TESIS DOCTORAL

MANEJO Y CONSERVACIÓN DEL SUELO Y AGUA EN

LOS ANDES DEL SUR DE ECUADOR

AUTOR:

PABLO ALEJANDRO OCHOA CUEVA

Directores:

Artemi Cerdà
(Universitat de València, Departament de Geografía)

José Damián Ruiz Sinoga

(Universidad de Málaga, Departamento de Geografía)

2015
AUTOR: Pablo Alejandro Ochoa Cueva
http://orcid.org/0000-0003-2230-1026

EDITA: Publicaciones y Divulgación Científica. Universidad de Málaga

Esta obra está bajo una licencia de Creative Commons Reconocimiento-NoComercial-

SinObraDerivada 4.0 Internacional:
Cualquier parte de esta obra se puede reproducir sin autorización
pero con el reconocimiento y atribución de los autores.
No se puede hacer uso comercial de la obra y no se puede alterar, transformar o hacer
obras derivadas.
http://creativecommons.org/licenses/by-nc-nd/4.0/legalcode

Esta Tesis Doctoral está depositada en el Repositorio Institucional de la Universidad de

Málaga (RIUMA): riuma.uma.es
 A mi esposa Cristina,
A mis hijos, mis padres y hermanos,
Motivos de vida y de superación personal.

i
ii
AGRADECIMIENTOS

Hace unos años atrás inicie este recorrido de experiencias en mis estudios del doctorado,

que se han convertido en un continuo aprender, como dice la actual metodología de

educación, “la persona debe prepararse para aprender toda la vida”.

Quiero agradecer a todas las personas que me han transmitido generosamente su

experiencia, debo iniciar agradeciendo a mi Universidad y sus directivos quienes

creyeron en mi para asumir este reto, y muy especialmente al Dr. Luís Miguel Romero

(ex–Rector) de la Universidad Técnica Particular de Loja, quien nos motivaba

continuamente con su mensaje y testimonio de vida a ser cada día mejores personas.

Así mismo mencionar a Pilar Montesinos y Juan Antonio Rodríguez quienes me

dieron las pautas iniciales en la Universidad de Córdoba – España, en la que obtuve el

Diploma de Estudios Avanzados.

Agradezco a José Damián Ruíz Sinoga quien me abrió las puertas del

Departamento de Geografía y de la Universidad de Málaga para culminar este proceso

doctoral, de igual forma al profesor Artemio Cerdà de la Universidad de Valencia,

ambos confiaron en mí, y en el plan de investigación a desarrollar desde un país lejano

como Ecuador.

También un especial agradecimiento a Andreas Fríes, que fue el tutor local de la

investigación y a Jan Boll, ambos le dieron el plus requerido para que este trabajo pueda

ser de interés para la comunidad científica internacional.

Esta tesis fue parcialmente financiada por proyectos de investigación

INTRANET_UTPL, AECID – PCI_Iberoamérica (A/024199/09 y A/030571/10), y por

la Secretaría Nacional de Educación Superior, Ciencia, Tecnología e Innovación

(SENESCYT, beca doctoral 2008-2).

iii
 Finalmente agradecer a mis colegas del Laboratorio de Suelos Agrícolas Juan

Ignacio, Leticia, Daniel y Diego; por su apoyo diario, paciencia y ejemplo. Y a las

personas e instituciones que fueron mencionadas en la sección de agradecimientos de

los artículos científicos que forman parte de esta tesis. Sin duda existen muchas más que

no han sido nombradas sin embargo han aportado con sus sugerencias, motivación y

apoyo en campo o en gabinete, para que se haya podido dar este paso muy importante

para mi vida personal y profesional.

A todos mis sinceros agradecimientos,

PablO.

iv
 ÍNDICE

ÍNDICE DE CONTENIDOS

RESUMEN ....................................................................................................................... 1

SUMMARY ..................................................................................................................... 3

CAPÍTULO I: ................................................................................................................... 7

1.1. Introducción general .............................................................................................. 7

1.2. Objetivos.............................................................................................................. 13

1.3. Bibliografía .......................................................................................................... 14

CAPÍTULO II: ................................................................................................................ 21

2.1. Descripción general del área de estudio .............................................................. 21

2.1.1. Escala local ................................................................................................... 25

2.1.2. Escala regional ............................................................................................. 32

2.2. Materiales y métodos ........................................................................................... 38

2.2.1. Estado de la cuestión ..................................................................................... 38

2.2.2. Generación de información de línea base para implementar el modelo ....... 55

2.3. Bibliografía .......................................................................................................... 67

CAPÍTULO III: .............................................................................................................. 79

3. El papel de la cobertura vegetal en la generación de sedimentos y calidad de agua

de los Andes Ecuatorianos. ......................................................................................... 79

Resumen...................................................................................................................... 79

3.1. Introducción ......................................................................................................... 80

3.2. Materiales y métodos .......................................................................................... 81

3.2.1. Área de estudio .............................................................................................. 81

3.2.2. Indicadores del Suelo .................................................................................... 81

v
ÍNDICE

3.2.3. Indicadores del agua. .................................................................................... 83

3.3. Resultados y discusión ........................................................................................ 84

3.3.1. Susceptibilidad a la erosión .......................................................................... 84

3.3.2. Calidad del agua ........................................................................................... 85

3.3.3. Manejo de las cuencas .................................................................................. 88

3.4. Conclusiones ........................................................................................................ 90

3.5. Agradecimientos .................................................................................................. 90

3.6. Referencias ........................................................................................................... 90

CAPÍTULO IV: .............................................................................................................. 95

4. Spatial estimation of soil erosion risk by land-cover change in the Andes of

Southern Ecuador ........................................................................................................ 95

Abstract ....................................................................................................................... 95

4.1. Introduction ......................................................................................................... 96

4.2. Materials and methods ......................................................................................... 97

4.2.1. Study area ...................................................................................................... 97

4.2.2. RUSLE Model ................................................................................................ 99

4.2.3. Rainfall – Runoff R-Factor ............................................................................ 99

4.2.4. Soil Descriptions: Field and Laboratory Analyses ..................................... 102

4.2.5. K – Factor ................................................................................................... 103

4.2.6. L and S Factors ........................................................................................... 103

4.2.7. Land-Cover and C-Factor maps of 1976, 2008 and 2040 .......................... 104

4.2.8. P – Factor.................................................................................................... 106

4.3. Results and Discussion ...................................................................................... 107

vi
 ÍNDICE

4.3.1. Erosivity Map Layer – MFI ......................................................................... 107

4.3.2. Soil Erodibility and Slope Steepness Maps ................................................. 108

4.3.3. Land-Cover Map Layer ............................................................................... 109

4.3.4. Average Annual Soil Loss in Past, Present and Possible Future Scenarios.

............................................................................................................................... 111

4.3.5. Methodological limitations ......................................................................... 114

4.4. Conclusions ........................................................................................................ 114

4.5. Acknowledgements ............................................................................................ 115

4.6. References .......................................................................................................... 115

CAPÍTULO V: ............................................................................................................. 123

5. Effects of climate, land cover and topography on soil erosion risk of a semiarid

basin of the Andes. .................................................................................................... 123

Abstract ..................................................................................................................... 123

5.1. Introduction ....................................................................................................... 124

5.2. Study area .......................................................................................................... 126

5.3. Materials and methods ....................................................................................... 129

5.3.1. Rainfall erosivity ......................................................................................... 130

5.3.2. Soil erodibility ............................................................................................. 133

5.3.3. Topographic factor...................................................................................... 135

5.3.4. Land cover factor ........................................................................................ 135

5.4. Results ................................................................................................................ 137

5.4.1. Relations found between altitude, topography and climatic conditions ..... 137

5.4.2. Soil erosion risk processes .......................................................................... 140

vii
ÍNDICE

5.5. Discussion .......................................................................................................... 144

5.6. Conclusions ........................................................................................................ 149

5.7. Acknowledgments ............................................................................................. 151

5.8. References .......................................................................................................... 151

CAPÍTULO VI: DISCUSIÓN Y CONCLUSIONES GENERALES .......................... 161

6.1. Discusión general .............................................................................................. 161

6.2. Conclusiones generales...................................................................................... 171

6.3. Bibliografía ........................................................................................................ 173

CAPÍTULO VII: ANEXOS ......................................................................................... 187

7.1. Hoja de campo (a), con su descripción (b) y fotografías del muestreo (c). ....... 188

7.2. Análisis estadísticos........................................................................................... 191

7.3. Coordinador de fase de campo del muestreo de suelos. .................................... 207

7.4. Protocolos de laboratorio de MOS y textura. .................................................... 208

7.5. Informe del laboratorio de suelos agrícolas del proyecto PCI_Iberoamérica –

AECID. ..................................................................................................................... 215

7.6. Proyecciones futuras en relación al manejo y conservación del suelo en el sur de

Ecuador. .................................................................................................................... 218

7.7. Información climática utilizada. ........................................................................ 220

viii
 ÍNDICE

ÍNDICE DE FIGURAS
Capitulo I. Introducción general……………………………………………….……….

Figura 1.1. Depresión de los Andes en el Sur de Ecuador. ............................................. 8

Figura 1.2. Vulnerabilidad a la erosión hídrica en los Andes y Ecuador ........................ 9

Capitulo II. Materiales y métodos…..………………………………………….……….

Figura 2.1. Climo-secuencia Andina - área de estudio de la tesis ................................. 21

Figura 2.2. Análisis a escala local, de 7 cuencas abastecedoras de agua para la ciudad

de Loja. ........................................................................................................................... 26

Figura 2.3. Esquema geológico de la cuenca de Loja. .................................................. 27

Figura 2.4. (a) Mapa de la Cuenca Catamayo a escala regional, (b) Cuencas

hidrográficas del Ecuador, (c) Cuencas tributarias de la Catamayo – Chira.. ................ 32

Figura 2.5. Triángulo textural según la clasificación textural USDA ........................... 41

Figura 2.6. Movimiento del agua a través de texturas a) granular, b) bloques

subangulares, c) prismática, d) laminar .......................................................................... 46

Figura 2.7. Modelo conceptual de erosión de suelo en laderas ..................................... 49

Figura 2.8. Representación esquemática de la erosión y depósito sobre superficies

inclinadas ........................................................................................................................ 51

Figura 2.9. Mapa y esquema de muestreo del área local de estudio. ............................ 58

Capitulo III. El papel de la cobertura vegetal en la generación de sedimentos y

calidad de agua de los Andes Ecuatorianos…………………………………………..

Figura 3.1. (a) Susceptibilidad a la erosión del suelo (b) deforestación de las cuencas de

estudio; Loja - Ecuador................................................................................................... 82

Figura 3.2. Densidad aparente del suelo en función del porcentaje de cobertura vegetal

ix
ÍNDICE

natural de las cuencas. .................................................................................................... 84

Figura 3.3. Indicador biológico de calidad de agua en función de la cobertura vegetal

natural (a) y la densidad aparente del suelo (b). ............................................................. 86

Figura 3.4. Condición hidrológica de las cuencas de estudio en relación a cómo la

cubierta vegetal protege el suelo. ................................................................................... 87

Figura 3.5. Relación del MOS (%) con la altitud (m s.n.m.), en función de la cobertura

vegetal............................................................................................................................. 88

Capitulo IV. Spatial estimation of soil erosion risk by land-cover change in the

Andes of Southern Ecuador ……………………………………………………………

Figure 4.1. Location of the Zamora Huayco watershed, Southern Ecuador.................. 98

Figure 4.2. (a) Average monthly precipitation between 2000 and 2009; (b) linear

regression, correlation between rainfall amount (mm yr -1) and altitude (m). ............ 100

Figure 4.3. Distribution of observed percent SOM in the study area. ......................... 104

Figure 4.4. (a) Spatial distribution of MFI; (b) spatial distribution of annual R-factor.

...................................................................................................................................... 107

Figure 4.5. (a) Spatial distribution map of K-factor; (b) spatial distribution map of LS-

factors. .......................................................................................................................... 108

Figure 4.6. Spatial distributions of land-cover maps of (a) 1976, (b) 2008 and (c) 2040.

...................................................................................................................................... 110

Figure 4.7. Spatial distribution map of average annual soil loss for 1976, 2008 and 2040

in relationship with C-factor. ........................................................................................ 113

x
 ÍNDICE

Capitulo V. Effects of climate, land cover and topography on soil erosion risk of a

semiarid basin of the Andes .……………………………………………………………

Figure 5.1. Location of the Catamayo basin (a) natural breaks (elevation ranges), (b)

altitudinal gradient of the southern highlands of Ecuador. ........................................... 127

Figure 5.2. Land cover map of the Catamayo basin. .................................................... 136

Figure 5.3. Monthly trend of soil erosion risk according to seasonal changes of the C-

factor. ........................................................................................................................... 137

Figure 5.4. Annual air temperature in the study area. ................................................. 138

Figure 5.5. Annual correlations between (a) air temperature and altitude, (b) rainfall

and altitude. .................................................................................................................. 139

Figure 5.6. (Left column) Spatial distribution of rainfall in mm a, c, e. (Right column)

Ei30, for (b) March, (d) August, and erosivity (f) annual map (MJ mm ha-1 h-1 y-1). ... 141

Figure 5.7. Soil erosion susceptibility map (K-factor + topographic factor); with

decision rule.................................................................................................................. 142

Figure 5.8. Soil erosion sensitivity maps (Susceptibility map + C–factor maps) for; (a)

March, (b) August, and (c) average annual. ................................................................. 144

Figure 5.9. Soil erosion risk maps (susceptibility map + sensitivity maps + erosivity

maps) for; (a) March, (b) August, and (c) average annual. .......................................... 146

xi
ÍNDICE

INDICE DE TABLAS

Tabla 1.1. Índices de presión de uso de la tierra, en relación con el manejo del suelo y

agua en Sudamérica.. ...................................................................................................... 11

Tabla 2. 1. Área de cuencas tributarias del sistema hidrográfico Catamayo-Chira

(Figura 2.4.c). ................................................................................................................. 33

Tabla 2.2. Materiales finos y gruesos de acuerdo a diferentes sistemas de clasificación

(Fuente: basado en Cobertera, 1993). ............................................................................. 39

Tabla 2.3. Clases de permeabilidad (USDA, 2000)....................................................... 47

Tabla 2.4. Clasificación de cuencas en relación con la superficie (INEFAN, 1995). ... 56

Tabla 3.1. Regla de decisión de la susceptibilidad a la erosión del suelo, los resultados

se describen en la figura 3.1. .......................................................................................... 83

Table 4.1. General conditions of weather stations near the study area (based on 10-year

average). ....................................................................................................................... 101

Table 4.2. Maximum and minimum soil parameters (0–20 cm) of 38 points to calculate

the K-factor. .................................................................................................................. 102

Table 4.3. C-Factor values and relative proportion of the land-cover class for 1976,

2008 and 2040. ............................................................................................................. 106

Table 5.1. General conditions of weather stations near the study area (based on 23-years

average). ....................................................................................................................... 130

Table 5.2. Averages monthly and annual of values of the C-factor according to the land

cover types. ................................................................................................................... 150

xii
 RESUMEN

RESUMEN

El manejo y la conservación de los recursos suelo y agua han sido y son motivo

de gran preocupación para la sostenibilidad del Planeta en cuanto a la soberanía

alimentaria y el desarrollo de la vida en general, esto se remarca en los países en vías de

desarrollo que presentan fuertes contrastes, como lo es el Ecuador. Las limitaciones en

la recolección de los datos climatológicos, de suelo, cobertura vegetal, entre otros; así

como la aplicación de metodologías que se adapten a las realidades locales en cuanto a

la medición de parámetros de calidad de agua y suelo, y la estimación de la erosión,

motivaron el desarrollo de esta investigación; que inicialmente genera y analiza datos

originales, estima con los modelos tradicionales el riesgo de pérdida de suelo, y propone

un nuevo modelo para implementarlo en la región. Esto facilitaría la oferta de políticas

o estrategias de manejo y conservación de los recursos naturales a diferentes escalas.

En el Capítulo I, se hace una introducción general al tema de la tesis en relación

al área de estudio, con una revisión del estado de la cuestión con algunos datos de

investigaciones previas para la región. Se plantea el estado actual y en relación a este se

describe el fin y los objetivos de la investigación.

El Capítulo II, describe a detalle el área general de estudio y las zonas

específicas, que por motivos de formato y limitaciones de espacio no pudieron ser

incluidos en los artículos de los capítulos siguientes. También se describen los

materiales y métodos que fueron requeridos para la generación de información de

campo y laboratorio, durante el proceso de investigación y desarrollo de la tesis.

En el Capítulo III, se describen las primeras relaciones de la cobertura vegetal

con algunos parámetros de suelo y agua. Este capítulo describe un acercamiento al tema

1
RESUMEN

de investigación tanto de campo como de laboratorio a escala local (7 cuencas). El

muestreo del suelo fue sistemático y el del agua uno en la estación seca y otro en la

lluviosa. En este apartado se analiza únicamente la erodabilidad y topografía del suelo.

El Capítulo IV, estima el riesgo de erosión del suelo causado por el cambio de la

cubierta vegetal en un ecosistema de bosque de neblina montano, este análisis es a

escala local. Fue modelada para esta zona la Ecuación Universal de Perdida de Suelo

Revisada (RUSLE), para entender cómo se desarrolla el proceso erosivo y estimar los

posibles escenarios futuros si es que la dinámica del cambio de uso de suelo continuara

al ritmo actual.

En el Capítulo V, se desarrolla el modelo a escala regional, en una cuenca

semiárida con un fuerte gradiente altitudinal y pluviométrico. La cuenca representa un

corte transversal del sistema montañoso de los Andes del sur de Ecuador. Aquí se

observan grandes diferencias climáticas en distancias relativamente cortas,

principalmente con la precipitación, estas diferencias son producto de una topografía

accidentada. En este capítulo se propone una metodología con buenas posibilidades de

ser utilizada para estimar el riesgo de la erosión del suelo, en regiones con datos

escasos.

Finalmente, el Capítulo VI contiene la discusión general de la tesis, incluyendo

las conclusiones más relevantes. Fue posible analizar la espacio-temporalidad de los

procesos erosivos para dos ecosistemas de un gradiente altitudinal y pluviométrico de

los Andes. Por lo tanto, consideramos este trabajo útil para emprender investigaciones a

mayor detalle y a diferentes escalas de los procesos erosivos del suelo, y así ir

entendiendo y midiendo la relación e influencia de los diferentes factores que

intervienen en dichos procesos, para proponer alternativas fundamentadas en bien del

manejo y conservación del recurso suelo.

2
 RESUMEN

SUMMARY

The management and conservation of soil and water resources have been and are

of great concern for the sustainability of the planet in terms of food sovereignty and for

the development of life in general; this is more evident in developing countries where

strong contrasts are present, which is the case of Ecuador. Limitations in collecting

weather, soil, and vegetation cover data, among others; applying methodologies to suit

local realities in terms of measuring the water and soil quality parameters; and the

estimation of erosion were the motivating factors to carry out this research, which

initially generates and analyzes raw data and estimates - with traditional models - soil

loss and proposes a new model to be implemented in the region. This will allow to have

proposals of management or conservation policies and strategies for natural resources at

different scales.

In Chapter I, a general introduction of the thesis topic is done, which is related to

the study area and includes a review of the state of the art; it also has data from previous

research done in the region. Furthermore, the current status is aimed and based on it, the

purpose and objectives of the research are described.

Chapter II describes in detail the general study area and the specific zones,

which - because of format and space limitations - were not included in the articles of the

next chapters. Moreover, the materials and methods that were required to gather the

field and laboratory information - during the research process to carry out the thesis -

are described.

In Chapter III, the first relations of the vegetation cover with some parameters of

soil and water are described. This chapter also describes an approach towards the study

3
RESUMEN

topic in regards to the field and laboratory research at a local scale (7 basins). The soil

sampling was systemic and for the water sampling, one was taken in the dry and the

other in the rainy season. In this regard, erodibility and soil topography were also

analyzed.

Chapter IV includes the estimates of soil erosion risk caused by the change of

the vegetation cover in an ecosystem of montane fog forest; this analysis is done at a

local scale. The Universal Soil Loss Revised (RUSLE) equation was modeled for this

zone to understand how the erosion process is developed and estimates possible future

scenarios if the dynamics of change in land use continues at the current pace.

In Chapter V, a model at regional scale is developed in a semi-arid basin which

has a strong altitudinal gradient and rainfall. The basin represents a cross section of the

Andes mountain range in southern Ecuador. Here, great climatic differences over

relatively short distances are observed, mainly related to precipitation; these differences

are the result of a very steep sinuous topography. This chapter also proposes

methodology with good possibilities of being used to estimate the risk of soil erosion in

regions with limited data.

Finally, Chapter VI contains the general discussion of the thesis where the most

relevant conclusions are included. It was possible to analyze the spatio-temporality of

the erosive processes in two ecosystems with altitudinal gradient and rainfall in the

Andes. Therefore, we consider this work useful to undertake research on the erosive

processes of soil with more detail and at different scales and thus, being able to

understand and measure the relationship and influence of the different factors that affect

such processes to propose founded alternatives for the sake of the soil resource

management and conservation.

4
 CAPÍTULO I:
INTRODUCCIÓN GENERAL

MANEJO Y CONSERVACIÓN DEL SUELO Y AGUA EN

LOS ANDES DEL SUR DE ECUADOR
 Introducción general

CAPÍTULO I:

1.1. Introducción general

El tratado de los ciencias del suelo así como las relaciones con sus usos y

específicamente el uso agrícola, son los campos de estudio inherentes a la Geografía

física y humana respectivamente (Strahler y Strahler, 2006). Los estudios iniciales de

las ciencias del suelo estaban enfocados únicamente en aspectos agronómicos y es desde

1980 que se ha intentado cambiar este enfoque a cuestiones ambientales más amplias

(Hartemink, 2006; Brevik et al., 2015). El manejo sustentable de los recursos suelo –

agua – planta, la incoherente y deficiente capacidad de administrarlos, la soberanía

alimentaria, entre otros objetivos, constituyen ser hoy una preocupación global, regional

y local, planteada por organizaciones mundiales como la ONU que en el año 2000

propuso los “Objetivos del Milenio” y los dos que afectan directamente a la relación que

se estudia en este trabajo son: “Erradicar la pobreza extrema y el hambre” y

“Garantizar la sostenibilidad del medio ambiente”.

Si bien la ONU formula directrices globales, no se han podido hasta la fecha concertar

políticas locales o regionales para algunos países; a pesar de tener relativamente clara la

problemática, p.ej. crisis de gestión, falta inclusión del funcionamiento ecosistémico,

admisión de la relación suelo – agua – planta como temas centrales frente al cambio

climático; y que estas políticas estén en corresponsabilidad entre el Estado y la sociedad

en su conjunto.

A escala global muchos países que presentan elevada degradación de sus

recursos se encuentran con fuertes condiciones climáticas, topográficas y antropológicas

como población, economía y socio-cultural (Wilkinson y McElroy, 2007). En países

Andinos como Ecuador, se encuentra una enorme diversidad de paisajes relacionados

7
Capítulo I

con la cobertura vegetal y el uso del suelo; producto de las variaciones a distancias

cortas de la topografía, clima, suelos, entre otros (Baquero et al., 2004; Pineda et al.,

2013). La joven y aún en construcción zona montañosa de los Andes posee toda una

gama de gradientes de inclinación y altitudes desde las tierras bajas (costas) hasta los

6000 m s.n.m (Figura 1.1). Con climas muy variados que van desde el tropical, sub-

templado hasta el frio en las zonas altas de montaña; y precipitación desde los 400mm

hasta más de 4000mm anuales (De Koning et al., 1997; Emck, 2007).

Figura 1.1. Depresión de los Andes en el Sur de Ecuador (Emck, 2007 en Fries, 2012).

La precipitación es el principal factor que produce la degradación del suelo, pero a su

vez es el recurso agua es el que resulta mayormente afectado por dicha degradación

porque disminuye su disponibilidad en calidad y cantidad; esto a escala de UPA´s

(Unidades de Producción Agropecuarias), localmente o a escala regional de grandes

cuencas hidrográficas, consecuentemente su desabastecimiento para consumo agrícola,

urbano o industrial (Pla, 2006).

La erosión hídrica es el resultado de la separación y el transporte de los

8
 Introducción general

materiales del suelo por efecto erosivo del agua, que hoy en día se produce de forma

natural como parte de la evolución geológica del paisaje o debido a la intervención de

los seres humanos en el medio ambiente (Morgan, 2005). Este proceso geomorfológico

continuo de degradación del suelo, ha sido poco estudiado en los Andes ecuatorianos

(Harden, 1988; Vanacker et al., 2007; Tote et al., 2011). Probablemente porque en el

Ecuador como en muchas regiones tropicales y sub-tropicales del mundo, los datos del

suelo, cobertura vegetal y su manejo, recopilación de datos climáticos, entre otros; no

están del todo disponibles (Figura 1.2). Esta es también una limitante de los Andes del

sur de Ecuador para hacer análisis e implementación de modelos de erosión sobre el uso

actual o potencial del suelo, así como también para proponer planes efectivos de control

y manejo del suelo y agua. Favorablemente, algunos avances en teledetección (sensores

remotos) y uso de los sistemas de información geográfica (SIG) vienen ayudando para

disminuir esta deficiencia y poder proponer análisis y metodologías espacio-temporales

con los escasos datos disponibles in situ (USDA, 2002; Ochoa et al., 2014).

Figura 1.2. Vulnerabilidad a la erosión hídrica en los Andes y Ecuador (USDA, 2002)

9
Capítulo I

Según el criterio de expertos, mencionan una disminución en la geomorfología

de la zona de estudio por los deslizamientos frecuentes que se observan en sus

montañas, mismas que no superan los 4000m s.n.m en la región. Además de encontrarse

en la depresión Andina de “Huancabamba”, misma que se conforma de una serie de

ramales bajos de fuertes pendientes unidos por nudos, y que se alternan con valles secos

aluviales que son característicos en el área general de estudio, ver Figuras 1.1 y 1.2.

En la historia del Ecuador, se han promulgado políticas como la denominada

“Reforma Agraria” implementada desde la década de 1960 y finalizando en los 1990

(Southgate y Runge, 1990; Vanacker et al., 2003), con la que se adjudicaron

aproximadamente 3 millones de hectáreas a colonizadores; probablemente esta reforma

dio origen a procesos progresivos de deforestación, por lo que la Organización de las

Naciones Unidas para la Agricultura y la Alimentación (FAO, 2011), ubica al Ecuador

como el país con las tasas más altas de deforestación de Sudamérica para los periodos

1990-2000 con el 1.5% y para el 2001-2010 el 1.8%.

A pesar de lo expuesto el Ecuador está catalogado como uno de los países con

mayor mega-diversidad del mundo, por su biodiversidad y endemismo en relación a su

superficie (el 0.17% del total del Planeta); posee más del 11% de todas las especies de

vertebrados terrestres, 16.087 especies de plantas vasculares y alrededor de 600 especies

de peces marinos (Brehm et al., 2005; Werner et al., 2005; MAE, 2010). Sin embargo

los ecosistemas del sur del Ecuador como el bosque húmedo tropical, bosque de neblina

montano y bosque seco tropical; que hospedan gran parte de esta diversidad biológica

están siendo fuertemente amenazados por la deforestación y cambio de uso del suelo

(Nöske et al., 2008; Mosandl et al., 2008).

A más de la diversidad biológica y de ecosistemas, Ecuador también posee

diversidad cultural con un entorno social complejo, lo que ha venido provocando

10
 Introducción general

efectos directos en el uso de la tierra. Si bien ciertas comunidades conservan sus

tradiciones ancestrales sobre un uso “sustentable” del suelo, otras comunidades son más

oportunistas y utilizan el suelo de acuerdo a las necesidades económicas o políticas del

momento (Castro et al., 2013; Knoke et al., 2014). Según Primack et al. (2001), los

hábitats que antiguamente ocupaban grandes áreas continuas están siendo rápidamente

divididos por caminos, cultivos, ciudades y/o una amplia gama de otras actividades

antrópicas. La fragmentación del hábitat constituye una de las formas más comunes de

degradación de los ecosistemas forestales en Latinoamérica. En el área de estudio, las

prácticas agrícolas de roza y quema suelen ser las más comunes a la hora de extender la

frontera agrícola (Bahr et al., 2013).

Tabla 1.1. Índices de presión de uso de la tierra, en relación con el manejo del suelo y

agua en Sudamérica. Fuente: WRI, 2005.

Tierras
Población Usos de tierras (%)
(ha.106)
Total Agric. hab./km2 Urbana 1985 - 2005
% Cultivos (Riego)* Pastos Bosques
Argentina 273 27 14 90 8 - 13 5,4 58-52 13-12
Brasil 846 68 22 84 6-8 4,4 30-35 64-57
Chile 75 2,3 21 88 4-3 82 15-17 20-22
Colombia 104 4,2 44 77 5-4 21 39-40 46-44
Ecuador 28 3,1 47 63 10 - 11 29 22-36 59-39
Perú 128 4,2 22 75 3-4 28 18-21 56-50
Venezuela 88 3,5 30 88 4-4 17 35-42 61-54
AMR. LAT. 2017 170 25 80 7-9 11,4 26-30 53-46

* Hace referencia al porcentaje bajo riego dentro del área destinada a cultivos.

La tabla (1.1) muestra al Ecuador con la tasa más alta de superficie cultivada que

utiliza gran cantidad de recursos para el riego al igual que Perú, también describe la

densidad poblacional como la más alta de Sudamérica, sin embargo esta información

debería estar contrastada en relación con la superficie del país, porque este es uno de los

11
Capítulo I

países más pequeños de Sudamérica territorialmente hablando (283.561 km2).

Otro fenómeno social en la región sur del Ecuador ha sido el “Boom” de las

ONG´s (Organizaciones no gubernamentales) que se produjo entre la última década del

siglo pasado y la primera del presente. Las múltiples “fundaciones” ofertaban

considerable cooperación técnica y económica para la gestión de los recursos suelo,

agua, bosques; sin embargo los programas y proyectos tenían baja proyección en el

tiempo, además que eran carentes de información social e investigación de base, al

mantener un “disocio” con la academia y/o gobiernos locales por lo que resultaron

insostenibles en el tiempo y han ido desapareciendo.

Existen algunos modelos para estimar la erosión del suelo desarrollados en

diferentes continentes, p.e., (RUSLE) Ecuación Universal de Pérdida de Suelo Revisada

(Renard et al., 1997), Estimación de Pérdida de Suelo Modelo para África Austral

(modelo SLEMSA - Stocking, 1981), o el Modelo de Erosión del Suelo Europeo

(EUROSEM - Morgan et al, 1998); todos han sido validados en zonas con condiciones

diferentes a las de Sudamérica. Y, para aplicar estos modelos fuera de su zona de

origen, se requieren datos de clima y suelo local como insumo adicional, y/o con

características similares al sitio donde fueron validados; lo que ha dificultado la

demostración a la comunidad para la valoración ambiental o para la creación de

propuestas de manejo y conservación de los recursos suelo y agua para el área de

estudio.

Por las razones antes presentadas se emprende con el análisis, estudio y

propuesta metodológica de los procesos erosivos que pueda adaptarse al medio local y

regional, de fácil aplicabilidad y que permita la implicación de la comunidad de forma

integral para una propuesta futura efectiva de manejo de estos recursos naturales en el

sur de Ecuador. A escala local el trabajo se lo desarrollo en el cantón Loja en siete

12
 Introducción general

cuencas pequeñas que proveen de agua a la ciudad con un área de 59.1 km2 y a escala

regional en la cuenca hidrográfica Catamayo con un área de 4184 km2 (Figura 2.2.).

1.2. Objetivos

En relación a la problemática descrita en la sección anterior y para alcanzar el fin

que nos hemos propuesto en esta investigación que pretende inicialmente (i) Hacer una

caracterización general del recurso suelo en el sur del Ecuador para identificar algunos

parámetros que nos describan su estado actual; (ii) estimar el riesgo potencial del suelo

a erosionarse presente o futuro para poder establecer propuestas de manejo; (iii) explicar

la influencia de los factores que influyen en los procesos erosivos, en una climo-

secuencia de los Andes del sur del Ecuador (Figura 2.1); y (iv) contribuir con una

propuesta metodológica para determinar la vulnerabilidad de los suelos a erosionarse en

esta región u otras con características similares de datos limitados.

Por lo expuesto los objetivos de esta tesis se detallan a continuación:

(i) Evaluar la influencia de la cobertura vegetal en la calidad del suelo y el

agua en cuencas abastecedoras de agua para el consumo a escala local

(Ciudad de Loja).

(ii) Estimar la erosión potencial del suelo causada por el cambio de la

cobertura vegetal; análisis espacio-temporal con proyecciones futuras en

una cuenca de bosque de neblina montano al sur del Ecuador.

(iii) Determinar los efectos de la cubierta vegetal, la topografía y el clima en

los procesos de erosión del suelo a escala regional en una cuenca

semiárida de los Andes del Sur del Ecuador.

(iv) Proponer una metodología para estimar el riesgo de erosión del suelo

13
Capítulo I

para zonas con datos limitados.

De acuerdo a los procedimientos descritos en este trabajo se podrá tener una

herramienta para ser aplicable no solo en otras zonas del área de estudio sino para otras

regiones con condiciones tropicales, montañosas y/o con datos limitados.

1.3. Bibliografía

Baquero, F., et al., 2004. La Vegetación de los Andes del Ecuador. Memoria explicativa

de los mapas de vegetación: potencial y remanentes a escala 1:250000 y del

modelamiento predictivo con especies indicadoras. EcoCiencia CELSA

CORPORACIÓN EcoPar/MAG SIGRAGO/CDC-Jatun Sacha/ División Geográfica-

IGM, Quito. 56 pp.

Bahr, E., Hamer, U., Chamba, D., Makeschin, F., 2013. Different fertilizar types

affected nitrogen and carbon cycling in eroded and colluvial soils of Southern

Ecuador. Agric. Sci. 4, 19–32.

Brehm, G., Pitkin, L.M., Hilt, N., Fiedler, K., 2005. Montane Andean rain forests are a

global diversity hotspot of geometrid moths. J. Biogeogr. 32, 1621–1627.

Brevik, E.C., et al., 2015. The interdisciplinary nature of SOIL, SOIL. 1, 117-129,

DOI:10.5194/soil-1-117-2015.

Castro, L.M., Calvas, B., Hildebrandt, P., Knoke, T., 2013. Avoiding the loss of shade

coffee plantations: How to derive conservation payments for risk-averse land-users.

Agrofor. Syst. 87, 331–347.

De Koning, G.H.J., van de Kop, P.J., Fresco, L.O., 1997. Estimates of sub-national

nutrient balances as sustainability indicators for agro-ecosystems in Ecuador. Agric.

14
 Introducción general

Ecosyst. Environ. 65, 12-139.

Emck, P., 2007. A Climatology of South Ecuador. PhD Thesis, Univ. Erlangen. 275pp.

FAO, 2011. State of The World’s Forests 2011. Roma.

Fries, A., 2012. Implementation of new methods for the regionalization of climate data.

PhD Thesis, Univ. Marburg. 179pp.

Harden, C., 1988. Mesoscale estimation of soil erosion in the Rio Ambato drainage,

Ecuadorian Sierra. Mountain Research and Development. 8, 331-341.

Hartemink, A.E. coordinator., 2006. The Future of Soil Science. Wageningen. IUSS.

Knoke, T., et al., 2014. Afforestation or intense pasturing improve the ecological and

economic value of abandoned tropical farmlands. Nat. Commun. 5, 5612.

MAE (Ministerio del Ambiente del Ecuador), 2010. Reservas de Biosfera del Ecuador:

lugares excepcionales. Quito, Ecuador.

Morgan, R.P.C., et al., 1998. The European Soil Erosion Model (EUROSEM):

documentation and user guide. Silsoe College, Cranfield University.

Morgan, R.P.C., 2005. Soil Erosion and Conservation, 3rd ed. Blackwell, Malden.

Mosandl, R., Günter, S., Stimm, B., Weber, M., 2008. Ecuador suffers the highest

deforestation rate in South America. In: Beck, E., Bendix, J., Kottke, I., Makeschin,

F., Mosandl, R., (eds.), Gradients in a Tropical Mountain Ecosystem of Ecuador.

Ecological Studies 198, Springer-Verlag, Berlin, Heidelberg, Germany. 37-40.

Nöske, N., Hilt, N., Werner, F.A., Brehm, G., Fiedler, K., Sipman, H.J., et al., 2008.

Disturbance effects on diversity of epiphytes and moths in a montane forest in

Ecuador. Basic and Applied Ecology. 9, 4–12.

Ochoa, A., Pineda, L., Crespo, P., Willems, P., 2014. Evaluation of TRMM 3B42

15
Capítulo I

precipitation estimates and WRF retrospective precipitation simulation over the

Pacific–Andean region of Ecuador and Peru. Hydrol. Earth Syst. Sci. 18, 3179–3193.

Pineda, L., Ntegeka, V., Willems, P., 2013. Rainfall variability related to sea surface

temperature anomalies in a Pacific–Andean basin into Ecuador and Peru. Adv.

Geosci. 33, 53–62.

Pla, I., 2006. Problemas de degradación de suelos en América Latina: Evaluación de

causas y efectos. Sociedad Ecuatoriana de la Ciencia del Suelo. Guayaquil, Ecuador.

Primack, R., Rozzi, R., Feinsinger, P., Massardo, F., Dirzo, R., 2001. Fundamentos de

conservación biológica. Perspectivas Latinoamericanas. 1era. Ed. México. Fondo de

Cultura Económica.797pp.

Renard, K.G., Foster, G.R., Weesies, G.A., McCool, D.K., Yoder, D.C., 1997.

Predicting soil erosion by water: a guide to conservation planning with the Revised

Universal Soil Loss Equation. USDA Agriculture Handbook, No. 703. 404pp.

Southgate, D., y Runge C.F., 1990. The institutional origins of deforestation in Latin

America. University of Minnesota, Department of Agriculture and Applied

Economics Staff paper no P90-5 St Paul, MN: University of Minnesota.

Stocking, M., 1981. A working model for the estimation of soil loss suitable for

underdevelopment areas, Development Studies Occasional Paper No. 15, University

of East Anglia, UK.

Strahler, A.N., Strahler, A., 2006. Introducing Physical Geography, 4th ed., John Wiley

& Sons, Inc. 728pp.

Tote, C., et al., 2011. Effect of ENSO events on sediment production in a large coastal

basin in northern Peru. Earth Surf. Processes Landforms. 36, 1776–1788.

16
 Introducción general

USDA, 2002. World map of water erosion vulnerability - (South America).

1:100.000.000. World soil resources, Soil Survey Division / Natural Resources

Conservation Service / U.S. Department of Agriculture. Washington D.C.

Vanacker, V., et al., 2003. The impact of environmental change on the intensity and

spatial pattern of water erosion in a semi-arid mountainous Andean environment.

Catena. 51, 329–347.

Vanacker, V., et al., 2007. Restoring dense vegetation can slow mountain erosion to

near natural benchmark levels. Geology. 35, 303-306.

Werner, F.A., Homeier, J., Gradstein, S.R., 2005. Diversity of vascular epiphytes on

isolated remnant trees in the montane forest belt of southern Ecuador. Ecotropica. 11,

21–40.

Wilkinson, B.H. y McElroy, B.J., 2007. The impact of human on continental erosion

and sedimentation. GSA Bulletin.119, 140-156.

World Resources Institute (WRI) in collaboration with United Nations Development

Programme, and World Bank, 2005. World Resources 2005: The Wealth of the

Poor—Managing Ecosystems to Fight Poverty. Washington, DC.

17
 CAPÍTULO II:
MATERIALES Y MÉTODOS

MANEJO Y CONSERVACIÓN DEL SUELO Y AGUA EN

LOS ANDES DEL SUR DE ECUADOR
 Características generales del área de estudio

CAPÍTULO II:

2.1. Descripción general del área de estudio

El Ecuador se encuentra al norte de Sudamérica, ubicado en la zona tropical

andina, ligada estrechamente con la latitud y longitud y el factor de radiación solar.

Está atravesado de norte a sur por la cordillera de los Andes (690 km aprox., desde la

frontera con Colombia al norte hasta sus límites con el Perú) y constantemente

influenciado por las corrientes marinas (cálida de “El Niño” y fría de Humboldt);

también por los vientos Alisios establecidos en la parte media y alta de la Tropósfera.

Figura 2.1. Climo-secuencia Andina - área de estudio de la tesis (Fuente: M. Richter,

2003).

La provincia de Loja es la más austral del Ecuador y una de las tres provincias

con mayor amenaza de procesos erosivos (entre el 55 y 75% de su territorio) y riesgos

21
Capítulo II

de desertificación y sequía (MAE, 2002). Los recursos naturales renovables de la

provincia de Loja se encuentran en un estado de degradación muy avanzado, producto

de la alteración de sus ecosistemas. La causa principal es la acción antrópica sobre el

suelo, la cobertura vegetal y la calidad y cantidad del agua.

La figura 2.1, describe el área general de estudio, que se encuentra en la

provincia de Loja que tiene una superficie aproximada de 10.790 km2, equivalente al

4% de toda la superficie del país. En el área general de estudio se observa una

diversidad de climas en distancias cortas (40 km) desde el clima árido con cerca de

400mm/año, al hiper-húmedo con más de 4000mm/año (De Koning et al., 1997); esto

producto de las condiciones geomorfológicas y climáticas descritas anteriormente para

todo el país.

Los Andes ecuatorianos son la región más poblada del país, lo que causa mucha

presión sobre los ecosistemas naturales. Sin embargo, se encuentra una flora única y

rica en especies en una gran variedad de zonas de vida y ecosistemas determinados por

su topografía inclinada y su gran rango altitudinal y latitudinal. En la provincia de Loja

encontramos dos zonas de vida fuertemente amenazadas por deforestación y cambio de

uso del suelo el Bosque de neblina montano y el Bosque seco tropical. La tala de la

cobertura vegetal disminuye la capacidad de protección del bosque y afecta en las fases

del ciclo hidrológico; también prácticas agrícolas como: el arado y riego por superficie

en dirección de la pendiente, sobrepastoreo, quema de los residuos de las cosechas

(rastrojos); con el propósito de tener más área para cultivos o para ganadería.

En términos generales la Geología de la provincia de Loja se conforma de: a)

rocas metamórficas, localizadas al Noroeste y al Este de la provincia, constituyendo el

basamento rocoso; estas rocas datan de la Era Paleozóica, b) rocas de origen

magmático, efusivas y tipo Flysch de la era Cretácica, c) al este rocas de origen

22
 Características generales del área de estudio

sedimentario, que han rellenado las depresiones de Loja y Malacatos, de la era

Terciaria, d) rocas volcano-sedimentarias, localizadas al noreste de la provincia de la era

Cuaternaria; y, e) rocas de origen magmático intrusivas (granitos, granodioritas) que se

localizan en toda la provincia y que han intruido a las rocas paleozóicas, cretácicas y

terciarias (Kennerley y Almeida, 1975).

En la geomorfología de la provincia de Loja comprenden los Grandes Paisajes,

que se han definido de acuerdo a su génesis, topografía, litología, hidrología, vegetación

así como los procesos dinámicos que han modelado estas formas. En el área de estudio

estos grandes paisajes de acuerdo a su origen son: Modelado Glacial, Estructural

Fluvio-Erosional, Estructural Denudativo, y Fluvial Acumulativo.

 Modelado Glacial.- la parte alta de la Sierra o Páramo, posee sus características

particulares, localizada arriba de los 3000m s.n.m. Se define la forma del relieve,

labrado por la excavación de los glaciares, o construido por los depósitos ligados a

ellos. Estas huellas bien marcadas producidas en el Pleistoceno indican que en esa

época estuvieron cubiertos por glaciares y nieve.

 Estructural Fluvio-Erosional.- Este sistema montañoso estructural en el área de

estudio muestra sus propias características; topográficamente forma parte de

diversas ramificaciones montañosas influenciadas estructuralmente. En ésta área

encontramos los siguientes ramales montañosos principales; la cordillera Real con

dirección N-S, la cordillera de Chontacruz, que forma parte de nudo de Cajanuma,

y encierra junto a la cordillera occidental (Villonaco) a la ciudad de Loja. Estas

ramificaciones montañosas están entre los 2500m a 3600m s.n.m. presentando un

relieve montañoso muy accidentado con pendientes dominantes entre el 30 y 50%.

Se encuentra estructuralmente influenciado por fallas regionales y desarrollado en

un clima desde frío a templado-húmedo, cubierto generalmente con una

23
Capítulo II

vegetación densa, las formas agudas del relieve son relativamente jóvenes, el

sistema hidrográfico desciende a la cuenca amazónica, formando cauces muy

encajonados y estrechos en forma de “V” con gargantas profundas sin dar lugar a

valles en la zona oriental. Procesos activos en forma de movimientos en masa y

erosión definen este gran paisaje.

 Estructural Denudativo.- Corresponde a los sedimentos de la parte inferior de la

vertiente occidental de la cordillera Real de los Andes en la cuenca de Loja;

originados por procesos denudativos con sedimentos provenientes de la parte alta

montañosa que rellenaron la cuenca de sedimentos fluviales y marinos en el

Mioceno. Caracterizada por conglomerados, lutitas y limolitas, sus cotas oscilan

entre los 2200m a 2800m s.n.m. La tectónica ocurrida allí brinda un paisaje

plegado con cuestas monoclinales, pequeñas mesetas y pliegues, anticlinales y

sinclinales. La dinámica exógena está relacionada al agua, originando terrazas de

río y colinas alargadas con filos agudos moderadamente disectadas, con vertientes

de pendientes de moderadamente escarpadas a muy escarpadas. La vegetación

primaria es escasa y existe predominio de pastizales y cultivos.

 Formas aluviales.- este relieve se caracteriza por la formación de depósitos

superficiales, por donde fluyen ríos ramificados. Los paisajes derivados de este

gran paisaje son las terrazas y los valles aluviales.

Las cabeceras cantonales de la provincia carecen en su gran parte de un sistema

adecuado de suministro de agua para consumo humano, incluso en algunas parroquias

se abastecen mediante sistemas de agua tratada (Foto 2.1). Existen algunos proyectos

del gobierno central o gobiernos locales destinados a atender a muchas de estas

poblaciones. La capital provincial cuenta con un sistema moderno de potabilización de

agua, sin embargo para el abastecimiento del sistema aún se construyen obras de

24
 Características generales del área de estudio

conducción desde una cuenca oriental para la ciudad de Loja.

Foto 2.1. Sistemas de abastecimiento de agua en parroquias de la provincia de Loja

(Fuente: NCI-GCA, 2006).

Los fuertes cambios en las temperaturas, así como la estacionalidad climática

bien marcada (periodo seco y lluvioso) han favorecido a la meteorización de los

diferentes tipos de rocas, por procesos físicos, químicos y/o biológicos. Las rocas

meteorizadas presentan suelos de diferente coloración, p.e., amarillo, rojo, negro, gris

claro y oscuro; dependiendo de los procesos de óxido - reducción o acumulación de

materia orgánica. Estos suelos posteriormente son erosionados con presencia de

escorrentía superficial, regueros, cárcavas, sobre todo tipo de formas de pendientes

(rectas, cóncavas, convexas); para finalmente ser conducidos los sedimentos por los ríos

hacia valles aluviales o represas en el país vecino.

