trabajo modelos digitales de elevación (mde) e ...€¦ · bahía blanca, 10 de marzo de 2018 por...

Bahía Blanca, 10 de marzo de 2018

Por la presente se certifica que el trabajo Modelos Digitales de Elevación

(MDE) e hidromorfometría para el modelado de crecidas en pequeñas

cuencas torrenciales no aforadas, arroyo San Bernardo, Argentina cuyos

autores son Casado Ana, Gil Verónica , Volonté Antonela, Campo Alicia M.

ha sido aceptado para ser incluido como el Capítulo 13 en .el libro Las

Geotecnologías en los Procesos Ambientales actualmente en edición. Esta

obra está registrada en el sistema de ISBN: con el numero 978-987-655-173-1

(fecha diciembre 2017).

:

Dra. M. Elizabeth Carbone Comité Editor

Departamento de Geografía y Turismo UNS

Casado A; Gil V; Volonté A; Campo AM (2016). Modelos Digitales de Elevación (MDE) e hidromorfometría

para el modelado de crecidas en pequeñas cuencas torrenciales no aforadas, arroyo San Bernardo, Argentina.

Las Geotecnologías en los Procesos Ambientales Bahía Blanca, EdiUNS. Capitulo nº. p-p ISBN

Modelos Digitales de Elevación (MDE) e hidromorfometría para el

modelado de crecidas en pequeñas cuencas torrenciales no aforadas,

arroyo San Bernardo, Argentina

Casado Ana1,3,4, Gil Verónica 1,2, Volonté Antonela1,2, Campo Alicia M. 1,2 1Departamento de Geografía y Turismo. UNS. Bahía Blanca

2Consejo Nacional de Investigaciones Científicas y Técnicas (CONICET) 3Clermont Université, Université Blaise Pascal. GEOLAB. BP 10448, F-63000 Clermont-Ferrand

4CNRS. UMR 6042 GEOLAB, F-63057 Clermont-Ferrand

[email protected]

Resumen

En los últimos años, el uso de MDE en el

análisis y gestión de recursos hídricos se

incrementó y popularizó notoriamente. Sin

embargo, existen aún varios interrogantes

respecto de la calidad de la información extraída

de los MDE en función de la naturaleza del

modelo y de la naturaleza del terreno

representado. El presente trabajo evalúa la

aplicabilidad de una serie de MDE de distinta

fuente (interferometría radar y curvas de nivel)

y resolución (30, 45 y 90 m) para la extracción

de parámetros hidromorfométricos y modelado

de crecidas en la cuenca del arroyo San

Bernardo, una pequeña cuenca torrencial no

aforada afluente del río Sauce Grande

(Argentina). El estudio utiliza el módulo HEC-

GeoHMS para ArcGIS® con umbrales de

escurrimiento estándar y considera (i) la

exactitud de la red de drenaje extraída respecto

de la real (trazado y jerarquía) y (ii) la relación

entre los parámetros hidromorfométricos que

determinan el tiempo de concentración de la

cuenca y que afectan al hidrograma de crecida

final. Los resultados indican que ningún modelo

es 100 % efectivo para la extracción automática

de información hidromorfométrica. Si bien los

SRTM producen redes que se ajustan mejor con

la real, la relación resolución-precisión está

condicionada por la energía del relieve. A

menor resolución, mejor definición de la red en

áreas llanas, pero mayor suavizado del relieve

en áreas de fuerte energía. Ello se traduce en una

reducción de la pendiente media de 17 % y en

un incremento del tiempo de concentración de

la cuenca de 13 %, lo cual a su vez determina

hidrogramas de crecida de mayor duración y

menor magnitud. Así, se destaca la importancia

de la correcta elección del MDE de base en

función de la configuración hidromorfológica

de la cuenca y se evidencia la necesidad de post-

tratamiento manual de los resultados obtenidos

en función del parámetro a analizar.

Palabras clave: MDE; extracción automática;

hidromorfometría; modelado de crecidas;

cuencas torrenciales no aforadas.

Introducción

Los Modelos Digitales de Elevación (MDE) y

su aplicación a través de los Sistemas de

Información Geográfica (SIG) constituyen una

herramienta estándar tanto en el análisis de

procesos hidrológicos como en la gestión de

recursos hídricos. Los campos de aplicación son

numerosos y variados y se incrementan junto

con la automatización de la información y el

desarrollo de nuevas geotecnologías. Algunos

ejemplos de la aplicación hidrográfica e

hidrológica de los MDE integran la extracción

de cuencas de drenaje y de parámetros

morfométricos (Tucker et al., 2001; Ozdemir y

Bird, 2008; Thomas et al., 2012), el modelado

hidrológico de cuencas (Kim y Lee, 2004;

Lecoz et al., 2009), el análisis del peligro de




inundación (Sanders, 2007; Bajabaa et al., 2014), y la gestión de recursos hídricos (Al-

Abed et al., 2005), entre muchos otros.

