diseÑo de un sistema de monitoreo piloto de chillÁn

SERVICIO NACIONAL DE GEOLOGÍA Y MINERÍA -INSTITUTO NACIONAL DE HIDRÁULICA

INFORME REGISTRADO IR-18-69

S U B D I R E C C I Ó N N A C I O N A L D E G E O L O G Í A

2018

GEOLOGÍA PARA LA RECONSTRUCCIÓN Y LA GESTIÓN DEL RIESGO

VOLUMEN 1

SERVICIO NACIONAL DE GEOLOGÍA Y MINERÍA

E VA L U A C I Ó N P R E L I M I N A R D E P E L I G R O S G E O L Ó G I C O S :

Á R E A D E L A C I U D A D D E A R A U C OREGIÓN DEL BIOBÍO

MAPA 5-1:

PELIGRO DE REMOCIONES EN MASA

Mónica Marín D.Miguel Ortiz L.

María F. Falcón H.Manuel Arenas A.

2010

S U B D I R E C C I Ó N N A C I O N A L D E G E O L O G Í A

INFORME REGISTRADO IR-10-4340 MAPAS

CHILLÁN

72º00'

37º00'

CONCEPCIÓN

Escala 1:10.000

DISEÑO DE UN SISTEMA DE MONITOREO PILOTO DE REMOCIONES EN MASA EN LA CUENCA DEL ESTERO

SAN ALFONSO, COMUNA SAN JOSÉ DE MAIPO, REGIÓN METROPOLITANA

Antonio Muñoz MuñozMónica Marín David

Juan Enrique Galecio V.Camila Osorio N.

DISEÑO DE UN SISTEMA DE MONITOREO PILOTO DE REMOCIONES EN MASA EN LA CUENCA DEL ESTERO SAN ALFONSO, COMUNA SAN JOSÉ DE MAIPO, REGIÓN METROPOLITANA

INFORME REGISTRADO IR-18-69Inscripción No. 296.589© Servicio Nacional de Geología y Minería, Avda. Santa María 0104, Casilla 10465, Santiago, Chile.Director Nacional (S): Alfonso Domeyko L.Subdirector Nacional de Geología (S): Felipe Espinoza G.Derechos reservados. Prohibida su reproducción.

EdiciónEste informe no ha sido editado en conformidad con los estándares y/o nomenclatura de la Subdirección Nacional de Geología, del Servicio Nacional de Geología y Minería.Revisado por: Carolina Espinoza y Alejandro Alfaro, geólogos del Departamento de Geología Aplicada del SERNAGEOMIN; y Scarlett Vásquez, del Instituto Nacional de Hidráulica

Referencia bibliográficaMuñoz, A.; Marín, M.; Galecio, J.E.; Osorio C. 2018. Diseño de un sistema de monitoreo piloto de remociones en masa en la cuenca del estero San Alfonso, comuna San José de Maipo, región Metropolitana. Servicio Nacional de Geología y Minería en colaboración con Instituto Nacional de Hidráulica (INH). Informe Registrado IR-18-69, 131 p. Santiago.

ii

Resumen

En la cuenca del estero San Alfonso han ocurrido a lo menos 5 eventos importantes de remociones

en masa en los últimos 20 años, siendo los de mayor relevancia los con flujos de detritos

(aluviones) desencadenados por lluvias intensas (asociados a tormentas convectivas), tales como

los ocurridos el 21 de enero de 2013 y el 25 de febrero de 2017. Estos provocaron cortes del

suministro de agua potable en la región Metropolitana de Santiago, cortes de tránsito en la ruta G-

25 y la destrucción total del puente San Alfonso.

En virtud de la recurrencia de aluviones en la cuenca del estero San Alfonso y el gran impacto que

han causado en la población, en esta cuenca es necesario desarrollar un sistema de monitoreo

piloto (SMP) de estos procesos.

Sobre la base de lo anterior, en este trabajo se elabora el diseño de un SMP de remociones en

masa, enfocado en aluviones, para el cual se estiman los costos asociados a su implementación,

se especifican las variables a monitorear, los sensores a utilizar, junto con un análisis de

aplicabilidad y ubicación. Adicionalmente se discute las opciones de transmisión de datos

disponibles.

Para elaborar el diseño del (SMP), este trabajo contempla una síntesis del conocimiento actual de

remociones en masa (enfocado en aluviones), el levantamiento de la línea de base geológica y de

amenaza de la cuenca del estero San Alfonso, un análisis hidrometeorológico de la parte alta de

la cuenca del río Maipo con énfasis en el área de estudio, junto a la investigación de sistemas de

monitoreo y alerta a nivel mundial.

A partir de los resultados se concluye que los sensores más adecuados para el sistema de

monitoreo propuesto corresponden a geófonos, sensores infrasónicos y sensores hidrométricos;

se requiere también, un vehículo aéreo no tripulado (UAV), una estación meteorológica (ubicada

en la cabecera de la cuenca) y una videocámara. Además, para efectos de operación, cada equipo

debe contar con servicios de instalación, mantenimiento, transmisión y visualización de datos. Los

costos estimados alcanzarían los USD $ 200.000, equivalente a 135 millones de pesos

aproximadamente.

iii

Tabla de contenido

1 Introducción ............................................................................................................................... 1

1.1 Justificación del problema propuesto ............................................................................... 1

1.2 Ubicación del área de estudio .......................................................................................... 2

1.3 Objetivos ........................................................................................................................... 3

1.3.1 Objetivo general ........................................................................................................... 3

1.3.2 Objetivos específicos .................................................................................................... 3

1.4 Metodología ...................................................................................................................... 4

2 Remociones en Masa ............................................................................................................... 6

2.1 Definición .......................................................................................................................... 6

2.2 Clasificación ..................................................................................................................... 6

2.3 Remociones en masa tipo flujo ........................................................................................ 8

2.4 Aluviones ........................................................................................................................ 13

2.4.1 Definición .................................................................................................................... 13

2.4.2 Clasificación y granulometría ..................................................................................... 13

2.4.3 Factores condicionantes y desencadenantes ............................................................ 17

2.4.4 Variables físicas de monitoreo ................................................................................... 18

3 Línea base de la cuenca del estero San Alfonso ................................................................... 19

iv

3.1 Catastro de remociones en masa .................................................................................. 19

3.2 Geología y Geomorfología ............................................................................................. 21

3.2.1 Unidades Morfotectónicas Regionales ....................................................................... 21

3.2.2 Geología Regional ...................................................................................................... 22

3.2.3 Geomorfología Local .................................................................................................. 23

3.2.4 Geología Local ........................................................................................................... 24

3.3 Estudio de susceptibilidad de generación de aluviones................................................. 25

3.4 Estudio de peligro y exposición de aluviones ................................................................ 26

4 Análisis hidrometeorológico de la parte alta de la cuenca del río Maipo con énfasis en el estero

San Alfonso .................................................................................................................................... 29

4.1 Antecedentes generales ................................................................................................. 29

4.2 Estaciones meteorológicas ............................................................................................ 30

4.2.1 Estaciones meteorológicas con registro histórico en línea ........................................ 31

4.2.2 Estaciones meteorológicas con registro en tiempo real ............................................. 34

4.3 Estaciones fluviométricas ............................................................................................... 38

4.3.1 Estadísticas fluviométricas con registro histórico en línea ......................................... 38

4.3.2 Estaciones fluviométricas con registro en tiempo real ............................................... 41

4.4 Análisis hidrometeorológico para eventos aluvionales .................................................. 44

v

4.4.1 Evento del 03 de mayo de 1993 ................................................................................. 44

4.4.2 Evento del 11 de junio 1997 ....................................................................................... 46

4.4.3 Evento del 13-14 de octubre de 1997 ........................................................................ 48

4.4.4 Evento del 21 de enero de 2013 ................................................................................ 50

4.4.5 Evento del 25 de febrero de 2017 .............................................................................. 53

4.4.6 Evento del 20 de abril de 2017 ................................................................................... 55

4.5 Factores desencadenantes de aluviones en la cuenca del estero San Alfonso ............ 58

5 Sistemas de monitoreo y de alerta de aluviones .................................................................... 61

5.1 Tipos de sistemas de monitoreo y de alerta de aluviones ............................................. 61

5.2 Sistemas de monitoreo existentes en el mundo ............................................................ 63

5.2.1 Asia ............................................................................................................................. 63

5.2.2 Estados Unidos .......................................................................................................... 64

5.2.3 Europa ........................................................................................................................ 65

5.2.4 Argentina .................................................................................................................... 67

5.2.5 Perú ............................................................................................................................ 68

5.2.6 Colombia .................................................................................................................... 69

5.2.7 Chile............................................................................................................................ 71

5.3 Sensores de monitoreo .................................................................................................. 72

vi

5.3.1 Sensores meteorológicos ........................................................................................... 72

5.3.2 Sensores de monitoreo de aluviones ......................................................................... 76

5.4 Redes de transmisión de datos ...................................................................................... 90

5.4.1 Medios guiados .......................................................................................................... 91

5.4.2 Redes inalámbricas .................................................................................................... 93

6 Propuesta de diseño del sistema de monitoreo piloto de aluviones en la cuenca del estero San

Alfonso .......................................................................................................................................... 100

6.1 Sensores de monitoreo a implementar ........................................................................ 100

6.2 Transmisión de datos ................................................................................................... 109

6.3 Estimación de costos.................................................................................................... 113

7 Conclusiones y recomendaciones ........................................................................................ 115

8 Referencias ........................................................................................................................... 118

vii

Índice de Figuras

Figura 1.1. Ubicación y estaciones meteorológicas de la DGA, cercanas al área de estudio.

Elaboración propia. .......................................................................................................................... 3

Figura 2.1. Tipos de remociones en masa, según Cruden y Varnes (1996). a) Caída, b)

Volcamiento, c) Deslizamiento, d) Propagación lateral, e) Flujo. .................................................... 8

Figura 2.2. Ejemplos de a) avalancha de roca, b) flujo seco de arena y c) cono de deyección

producido por flujos secos de detritos. Modificado de Hungr et al. (2014). ..................................... 9

Figura 2.3. Ejemplos de a) deslizamiento por flujo de arena/limo/detritos y b) deslizamiento por

flujo de arcilla sensitiva. Tomado de Hungr et al. (2014). .............................................................. 10

Figura 2.4. Ejemplos: a) flujo de detritos (Muñoz, 2016); y b) flujo de barro (Hauser, 2002). ....... 11

Figura 2.5. Ejemplos: a) flujo hiperconcentrado; y b) avalancha de detritos, según Hauser (2002) y

Hungr et al. (2014), respectivamente. ............................................................................................ 12

Figura 2.6. Ejemplos: a) flujo de tierra; y b) flujo de turba, según Hungr et al. (2014) y Dykes y

Warburton (2007), respectivamente. .............................................................................................. 12

Figura 2.7. a) Clasificación de aluviones mediante concentración volumétrica (Cv) y granulometría;

b) Tipos y tamaños de partículas sólidas de Udden-Wentworth útiles para describir aluviones.

Elaboración propia. ........................................................................................................................ 16

Figura 2.8. Corte esquemático típico de un flujo de detritos. Frente con bloques de un pulso del

flujo de detritos (diagrama de Pierson, 1986). Tomado de Proyecto Multinacional Andino (2007).

........................................................................................................................................................ 17

Figura 3.1. a) Catastro de remociones en masa en la parte alta de la cuenca del río Maipo (o

subcuenca río Maipo Alto) según SERNAGEOMIN (2018); b) Activaciones recientes de flujos en

la cuenca del estero San Alfonso según Muñoz (2018). ............................................................... 19

viii

Figura 3.2. Trayectoria de flujo y depósito del evento del 25 de febrero de 2017. Recuadro rojo

corresponde a la imagen de la derecha. Tomado de Muñoz (2018). ............................................ 20

Figura 3.3. Segmentación morfoestructural del Orógeno Andino entre los 32° S y los 35° S. El

recuadro blanco encierra el área estudiada. Modificado de Quiroga (2013). ................................ 21

Figura 3.4. Mapa geológico regional adaptado por Fock (2005) de la Hoja de Santiago 1:250.000

(Thiele, 1980). El recuadro negro encierra el área de estudio. Los recuadros rojos indican la

geología regional involucrada en este estudio. Modificado de Fock (2005). ................................. 22

Figura 3.5. Mapa geomorfológico de la cuenca del estero San Alfonso. Escala 1:20.000. Tomado

de Muñoz (2018). ........................................................................................................................... 23

Figura 3.6. Mapa geológico de la cuenca del estero San Alfonso. Escala 1:20.000. Tomado de

Muñoz (2018). ................................................................................................................................ 24

Figura 3.7. Mapa de susceptibilidad de aluviones de la cuenca del estero San Alfonso. Escala

1:20.000. Tomado de Muñoz (2018). ............................................................................................. 25

Figura 3.8. Mapa de amenaza de flujos de detritos de la cuenca del estero San Alfonso. Escala

1:20.000. La flecha azul indica la junta entre las tres subcuencas de mayor altitud. Modificado de

Muñoz (2018). ................................................................................................................................ 27

Figura 3.9. Distribución de edificaciones en áreas amenazadas por flujos de detritos en la cuenca

del estero San Alfonso, Elaborado en base a Muñoz (2018).. ...................................................... 28

Figura 4.1. Vigencia de estaciones meteorológicas y fluviométricas en la parte alta de la cuenca

del río Maipo. El polígono rojizo muestra la cuenca del estero San Alfonso. Elaborado en base a

información de la DGA (2018 a y b) y DMC (2018). ...................................................................... 30

Figura 4.2. Variables de medición y registro de datos de las estaciones meteorlógicas DGA y DMC.

Elaborado en base a información de la DGA (2018b) y DMC (2018). ........................................... 31

Figura 4.3. Operatividad de estaciones pluviométricas con registros diarios (azul) y aluviones en la

cuenca del estero San Alfonso (línea roja punteada). Elaborado en base a información de la DGA

(2018b) y Muñoz (2018). ................................................................................................................ 32

ix

Figura 4.4. Operatividad de estaciones que miden temperatura (azul) y aluviones en la cuenca del

estero San Alfonso (línea roja punteada). Elaborado en base a información de la DGA (2018b) y

Muñoz (2018). ................................................................................................................................ 33

Figura 4.5. Estaciones meteorológicas cercanas al estero San Alfonso. Elaborado en base a

información de la DGA (2018b). ..................................................................................................... 34

Figura 4.6. Ubicación de estaciones meteorológicas con registro en tiempo real. Elaborado en base

a información de la DGA (2018a). .................................................................................................. 35

Figura 4.7. Variables de medición y registro de datos de las estaciones fluviométricas DGA.

Elaborado en base a información de la DGA (2018b). .................................................................. 39

Figura 4.8. Operatividad de estaciones fluviométricas con registros diarios (azul) y aluviones en la


(2018b) y Muñoz (2018). ................................................................................................................ 40

Figura 4.9. Estaciones fluviométricas cercanas al Estero San Alfonso. Elaborado en base a

información de la DGA (2018b). ..................................................................................................... 41

Figura 4.10. Ubicación de estaciones meteorológicas en tiempo real. Elaborado en base a

información de la DGA (2018a). ..................................................................................................... 42

Figura 4.11. Serie de tiempo para evento aluvional del 03 de mayo de 1993, en la subcuenca alta

del río Maipo. Caudal en las estaciones DGA, del Río Maipo en El Manzano (línea azul continua)

y Río Maipo en San Alfonso (línea azul punteada). Isoterma 0 °C de radiosonda Quintero DMC

(línea verde). Precipitación en estación DGA, El Yeso Embalse (barra gris) y temperatura del aire

en el nivel de 700 hPa (~3.000 m s.n.m.) sobre la zona Central de Chile. Elaborado en base a

datos NCEP Reanalysis data de NOAA/OAR/ESRL PSD. ............................................................ 46

Figura 4.12. Serie de tiempo para evento aluvional del 11 de junio de 1997, en la subcuenca alta


y Río Maipo en San Alfonso (línea azul punteada). Isoterma 0 °C de radiosonda Quintero DMC

(línea verde). Precipitación en estación DGA, El Yeso Embalse (barra gris) y temperatura del aire

en el nivel de 700 hPa (~3.000 m s.n.m.) sobre la zona Central de Chile. Elaborado en base a


x

Figura 4.13. Serie de tiempo para evento aluvional del 13-14 de octubre de 1997, en la subcuenca

alta del río Maipo. Caudal en las estaciones DGA, del Río Maipo en El Manzano (línea azul

continua) y Río Maipo en San Alfonso (línea azul punteada). Isoterma 0 °C de radiosonda Quintero

DMC (línea verde). Precipitación en estación DGA, El Yeso Embalse (barra gris) y temperatura del

aire en el nivel de 700 hPa (~3.000 m s.n.m.) sobre la zona Central de Chile. Elaborado en base a


Figura 4.14. Serie de tiempo para evento aluvional del 21 de enero de 2013, en la subcuenca alta


y Río Maipo en San Alfonso (línea azul punteada). Isoterma 0 °C de radiosonda Santo Domingo




Figura 4.15. Serie de tiempo para el evento aluvional del 25 de febrero de 2013, en la subcuenca

alta del río Maipo. Caudal en las estaciones DGA, del Río Maipo en El Manzano (línea azul

continua) y Río Maipo en San Alfonso (línea azul punteada). Isoterma 0 °C de radiosonda Santo

Domingo DMC (línea verde). Precipitación en estación DGA, El Yeso Embalse (barra gris) y

temperatura del aire en el nivel de 700 hPa (~3.000 m s.n.m.) sobre la zona Central de Chile.

Elaborado en base a datos NCEP Reanalysis data de NOAA/OAR/ESRL PSD. ......................... 55

Figura 4.16. Serie de tiempo para el evento aluvional del 20 de abril de 2017, en la subcuenca alta


y Río Maipo en San Alfonso (línea azul punteada). Isoterma 0 °C de radiosonda Santo Domingo




Figura 4.17. (a) Representación esquemática de las condiciones meteorológicas durante sistemas

frontales y (b) tormentas convectivas. Modificado de Viale y Garreaud (2014). ........................... 59

Figura 4.18. Elevación de la isoterma 0 °C como factor desencadenante de aluviones en la cuenca

del estero San Alfonso. Elaboración propia. .................................................................................. 60

Figura 5.1. Sistemas de monitoreo y de alerta de aluviones. Elaboración propia. ........................ 62

xi

Figura 5.2. Niveles de certeza y acciones a tomar para cada sistema de alerta de aluviones.

Elaboración propia. ........................................................................................................................ 63

Figura 5.3. a) Sensores de monitoreo; b) red de transmisión de datos comúnmente utilizados en

China y Japón. Modificado de Yin (2012); c) Ejemplo de monitoreo de flujos de detritos en el estero

Kamikamihorizawa del Monte Yakedake, Japón; d) Estaciones meteorológicas sobre la zona de

arranque; e) Sensor ultrasónico sobre la vía aluvional; y f) Videocámara en el abanico aluvial.

Modificado de Suwa et al. (2011). .................................................................................................. 64

Figura 5.4. a) Mapa que muestra la instrumentación de la cuenca del estero Chalk, Estados Unidos.

Los símbolos indican la instalación de pluviógrafo (R), sensor de presión (PT), sensor ultrasónico

(US), celdas de carga (FP), sensor de humedad de suelo (SM), videocámara (VC) y cámara fija

(SC); b) Videocámara; y c) Sensor ultrasónico. Modificado de Coe et al. (2010). ........................ 65

Figura 5.5. Detección automática de flujos de detritos e hiperconcentrados en base a una

combinación de infrasonidos y señales sísmicas. a) Resumen del sistema, b) Ejemplo de ubicación

de sensor infrasónico, geófono, sensor de radar y videocámara; y c) Ejemplo de sensores

instalados. Modificado de Schimmel y J. Hübl (2015). .................................................................. 67

Figura 5.6. Redes constitutivas del SATCAD. LMNI: limnimétrica; PLUDAN: pluviométrica; SISMI:

sísmica; METEO: meteorológica; GEO: geodinámicas; TELE: telemáticas; AAA: avisos; alertas y

alarmas; DATA: datos de respaldo; y CLC: centro local de control. Tomado de Pastor (2014). .. 68

Figura 5.7. Esquema del funcionamiento de la red de estaciones del SENAMHI. Tomado de Chira

y Kuroiwa (2017). ........................................................................................................................... 69

Figura 5.8. Roles de principio a fin para los ejecutores de los SAT. Tomado de UNGRD (2016).70

Figura 5.9. Funcionamiento de la plataforma de monitoreo. Tomado de Vásquez (2017). .......... 72

Figura 5.10. Pluviómetro instalado en la cumbre de un área de generación de flujos de detritos.

Tomada de Cavalli et al. (2013). .................................................................................................... 73

Figura 5.11. Estación meteorológica. Tomada de Fernández y Rodríguez (2016). ...................... 74

xii

Figura 5.12. Sensor de radar y los retos en relación a la instalación en terrenos complejos. Tomado

de NOAA (2012). ............................................................................................................................ 74

Figura 5.13. Satélites meteorológicos. Modificado de NOAA (2018). ............................................ 75

Figura 5.14. Videocámara instalada para grabar aluviones. Modificado de USGS (2018). .......... 77

Figura 5.15. Sensor de cables instalado para monitorear flujos de detritos. Tomado de Arattano y

Marchi (2008). ................................................................................................................................ 78

Figura 5.16. Sensor de péndulo instalado para monitorear flujos de detritos. Tomado de Cavalli et

al. (2013). ....................................................................................................................................... 78

Figura 5.17. Fotoceldas instaladas para medir velocidad de flujos de detritos. Tomado de Bettella

et al. (2015). ................................................................................................................................... 79

Figura 5.18. Sensor de radar y sensor ultrasónico instalados para monitorear flujos de detritos.

Tomado de Cavalli et al. (2013). .................................................................................................... 80

Figura 5.19. Sensor láser instalado para medir velocidad y altura de flujo. Tomado de RSHYDRO

(2018). ............................................................................................................................................ 81

Figura 5.20. a) Vehículos aéreos no tripulados para mapear aluviones según Adams et al. (2016);

b) Monitoreo de la dinámica de un deslizamiento, expuesto por Turner et al. (2015); y c) Mapeo de

la trayectoria de un flujo de detritos, realizado por Adams et al. (2016) utilizando vehículos aéreos

no tripulados. .................................................................................................................................. 82

Figura 5.21. a) GPS diferencial (Global Navigation Satellite System, GNSS); y b) Conexión de

GNSS con un vehículo aéreo no tripulado para generar DEMs. Según cotización n°180636 de

UAVSensefly para SERNAGEMÍN (2018). .................................................................................... 83

Figura 5.22. Sensor integrado para caídas de rocas que sigue el mismo principio para flujos de

detritos. Tomado de WSL (2018). .................................................................................................. 83

Figura 5.23. Sensor infrasónico utilizado para monitorear flujos de detritos. Tomado de Schimmel

y Hübl (2015). ................................................................................................................................. 84

xiii

Figura 5.24. Geófono utilizado para monitorear flujos de detritos. Tomado de Schimmel y Hübl

(2015). ............................................................................................................................................ 85

Figura 5.25. Sensor sísmico (sismómetro). Tomado de CSN (2018). ........................................... 85

Figura 5.26. Acelerómetro. Tomado de CSN (2018). .................................................................... 86

Figura 5.27. Esquema de sensor de presión instalado para monitorear flujos de detritos. Modificado

de Genevois et al. (2000). .............................................................................................................. 87

Figura 5.28. Dispositivos para medir fuerzas de carga horizontal basadas en resistencia de

medidores de deformación. Tomada de Scheidl et al. (2013). ...................................................... 87

Figura 5.29. Celdas de carga utilizadas para el estudio de flujos de detritos. Tomada de Scheidl et

al. (2013). ....................................................................................................................................... 88

Figura 5.30. Cable de pares (izquierda) y multipares (derecha). Tomada de Estepa (2004). ...... 91

Figura 5.31. Cable coaxial. Tomada de Estepa (2004). ................................................................ 92

Figura 5.32. Fibra óptica. Tomada de Estepa (2004). ................................................................... 92

Figura 5.33. Esquema generalizado de transmisión de un sistema de monitoreo mediante

radiofrecuencia. Elaboración propia. .............................................................................................. 97

Figura 5.34. Esquema de funcionamiento simplificado de un sistema satelital. Modificado de

Sotomayor (2012). .......................................................................................................................... 98

Figura 6.1. Ejemplo de umbrales de precipitación local de flujos de detritos en una determinada

área para un sistema de alerta anticipado (SAA). Tomado de Arattano y Marchi (2008). .......... 101

Figura 6.2. Ubicación propuesta para la estación meteorológica. Imagen de Google Earth.

Elaboración propia. ...................................................................................................................... 101

Figura 6.3. Ubicación propuesta para la videocámara. Elaboración propia. ............................... 102

xiv

Figura 6.4. a) Deslizamientos que pueden represar el estero San Alfonso; b) Dinámica de un

deslizamiento con el uso de un UAV (Turner et al., 2015); c) Mapeo de trayectoria del aluvión

ocurrido el 25 de febrero de 2017 en el estero San Alfonso; y d) Mapeo cuantitativo de zonas de

erosión y depositación en la trayectoria de un aluvión usando un UAV (Adams et al., 2016). ... 103

Figura 6.5. Comparación entre el hidrograma y el gráfico de amplitud vs. el tiempo de un flujo de

detritos. Notar que la amplitud está en micrómetros (10-6 m). Tomado de Arattano et al. (2014).

...................................................................................................................................................... 104

Figura 6.6. Las formas típicas de la señal sísmica producida por un aluvión; a) Flujo de detritos y

b) Flujo hiperconcentrado, procesadas mediante el método de los impulsos (en IMP/S) (Modificado

de Abancó et al., 2014); y c) Flujo de lodo mediante el método de amplitud (en µm/s) (Modificado

de Turconi et al., 2015). Solo las escalas gráficas son comparables entre sí, pues la magnitud de

los eventos no lo son. ................................................................................................................... 105

Figura 6.7. Señal infrasónica de un flujo de detritos en Lattenbach, Suiza. a) Serie de tiempo de

infrasonido; b) Amplitud promedio de cuatro bandas de frecuencia de la señal infrasónica; y c)

Espectro de la señal infrasónica. Modificado de Schimmel y Hübl (2015). ................................. 106

Figura 6.8. Propuesta de ubicación de sensores en la parte baja de la cuenca del estero San

Alfonso. La flecha roja indica la última curva estrecha, aguas abajo del estero San Alfonso.


