
evapotranspiración no pudo ser incluida en el modelo. Como en las otras estaciones la
predicción en los meses del invierno no mejoró con respecto a la serie temporal y tuvo
un buen comportamiento pero subestimando los picos elevados (Figura 46).
Figura 46. Residuos observados por mes. En gris oscuro los residuos del modelo discreto. En
gris claro los residuos de la serie temporal que incluyó como variables predictoras al caudal
retardado 1 mes, la precipitación y la estacionalidad.
Cuando se aplicó el modelo en las cuencas 1813 y 1817 los resultados no fueron
tan buenos. En la estación 1813 los residuos del modelo no mejoraron en los meses de
deshielo y fueron muy altos y negativos entre los meses de enero y marzo. Por otro
lado los residuos también fueron muy altos pero positivos en los meses de la estación
lluviosa, entre junio y agosto. En la estación 1817, por otro lado, los residuos fueron
muy altos entre los meses de marzo y agosto, positivos en los meses mayo, julio y
agosto y negativo los meses de marzo, abril y junio. Este comportamiento es
totalmente distinto a lo observado en las otras series, tanto para el modelo como para
las series temporales. A diferencia de las otras cuencas, estas cuencas no presentaron
lagos. Si bien los lagos presentes en las otras cuencas no estuvieron modelados
explícitamente en el modelo, su efecto quedó incluido en los parámetros que afectan
100
la relación entre la precipitación y el caudal. La presencia de lagos en una cuenca
amortigua el efecto de la precipitación sobre el caudal y es por eso, probablemente,
que las series de las cuencas que no presentaron lagos tuvieron un comportamiento
distinto que el modelo no fue totalmente capaz de predecir. Este efecto de
amortiguación de los lagos también puede disminuir el efecto observado del incendio
en el cociente caudal/precipitación.
Este modelo necesita como variable de entrada a la precipitación, en las cuencas
donde no existían datos de precipitación y no se encontró una estación cercana con
condiciones de altitud, latitud y longitud semejantes el modelo no pudo ser aplicado.
Análisis comparativo general
Las diversas subcuencas correspondientes a las estaciones hidrometeorológicas
que forman parte de la cuenca Manso Puelo presentaron distintos tamaños, formas y
relieves, así como diferentes redes de drenajes, lo que implica distintas respuestas
hidrológicas a los cambios en la cobertura. Como primera diferencia se encuentra la
superficie que varía entre 130 y 750 km2. Además de las diferencias en superficie se
observan diferencias en altitud, latitud y longitud, lo que conlleva a diferencias en la
precipitación y las temperaturas, principalmente. La presencia de lagos en algunas
cuencas es otra característica importante. Los mismos moderan la respuesta de los
caudales frente a la precipitación, observándose diferencias entre las respuestas al
modelo discreto en cuencas con lagos y cuencas sin la presencia de los mismos. Otra
diferencia entre las cuencas analizadas es la proporción de la superficie de las mismas
cubiertas por bosque que varió entre 32% en dos de las cuencas hasta 80% en la
cuenca que mayor proporción de superficie de bosques presentó, siendo lo más
frecuente que alrededor del 50% de la superficie de la cuenca estuviera cubierta por
bosques. Las tres cuencas encontradas con incendios forestales presentaron
superficies entre 500 y 780 km2. El porcentaje de superficie afectado por incendios
varió entre el 8% y 15,5%.
101
Numerosos estudios demostraron que en zonas de montañas, la precipitación
atmosférica es la principal fuente en la formación de caudal. En la zona del Cáucaso,
por ejemplo, se observó una fuerte correlación entre la precipitación solida caída en el
periodo de invierno anterior y la precipitación líquida en el periodo de mayores
caudales (Verdiev 2009). En nuestro estudio, tanto el análisis de las series temporales
como el modelo discreto permitieron observar la estrecha relación entre el caudal y la
precipitación. La falta de ajuste en las series temporales, que no incluyeron una
componente que modele al deshielo, para predecir los picos de caudales en los meses
de noviembre a marzo, y el buen comportamiento observado en el modelo discreto
cuando se incorporó una componente que modela el deshielo, demostraron la
importancia de este proceso en estas zonas para la generación de caudal.
