EVALUACIÓN DEL EFECTO DE LA DISCRETIZACIÓN ESPACIAL EN LA

MODELIZACIÓN DE CAUDALES EN LA CUENCA ILAVE DE LA REGION

HIDROGRÁFICA DEL TITICACA
EVALUATION OF THE EFFECT OF SPATIAL DISCRETIZATION IN THE
MODELATION OF FLOWS IN THE ILAVE BASIN OF THE HYDROGRAPHIC
REGION OF TITICACA
Hector Hugo Añamuro Luque1, Carlos Enrique Ruiz Vásquez1, Omar Miguel Monteza
Rosales2, Sócrates Olivera Vilca2
1
Maestría en ciencias de la Ingeniería Agrícola – mención en Ingeniería de Recursos Hídricos –
Universidad Nacional del Altiplano.
2
Programa de Desarrollo Productivo Agrario Rural - Dirección Zonal Puno, Ministerio de Agricultura y
Riego

*e-mail: hugo.aluque@gmail.com,

RESUMEN

El presente estudio se realizó en la cuenca Ilave, ubicada en la región hidrográfica del

Titicaca – Perú, con el objetivo de evaluar el efecto de la discretización espacial en la
modelización de caudales en la cuenca Ilave de la región hidrográfica del Titicaca. Para
tales fines se utilizó información metereológica constituida por precipitación,
temperatura y caudal, los cuales corresponden a registros comprendidos en un periodo
de análisis de 1990 – 1997.La metodología utilizada para la discretización de la cuenca
Ilave se realizó tomando los criterios de 50%, 25%, 10%, 1% y bandas altitudinales
obtenidas a cada 500 m; la interpolación espacial de datos meteorológicos para las
estaciones virtuales, fue estimada mediante el procedimiento de Shepard y la
evapotranspiración potencial por el modelo de Oudan; para la modelización hidrológica
se utilizó el modelo Sacramento (SAC-SMA), ambas metodologías y el modelo
hidrológico están contenidas en el software RS- MINERVE. La fase de calibración y
validación del modelo, se realizó con el 70% y 30% del total de datos respectivamente.
La evaluación estadística de eficiencia y error fueron medidos a través del coeficiente
de Nash y coeficiente de Nash - ln. Los resultados fueron
xxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxx
xxxxxxxxxxxxxxxxxxxxxxxxx

Palabras Claves: RS - MINERVE, Discretización espacial, Cuenca Ilave, Modelo

sacramento, Modelización Semidistribuida

ABSTRACT
The study of the behavior of the fires has always been of interest to the scientific
community, the fire scene is the district of Macarí, an andean ecosystem that presents an
extensive vegetal cover constituted in its majority by “pajonales andinos”; a highly
flammable species, being, therefore, a very feasible scenario for the presence of fire.
The objective of the present investigation was to analyze the forest fires that occurred in
the district of Macarí - Puno, using geographic information systems and remote sensing.
In this context, the present work presents the methodology that was used to identify the
probable date of the occurrence of fires; likewise, to delimit the burned area and
determine the degree of severity of the fire. In the methodology used, a temporal series
of images of the LandSat 8 and MODIS satellites (MCD45A1) was evaluated;
Likewise, to determine the degree of severity of the fire, the Normalized Index of
Burned Areas NBR was used, making comparisons of images before and after the fire.
Processing the product MCD45A1, the geographic location and the approximate Julian
day of the burned areas were obtained, being these from 227 to 238; what supposed an
approximate date of the burning from the 14 of August to the 25 of August which
corroborated with a combination of bands RGB of images LandSat 8 (6-5-4 and 7-6-5).
Calculating the NBR, a burned area of 2458,673 hectares was defined, likewise it was
determined that the fire was mostly of a Low Severity, being of an approximate area of
1385,145 Ha; followed by a Medium Severity with an area of 967,568 Ha.
Keyboard: Severity, MODIS, LandSat, NBR, ΔNBR, Forest Fires.

INTRODUCCIÓN

El ciclo hidrológico es uno de los fenómenos naturales que siempre han cautivado y
sorprendido al hombre, tanto por su exuberancia, complejidad y belleza como por su
magnitud, frecuencia y peligrosidad. Pero es necesario el conocimiento de sus variables
de estado en diversas áreas de la actividad humana, entre ellas la planificación para la
toma de decisiones, siendo la precipitación y temperatura, variables importantes del
ciclo hidrológico. Un modelo hidrológico busca representar los diferentes procesos
involucrados en la distribución de la lluvia y la generación de caudales en una
determinada cuenca a fin de entender el sistema hidrológico y proveer información
confiable para el manejo sostenible de los recursos hídricos(Sossa Sánchez, 2009). Un
punto que debe ser abordado por cualquier usuario de estos modelos antes de su
aplicación es la definición de un nivel aceptable y tipo de discretización de la cuenca
(Goodrich, Grayson, Willgoose, Palacios-Valez, & Bloschl, 2003).