Figura 6.9. Ubicación de sensores a utilizar. Elaboración propia. ............................................... 108

Figura 6.10. Cobertura de los distintos servicios de telefonía móvil de la compañía Entel Chile S.A.

Tomado de NPERF (2018). .......................................................................................................... 110

Figura 6.11. Ejemplo de red de comunicación radial simulada con Radio Mobile desde Repetidora

1. Visualizada en Google Earth. Elaboración propia.................................................................... 111

Figura 7.1. Etapas del sistema de monitoreo piloto y su propuesta de continuidad para la cuenca

del río Maipo. Elaboración propia................................................................................................. 117

xv

Índice de Tablas

Tabla 2.1. Nuevo sistema de clasificación de Varnes. Modificado de Hungr et al. (2014). ............. 6

Tabla 2.2. Escala de velocidades de remociones en masa. Modificado de Cruden y Varnes (1996).

.......................................................................................................................................................... 7

Tabla 2.3. Descripción de tipos de aluviones e inundación. Descarga máxima con respecto a una

inundación (Qpf) y concentración volumétrica típica (Cv). Elaboración propia. .............................. 13

Tabla 2.4. Ejemplo de factores condicionantes de remociones en masa. Modificado de Lara (2007).

........................................................................................................................................................ 17

Tabla 2.5. Variables físicas para el monitoreo de remociones en masa (enfocado en aluviones) y

su desencadenante meteorológico. Elaboración propia. ............................................................... 18

Tabla 3.1. Eventos declarados en la desembocadura del estero San Alfonso. Modificado de Muñoz

(2016). ............................................................................................................................................ 20

Tabla 3.2. Criterios para la zonificación según grados de amenaza por aluviones en la cuenca del

estero San Alfonso. Tomado de Muñoz (2018). ............................................................................ 26

Tabla 4.1. Variables de medición en estaciones meteorológicas satelitales de la DGA. Elaborado

en base a información de la DGA (2018a). .................................................................................... 36

Tabla 4.2. Variables de medición en estaciones fluviométricas satelitales DGA. Elaborado en base

a información de la DGA (2018a). .................................................................................................. 43

Tabla 4.3. Detalle de información hidrometeorológica en la parte alta de la cuenca del río Maipo,

para el evento aluvional del 03 de mayo de 1993.......................................................................... 45


para el evento aluvional del 11 de junio de 1997. .......................................................................... 47

xvi


para el evento aluvional del 13 y 14 de octubre de 1997. ............................................................. 49


para el evento aluvional del 21 de enero de 2013. ........................................................................ 51


para el evento aluvional del 25 de febrero de 2017. ...................................................................... 54


para el evento aluvional del 20 de abril de 2017............................................................................ 56

Tabla 4.9. Resumen de precipitación diaria y altitud de isoterma 0 °C para los aluviones ocurridos

en el estero San Alfonso, desde 1993 al 2017. ............................................................................. 58

Tabla 5.1. Sensores que permiten medir variables meteorológicas. Elaboración propia. ............. 75

Tabla 5.2. Velocidad de transmisión necesaria según el tipo de video a grabar. Elaboración propia.

........................................................................................................................................................ 77

Tabla 5.3. Sensores que permiten medir variables físicas de un aluvión. Modificado de Itakura et

al. (2005). ....................................................................................................................................... 89

Tabla 5.4. Comparación de características generales de transmisión de medios guiados.

Modificado de Stallings (2004). ...................................................................................................... 93

Tabla 5.5. Comparación de las principales características de transmisión entre servicios de

telefonía móvil. Elaboración propia. ............................................................................................... 95

Tabla 5.6. Nomenclatura de las bandas de frecuencia. Modificado de Mejía (2013). ................... 96

Tabla 6.1. Comparación entre las opciones analizadas para la red de transmisión de datos para

un sistema de monitoreo de remociones en masa en la cuenca del estero San Alfonso. Elaboración

propia. ........................................................................................................................................... 112

xvii

Tabla 6.2. Intervalos de transmisión de datos esperados para cada tipo de instrumento de

monitoreo a instalar en la cuenca del estero San Alfonso. Modificado de Comiti et al. (2014). .. 113

Tabla 6.3. Instrumentos de monitoreo cotizados. Elaboración propia. ........................................ 113

Tabla 6.4. Estimación de costos del sistema de monitoreo piloto. Conversión, 1 $US = 685 $CLP.


Tabla 7.1. Relación de isoterma 0 °C con posibilidad de ocurrencia de aluviones en la parte alta

de la cuenca del río Maipo para días lluviosos. Elaboración propia. ........................................... 116

1

1 Introducción

1.1 Justificación del problema propuesto

A lo largo de la historia, los desastres originados por procesos de remoción en masa en Chile han

provocado numerosas pérdidas de vidas humanas (Marín et al., 2018), infraestructura, cortes de

rutas y un notable deterioro en la calidad de vida de la población involucrada. Dentro de estos

procesos, los de tipo flujo, comúnmente llamados aluviones según UNISDR (2016), son la

amenaza de mayor impacto a nivel global.

Según Marín et al. (2018), entre 1928 y 2017 la mayoría de las víctimas fatales causadas por

remociones en masa en Chile han sido por aluviones, mientras que, por otro lado, las pérdidas

económicas totales en dicho periodo aún no han sido calculadas. Sin embargo, se sabe que solo

los aluviones ocurridos el año 2015 en el norte de Chile causaron pérdidas del orden de USD $

3,1 billones (UNISDR, 2016).

Según los registros de SERNAGEOMIN, entre 1928 y 2017, en la región Metropolitana han

fallecido 139 personas por remociones en masa, de las cuales 101 fueron a causa de flujos (Marín

et al., 2018), lo cual deja de manifiesto la alta vulnerabilidad que presenta la región frente este tipo

de fenómenos, debido a la magnitud, frecuencia y daños que estos muestran.

En la parte alta de la cuenca del río Maipo existen registros de numerosos eventos de remociones

en masa asociados principalmente a flujos de detritos, los cuales han causado gran impacto en la

población, con la pérdida de 54 vidas humanas, corte en el suministro de agua potable. Esto ha

generado daños importantes en la infraestructura de la comuna de San José de Maipo, tales como

cortes de caminos, destrucción de casas y puentes, lo que ha aislado a sectores importantes de

dicha localidad. En este escenario se hace urgente conocer el alcance y la magnitud que pueden

tener las remociones en masa y, así mismo, se hace necesaria la implementación de sistemas de

alerta temprana fundamentales para resguardar la seguridad de la población que vive en las áreas

expuestas a estos procesos.

En particular, en la cuenca del estero San Alfonso, los aluviones recientes como los ocurridos el

21 de enero de 2013, y los del 25 de febrero y el 20 de abril de 2017, si bien no han cobrado

víctimas fatales, sí han ocasionado la pérdida de infraestructura, conectividad vial y corte en el

2

suministro de agua potable (que ha afectado a millones de personas; Sepúlveda et al., 2014). El

evento de mayor magnitud registrado en los últimos años fue el flujo de detritos ocurrido el 25 de

febrero de 2017, el cual destruyó por completo el puente del estero San Alfonso y dejó

completamente aislados a poblados como El Ingenio, San Gabriel, Las Melosas, El Romeral y

Baños Morales, entre otros.

En virtud de lo anteriormente expuesto, este trabajo se enfoca en diseñar un sistema de monitoreo

de remociones en masa en la cuenca del estero San Alfonso, que tras su implementación se

espera que tenga los siguientes beneficios para la comunidad:

1. Promover el conocimiento del riesgo frente a eventos de remociones en masa y una cultura

para el uso responsable y seguro del territorio.

2. Reducir las condiciones de riesgos de las personas expuestas al alcance de aluviones,

por medio de la intervención comunitaria.

3. Fortalecer la institucionalidad regional para potenciar la coordinación de organismos

públicos vinculados con la gestión del riesgo.

4. Contribuir en la mejora de la seguridad vial.

5. Mejorar las condiciones de calidad de vida de las personas cercanas a la cuenca del estero

San Alfonso.

6. Disminuir los posibles daños causados por el impacto de un aluvión.

1.2 Ubicación del área de estudio

El área de estudio corresponde a la cuenca y abanico aluvial del estero San Alfonso, la que está

ubicada en la parte alta de la cuenca del río Maipo, en comuna de San José de Maipo, provincia

Cordillera, de la región Metropolitana de Santiago. La cuenca en estudio tiene una dimensión de

21 km2 aproximadamente, su altitud varía entre 1.100 y 3.600 m s.n.m. y su descarga ocurre en el

kilómetro 48 de la ruta G-25, donde se ubica su puente homónimo. En la Figura 1.1 se muestra la

ubicación del área de estudio junto a las estaciones meteorológicas de la Dirección General de

Aguas (DGA) más cercanas.

3

Figura 1.1. Ubicación y estaciones meteorológicas de la DGA, cercanas al área de estudio.

Elaboración propia.

1.3 Objetivos

1.3.1 Objetivo general

Diseñar un sistema de monitoreo piloto (SMP) de remociones en masa enfocado a los flujos en la

cuenca del estero San Alfonso, de la comuna de San José de Maipo perteneciente a la región

Metropolitana.

1.3.2 Objetivos específicos

1. Identificar las variables físicas que deben ser consideradas en el monitoreo de aluviones.

2. Establecer la línea base geológica y de amenaza de remociones en masa de la cuenca

del estero San Alfonso.

4

3. Realizar un análisis hidrometeorológico de la parte alta de la cuenca del río Maipo con

énfasis en la cuenca del estero San Alfonso.

4. Seleccionar los sensores de monitoreo a utilizar, analizar su aplicabilidad y definir su

ubicación en la cuenca del estero San Alfonso.

5. Analizar las opciones de transmisión de datos que se adapten las condiciones de la cuenca

del estero San Alfonso.

6. Estimar los costos para disponer de un sistema de monitoreo en la cuenca del estero San

Alfonso.

1.4 Metodología

La primera etapa de este trabajo consiste en una síntesis del conocimiento actual sobre

remociones en masa enfocado en flujos, la cual se utiliza como base para definir y caracterizar los

aluviones y determinar sus variables físicas de monitoreo.

La segunda etapa corresponde al levantamiento de la línea base geológica y de amenaza de

remociones en masa de la cuenca del estero San Alfonso, cuyo punto de partida está en el trabajo

de Muñoz (2018). Se incluye, también en esta etapa, el catastro de remociones en masa, la

geomorfología, la geología, la susceptibilidad de generación de aluviones, la exposición y el peligro

de aluviones.

La tercera etapa, desarrollada principalmente por el equipo del Instituto Nacional de Hidráulica

(INH), consta de un análisis hidrometeorológico de la parte alta de la cuenca del río Maipo con

énfasis en el estero San Alfonso. En esta fase se levanta información meteorológica y

fluviométrica, la que está disponible en línea en las páginas web de la Dirección General de Aguas

(DGA, 2018a; DGA, 2018b) y la Dirección Meteorológica de Chile (DMC, 2018). Además, en esta

etapa se describe la situación hidrometeorológica de los aluviones ocurridos en el estero San

Alfonso y se analizan sus factores desencadenantes.

La cuarta etapa está orientada a la recopilación de información y al análisis de métodos de

monitoreo y alerta temprana asociado a aluviones. En esta fase se clasifican y sintetizan los

distintos tipos de sistemas de monitoreo existentes en el mundo y, se describen los sensores y las

redes de transmisión de datos aplicables a la zona de estudio.

5

Finalmente se elabora el diseño del sistema de monitoreo piloto (SMP) de remociones en masa

(enfocado en aluviones) en la cuenca del estero San Alfonso. En este diseño se especifican los

sensores a utilizar, junto con un análisis de aplicabilidad y distribución; se discute sobre las

opciones de transmisión de datos disponibles para el monitoreo y; finalmente se estiman los costos

asociados para la implementación del SMP.

6

2 Remociones en Masa

2.1 Definición

Los fenómenos de remoción en masa son procesos de transporte de material, definidos como

aquellos movimientos ladera abajo de una masa de roca, detritos, regolito o de tierras, que son

fundamentalmente afectados por la gravedad (Cruden, 1991; Proyecto Multinacional Andino, 2007;

Muñoz, 2018).

2.2 Clasificación

En este trabajo se adhiere a la clasificación propuesta por Hungr et al. (2014), la cual consiste en

una actualización del Sistema de Clasificación de Varnes (1978). Dicha clasificación se basa en el

tipo de movimiento y material movilizado, ya sea suelo o roca. Esta información se resume en la

Tabla 2.1. Además, en la Tabla 2.2 se muestra la escala de velocidades propuesta por Cruden y

Varnes (1996), útil para describir la velocidad de cada tipo de remoción en masa.

Tabla 2.1. Nuevo sistema de clasificación de Varnes. Modificado de Hungr et al. (2014).

Tipo de

movimiento Roca Suelo

Caída 1. Caída de roca/hielo 2. Caída de boulder/detritos/limo

Volcamiento 3. Volcamiento en bloque de roca 5. Volcamiento de grava/arena/limo

4. Volcamiento flexural de roca

Deslizamiento

6. Deslizamiento rotacional de

roca

11. Deslizamiento rotacional de

arcilla/limo

7. Deslizamiento planar de roca 12. Deslizamiento planar de arcilla/limo

8. Deslizamiento de roca en cuña 13. Deslizamento de

grava/arena/detritos

9. Deslizamiento compuesto de

roca

14. Deslizamiento compuesto de

arcilla/limo

10. Deslizamiento irregular de

roca

7

Tipo de

movimiento Roca Suelo

Propagación

lateral

15. Propagación lateral de ladera de

roca

16. Propagación por licuefacción de

arena/limo

17. Propagación lateral de arcilla

sensitiva

Flujo

18. Avalancha de roca/hielo 19. Flujo seco de arena/limo/detritos

20. Deslizamiento por flujo de

arena/limo/detritos 21. Deslizamiento por licuación de

arcilla 22. Flujo de detritos

23. Flujo de lodo

24. Flujo hiperconcentrado

25. Avalancha de detritos

26. Flujo de tierra

27. Flujo de turba

Deformación

de ladera

28. Deformación de ladera de montaña 30. Deformación de ladera de suelo

29. Deformación de ladera de roca 31. Reptación

32. Solifluxión

Tabla 2.2. Escala de velocidades de remociones en masa. Modificado de Cruden y Varnes (1996).

Clases de

velocidad Descripción Velocidad mínima Respuesta humana

7 Extremadamente rápida 5 m/s (18 km/h) Nula

6 Muy rápida 3 m/min (0,18 km/h) Nula

5 Rápida 1,8 m/h Evacuación

4 Moderada 13 m/mes Evacuación

3 Lenta 1,6 m/año Mantenimiento

2 Muy lenta 16 mm/año Mantenimiento

1 Extremadamente lenta - -

8

Figura 2.1. Tipos de remociones en masa, según Cruden y Varnes (1996). a) Caída, b) Volcamiento,

c) Deslizamiento, d) Propagación lateral, e) Flujo.

2.3 Remociones en masa tipo flujo

En este subcapítulo se describe brevemente cada una de las distintas remociones en masa que

exhiben un movimiento tipo flujo (flow-like) en base a Hungr et al. (2014). Es importante tener en

cuenta las velocidades descritas en la Tabla 2.2 para definir cada tipo de remoción en masa.

1. Avalancha de roca/hielo (rock/ice avalanche): es un flujo de gran longitud,

extremadamente rápido de roca/hielo fracturada/o. Generalmente se producen a partir de

un gran deslizamiento o caída de roca/hielo. El hielo de los glaciares suele formar parte

de las avalanchas de hielo y, en ocasiones, una avalancha de roca puede moverse sobre

la superficie de un glaciar. Las velocidades peak alcanzadas por este tipo de remoción en

masa son del orden de 350 km/h, y las velocidades medias pueden estar en el rango de

100-150 km/h (Proyecto Multinacional Andino, 2007). Ver Figura 2.2a.

2. Flujo seco de arena/limo/detritos (sand/silt/debris dry flow): es un flujo lento a rápido

de material granular suelto, de buena o mala selección, que puede estar seco, húmedo o

sumergido sin tener un exceso de presión de poros. Los materiales granulares secos son

movilizados por deslizamientos superficiales a lo largo de extensiones planas. Los flujos

secos de detritos son importantes en la formación de conos de deyección (ver Figura 2.2c),

9

mientras que un flujo seco de arena es un proceso fundamental en la migración de dunas

de arena (Proyecto Multinacional Andino, 2007). Ver Figura 2.2b.

Figura 2.2. Ejemplos de a) avalancha de roca, b) flujo seco de arena y c) cono de deyección

producido por flujos secos de detritos. Modificado de Hungr et al. (2014).

3. Deslizamiento por flujo de arena/limo/detritos (sand/silt/debris/flowslide):

corresponde a un flujo muy rápido a extremadamente rápido de material granular saturado,

de buena o mala selección, que se mueve por taludes de pendiente moderada e involucra

un exceso de presión de poros o licuación del material en la zona donde se origina el

movimiento (in situ). El material puede variar de arena suelta a detritos sueltos (residuos

mineros o rellenos), loess y limo. Estos deslizamientos por flujo implican la licuación del

material que hace parte de la remoción en masa, aunque en general la licuación ocurre

solo después de un desplazamiento importante (Proyecto Multinacional Andino, 2007). Ver

Figura 2.3a.

4. Deslizamiento por flujo de arcilla sensitiva (sensitive clay flowslide): corresponde a

un flujo muy rápido a extremadamente rápido de arcillas sensitivas (quick clays). En su

movilización se producen rápidas pérdidas de esfuerzo, lo que se traduce en la licuación

del material, debido al repentino re-moldeamiento en el contenido de humedad durante

una falla o corte deslizante múltiple. Lo anterior causa que las arcillas sensitivas tengan

un comportamiento similar en su efecto a la licuefacción (ver Figura 2.3b). El movimiento

de algunos deslizamientos por flujo está dominado por la deformación interna del material,

por lo que podrían denominarse mejor como propagaciones laterales extremadamente

rápidas (Proyecto Multinacional Andino, 2007).

10

Figura 2.3. Ejemplos de a) deslizamiento por flujo de arena/limo/detritos y b) deslizamiento por flujo

de arcilla sensitiva. Tomado de Hungr et al. (2014).

5. Flujo de detritos (debris flow): es un flujo muy rápido a extremadamente rápido de

detritos saturados, no plásticos (más del 20% de las partículas superan los 2 mm) que

transcurre principalmente confinado a lo largo de un canal o cauce con pendiente

pronunciada (Proyecto Multinacional Andino, 2007). Presenta un fuerte arrastre de

material, de manera tal que su concentración volumétrica (volumen de partículas sólidas

con respecto al total de la mezcla) normalmente supera el 50% (Costa, 1988). Ver Figura

2.4a.

Cuando un flujo de detritos está en progreso, presenta un frente de flujo (cabeza) que,

según VanDine (1985), puede alcanzar descargas máximas decenas de veces superiores

a una inundación de agua importante. De acuerdo con Solís (1995), la formación del frente

de un flujo de detritos responde a un comportamiento dinámico del mismo y se puede

explicar por dos efectos que ocurren en él. El primero corresponde a la fuerza boyante,

asociada a la diferencia de densidad entre el sólido sumergido y la matriz, con lo cual los

bloques se mantienen en suspensión; mientras que el segundo efecto corresponde a la

fuerza dispersiva, la que es proporcional al diámetro del sedimento, de manera que las

partículas de mayor tamaño son arrastradas a la parte superior del flujo (Muñoz, 2018).

6. Flujo de lodo (mudflow): corresponde a un flujo canalizado, turbulento, muy rápido a

extremadamente rápido de sedimentos plásticos saturados, cuyo contenido de agua es

significativamente mayor al del material de origen (Proyecto Multinacional Andino, 2007) y

presenta un fuerte arrastre de material, de manera tal que la concentración de volumétrica

normalmente supera el 20%. Al igual que un flujo de detritos, cuando está en progreso,

11

muestra un frente de flujo (cabeza) similar a un flujo de detritos, pero contiene mucho

menos material detrítico (más del 80% de las partículas son menores a 2 mm; Varnes,

1978) (Turconi et al., 2015). Ver Figura 2.4b.

Figura 2.4. Ejemplos: a) flujo de detritos (Muñoz, 2016); y b) flujo de barro (Hauser, 2002).

7. Flujo hiperconcentrado o crecida de detritos (debris flood): es un flujo muy rápido a

extremadamente rápido de una crecida de agua que transporta una gran carga de

partículas granulares y transcurre principalmente confinado a lo largo de un canal o cauce

con pendiente pronunciada (Proyecto Multinacional Andino, 2007). Se caracteriza por

presentar una concentración volumétrica que generalmente supera el 20% (Costa, 1988)

y generar descargas máximas dos o tres veces mayores que el de una crecida de agua o

inundación importante. Pueden producirse por eventos excepcionales de descargas de

agua inusualmente altas, como descargas súbitas de agua (flash flood), la liberación súbita

de agua de lagos glaciales (glacial lake outburst flood, GLOF) o subglaciales (jökulhlaups)

y descargas producidas por el rompimiento de presas naturales o artificiales (outburst)

(Hungr, 2005; Proyecto Multinacional Andino, 2007). Ver Figura 2.5a.

8. Avalancha de detritos (debris avalanche): es un flujo no canalizado de detritos

saturados o parcialmente saturados, poco profundos, muy rápidos a extremadamente

rápidos. Estos movimientos comienzan como un deslizamiento superficial de una masa de

detritos que, al desplazarse, sufre una considerable distorsión interna y toma la condición

de flujo (Hungr et al., 2001; Proyecto Multinacional Andino, 2007). Presentan un menor

grado de saturación que los flujos de detritos, y no tienen ordenamiento de la

granulometría del material en sentido longitudinal, ni tampoco un frente de material grueso

en la zona distal (Hungr et al., 2001). Pueden ocurrir a toda escala (ver Figura 2.5b).

12

Figura 2.5. Ejemplos: a) flujo hiperconcentrado; y b) avalancha de detritos, según Hauser (2002) y

Hungr et al. (2014), respectivamente.

9. Flujo de tierra (earthflow): es un flujo intermitente, rápido o lento, de suelo arcilloso y

plástico, facilitado por una combinación de deslizamiento a lo largo de múltiples superficies

de cizalle discretas, y de deformación de cizalle interna. Se moviliza en suelos mixtos,

perturbados y plásticos, los cuales subyacen cerca del Límite Plástico (ver Figura 2.6a).

10. Flujo de turba (peat flow): es un flujo rápido de turba licuada causado por una falla no

drenada, es decir, que involucra una alta presión de poros. La turba es un material

orgánico liviano con grados variables de textura fibrosa. Esta presencia de fibras orgánicas

y granos minerales entregan a la turba un ángulo de fricción interna ligeramente alto en

condiciones drenadas, sin embargo, durante una carga no drenada el alto contenido de

agua hace susceptible el material a un debilitamiento dramático (ver Figura 2.6b).

Figura 2.6. Ejemplos: a) flujo de tierra; y b) flujo de turba, según Hungr et al. (2014) y Dykes y

Warburton (2007), respectivamente.

13

2.4 Aluviones

2.4.1 Definición

Un aluvión se define como un flujo muy rápido a extremadamente rápido (Cruden y Varnes, 1996;

ver Tabla 2.2) que contiene agua y sedimentos de variado tamaño, composición y origen, el cual

fluye confinado a lo largo de un canal o cauce con pendiente pronunciada. Las concentraciones

volumétricas del material sólido con respecto al volumen total de la mezcla normalmente superan

el 20% (Costa, 1988) y puede incluir rocas, material antrópico (autos, casas, basura, etc.) y troncos

de árboles, entre otros. La característica fundamental de un aluvión, que lo diferencia de otros

flujos saturados como las inundaciones, corresponde a una notoria e inusualmente alta descarga

máxima (frente de flujo), lo que se traduce en una mayor energía de impacto.

2.4.2 Clasificación y granulometría

Cuando se emplea el término aluvión se hace referencia a flujos de detritos (debris flow), flujos de

lodo (mudflow) y flujos hiperconcentrados (debris flood). Ejemplo de ellos son las descargas

súbitas de agua (flash flood), la liberación súbita de agua de lagos glaciales (glacial lake outburst

flood, GLOF) o subglaciales (jökulhlaups) y descargas producidas por el rompimiento de presas

naturales o artificiales (outburst) (Hungr, 2005; Proyecto Multinacional Andino, 2007). Los flujos de

origen volcánico son llamados Lahares y su análisis no se incluye en este trabajo (Ver Tabla 2.3).

Cabe destacar que la definición señalada anteriormente, indica que pueden existir flujos de lodo,

hiperconcentrados o de detritos que no cumplan la condición de alta descarga, lo que implica que

estos no corresponderían a aluviones en estricto rigor.

Tabla 2.3. Descripción de tipos de aluviones e inundación. Descarga máxima con respecto a una

inundación (Qpf) y concentración volumétrica típica (Cv). Elaboración propia.

14

Tipos de

flujos Descripción Qpf Cv

Alu

vio

nes

Flu

jo d

e d

etr

itos

(debris f

low

)

Flujo muy rápido a extremadamente rápido de detritos

saturados, no plásticos (más del 20% de las partículas

superan los 2 mm) que transcurre principalmente confinado a

lo largo de un canal o cauce con pendiente pronunciada

(Proyecto Multinacional Andino, 2007). Presenta un fuerte

arrastre de material, de manera tal que su concentración

volumétrica (volumen de partículas sólidas con respecto al

total de la mezcla) normalmente supera el 50% (Costa, 1988).

Cuando está en progreso, muestra un frente de flujo (cabeza)

que, según VanDine (1985), puede alcanzar descargas

máximas decenas de veces superiores a una inundación de

agua importante. De acuerdo con Solís (1995), la formación

del frente de un flujo de detritos responde a un

comportamiento dinámico del mismo, y se puede explicar por

dos efectos que ocurren en él. El primero corresponde a la

fuerza boyante, asociada a la diferencia de densidad entre el

sólido sumergido y la matriz, con lo cual los bloques se

mantienen en suspensión; mientras que el segundo efecto

corresponde a la fuerza dispersiva, la que es proporcional al

diámetro del sedimento, de manera que las partículas de

mayor tamaño son arrastradas a la parte superior del flujo

(Muñoz, 2018).