Más aún, diversos estudios encontraron que el deshielo es afectado por los
cambios en la cobertura de una cuenca. La distribución de la nieve en los bosques está
afectada por el volumen de madera y la densidad del canopeo mientras que el
deshielo en áreas abiertas está relacionado con la temperatura, la exposición y la
elevación (Chang 2006). El canopeo forestal modifica el microclima dentro del bosque.
Superficies cubiertas por bosques presentan menor temperatura del aire y punto de
rocío, menos radiación de onda corta, mayor humedad relativa y menor velocidad del
viento que áreas abiertas. Esto hace que la tasa de deshielo sea menor y la duración
del almacenaje de nieve mayor en los bosques. Un estudio en los bosques de Oregon,
Estados Unidos, comparó la acumulación de nieve y el deshielo entre un bosque
maduro de Pseudotsuga menziesii y Tsuga heterophylla y un claro adyacente. Los
resultados mostraron que en áreas abiertas los equivalentes de agua fueron entre dos
y tres veces mayores, la suma de las precipitaciones y el deshielo fue 21% mayor y el
total de energía disponible fue 40% mayor que en el bosque (Berris & Harr 1987,
Chang 2006). Sin embargo, nuestros resultados no concuerdan con estas
observaciones, ya que cuando se comparó el parámetro referido al deshielo en el
modelo discreto antes y después de un cambio en la superficie de la cuenca cubierta
por bosques debido a un incendio, el mismo no varió, sugiriendo que el deshielo no se
vio modificado por el disturbio. La baja proporción de área quemada en las cuencas
102
analizadas podría ser la razón por la que no se observaron diferencias en este
parámetro.
Con respecto al efecto de la cobertura forestal sobre la relación entre la
precipitación y el caudal numerosos estudios encontraron que al remover la cobertura
boscosa los caudales aumentaban (Cosandey et al. 2005, Iroumé et al. 2010). Los datos
utilizados en este trabajo presentaron tendencias coincidentes con los efectos
encontrados en otros estudios y planteados en la hipótesis 1. Estas tendencias se
pusieron de manifiesto en diferentes análisis. Cuando se observaron los datos de
caudal medio máximo promediados para los periodos anteriores y posteriores al
incendio, las tres cuencas presentaron mayores caudales para los periodos post
incendio en los meses de junio y julio correspondientes a los meses de mayores
precipitaciones y en los meses de septiembre y octubre, correspondientes al inicio del
deshielo. Durante los meses del verano y otoño, sin embargo, los caudales post
incendio fueron menores. Un análisis de la precipitación promedio para esos mismos
periodos demostró que las precipitaciones post incendio fueron menores tanto en
invierno como en verano y otoño. Este aumento de los caudales en el periodo post
incendio en un contexto de disminución de las precipitaciones coincide con el efecto
esperado por la reducción de la cobertura boscosa producida por los incendios. En el
mismo sentido se encontró un efecto de intervención significativo en las series
temporales del cociente caudal/precipitación en las dos cuencas analizadas. En este
caso el parámetro referido a la intervención en la serie sufrió un aumento indicando
que en el periodo posterior al incendio por cada unidad de precipitación hubo una
mayor generación de caudal. Este mismo resultado se observó cuando se analizó el
parámetro del modelo discreto referido a la transformación de precipitación en caudal.
Este parámetro aumentó en los periodos posteriores al incendio, indicando también
una mayor generación de caudal por cada unidad de precipitación. La falta de series
completas de precipitación para todas las cuencas no permitió replicar estos análisis
en las otras cuencas que presentaron incendios.