Más allá de los beneficios indiscutibles de la

automatización de la información y del carácter

fundamental del uso de MDE en estudios

hidrográficos e hidrológicos, existen aún varios

interrogantes respecto de la calidad de la

información extraída de los mismos.

Independientemente de su naturaleza, los MDE

contienen errores que se propagan

sistemáticamente en los parámetros, modelos y

predicciones derivados (Hengl et al., 2004;

Fisher y Tate, 2006). Paralelamente, ha sido

tempranamente demostrado que la calidad de la

información extraída de los MDE depende

estrechamente de la relación entre la naturaleza

del modelo (fuente, tipo y resolución) y la

naturaleza del terreno representado (extensión y

configuración). En el campo de morfometría

fluvial, se destacan los trabajos de Gao (1997),

Wang y Yin (1998), Lopez García y Camarasa

(1999), Saunders (1999), Walker y Willgoose

(1999), Endreny et al. (2000) y Wise (2000),

entre otros, sobre la precisión en la extracción

de redes y cuencas de drenaje a partir de MDE

de diferente tipo y resolución. Más tarde,

Chaplot et al. (2006) investigaron la precisión

de distintos algoritmos de interpolación en

relación con las formas del terreno, Wu et al. (2008) y Hebeler y Purves (2009) exploraron los

efectos de la incertidumbre espacial en la

derivación de índices topográficos y Hancock

(2005), Nourani et. al. (2013) y Buakhao y

Kangrang (2016) investigaron el impacto de la

resolución sobre la morfometría y la fisiografía

de cuencas. En suma, los resultados de los

trabajos citados anteriormente ponen de relieve

la importancia en la elección de MDE

apropiados en función de la relación área-

pendiente-agregación, así como la necesidad de

precaución en la interpretación y análisis de las

propiedades de la cuenca extraídas de los

mismos.

El objetivo del presente trabajo consiste en

evaluar la aplicabilidad de MDE de distinta

naturaleza para la caracterización

hidromorfométrica y el modelado de crecidas en

pequeñas cuencas torrenciales no aforadas. Para

ello, se compara la precisión en la extracción

automática de redes de drenaje y de parámetros

hidromorfométricos derivados de MDE de

distinta fuente (interferometría radar e

interpolación de curvas de nivel) y resolución

(30, 45 y 90). Asimismo, se evalúa la relación

entre los parámetros que determinan el tiempo

de concentración de la cuenca y que afectan al

hidrograma de crecida final. El trabajo se centra

en la cuenca del arroyo San Bernardo, una

pequeña cuenca afluente del río Sauce Grande,

Argentina, caracteriza por su alta jerarquía y alta

torrencialidad. Estas características son

representativas de la mayoría de cuencas que

conforman las cabeceras de los principales

cursos de la región (Gil et al., 2009). Así, los

resultados del presente estudio son

potencialmente transferibles a otras pequeñas

cuencas regionales y conforman la base de

futuros esfuerzos de investigación para el

modelado hidrológico del conjunto de sub-

cuencas que compone las cabeceras del río

Sauce Grande.

Materiales y métodos

Área de estudio

La cuenca del río Sauce Grande nace en las

laderas sur-orientales del cordón Sierra de la

Ventana (Sistema de Ventania; Fig. 1). El

colector principal drena sus aguas hacia el mar

argentino con una dirección predominante N-S

y recibe afluentes en el tramo que corresponde a

la cuenca alta principalmente. Uno de ellos es el

arroyo San Bernardo, cuya cuenca homónima

(orden 5) posee un área de 83 km2 y un desnivel

de 800 m (Volonté et al., 2015). La misma se




desarrolla sobre rocas metamórficas en la zona

de cabecera y se encauza en depósitos aluviales

y eólicos en su parte media-baja. Confluye en

cercanías de la localidad turística de Sierra de la

Ventana a ~400 m. El rasgo climático distintivo

de esta zona templada seca sub-húmeda es la

variabilidad (espacial y temporal) de la

precipitación. La misma responde a patrones de

circulación regional (Zapperi et al., 2006;

Zapperi et al., 2007; Gil et al., 2008) y está

fuertemente influenciada por fenómenos

climáticos a escala global (Scian, 2000; Campo et al., 2009; Bohn et al., 2011). En presencia de

eventos de precipitación torrencial, la respuesta

hidrológica de la cuenca es también torrencial,

lo que se traduce en fenómenos de avenidas e

inundaciones de gran magnitud (Gil y Campo,

2006). Las crecidas y avenidas constituyen una

amenaza latente para la población e

infraestructuras presentes en la cuenca baja y

representan, por tanto, una de las principales

problemáticas del área (Campo et al., 2011).