>10

veces >50%

Flu

jo d

e lodo (

mudflow

)

Flujo canalizado, turbulento, muy rápido a extremadamente

rápido de sedimentos plásticos saturados, cuyo contenido de

agua es significativamente mayor al del material de origen

(Proyecto Multinacional Andino, 2007) y presenta un fuerte

arrastre de material, de manera tal que la concentración

volumétrica normalmente supera el 20%. Al igual que un flujo

de detritos, cuando está en progreso, muestra un frente de

flujo (cabeza) similar a un flujo de detritos, pero contiene

mucho menos material detrítico (más del 80% de las

partículas son menores a 2 mm; Varnes, 1978) (Turconi et al.,

2015).

>2

veces >20%

15

Tipos de

flujos Descripción Qpf Cv

Alu

vio

nes

Flu

jo h

iperc

once

ntr

ad

o

(debris f

loo

d)

Flujo muy rápido a extremadamente rápido de una crecida de

agua que transporta una gran carga de partículas granulares

y transcurre principalmente confinado a lo largo de un canal o

cauce con pendiente pronunciada (Proyecto Multinacional

Andino, 2007). Se caracteriza por presentar una

concentración volumétrica que generalmente supera el 20%

(Costa, 1988) y generar descargas máximas dos o tres veces

mayores que el de una crecida de agua o inundación

importante. Pueden producirse por eventos excepcionales de

descargas de agua inusualmente altas, como descargas

súbitas de agua (flash flood), la liberación súbita de agua de

lagos glaciales (glacial lake outburst flood, GLOF) o

subglaciales (jökulhlaups) y descargas producidas por el

rompimiento de presas naturales o artificiales (outburst)

(Hungr, 2005; Proyecto Multinacional Andino, 2007).

2 a 3

veces

20-

50%

Inun

dació

n

(flo

od)

Las inundaciones son un fenómeno natural que ocurre

durante fuertes lluvias, las que por su intensidad o su

duración, no logran ser evacuadas cómodamente por los

cauces naturales que integran una cuenca hidrográfica, lo que

produce el aumento del caudal, desbordamiento de ríos y

otros cuerpos de agua (Moreno et al., 2014).

1 vez <20%

Las remociones en masa de tipo flujos compuestas por material de suelo, corresponden a lodo si

más del 80% de las partículas son menores a 2 mm, o en caso contrario, son de detritos (Varnes,

1978; Farías et al., 2016); esta diferenciación en conjunto con la descarga máxima (Qp) y la

concentración volumétrica (Cv), definida como el porcentaje de volumen de sólidos con respecto

al volumen total de la mezcla (Solís, 1995. Ver Tabla 2.3), son los factores más importantes que

se deben considerar para estudiar el comportamiento mecánico de los aluviones (ver Figura 2.7).

16

Figura 2.7. a) Clasificación de aluviones mediante concentración volumétrica (Cv) y granulometría; b)

Tipos y tamaños de partículas sólidas de Udden-Wentworth útiles para describir aluviones.


La forma que caracteriza a un aluvión corresponde a un frente de flujo (cabeza), el cual representa

una alta descarga máxima en comparación con una inundación (ver Tabla 2.3). A modo de ejemplo

de lo anterior, en la Figura 2.8 se muestra el corte esquemático típico de un flujo de detritos.

Un flujo de detritos exhibe una morfología típica durante su progreso. Presenta una cabeza en el

frente, donde se transportan y acumulan los clastos de mayor tamaño (bolones y bloques). Esta

sección representa la mayor altura del flujo. Tras la cabeza, el flujo muestra un cuerpo en el que

se desarrolla el flujo de detritos propiamente tal, y que transporta partículas gruesas incluso en

suspensión. Detrás del cuerpo el flujo se exhibe una cola, que se caracteriza por ser la parte más

tardía del paso del flujo y corresponde a un flujo más diluido (flujo hiperconcentrado). Entre la cola

y el cuerpo hay una zona de transición, que va de un flujo de detritos a un flujo hiperconcentrado,

donde se inicia la turbulencia. En ocasiones, antes del paso del frente de un flujo, pueden existir

pulsos precursores de Cv variable, pero de alturas menores (ver Figura 2.8).

17

Figura 2.8. Corte esquemático típico de un flujo de detritos. Frente con bloques de un pulso del flujo

de detritos (diagrama de Pierson, 1986). Tomado de Proyecto Multinacional Andino (2007).

2.4.3 Factores condicionantes y desencadenantes

Existen dos tipos de factores que determinan la ocurrencia o no de una remoción en masa:

condicionantes y desencadenantes. El primero se define como un agente que genera una situación

de potencial inestabilidad sobre una unidad geológica (Proyecto Multinacional Andino, 2007;

Muñoz, 2018). Ver tabla 2.4.

Tabla 2.4. Ejemplo de factores condicionantes de remociones en masa. Modificado de Lara (2007).

Factor Condición de influencia o categorías

Geomorfología Morfologías y sus procesos morfogenéticos asociados

Pendiente Pendiente de laderas y de canales de drenaje

Geología Características geológicas del área de estudio

Geotecnia Características geotécnicas del material

Antecedentes Aluviones declarados en las cuencas

Vegetación Densidad de vegetación

Nieve Acumulación de nieve

Orientación Exposición al Sol

Antrópico Desestabilización artificial de laderas y obstrucción de canal de drenaje

Morfometría Hipsometría, pendiente y densidad de drenaje, entre otros

Elevación Procesos desestabilizadores asociados con la altitud

Curvatura Superficie cóncava, plana o convexa

18

Por otra parte, un factor desencadenante (detonante o gatillante) corresponde a un agente o

estímulo externo que, tras su actividad, genera una respuesta directa e inmediata de una remoción

en masa (Proyecto Multinacional Andino, 2007; Muñoz, 2018). Entre los agentes desencadenantes

más comunes de remociones en masa se cuentan principalmente las lluvias de gran intensidad y

los sismos; secundariamente las erupciones volcánicas, la intervención antrópica, la fusión de

nieve y la erosión de canales, entre otros (Lara, 2007).

En particular, los aluviones normalmente se desencadenan por lluvias intensas, pero también

pueden ser detonados por la variación de isoterma 0 °C, fusión de nieve, erupciones volcánicas

(lahares) y por el rompimiento de presas naturales o artificiales, generadas por sismos, cambios

de presión de poros, etc. (Hungr, 2005; Proyecto Multinacional Andino, 2007).

2.4.4 Variables físicas de monitoreo

A partir de los trabajos de Itakura et al. (2005), Arattano y Marchi (2008) y Cavalli et al. (2013), se

desprende que un sistema de monitoreo de remociones en masa enfocado en aluviones, puede

ser dividido en dos grandes grupos. El primer grupo está asociado a dar seguimiento a las variables

físicas de los factores desencadenantes, que principalmente corresponden a lluvias intensas con

una isoterma 0 °C elevada, mientras que el segundo, corresponde al monitoreo del progreso del

flujo (ver Tabla 2.5). Además, en el caso de existir cuencas con deslizamientos con potencial de

generar aluviones tipo outburst, estos también deben ser monitoreados mediante un análisis

multitemporal de su desplazamiento.

Tabla 2.5. Variables físicas para el monitoreo de remociones en masa (enfocado en aluviones) y su

desencadenante meteorológico. Elaboración propia.

Desencadenante meteorológico Aluviones

Intensidad de lluvia (I; mm/60 min) Altura del flujo (H)

Temperatura del aire (T; Isoterma °C) Velocidad del frente del flujo (v)

Presión atmosférica (P) Descarga máxima del flujo (Qp)

Velocidad del viento (Vv) Fuerza de impacto del flujo (F)

Dirección del viento (D) Viscosidad del flujo (η)

- Volumen del flujo (V)

- Trayectoria del flujo (T)

19

3 Línea base de la cuenca del estero San Alfonso

3.1 Catastro de remociones en masa

En el Portal Geológico Minero del SERNAGEOMIN (SERNAGEOMIN, 2018), existe un catálogo

de informes de remociones en masa e inundaciones georreferenciados. Según esta información,

la parte alta de la cuenca del río Maipo (o subcuenca río Maipo Alto) está dominada por procesos

de tipo flujo (ver Figura 3.1a).

Además, Muñoz (2018) identifica las activaciones recientes de flujos en la cuenca del estero San

Alfonso, para los eventos ocurridos el 23 de enero de 2013 y 25 de febrero de 2017 (ver Figura

3.1b). Junto con lo anterior, en la Tabla 3.1 se muestra un resumen de los eventos declarados en

la desembocadura de la cuenca en estudio.

Figura 3.1. a) Catastro de remociones en masa en la parte alta de la cuenca del río Maipo (o

subcuenca río Maipo Alto) según SERNAGEOMIN (2018); b) Activaciones recientes de flujos en la

cuenca del estero San Alfonso según Muñoz (2018).

20

Tabla 3.1. Eventos declarados en la desembocadura del estero San Alfonso. Modificado de Muñoz

(2016).

Fecha Precipitación

diaria [mm]

Estación

meteorológica Fuente

Mayo de 1933 - - Hauser et al. (1996)

Febrero de 1978 0,0 San Gabriel y

Embalse El Yeso Hauser et al. (1996)

03 de mayo de 1993 58,7 Embalse El Yeso Hauser et al. (1996)

11 de junio de 1997 49,5 San Gabriel Muñoz (2016)

13-14 de octubre de

1997 31,0 San Gabriel Muñoz (2016)

21 de enero de 2013 11,0 Embalse El Yeso Sepúlveda et al. (2014)

25 de febrero de 2017 20,5 Embalse El Yeso Marín et al. (2017)

20 de abril de 2017 36,0 Embalse El Yeso DGA (2017)

En particular, el evento de mayor magnitud e impacto, fue el del 25 de febrero de 2017 el cual

destruyó el puente del estero San Alfonso y causó un embancamiento parcial del río Maipo (ver

Figura 3.2).

Figura 3.2. Trayectoria de flujo y depósito del evento del 25 de febrero de 2017. Recuadro rojo

corresponde a la imagen de la derecha. Tomado de Muñoz (2018).

21

En los últimos 20 años, en la cuenca del estero San Alfonso, han ocurrido 5 eventos importantes

de remociones en masa (ver Tabla 3.1), siendo los de mayor relevancia los flujos de detritos

(aluviones) desencadenados por lluvias intensas (asociados a tormentas convectivas). Esta

recurrencia convierte a la cuenca en un laboratorio natural ideal para la investigación de aluviones.

3.2 Geología y Geomorfología

3.2.1 Unidades Morfotectónicas Regionales

El área de estudio se ubica en la Unidad Morfotéctonica Regional, Cordillera Principal (Quiroga,

2013), la cual alcanza altitudes de hasta 6.500 m s.n.m aproximadamente. Este ambiente

montañoso de altitudes elevadas y pendientes pronunciadas favorece la generación remociones

en masa (ver Figura 3.3).

Figura 3.3. Segmentación morfoestructural del Orógeno Andino entre los 32° S y los 35° S. El

recuadro blanco encierra el área estudiada. Modificado de Quiroga (2013).

22

3.2.2 Geología Regional

La geología regional del área de estudio está descrita principalmente por el estudio de Thiele

(1980) correspondiente a la Hoja Geológica de Santiago a escala 1:250.000, que posteriormente

fue digitalizada y modificada por Fock (2005). En la Figura 3.4 se muestra el mapa geológico de

Fock (2005) el que incluye el área estudiada (recuadro negro) y resalta la geología regional

involucrada en este estudio (recuadros rojos).

Figura 3.4. Mapa geológico regional adaptado por Fock (2005) de la Hoja de Santiago 1:250.000

(Thiele, 1980). El recuadro negro encierra el área de estudio. Los recuadros rojos indican la geología

regional involucrada en este estudio. Modificado de Fock (2005).

23

3.2.3 Geomorfología Local

La geomorfología de la cuenca del estero San Alfonso fue levantada por Muñoz (2018) a escala

1:20.000 (ver Figura 3.5).

Figura 3.5. Mapa geomorfológico de la cuenca del estero San Alfonso. Escala 1:20.000. Tomado de

Muñoz (2018).

24

3.2.4 Geología Local

La geología de la cuenca del estero San Alfonso fue levantada por Muñoz (2018) a escala 1:20.000

(ver Figura 3.6).

Figura 3.6. Mapa geológico de la cuenca del estero San Alfonso. Escala 1:20.000. Tomado de Muñoz

(2018).

25

3.3 Estudio de susceptibilidad de generación de aluviones

Muñoz (2018) desarrolló una metodología orientada a evaluar la susceptibilidad de generación de

aluviones mediante la ponderación de factores condicionantes, con el uso de Sistemas de

Información Geográfica (SIG) y el análisis jerárquico de procesos (AHP). Esta metodología fue

calibrada con la aplicación en la cuenca del estero San Alfonso (ver Figura 3.7).

Figura 3.7. Mapa de susceptibilidad de aluviones de la cuenca del estero San Alfonso. Escala

1:20.000. Tomado de Muñoz (2018).

Es importante agregar que los deslizamientos ubicados en la parte alta de la cuenca (ver Figura

3.6), además de ser altamente susceptibles a generar aluviones (ver Figura 3.7), también pueden

represar al estero San Alfonso y en consecuencia, causar aluviones tipo outburst.

26

3.4 Estudio de peligro y exposición de aluviones

Muñoz (2018), también desarrolló una metodología para evaluar la amenaza (o peligro) de

aluviones la que se basa en la clasificación de Jakob (2005), agregando como hipótesis que, a

mayor volumen de flujo, menor probabilidad de ocurrencia y, por tanto, menor grado de amenaza.

Además, incluye criterios de zonificación de grados de amenaza que incorporan morfologías,

eventos pasados y flujos simulados con el programa RAMMS-debris flow (WSL, 2017), cuyas

áreas de generación se definen en base a una evaluación de susceptibilidad de aluviones. Esta

metodología fue calibrada con su aplicación en la cuenca del estero San Alfonso, cuyos criterios

de zonificación se detallan en la Tabla 3.2, mientras que en la Figura 3.8 se muestra su mapa de

amenaza de aluviones.

Tabla 3.2. Criterios para la zonificación según grados de amenaza por aluviones en la cuenca del

estero San Alfonso. Tomado de Muñoz (2018).

Grado de

amenaza Criterio de zonificación

Volumen

de flujo [m3]

Clase

(Jakob, 2005)

Muy alta

Vías aluviales al interior de la cuenca, área de alcance

de flujo generado el 21 de enero de 2013, cuyo

volumen de flujo es menor, pero cercano al límite de

las Clases III y IV.

~104 III

Alta

Área de alcance de flujo generado el año 2017, cuyo


las Clases IV y V.

~105 IV

Media

Área de alcance de un flujo simulado con RAMMS-

debris flow, que posee las mismas características

físicas del evento del 25 de febrero de 2017, cuyo


las Clases V y VI.

~106 V

Baja Área del abanico de la cuenca. - -

27

Figura 3.8. Mapa de amenaza de flujos de detritos de la cuenca del estero San Alfonso. Escala

1:20.000. La flecha azul indica la junta entre las tres subcuencas de mayor altitud. Modificado de

Muñoz (2018).

De acuerdo con las simulaciones realizadas en el mismo estudio, se calculó que tras pasar el flujo

por la junta entre las tres subcuencas de mayor altitud (ver Figura 3.8) este tardaría entre 6 y 8

minutos hasta alcanzar la desembocadura del estero San Alfonso, para un evento como el del 25

de febrero de 2017 (amenaza alta); mientras que, para un evento como el que define la amenaza

media (ver Tabla 3.2 y Figura 3.8), se demoraría entre 3 y 5 minutos hasta alcanzar el mismo lugar.

Finalmente, al cruzar el mapa de peligro con las edificaciones presentes (el año 2013) se obtiene

el mapa de exposición de aluviones que se muestra en la Figura 3.9.

28

Figura 3.9. Distribución de edificaciones en áreas amenazadas por flujos de detritos en la cuenca del

estero San Alfonso. Elaborado en base a Muñoz (2018).

29

4 Análisis hidrometeorológico de la parte alta de la cuenca del

río Maipo con énfasis en el estero San Alfonso

4.1 Antecedentes generales

En el marco del Acuerdo Complementario N°1 sobre el Convenio de Cooperación en Ciencias de

la Tierra entre el Instituto Nacional de Hidráulica (INH) del Ministerio de Obras Públicas (MOP) y

el SERNAGEOMIN (Resolución Exenta N°0298), el INH se compromete a realizar un

levantamiento de información hidrometeorológica de la parte alta de la cuenca del río Maipo con

énfasis en el estero San Alfonso, el cual se plasma en este capítulo.

De acuerdo con la Dirección General de Aguas (DGA), la parte alta de la cuenca del río Maipo (o

subcuenca río Maipo Alto) ha contado históricamente 44 estaciones, de las cuales 25 son

meteorológicas, 13 fluviométricas y 6 mixtas (ver Figura 4.1).

Por su parte, la Dirección Meteorológica de Chile (DMC) cuenta solo con una estación en la parte

alta de la cuenca del río Maipo Alto, la cual corresponde a la estación San José. Esta se encuentra

ubicada específicamente entre la localidad de El Guayacán y San José de Maipo, la que mide en

tiempo real la dirección del viento, temperatura del aire, radiación global, presión atmosférica,

humedad relativa, y dispone de registros descargables a partir de diciembre de 2016 (ver Figura

4.1).

Existen otras tres estaciones de la DMC que no se encuentran en el área de estudio pero pueden

presentan información adicional de utilidad. Estas corresponden a El Colorado (en la cuenca de

río San Francisco), Aguas Andinas (en la comuna de La Florida) y Río Clarillo (en la cuenca del

río Clarillo) (ver Figura 4.1).

En suma, actualmente la cuenca presenta 21 estaciones vigentes y 23 suspendidas, las cuales se

ilustran en la Figura 4.1, donde además es posible observar la distribución espacial de acuerdo al

tipo de estación (meteorológicas y fluviométricas).

30

Figura 4.1. Vigencia de estaciones meteorológicas y fluviométricas en la parte alta de la cuenca del

río Maipo. El polígono rojizo muestra la cuenca del estero San Alfonso. Elaborado en base a

información de la DGA (2018 a y b) y DMC (2018).

4.2 Estaciones meteorológicas

La DMC cuenta con un registro en línea (DMC, 2018), mientras que la DGA dentro de su base de

datos (DGA, 2018 a y b) publica dos tipos de registros a nivel nacional; el primero corresponde a

la estadística hidrológica en línea, con registros desde el año 1900 hasta la actualidad (DGA,

2018b), y el segundo corresponde a datos hidrológicos en tiempo real (DGA, 2018a). Este último

servicio estadístico no incluye todas las estaciones existentes en la DGA y registra un mayor

número de variables que el primero. A continuación se describen las estaciones existentes en la

parte alta de la cuenca del río Maipo en ambas bases de datos.

31

4.2.1 Estaciones meteorológicas con registro histórico en línea

El registro histórico en el área de estudio incluye un total de 31 estaciones meteorológicas, de las

cuales en la actualidad 18 se encuentran vigentes y 13 suspendidas. Del total de estaciones

existentes, 7 de ellas miden solo temperatura, 6 solo precipitación y 10 ambas variables. Además,

existen 8 estaciones clasificadas por la DGA como meteorológicas, que no presentan registro de

datos, ni tampoco especifican las variables de medición en su página web (DGA, 2018b) (ver

Figura 4.2). Esas estaciones sin registro poseen una fecha de suspensión anterior al año 2000.

Figura 4.2. Variables de medición y registro de datos de las estaciones meteorológicas DGA y DMC.

Elaborado en base a información de la DGA (2018b) y DMC (2018).

En las Figuras 4.3 y 4.4 se presentan los registros de datos diarios de precipitación y temperatura

desde el año 1960 hasta la actualidad. En la primera se incluye la estación Terraza DGA, la cual,

si bien se ubica en el centro de Santiago (oficina de la DGA), tiene uno de los registros más

32

completos de precipitación en la cuenca del río Maipo, por lo que permite una comparación con

los registros de las estaciones ubicadas en la parte alta de la cuenca. Cabe destacar que acá no

se incluye los registros hidrológicos en tiempo real (satelitales), ya que estos se tratan de forma

independiente más adelante en este documento.

En el caso de las estaciones pluviométricas ubicadas en la parte alta de la cuenca del río Maipo

que poseen registros a partir de 1960, de un total de 15 estaciones, solo 3 de ellas (San José de

Maipo Retén, San Gabriel y El Yeso Embalse) presentan un registro prácticamente continuo de

datos para el periodo analizado, y que es comparable con la estación Terraza DGA (ver Figura

4.2). Por otro lado, estas 3 estaciones tienen registros durante los eventos de remoción en masa

ocurridos desde 1960 en adelante (ver Tabla 3.1). De las restantes, 8 poseen datos a partir del

año 2010, aun cuando se encontraban suspendidas desde el año 1980.

En la Figura 4.3 se muestra la operatividad de estaciones pluviométricas con registro de datos

diarios, las que están ubicadas en la parte alta de la cuenca del río Maipo y, además, se indican

los aluviones ocurridos en la cuenca del estero San Alfonso.

Figura 4.3. Operatividad de estaciones pluviométricas con registros diarios (azul) y aluviones en la


(2018b) y Muñoz (2018).

En el caso de las estaciones con medición de temperatura y registro a partir de 1960, se observa

un total de 5 estaciones, lo que corresponde a un 41,6% del total de aquellas que miden esta

33

variable (ver Figura 4.4). Además, se puede ver que ninguna de ellas presenta registro en la

actualidad, siendo el último dato publicado por la DGA el correspondiente al 31 de agosto de 2005

en la estación Laguna Negra.

Figura 4.4. Operatividad de estaciones que miden temperatura (azul) y aluviones en la cuenca del

estero San Alfonso (línea roja punteada). Elaborado en base a información de la DGA (2018b) y

Muñoz (2018).

Entorno a la cuenca del estero San Alfonso es posible visualizar 12 estaciones meteorológicas, de

la cuales en la actualidad 6 se encuentran vigentes y el resto suspendidas. De las estaciones

vigentes, 5 presentan datos descargables desde el registro en línea de la DGA (DGA, 2018b), y el

resto muestra solo una variable a descargar de las dos disponibles (temperatura del aire y

precipitación). En la Figura 4.5 se ilustra la ubicación de estas estaciones y su vigencia.

34

Figura 4.5. Estaciones meteorológicas cercanas al estero San Alfonso. Elaborado en base a

información de la DGA (2018b).

4.2.2 Estaciones meteorológicas con registro en tiempo real

Al analizar las estaciones de medición con registro en tiempo real, se observa que de las 25

estaciones meteorológicas existentes, solo 11 ellas presentan este sistema o lo realizan a través

del sistema de GPRS (General Packet Radio System). Estas incluyen mediciones de precipitación,

temperatura del agua, temperatura del aire, humedad relativa, radiación solar, velocidad del viento,

etc. Se destaca que los registros de este tipo de estaciones comienzan en el año 2003 en la

estación Laguna Negra. En la Figura 4.6 se muestra la ubicación de las estaciones con registro en

tiempo real.

35

Figura 4.6. Ubicación de estaciones meteorológicas con registro en tiempo real. Elaborado en base a

información de la DGA (2018a).

En la Tabla 4.1, se presentan cada una de las variables medidas en tiempo real por las estaciones

con registro satelital.

36

Tabla 4.1. Variables de medición en estaciones meteorológicas satelitales de la DGA. Elaborado en

base a información de la DGA (2018a).

Variable

Esta

ció

n

Río

Maip

o e

n

Queltehu

es

Río

Volc

án e

n

Queltehu

es

Gla

cia

r S

an

Fra

ncis

co

El Y

eso E

mba

lse

Lagu

na N

egra

Río

Maip

o e

n S

an

Alfonso

Río

Co

lora

do a

nte

s

junta

Río

Oliv

are

s

Río

Oliv

are

s a

nte

s

junta

Río

Co

lora

do

Gla

cia

r O

livare

s

Gam

ma

Valle

Oliv

are

s

Río

Maip

o e

n e

l

Manzan

o

Fecha de inicio (tiempo real)

22/0

5/2

017

04/0

3/2

014

01/0

1/2

012

18/0

2/2

013

24/0

2/2

00

3

04/0

1/2

012

27/0

3/2

013

29/0

7/2

013

18/0

5/2

014

19/0

5/2

014

01/0

1/2

012

Temperatura del aire [°C]

Precipitación acumulada [mm]

Precipitación horaria [mm]

Humedad [%]

Dirección del viento [grados]

Velocidad del viento [m/s]

Precipitación instantánea [mm]

Altura de nieve [cm]

Nieve horaria [mm]

37

Continuación de Tabla 4.1.

Variable E

sta

ció

n

Río

Maip

o e

n

Queltehu

es

Río

Volc

án e

n

Queltehu

es

Gla

cia

r S

an

Fra

ncis

co

El Y

eso E

mba

lse

Lagu

na N

egra

Río

Maip

o e

n S

an

Alfonso

Río

Co

lora

do a

nte

s

junta

Río

Oliv

are

s

Río

Oliv

are

s a

nte

s

junta

Río

Co

lora

do

Gla

cia

r O

livare

s

Gam

ma

Valle

Oliv

are

s

Río

Maip

o e

n e

l

Manzan

o

Radiación solar [Watt/m2]

Temperatura Snow Pillow [1 °C]

Presión atmosférica [mbar]

Es importante considerar que los registros hidrometeorológicos de la plataforma “estadística

hidrológica en línea” (DGA, 2018b) son de carácter histórico y oficial, por lo que su publicación en

esta plataforma puede estar desfasada meses o incluso años. Por ejemplo, la estación Laguna

Negra-DCP presenta un desfase de hasta 13 años.

Existen 7 estaciones meteorológicas que no presentan datos de temperatura en la “estadística

hidrológica en línea” (DGA, 2018b), pero sí en los “datos hidrológicos en tiempo real” (DGA,

2018a), asociados a la misma variable; por lo tanto, es conveniente solo utilizarlos con carácter

referencial. Estas estaciones son las siguientes:

1. Valle Olivares.

2. Río Colorado antes Junta Río Olivares.

3. Río Olivares antes junta Río Colorado.

4. El Yeso Embalse.

5. Glaciar San Francisco en aguas Panimávida.

6. Río Volcán en Queltehues.

7. Glaciar Olivares Gamma.

38

4.3 Estaciones fluviométricas

Al igual que las estaciones meteorológicas, la Dirección General de Aguas presenta dos tipos de

registro de datos, que son la estadística hidrológica en línea y los datos hidrológicos en tiempo

real. A continuación se describen cada una de estas bases de datos.