La predicción del caudal a partir de la precipitación estuvo afectada por
cambios estacionales en el funcionamiento del sistema. Esta variación estacional
103
podría estar relacionada tanto con la temperatura como con aspectos funcionales de la
vegetación que determinan un mayor consumo de agua en el verano. Además la
mayor demanda de agua ocurre en el momento de menor precipitación (verano), esto
determina niveles más bajos de almacenaje de agua en el suelo en verano con
respecto al invierno. Estas fuertes diferencias entre invierno y verano se reflejaron en
que las series temporales requirieron de una variable indicadora que representó la
estación seca y húmeda. Esta variable fue significativa aun cuando se incluyó el
balance hídrico que reflejaba la variación estacional de la precipitación y la
evapotranspiración potencial. La inclusión de estas dos variables tampoco llegó a
reflejar la variación estacional del comportamiento hidrológico de las cuencas
estudiadas ya que los residuos de las series fueron positivos en invierno y negativos en
verano en coincidencia con lo planteado en la hipótesis 2. Sin embargo, la detección
del efecto del incendio requirió la inclusión de la estacionalidad en una cuenca y en
otra no. En el modelo discreto, que tuvo un enfoque más funcional, la estacionalidad
de los residuos no resultó tan acentuada.
104
Conclusiones
El efecto de los cambios en la cobertura forestal debido a incendios sobre el caudal
mostró tendencias coincidentes con lo predicho por la hipótesis 1. Después del
incendio se registró un aumento en los caudales de invierno pese a que las
precipitaciones disminuyeron en todo el periodo. Asimismo, se observó un aumento
del cociente caudal/precipitación posterior al incendio. Estos efectos fueron débiles
probablemente debido al bajo porcentaje de área de las cuencas que fueron afectadas
por el incendio, siendo siempre menor al 20%.
Las series temporales permitieron un adecuado modelado de los caudales a partir de
las precipitaciones y un término autorregresivo. La inclusión de una variable que
refleje el comportamiento estacional del sistema hidrológico en las series temporales
mejoró su ajuste, en coincidencia con lo predicho en la hipótesis 2. Esto indica que las
variaciones del caudal no pueden explicarse sólo por la variación de las lluvias, sino
que influyen otras variaciones estacionales, como ser la evapotranspiración. Sin
embargo en las series que incluyeron el balance hídrico del suelo como variable
predictora, incorporando el efecto de las variaciones de la precipitación y la
evapotranspiración, también mejoraron su ajuste con la inclusión de la variable
indicadora de la estación y presentaron residuos con estacionalidad. En conclusión, el
comportamiento estacional del sistema presenta variaciones estacionales no captadas
por las variaciones de la precipitación y la evapotranspiración. Es probable que esa
falta de ajuste, en alguna de las cuencas, haya afectado la capacidad de detectar el
efecto del incendio sobre el funcionamiento sistema hidrológico.
Las series temporales del cociente caudal/precipitación permitieron un mejor
modelado del funcionamiento que las series de caudales y mostraron un
comportamiento coincidente con lo esperado como efecto del incendio. Sin embargo,
la inestabilidad de esta variable cuando las precipitaciones tienden a cero, afectó el
ajuste de estos modelos.
105
El modelo discreto tuvo un ajuste aun mejor que los modelos de series temporales,
dado que los residuos no presentaron una estacionalidad tan marcada. La inclusión de
una componente que modela el deshielo disminuyó la subestimación en los meses de
la primavera, así como la inclusión de una componente que modela la
evapotranspiración disminuyó la sobreestimación en los meses del verano. Estos
modelos solo usaron como variable de entrada a la precipitación y una estimación de
la evapotranspiración sin requerir datos de caudal precedente, como en el caso de las
series temporales. Sin embargo el efecto de los incendios a través de estos modelos
sólo pudo observarse en una cuenca, probablemente por la poca proporción de área
afectada por los mismos.
Los resultados encontrados permiten concluir que los modelos de series temporales
y los modelos discretos son útiles para este tipo de análisis. Es esperable que en
cuencas con incendios que ocupen una proporción de superficie mayor los efectos
serán significativos con ambas metodologías.
106
Bibliografía
AGEE J.K. 1993. Fire ecology of Pacific Northwest forests. Washington, D.C. USA. Island
Press. 493 p.
ANDRÉASSIAN V. 2004. Waters and forests: from historical controversy to scientific
debate. Journal of Hydrology 291: 1–27.