Figura 1

Localización del área de estudio Datos de base y derivados

Se utilizaron seis MDE provenientes de dos

fuentes distintas y producidos a tres

resoluciones diferentes (2x3). El primer

conjunto reúne MDE producidos por

interferometría radar (SRTM, Shuttle Radar

Topography Mission) a 30 y 90 m de resolución

(USGS); el modelo de 45 m fue agregado por el

IGN (Instituto Geográfico Nacional, Argentina)

a partir del SRTM30. El segundo conjunto de

modelos se obtuvo por interpolación de curvas

de nivel extraídas de cartas topográficas a escala

1:50.000 (IGN). Los modelos fueron

interpolados a 30, 45 y 90 m de resolución. Se

utilizó el método Topo to Raster (TR) en

ArcGIS (ESRI®), un modelo de interpolación

spline basado en el modelo ANUDEM de

Hutchinson (1988, 1989). El mismo fue

diseñado para funcionar inteligentemente con

curvas de nivel y ha sido validado

satisfactoriamente en el área de interés por

trabajos anteriores (Casado et al., 2010).

Paralelamente, se derivaron mapas de pendiente

(%) a partir de cada MDE. La red de drenaje

“real” fue digitalizada en ArcGIS sobre la base

de imágenes SPOT5 de 5 m de resolución

(2013, CNES). Los cauces de orden 1 con

longitud inferior a 180 m no fueron tenidos en

cuenta para asegurar conformidad con la red




extraída de los MDE de más baja resolución (90

m). La definición de unidades de respuesta

hidrológica de la cuenca y los números de curva

asignados en cada caso se basan en el trabajo de

Casado (2013) y se detallan en la Tabla 1.

Tabla 1

Número de curva (CN) y potencial de retención (S) de las distintas unidades de respuesta hidrológica

identificadas en el área

Cobertura Pendiente (°) Tipo de suelo Condición hidrol. Area (%) CN S (mm)

Zona urbana --- Franco arcilloso Regular a mala 2.3 85 44.8

Cultivos 0 ≥ 2 Franco arcilloso Buena 4.9 64 142.9

Cultivos 2 ≥ 5 Franco arcilloso Buena 7.9 69 114.1

Pasturas 0 ≥ 2 Franco arcilloso Regular a mala --- 74 ---

Pasturas 2 ≥ 5 Franco arcilloso Regular 24.6 79 67.5

Afloramiento 2 ≥ 5 Somero rocoso Mala 9.1 86 41.3

Afloramiento 5 ≥ 15 Somero rocoso Mala 26.2 90 28.2

Afloramiento > 15 Somero rocoso Mala 25.0 95 13.4

Media ponderada 85.1 44.4

Extracción de Parámetros Hidromorfométricos (PHm) y evaluación de precisión La extracción de redes y cuencas de drenaje se

realizó mediante el módulo HEC-GeoHMS en

ArcGIS (Hydrologic Engineering Center, U.S.

Army Corps of Engineers). El mismo permite

transformar un MDE bruto en un MDE

corregido hidrológicamente (sin depresiones)

sobre el cual se calcula la dirección de flujo

(celdas que fluyen hacia otras celdas) y la

acumulación de flujo (cuánta agua fluye a través

de una celda) (Fig. 2). Esta información es

utilizada para definir redes y cuencas de drenaje

automáticamente, las cuales pueden ser

posteriormente procesadas manualmente. Se

utilizaron umbrales de escorrentía estándar (1 %

del valor de acumulación de flujo de la cuenca)

para identificar la mejor relación entre la

resolución de los MDE y la definición de cursos

de orden 1. Los PHm calculados incluyeron: (i)

topografía de la cuenca (área, altura, pendiente),

(ii) longitud y pendiente del camino más largo

de flujo, (iii) jerarquía de la red y número de

subcuencas, (iv) número y longitud de cursos de

orden 1 y (v) tiempo de concentración de la

cuenca (Tc) sobre la base de la fórmula del

NRCS (2010):

�� =0.00227�.�� + 1�.�

�.�

donde L es la longitud del camino más largo de

flujo (m), S es el potencial de retención de la

cuenca e Y es la pendiente media de la cuenca

(%).

Se utilizaron dos criterios de evaluación de

precisión. El primero contempla la exactitud de

la red de drenaje extraída respecto de la real y

considera: (i) la exactitud del trazado, calculada

en términos de área de desfasaje por

superposición de la red digitalizada y la

extraída, (ii) la correspondencia de jerarquía de

la red, lo cual determina las características de

drenaje y el nivel de torrencialidad de la cuenca.