Estudios a profundidad sobre el manejo y la conservación del suelo y agua a

diferentes escalas espaciales y/o temporales son muy escasos en esta región.

2.1.1. Escala local

A escala local nuestro estudio fue realizado al sureste de la ciudad de Loja,

cantón y provincia del mismo nombre. La cuenca de la ciudad de Loja, tiene una forma

elíptica alargada (dirección Norte-Sur con aproximadamente 25km), por e1 ancho

(dirección Este-Oeste con 10km). El área urbana consolidada de la ciudad de Loja está

25
Capítulo II

en el centro de la cuenca a una altitud de 2100m s.n.m. (Figura 2.2). Esta cuenca es

constantemente humedecida y drenada por el río Zamora.

Figura 2.2. Análisis a escala local, de 7 cuencas abastecedoras de agua para la ciudad

de Loja.

La cuenca alta del río Zamora la componen las siete cuencas hidrográficas (área

local del estudio), que abastecen con más del 55% de agua para esta ciudad. Las

cuencas se encuentran entre 3° 59' y 4° 06' Sur y entre los 79° 09' y 79° 12' Oeste. Sus

límites geográficos son por el norte con la cuenca San Cayetano, al sur con el

parteaguas de Cajanuma, al este con la Cordillera Real de los Andes (Oriental) y al

oeste con la estribación occidental de la cuenca del Río Malacatos. El rango altitudinal

26
 Características generales del área de estudio

va desde los 2120 m hasta los 3420 m s.n.m. y cubren un área aproximada de 59.1 km2

(Figura 2.2).

El clima es Templado Andino (Lluvioso), con un promedio de precipitación

anual de 1000mm y una temperatura media anual oscila entre 15,3°C en el fondo del

valle a 7,3°C en las cumbres de las montañas. La distribución de las lluvias del sitio de

estudio es bimodal; la temporada de lluvias va desde Diciembre hasta Abril, siendo

Agosto y Septiembre los meses más secos (Rollenbeck y Bendix, 2011).

La hidrografía de estas cuencas tiene su origen en los páramos del Parque

Nacional Podocarpus (PNP), este parque fue establecido el 15 de Diciembre de 1982,

mediante Acuerdo Ministerial de No. A-0398 del Instituto Ecuatoriano Forestal de

Áreas Naturales y Vida Silvestre (INEFAN, 1995), y tiene un área aproximada de

1462,8 km2. El nombre del parque “Podocarpus” es debido a la presencia de la única

conífera nativa de la zona andina, cuyo nombre científico es Podocarpus spp., y que

comúnmente se lo conoce como el árbol de Romerillo, que ha sido fuertemente extraído

del área de estudio.

Figura 2.3. Esquema geológico de la cuenca de Loja (Galindo-Zaldívar et al., 2010).

27
Capítulo II

Las cuencas de estudio, tienen una base geológica del batolito Zamora en la

“Unidad Chiguinda”; esta, forma una franja de hasta 30 km de ancho en la parte sur de

la Cordillera Real, y está flanqueada al este por la formación “Quillollaco” y al oeste

por depósitos aluviales del cuaternario “Tres Lagunas” (Figura 2.3).

De acuerdo a Litherland et al. (1994), esta base litológica variable de rocas

metamórficas bastante plegadas, es consecuencia del ciclo orogénico del Paleozoico,

con lutitas conglomerados y areniscas superpuestas.

Foto 2.2. Rocas típicas de la Unidad Chiguinda: a) Filitas, b) Metalimonitas /piedra de

areniscas c) Metalimonita en capas finas alternadas con filitas (Fuente: Haubrich Frank,
en Burneo, 2013).

Estas rocas metamórficas son producto de formaciones sedimentarias antiguas

que fueron sometidas a un metamorfismo regional que las transformo en pizarras,

esquistos, cuarcitas y metacuarcitas (Foto 2.2). Es importante hacer esta descripción por

la influencia que tiene el material parental en el desarrollo de los suelos, así como su

nivel de nutrientes, como la posibilidad de que tendrían las plantas de absorber los

mismos.

Los suelos que predominan en estas cuencas son Entisoles, gran grupo de los

Troporthents, suborden Orthents ubicados desde la zona media a baja de las cuencas con

formación coluvio-aluvial y en las unidades colinadas y de montaña predominan los

Inceptisoles (MAG-PRONAREG-ORSTOM, 1984).

Las zonas de vida que encontramos en estas cuencas de acuerdo a la

clasificación de Baquero et al. (2004), son: Páramo arbustivo (Pa), este tipo de

28
 Características generales del área de estudio

vegetación está conformado por arbustos, paja o hiervas de varios tipos (plantas en

roseta y en las zonas más húmedas almohadillas) con temperaturas mínima y máxima de

8 y 17°C respectivamente y un rango altitudinal que va desde los 2000 hasta los 4000

m.s.n.m. (Foto 2.3. a). Bosque de Neblina Montano (Bnm) que se caracteriza por una

alta presencia de musgo y epifitas con temperaturas mínima y máxima de 10 y 21°C

respectivamente, y un rango altitudinal desde los 2000 hasta los 3500 m.s.n.m. (Foto

2.3. b). Bosque Siempre-verde Montano Alto (Bsvma), con características de vegetación

similares a la anterior pero sus temperaturas mínima y máxima son de 17 y 27 °C

respectivamente y el rango altitudinal esta entre los 2500 y 3500 m.s.n.m. (Foto 2.3. c).

a) Páramo arbustivo (Pa)

b) Bosque de neblina montano (Bnm)

29
Capítulo II

c) Bosque siempre verde montano alto (Bsvma)

Foto 2.3. Zonas de vida del área de estudio a escala local (Fuente: El autor)

Estas zonas de vida representan a los tipos de cobertura vegetal natural de las

cuencas de estudio, que se encuentren fuertemente alteradas por actividades antrópicas

que son analizadas en los capítulos III y IV de la tesis. Las coberturas generadas por

acción antrópica son ilustradas a continuación en la foto 2.4.

a) Sucesión.- refiere a las

zonas de transición entre
una cobertura natural y un
uso antrópico (pastos o
pino). En esta zona se han
desarrollado especies
“pioneras” como la
Llashipa (Pteridium sp.) o
Chusquea sp. Crecen con
facilidad luego de una roza
o incendio del bosque.

b) Plantación de Pino
(Pinus patula). Una de las
especies exóticas utilizadas
para reforestar estas
cuencas luego del fuerte
proceso de deforestación
que se produjo desde la
década de 1950.

30
 Características generales del área de estudio

c) Pastizales.- Kikuyo
(Pennisetum sp.), es el tipo
de pasto que crece en esta
área local de estudio. El
uso pecuario predomina al
agrícola, que solo se
observa en las cuencas
para el autoconsumo
(minifundio).

Foto 2.4. Coberturas antrópicas del suelo del área de estudio a escala local (Fuente: El

autor)

Las actividades económico-productivas de los habitantes de estas cuencas son,

ganadería en un 35%, agricultura 27%, construcción 11%, comercio 8% y actividades

varias 19%. Siendo la ganadería y la agricultura las que predominan en las estas

comunidades. El ganado bovino está destinado principalmente para la producción

lechera; también se crían porcinos y aves en sitios puntuales de las cuencas, las familias

que no se dedican a estas actividades son principalmente por falta de dinero (46%), por

escaso asesoramiento técnico (19%), por falta de superficie de terreno (12%), y otras

manifiestan que no tienen limitaciones ni desean implementar estas actividades (23%).

En la producción agrícola existen policultivos o cultivos asociados de maíz, fréjol, papa,

arveja, hortalizas varias y algunas frutas como el tomate de árbol (Solanum betaceum

Cav.) y el babaco (Carica pentagona) originarios de la zona. Esta producción en

minifundios, es para consumo familiar, y cuando hay excedentes se los comercializa en

los mercados de la ciudad (NCI-GCA, 2006).

La infraestructura con que cuentan algunas cuencas como la San Simón y El

Carmen, son servicios de agua entubada, alumbrado público, luz eléctrica domiciliar,

vías de tercer orden (lastradas), casa comunal, capilla, escuela pública y privada.

31
Capítulo II

2.1.2. Escala regional

A escala regional el estudio fue desarrollado en la cuenca hidrográfica

Catamayo, que está localizada entre los 3°39´S y 4°31´S (latitud), 79°05´W y 80°11´W

(longitud) al centro de la provincia de Loja, sur de Ecuador, junto al límite con Perú

(Figura 2.4).

Figura 2.4. (a) Mapa de la Cuenca Catamayo a escala regional, (b) Cuencas

hidrográficas del Ecuador, (c) Cuencas tributarias de la Catamayo – Chira. Fuente: a) y

c) Proyecto Catamayo-Chira, b) INAMHI - Estaciones meteorológicas por cuencas.

La cuenca Catamayo es la principal tributaria del sistema hidrográfico

transfronterizo entre Ecuador y Perú, denominado Catamayo – Chira (Tabla 2.1);

mismo que drena sus aguas en el Océano Pacífico (Tote et al., 2011). El promedio anual

de flujo de agua del Río Catamayo es de 35m3/s, pero en época de estiaje podría

disminuir a 22m3/s (Oñate-Valdivieso and Bosque, 2010). La cuenca, abastece de agua

32
 Características generales del área de estudio

para el consumo humano a la población del sur del Ecuador y norte del Perú, pero

principalmente sus aguas son utilizadas para el riego en valles aluviales de la provincia

de Loja en los que se produce principalmente caña de azúcar, maíz y arroz, y en menor

proporción algunas frutas tropicales.

Tabla 2.1. Área de cuencas tributarias del sistema hidrográfico Catamayo-Chira (Figura

2.4.c).

Área
Nombre 2
(km ) (%)
Cuenca Alamor 1190.27 6.92
Cuenca Catamayo 4184.26 24.61
Cuenca Chipillico 1170.92 6.81
Cuenca Macará 2833.29 16.47
Cuenca Quiróz 3108.76 18.08
Subsistema Chira 4511.89 26.53
Sistema Catamayo-Chira 17001.39 100

La geomorfología del área de estudio es bastante particular, hay un cambio

brusco en la organización del paisaje. Lo que se venía observando desde la frontera con

Colombia; es decir, las dos cordilleras bien diferenciadas Oriental y Occidental,

desaparece por completo en la provincia de Loja desde su extremo Noroeste; sufren una

gran depresión desde los Ríos León y Jubones, hasta la entrada del rio San Lucas, que

conduce hasta la ciudad de Loja. La cordillera Oriental o Real es la única línea continua

de relieve en la prolongación a la del Centro-Norte del país. Sus rangos altitudinales

para el área de estudio van desde los 2800m hasta los 3791m s.n.m., al Sur ya en las

proximidades con el Perú. Mientras que las alturas del relieve occidental disminuyen en

dirección oeste y noroeste, en principio esta disposición de formas es confusa con

relieves sin orientación preferencial, separados por valles con cambios de dirección en

su orientación (Winckell et al., 1997a). Se estima que entre los 900 y 3000m s.n.m.

(10% territorio del país) crecen cerca de la mitad de todas las especies de plantas

33
Capítulo II

ecuatorianas (Balslev, 1988, citado por Baquero et al., 2004).

A escala de paisaje el área regional de estudio describe principalmente relieves

montañosos, colinados y ondulados (Foto 2.4).

a)

b)

c)

Foto 2.4. Principales relieves del área de estudio (a) montañosos, (b) colinados, y c)
ondulados (Fuente: El autor).

Los relieves montañosos se clasifican en un rango de pendiente mayor al 30% y

representan el 60% del área total, esto es debido a la especial distribución de la cadena

montañosa de los Andes en la provincia de Loja. Las áreas colinadas, con pendientes

34
 Características generales del área de estudio

que van desde 15% a 30%, estas áreas representan un 26%, principalmente en el oeste

de la cuenca Catamayo, específicamente en parte del cantón Loja, Catamayo y el sector

el Lucero. Finalmente la geomorfología ondulada que tendría pendientes desde 1 al

14%, representando pendientes planas e inclinadas; con un área aproximada del 14% del

total del área de estudio (INERHI-PREDESUR-CONADE, 1994).

Los últimos procesos superficiales asociaron el escurrimiento difuso en capa y

los aportes coluviales que provocaron, en las partes bajas, la acumulación de los

depósitos arrancados a las vertientes, bajo forma de glacis de esparcimiento a ambos

lados de las arterias mayores (Foto 2.5). Restituyen una antigua topografía, más elevada

de por lo menos unos 100 m por encima de la red hidrográfica actual.

Foto 2.5. Desprendimientos y depósitos coluvio-aluviales en la cuenca Catamayo

(Fuente: El autor).

En el sur del Ecuador están las lavas más ácidas (riolítica y dacítica), de

composición andesítica y riolítica en la cordillera occidental. Lo que ha favorecido el

desarrollo de suelos fersialíticos (rojo-amarillentos) que se observan actualmente en

muchas áreas de la zona de estudio; y más aún el principio de ferruginización que los

afecta, manifiesta la existencia de estaciones climáticas alternadas bien marcadas, es

decir con periodos secos y luego lluviosos.

La variedad de climas es una de las características de los Andes ecuatorianos. La

temperatura tiene una fuerte relación con la altitud, y normalmente se presenta una

35
Capítulo II

disminución aproximada de 0,6 °C por cada 100 m de ascenso. Las temperaturas medias

anuales en el área de estudio van desde los 25°C, hasta los 7°C en las partes altas en

altitudes superiores a los 3200m s.n.m.

En el ámbito socio - económico del área regional de estudio se practican tres

sistemas de tecnología agrícola entre los cuáles tenemos: el tradicional, el tradicional

mejorado y el semi-tecnificado. El calendario de cultivos cambia de una zona de

producción a otra (por cantón); pero por lo general se enmarcan dentro de la época de

inicio de la temporada de lluvias que empieza en noviembre, diciembre o enero y

termina desde el mes de mayo y junio (estas variaciones dependen del año, en ocasiones

se adelantan las lluvias, cuando eso sucede terminan así mismo antes).

Dentro de las prácticas pre-culturales del suelo está la preparación de la tierra, la

práctica más generalizada es la roza y quema, en menor proporción el arado tirado por

“yunta” (tracción animal) y para los valles y zonas planas utilizan máquina ya que la

topografía del terreno así lo permite. Las prácticas culturales de deshierbas con

herramientas manuales donde es muy común el uso de la mano de obra familiar, y

dependerá de la extensión sembrada para que se contrate mano de obra externa, para

esta actividad y para la cosecha.

La presencia de plagas y enfermedades a los cultivos es cada vez mayor por lo que los

campesinos se ven obligados a utilizar agroquímicos para no perder la producción; en

los cultivos semi-tecnificados como el maíz también se utilizan los agroquímicos para

controlar las malas hierbas; y para la producción de maíz en las sitios de secano de la

provincia de Loja, se utilizan técnicas de cultivo tradicionales. El arroz en Macará y la

caña de azúcar el valle de Catamayo podríamos decir que son los únicos cultivos que se

manejan con un sistema tecnificado, porque sus productores emplean tecnología

contemporánea, uso de máquinas, sistema de riego, aplicación de fertilizantes, control

36
 Características generales del área de estudio

Fito-sanitario, entre otras (Erazo y Martínez, 2004).

En función a la superficie de cultivo y en relación con la temporada lluviosa de la

cuenca, el maíz es el cultivo más importante; seguido de la caña de azúcar que está

presente en algunos valles como Vilcabamba, Malacatos, Quinara y Catamayo; y

finalmente el cultivo del arroz, el cual se encuentra en todas el cantón Macará y

pequeñas zonas de Zapotillo (Proyecto Catamayo-Chira, 2005). La mayor

contaminación de los suelos podríamos relacionarla con el uso de agroquímicos en las

áreas agrícolas.

37
Capítulo II

2.2. Materiales y métodos

Para describir este apartado se procederá a hacer una descripción general principalmente

de los elementos en el ecosistema que están directamente relacionados con el abordaje

de esta investigación. Iniciamos describiendo el estado de la cuestión y luego cómo se

generó la información de línea base necesaria para la propuesta general de investigación

y finalmente la construcción de la propuesta metodológica.

2.2.1. Estado de la cuestión

A pesar de que en cada capítulo de esta tesis se hace una descripción del estado de la

cuestión, en función a las condiciones mismas de cada zona a investigar; y para no

redundar se ha descrito en este apartado una pequeña introducción a los conceptos o

principios básicos y algunos modelos para estimar la erosión hídrica en el suelo, así

como el proceso del muestro in situ (trabajo de campo), así como el tratamiento de las

muestras en el laboratorio.

El Suelo

Según Plaster (2009), el suelo es un conjunto de cuerpos naturales de la superficie

terrestre que contienen materia viva, capaz de soportar el crecimiento de las plantas.

Jordán (2006), lo considera como un sistema disperso de tres fases (sólida, líquida y

gaseoda). Sullivan (2007), lo describe con cuatro componentes básicos: minerales, aire,

agua y materia orgánica. En un suelo típico los minerales representan alrededor de 45%

del volumen total, el agua y aire cerca de 25% del espacio poroso cada uno; estas

proporciones de agua y aire están en constante variación, y la materia orgánica entre 2%

y 5%.

38
 Materiales y métodos

Características físico-químicas del suelo relacionadas con la Erodabilidad.

 La textura del suelo; hace referencia a la composición granulométrica de la fracción

mineral del suelo. La textura del suelo determina la proporción de tres tamaños de

partículas de suelo: arena, limo y arcilla; considerada propiedad fundamental porque

influye sobre las otras propiedades edáficas como: capacidad de retención hídrica y

conductividad hidráulica (Jordán, 2006), cantidad de agua disponible para las

plantas, infiltración y circulación del agua, laboreo, erosión hídrica o

almacenamiento de nutrientes (Porta et al., 1999). El tamaño de la partícula afecta a

dos importantes características del suelo: a la superficie interna y al número y tamaño

de los espacios de poros.

Tabla 2.2. Materiales finos y gruesos de acuerdo a diferentes sistemas de clasificación

(Fuente: basado en Cobertera, 1993).

La superficie interna de un suelo, es el total de la superficie de todas las partículas

39
Capítulo II

en el suelo; y es importante porque las reacciones ocurren en la superficie de las

partículas del suelo. Debido a que los suelos con partículas más pequeñas (como

limo y arcilla) tienen la superficie interna más grande, retienen mayor capacidad de

retener humedad. Ruiz-Sinoga et al. (2011), puso de manifiesto la importancia de la

textura en la disponibilidad de agua para la vegetación en un gradiente

pluviométrico; en sitios más lluviosos, al ser el suelo más arcilloso el agua estaba

retenida con más fuerza y, paradójicamente, había menos agua disponible para las

plantas que en los sitios menos lluviosos, donde la textura era más arenosa.

El tamaño y el número de los poros, también dependen del tamaño de las partículas;

es así que el agua se escurre más rápidamente a través de poros grandes llamados

macro-poros o poros de aireación; mientras que los poros pequeños o micro-poros

tienden a retener el agua. Ambos tamaños de poros son importantes, debido a que el

comportamiento de un suelo resulta de la acción combinada de las diferentes

fracciones texturales que interaccionan entre sí, y la materia orgánica.

Fracciones del suelo; las partículas minerales se dividen en grupos de tamaño

llamados fracciones del suelo y define tres grandes clases: arena, limo y arcilla. La

arena, la fracción de suelo más grande (2.00 a 0.02 mm de diámetro), está

compuesta principalmente de granos de cuarzo meteorizados. Los granos

individuales de arena son de forma irregular y son perceptibles a simple vista,

excepto los más finos. El limo, es la fracción de suelo de tamaño medio (0.02 a 0.002

mm); las partículas de limo son irregulares también, pero suaves como el polvo al

tacto (similar al talco). De todas las fracciones, el limo tiene la mejor capacidad para

retener grandes cantidades de agua en el suelo en una forma que pueda ser usada por

las plantas. La arcilla, es la fracción de suelo más pequeña (< 0.002 mm de

diámetro) como una lámina de cristal; la arcilla es una fracción coloidal resultado de

40
 Materiales y métodos

reacciones químicas entre minerales meteorizados para formar partículas diminutas

de nuevos minerales clasificadas en arcillas amorfas y cristalinas (Jordán, 2006).

Los suelos arenosos, tienen una baja adhesividad y plasticidad, con alta

permeabilidad pero baja capacidad de retención de agua, al tener inactividad química

presentan poca capacidad de almacenamiento de nutrientes. Los suelos limosos

presentan una fertilidad física deficiente con escasa capacidad de retención de iones

por tanto bajo almacenamiento de nutrientes. Tienen alto riesgo de sellado superficial

y erodabilidad; pero baja infiltración, permeabilidad e inestabilidad estructural.

Mientras, los suelos arcillosos tienen una alta capacidad de retención de iones con

alta fertilidad química (según su mineralogía); alta capacidad de retención de agua,

plasticidad y adhesividad, pero baja permeabilidad y dificultad para la penetración de

las raíces (Porta et al., 1999). En partículas más pequeñas, el suelo tiene mayor

capacidad de retener agua y nutrientes.

Figura 2.5. Triángulo textural según la clasificación textural de la USDA (2000).

41
Capítulo II

Clasificación textural del suelo; los suelos normalmente están formados por más de

una fracción de suelo; las tres fracciones se encuentran todas en la mayoría de los

suelos, La proporción exacta o el porcentaje de las tres fracciones se llama textura

del suelo. Las doce clases de textura se muestran en el triángulo textural de suelo

propuesto por la USDA (Departamento de Agricultura de los Estados Unidos).

a. Los suelos del grupo arenoso, son ásperos al tacto, no forman cintas sino

terrones cuando secos, que se desmenuzan fácilmente con el más ligera

movimiento. Las clases de este grupo son: Arenoso, que tienen entre 85 y

100% de arena, 0 y 15% de limo y de 0 a 10% de arcilla. Arenoso franco, que

tienen de 70 a 85% de arena, 0 a 30% de limo y 0 a 15% de arcilla. Franco

arenoso, que tienen de 44 a 85% de arena, 0 a 50% de limo y 0 a 20% de

arcilla.

b. Los suelos del grupo mediano, se sienten ligeramente suaves con el suelo

húmedo, se forman cintas cortas cuando se presiona entre el índice y el pulgar,

dando una superficie rizada; estos suelos secos se desmenuzan con mayor

trabajo. Las clases de este grupo son: Limoso, que tienen de 0 a 20% de arena,

80 a 100% de limo y 0 a 12% de arcilla. Franco limoso, que tienen de 0 a 52%

de arena, 50 a 88% de limo y 0 a 27% de arcilla Franco, que tienen de 23 a

52% de arena, 28 a 50% de limo y 7 a 28% de arcilla. Franco arcillo arenoso,

que tienen de 45 a 100% de arena, 0 a 28% de limo y 20 a 35% de arcilla.

c. Los suelos del grupo arcilloso, son altamente plásticos y adhesivos cuando

húmedos, si se presionan entre el índice y pulgar forman una cinta delgada de

más de 2cm. Cuando secos forman terrones que difícilmente se rompen. Las

clases de este grupo son: Arcilloso, que tiene de 0 a 45% de arena, 0 a 40% de

limo y 40 a 100%. Arcillo limoso, que tiene de 0 a 20% de arena, 40 a 60% de

42
 Materiales y métodos

limo y 40 a 60% de arcilla. Franco arcilloso, que tiene de 10 a 45% de arena,

15 a 52% de limo y 27 a 40 % de arcilla. Franco arcillo limoso, que tiene de 0

a 20% de arena, 40 a 73% de limo y 27 a 40% de arcilla. Arcillo arenoso, que

tiene de 45 a 65% de arena, 0 a 20% de limo y 35 a 55% de arcilla (USDA,

1975).

 La materia orgánica del suelo (MOS). Representa del 95 al 99% del peso total de

los seres vivos, pero su presencia en suelos agrícolas suele ser escasa y en contadas

zonas superar el 2% (Navarro et al., 1995). Jordán (2006), manifiesta que esta

proporción de la MOS, puede ser muy variable dependiendo del momento del año;

en suelos agrícolas de acuerdo a la fenología del cultivo, y en suelos naturales

dependerá del tipo de cobertura p.e., ecosistemas con especies perennes o

caducifolias. Alvarado (2004), describe que la MOS en los bosques proviene de

hojas, troncos y raíces de la vegetación existente. En este componente del suelo se

observan dos procesos simultáneos; el primero que consiste en transformar todos

estos restos de hojas, raíces, vegetación y animales muertos en humus

(humificación), para posteriormente este humos transformarse en elementos

minerales CO y agua (mineralización) (Porta et al., 1999). Dunn y Stears (1987)

encontraron que la materia orgánica, entre otros factores, estaba significativamente

relacionada con la composición del bosque y especies herbáceas de Wisconsin

(U.S.). Su cantidad se expresa en porcentaje y es considerada como uno de los

elementos claves para determinar la calidad de los suelos porque contribuye a la

mejora de sus propiedades físicas p.e., aumentando la capacidad de retención de

agua, mejorando su estructura, disminuyendo la erosión y la compactación, entre

otras (Soil Quality Institute, 1996; Whalen y Sampedro, 2010). El contenido de

materia orgánica incrementa el proceso de agregación y la estabilidad de los

43
Capítulo II

agregados en suelos de Chile (Ellies et al., 2005). Taguas (2007), examina la

incidencia de la MOS en la estructura del suelo y la intensidad de infiltración de un

cultivo de Olivar. Cobertera (1993), manifiesta que existe una estrecha relación entre

la temperatura y precipitación media anual con la MOS, bajo las mismas técnicas de

cultivo. Otros estudios describen un incremento del carbón orgánico, al finalizar una

estación húmeda, mientras que en estación seca siempre decrecían. Cerdá (1998),

Ruíz-Sinoga y Romero Díaz (2010); describieron una tendencia similar en estudios

de suelos no enmendados, campos abandonados y pastizales bajo condiciones

semiáridas.

Desde el punto de vista químico, la materia orgánica está compuesta por

carbono, nitrógeno, fósforo, azufre, entre otros elementos, siendo el carbono el que

se encuentra en mayor cantidad (Denef et al., 2009), lo que hace muy relevante

estudiar principalmente este elemento cuando hay cambios de uso y manejo, y

queremos valorar los contenidos de materia orgánica. En cambio desde el punto de

vista físico, diversos estudios han establecido básicamente dos fracciones o tamaños

de la MOS que difieren en la velocidad de mineralización y con ello la cantidad de

nutrientes que puedan aportar al suelo (Zech et al., 1997). Una de las fracciones está

ligada a las partículas más finas (arcilla y limo), está más protegida de la degradación

microbiana y puede permanecer en el suelo por cientos de años por lo que podría ser

considerada en cierto modo recalcitrante (Zech et al., 1997). La otra fracción suele

representar la mayor parte de la materia orgánica, está en los agregados de mayor

tamaño, también llamados macro-agregados, compuesta principalmente por

fragmentos de raíces y hojas (Cambardella y Elliott, 1992). Es la más fácilmente

mineralizable porque está más expuesta a los microorganismos y se descompone en

pocas semanas o meses, de manera que se la puede denominar la fracción lábil. Esta

44
 Materiales y métodos

última fracción es más sensible a los cambios de uso, de bosque a pasto o cultivos

(Zech et al., 1997).

Así pues, los cambios de la cobertura vegetal con la gestión del territorio podrían

resultar obvios, pero han sido poco estudiados en algunos ecosistemas de Ecuador

(Reiners et al., 1994).

 La estructura y agregación del suelo. La estructura se refiere a cómo están

aglomerados los elementos minerales del suelo (arena, limo y arcilla) en unidades de

suelo discretas agregados o peds (FAO, 2006) resultado de procesos pedogenéticos.

Boix-Fayos (1999), la describe como la organización, tamaño, forma y disposición

de partículas (agregación) y sus espacios porosos (porosidad). Tanto la textura como

la estructura determinan el espacio poroso para la circulación de aire y agua,

resistencia a la erosión, soltura, facilidad para ararse y penetrar las raíces. Algunos

autores describen que, la estabilidad de los agregados del suelo bajo condiciones

mediterráneas, están relacionados con las condiciones de humedad y temperatura del

suelo e incluso podrían variar estacionalmente bajo diferentes condiciones

climáticas, de vegetación o de manejo (Lavee et al., 1996; Cerdà, 1998; Taguas,

2007). Aunque la estructura tiene estrecha relación con la textura que no cambia con

las actividades agrícolas, la estructura en cambio podría mejorarse o destruirse con

facilidad dependiendo de la selección de la practica agrícola como de sus

condiciones (Sullivan, 2007). Así mismo tiene fuerte relación con la porosidad, es

decir, el espacio poroso que está entre las partículas de los agregados, por donde

fluye el aire y agua, que a su vez cambia por alteraciones de la vegetación, la fauna,

empaquetado de partículas, contracción de arcillas y tareas de laboreo (Marshall et

al., 1996, en Gabarrón-Galeote, 2011).

45
Capítulo II

a) b) c) d)

Figura 2.6. Movimiento del agua a través de texturas a) granular, b) bloques

subangulares, c) prismática, d) laminar (USDA, 2000).

En consecuencia la capacidad de infiltración como de almacenamiento de agua

depende de su porosidad y estructura, y su movimiento depende de la disposición u

organización textural como lo describe la figura 2.7.

 Permeabilidad del suelo, la permeabilidad es la facilidad con que el aire, el agua o

las raíces se mueven a través del suelo (Plaster, 2009). Si bien la permeabilidad es

una propiedad del suelo que no puede medirse directamente, pero si se puede medir

el movimiento del agua (conductividad hidráulica) en función de la velocidad de

flujo de agua a través del suelo durante un periodo de tiempo determinado (USDA,

1999). La conductividad hidráulica saturada está influenciada por la textura,

estructura (Figura 2.7), densidad aparente y porosidad (número de poros, tamaño y

continuidad). Y la conductividad hidráulica no saturada se presenta en suelos en los

que existen procesos de humectación y desecación. Generalmente se expresa como

una tasa de permeabilidad (cm.hr-1), y como lo describe la tabla 2.3., se la puede

relacionar con la conductividad hidráulica del suelo.

46
 Materiales y métodos

Tabla 2.3. Clases de permeabilidad (USDA, 2000).

Tasa de Infiltración
Clases
(cm.hr-1)
Impermeable < 0.0015
Muy Lento 0.0015-0.06
Lento 0.06-0.2
Moderadamente lento 0.2-0.6
Moderado 0.6-2.0
Moderadamente rápido 2.0-6.0
Rápido 6.0-20
Muy rápido >20

Erosión del Suelo

Los procesos erosivos de rotura o separación, transporte y sedimentación o

depósito, se han venido produciendo desde hace cientos o miles de años (D´Odorico et

al., 2001), incluso antes de la aparición del ser humano sobre estos ecosistemas Andinos

aún en construcción. La erosión hídrica es parte de la evolución del paisaje que tenemos

actualmente; pero se ha visto incrementada en algunas regiones por la presión de las

actividades antropogénicas sobre estos ecosistemas naturales (Morgan, 2005).

Uno de los primeros modelos sencillos del proceso de la erosión hídrica fue

propuesto por Meyer y Wischmeyer (1969), que se muestra la figura 2.8. El impacto de

las gotas de lluvia al caer sobre el suelo se lo conoce como erosión por “salpicadura”,

que es el esfuerzo físico de compresión y corte del agua, que supera a la fuerza

intersticial que sostiene a los agregados del suelo juntos (Foto 2.6); a estas partículas

individuales desprendidas del suelo también se las conoce como sedimentos (Thornes,

1990).

47
Capítulo II

Foto 2.6. Secuencia de fotogramas de impacto de gota de agua sobre arena seca

(Furbish et al., 2007).

Cuando la capacidad de desprendimiento (“Arranque” en la Figura 2.7), del

suelo es menor a la capacidad de transporte (como sucede en el caso de algunas

arcillas), decimos que la erosión del suelo está limitada por su capacidad de

desprendimiento (Van Rompaey et al., 2003); y al contrario cuando la capacidad de

desprendimiento es mayor a la de transporte como en las arenas (Harmon y Doe, 2001),

decimos que la cantidad y magnitud de la erosión está limitada por su capacidad de

transporte.

48
 Materiales y métodos

Figura 2.7. Modelo conceptual de erosión de suelo en laderas (Meyer y Wischmeier,

1969).

A medida que las precipitaciones continúan el agua puede o infiltrarse a través

del suelo o a su vez empezar a acumularse si la superficie es plana o escurrirse en una

superficie inclinada o con cierta pendiente. La distribución espacial de la humedad del

suelo es considerada una variable clave para determinar los patrones del suelo que

influyen en los procesos de escorrentía (Zehe et al., 2005). Esta capacidad del suelo para

permitir la infiltración dependerá principalmente de parámetros físicos del suelo, su

permeabilidad (Ley de Darcy), así como del uso y manejo que se le esté dando a ese

suelo. La disponibilidad de agua en el suelo, es un factor limitante para el crecimiento

de las plantas, principalmente para los ecosistemas semiáridos, en los que se ve

reflejado en su distribución espacial y estructura; que describe un patrón espacial de la

infiltración y escorrentía; así como de la altitud y topografía (Wilcox et al., 2003).

Lamentablemente, este patrón espacial de la humedad del suelo y su dinámica es difícil

de observarlo directamente, y por lo tanto muy difícil de modelar.

49
Capítulo II

A escala de cuenca hidrográfica este flujo superficial del agua (“runnoff”), es

diferente para el área de cabecera que en la parte baja de la misma, esto se debe a que la

parte alta recepta el agua de todas las direcciones, y al irse acumulando provoca un flujo

preferencial que está influenciado por la forma del relieve, lo que a su vez favorece la

formación de canales de poca profundidad denominados “regueros”. A medida que el

poder erosivo aumenta, estos regueros pueden favorecer la formación de un canal de

mayor superficie y profundidad denominado “cárcavas” o “barrancos” (Poesen et al.,

2003). Al momento en que la trayectoria del flujo de agua disminuye su velocidad, ya

sea por cambio de pendiente, por el uso o manejo del suelo, entre otras; las partículas se

depositan ya que el flujo de agua no puede continuar arrastrando todo el sedimento.

En las cuencas Andinas descritas este mismo capítulo en los apartados de la

sección 2.1., la producción de sedimentos incluye la erosión en regueros, canales y

movimientos en masa conocidos como deslizamientos (Foto 2.3.a), pero no todo el

sedimento desprendido va directamente a los ríos, parte se deposita en zonas colinadas y

planas de la cuenca baja, antes de llegar al río (Foto 2.3. b y c). Existe diferencia entre el

desplazamiento del material más pesado, que rueda, salta, o se desliza, del más fino que

es empujado por las partículas del fluido mientras está en suspensión. Al caudal sólido

de las partículas pesadas se le conoce como carga de fondo, mientras que al de las finas

se denomina carga suspendida, así como su suma es la carga total.

Suárez-Díaz (2001), describe el proceso de erosión y depósito en laderas en la

figura 2.9. El depósito de los sedimentos se produce cuando la capacidad de transporte

del flujo superficial es menor que la velocidad de sedimentación de las partículas,

debido a la fuerza de gravedad; si bien estas partículas se depositan libremente, también

pueden ser fácilmente removidas nuevamente por el impacto de las gotas de lluvia.

Pendiente abajo la velocidad de flujo podría aumentar más eficientemente en laderas

50
 Materiales y métodos

pronunciadas, ya que a medida que aumenta la superficie de la pendiente, disminuye la

velocidad de desprendimiento del suelo.

Figura 2.8. Representación esquemática de la erosión y depósito sobre superficies

inclinadas (Suárez Díaz, 2001).

La “erosión de cauces”, consiste en la eliminación directa de los sedimentos de

cualquiera de las riberas de los ríos (erosión de flujo lateral o en eventos de inundación),

o en el lecho mismo de los ríos. Los sedimentos también pueden ingresar en la corriente

debido a los hundimientos en las riberas, socavadas por el flujo de canal. La mayoría de

estos tipos de erosión descritos no se producen de forma aislada, sino más bien

simultáneamente, y esto está influenciado principalmente por la forma del paisaje así

como por las características de las precipitaciones. Desafortunadamente, gran parte de

los modelos de erosión hídrica tienden a predecir uno solo de estos tipos de erosión

descritos, p.e., escorrentía, regueros, canales (Summer et al., 1998). Y el rendimiento

total de una cuenca hidrográfica es la suma de todos los tipos de erosión presentes en la

misma (Rustomji y Prosser, 2001).

Un factor muy importante que interviene en los procesos de erosión es sin duda

la cobertura vegetal, principalmente porque influye en la regulación del ciclo

hidrológico. Entender cómo es la interacción planta-suelo puede ser muy útil al

51
Capítulo II

momento de proponer estrategias de manejo o conservación del suelo para evitar su

riesgo de degradación (Zalewski, 2000).

Aunque el proceso de erosión es complejo, es posible caracterizar los principales

factores que intervienen con algunos modelos. Un modelo de erosión pretende entender

las leyes físicas y los elementos del paisaje, así como la escorrentía con el material

parental del suelo. El modelo traduce estos factores en relaciones matemáticas y lo

expone en los procesos de erosión hídrica fundamentales de desprendimiento, transporte

y deposición (Jetten el al., 2003).

De acuerdo a la clasificación propuesta en Morgan (2005), tenemos tres tipos o

categorías de modelos que destacar los de base física, los conceptuales y los empíricos.

Los modelos físicos; no surgieron hasta la década de 1970 y se basan en el análisis

físico de los procesos de erosión y transporte de los sedimentos, utilizando ecuaciones

que describen la transferencia de masa, cantidad de movimiento y energía. Ya que sus

parámetros tienen comprensión física, se los puede cuantificar directamente, sin

necesidad de recurrir a registros largos hidrometeorológicos (Smith et al., 1999).

Algunos ejemplos de modelos de base física son el ANSWERS - Aereal Non Point

Source Watershed Environment Response Simulation, propuesto por (Beasley et al.,

1989); CREAMS – Chemicals, Runoff and Erosion from Agriculture Management

Systems (Knisel, 1995); el WEPP – Water Erosion Prediction Proyect (Nearing et al,

1989); y uno más reciente el SWAT – Soil and Water Assessment Tool (Arnold y

Foster, 2005). A pesar de que estas ecuaciones se han formulado para tener como

entrada datos espacio-temporales continuos, en la práctica suelen utilizarse datos de

fuentes puntuales para representar la superficie de una cuenca por ejemplo (Saavedra,

2005); estos parámetros calculados en micro-escala no pueden extrapolarse a macro-

escala, porque pierden su justificación por la variabilidad en los factores.

52
 Materiales y métodos

Los modelos conceptuales; estos modelos reflejan los procesos físicos que rigen el

sistema, pero son descritos con relaciones empíricas, usando sistemas mecánicos o

eléctricos análogos al sistema bajo investigación. Estos modelos representan a una

cuenca como una serie de almacenes internos y por lo general lineales (Sivapalan et al.,

2002); y tienden a incluir una descripción general de los procesos a escala de cuenca,

sin incluir detalles específicos de las interacciones de procesos complejos. Lo que

favorece a estos modelos para explicar efectos cualitativos o cuantitativos del cambio de

uso del suelo, por ejemplo; sin necesidad de muchos datos espacio-temporales de

entrada. Una alternativa es usar modelos conceptuales agrupados, es decir que puedan

ser aplicados de una manera semi-distribuida al desagregar una cuenca en subcuencas

en las que se aplica el modelo (Flanagan y Nearing, 1995; Arnold y Fohrer, 2005). Los

valores para utilizar en estos modelos conceptuales, pueden obtenerse normalmente a

través de la calibración con los datos observados, como la medición de la concentración

de descargas de corriente y sedimentos (Zhou y Liu, 2002). Por esta medición de datos

observados estos modelos suelen sufrir problemas de identificación de los valores de los

parámetros; sin embargo el papel de estos modelos es cumplir un rol intermedio entre

los modelos con base física y los empíricos.

Los modelos empíricos; son considerados modelos sencillos, que se basan

principalmente en el análisis de los experimentos de campo y buscan caracterizar la

respuesta de las parcelas de erosión utilizando inferencia estadística. La rigurosidad en

los datos así como los requisitos computacionales suelen ser menores que los otros dos

tipos de modelos. Estos modelos por lo general tienen una alta agregación espacio-

temporal, y se basan en el análisis de los procesos de erosión utilizando técnicas

estadísticas. Suelen ser muy utilizados como la etapa inicial para identificar posibles

fuentes de sedimentos. Estos modelos suelen criticarse por emplear suposiciones sobre

53
Capítulo II

la física del sistema de la cuenca, o por ignorar la heterogeneidad característica de los

datos de entrada de las mismas, por ejemplo el tipo de precipitación o de suelo, o por

ignorar linealidades inherentes a un sistema de captación (Foster, 1996). A pesar que

alguna de estas críticas podrían aceptarse como válidas, existen muchas regiones del

Planeta que no disponen de datos suficientes para poder aplicar los modelos de base

física o los modelos conceptuales, por ejemplo una red de estaciones meteorológicas, la

fuerte heterogeneidad espacial de los suelos, insuficiente información espacial sobre el

uso y manejo del suelo, entre otros; en los que modelos más flexibles como los

empíricos son la mejor alternativa para ser aplicados, y suelen ser un paso muy útil para

detectar las causas y fuentes de sedimentos (Lu et al., 2004).

Por la rigidez en los datos de entrada el uso de estos modelos podría limitar el potencial

para predecir efectos de cambios en las cuencas, y al mismo tiempo resulta difícil

modelar procesos de precipitación-escorrentía por su baja sensibilidad al cambio

(Kandel et al., 2004).

Como se ha descrito, los modelos de erosión de suelo utilizan expresiones

matemáticas, para presentar las relaciones entre los diversos factores y procesos que

ocurren. Los factores que intervienen en casi todos los modelos son la topografía, el

clima, las propiedades del suelo, la cobertura vegetal y el uso y manejo del suelo. Estos

parámetros fueron descritos en la famosa Ecuación Universal de Pérdida del Suelo

(USLE) propuesta por Wischmeier y Smith (1978). A partir de este modelo se han

derivado algunas versiones de modelos. Merrit et al. (2003), hace una amplia revisión

de modelos, usos y desempeño. En esta descripción general mencionaremos a tres que

se relaciones en función al área geográfica en que fueron desarrollados (continentes)

p.e., SLEMSA, Modelo de estimación de la pérdida de suelo para el sur de África

(Stocking, 1981); EuroSEM, Modelo de erosión de Suelo Europeo (Morgan et al.,

54
 Materiales y métodos

1998); RUSLE, que es una revisión de la ecuación universal de pérdida del suelo

(USLE), propuesta por (Renard et al., 1997).

El modelo RUSLE, fue elegido para estimar el riesgo de erosión del suelo a

escala local en la zona de estudio, por ser un modelo que se puede adaptar a sitios con

información escasa que en nuestro caso las principales limitantes fueron el clima y el

suelo. La ecuación universal de perdida de suelo propuesta por Renard et al. (1997) es la

siguiente:

𝐴(𝑥,𝑦) = 𝑅(𝑥,𝑦) 𝐾(𝑥,𝑦) 𝐿𝑆(𝑥,𝑦) 𝐶(𝑥,𝑦) 𝑃(𝑥,𝑦) (2.1)

Dónde: A es el promedio anual de riesgo de erosión del suelo por unidad de área (Mg

ha-1 yr-1), R es el factor de erosividad provocado por las lluvias (MJ mm ha -1 h-1 yr-1), K

es el factor de erodabilidad del suelo (Mg h MJ-1 mm-1), LS son los factores de largo de

la pendiente y grado de pendiente (expresado en porcentaje), C es la cobertura vegetal

del suelo y P es el factor que describe las prácticas de manejo del suelo (Morgan, 2005).

Todo este análisis lo desarrollamos en una constante espacial de 30m que es el tamaño

de la celda (x,y) tomada del modelo digital de elevación (MDE).

2.2.2. Generación de información de línea base para implementar el modelo

El material utilizado en el proceso de muestreo de campo fue:

Barrenos cilíndricos y tipo edelman, cilindros de kopecky, machetes, navaja para suelo,

bolsas plásticas, etiquetas, flexómetro, altímetro, GPS, podadora manual, espátulas,

cuerda plástica, libreta de campo, mapas y cámara fotográfica.

Muestreo y descripción del suelo en campo

De acuerdo a los objetivos de la tesis, la metodología tiene cierta variación en relación a

55
Capítulo II

las dos escalas de muestreo en la misma. A escala local (59.1 km2), denominada

microcuencas de acuerdo a la clasificación que propone el INEFAN, (1993); y a escala

regional (4184 km2), cuenca o sistema hidrográfico de acuerdo a esta misma

clasificación.

Tabla 2.4. Clasificación de cuencas en relación con la superficie (INEFAN, 1995).

En la fase de análisis del trabajo de campo a escala local, se inició definiendo el

área de estudio en función de las limitantes del momento (recursos escasos para

movilización y de personal). De acuerdo a la accesibilidad al terreno y las limitantes

mencionadas, el trabajo de campo y laboratorio para la primera escala fue completado

en un periodo de 12 meses. Y en la segunda escala de la investigación (regional), el

tiempo fue de 18 meses aproximadamente.

El fin del trabajo de campo a escala local, se lo realizo en función a los

requerimientos específicos que plantea el modelo de la RUSLE, es decir de acuerdo a

los parámetros que exige la fórmula de erodabilidad del suelo:

K  0.277 106 M 1.14 (12  OM )  (0.0043(s  2)  0.0033( p  3) (2.2)

Donde: K es el factor de erodabilidad; M representa a (limo % + arena muy fina %) *

(100 – arcilla %); OM es la materia orgánica en %; s es el parámetro estructural basado

en el primer horizonte del suelo y p es el parámetro de permeabilidad.

Para cumplir con la evaluación de todos estos parámetros de esta fórmula, en el

56
 Materiales y métodos

campo fue realizado un muestreo estratificado - sistemático (Carter, 1993). Este método

consiste en seleccionar los puntos de muestreo a distancias uniformes entre sí, con el

propósito de brindar cobertura total a todas las cuencas en relación con sus condiciones

específicas (cobertura natural e intervenida). Esta técnica es considerada “clásica” para

la estimación en superficies y se recomienda su uso para reducir la variabilidad de las

muestras, además de ser un procedimiento de selección de la muestra fácil de ubicar

sobre un mapa o fotografía aérea. En este tipo de muestreo puede realizarse por rejilla

rectangular o polar. Para esta actividad fue utilizada una carta topográfica puesta a

disposición del por el Instituto Geográfico Militar del Ecuador (IGM) a escala 1:50000,

y por cada cuadrante de la grilla se tomó 1 muestra de suelo. El total de los sitios a

muestrear para estas 7 cuencas pequeñas fue de 64 puntos de muestreo.