4.3.1 Estadísticas fluviométricas con registro histórico en línea

Históricamente la parte alta de la cuenca del río Maipo ha contado con un total de 19 estaciones,

de las cuales en la actualidad 7 se encuentran vigentes y 12 suspendidas (ver Figura 4.1).

Respecto a sus parámetros de medición, 4 de estas estaciones miden caudal y sedimentos, y las

restantes solo caudal. Adicionalmente, se identifica una estación que no tiene datos en el registro

en línea de la DGA (DGA, 2018b), la que corresponde a Río Maipo en lo Valdés y tiene una fecha

de suspensión en septiembre de 1914. Por último, se observa que la estación Río Maipo en

Queltehues tiene fecha de inicio en abril de 2017, por lo que su registro se considera reciente.

En la Figura 4.7 se muestra la distribución de las estaciones por variable, y la existencia de registro

de datos disponibles para su descarga en la página web de la DGA (DGA, 2018b). Respecto de

las variables de medición, los datos permiten obtener tanto los caudales medios diarios y

mensuales medios, como las alturas de escurrimiento y caudales instantáneos (diarios).

39

Figura 4.7. Variables de medición y registro de datos de las estaciones fluviométricas DGA.

Elaborado en base a información de la DGA (2018b).

Al analizar los datos de caudales medios diarios, se observa que todas las estaciones han

presentado discontinuidad en sus registros, las cuales pueden alcanzar hasta periodos de años,

como en el caso de la estación Río Volcán en Queltehues y Río Yeso antes junta Río Maipo. Las

estaciones que mantienen un mayor grado de continuidad en sus registros son Río Maipo en San

Alfonso, Río Maipo en el Manzano y Río Colorado antes junta Río Maipo, las que poseen un

registro de más de 70 años (ver Figura 4.8). Cabe destacar que solo 4 de las estaciones analizadas

muestran registros durante la ocurrencia de eventos de remoción en masa en el sector del estero

San Alfonso (ver Tabla 3.1).

40

Figura 4.8. Operatividad de estaciones fluviométricas con registros diarios (azul) y aluviones en la


(2018b) y Muñoz (2018).

Aguas arribas de la desembocadura del estero San Alfonso existen 8 estaciones fluviométricas,

de las cuales solo dos se encuentran vigentes actualmente (ver Figura 4.9). La estación Río Maipo

en San Alfonso se encuentra suspendida a causa del evento ocurrido el 25 de febrero de 2017.

41

Figura 4.9. Estaciones fluviométricas cercanas al Estero San Alfonso. Elaborado en base a

información de la DGA (2018b).

4.3.2 Estaciones fluviométricas con registro en tiempo real

De las 19 estaciones fluviométricas existentes, 8 presentan registro en tiempo real o a través del

sistema de GPRS (Servicio General de Paquetes vía Radio). De estas, dos corresponden a

estaciones fluviométricas y el resto a estaciones mixtas (fluviométricas y meteorológicas). Entre

las variables de medición se encuentran el caudal y nivel de agua en valores instantáneos

(horarios) y los valores sinópticos (promedio, mínimo, y máximo diarios), con registros que tienen

vigencia desde el año 2012 en la estación Río Maipo en el Manzano.

En la Figura 4.9 se observa la ubicación de las estaciones con registro en tiempo real y en la Tabla

4.2 se presentan las variables de medición de estas estaciones fluviométricas.

42

Figura 4.10. Ubicación de estaciones meteorológicas en tiempo real. Elaborado en base a


43

Tabla 4.2. Variables de medición en estaciones fluviométricas satelitales DGA. Elaborado en base a


Estación Fecha inicio Nivel de agua

[m] Temperatura del agua

[°C] Caudal [m3/s]

Río Maipo en Queltehues 22/05/2017

Río Volcán en Queltehues 04/03/2014

Río Maipo en San Alfonso 04/01/2012

Río Colorado antes junta Río Olivares

27/03/2013

Río Olivares antes Junta Río Colorado

29/07/2013

Río Maipo en el Manzano 01/01/2012

Canal Queltehue 08/11/2013

Río Colorado antes junta Río Maipo

04/01/2012

Al igual que en las estaciones meteorológicas, los registros diarios de la estadística hidrológica en

línea no coincide con los datos hidrológicos en tiempo real. Esta variación puede estar dada por la

presentación de los datos, pues en el primer caso se entrega el caudal medio diario y en el segundo

caso (datos satelitales) se entrega un valor mínimo, máximo y medio de la misma variable.

En la cuenca del estero San Alfonso hay 2 estaciones vigentes que presentan registro en tiempo

real. Además de estas, es importante considerar que la Estación Río Maipo en San Alfonso recogió

registro satelital solo hasta el 25 de febrero de 2017, debido al aluvión que arrasó con la estación

fluviométrica. Dichas estaciones con medición satelital son las siguientes:

1. Río Maipo en San Alfonso (Inicio: 04/01/2012 - Suspendida: 25/02/2017).

2. Río Volcán en Queltehues (Inicio: 04/03/2014).

3. Río Maipo en Queltehues (Inicio: 22/05/2017).

44

4.4 Análisis hidrometeorológico para eventos aluvionales

A continuación se presenta un análisis de las características hidrometeorológicas presentes

durante los eventos aluvionales identificados en la cuenca del estero San Alfonso. Las fechas

analizadas son el 3 de mayo de 1993, 11 de junio de 1997, 14 de junio de 1997, 21 de enero de

2013, 25 de febrero de 2017 y 20 de abril de 2017. Los eventos ocurridos en mayo de 1933 y

febrero de 1978 no se analizan por la falta de información (ver Tabla 3.1).

4.4.1 Evento del 03 de mayo de 1993

El día 03 de mayo de 1993 se reportan aluviones en el estero San Alfonso (Hauser et al., 1996).

Adicionalmente, Naranjo y Varela (1996) reportan que las condiciones climáticas de esos días

generan flujos de detritos y un aluvión en las quebradas Macul y San Ramón, lo que provoca la

muerte de 26 personas, 9 desaparecidos.

En este periodo se observan precipitaciones extendidas en la parte alta de la cuenca del río Maipo,

las cuales son registradas por distintas estaciones. Según se mide en la estación El Yeso Embalse,

ubicada a 2.475 m s.n.m., se alcanzan valores diarios de 54,5 mm, 58,7 mm y 79,0 mm, los días

2, 3 y 6 de mayo, respectivamente. Además, la lluvia ocurrida durante estos días es registrada por

otras estaciones de la DGA ubicadas a menor altitud, tales como, San Gabriel, San José de Maipo

Retén y Maitenes Bocatoma, con valores diarios que varían entre 30 mm y 79,0 mm. No se tienen

datos de intensidad horaria de precipitaciones, por lo que no es posible analizar esta variable (ver

Tabla 4.3).

La isoterma 0 °C presenta una situación variable en el periodo cercano a la fecha del evento

aluvional, con valores que varían entre 2.298 y 4.264 m s.n.m. posterior al inicio de las

precipitaciones (ver Tabla 4.3). En Garreaud y Rutllant (1997) se estima que la isoterma 0 °C

durante este evento se ubica a una altitud aproximada de 4.000 m s.n.m. (casi 2.000 m más que

durante una tormenta promedio) cuadruplicando el área pluvial y quintuplicando el volumen de

agua disponible. En concordancia con lo anterior, la temperatura en el nivel de 700 hPa (~3.000 m

s.n.m.) muestra una situación también variable a lo largo del evento, con valores de 6,0 °C

aproximadamente, al inicio de las precipitaciones y disminuyendo a valores bajo 0 °C

posteriormente.

45

Tabla 4.3. Detalle de información hidrometeorológica en la parte alta de la cuenca del río Maipo, para

el evento aluvional del 03 de mayo de 1993.

Fecha

Estaciones DGA Estaciones DMC

Caudal medio [m3/s]

Precipitación diaria [mm] Intensidad

máxima [mm/h]

Altitud Isoterma 0 °C [m s.n.m.]

Río Maipo en El

Manzano

(2.475 m s.n.m.)

El Yeso Embalse

(2.475 m s.n.m.)

San Gabriel

(1.266 m s.n.m.)

San José de Maipo

Retén

(943 m s.n.m.)

Maitenes Bocatoma

(1.143 m s.n.m.)

Colorado

(2.750 m s.n.m.)

San José

(928 m s.n.m.)

Radiosonda Quintero

01/05/1993 99,4 0 0 0 0 - - 4.264

02/05/1993 98,5 54,5 50 36 45,5 - - 4.022

03/05/1993 722 58,7 47 51,5 30 - - 3.927

04/05/1993 - 0 0 0 0 - - 2.550

05/05/1993 - 0 50 76 33,5 - - 2.934

06/05/1993 - 79 25 21,5 3 - - 3.073

07/05/1993 - 0 0 0 3 - - 2.298

De la Tabla 4.3 muestra que no es posible analizar la variación del caudal del río Maipo debido a

la falta de datos medidos durante la tormenta. Esto a causa de que el incremento de caudal fue

tan grande que las estaciones fueron incapaces de medir.

Al considerar las bajas temperaturas y el hecho de que las precipitaciones ocurren de forma

extendida en la parte alta de la cuenca del río Maipo, con registros en distintas estaciones ubicadas

a variadas altitudes, se puede asociar este evento con un sistema frontal. Resulta interesante

destacar que al inicio de las precipitaciones la isoterma 0 °C estaba ubicaba sobre los 4.000 m

s.n.m., lo que contribuyó a la generación de aluviones (ver Figura 4.11).

46

Figura 4.11. Serie de tiempo para evento aluvional del 03 de mayo de 1993, en la subcuenca alta del

río Maipo. Caudal en las estaciones DGA, del Río Maipo en El Manzano (línea azul continua) y Río

Maipo en San Alfonso (línea azul punteada). Isoterma 0 °C de radiosonda Quintero DMC (línea

verde). Precipitación en estación DGA, El Yeso Embalse (barra gris) y temperatura del aire en el nivel

de 700 hPa (~3.000 m s.n.m.) sobre la zona Central de Chile. Elaborado en base a datos NCEP

Reanalysis data de NOAA/OAR/ESRL PSD.

4.4.2 Evento del 11 de junio 1997

El día 11 de junio de 1997 se reportan aluviones en el estero San Alfonso (Muñoz, 2016). En este

periodo se observan precipitaciones extendidas en la parte alta de la cuenca del río Maipo, las

cuales son registradas por distintas estaciones. En general, la precipitación medida varía entre 7,5

y 49,5 mm en las distintas estaciones analizadas, en el periodo desde el día previo y hasta el

posterior al evento aluvional. En particular, en la estación El Yeso Embalse (DGA), ubicada a 2.475

m s.n.m., se alcanzan valores diarios de 33,5 mm. No se tienen datos de intensidad horaria de

precipitaciones, por lo que no es posible analizar esta variable (ver Tabla 4.4).

47

Previo a este evento se identifican periodos de precipitaciones recurrentes que generan

consecuentes aumentos de caudales, donde se observa que posterior a cada máxima de crecida

existe un aumento del flujo base. En el evento del 11 de junio de 1997 muestra este mismo efecto,

donde el caudal aumenta levemente desde los 48 m3/s hasta 71 m3/s (ver Tabla 4.4 y Figura 4.12).


aluvional, con valores que varían desde 3.611 m s.n.m. previo a la fecha de interés, y que llega

hasta los 1.688 m s.n.m. posteriormente (ver Figura 4.12). El día 11 de junio se tiene una tendencia

a la disminución de la altitud de la isoterma 0 °C, la cual se ubica a los 2.842 m s.n.m. (ver Tabla

4.4). En concordancia con lo anterior, la temperatura en el nivel de 700 hPa también tiene una

tendencia decreciente, con valores entre -5 y 0 °C durante la tormenta de interés. Se observa que

posteriormente al evento pluvial del 11 de junio la temperatura a este nivel se mantiene oscilando

entre valores positivos y negativos.


el evento aluvional del 11 de junio de 1997.

Fecha


Caudal medio [m3/s]


máxima [mm/h]


Río Maipo en El

Manzano

(2.475 m s.n.m.)

El Yeso Embalse

(2.475 m s.n.m.)

San Gabriel

(1.266 m s.n.m.)

San José de Maipo

Retén

(943 m s.n.m.)

Maitenes Bocatoma

(1.143 m s.n.m.)

Colorado

(2.750 m s.n.m.)

San José

(928 m s.n.m.)

Radiosonda Quintero

09/06/1997 48,7 0 0 0 - - - 3.611

10/06/1997 43,9 7,5 17 20 - - - -

11/06/1997 55,7 33,5 49,5 41 - - - 2.842

12/06/1997 71 20,2 0 15,5 - - - 2.362

13/06/1997 57,6 10 10 0 - - - 1.688

14/06/1997 52,4 10,5 21,5 14,5 - - - 2.532

15/06/1997 72,3 52,5 49,5 21,5 - - - 3.215

48

Figura 4.12. Serie de tiempo para evento aluvional del 11 de junio de 1997, en la subcuenca alta del







extendida en la parte alta de la cuenca del río Maipo, con registros en distintas estaciones ubicadas

a variadas altitudes, se puede asociar este evento con un sistema frontal.

4.4.3 Evento del 13-14 de octubre de 1997

El 13-14 de octubre de 1997 se reportan aluviones en el estero San Alfonso (Muñoz, 2016). En

este periodo se observan precipitaciones extendidas en la parte alta de la cuenca del río Maipo,

las cuales son registradas por distintas estaciones. En general, la precipitación medida varía entre

3,0 y 31 mm en las distintas estaciones analizadas, entre los días 13 y 14 de octubre de 1997. En

49

particular, en la estación El Yeso Embalse (DGA), ubicada a 2.475 m s.n.m., se presentan

precipitaciones bajas (ver Tabla 4.5). Dada la falta de registros de intensidad de precipitaciones,

no es posible ver si, a pesar de las bajas precipitaciones en la parte de mayor altitud, esta pudo

haber sido un factor relevante.

La precipitación asociada a este evento no genera aumentos importantes de caudal, registrándose

variaciones que se mantienen en el rango de los 90 a 100 m3/s (ver Tabla 4.5 y Figura 4.13), sin

significancia para el análisis.


aluvional, con valores de ~ 2.000 y 2.900 m s.n.m., para los días 13 y 14 de octubre,

respectivamente (ver Tabla 4.5). La temperatura en el nivel de 700 hPa oscila entre positiva y

negativa en el periodo de tiempo cercano a la tormenta analizada.


el evento aluvional del 13 y 14 de octubre de 1997.

Fecha


Caudal medio [m3/s]


máxima [mm/h]


Río Maipo en El

Manzano

(2.475 m s.n.m.)

El Yeso Embalse

(2.475 m s.n.m.)

San Gabriel

(1.266 m s.n.m.)

San José de Maipo

Retén

(943 m s.n.m.)

Maitenes Bocatoma

(1.143 m s.n.m.)

Colorado

(2.750 m s.n.m.)

San José

(928 m s.n.m.)

Radiosonda Quintero

12/10/1997 92 0 0 0 0 - - 2.961

13/10/1997 94,6 13 31 20,5 8,5 - - 2.788

14/10/1997 102 3 11 7,5 0 - - 2.063

15/10/1997 95,1 0 2 0 0 - - 2.173

16/10/1997 94,9 0 0 0 0 - - 2.742

17/10/1997 97,7 0 0 0 0 - - 3.082

18/10/1997 104 0 0,5 0 0 - - 3.411

19/10/1997 109 0 0,1 0 0 - - 3.359

50

Figura 4.13. Serie de tiempo para evento aluvional del 13-14 de octubre de 1997, en la subcuenca alta

del río Maipo. Caudal en las estaciones DGA, del Río Maipo en El Manzano (línea azul continua) y Río






extendida en la subcuenca, con registros en distintas estaciones ubicadas a variadas altitudes,

este evento se puede asociar a una tormenta condicionada por un sistema frontal.

4.4.4 Evento del 21 de enero de 2013

Los trabajos de Sepúlveda et al. (2014) y SERNAGEOMIN (2013) indican que el evento

hidrometeorológico del 21 de enero de 2013 produjo importantes flujos de detritos en las cuencas

del río Maipo, del río Cachapoal y del río Mendoza, respectivamente. El evento más perjudicial de

la cuenca del río Maipo ocurrió en el estero San Alfonso (Muñoz, 2018).

51

El detonante de estos eventos fue una precipitación intensa, muy localizada y de corta duración,

atribuida a celdas convectivas, comunes en época estival (Garreaud y Rutllant, 1997), favorecidas

por una isoterma 0 °C de 4.462 m s.n.m., lo que significó un aumento en la superficie de captación

de aguas lluvias en toda la zona (ver Tabla 4.6). En este sentido, la temperatura en el nivel de 700

hPa resulta ser bastante alta durante este evento, alcanzando los 8,0 °C durante la tormenta (ver

Figura 4.14).

La precipitación diaria asociada a este evento es de 11 mm en la estación El Yeso Embalse (DGA),

ubicada a 2.475 m s.n.m., y de 5,5 mm en San José de Maipo Retén (DGA). La estación Colorado

(DMC), ubicada a 2.750 m s.n.m., también registra altas precipitaciones correspondientes a un

total de 11 mm y con una intensidad máxima de 6,4 mm/h (ver Tabla 4.6). Este valor se considera

alto para el área de estudio dado que supera el umbral establecido de 5 mm/h propuesto por

Hauser (1985).


el evento aluvional del 21 de enero de 2013.

Fecha


Caudal medio [m3/s]


máxima [mm/h]


Río Maipo en El

Manzano

(2.475 m s.n.m.)

El Yeso Embalse

(2.475 m s.n.m.)

San Gabriel

(1.266 m s.n.m.)

San José de Maipo

Retén

(943 m s.n.m.)

Maitenes Bocatoma

(1.143 m s.n.m.)

Colorado

(2.750 m s.n.m.)

San José

(928 m s.n.m.)

Radiosonda Santo

Domingo

19/01/2013 157 0 0 0 0 0 0 4.815

20/01/2013 153 0 0 0 0 0 0 4.682

21/01/2013 144 11 0 5,5 0 6,4 0,7 4.462

22/01/2013 134 0 0 0 0 0 0 4.271

23/01/2013 125 0 0 0 0 0 0 4.171

24/01/2013 123 0 0 0 0 0 0 4.087

52

Figura 4.14. Serie de tiempo para evento aluvional del 21 de enero de 2013, en la subcuenca alta del


Maipo en San Alfonso (línea azul punteada). Isoterma 0 °C de radiosonda Santo Domingo DMC (línea




En suma, considerando lo anteriormente expuesto, el evento descrito se caracteriza por lo

siguiente:

1. Altas temperaturas.

2. Isoterma 0 °C elevada sobre los 4.000 m s.n.m.

3. Precipitaciones concentradas en sectores específicos de la parte alta de la cuenca del río

Maipo.

4. Intensidades muy altas y un bajo incremento de caudal (asociado a tormentas

convectivas).

53

4.4.5 Evento del 25 de febrero de 2017

En el trabajo de Marín et al. (2017) se detallan los efectos geológicos del evento

hidrometeorológico del 25 y 26 de febrero de 2017, el cual produjo importantes flujos de detritos

y/o barro en la cuenca del río Maipo; en este se ubica el evento más perjudicial en la quebrada

San José con 8 personas fallecidas y 1 desaparecido; por su parte, se indica que en este periodo

el evento de mayor volumen fue en el estero San Alfonso el 25 de febrero de 2017 (Muñoz, 2018).

La lluvia asociada a este evento es registrada inicialmente en la estación San Gabriel (DGA) con

un total de 30 mm el 24 de febrero. El día siguiente la precipitación es registrada principalmente

en la estación El Yeso Embalse (DGA), ubicada a mayor altitud, donde se alcanza los 24 mm.

Resulta interesante analizar lo que sucede el 26 de febrero, donde la precipitación registrada en

las estaciones de la DGA es mínima, sin embargo en la estación San José (DMC) se registra una

intensidad máxima de 3,4 mm/h y en la estación Laguna Negra de 4,1 mm/h.

La lluvia asociada al evento descrito no genera aumentos importantes de caudal y destaca que

durante (y posterior) su desarrollo los caudales se mantienen en descenso (ver Tabla 4.7 y Figura

4.15).

La DMC (2017) señala que este evento hidrometeorológico corresponde a un núcleo frío en altura,

con un gran aporte de agua precipitable desde las costas del Perú, asociado a El Niño Costero,

con difluencia en su parte delantera, lo que favoreció el desarrollo de la convección que afectó a

la zona central del país. Debido a este fenómeno se generaron precipitaciones intensas que

desencadenaron la ocurrencia de flujos de detritos en las subcuencas de la cuenca del río Maipo,

favorecidos por una isoterma 0 °C sobre los 4.600 m s.n.m. (ver Tabla 4.7).

La temperatura en el nivel de 700 hPa (~3.000 m s.n.m.) resulta ser alta, ya que se alcanzan

valores entre los 8,8 y 3,4 °C, lo cual es comparable a lo observado durante la tormenta del 21 de

enero de 2013 (ver Figura 4.15).

54


el evento aluvional del 25 de febrero de 2017.

Fecha


Caudal medio [m3/s]


máxima [mm/h]


Río Maipo en El

Manzano

(2.475 m s.n.m.)

El Yeso Embalse

(2.475 m s.n.m.)

San Gabriel

(1.266 m s.n.m.)

San José de Maipo

Retén

(943 m s.n.m.)

Maitenes Bocatoma

(1.143 m s.n.m.)

Colorado

(2.750 m s.n.m.)

San José

(928 m s.n.m.)

Radiosonda Santo

Domingo

23/02/2017 168 0 0 0 0 - 0 5.206

24/02/2017 167 0 30 0 0 - 0 5.006

25/02/2017 158 24 0 2,1 4 - 0 4.684

26/02/2017 150 1,5 0 0 0 - 3,4 4.522

27/02/2017 122 0 0 0 0 - 0 4.490

28/02/2017 117 0 0 0 0 - 0 4.437

01/03/2017 117 0 0 0 - - 0 4.395

55

Figura 4.15. Serie de tiempo para el evento aluvional del 25 de febrero de 2013, en la subcuenca alta

del río Maipo. Caudal en las estaciones DGA, del Río Maipo en El Manzano (línea azul continua) y Río





4.4.6 Evento del 20 de abril de 2017

El día 20 de abril de 2017 se reportan aluviones importantes en la cuenca del río Maipo y en

particular en el estero San Alfonso (Muñoz, 2018); estos causaron el corte en el suministro de agua

potable, el 21 de abril del mismo año, que afectó a más de 880 mil clientes de 27 comunas de la

región Metropolitana de Santiago.

Para este evento se observa algo similar a los ocurridos el 21 de enero de 2013 y 25 de febrero

de 2017, ya que la precipitación resulta ser localizada en ciertas zonas de la parte alta de la cuenca

del río Maipo.

56

El 19 de abril solo se observan precipitaciones en la estación El Yeso Embalse (DGA) alcanzando

13 mm, mientras que el 20 de abril se registran lluvias en dos estaciones, correspondiente a San

José de Maipo Retén y El Yeso Embalse, con precipitaciones diarias que alcanzan 32,5 mm y 36,6

mm respectivamente. Durante este día también se registra una intensidad alta de precipitaciones

en la estación San José (DMC), la que llega a 4,7 mm/h. Posterior a este día las precipitaciones

son mínimas (ver Tabla 4.8).

Se observa un crecimiento de caudal claramente relacionado al evento de precipitación, el que

genera aumentos de gasto líquido desde valores cercano a 60 m3/s, previo a la tormenta, hasta

un promedio diario máximo de 150 m3/s el 20 de abril. Posterior a esta tormenta los caudales

vuelven a su tendencia de disminución registrada previa al evento pluvial (ver Tabla 4.8 y Figura

4.16).


el evento aluvional del 20 de abril de 2017.

Fecha


Caudal medio [m3/s]


máxima [mm/h]


Río Maipo en El

Manzano

(2.475 m s.n.m.)

El Yeso Embalse

(2.475 m s.n.m.)

San Gabriel

(1.266 m s.n.m.)

San José de Maipo

Retén

(943 m s.n.m.)

Maitenes Bocatoma

(1.143 m s.n.m.)

Colorado

(2.750 m s.n.m.)

San José

(928 m s.n.m.)

Radiosonda Santo

Domingo

19/04/2017 64,7 13 0 0 0 3.608

20/04/2017 150 36,6 0 32,5 4,7 3.818

21/04/2017 110 0 0 2,5 0,1 3.633

22/04/2017 70,3 0 0 0 0,1 3.835

23/04/2017 63,4 0 0 0 0 3.845

57

Figura 4.16. Serie de tiempo para el evento aluvional del 20 de abril de 2017, en la subcuenca alta del






Finalmente, en cuanto a la isoterma 0 °C, esta se ubica a gran altitud entre los 3.600 y 3.850 m

s.n.m. En este sentido, la temperatura en el nivel de 700 hPa (~3.000 m s.n.m.) resulta ser alta,

manteniéndose en el rango de 3,2 a 4,2 °C durante el periodo de la tormenta (ver Tabla 4.8 y

Figura 4.16).

58

4.5 Factores desencadenantes de aluviones en la cuenca del estero

San Alfonso

Tras el análisis hidrometeorológico se desprende que el principal factor desencadenante de

aluviones en la cuenca del estero San Alfonso corresponde a la lluvia, fundamentalmente cuando

existe una isoterma 0 °C elevada, generalmente sobre los 3.800 m s.n.m., con un valor mínimo de

2.800 m s.n.m. (ver Tabla 4.9).

Tabla 4.9. Resumen de precipitación diaria y altitud de isoterma 0 °C para los aluviones ocurridos en

el estero San Alfonso, desde 1993 al 2017.

Fecha Precipitación

máxima diaria [mm]

Estación

meteorológica

Altitud isoterma 0 °C

[m s.n.m.]

Tipo de

tormenta

03 de mayo de

1993 58,7

Embalse El

Yeso ~3.900

Sistema

frontal

11 de junio de

1997 49,5 San Gabriel ~2.850

Sistema

frontal

13-14 de

octubre de 1997 31,0 San Gabriel ~2.800

Sistema

frontal

21 de enero de

2013 11,0

Embalse El

Yeso ~4.500 Convectiva

25 de febrero de

2017 20,5

Embalse El


20 de abril de

2017 36,0

Embalse El


Además, se distinguen dos patrones sinópticos que típicamente han detonado aluviones en el área

de estudio, estos son los sistemas frontales y las tormentas convectivas.