El segundo criterio contempla la relación entre

los parámetros que determinan el Tc de la

cuenca y que afectan al hidrograma de crecida

final: pendiente media y longitud del camino

más largo de flujo. Dado que se trata de una

cuenca no aforada, los hidrogramas de crecida

se estimaron mediante el método del

hidrograma unitario (NRCS, 2007). Se utilizó

una lámina de agua genérica equivalente a 25

mm de precipitacion efectiva.




Figura 2

Fundamentos del módulo HEC-GeoHMS para la extracción automática de redes de drenaje y cálculo de

parámetros hidromorfométricos derivados. Los gráficos de ejemplo corresponden a los resultados obtenidos

del SRTM30

Resultados y discusión

Red de drenaje y camino más largo de flujo La calidad de la red de drenaje extraída de los

SRTM es notoriamente superior a la extraída de

los TR independientemente de la resolución de

los modelos. El trazado general de la red es

notoriamente más preciso y, en consecuencia, el

área de desfasaje respecto de la red real es hasta

50 % inferior que la generada por los modelos

TR (Fig. 3). Ello se relaciona con el sistema de

proyección de la información planialtimétrica

utilizada en el estudio. Los modelos TR fueron

interpolados a partir de curvas de nivel extraídas

de cartas topográficas, mientras que la red “real”

fue digitalizada sobre imagen satelital. Si bien

las cartas topográficas fueron rectificadas y

reproyectadas para asegurar conformidad

espacial de datos, es natural que existan

desfasajes puesto que las mismas fueron

levantadas bajo un sistema de referencia local

diferente del WGS84 (Campo Inchauspe).

A pesar de la superioridad de los SRTM, se

observa que la precisión en el trazado de la red

está condicionada, no sólo por la resolución del

modelo sino también por la energía del relieve

(Fig. 3). En áreas de relieve con fuerte energía

(cabeceras de la cuenca), el trazado de la red

extraída es satisfactorio independientemente de

la resolución. La relación resolución-precisión

es mucho más clara en áreas llanas (cuenca

baja), donde la calidad de la red extraída se

incrementa a medida que disminuye la

resolución. Se observa que el SRTM90 produce

una red mucho más cercana a la real, lo que se

traduce en un camino de flujo más preciso; en el

caso de los SRTM30 y SRTM45, el cierre de la

cuenca se define hasta 1.4 km lineares al norte

del cierre de cuenca real.




Figura 3

Redes y cuencas de drenaje extraídas de los modelos SRTM y Topo to Raster (TR) de 30, 45 y 90 m de

resolución. El área de desfasaje entre la red extraída y la real se indica sombreado en naranja.

En efecto, ha sido tempranamente demostrado

que el detalle y la calidad de la información

hidromorfológica extraída de los MDE es

altamente sensible a la resolución del modelo en




función de la escala y la complejidad del terreno

(Wang y Yin, 1998; Saunders, 1999; Walker y

Willgoose, 1999; Hancock, 2005). En el caso de

la cuenca del San Bernardo, se trata de un

sistema fluvial dendrítico caracterizado por (i)

una densa ramificación en las cabeceras a través

de series de valles y regueros encajonados en

roca metamórfica y (ii) un amplio valle colector

encajonado en depósitos cuaternarios dentro del

cual el curso divaga a través de una amplia

llanura de inundación. Como fue señalado por

Lopez García y Camarasa (1999), la variación

de unidades geomorfológicas a lo largo de

sistemas fluviales ejerce una marcada influencia

en la definición automática de la red para una

misma resolución. Los modelos de mayor

resolución siendo particularmente sensibles a

pequeñas variaciones de altitud en zonas llanas

(Chaplot et al., 2006), la definición de la red en

sistemas fluviales móviles falla debido a la

complejidad de geoformas dentro de la llanura

de inundación.

Parámetros Hidromorfométricos (PHm) y modelado de crecidas Las características de la red de drenaje extraída

de los distintos MDE presentan marcadas

diferencias respecto de la red real (Tabla 2). El

orden de la cuenca se minimiza en todos los

casos, lo que resulta en una subestimación del

número de cursos de primer orden y, por

extensión, del resto de los órdenes. Ello se

traduce en una relación de bifurcación entre

órdenes (Rb) inferior a 2 (mínimo teórico

establecido por Horton, 1945). Si bien la Rb

aumenta al disminuir la resolución de los

MDE, los valores representan entre el 33 y el

46 % de la Rb de la red real. La simplificación

de la red resulta igualmente en una

subestimación considerable de la densidad de

drenaje (Dd) y del coeficiente de torrencialidad

(Ct) de la cuenca para todos los MDE. El Ct se

mantiene muy bajo (13 % del Ct real) y la Dd

obtenida representa tan sólo 1/3 de la densidad

de drenaje real.