ANÓNIMO. 2003. Cuenca de los ríos Manso y Puelo. Cuenca Nº75. Subsecretaria de
recursos hídricos de la Nación. Argentina. 5 p.
APCARIAN A., IRISARRI J. 1993. Caracterización mineralógica de suelos desarrollados
sobre cenizas volcánicas en las provincias de Neuquén y Río Negro. Actas II Jornadas de
Vulcanología, Medio ambiente y Defensa Civil. Zapala, Neuquén, Argentina. 23 pp.
AUER V. 1950. Las capas volcánicas como base de la cronología postglacial de
Fuegopatagonia. Revista Investigacion Agrícola 3: 49–208
BELLOT J., BONET A., SANCHEZ J. 2001. Likely effects of land use changes on the runoff
and aquifer recharge in a semiarid landscape using a hydrological model. Landscape
and Urban Planning 55: 41–53.
BERRIS S.N., HARR R.D. 1987. Comparative snow accumulation and melt during rainfall
in forested and clear cut plots in the western Cascades of Oregon. Water Resources
Research 23: 135–142
BOSCH J., HEWLETT J. 1982. A review of catchment experiments to determine the
effect of vegetation changes on water yield and evapotranspiration. Journal of
Hydrology 55: 3–23.
BOX G., JENKINS G., REINSEL G. 1994. Time series analysis. Forecasting and Control.
Princeton Univ Pr. USA. 3rd Edition. ISBN 0-13-060774-6. 598 pp.
BRUIJNZEEL L.A. 1990. Hydrology of most tropical forests and effects of conversion: a
state of knowledge review. UNESCO. Amsterdam, The Netherlands. 226 pp
CABRERA A.L. 1971. Fitogeografía de la República Argentina. Boletín de la Sociedad
Argentina de Botánica 14: 1–42.
CALDER I.R. 1998. Water-resource and land-use issues, vol. 3. International Water
Management Institute, Colombo.
CHANG M. 2006. Forest hydrology: an introduction to water and forests. Columbia
University Press. New York. CRC Press. 349 pp
107
CHUVIECO E. 2008. Earth observation of global change. The role of satellite remote
sensing in monitoring the global environment. Springer. ISBN 978-1-4020-6357-2. 223
pp.
CHUVIECO E., CONGALTON R.G. 1988. Mapping and inventory of forest fires from
digital processing of TM data. Geocarto International 4: 41–53.
CLARK L.K. 2000. Pictures of a conflagration: remote sensing and GIS techniques for
mapping and analyzing prescribed fire in the Madrean Archipelago. M.S. Thesis: Dept
of Geography and Regional Development. Univ. of Arizona, Tuscon, Arizona, USA.
COLMET DÂAGE F., MAZZARINO M.J., LANCIOTTI A.A. 1993. Características de los
suelos volcánicos en el S.O. del Chubut. Comunicación Técnica Nº 22. Recursos
Naturales-Suelos. INTA. EEA Bariloche. 10 p.
COSANDEY C., ANDRÉASSIAN V., MARTIN C., DIDON-LESCOT J.F., LAVABRE J., FOLTON
N., MATHYS N., DIDIER R. 2005. The hydrological impact of the mediterranean forest: a
review of French research. Journal of Hydrology 301: 235–249.
DALMEIDA C., VOROSMARTY C., MARENGO J., HURTT G., DINGMAN S., KEIM B. 2006. A
water balance model to study the hydrological response to different scenarios of
deforestation in Amazonia. Journal of hydrology 331: 125–136.
DAVIE T. 2008. Fundamentals of hydrology. Routledge Fundamentals of Physical
Geography Series. 2 Edicion. Ed. Taylor & Francis Group. Londres, Inglaterra. ISBN 0203-93366-4. 200 pp
DEL VALLE F.H. 1998. Patagonian soils: a regional synthesis. Ecología Austral 8:103–
123.
EPTING J., VERBYLA D., SORBEL B. 2005. Evaluation of remotely sensed indices for
assessing burn severity in interior Alaska using Landsat TM and ETM+. Remote Sensing
of Environment, 96: 328–339.