Los sistemas frontales ocurren por el paso de perturbaciones extratropicales moviéndose hacia el

Este, produciendo precipitaciones más estables (uniformes y distribuidas) y de naturaleza

estratiforme (ver Figura 4.17a). La mayoría de las precipitaciones de invierno se asocian a este

patrón sinóptico (Viale y Garreaud, 2014).

59

El desarrollo de tormentas convectivas de verano generalmente ocurre en asociación con una

vaguada de onda corta que se aproxima y presenta vientos desde el este o vientos desde el oeste

muy débiles en la cima de los Andes subtropicales (32-36° S) (ver Figura 4.17b).

Figura 4.17. (a) Representación esquemática de las condiciones meteorológicas durante sistemas

frontales y (b) tormentas convectivas. Modificado de Viale y Garreaud (2014).

60

En época estival, durante el desarrollo de tormentas, la elevada altitud de la isoterma 0 °C (límite

entre precipitación líquida y sólida; Farías et al., 2016) favorece la ocurrencia de remociones en

masa, ya que aumenta la superficie de captación de agua líquida. La precipitación líquida puede

llegar hasta los 4.000 m s.n.m. en las montañas, bastante más arriba de los 2.300 m s.n.m. que

posee la línea de nieve típica (altitud a partir de la cual las precipitaciones son en forma de nieve)

en invierno (Garreaud, 2013). Ejemplo de lo anterior son los aluviones ocurridos el 21 de enero de

2013 y el 25 de febrero de 2017; estos fueron desencadenados por precipitaciones intensas,

atribuidas a celdas convectivas, con una isoterma 0 °C por sobre los 4.000 m s.n.m. en ambos

casos, lo que implica que toda la cuenca captó agua (ver Figura 4.19).

Figura 4.18. Elevación de la isoterma 0 °C como factor desencadenante de aluviones en la cuenca

del estero San Alfonso. Elaboración propia.

61

5 Sistemas de monitoreo y de alerta de aluviones

5.1 Tipos de sistemas de monitoreo y de alerta de aluviones

Según la UNISDR (2009), un sistema de alerta temprana (SAT) corresponde al conjunto de

capacidades necesarias para generar y difundir información de alerta que sea oportuna y

significativa, con el fin de permitir que las personas, las comunidades y las organizaciones bajo

amenaza se preparen y actúen de forma apropiada y con suficiente tiempo de anticipación para

reducir la posibilidad de que se produzcan pérdidas o daños; en función de la gente

necesariamente comprende cuatro elementos fundamentales:

1. El conocimiento del riesgo.

2. El seguimiento de cerca (o monitoreo), análisis y pronóstico de las amenazas.

3. La comunicación o difusión de las alertas y avisos.

4. Las capacidades locales para responder frente a la alerta recibida.

Lo anterior, sugiere que un SAT incluye una etapa de monitoreo, la cual está orientada a dar

seguimiento a la amenaza, en este caso a los aluviones, mediante la observación y registro

periódico de las variables físicas relacionadas a su ocurrencia y progreso, por lo que su enfoque

es más bien científico-técnico. Dentro de los sistemas de monitoreo se distinguen dos tipos:

1. Sistema de monitoreo piloto (SMP): su objetivo es probar sensores, calibrar variables

físicas (e.g. Chalk Creek Valley; Coe et al., 2010) y elaborar algoritmos de detección de

ocurrencia y proximidad de un aluvión. Además, puede contener como objetivo secundario

el de evaluar el funcionamiento de la red de comunicaciones para un posterior sistema de

alerta.

2. Sistema de monitoreo de modelación (SMM): su función principal es la recolección de

datos para desarrollar softwares de simulación de aluviones (e.g. Illgraben; WSL, 2017)

que permitan crear mapas de peligro, determinar la población expuesta y diseñar

estructuras para mitigar el impacto de estos flujos sobre las personas (Itakura et al., 2005).

Los SAT van más allá de solo monitorear aluviones, de tal manera que su finalidad es dar aviso a

la población de la ocurrencia o la proximidad de estos flujos. Según Arattano y Marchi (2008), los

sistemas de alerta se pueden clasificar como sigue:

62

1. Sistema de alerta anticipada (SAA): su función es emitir un aviso antes que ocurra un

aluvión en base al monitoreo de posibles factores detonantes, típicamente fenómenos

meteorológicos (Arattano y Marchi, 2008), como lluvias intensas y variaciones de

isoterma 0 °C. Predice la ocurrencia de un evento en base a la determinación de umbrales

de generación.

2. Sistema de alerta de evento (SAE): su propósito es emitir un aviso cuando un aluvión

está en progreso (Arattano y Marchi, 2008), es decir, se emite una alarma una vez que

se detecta la proximidad de un aluvión por un determinado lugar, el que debe estar a

varios kilómetros corriente arriba de la población expuesta.

Los algoritmos que determinan la ocurrencia de un aluvión generalmente se elaboran en el SMP

y operan comparando pronósticos (forecasts) y mediciones en tiempo real de precipitación, con

umbrales (thresholds) de precipitación local (Cavalli et al., 2013) a partir de los cuales

históricamente se han desencadenado aluviones en una determinada área. Por lo anterior, el

pronóstico meteorológico y el catastro de aluviones resultan fundamentales para el éxito de este

tipo de sistema. Por su parte, la detección de proximidad de un aluvión también se prueba

mediante el SMP, y su complejidad está directamente relacionada con la sofisticación de los

sensores utilizados, de tal modo que mientras más robusto el sensor, más simple es el algoritmo.

Finalmente, en la Figura 5.1 se resumen los sistemas de monitoreo y de alerta de aluviones,

mientras en la Figura 5.2 se muestran los niveles de certeza y acciones a convenir para cada

sistema de alerta de aluviones.

Figura 5.1. Sistemas de monitoreo y de alerta de aluviones. Elaboración propia.

63

Figura 5.2. Niveles de certeza y acciones a tomar para cada sistema de alerta de aluviones.


5.2 Sistemas de monitoreo existentes en el mundo

5.2.1 Asia

Japón y China han sido pioneros en el monitoreo del flujos de detritos y los sitios instrumentados

en estos países, gracias a la larga serie de datos registrados (desde 1970 aprox.), todavía juegan

un papel significativo en la investigación de este tipo de remoción en masa (Cavalli et al., 2013).

Los sistemas de alerta de flujos de detritos en ambos países son similares; consisten por un lado,

en el desarrollo de modelos predictivos, como la superación de umbrales de precipitación

establecidos mediante monitoreo de variables meteorológicas; y por otro en modelos de detección

al monitorear variables de aluviones (ver Tabla 2.5). Los sensores comúnmente empleados, tanto

en Japón como en China (Taiwán), son estaciones meteorológicas, sensores infrasónicos,

ultrasónicos, de cables, sismómetros, geófonos y videocámaras, entre otros (Hübl et al., 2008; Yin,

2012). La transmisión de datos es variada e incluye una red satelital, radios, medios guiados y

telefonía móvil (Yin, 2012; Suwa, 2012; Suwa et al., 2011) (ver Figura 5.3).

Además, en los últimos años otros países asiáticos de menor desarrollo económico y tecnológico

como Nepal, Indonesia, Tailandia, Bután, Malasia, Bangladesh e India (Fathani et al., 2011; Din et

al., 2013; Shrestha et al., 2014; Biansoongnern et al., 2016; Kafle, 2017) entre otros, han

desarrollado sistemas de alerta temprana para inundaciones y deslizamientos de tierra. Para

ambos procesos se han basado principalmente en el monitoreo meteorológico y en la estimación

64

de umbrales de intensidad de precipitación, puesto que ambos procesos históricamente han sido

desencadenados por lluvias intensas.

Figura 5.3. a) Sensores de monitoreo; b) red de transmisión de datos comúnmente utilizados en

China y Japón. Modificado de Yin (2012); c) Ejemplo de monitoreo de flujos de detritos en el estero

Kamikamihorizawa del Monte Yakedake, Japón; d) Estaciones meteorológicas sobre la zona de

arranque; e) Sensor ultrasónico sobre la vía aluvional; y f) Videocámara en el abanico aluvial.

Modificado de Suwa et al. (2011).

5.2.2 Estados Unidos

Entre las primeras experiencias sobre monitoreo de aluviones (flujos de detritos) en Estados

Unidos, se encuentran las campañas de monitoreo de Pierson (1986) en las quebradas del Monte

Santa Helena. En la actualidad, la instalación de equipos de monitoreo en el valle del estero Chalk

en las Montañas Rocosas de Colorado, han proporcionado información y datos valiosos sobre el

desencadenamiento de flujos de detritos y su dinámica (Coe et al., 2008; McCoy et al., 2011;

Cavalli et al., 2013). En esta pequeña cuenca instrumentada con pluviógrafos, sensores de

humedad de suelo, sensores ultrasónicos, sensores de presión, celdas de carga, videocámaras y

cámaras fijas, se registraron 17 eventos entre 2004 y 2009 (Coe et al., 2010. Ver Figura 5.4).

Durante los eventos de lluvia se graba en video a 2 fotogramas por segundo y se toman fotografías

de alta resolución cada 30 segundos. Las imágenes fijas de la cámara se transmiten vía Internet

65

todos los días al mediodía y cada 30 minutos durante los eventos de lluvia. El video completo se

descarga manualmente desde la cámara (USGS, 2018).

Figura 5.4. a) Mapa que muestra la instrumentación de la cuenca del estero Chalk, Estados Unidos.

Los símbolos indican la instalación de pluviógrafo (R), sensor de presión (PT), sensor ultrasónico

(US), celdas de carga (FP), sensor de humedad de suelo (SM), videocámara (VC) y cámara fija (SC);

b) Videocámara; y c) Sensor ultrasónico. Modificado de Coe et al. (2010).

5.2.3 Europa

Una de las primeras cuencas equipada para monitorear aluviones (flujos de detritos) es el torrente

de Moscardo en los Alpes al este de Italia (Arattano et al., 1997; Marchi et al., 2002). Otros sitios

fueron instrumentados también a fines de la década de 1990 y principios del 2000 en Italia (Tecca

et al., 2003) y Suiza (Hürlimann et al., 2003). Entre estos sitios de monitoreo, la cuenca Illgraben

(Suiza) merece ser mencionada debido al desempeño de su sistema de alerta de flujos de detritos

(Badoux et al., 2009), sus avances en mediciones de fuerzas, presión de poros en flujos de detritos

(McArdell et al., 2007) y erosión del lecho del canal (Berger et al., 2011). Además, con los datos

recopilados en esta cuenca se desarrolló el software RAMMS-debris flow (Rapid Mass Movement

Simulation), útil para la modelación de flujos de detritos (WSL, 2017).

66

En otros países europeos como Austria (Kogelnig et al., 2011), Francia (Navratil et al., 2012) y

España (Abancó et al., 2014) también se han instalado equipos de monitoreo de flujos de detritos

(Cavalli et al., 2013), cuyos sistemas, sensores y red de transmisión son similares a los ya

mencionados para China, Japón y Estados Unidos. Sin embargo, el interés por entender el peligro

y reducir el riesgo frente a los procesos de remociones en masa ha llegado a tal punto en Europa,

que para esta región, el año 2012 se desarrolló una guía para el monitoreo de remociones en masa

y sistemas de alerta temprana (Safeland, 2012).

Otro aspecto que cabe mencionar es que en Austria, Adams et al. (2016) utilizaron vehículos

aéreos no tripulados (UAVs o drones) para monitorear y realizar un mapeo de alta resolución. A

partir de ello, en este trabajo se concluye que los datos de UAVs pueden alcanzar una exactitud y

precisión comparable a los datos de aeronaves tripuladas, pero con mayor flexibilidad y

repetitividad, menos restricciones operacionales y mayor resolución espacial.

En Italia también se han monitoreado flujos de lodo, como el caso de Turconi et al. (2015) que

muestran un sistema en el cual se utilizan sensores sísmicos (geófonos), un sensor ultrasónico y

una videocámara.

Finalmente, Schimmel y J. Hübl (2015) muestran un método innovador de detección, tanto de flujos

de detritos, como de flujos hiperconcentrados. Este método es automatizado y consiste en la

implementación conjunta de un sensor sísmico (geófono) y uno infrasónico. El algoritmo de

detección se ejecuta con precisión, en tiempo real y directamente en el lugar por medio de un

microcontrolador. Los resultados de este estudio indican que al combinar ambos sensores se

reduce fuertemente la generación de falsas alarmas, lo cual se constató con videocámaras y

sensores de radar. La transmisión es realizada por medio de un Módem GSM (ver Figura 5.5).

67

Figura 5.5. Detección automática de flujos de detritos e hiperconcentrados en base a una

combinación de infrasonidos y señales sísmicas. a) Resumen del sistema, b) Ejemplo de ubicación

de sensor infrasónico, geófono, sensor de radar y videocámara; y c) Ejemplo de sensores

instalados. Modificado de Schimmel y J. Hübl (2015).

5.2.4 Argentina

Un caso innovador en Argentina es el sistema de alerta temprana contra crecientes, aluviones y

derrumbes (SATCAD) implementado en la ruta provincial N° 307 en la provincia de Tucumán.

SATCAD consiste en una red compleja compuesta de sistemas diseñados y construidos

específicamente para objetivos particulares de aplicación (ver Figura 5.6), ya sea para detectar y

monitorear una creciente (inundación), un aluvión o un derrumbe (deslizamientos, caídas y

volcamientos) (Pastor, 2014). Dentro de los sensores utilizados están los limnimétricos,

pluviométricos, meteorológicos, sísmicos y geodinámicos; los cuales son de bajo costo y están

conectados entre sí por una red redundante basada principalmente en comunicación por radio.

68

Figura 5.6. Redes constitutivas del SATCAD. LMNI: limnimétrica; PLUDAN: pluviométrica; SISMI:

sísmica; METEO: meteorológica; GEO: geodinámicas; TELE: telemáticas; AAA: avisos; alertas y

alarmas; DATA: datos de respaldo; y CLC: centro local de control. Tomado de Pastor (2014).

5.2.5 Perú

En Perú existe un sistema de monitoreo hidrometeorológico, manejado por el Servicio Nacional de

Meteorología e Hidrología del Perú (SENAMHI), para inundaciones y huaycos (aluviones) en la

cuenca media-alta del río Rímac, en la zona de Chosica, región de Lima; está compuesto por una

red de estaciones meteorológicas e hidrológicas, medios de comunicación, tecnología de

información y personal que gestiona los datos, monitorea los datos y elabora los pronósticos y

avisos respectivos a los usuarios. Esta red consta de 17 estaciones meteorológicas e hidrológicas

de las cuales solo 7 son automáticas y las restantes son estaciones convencionales, es decir,

manuales. De existir condiciones para la ocurrencia de lluvias intensas, el SENAMHI emite un

aviso meteorológico, y si existen condiciones para un aumento de caudal, se emite un aviso

hidrológico cuyo ámbito espacial es el de la cuenca, considerando umbrales de caudales

provenientes, principalmente, del monitoreo de la estación hidrológica de Chosica, y apoyado con

datos de estaciones vecinas. La transmisión de datos es satelital con intervalos de 30 minutos

(Chira y Kuroiwa, 2017) (ver Figura 5.7).

69

Figura 5.7. Esquema del funcionamiento de la red de estaciones del SENAMHI. Tomado de Chira y

Kuroiwa (2017).

5.2.6 Colombia

Algunas de las grandes ciudades de Colombia han desarrollado sistemas de alerta para el

monitoreo de inundaciones y/o deslizamientos. Tal es el caso de la red de alerta SIATA

implementado en el área metropolitana del Valle de Aburrá (Aristizábal et al., 2010), que incluye

un radar y todo un sistema automatizado de observación hidrometeorológica telemétrica. Bogotá

también cuenta con una red automatizada operada por el Instituto Distrital de Gestión de Riesgos

y Cambio Climático (IDIGER, 2018). Manizales por su parte, cuenta con una red de estaciones

hidrometeorológicas, operadas por la Universidad Nacional, Sede Manizales (UNGRD, 2016) y en

Santa Marta existe un sistema de alerta temprana por inundación y deslizamiento en el flanco

nororiental de la Sierra Nevada (CORPOGUAGIRA, 2011). En este país, el interés por estos temas

ha sido tal que, la Unidad Nacional para la Gestión del Riesgo de Desastres de Colombia (UNGRD,

2016), en el año 2016 elaboró una guía para la implementación de SATs; en la cual se destaca la

importancia de socializar los componentes y funcionamiento de un SAT para lograr una articulación

a nivel comunitario con las estrategias y planes de respuesta de cada localidad (ver Figura 5.8).

70

Prácticamente todos los sistemas de monitoreo desarrollados en Colombia se basan en estimación

de umbrales de lluvia y caudales a partir de observaciones hidrometeorológicas; y su red de

comunicación es realizada por satélite, enlaces de radio y conexiones a internet.

Figura 5.8. Roles de principio a fin para los ejecutores de los SAT. Tomado de UNGRD (2016).

71

5.2.7 Chile

Los sistemas de monitoreo de aluviones implementados son escasos y privados. En el país se

tiene conocimiento de tres trabajos relacionados a estas materias con equipos instalados: estos

son el monitoreo hidrométrico en el río Burritos en Villa Santa Lucía, el estudio del infrasonido del

Lahar asociado a la erupción del volcán Villarrica del 3 de marzo de 2015 (Johnson y Palma, 2015),

y el sistema de monitoreo y de alerta temprana en la quebrada de Ramón, región Metropolitana

de Santiago (DICTUC, 2016; Gironás y Sandoval, 2017).

El trabajo de Johnson y Palma (2015) sobre el infrasonido producido por Lahar asociado a la

erupción del volcán Villarrica del 3 de marzo de 2015, demuestra la utilidad de los sensores

infrasónicos para el monitoreo y estudio de flujos de detritos, de lodo e hiperconcentrados.

En el río Burritos, Villa Santa Lucía, región de Los Lagos, la Universidad de Newcastle del Reino

Unido en conjunto con la Universidad de Aysén, en el marco del proyecto Dynamics and

sedimentary of the catastrophic December 2017 Villa Santa Lucía aluvión, Chilean Patagonia, han

instalado una videocámara que obtiene videos de 10 segundos que son transmitidos a una

plataforma vía internet utilizando un módem 3G/GPRS de la red móvil Entel.

El sistema de monitoreo y de alerta temprana (SAT) en la quebrada de Ramón surge como

iniciativa del Instituto Nacional de Hidráulica (INH) y fue desarrollada por DICTUC. A partir del

monitoreo y estudio de la cuenca desde el año 2014 por CIGIDEN (Centro de Investigación de

Desastres Naturales), se implementó este SAT orientado principalmente a la ocurrencia de

inundaciones; opera mediante el desarrollo de un modelo meteorológico, hidrológico e hidráulico

para la simulación continua de eventos y para la caracterización y pronóstico de crecidas (DICTUC,

2016)

Además, este proyecto ha significado la implementación de 3 estaciones fluviométricas y casi una

veintena de estaciones meteorológicas orientadas a caracterizar la distribución espaciotemporal

de la precipitación, y la dinámica de la isoterma 0 °C. Una vez que se ponga en marcha este

sistema, conjugará los pronósticos meteorológicos, el modelamiento de procesos físicos y la

información hidrometeorológica en tiempo real, para pronosticar al corto y mediano plazo las

condiciones de escurrimiento y ocurrencia de inundaciones (Gironás y Sandoval, 2017) (ver Figura

5.9).

72

Figura 5.9. Funcionamiento de la plataforma de monitoreo. Tomado de Vásquez (2017).

5.3 Sensores de monitoreo

5.3.1 Sensores meteorológicos

Un sensor meteorológico corresponde a un equipo que es capaz de medir variables

meteorológicas, tales como intensidad de lluvia , temperatura del aire, presión atmosférica,

velocidad y dirección del viento.

La importancia de implementar un monitoreo meteorológico se sustenta en que el 93% de las

víctimas fatales en Chile fueron a causa de remociones en masa desencadenadas por lluvias

(Marín et al., 2018). Además, en la zona central de Chile la altura de la isoterma 0 °C ha jugado

un rol fundamental en la generación de aluviones.

73

A continuación, se describen los diferentes tipos de sensores meteorológicos:

1. Pluviómetro: dispositivo que mide la cantidad de agua caída en un determinado intervalo

de tiempo. Para efectos de un monitoreo en tiempo real se debe establecer una alta tasa

de adquisición de datos. Cavalli et al. (2013) sugieren un intervalo de 1 a 5 minutos, pero

hay sistemas que transmiten cada 30 minutos (Chira y Kuroiwa, 2017; USGS, 2018). Ver

Figura 5.10.

Figura 5.10. Pluviómetro instalado en la cumbre de un área de generación de flujos de detritos.

Tomada de Cavalli et al. (2013).

2. Estación meteorológica: sensor integrado de diferentes dispositivos que registran

diferentes parámetros meteorológicos. Además de un pluviómetro, este sensor

usualmente incluye un anemómetro, una veleta, termómetros, higrómetros y tensiómetros,

entre otros. Para efectos de un monitoreo en tiempo real se debe establecer una alta tasa

de adquisición de datos, con un rango estimado de 1 a 5 minutos (Cavalli et al., 2013). Ver

Figura 5.11.

74

Figura 5.11. Estación meteorológica. Tomada de Fernández y Rodríguez (2016).

3. Radar meteorológico: corresponde a un dispositivo que provee una estimación, de alta

resolución y en tiempo real, de lluvia en una cuadrícula sobre una región de interés. Las

estimaciones cuantitativas de la precipitación provenientes de radares, usualmente son

facilitadas utilizando relaciones de la ley de potencias entre la tasa de precipitación y la

reflectividad medida por el radar. La reflectividad es directamente proporcional a la

cantidad de energía electromagnética dispersada de regreso al radar por partículas de

precipitación y nubes (NOAA, 2012). Ver Figura 5.12.

Figura 5.12. Sensor de radar y los retos en relación a la instalación en terrenos complejos. Tomado

de NOAA (2012).

75

4. Satélite meteorológico: es un tipo de satélite artificial cuya función es recopilar datos de

observaciones tales como imágenes infrarrojas y visibles (NOAA, 2012), relacionadas con

el tiempo atmosférico. Se distinguen dos tipos: satélite Geoestacionario con sensor

infrarrojo y satélite de Órbita Polar con sensor de microondas. Los satélites

Geoestacionarios pueden brindar ubicaciones oportunas de tormentas y sus datos arriban

cada 30 minutos o incluso con mayor frecuencia. Mientras que los satélites de Órbita Polar

observan emisiones provenientes de agua y de hielo dentro de las nubes para producir

estimaciones cuantitativas de precipitación (NOAA, 2012). Ver Figura 5.13.

Figura 5.13. Satélites meteorológicos. Modificado de NOAA (2018).

Finalmente, en la Tabla 5.1 se muestran los usos y las variables que pueden medir los diferentes

sensores meteorológicos descritos anteriormente.

Tabla 5.1. Sensores que permiten medir variables meteorológicas. Elaboración propia.

Tipo de sensor

Variable meteorológica que puede

medir Utilizado para

Inte

nsid

ad d

e

lluvia

Tem

pera

tura

del aire

Pre

sió

n

atm

osfé

rica

Velo

cid

ad d

el

vie

nto

Direcció

n d

el

vie

nto

Pronósticos

meteorológicos

Anticipar

ocurrencia

de aluviones

1. Pluviógrafo

(rain gauge) -

76

5.3.2 Sensores de monitoreo de aluviones

Un sensor de monitoreo aluvional consiste en un equipo que permite dar seguimiento y estudiar el

desarrollo de un aluvión, desde que se genera hasta que se deposita su material, así como también

medir sus variables físicas asociadas, tales como su altura, velocidad, caudal máximo, fuerza de

impacto, viscosidad, volumen y trayectoria.

Los sensores de monitoreo aluvional generalmente se utilizan para detectar la ocurrencia de un

aluvión y se pueden subdividir en 6 grandes grupos que se describen a continuación:

A. Sensores de observación

Son equipos que capturan imágenes y videos de un aluvión. Generalmente se utilizan como

medios de verificación visual para validar detección de otros tipos de sensores de monitoreo de

aluviones.

1. Videocámara: corresponde a un dispositivo capaz de capturar imágenes y transformarlas

en una señal eléctrica (ver Figura 5.14). Un video consiste en el arreglo de una serie de

imágenes, llamadas fotogramas. La calidad de este depende de la resolución en pixeles y

es proporcional a su tamaño (ver Tabla 5.2).

2. Estación

meteorológica

(meteorological

station)

-

3. Radar

meteorológico

(weather radar) - - - - -

4. Satélite

meteorológico

(weather satellite)

- - -

77

Figura 5.14. Videocámara instalada para grabar aluviones. Modificado de USGS (2018).

Tabla 5.2. Velocidad de transmisión necesaria según el tipo de video a grabar. Elaboración propia.

B. Sensores de movimiento

Son dispositivos robustos que detectan el movimiento de un aluvión al pasar por un determinado

punto de su trayectoria.

Tipo de video Resolución

[pixeles]

Fotogramas

por

segundo

[fps]

Tamaño de 10

s de grabación

[KB]

Velocidad

necesaria

[Mbps]

Mensajería multimedios (MMS) 177×144 15 270 0,2

Arreglo de video gráfico (VGA) 640×480 30 5.500 4,5

Alta definición (HD) 1.280×720 20 5.750 4,7

HD 1.280×720 30 15.500 12,7

Full HD 1.920×1.080 30 22.000 17,6

Full HD 1.920×1.080 60 35.500 29,0

78

2. Sensor de cables: consiste en una serie de cables extendidos en un canal a diferentes

niveles de altura con respecto al mismo. Cuando pasa un flujo de detritos corta los cables

y entonces el sensor emite una señal indicando hasta qué nivel se cortó (ver Figura 5.15).

Figura 5.15. Sensor de cables instalado para monitorear flujos de detritos. Tomado de Arattano y

Marchi (2008).

3. Sensor de péndulo: corresponde a un sensor que funciona por la inclinación de un

péndulo. Cuando pasa un flujo de detritos choca con el péndulo y entonces el sensor emite

una señal (Arattano y Marchi, 2008. Ver Figura 5.16).

Figura 5.16. Sensor de péndulo instalado para monitorear flujos de detritos. Tomado de Cavalli et al.

(2013).

79

4. Fotoceldas: responde al cambio en la intensidad de una luz, enviando una señal cuando

la masa que fluye interrumpe los rayos emitidos por los sensores, lo que permite detectar

el paso de un flujo de detritos (Cavalli et al., 2013. Ver Figura 5.17).