La complejidad de la red extraída depende del

umbral de escorrentía utilizado al momento de

definir los cursos. Este parámetro discrimina

el escurrimiento laminar del encauzado y se

expresa en términos de porcentaje de

acumulación de flujo total en la cuenca

(Tarboton et al., 1991). Esto es, el máximo

valor de escorrentía de una celda a otra o,

dicho de otra manera, el valor de acumulación

en la celda correspondiente al cierre de cuenca.

Si bien la complejidad de la red tiende a

aumentar junto con la resolución, todos los

modelos minimizan el trazado de cursos de

primer y segundo orden (Fig. 3; Tabla 2). Este

aspecto reviste mayor o menor importancia en

función del propósito del estudio considerado.

El modelado de crecidas se basa en la longitud

del camino más largo de flujo (NRCS, 2007,

2010) y, por lo tanto, no se ve afectado por la

complejidad de la red. Sin embargo, la misma

adquiere un carácter fundamental en el análisis

de torrencialidad. La Figura 4 ilustra la

densificación sistemática de la red junto con

la disminución del umbral de escorrentía. Los

resultados evidencian que, en el caso de

estudios combinados, se requiere de un

análisis previo de prueba y error que permita

identificar el umbral que mejor reproduce la

complejidad de la red modelada. Este aspecto

es particularmente relevante en cuencas

serranas con altos índices de torrencialidad,

donde el número de cursos de primer orden

disminuye progresivamente con la pendiente

y, por lo tanto, la ramificación del sistema de

drenaje no es homogénea a lo largo del sistema

fluvial.




Tabla 2 Parámetros hidromorfométricos extraídos de los modelos SRTM y TR de 30, 45 y 90 m de resolución. Los

valores correspondientes a la red real se sombrean en gris.

Parámetro SRTM30 SRTM45 SRTM90 TR30 TR45 TR90 Red real

Topografía de la cuenca de drenaje

Area (km²) 81.2 81.0 81.9 80.8 80.5 80.8 82.0

Altura (m) max. min. media

1228

240

470

1228

240

471

1228

234

467

1222

249

477

1225

248

477

1205

248

477

1239*

242*

475*

Pendiente (%) max. min. media

206.8

0.0

19.9

156.7

0.0

19.3

94.4

0.2

16.5

93.2

0.0

18.3

85.9

0.0

17.3

65.6

0.0

14.6

196.8*

1.1*

21.4*

Características de la red de drenaje

Orden 3 3 3 3 3 4 5

N° de cursos 1 (N1) 13 12 11 12 13 14 122

R. de bifurcación N1/N2 1.3 1.2 1.4 1.3 1.4 1.8 3.9

Dd. de drenaje (km/km²) 0.6 0.6 0.6 0.6 0.6 0.6 1.8

Coef. de torrencialidad 0.2 0.1 0.1 0.1 0.2 0.2 1.5

Parámetros hidrológicos

Longitud del cfl (km) 20.5 21.1 21.3 19.7 19.7 19.1 22.8

Pendiente del cfl (%) 3.6 3.8 3.8 4.1 4.1 4.3 3.3

T. de concentración (h) 2.9 3.0 3.3 2.9 3.0 3.2 3.1

* Calculado a partir de curvas de nivel sobre carta topográfica.

Figura 4

Influencia del umbral de escorrentía sobre la definición de cursos de primer y segundo orden. Ejemplos

extraídos de los modelos SRTM30 y SRTM90

Por otra parte, se observan marcadas diferencias

entre los modelos respecto de la relación entre

parámetros que determinan el tiempo de

concentración de la cuenca. El parámetro que




mayor variación presenta es la pendiente media,

la cual se incrementa junto con la resolución de

los MDE entre 17 % (SRTM) y 20 % (TR). La

variación de la pendiente con la resolución del

MDE fue tempranamente señalada por Gao

(1997) y fue recientemente discutida por

Nourani et al. (2013), quienes subrayaron el

efecto de filtro ejercido por el incremento del

tamaño de celda. Otro parámetro que varía

considerablemente entre modelos es la longitud

del camino más largo de flujo (clf), lo cual

guarda relación directa con la exactitud de la red

extraída de los distintos modelos. Así, la

longitud del clf se incrementa con la

disminución de la resolución en un 4 % (SRTM)

y disminuye con la disminución de la resolución

en un 3 % (TR). En este sentido, Wang y Yin

(1998) señalaron que, mientras que los MDE de

mayor resolución tienden a reducir la pendiente

del terreno, los mismos producen las mejores

estimaciones en términos de longitud y

frecuencia de los cursos. Resultados similares

encontraron Teegavarpu et al. (2006) y

Buakhao y Kangrang (2016) cuando extrajeron

parámetros hidromorfométricos de MDE de

diferente tipo y resolución.

