UNIVERSIDAD NACIONAL AGRARIALA MOLINA

TRABAJO FINAL:
MODELAMIENTO DE CUENCA SEGÚN INDICE DE PATTERSON
(APLICATIVO MODEL BUILDER ARCGIS)
CURSO
SIG

DOCENTE
Ing. PABLO QUISPE

ALUMNOS
CHAVEZ, SEBASTIAN
LOPEZ VELASQUEZ, EDGAR KEVIN
DURAND, JUZE

CICLO
2018-2
 INTRODUCCIÓN
El cambio climático, la captura del carbono, la búsqueda de sistemas sostenibles y
la defensa de la biodiversidad son líneas que están condicionando la investigación
del mundo forestal. De manera que cada vez se demandan estimaciones más
precisas de biomasa, de productividad forestal y de tasas de crecimiento de los
bosques (TICKLE et al., 2001) y, que a ser posible, tengan una fácil aplicabilidad
para los gestores.
La estimación de la productividad potencial forestal también requiere una especial
atención, con el objetivo de obtener aplicaciones sencillas, pero con significado
suficiente para poder justificar una ordenación del territorio o diferentes actuaciones
selvícolas por parte de los gestores. Hasta ahora, la utilización del índice de sitio
para la evaluación de la productividad potencial, relacionándola con la altura
dominante de una masa, ha estado bastante extendida (HÄGGLUND, 1981). Sin
embargo, este relación no siempre puede ser estimada correctamente ya que es un
índice ligado a una especie específica, y no puede evaluarse en áreas desarboladas
o donde no está presente una especie determinada (UNG et al., 2001; WANG et al.,
2005). Tampoco parece muy apropiada para masas jóvenes, ya que un pequeño
error de predicción puede llevar a grandes errores, al ser curvas que pasan por el
origen o que tienden a cero en edades tempranas (GOELZ & BURK, 1992).
El índice de Paterson (PATERSON, 1956) es un índice bioclimático que encuentra
una estrecha relación entre la productividad potencial forestal de una estación y sus
factores ecológicos, en concreto con el clima. Su aplicación inicial era para escalas
globales, pero con las nuevas tecnologías y la existencia de más datos y cada vez
más precisos, se puede aplicar a una escala regional. A pesar de esta aplicación de
escala limitada es muy útil para comparar capacidades de zonas de una misma
región independientemente de la existencia o no de una masa arbolada o de la
especie que exista en ese momento.
 MARCO TEÓRICO
Paterson, al tratar de encontrar una estrecha correlación entre la productividad
potencial forestal de una estación y sus factores ecológicos comienza considerando
que el clima siempre se refleja en la edafogénesis. Por otra parte considera que las
condiciones topográficas generales de una región condicionan el clima de la misma.
Dentro del factor clima, considera que los factores más importantes para el
desarrollo de la vegetación son la temperatura, la precipitación y la luz; elementos
con los que elabora el índice CPV de Paterson, denominado así por ser exponente
del clima, la productividad y la vegetación de la estación para la que se calcula.
La productividad potencial forestal, de una especie compatible con la estabilidad del
medio, es la máxima producción que se puede llegar a obtener en una zona con
suelo maduro y equilibrado, gestión técnica adecuada y buen estado fitosanitario.
Se considera que las altas temperaturas y las fuertes precipitaciones son
imprescindibles para el desarrollo de las masas forestales. El índice de Paterson,
CPV, se obtiene mediante la formulación:

Para el índice de productividad forestal, consideraremos, para la determinación del

factor G, como mes activo para la vegetación forestal, de acuerdo con Gaussen,
aquel en el que la precipitación media mensual expresada en mm sea igual o
superior al doble de la temperatura media mensual expresada en ° C; siempre que
ésta sea igual o superior a 6 °C. Por lo tanto:
El factor de insolación (factor de radiaciones) de la fórmula original de Paterson se
convierte, al aplicarlo a la España Peninsular, en un factor prácticamente constante
al tener la latitud una amplitud máxima de 8 grados. Por este motivo, se considera
válida la formulación del término de radiación propuesta por Gandullo y Serrada,
1977:

La producción potencial viene definida por medio de una regresión cuya expresión
es:

Gandullo y Serrada han comprobado la validez de este método para España, si bien
se estima mejor la productividad al considerar la roca madre. De forma que se
introduce en la expresión de Paterson un coeficiente k que depende de la litofacies.
La producción potencial de madera se estima por medio de la expresión:

El factor k se obtiene según la clase litológica en la tabla adjunta. Una vez obtenida
la clase según el factor litológico, La cuantificación del factor de litofacies en relación
con la producción potencial forestal, a través de las clases litológicas anteriormente
definidas, se establece a continuación:

En función de la productividad potencial forestal obtenida (P, m3 de madera/ha⋅año)

se han definido diferentes clases que consideran las limitaciones para el crecimiento
de bosques productivos.
Así mismo respecto a la clase obtenida puede obtenerse una clasificación
relacionada al tipo de clima de la zona de trabajo. El siguiente cuadro presenta las
diversas categorías:
MODELO BUILDER: INDICE DE PATTERSON

 DESCARGA DE DATOS Y ANALISIS DE ESTOS

SENAMHI, las temperaturas máximas, mínimas y promedios.