Figura 5.17. Fotoceldas instaladas para medir velocidad de flujos de detritos. Tomado de Bettella et

al. (2015).

C. Sensores hidrométricos

Estos equipos son capaces de registrar mediciones hidrométricas en el tiempo como altura,

velocidad y caudal de un flujo, lo que permite la creación de hidrogramas de aluviones.

5. Sensor ultrasónico: corresponde a un sensor que funciona por el reflejo de ondas de

sonido. Este sensor emite ondas de sonido que se reflejan al haber un objetivo que las

intercepte y mide el tiempo que transcurre entre su transmisión y recepción (ver Figura

5.18).

6. Sensor de radar: corresponde a un sensor que funciona por el reflejo de ondas continuas

de frecuencia modulada. Este sensor emite ondas que se reflejan al haber un objetivo que

las intercepte y mide el tiempo que transcurre entre su transmisión y recepción (ver Figura

5.18).

80

Figura 5.18. Sensor de radar y sensor ultrasónico instalados para monitorear flujos de detritos.

Tomado de Cavalli et al. (2013).

7. Sensor láser: corresponde a un sensor que funciona por el reflejo de un haz de luz. Este

sensor emite un haz de luz que se reflejan al haber un objetivo que lo intercepte y mide el

tiempo que transcurre entre su transmisión y recepción. Ejemplos de este tipo de sensor

son el LiDAR (Light Distance And Ranging) y el LDV (Laser Velocimeter Doppler) (ver

Figura 5.19).

81

Figura 5.19. Sensor láser instalado para medir velocidad y altura de flujo. Tomado de RSHYDRO

(2018).

D. Sensores de trayectoria

Son aquellos que permiten obtener un registro amplio de la trayectoria de un aluvión.

Generalmente se emplean post evento, pero con la utilización de sensores que transmitan

información de posición en tiempo real sirven durante un incidente.

1. Vehículo aéreo no tripulado (UAV/drone): es una aeronave que no cuenta con

tripulación humana y puede ser totalmente autónomo u operado por control remoto (SIC,

2015). Se utiliza en investigaciones post evento para determinar la trayectoria de flujo (Lin

et al., 2010), cantidad de material depositado, características morfológicas de un terreno,

entre otros. El equipo debe contar con una cámara que permita capturar fotografías aéreas

para generar un modelo de elevación digital (Coral, 2015). También se ha utilizado para

evaluar la dinámica de deslizamientos mediante la recopilación de una serie temporal de

imágenes de alta resolución (Turner et al., 2015), lo que resulta importante cuando estos

deslizamientos potencialmente pueden represar un curso de agua y generar aluviones tipo

outburst (ver Figura 5.20).

82

Figura 5.20. a) Vehículos aéreos no tripulados para mapear aluviones según Adams et al. (2016); b)

Monitoreo de la dinámica de un deslizamiento, expuesto por Turner et al. (2015); y c) Mapeo de la

trayectoria de un flujo de detritos, realizado por Adams et al. (2016) utilizando vehículos aéreos no

tripulados.

2. Sensor GPS: se utilizan GPS diferenciales que proporcionan correcciones de los datos

recibidos desde los satélites, para mejorar la precisión de posición y topografía de un

terreno que contribuyen al levantamiento de modelos de elevación digital (DEMs), útiles

para el monitoreo de deslizamientos que potencialmente pueden represar un curso de

agua y generar aluviones tipo outburst y para determinar la trayectoria de un aluvión,

83

cantidad de material depositado, entre otros (Arattano y Marchi, 2008). Su eficiencia puede

mejorar enormemente si se conecta con un vehículo aéreo no tripulado (UAV) (ver Figura

5.21).

Figura 5.21. a) GPS diferencial (Global Navigation Satellite System, GNSS); y b) Conexión de GNSS

con un vehículo aéreo no tripulado para generar DEMs. Según cotización n°180636 de UAVSensefly

para SERNAGEMÍN (2018).

3. Sensor integrado: corresponden a boulders artificiales que se colocan en el cauce de un

canal y luego serán arrastrados por flujos de detritos. Consisten en cubiertas de acero que

llevan diferentes tipos de sensores que están destinados a medir parámetros y variables

de flujos de detritos (Arattano y Marchi, 2008. Ver Figura 5.22).

Figura 5.22. Sensor integrado para caídas de rocas que sigue el mismo principio para flujos de

detritos. Tomado de WSL (2018).

84

E. Sensores de vibración

Estos sensores registran las ondas, mecánicas o acústicas, producidas por el paso de un aluvión,

lo que permite detectar la proximidad de un evento.

4. Sensor infrasónico: capta las señales infrasónicas (0,01-20 Hz), generadas por un

movimiento en masa, que viajan a través del aire. Estas señales tienen una amplitud

específica y ocupan una banda relativamente libre de ruido en el espectro acústico de baja

frecuencia. Cabe destacar que se espera que las señales infrasónicas de los flujos de

detritos, sean producidas por su frente y la colisión (o abrasión) de este con el borde del

canal (Schimmel y Hübl, 2015. Ver Figura 5.23).

Figura 5.23. Sensor infrasónico utilizado para monitorear flujos de detritos. Tomado de Schimmel y

Hübl (2015).

5. Geófonos: dispositivo utilizado en la medición sísmica de superficie que detecta la

velocidad del terreno producida por las ondas sísmicas y transforma el movimiento en

impulsos eléctricos. Los geófonos detectan el movimiento en una sola dirección

(Schlumberger, 2018). Al pasar un aluvión este produce una vibración en la tierra, la cual

se puede distinguir de otras fuentes, y por ende se puede tener una señal característica

de esta remoción en masa (ver Figura 5.24).

85

Figura 5.24. Geófono utilizado para monitorear flujos de detritos. Tomado de Schimmel y Hübl

(2015).

6. Sismómetro: es un dispositivo que registra el movimiento terrestre y lo transforma en una

señal eléctrica. Según esta definición, un geófono también es un sismómetro. Sin

embargo, en este trabajo se hace referencia a los sismómetros de banda ancha, es decir,

aquellos que permiten registrar sismos en un amplio rango de frecuencias. La

característica anterior, permite detectar ondas sísmicas desde baja hasta de muy alta

frecuencia (CSN, 2018. Ver Figura 5.25).

Figura 5.25. Sensor sísmico (sismómetro). Tomado de CSN (2018).

86

7. Acelerómetro: es un dispositivo que mide las aceleraciones generadas por un sismo local

sobre la superficie de la tierra (CSN, 2018) y transforma el movimiento en una señal

eléctrica (ver Figura 5.26).

Figura 5.26. Acelerómetro. Tomado de CSN (2018).

E. Sensores de esfuerzo

Corresponde a dispositivos que están enfocados en registrar la energía y fuerza de impacto de un

aluvión.

8. Sensor de presión: consiste en una placa de aluminio y un cono de acero unido a una

placa de acero. El impacto en la placa de acero hace que el ápice afilado del cono penetre

en la placa de aluminio; el tamaño de la marca grabada en la placa puede correlacionarse

con la fuerza de impacto (Arattano y Marchi, 2008). Además, existen transductores de

presión, los cuales convierten la presión en una señal eléctrica analógica. La conversión

de la presión en una señal eléctrica se consigue mediante la deformación física de los

extensómetros que están unidos en el diafragma del transductor de presión. La

deformación producirá un cambio de resistencia eléctrica proporcional a la presión

(OMEGA, 2018). Ver Figura 5.27.

87

Figura 5.27. Esquema de sensor de presión instalado para monitorear flujos de detritos. Modificado

de Genevois et al. (2000).

9. Medidor de deformación: es un sensor que traduce una deformación por tensión, en un

cambio de resistencia eléctrica que posteriormente se puede medir. Permite monitorear

de manera continua la fuerza de impacto que produce un flujo de detritos (ver Figura 5.28).

Figura 5.28. Dispositivos para medir fuerzas de carga horizontal basadas en resistencia de

medidores de deformación. Tomada de Scheidl et al. (2013).

88

10. Celdas de carga: es un sensor que traduce una carga o fuerza en una señal eléctrica, la

cual es proporcional a la fuerza aplicada (ver Figura 5.29).

Figura 5.29. Celdas de carga utilizadas para el estudio de flujos de detritos. Tomada de Scheidl et al.

(2013).

Finalmente, en la Tabla 5.3 se muestran los usos y las distintas variables que pueden medir los

diferentes sensores de monitoreo de aluviones descritos anteriormente.

89

Tabla 5.3. Sensores que permiten medir variables físicas de un aluvión. Modificado de Itakura et al.

(2005).

Tipo de sensor

Variable física de un aluvión que puede medir

Desempeño

Detecta proximidad de evento

Altura

Velo

cid

ad

Caud

al

máxim

o

Fuerz

a d

e

imp

acto

Vis

cosid

ad

Volu

men

Tra

yecto

ria

Sin

conta

cto

Reutiliz

able

Observ

ació

n

1. Videocámara

(Videocamera) - -

Movim

iento

2. Sensor de

cables

(wires sensor) - -

3. Sensor de

péndulo

(pendulum

sensor)

- -

4. Fotoceldas

(photocells) - -

Escáner

5. Sensor

ultrasónico

(ultrasonic

sensor)

-

6. Sensor de

radar

(radar sensor) -

7. Sensor láser

(laser sensor) -

Tra

yecto

ria

8. Sensor GPS

(GPS sensor) - - - - -

9. Vehículo

aéreo no

tripulado (Drone) - - - - -

10. Sensor

integrado

(integrated

sensor)

- - - -

90

Continuación de Tabla 5.3.

5.4 Redes de transmisión de datos

Tipo de sensor

Variable física de un flujo de detritos que puede medir

Desempeño

Detecta proximidad de evento

Altura

Velo

cid

ad

Caud

al

máxim

o

Fuerz

a d

e

imp

acto

Vis

cosid

ad

Volu

men

Tra

yecto

ria

Sin

conta

cto

Reutiliz

able

Vib

ració

n

11. Sensor

infrasónico

(infrasonic

sensor)

- -

12. Geófonos

(geophones) - -

13. Sismómetro

(seismometer) - -

14.

Acelerómetro

(accelerometer) - - - -

Esfu

erz

o

15. Sensor de

presión

(pressure

sensor)

- -

16. Medidor de

deformación

(strain gauge) -

17. Celdas de

carga

(load cells) - - - -

91

5.4.1 Medios guiados

Corresponden a medios de transmisión que permiten el transporte de una señal, normalmente

eléctrica u óptica, a una tasa llamada velocidad de propagación, mediante una red física

(alámbrica). Se identifican tres tipos principales, los cuales se describen a continuación:

1. Par trenzado o cable de pares: consiste en dos conductores aislados entre sí y del

exterior, trenzados de forma que cada uno se encuentre expuesto a la misma cantidad de

ruido inductivo externo. En algunos casos parar evitar interferencias los pares trenzados

se acompañan de una pantalla metálica que aumenta el rendimiento. A dichos cables se

les denomina STP (Shielded Twister Pair), frente a los cables sin pantalla denominados

UTP (Unshielded Twister Pair). Normalmente este tipo de cables se agrupan en cables de

mayor capacidad denominados multipares, que llevan hasta 2.400 pares (Estepa, 2004).

Un ejemplo particular de utilización de cable a pares es el ADSL (asymmetric digital

subscriber line). Este tipo de conexión utiliza la red de telefonía básica para transferir

digitalmente datos a alta velocidad mediante tres canales que incluyen la voz, la subida y

descarga (bajada) de información de internet. Su velocidad máxima es de hasta 20 Mbps,

pero otros servicios como VDSL (very high-bit-rate digital subscriber line) pueden alcanzar

velocidades de hasta 50 Mbps (ver Figura 5.30).

Figura 5.30. Cable de pares (izquierda) y multipares (derecha). Tomada de Estepa (2004).

2. Cable coaxial: son cables construidos con dos conductores concéntricos de cobre, uno

interno por el que circula la señal útil y otro externo que rodea al anterior actuando a modo

de pantalla. El conductor central tiene un diámetro superior al de los cables de pares (entre

1 y 5 mm) (Estepa, 2004. Ver Figura 5.31).

92

Figura 5.31. Cable coaxial. Tomada de Estepa (2004).

3. Fibra óptica: consta básicamente de un fino hilo de óxido de silicio que permite transportar

la luz en la banda de infrarojos y se utiliza para transmitir señales digitales. La fibra óptica

está compuesta por dos capas de vidrio concéntricas con distinto índice de refracción, lo

que provoca que un haz de luz incidente con un cierto ángulo de entrada se propague a lo

largo de la fibra (Estepa, 2004). Ver Figura 5.32.

Figura 5.32. Fibra óptica. Tomada de Estepa (2004).

Además, en la Tabla 5.4 se comparan las características generales de transmisión de medios

guiados, tales como rango de frecuencias, velocidad de transferencia de datos y separación entre

repetidores.

93

Tabla 5.4. Comparación de características generales de transmisión de medios guiados. Modificado

de Stallings (2004).

Por otra parte, a partir de cada medio guiado se puede implementar una red WiFi utilizando un

punto de acceso de red inalámbrica y así permitir la conexión a internet. Además, los dispositivos

electrónicos habilitados con esta tecnología se pueden interconectar entre sí, lo cual representa

su principal ventaja. Según Moreno (2015), la velocidad de transmisión puede llegar hasta 1 Gbps

y a un alcance de hasta 150 m. Sin embargo, las velocidades típicas son del orden de unos pocos

Mbps mientras que su alcance llegaría a 30 m. Adicional a lo anterior, el WiFi suele presentar

problemas de conexión y una seguridad débil.

Finalmente, para transmitir en tiempo real se debe considerar la velocidad de descarga y de subida

de datos de cada medio, tomando en cuenta que la velocidad de subida es alrededor del 10% de

la de descarga para medios guiados y que el WiFi generalmente ralentiza la transmisión en un

50%.

5.4.2 Redes inalámbricas

Corresponden a conexiones, de puntos de accesos o nodos, mediante ondas electromagnéticas y

no por medios físicos (alámbricos). Las redes inalámbricas utilizadas en sistemas de monitoreo se

pueden agrupar en tres grandes conjuntos, telefonía móvil, comunicación radial y satelital; las

cuales se describen a continuación:

A. Telefonía móvil

La primera generación (G) de servicios de telefonía móvil permitió la transmisión de voz, y creció

tan rápidamente en los años 80 con el desarrollo del sistema americano de telefonía móvil (AMPS)

que ya a fines de la misma década comenzaron a aparecer los servicios digitales 2G, los que

Medio físico Rango de

frecuencias

Velocidad

típica

Separación entre repetidores

[km]

Par trenzado Hasta 1 MHz 8 Mbps 2

Coaxial Hasta 500 MHz 10 Mbps 10

Fibra óptica 180 a 370 THz 1 Gbps 40

94

brindaron prontamente una mayor capacidad y servicios únicos, tales como el identificador y

desvío de llamadas y la generación de mensajes cortos (Gayathri, 2014). Dentro de los métodos

de acceso 2G, destaca el CDMA (acceso múltiple por división de código) y el TDMA (acceso

múltiple por división de tiempo) utilizado por el GSM europeo (sistema global para las

comunicaciones móviles).

Antes de la llegada de la tercera generación de telefonía, se implementaron los sistemas 2,5G, los

cuales ofrecen características extendidas a través de sus servicios HSCSD (High Speed Circuit

Switched Data), GPRS (General Packet Radio System) y EDGE (Enhanced Data Rates for Global

Evolution), entre otros, y que aún están vigentes en el mundo (Gayathri, 2014). En particular, a

diferencia de los sistemas 2G, EDGE (también llamado 2,75G) tiene la capacidad de transmitir

datos como mensajería multimedios (MMS) (Espinoza, 2007).

Terminada la década de los 90 se desarrolla la tecnología 3G, la cual es planeada e ideada para

los teléfonos inteligentes (smartphones) (Gayathri, 2014). La 3G es tipificada por la convergencia

de la voz y datos con acceso inalámbrico a Internet, aplicaciones multimedia y altas transmisiones

de datos (Espinoza, 2007). El servicio UMTS (Universal Mobile Telecommunications Systems) es

un ejemplo de 3G e incluye funciones como música, videos en movimiento, navegación en la web

rápida y juegos 3D (Gayathri, 2014).

En el año 2006, se anunció en Alemania la tecnología 3,5G correspondiente al servicio HSDPA

(High Speed Downlink Packet Access), la cual es una mejora de UMTS que ofrece velocidades de

hasta 7 veces mayor, de tal modo que experiencias como la descarga, la transmisión, la

navegación web y el envío de mensajes y correos electrónicos son similares a las conexiones

alámbricas de un computador (Gayathri, 2014).

La cuarta generación aparece en la última década, distinguiéndose de sus antecesoras por poseer

un sistema basado totalmente en el IP (internet protocol) a partir del cual, es capaz de proporcionar

una alta velocidad, calidad, capacidad y seguridad de transmisión, además de servicios de bajo

coste para servicios de voz y datos, multimedia e internet (UIV, 2018).

Tecnologías recientes, como la OWA (Open Wireless Architecture), son denominadas 5G, ya que

son una evolución de 4G. Además de mejorar las velocidades y anchos de banda de transmisión

(más bps/Hz), esta tecnología se caracteriza por interconectar todas las redes heterogéneas

inalámbricas para proporcionar al usuario una experiencia de telecomunicaciones consistente y

95

sin interrupciones. En 5G cada red será responsable de manejar la movilidad del usuario, mientras

que la terminal tomará la decisión final entre diferentes proveedores de la red de acceso

inalámbrico para un servicio determinado (Sheetal, 2015). Se espera que en el año 2021 esta

tecnología esté disponible en Chile.

Finalmente, en la Tabla 5.5 se muestra una comparación de las principales características de

transmisión entre servicios de telefonía móvil.

Tabla 5.5. Comparación de las principales características de transmisión entre servicios de telefonía

móvil. Elaboración propia.

B. Comunicación radial

Por radio se entiende la transmisión de señales a través del espacio, mediante ondas

electromagnéticas, sin que haya conexión física entre transmisor y receptor. En este caso, el medio

de propagación de las ondas electromagnéticas es el aire o el vacío. La frecuencia a la cual la

radiación de esta energía es útil para propósitos de comunicación, se le conoce como

radiofrecuencia (RF) (Mejía, 2013).

Generación Servicio Letra en

teléfono Frecuencias Velocidad máxima

Año en

Chile

1G AMPS - 800 a 900 MHz 1 a 2,4 kbps -

+

1981

2G

CDMA - 825 a 849 MHz

14 a 64 kbps 1992 GSM -

850 a 1.900

MHz

2,5G

HSCSD - 850 a 1.900

MHz

hasta 57 kbps

2001 GPRS G hasta 115 kbps

EDGE E hasta 384 kbps

3G UMTS 3G 8 a 2,5 GHz 144 kbps a 2 Mbps 2006

3,5G HSPA H - 384 kbps a 14,4 Mbps 2010

4G LTE 4G - 10 Mbps a 1 Gbps 2012

5G OWA 5G 3 a 300 GHz 1 a 10 Gbps 2021

96

Las antenas de radio permiten tanto la emisión como la recepción de señales, y pueden ser

básicamente de dos tipos: omnidireccionales (emiten la misma energía en todas las direcciones)

y direccionales (de mayor ganancia en una dirección concreta). Por lo general cuanto mayor es la

frecuencia de la señal, las ondas tienden a comportarse como un haz de luz (son más

direccionales) y su alcance límite es la visibilidad óptica entre emisor y receptor (Estepa, 2004).

Los sistemas de telecomunicación utilizan el espectro radioeléctrico, que comprende las bandas

de frecuencias útiles para los servicios de radiocomunicación y abarca, desde frecuencias

inferiores a 1 KHz hasta alrededor de 300 GHz. Los sistemas de comunicaciones ópticas funcionan

con frecuencias superiores, correspondientes al espectro visible y en el infrarrojo. Las principales

bandas del espectro radioeléctrico suelen definirse en términos de las longitudes de onda, según

la designación de la Unión Internacional de Telecomunicaciones, de la forma que se indica en la

figura (Mejía, 2013). Ver Tabla 5.6.

Tabla 5.6. Nomenclatura de las bandas de frecuencia. Modificado de Mejía (2013).

Los datos de redes locales de monitoreo inalámbricas típicamente dependen de comunicaciones

inalámbricas como radio VHF y UHF (NOAA, 2012). Estas bandas cubren aproximadamente de

30 a 3.000 MHz, con un alcance máximo de decenas de kilómetros y tasas de transmisión de unos

cuantos kbps hasta 10 Mbps (ver Tabla 5.6). Estas velocidades son suficientes para transmitir

datos en tiempo real de distintos tipos de dispositivos, tales como sensores sísmicos,

meteorológicos, infrasónicos, péndulo, láser, entre otros. También se puede transmitir imágenes y

Abreviatura Significado Frecuencias Velocidad

ELF Frecuencia extra baja 0,3 a 3 KHz -

VLF Frecuencia muy baja 3 a 30 KHz -

LF Frecuencia baja 30 a 300 KHz 0,1 a 100 bps

MF Frecuencia media 300 a 3000 KHz 10 a 1000 bps

HF Frecuencia alta 3 a 30 MHz 10 a 3.000 bps

VHF Frecuencia muy alta 30 a 300 MHz hasta 100 kbps

UHF Frecuencia ultra alta 300 a 3000 MHz hasta 10 Mbps

SHF Frecuencia súper alta 3 a 30 GHz hasta 100 Mbps

EHF Frecuencia extra alta 30 a 300 GHz hasta 750 Mbps

97

videos mediante las radios anteriormente mencionadas, teniendo en cuenta los datos de las Tablas

5.2 y 5.6.

Además de la visibilidad óptica que debe haber entre el emisor y receptor, se debe tener en cuenta

cualquier tipo de interferencia como tormentas, neblina intensa, etc. Lo anterior puede resultar en

una limitante importante si se considera que la mayor cantidad de flujos de detritos son

desencadenados por precipitaciones intensas y que los sensores, a excepción de los

hidrometeorológicos, normalmente se instalan en zonas que generalmente tienen una baja

visibilidad óptica por estar en las cercanías de los canales. Para corregir esto se deben instalar

repetidoras de señal (RPT) que permita que los datos transmitidos alcancen un centro de recepción

local de información (Nodo) (ver Figura 5.33). En Chile, es común que en las infraestructuras

críticas o edificaciones estratégicas se instalen nodos; las más frecuentes son escuelas, retenes

de carabineros y compañías de bomberos, entre otros.

Figura 5.33. Esquema generalizado de transmisión de un sistema de monitoreo mediante

radiofrecuencia. Elaboración propia.

C. Comunicación satelital

Un sistema de comunicación satelital está compuesto por un dispositivo emisor, que envía una

señal a una red privada de satélites. Dependiendo de la red a utilizar es definida la arquitectura

satelital y las especificaciones de los equipos, lo cual deriva en diferentes tiempos de respuesta,

confiabilidad y disponibilidad de los datos. Los sistemas satelitales (SMS-Satellital Mobile System)

tienen una cobertura terrestre de área amplia, por lo que pueden proporcionar telecomunicaciones

en casos de catástrofe. La mayoría de las estaciones terrestres se alimenta por baterías y, por

consiguiente, pueden seguir funcionando durante algún periodo de tiempo, aunque el suministro

de energía local se interrumpa (Sotomayor, 2012).

98

Los terminales o módems satelitales son dispositivos que permiten transmitir información a un

satélite, el cuál retransmite los datos a una estación terrestre que actúa como centro de acopio.

Luego, a partir de este centro se redirecciona la información hasta ser publicada en una red pública

o privada (Sotomayor, 2012. Ver Figura 5.34).

Figura 5.34. Esquema de funcionamiento simplificado de un sistema satelital. Modificado de

Sotomayor (2012).

Sotomayor (2012) identifica la existencia de tres redes satelitales privadas de mayor uso mundial,

las cuales son Orbcomm, Iridium e Inmarsat. Las primeras son redes del tipo LEO (Low Earth Orbit

- órbita terrestre baja) mientras que Inmarsat es del tipo GEO (Geosynchronous Equatorial Orbit -

orbita de los satélites geoestacionarios).

Una red de tipo LEO consiste en una constelación de satélites con órbitas asincrónicas respecto a

la rotación de la tierra, mientras que una red de tipo GEO corresponde a un conjunto de satélites

artificiales que se encuentran en órbita sobre la línea del ecuador terrestre, con la misma velocidad

angular que la Tierra, es decir, permanecen inmóviles sobre un determinado punto sobre ella

(Sotomayor, 2012).

99

Para asegurar la visibilidad del satélite de un sistema GEO, se debe apuntar una antena a una

dirección fija, dado que su ubicación casi no varía en el tiempo con respecto a la tierra. En cambio,

para una red tipo LEO se requiere esperar a que exista un satélite visible en el cielo para poder

transmitir. Sin embargo, el sistema Iridium se sobrepone a esta limitación gracias a la alta densidad

de satélites en órbita (66) que, además de comunicarse con la estación terrestre (ubicada en

Alaska), se comunican entre sí, permitiendo tiempos de transmisión suficientemente rápidos para

un sistema de alerta. En cambio, los terminales satelitales Orbcomm al no poseer las

características de densidad satelital anteriormente mencionadas, no se consideran aptos para

sistemas de alerta eficiente (Sotomayor, 2012).

Los servicios de mensajería satelital actualmente en funcionamiento pueden proporcionar

radiocomunicaciones de voz y datos, así como acceso a Internet. Algunos sistemas LEO (como

Iridium), así como un sistema GEO (como Inmarsat), soportan una aplicación conocida como

“servicio de mensajes cortos” (SMS) que ofrece la posibilidad de transmitir o difundir mensajes de

texto breves directamente a terminales portátiles (Sotomayor, 2012); tal es el caso, que los

servicios Iridium e Inrmarsat generalmente son utilizados para transmitir datos de estaciones

meteorológicas en lugares remotos, para lo cual cuentan con velocidades de transmisión del orden

de decenas de kbps.

Finalmente, cabe destacar que diversas compañías en Chile proveen servicios de Internet satelital

por medio de Inmarsart, a zonas extremas de difícil acceso terrestre, con anchos de banda que

permiten transmitir datos con velocidades de hasta 5 y 50 Mbps de subida y descarga,

respectivamente (Koulikova y Roberti, 2012).