Las diferencias en la pendiente media y en la

longitud del clf a través de los modelos SRTM

y TR se traducen en una variación del tiempo de

concentración de la cuenca (Tc) de entre 0.4 y

0.3 horas, respectivamente (Tabla2), siendo los

modelos de mediana resolución (45 m) los que

reproducen los valores más cercanos a la

realidad. Este aspecto es una consecuencia

directa de la relación inversa que existe entre

resolución y pendiente y entre resolución y

longitud del clf. Mientras que los MDE de 30 m

reproducen mejor los gradientes del terreno, los

MDE de 90 m producen clf mejor definidos. El

Tc constituye uno de los parámetros

fundamentales para la construcción de

hidrogramas unitarios (NRCS, 2007). Así, las

diferencias en el Tc obtenido a partir de los

modelos se traducen en variaciones

significativas del retardo, la duración y la

magnitud del hidrograma de crecida al cierre de

cuenca (Figura 5). Por ejemplo, el pico de

crecida generado por 25 mm de precipitación

efectiva puede alcanzar 194 m3/s en 2.2 h

(SRTM90) o 218 m3/s en 1.9 h (SRTM30). Si se

considera la precipitación de 100 años (175

mm), la diferencia en la magnitud del pico de

crecida alcanza hasta 165 m3/s. En suma, los

resultados evidencian la necesidad de extrema

precaución en la elección del MDE de base de y

en la determinación de PHm adecuados y

razonables en función de la dinámica

hidromorfológica de la cuenca. Este aspecto es

particularmente relevante en cuencas no

aforadas, donde no se dispone de datos

hidrológicos sobre los cuales validar los

modelos derivados de los MDE.

Figura 5

Hidrogramas unitarios para 25 mm de precipitación efectiva. Los hidrogramas fueron construidos con

parámetros derivados de los modelos SRTM y TR de 30, 45 y 90 m




Conclusiones

El presente estudio evaluó y comparó la

aplicabilidad de MDE de distinta fuente y

resolución para la extracción de parámetros

hidromorfométricos (PHm) y modelado de

crecidas en una pequeña cuenca torrencial de

relieve contrastado. Los resultados obtenidos

indicaron que ninguno de los modelos es 100 %

efectivo para la extracción automática de redes

y de PHm, lo cual se traduce en variaciones

significativas del hidrograma de crecida

estimado a partir de los distintos modelos. Por

un lado, existe una clara relación entre la

precisión de la información extraída y la

resolución del modelo, relación que se halla

fuertemente condicionada por la energía del

relieve. A menor resolución, mejor definición

de la red en áreas llanas, lo que resulta en

caminos de flujo mejor definidos. Sin embargo,

a menor resolución, mayor es el suavizado del

relieve en áreas de fuerte energía. Ello implica

una reducción de la pendiente media de la

cuenca, lo que se traduce en un incremento del

tiempo de concentración de la misma y, por

extensión, en hidrogramas de crecida de mayor

duración y menor magnitud. Por otro lado, la

complejidad de la red extraída depende

fuertemente del umbral de escorrentía utilizado

para la definición de los cursos. En cuencas

torrenciales, donde el potencial de avenidas se

ve fuertemente influenciado por la densidad y

ramificación de cursos de primer orden, el

mayor desafío consiste en fijar un umbral de

escurrimiento que permita determinar la

densidad de drenaje óptima.

Independientemente del parámetro considerado

y más allá de la compleja relación entre

precisión en la definición de la red, resolución

del modelo y energía del relieve, los SRTM se

posicionaron como los modelos que mejor se

ajustan a la extracción automática de redes de

drenaje. De fácil acceso y globalmente

disponibles, el uso de SRTM implica una

reducción considerable del tiempo de

procesamiento y análisis que conlleva la

creación de MDE a partir de otras fuentes de

información altimétrica. El mayor desafío recae

en la correcta elección de la resolución del

modelo. En cuencas con relieve pronunciado y

contrastado como la del San Bernardo, el uso de

modelos de alta resolución resulta el más

apropiado en función de la relación área-

pendiente, pero su mayor sensibilidad a

pequeñas variaciones de altitud implica control

y ajuste manual de la definición de la red de

drenaje en áreas de bajo relieve. Estos

resultados son potencialmente transferibles a

otras pequeñas cuencas de relieve contrastado y

constituyen la base de futuros esfuerzos de

investigación sobre la aplicabilidad de MDE de

baja resolución en cuencas de relieve menos

pronunciado.

Agradecimientos

El presente trabajo se inscribe en el Proyecto de

Grupo de Investigación 24/G067 “Geografía

Física Aplicada al estudio de la interacción

Sociedad-Naturaleza. Problemáticas a

diferentes escalas témporo-espaciales” y fue

financiado por la Secretaría General de Ciencia

y Tecnología de la Universidad Nacional del

Sur.