Al parámetro de estructura del suelo se lo determina in situ, en condiciones del

suelo de preferencia secas o ligeramente húmedas, para ello se debe tomar con la ayuda

de una pala, un terrón de suelo grande del horizonte del primer perfil a analizar. La

estructura del suelo se la describe en términos de tamaño, grado (s/estructura, débil,

moderado y fuerte), y tipo de agregados (granular, migajosa, laminar, blocosa,

prismática). A la estructura también se la puede comprobar con la información de

textura y densidad aparente siguiendo las directrices para descripción de suelos de la

FAO (2006).

La permeabilidad del suelo puede medirse mediante su coeficiente de

conductividad hidráulica; y esta conductividad se calcula a partir de la velocidad de

infiltración (Tabla 2.3), esta velocidad varía según el tipo de suelo y el contenido de

humedad presente en el suelo (Jordán, 2006).

57
Capítulo II

Figura 2.9. Mapa y esquema de muestreo del área local de estudio.

Como lo describe la figura 2.10 cada sitio de muestreo representa a una muestra

compuesta, es decir que tenía de 8 a 9 sub-muestras. La profundidad de muestreo fue de

0 – 20 cm (suelo mineral). El barreno de muestreo fue tipo cilindro con un diámetro de

5,4 cm obteniendo un volumen de suelo de 458 cm3 por cada sub-muestra. Las

actividades como ubicación del sitio (1) se refiere a la identificación exacta del sitio a

tomar la muestra, así como su georreferenciación con la ayuda de un GPS, todo esto fue

descrito en la hoja de campo (Anexo 1.a). En esta hoja, además de los datos geográficos

es recomendable colocar la fecha, así como el código del sitio de muestreo. La actividad

denominada “(3) descripción de la muestra”, se refiere a las características del suelo

como su estructura, características del paisaje p.e., cobertura, manejo, relieve, pendiente

local, entre otras sugeridas en las directrices para descripción de los suelos de la FAO

(2006). También en estas directrices recomienda evitar muestrear cerca de lugares con

58
 Materiales y métodos

influencias antrópicas como caminos, senderos, deslizamientos o en pastizales de las

deyecciones de animales, fuentes de agua, etc. Buduba (2004), también recomienda

tomar las muestras en la misma época del año y en el caso de estar en temporada

invernal dejar que transcurran aproximadamente 48 horas luego de producido un evento

de precipitaciones. En este tema el Anexo 1.b), sugiere describir algunas condiciones

del clima, paisaje, relieve, etc.

Para tener una muestra correcta para ser analizada en el laboratorio es necesario

homogenizar todas las sub-muestras en un recipiente o una superficie limpia,

disgregando los terrones y eliminando las piedras y materia orgánica como pedazos de

madera u hojas. En una bolsa limpia y etiquetada fue tomada la muestra final mediante

el cuarteo, el peso aproximado de la muestra fue de 1 Kg. La muestra de DA, no se la

debe retirar del anillo de kopecky, sino más bien se debe colocar las tapas plásticas en

ambos extremos del anillo y llevar al laboratorio para ponerlo en la estufa a 105°C por

24 horas y tomar el peso seco de la muestra. La DA del suelo resulta de dividir el peso

seco del suelo para el volumen del cilindro de muestreo y se lo expresa en (g.cm-3).

En las etiquetas de las bolsas del suelo y DA, se recomienda que el código de

campo de la muestra coincida con el de DA y el de la hoja de campo que describe el

sitio de muestreo lo más completo e ilustrativo posible. En nuestro caso los códigos de

cada muestra fueron las 3 primeras letras mayúsculas del nombre de la subcuenca (p.e.,

MIN_01), más el número que le correspondía del mapa de campo (Figura 2.10).

A escala regional la generación de la información de suelo se fundamentó en el

enfoque geo-pedológico, por la alta relación geomorfología-suelo (Fotos 2.4 y 2.5); con

este enfoque se puede caracterizar los suelos con un nivel de estudio semi-detallado y de

cartografía 1:25000, utilizando el perfil de suelo como base del análisis edafológico. La

selección y distribución de las observaciones in situ, fue usando el método de mapeo

59
Capítulo II

libre y el de transectos. Mapeo libre, consiste en muestrear sin una regla fija, pero

respetando el nivel de estudio y la hipótesis propuesta, en este caso fue paisaje-

geoforma-suelo, en la delimitación, la fotointerpretación y los sistemas de información

geográfica (SIG), fueron utilizados para conseguir este propósito. La técnica de los

transectos fue utilizada cuando ya conocíamos la dirección de los límites generales de la

fisiografía de los suelos; en este caso se puede trabajar a mayor detalle perpendicular a

estos límites y con menor detalle paralelo a los mismos (UTPL-CLIRSEN, 2012). Este

muestreo fue parte del proyecto de geoinformación para la gestión del territorio a nivel

nacional, escala 1:25000, el cual fue financiado por la SENPLADES (Secretaría

Nacional de Planificación y Desarrollo del Ecuador), fiscalizado por el CLIRSEN

(Centro de Levantamientos Integrados de Recursos Naturales y Sensores Remotos) y

ejecutado para el área de estudio por la UTPL (Coordinador de la fase de campo del

muestreo de suelos agrícolas – Anexo 3).

Análisis del suelo en el laboratorio

La compra de material y equipos para el laboratorio de suelos agrícolas de la UTPL, fue

gracias a la AECID, con uno de sus programas que financiaron parte de este proyecto de

tesis (PCI_Iberoamérica A/024199/09 - Anexo 4). Estos fueron indispensables para

poder desarrollar los análisis en los parámetros materia orgánica y textura del suelo

mineral.

El material utilizado en el laboratorio para el parámetro de materia orgánica, es:

tamiz (2 mm), balanza de precisión, tabla Munsell, agitador magnético, picetas,

probetas, pipetas, balones de aforo, matraces, buretas.

En el laboratorio las muestras de suelo disturbadas fueron preparadas para su

proceso de análisis, primero secadas al aire y pasadas por un tamiz de 2mm; la intención

de este proceso es separar las fracciones gruesas de las finas del suelo, de acuerdo a

60
 Materiales y métodos

como lo describe la tabla 2.2, que suele utilizarse para diferentes países.

La materia orgánica del suelo (MOS) fue determinada mediante el método

Walkley-Black, de oxidación húmeda (Soil Survey Staff, 1996), de acuerdo al protocolo

validado para el laboratorio de suelos que se encuentra en el Anexo 4. La determinación

real en el laboratorio es del carbón orgánico (Nelson y Sommers, 1996) y los cálculos

del mismo fueron estimados de acuerdo a la siguiente fórmula:

(𝐵−𝑀)∗𝑁∗𝑂.𝑂𝑂3∗1.3)
% 𝐶𝑂 = 100 (2.3.)
𝑊𝑚

Donde, % CO es el carbón orgánico expresado en porcentaje, B es el volumen de

Sulfato Ferroso utilizado en la titulación del “blanco” (ml), M es el volumen de Sulfato

Ferroso utilizado en la titulación de la muestra (ml), Wm es el peso de la muestra (g), y

N es la normalidad real de la solución de sulfato ferroso utilizado en la titulación que se

la determina con la fórmula (1.4).

𝑉 𝐶𝑟2 𝑂7 𝐾2 (𝑏𝑙𝑎𝑛𝑐𝑜)
N= (2.4.)
𝑉 𝑆𝑂4 𝐹𝑒 (𝑏𝑙𝑎𝑛𝑐𝑜)

Donde, V Cr2O7K2, es el volumen del dicromato de potasio que como describe el

protocolo de análisis del Anexo 4, es (5 ml) y V SO4Fe, es el volumen de sulfato

ferroso que se utilizó para titular el blanco (ml).

El factor (0.003) utilizado en la fórmula 2.3, representa el peso en gramos de un mili-

equivalente de carbono, obtenido al dividir el peso atómico del carbono (12) entre el

número de la valencia del carbono (4), y luego dividido entre 1000.

El factor (1.3) utilizado en la fórmula 2.3, representa la eficiencia del método de

oxidación del carbono orgánico, obtenida al dividir 100 entre 77, y el factor (100) es

porque los valores se los expresa en porcentaje.

Como en la mayoría de investigaciones lo que se requiere es que el carbono

61
Capítulo II

orgánico esté representado cómo porcentaje de materia orgánica del suelo (MOS), se

utiliza la formula a continuación para este proceso.

% MOS = %𝐶𝑂 𝑥 1.724 (2.5.)

El factor 1.724, resulta de la división de la MOS (100) entre el CO (58).

La textura del suelo fue determinada por el método del hidrómetro, también llamado

de Bouyoucus; mismo que fue implementado y validado para el Laboratorio de suelos

agrícolas de la UTPL. Los análisis estadísticos de desempeño (precisión), fueron

realizadas 10 repeticiones a un total de 10 muestras de suelo escogidas al azar, 5

representan a cobertura natural (bosques) y 5 a cobertura intervenida (pastizal).

Los pasos del proceso de implementación y validación se describen a continuación.

a.- Preparación de la muestra, como estos análisis generalmente se determinan en la

fracción fina (<2 mm) del suelo, que se ha secado a una temperatura no superior a 40

°C, hasta masa constante, constituyendo lo que se denomina “suelo seco al aire”. Las

ventajas de usar el suelo seco al aire consisten en que generalmente este posee un

contenido de humedad óptimo para manipularlo y procesarlo, la masa de suelo seco al

aire permanece relativamente constante y la actividad biológica es baja durante el

almacenaje.

b.- Principio y alcance del método. El principio de este método se basa en la Ley de

Stokes: “la resistencia ofrecida por un líquido a la caída de una partícula esférica

rígida varía con la circunferencia de la esfera y con su superficie, es además

proporcional a la viscosidad (y por tanto a la temperatura) y a tres veces a la velocidad

de caída” (Soil Science Society of América, 2002).

2 (𝐷𝑟−𝐷𝑓) 𝑔 𝑟 2
𝑉= (2.6.)
9𝜇

62
 Materiales y métodos

Donde: V es la velocidad de caída de la partícula (cm.s-1), g es la aceleración de la

gravedad (cm.s-2), Dr es la densidad real (2.65 g.cm-3), Df es la densidad del fluido

(g.cm-3), r es el radio equivalente de la partícula (cm), µ es la viscosidad del fluido

(poises).

El método del hidrómetro nos ayuda a determinar los porcentajes de arena,

arcilla y limo presentes en una muestra de suelo y así mismo su clasificación textural

(Fuentes, 1998). El hidrómetro a utilizar debe estar calibrado para determinar la

densidad de la suspensión (g.L-1), la cual es función de la cantidad de partículas que

todavía no se han sedimentado. Los resultados de un análisis de laboratorio son más

representativos si se expresan en relación al peso del suelo que se ha utilizado en el

análisis. En este caso, el peso del suelo en base seca es considerado como el mejor

estándar para basar los cálculos en diferentes análisis de suelos.

Para este método el material y equipos utilizados fueron: Hidrómetro calibrado de 0-60

g/L, Probetas graduadas de 1000 ml, Agitador mecánico, Termómetro electrónico,

Balanza analítica, vasos de precipitación de 250ml, pipetas de 5ml, pisetas, varillas de

agitación, temporizador. Los reactivos utilizados fueron: como agentes dispersantes

(Hidróxido de sodio 1 N y Oxalato de Sodio sobresaturado), su función es separar las

partículas de limo y arcilla. Alcohol amílico, para eliminar la espuma que pueda impedir

la lectura con el hidrómetro.

c.- Procedimiento.- el flujograma del procedimiento justo con el archivo fotográfico se

encuentra en el Anexo 4.

d.- Cálculos:

 Corregir las lecturas del hidrómetro, tomando en cuenta la media aritmética de

las 2 lecturas de la temperatura, por cada grado centígrado mayor o menor a 20

ºC se suma o se resta 0,36 a la primera y segunda lectura del hidrómetro.

63
Capítulo II

 Determinar el material en suspensión con la siguiente expresión

Primera lectura corregida

%𝑀𝑆 = × 100 (2.7)
Peso de la muestra

 Determinación del porcentaje de arena (% Ao)

%𝐴𝑜 = 100 − 𝑀𝑆 (2.8)

 Determinación del porcentaje de arcilla (% Ac)

Segunda lectura corregida

%𝐴𝑐 = × 100 (2.9)
Peso de la muestra

 Determinación del porcentaje de limo (% Lo)

%𝐿𝑜 = 100 − (%𝐴𝑐 + %𝐴𝑜) → %𝐿𝑜 = %𝑀𝑆 − %𝐴𝑐 (2.10)

Los parámetros relacionados con la erodabilidad del suelo (estructura y

permeabilidad) fueron analizados en campo y en gabinete, por lo que no se mencionan

en este apartado.

Análisis estadístico

El análisis estadístico se realizó tanto para la validación del método de textura en

el laboratorio como para la estimación de algunos parámetros de campo. En lo referente

al laboratorio la intención de la validación o calibración de un método es que este pueda

ser confiable y reproducible a futuro, para ello el parámetro de desempeño elegido fue

precisión.

Precisión.- expresa la cercanía de coincidencia (grado de dispersión) entre una serie de

mediciones obtenidas de múltiples muestreos de una misma muestra homogénea bajo

condiciones establecidas. Las dos medidas más comunes de la precisión, que

generalmente se define en términos de la desviación estándar o el coeficiente de

variación (desviación estándar relativa) son la repetibilidad y la reproducibilidad.

64
 Materiales y métodos

Repetibilidad obtenida bajo las mismas condiciones de operación en un intervalo corto

de tiempo, por un mismo analista (Fabiola Martínez – TFT), en la misma muestra

homogénea y usando los mismos materiales y equipos. Para este análisis fueron

utilizados los datos de las lecturas del hidrómetro (1era y 2da) corregidos; para

analizarlos con el coeficiente de variación (CV); el total de las muestras elegidas para

esta implementación fue de 10. Este CV, nos permite comprobar si existe dispersión de

los resultados obtenidos para ambas lecturas.

𝑆
%𝐶𝑉 = ŷ × 100 (2.11)

Donde: CV es el coeficiente de variación que resulta de división de la desviación

estándar (S), para la media (ŷ) y multiplicado por 100.

Σ(y−ŷ)2
𝑆=√ (2.12)
𝑛−1

En el análisis de la repetibilidad es necesario conocer si existe diferencia significativa

entre la repetición de análisis a la misma muestra (10 repeticiones), para ello se utilizó

el análisis de varianza (ANOVA) en donde la variable de respuesta (explicada) fue la

densidad de las partículas, que se la hará depender de un solo factor (CV), de tal manera

que las causas de su variabilidad obedezcan a dos fuentes: al factor y al error aleatorio.

(Martínez, 2009).

Los resultados de este análisis estadístico los podemos ver en las tablas 1 - 10

del Anexo 2 de esta tesis.

Reproducibilidad que es la precisión bajo las condiciones de reproducibilidad, es decir

poder obtener los mismos resultados con el mismo protocolo, ya sea en distintos

laboratorios o con diferentes analistas, utilizando los materiales y equipos especificados.

65
Capítulo II

Para este análisis fueron comparados dos conjuntos de 5 datos y se probó la hipótesis de

no diferencia a través de la prueba t de Student. El análisis de prueba está dado por la

siguiente fórmula:

ŷ
𝑇𝑒𝑥𝑝 = 𝑆 (2.13)
√𝑛

Estos análisis los podemos ver en las tablas 11 a la 30 del Anexo 2.

Regresión y correlación lineal

Se calculó el coeficiente de correlación de Pearson, para analizar la asociación lineal

entre la MOS con la altitud, la cobertura vegetal, la pendiente (para el capítulo III); y

entre la altitud y los factores climáticos (temperatura y precipitación para los capítulos

IV y V); y se probó la significación. La ecuación 2.14 representa esta relación lineal que

podría presentarse entre 2 variables:

𝑦 = 𝑎 + 𝑏𝑥 ± 𝑆 (2.14)

Donde: y, es la variable dependiente; x, la variable independiente; a,b, parámetros de la

ecuación y S, el error estándar.

En esta tesis fueron desarrollados estos análisis de relación para los capítulos III, IV y V.

El capítulo III describe las relaciones entre el porcentaje de MOS, con la altitud, la

cobertura vegetal y la pendiente. Y en los parámetros de calidad de agua fueron

analizados el índice biológico IMEERA-B ajustado para los Andes por Villamarín et al.

(2013), con la cobertura vegetal y la DA del suelo.

Los análisis estadísticos (gráficos, diagramas de distribuciones y tendencias,

estadísticos descriptivos) fueron hechos usando el programa XLSTAT-Base y el

programa SPSS 17.0 (Norusis, 2007).

66
 Bibliografía

2.3. Bibliografía

Alvarado, A., 2004. Producción de madera con bajos insumos: Reciclaje de nutrimentos

en plantaciones y bosques tropicales. Memorias de IX Congreso Ecuatoriano y I

Binacional (Ecuador-Perú) de la Ciencia del Suelo.

Arnold, J.G., y Fohrer, N., 2005. SWAT2000: current capabilities and research

opportunities in applied watershed modelling. Hydrological Processes, 19, 563-572.

Baquero, F., et al., 2004. La Vegetación de los Andes del Ecuador. Memoria explicativa

de los mapas de vegetación: potencial y remanentes a escala 1:250000 y del

modelamiento predictivo con especies indicadoras. EcoCiencia CELSA

CORPORACIÓN EcoPar/MAG SIGRAGO/CDC-Jatun Sacha/ División Geográfica-

IGM, Quito. 56 pp.

Balslev, H. 1988. Distribution patterns of Ecuadorian plant species. Taxon. 37, 567-577.

Beasley, D.B., Huggins, L.F., y Monke, E.J., 1989. ANSWERS: a model for watershed

planning. Transactions of ASAE, 23, 938-944.

Boix-Fayos, C., 1999. Procesos geomórficos en diferentes condiciones ambientales

mediterráneas: el estudio de la agregación y la hidrología de suelos. Tesis doctoral,

Univ. de Valencia, 394 pp.

Buduba, C., 2004. Muestreo de Suelos: Criterios Básicos. Ficha técnica. Patagonia

Forestal. Año X. 1, 9-12.

Burneo, J.I., 2013. Dynamics of Bio-Elements in Soils along a Land-Use Gradient in

the Tropical Mountain Rain Forest of Southern Ecuador. PhD Thesis, Technische

Universitat Dresden. 143pp.

Cambardella, C.A., Elliott, E.T., 1992. Particulate soil organic matter changes across a

67
Capítulo II

grassland cultivation sequence. Soil Science Society of America Journal. 56, 777-

783.

Carter, M., 1993. Soil sampling and methods of analysis. Lewis Publishers. Boca Raton,

Florida.

Cerdà, A., 1998. Relationships between climate and soil hydrological and erosional

characteristics along climatic gradients in Mediterranean limestone areas.

Geomorphology. 25, 123-134.

Cobertera, E., 1993. Edafología aplicada. Suelos, producción agraria, planificación

territorial e impactos ambientales", Cátedra, Madrid.

De Koning, G.H.J., van de Kop, P.J., Fresco, L.O., 1997. Estimates of sub-national

nutrient balances as sustainability indicators for agro-ecosystems in Ecuador. Agric.

Ecosyst. Environ. 65, 12-139.

Denef, K., Plante, A. F., Six, J., 2009. Characterization of soil organic matter. In

Kutsch, W.L., Bahn, M., Heinemeyer, A. (Eds.), Soil Carbon dynamics an integrated

methodology. Cambridge, United Kingdom.

D'Odorico, P., Porporato, A., Ridolfi, L., 2001. Transition between stable states in the

dynamics of soil development. Geophysical Research Letters. 28.

DOI:10.1029/2000GL012290.

Dunn, C.P., y Stearns, F., 1987. Relationship of vegetation layers to soils in

southeastern Wisconsin forested wetlands. American Midland Naturalist. 118, 366-

374.

Ellies, A., Ramírez, C., McDonald, R., 2005. Organic matter and wetting capacity

distribution in aggregates of Chilean soils. Catena. 59, 69-78.

68
 Bibliografía

Erazo, J.C., y Martínez, J., 2004. Determinación de diez indicadores ambientales para la

provincia de Loja. TFT de Ingeniería en Gestión Ambiental – UTPL, Loja.166 pp.

FAO, 2006. Guidelines for soil description. Food and Agriculture Organization of the

United Nations (p. 109). Rome.

Foster, G.R., 1996. Process-based modelling of soil erosion by water on agricultural

land. In: J. Boardman, I.D.L. Foster and H.D. Dearing (Editors), Soil Erosion on

Agricultural Land. Wiley, Chichester, pp. 429-445.

Fuentes, J., 1998. Técnicas de Riego. 3era. Ed. Mundi-Prensa, Madrid. 215pp.

Furbish, D.J., Hamner, K.K. Schmeeckle, M. Borosund M.N. y Mudd, S.M., 2007. Rain

splash of dry sand revealed by high-speed imaging and sticky paper splash targets. J.

Geophys. Res., 112, F1 doi:10.1029/2006JF000498.

Flanagan, D.C., y Nearing, M.A., 1995. Hillslope profile and watershed model

documentation. In: USDA-ARS-USDI (ed.). Technical documentation. Water

Erosion Prediction Project (WEPP). Report No. 10. NSERL West Lafayette, IN,

USA. pp: 11.1-11.9.

Gabarrón-Galeote, M.A., 2011. La vegetación como reguladora del recurso hídrico en

ambiente mediterráneo. Tesis Doctoral. Departamento de Geografía. Univ. de

Málaga. 317pp.

Galindo-Zaldívar, J. et al., 2010. Geometría y estructuras de la Cuenca neógena de Loja

a partir de datos gravimétricos (Andes Ecuatorianos). GEOGACETA. 48, 215-218.

Harmon, R.S. y Doe, W.W., 2001. Landscape Erosion and Evolution Modelling.

Kluwer Academic / Plenum Publishers, New York, USA, 540 pp.

INEFAN., 1995. “Principales Estadísticas Forestales del Ecuador”. Dirección General

69
Capítulo II

de Planificación (preparado por M. Almeida). Quito.

INERHI-PREDESUR-CONADE-OEA.1994. Plan integral de desarrollo de los recursos

hídricos de la provincia de Loja. Washington D.C. Disponible en:

http://www.oas.org/usde/publications/Unit/oea02s/ch64.htm Revisado: Enero, 2015.

Jaramillo, D., 2001.Introducción a la Ciencia del Suelo. Medellín Colombia. 582pp.

Jetten, V., Govers, G., Hessel, R., 2003. Erosion models: quality and spatial predictions.

Hydrological Processes. 17, 887-900.

Jordán López, A., 2006. Manual de edafología. Universidad de Sevilla. 144pp.

Kandel, D.D., Western, A.W., Grayson, R.B., Turral, H.N., 2004. Process

parameterization and temporal scaling in surface runoff and erosion modelling.

Hydrological Processes. 18, 1423-1446.

Knisel, W.G., 1995. CREAMS: A Field-Scale Model for Chemicals, Runoff, and

Erosion from Agricultural Management Systems., US Dept of Agriculture.

Agricultural Research Service.

Kennerley, J.B. y Almeida, L., 1975. Mapa geológico de Ecuador, hoja de Loja (56)

1:100.000. Instituto Geográfico Militar.

Lavee, H., Sarah, P., Imeson, A.C., 1996. Aggregate stability dynamics as affected by

soil temperature and moisture regimes. Geografiska Annaler. 78, 73-82.

Litherland, M., Aspden, J.A., Jemielita, R.A., 1994. The metamorphic belts of Ecuador.

Overseas Memoir of the British Geological Survey 1113

Lu, H., Moran, C., Prosser, I., Sivapalan, M., 2004. Modelling sediment delivery ratio

based on physical principles. In: C. Pahl-Wostl, S. Schmidt and T. Jakeman

(Editors), IEMSS 2004 International Congress: "Complexity and Integrated

70
 Bibliografía

Resources Management". International Environmental Modelling and Software

Society, Osnabrueck, Germany. 600 pp.

Martínez, F., 2009. Influencia de la textura en la permeabilidad del suelo de la

subcuenca Zamora Huayco, cantón Loja. TFT. IGA-UTPL, Loja. 85pp.

MAE (Ministerio del Ambiente del Ecuador), 2002. Informe Nacional del Ecuador

sobre la lucha contra la Desertificación y Mitigación de la Sequía. Quito.

MAG-PRONAREG-ORSTOM, 1984. Mapa de Suelos: Loja 1:200,000. Ministerio de

Agricultura y Ganadería, Programa Nacional de Regionalización and Office de la

Recherche Scientifique et Technique Outre-Mer. Printed in IGM. Quito.

Marshall, T.J., Holmes, J.W., Rose, C.W., 1996. Soil physics. Cambridge University

Press. Third Ed. 374 pp.

Meyer, L.D., y Wischmeier, W.H., 1969. Mathematical simulation of the process of soil

erosion by water, Trans. ASAE. 12, 754-758.

Morgan, R.P.C., et al., 1998. The European Soil Erosion Model (EUROSEM):

documentation and user guide. Silsoe College, Cranfield University.

Morgan, R.P.C., 2005. Soil Erosion and Conservation, 3rd ed. Blackwell, Malden.

Navarro, J., Moral, L., Beneyto, M., 1995. Residuos Orgánicos y Agricultura.

Universidad de Alicante. España. 108 pp.

NCI-GCA, 2006. Valoración del recurso hídrico en microcuencas abastecedoras de agua

para el cantón Loja (Naturaleza y Cultura Internacional – GCA-Consultores) Loja.

157 pp.

Nearing, M.A., Foster, G.R., Lane, L.J., y Finkner, S.C., 1989. A process-based soil

erosion model for USDA: water erosion prediction project technology. Transactions

71
Capítulo II

of ASAE, 32, 1587–1593.

Nelson, D., y Sommers, L., 1996. Total carbon, organic carbon and organic matter. In:

Bartels, J.M, Bigham, J.M., (eds). Methods of soil analysis, part 3. Chemical

Methods, 3rd edn. (Agronomy series nº 5) ASA, SSSA, Madison, Wis, pp 961-1010

p.

Norusis, M., 2007. SPSS Stadistic Base 17.0 User´s Guide. Chicago.

Oñate-Valdivieso, F., Bosque, J., 2010. Application of GIS and remote sensing

techniques in generation of land use scenarios for hydrological modeling. J. Hydrol.

395, 256–263.

Poesen, J., Nachtergaele, J., Verstraeten, G. y Valentin, C., 2003. Gully erosion and

environmental change: Importance and research needs. Catena. 50, 91-113.

Porta, J., López-Acevedo, M., Roquero, C., 1999. Edafología para la agricultura y el

medio ambiente. Mundi-Prensa. Madrid. 849 pp.

Plaster, E.J., 2009. Soil Science and Management. 5th Edition. Delmar Cengage

Learning. New York. 495pp.

Proyecto Catamayo-Chira, 2005. Caracterización hídrica y adecuación entre la oferta y

la demanda, caracterización territorial y documentación básica. Consorcio ATA-

UNP-UNL. Loja-Piura. 110pp.

Reiners, W.A., Bouwman, A.F., Pearsons, W.F.J., Keller, M., 1994. Tropical Rain

Forest Conversion to Pasture: Changes in Vegetation and Soil Properties. Ecological

Applications. 4, 363-377.

Renard, K.G., Foster, G.R., Weesies, G.A., McCool, D.K., Yoder, D.C., 1997.

Predicting soil erosion by water: a guide to conservation planning with the Revised

72
 Bibliografía

Universal Soil Loss Equation. USDA Agriculture Handbook, No. 703. 404pp.

Richter, M., 2003. Using epiphytes and soil temperaturas for eco-climatic

interpretations in Southern Ecuador. Erdkunde. 57, 161-181.

Rollenbeck, R., y Bendix, J., 2011. Rainfall distribution in the Andes of southern

Ecuador derived from blending weather radar data and meteorological field

observations. Atmospheric Research. 99, 277-289.

Ruiz-Sinoga, J.D., y Romero Diaz, A., 2010. Soil degradation factors along a

Mediterranean pluviometric gradient in Southern Spain. Geomorphology. 118, 359–

368.

Ruiz-Sinoga, J.D., Gabarrón-Galeote, M.A., Martinez-Murillo, J.F., García-Marín, R.,

2011. Vegetation strategies for soil water consumption along a pluviometric gradient

in southern Spain. Catena. 84, 12-20.

Rustomji, P., y Prosser, I., 2001. Spatial patterns of sediment delivery to valley floors:

Sensitivity to sediment transport capacity and hillslope hydrology relations.

Hydrological Processes, 15, 1003-1018.

Sivapalan, M., Jothityangkoon, C., y Menabde, M., 2002. Linearity and non-linearity of

basin response as a function of scale: discussion of alternative definitions. Water

Resources Research, 38 (2) DOI: 10.1029/2001WR000482.

Soil Quality Institute, 1996. Indicators for soil quality evaluation. USDA.

Soil Science Society of América, 2002. Methods of Soil Analysis Physical: methods.

Part 4. Editor-in-Chief SSSA: Warren A. Dick. Madison, Wisconsin, USA.

Soil Survey Staff., 1996. Soil survey laboratory methods manual. Soil Survey

Investigations Rep. Vol. 42. US Dept. Agric.-Nat. Res. Cons. Serv., Washington,

73
Capítulo II

DC.

Sullivan, P., 2007. El Manejo Sostenible de Suelos. ATTRA. 40 pp. Disponible en:

www.attra.ncat.org/espanol/pdf/suelos.pdf

Summer, W., Klaghofer, E. y Zhang, W., 1998. Modelling Soil Erosion, Sediment

Transport and Closely Related Hydrological Process, IAHS-AISH Publication. Nº

249. IAHS, 453 pp.

Suárez Díaz, J., 2001. Control de erosión de suelos en zonas tropicales. Universidad

Industrial de Santander. Bucaramanga, Colombia. 555pp.

Smith, R.E., Goodrich, D.C., Woolhiser, D.A. y Unkrich, C.L., 1995. KINEROS: a

kinematic runoff and erosion model. In: V.P. Singh (Editor), Computer Models of

Watershed Hydrology. Water Resources Publications, Colorado, pp. 697-732.

Stocking, M., 1981. A working model for the estimation of soil loss suitable for

underdevelopment areas, Development Studies Occasional Paper No. 15, University

of East Anglia, UK.

Taguas, E., 2007. Evaluación de la pérdida de suelo en olivar a escala de microcuenca

bajo distintos manejos de suelo. Tesis doctoral. Univ. Córdoba. 354pp.

Tote, C., et al., 2011. Effect of ENSO events on sediment production in a large coastal

basin in northern Peru. Earth Surf. Processes Landforms. 36, 1776–1788.

Thornes, J.B., 1990. Vegetation and Erosion: Processes and Environments. Wiley,

Chichester, London, UK. 518pp.

USDA, 2000. From the Surface Down - An Introduction to Soil Surveys for Agronomic

Use. Washington D.C. 26pp.

UTPL–CLIRSEN, 2012. Memoria Técnica Geopedología, Proyecto de geoinformación

74
 Bibliografía

para la gestión del territorio a nivel nacional escala 1:25000, SENPLADES –

disponible en: http://sni.gob.ec/planes-de-desarrollo-y-ordenamiento-territorial

Van Rompaey, A.J.J., Krasa, J., Dostal, T. y Govers, G., 2003. Modelling sediment

supply to rivers and reservoirs in Eastern Europe during and after collectivization

period. Hydrobiologia. 494, 169-176.

Villamarín, C., Rieradevall, M., Paul, M.J., Barbour, M.T., Prat, N., 2013. A tool to

assess the ecological condition of tropical high Andean streams in Ecuador and Peru:

The IMEERA index. Ecological Indicators 29, 79–92.

Winckell, A., Zebrowski, C., Sourdat, M., 1997a. Los paisajes naturales del Ecuador.

Quito, EC, CEDIG, IPGH, ORSTOM, IGM. v. 2 (Geografía Básica del Ecuador),

tomo 4. Geografía Física. 417 pp.

Wischmeier, W.H., y Smith, D.D., 1978. Predicting rainfall erosion losses: A guide to

conservation planning. Agriculture Handbook 537. U.S. Department of Agriculture,

Washington, DC, USA.

Wilcox, B., Breshears, D., Allen, C., 2003. Ecohydrology of a resource-conserving

semiarid woodland: effects of scale and disturbance. Ecological Monographs, 73,

223–239.

Whalen, J., y Sampedro, L., 2010. Soil ecology and management. Cambridge University

Press, Cambridge.

Zalewski, M., 2000. Ecohydrology - the scientific background to use ecosystem

properties as management tools toward sustainability of water resources. Ecological

Engineering. 16, 1–8.

Zech, W., et al., 1997. Factors controlling humification and mineralization of soil

organic matter in the tropics. Geoderma. 79, 117-161.

75
Capítulo II

Zehe, E., Becker, R., Bárdossy, A., Plate, E., 2005. Uncertainty of simulated catchment

sale runoff response in the presence of threshold processes: role of initial soil

moisture and precipitation. Journal of Hydrology. 315, 183-202.

Zhou, Q., y Liu, X., 2002. Error assessment of grid-based flow routing algorithms used

in hydrological models. International Journal of Geographic Information Science. 16,

819-842.

76
 CAPÍTULO III:
El papel de la cobertura vegetal en la generación de sedimentos
y calidad de agua de los Andes Ecuatorianos.

Este capítulo fue publicado en el Libro de Actas de las VI Jornadas de Ingeniería del
Agua: La precipitación y los procesos erosivos (Córdoba, 2015)

Enviado: 22 de Abril, 2015 / Aceptado: 19 de Mayo, 2015 / Publicado: 23 de Octubre,

2015.
Código: B.31: 507 – 514 pp.

MANEJO Y CONSERVACIÓN DEL SUELO Y AGUA EN

LOS ANDES DEL SUR DE ECUADOR
 Cobertura vegetal y generación de sedimentos

CAPÍTULO III:

3. El papel de la cobertura vegetal en la generación de sedimentos y

calidad de agua de los Andes Ecuatorianos.

Resumen
Ecuador presenta la tasa más alta de deforestación de América del Sur, lo que ha venido

afectando a las condiciones ecológicas de las fuentes de agua que presentan gran

cantidad de sedimentos producto de la erosión del suelo. Las cuencas interandinas se

ven afectadas por un rápido crecimiento poblacional lo que ha provocado el cambio de

grandes zonas de bosque natural en pastos, tierras de cultivo, o infraestructura urbana.

Por estos cambios presentes se analizó la influencia de la cubierta vegetal en 7 cuencas

que abastecen de agua a la ciudad de Loja. Se tomaron muestras de suelo y agua por

cada una de las cuencas a diferentes escalas. Para determinar la calidad del agua fueron

utilizados parámetros biológicos como físico-químicos. Mientras que a escala de cuenca

se determinaron zonas susceptibles a erosionarse en función a la erodabilidad del suelo

y las condiciones topográficas del paisaje. Con los resultados obtenidos fueron

propuestas como estrategias de manejo de las riberas de los ríos, un “bufer” de

conservación o reforestación de 30m de ancho, por el largo de todo el caudal. Mayor

susceptibilidad a la de erosión fue descrita para zonas altas de montaña, donde las

condiciones del suelo y pendiente son muy altos y la cantidad de precipitación también

suele ser alta. Sin embargo bajo la vegetación del bosque natural, la erosión del suelo es

muy baja, incluso sobre suelos de fuerte pendiente. Determinándose a la cobertura

vegetal como el factor más importante para evitar la erosión del suelo, mientras que los

demás factores estudiados son secundarios en la zona de estudio.

79
Capítulo III

3.1. Introducción
Gestionar el agua y el suelo ha sido importante en el transcurso de la historia de

la humanidad, y en la actualidad esa importancia se remarca porque estos recursos se

encuentran sometidos a fuertes presiones climáticas y/o antropogénicas (Wilkinson y

McElroy, 2007). En América del Sur, la tasa más alta de deforestación la tiene Ecuador

(FAO, 2010), lo que puede estar afectando directamente al suelo y a la condición

ecológica de las fuentes de agua.

En Ecuador, las cuencas andinas se ven especialmente afectadas por un rápido cambio

del uso de suelo lo que viene provocando la conversión de grandes áreas de bosque

nativo en zonas con usos antrópicos. Desde la puesta en marcha de la Ley de Reforma

Agraria en el Ecuador (1973), una considerable extensión del país ha sufrido pérdida de

su cubierta vegetal nativa, principalmente por la ampliación de la frontera agropecuaria;

y recientemente el desarrollo urbano se ha convertido en otro factor causante de la

deforestación de varias zonas.

En el sur del Ecuador la deforestación ha llegado a niveles preocupantes, entre el año

1989 y 2008 la tasa anual de deforestación fue de 2.86% y se estima que la vegetación

nativa remanente cubre aproximadamente cerca del 49% de la región (Tapia-Armijos et

al., 2015). Por este motivo, el estudiar la importancia que tiene la cubierta vegetal en las

cuencas andinas es clave para determinar estrategias de gestión, conservación o

restauración de las mismas, especialmente porque muchas de ellas abastecen de agua a

varias poblaciones.

De acuerdo a los antecedentes expuestos el objetivo de esta propuesta fue analizar la

influencia que tiene la cobertura vegetal nativa sobre la generación de sedimentos y la

calidad del agua en siete cuencas hidrográficas.

80
 Cobertura vegetal y generación de sedimentos

3.2. Materiales y métodos

3.2.1. Área de estudio

Nuestro estudio fue realizado en un ecosistema de bosque montano del sur de

Ecuador, en siete cuencas hidrográficas que abastecen con más del 55% de agua para la

ciudad de Loja. Las cuencas bordean el Parque Nacional Podocarpus por el este, con un

rango altitudinal de 2120 m a 3420 m s.n.m. Las cuencas se encuentran entre 3° 59' y 4°

06' Sur y entre los 79° 09' y 79° 12' Oeste, cubriendo un área aproximada de 5900 ha

(Figura 3.1). El clima es templado lluvioso con un promedio de precipitaciones anuales

de 1000 mm y una temperatura de 16 °C. La distribución de las lluvias del sitio de

estudio es bimodal; la temporada de lluvias se da entre Diciembre y Abril, siendo

Agosto y Septiembre los meses más secos.

Estas cuencas tienen una base litológica variable de rocas metamórficas del Paleozoico,

con lutitas conglomerados y areniscas superpuestas. Los suelos que predominan son

Entisoles, gran grupo de los Troporthents, suborden Orthents ubicados en la zona media

a baja de las cuencas y en las cumbres de las montañas los Inceptisoles.

3.2.2. Indicadores del Suelo

El suelo de las cuencas fue muestreado de manera sistemática, de 0 – 20 cm de

profundidad, sin analizar el horizonte orgánico de las mismas, la estructura y

permeabilidad del suelo fueron determinados directamente en el campo; también el uso

del suelo (pastizal o bosque) fue descrito en cada sitio de muestreo (FAO, 2006). En el

laboratorio de suelos se determinaron los parámetros de textura, densidad aparente

(DA), materia orgánica del suelo (MOS): de acuerdo a lo que describe el Soil Survey

Staff (1996).

81
Capítulo III

Figura 3.1. (a) Susceptibilidad a la erosión del suelo (b) deforestación de las cuencas de

estudio; Loja - Ecuador.

Para determinar las zonas susceptibles a la generación de sedimentos en las

cuencas, se utilizó el cálculo del índice de erodabilidad propuesto por Renard et al.

(1997)

82
 Cobertura vegetal y generación de sedimentos

K  0.277 106 M 1.14 (12  MO)  (0.0043(s  2)  0.0033( p  3) (2.1)

Donde K es el índice de Erodabilidad, M = (% limo + % arena muy fina)*(100 - %

arcilla), MO es la materia orgánica del suelo en porcentaje, s es la estructura del primer

horizonte de suelo, p = parámetro de permeabilidad.

La erodabilidad del suelo y el factor topográfico fueron analizados como lo

describe la tabla 3.1.

Tabla 3.1. Regla de decisión de la susceptibilidad a la erosión del suelo, los resultados
se describen en la figura 3.1.

Rangos del factor topográfico

Muy bajo Bajo Medio Alto Muy alto

Rangos del factor - K 0-5 5 - 10 10 - 20 20 - 40 > 40

1 2 3 4 5

Bajo 0.01 - 0.02 1 Mb Mb B M A

Medio 0.02 - 0.04 2 Mb B M A Ma

Alto > 0.04 3 B M A Ma Ma

3.2.3. Indicadores del agua.

Muestras de agua fueron tomadas en cada uno de los sitios de captación de agua

de las cuencas de estudio. Cada sitio fue georreferenciado para su análisis posterior

usando los sistemas de información geográfica (SIG). Para determinar la calidad del

agua fueron utilizados los índices WQI desarrollado por Brown (1970) como parámetro

físico-químico; y como parámetros biológicos el EPT (Lenat, 1988) y el IMEERA-B,

adaptado para los Andes Ecuatorianos por Villamarín et al. (2013). Estos resultados

fueron analizados con los porcentajes de la cubierta vegetal natural de las cuencas de

estudio.

83
Capítulo III

3.3. Resultados y discusión

3.3.1. Susceptibilidad a la erosión

Como describe la figura 3.1, observamos una muy alta y alta susceptibilidad a la

erosión principalmente en la zona alta de las cuencas (cumbres de las montañas), donde

las condiciones del suelo y la pendiente son de igual manera superiores. Sin embargo la

vegetación del bosque natural en esas áreas podría disminuir la generación de

escorrentía y arrastre de sedimentos del suelo, incluso sobre estos filos de cordilleras

donde las lluvias tienen mayor intensidad. Considerándose a la cobertura vegetal natural

como el factor más importante para evitar la erosión del suelo de estas cuencas,

mientras que los otros dos factores estudiados serían secundarios para las cuencas de

estudio.

1.4
y = -0.0079x + 1.6825
R² = 0.9136
Minas
Densidad aparente (g . cm3)

Mendieta
1.2
El Carmen

San Simón

Namanda
1
Mónica

Curitroje

0.8
60 70 80 90 100
Cobertura natural (%)

Figura 3.2. Densidad aparente del suelo en función del porcentaje de cobertura vegetal

natural de las cuencas.

La figura 3.2 muestra una alta relación de dependencia (R2 = 0.91) entre los

porcentajes de cobertura vegetal nativa de las cuencas con los valores medios de (DA)

84
 Cobertura vegetal y generación de sedimentos

de las mismas. La cuenca Minas que tiene el porcentaje más bajo de cobertura vegetal

describe una mayor DA del suelo, y lo contrario la cuenca Mendieta que posee el mayor

porcentaje de cobertura vegetal natural, describe una menor DA. Las cuencas Mónica y

San Simón son coincidentes en porcentajes de cobertura vegetal natural y la densidad

aparente del suelo. Como lo describen algunos autores, la densidad aparente es un

indicador del grado de compactación del suelo, lo que podría dificultar la infiltración del

agua en el suelo y por ende favorecer en los procesos de generación de escorrentía

superficial. Así mismo a los suelos con mayor densidad aparente se los considera a los

arcillosos o con bajos porcentajes de MOS, mientras que los suelos con baja densidad

serían los que gozan de un mayor aporte de materia orgánica y con texturas más

livianas. El contenido de materia orgánica incrementa el proceso de agregación y la

estabilidad de los agregados del suelo (Ellies et al., 2005).

3.3.2. Calidad del agua

Si bien como describe la metodología se analizaron otros parámetros para

determinar la calidad de agua de estas cuencas como el WQI (índice físico-químico) y el

EPT; estos no mostraron una relación significativa de dependencia con la cobertura

vegetal natural de las cuencas; sin embargo la figura 3.3 describe una mediana relación

(R2 = 0.54) entre el indicador biológico IMEERA-B con la cobertura vegetal natural de

las cuencas. Y si se analizara las condiciones de compactación del suelo de las cuencas

en función de la densidad aparente de las mismas, se observa una mejor relación con el

indicador biológico IMEERA-B, probablemente por lo mencionado anteriormente del

aporte de materia orgánica al suelo de las cuencas en sitios cercanos a las riberas de los

ríos.

85
Capítulo III

Figura 3.3. Indicador biológico de calidad de agua en función de la cobertura vegetal

natural (a) y la densidad aparente del suelo (b).

La densidad aparente del suelo aumentó significativamente (P < 0.05) en áreas

de pastos comparado con áreas de suelo del bosque nativo. Este aumento en la D.A.,

provoca a su vez un decrecimiento en la porosidad del suelo, relacionado con la perdida

de MOS y la compactación del suelo. La disminución de las características físico-

químicas del suelo, fueron afectadas por los procesos erosivos y por la disminución

acelerada de la cobertura vegetal.

En las cuencas de estudio fue utilizado el criterio propuesto por Villalobos

(2005), para determinar “in situ” la condición hidrológica de la cobertura vegetal en

función al porcentaje de suelo cubierto por la vegetación. Cuando el dosel de la cubierta

protege más del 75% del suelo se considera como buena, cuando lleva los valores entre

50 – 75% es considerado regular, y al cubrir menos del 50% del área del suelo se

considera mala.

De acuerdo a los criterios antes expuestos la figura 3.4 describe los porcentajes

en relación a la cobertura del suelo de las cuencas. El 50% de las mismas presenta

condiciones buenas, el 44% regulares y el 6% tiene malas condiciones.

86
 Cobertura vegetal y generación de sedimentos

Porcentaje de cobertura natural

6 Mala 44 Regular 50 Buena

50
44

Mala Regular Buena

6 44 50

Figura 3.4. Condición hidrológica de las cuencas de estudio en relación a cómo la

cubierta vegetal protege el suelo.

Los rangos altitudinales de los diferentes tipos de cobertura vegetal muestreados

en las cuencas fueron: Pastizales desde 2167m hasta 2613m s.n.m.; Plantaciones de

árboles (Pino) desde los 2200m hasta los 2504m s.n.m.; Sucesión de vegetación desde

los 2341m hasta los 2589m s.n.m.; Bosque Natural desde 2170m hasta 2726m s.n.m.;

Bosque Natural/Filo (Páramo arbustivo) desde los 2880m hasta 3360m s.n.m.

Cobertera (1986), describe una estrecha relación entre la temperatura y

precipitación media anual con y el contenido en materia orgánica en suelos agrícolas

bajo las mismas técnicas de cultivo. Y, Jordán (2006), manifiesta que sería posible

establecer la proporción de la MOS en función del clima, ya que este influye tanto en la

producción de biomasa de los ecosistemas como en la transformación posterior de la

MOS. En nuestro análisis del área local (ecosistemas húmedos tropicales) observamos

que más tiene influencia la cobertura vegetal que el clima en el factor de temperatura

(Figura 3.5). El clima lo estamos relacionando en nuestro caso con la altitud (disminuye

0.6 °C por cada 100 de ascenso); y la precipitación en estas cuencas alto andinas es

directamente proporcional, a mayor altitud mayor precipitación, por tanto este factor

87
Capítulo III

climático podría estar influyendo en la acumulación de la MOS para las zonas altas de

las cuencas.

Figura 3.5. Relación del MOS (%) con la altitud (m s.n.m.), en función de la cobertura

vegetal.