MATERIALES Y MÉTODOS

Área de Estudio
El estudio se realizó en la cuenca del rio llave, ubicada geográficamente en las
coordenadas Este: 352,353.0 – 452,052.0 y Norte: 8‟104,770.0 – 8‟248,751.0, a
una altitud entre 3,805.00 – 5,400.00 m.s.n.m y ubicada hidrográficamente en la
vertiente del Titicaca – sistema hídrico TDPS.
 Figura 01. Mapas de discretización espacial.

Figura 02. Cobertura vegetal del distrito de Macarí, según extracción de datos de cobertura vegetal del
Perú. Fuente: Ministerio del Ambiente -Perú.
RESULTADOS
Realizando un análisis de la información de Burn date contenidas en el producto
MODIS MCD45A1 se obtuvo la ubicación geográfica y el día aproximado de las áreas
quemadas expresadas en días Juliano, siendo estos del 227 al 238; lo que supuso una
fecha aproximada de la quema desde el 14 de agosto al 25 de agosto (Figura 03).
Seguidamente se realizó el análisis de imágenes LandSat, mediante el método de
combinación de bandas RGB 6-5-4 y 7-6-5; de antes y después de la fecha obtenida
mediante el análisis de productos MODIS MCD45A1, se corroboró la fecha de la
quema y se definió la fecha 30 de julio del 2016 como la imagen satelital a usarse para
obtener la información de Antes del incendio y 31 de agosto del 2016 como la imagen
satelital a usarse para obtener la información de Después del incendio; ambas para
determinar el índice NBRI (Figura 04); donde ya se pudo apreciar los cambios entre
ambas imágenes (antes y después del incendio) demarcando la zona quemada con una
coloración marrón oscura en ambas composiciones.

Figura 03. Ubicación geográfica y día juliano de los incendios forestales, mediante procesamiento de
Imágenes MODIS MCD45A1.
Figura. 04. Composición de bandas (7-6-5 y 6-5-4) de imágenes satelitales LandSat, izquierda: antes del
incendio y derecha: después del incendio.

Realizando un análisis de NBRI en imágenes de antes y de después del incendio (Figura

05), se identificó las zonas quemadas, en este caso la coloración roja intensa demarca la
zona que ha sido escenario de un incendio forestal; mediante la vectorización de las
áreas quemada obtenidas mediante el índice NBRI de después del incendio, se delimitó
un área quemada de 2458.673 Ha (Figura 06).

Figura. 05. Índice NBRI de antes (izquierda) y después del incendio (derecha).

Figura. 06. Índice NBRI de antes y después del incendio.

Aplicando el método de ΔNBR se logró calcular la severidad de las quemas (Figura 07),
logrando determinar que el incendio en su mayoría fue de una Severidad Baja, siendo de
un área aproximada de 1385.145 Ha; seguida de una Severidad Media con un área de
967.568 Ha (Figura 08).
 Figura 07. Severidad de las áreas quemadas, según clasificación de valores ΔNBR (Tabla 02).

Figura 08. Área quemada según la severidad de la quema.