100

6 Propuesta de diseño del sistema de monitoreo piloto de

aluviones en la cuenca del estero San Alfonso

6.1 Sensores de monitoreo a implementar

Dentro de los sensores a utilizar se seleccionaron los de tipo meteorológico, de observación,

hidrométricos y de vibración. Los sensores de movimiento y de esfuerzo se descartan de este

monitoreo piloto por la complejidad de su implementación, teniendo en cuenta la accesibilidad,

transmisión y necesidad de intervención del cauce en algunos casos.

Los sensores meteorológicos existentes en la parte alta de la cuenca del río Maipo son

insuficientes para caracterizar los desencadenantes de remociones en masa en la cuenca del

estero San Alfonso (ver Figura 4.6), por lo que es indispensable la instalación de nuevos equipos.

Para ello se elige el establecimiento de una estación meteorológica (ver Figura 5.11), ya que

permite registrar la precipitación, medir velocidad y dirección del viento, temperatura y humedad

relativa del aire, radiación solar y presión atmosférica, entre otros (ver Tabla 5.1).

A partir de la base de datos que se levante con el monitoreo meteorológico, será posible estimar

los umbrales que detonan las remociones en masa asociados, por ejemplo, a la intensidad de

precipitación y altura de isoterma 0 °C (ver Figura 5.35), ya que, hasta ahora, la información

existente es insuficiente para lograr este propósito (ver Capítulo 4). Además, lo anterior contribuye

al estudio de los tipos de tormentas que ocurren en una determinada área afectada, y a su vez,

permitiría calibrar modelos numéricos de pronóstico (NOAA, 2012).

101

Figura 6.1. Ejemplo de umbrales de precipitación local de flujos de detritos en una determinada área

para un sistema de alerta anticipado (SAA). Tomado de Arattano y Marchi (2008).

La ubicación que se propone para la instalación de la estación meteorológica está en la cabecera

de la cuenca, en una zona de baja susceptibilidad (ver Figura 3.7), pero cercano a las principales

áreas de generación del aluvión del 25 de febrero de 2017, a una altitud aproximada de 3.300 m

s.n.m. y cuyo acceso es por medio de helicóptero (ver Figura 6.2).

Figura 6.2. Ubicación propuesta para la estación meteorológica. Imagen de Google Earth.


102

Como se ha señalado en capítulos anteriores, la videocámara (ver Figura 5.14) sirve como medio

de inspección visual, para registrar y estimar la velocidad y la descarga peak de los eventos.

Además, es el instrumento más confiable para verificar la efectividad de alarmas de otros sensores

de monitoreo y para descartar alarmas falsas. La cámara debe contar con visión nocturna y ser

resistente a situaciones climáticas adversas (lluvia, nieve, neblina, viento, etc.). Se propone su

instalación en el pilar sur del antiguo puente de tren ubicado cerca del exutorio de la cuenca (ver

Figura 6.3).

Figura 6.3. Ubicación propuesta para la videocámara. Elaboración propia.

Por otro lado, el levantamiento de información de la topografía del terreno que en la zona de

estudio es fundamental, se implementará mediante un vehículo aéreo no tripulado (UAV/drone).

En primer lugar, a partir de la información geológica y geomorfológica local (ver Figuras 3.5 y 3.6)

se podrá identificar la presencia de deslizamientos con el potencial de represar el estero San

Alfonso y generar aluviones tipo outburst (ver Figura 6.4a). Es importante emplear un dron con la

tecnología suficiente como para generar modelos de elevación digital (como Real Time Kinematic,

RTK) e imágenes multiespectrales y así poder estudiar la dinámica de cada uno de los

deslizamientos (ver Figura 6.4b). En segundo lugar, un UAV permitiría el mapeo de la trayectoria

103

de un aluvión una vez ocurrido (ver Figura 6.4c), e incluso se podrían cuantificar las zonas de

erosión y depositación de material (ver Figura 6.4d).

Figura 6.4. a) Deslizamientos que pueden represar el estero San Alfonso; b) Dinámica de un

deslizamiento con el uso de un UAV (Turner et al., 2015); c) Mapeo de trayectoria del aluvión

ocurrido el 25 de febrero de 2017 en el estero San Alfonso; y d) Mapeo cuantitativo de zonas de

erosión y depositación en la trayectoria de un aluvión usando un UAV (Adams et al., 2016).

Por otra parte, la implementación de sensores hidrométricos como el ultrasónico, de radar o láser,

resultan importantes para la medición del nivel de un aluvión (altura); estos permiten registrar

hidrogramas y analizar la erosión o depositación en el lugar que son instalados. En los aluviones,

la fuerte y rápida variabilidad de la altura del flujo, con el tiempo requiere intervalos de registro

mucho más cortos que para flujos de agua, entre dos grabaciones consecutivas (1 s) (Arattano y

Marchi, 2008). Para medir la velocidad y, por ende, la descarga de un evento, es necesario contar

con al menos, dos dispositivos. Se propone su instalación después de la última curva estrecha,

aguas abajo, del estero San Alfonso a una altura sobre los 8 m con respecto al fondo del canal y

con equipos que permitan medir hasta 10 m/s, ya que en este tramo el evento del 25 de febrero

104

de 2017 (ver Figura 3.2) alcanzó una altura promedio de 7 m y velocidades de hasta 8-9 m/s

(Muñoz, 2018. Ver Figura 6.8).

Al igual que una videocámara, los sensores hidrométricos, también son un medio validador de

otros equipos, de tal manera que los hidrogramas generados se pueden relacionar con registros

de sensores de vibración (ver Figura 6.5).

Figura 6.5. Comparación entre el hidrograma y el gráfico de amplitud vs. el tiempo de un flujo de

detritos. Notar que la amplitud está en micrómetros (10-6 m). Tomado de Arattano et al. (2014).

De los sensores de vibración, los geófonos y los infrasónicos son los más comúnmente utilizados

en la literatura para detectar la proximidad de un aluvión, principalmente en Asia y Europa (Hübl

et al., 2008; Yin, 2012; Suwa, 2012; Suwa et al., 2011; Cavalli et al., 2013; Abancó et al., 2014;

Turconi et al., 2015; Coviello, 2015; Schimmel y Hübl, 2015).

Pese a que los sismómetros son una herramienta poderosa que se puede usar para caracterizar

aluviones a una gran distancia (kilómetros), el costo de una estación sísmica completa es

significativamente más alto que el de una red de geófonos, así como también la complejidad de la

instalación, el mantenimiento y el análisis de los datos del equipo. Reafirmando lo anterior, Coviello

(2015), señala que en virtud de su robustez, bajo consumo de energía y relativamente bajo costo,

los sensores sísmicos más utilizados últimamente corresponden a geófonos verticales (1-D).

105

Las frecuencias máximas típicas de un aluvión varían entre 10 y 100 Hz. En particular el frente de

un flujo de detritos presenta un rango característico de 10 a 30 Hz, mientras que en su cola la

frecuencia es mayor a 60-100 Hz (Coviello, 2015). En base a esta información, los sensores

sísmicos (geófonos) con una frecuencia natural máxima de 10 Hz son adecuados para el monitoreo

de flujos de detritos, ya que proporcionan una respuesta plana en el rango de frecuencia típico de

estos fenómenos (Turconi et al., 2015; Coviello, 2015); como el SENSOR SM-4 de frecuencia

natural de 10 Hz y sensibilidad de 28,8 V/m/s utilizado por Schimmel y Hübl (2015).

Turconi et al. (2015) sugiere que para el proceso de digitalización de las señales generadas por

geófonos, estas se pueden amplificar a una frecuencia de muestreo de 100 Hz, procesada para

calcular la amplitud y luego ser registrada. Además, señala que el método de amplitud (Arattano y

Moia, 1999) es preferible sobre el de los impulsos (Abancó et al., 2012), ya que este último pierde

por completo cualquier información sobre la intensidad de la señal. En la Figura 6.6 se muestran

las formas típicas de la señal sísmica producida por un aluvión.

Figura 6.6. Las formas típicas de la señal sísmica producida por un aluvión; a) Flujo de detritos y b)

Flujo hiperconcentrado, procesadas mediante el método de los impulsos (en IMP/S) (Modificado de

Abancó et al., 2014); y c) Flujo de lodo mediante el método de amplitud (en µm/s) (Modificado de

Turconi et al., 2015). Solo las escalas gráficas son comparables entre sí, pues la magnitud de los

eventos no lo son.

106

Si bien varios estudios han demostrado que es posible detectar y monitorear aluviones con

geófonos y distinguirlos de otras fuentes sísmicas, aún estos instrumentos presentan una gran

desventaja para caracterizar flujos. Lo anterior se debe principalmente a que la propagación

espacial de las ondas sísmicas es limitada, razón por la que las investigaciones recientes (Hübl et

al., 2008; Schimmel y Hübl, 2015; Johnson y Palma, 2015) se han enfocado en el estudio de las

señales infrasónicas (0,01-20 Hz) producidas por las vibraciones en la tierra generadas por el

movimiento de un aluvión (ver Figura 6.7).

Figura 6.7. Señal infrasónica de un flujo de detritos en Lattenbach, Suiza. a) Serie de tiempo de

infrasonido; b) Amplitud promedio de cuatro bandas de frecuencia de la señal infrasónica; y c)

Espectro de la señal infrasónica. Modificado de Schimmel y Hübl (2015).

Normalmente los sensores infrasónicos usados para detectar aluviones normalmente se basan en

el principio del transductor de presión (Hübl et al., 2008; Schimmel y Hübl, 2015; Johnson y Palma,

2015). Algunos modelos utilizados, corresponden a Chaparral Physics M-24, China MK-224 y

Gefell MK-222, los cuales se caracterizan por una sensibilidad de 200 y 50 mV/Pa, una respuesta

de frecuencia amplia (3-100Hz y 0,1-100 Hz) y un extenso rango dinámico (150dB) (Hübl et al.,

2008; Schimmel y Hübl, 2015).

107

La combinación de registro sísmico e infrasonido aumenta la probabilidad de detección y minimiza

las falsas alarmas, ya que las ventajas de una tecnología son mejoradas por la otra. Por ejemplo,

los sensores infrasónicos tienen poca atenuación en el aire a distancias locales (2x10-5 y 10-7

dB/km; Muñoz, 2002), por lo que pueden viajar grandes distancias sin disminuir considerablemente

su amplitud, pero presentan un alto ruido de fondo producido por el viento. Por su lado, los

sensores sísmicos, aunque muestran perturbaciones menores debidas al viento y al tiempo, tienen

una fuerte dependencia de la geología del sitio y alta atenuación al aumentar la distancia entre el

aluvión y el sensor (Schimmel y Hübl, 2015).

Por lo anterior, se propone que los sensores de vibración se instalen en las laderas adyacentes a

la ubicación de los sensores hidrométricos (ver Figura 6.8).

Figura 6.8. Propuesta de ubicación de sensores en la parte baja de la cuenca del estero San Alfonso.

La flecha roja indica la última curva estrecha, aguas abajo del estero San Alfonso. Elaboración

propia.

Finalmente, en la Figura 6.9 se muestra la ubicación de cada uno de los sensores a utilizar para

el sistema de monitoreo piloto en la cuenca del estero San Alfonso.

108

Figura 6.9. Ubicación de sensores a utilizar. Elaboración propia.

109

6.2 Transmisión de datos

En el sistema de monitoreo piloto (SMP) de la cuenca del estero San Alfonso, se planea probar

sensores, calibrar variables físicas y elaborar algoritmos de detección de ocurrencia y proximidad

de un aluvión. Además, se proyecta evaluar el funcionamiento de la red de comunicaciones para

un posterior sistema de alerta, dado que el éxito de estos sistemas no solo depende de la

determinación de umbrales y de evitar la generación de falsas alarmas, sino también, de la

efectividad de las telecomunicaciones, tanto para recibir la información de cada sensor, como para

emitir avisos.

En general, la red de transmisión de datos a implementar debe aprovechar la infraestructura pre-

existente, es por ello que las comunicaciones de un sistema de alerta consideran más de un tipo

de transmisión, y comúnmente, mientras más aislado es un sector, mayor es la necesidad de

robustez comunicacional, y mayores son los costos asociados (Mejía, 2013). En este sentido, las

opciones para transmitir datos en la cuenca del estero San Alfonso son limitadas y se debe

principalmente a lo siguiente:

1. la reducida infraestructura existente que dificulta la conexión por medios guiados;

2. la baja cobertura de la red de telefonía móvil en la zona de estudio;

3. el relieve abrupto de la cuenca que afecta la comunicación radial;

4. la baja frecuencia de transferencia de datos de la comunicación satelital que no permite

una transmisión en tiempo real.

En la Figura 6.9, se puede apreciar que, a excepción de la videocámara (ver Figura 5.37), los

lugares propuestos para la instalación de sensores no cuentan con infraestructura cercana para

implementar una conexión por medios guiados.

Existe una variedad de sitios webs y aplicaciones para smartphones que permiten visualizar la

cobertura de la red de telefonía móvil en todo el territorio nacional. En la zona de estudio, Entel

Chile S.A. es la compañía telefónica que ofrece la mejor cobertura de servicios de telefonía móvil

(NPERF, 2018), sin embargo, su red se extiende solo en las partes baja de la cuenca del estero

San Alfonso (ver Figura 6.10), dejando sin posibilidad de conexión a la estación meteorológica (ver

Figura 6.9). Junto con lo anterior, una limitación importante de este medio es su baja robustez, ya

que generalmente en situaciones de emergencia los primeros aspectos afectados con frecuencia

son la red telefónica, los enlaces de telefonía móvil y la energía eléctrica (NOAA, 2012).

110

Figura 6.10. Cobertura de los distintos servicios de telefonía móvil de la compañía Entel Chile S.A.

Tomado de NPERF (2018).

En esta etapa de diseño, para evaluar la factibilidad de la transmisión de datos por medio de la

comunicación radial se utiliza el programa Radio Mobile, el cual permite simular la propagación de

radiofrecuencias (RF) en un determinado lugar, introduciendo información básica como modelos

de elevación digital (30 m de resolución espacial) y características de la radio a utilizar, entre otra.

Las simulaciones indican que para conectar todo el sistema de monitoreo, adicionalmente a los

sensores, sería necesario implementar un centro de control local y, al menos, una estación

repetidora de RF, debido a que el relieve de la cuenca dificulta que las RF se transmitan de un

lugar a otro, (ver Figura 5.45). Además, se desconoce la eficacia de este tipo de transmisión en

situaciones de tormenta.

111

Figura 6.11. Ejemplo de red de comunicación radial simulada con Radio Mobile desde Repetidora 1.

Visualizada en Google Earth. Elaboración propia.

En situaciones de emergencias o durante el desarrollo de una tormenta, los enlaces satelitales

podrían ser la única opción, sin embargo, para este medio la transferencia de datos con seguridad

es cada 30 minutos (hasta 10 minutos sin ella), lo que corresponde a su principal limitación, ya

que en general se cuenta solo con minutos para actuar. Sin embargo, es común su implementación

para transmitir datos de estaciones meteorológicas; ejemplo de ello es que la red de estaciones

hidrometeorológicas instaladas por la Dirección General de Aguas (DGA) del Ministerio de Obras

Públicas (MOP) utiliza el sistema GOES (Geostationary Operational Environmental Satellite) y

GPRS para transmitir sus datos. El intervalo de recepción de información es cada 1 hora, por lo

que, aunque se realicen mediciones cada 10 o 30 minutos, estas serían recibidas cada 1 hora y,

por ende, el sensor tendría que almacenar la información hasta lograr establecer comunicación.

En la Tabla 5.7 se muestra un resumen comparativo de las distintas opciones analizadas para la

red de transmisión de datos en el sistema de monitoreo de remociones en masa propuesto en la

cuenca del estero San Alfonso.

112

Tabla 6.1. Comparación entre las opciones analizadas para la red de transmisión de datos para un

sistema de monitoreo de remociones en masa en la cuenca del estero San Alfonso. Elaboración

propia.

Finalmente, los antecedentes expuestos en este apartado indican que no es una tarea sencilla

contar con una red de comunicaciones robusta que permita una transmisión confiable en tiempo

real en la cuenca del estero San Alfonso. Además, se necesitan recursos técnicos, materiales y

tecnológicos con los que no se cuenta hoy en SERNAGEOMIN para una red de comunicaciones,

por lo que para esta etapa de monitoreo piloto es preferible optar por la contratación de servicios

especializados en esta materia, teniendo en cuenta los intervalos de tiempo de transmisión

esperados para cada sensor a instalar (ver Figura 6.43 y Tabla 6.2).

Medio de

transmisió

n

Servicio

Velocidad

referencial

[Mbps]

Sensores a instalar Principales

limitaciones

Guia

do

Par

trenzado

- 8

Videocámara,

hidrométricos*,

geófonos* e

infrasónicos.*

Reducida

infraestructura

existente.

Sujetos a conexión

WiFi.*

Inalá

mbri

cos

Tele

fonía

móvil GPRS

(G) < 0,1

Hidrométricos,

geófonos e

infrasónicos y

videocámara. **

Cobertura, esta podría

mejorar con la

instalación de una

antena telefónica.

Sin transmisión en

tiempo real.**

EDGE

(E o 2G) < 0,4

UMTS

(3G) < 2,0

Com

unic

ació

n r

adia

l

VHF < 0,1

Hidrométricos,

geófonos, infrasónicos

y estación

meteorológica.

Cobertura, necesidad

de una o más

repetidoras de

radiofrecuencia y

centro de control local.

UHF < 10 Hidrométricos,

geófonos, infrasónicos,

estación meteorológica

y videocámara. SHF < 100

Com

unic

ació

n s

ate

lital Iridium < 0,01

Estación

meteorológica.

Transferencia de datos

con seguridad cada 30

minutos. Inmarsat < 0,1

113

Tabla 6.2. Intervalos de transmisión de datos esperados para cada tipo de instrumento de monitoreo

a instalar en la cuenca del estero San Alfonso. Modificado de Comiti et al. (2014).

6.3 Estimación de costos

La estimación de costos asociados al sistema de monitoreo piloto de aluviones en la cuenca del

estero San Alfonso, está enfocada exclusivamente en los instrumentos, almacenamiento (ver

Tabla 6.3) y transmisión de datos del sistema de monitoreo mediante la contratación de servicios

especializados en estos temas. No se incluye aspectos como capacitaciones, softwares de

procesamiento, contratación de profesionales, etc.

Tabla 6.3. Instrumentos de monitoreo cotizados. Elaboración propia.

Instrumento de

monitoreo Cantidad

Intervalo de toma de

datos

Velocidad de transmisión

referencial

Estación meteorológica 1 10 min

< 32 kbps (Mejía, 2013) Sensores hidrométricos 2 1 s

Geófonos 4 1 s

Sensores infrasónicos 4 1 s

Videocámara 1 20 fps < 5 Mbps (ver Tabla 5.2)

Instrumento Cantidad Empresa Modelo

Vehículo aéreo no

tripulado (UAV) 1 SENSEFLY eBee RTK

Estación meteorológica 1 DICTUC Estación meteorológica

Videocámara 1 INGESMART Cámara IP axis Q1659

Sensores hidrométricos 2 RHOMBERG Sensor Ultrasónico DB10

Geófonos 4 GEOEXPLORACIONES Geófono RTC-10 Hz

Sensores infrasónicos 4 CHAPARRAL PHYSICS Sensor Infrasónico M24

Servidor

(almacenamiento) 1 VIRTUALIZA

STORAGE DELL SC3020I

-DS6200 FC/iSCSI 20TB

114

En la Tabla 6.4 se muestra la estimación de costos del sistema de monitoreo piloto, de la cual se

desprende que el costo total es de alrededor de 200 mil dólares ($US), equivalente a 135 millones

de pesos ($CLP) aproximadamente.

Tabla 6.4. Estimación de costos del sistema de monitoreo piloto. Conversión, 1 $US = 685 $CLP.


Finalmente, los costos para el monitoreo de aluviones por microcuenca en la parte alta de la

cuenca del río Maipo (e. g. cuenca del estero San Alfonso), sería de 100 mil dólares ($US)

aproximadamente (~70 millones de pesos chilenos); se ha considerado para el cálculo que el

vehículo aéreo no tripulado (UAV) y el servidor son instrumentos que pueden ser utilizados en las

distintas cuencas (ver Tabla 6.4).

Instrumento

Estimación de costos por servicios en $US

(sin IVA inc.)

Costo total

(con IVA 19% inc.)

Equipo Instalación

Transmisión

y respaldo de

datos (anual)

Mantención

(anual) $US $CLP

Vehículo

aéreo no

tripulado

(UAV)

52.670 0 62.677 42.620.564

Estación

meteorológica 7.539 3.268 3.654 3.286 21.119 14.466.467

Videocámara 10.146 16.187 31.336 21.465.345

Sensores

hidrométricos 11.447 3.000 2.750 2.000 22.844 15.648.435

Geófonos 400 3.000 2.750 2.000 9.699 6.643.473

Sensores

infrasónicos 10.500 3.000 2.750 2.000 21.718 14.876.488

Servidor 25.790 0 30.690 21.022.719

Costo total 200.083 136.743.489

115

7 Conclusiones y recomendaciones

Se cumplen todos los objetivos propuestos en este trabajo. Además se concluye lo siguiente:

1. Es necesario dar seguimiento a los deslizamientos ubicados en la parte alta de la cuenca

del estero San Alfonso que pueden generar aluviones tipo outburst.

2. Los sensores hidrométricos, infrasónicos, geófonos, un vehículo aéreo no tripulado

(UAV/drone), una estación meteorológica y una videocámara son los equipos

seleccionados para el monitoreo piloto de aluviones en la cuenca del estero San Alfonso.

3. Los sensores a adquirir deben contar con los servicios de instalación (fuente energética),

mantenimiento, transmisión y visualización de datos.

4. La información disponible en la Dirección General de Aguas (DGA) y en la Dirección

Meteorológica de Chile (DMC), no es suficiente para generar un sistema de alerta

anticipada (SAA) en la parte alta de la cuenca del río Maipo y tampoco en el estero San

Alfonso.

5. El principal factor desencadenante de aluviones en la cuenca del estero San Alfonso

corresponde a la lluvia, fundamentalmente cuando existe una isoterma 0 °C elevada, esto

en general sobre los 3.800 m s.n.m., con un valor mínimo de 2.800 m s.n.m. (ver Tabla

4.9).

6. Hoy en día no existen estaciones meteorológicas representativas en la cuenca del estero

San Alfonso (ver Figura 4.6), por lo que es indispensable la instalación de nuevas

estaciones cercanas a la cabecera de la microcuenca (con intervalos de transferencia de

datos de 10 a 30 minutos) y, además, se deben adecuar las estaciones existentes en la

parte alta de la cuenca del río Maipo con miras a un sistema de alerta anticipada (SAA).

7. La mejor opción de transmisión de datos en tiempo casi real (10 a 30 minutos) para una

estación meteorológica es mediante terminales satelitales, como Inmarsat.

8. Una vez instalados los diferentes sensores, se debe contar con un periodo de prueba para

generar una base estadística suficiente para su calibración y la generación de algoritmos

de predicción o detección de aluviones.

9. Se necesita una inversión de aproximadamente 200 mil dólares estadounidenses (~135

millones de pesos chilenos) en servicios para equipar y poner en marcha el sistema de

monitoreo piloto de aluviones en la cuenca del estero San Alfonso, con un periodo de

prueba de al menos 5 años.

116

Por otra parte, a partir del análisis hidrometeorológico (ver Capítulo 4) y el criterio técnico del

equipo de SERNAGEOMIN, se sugiere considerar los valores de altitud de isoterma 0 °C

expuestos en la Tabla 7.1, para determinar la posibilidad de ocurrencia de aluviones en la parte

alta de la cuenca del río Maipo en días lluviosos. La intensidad de precipitaciones debe ser

analizada caso a caso.

Tabla 7.1. Relación de isoterma 0 °C con posibilidad de ocurrencia de aluviones en la parte alta de la

cuenca del río Maipo para días lluviosos. Elaboración propia.

Posibilidad de

ocurrencia de aluviones

Altitud isoterma 0 °C

[m s.n.m.] Detalle

Baja <2.100

Elevación por debajo del valor medio de

isoterma 0 °C definidos por Garreaud y

Rutllant (1997) para tormentas de invierno.

Media 2.100-2.900

Elevación entre el valor medio y máximo de

isoterma 0 °C definidos por Garreaud y

Rutllant (1997) para tormentas de invierno.

Alta 2.900-3.900

Elevación entre el valor máximo de isoterma

cero definidos por Garreaud y Rutllant

(1997) para tormentas de invierno y por

debajo del valor de la isoterma 0 °C de los

aluviones ocurridos el 03 de mayo de 1993

(ver Tabla 4.9).

Muy Alta >3.900

Elevación sobre el valor de la isoterma 0 °C

de los aluviones ocurridos el 03 de mayo de

1993 (ver Tabla 4.9).

Por otro lado, para dar continuidad al proyecto se debe capacitar al equipo de SERNAGEOMIN a

cargo del sistema de monitoreo tanto en los sensores a utilizar, como en sus softwares de

procesamiento. Además, es importante definir líneas de acción para desarrollar un sistema de

alerta en la cuenca del estero San Alfonso que se proyecte de tal manera que se pueda extender

a las microcuencas más riesgosas de la parte alta de la cuenca del río Maipo; teniendo en

consideración que se necesitarían alrededor de 100 mil dólares estadounidenses (~70 millones de

pesos chilenos) para monitorear cada microcuenca (ver Tabla 6.4).

117

En virtud de lo anteriormente expuesto, en la Figura 7.1 se muestran las diferentes etapas del

sistema de monitoreo piloto y su propuesta de continuidad.

Figura 7.1. Etapas del sistema de monitoreo piloto y su propuesta de continuidad para la cuenca del

río Maipo. Elaboración propia.

118

8 Referencias

Abancó, C.; Hürlimann, M.; Fritschi, B.; Graf, C.; Moya, J. 2012. Transformation of ground vibration

signal for debris-flow monitoring and detection in alarm systems. Sensors12 (4): 4870-4891.

Abancó, C.; Hürlimann, M.; Moya, J. 2014. Analysis of the ground vibration produced by debris

flows and other torrential processes at the Rebaixader monitoring site (Central Pyrenees,

Spain). Nat. Hazards Earth Syst. Sci 14: 929–943.

Adams M.S.; Fromm R.; Lechner, V. 2016. High-resolution debris flow volume mapping with

unmanned aerial systems (UAS) and photogrammetric techniques. The International

Archives of the Photogrammetry, Remote Sensing and Spatial Information Sciences, Volume

XLI-B1. XXIII ISPRS Congress: 749-755 Prague, Czech Republic.