Referencias

Al-Abed, N., Abdulla, F. y Abu-Khyarah, A.,

2005. GIS-hydrological models for managing

water resources in the Zarqa River basin.

Environmental Geology, 47:405-411.




Bajabaa, S., Masoud, M. y Al-Amri, N., 2014.

Flash flood hazard mapping based on

quantitative hydrology, geomorphology and

GIS techniques (case study of Wadi Al Lith,

Saudi Arabia). Arabian Journal of Geosciences,

7:6:2469-2481.

Bohn, V. Y., Piccolo, M. C. y Perillo, G. M. E.,

2011. Análisis de los periodos secos y húmedos

en el sudoeste de la provincia de Buenos Aires

(Argentina). Revista de Climatología, 11:31-43.

Buakhao, W. y Kangrang, A., 2016. DEM

resolution impact on the estimation of the

physical characteristics of watersheds by using

SWAT. Advances in Civil Engineering, 9 p. En

linea http://dx.doi.org/10.1155/2016/8180158.

Campo, A. M., Ramos, M. B. y Zapperi, P.,

2009. Análisis de las variaciones anuales de

precipitación en el Suroeste bonaerense,

Argentina. Actas del XII Encuentro de Geógrafos de América Latina, Montevideo,

Uruguay, 12 p.

Campo, A. M., Silva, A. M. y Gil, V., 2011.

Aplicación de cartografía temática para la

identificación y análisis de la exposición al

peligro de inundación por crecidas repentinas.

Sierra de la Ventana, Buenos Aires, Argentina.

Revista Geográfica del Sur, 2:73-86.

Casado, A., 2013. Human impacts and fluvial

metamorphosis. The effects of flow regulation

on the hydrology, morphology and water

temperature of the Sauce Grande River,

Argentina. Tesis de Doctorado en Geografía,

Université Blaise Pascal Clermont-Ferrand II -

Universidad Nacional del Sur, Clermont-

Ferrand, 358 p.

Casado, A., Gentili, J., Campo, A. M. y Peiry,

J.-L., 2010. Evaluación de la calidad de modelos

digitales de elevación derivados de curvas de

nivel para aplicaciones hidrológicas. En: Carbone, M. E., Melo, W. D. y Angeles, G. R.

(eds), Tecnologías de la Información Geográfica del sur argentino, UNS, Bahia

Blanca, 102-116.

Chaplot, V., Darboux, F., Bourennane, H.,

Leguédois, S., Silvera, N. y Phachomphon, K.,

2006. Accuracy of interpolation techniques for

the derivation of digital elevation models in

relation to landform types and data density.

Geomorphology, 77:126-141.

Endreny, T. A., Wood, E. F. y Lettenmaier, D.

P., 2000. Satellite-derived digital elevation

model accuracy: hydrogeomorphological

analysis requirements. Hydrological Processes,

14:1-20.

Fisher, P. F. y Tate, N. J., 2006. Causes and

consequences of error in digital elevation

models. Progress in Physical Geography,

30:467-489.

Gao, J., 1997. Resolution and accuracy of

terrain representation by grid DEMs at a micro-

scale. International Journal of Geographical Information Sciences, 11:2:199-212.

Gil, V. y Campo, A. M., 2006. Caracterización

morfológica sectorizada del río Sauce Grande,

provincia de Buenos Aires, Argentina. Revista Geográfica de Valparaíso, 38:19-28.

Gil, V., Gentili, J. y Campo, A. M., 2009.

Influencia de la litología en la variación de los

parámetros morfométricos, Sistema de

Ventania, Argentina. Papeles de Geografía,

49:50:55-68.

Gil, V., Zapperi, P., Campo, A. M., Iuorno, M.

V. y Ramborger, M. A., 2008. Análisis de las

precipitaciones de otoño y primavera en el

Suroeste bonaerense. Actas de las VII Jornadas de Geografía Física, San Salvador de Jujuy,

Argentina, 11 p.

Hancock, G. R., 2005. The use of digital

elevation models in the identification and

characterization of catchments over different

grid scales. Hydrological Processes, 19:1727-

1749.

Hebeler, F. y Purves, R. S., 2009. The influence

of elevation uncertainty on derivation of

topographic indices. Geomorphology, 111:4-16.




Hengl, T., Gruber, S. y Shrestha, D., 2004.

Reduction of errors in digital terrain parameters

used in soil-landscape modelling. International Journal of Applied Earth Observation, 5:97-

112.

Horton, R. E., 1945. Erosional development of

streams and their drainage basins:

hydrophysical approach to quantitative

morphology. Bulletin of the Geological Society of America, 56:275-370.