ETCHEVEHERE P.H. 1972. Los suelos de la Región Andino Patagónica. En Dimitri MJ Ed.
La Región de los Bosques Andino- Patagónicos, Sinopsis General. Colección Científica
del INTA. Buenos Aires, Argentina. 83-95 p.
FRITSCH J.M. 1992. Les effets du défrichement de la forêt amazonienne et de la mise
en culture sur l’hydrologie de petits bassins versants. Collection Etudes et Thèses,
ORSTOM, Paris. 391p.
FU B., ZHAO W., CHEN L., LIU Z., LÜ Y. 2005. Eco-hydrological effects of landscape
pattern change. Landscape and Ecological Engineering 1: 25–32.
GOBBI M., SANCHOLUZ L. 1992. Regeneración post-incendio del ciprés de la cordillera
(Austrocedrus chilensis) en los primeros años. Bosque 13: 25–32.
108
GREEN R.H. 1979. Sampling design and statistical methods for environmental
biologists. Wiley Interscience. Chichester, England.
HALLER M. 2001. Descripción Geológica de la Hoja 4372- IV Trevelin, Chubut. Servicio
Geológico Minero Nº 322. Buenos Aires, Argentina.
HARPER G.J., STEININGER M.K., TUCKER C.J., JUHN D., HAWKINS F. 2007. Fifty years of
deforestation and forest fragmentation in Madagascar. Environmental Conservation
34: 325–333.
HORNBECK J.W., MARTIN C.W., EAGAR C. 1997. Summary of water yield experiments
at Hubbard Brook Experimental Forest, New Hampshire. Canadian Journal of Forest
Research 27: 2043–2052.
IROUMÉ A., HUBER A. 2000. Intercepción de las lluvias por la cubierta de bosques y
efecto en los caudales de crecida en una cuenca experimental en Malalcahuello, IX
Región, Chile. Bosque 21: 45–56.
IROUMÉ A., PALACIOS H., BATHURST J., HUBER A. 2010. Escorrentías y caudales
máximos luego de la cosecha a tala rasa y del establecimiento de una nueva plantación
en una cuenca experimental del sur de Chile. Bosque 31: 117–128.
JOBBÁGY E.G., PARUELO J.M., LEON R.J.C. 1995. Estimación del régimen de
precipitación a partir de la distancia a la cordillera en el noroeste de la Patagonia.
Ecología Austral 5: 47–53.
JOBBÁGY E.G., NOSETTO M.D., SANTONI C.S., BALDI G. 2008. El desafío ecohidrológico
de las transiciones entre sistemas leñosos y herbáceos en la llanura Chaco-Pampeana.
Ecología Austral 18: 305–322.
JONES J.A. 2000. Hydrologic processes and peak discharge response to forest removal,
regrowth, and roads in 10 small experimental basins, Western Cascades, Oregon.
Water Resources Research 36: 2621–2642.
KITZBERGER T. 1994. Fire regime variation along a northern Patagonian forest-steppeecotone: stand a landscape response. Tesis de Doctorado. Department of Geography,
University of Colorado, Boulder, Colorado, USA. 203 p
KITZBERGER T., VEBLEN T.T. 1999. Fire-induced changes in northern Patagonian
landscapes. Landscape Ecology 14: 1–15.
KITZBERGER T., VEBLEN T.T., VILLALBA R. 1997. Climatic influences on fire regimes
along a rain forest-to-xeric woodland gradient in northern Patagonia, Argentina.
Journal of Biogeography 24: 35–47.
109
KOKKONEN T., KOIVUSALO H., LAURÉN A., PENTTINEN S., STARR M., KELLOMÄKI S.,
FINÉR L. 2006. Implications of processing spatial data from a forested catchment for a
hillslope hydrological model. Ecological Modelling 199: 393–408.
KOUTSIAS N., KARTERIS M. 1998. Logistic regression modelling of multitemporal
Thematic Mapper data for burned area mapping. International Journal of Remote
Sensing 19: 3499–3514.