Arattano, M., Abancó, C., Coviello, V. and Hürlimann, M. 2014. Processing the ground vibration

signal produced by debris flows: the methods of amplitude and impulses compared, Comput.

Geosci, 73: 17-27. Italy.

Arattano M.; Deganutti A. M.; Marchi L. 1997. Debris flow monitoring activities in an instrumented

watershed on the Italian Alps. Debris-Flow Hazards Mitigation: Mechanics, Prediction &

Assessment, 506-515.

Arattano M.; Marchi L. 2008. Systems and sensors for debris-flow monitoring and warning.

Sensors, 8(4): 2436-2452.

Arattano, M.; Moia, F. 1999. Monitoring the propagation of a debris flow along a torrent.

Hydrological Sciences Journal 44: 811-823. Aristizábal, E.; Gamboa, M.F.; Leoz, F.J. 2010.

Sistema de alerta temprana por movimientos en masa inducidos por lluvia para el valle de

Aburrá, Colombia. Revista EIA, 13: 155-169.

Badoux, A.; Graf C.; Rhyner J.; Kuntner R.; McArdell B.W. 2009. A debris flow alarm system for

the Alpine Illgraben catchment: design and performance. Natural Hazards, 49(3): 517-539.

119

Berger, C.; McArdell B.W.; Schlunegger, F. 2011. Direct measurement of channel erosion by debris

flows, Illgraben, Switzerland. Journal of Geophysical Research-Earth Surface, 116: F01002.

doi:10.1029/2010JF001722.

Bettella, F.; Bischetii, G.B.; D´Agostino, V.; Marai, S.V.; Ferrari, E.; Michelini, T. 2015. Comparison

of measurement methods of the front velocity of small-scale debris flows. Journal of

Agricultural Engineering, 46:129-137.

Biansoongnern, S.; Plungkang, B.; Susuk, S. 2016. Development of low cost vibration sensor

network for early warning system of landslides. Energy Procedia 89: 417-420.

Cavalli M.; Marrchi L.; Arattano M.; Comiti F.; Schenato L.; Liébault F. 2013. WP5 - Action 5.2

Protocols on standardized data collection methods in sediment transport monitoring for

transboundary exchange. Part II. Protocol for Debris-flow Monitoring. Sediment management

in Alpine basins. SedApl, 35 p. Europe Union.

Chira La Rosa J.; Kuroiwa J. M. 2017. Sistema de alerta temprana en zona de aluviones. Artículo

del XXVII Congreso latinoamericano de hidráulica Lima, Perú, 28 al 30 de septiembre de

2016. Servicio Nacional de Hidrología y Meteorología del Perú: 10 p.

Coe J.A.; Kinner D.A.; Godt J.W. 2008. Initiation conditions for debris flows generated by runoff at

Chalk Cliffs, central Colorado. Geomorphology 96: 270-297.

Coe J.A.; Kean J.W.; McCoy S.W.; Staley D.M.; Wasklewicz T.A. 2010. Chalk Creek Valley:

Colorado’s natural debris-flow laboratory. In The Geological Society of America, 18:95-117.

Comiti F.; Marchi L.; Macconi P.; Arattano M.; Bertoldi G.; Borga M.; Brardinoni F.; Cavalli M.;

D’Agostino V.; Penna D.; Theule J. 2014. A new monitoring station for debris flows in the

European Alps: first observations in the Gadria basin. Natural Hazards 73(3): 1175-1198.

Coral E. 2015. Generación de Modelos de Elevación Digital a partir de imágenes obtenidas desde

vehículos aéreos no tripulados (UAVs). ISTAR - CIS1510AP03. Proyecto de graduación.

Departamento de Ingeniería de Sistemas Pontificia Universidad Javeriana Bogotá,

Colombia: 10 p.

120

CORPOGUAGIRA. 2011. Diseño de un Sistema de Alerta Temprana por inundación y

deslizamiento en el flanco NE de la Sierra Nevada de Santa Marta. Departamento de la

Guajira: 13 p.

Costa J.E. 1988. Floods from dam failures. In Flood Geomorphology (Baker, V.R.; Patton, P.C.;

editores). John Wiley and Sons: 439-463. New York.

Coviello V. 2015. Debris flow seismic monitoring and warning. Ph.D. Thesis (Inédito), Un

Politecnico di Torino: 117 p. Italy.

Cruden, D. 1991. A simple definition of a Landslide. Bulletin of the International Association of

Engineering Geology 43: 27-29.

Cruden, D.; Varnes, D.J. 1996. Landslide types and processes. In Landslides: investigation and

mitigation (Turner, K.; Schuster, R.L.; editores). National Academy Press, Transportation

Research Board Special Report 247: 36-75. Washington D.C.

Centro Sismológico Nacional de Chile (CSN). 2018. Glosario de sismología.

http://www.sismologia.cl/links/glosario.html. (Última visita 04/06/2013).

DICTUC. 2016. Estudio Básico: Investigación modelo hidrológico para inundaciones de crecidas

en la región Metropolitana. Etapa N˚2: Instalación de equipos y sistema de adquisición de

datos para el Instituto Nacional de Hidráulica. Informe Nº 1379083. División de Ingeniería

Hidráulica y Ambiental. Pontificia Universidad Católica de Chile: 66 p.

Din, N.M.; Omar R.C.; Ismail, A.; Khalid N.H.N.; Sakai N.; Jamaludin, M.Z.; Abdullah, F.; Yussof,

S. 2013. Early warning system for transmissionn tower landslide hazard monitoring in

Malaysia. In Caspian Journal of Applied Sciences Research 2 (AICCE'12 & GIZ' 12): 119-

123.

Dirección General de Aguas (DGA). 2017. Información Oficial Hidrometeorológica y de Calidad de

Aguas. http://snia.dga.cl/BNAConsultas/reportes. (Última visita 15/06/2017 y 08/12/2017).

121

Dirección General de Aguas (DGA). 2018a. Datos hidrológicos en tiempo real.

http://dgasatel.mop.cl/. (Última visita 31/08/2018).

Dirección General de Aguas (DGA). 2018b. Información Oficial Hidrometeorológica y de Calidad

de Aguas. http://snia.dga.cl/BNAConsultas/reportes. (Última visita 31/08/2018).

Dirección Meteorológica de Chile (DMC). 2017. Análisis de casos de aluviones para

SERNAGEOMIN, 03 de agosto 2017. Unidad de Reanálisis. Sección Centro Nacional de

Análisis. Dirección General de Aeronáutica Civil: 6 p.

Dirección Meteorológica de Chile (DMC). 2018. Estaciones automáticas en línea.

http://www.meteochile.cl/PortalDMC-web/index.xhtml. (Última visita 31/08/2018).

Dykes, A.P.; Warburton, J. 2007. Mass movements in peat: a formal classification scheme.

Geomorphology 86:73-93.

Espinoza J. 2007. Dimensionamiento de la capacidad y caracterización de la calidad de una red

GPRS. Memoria Título (Inédito), Universidad de Chile, Departamento de Ingeniería

Eléctrica: 79 p.

Estepa, R. 2004. Tema 5: Transmisión y digitalización

trajano.us.es/~rafa/ARSS/apuntes/tema5.pdf. (Última visita 10/07/2018).

Farías, V.; Escobar, P.; Marín, M.; Alfaro, A.; Olea, P.; Fernández, J., Arenas, M.; Ramírez, P.

2016. Estudio exploratorio para el diseño de un sistema de monitoreo de remociones en

masa, en las cuencas de San Ramón, Macul y Lo Cañas, Región Metropolitana. Servicio

Nacional de Geología y Minería, Informe Registrado IR 16-64: 92 p. Santiago.

Fathani T.F.; Karnawati D.; Legono D.; Faris F. 2011. Development of early warning system for

rainfall-induced landslide in Indonesia. In the 2nd international workshop on multimodal

sediment disaster – Asian Cloud Network on Disaster Research: October 25-26, 2011

Tainan: 103-113.Taiwan.

122

Fernández, C.J.; Rodríguez Y. 2016. Primeros resultados de la red actual de monitoreo

hidrometeorológico de Cuenca, Ecuador. Ingeniería hidráulica y ambiental 37 (2): 44-56.

Fock, A. 2005. Cronología y tectónica de la exhumación en el Neógeno de los Andes de Chile

central entre los 33º y los 34ºS. Tesis de Magister (Inédito), Universidad de Chile: 227 p.

Santiago.

Garreaud R. 2013. Warm winter storms in Central Chile. Journal of Hydrometeorology 14: 1515-

1534.

Garreaud, R.; Rutllant, J. 1997. Precipitación estival en los Andes de Chile central: aspectos

climatológicos. Atmosfera 10:191-211.

Gayathri, M.P. 2014. Mobile devices communication – survey analysis. International Journal of

Innovative Research in Computer and Communication Engineering 2 (6). ISSN (Print): 2320-

9798.

Genevois, R.; Tecca, P.R.; Breti, M.; Simoni, A. 2000. Debris-flow in the Doromites: Experimental

data from a monitoring system. In Debris-Flow Hazards Mitigation: Mechanics, Prediction,

and Assessment (Wieczorek, G. F.; Naeser, N.D.; editores) Proc. 2nd Intern. Conf., Taipei,

Taiwan. Balkema Press: 283-291. Rotterdam.

Gironás, J.; Sandoval J. 2017. Riesgo de origen hidrometeorológico en la ciudad de Santiago.

Centro de Investigación de Desastres Naturales (CIGIDEN). Pontificia Universidad Católica

de Chile: 23 p. Santiago.

Hauser A. 1985. Flujos de barro en la zona pre andina de la Región Metropolitana: Características,

causas, efectos, riesgos y medidas preventivas. Revista Geológica N° 24 1985: 75-92 p.

Santiago.

Hauser, A. 2002. Avalancha de rocas y flujos de barro y detritus en estero Parraguirre, valle del río

Colorado, Región Metropolitana, Chile. (Informe inédito). Departamento de Geología.

Servicio Nacional de Geología y Minería: 89 p. Santiago.

123

Hauser A.; Calatroni, A.; Oñate, E.; De Buen, A. 1996. Evaluación preliminar del riesgo aluvional

en torno a la localidad de San Alfonso, Región Metropolitana (Informe inédito). Equipo

técnico intersectorial Servicio Nacional de Geología y Minería – Ministerio de Obras

Públicas: 38 p. Santiago.

Hübl J.; Zhang, S.C.; Kogelnig, A. 2008. Infrasound measurements of debris flow. In WIT

Transactions on Engineering Sciences 60 (De Wrachien, D.; Brebbia, C.A.; Lenzi, M.A.;

editores). Second International Conference on Monitoring, Simulation, Prevention and

Remediation of Dense and Debris Flows II: 3-12. The New Forest.

Hungr, O. 2005. Classification and terminology. In Debris flow hazard and related phenomena:

Chichester (Jakob, M.; Hungr, O.; editores). Springer-Praxis: 9-23. Chichester, United

Kingdom.

Hungr, O.; Evans, S.G.; Bovis, M.; Hutchinson, J.N. 2001. Review of the classification of landslides

of the flow type. Environmental and Engineering Geoscience 7: 22-238.

Hungr, O.; Leroueil, S.; Picarelli, L. 2014. The Varnes classification of landslide types, an update.

Landslides 11:167-194.

Hürlimann, M.; Rickenmann, D.; Graf, C. 2003. Field and monitoring data of debris-flow events in

the Swiss Alps. Canadian Geotechnical Journal 40(1): 161-175.

Instituto Distrital de Gestión de Riesgos y Cambio Climático (IDIGER). 2018.

http://www.sire.gov.co/web/sab. (Última visita 12/07/2018).

Itakura, Y.; Inaba, H.; Sawada, T. 2005. A debris-flow monitoring devices and methods

bibliography. Natural Hazards and Earth Systems Sciences 5: 971-977.

Jakob, M. 2005. A size classification for debris flows. Engineering Geology 79: 151-161.

Johnson, J.B.; Palma, J.L. 2015. Lahar infrasound associated with Volcán Villarrica’s 3 March 2015

eruption. Geophysical Research Letters 42: 6324-6331.

124

Kafle, S.K. 2017. Disaster Early Warning Systems in Nepal: Institutional and Operational

Frameworks. Journal of Geography & Natural Disasters 7: 2 p.

Kogelnig, A.; Hübl, J.; Suriñach, E.; Vilajosana, I.; McArdell, B. 2011. Infrasound produced by debris

flow: propagation and frequency content evolution. Natural Hazards. 70(3):1713-1733.

Krumbein, W.C. 1934. Size frequency distributions of sediments. Journal of Sedimentary

Ressearch 4 (2): 65-77.

Koulikova, Y.; Roberti, L. 2012. Global Mobile Broadband. Inmarsat Global Xpress: 16 p.

Lara, M., 2007. Metodología para la Evaluación y Zonificación de amenaza de Remociones en

Masa con Aplicación en Quebrada San Ramón, Santiago Oriente, Región Metropolitana.

Memoria de Titulo (Inédito), Universidad de Chile, Departamento de Geología: 212 p.

Santiago.

Lin, J.; Tao H.; Wang Y.; Huang Z. 2010. Practical application of unmanned aerial vehicles for

mountain hazards survey.18th International Conference on Geoinformatics: 5 p. Beijing.

Marchi, L.; Arattano, M.; Deganutti, A.M. 2002. Ten years of debris-flow monitoring in the Moscardo

Torrent (Italian Alps). Geomorphology 46(1-2): 1-17.

Marín, M.; Contreras J.P.; Olea, P. 2017. Efectos geológicos del sistema frontal en la zona central

del país, el 25 y 26 de febrero de 2017, comuna de San José de Maipo, Región

metropolitana. Servicio Nacional de Geología y Minería, INF-RM-01-2017: 32 p. Santiago.

Marín, M.; Muñoz, A.A.; Naranjo, J.A. 2018. Víctimas fatales causadas por remociones en masa

en Chile (1928-2017). Servicio Nacional de Geología y Minería. Universidad de Concepción

Concepción. In Congreso Geológico Chileno Geociencias hacia la comunidad, No. 15: 2 p.

McArdell, B.W.; Bartelt, P.; Kowalski J. 2007. Field observations of basal forces and fluid pore

pressure in a debris flow. Geophysical Research Letters 34(7): 4 p.

125

McCoy, S.W.; Coe, J.A.; Kean, J.W.; Staley, D.M.; Wasklewicz, T.A.; Tucker G.E. 2011.

Observations of debris flows at Chalk Cliffs, Colorado, USA: part 1, in-situ measurements of

flow dynamics, tracer particle movement and video imagery from the summer of 2009. In 5th

International Conference on Debris-Flow Hazards Mitigation: Mechanics, Prediction and

Assessment (Genevois, R.; Hamilton, D.L.; Prestininzi; A.; editores). Casa Editrice Università

La Sapienza: 715-724. Roma.

Mejía, N. 2013. Sistemas de transmisión de datos para el monitoreo sísmico. Tesina de Título

(Inédito), Universidad Nacional Autónoma de México, Facultad de Ingeniería: 72 p. Ciudad

de México.

Moreno, D.; Quiñones, E.; Tovar, L.C. 2014. Los Sistemas de Alerta Temprana, SAT, una

herramienta para la prevención de desastres por inundación y efectos del cambio climático.

Ciencias e ingeniería al día. Revista Institucional de la Facultad de Ingeniería. Universidad

de Cartagena: 24 p. Colombia.

Moreno, M. 2015. Análisis, diseño y despliegue de una red WiFi en Santillana del Mar. Proyecto

fin de carrera, Ingeniería de Telecomunicación. Escuela Politécnica Superior. Universidad

Autónoma de Madrid: 197 p. España.

Muñoz, J.C. 2002. Introducción a los Infrasonidos y su Recepción. Tesis de grado (Inédito),

Universidad Austral de Chile, Escuela de Ingeniería Acústica: 105 p. Valdivia.

Muñoz, A. 2016. Catastro y reconocimiento de zonas susceptibles de remociones en masa,

inundaciones y socavones en la ruta G–25, Provincia Cordillera, Región Metropolitana.

Informe de Proyecto II (Inédito), Universidad de Chile, Departamento de Geología: 33p.

Muñoz, A. 2018. Metodología para evaluar la amenaza de flujos de detritos utilizando un análisis

jerárquico de procesos y el software RAMMS, con aplicación en la cuenca del estero San

Alfonso, Región Metropolitana. Memoria de Titulo (Inédito), Universidad de Chile,

Departamento de Geología: 105 p. Santiago.

Naranjo, J.A.; Varela, J. 1996. Flujos de detritos y barro que afectaron el sector oriente de Santiago,

el 3 de mayo de 1993. Servicio Nacional de Geología y Minería (Informe inédito): 62 p.

126

Navratil, O.; Liébault, F.; Bellot, H.; Theule, J.; Travaglini, E.; Ravanat, X.; Ousset, F.; Laigle, D.;

Segel, V.; Fiquet, M. 2012. High-frequency monitoring of debris flows in the French Alps:

preliminary results of a starting program. In Interpraevent congress, No. 12: 281-291.

Grenoble.

NOAA (National Oceanic and Atmospheric Administration). 2012. Guía de referencia para sistemas

de alerta temprana de crecidas repentinas: 176 p. Colorado, USA.

NOAA (National Oceanic and Atmospheric Administration). 2018. NOAA photo library, satellite

systems. USA. http://www.photolib.noaa.gov/space/satsystems.html. (Última visita

07/06/2018).

NPERF. 2018. Mapa de cobertura 2G / 3G / 4G Entel, Chile. https://www.nperf.com/es/map/CL/-

/1938.Entel/signal/?ll=-33.69725073576859&lg=-70.24837716936668&zoom=12. (Última

visita 30/08/2018).

OMEGA. 2018. ¿Qué es un transductor de presión? https://es.omega.com/prodinfo/transductores-

de-presion.html. (Última visita 04/06/2018).

Pastor, M.S. 2014. Sistema de alerta temprana para eventos hidrogeológicos extremos en una ruta

de montaña. SATCAD 307. (Informe inédito): 17 p. Provincia de Tucumán. Argentina.

Pierson, T.C. 1986. Flow behaviour of channelized debris flows, Mount St. Helen’s, Washington.

In Hillslope processes (Abrahams, A.D.; editor). Allen and Unwin: 269-296. Boston.

Proyecto Multinacional Andino: Geociencias para las Comunidades Andinas. 2007. Movimientos

en Masa en la Región Andina: Una guía para la evaluación de amenazas. Servicio Nacional

de Geología y Minería, Publicación Geológica Multinacional 4: 432 p. Canadá.

Quiroga, R. 2013. Análisis estructural de los depósitos cenozoicos de la Cordillera Principal entre

el Cerro Provincia y el Cordón El Quempo, Región Metropolitana, Chile (33º18’ y 33º25’ S).

Memoria de Título (Inédito), Universidad de Chile, Departamento de Geología: 111 p.

Santiago.

127

RSHYDRO. 2018. ISCO LaserFlow Flow Meter (MCERTS). http://www.rshydro.co.uk/flow-

meters/open-channel-flowmeter/open-channel-flow-meters-stream-river-partially-filled/isco-

laserflow-meter/. (Última visita 05/06/2018).

SafeLand. 2012. Deliverable 4.8: Guidelines for landslide monitoring and early warning systems in

Europe: design and required technology. Work Package 4.3 – Evaluation and development

of reliable procedures and technologies for early warning.

Scheidl, C.; Chiari, M.; Kaitna, R.; Müllegger, M.; Krawtshuck, A.; Zimmermann, T.; Proske, D.

2013. Analysing debris-flow impact models, based on a small scale modelling approach.

Surv Geophys 34: 121-140.

Schimmel, A.; Hübl, J. 2015. Automatic detection of debris flows and debris floods based on a

combination of infrasound and seismic signals. Landslides (2016) 13:1181–1196.

SCHLUMBERGER. 2018. Oilfield Glossary: geophone.

http://www.glossary.oilfield.slb.com/es/Terms/g/geophone.aspx. (Última visita 05/06/2018).

Sepúlveda, S.A.; Moreiras, S.M.; Lara, M.; Alfaro, A. 2014. Debris flows in the Andean ranges of

central Chile and Argentina triggered by 2013 summer storms: characteristics and

consequences. Landslides (2015) 12:115-133.

SERNAGEOMIN (Servicio Nacional de Geología y Minería). 2013. Reconocimiento de depósitos

de flujos de detritos en cursos fluviales de la cuenca del río Maipo, resultantes de

remociones en masa del 21 de enero y 8 de febrero de 2013, en la Región Metropolitana, y

priorización para su eventual limpieza, a objeto de prevenir su impacto en el normal

abastecimiento de agua potable para la Región Metropolitana. Informe inédito: 14 p.

Santiago.

SERNAGEOMIN (Servicio Nacional de Geología y Minería de Chile). 2018. Portal Geológico

Minero GEOMIN. Catálogo Nacional de Información Geoespacial.

http://portalgeo.sernageomin.cl/geoportal. (Última visita: 26/03/2018).

128

Sheetal, J. 2015. Architecture of 5G technology in mobile communication. M.Tech, Bellary

Engineering College, Bellary: 4345. India.

Shrestha, M.S.; Kafle S.K.; Gurung M.B.; Nibanupudi H.K.; Khadgi V.R.; Rajkarnikar G. 2014. Flood

Early Warning Systems in Nepal. International Centre for Integrated Mountain Development

(ICIMOD): 66 p. Kathmandu, Nepal.

Superintendencia de Industria y Comercio (SIC). 2015. Vehículos aéreos no tripulados, drones y

sus sistemas de comunicación. Boletín tecnológico: 104 p. Colombia.

Solís, E. 1995. Modelación matemática de corrientes de detritos. Memoria de Título (Inédito),

Universidad de Chile, Departamento de Ingeniería Civil: 173 p. Santiago.

Sotomayor, E. 2012. Estudio de un sistema de comunicación satelital para alerta y reacción ante

eventos sísmicos. Tesis de Grado (Inédito), Universidad de Chile, Departamento de

Ciencias de la Computación: 51 p. Santiago.

Stallings, W. 2004. Comunicaciones y redes de computadores. 6ta edición. Editorial Prentice Hall:

747 p.

Suwa, H. 2012. Debris flow monitoring in Japan. Center for Spatial Information Science, University

of Tokyo. 2012 International Workshop on monitoring bedload and debris flow in mountain

basins. Free University of Bozen-Bolzano: 38 p. Italy.

Suwa, H.; Okano, K.; Kanno, T. 2011. Forty years of debris -flow monitoring at Kamikamihorizawa

Creek, Mount Yakedake, Japan. Center for Disaster Mitigation of Urban Cultural Heritage,

Ritsumeikan University, and Center for Spatial Information Science, University of Tokyo:

605-613.

Tecca, P.R.; Galgaro, A.; Genevois, R.; Deganutti, A.M. 2003. Development of a remotely

controlled debris flow monitoring system in the Dolomites (Acquabona, Italy). Hydrological

Processes 17(9): 1771-1784.

129

Thiele, R. 1980. Geología de la Hoja de Santiago, Región Metropolitana. Instituto de

Investigaciones Geológicas, Carta Geológica de Chile 39: 51 p., 1 mapa. Escala 1:250.000.

Santiago.

Turconi, L.; Coviello, V.; Arattano, M.; Savio, G.; Tropeano, D. 2015. Monitoring mud-flows for

investigative and warning purposes: The instrumented catchment of Rio Marderello (North-

Western Italy). Engineering Geology for Society and Territory 3: 85–90.

Turner, D.; Lucieer A.; de Jong, S.M. 2015. Time Series Analysis of Landslide Dynamics Using an

Unmanned Aerial Vehicle (UAV). Remote Sensing 7(2):1736-1757.

Universidad Internacional de Valencia (UIV). 2018. Evolución de la red de comunicación móvil.

https://www.universidadviu.es/evolucion-la-red-comunicacion-movil-del-1g-al-5g/. (Última

visita 23/07/2018).

Unidad Nacional para la Gestión del Riesgo de Desastres (UNGRD). 2016. Guía para la

implementación de sistemas de alerta temprana comunitarios: 29 p. Bogotá, D.C.

United Nations International Strategy for Disaster Reduction (UNISDR). 2009. Terminology on

Disaster Risk Reduction. United Nations: 43 p.

United Nations International Strategy for Disaster Reduction (UNISDR). 2016. Disasters in

numbers. United Nations Office for Disaster Risk Reduction short publication: 2 p.

United States Geological Survey (USGS). 2018. Debris flow monitoring at Chalk Cliffs, Colorado.

Landslide Hazard Program. https://landslides.usgs.gov/monitoring/chalk_cliffs/. (Última

visita 05/06/2018).

VanDine, D.F. 1985. Debris flows and debris torrents in the southern Canadian Cordillera.

Canadian Geotechnical Journal 22: 44–68.

Varnes, D.J. 1978. Slope movements types and processes. In Landslides analysis and control

(Schuster, R.L.; Krizek R.J.; editores). Transportation Research Board, National Academy

Of Science, Special Report 176: 9-33. Washington D.C.

130

Vásquez, S. 2017. Sistema de alerta temprana de inundaciones: caso en desarrollo. Estudio

básico: Investigación modelo hidrológico para inundaciones de crecidas en la Región

Metropolitana. Hacia un sistema de alerta temprana de inundaciones. DICTUC-INH. Taller

de aluviones del Instituto Nacional de Hidráulica (INH) para SERNAGEOMIN. 27 de

Septiembre de 2017.

Viale, M.; Garreaud R. 2014. Summer Precipitation Events over the Western Slope of the

Subtropical Andes. Monthly Weather Review 146: 1074-1092.

Swiss Federal Institute for Forest, Snow and Landscape Research (WSL). 2017. Rapid mass

movements simulation (RAMMS): User Manual v1.7 Debris Flow. Swiss Federal Institute for

Forest, Snow and Landscape Research, Swiss Federal Institutes of Technology: 109 p.

Swiss Federal Institute for Forest, Snow and Landscape Research (WSL). 2018. Rock in motion:

rockfall. https://www.wsl.ch/en/natural-hazards/rockfalls-and-landslides/forschung-in-

bildern-steinschlag/rockfall.html. (Última visita 06/06/2018).

Yin, H.Y. 2012. Debris flow monitoring and warning in Taiwan. Soil and Water Conservation Bureau

Council of Agriculture. 2012 International Workshop on monitoring bedload and debris flow

in mountain basins. Free University of Bozen-Bolzano: 48 p. Italy.

diseÑo de un sistema de monitoreo piloto de chillÁn

Documents