En la figura 3.5, se muestra a los pastizales con los más altos porcentajes de

MOS. De acuerdo al análisis estadístico (Anexo 2, Tabla 31), no se obtuvo ninguna

correlación entre MOS y cobertura vegetal, lo cual se debe a que existe una alta

dispersión de los datos (variabilidad de la MOS que van desde 1,32% hasta 8,57%).

También los valores de la MOS sobre coberturas naturales son bajos, esto concuerda

con lo descrito por Stevenson (1982), para suelos tropicales, los valores bajos podrían

ser una manifestación de la alta actividad microbiana sobre la MOS, debido a las altas

temperaturas.

3.3.3. Manejo de las cuencas

En la mayoría de las cabeceras de estas cuencas de estudio se han declarado como parte

del Parque Nacional Podocarpus, y al mismo tiempo son las zonas que presentan mayor

dificultad de acceso para actividades de deforestación, lo que les ha ayudado a

88
 Cobertura vegetal y generación de sedimentos

conservar gran parte de su vegetación natural. Sin embardo para gran parte de estas

cuencas en la parte media y baja es donde se ve notablemente disminuida la calidad del

agua, debido principalmente a actividades antrópicas como la ganadería y expansión

urbana. Es por ello que de acuerdo a los resultados de estos proyectos conjuntos (suelo-

agua) proponemos la necesidad de describir como políticas locales; corredores de

conservación, mantenimiento un porcentaje de cobertura vegetal natural en la parte alta

de las cuencas, así como la delimitación de 30m a lo largo de todas las fuentes de

captación de agua para consumo en la ciudad “buffer”. El poder establecer un corredor

de vegetación formado desde la cabecera de la cuenca con vegetación ribereña, hasta la

desembocadura del río al canal urbano podría contribuir positivamente en la calidad de

flora y fauna acuática y a la vez incrementar la calidad del agua. Este búfer de 30 m de

ancho, por el largo del caudal del río también ayudaría a contrarrestar la fuerza del agua

sobre el cauce del rio evitando su erosión al momento en que se produzcan fuertes

precipitaciones en cabecera. En estudios previos de estas cuencas se determinó que los

conjuntos de comunidades de macro-invertebrados fueron más diversos y relacionados

con cuencas cubiertas en gran parte por vegetación natural (Iñiguez-Armijos et al.,

2014); que en cuencas que han sufrido fuertes procesos de deforestación o han

cambiado su cubierta vegetal por pastizales.

De acuerdo a nuestros resultados, la cubierta vegetal natural es el factor más

importante para la conservación de los suelos de estas cuencas de montaña, la propuesta

también es establecer como zonas prioritarias de conservación del suelo, a los sitios con

muy alto y alto riesgo de susceptibilidad a la erosión del suelo. En cuanto al manejo del

suelo que las campañas de reforestación se dirijan en primera instancia a estos sitios

denominados prioritarios, si en el caso su cobertura vegetal natural haya sido perturbada

anteriormente.

89
Capítulo III

3.4. Conclusiones

Estudiar estas cuencas que proveen un caudal considerable para consumo

humano (>50%) del total, para la capital de provincia (Loja). Además de proveer un

escenario paisajístico e influir en la estabilidad del ciclo hidrológico, disminuyendo el

riesgo de inundaciones en la ciudad en la estación invernal o en eventos de fuertes

lluvias. Los resultados demostraron que el cambio de la cubierta vegetal y la

deforestación, han deteriorado considerablemente la calidad del suelo y agua.

Este estudio puede ser una útil para determinar la importancia de la cubierta

vegetal en la gestión del territorio. Además, propone una regulación enfocada al manejo

de zonas de amortiguamiento de bosques naturales y riberas de los ríos, que podría tener

éxito al momento de aplicar una política local o sistema de soporte de decisiones (SSD)

dirigida a la gestión del recurso hídrico en cuencas abastecedoras de agua.

3.5. Agradecimientos

Este trabajo ha sido financiado en parte por la Secretaria Nacional de Educación

Superior, Ciencia, Tecnología e Innovación del Ecuador (SENESCYT) beca doctoral

2008-2, y por proyectos de investigación financiados por la Universidad Técnica

Particular de Loja (UTPL). Agradecemos a Carlos Íñiguez & M.F. Tapia-Armijos por

su aporte en el desarrollo de esta parte del estudio.

3.6. Referencias

Brown, R. 1970. A Water Quality Index – Do We Dare? Water Sewage Works 11, 339–

343.

Cobertera, E., 1993. Edafología aplicada. Suelos, producción agraria, planificación

territorial e impactos ambientales", Cátedra, Madrid.

90
 Cobertura vegetal y generación de sedimentos

Ellies, A., Ramírez, C., McDonald, R., 2005. Organic matter and wetting capacity

distribution in aggregates of Chilean soils. Catena. 59, 69-78.

FAO, 2006. Guidelines for soil description. Food and Agriculture Organization of the

United Nations (p. 109). Rome. doi:10.1017/S0014479706384906

FAO, 2010. Global Forest Assessment 2010: Main Report. Food and Agriculture

Organization of the United Nations (FAO) Forestry Paper 163, Rome.

[www.fao.org/forestry/fra/en/; accessed: verified March 2013]

Iñiguez–Armijos, C., Leiva, A., Frede, H.G., Hampel, H., Breuer, L., 2014.

Deforestation and Benthic Indicators: How Much Vegetation Cover Is Needed to

Sustain Healthy Andean Streams? PLoSONE 9(8): e105869.

Jordán López, A., 2006. Manual de edafología. Universidad de Sevilla. 144pp.

Lenat, D.R., 1988. Water quality assessment of streams using a qualitative collection

method for benthic macroinvertebrates. Journal of the North American Benthological

Society. 7, 222–233.

Ochoa-Cueva, P., Fríes, A., Montesinos, P., Rodríguez-Díaz, J.A., Boll, J. 2015. Spatial

estimation of soil erosion risk by Land-cover change in the Andes of Southern

Ecuador. Land degradation & development. 26, 565-573. DOI: 10.1002/ldr.2219.

Ochoa, P.A., et al., 2015. Effects of climate, land cover and topography on soil erosion

risk of a semiarid basin of the Andes. Aceptado en Catena.

Renard, K.G., Foster, G.R., Weesies, G.A., McCool, D.K., Yoder, D.C., 1997.

Predicting soil erosion by water: A guide to conservation planning with the Revised

Universal Soil Loss Equation (RUSLE). Agricultural Research Service (USDA-

ARS) Handbook No. 703. (USDA: Washington, DC. EEUU).

91
Capítulo III

Soil Survey Staff, 1996. Soil survey laboratory methods manual. Soil Survey

Investigations Rep. Vol. 42. US Dept. Agric.-Nat. Res. Cons. Serv., Washington,

DC.

Stevenson, F., 1982. Humus Chemistry. Genesis, Composition, Reactions. John Wiley

and Sons. New York. 443 pp.

Tapia-Armijos, M.F., Homeier, J., Espinosa, C.I., Leuschner, C., de la Cruz, M., 2015.

Deforestation and forest fragmentation in South Ecuador since the 1970s – losing a

hotspot of biodiversity. PLoSONE. 10(9). e0133701.

Villalobos, M., 2005. Diseño de drenaje superficial. Editorial Tecnológica de Costa

Rica. 97pp. Disponible en: http://books.google.com.ec/books?id=i5d82Djs8qUC.

Villamarín, C., Rieradevall, M., Paul, M.J., Barbour, M.T., Prat, N., 2013. A tool to

assess the ecological condition of tropical high Andean streams in Ecuador and Peru:

The IMEERA index. Ecological Indicators. 29, 79–92.

Wilkinson, B.H., y McElroy, B.J. 2007. The impact of humans on continental erosion

and sedimentation. GSA Bulletin 119, 140–156.

92
 CAPÍTULO IV:
Spatial estimation of soil erosion risk by land-cover change in
the Andes of Southern Ecuador

This chapter was published in Land Degradation and Development 26: 565-573 (2015)

Accepted: March, 2013 / Published: August, 2015

MANEJO Y CONSERVACIÓN DEL SUELO Y AGUA EN

LOS ANDES DEL SUR DE ECUADOR
 Riesgo de erosión por cambio de uso del suelo

CAPÍTULO IV:

4. Spatial estimation of soil erosion risk by land-cover change in the

Andes of Southern Ecuador
Abstract
Ecuador has the highest deforestation rate in South America causing large scale soil

erosion. Inter-Andean watersheds are especially affected by a rapid increase of the

population leading to the conversion of large areas of montane forest into pasture and

cropland. In this study we estimate soil erosion risk in a small mixed land use watershed

in the southern Andes of Ecuador. Soil loss was estimated at a spatial resolution of 30

m, using the Revised Universal Soil Loss Equation (RUSLE) where the RUSLE factors

were estimated based on limited publicly available data. Land cover maps for 1976,

2008 and 2040 were created assuming increasing deforestation rates over the ensuing

decades. Greater erosion rates are estimated for succession areas with agricultural

cropland and pasture with maximum values of 936 Mg ha-1 yr-1, where slopes and

precipitation amounts are greatest. Under natural forest vegetation, the estimated soil

erosion rates are negligible (1.5 to 40 Mg ha-1 yr-1) even at steep slopes and higher

elevations where rainfall amounts and intensities are generally higher. When the entire

watershed has undergone substantial deforestation in 2040, erosion values may reach

2021 Mg ha-1 yr-1. Vegetation cover is the most important factor for potential soil

erosion. Secondary factors are related to rainfall (R-factor) and topography (LS-factors).

The spatial predictions of potential soil erosion have only limited meaning for erosion

risk, this method provides an important screening tool for land management and

assessment of land cover change.

Keywords: soil erosion; RUSLE; land cover change; future scenarios; C-factor;
Ecuadorian Andes.

95
Capítulo IV

4.1. Introduction
Human impacts such as deforestation and road and building construction increase

the risk of soil erosion (Harden, 1988). These impacts cause accelerated reduction in

soil fertility and increased sedimentation in rivers (De Koning et al., 1999; Vanacker et

al., 2007). Replacing forests and other natural vegetation with pasture and cropland

causes soil erosion in the world and in South America in particular (Mosandl et al.,

2008). In many parts of the world, however, the consequences of land cover change are

not well understood due to a lack of adequate spatial and temporal information about

land degradation.

Ecuador has the greatest deforestation rate in South America. Between 2000 and

2010 four million ha of forest per year were lost (FAO, 2010). More than half of the

land surface is being affected by erosion. The growing population puts additional

pressure on the natural ecosystems (montane forest and páramo).

Inter-Andean watersheds are especially affected, due to agrarian reform of the

1960s and 1970s and a rapid increase of the rural population (Harden, 1988). Large

areas of tropical montane landscapes are currently being deforested, typically by slash

and burn activities for vegetation clearance (Podwojewski et al., 2002; Molina et al.,

2007), followed by establishing cropland and pasture. In deforested areas, unprotected

soil experiences sealing or crusting, disturbance of soil structure, and rain drop impact

(splash erosion), leading to increased soil erosion potential, especially in steep terrain.

This is a key problem for the management and conservation of soil in the 21st century.

Studies related to deforestation and its influence on land degradation, as well as

knowledge about soil erosion, are extremely rare in Ecuador compared to other tropical

countries (Zehetner and Miller, 2006; Schoorl et al., 2006; Romero et al., 2007). Spatial

information for Ecuador only is available at the national scale with low-resolution data

96
 Riesgo de erosión por cambio de uso del suelo

(De Koning et al., 1999); however high resolution potential erosion maps are needed for

the sustainable management of Andean watersheds.

The Revised Universal Soil Loss Equation (RUSLE) (Renard et al., 1997) is

extensively used worldwide to estimate annual soil loss with rainfall, topography and

landuse data. Unfortunately, rainfall data are scarce in tropical high mountains because

rain gauges are generally located near the valley bottoms (Podwojewski et al., 2002).

The global data fields, for example, the WorldClim database, cannot provide the

necessary high resolution, and these data reveal great uncertainties in regions such as

the Andes of Ecuador. An advantage of the RUSLE is that distributed erosion rates in

watersheds without station data can be estimated, when knowledge about watershed

characteristics and local hydro-climatic conditions are available (Andrade et al., 2010).

The objective of this study was to generate high-resolution potential erosion maps

using the RUSLE to estimate soil erosion in a small watershed in southern Ecuador.

Potential soil erosion was calculated in an ungauged watershed, using ground

measurements and satellite data. The soil erosion of the past, present and possible future

scenarios caused by the land-cover changes was evaluated.

4.2. Materials and methods

4.2.1. Study area

The Zamora Huayco watershed is located on the eastern flank of the Inter-Andean

region near the provincial capital of Loja. The watershed borders the Podocarpus

National Park in the east and south, and the city of Loja in the north and west. The

watershed provides a considerable amount of water for the city of Loja. The watershed

is situated between 3°59'24" S and 4°03'48" S and 79°11'02" W and 79°09'04" W, and

covers an area of 37.3 km2 (Figure 4.1). Elevation ranges from 2120 to 3420 m a.s.l.

97
Capítulo IV

The watershed is classified as composed of sedimentary rocks with a variable

lithologic base of metamorphic rocks, with shales, conglomerates and overlying

sandstones. The predominant soils are Entisols in the middle and lower parts, and

Inceptisols in the upper part of the study area (MAG-PRONAREG-ORSTOM, 1984).

Since the 1960s, natural vegetation near the valley bottom has been widely cleared to

create pastures and cropland.

Figure 4.1. Location of the Zamora Huayco watershed, Southern Ecuador.

Two precipitation maxima occur during the year, one large rainy season from

December to April and one drier season in September and October (Figure 4.2(a);

Rollenbeck & Bendix, 2011). During the main rainy season, high intensity rainfall often

98
 Riesgo de erosión por cambio de uso del suelo

occurs because of thunderstorms passing over the Inter-Andean valleys. The annual

mean temperature ranges from 15.3 °C in the valley bottom to 7.3 °C on the mountain

ridge.

4.2.2. RUSLE Model

Potential soil loss was calculated using the RUSLE equation (Renard et al., 1997):

𝐴(𝑥,𝑦) = 𝑅(𝑥,𝑦) 𝐾(𝑥,𝑦) 𝐿𝑆(𝑥,𝑦) 𝐶(𝑥,𝑦) 𝑃(𝑥,𝑦) (4.1)

Where: A(x,y) is average soil loss produced by water erosion per unit of area (Mg ha-1 yr-
1
), R(x,y) is the erosivity factor caused by rain (MJ mm ha-1 h-1 yr-1), K(x,y) is the

erodibility factor of the soil (Mg h MJ-1 mm-1), LS(x,y) is the slope length and steepness

factor, C(x,y) is the coverage and management factor, and P(x,y) is the support practices

factor. All factors are considered to be spatially constant for every 30 m grid cell (x,y)

within the DEM.

Individual point or location data for each factor were interpolated using Kriging to

obtain a spatial resolution of 30 m (Pérez-Rodríguez et al., 2007). The resulting values

for each grid cell (x,y) were multiplied to determine the spatial distribution of A(x,y).

4.2.3. Rainfall – Runoff R-Factor

Precipitation data for the study area were obtained by an operational network of three

automatic climate stations and an official weather station of INAMHI (Instituto

Nacional de Meteorología e Hidrología), the Ecuadorian National Weather Service

(Figure 4.1). Two automated stations from Thiess-Clima (Thiess, Germany) are situated

at the mountain ridge (TIRSTA: 2814 m. a.s.l.; PARSTA: 3410 m. a.s.l.). These stations

provided hourly precipitation data starting in 1998. Another automated station (DAVIS

Instruments, USA) was installed in 2004 near the valley bottom inside the UTPL

99
Capítulo IV

(Universidad Técnica Particular de Loja) campus at 2190 m. a.s.l., and provided 5 min

precipitation data. An official INAMHI weather station (La Argelia: 2160 m. a.s.l.) is

situated inside the campus of the Universidad Nacional de Loja (Table 4.1).

To calculate the monthly mean EI30 values and the yearly mean R–factor for every

grid cell all measured precipitation data were summed to monthly rainfall totals. Due to

the different measurement intervals and the different time periods of the available

precipitation data, a 10-year time period from 2000 to 2009 was selected. Data for the

UTPL station were only available from 2004 to 2009. For this reason, synthetic values

were calculated using the official INAMHI La Argelia station data (New et al., 2000)

calculating the relationship between monthly mean precipitation at the UTPL station

and the La Argelia station. This relationship was used assuming that the relative

difference between the stations was stationary over time (synthetic values) (Fries et al.,

2012).

Figure 4.2. (a) Average monthly precipitation between 2000 and 2009; (b) linear

regression, correlation between rainfall amount (mm yr -1) and altitude (m).

The 10-year data set of all stations was averaged for each month to obtain the

mean monthly precipitation. To regionalize the mean monthly precipitation, kriging

with detrended raw data was applied (Fries et al., 2012). This offers more flexibility

than simple cokriging, particularly when local trends as the dependence between

precipitation and terrain elevation must be considered.

100
 Riesgo de erosión por cambio de uso del suelo

In mountainous regions, precipitation–elevation relationships often vary

significantly between region, slope and exposure because of the influence of wind

(Johansson & Chen, 2005); however, the majority of the watershed has the same

exposure, and the prevailing wind direction is from the east. As Figure 4.2(b) shows, a

very good correlation (R2 = 0.96) between precipitation and elevation was obtained. The

highest annual mean precipitation was measured at the south-eastern mountain top

(2500 mm), decreasing to the north-west down to the valley bottom (900 mm; Figure

4.2.(a), Table 4.1).

Table 4.1. General conditions of weather stations near the study area (based on 10-year
average).

Average yearly precipitation

Weather station UTMX_17S UTMY_17S Altitude (masl)
(mm)
TIRSTA 706084 9559957 2814 1464
UTPL 699964 9558976 2130 877
La Argelia 699719 9553625 2160 998
PARSTA 704138 9546097 3410 2429

To calculate the R-factor, Equation 4.2, proposed by Renard & Freimund (1994)

was used, because the R-factor equation of Renard et al. (1997) needs rainfall intensity,

which was not available inside the study area. Renard & Freimund (1994) included the

modified Fournier index (MFI) with values greater than 55 mm.

2
𝑅(𝑥,𝑦) = 95.77 − 6.081 𝐹(𝑥,𝑦) + 0.4770 𝐹(𝑥,𝑦) (4.2)

Where: R(x,y) is the R-factor in (MJ mm ha-1 h-1 y-1) at grid cell (x,y) and F(x,y) is the

MFI.

The MFI was calculated following Arnoldus (1977):

∑12 2
i=1 𝑝𝑖(𝑥,𝑦)
𝐹(x,y) = (4.3)
𝑃(x,y)

101
Capítulo IV

Where: pi2(x,y) is average monthly precipitation and P(x,y) is average annual precipitation,

at grid cell (x,y).

4.2.4. Soil Descriptions: Field and Laboratory Analyses

Surface soil (0–20 cm depth) in the watershed was systematically sampled using

a soil auger of 5.4 cm of diameter and a volume of 458 cm3. Each soil sample was

composed of 8 to 10 sub-samples, which were mixed. Land cover, soil management and

relief near each sampling point were recorded. To obtain at least one soil sample

representing the prevailing land cover in each quadrant of 1 km2, a total of 38 soil

samples were georeferenced using a Garmin GPS (© 2007-2009 Garmin International,

Inc., Kansas 66062, USA; www.garmin.com) (accuracy 3m).

In the laboratory, the soil samples were air dried and sieved through a 2-mm

mesh. The soil particles’ size distribution was determined using the hydrometer method

(Bouyoucos, 1962). The proportion of very fine sand was obtained by wet sieving. Soil

organic matter (SOM) was determined by humid oxidation using the Walkley–Black

method (Soil Survey Staff, 1996). The permeability for each land-cover class was

estimated qualitatively in the field by the method of variable load and structural class.

These soil parameters were coded with Wischmeier’s nomograph (Renard et al., 1997;

Table 4.2).

Table 4.2. Maximum and minimum soil parameters (0–20 cm) of 38 points to calculate
the K–factor.

Clay Silt Sand VFS OM Permeability Structural K–factor Slope

(%) (%) (%) (%) (%) Parametera Parametera calculated (%)

Minimum 7 16 49 4.5 1.3 2 1 0.025 10

Maximum 25 30 78 22.6 8.6 5 3 0.054 115

VFS, very fine sand; OM, organic matter.
a
Coded values with the Wischmeier monograph.

102
 Riesgo de erosión por cambio de uso del suelo

4.2.5. K – Factor
The rate of soil loss per rainfall erosion index unit (K-factor) was calculated

according to Renard et al. (1997) and converted into SI units, as follows:

K  0.277 106 M 1.14 (12  OM )  (0.0043(s  2)  0.0033( p  3) (4.4)

Where: K is the erodibility rate, M is (% silt + % very fine sand)*(100 – % clay), OM is

organic matter (%), s is a structural parameter based on the first soil horizon, p is a

permeability parameter.

For soils containing more than 4% organic matter (Table 4.2), this value was

fixed at 4% because the Wischmeier monograph does not show SOM greater than 4%

(Romero et al., 2007; Figure 4.3). Finally, the K-factor was calculated for all sample

points and interpolated using Kriging (Pérez-Rodríguez et al., 2007).

4.2.6. L and S Factors

A 30-m DEM of the Zamora Huayco watershed was downloaded from Institut

de Recherche pour le Développement. The L and S factors were derived from the 30-m

DEM. The general assumption is that with increasing slope length and slope steepness,

greater overland flow velocities occur and, therefore, more soil may be detached and

transported. We used the continuous form of the equation for computation of the L-

factor at a point r=(x,y) on a hillslope based on Mitasova et al. (1996) as follows:

𝐴(𝑟) 𝑚
𝐿 = (𝑚 + 1) ( ) (4.5)
𝑎0

Where: A is the upslope contributing area, or flow accumulation (m), m=0.5, and

ao=22.1m (length of standard USLE plot). The value for m was set for sloping terrain

based on McCool et al. (1989).

103
Capítulo IV

Figure 4.3. Distribution of observed percent SOM in the study area.

For the S-factor, we used the logistic equation proposed by Nearing (1997)

expressed as a single continuous function of slope gradients:

17
𝑆 = −1.5 + (1+𝑒 (2.3−6.1 sin𝜃) )
(4.6)

Where: S is the slope steepness factor and θ is the slope angle in degrees. Equation 3.6

closely follows the RUSLE. S-factor for slopes up to 22% and also represents slopes

greater than those from which the RUSLE relationships were derived (Nearing, 1997).

4.2.7. Land-Cover and C-Factor maps of 1976, 2008 and 2040

The C-factor was calculated for each grid cell (x,y) using land cover maps. The

2008 land-cover map was created using August 2008 ASTER Satellite images and July

2007 for cloudy sections. Each image was projected into the UTM coordinate system,

WGS84 datum, zone 17S. The Cost model (Chavez,1996) was applied to reflectance

conversion with atmospheric correction on all the scenes while incorporating deep

object subtraction. The geometric correction was performed in ERDAS 9.2 (ERDAS

9.2, Leica Geosystems Geospatial Imaging, Norcross, GA 30092-2500, USA) software

using as reference the rivers and roads previously selected and validated. Topographic

104
 Riesgo de erosión por cambio de uso del suelo

correction with the ATCOR 3 algorithm using a DEM ASTER removed differences in

solar illumination influenced by relief, developed for mountainous areas with abrupt

topography (Richter, 2007). The Supervised Classification module of ERDAS was used

for image classification of the ASTER images by selecting ‘maximum likelihood’,

‘Mahalanobis distance’ and ‘minimum distance’ and the parametric decision rule. To

determine classification accuracy, the overall accuracy and kappa coefficient were used

for each land-cover, where the class resulting from image classification is compared

against the class corresponding to the reference points inside the study area.

The land-cover map of 1976 was based on aerial photographs that have an

approximate spatial scale of (1:60,000). Aerial photographs were visually classified

(grey scale, texture and context supported by map MAG-PRONAREGORSTOM,

1984). The polygons of aerial photographs were manually digitized in vector format.

Land-cover data on the photographs were converted to raster format and adjusted by

‘resampling’ (up-scaling to the grid of the satellite image) so that the data are

comparable. From this base map, relative land-cover change over a period of 32 years

was calculated.

The deforestation rate from 1976 to 2008 was determined using the method by

Puyravaud (2002). Relative land-cover change from 1976 to 2008 was extrapolated to

2040 to obtain hypothetical land-cover changes for the next 32 years assuming that the

rate of deforestation, pasture and urban growth will proceed in the same manner as

during the period from 1976 to 2008 (De Koning et al., 1999; Vanacker et al., 2007;

Bendix & Beck, 2009; Table 4.3). Socio-economic and political factors were not taken

into account, because it is immensely difficult to quantify (Verburg et al., 2004).

105
Capítulo IV

Table 4.3. C-Factor values and relative proportion of the land-cover class for 1976,

2008 and 2040.

Average Land area (%)

Land-cover class annual
C-factor 1976 2008 2040

Urban area 0.1 --- 0.4 2.2

Montane forest 0.003 64.5 43.2 ---

Disturbed montane forest 0.013 28.4 21.3 43.2

Succession 0.150 --- 12.6 21.3

Pasture (Pennisetum sp.) 0.200 6.8 15.8 15.8

Reforestation (Pinus patula;

0.200 --- 4.9 12.6
Eucalyptus globulus)

Agriculture (Zea mays;

0.53a 0.3 1.8 4.9
Solanum tuberosum)
a
This value was averaged because subsistence agriculture is predominately maize (Zea mays) in
combination with beans (Phaseolus vulgaris). The rotation could be with potatoes (Solanun tuberosum) to
complete the annual cycle.

Specific values for each land-cover class were taken from the RUSLE guide

tables (Renard et al., 1997; Andrade et al., 2010). The C-factor values ranged from

0.003 (montane forest) to 0.53 (agriculture). The C-factor for agriculture was estimated

by averaging the values of the predominant cultivated crops in the study area (maize

with beans and potatoes).

4.2.8. P – Factor

The P-factor reflects the effect of support practices to reduce soil erosion. These

practices could not be derived from the land-use maps. Agricultural practices, observed

during soil sampling in the north-western part of the watershed, consist of upslope–

downslope tillage without any significant contour tillage or terracing. Therefore, the P-

factor was set to 1.

106
 Riesgo de erosión por cambio de uso del suelo

4.3. Results and Discussion

4.3.1. Erosivity Map Layer – MFI

The spatial distribution of the MFI and annual R–factor for the study area

depends mainly on elevation, because of the observed relation between precipitation and

altitude (Figures 4.2 and 4.4(a, b)). Annual R-factor values ranged from 2550 to 18842

MJ mm ha-1 h-1 yr-1, with a mean annual R-factor of 7364 MJ mm ha-1 h-1 yr-1, for a

mean annual rainfall of 1442 mm. In comparison, Renard and Freimund (1994)

estimated an R-factor of 7000 MJ mm ha-1 h-1 yr-1 based on average annual precipitation

of 1400 mm. For the Colombian Andes, Sonder (2004) found a mean R–factor value of

8094 MJ mm ha-1 h-1 yr-1.

Figure 4.4. (a) Spatial distribution of MFI; (b) spatial distribution of annual R-factor.

As expected, Figure 4.4(b) shows the greatest rainfall erosivity in the south-

eastern part of the watershed, where elevation and annual rainfall are highest. From the

southeast to the north-west, the erosivity decreases. The precipitation–elevation

relationship is an alternative for developing a high-resolution precipitation map;

however, gradients can only be applied to watersheds located on the same mountain

107
Capítulo IV

ridge and within a reasonable distance of a meteorological station. Starting at the eastern

ridge, precipitation amounts decrease quickly to the west and north-west.

4.3.2. Soil Erodibility and Slope Steepness Maps

K–factors ranged from 0.027 to 0.049 Mg h MJ-1 mm-1 (Table 4.2 and Figure

(4.5a)), based on the predominant soil textures of loam and clay loam. The mean value

for the entire watershed was 0.038 Mg h MJ-1 mm-1.

Figure 4.5. (a) Spatial distribution map of K-factor; (b) spatial distribution map of LS-

factors.

Figure 4.3 shows that the soil samples in the study area have medium to high

SOM content (over 2%). Romero et al. (2007) described similar characteristics in

Andean soils in northern Peru. The low SOM contents in Andean soils decrease the

infiltration capacity, making them more prone to runoff generation (Molina et al., 2007).

In the Andes of northern Ecuador, Zehetner & Miller (2006) identified a close

relationship between climate and spatial distribution of soil properties (e.g. texture,

SOM and permeability). According to this relationship, at the higher elevations and low

SOM, it may be suitable to declare priority areas for conservation and reforestation by

local governments.

108
 Riesgo de erosión por cambio de uso del suelo

The soils of the Zamora Huayco watershed are moderately erodible in general

(Figure 4.5a) with only a slight decrease in erodibility at the bottom of the valley. This

may be due to the input of organic matter from cattle in pastures or from conservation of

natural vegetation on mountain ridges. Reduced soil permeability through compaction

by cattle trampling (Podwojewski et al., 2002; Molina et al., 2007) was not included in

our analysis. For a few locations in our watershed where SOM was greater than 4%, the

erodibility may be slightly overestimated (Figure 4.3).

The combined LS factors inside the study watershed range from 0.08 along the

river bottoms and on the mountain ridges, to 24.38 at very steep slopes (Figure 4.5(b)).

The steepest slopes are displayed near the creeks and at the upper eastern part of the

catchment, reaching slope gradients up to 115% (or 50 degrees).

4.3.3. Land-Cover Map Layer

The land-cover classification inside the Zamora Huayco watershed was divided

into vegetation formations (Figure 4.6), representing seven different land-cover classes:

(i) urban area, (ii) montane forest, (iii) disturbed montane forest, (iv) agriculture, (v)

succession, (vi) pasture and (vii) reforestation (Eucalyptus globulus or Pinus patula).

The classification accuracy was considered substantial according to kappa coefficient of

0.64 and overall accuracy of 0.75 (Grenier et al., 2008).

The deforestation rate between 1976 and 2008 was 0.96% annually.

Fragmentation near the valley bottom started in 1976 (Figure 4.6.a). This fragmentation

is characterized by disturbed montane forest and pasture (Pennisetum sp.) covering

about 1,340 ha of the watershed as a direct response to land reform programs in the

1960s and 1970s. This reform did not cause a division of agricultural lands into smaller

units (‘minifundios’) as in the central and northern areas of Ecuador (Podwojewski et

al., 2002), but was the start of extensive livestock breeding efforts (Bendix & Beck,

109
Capítulo IV

2009).

In 2008, changes in land cover increased, where the relative cover of montane

forest decreased to 43%, and disturbed montane forest was replaced by pasture. Exotic

species of eucalyptus (E. globulus) and pine (P. patula) were introduced for commercial

purposes, mainly in the 1970s and 1980s to protect erosion areas. Livestock began to

expand in small areas near the valley bottom (Table 4.3).

Figure 4.6. Spatial distributions of land-cover maps of (a) 1976, (b) 2008 and (c) 2040.

For the future scenario (2040), Figure 4.6(c) shows the resulting spatial pattern

of land cover. Urban areas could expand up the watershed to areas where agriculture

currently dominates, a similar pattern of urban growth being witnessed in the city of

Loja in areas with identical characteristics to our study area.

According to the latest population and housing census by INEC (2010), the Loja canton

has 71,105 households and a population density of 115 person’s km-2. The average rate

of population growth between 1974 and 2010 was 0.92% per year, similar to the

deforestation rate estimated for the study area for the same period; illustrating the urban

population pressure of Loja city in the Zamora Huayco watershed. Our study is

consistent with Podwojewski et al. (2002), and Zehetner & Miller (2006), showing that

land use change in the Ecuadorian Andes will further increase as a result of continued

population growth.

110
 Riesgo de erosión por cambio de uso del suelo

In 2040, montane forest could eventually disappear from the mountain valleys

next to larger cities because of the current pressure on this ecosystem. Urban land cover

was estimated to increase from 0.39 % (14 ha) in 2008 to over 2.22 % in 2040 (Table

4.3), assuming the nature of development remains the same. These areas will expand to

zones of low angle slopes, which are currently used for agriculture and livestock

breeding. The old pasture sites will be used for agriculture, whereas the disturbed

montane forest will replace the undisturbed montane forest.

Figure 4.7a–c shows the C-factor for each land-cover class with data taken from

Table 4.3 representing the vegetation distribution in land-cover maps for 1976, 2008

and 2040, respectively. The effect of land-cover change on the C-factor and the final

soil erosion risk is clearly visible in the 2040 future scenario where the change in the

natural land-cover produces greater erosion risk especially at sites with steep slopes and

high rainfall amounts, as confirmed in the Andes of southern Ecuador by Molina et al.

(2007) and Vanacker et al. (2007).

4.3.4. Average Annual Soil Loss in Past, Present and Possible Future
Scenarios.

Average annual soil loss ranged from 1.5 Mg ha-1 to 936 Mg ha-1 for the year 2008

(Figure 4.7b and 4.7e). The minimum values are found inside the montane forest or for

shallow slopes, while the maximum values are found on agricultural land and on steep

slopes covered by pasture. In comparison, Harden (1988) estimated erosion rates from 0

to 836 Mg ha-1 yr-1 for soils in the Ecuadorian Andes, using a rainfall simulator

experiment on agricultural lands, which are highly dependent on rainfall intensity and

plot size.

The greatest soil loss is estimated in the north-western part of the watershed

(Figure 4.7e) where agriculture and pasture land are found on steep slopes and soils

111
Capítulo IV

prone to generate runoff. In this area, the reduced vegetative cover contributes to the

formation of crusting and sealing processes, limiting soil infiltration capacity. Increased

runoff and soil loss also likely remove nutrients needed for crop production (Molina et

al., 2007). Clearly, management practices in the study watershed could significantly

decrease soil erosion risk. The upper mountain ridge in the southeast of the catchment

has steep slopes and high levels of precipitation; however, these areas do not have the

greatest estimated soil loss for 1976 and 2008. The soil in this area is protected by the

montane forest that provides a high infiltration capacity and infrequent surface runoff

(Molina et al., 2007). Consequently, the estimated soil loss is lower, with values

between 1.5 and 40 Mg ha-1 yr-1. The general assumption that the R or LS-factors have

the greatest influence on soil erosion is only valid for homogeneous vegetation covers.

Cerdà (1998; 1999) showed that vegetation cover reduces runoff and erosion due to

increased infiltration capacity and aggregate stability. Hence, we assume that vegetation

cover (C–factor) exerts first-order control for present-day erosion rates at the watershed

scale (Vanacker et al., 2007), followed by the R and LS factors.

The importance of the vegetation cover for soil erosion can be observed by

comparing the maps from 1976 and 2040 (Figure 4.6 and 4.7). In 1976, average annual

soil loss was estimated from 0.13 to 486 Mg ha-1, which is notably lower than in 2008

due to the natural forest cover.

For 2040, average annual soil loss ranges from 3 to 2021 Mg ha-1, which is

substantially greater than in 1976 and 2008. Inside the Venezuelan Andes, Andrade et

al. (2010) estimated soil loss from 0 to 2558 Mg ha-1 yr-1 possibly due to greater LS-

factors, less dense vegetation cover and lower permeability and SOM. The 2040 C-

factor distribution implies that most of the montane forest would be deforested and little

disturbed montane forest would remain. Urban areas, agriculture and pasture land would

112
 Riesgo de erosión por cambio de uso del suelo

expand considerably, even on steeper slopes. This future scenario leads to a dramatic

increase in potential soil erosion (Figure 4.7f). The 2040 scenario is a worst case,

because deforestation rates hopefully will decrease in the future compared to the past.

Figure 4.7. Spatial distribution map of average annual soil loss for 1976, 2008 and 2040

in relationship with C-factor.

Figure 4.7 shows the importance of identifying priority areas for conservation in

the watershed. In the future, population growth and increased urban areas will increase

pressure on the natural ecosystem; hence soil conservation practices will become even

more important (Vanacker et al., 2007). The local government has made some efforts to

reforest with native species in logged areas or pasture land. The maps developed in this

research help locate priority areas for reforestation and soil conservation mainly where

the R, C and LS factors are very high.

113
Capítulo IV

4.3.5. Methodological limitations

Determination of more representative soil loss estimation for past, current and future

scenarios was limited by available meteorological station data with rainfall intensities.

In addition, future R-factors are uncertain because of future global climate regimes,

which may increase or decrease rainfall amounts and intensities.

The estimated values for this area in the Ecuadorian Andes obviously are more

reliable for the past and present scenarios than for future scenarios. Small long-term

changes in the K and LS factors may occur because of different SOM management and

landslides, which, in turn, are linked to vegetation cover and structure (C-factor).

Estimation of future landslides and the resulting changes in topographical and soil

conditions is a topic of further research.

4.4. Conclusions

The C-factor (land cover) was identified as one of the principal factors for soil

erosion risk in the Zamora Huayco watershed. When land-cover management is poor,

the typical assumption that R and LS are the most important factors in soil erosion

estimation may not hold true. On the mountain ridge, where climatic and topographic

conditions are most extreme, high values of potential soil erosion were estimated for

2040 after change in land-cover composition (montane forest).

The Zamora Huayco watershed manifests high susceptibility to soil erosion due

to the pressure on the natural forest cover caused by human activities. The best strategy

to reduce land degradation is conservation of natural vegetation. In the near future,

conservation practices need to be implemented for agricultura and livestock grazing and

dairy production in the study area. Additionally, steep slopes should be protected from

intensive land use. Spatial and temporal results show that the RUSLE is a good

114
 Riesgo de erosión por cambio de uso del suelo

screening tool to estimate soil erosion potential in this area and to target reforestation

and soil conservation by local communities. However, more research is needed at

different scales and using more robust models to determine sediment transport more

accurately.

4.5. Acknowledgements

This research was partially supported by SENESCYT (Secretaria Nacional de

Educación Superior, Ciencia, Tecnología e Innovación) and by the PCI-Iberoamerica

(Programa de Cooperación Interuniversitaria—AECID no. A/024199/09). We

particularly acknowledge contributions of J. A. Gómez, Instituto de Agricultura

Sostenible—CSIC; A. L. Squires at the University of Idaho; and C.A. Ochoa and the

staff of the Laboratorio de suelos agrícolas—UTPL.

4.6. References

Arnoldus HMJ. 1977. Methodology used to determine the maximum potential average

annual soil loss due to sheet and rill erosion in Morocco. FAO Soils Bulletin 34: 39-

51.

Andrade O, Kappas M, Erasmi S. 2010. Assessment of Erosion hazard in Torres

Municipality of Lara State (Venezuela) Based on GIS. Interciencia 35: 348-356.

Bendix J, Beck E. 2009. Spatial Aspects of Ecosystem Research in a Biodiversity Hot

Spot of Southern Ecuador – An Introduction. Erdkunde 63: 305-308.

Bouyoucos GJ. 1962. Hydrometer method improved for making particle size analysis of

soils. Agronomy Journal 54: 464-465.

Cerdà A. 1998. Soil aggregate stability under different Mediterranean vegetation types.

115
Capítulo IV

Catena 32: 73-86.

Cerdà A. 1999. Parent material and vegetation affect soil erosion in eastern Spain. Soil

Science Society of American Journal 63: 362-368.

Chavez JPS. 1996. Image-based atmospheric corrections revisited and improved.

Photogrammetric Engineering Remote Sensing 62: 1025-1036.

De Koning GHJ, Veldkamp A, Fresco LO. 1999. Exploring changes in Ecuadorian land

use for food production and their effects on natural resources. Journal of

Environmental Management 57: 221-237.

FAO. 2010. Global Forest Assessment 2010: Main Report. Food and Agriculture

Organization of the United Nations (FAO) Forestry Paper 163, Rome.

[www.fao.org/forestry/fra/en/; accessed: verified March 2012]

Fries A, Rollenbeck R, Nauss T, Peters T, Bendix J. 2012. Near surface air humidity in

a megadiverse Andean mountain ecosystem of southern Ecuador and its

regionalization. Agricultural and Forest Meteorology 152: 17-30.

Grenier M, Labrecque S, Benoit M, Allard M. 2008. Accuracy assessment method for

wetland object-based classification. In GEOBIA 2008 – Pixels, Objects, Intelligence.

GEOgraphic Object Based Image Analysis for the 21st Century. International

Archives of the Photogrammetry, Remote Sensing and Spatial Information Sciences,

Vol. XXXVIII-4/C1, G.J. Hay, T. Blaschke and D. Marceau (Eds.), pp. 285–289

(Calgary, AL: University of Calgary).

Harden C. 1988. Mesoscale estimation of soil erosion in the Rio Ambato drainage,

Ecuadorian Sierra. Mountain Research and Development 8: 331-341.

INEC (Instituto Nacional de Estadística y Censos). 2010. Censos de Población y

Vivienda desde 1974 hasta 2010. Cruz Roja Ecuatoriana, Loja, Ecuador.

116
 Riesgo de erosión por cambio de uso del suelo

Johansson B, Chen D. 2005. Estimation of areal precipitation for runoff modeling using

wind data: a case study in Sweden. Climate Research 29: 53-61.

MAG-PRONAREG-ORSTOM, 1984. Mapa de Suelos: Loja 1:200,000. Ministerio de

Agricultura y Ganaderia, Programa Nacional de Regionalización and Office de la

Recherche Scientifique et Technique Outre-Mer. Printed in IGM. Quito.

McCool DK, Foster GR, Mutchler CK, Meyer LD. 1989. Revised slope length factor

for the Universal Soil Loss Equation. Transactions of the ASAE 32: 1571-1576.

Mitasova H, Hofierka J, Zlocha M, Iverson LR. 1996. Modelling topographic potential

for erosion and deposition using GIS. International Journal of Geographical

Information Systems 10: 629-641.

Molina A, Govers G, Vanacker V, Poesen J, Zeelmaekers E, Cisneros F. 2007. Runoff

generation in a degraded Andean ecosystem: Interaction of vegetation cover and land

use. Catena 71: 357-370.

Mosandl R, Günter S, Stimm B, Weber M. 2008. Ecuador suffers the highest

deforestation rate in South America. In: Beck E, Bendix J, Kottke I, Makeschin F,

Mosandl R. (eds.), Gradients in a Tropical Mountain Ecosystem of Ecuador.

Ecological Studies 198, Springer-Verlag, Berlin, Heidelberg, Germany: 37-40.

Nearing MA. 1997. A single, continuous function for slope steepness influence on soil

loss. Soil Science Society of America Journal 61: 917-919.

New M, Hulme M, Jones P. 2000. Representing twentieth century space-time climate

variability. Part II: Development of 1901-96 monthly grids of terrestrial surface

climate. Journal of Climate 13: 2217-2238.

Pérez-Rodríguez R, Marques MJ, Bienes R. 2007. Spatial variability of the soil

erodibility parameters and their relation with the soil map at subgroup level. Science

117
Capítulo IV

of the Total Environment 378: 166-173.

Podwojewski P, Poulenard J, Zambrana T, Hofstede R. 2002. Overgrazing effects on

vegetation cover and properties of volcanic ash soil in the páramo of Llangahua and

La Esperanza (Tungurahua, Ecuador). Soil Use and Management 18: 45-55.

Puyravaud JF. 2002. Standardizing the calculation of the annual rate of deforestation.

Forest Ecology and Management 177: 593-596.

Renard KG, Freimund JR. 1994. Using monthly precipitation data to estimate the R-

factor in the RUSLE. Journal of Hydrology 157: 287–306.

Renard KG, Foster GR, Weesies GA, McCool DK, Yoder DC. 1997. Predicting soil

erosion by water: A guide to conservation planning with the Revised Universal Soil

Loss Equation. Agricultural Research Service (USDA-ARS) Handbook No. 703. US

Department of Agriculture: Washington, DC.

Richter R. 2007. Atmospheric and Topographic Correction for Satellite Imagery: Atcor-

2/3 User Guide, Version 6.3, January 2007. Germany: DLR-German Aerospace

Center and Remote Sensing Data Center, 134 p.

Rollenbeck R, Bendix J. 2011. Rainfall distribution in the Andes of southern Ecuador

derived from blending weather radar data and meteorological field observations.

Atmospheric Research 99: 277-289.

Romero CC, Stroosnijder L, Baigorria GA. 2007. Interrill and rill erodibility in the

northern Andean Highlands. Catena 70: 105-113.

Schoorl JM, Claessens LFG, Lopez Ulloa M, Koning GHJ de, Veldkamp A. 2006.

Geomorphological analysis and scenario modelling in the Noboa - Pajan area,

Manabi province, Ecuador. Zeitschrift fur Geomorphologie Supplementband 145:

105-118.

118
 Riesgo de erosión por cambio de uso del suelo

Soil Survey Staff. 1996. Soil survey laboratory methods manual. Soil Survey

Investigations Rep. Vol. 42. US Dept. Agric.-Nat. Res. Cons. Serv., Washington,

DC.

Sonder K. 2004. Soil Erosion in Andean Cropping Systems: The Impact of Rainfall

Erosivity. PhD Thesis. Institute for Plant Production and Agroecology in the Tropics

and Subtropics, University of Hohenheim.

Vanacker V, von Blanckenburg F, Govers G, Molina A, Poesen J, Deckers J. 2007.

Restoring dense vegetation can slow mountain erosion to near natural benchmark

levels. Geology 35: 303-306.

Verburg PH, Schot PP, Dijst MJ, Veldkamp A. 2004. Land use change modelling:

Current practice and research priorities. GeoJournal 61: 309-24.

Zehetner F, Miller WP. 2006. Erodibility and runoff-infiltration characteristics of

volcanic ash soils along an altitudinal climosequence in the Ecuadorian Andes.

Catena 65: 201-213.

119
 CAPÍTULO V:
Effects of climate, land cover and topography on soil erosion
risk of a semiarid basin of the Andes.

This chapter was accepted with changes in CATENA (2015)

Submitted: 23 June, 2015 / Accepted: 16 August, 2015

MANEJO Y CONSERVACIÓN DEL SUELO Y AGUA EN

LOS ANDES DEL SUR DE ECUADOR
 Efecto de los factores erosivos en una cuenca semiárida

CAPÍTULO V:

5. Effects of climate, land cover and topography on soil erosion risk

of a semiarid basin of the Andes.

Abstract

Understanding soil erosion processes in the Ecuadorian Andes with a tropical wet-dry

climate and a variable topography, is fundamental for research on agriculture

sustainable, environmental management, as well as for a stable water supply for the

local populations. This work proposes method to estimate soil erosion risk in the

semiarid Catamayo basin with limited data. The results show that the rainfall

distribution and the erosivity along with the rugged topography, followed by the land

cover (C-factor), are the most important factors to estimate soil erosion risk. In

agricultural areas and where the ground cover is sparse in the dry season, the soil

erodibility is the most important factor; while in protected areas with evergreen

vegetation, the soil erosion risk is very low, even with steep slopes and high annual

rainfall amounts. Soil erosion risk is higher in the centre and southwest than in the

northeast of Catamayo basin. The methodology developed allows understanding of the

soil erosion processes and the factors that lead to the spatio-temporal variability of soil

erosion risk, and as a consequence improves the potential to achieve sustainability of

this ecosystem through proposed conservation measures.