KUCHMENT L.S., GELFAN A.N. 1996. The determination of the snowmelt rate and the
meltwater outflow from a snowpack for modelling river runoff generation. Journal of
Hydrology 179: 23– 36.
KUSHLA J.D., RIPPLE W.J. 1998. Assessing wildfire effects with Landsat Thematic
Mapper data. International Journal of Remote Sensing 19: 2493–2507.
LA MANNA L. 2005. Caracterización de los suelos bajo bosque de Austrocedrus
chilensis a través de un gradiente climático y topográfico en Chubut, Argentina.
Bosque 26: 137–153.
LOPEZ C.R. 1996. La carta de suelos en apoyo a la evaluación del potencial forestal de
las tierras de la región andina-patagónica norte. En: MOSCATELLI G., PANIGATTI J., Di
GIACOMO R. Utilización de la cartografía para el uso sustentable de las tierras. Buenos
Aires, Argentina. Instituto Nacional de Tecnología Agropecuaria.
LOPEZ-GARCIA M.J., CASELLES V. 1991. Mapping burns and natural reforestation using
Thematic Mapper data. Geocarto International 6: 31–37.
MARTÍN M.P., CHUVIECO E. 1998. Cartografía de grandes incendios forestales en la
Península Ibérica a partir deimágenes NOAA-AVHRR. Serie Geográfica 7: 109–128.
MARTIN D.A., MOODY J.A. 2001. Comparison of soil infiltration rates in burned and
unburned mountainous watersheds. Hydrological Processes 15: 2893–2903.
MCDOWALL D., MCCLEARY R., MEIDINGER E., HAY R.A. 1980. Interrupted Time Series
Analysis. Sage University Paper series on Quantitative applications in the Social
Sciences, 07-21. Beverly Hills and London: Sage Pubns.
MERMOZ M., KITZBERGER T., VEBLEN T.T. 2005. Landscape Influences on Occurrence
and Spread of Wildfires in Patagonian Forests and Shrublands. Ecology 86: 2705–2715.
MOODY J.A., MARTIN D.A. 2001. Post-fire, rainfall intensity-peak discharge relations
for three mountainous watersheds in the western USA. Hydrological Processes 15:
2981–2993.
PARUELO J.M., BELTRAN A., JOBBAGY E., SALA O.E., GOLLUSCIO R.A. 1998. The climate
of Patagonia: general patterns and controls on biotic processes. Ecología Austral 8: 85–
101.
110
PEDRAZA GILSANZ J. 1996. Geomorfología: principios, métodos y aplicaciones. Ed.
Rueda, Madrid, España. 414p.
POST D. 1996. Modelling land-cover-induced variations in hydrologic response:
Picaninny Creek, Victoria. Ecological Modelling 86: 177–182.
PREMOLI A. 2004. Variación en Nothofagus pumilio (Poepp. et Endl.) Krasser (Lenga).
En C Donoso; A Premoli; L Gallo & R Ipinza. Variación Intraespecífica en las especies
arbóreas de los bosques templados de Chile y Argentina. Editorial Universitaria. 420
pp.
QIAN W.C. 1983. Effects of deforestation on flood characteristics with particular
reference to Hainan Island, China. International Association of Hydrological Sciences
Publication 140: 249–258 .
RABASSA J., CORONATO A., SALEMME M. 2005. Chronology of the Late Cenozoic
Patagonian Glaciations and their correlation with biostratigraphic units of the
Pampean Region (Argentina). Journal of South American Earth Sciences 20: 81–103.
RASMUSSEN P.W., HEISEY D.M., NORDHEIM E.V., FROST T.M. 2001. Time Series
Intervention Analysis: Unreplicated Large-scale Experiments. En: Design and Analysis of
Ecological Experiments. Ed: Scheiner S.M., Gurevitch J. Oxford, Oxford University Press:
158-177. ISBN: 9780195131871
ROBICHAUD P.R., LEWIS S.A., LAES D.Y.M., HUDAK A.T., KOKALY R.F., ZAMUDIO J.A.