Kim, S. y Lee, H., 2004. A digital elevation

analysis: a spatially distributed flow

apportioning algorithm. Hydrological Processes, 18:1777-1794.

Lecoz, M., Delclaux, F., Genthon, P. y Favreau,

G., 2009. Assessment of Digital Elevation

Model (DEM) aggregation methods for

hydrological modeling: Lake Chad basin,

Africa. Computers & Geosciences, 35:1661-

1670.

Lopez-García, M. J. y Camarasa, A. M., 1999.

Use of geomorphological units to improve

drainage network extraction from a DEM:

Comparison between automated extraction and

photointerpretation methods in the Carraixet

catchment (Valencia, Spain). International Journal of Applied Earth Observation and Geoinformation, 1:3-4:187-195.

Nourani, V., Mokhtarian-Asl, S., Khosravi-

Sorkhkolaee, M. y Sharghi, E., 2013. Effect of

DEM type and resolution in extraction of hydro-

geomorphologic parameters. En: Mladenov, V.

(ed), Recent Advances in Continuum Mechanics, Hydrology and Ecology, WSEAS,

Rhodes Island, Greece, 98-103.

NRCS, 2007. Part 630: Hydrology, Chapter 16:

Hydrographs. National Engineering Handbook,

USDA, 50 p.

NRCS, 2010. Part 630: Hydrology, Chapter 15:

Time of concentration. National Engineering Handbook, USDA, 29 p.

Ozdemir, H. y Bird, D., 2008. Evaluation of

morphometric parameters of drainage networks

derived from topographic maps and DEM in

point of floods. Environmental Geology,

56:1405–1415.

Sanders, B. F., 2007. Evaluation of on-line

DEMs for flood inundation modeling. Advances in Water Resources, 30:1831-1843.

Saunders, W., 1999. Preparation of DEMs for

use in environmental modeling analysis. Actas de la Esri User Conference, San Diego,

California, 13 p.

Scian, B., 2000. Episodios ENSO y su relación

con las anomalías de precipitación en la pradera

pampeana. Geoacta, 25:23-40.

Tarboton, D. G., Bras, R. L. y Rodriguez-Iturbe,

I., 1991. On the extraction of channel networks

from digital elevation data. Hydrological Processes, 5:1:81-100.

Teegavarapu, R., Viswanathan, C. y Ormsbee,

L., 2006. Effect of Digital Elevation Model

(DEM) resolution on the hydrological and water

quality modeling. Graham, R. (ed), Actas del World Environmental and Water Resource Congress, Omaha, Nebraska, United States, 1-

8.

Thomas, J., Joseph, S., Thrivikramji, K. P., Abe,

G. y Kannan, N., 2012. Morphometrical

analysis of two tropical mountain river basins of

contrasting environmental settings, the southern

Western Ghats, India. Environmental Earth Sciences, 66:8:2353-2366.

Tucker, G. E., Catani, F., Rinaldo, A. y Bras, R.

L., 2001. Statistical analysis of drainage density

from digital terrain data. Geomorphology,

36:187-202.

Volonté, A., Campo, A. M. y Gil, V., 2015.

Estado ecológico de la cuenca baja del arroyo

San Bernardo, Sierra de la Ventana, Argentina.

Revista Geográfica de América Central, 54:135-151.

Walker, J. P. y Willgoose, G., 1999. On the

effect of digital elevation model accuracy on




hydrology and geomorphology. Water Resources Research, 35:2259-2268.

Wang, X. y Yin, Z.-Y., 1998. A comparison of

drainage networks derived from digital

elevation models at two scales. Journal of Hydrology, 210:221-241.

Wise, S. M., 2000. Assessing the quality for

hydrological applications of digital elevations

models derived from contours. Hydrological Processes, 14:1909-1929.

Wu, S., Li, J. y Huang, G. H., 2008. A study on

DEM-derived primary topographic attributes

for hydrologic applications: Sensitivity to

elevation data resolution. Applied Geography,

28:210-223.

Zapperi, P., Casado, A., Gil, V. y Campo, A. M.,

2006. Caracterización de las precipitaciones

invernales en el Suroeste bonaerense. En: Cazzaniga, N. y Vaquero, M. (eds), Ambiente natural, campo y ciudad: Estrategias de uso y conservación en el Sudoeste Bonaerense,

Ediciones UNS, Bahía Blanca, 63-68.

Zapperi, P., Ramos, B., Gil, V. y Campo, A. M.,

2007. Caracterización de las precipitaciones

estivales en el Suroeste bonaerense. En: Contribuciones Científicas, GAEA, Posadas,

483-491.

trabajo modelos digitales de elevación (mde) e ...€¦ · bahía blanca, 10 de marzo de 2018 por...

Documents