Keywords: Climate; dryland; C-factor; landform; soil erosion risk; Ecuadorian Andes

123
Capítulo V

5.1. Introduction

The soil is a non-renewable resource (Zhao et al., 2013) that controls the

biological, hydrological and geochemical cycles in the Earth System and provides the

human societies with goods, services and resources (Berendse et al., 2015). There is a

need to increase the prevalence of good practices to make land use and its management

sustainable. In particular it is to understand soil erosion processes and the mechanism

involved, and the role of soil properties and topography (Gabarrón-Galeote et al., 2013;

Lieskovský and Kenderessy, 2014). Soil is principally degraded by water erosion

threatening its sustainability and causing high losses of fertile soil, which is especially

pronounced in areas that are subject to inappropriate agricultural management, land

abandonment, intense road construction or wild fires (Cerdà et al., 2010; Palacio et al.,

2014; Panagos et al., 2014).

Soil erosion by water is also the major environmental problem for agriculture in

Ecuador (Ochoa-Cueva et al., 2015), especially in the southern and southwestern parts

of the province of Loja, bordering Peru. The zone has unique environmental conditions,

including rugged topography, which leads to strong changes in climate within short

distances, amplifying soil erosion risk (Pineda et al., 2013). The El Niño Southern

Oscillation (ENSO) phenomenon plays an important role in this area, because the high

rainfall intensities during ENSO events cause higher soil erosion (Tote et al., 2011).

Furthermore, land use change in this area enhances soil erosion vulnerability (Castro et

al., 2013). The expansion of agriculture has put pressure on natural ecosystems not only

in this region, but also in the whole country. In Ecuador, the area cultivated with maize

has increased about 20% since the 1990s (FAO, 2010a). Also, investments were

expanded to US$ 20.3 million during the period 2007–2009 (MAGAP, 2011), due to

local and global demand of maize to produce ethanol and livestock feed. The primary

124
 Efecto de los factores erosivos en una cuenca semiárida

natural forest was mainly converted to secondary forest or replaced by irrigated crops

and dry agriculture. This change to the natural ground cover continues mainly through

slash and burn activities (Bahr et al., 2013; Espinosa et al., 2012; Winckell et al.,

1997a).

Ecuador has the lowest percentage of natural forest of all countries in South America

(FAO 2010b). In the study area, the ecosystem most threatened by deforestation is the

Tropical Dry Forest. Deforestation has economic significance for firewood collection,

construction and even for charcoal. Because of the high demand for timber, farmers

prefer to exploit their lands for quick profits instead of long-term use of the forest

(Castro et al., 2013).

Morgan (2005), shows an additional complication for these environments, which is

caused by the need for water conservation and its ecological sensitivity. The change of

the natural cover to pasture or crops, produces a rapid decline in organic matter content

of the soil leading to a depletion and desertification risk.

In this context, our study area is the Catamayo basin in southern Ecuador, which is

representative of the susceptibility of the region to land degradation because of the

various climatic, topographic and land cover characteristics that lead to high soil erosion

risk. However, understanding soil erosion process in this region is hampered by the

scarcity of data on erosivity, erodibility and the traditional form of managing the soil

resource (Ochoa et al., 2014; Romero et al., 2007; Tote et al., 2011), which is similar to

many parts of the world (Cerdà, 1998; 2000; Chavez, 2006; Ruiz-Sinoga and Romero,

2010).

There are various empirical soil erosion models, such as the Revised Universal Soil

Loss Equation (RUSLE) (Renard et al., 1997), Soil Loss Estimation Model for Southern

Africa (SLEMSA) (Stocking, 1981), and the European Soil Erosion Model (EuroSEM)

125
Capítulo V

(Morgan et al., 1998); which facilitate the calculation of soil erosion risk at different

locations. However, to apply these models outside their area of origin and validation,

local climatic and soil data is required as an additional input. For this reason, there is

increasing interest to develop methodologies adapted to local conditions, identifying

areas and quantifying soil erosion risk to propose sustainable management practices

(Nigel and Rughooputh, 2010a; Zhao et al., 2013). The use of stochastic models to

estimate rainfall erosivity for areas with limited data (i.e. generate synthetic data series

from simple statistical characteristics of existing data) can be a useful tool to generate

sequences of the necessary input data for empirical models (Morgan, 2005). Geographic

Information Systems (GIS) can display the digital input data on cartographic maps and

help to calculate, understand and explain the soil erosion risk for the required areas on

the Earth´s surface.

The method developed in this work attempts to provide the necessary seasonal details

for estimation of soil erosion risk at regional scales, providing a methodology for

policy-makers and managers to validate and approve their taken decisions.

This study, executed in the semiarid Catamayo basin, seeks to advance the

understanding of soil erosion risk under strong anthropogenic pressure in the

Ecuadorian Andes, examining (i) the influence of altitude and topography on the

climatic factors of rainfall and air temperature; (ii) soil erosion risk during the dry and

the wet season; and (iii) the most important factors controlling soil erosion vulnerability

in this semiarid basin.

5.2. Study area

The Catamayo watershed is located between 3°39´S and 4°31´S (latitude),

79°05´W and 80°11´W (longitude) in the south of Ecuador, province of Loja, close to

the border with Peru (Fig. 5.1). The Catamayo River has a length of 120 km, whose

126
 Efecto de los factores erosivos en una cuenca semiárida

watershed covers an area of 4184km2. This river is one of main tributaries of the

Ecuadorian - Peruvian hydrographic system (17000km2), called the Catamayo–Chira

Basin, which drains into the Pacific Ocean (Tote et al., 2011). The Catamayo River

supplies potable water for the people in southern Ecuador and northern Peru and also for

the irrigation systems inside the basin. The average annual water flow is 35m3/s, which

significantly decreases during the dry season (22m3/s; Oñate-Valdivieso and Bosque,

2010).

Figure 5.1. Location of the Catamayo basin (a) natural breaks (elevation ranges), (b)

altitudinal gradient of the southern highlands of Ecuador.

127
Capítulo V

In comparison to the northern Andes of Ecuador, which are characterized by two

distinct mountain ridges (Eastern and Western Cordillera), the southern highlands do

not show this strict separation of the cordilleras. The Eastern Cordillera reaches

altitudes up to 3900m a.s.l. near the Peruvian border, whereas the Western Cordillera

only rises up to 2500m a.s.l. (Winckell et al., 1997b). The lower altitudes of the Western

Cordillera facilitate the interaction with the Ecuadorian coast. The Catamayo Basin has

a strong altitudinal gradient, reaching from 240m a.s.l. in the southwest to 3760m a.s.l.

in the northeast (Fig. 5.1a).

The study area is characterized by an alternation between valleys and ridges within

short distances, which leads to different climate conditions due to the fast changing

topography (complex terrain; Fig. 5.1b). The air temperature mainly depends on the

altitude (Richter et al., 2009), whereas the rainfall depends on wind speed and direction,

which is modified by the topographic conditions, forming barriers and pathways for

humidity transport (Fries et al., 2014). The rainy season is during austral summer

(December to May), when the tropical easterlies are frequently interrupted by low

westerlies, carrying moisture from the Pacific Ocean up to the study catchment (Pineda

et al., 2013). In the dry season (June to November) the tropical easterlies prevail,

bringing dry and sunny weather to the study area, because the higher Eastern Cordillera

forms a barrier, blocking the humidity transport from the Amazon Basin.

The tropical dry forest grows in the vicinity of the Ecuadorian coast, due to the annual

precipitation distribution (dry period > 6 months), evincing one of the most conspicuous

features of this forest type: seasonal loss of the tree leaves (Maass and Burgos, 2011).

Due to the influence of the south Pacific Anticyclone during most of the year, the

vegetation is characterized by semiarid species (spare brushy vegetation), especially at

the valley bottom and at the western part of the study area, where altitudes are lower

128
 Efecto de los factores erosivos en una cuenca semiárida

and air temperature higher. Around 60% of the Province of Loja is covered by

deciduous and semi-deciduous dry forests (Aguirre and Kvist, 2005). The maize

production with conventional tillage is the dominant crop during the wet season (Castro

et al., 2013), whereas sugarcane grows in secondary valleys (e.g. Malacatos,

Vilcabamba) during the whole year using irrigation systems. Due to the general wind

direction from the east (Amazon basin - tropical easterlies) the annual precipitation is

highest at the upper eastern mountain ridge, where air temperature is lower and tropical

humid forest and the páramo are formed (Richter et al., 2009).

5.3. Materials and methods

Three landforms or zones were established in the basin using the ArcGIS 9.2

software and its classification tool called Natural Breaks. This tool identifies break

points by picking the class breaks those best group similar values and maximizes the

differences between classes. Our watershed was classified using as input data altitude

and slope derived from a digital elevation model (DEM), as well as an air temperature

map (Fig. 5.4) with a resolution of 100m x100m.

The first zone corresponds to the lower area called Dry-Farming and Irrigation Zone

(DFIZ) from 240 to 1400 m a.s.l., with a mean annual temperature over 21°C. This zone

generally shows slight slopes varying from 0 to 16%. The middle area, called Dry-

Farming Southern Highlands (DFSH) reaches from 1400 to 2200 m a.s.l. and has a

mean annual temperature between 15.5 and 21°C. The topography is characterized by

steeper slopes from 16 to 30%. The areas above 2200 m a.s.l. are mainly located in the

eastern part of the basin, called Wet-Land Southern Highlands (WLSH), which are

characterized by extreme slopes between 30 and 58% and a mean annual air

temperature below 15.5°C. Figure 5.1a, shows the three classified zones.

129
Capítulo V

These three zones are consistent with the major morpho-pedological sets of the

Southern Highlands of Ecuador proposed by Winckell et al. (1997b); the wet rocks

masses in WLSH, the slopes of transition in DFSH and depressed areas with severe

drought in DFIZ.

5.3.1. Rainfall erosivity

The climatic data for the study was provided by a network of 24 rain gauges operated by

the Ecuadorian Weather Service (INAMHI), and 2 automatic meteorological stations

from Thiess – Clima (Germany), situated at the eastern edge of the watershed (TIRSTA

and PARSTA, see Table 5.1). For this study, data from 1990 to 2013 was used and

quality controlled by INAMHI. Compared to other Ecuadorian basins the rain gauge

density is higher 1.7 per 174 km2 (Ochoa et al., 2014) in the Catamayo catchment and

only few missing or erroneous data were found.

Table 5.1. General conditions of weather stations near the study area (based on 23-years

average).

Average anual
Altitude Average rainfall
N°. Weather station Lat. S Long. W Temperature
[m a.s.l.] [mm y-1]
[°C]
1 Alamor 4° 01' 80° 01' 1250 1301 *
2 Cajanuma 4° 04' 79° 12' 2267 1212 *
3 Cariamanga 4° 20' 79° 33' 1950 1149 17,9
4 Catacocha 4° 03' 79° 38' 1808 862 *
Catamayo-
5 3° 59' 79° 22' 1250 397 24,2
(airport)
6 Celica 4° 06' 79° 57' 1904 1017 15,6
7 Colaisaca 4° 19' 79° 41' 2410 1029 *
8 Changaimina 4° 13' 79° 31' 1935 1160 *
9 Gonzanamá 4° 13' 79° 25' 2042 1129 16,9
10 La Argelia 4° 02' 79° 12' 2160 998 16,2
11 Lauro Guerrero 3° 58' 79° 45' 1910 986 *
12 El Cisne 3° 51' 79° 25' 2218 1157 *
13 El Lucero 4° 23' 79° 28' 1180 847 *
14 El Tambo 4° 04' 79° 18' 1580 819 *
15 Malacatos 4° 12' 79° 16' 1453 668 20,0
16 PARSTA 4° 06' 79° 09' 3410 2429 6,8

130
 Efecto de los factores erosivos en una cuenca semiárida

17 Quilanga 4° 18' 79° 23' 1819 1144 *

18 Quinara 4° 18' 79° 14' 1559 854 20,8
19 Sabiango 4° 21' 79° 48' 734 856 *
20 San Lucas 3° 43' 79° 15' 2525 1093 *
21 Saucillo 4° 16' 80° 11' 328 618 *
22 Sozoranga 4° 19' 79° 47' 1427 1134 *
23 TIRSTA 3° 58' 79° 08' 2814 1464 9,9
24 Vilcabamba 4° 15' 79° 13' 1563 944 21,0
25 Yangana 4° 22' 79° 10' 1835 1126 19,1
26 Zapotillo 4° 22' 80° 14' 223 532 25,8
* Rain gauge only.

However, the climatological records (average monthly precipitation PCP – air

temperature TEMP) were analyzed with the “Climatol” R statistical package that

contributes to the homogenization of climatic series (Guijarro, 2011). Thereby, outliers

and errors in the data set were detected and not included in the study. After this, the

gaps in the data series are filled by a homogeneity analysis using the Standard Normal

Homogeneity Test (SNHT) proposed by Alexandersson (1986). The SNHT is a

statistical model that uses an orthogonal regression type II, which determines the range

of the normalized data of a variable (V) with its mean and standard deviation. Finally, to

check the consistence and homogeneity of information data of TEMP and PCP a double

mass analysis was used. This analysis determines if there is a need for corrections of

data, considering the changes in data collection procedures or other local conditions.

Such changes may result from a variety of things including changes in instrumentation,

changes in observation procedures, or changes in gauge location or surrounding

conditions. The estimation of monthly accumulated volume of each station over a

period of 23 years of data was used to apply this analysis. In this analysis the parameters

considered were: (i) comparison of data accumulated between neighboring stations, (ii)

similar altitude range and (iii) exposure to the same meso/synoptic climatological

feature (e.g. El Niño-Southern Oscillation – ENSO). From the resulting 23-year data set,

the PCP and TEMP were calculated.

131
Capítulo V

To regionalize the average monthly precipitation, ordinary kriging was applied as

Cedeño and Cornejo (2008) recommend for the spatial interpolation of rainfall data over

complex terrains. Kriging is a method of interpolation based on statistical models that

can predict unknown values from data observed at known locations. The air temperature

was interpolated using kriging with detrended raw data, because the temperature

depends directly on the altitude (Fries et al., 2012, 2009).

The erosivity (R-factor) was calculated using the equation proposed by Renard and

Freimund (1994), because the R-factor equation of Renard et al. (1997) needs rainfall

intensity, which is not available for the study area. Furthermore, the Modified Fournier

Index (MFI) was integrated into the equation as Renard and Freimund (1994)

recommended (see Eq. 1). The R-factor is a good local parameter of erosivity widely

used in the tropics (Nigel and Rughooputh, 2010b).

𝑅(𝑥,𝑦) = 95.77 − 6.081 𝐹 + 0.4770 𝐹 2 (4.1)

where R(x,y) is the R-factor in (MJ mm ha–1 h–1 yr–1) at grid cell (x,y) and F is the MFI.

The modified Fournier´s index is expressed according to Arnoldus (1977):

∑12
i=1 𝑝𝑖
2
𝐹= (4.2)
𝑃

where pi is average monthly precipitation and P average annual precipitation.

To demonstrate the seasonal climate influence on soil erosion risk inside the

watersheds the months of March (wettest month = rainy season) and August (driest

month = dry season) were selected. EI30 was predicted using the average monthly

precipitation as Chavez (2006) proposed. The coefficient of determination (R2) of this

regression equation is 0.802 (Eq. 3):

𝐸𝐼30 = 3.88𝑝 − 37.23 (4.3)

132
 Efecto de los factores erosivos en una cuenca semiárida

Where p is the monthly precipitation.

5.3.2. Soil erodibility

The soils samples were taken along an altitudinal climo-sequence that crosses

seven districts of the province of Loja in the Catamayo watershed. The sampling sites

were selected under the condition to cover as many areas of different landforms, climate

and altitude as possible. The sampling altitudes range from 240m to about 2400m a.s.l.,

including areas of tropical dry forest, agriculture and pasture. The areas of tropical

humid forests could not be sampled efficiently because the majority of this land cover is

declared nature reserve (Fig. 5.2). The sampling sites were geo-referenced using Garmin

GPS (© 2007-2009 Garmin International, Inc., Kansas 66062, USA; www.garmin.com)

(accuracy 3m).

According to the objectives of this study, the first mineral horizon of the soil profile

(top-soil) was analyzed, because only this layer is directly affected by rainfall and

runoff. However, also the B horizon was sampled for future studies, analyzing the

nutrient availability inside the soils. The horizons were described separately by depth,

assessment of texture and structure according to the FAO guidelines (2006). The whole

sampling process was photographically recorded, taking pictures of the landscape and

the soil profile. The permeability of each soil sampling site was estimated qualitatively

in the field through hydraulic conductivity using a disc infiltrometer with the method

proposed by Zhang (1997).

The soil sampling was part of another project, called “Generation of geo-information for

land management nationwide” executed by the CLIRSEN (Centro de Levantamientos

Integrados de Recursos Naturales por Sensores Remotos) and by the National

Secretariat of Planning and Development of Ecuador (SENPLADES). The samples

were taken and methodologically analyzed by the Universidad Técnica Particular de

133
Capítulo V

Loja (UTPL) and compared to the official information provided by the National

Information System (SNI) of the Ecuadorian Government available online

(http://sni.gob.ec/web/inicio/planes-de-desarrollo-y-ordenamiento-territorial). A set of

321 soil samples were used to estimate the soil erodibility in the Catamayo basin, which

are displayed in Fig. 5.7.

In the laboratory, the soil samples were air dried and sieved through a 2mm

mesh size. The soil particle size distribution was determined using the hydrometer

method (Bouyoucos, 1962). The proportion of very fine sand was obtained by wet

sieving. The soil organic matter (OM) was determined by humid oxidation using the

Walkley–Black method (Soil Survey Staff, 1996). For more information about the

laboratory analyzes, please refer to Ochoa-Cueva et al. (2015).

The soil erodibility (K-factor) was calculated according to Renard et al. (1997) and

converted into SI units of t ha h ha-1 MJ-1 mm-1, as follows:

𝐾 = 0.277 ∗ 10−6 𝑀1.14 (12 − 𝑂𝑀) + 0.0043 (𝑠 − 2) + 0.0033 (𝑝 − 3) (4.4)

where K is the erodibility rate, M is (% silt + % very fine sand)*(100 – % clay), OM is

organic matter (%), s is the soil structural class (s = 1: very fine granular, s = 2: fine

granular, s = 3, medium or coarse granular, s = 4: blocky, platy or massive); determined

on the first horizon of the soil profile according to the guidelines of FAO (2006), and p

is a permeability class (p = 1: very rapid, p = 2: mod. to rapid, p = 3: moderate, p = 4:

slow to mod., p = 5: slow,, p = 6: very slow).

The K-factor layer was then calculated based on Eq. (4) for each soil sample

point and the results interpolated in a GIS using ordinary kriging method. Pérez-

Rodríguez et al. (2007) suggested derivation of soil erodibility from geologic or

physiographic data using kriging. However, the geologic maps are not available for the

134
 Efecto de los factores erosivos en una cuenca semiárida

basin at a similar scale to our generated cartographic maps. In this work were used the

soil erodibility, altitude and slope (DEM) to estimate a reliable distribution from the

dispersed sample points.

5.3.3. Topographic factor

A 100m DEM of the study area was downloaded from Institut de Recherche pour le

Développement in Ecuador. This DEM was used to parameterize the topographic factor

(Nigel and Rughooputh, 2010a). This resolution selected depicts most of the agricultural

production units (UPAs in Spanish) used in the province of Loja (one hectare up wards),

according to the latest National Census for Agriculture and Livestock

(http://sinagap.agricultura.gob.ec/censo-nacional-agropecuario) as well as to Bahr et al.

(2013). According to FAO (2006); Nigel and Rughooputh (2010b) and field experience,

the topographic factor of slopes inside the basin was classified into five levels of erosion

risk: 0–5% (very low), 5–10% (low), 10–20% (moderate), 20–40% (high) and >40%

(very high). In terms of topographic factors the watershed was divided into 3% very

low, 6 % low, 16 % moderate, 41 % high and 33 % very high erosion risk areas.

5.3.4. Land cover factor

The land cover factor (C-factor) was defined from the official vegetation map

and land use map of the province of Loja with a resolution of 1:25000 (Cueva and

Chalán, 2010). The maps were developed from ASTER satellite images acquired by the

Provincial Government of Loja (http://glovis.usgs.gov) and accuracy and quality

checked by the Agency of Geographic Information and Remote Sensing of Ecuador -

CLIRSEN. The resulting land cover map implies 29 types, including clouds and

shadows. However, Oñate-Valdivieso and Bosque (2010) grouped the detailed regional

land cover classification map of the Catamayo-Chira basin in only five main classes:

135
Capítulo V

Evergreen-Tropical Humid Forest (THF), Tropical Dry Forest (TDF), Pasture,

Agriculture, and other uses (urban areas and rivers), which were also used to calculate

the soil erosion sensitivity maps in this study (Fig. 5.2).

Figure 5.2. Land cover map of the Catamayo basin.

The ground covers for TDF, pasture (seasonal grass) and agriculture were

adapted to their seasonal variation using the specific monthly values as shown in Table

2. These specific values of the C-factor were taken from the RUSLE guide (Morgan,

2005), and the monthly variability was estimated by the degree of soil protection and

the seasonal leaves and plant growth (0, 25, 50 and >75%). The first abundant rainfall

starts in December (Fig. 5.3) initiating the annual plant growth. The influence of ground

cover on the soil erosion risk is illustrated for the driest and wettest month as well as for

the average annual (Table 5.2).

136
 Efecto de los factores erosivos en una cuenca semiárida

Figure 5.3. Monthly trend of soil erosion risk according to seasonal changes of the C-

factor.

5.4. Results

The outputs of the methodology implemented in the Catamayo watershed (an area of

4184 km2) comprise a set of maps with a 100m cell size.

5.4.1. Relations found between altitude, topography and climatic conditions

The average annual air temperature over a period of 23 years is shown in Fig. 5.4. The

air temperature is directly proportional to the altitude and decreases with height. Fig.

5.5a, described a very good correlation between temperature and altitude was found for

the average annual temperature (R2=0.92). Also the air temperature has a good

relationship with land cover see Figs. 5.2 and 5.4. In contrast to the air temperature the

correlation between altitude and rainfall was (R2=0.58 – Fig. 5.5b), which is due to the

topography that forms barriers and pathways for the humid air.

137
Capítulo V

Figure 5.4. Annual air temperature in the study area.

The DFIZ contains semiarid areas at the outlet (Zapotillo canton 240 m a.s.l.)

and arid areas at the upper eastern part (Catamayo City 1250 m a.s.l.). This discrepancy

is caused by the orographic situation of Catamayo City (Fig. 5.1b), which is surrounded

by mountain barriers, limiting the humidity transport from the west, north, east and

south (Fig. 5.1a), leading to 12-month of aridity. Around the city rainfall generally

occurs during the austral summer months when local thunderstorms are formed.

However, due to the arid conditions annual rainfall quantities are very variable with

highest values around 400mm yr-1 (Table 5.1).

The lower parts of DFIZ have semiarid conditions (10 dry months) and show

slightly higher rainfall quantities (between 400 and 650mm yr-1; Table 5.1). This is due

to the orientation of the catchment, which is open to the southwest and humidity can

enter the valley from this side. In the lower western parts rainfall occurs during the

austral summer months too, when the general wind direction is frequently changed to

the west, carrying humid air from the Pacific Ocean up to the valley. During ENSO-

events rainfall quantities are significantly higher for the whole study catchment, due to

138
 Efecto de los factores erosivos en una cuenca semiárida

the higher sea surface temperatures of the Pacific, causing enhanced evaporation and

therefore higher moisture content in the air.

Figure 5.5. Annual correlations between (a) air temperature and altitude, (b) rainfall

and altitude.

The spatial distribution of precipitation as well as the monthly EI30 of the

extreme months and the R-factor is shown in Fig. 5.6. The orientation of the mountain

ridges favor or hinder the humidity transport into the watershed. During austral summer

(March; Fig. 5.6a) the humid air, coming from the Pacific Ocean, is forced to ascend at

the western mountain ridge forming a barrier (Celica Mountain) and precipitation is

enhanced on the lower windward slope reaching highest values above 300mm month–1.

Highest rainfall amounts inside the study catchment are observed at the Catamayo River

outlet and at the southern mountain ridge. This is caused by the orientation of the valley

outlet and the structure of the western barrier, which is lower at its southern parts,

wherefore a higher content of moisture can pass the barrier, leading to higher rainfall

amounts for this part of the valley. During austral winter (August; Fig. 5.6c) a severe

drought is observed inside the study catchment, because wind comes from the east and

humidity transport is blocked by the highest mountains of the eastern ridge (Podocarpus

139
Capítulo V

National Park). The eastern barrier hampers humidity transport inside the watershed;

only the highest parts at the eastern barrier still receive small monthly rainfall amounts,

which quickly decrease after the barrier further to the west. Highest rainfall amounts

during the dry season are recorded from the Yangana station with values slightly above

90mm month–1 (data not shown).

The average yearly rainfall (Fig. 5.6e) closely follows the distribution observed

during March (Fig. 5.6a), but with significant higher values. In contrast to March, the

annual map shows highest rainfall amounts at the upper eastern ridge inside the

catchment (values up to 1100 mm yr–1). This is due to the general wind direction from

the east, carrying the moisture from the Amazon Basin up to the eastern mountain ridge.

The strong barrier effect of this mountain chain hampers the humidity transport inside

the watershed; only the highest parts receive frequent precipitation.

5.4.2. Soil erosion risk processes

Fig. 5.6 (right column) shows the influence of the weather conditions on the

processes of soil erosion risk. The EI30 values ranged from 256 to 5022MJ mm ha–1 h–1

for the wettest month (March). The lowest values are shown around the Catamayo City

and the highest values are calculated for the western parts. For the driest month

(August) EI30 values ranged from 0 to 521MJ mm ha–1 h–1. In this month values are

generally low for the entire basin, and only at the upper eastern ridge do the values

increase (eastern barrier). The average annual value of the R-factor for the whole basin

was found to be 10249MJ mm ha–1 h–1 yr–1.

140
 Efecto de los factores erosivos en una cuenca semiárida

Figure 5.6. (Left column) Spatial distribution of rainfall in mm a, c, e. (Right column)

Ei30, for (b) March, (d) August, and erosivity (f) annual map (MJ mm ha-1 h-1 y-1).

The soil erosion susceptibility map with the decision rule is shown in Fig. 5.7.

About 0.6% of the total catchment area is classified as very low, 11.5% low, 30.8%

moderate, 56.1% high and 1% very high. The main part of the basin shows moderate to

141
Capítulo V

high soil erosion susceptibility.

Figure 5.7. Soil erosion susceptibility map (K-factor + topographic factor); with

decision rule.

The land cover map with the main classes (THF, TDF, Pasture and Agriculture);

shows a good relation with the landforms and the climate. The changes of the vegetation

are mainly caused by the climate conditions and by the anthropic management for the

agriculture land. The THF covers about 24.3% of the catchment area and is located in

the upper parts (WLSH) of the watershed, where humidity is also higher. This coverage

maintains its canopy all year round, providing very good soil protection during any

season. The TDF takes about 31.1% of the total surface and is mainly present in the

lower parts of the basin (DFIZ). This vegetation type is similar to savannah. The TDF is

dominantly used for uncontrolled grazing of cows and goats and also for timber

production. About 36.5% of the study area is pasture, which is mostly uncultivated land,

used for grazing. The pasture (Panicum maximum) grows naturally along the western

142
 Efecto de los factores erosivos en una cuenca semiárida

Andes mainly where humidity is high. The cultivated pastures, like Pennisetum

clandestinum, are located in small areas at higher elevations, where water availability is

sufficient for irrigation. The ground covers in this specific class vary from herbaceous to

brushy vegetation. This fact makes it difficult to harmonize the information of other

studies in the region, because there is no common definition for the land use class

“Pasture”. Agriculture (dry-farming) is present at all altitudinal ranges, covering about

7.6% of the basin. Maize is the predominant crop for this farming system with

conventional tillage, a technique prevalent throughout the study area. In the cities of

Zapotillo and Catamayo the agriculture changes abruptly to intensive irrigation systems.

The main crops are maize and sugar cane respectively. The urban areas and rivers take

about 0.5% of the basin area and were set to 0, which means there is no erosion risk. In

summary, pasture and TDF are the predominant land covers, which together account

about 70% of the total area of the basin (Figure 5.2).

In Fig. 5.8 the soil erosion sensitivity maps (susceptibility + C-factor maps in relation to

the seasonal and annual climatic conditions) are shown. The C-factor values were

assigned according to the degree of soil protection. This degree of soil protection in

TDF, pastures and agriculture is low, mainly during the dry season (June to November),

due to the lack of canopy (Figure 5.8b). However, some species of the TDF as the

Guayacán (Tabebuia chrysantha or Tabebuia billbergii) and the Ceiba trichistandra

begin the process of defoliation approx. 2 months before the start of the dry season, but

there are also species that do not completely defoliate during the same period

(Cynophalla mollis and Acacia macracantha). The assigned values for the agricultural

use remain constant during the dry season, due to the ongoing irrigation management

for some valleys and areas near to rivers, these zones is best viewed in Figure 5.8a.

143
Capítulo V

Figure 5.8. Soil erosion sensitivity maps (Susceptibility map + C–factor maps) for; (a)

March, (b) August, and (c) average annual.

In the Catamayo Basin, a close relationship between the (K-factor and slope),

land cover (C-factor) and erosivity (R-factor) exists; e.g. the ground cover depends on

the climatic factors such as rainfall and air temperature (Figs. 5.2 and 5.4); but also it

depends of the soil conditions (texture, OM, structure, permeability and topography).

Agricultural activities are not possible on steep slopes. The final cartographic product

(Fig. 5.9) shows the soil erosion risk maps at seasonal and annual timing, with these

relationships between erosivity, erodibility, topography and land cover. According to

the climatic seasonality March is the month with the highest risk of soil erosion in

scattered areas throughout the basin and the highest values in crops areas (Fig. 5.9a). By

August, due to low rainfall is lowest soil erosion risk; the highest values are in pasture

areas and near to the Eastern cordillera (see Fig. 5.9b).

5.5. Discussion

This cartographic study described the spatio-temporal variability of soil erosion

risk on a regional scale. It clearly shows the critical months, hotspots and land uses

which are more susceptible to erosion. A close relationship between climate, altitude

and topography could be shown for the Catamayo watershed. The mean monthly air

temperature does not vary significantly during the year, and shows a good correlation

144
 Efecto de los factores erosivos en una cuenca semiárida

with altitude and land cover (Fries et al., 2009) In this context the air temperature could

be a factor to consider in studies of soil erosion to evaluate the impact of land

management practices in rural areas sensitive to desertification (Kairis et al., 2015).

The relationship between precipitation–altitude cannot be assumed for regional

studies in mountain areas of the Andes, due to the influence of the landforms, forming

barriers and pathways. However, local studies show that the altitudinal gradient of

precipitation can be applied for small watersheds, located within the same mountain

ridge and having the same exposure (e.g. Ochoa-Cueva et al., 2015). The

windward/leeward orographic effects caused by the topography are difficult to detect

and can be analyzed using remote sensing (Ochoa et al., 2014). Pineda et al. (2013)

describes that the western Andes cordillera and the shape of its branches have an

imposing effect on the rainfall distribution. Therefore, the spatial distribution of rainfall

and the depending annual R-factor in the study area does not depend on the altitude; due

to the location of the specific mountain barriers and pathways for humidity transport

(Figs. 5.1b and 5.6).

During the dry season (Jun. Jul. Aug. - Sep. Oct. Nov.) the influence of sea

surface temperature anomalies is weak (Jun. Jul. Aug.) or rather insignificant (Sep. Oct.

Nov.) Pineda et al. (2013). The humidity comes from the Amazon Basin during this

season, because the general wind direction is from the east (Richter et al., 2009). The

high eastern mountain ridge in the east hampers the humidity transport into the valley.

Consequently, the growth of the vegetation and agricultural activities are limited during

this time period (Aguirre and Kvist, 2005; Maass and Burgos, 2011; Castro et al., 2013).

The strong contrasts between the dry and rainy seasons, the insufficient ground cover,

the sandy formations without consistency and the steep slopes generated the morpho-

dynamic conditions in the study area (see Figs. 5.8 and 5.9).

145
Capítulo V

Figure 5.9. Soil erosion risk maps (susceptibility map + sensitivity maps + erosivity

maps) for; (a) March, (b) August, and (c) average annual.

The annual soil erosion risk map (Fig. 5.9c) shows that 17.9% (749 km2 of the

Catamayo basin) can be classified with very high erosion risk. The areas with high and

moderate erosion risk cover 21.3% of the area. The western parts as well as the area of

the river outlet have the highest risk of erosion. The mountain ridges do not show such

high values, because these parts preserved THF and only small patches are deforested.

The main factors that influence the soil erosion risk in the Catamayo basin are the

erosivity factor (R-factor), as found by Nigel and Rughooputh (2010a), as well as the

land cover factor (C-factor). Fig. 5.9c, makes it clear that poor land cover increases soil

erosion risk; here mainly caused by runoff. Especially during the dry season the

management of vegetation cover is important to reduce the volume of sediment in the

rivers (García-Orenes et al., 2009; Mandal and Sharda, 2013; Kairis et al., 2015).

However, the erosivity factor is low for more or less 50% of the basin (Fig. 5.6f); some

hotspots are located in the east and the center, where precipitation is high and vegetation

cover sparse.

The high soil erosion risk in the DFIZ zone is confirmed by Winckel et al.

(1997b) who found evidence of colluvio-alluvials formations deposited in the river

banks. The relationship between climate, topography and land cover can be seen as a

key factor to understand the soil erosion in the southern highland of Ecuador.

Other studies (e.g. Cerdà et al., 2009; Ruiz-Sinoga and Romero, 2010; Zhao et al.,

146
 Efecto de los factores erosivos en una cuenca semiárida

2013), describe the ground cover as the key factor to prevent soil erosion in semiarid

mountain watersheds, too. In the Catamayo Basin the agriculture shows a division in

production patterns depending on land holding at the three altitudinal zones, proposed

for the first time in this work (Fig. 5.1). In the upper basin (WLSH), traditional

minifundia or latifundia are common with mixed (citrus, banana and coffee) or rotated

cultivation using the fallow system. At DFSH smallholders (family farms) operate near

the subsistence level. Generally, when agricultural yields are low and the landholding is

big enough, the farmers use slash and burn agriculture, otherwise they abandon the land.

For this agricultural practice or way of land use, we should propose more environmental

education and land conservation policies. In the lower basin (DFIZ), some commercial

farms with some level of management and mechanization are established, hiring

landless employees. Monoculture of sugarcane and maize is dominant and the soil

fertility is low, wherefore huge amounts of fertilizer are used.

Generally, in the Catamayo Basin the agriculture is a subsistence economy with

great local importance (Bahr et al., 2013); only a few products are destined for the

regional market, e.g. sugar cane, corn and coffee (Castro et al., 2013). However, in

times of severe drought meat and milk from livestock production is more important than

any cultivated crop. Against this background, regional analysis of soil management

(basin-wide) should pay more attention to the pasture areas rather than on agriculture

itself. Moreover, pasture comprises about 36.5% of the total surface of the basin,

excluding the TDF (31.1%), which is also used for livestock grazing, and agriculture

only occupies 7.6%.

According to farmers and conservational activists the land use in the study area

is disorganized and uncontrolled due to the intensive agriculture and overgrazing

(Castro et al., 2013; Espinosa et al., 2012; Podwojewski et al., 2002). In this context,

147
Capítulo V

some researchers (e.g. Aguirre and Kvist, 2005; Vázquez et al., 2001) suggest to reduce

or to eliminate livestock grazing in dry ecosystems. While other studies (e.g. Savory,

1999) suggest that holistic planned grazing (HPG), which means higher animal density

on semiarid ecosystems but during a shorter time period, may result in higher soil-water

content through the development of more ground-surface litter (Weber and Gokhale,

2011).

In order to prevent desertification processes in semiarid area of southern

Ecuador, it is essential to maintain soil cover in good condition, avoiding deforestation

in natural forests and maintaining soil fertility properties at active pasture sites. The

natural forest and the protected areas are especially important for water sources (e.g.

Podocarpus National Park) and favor significantly the hydrologic and landscape

stability of the basin, too. The maintenance of existing pasture soils and their fertility

depends of the adoption of new or modified soil management systems by farmers. This

can be achieved with management proposals such as a) adequate management of

seasonal pastures e.g. HPG. Recent studies developed by Espinosa et al. (2014),

describes a surprising increase in the diversity of species in the study area in places

subjected to seasonal grazing. b) Management of pastures with legumes that provide

nutrients to the soil therefore maintaining good levels of pasture productivity, c) Avoid

slash and burn agriculture, replaced by economic and ecologic agricultural systems, in

order to avoid serious consequences of erosive events. An interesting proposal in this

area is suggested by Castro et al. (2013). Obviously, these management proposals need

to be modeled and validated, as well as their appropriateness for applications for the

local population in semiarid Andean regions. The soil is a complex system that needs to

be studied by multidisciplinary approaches (Brevik et al., 2015; Knoke et al., 2014).

In the future, better estimates of soil erosion are possible using new technologies such

148
 Efecto de los factores erosivos en una cuenca semiárida

as radar networks with automatic stations to analyze erosive events e.g. of ENSO and

the subsequent drought that causes this phenomenon. Also, more research is needed at

plot or UPA scales with 5–10 year long experiments monitoring and using different

models (e.g. mHM, WEPP, G2 erosion models) to determine the soil erosion risk and

sediment transport more accurately.

5.6. Conclusions

Soil erosion risk in a semiarid basin of the Andes shows a high influence of

climatic seasonality and topographical conditions. During the rainy season, soil erosion

vulnerability is highly influenced by the erosivity factor, followed by the C-factor

(seasonal coverage) and to a lesser degree the topographic and soil erodibility factors.

While in the dry season the soil erodibility and topographic factors become more

important as influenced by the C-factor for poor coverage.

The relationship between air temperature and altitude is strong in this Andean

basin; however, there is no obvious relationship between rainfall and altitude for

regional studies due to the topographical conditions. The altitudinal gradient of

precipitation can be used only for small watersheds located within the same mountain

ridge and having the same exposure.

This study suggests an applicable methodology for semiarid regions with limited

data and it makes an important contribution to decision makers to preserve and

sustainably manage this watershed, which is critical for water and food supply in

southern Ecuador and northern Peru.

149
Capítulo V

Table 5.2. Averages monthly and annual of values of the C-factor according to the land cover types.

Land cover Average monthly and annual of values of the C- Factor

Description
types Dec Jan Feb Mar Apr May Jun Jul Aug Sep Oct Nov Year
This forest type should not be considered primary
forest because it has already had some intervention.
Tropical Humid
The C-factor value is constant (0.003) because this 0.003 0.003 0.003 0.003 0.003 0.003 0.003 0.003 0.003 0.003 0.003 0.003 0.003
Forest
forest maintains its coverage all year (very low
erosion risk).
Includes deciduous and semi-deciduous forest that
growing in tropical areas subject to severe climatic
Tropical Dry
seasonality. Higher values correspond to the months 0.1 0.025 0.01 0.01 0.01 0.025 0.05 0.1 0.1 0.1 0.1 0.1 0.061
Forest
that TDF lacks leaves; and with the first rains leaf
regeneration reactive.
In the seasonal pastures, the higher values are
associated with overgrazing areas and dry season;
Pasture 0.1 0.05 0.01 0.01 0.01 0.01 0.05 0.1 0.1 0.1 0.1 0.1 0.062
while lower values correspond to zones with pasture
in good conditions and in rainy season.
The higher values correspond to the maize grown in
rainy season and conventional tillage. Also,
agricultural production is continuous in some areas
Agriculture 0.55 0.55 0.45 0.33 0.23 0.13 0.13 0.13 0.13 0.13 0.13 0.13 0.252
of the basin (e.g. sugar cane all year), for this reason
the values described in dry seasonal period are not
lows.

150
 Efecto de los factores erosivos en una cuenca semiárida

5.7. Acknowledgments

The authors wish to thank the support of the “Instituto Nacional de Meteorología e

Hidrología del Ecuador” (INAMHI) for the availability of climate data from 1990 to

2013. The CLIRSEN and SEMPLADES by the availability of the soil data of the study

area. This work was partially supported by the Secretaria Nacional de Educación

Superior, Ciencia, Tecnología e Innovación del Ecuador (SENESCYT) and by the

Universidad Técnica Particular de Loja (PROY-FIN-UCG-0018). We especially thank

the multidisciplinary team that collaborated on the soil sampling process and to

Fernando Oñate as general coordinator. Also like to thank Cesar Ochoa who advised on

the English and Justin Sheffield of the Princeton University for his scientific support

and final edition language.

5.8. References

Aguirre, Z., Kvist, L.P., 2005. Floristic composition and conservation status of the dry

forests in Ecuador. Lyonia. 8, 41–67.

Alexandersson, H. 1986. A homogeneity test applied to precipitation data. J. Climatol.

6, 661–675.

Bahr, E., Hamer, U., Chamba, D., Makeschin, F., 2013. Different fertilizar types

affected nitrogen and carbon cycling in eroded and colluvial soils of Southern

Ecuador. Agric. Sci. 4, 19–32.

Berendse, F., van Ruijven, J., Jongejans, E., Keesstra, S.D., 2015. Loss of plant species

diversity reduces soil erosion resistance of embankments that are crucial for the

safety of human societies in low-lying areas. Ecosystems. 18, 881-888.

151
Capítulo V

Bouyoucos, G.J., 1962. Hydrometer method improved for making particle size analysis

of soils. Agron. J. 54, 464–465.

Brevik, E. C., et al., 2015. The interdisciplinary nature of Soil. SOIL. 1, 117–129

Castro, L. M., Calvas, B., Hildebrandt, P., Knoke, T., 2013. Avoiding the loss of shade

coffee plantations: How to derive conservation payments for risk-averse land-users.

Agrofor. Syst. 87, 331–347.

Cedeño, J., Cornejo, M. P., 2008. Evaluation of three precipitation products on

ecuadorian coast, available at:

http://wcrp.ipsl.jussieu.fr/Workshops/Reanalysis2008/Documents/Posters/P3-

25_ea.pdf (Accessed 12 April 2014)

Cerdà, A., 1998. Relationship between climate and soil hydrological and erosional

characteristics along climatic gradients in Mediterranean limestone areas.

Geomorphology 25, 123-134.

Cerdà, A., 2000. Aggregate stability against water forces under different climates on

agriculture land and scrubland in southern Bolivia. Soil Tillage Res. 36, 1–8.

Cerdà, A., Giménez-Morera, A., Bodí, M.B., 2009. Soil and water losses from new

citrus orchards growing on sloped soils in the western Mediterranean basin. Earth

Surf. Processes Landforms. 34, 1822–1830.

Cerdà, A., Lavee, H., Romero-Díaz, A. , Hooke, J., Montanarella, L., 2010. Soil erosion

and degradation in mediterranean type ecosystems. Land Degrad. Dev. 21, 71–74.

Chavez, R., 2006. Modeling Soil erosion risk in Los Maribios volcanic chain,

Nicaragua. Tropical Resources Bulletin. 25, 50–56.

Cueva, J., Chalán., L., 2010. Cobertura Vegetal y Uso Actual del Suelo de la Provincia

152
 Efecto de los factores erosivos en una cuenca semiárida

de Loja. Informe Técnico. Departamento de Sistemas de Información Geográfica de

Naturaleza & Cultura Internacional. Gráficas Amazonas. Loja–Ecuador.

http://www.naturalezaycultura.org/docs/Informe%20Cobertura%20Vegetal.pdf

Espinosa, C. I., De La Cruz, M., Luzuriaga, A. L., Escudero, A., 2012. Bosques

tropicales secos de la región Pacífico Ecuatorial: diversidad, estructura,

funcionamiento e implicaciones para la conservación. Ecosistemas. 21, 167–179.

Espinosa, C. I., Luzuriaga, A. L., De La Cruz, M., Escudero, A., 2014. Climate and

grazing control nurse effects in an Ecuadorian dry shrubby community. J. Trop.

Ecology. 30, 23–32.

FAO, 2006. Guidelines for soil description. Food and Agriculture Organization of the

United Nations (p. 109). Rome.

FAO, 2010a. Statistics division. Food and Agriculture Organization of the United

Nations. http://faostat.fao.org/default. aspx. Accessed 14 June 2013

FAO, 2010b. Growing food for nine billion. Food and Agriculture Organization of the

United Nations. http://www.fao.org/docrep/013/am023e/am023e00.pdf. Accessed 20

June 2013

Fries, A., et al., 2009. Thermal Structure of a Megadiverse Mountain Ecosystem in

Southern Ecuador, and its Regionalization. Erdkunde. 63, 321–335.

Fries, A., Rollenbeck, R., Nauß, T., Peters, T., Bendix, J., 2012. Near surface air

humidity in a megadiverse Andean mountain ecosystem of southern Ecuador and its

regionalization. Agric. For. Meteorol. 152, 17–30.

Fries, A., et al., 2014. Catchment precipitation processes in the San Francisco valley in

southern Ecuador: combined approach using high-resolution radar images and in situ

observations. Meteorol. Atmos. Phys. 126, 13-29.

153
Capítulo V

Gabarrón-Galeote, M. A., Martínez-Murillo, J. F., Quesada, M. A., Ruiz-Sinoga, J. D.,

2013. Seasonal changes in the soil hydrological and erosive response depending on

aspect, vegetation type and soil water repellency in different Mediterranean micro

environments. Solid Earth. 4, 497–509.

García-Orenes, F., et al., 2009. Effects of agricultural management on surface soil

properties and soil-water losses in eastern Spain. Soil Tillage Res. 106, 117–123.

Guijarro Pastor, J. A., 2011. User guide to Climatol: An R package for homogenization

of climatological series. R Pakages. 1, 33.

Kairis, O., Karavitis, C., Salvati, L., Kounalaki, A., Kosmas, K., 2015. Exploring the

Impact of Overgrazing on Soil Erosion and Land Degradation in a Dry

Mediterranean Agro-Forest Landscape (Crete, Greece). Arid Land Research and

Management. 29: 360-374.

Knoke, T., et al., 2014. Afforestation or intense pasturing improve the ecological and

economic value of abandoned tropical farmlands. Nat. Commun. 5: 5612.

Lieskovský, J., Kenderessy, P., 2014. Modelling the effect of vegetation cover and

different tillage practices on soil erosion in vineyards: A case study in vráble

(Slovakia) using WATEM/SEDEM. Land Degrad. Dev. 25, 288-296.

MAGAP, 2011. Costos de producción. Ministerio de Agricultura, Ganaderia,

Acuacultura y Pesca del Ecuador.

http://www.magap.gob.ec/sinagap/index.php?option=com_wrapper&view=wrapper

&Itemid=97. Accessed 25 Jan 2013

Mandal, D., Sharda, V. N., 2013. Appraisal of soil erosion risk in the Eastern

Himalayan region of India for soil conservation planning. Land Degrad. Dev. 24,

430–437.