DISCUSIÓN
Se realizó el análisis retrospectivo de los incendios forestales ocurridos en el Distrito de
Macarí, determinando en primer lugar la fecha en días juliano aproximada de un
incendio forestal (Figura 03) mediante el producto MDC45A1, sin embargo, el producto
no contaba con información de algunas áreas quemadas de pequeña extensión; según
(Giglio, 2010), Esto puede suceder por cualquier cantidad de razones; “El fuego puede
haber comenzado y terminado entre pasos superiores de satélites, el fuego puede ser
demasiado pequeño o demasiado frío para ser detectado en la huella MODIS de 1 km2.
La cubierta de nubes, el humo denso o el dosel de los árboles pueden oscurecer
completamente un incendio. Ocasionalmente, los instrumentos MODIS son inoperables
durante largos períodos de tiempo (por ejemplo, el MODIS de Terra en septiembre de
2000) y, por supuesto, no pueden observar nada durante estos momentos”.
La validación de las fechas probables de los incendios se realizó mediante la
composición de bandas 6-5-4 y 7-6-5 de LandSat 8 (Figura 04), logrando determinar
algunos incendios que no se encontraban dentro de la información de MCD45A1; con
este procedimiento se logró determinar las imágenes LandSat. a ser adquiridas para los
posteriores procedimientos.
En la Figura 05 se muestra los resultados del cálculo del índice espectral NBR que
muestra la superficie afectada los incendios ocurridos en el distrito de Macarí, donde
realizando una clasificación preliminar se puede apreciar el cambio de los valores de
pixel; es por medio de ese cambio de valores que se delimita un área aproximada de
2458.673 Ha el cual se aprecia en la figura 06.
Los resultados de severidad de las quemas, el cual se aprecia en la Figura 07, se calculó
por medio de una metodología basada en el análisis de las diferencias de NBR, antes y
después del incendio, se determinó la distribución espacial de cada nivel de severidad en
Hectáreas (Ha) como se muestra en la Figura 08; para esta medición se depuraron
pequeñas zonas menores a 500m2 y zonas exteriores al perímetro determinado por
medio de MCD45A. Existen algunos factores que influyen en el acierto de la
metodología, una de ellas la carencia de imágenes LandSat óptimas para el análisis tanto
en su resolución temporal y la cobertura de nubes excesiva, así mismo Pereira, Sousa,
Sá, Martín, y Chuvieco, (1999) señalan que hay que para la caracterización espectral de
la vegetación quemada hay que considerar dos tipos diferentes de señal: la proveniente
de la formación y deposición de carbón y cenizas, y la procedente de la alteración de la
estructura y cantidad de la vegetación. El primer tipo es consecuencia de la combustión
de la vegetación, y tiene el inconveniente de tener una corta duración en el tiempo, ya
que se degrada por la acción de los agentes externos, que pueden eliminarlo a las pocas
semanas o meses después de ocurrido el incendio. La segunda señal es más estable, pero
es menos nítida para discriminar los efectos del fuego, puesto que otros factores pueden
también causar cambios en la vegetación.

BIBLIOGRAFÍA

Boschetti, L., Roy, D., Hoffmann, A., & Humber, M. (2008). MODIS Collection 5
Burned Area Product MCD45. User Guide (Vol. Version 1.).
Giglio, L. (2010). MODIS Collection 5 Active Fire Product User’s Guide Version 2.4.
Recuperado a partir de
http://www.fao.org/fileadmin/templates/gfims/docs/MODIS_Fire_Users_Guide_2.
4.pdf
Goodrich, D., Grayson, R., Willgoose, G., Palacios-Valez, O., & Bloschl, G. (2003).
THE EFFECT OF CATCHMENT DISCRETIZATION ON RAINFALL-RUNOFF
MODEL PREDICTIONS. Geophysical Research Abstracts, 5. Recuperado a partir
de https://www.hydro.tuwien.ac.at/fileadmin/mediapool-
hydro/Diverse/Forschung/EGS-AGU-
EUG_papers_posters/willgoose_catchment_EAE03-J-12551.pdf
Hunt, E. R., & Rock, B. N. (1989). Detection of changes in leaf water content using
Near- and Middle-Infrared reflectances. Remote Sensing of Environment, 30(1), 43-
54. https://doi.org/10.1016/0034-4257(89)90046-1
Lutes, D. C., Keane, R. E., Caratti, J. F., Key, C. H., Benson, N. C., Sutherland, S., &
Gangi, L. J. (2006). FIREMON: Fire effects monitoring and inventory system.
Gen. Tech. Rep. USDA Forest Service RMRS-GTR-164-CD, (June), 1-55.
https://doi.org/10.2737/RMRS-GTR-164
Moran, M. S., Jackson, R. D., Slater, P. N., & Teiuet, P. M. (1992). Evaluation of
Simplified Procedures for Retrieval of Land Surface Reflectance Factors from
Satellite Sensor Output, 41, 169-184. Recuperado a partir de
https://pubag.nal.usda.gov/download/37763/PDF
Pereira, J., Sousa, A., Sá, A., Martín, M. P., & Chuvieco, E. (1999). Regional-scale
burnt area mapping in Southern Europe using NOAA-AVHRR 1 km data BT -
Remote Sensing of Large Wildfires: in the European Mediterranean Basin. En E.
Chuvieco (Ed.) (pp. 139-155). Berlin, Heidelberg: Springer Berlin Heidelberg.
https://doi.org/10.1007/978-3-642-60164-4_8
Sobrino, J. A., Jiménez-Muñoz, J. C., & Paolini, L. (2004). Land surface temperature
retrieval from LANDSAT TM 5. Elseiver, 90, 434-440.
https://doi.org/10.1016/j.rse.2004.02.003
Sossa Sánchez, E. V. (2009). MODELOS HIDROLÓGICOS COMO UNA
ALTERNATIVA PARA LA EVALUACIÓN DE LOS RECURSOS HÍDRICOS EN
LATINOAMÉRICA. Bolivia.
United States Geological Survey. (2013). Using the USGS Landsat 8 Product.
Recuperado 15 de febrero de 2018, a partir de https://landsat.usgs.gov/using-usgs-
landsat-8-product