ESTUDIO HIDROLOGICO DE LA CUENCA CHICAMA, la precipitación media mensual registradas en
las estaciones.

 Se ordenan en un Excel con todas las estaciones para calcular los parámetros para calcular
el Índice de Patterson:
 Exportar la data al Arc Map
  Se importaron todas las variables, para el cálculo del Índice,(G, Tv, P, E, Ta)

Para el caso de precipitación media:

Para el caso de la temperatura media del mes más cálido
Para el caso de la variación anual de temperatura:

Para el caso de numero de meses con temperatura mayor a 3° C, como todas las estaciones tenían
temperaturas mensuales medias mayores a 3° C:
Se realiza el modelo Builder, para el índice de Patterson:
RESULTADOS DE INDICE DE PATTERSON
DISCUSIONES

 Existen zonas muy diferenciadas dentro del valle por el índice de Patterson ubicadas a los
extremos de la cuenca.
  Existen estaciones que no concuerdan con el degradado exponencial del índice dentro de
la cuenca de Chicama (tambo y Casa grande)
 La temperatura media y la precipitación refieren directamente en el análisis del índice por
zona de franjas y por estaciones de recopilación de información.
 Datos de algunas estaciones pueden ser no validadas según el resultado tras correr con el
modelo y ser representado en las franjas.

RESULTADOS

 El máximo valor de índice obtenido es de 213.554 (siendo el color representativo en escala

de azul).
 El mínimo valor obtenido es de 0.99774 (siendo el color representativo de marrón,
pasando por una escala de blancos en datos medios)
 El mayor índice se encuentra al suroeste de la cuenca de Chicama, siendo la parte mas
cercana a los ecosistemas andinos y por lo tanto con mayor precipitación por año al igual q
contiene una temperatura media mas consistente al año y su variación a lo largo del tiempo
estudiado no es tan notable como se en contraparte a la sección marrón, ubicada al oeste
del valle cercana al litoral peruano, donde se aprecia la poca cantidad de lluvias presentes
a lo largo del año, al igual que la variación de temperatura, que es 60% mas variable que el
ubicado al otro extremo de la cuenca.
 La franja de color blanco refiere a un valor de 67.089 en el índice, esto indica el lugar de
transición entre los mayores puntos de precipitación y el valle, es por ello que se confirma
las zonas de origen del rio en el valle Chicama, y su posible punto de llegada hacia el mar.
 Tambo y casa grande son dos estaciones que están inmersas dentro de las franjas marrones
con menor precipitación, siendo comparadas con las zonas que le rodean se ve un cambio
drástico entre los puntos de control, ya que la franja más próxima es blanca yendo por el
índice medio de datos y acercándose hacia el oeste de la cuenca se nota q no existe un área
extensa o probable q permita el paso de las lluvias de manera natural, en otras palabras,
asemeja a un posible error de datos de recolección entre estaciones; el cual debe ser
verificado in situ.
 Puerto Chicama es la estación que recopila información sobre precipitaciones bajas en la
cuenca
 Usquina es la estación que recopila las mayores precipitaciones en el área de Chicama.
 Contumaza, San Benito y Cascas, son las estaciones que tiene la información mas semejante,
por lo tanto, el índice obtenido en sus áreas de interacción es de mayor congruencia entre
ellas, igual se necesita una verificación in situ de los datos obtenidos y probar estos
resultados.
 La temperatura media para toda la zona del valle de Chicama es mucho mayor a la ejercida
como restricción para la formula (mayor de los 3 grados Celsius) lo cual refiere a una zona
de cultivo propicia para dar campañas anuales y por temporada indicada entre los meses
de mayo a agosto. La producción neta para el valle es alta, apoyándose en su temperatura
media anual y la viabilidad del riego a favor de la gradiente en cuestión del rio que se
aprovecha en toda el área.
 Los datos utilizados para el análisis y el modelamiento de la cuenca datan del 2017, datos
recientes que ayudan a reorientar la situación del valle y verificar las actividades dispuestas
dentro de el (Cultivo: riego, cosecha).