154
 Efecto de los factores erosivos en una cuenca semiárida

Maass, M., Burgos, A., 2011. Water Dynamics at the Ecosystem Level in Seasonally

Dry Tropical Forests. In: Dirzo, R., Mooney, H., Ceballos, G., Young, H. (eds.).

Seasonally Dry Tropical Forests: Ecology and Corservation, pp. 141-156. Island

Press. Washington, DC 20009, USA.

Morgan, R.P.C., et al., 1998. The European Soil Erosion Model (EUROSEM):

documentation and user guide. Silsoe College, Cranfield University

Morgan, R.P.C., 2005. Soil Erosion and Conservation, 3rd ed. Blackwell, Malden.

Nigel, R., S.D.D.V., Rughooputh., 2010a. Soil erosion risk mapping with new datasets:

An improved identification and prioritisation of high erosion risk areas. Catena 82,

191–205.

Nigel, R., Rughooputh, S.D.D.V., 2010b. Mapping of monthly soil erosion risk of

mainland Mauritius and its aggregation with delineated basins. Geomorphology 114,

101–114.

Ochoa, A., Pineda, L., Crespo, P., Willems, P., 2014. Evaluation of TRMM 3B42

precipitation estimates and WRF retrospective precipitation simulation over the

Pacific–Andean region of Ecuador and Peru. Hydrol. Earth Syst. Sci. 18, 3179–3193.

Ochoa-Cueva, P., Fries, A., Montesinos, P., Rodríguez-Díaz, J., Boll, J., 2015. Spatial

Estimation of Soil Erosion Risk be Land-cover Change in the Andes of Southern

Ecuador. Land Degrad. Dev. 26, 565 - 573.

Oñate-Valdivieso, F., Bosque, J., 2010. Application of GIS and remote sensing

techniques in generation of land use scenarios for hydrological modeling. J. Hydrol.

395, 256–263.

Palacio, R.G., Bisigato, A.J., Bouza, P.J., 2014. Soil erosion in three grazed plant

communities in Northeastern Patagonia. Land Degrad. Dev. 25, 594-603.

155
Capítulo V

Pérez-Rodríguez, R., Marques, M. J., Bienes, R., 2007. Spatial variability of the soil

erodibility parameters and their relation with the soil map at subgroup level. Sci.

Total Environ. 378, 166–173.

Panagos, P., Karydas, C., Ballabio, C., Gitas, I., 2014. Seasonal monitoring of soil

erosion at regional scale: An application of the G2 model in Crete focusing on

agricultural land uses. Int. J. Appl. Earth Obs. Geoinf. 5, 461–487.

Pineda, L., Ntegeka, V., Willems, P., 2013. Rainfall variability related to sea surface

temperature anomalies in a Pacific–Andean basin into Ecuador and Peru. Adv.

Geosci. 33, 53–62.

Podwojewski, P., Poulenard, J., Zambrana, T., Hofstede, R., 2002. Overgrazing effects

on vegetation cover and properties of volcanic ash soil in the páramo of Llangahua

and La Esperanza (Tungurahua, Ecuador). Soil Use and Manag. 18, 45–55.

Renard, K., Freimund, J., 1994. Using monthly precipitation data to estimate the R-

factor RUSLE. J. Hydrol.157, 287–306.

Renard, K.G., Foster, G.R., Weesies, G.A., McCool, D.K., Yoder, D.C., 1997.

Predicting soil erosion by water: a guide to conservation planning with the Revised

Universal Soil Loss Equation. USDA Agriculture Handbook, No. 703. 404pp.

Richter, M., Diertl, K.-H., Emck, P., Peters, T., Beck, E., 2009. Reasons for an

outstanding plant diversity in the tropical Andes of Southern Ecuador. Landscape

Online. 12, 1–35.

Romero, C. C., Baigorria, G. A., Stroosnijder, L., 2007. Changes of erosive rainfall for

El Niño and La Niña years in the northern Andean highlands of Peru. Clim. Change.

85, 343–356.

Ruiz-Sinoga, J. D., Romero, Diaz A., 2010. Soil degradation factors along a

156
 Efecto de los factores erosivos en una cuenca semiárida

Mediterranean pluviometric gradient in Southern Spain. Geomorphology 118, 359–

368.

Savory, A., 1999. Holistic Management: A New Framework for Decision Making,

second ed. Island Press, 616 pp.

Soil Survey Staff., 1996. Soil survey laboratory methods manual. Soil Survey

Investigations Rep. Vol. 42. US Dept. Agric.-Nat. Res. Cons. Serv., Washington,

DC.

Stocking, M., 1981. A working model for the estimation of soil loss suitable for

underdevelopment areas, Development Studies Occasional Paper No. 15, University

of East Anglia, UK.

Tote, C., et al., 2011. Effect of ENSO events on sediment production in a large coastal

basin in northern Peru. Earth Surf. Processes Landforms. 36, 1776–1788.

Vázquez, M.A., Larrea, M., Suarez, L., Ojeda, P. (Eds), 2001. Biodiversidad en los

bosques secos del suroccidente de la provincia de Loja: un reporte de las

evaluaciones ecologicas y socioeconomicas rapidas. EcoCiencia, MAE, Herbario

Loja y Proyecto Bosque Seco, Quito, Ecuador.

Weber, K.T., Gokhale, B.S., 2011. Effect of grazing on soil-water content in semiarid

rangelands of southeast Idaho. J. Arid. Environ. 75, 464–470.

Winckell, A., Zebrowski, C., Sourdat, M., 1997a. Los paisajes naturales del Ecuador.

Quito, EC, CEDIG, IPGH, ORSTOM, IGM. v. 2 (Geografía Básica del Ecuador),

tomo 4 (Geografía Física), 417 pp.

Winckell, A., et al., 1997b. Las condiciones del medio natural. Quito, EC, CEDIG,

IPGH, ORSTOM, IGM. v. 1 (Geografía Básica del Ecuador), tomo 4 (Geografía

Física), 159 pp.

157
Capítulo V

Zhang, R., 1997. Determination of Soil Sortivity and Hydraulic Conductivity from the

Disk Infiltrometer. Soil Sci. 61, 1024–1030.

Zhao, G., Mu, X., Wen, Z., Wang, F., Gao, P., 2013. Soil erosion, conservation, and

eco-environment changes in the Loess Plateau of China. Land Degrad. Dev. 24, 499–

510.

158
 CAPÍTULO VI:
DISCUSIÓN Y CONCLUSIONES GENERALES

MANEJO Y CONSERVACIÓN DEL SUELO Y AGUA EN

LOS ANDES DEL SUR DE ECUADOR
 Discusión general y conclusiones

CAPÍTULO VI: DISCUSIÓN Y CONCLUSIONES GENERALES

6.1. Discusión general

La discusión general está descrita en relación al fin de la investigación que se

encuentra en el primer párrafo de la sección de objetivos de la presente tesis doctoral.

(i) Caracterización general del recurso suelo con algunos parámetros que nos

describan su estado actual.

Los parámetros elegidos para este análisis han sido los que nos ayudan a

determinar la erodabilidad del suelo y otros relacionados como la densidad aparente.

Específicamente en el área general de estudio se distinguen dos tipos de ecosistemas,

húmedo tropical (área local) y seco tropical (área regional).

En la caracterización del suelo a escala local nos encontramos con resultados

interesantes. Como lo muestra el capítulo III (en la Figura 3.5), la materia orgánica del

suelo, nos expresa una mayor relación con la cobertura vegetal (pastizal), antes que con

la altitud (clima) como han descrito otros autores (Cobertera, 1993). También,

Stevenson (1982) describe para suelos tropicales valores bajos por la alta actividad

microbiana sobre la MOS causada por altas temperaturas. Sin embargo los valores de

MOS sobre coberturas naturales son bajos en nuestra zona (< 2.6%), que se encuentran

en las cotas más altas de las cuencas, es decir con menor temperatura; concordando con

lo encontrado al norte de Ecuador por Zehetner y Miller (2006). Al momento de

establecer análisis de correlación linear entre la MOS con otros parámetros como

altitud, pendiente y cobertura vegetal no fueron encontradas relaciones significativas,

probablemente por la alta dispersión que presentan porcentajes de MOS.

Mientras que en el análisis de relación entre los porcentajes de cobertura vegetal

del suelo (natural o intervenida) con la DA del suelo (ver Figura 3.2) es significativa

161
Capítulo VI

(R2=0.91). Ellies et al. (2005), manifiesta que el contenido de materia orgánica

incrementa el proceso de agregación y la estabilidad de los agregados del suelo.

Continuando con el análisis al ver la figura 3.3 el indicador biológico de calidad de agua

(IMEERA-B) relacionado con la DA del suelo, nos describe una relación media, esto

puede entenderse si recordamos la relación entre la DA, MOS y porosidad del suelo.

También que la MOS influye en el crecimiento de plantas y microorganismos

probablemente el aporte de materia orgánica al suelo de las cuencas en sitios cercanos a

las riberas de los ríos. También la MOS favorece el movimiento y almacenamiento de

agua en el suelo por la alta absorción del humus por sus características coloidales

(Cerda, 1998; Gabarrón-Galeote et al., 2013). Iñiguez-Armijos et al. (2014), nos

presenta como la mejor alternativa la conservación y recuperación de la cobertura

vegetal (búfer de 30 m) para proteger las riberas de estos ríos a la vez que se disminuye

el riesgo de erosión fluvial.

(ii) En referencia a la estimación del riesgo potencial del suelo a erosionarse por

cambio de la cobertura vegetal presente o futura a escala local.

Los valores de erosividad media obtenidos fueron de 7364 MJ mm ha-1 h-1 yr-1,

con una precipitación media anual de 1442 mm, mientras que Renard y Freimund

(1994), estimaron una erosividad media de 7000 MJ mm ha-1 h-1 yr-1 basados en una

precipitación media de 1400 mm; y Sonder (2004) obtuvo valores medios anuales más

altos para los Andes colombianos de 8094 MJ mm ha-1 h-1 yr-1. En cambio en el factor

de la erodabilidad del suelo los valores mínimos y máximos estuvieron por el orden de

0.027 a 0.049 Mg h MJ-1 mm-1. Romero et al. (2007), describe para los Andes del norte

del Perú, una distribución en los porcentajes de materia orgánica del suelo, muy

parecida a la que describimos en la figura (4.3). Los bajos contenidos de MOS,

principalmente en coberturas naturales, influye sobre las otras propiedades edáficas

162
 Discusión general y conclusiones

como capacidad de retención hídrica y conductividad hidráulica (Jordán, 2006),

haciendo que el suelo tenga más vulnerabilidad a erosionarse (Molina et al., 2007).

Zehetner y Miller (2006), identificaron una estrecha relación entre el clima y la

distribución espacial de algunas propiedades de suelos de los Andes del norte de

Ecuador, entre ellas textura y MOS, al contrario de lo que describe Cobertera (1993), en

las zonas de mayor altitud (menor temperatura), los porcentajes de MOS son más bajos.

Los suelos del área local de estudio tienen una erodabilidad moderada distribuida

principalmente hacia la parte media y alta de las cuencas, con un ligero decrecimiento

en la parte baja de las cuencas; esto probablemente pueda relacionarse con el mayor

porcentaje de MOS que se encuentran en la cobertura de pastizales. Esto daría a

entender que los pastizales son una buena alternativa de manejo del suelo, sin embargo

se debería realizar otros estudios a mayor profundidad, en los que se analice el impacto

del ganado sobre la densidad aparente, la compactación del suelo, entre otros. De igual

forma se obtuvo porcentajes mayores al 4% de MOS en contados sitios de muestreo, en

los que la erodabilidad del suelo podría estar sobreestimada ligeramente.

La tasa de deforestación anual para las cuencas fue de 0.96%. Sin embargo en

estos procesos de deforestación el programa de “reforma agraria” implementado en el

Ecuador entre 1960 y 1970, no causo gran influencia para esta zona, a diferencia de lo

que fue encontrado por Podwojewski et al. (2002) para el norte de Ecuador. Sin

embargo, esta reforma fue el inicio y masificación de la cría extensiva de ganado en la

región, como también lo manifiestan Bendix y Beck (2009) y Tapia-Armijos et al.

(2015). Si continuásemos con la misma tasa de deforestación que coincide con el

incremento poblacional en el mismo periodo de estudios, la presión antrópica sobre

estas cuencas superaría la resiliencia de las mismas para recuperarse. Esta hipótesis es

consistente a los trabajos previos desarrollados por Zehetner y Miller (2006) o

163
Capítulo VI

Podwojewski et al. (2002), en los que se predice que el cambio de uso del suelo en los

Andes ecuatorianos aumentará aún más como resultado del crecimiento constante de la

población. Los valores mínimo y máximo estimados de riesgo potencial de erosión de la

cuenca fueron de 1.5 Mg ha-1 a 936 Mg ha-1. Los valores mínimos corresponden a las

zonas cubiertas de bosque montano y con baja pendiente, mientras que los valores

máximos están sobre tierras agrícolas o pastizales con pendientes fuertemente

pronunciadas. Harden (1988), encontró rangos mínimos y máximos de 0 a 836 Mg ha-1

yr-1, utilizando simulador de lluvias sobre suelos agrícolas de los Andes de Ecuador.

También fue estimado para el año 2040, si continuara la presión actual y la misma tasa

de deforestación, prácticamente la cobertura de bosque natural primario desaparecería y

la erosión potencial se incrementaría notablemente con valores que van de 3 a 2021 Mg

ha-1 valores altos, pero probablemente posibles Winckell et al. (1997a) describió que los

Andes tuvieron una altitud superior en 100 m a la actual, y los procesos erosivos han

contribuido a la altitud actual; también Andrade et al. (2010) estimo también valores

altos de 2558 Mg ha-1 yr-1 para los Andes venezolanos. Por lo expuesto, se supone que

la cubierta vegetal (C-Factor) ejerce el control de primer orden para las tasas de erosión

actuales a escala de cuencas, seguido de los factores R, LS y K (en ese orden).

(iii) Explicar la influencia de los factores que influyen en los procesos erosivos,

en una climo-secuencia de los Andes del sur del Ecuador. Este propósito ha sido

parcialmente explicado en los párrafos anteriores, pero hacen referencia al área local del

estudio (7 micro-cuencas), que tienen una cobertura natural de bosque húmedo

montano. Ahora analizaremos que sucede con el bosque seco tropical y los demás

factores relacionados a los procesos de erosión del suelo a escala regional (cuenca

Catamayo). Esta cuenca tiene una estrecha relación entre el clima, altitud y topografía

que explicaremos a continuación. La temperatura media anual no presenta variaciones

164
 Discusión general y conclusiones

significativas durante el año, e ilustra una buena correlación con la altitud y la cobertura

vegetal, similar a lo que ha descrito Fries et al. (2009), para la región sur de Ecuador.

Kairis et al. (2015) describe a la temperatura como un factor clave a considerar en

estudios de erosión del suelo en el que se evalúe el impacto de las prácticas de manejo

de zonas rurales o con alto riesgo de desertificación. En cambio la relación entre

precipitación y la altitud no podría ser usada para estudios regionales en áreas

montañosas como los Andes, por la influencia de los accidentes geográficos que forman

barreras y pasos de los flujos de humedad. Sin embargo, para estudios a escala local

(cuencas pequeñas), que se encuentren bajo el mismo gradiente de precipitación o

exposición solar, o en la misma cordillera si es posible como fue descrito anteriormente

en el punto (ii) de este mismo capítulo.

Existen otros estudios como el de Ochoa et al. (2014), que menciona que los

efectos orográficos de barlovento y sotavento causados por la topografía, son difíciles

de detectar y podrían ser analizados utilizando sensores remotos, mientras que Pineda et

al. (2013) menciona que la cordillera occidental y la forma de sus ramales impone la

distribución de las precipitaciones de los Andes del sur de Ecuador. Estos trabajos

confirman lo ilustrado por las figuras 5.1.b y la 5.6., que la distribución espacial de las

precipitaciones y la función del factor-R, para el área de estudio no dependen de la

altitud por las barreras y pasos antes mencionados.

En la temporada seca (Jun. Jul. Agos. – Sep. Oct. Nov.) la influencia de las

anomalías de la temperatura superficial del mar es débil para Jun. Jul. Agos. (Pineda et

al., 2013); mientras que para los meses de Sep. Oct. Nov., esta influencia resulta

insignificante debido a que la humedad proviene de la cuenca del Amazonas durante

esta temporada, en la que la dirección del viento viene del este (Richter et al., 2009).

Aunque la altura de la cordillera oriental dificulta el transporte de humedad hacia el

165
Capítulo VI

valle de la cuenca. En consecuencia el crecimiento de la vegetación y las actividades

agrícolas son limitadas durante esta temporada (Aguirre y Kvist, 2005; Maass y Burgos,

2011; Castro et al, 2013).

Los fuertes contrastes entre las estaciones seca y lluviosa, la cobertura del suelo

insuficiente, las formaciones del suelo arenosas sin consistencia y las laderas empinadas

han generado las condiciones morfo-dinámicas del esta área de estudio (ver Figs. 5.8 y

5.9).

(iv) Contribuir con una propuesta metodológica para estimar el riesgo de erosión

del suelo en zonas con datos limitados. Al igual que gran parte de los modelos actuales

la base metodológica de esta propuesta tiene un fuerte apoyo del modelo RUSLE. Al

determinar la espacio-temporalidad del riesgo de erosión de suelo para esta cuenca

semiárida tenemos que el 17.9% es decir (749 km2 de la cuenca Catamayo) fue

clasificado con muy alto riesgo de erosión. Las áreas con alto y moderado riesgo de

erosión cubre el 21.3% del área. Este riesgo muy alto se concentra en la parte baja de la

cuenca (límite sur-occidental), mientras que en las partes altas de las montañas no se

observan valores altos porque en estas zonas se conserva en buen estado el bosque

húmedo tropical y solo pequeños parches han sido deforestadas. Sin embargo, los

factores que comparten el primer lugar de influencia en el riesgo de erosión del suelo

para ecosistemas semiáridos son la erosividad y el factor de cobertura vegetal; cómo lo

describe claramente la figura 5.8 y 5.9, que la escasa cobertura vegetal para la

temporada seca incrementa notablemente el riesgo de erosión del suelo y la producción

de sedimentos, y es importante tenerlo presente principalmente para el inicio de la

temporada lluviosa para hacer un correcto manejo del suelo en pastizales y cultivos, tal

como ya lo han mencionado algunos autores (Taguas, 2007; García-Orenes et al., 2009;

Mandal y Sharda, 2013; Kairis et al., 2015). Nigel y Rughooputh (2010a), al igual que

166
 Discusión general y conclusiones

en nuestro trabajo también consideran a la erosividad, como el principal factor

relacionado con el riesgo de erosión para cuencas semiáridas. Sin embargo, por

características topográficas esta intensidad de la precipitación tiene una influencia al

50% aproximadamente de la cuenca, al sur-este y centro como lo describe la figura 5.6f;

donde se debería tener mayor cuidado a las practicas comunes de roza y quema de la

cobertura vegetal. De acuerdo a la zonificación propuesta por primera ocasión para esta

cuenca de estudio, en la Zona de Agricultura de Secano y Riego descrita en el capítulo

V con sus siglas en inglés DFIZ, y va desde los 240 hasta los 1400m s.n.m. Winckel et

al. (1997b), describe la evidencia los depósitos erosivos coluvio-aluviales para esta

zona. Por esta razón se podría decir que se presenta esta estrecha relación entre clima,

topografía, cobertura vegetal y son los mejores factores para entender los procesos

erosivos a escala regional en esta cuenca semiárida de los Andes del sur de Ecuador.

También otros estudios llevados en regiones semiáridas (p.e. Martínez-Murillo,

2006; Cerdà et al., 2009; Ruiz-Sinoga and Romero, 2010; Zhao et al., 2013), describen a

la cobertura vegetal como el factor clave para prevenir la erosión del suelo. La

agricultura muestra interesantes diferencias en la cuenca Catamayo, dependiendo de la

zona en la que se desarrolle; fueron descritas en este modelo 3 zonas. En la zona más

alta de la cuenca, denominada Tierras húmedas de la Sierra sur, descrita en el capítulo V

por sus siglas en inglés como WLSH. Los cultivos mixtos tradicionales en esta zona son

principalmente frutales (cítricos, banana y café) o con rotación de cultivos, usando el

barbecho o agricultura de secano, en extensión de minifundio o latifundio. En la zona de

secano de la Sierra sur, DFSH por sus siglas en inglés, descrito en el capítulo V, es la

zona donde mayor cantidad de pequeños agricultores se encuentran, quienes practican

agricultura de subsisencia principalmente y en menor grado agricultura semi-

tecnificada. Generalmente cuando los rendimientos de sus cultivos son bajos, y la

167
Capítulo VI

superficie de terreno es grande, dejan su tierra destinada a los cultivos, para el siguiente

año ampliar la frontera agrícola con la práctica de roza y quema. Esta práctica agrícola

de común uso para toda la cuenca, para incrementar la frontera agrícola o para mantener

potreros o limpiar sitios de cultivo, es donde se debe acentuar actividades de educación

ambiental y de conservación de la tierra; porque ha traído grandes pérdidas de bosques

naturales, por el incontrolado manejo del fuego. En la cuenca baja (DFIZ), también se

produce actividades que podrían perjudicar al manejo sustentable del suelo. En gran

parte de los valles aluviales se establecen grandes extensiones de cultivos comerciales

con cierto nivel de gestión (p.e.: sistema de riego por superficie en canales y

fertilización química) y labranza mecanizada de cultivos, para lo cual existe

contratación de mano de obra local. El monocultivo de la caña de azúcar y el maíz es

dominante en los valles de esta cuenca, en los que la fertilidad del suelo es baja, por lo

se utilizan grandes cantidades de productos químicos.

A escala regional la cuenca Catamayo sostiene un sistema agrícola de una

economía de subsistencia con gran importancia local, como también lo describe Bahr et

al. (2013). Sólo pocos productos están destinados al mercado regional, como por

ejemplo la caña de azúcar, maíz y café (Castro et al., 2013). Sin embargo en tiempos de

fuerte sequía la producción de carne y leche es más importante que cualquier cultivo. En

este contexto se debería prestar mayor atención al manejo de los suelos de pastizales

que a los sistemas de cultivos; más aún, que para esta cuenca semiárida los pastos

ocupan el 36.5%, excluyendo a los bosques secos tropicales (TDF por sus siglas en

inglés) que ocupan el 31.1% y que grandes extensiones de esta cobertura se utiliza

también para el pastoreo de ganado; mientras que el uso agrícola ocupa solamente el

7.6% de toda la superficie de esta cuenca.

Según el criterio de algunos agricultores y activistas de conservación en esta área

168
 Discusión general y conclusiones

de estudio el uso del suelo es desorganizado y sin control debido a la agricultura

intensiva y principalmente el sobrepastoreo (Castro et al., 2013; Espinosa et al., 2012;

Podwojewski et al., 2002). En este contexto, algunos investigadores (por ejemplo,

Aguirre y Kvist, 2005; Vázquez et al., 2001) sugieren reducir o eliminar el pastoreo de

ganado en estos ecosistemas secos. Mientras que otros estudios como el propuesto por

Savory (1999), llamado Pastoreo Holístico Planificado (HPG por sus siglas en inglés),

el cual propone una mayor densidad de animales en los ecosistemas semiáridos pero

durante un período de tiempo más corto; esto podría contribuir con un mayor contenido

de agua del suelo a través del desarrollo de una mayor superficie de materiales dispersos

sobre el suelo (Weber y Gokhale, 2011).

Con el fin de contribuir a disminuir los procesos de desertificación para esta

zona semiárida del sur de Ecuador, es esencial para mantener la cobertura del suelo en

buenas condiciones, evitando la tala o quema de los bosques naturales y el mantener las

propiedades de fertilidad del suelo en los sitios de pastoreo activos. El bosque natural y

las áreas naturales protegidas son especialmente importantes para proteger las fuentes

de agua de la cuenca, por ejemplo el Parque Nacional Podocarpus (PNP); mismo que

favorece significativamente la estabilidad hidrológica y del paisaje de la cuenca.

El mantenimiento de los suelos en las zonas cubiertas de pastos actualmente y su

fertilidad depende de la adopción de sistemas nuevos o modificados de manejo de

suelos por la población que vive en estas zonas rurales. Esto se puede lograr con

propuestas de gestión, tales como:

a) El manejo adecuado de los pastos de temporada, por ejemplo utilizando la (HPG).

Estudios recientes desarrollados por Espinosa et al. (2014), describen un

sorprendente aumento en la diversidad de especies en el área de estudio en lugares

sometidos a pastoreo estacional.

169
Capítulo VI

b) Gestionar el suelo de los pastos con plantación de especies leguminosas que

aporten nutrientes al mismo, por lo tanto el mantenimiento de buenos niveles de

productividad del suelo.

c) Evitar la tala y quema, planificando una sustitución de los cultivos tradicionales,

probablemente poco provechosos, por sistemas agrícolas económicamente

rentables y ecológicamente sustentables, evitando así la pérdida constante de la

protección del suelo y por consiguiente su alta sensibilidad a los eventos erosivos.

Una propuesta interesante para este apartado podría ser lo sugerido por Castro et

al. (2013).

Obviamente, todas las propuestas mencionadas de manejo y conservación de suelo

deben ser modeladas y validadas, así como su implementación, socializada y construida

con la población local, para toda región que pretenda que perduren sus políticas y

recursos naturales para las futuras generaciones.

Se está construyendo esta planificación para el futuro, en el que pensamos que es

posible tener una mejor estimación de la erosión del suelo, utilizando las nuevas

tecnologías como las redes de radar con estaciones automáticas para analizar eventos

erosivos; por ejemplo, “El Niño” y la posterior sequía que provoca este fenómeno

climático. Además, es necesario investigación adicional a escala de UPA (Unidades de

Producción Agropecuaria) y de parcela, con experimentos largos supervisados y el uso

de instrumentalización y modelos de erosión para determinar el riesgo de erosión del

suelo y el transporte de sedimentos con mayor precisión. El inicio de estas proyecciones

que han sido también parte de nuestra investigación las encontramos ilustradas en el

Anexo 6.

170
 Discusión general y conclusiones

6.2. Conclusiones generales

Estudiar las cuencas hidrográficas que abastecen de agua a la ciudad de Loja

reviste gran importancia por la estabilidad del ciclo hidrológico, principalmente en la

estación de fuertes lluvias (evitando inundaciones en la parte baja de la cuenca); así

como para los años con fuerte sequía. Los resultados demostraron que el cambio de la

cubierta vegetal y la deforestación, han deteriorado considerablemente la calidad del

suelo y agua en estas cuencas.

Este estudio es una herramienta para determinar la importancia de la cubierta

vegetal en la gestión del territorio. Además propone una regulación enfocada al manejo

de zonas de amortiguamiento de bosques naturales y riberas de los ríos, que podría tener

éxito al momento de aplicar un sistema de soporte de decisiones (SSD) dirigido a la

gestión del recurso hídrico para cuencas semiurbanas.

El factor-C (cobertura vegetal), fue identificado como el principal factor que

influye sobre los procesos de erosión del suelo del ecosistema de bosque húmedo

montano analizado en las cuencas hidrográficas del área local.

Cuando el manejo de la cubierta vegetal es pobre, el asumir que los factores

erosividad y topográfico son los más importantes, no es del todo cierto. Para el área de

estudio, los filos de montaña, donde se presenta la mayor intensidad de precipitación y

donde los rangos de pendiente son los más pronunciados, el riesgo de erosión potencial

del suelo es bajo por la buena cobertura del suelo con que cuenta. Y solo al momento de

suponer un escenario extremo para el año 2040, en el que esta cobertura vegetal natural

fuera cambiada, es cuando se observarían grandes pérdidas de suelo para estas cuencas.

El uso de la RUSLE a escala local fue un buen instrumento para estimar la

erosión potencial del suelo sobre estas cuencas, principalmente porque pueden orientar

171
Capítulo VI

las zonas prioritarias del suelo a ser reforestadas o conservadas por el gobierno local,

Ministerio del Ambiente del Ecuador (MAE), y la comunidad en general que

voluntariamente desee contribuir.

El riesgo de erosión del suelo para una cuenca semiárida de los Andes del sur de

Ecuador, tiene una fuerte influencia de la estacionalidad climática y de las condiciones

topográficas de la misma. Durante la temporada lluviosa, la vulnerabilidad del suelo a

erosionarse el alta, en la que el factor de erosividad resulta ser el más importante,

seguido del factor-C (de cobertura estacional) y en menor grado influyen el factor

topográfico y de erodabilidad. Mientras que en la temporada seca, el factor de

erodabilidad del suelo y el factor topográfico, pasan a convertirse en los más

importantes debido a la escasa o casi nula cobertura vegetal (bosques caducifolios).

La relación entre la temperatura del aire y la altitud es fuerte en esta cuenca

andina; sin embargo, no existe una relación fuerte entre la precipitación con la altitud,

por lo que para estudios regionales en condiciones topográficas de montaña no es

recomendable hacer este tipo de análisis. Este gradiente altitudinal de precipitación

puede ser utilizado solamente para cuencas pequeñas ubicadas en una determinada

cordillera y bajo la misma estribación o exposición.

Finalmente este estudio sugiere una metodología aplicable para las regiones

semiáridas con escasez de datos y hace una importante contribución para los tomadores

de decisiones para manejar y conservar estas cuencas, que son fundamentales para el

suministro de agua y el de alimentos para estas áreas de estudio de la región sur de

Ecuador.

172
 Discusión general y conclusiones

6.3. Bibliografía

Aguirre, Z., y Kvist, L.P., 2005. Floristic composition and conservation status of the dry

forests in Ecuador. Lyonia. 8, 41–67.

Andrade, O., Kappas, M., Erasmi, S., 2010. Assessment of Erosion hazard in Torres

Municipality of Lara State (Venezuela) Based on GIS. Interciencia. 35, 348-356.

Bahr, E., Hamer, U., Chamba, D., Makeschin, F., 2013. Different fertilizar types

affected nitrogen and carbon cycling in eroded and colluvial soils of Southern

Ecuador. Agric. Sci. 4, 19–32.

Bendix, J., y Beck, E., 2009. Spatial Aspects of Ecosystem Research in a Biodiversity

Hot Spot of Southern Ecuador – An Introduction. Erdkunde. 63, 305-308.

Castro, L. M., Calvas, B., Hildebrandt, P., Knoke, T., 2013. Avoiding the loss of shade

coffee plantations: How to derive conservation payments for risk-averse land-users.

Agrofor. Syst. 87, 331–347.

Cerda, A., 1998. Soil aggregate stability under different Mediterranean vegetation types.

Catena. 32, 73–86.

Cerdà, A., Giménez-Morera, A., Bodí, M.B., 2009. Soil and water losses from new

citrus orchards growing on sloped soils in the western Mediterranean basin. Earth

Surf. Processes Landforms. 34, 1822–1830.

Cobertera, E., 1993. Edafología aplicada. Suelos, producción agraria, planificación

territorial e impactos ambientales", Cátedra, Madrid.

Ellies, A., Ramírez, C., McDonald, R., 2005. Organic matter and wetting capacity

distribution in aggregates of Chilean soils. Catena. 59, 69-78.

Espinosa, C. I., De La Cruz, M., Luzuriaga, A. L., Escudero, A., 2012. Bosques

173
Capítulo VI

tropicales secos de la región Pacífico Ecuatorial: diversidad, estructura,

funcionamiento e implicaciones para la conservación. Ecosistemas. 21, 167–179.

Espinosa, C. I., Luzuriaga, A. L., De La Cruz, M., Escudero, A., 2014. Climate and

grazing control nurse effects in an Ecuadorian dry shrubby community. J. Trop.

Ecology. 30, 23–32.

Fries, A., et al., 2009. Thermal Structure of a Megadiverse Mountain Ecosystem in

Southern Ecuador, and its Regionalization. Erdkunde. 63, 321–335.

Gabarrón-Galeote, M. A., Martínez-Murillo, J. F., Quesada, M. A., Ruiz-Sinoga, J. D.,

2013. Seasonal changes in the soil hydrological and erosive response depending on

aspect, vegetation type and soil water repellency in different Mediterranean micro

environments. Solid Earth. 4, 497–509.

García-Orenes, F., et al., 2009. Effects of agricultural management on surface soil

properties and soil-water losses in eastern Spain. Soil Tillage Res. 106, 117–123.

Harden C. 1988. Mesoscale estimation of soil erosion in the Rio Ambato drainage,

Ecuadorian Sierra. Mountain Research and Development 8: 331-341.

Iñiguez–Armijos, C., Leiva, A., Frede, H.G., Hampel, H., Breuer, L., 2014.

Deforestation and Benthic Indicators: How Much Vegetation Cover Is Needed to

Sustain Healthy Andean Streams? PLoSONE 9(8): e105869.

Jordán López, A., 2006. Manual de edafología. Universidad de Sevilla. 144pp.

Kairis, O., Karavitis, C., Salvati, L., Kounalaki, A., Kosmas, K., 2015. Exploring the

Impact of Overgrazing on Soil Erosion and Land Degradation in a Dry

Mediterranean Agro-Forest Landscape (Crete, Greece). Arid Land Research and

Management. 29, 360-374.

174
 Discusión general y conclusiones

Mandal, D., y Sharda, V.N., 2013. Appraisal of soil erosion risk in the Eastern

Himalayan region of India for soil conservation planning. Land Degrad. Dev. 24,

430–437.

Martínez-Murillo, J.F., 2006. Variabilidad espacio-temporal del sistema eco-

geomorfológico mediterráneo en un ambiente ecotono semiárido/subhúmedo de los

Montes de Málaga. Implicaciones hidrológicas y erosivas. Tesis doctoral, Univ.

Málaga, España.

Maass, M., y Burgos, A., 2011. Water Dynamics at the Ecosystem Level in Seasonally

Dry Tropical Forests. In: Dirzo, R., Mooney, H., Ceballos, G., Young, H. (eds.).

Seasonally Dry Tropical Forests: Ecology and Corservation, pp. 141-156. Island

Press. Washington, DC 20009, USA.

Molina, A., Govers, G., Vanacker, V., Poesen, J., Zeelmaekers, E., Cisneros, F., 2007.

Runoff generation in a degraded Andean ecosystem: Interaction of vegetation cover

and land use. Catena. 71, 357-370.

Nigel, R., S.D.D.V., Rughooputh., 2010a. Soil erosion risk mapping with new datasets:

An improved identification and prioritisation of high erosion risk areas. Catena 82,

191–205.

Ochoa, A., Pineda, L., Crespo, P., Willems, P., 2014. Evaluation of TRMM 3B42

precipitation estimates and WRF retrospective precipitation simulation over the

Pacific–Andean region of Ecuador and Peru. Hydrol. Earth Syst. Sci. 18, 3179–3193.

Pineda, L., Ntegeka, V., Willems, P., 2013. Rainfall variability related to sea surface

temperature anomalies in a Pacific–Andean basin into Ecuador and Peru. Adv.

Geosci. 33, 53–62.

Podwojewski P, Poulenard J, Zambrana T, Hofstede R. 2002. Overgrazing effects on

175
Capítulo VI

vegetation cover and properties of volcanic ash soil in the páramo of Llangahua and

La Esperanza (Tungurahua, Ecuador). Soil Use and Management 18: 45-55.

Renard, K.G., y Freimund, J.R., 1994. Using monthly precipitation data to estimate the

R-factor in the RUSLE. Journal of Hydrology. 157, 287–306.

Richter, M., Diertl, K.-H., Emck, P., Peters, T., Beck, E., 2009. Reasons for an

outstanding plant diversity in the tropical Andes of Southern Ecuador. Landscape

Online. 12, 1–35.

Romero, C.C., Stroosnijder, L., Baigorria, G.A., 2007. Interrill and rill erodibility in the

northern Andean Highlands. Catena. 70, 105-113.

Ruiz-Sinoga, J.D., y Romero Diaz, A., 2010. Soil degradation factors along a

Mediterranean pluviometric gradient in Southern Spain. Geomorphology. 118, 359–

368.

Savory, A., 1999. Holistic Management: A New Framework for Decision Making,

second ed. Island Press, 616 pp.

Sonder, K., 2004. Soil Erosion in Andean Cropping Systems: The Impact of Rainfall

Erosivity. PhD Thesis. Institute for Plant Production and Agroecology in the Tropics

and Subtropics, Univ. of Hohenheim.

Stevenson, F., 1982. Humus Chemistry. Genesis, Composition, Reactions. John Wiley

and Sons. New York. 443 pp.

Taguas, E., 2007. Evaluación de la pérdida de suelo en olivar a escala de microcuenca

bajo distintos manejos de suelo. Tesis doctoral. Univ. Córdoba. 354pp.

Tapia-Armijos, M.F., Homeier, J., Espinosa, C.I., Leuschner, C., de la Cruz, M., 2015.

Deforestation and forest fragmentation in South Ecuador since the 1970s – losing a

176
 Discusión general y conclusiones

hotspot of biodiversity. PLoSONE. 10(9). e0133701.

Castro, L. M., Calvas, B., Hildebrandt, P., Knoke, T., 2013. Avoiding the loss of shade

coffee plantations: How to derive conservation payments for risk-averse land-users.

Agrofor. Syst. 87, 331–347.

Cedeño, J., Cornejo, M. P., 2008. Evaluation of three precipitation products on

ecuadorian coast, available at:

http://wcrp.ipsl.jussieu.fr/Workshops/Reanalysis2008/Documents/Posters/P3-

25_ea.pdf (Accessed 12 April 2014)

Cerdà, A., 1998. Relationship between climate and soil hydrological and erosional

characteristics along climatic gradients in Mediterranean limestone areas.

Geomorphology 25, 123-134.

Cerdà, A., 2000. Aggregate stability against water forces under different climates on

agriculture land and scrubland in southern Bolivia. Soil Tillage Res. 36, 1–8.

Cerdà, A., Giménez-Morera, A., Bodí, M.B., 2009. Soil and water losses from new

citrus orchards growing on sloped soils in the western Mediterranean basin. Earth

Surf. Processes Landforms. 34, 1822–1830.

Cerdà, A., Lavee, H., Romero-Díaz, A. , Hooke, J., Montanarella, L., 2010. Soil erosion

and degradation in mediterranean type ecosystems. Land Degrad. Dev. 21, 71–74.

Chavez, R., 2006. Modeling Soil erosion risk in Los Maribios volcanic chain,

Nicaragua. Tropical Resources Bulletin. 25, 50–56.

Cueva, J., Chalán., L., 2010. Cobertura Vegetal y Uso Actual del Suelo de la Provincia

de Loja. Informe Técnico. Departamento de Sistemas de Información Geográfica de

Naturaleza & Cultura Internacional. Gráficas Amazonas. Loja–Ecuador.

http://www.naturalezaycultura.org/docs/Informe%20Cobertura%20Vegetal.pdf

177
Capítulo VI

Espinosa, C. I., De La Cruz, M., Luzuriaga, A. L., Escudero, A., 2012. Bosques

tropicales secos de la región Pacífico Ecuatorial: diversidad, estructura,

funcionamiento e implicaciones para la conservación. Ecosistemas. 21, 167–179.

Espinosa, C. I., Luzuriaga, A. L., De La Cruz, M., Escudero, A., 2014. Climate and

grazing control nurse effects in an Ecuadorian dry shrubby community. J. Trop.

Ecology. 30, 23–32.

FAO, 2006. Guidelines for soil description. Food and Agriculture Organization of the

United Nations (p. 109). Rome.

FAO, 2010a. Statistics division. Food and Agriculture Organization of the United

Nations. http://faostat.fao.org/default. aspx. Accessed 14 June 2013

FAO, 2010b. Growing food for nine billion. Food and Agriculture Organization of the

United Nations. http://www.fao.org/docrep/013/am023e/am023e00.pdf. Accessed 20

June 2013

Fries, A., et al., 2009. Thermal Structure of a Megadiverse Mountain Ecosystem in

Southern Ecuador, and its Regionalization. Erdkunde. 63, 321–335.

Fries, A., Rollenbeck, R., Nauß, T., Peters, T., Bendix, J., 2012. Near surface air

humidity in a megadiverse Andean mountain ecosystem of southern Ecuador and its

regionalization. Agric. For. Meteorol. 152, 17–30.

Fries, A., et al., 2014. Catchment precipitation processes in the San Francisco valley in

southern Ecuador: combined approach using high-resolution radar images and in situ

observations. Meteorol. Atmos. Phys. 126, 13-29.

Gabarrón-Galeote, M. A., Martínez-Murillo, J. F., Quesada, M. A., Ruiz-Sinoga, J. D.,

2013. Seasonal changes in the soil hydrological and erosive response depending on

aspect, vegetation type and soil water repellency in different Mediterranean micro

178
 Discusión general y conclusiones

environments. Solid Earth. 4, 497–509.

García-Orenes, F., et al., 2009. Effects of agricultural management on surface soil

properties and soil-water losses in eastern Spain. Soil Tillage Res. 106, 117–123.

Guijarro Pastor, J. A., 2011. User guide to Climatol: An R package for homogenization

of climatological series. R Pakages. 1, 33.

Kairis, O., Karavitis, C., Salvati, L., Kounalaki, A., Kosmas, K., 2015. Exploring the

Impact of Overgrazing on Soil Erosion and Land Degradation in a Dry

Mediterranean Agro-Forest Landscape (Crete, Greece). Arid Land Research and

Management. 29: 360-374.

Knoke, T., et al., 2014. Afforestation or intense pasturing improve the ecological and

economic value of abandoned tropical farmlands. Nat. Commun. 5: 5612.

Lieskovský, J., Kenderessy, P., 2014. Modelling the effect of vegetation cover and

different tillage practices on soil erosion in vineyards: A case study in vráble

(Slovakia) using WATEM/SEDEM. Land Degrad. Dev. 25, 288-296.

MAGAP, 2011. Costos de producción. Ministerio de Agricultura, Ganaderia,

Acuacultura y Pesca del Ecuador.

http://www.magap.gob.ec/sinagap/index.php?option=com_wrapper&view=wrapper

&Itemid=97. Accessed 25 Jan 2013

Mandal, D., Sharda, V. N., 2013. Appraisal of soil erosion risk in the Eastern

Himalayan region of India for soil conservation planning. Land Degrad. Dev. 24,

430–437.

Maass, M., Burgos, A., 2011. Water Dynamics at the Ecosystem Level in Seasonally

Dry Tropical Forests. In: Dirzo, R., Mooney, H., Ceballos, G., Young, H. (eds.).

Seasonally Dry Tropical Forests: Ecology and Corservation, pp. 141-156. Island

179
Capítulo VI

Press. Washington, DC 20009, USA.

Morgan, R.P.C., et al., 1998. The European Soil Erosion Model (EUROSEM):

documentation and user guide. Silsoe College, Cranfield University

Morgan, R.P.C., 2005. Soil Erosion and Conservation, 3rd ed. Blackwell, Malden.

Nigel, R., S.D.D.V., Rughooputh., 2010a. Soil erosion risk mapping with new datasets:

An improved identification and prioritisation of high erosion risk areas. Catena 82,

191–205.

Nigel, R., Rughooputh, S.D.D.V., 2010b. Mapping of monthly soil erosion risk of

mainland Mauritius and its aggregation with delineated basins. Geomorphology 114,

101–114.

Ochoa, A., Pineda, L., Crespo, P., Willems, P., 2014. Evaluation of TRMM 3B42

precipitation estimates and WRF retrospective precipitation simulation over the

Pacific–Andean region of Ecuador and Peru. Hydrol. Earth Syst. Sci. 18, 3179–3193.

Ochoa-Cueva, P., Fries, A., Montesinos, P., Rodríguez-Díaz, J., Boll, J., 2015. Spatial

Estimation of Soil Erosion Risk be Land-cover Change in the Andes of Southern

Ecuador. Land Degrad. Dev. 26, 565 - 573.

Oñate-Valdivieso, F., Bosque, J., 2010. Application of GIS and remote sensing

techniques in generation of land use scenarios for hydrological modeling. J. Hydrol.

395, 256–263.

Palacio, R.G., Bisigato, A.J., Bouza, P.J., 2014. Soil erosion in three grazed plant

communities in Northeastern Patagonia. Land Degrad. Dev. 25, 594-603.

Pérez-Rodríguez, R., Marques, M. J., Bienes, R., 2007. Spatial variability of the soil

erodibility parameters and their relation with the soil map at subgroup level. Sci.

180
 Discusión general y conclusiones

Total Environ. 378, 166–173.

Panagos, P., Karydas, C., Ballabio, C., Gitas, I., 2014. Seasonal monitoring of soil

erosion at regional scale: An application of the G2 model in Crete focusing on

agricultural land uses. Int. J. Appl. Earth Obs. Geoinf. 5, 461–487.

Pineda, L., Ntegeka, V., Willems, P., 2013. Rainfall variability related to sea surface

temperature anomalies in a Pacific–Andean basin into Ecuador and Peru. Adv.

Geosci. 33, 53–62.

Podwojewski, P., Poulenard, J., Zambrana, T., Hofstede, R., 2002. Overgrazing effects

on vegetation cover and properties of volcanic ash soil in the páramo of Llangahua

and La Esperanza (Tungurahua, Ecuador). Soil Use and Manag. 18, 45–55.

Renard, K., Freimund, J., 1994. Using monthly precipitation data to estimate the R-

factor RUSLE. J. Hydrol.157, 287–306.

Renard, K.G., Foster, G.R., Weesies, G.A., McCool, D.K., Yoder, D.C., 1997.

Predicting soil erosion by water: a guide to conservation planning with the Revised

Universal Soil Loss Equation. USDA Agriculture Handbook, No. 703. 404pp.

Richter, M., Diertl, K.-H., Emck, P., Peters, T., Beck, E., 2009. Reasons for an

outstanding plant diversity in the tropical Andes of Southern Ecuador. Landscape

Online. 12, 1–35.

Romero, C. C., Baigorria, G. A., Stroosnijder, L., 2007. Changes of erosive rainfall for

El Niño and La Niña years in the northern Andean highlands of Peru. Clim. Change.

85, 343–356.

Ruiz-Sinoga, J. D., Romero, Diaz A., 2010. Soil degradation factors along a

Mediterranean pluviometric gradient in Southern Spain. Geomorphology 118, 359–

368.

181
Capítulo VI

Savory, A., 1999. Holistic Management: A New Framework for Decision Making,

second ed. Island Press, 616 pp.

Soil Survey Staff., 1996. Soil survey laboratory methods manual. Soil Survey

Investigations Rep. Vol. 42. US Dept. Agric.-Nat. Res. Cons. Serv., Washington,

DC.

Stocking, M., 1981. A working model for the estimation of soil loss suitable for

underdevelopment areas, Development Studies Occasional Paper No. 15, University

of East Anglia, UK.

Tote, C., et al., 2011. Effect of ENSO events on sediment production in a large coastal

basin in northern Peru. Earth Surf. Processes Landforms. 36, 1776–1788.

Vázquez, M.A., Larrea, M., Suarez, L., Ojeda, P. (Eds), 2001. Biodiversidad en los

bosques secos del suroccidente de la provincia de Loja: un reporte de las

evaluaciones ecologicas y socioeconomicas rapidas. EcoCiencia, MAE, Herbario

Loja y Proyecto Bosque Seco, Quito, Ecuador.