2007. Postfire soil burn severity mapping with hyperspectral image unmixing. Remote
Sensing of Environment 108: 467–480.
RODRÍGUEZ MORILLA C. 2000. Análisis de series temporales. Ed. La Muralla. Madrid,
España. 167 p.
SCOTT D.F., LESCH W. 1997. Streamflow responses to afforestation with Eucalyptus
grandis and Pinus patula and to felling in the Mokobulaan experimental catchments,
South Africa. Journal of Hydrology 199: 360–377.
SEMADENI-DAVIES A. 1997. Monthly snowmelt modelling for large-scale climate
change studies using the degree day approach. Ecological Modelling 101: 303–323.
SHAW E.M. 1994. Hydrology in practice. 3 Edicion. Ed. Taylor & Francis Group. Londres,
Inglaterra. ISBN 0-203-01325-5. 613 pp
THORNTHWAITE C.W. 1948. An approach toward a rational classification of climate.
Geographical Review 38: 55–94.
URRETAVIZCAYA M.F. 2010. Propiedades del suelo en bosques quemados de
Austrocedrus chilensis en Patagonia , Argentina. Bosque 31: 140–149.
111
VAN WAGTENDONK J.W., ROOT R.R., KEY C.H. 2004. Comparison of AVIRIS and Landsat
ETM+ detection capabilities for burn severity. Remote Sensing of Environment 92:
397–408.
VARELA S.A., GOBBI M.E., LAOS F. 2006. Banco de semillas de un bosque quemado de
Nothofagus pumilio: efecto de la aplicación de compost de biosólidos. Ecología Austral
16: 63–78.
VEBLEN T.T. 1992. Regeneration dynamics. En D.C. Glenn-Lewin, R.K. peet y T.T. Veblen
(Eds.) Plant Succession: Theory and Prediction. Chapman and Hall, London. 152-187 p.
VEBLEN T.T., LORENZ D.C. 1987. Post-fire stand development of AustrocedrusNothofagus forests in Patagonia. Vegetatio 73: 113–126.
VEBLEN T.T., KITZBERGER T., VILLALBA R. 2004. Nuevos paradigmas en ecologia y su
influencia sobre el conocimiento de la dinámica de los bosques del sur de Argentina y
Chile. En Arturi M.F., Frangi J. L, Goya J. F. (Eds.), Ecologia y Manejo de Bosques de
Argentina. (pp. 1–48). La Plata, Argentina. Editorial de la Universidad Nacional de La
Plata.
VEBLEN T.T., KITZBERGER T., VILLALBA R., DONNEGAN J. 1999. Fire history in northern
Patagonia: the roles of humans and climatic variation. Ecological Monographs 69: 47–
67.
VEBLEN T.T., KITZBERGER T., BURNS B.R., REBERTUS A.J. 1996. Perturbaciones y
dinámica de regeneración en bosques andinos del sur de Chile y Argentina. En Armesto
JJ, C Villagrán, MK Arroyo eds. Ecología de los bosques nativos de Chile. Santiago, Chile.
Editorial Universitaria. 169-198 p.
VEBLEN T.T., KITZBERGER T., RAFFAELE E., LORENZ D.C. 2003. Fire history and
vegetation changes in northern Patagonia, Argentina. En: Veblen, T.T., Baker, W.,
Montenegro, G. & Swetnam, T.W (eds.) Fire and climatic changes in temper- ate
ecosystems of the western Americas. Springer, New York, NY, USA.
VERDIEV R. 2009. Computation and prediction of the flood runoff of the Eastern
Caucasus rivers. Russian Meteorology and Hydrology 34: 46–50.
VERTESSY R. 1999. The impact of forestry on streamflows: a review. En Croke J, P Lane
ed. Forest Management for the protection of water quality and quantity. Cooperative
Research Centre for Hydrology, report 99/6. 93–109 p.
WILK J., ANDERSSON L., PLERMKAMON V. 2001. Hydrological impacts of forest conversion to
agriculture in a large river basin in northeast Thailand. Hydrological Processes 15: 2729–2748.
112