Weber, K.T., y Gokhale, B.S., 2011. Effect of grazing on soil-water content in semiarid

rangelands of southeast Idaho. J. Arid. Environ. 75, 464–470.

Winckell, A., Zebrowski, C., Sourdat, M., 1997a. Los paisajes naturales del Ecuador.

Quito, EC, CEDIG, IPGH, ORSTOM, IGM. v. 2 (Geografía Básica del Ecuador),

tomo 4. Geografía Física. 417 pp.

Winckell, A., et al., 1997b. Las condiciones del medio natural. Quito, EC, CEDIG,

IPGH, ORSTOM, IGM. v. 1 (Geografía Básica del Ecuador), tomo 4. Geografía

Física. 159 pp.

Zhao, G., Mu, X., Wen, Z., Wang, F., Gao, P., 2013. Soil erosion, conservation, and

eco-environment changes in the Loess Plateau of China. Land Degrad. Dev. 24, 499–

182
 Discusión general y conclusiones

510.

Zehetner, F., y Miller W.P., 2006. Erodibility and runoff-infiltration characteristics of

volcanic ash soils along an altitudinal climosequence in the Ecuadorian Andes.

Catena. 65, 201-213.

183
 CAPÍTULO VII:
ANEXOS

MANEJO Y CONSERVACIÓN DEL SUELO Y AGUA EN

LOS ANDES DEL SUR DE ECUADOR
 ANEXOS

CAPÍTULO VII: ANEXOS

1.- Hoja de campo (a), con su descripción (b) y fotografías del muestreo (c).

2.- Análisis estadísticos.

3.- Coordinador de fase de campo del muestreo de suelos.

4.- Protocolos de laboratorio de MOS y textura.

5.- Informe del laboratorio de suelos agrícolas del proyecto PCI_Iberoamérica –

AECID.

6.- Proyecciones futuras en relación al manejo y conservación del suelo en el sur de

Ecuador.

7.- Información climática utilizada.

187
Capítulo VII

7.1. Hoja de campo (a), con su descripción (b) y fotografías del muestreo (c).
a) Hoja de campo para el muestreo del suelo de cuencas del área local de estudio (FAO, 2006)
Persona/s:
Código del lugar: Fecha: Observaciones / Esquema gráfico
Coordenadas (UTM): Posición en el paisaje: CR/UP/MS/LS/TS/BO
Uso del suelo/vegetación: BN/PA/SP/Ar/PZ/C
Altitud: Condición vegetación: B / R / M
Pendiente (%): Tratamiento de la vegetación: SR/CN/Te+CN/sT
Forma de pendiente: S / C / V / T / X Distancia al filo y su uso:
Orientación de pendiente: º Distancia al cauce y su uso:
Estado del clima: WC1/WC2/WC3/WC4/WC5 Temperatura media la semana pasada (ºC):
Clima del día: SU/PC/OV/RA/SL Régimen de humedad del suelo:
Rocas superficie (%): Piedras superficie (% + (cm) ): Tomar 1 muestra compuesta de 8-9
sub-muestras de sitios homogéneos
Costra superficial: Y / N Costra(mm): del suelo.
Influencia humana: BR/TE/FE/MU/MO/IU/AD/PL/SC/N
Profundidad de raíces (cm):
Enraizamiento profundo (visible) (cm):
Profundidad a roca (cm):
A describir en laboratorio (si aplica)
Horizontes del suelo a Vol % Color suelo Moteados C.E.
Prof. (cm) D.A. Estructura CaCO3 Textura pH MOS
muestrear rocas húmedo (%+color) (dS/m)
Oi horizon (hojarasca)
Oe horizon (descomposión)
Oa horizon (Humus desc.)
A horizonte

B horizonte

C horizonte

188
 ANEXOS

b) DESCRIPCIÓN DE INFORMACIÓN DE LA HOJA DE CAMPO (FAO, 2006)

Uso del suelo/vegetación: Bosque natural BN Código del lugar: Las 3 primeras letras del nombre + Nº mapa
Plantaciones de Arboles PA
Silvo-pasturas SP Pendiente: Oriental/Occidental Or/Occ
Arbustos - Sucesión Ar
Pastizales PZ Forma de pendiente: Recta S
Cultivos C Cóncava C
Convexa V
Condición de Vegetación: Buena > 75% B Terraza - escalonado T
Regular 50 - 75% R Compleja X
Mala < de 50% M
Tratamiento de vegetación: Surcos rectos SR Influencia humana: Quemas BR
Curvas a nivel CN Terrazas TE
Terraza y curva a nivel T+CN Aplicación de fertilizantes FE
Sin tratamiento s/T Aplicación de materia orgánica MO
Riego IU
Posición en el paisaje: Corona - Cresta CR Arado PL
Alta pendiente UP Compactación de la superficie SC
Media pendiente MS Contaminación PO
Baja pendiente LS Tala de bosque primaria TP
Inicio de la pendiente TS No influye N
Junto al cauce - plano BO
Clima del día: Soleado SU Estado del clima: Ausencia de lluvia en el presente mes WC1
Parcialmente nublado PC Ausencia de lluvia en la presente semana WC2
Nublado - sombrío OV Ausencia de lluvia en las 24 horas WC3
Lluvia fuerte RA Lluvioso, lluvias en las últimas 24 horas WC4
Llovizna SL Aguaceros en las últimas 24 horas WC5

Distancia al filo y su uso: Dist. aproximada + Uso del Suelo junto al filo (acompañar de foto y esquema gráfico)
Distancia al cauce y su uso: Dist. aproximada + Uso del Suelo junto al cauce (acompañar de foto y esquema gráfico)

189
Capítulo VII

c) Descripción fotográfica del proceso de muestreo de suelos a escala local y regional.

 Esquema fotográfico del muestreo a escala local.

a) Ruptura mecánica del suelo.
b) Extracción del barreno con la
muestra.
c) Disgregar la muestra y separar
restos orgánicos.
d) Homogenizar todas las sub-
muestras.
e) Muestra compuesta (bolsa).

 Muestreo de suelos a escala regional.

a) Revisión preliminar de campo. b) Elección de sitio. c) Perfil formación reciente -Sierra d) Perfil banco de limo - Costa.

190
 ANEXOS

7.2. Análisis estadísticos

Repetitividad

Coeficiente de Variación

Muestra de Suelo 1

s
 (y  y) 2

 %CV 
s
*100
n 1 y

Tabla 1: Coeficiente de variación de la primera lectura corregida

Sig.
# Y Ŷ Y–Ŷ (Y- Ŷ)2 S CV %
Estad.
1 43,25 -0,508 0,258064
2 43,23 -0,528 0,278784
3 43,25 -0,508 0,258064
4 45,27 1,512 2,286144
MIN 5 44,25 0,492 0,242064
01 0,994884695 2,27360641 NO
6 45,31 43,758 1,552 2,408704
7 44,31 0,552 0,304704
8 43,23 -0,528 0,278784
9 42,23 -1,528 2,334784
10 43,25 -0,508 0,258064
Σ= 437,58 Σ= 8,90816

Tabla 2: Coeficiente de variación de la segunda lectura

Sig.
# Y Ŷ Y–Ŷ (Y- Ŷ)2 S CV %
Estad.
1 20,6 0,005 0,166464
2 20,6 0,005 0,327184
3 20,65 0,055 0,003025
4 20,7 0,105 0,011025
MIN 5 20,7 0,105 0,011025
0,068516016 0,33268277 NO
01 6 20,5 20,595 -0,095 0,009025
7 20,55 -0,045 0,002025
8 20,55 -0,045 0,002025
9 20,55 -0,045 0,002025
10 20,55 -0,045 0,002025
Σ= 205,95 Σ= 0,04225

191
Capítulo VII

Muestra de Suelo 2

Tabla 3: Coeficiente de variación de la primera lectura

Sig.
# Y Ŷ Y–Ŷ (Y- Ŷ)2 S CV %
Estad.
1 30,2 2,793 7,800849
2 25,25 -2,157 4,652649
3 25,25 -2,157 4,652649
4 27,16 -0,247 0,061009
MIN 5 27,2 -0,207 0,042849
08 1,531890988 5,58941507 NO
6 28,18 27,407 0,773 0,597529
7 26,22 -1,187 1,408969
8 28,23 0,823 0,677329
9 28,2 0,793 0,628849
10 28,18 0,773 0,597529
Σ= 274,07 Σ= 21,12021

Tabla 4: Coeficiente de variación de la segunda lectura

Sig.
# Y Ŷ Y–Ŷ (Y- Ŷ)2 S CV %
Estad.
1 11,2 0,693 0,480249
2 10,25 -0,257 0,066049
3 10,25 -0,257 0,066049
4 11,16 0,653 0,426409
MIN 5 10,2 -0,307 0,094249
08 0,4650221 4,42583137 NO
6 10,18 10,507 -0,327 0,106929
7 10,22 -0,287 0,082369
8 10,23 -0,277 0,076729
9 10,2 -0,307 0,094249
10 11,18 0,673 0,452929
Σ= 105,07 Σ= 1,94621

192
 ANEXOS

Muestra de Suelo 3

Tabla 5: Coeficiente de variación de la primera lectura

Sig.
# Y Ŷ Y–Ŷ (Y- Ŷ)2 S CV %
Estad.
1 22,2 -3,237 10,478169
2 24,27 -1,167 1,361889
3 26,22 0,783 0,613089
4 26,27 0,833 0,693889
ZH 20 5 27,25 1,813 3,286969
1,870769598 7,35452136 NO
6 22,27 25,437 -3,167 10,029889
7 26,22 0,783 0,613089
8 26,23 0,793 0,628849
9 27,22 1,783 3,179089
10 26,22 0,783 0,613089
Σ= 254,37 Σ= 31,49801

Tabla 6: Coeficiente de variación de la segunda lectura

Sig.
# Y Ŷ Y–Ŷ (Y- Ŷ)2 S CV %
Estad.
1 12,2 -0,637 0,405769
2 11,27 -1,567 2,455489
3 12,22 -0,617 0,380689
4 13,27 0,433 0,187489
ZH 20 5 14,25 1,413 1,996569
1,0709295 8,34252164 NO
6 12,27 12,837 -0,567 0,321489
7 12,22 -0,617 0,380689
8 12,23 -0,607 0,368449
9 14,22 1,383 1,912689
10 14,22 1,383 1,912689
Σ= 128,37 Σ= 10,32201

193
Capítulo VII

Muestra de Suelo 4

Tabla 7: Coeficiente de variación de la primera lectura

Sig.
# Y Ŷ Y–Ŷ (Y- Ŷ)2 S CV %
Estad.
1 28,23 -0,998 0,996004
2 30,23 1,002 1,004004
3 30,23 1,002 1,004004
4 29,23 0,002 0,000004
SIM 5 31,23 2,002 4,008004
30 1,945369431 6,65584176 NO
6 29,22 29,228 -0,008 0,000064
7 32,23 3,002 9,012004
8 26,22 -3,008 9,048064
9 29,23 0,002 0,000004
10 26,23 -2,998 8,988004
Σ= 292,28 Σ= 34,06016

Tabla 8: Coeficiente de variación de la segunda lectura

Sig.
# Y Ŷ Y–Ŷ (Y- Ŷ)2 S CV %
Estad.
1 9,23 -0,297 0,088209
2 8,23 -1,297 1,682209
3 10,23 0,703 0,494209
4 9,23 -0,297 0,088209
SIM 5 10,23 0,703 0,494209
30 0,82450052 8,65435627 NO
6 9,22 9,527 -0,307 0,094249
7 11,23 1,703 2,900209
8 9,22 -0,307 0,094249
9 9,22 -0,307 0,094249
10 9,23 -0,297 0,088209
Σ= 95,27 Σ= 6,11821

194
 ANEXOS

Muestra de Suelo 5

Tabla 9: Coeficiente de correlación de la primera lectura

Sig.
# Y Ŷ Y–Ŷ (Y- Ŷ)2 S CV %
Estad.
1 24,2 2,819 7,946761
2 21,23 -0,151 0,022801
3 21,14 -0,241 0,058081
4 23,16 1,779 3,164841
CAR 23 5 22,14 0,759 0,576081
1,673535512 7,82720879 NO
6 22,16 21,381 0,779 0,606841
7 21,16 -0,221 0,048841
8 20,22 -1,161 1,347921
9 18,22 -3,161 9,991921
10 20,18 -1,201 1,442401
Σ= 213,81 Σ= 25,20649

Tabla 10: Coeficiente de correlación de la segunda lectura

Sig.
# Y Ŷ Y–Ŷ (Y- Ŷ)2 S CV %
Estad.
1 6,2 0,241 0,058081
2 6,23 0,271 0,073441
3 6,14 0,181 0,032761
4 6,16 0,201 0,040401
CAR 23 5 6,14 0,181 0,032761
0,42069915 7,05989518 NO
6 5,16 5,959 -0,799 0,638401
7 6,16 0,201 0,040401
8 6 0,041 0,001681
9 6,22 0,261 0,068121
10 5,18 -0,779 0,606841
Σ= 59,59 Σ= 1,59289

195
Capítulo VII

Muestra de Suelo 6

Tabla 11: Coeficiente de correlación de la primera lectura

Sig.
# Y Ŷ Y–Ŷ (Y- Ŷ)2 S CV %
Estad.
1 19,16 -1,882 3,541924
2 22,18 1,138 1,295044
3 19,18 -1,862 3,467044
4 22,18 1,138 1,295044
SIM 5 21,18 0,138 0,019044
29 1,216313191 5,78040676 NO
6 22,18 21,042 1,138 1,295044
7 20 -1,042 1,085764
8 21 -0,042 0,001764
9 21,18 0,138 0,019044
10 22,18 1,138 1,295044
Σ= 210,42 Σ= 13,31476

Tabla 12: Coeficiente de correlación de la segunda lectura

Sig.
# Y Ŷ Y–Ŷ (Y- Ŷ)2 S CV %
Estad.
1 5,16 0 0
2 5,18 0,02 0,0004
3 4,18 -0,98 0,9604
4 5,18 0,02 0,0004
SIM 5 5,18 0,02 0,0004
29 0,43060681 8,34509316 NO
6 5,18 5,16 0,02 0,0004
7 6 0,84 0,7056
8 5,18 0,02 0,0004
9 5,18 0,02 0,0004
10 5,18 0,02 0,0004
Σ= 51,6 Σ= 1,6688

196
 ANEXOS

Muestra de Suelo 7

Tabla 13: Coeficiente de variación de la primera lectura

Sig.
# Y Ŷ Y–Ŷ (Y- Ŷ)2 S CV %
Estad.
1 20,98 -3,497 12,229009
2 24,96 0,483 0,233289
3 25,96 1,483 2,199289
4 23,98 -0,497 0,247009
CAR 5 25,00 0,523 0,273529
28 1,575253419 6,43564742 NO
6 24,96 24,477 0,483 0,233289
7 25,96 1,483 2,199289
8 25,98 1,503 2,259009
9 22,98 -1,497 2,241009
10 24,01 -0,467 0,218089
Σ= 244,77 Σ= 22,33281

Tabla 14: Coeficiente de variación de la segunda lectura

Sig.
# Y Ŷ Y–Ŷ (Y- Ŷ)2 S CV %
Estad.
1 11,98 0,42 0,1764
2 11,96 0,4 0,16
3 11,96 0,4 0,16
4 12,98 1,42 2,0164
CAR 5 12 0,44 0,1936
28 0,98137092 8,48936785 NO
6 11,96 11,56 0,4 0,16
7 11,96 0,4 0,16
8 9,98 -1,58 2,4964
9 9,91 -1,65 2,7225
10 10,91 -0,65 0,4225
Σ= 115,6 Σ= 8,6678

197
Capítulo VII

Muestra de Suelo 8

Tabla 15: Coeficiente de variación de la primera lectura

Sig.
# Y Ŷ Y–Ŷ (Y- Ŷ)2 S CV %
Estad.
1 16,89 -0,434 0,188356
2 18,91 1,586 2,515396
3 16,89 -0,434 0,188356
4 17,1 -0,224 0,050176
CAR 5 16,86 -0,464 0,215296
24 1,267440115 7,31609394 NO
6 18,89 17,324 1,566 2,452356
7 16,89 -0,434 0,188356
8 18,83 1,506 2,268036
9 14,8 -2,524 6,370576
10 17,18 -0,144 0,020736
Σ= 173,24 Σ= 14,45764

Tabla 16: Coeficiente de variación de la segunda lectura

Sig.
# Y Ŷ Y–Ŷ (Y- Ŷ)2 S CV %
Estad.
1 7,89 -0,482 0,232324
2 8,91 0,538 0,289444
3 8,89 0,518 0,268324
4 8,89 0,518 0,268324
CAR 5 8,86 0,488 0,238144
24 0,72338402 8,64051628 NO
6 7,89 8,372 -0,482 0,232324
7 8,89 0,518 0,268324
8 6,84 -1,532 2,347024
9 7,8 -0,572 0,327184
10 8,86 0,488 0,238144
Σ= 83,72 Σ= 4,70956

198
 ANEXOS

Muestra de Suelo 9

Tabla 17: Coeficiente de correlación de la primera lectura

Sig.
# Y Ŷ Y–Ŷ (Y- Ŷ)2 S CV %
Estad.
1 20,5 0,015 0,000225
2 20,4 -0,085 0,007225
3 20,4 -0,085 0,007225
4 20,4 -0,085 0,007225
MIN 5 20,45 -0,035 0,001225
03 0,078351062 0,38248017 NO
6 20,45 20,485 -0,035 0,001225
7 20,6 0,115 0,013225
8 20,5 0,015 0,000225
9 20,55 0,065 0,004225
10 20,6 0,115 0,013225
Σ= 204,85 Σ= 0,05525

Tabla 18: Coeficiente de correlación de la segunda lectura

Sig.
# Y Ŷ Y–Ŷ (Y- Ŷ)2 S CV %
Estad.
1 11,18 -0,694 0,481636
2 13,14 1,266 1,602756
3 13,14 1,266 1,602756
4 12,14 0,266 0,070756
MIN 5 12,16 0,286 0,081796
03 0,79671827 6,70977151 NO
6 12,16 11,874 0,286 0,081796
7 11,22 -0,654 0,427716
8 11,18 -0,694 0,481636
9 11,2 -0,674 0,454276
10 11,22 -0,654 0,427716
Σ= 118,74 Σ= 5,71284

199
Capítulo VII

Muestra de Suelo 10

Tabla 9: Coeficiente de variación de la primera lectura

Sig.
# Y Ŷ Y–Ŷ (Y- Ŷ)2 S CV %
Estad.
1 20,6 0,005 2,5E-05
2 20,6 0,005 2,5E-05
3 20,65 0,055 0,003025
4 20,7 0,105 0,011025
MIN 5 20,7 0,105 0,011025
09 0,068516016 0,33268277 NO
6 20,5 20,595 -0,095 0,009025
7 20,55 -0,045 0,002025
8 20,55 -0,045 0,002025
9 20,55 -0,045 0,002025
10 20,55 -0,045 0,002025
Σ= 205,95 Σ= 0,04225

Tabla 10: Coeficiente de variación de la segunda lectura

Sig.
# Y Ŷ Y–Ŷ (Y- Ŷ)2 S CV %
Estad.
1 10,22 0,892 0,795664
2 9,22 -0,108 0,011664
3 9,22 -0,108 0,011664
4 8,25 -1,078 1,162084
MIN 5 9,25 -0,078 0,006084
09 0,56061078 6,00997832 NO
6 9,18 9,328 -0,148 0,021904
7 10,22 0,892 0,795664
8 9,25 -0,078 0,006084
9 9,22 -0,108 0,011664
10 9,25 -0,078 0,006084
Σ= 93,28 Σ= 2,82856

200
 ANEXOS

Reproducibilidad

- Diferencia estadística a través de la prueba de t-student.

Muestra de Suelo (MS) 1

Tabla 11. MS-1 (primera lectura) Tabla 12. MS-1 (segunda lectura)
No. A B A-B No. A B A-B
1 43,25 45,31 -2,06 1 22,25 23,31 -1,06
2 43,23 44,31 -1,08 2 23,23 23,31 -0,08
3 43,25 43,23 0,02 3 22,25 21,23 1,02
4 45,27 42,23 3,04 4 23,27 22,23 1,04
5 44,25 43,25 1 5 23,25 22,25 1
Media= 0,184 Media= 0,384
Desv. Estand= 1,967404381 Desv. Estand= 0,93737933
n= 5 n= 5

T exp = ΙMediaΙ/ (desviación estándar/n^1/2)

T exp = 0,2094943 T exp = 0,91762212
T visto en tabla = 1,833 T visto en tabla = 1,833
T exp < T tabla; 0,2094943< 1,833 T exp < T tabla; 0,91762212< 1,833

Muestra de Suelo (MS) 2

Tabla 13. MS-2 (primera lectura) Tabla 14. MS-2 (segunda lectura)
No. A B A-B No. A B A-B
1 30,2 25,25 4,95 1 11,2 10,18 1,02
2 25,25 27,16 -1,91 2 10,25 10,22 0,03
3 27,2 28,18 -0,98 3 10,25 10,23 0,02
4 26,22 28,23 -2,01 4 11,16 10,2 0,96
5 28,2 28,18 0,02 5 10,2 11,18 -0,98
Media= 0,014 Media= 0,21
Desv. Estand= 2,878824413 Desv. Estand= 0,82207056
n= 5 n= 5

T exp = ΙMediaΙ/ (desviación estándar/n^1/2)

T exp = 0,01089334 T exp = 0,57221366
T visto en tabla = 1,833 T visto en tabla = 1,833
T exp < T tabla; 0,01089334 < 1,833 T exp < T tabla; 0,57221366 < 1,833

201
Capítulo VII

Muestra de Suelo (MS) 3

Tabla 15. MS-3 (Primera lectura) Tabla 16. MS-3 (Segunda lectura)
No. A B A-B No. A B A-B
1 22,2 24,27 -2,07 1 12,2 12,27 -0,07
2 26,22 26,27 -0,05 2 11,27 12,22 -0,95
3 27,25 22,27 4,98 3 12,22 12,23 -0,01
4 26,22 26,23 -0,01 4 13,27 14,22 -0,95
5 27,22 26,22 1 5 14,25 14,22 0,03
Media= 0,77 Media= -0,39
Desv. Estand= 2,604006528 Desv. Estand= 0,51244512
n= 5 n= 5

T exp = ΙMediaΙ/ (desviación estándar/n^1/2)

T exp = 0,66236393 T exp = -1,70476792
T visto en tabla = 1,833 T visto en tabla = 1,833
T exp < T tabla; 0,66236393 < 1,833 T exp < T tabla; -1,70476792 < 1,833

Muestra de Suelo (MS) 4

Tabla 17. MS-4 (primera lectura) Tabla 18. MS-4 (segunda lectura)
No. A B A-B No. A B A-B
1 28,23 29,22 -0,99 1 9,23 9,22 0,01
2 8,23 11,23 -3
2 30,23 32,23 -2
3 10,23 9,22 1,01
3 30,23 26,22 4,01
4 9,23 9,22 0,01
4 29,23 29,23 0 5 10,23 9,23 1
5 31,23 26,23 5 Media= -0,194
Media= 1,204 Desv. Estand= 1,64560931
Desv. Estand= 3,1149687 n= 5
n= 5

T exp = ΙMediaΙ/ (desviación estándar/n^1/2)

T exp = 0,86580645 T exp = -0,2640724
T visto en tabla = 1,833 T visto en tabla = 1,833
T exp < T tabla; 0,86580645 < 1,833 T exp < T tabla; -0,2640724 < 1,833

202
 ANEXOS

Muestra de Suelo (MS) 5

Tabla 19. MS-5 (primera lectura) Tabla 20. MS-5 (segunda lectura)
No. A B A-B No. A B A-B
1 24,2 21,23 2,97 1 6,2 6,23 -0,03
2 21,14 23,16 -2,02 2 6,14 6,16 -0,02
3 22,14 22,16 -0,02 3 6,14 5,16 0,98
4 21,16 20,22 0,94 4 6,16 6 0,16
5 18,22 20,18 -1,96 5 6,22 5,18 1,04
Media= -0,018 Media= 0,426
Desv. Estand= 2,099123627 Desv. Estand= 0,53886919
n= 5 n= 5

T exp = ΙMediaΙ/ (desviación estándar/n^1/2)

T exp = -0,01920802 T exp = 1,77081938
T visto en tabla = 1,833 T visto en tabla = 1,833
T exp < T tabla; -0,01920802 < 1,833 T exp < T tabla; 1,77081938 < 1,833

Muestra de Suelo (MS) 6

Tabla 21. MS-6 (primera lectura) Tabla 22. MS-6 (segunda lectura)
No. A B A-B No. A B A-B
1 19,16 22,18 -3,02 1 5,16 5,18 -0,02
2 22,18 20 2,18 2 4,18 5,18 -1
3 19,18 21 -1,82 3 5,18 5,18 0
4 22,18 21,18 1 4 6 5,18 0,82
5 21,18 22,18 -1 5 5,18 5,18 0
Media= -0,532 Media= -0,04
Desv. Estand= 2,107728635 Desv. Estand= 0,64513564
n= 5 n= 5

T exp = ΙMediaΙ/ (desviación estándar/n^1/2)

T exp = -0,56538588 T exp = -0,13888552
T visto en tabla = 1,833 T visto en tabla = 1,833
T exp < T tabla; -0,56538588 < 1,833 T exp < T tabla; -0,13888552 < 1,833

203
Capítulo VII

Muestra de Suelo (MS) 7

Tabla 23. MS-7 (Primera Lectura) Tabla 24. MS-7 (Segunda Lectura)
No. A B A-B No. A B A-B
1 20,98 24,96 -3,98 1 11,98 11,96 0,02
2 24,96 25,96 -1 2 11,96 12,98 -1,02
3 25,96 25,98 -0,02 3 12 11,96 0,04
4 23,98 22,98 1 4 11,96 9,98 1,98
5 25 24,01 0,99 5 9,91 10,91 -1
Media= -0,602 Media= 0,004
Desv. Estand= 2,062091172 Desv. Estand= 1,22093407
n= 5 n= 5

T exp = ΙMediaΙ/ (desviación estándar/n^1/2)

T exp = -0,65393811 T exp = 0,00733864
T visto en tabla = 1,833 T visto en tabla = 1,833
T exp < T tabla; -0,65393811 < 1,833 T exp < T tabla; 0,00733864 < 1,833

Muestra de Suelo (MS) 8

Tabla 25. MS-8 (Primera lectura) Tabla 26. MS-8 (Segunda Lectura)
No. A B A-B No. A B A-B
1 16,89 18,89 -2 1 7,89 8,91 -1,02
2 18,91 16,89 2,02 2 8,89 8,89 0
3 16,89 18,83 -1,94 3 8,86 7,89 0,97
4 17,1 14,8 2,3 4 8,89 6,84 2,05
5 16,86 17,18 -0,32 5 7,8 8,86 -1,06
Media= 0,012 Media= 0,188
Desv. Estand= 2,075793824 Desv. Estand= 1,33516666
n= 5 n= 5

T exp = ΙMediaΙ/ (desviación estándar/n^1/2)

T exp = 0,01294926 T exp = 0,31540632
T visto en tabla = 1,833 T visto en tabla = 1,833
T exp < T tabla; 0,01294926< 1,833 T exp < T tabla; 0,31540632 < 1,833

204
 ANEXOS

Muestra de Suelo (MS) 9

Tabla 27. MS-9 (Primera lectura) Tabla 28. MS-9 (Segunda lectura)
No. A B A-B No. A B A-B
1 20,5 20,4 0,1 1 11,18 13,14 -1,96
2 20,4 20,4 0 2 13,14 12,14 1
3 20,45 20,45 0 3 12,16 12,16 0
4 20,6 20,5 0,1 4 11,22 11,18 0,04
5 20,55 20,6 -0,05 5 11,2 11,22 -0,02
Media= 0,03 Media= -0,188
Desv. Estand= 1,08014814
Desv. Estand= 0,067082039
n= 5
n= 5

T exp = ΙMediaΙ/ (desviación estándar/n^1/2)

T exp = 1,00175845 T exp = -0,38987245
T visto en tabla = 1,833 T visto en tabla = 1,833
T exp < T tabla; 1,00175845 < 1,833 T exp < T tabla; -0,38987245< 1,833

Muestra de Suelo (MS) 10

Tabla 29. MS-10 (Primera lectura) Tabla 30. MS-10 (Segunda lectura)
No. A B A-B No. A B A-B
1 20,6 20,6 0 1 10,22 9,18 1,04
2 20,65 20,7 -0,05 2 9,22 10,22 -1
3 20,7 20,5 0,2 3 9,22 9,25 -0,03
4 20,55 20,55 0 4 8,25 9,22 -0,97
5 20,55 20,55 0 5 0
Media= 0,03 Media= -0,24
Desv. Estand= 0,097467943 Desv. Estand= 0,96488341
n= 5 n= 5

T exp = ΙMediaΙ/ (desviación estándar/n^1/2)

T exp = 0,68945745 T exp = -0,55716576
T visto en tabla = 1,833 T visto en tabla = 1,833
T exp < T tabla; 0,68945745< 1,833 T exp < T tabla; -0,55716576< 1,833

205
Capítulo VII

Tabla 31: Correlación de Pearson entre la MOS, cobertura vegetal, altitud y pendiente

del suelo.

CORRELACIONES SEGÙN PEARSON

VARIABLES Cobertura
Altura M.O.S Pendiente
vegetal
Altura 1
Cobertura vegetal ,290 1
(,091)
M.O.S -,156 -,211 1
(,369) (,224)
Pendiente ,019 -,009 ,207 1
(,915) (,961) (,233)
(*) Correlación con Nivel de Significancia P < 0.05
(**) Correlación con Nivel de Significancia P < 0.01
N: 38; ( ) Valor de Probabilidad

206
 ANEXOS

7.3. Coordinador de fase de campo del muestreo de suelos.

207
Capítulo VII

7.4. Protocolos de laboratorio de MOS y textura.

METODO WALKLEY-BLACK /
RELASE (Red de Laboratorios de Suelos del Ecuador)

1. PRINCIPIO Y ALCANCE

La materia Orgánica del suelo se calcula indirectamente determinando el carbón

orgánico, se oxida por medio del Ion Dicromato que se reduce. Esta reacción se
lleva a cabo con la ayuda del calor producido por la adicción de acido sulfúrico
concentrado.

Luego por medio de una titulación con sulfato ferroso valorado, cuantificamos la
cantidad de Ion dicromato (no reducido) y por diferencia se sabe la cantidad de Ion
Dicromato que reaccionó y por tanto el contenido de carbón orgánico de la
muestra.

Se sabe que este método no oxida todo el carbón orgánico de la muestra, sino el
77%, esto se compensa multiplicando por el factor 1.3 (1/0.77 o 100/77).

Luego conociendo que la materia orgánica contiene un promedio del 58% de

carbono orgánico reactivo, convertimos el carbono orgánico en materia orgánica
usando el factor 1.724 (1/0.58 o 100/58).

2. MATERIALES
- Erlenmeyer de 250 ml o vaso de precipitación de 300 ml.
- Pipeta volumétrica de 10 ml
- Probeta de 200 ml
- Bureta de 50 ml
- Balanza analítica
- Soporte universal
- Agitador magnético
- Barras magnéticas de agitación

3. REACTIVOS
1. Dicromato de Potasio: K2Cr2O7
2. Sulfato Ferroso: FeSO4.7H2O

208
 ANEXOS

3. Ácido Sulfúrico: H2SO4

4. Ferroína

PREPARACIÓN DE REACTIVOS
 Solución de Dicromato de Potasio 1N: Pesar 49.04 g Dicromato de Potasio
(previamente secado por 2 horas a 105ºC) y en un frasco volumétrico de 1
Litro disolver y diluir con agua desionizada y mezclar bien.
 Acido Sulfúrico concentrado (98%). Este reactivo se encuentra en la bodega
de reactivos.
 Solución de Sulfato Ferroso Amoniacal 0,5N:
1. Suavemente adicionar 20ml de acido sulfúrico dentro de un frasco
volumétrico de 1 Litro que contiene 800ml de agua desionizada.
2. Adicionar 196.1g de sulfato ferroso amoniacal. Disolver, diluir a volumen
con agua desionizada, y mezclar bien.
 Solución de Ferroína 0.025 M.
Pesar 1.10 de fenantrolina y 6.95 g de sulfato ferroso (FeSO 4. 7H2O),
disolvemos en agua doblemente desionizada o destilada y completar a
volumen de 1 litro.

4. PROCEDIMIENTO PARA MOS

a. Pesar 0.25 g de suelo orgánico y en caso de suelo mineral 0.5 g en un frasco
Erlenmeyer de 500ml.
b. Adicionar 5 ml de solución de dicromato de potasio 1N.
c. Adicionar 10ml de ácido sulfúrico y mezclar vigorosamente con movimiento
circular por 1 minuto, teniendo cuidado de que las partículas de suelo no se
peguen a las paredes del frasco y queden fuera de contacto con del liquido.
Dejar en reposo 30 minutos.
d. Diluir hasta 100ml con agua desionizada.
e. Adicionar unas 5 gotas aproximadamente de indicador ferroína.
f. Titular con la solución de sulfato ferroso amoniacal 0.5N hasta que el color
cambie desde verde opaco hasta azul turbio. Y luego adicionar gota a gota la
solución titulante hasta que se alcance el punto final cuando el color cambie
hasta verde brillante.
g. Prepare y titule un blanco de la misma manera.
h. Prepare una muestra por duplicado y una muestra de control de calidad con
cada tanda de muestras analizadas.

209
Capítulo VII

DETERMINACIÓN DE LA TEXTURA DEL SUELO

(Método del Hidrómetro)

1.- PRINCIPIO Y ALCANCE

El objetivo de este método es determinar la cantidad de arcilla, limo y arena presente

en una muestra de suelo y conocer su clasificación textural. La muestra seleccionada
debe ser representativa de toda la masa de suelo a estudiar.
El hidrómetro que se utilice debe estar calibrado para determinar la densidad de la
suspensión (g/L), la cual es función de la cantidad de partículas que todavía no se han
sedimentado. Los resultados de un análisis de laboratorio son más representativos si
se expresan en relación al peso del suelo que se ha seco (se utiliza el metodología de
suelo seco al aire y tamizado Tº ≤40ºC) puesto que el peso del suelo húmedo o
secado al aire es variable, según el contenido de humedad del mismo y del ambiente.
En otras palabras, el peso del suelo en base seca es el mejor estándar para basar los
cálculos de los diferentes análisis de suelos.

2. MATERIALES

- Hidrómetro Bouyoucus calibrado de 0-60g/l

- Probeta graduada de 1000 ml
- Agitador mecánico
- Termómetro electrónico
- Balanza analítica
- Vasos de precipitación de 250 ml
- Pipetas de 5 ml
- Piceta
- Pera
- Varilla de Vidrio
- Cronómetro

3. REACTIVOS

- Agentes dispersantes Hidróxido de sodio 1 N y Oxalato de Sodio sobresaturado;

Su función es de separar las partículas de limo y arcilla.
- Alcohol amílico, para quitar la espuma que pueda impedir la lectura del hidrómetro.

210
 ANEXOS

PREPARACIÓN DE REACTIVOS

 El peso molecular del hidróxido de sodio es 40gr/mol para preparación del

reactivo a una concentración de 1N, se toma en cuenta el peso molecular y la
cantidad en ml que se desea preparar así tenemos que si deseamos preparar
1000ml de reactivo, se colocan 40gr de Hidróxido de sodio en 1000 ml de
agua destilada, si se requiere preparar 500ml de reactivo se realiza una regla
de tres obteniendo como resultado los gramos que se requieren añadir para
500ml de Hidróxido de sodio 1 N.
 Para la preparación el reactivo de oxalato de sodio saturado se añade 30gr de
oxalato de sodio en 1000ml de agua destilada, si requiere solamente la mitad
de oxalato se, añade 15 gr. en 500ml de agua destilada.

4. PROCEDIMIENTO PARA TEXTURA (procedimiento fotográfico al final)

a. Se tamiza la muestra de suelo a ensayar en el tamiz Nº40(2mm)

b. Se pesa 50g. de suelo ya tamizado y se coloca en un vaso de precipitación con
aproximadamente 100ml de agua destilada
c. Se agita la muestra con una varilla de vidrio y se le añade 5ml de Hidróxido de
sodio (NaOH) y 5 ml de oxalato de sodio(COONa)2 sobresaturado
d. Se trasvasa el contenido del vaso de precipitación en el vaso de dispersión del
agitador mecánico, se usa una piseta con agua destilada para lavar todo residuo
del vaso de manera que no se pierda muestra
e. Se agita la muestra mecánicamente únicamente por 5 minutos
f. Dispersada la muestra mecánicamente se la transfiere a la probeta completando
con agua destilada un volumen de 1000ml. Recuerde no se debe desperdiciar la
muestra.
g. El extremo abierto de la probeta se lo tapa con una funda plástica asegurado de
ligas se la asegura de la base, y se procede a mover la probeta invirtiendo su
posición y volviéndola a su posición original alternadamente 10 veces,
h. Se coloca la probeta en un sitio firme se cronometraron 40 segundos y se
realizó la primera lectura con el hidrómetro y así mismo la temperatura, se deja
las muestras en reposo por dos horas para repetir las lecturas.

CÁLCULOS

211
 Capítulo VII

a.) Corregir las lecturas del hidrómetro, tomando en cuenta la media aritmética de las 2
lecturas de la temperatura, por cada grado centígrado mayor o menor a 20ºC se
suma o se resta 0.36 a la primera y segunda lectura del hidrómetro.

b.) Determinar el material en suspensión con la siguiente expresión

Primera lectura corregida

%𝑀𝑆 = × 100
Peso de la muestra

c.) Para determinar el porcentaje de arena

%𝐴𝑜 = 100 − 𝑀𝑆

d.) Porcentaje de Arcilla

Segunda lectura corregida

%𝐴𝑐 = × 100
Peso de la muestra

e.) Porcentaje de Limo

%𝐿𝑜 = 100 − (%𝐴𝑐 + 𝐴𝑜) → 𝐿𝑜 = %𝑀𝑆 − 𝐴𝑐

Hoja de registro de datos preliminares en el laboratorio

Nº Hora Primera lectura Temperatura Hora Segunda

Muestra (Hidrómetro) lectura(Hidrómetro)

Obtenido el porcentaje de arena, limo y arcilla se procede a determinar la textura del

suelo utilizando el triángulo textural

Ejemplo:

Lecturas Corregidas
No. N PESO DE LA LECTURA LECTURA TEMPERATURA LECTURA LECTURA % MS % Ao % Ac % Lo CLASE
MUESTRA MUESTRA (gr) PRIMERA SEGUNDA PRIMERA SEGUNDA TEXTURAL
1 SIM-30 50 16 5 21,8 16,65 5,65 33,30 66,70 11,30 22,00

212
 ANEXOS

Procedimiento en archivo fotográfico del método de textura implementado en el

LSA-UTPL.

a) b)

c) d)

f)
e)

g) h)

213
Capítulo VII

BIBLIOGRAFÍA

 Escuela de Ingeniería de Antioquia. Laboratorio de Suelos. Análisis del tamaño

de las partículas de un Suelo. Basado en Norma ASTM D 1140 – 00. Disponible
en: http://suelos.eia.edu.co/laboratorio/granulometria.htm
 Fitz Patrick., 1996. Introducción a la Ciencia de los Suelos. Editorial Trillas.
México. 288pp.
 Iglesias, C. 1997. Mecánica del suelo. Editorial Síntesis S.A. Madrid España.
 Jara, J., y Matta. R., 2004. Guía práctica de apoyo docente. Determinación de la
textura del suelo.
 Juárez, B., y Rodríguez, R., 2000.Mecánica de suelos Tomo 1. Fundamentos de
la Mecánica de suelos. Limusa. Noriega Editores. México DF.
 Norma Oficial Mexicana NOM- 021 RECNAT- 2000. Método AS-09. Disponible
en:
http://catarina.udlap.mx/u_dl_a/tales/documentos/laec/maldonado_z_r/apendiceS
.pdf
 Pellegrini, A., 2004. Apuntes de Edafología. Textura y Color del Suelo.

214
 ANEXOS

7.5. Informe del laboratorio de suelos agrícolas del proyecto

PCI_Iberoamérica – AECID.

INFORME DE INSTRUMENTOS Y MATERIALES / PROYECTO PCI –

IBEROAMERICA
A/024199/09 - A/030571/10

Título del Proyecto: CONSERVACIÓN DE SUELO Y AGUA: INFLUENCIA DEL MANEJO DEL
SUELO A DIFERENTES ESCALAS EN LA REGIÓN ANDINA DEL SUR DE ECUADOR

Antecedentes del Proyecto:

En el 2009 fue desarrollada una propuesta de colaboración e investigación conjunta
entre la Universidad de Córdoba – España y el Centro de Investigaciones & Servicios
Agropecuarios de la Universidad Técnica Particular de Loja – Ecuador. Esta propuesta
obtuvo el financiamiento de la AECID en el Programa para Proyectos Conjuntos de
Investigación denominado PCI – Iberoamérica del año 2009, con ampliación al 2010.
En el proyecto se contó con un rubro relacionado con la adquisición de material para
fortalecer a los grupos de investigación cooperantes. El Laboratorio de suelos
agrícolas, de la UTPL adquirió gracias a este proyecto los materiales e instrumentos
que se detallan a continuación:

MATERIAL DE VIDRIO
Descripción Cantidad
Vaso de precipitación de vidrio de 50 ml 5
Vaso de precipitación de vidrio de 100ml 10
Vaso de precipitación de vidrio de 250 ml 6
Vaso de precipitación de vidrio de 600 ml 5
Vaso de precipitación de vidrio de 1000 ml 10
Matraz-Erlenmeyer de 250 ml 18
Pipeta graduada 1 ml 10
Pipeta graduada 2 ml 10
Pipeta graduada 5 ml 5
Pipeta graduada 10 ml 5
Pipeta graduada 25 ml 5
Probeta graduada 50 ml 5
Embudos de vidrio de boca mediana 6
Tubos de ensayo de 25 ml 2

215
Capítulo VII

Tubos de ensayo de 50 ml 50
Bureta graduada de 100 ml 1
Crisoles de porcelana 6

INSTRUMENTOS & MATERIALES

Descripción Cantidad
Barra magnética 1
Hidrómetro 1
Dispensador de líquidos BOECO 25 ml 1
Mixer safety HAMILTON BEACH 1
Vasos del Mixer safety HAMILTON BEACH 2
Plato agitatador/calentador 1
Condutímetro HACH 1

Estos materiales e instrumentos fueron ingresados al inventario del Laboratorio de

Suelos Agrícolas (LSA).

Particular que dejo en consideración al coordinador del laboratorio Ing. Juan Ignacio
Burneo, para los fines pertinentes.

Ing. Pablo Ochoa Cueva

Coordinador UTPL, Proyecto – PCI

216
 ANEXOS

a) Mixer safety HAMILTON BEACH

b) Plato agitatador/calentador

c) Conductímetro, TSD (HACH)

217
Capítulo VII

7.6. Proyecciones futuras en relación al manejo y conservación del

suelo en el sur de Ecuador.

218
 ANEXOS

http://www.radarnetsur.gob.ec/?&lang=en

219
Capítulo VII

7.7. Información climática utilizada.

Dendrograma de las estaciones de estudio.

SPSS
C A S E 0 5 10 15 20 25
Label Num +---------+---------+---------+---------+---------+

CHANGAIMIN 17 -+
CARIAMANGA 18 -+
GONZANAMA 19 -+
QUILANGA 13 -+
YANGANA 14 -+-+
CELICA 15 -+ I
LAURO GUER 16 -+ +-----+
CATACOCHA 12 -+ I I
COLAISACA 23 -+ I I
SAN LUCAS 24 -+-+ I
EL CISNE 21 -+ I
CAJANUMA 22 -+ +-------------------+
LA ARGELIA 20 -+ I I
ALAMOR 6 -+-+ I I
SOZORANGA 7 -+ I I I
QUINARA IN 9 -+ +-+ I I
TAMBO 11 -+ I I I +-------------------+
VILCABAMBA 10 -+ I +---+ I I
MALACATOS 8 -+-+ I I I
EL LUCERO 4 -+ I I I
CATAMAYO 5 -----+ I I
ZAPOTILLO 1 -+-+ I I
SAUCILLO(A 2 -+ +-------------------------+ I
SABIANGO I 3 ---+ I
TIRSTA 25 -----------------+-------------------------------+
PARSTA 26 -----------------+

220
 ANEXOS

ZAPOTILLO
Año Ene. Feb. Mar. Abr. May. Jun. Jul. Ago. Sep. Oct. Nov. Dic.
1990 16.7 27.7 20.5 27.7 0 0 0 0 0 0 6.4 8
1991 30.6 113.7 163.5 5.6 0 0 2.1 0 0 0 0 0
1992 36.3 95.9 111.4 172 155.5 0 0 0 0 0 0 0
1993 2.7 282.8 244.3 294.2 67.7 0 0.6 0.3 8.5 23.4 17.7 54.7
1994 110.6 139.1 132.9 98.8 21.7 0 0 0 0 0 0 12.8
1995 4.8 0 3.2 1 0 0 0 0 0 1.3 0 14.6
1996 5.8 39.7 38.6 3.4 0 0 0 0 0 1.4 0 1
1997 7.8 112.4 133.9 242.8 39.2 4.4 0 0.5 24.7 10 21.2 336.2
1998 54.2 86.1 188.3 142.8 73.5 0 0 0 0 4.1 0 1.7
1999 14 412.3 180.2 51.8 22.1 1.5 0 0 0 0 0 2
2000 53.9 147.9 373.2 157.3 23.7 7.1 0 0 2.2 0 0 85.2
2001 250 144.7 195.6 247.7 2 0 0 0 0 4.3 22 4.8
2002 55.2 84.3 117.1 280.9 12.6 0 0 2 0 5.7 23.6 0
2003 79.2 60.9 96.5 0 7.6 11 0 0 2 0 11.4 6.5
2004 141.1 50.1 28.6 25.5 24.3 0 4 0 8.7 19.7 27.6 30.1
2005 20.1 116.6 225 46 23.1 10.7 1 0.2 0.2 14.8 17.3 49.7
2006 74.1 201.9 394 132.7 0 0 0 0 1.6 0 2.6 6.6
2007 44.7 36.2 331.2 64.9 1.6 0 0 0 0 0.4 1.9 0
2008 185.5 463.9 285.1 150.7 5 2.9 1.8 0 0 1.8 10.8 0
2009 205.3 327 321.6 135.3 66.6 0 0 0 0 1.1 4.2 9.1
2010 55.8 298.7 151.7 139.1 22 4 0 0 0 0.2 0 5.3
2011 9.6 97.8 51.1 210.8 12.2 14.7 0 0 0 0 4.8 0
2012 154.8 270.9 68.8 135.9 21.5 3.7 0 0 0 5 8.8 28.7
2013 56.1 72.4 91 9.4 36.8 0 0 0 0 4.1 1.4 4.8
PROM. 69.54 153.46 164.47 115.68 26.61 2.50 0.40 0.13 2.00 4.05 7.57 27.58

YANGANA
Año Ene. Feb. Mar. Abr. May. Jun. Jul. Ago. Sep. Oct. Nov. Dic.
1990 104.9 211.5 182.8 152.6 61.7 56.5 24.8 5.5 35.2 127.1 75.4 123.1
1991 73 115.6 197.2 90 48.4 54.4 21.2 65.9 11.3 64.3 88.5 153.7
1992 69 161.7 178.9 112.4 30.7 86.3 41.6 13.5 58.8 22.3 88.4 69.2
1993 101.2 179.9 371 87.4 31.6 67.8 81.2 26.4 62.9 84.9 111.8 208
1994 179 100.7 200.8 146.6 99.9 86.1 85.9 99.4 76 59.8 46.5 65.7
1995 41 115.6 136.5 82.9 78.4 5.5 41.7 3.9 16 72.1 112 149.3
1996 144.5 130.5 225.4 138.7 34.1 41.8 72 35.8 35.1 45.2 38 25.9
1997 158.9 63.1 201.1 117.9 72.2 8.2 55 72.4 30.6 86.9 151.7 179.4
1998 58.9 75.6 159.2 152.1 61.8 63.4 36.4 28.1 16.5 203.6 141.4 130.1
1999 188.8 416.8 336.4 101.9 176.6 58.3 62.6 27.1 36.3 15.6 91.4 201.3
2000 181.5 294.1 321.6 86.5 137.3 66.3 19.5 47.9 76.5 8.9 7.3 78.4
2001 148.7 193.6 296.2 122 43.8 34 17 100.4 51.2 156.9 74.5 90.4
2002 57.8 127.6 161.3 177.3 96.5 33.7 55.2 14.5 7.5 72.3 89.6 172
2003 94.8 94.5 176.9 96.7 201.3 59.3 18.8 3.7 10.2 66.7 129.5 102.5
2004 60.5 91.9 147.4 158.5 59.2 87.8 73.1 16.4 24.7 136.2 128.6 191.1

221
 Capítulo VII

2005 63 126 233.8 120.1 59.8 73.9 15.1 8.1 5.9 286 35.6 163.9
2006 156.7 326.6 151.1 127.4 32.8 47.4 17.9 9.4 6.9 15.6 42.6 160
2007 66.7 155.7 142.9 188.4 46 118 5.9 66.1 58.8 130.8 117.3 100.4
2008 194.9 276 409.2 126.2 89.1 67.5 69.2 37 39.5 106.9 74.4 66.7
2009 251.6 239.3 210.7 133.3 62.7 51.1 37.6 48.3 3.2 56.5 127.3 77.9
2010 80.8 331.4 67.8 123.7 107 78.4 46.2 70.9 16.8 7.7 70.1 82
2011 126.4 302.3 180.7 149.4 24.5 9.7 243.9 11.2 74.4 95.1 157.9 291.3
2012 274.9 465.7 76.7 123.2 28.3 84.4 0 0 0 170.4 179.2 130.3
2013 124.8 52.4 158.5 0 215.8 103.3 100.4 17.6 13.2 116 21.6 143.2
PROM. 125.10 193.67 205.17 121.47 79.15 60.13 51.76 34.56 31.98 91.99 91.69 131.49

VILCABAMBA
Año Ene. Feb. Mar. Abr. May. Jun. Jul. Ago. Sep. Oct. Nov. Dic.
1990 64.2 197.6 84.5 127 59.1 20.4 9.2 9.6 12.2 112.2 63.9 82.2
1991 53 110.8 190.8 97.4 73.8 28.1 4 2.1 41.4 28.9 125.9 74.1
1992 49.9 112.5 87.2 71.2 51.5 2.6 0.8 5.8 47.4 38.2 129.2 141
1993 174.2 221.5 337.7 127.9 35.8 1.2 45.3 0.3 82.2 103.6 119.6 256.4
1994 147.4 205 204.6 139.2 26.3 5.5 5.9 12.8 9.1 222 73.3 46.8
1995 19 111.5 111.2 162.4 35.2 2.2 11.6 2.8 7.8 85.5 175.4 127
1996 113.9 162 247.9 101.3 26.2 106.6 0 4.1 11.6 52.9 47 50.9
1997 112.2 75.8 63.3 106.4 11.1 6.7 3 0 90.9 99.8 89.6 87.4
1998 47.7 136.9 148.7 169.7 92 11.4 1.6 16.4 4.6 116.6 4.2 43
1999 169.2 287.6 228.6 14.3 68.2 6.1 0 0 6.3 31.2 36.6 67.3
2000 3.5 20.6 247.5 192.6 93.2 32.4 14.4 16.3 47.2 10.5 6.3 63.6
2001 134.6 132.7 234.3 96.5 35.1 28 18.7 24.5 18.8 43.9 63.1 86.9
2002 51.7 117.7 151.4 159.5 43.7 16.9 23.8 7.6 6 57.1 70.5 90.6
2003 58.2 87.2 174.6 92 39.4 30 14.7 5.3 13.2 58.1 48.9 69.5
2004 57.5 93.8 106 130.8 49 33.8 30.3 5.9 29.5 72.2 106.8 104
2005 39.2 182.2 325 94.9 53.9 40.1 13 7.8 6 73 38.4 105.8
2006 127.9 222.6 260.5 156.4 19 37.2 18.6 2.7 5.5 29.4 129.9 149.1
2007 79.8 85.6 185.8 174.2 83.3 34.3 6.4 29.2 18.5 59.1 126.5 77.7
2008 171.7 325.6 308.7 261.5 78.4 34 32.2 28 22.4 111.2 109.1 89.1
2009 225.3 255.3 258.7 135.2 74 18.8 18.2 18.7 9.3 38.6 40 83.7
2010 61.6 176.2 113 123.8 81.7 61.2 36.9 18 25.5 34.9 57.8 75.4
2011 102.8 229.7 103.1 235.8 30.2 30.5 49.4 12.5 50.5 68.8 103.2 120.7
2012 257.7 367.7 116.7 172.6 34.8 24.1 6 5.7 9.1 76 138.8 87.1
2013 98.5 127.6 124.8 28.6 170.8 29.3 33.4 15 13.6 91.6 17.1 69.7
PROM. 100.86 168.57 183.94 132.13 56.90 26.73 16.56 10.46 24.53 71.47 80.05 93.71

CARIAMANGA
Año Ene. Feb. Mar. Abr. May. Jun. Jul. Ago. Sep. Oct. Nov. Dic.
1990 150.7 276.5 191.3 376.7 66.3 21.4 8.2 0 1 96.6 65.6 113.4
1991 48.4 142.8 523 98.3 41.9 8 1 0 13 17.4 13.7 25.4
1992 23.6 119.1 199.7 273.9 64.9 6.1 0 9.2 68.1 62.2 30.5 71.4
1993 94.6 369.7 473.8 470.7 86.8 2 25.3 0.5 48 136.5 61.6 262.5

222
 ANEXOS

1994 331.7 375 382.7 303.4 60.1 3 1.6 1.2 6.7 5.3 64.1 171.8
1995 56.2 246.4 348.2 103.9 89.5 10.6 12.5 0 2 43.7 104.8 175
1996 145.9 224.2 446.7 146 51.6 42.3 0 0.2 19.3 77.1 9.4 18.9
1997 49.5 148.8 181.6 205 55 12.2 5.8 0 29.1 113 219.6 290.1
1998 196.9 207 347.9 479.5 293.7 0 0 34.6 31.7 107.8 107.1 62
1999 97.3 612.6 495.4 132.3 241.4 48.8 10.5 0 49.4 22.7 29 155.2
2000 152.7 239.7 542.2 266.8 120.2 20.9 0.3 0.3 64.4 17 2.3 139.7
2001 267.4 337.7 416.3 135.7 62.5 0 0 0 13.6 13.3 139.6 125.1
2002 55.5 209.8 431.2 328.6 59.7 5.8 8.8 0 6.2 113.6 156.5 133
2003 82.5 154.5 255 164.8 38.8 28 13.3 0 12.6 20.6 114 82.6
2004 132.7 111.2 43.7 199 55.9 1.6 23.4 0 44.7 38.5 87.7 159.3
2005 57.8 315.3 531.1 106.8 64.4 33.2 2.3 0 0 31.7 32.4 122.5
2006 199.3 439.2 439.1 403.1 0 80.3 19.5 1.7 7.6 8.7 144.7 218.6
2007 245.8 100.8 384.2 317.8 136.3 0.6 4.5 0.6 1.7 41.8 120.8 119
2008 237 458.6 400.7 440.3 95.1 14.8 28.5 17 24 121.1 127 30.7
2009 499.7 300.8 482.1 155.6 167.1 15.4 21.6 4.8 0 15.7 48 139.2
2010 187.1 229.8 301.8 280.5 83.8 87.2 44.8 20.4 41.3 31.4 19.7 81.8
2011 171.9 354.3 158.3 565.6 35 13.6 1.2 0 32.8 37.3 138.8 142.7
2012 579.4 515.3 182.3 315.1 55.3 0 0 0 0 37.2 200 116.4
2013 151.6 201.7 218.1 88.2 242.5 21.4 40.2 30.7 1.2 121.8 21.7 93.6
PROM. 175.63 278.78 349.02 264.90 94.49 19.88 11.39 5.05 21.60 55.50 85.78 127.08

CELICA
Año Ene. Feb. Mar. Abr. May. Jun. Jul. Ago. Sep. Oct. Nov. Dic.
1990 96.9 217.6 137.7 180.7 16 13.2 2 0 0.5 15.9 33.5 38.4
1991 36.6 260.9 371.2 141.8 72.6 12.3 0 0 0 13.8 6.9 59
1992 172.7 242.4 381.2 260.8 144.3 5 0 0.2 24.3 16.5 8.3 58.9
1993 112.9 543 471.7 324.5 75.8 0 5.3 1.1 12.5 49.8 24.5 52.1
1994 166.1 213.6 226.8 176.4 23.6 9.1 1 0 14.9 3.5 11.8 106.5
1995 166 172.5 186.9 72.9 44 5.6 5.9 0.5 3.5 17.4 17.6 13.1
1996 266 140.9 47.9 15.1 0.6 3 0 0 0 0 12.4 36
1997 125.5 170.2 126.7 67 50.2 6.9 0 4 80.8 74.8 125.6 165
1998 80.6 276.4 382.2 208.5 55 0 1 0 0 0 13.6 46.6
1999 129.5 477.1 278.4 57.2 118.3 0.3 0 0 6.2 4.5 17.2 98.2
2000 138.7 450.1 274.7 88.2 4.8 12.7 0.1 0 1.7 0 0 5.7
2001 83.1 183.9 403.7 181.2 28.7 0 0 0 0.1 14.5 32.1 44.7
2002 18.4 358 204.6 258.6 14.7 0.2 0.3 0 0 32.2 13.6 77
2003 125 202.7 312.5 104.9 19.3 19.2 4.5 0 0 1.3 18.1 117.3
2004 195.5 236.4 213.6 152.2 54.1 4 6.6 0 11.8 36 11.7 65.7
2005 63.1 281.5 324 157.4 8.2 29.7 0 0 2.2 9.1 21.9 57.2
2006 177.9 327.7 376.2 197.9 4.6 0 0 0 0 2.5 41.5 109.6
2007 164.6 154.8 394.6 118 16.9 0 1.1 1.8 5.6 9.4 12.9 14.3
2008 330.3 542.6 468.3 287.1 54 13.2 21 0.7 0 54.3 36.6 28.5
2009 254.5 349.4 401.4 134.2 50.6 0 1.1 5.1 0 3 26.6 57.5
2010 192.3 280.7 215.2 167.5 46 0 16.2 0 0 10.1 8 57.9

223
 Capítulo VII

2011 130.9 204.6 93.5 311.7 6.2 8.2 8.9 3.6 6.4 54.2 74.6 140.3
2012 415.6 487.8 123.5 192.9 37.8 6.5 0 0 2.2 20.8 101.5 56.5
2013 103.7 144 160.7 44.7 139.7 7.7 7.9 7.5 2.6 52.4 9.2 45.1
PROM. 156.10 288.28 274.05 162.56 45.25 6.53 3.45 1.02 7.30 20.67 28.32 64.63

GONZANAMA
Año Ene. Feb. Mar. Abr. May. Jun. Jul. Ago. Sep. Oct. Nov. Dic.
1990 107.1 252.6 119.9 275.9 38.4 2.8 52.3 3 0 81.5 85.9 73.9
1991 68.8 231.8 414.2 101.7 100.9 8.7 22 1.9 21.5 20 37.1 74.8
1992 76.4 176.4 149.8 206.7 90.2 4.2 0 5.2 59.8 45.6 82.5 83.5
1993 104.3 263.5 452.4 208.4 49.5 0 6.4 0 69.2 49.8 69.2 161.6
1994 347.3 208.8 303.8 207.5 4.3 0 0 7.3 5.2 24 74.2 7.6
1995 20.4 191.9 77.8 97.3 70.8 0 1.2 0 0 57.7 69 156.5
1996 62.2 0 334.3 0 0 0 0 0 0 0 0 0
1997 49.7 112 76 97.7 24.1 3.2 0 0 75.2 55.6 313.4 106.7
1998 72.6 112.6 255.3 167 82.7 3 0 25.3 62 134 91.8 74
1999 173.9 260.6 415.3 68.5 179.3 56 3.7 3 58 49.6 33.4 212.5
2000 162.6 335.6 425.6 180.8 82 17.1 0 0 71.7 6.6 0 96.6
2001 246.6 178.1 377.1 151.7 52.4 3.4 0 11.6 21.9 7.8 140.7 164
2002 121.6 221.9 200.4 343 46.6 35 10.5 0 27.2 84.7 151.4 52.1
2003 88.4 27.7 274.9 132.4 56.4 39.3 31.3 1.9 51.1 42.2 68.7 23.7
2004 90 217.7 163.4 219.6 98.6 0 49.6 0 64.4 92.5 152.1 39.8
2005 39.8 188.2 691.8 255.5 178.2 9.3 0 0 0 52.7 70.9 233.7
2006 216.1 242.8 597 242.7 116.1 53.1 39.4 0 4.2 11.6 458.8 229.9
2007 133.8 147.4 162.5 588.9 383.1 1.2 6.8 0 10.5 128.4 302.4 177.3
2008 346.3 580.4 695.4 828.4 58.3 50.2 9.7 25 36.3 207.5 260.9 185.2
2009 354.3 416.9 589.1 432.6 121.5 35.8 23.4 0 3.1 33.7 24.6 88.5
2010 136.2 335.6 234.1 161.2 273.4 123.5 138.9 25.2 29.9 51.1 112.3 185.6
2011 305 623.5 239 372.7 18 102.3 4.3 10.4 67.4 235.1 264.6 267.9
2012 712 696.3 202.1 285 12.3 0 0 0 4.5 72 243.5 84.1
2013 109.2 206.9 97.8 40.2 196.1 10.3 33.9 0 1.1 204.1 13.3 168.9
PROM. 172.69 259.55 314.54 236.06 97.22 23.27 18.06 4.99 31.01 72.83 130.03 122.85

MALACATOS
Año Ene. Feb. Mar. Abr. May. Jun. Jul. Ago. Sep. Oct. Nov. Dic.
1990 105.2 129.4 22.4 279.8 13.2 7.6 21.3 4.1 7.2 43.5 101.9 37.2
1991 103.2 30.7 233.8 72.6 94.3 0.6 12.1 0 51.9 27.4 26.4 15.8
1992 44.4 22.7 147.2 28.8 17.6 3.3 0 0.1 40.8 0 52.5 80.1
1993 64.5 187.7 187 68.2 28.5 6.4 0 0 20.1 134.6 18.9 98.5
1994 102.2 74.6 78.3 43 30.7 0 0 18.6 4.8 41.8 42.8 63.7
1995 10.4 81.2 118.5 8.4 2.6 0 0 3.5 0 8.6 62.5 38.8
1996 38.7 84.1 15.1 41.8 16.2 0 0 0 17.7 68.4 0 0
1997 68.1 4.1 40 98.6 23.6 7.1 0 0 18.8 72.1 119.6 41.6
1998 49.7 136.4 108.6 79.2 10.6 0 0 0 0 141.1 33.9 37.4
1999 82.4 206 190.9 54.7 88.7 37.8 15.6 9.8 26.5 12.6 26.3 134.5

224
 ANEXOS

2000 111.9 141.7 196.7 309.8 65.4 23 10.3 11.6 33.7 7.5 4.4 45.4
2001 68.8 47.6 93.9 57.3 25 20 5.8 0 0 72.2 19.8 129.4
2002 44.4 59.1 34 154.6 4.5 0 0 5.4 4.3 40.4 28.2 127.3
2003 17.6 100 108.2 84.7 2.1 0 8.1 0 0.1 164.8 19.8 27.3
2004 21.8 29.1 20.4 143.9 31.9 5.1 14.6 4.2 29.4 115.6 151.2 107.4
2005 21.7 91.4 228.5 41.7 51.4 15.3 0 0 0 103.3 29.2 55.9
2006 53.3 132.8 222.8 76.9 1.2 38.8 21.1 0 1.6 44.2 136.5 136.6
2007 30.9 53.8 155.2 149.3 46.4 11.6 5.7 14.4 6.2 78.6 142.7 62.2
2008 45.6 195.7 173 83.4 54.1 22.3 0.1 14.7 20.6 162.9 64.5 171.2
2009 173.8 164.9 164 87.6 58 3.8 5.7 6.3 5.3 36.2 8.3 70
2010 3.6 116.5 71.3 80 93.3 37.9 25 15.9 12.6 46.5 92.2 75.6
2011 99.8 260.3 109.6 150.8 33 19.4 10.1 19.7 52 103.3 101.3 116.3
2012 234.7 223.7 85.1 154.8 8.5 0.3 0.2 0 18.2 145.2 98.1 84.8
2013 43.7 116.3 106.8 4.1 83.7 0.1 11.2 5 11.3 170.3 32.1 93
PROM. 68.35 112.08 121.30 98.08 36.85 10.85 6.95 5.55 15.96 76.71 58.88 77.08

QUINARA
Año Ene. Feb. Mar. Abr. May. Jun. Jul. Ago. Sep. Oct. Nov. Dic.
1990 78.5 157 113.5 188.2 41.2 20.8 18.7 5.6 7.1 52 60.2 64.1
1991 61.9 110.5 161.2 77.1 72.8 23.2 9.8 12.1 12.7 50.1 69.5 49.8
1992 67.5 78.7 96.4 90.5 38.3 6.2 0 5.3 35 26.2 56.2 59.9
1993 94.8 153.3 307.3 83.8 50.9 0.3 2 0 127 135.9 72.5 293.2
1994 165.4 153.8 223 123.8 6.8 1.6 3 7.4 7.1 50.8 50.8 0
1995 30.8 100.2 121.7 107.4 32.6 2.8 4 0 4.8 74.7 85.7 100.7
1996 159 70.2 193.6 114.1 37.6 59.8 0.8 1.3 2.7 44.8 31.4 21.9
1997 104.8 102.5 83.1 93.5 9.1 25.7 0 0 71.1 69.2 125.7 127
1998 75.4 80.9 144.4 147.3 110.1 2.4 0 17.2 15.7 81.5 44.2 61
1999 100.1 312.2 181.2 30.4 113.3 25.6 9.3 6.8 50.2 17.6 114.2 154.5
2000 131.5 238.5 289.5 87.1 92.1 30.1 2.8 7.6 39.9 3.7 10.8 76.3
2001 113.9 99.3 145.5 81.6 41 10.3 3.2 0.3 11 71.8 18.4 96.7
2002 19.8 98.8 145.6 126.5 42.8 8.5 17.9 12.6 0 100.2 78 87.7
2003 47.1 94.2 220.7 92.8 15.9 3.4 1.5 0 28 101.9 80.8 73.2
2004 66.1 91.8 76.3 105 34.2 4.4 11.6 0 23.7 61.5 162.4 163.3
2005 61.2 174.9 351.3 89.3 50.5 37.1 11.9 7.1 2.2 64.3 83.4 211.3
2006 140.4 217.6 272.5 223.1 7.6 68.2 22.6 0 2 75 114.5 167.8
2007 64.3 94 137.9 114.4 36.2 2.5 11.2 11 8.5 81.7 164.8 98.3
2008 99.8 269.9 268.1 215.9 71.7 23 3.1 6 7.4 78.6 92.6 113.3
2009 136.6 258.2 284.1 120.3 40.1 7.6 0 3.1 0 24.9 68.3 101.4
2010 18.5 161.9 107.7 91.2 50.8 97.7 13.1 9.1 32.4 45.3 107.7 127.2
2011 119 249.5 84.9 207.2 30.2 14.1 16.5 4 37.4 103.6 182 104.1
2012 274.5 281.4 128.7 158 13.8 5.1 0 0 3 94.9 261.4 167.6
2013 66.2 134.6 135 18.8 140 12 8.8 0 2.5 101 16 57.4
PROM. 95.71 157.66 178.05 116.14 49.15 20.52 7.16 4.85 22.14 67.13 89.65 107.40

SOZORANGA

225
 Capítulo VII

Año Ene. Feb. Mar. Abr. May. Jun. Jul. Ago. Sep. Oct. Nov. Dic.
1990 54.8 91.3 110.9 154.9 36.9 18.2 2.4 0 0 15 11.9 19.1
1991 20.6 195 309.9 127.2 80.3 33.6 5.1 2.2 14 14.1 4.2 28.3
1992 105.8 197.6 464 261.9 137.9 8.4 0.2 0 22.4 6.6 15.3 38.7
1993 59.1 304.9 349.7 372.2 62.5 11.4 9.3 1 11.4 18.7 58.2 102.5
1994 286.5 342.9 309.4 233.6 59.4 3 2 0.6 8.9 3 10.2 96.3
1995 172 204.5 210.6 132.1 73.2 1.8 14.3 0 3.2 1.1 8.4 61.8
1996 98.6 206.9 341.1 53 23.1 2.6 1.9 3.2 2.3 0 0 0
1997 90 180.7 253 197.6 23.3 12.2 0.2 0 4.9 32.3 143.1 270.3
1998 306.7 183.9 598.9 497.3 223.5 11.7 3.4 4.1 32.9 19.1 21.8 48.4
1999 118.7 672.9 477.9 169.9 204.5 73.9 17.6 1.7 17 4.3 0.6 77.5
2000 106.9 318.3 470.2 436.8 151.5 14.2 5 10.3 35.2 5.4 1.6 69.6
2001 300.6 328.1 612.9 230.5 35.1 17.5 20.4 0 9.7 18.6 23 73.9
2002 56.1 302 460.1 455.2 46.6 4.2 2.2 0.5 0.5 55.3 22.5 93.3
2003 145.7 202.7 362.4 91.1 16.2 13.6 6.1 0 0.2 3.7 17.3 69.6
2004 59.9 303.5 204.6 158.1 56.3 9.1 14 0 5.3 29.1 12.1 34.4
2005 32.9 253.9 397.9 90.3 10.5 23.4 2.1 0.3 0 2.2 43.3 121.3
2006 345.1 514.7 367.6 236.8 27.2 28.1 9 2.5 8.3 1.5 28.2 80.9
2007 196.7 241.9 405.4 128.2 68.3 2 0 0.9 5.1 8.9 17.2 24.3
2008 280.5 760.2 707 430.4 119.9 31.9 8.2 13.5 16.4 54.6 29.4 2.2
2009 358.6 526 408.9 118.5 161.5 5.4 5.7 12.4 0.4 11.9 12.4 115.2
2010 120.8 339.6 247.1 117.9 85 20.3 9.1 1.3 11.5 15.6 5.7 25.4
2011 40.7 196.6 86 385.9 18.1 29.8 18.2 1.3 1.2 10.5 19.7 31.8
2012 209.1 751.2 155 244.9 72.4 2.6 0 0 4.5 13.3 42.4 5.8
2013 88.7 144.8 235.2 75.3 193.1 28.1 5.4 22.8 12.7 16.5 18.5 36.5
PROM. 152.30 323.50 356.07 224.98 82.76 16.96 6.74 3.28 9.50 15.05 23.63 63.63

SAN_LUCAS
Año Ene. Feb. Mar. Abr. May. Jun. Jul. Ago. Sep. Oct. Nov. Dic.
1990 81.8 255.1 176.2 293.2 63.1 34.3 25.5 9.7 45.1 123.3 95.5 146.9
1991 114.5 95.5 227.5 134.2 250.1 35 274.9 122.2 27 99.5 151.2 43.1
1992 95.5 89.3 247.1 84 88.1 216.4 326 54.6 27.7 267.1 229.8 258
1993 93.7 167.2 256.4 142.5 58.3 63.1 40.4 29.8 21.5 139.4 81.4 228.7
1994 113.4 102.2 117 69.6 212 156.6 103.3 71.3 114.4 32.5 84.8 81.3
1995 33.4 75.3 77.3 220.4 81.6 133.7 25.6 17.8 19 29 71.7 127.4
1996 189.5 209.6 149.5 104.4 144 96.4 144.1 73 113.9 0 0 0
1997 39.3 86.4 166.8 134.6 132.6 10.7 144.3 103 54.9 78.4 173.9 239.6
1998 94.5 113.7 291 140.6 171 134.8 242.7 68.7 32.2 145 39.4 111.2
1999 136.6 207.4 212.4 308.2 188.4 178.8 81.5 86.6 116 22.8 36.4 143.1
2000 99.1 124.6 284.1 178.8 197.2 114 114.5 75.7 132.6 52.8 12.3 106.7
2001 103.9 156.9 97 92.7 94.1 210.6 115.9 166.4 86.3 55.2 111 135.6
2002 84.2 98.1 101.9 183.6 211.8 103.3 84.8 63.1 9.8 103.5 173.9 79.4
2003 92.8 118.2 139.8 198.6 56.6 91.3 66.2 68.2 33.5 98.6 46.9 240.1
2004 39.1 57.2 227 172.6 120.4 267.7 153.4 47.9 114.2 163.1 142 204.4
2005 76 262.4 422.6 243.6 217.2 239.8 149.7 91.9 55.5 85.6 25.1 121.2

226
 ANEXOS

2006 83.1 172 99.5 237.5 27.3 52.2 13.8 4 8 87.3 80.5 182.3
2007 65.6 55.9 103.7 114.7 96.7 147.4 27.2 72.9 68.2 55.2 190.3 121.3
2008 81.4 222.3 204.2 167 108.2 75.6 203.3 85.1 59.3 158 160.9 104.5
2009 182.9 125.7 136.4 160.2 52.7 59.3 76.9 72.8 39.5 107.4 77.2 77.5
2010 94.3 187.2 95.6 140.7 121.8 166.4 99.6 36.5 94.2 110.7 80.6 141.9
2011 76.2 154.5 67.5 200.4 81.6 109.3 216.6 32.1 144.9 35.3 130.8 159.1
2012 216.2 137.9 150.6 101.7 116.6 109 79.5 48.6 40.7 77.4 89.1 87
2013 120.9 93.3 79.2 21 400.5 159.5 86.8 54.4 52.6 87.6 24.2 55.4
PROM. 100.33 140.33 172.10 160.20 137.16 123.55 120.69 64.85 62.96 92.28 96.20 133.15

SAUCILLO
Año Ene. Feb. Mar. Abr. May. Jun. Jul. Ago. Sep. Oct. Nov. Dic.
1990 25.8 24.6 63.4 2.5 0 0 0 0 0 0.7 5.6 9.1
1991 33 165.5 221.7 52.1 11 10 2.3 0.4 4.4 1.6 6.7 3.2
1992 68.2 126.3 120.2 149.9 116.8 0.3 0 0 0 0 38.4 8.1
1993 13.5 450.6 429.5 388.6 33 7.2 4.8 0 0 11 0 11.3
1994 67.8 210.6 102.8 111.8 9 2.3 0.4 0.6 5 2.9 9.6 45.9
1995 129 82.9 32.1 0 0 0 0 0 0 0 0 11.7
1996 12.8 86.4 60.1 0 0 0 0 0 0 0 0 0
1997 35.4 86.8 119.5 226.4 21.5 8.8 1.1 0.9 2.8 26.4 46.2 152
1998 58 93.2 202.5 153.1 49.3 14 0 0 7.3 7.8 0 16.6
1999 21.4 438.4 440.5 146.3 25.1 0 0 0 1 1.6 0 28.1
2000 76.8 159.2 433 215.3 51.7 0 0 0 0 0 0 27
2001 162 269.6 210.5 0 0 0 0 0 0 0 8.5 12.4
2002 7.9 102.5 125.6 166.2 1.1 0 0 0 0 5.9 1.4 36.4
2003 35.7 112.3 17.4 70.4 0.2 7.3 0 0 0 0 5.5 13.3
2004 97.7 75.4 69.6 7.3 10.6 0 6.7 1.5 1.5 0 1.7 0
2005 7.1 89.8 356.6 25.9 0 5.8 0 0 0 0 0 13.2
2006 65.5 383.4 421.7 68.5 0 0 0.8 0 0.2 0 1.6 4
2007 36.8 32.2 229.7 41 0 0 0 0 0 0 1.8 0
2008 120 322 449.2 127.6 10.3 3.6 2 2.7 0 0 0 18.7
2009 183.9 358.7 436.7 121.3 74.8 0 0 0.4 0 7.7 0 0
2010 46 133.1 372.1 116.9 19.8 0 0 0 0 14.8 21.6 33.8
2011 49.1 77.9 54.3 187.1 9.5 14.3 5 0 0 29 3.4 0
2012 88.4 291.3 73.3 183.8 31.4 3.2 0 0 0 0 2.9 7.8
2013 57.2 69.6 113.1 21.9 0 0 0 0 0 5 3.5 10.9
PROM. 62.46 176.76 214.80 107.66 19.80 3.20 0.96 0.27 0.93 4.77 6.60 19.31

SABIANGO
Año Ene. Feb. Mar. Abr. May. Jun. Jul. Ago. Sep. Oct. Nov. Dic.
1990 27.2 93.9 165.3 79.1 33.2 6.5 0 0 0 8 0 27.3
1991 73.5 185.9 412 125.5 25.1 27.9 3.2 0 1 11 14.1 28.2
1992 125.3 290.8 208.9 447.3 146.3 12.1 1.6 0 11.2 4.8 2 26.6
1993 66.5 504.8 393.7 433.2 72.5 10.2 26 1 1 5.5 32.8 84.1
1994 190.4 354.2 267.1 176.3 43.9 7.4 0 3 4.8 0.5 2.9 67.2

227
 Capítulo VII

1995 157.8 121.5 157.8 105.2 98.6 0 21 0 0 0 18.8 41.6

1996 55.3 224.7 311.5 46.7 3.1 1.5 4.4 3.8 0 7.5 0 0
1997 58 265.1 299.1 222.8 39.5 54.8 7.8 2 65.8 30.3 142.3 337.6
1998 107.7 163.4 356.6 442.8 268.7 4.7 0 0 3.5 14.5 15.5 27
1999 81 714 622.9 153.5 60.5 63.7 13.9 3.5 10.8 6 0 20.7
2000 39.3 313 518.4 238.2 56.2 21.1 5.1 0 1.5 0 0 51.6
2001 238 287.6 515.8 201.4 27.5 0 26 0 0 0 11.4 48.2
2002 18.9 264.2 225.6 373.7 29.7 1 2.5 0 0 26.4 12.1 90.7
2003 121.2 226 153.9 78.9 19.5 12.8 5 0 0 0 6.1 33.6
2004 116.4 231.3 77.1 107.7 45.3 0 0 0 0 17.1 10.1 23.5
2005 41.3 142.9 390.1 60.9 10.8 18.2 0 0 0 0 38.3 107.6
2006 22 458.9 457.1 61.8 8.2 7.9 3.1 4.1 3.3 0.5 11.4 40.7
2007 213.8 81.9 338.7 116.7 25.1 2.5 0 0 0 0 9.2 17.7
2008 167.7 682.7 639.7 380 56.5 12.6 16.3 9 5.8 22.1 18.5 12.1
2009 354.8 476.5 443.6 108.8 118.6 9.8 0 3.5 1 0 14 86.8
2010 109.3 405.1 337.5 180 75.1 22.5 9.6 1 4.4 27.9 46 67.2
2011 44.6 183 106.2 349.4 5 31.4 14.6 4.1 28.6 59.7 85 80.6
2012 246.5 710.3 138.3 300.7 54.9 13.3 0 0 0 11.6 30.4 7.2
2013 92.5 115.9 364.9 32.3 128.2 12.2 0 0 1 17.4 0 20.2
PROM. 115.38 312.40 329.24 200.95 60.50 14.75 6.67 1.46 5.99 11.28 21.70 56.17

LUCERO
Año Ene. Feb. Mar. Abr. May. Jun. Jul. Ago. Sep. Oct. Nov. Dic.
1990 92.3 192 282 213 20 14 44 0 0 43.2 83 79
1991 102 43 166 70 127 16 0 0 6 62 23 53.9
1992 64.6 127 159 183 98 0 0 0 42 46 79 37
1993 204 323 411 365 21 6 0 0 44 157 52 161
1994 152 196 222 169 0 0 0 0 0 21 18 81
1995 83 148 286 156 65.8 4.1 27 0 0 35 229 116
1996 206 240 213 115 55 47 0 0 0 0 0 0
1997 92.5 125.3 113.9 132.1 28.5 0 0 0 48.4 61.2 2.8 128.1
1998 49.8 145.2 384.3 232.9 119.9 0 11.4 20.5 0 88.4 37.2 44.3
1999 136.6 209.8 320.7 78.3 159.4 41.3 39.1 0 24.3 0 0 200.4
2000 58.2 390.2 394.4 299.2 56.4 0 14.9 0 0 8.5 6.1 11.4
2001 311.9 139.5 250.7 101.1 0 0 0 0 0 0 54.5 24.5
2002 84.8 126.7 363.3 42.7 0 0 17.1 0 0 66.9 65.5 138.2
2003 54.1 0 115.3 48.4 0 18.5 0 0 0 0 25.6 21.4
2004 69.7 113.9 115.3 10 105.3 0 0 0 0 0 213.5 69.7
2005 39.9 374.4 511 112.9 50 32.5 4.5 2.3 0 70 46.6 130.1
2006 158.6 318.9 362.3 199.2 23 42.8 21.4 3.2 6.5 9 240.4 357.1
2007 130.2 125.5 406.8 219.9 147 0 0 0 0 23.6 190.5 84.7
2008 544.5 535.3 551.3 446.1 228.6 53.8 23.8 10.7 26.2 157 328.5 85.5
2009 302.8 602.2 321.6 224.8 216.5 17.8 0 0 0 62.1 68.6 109
2010 93.4 244.8 81.7 321.4 31.7 46.7 87.3 1.4 7.4 35.6 63.1 85.9
2011 121.1 163.1 68.6 321.6 30 32.3 4 0 50.5 3.1 49.7 64.3

228
 ANEXOS

2012 327.5 531.1 428.3 334.6 40.6 0 0 0 0 3.4 323.7 148

2013 285.8 266.9 141.2 40.2 401.4 0 11 14.6 0 94.1 6.5 96.1
PROM. 156.89 236.74 277.90 184.85 84.38 15.53 12.73 2.20 10.64 43.63 91.95 96.94

ALAMOR
Año Ene. Feb. Mar. Abr. May. Jun. Jul. Ago. Sep. Oct. Nov. Dic.
1990 65.5 157.4 140.1 160.7 27 42.4 0 0.6 0 3.7 6 20
1991 67 382.1 439.3 105.2 84.4 13.9 0 0 0 13.2 3.5 90.5
1992 197.7 223.7 256.3 380.4 147.7 16.5 2.5 0 2.2 6.5 3.8 26
1993 163.4 682.5 639.1 736.4 200.3 7.4 21.2 1.8 18.5 24.8 34.6 100.2
1994 274.2 360.1 358.9 199.7 174.7 2.4 0 0 18.1 4.8 1.3 121.3
1995 136.6 252.8 190.2 90.9 124.6 0 12.6 1.7 0 5.7 14.4 59.7
1996 159.6 117.3 242.6 48.3 2.1 0 0 0 0 0 0 0
1997 66.5 185.8 395.2 276.5 38.2 34.8 7.3 8.4 72.2 113.3 239.7 301.3
1998 27.4 196.1 628.2 299 218.4 22.8 9.9 3.1 22.3 4.2 27.4 41.9
1999 130.8 394 468.6 144.3 143.4 40.7 8.8 0 1.2 3.4 24.8 52.5
2000 33.5 129.6 600.8 312.5 170.7 17.7 0 0 0 0 0 49.6
2001 246.1 301.1 510.4 162.9 43.3 0 0 0 0 4.6 22.2 23.9
2002 5.6 414.9 249.9 279.6 8.7 3.8 0 0 0 41.7 14.1 51.8
2003 99.7 302.3 183.4 176.3 5.9 5.8 0 0 0 0 1.6 101.6
2004 181.5 124.9 184.8 66.4 54.8 2.7 13.1 0.7 21.1 51.8 65.4 71.7
2005 44.8 266.3 497 111.8 170.7 35 11.2 6 0.6 35.5 39.7 109.4
2006 151.5 439.1 419.9 210.5 28 21.2 0 0 0 1.5 94 170.3
2007 117.8 73.3 548.2 173.6 31.5 0 0 0 0 0 0 56
2008 239.5 454.6 779.7 378.8 102.8 23.2 10.6 7.1 0 11.2 3 69.3
2009 316.6 345 349.6 155 52.8 21.3 0 0 0 3.7 0 110.7
2010 201.2 255.3 483.7 190 30.6 0 0.8 0 0 35.8 42.9 70.8
2011 117.3 179.1 32.9 312.7 11.2 35.7 24.1 6 35.7 56.8 79.1 88.6
2012 392 805.6 149.5 383.1 62 22.6 0 0 0 0 30.3 42.4
2013 96.7 143 183.6 89.6 125.9 0 0 0 3.5 17.4 0 48.8
PROM. 147.19 299.41 372.16 226.84 85.82 15.41 5.09 1.48 8.14 18.32 31.16 78.26

CATACOCHA
Año Ene. Feb. Mar. Abr. May. Jun. Jul. Ago. Sep. Oct. Nov. Dic.
1990 75.8 184 98 176.7 20.1 10 10.3 2.5 0.5 12.3 18.5 80.4
1991 54.4 222.6 376.6 141.1 65.7 17.6 0.5 4.1 11.6 5.1 2.3 63.6
1992 121.3 174.2 213.5 128.6 155.5 1.5 1.5 1.5 17.7 22.7 4.5 36.3
1993 85.5 325.9 456.6 190.3 26 6.5 0 0 6 48.1 49.6 196
1994 275.6 237.4 271 208.6 23.1 0.5 2.5 2.5 14.4 1.2 32.3 49
1995 63.1 143.1 247.2 64 54.5 0 18.5 0 1 3.5 50.3 94.7
1996 81 181.9 0 0 0 0 0 0 0 0 0 0
1997 106.6 114.4 223.6 109.5 6.5 14.3 0 0 20.4 64.3 108.4 278.4
1998 110.1 229.2 195.8 249.3 80.3 13.5 0 8.5 5.1 34.9 15.1 58.8
1999 127.5 503.2 402.2 153.1 103.3 22.7 0 1.8 9.2 13.3 6.3 141.6
2000 142.6 372.4 440.2 235.8 96.8 23.9 0 1.5 16.7 0 1.5 68.2

229
 Capítulo VII

2001 188.9 184.9 331.5 79.7 25.8 23.7 1.8 0 5.8 17.9 66.3 61.5
2002 16.5 270.6 232.6 274.9 35 0 2 0 0 47.5 25.1 54.2
2003 45.9 154.9 202.8 74.7 12 47.1 0 0 1 2.1 7.8 81.2
2004 81.1 123.1 112.8 119.5 0 0 4.3 0 24.8 31.9 5.4 77.1
2005 23.4 292.6 264.6 4.2 10.8 15.5 5.2 0 1.3 12.1 14.2 4
2006 26.6 315.2 263.1 175.4 0.4 3.4 10.4 0 0 10.2 88.7 51.5
2007 57.1 101.6 324.7 234.6 40.1 3.4 2.6 0 0.6 19.6 13.8 35.6
2008 278.8 381.6 318 307.9 50.6 10 2 21.5 10.9 31.8 58.1 20.1
2009 290.6 294.9 392.3 102.8 84.7 0 0 3.8 0 1.2 11.2 38.7
2010 82.3 194.6 174.2 126 72.2 32.7 0 0 15.8 34.7 19.8 29.4
2011 94 191 87.6 352.2 3.4 22.8 14.7 0 33 35.8 35.8 50.5
2012 265.5 458 15.2 285 16.8 0 0 0 0 13.7 130.7 36.8
2013 93 118.1 94.3 24.6 68.6 5.2 0 11.6 5 35.8 0 16.8
PROM. 116.13 240.39 239.10 159.10 43.84 11.43 3.18 2.47 8.37 20.82 31.90 67.68

COLAISACA
Año Ene. Feb. Mar. Abr. May. Jun. Jul. Ago. Sep. Oct. Nov. Dic.
1990 98.3 316.1 239 397.2 153 14.5 0 0 0 43.3 55 45
1991 46.7 188 204.1 82.4 165.2 56 5 0 31.6 24.7 26.5 43.5
1992 105.9 151.5 79.1 332.2 111.2 21 0 12 18.5 46 44.5 50.5
1993 166.5 491.4 497.5 455.5 47.2 9.2 1.8 0.9 13.4 47.1 27.4 122.6
1994 269.3 158 309.8 207.7 39.7 16.7 0.3 0 19.4 7.4 15.8 34.1
1995 95.2 101.2 203.9 78 24.8 1 15.6 0.2 0.5 0.4 27.7 65.7
1996 49.9 151.7 387.9 51 18.9 3.1 0.9 1.6 4.1 13.1 0 0
1997 17.1 83 268.2 206.6 57.5 11.6 0 0 17.6 71.7 217.6 307.7
1998 101.2 131.3 576.8 285.6 344.7 0 0.3 13.7 16.4 87.2 52.8 15.3
1999 107.9 316.2 434.2 35.8 214.7 216.7 8.2 0.6 33.5 8.3 27.5 126.3
2000 119.5 197.1 476 438.8 199.4 16 1 6.8 102.3 8.3 4.3 100
2001 99.1 202.5 413.5 125.2 39.1 6.4 6.3 0 11.9 13.7 42.2 41.3
2002 27.1 98 175.5 128.1 4.1 4.1 55.8 5.5 12.5 37.9 55.8 105.3
2003 117.5 117.4 270.8 172.8 43.6 64.8 18.5 3.3 9.9 12.6 25.9 101.4
2004 92.3 66.8 233.5 181.1 62 9.3 19.8 3.7 20.3 54.6 18.4 63.7
2005 44 259.2 561.4 118.1 45.5 6.1 1.9 0 0.6 47.9 30.9 135.4
2006 241.7 288.8 500.7 235.7 12.3 30.7 14.4 0 11.6 7.6 129.9 160.5
2007 174.5 96.3 283 157.3 49.9 9.2 0 0.1 14 25.6 41.4 43.2
2008 241.8 772.6 456.2 566.6 97.8 38.1 0.2 29.4 32.5 95.4 58.5 12.8
2009 315.7 556.4 409.5 143 46.2 21.7 13 27.6 0 48 16.6 145.4
2010 54.1 126.3 221.1 157.4 91 0 10.7 4.1 8.7 20.9 21 18.8
2011 34.4 260.5 87.2 319.5 20.2 12.4 3.8 0 46 1.5 51.5 26.9
2012 141.6 538.8 85.1 159.8 52.5 23 0 0 3.1 32.3 140.8 43.9
2013 121 155.4 179.4 97.7 335.5 15.2 20.7 16.6 3.7 24.2 17.6 19.1
PROM. 120.10 242.69 314.73 213.88 94.83 25.28 8.26 5.25 18.00 32.49 47.90 76.18

ARGELIA
Año Ene. Feb. Mar. Abr. May. Jun. Jul. Ago. Sep. Oct. Nov. Dic.

230
 ANEXOS

1990 131.7 161.3 142.8 131.1 77.1 83 43.8 33.2 27.1 85.4 107.8 115
1991 113.1 153.5 197 59.6 70.1 64 39.2 61.9 30.9 61 22.6 66.5
1992 83.5 125.3 94.1 97 57.6 47.7 50.4 15.7 39.4 47.1 103.6 64.5
1993 85.4 105.4 317.2 93.4 23.4 50.3 62.7 29.2 45.6 91.5 48 198.1
1994 213.8 77.6 285.5 123.3 54.1 53.8 81.5 69.3 37 29.6 42.8 104.6
1995 59.8 88 93.4 52.8 64.7 10.1 33.6 19.9 22.3 36.8 129 121.3
1996 98.3 126.9 153.2 97.8 30.7 46.5 38.6 34.4 37.1 57.9 13 27
1997 68.1 109.2 101.2 69.9 46.2 20.7 50.2 35.2 42 59.9 73.6 123.9
1998 40.4 101.9 136.2 88.5 51.2 75.2 49.5 35.7 31.4 116.7 85.8 39.2
1999 124.3 299.1 132.2 83.7 120.2 58.9 59.8 50.2 81.7 27.8 48.1 116.7
2000 152.1 178.5 192.1 105 81.8 86.8 37.1 50.3 67.7 31.6 25.4 57.6
2001 82.8 116.6 68.3 69.8 63.7 86.9 81.2 52.1 42 33.5 128 98.3
2002 102 99.2 53.5 126.7 68.2 39.2 62.8 5.9 18.2 67.7 71.4 70.6
2003 80.3 113.3 188 68.8 92.4 53.9 34.1 6.9 25 73.3 56.5 106.8
2004 48.1 119 177.6 198.7 46.5 85.4 47.5 12.1 25.2 125.8 95.3 96.3
2005 46.4 134.5 173.6 157.6 33 79 15.3 13.4 18.1 86.2 62.5 98.3
2006 138.1 88.8 188.3 82.7 33.6 78.5 33.7 13.2 22.5 37.2 93.1 90.6
2007 50.1 66.3 93.5 99.1 80.7 120 11.3 152.4 55 55.7 153.3 77.6
2008 62.3 251 237.9 137.8 74.6 51.3 89.5 89.7 20.6 136.4 102.9 126.3
2009 133 90.2 134.4 93.1 43.3 29.8 55.7 61.9 55.6 69.7 26 118.4
2010 59.4 109.6 46.3 75.8 70.7 77.5 31.1 46.2 60.6 34.4 60 81.1
2011 52.2 205.2 130 151.5 82.8 53.4 96.4 53 88.5 78.4 123 162.1
2012 144.8 200.1 56 97.2 78.1 80.2 13.6 28.4 29.6 114.9 107.7 114.5
2013 141.7 169.7 48.8 18.9 136.8 60.2 93.5 36.3 63.4 143.8 50.2 69.2
PROM. 96.32 137.09 143.38 99.16 65.90 62.18 50.50 41.94 41.10 70.93 76.23 97.69

231
Capítulo VII

232