logo
ResearchBunny Logo
Distribución Espacial y Evaluación de La Ocurrencia de Aluviones, Cuenca del Río San Juan, Provincia de San Juan, Argentina

Earth Sciences

Distribución Espacial y Evaluación de La Ocurrencia de Aluviones, Cuenca del Río San Juan, Provincia de San Juan, Argentina

N. N. Rios and C. G. Torcivia

This study maps and characterizes flash‑flood‑prone areas in the 38,147 km² San Juan River basin using morphometric analysis, an inventory of active deposits, DEM‑derived thematic maps and Kernel density—finding a torrential basin with flow deposits concentrated on gentle slopes, mid‑slopes and east‑facing piedmonts, threatening infrastructure. Research conducted by Natalia Noemí Rios and Carla Ginesta Torcivia.

00:00
00:00
~3 min • Beginner • English
Introduction
El trabajo aborda la pregunta de cómo se distribuyen espacialmente y cuáles son las características de las zonas propensas a aluviones (flash floods) en la cuenca del río San Juan. Los aluviones son flujos rápidos detonados por lluvias torrenciales y controlados por factores climáticos, topográficos, drenaje y actividades humanas. La cuenca (≈38.146 km²) concentra gran parte de la población e infraestructura provincial, por lo que evaluar su susceptibilidad es clave para la gestión del territorio. Se compila un inventario regional de 10.162 depósitos aluvionales activos y se analizan variables morfométricas y topográficas derivadas de MDE, además de aplicar densidad de Kernel, con el objetivo de identificar patrones espaciales de ocurrencia y los factores del terreno asociados. El contexto climático regional es árido a semiárido con precipitaciones estivales concentradas y evidencias de cambios climáticos que podrían incrementar la frecuencia e intensidad de PRM, reforzando la relevancia del estudio.
Literature Review
Se sintetizan antecedentes de PRM y aluviones a escala nacional y regional. En Argentina, múltiples estudios documentan remociones en masa, avalanchas de roca, y crecidas en Andes y Precordillera (Fauqué et al. 2000, 2001; Fernández y Lutz 2003; Moreiras et al. 2008; Penna et al. 2008; Fernández 2009; Cardozo 2013; Balbi et al. 2020; Schönfeldt et al. 2022; Winocur et al. 2021). En San Juan, trabajos previos aplican SIG y teledetección para análisis morfométricos, inventarios y susceptibilidad (Esper Angillieri y Fernández 2017; Lauro et al. 2017; Ginesta Torcivia y Rios 2020; Ginesta Torcivia et al. 2021; Acosta et al. 2021). Se destaca el uso de índices geomorfológicos e hipsometría para inferir evolución del relieve y potencial erosivo (Strahler 1952; Keller y Pinter 1996; Cuéllar-Cárdenas et al. 2014), así como densidad de Kernel para apoyar la identificación de áreas críticas (Lazzari y Danese 2012; Subiela et al. 2019; Ahemaitihali y Dong 2022). Estudios hidrometeorológicos y de cambio climático anticipan aumento de eventos extremos y PRM (Gariano et al. 2017; Camilloni et al. 2020).
Methodology
- Delimitación de cuenca y subcuencas mediante MDE ALOS PALSAR (resolución 12,5 m; año 2008) y análisis en SAGA GIS 2.2.4 y ArcGIS 10.8. Se calcularon direcciones y acumulación de flujo con el modelo D8 (O'Callaghan y Mark 1984; Jenson y Domingue 1988), jerarquización de drenajes y orden de cuenca según Strahler (1952), y definición de cauce principal siguiendo criterios topográficos y de longitud (Senciales González 1999; Schumm 1956). - Cálculo de parámetros morfométricos básicos: área, perímetro, ancho, orden, alturas máxima y mínima, longitud total de cauces, longitud de cauce principal, longitud de cuenca. Parámetros derivados: factor de forma (Ff = A/L²), razón de elongación (Re = 1.129√A/L), índice de compacidad de Gravelius (Ic = 0.28 P/√A), e integral/curvas hipsométricas (IH). - Generación de mapas temáticos desde el MDE: elevación, pendiente, orientación (aspecto), curvatura (Zevenbergen y Thorne 1987), índice de posición topográfica TPI (Guisan et al. 1999), índice de rugosidad del terreno TRI (Riley et al. 1999), índice topográfico de humedad TWI (Moore et al. 1991) y factor LS (Moore et al. 1991). Clasificación de cada variable en cinco clases mediante Jenks (cortes naturales) por no-normalidad de los datos. - Inventario de aluviones: mapeo manual en Google Earth, ubicando un punto en el centro de depósitos activos en toda la cuenca; cuando la acción fluvial/antrópica disipó evidencias, se georreferenciaron vestigios para completar el inventario. Por el carácter regional, se optó por puntos (no polígonos). Se extrajeron valores de las variables temáticas para cada punto y se construyeron histogramas de frecuencias. - Estimación de densidad espacial: cálculo de densidad de Kernel en ArcGIS 10.8, aplicando la formulación λ_h(P) = Σ (1/nh) m((P−P_i)/h), para representar concentraciones relativas de depósitos aluvionales en la cuenca.
Key Findings
- Inventario: 10.162 depósitos aluvionales activos mapeados en toda la cuenca. Distribución por subcuencas: S1 = 3.277; S2 = 3.922; S3 = 2.963. - Morfometría de subcuencas: S1 y S2 ligeramente alargadas (Ff = 0.50 y 0.59; Re = 0.80 y 0.86; Ic = 1.76 y 1.96), S3 alargada (Ff = 0.29; Re = 0.60; Ic = 2.11). IH: S1 = 0.41; S2 = 0.36; S3 = 0.19. - Elevación de depósitos: concentración a elevaciones menores; 4.553 depósitos hasta 2.905 m s.n.m.; 5.388 entre 2.905–4.324 m; 221 hasta 5.270 m. - Pendiente: 7.148 depósitos en pendientes ≤16°. Histograma: [0–6°] 3.377; (6–12] 2.460; (12–18] 1.871; (18–24] 1.248; decrece hacia mayores pendientes. - Orientación de ladera: distribución casi uniforme con tendencia a laderas orientadas al Este. Histograma: Este 3.211; Norte 2.605; Sur 2.237; Oeste 1.983; Plano 126. - Curvatura: predominio de valores entre −1 y 0 (8030 depósitos), indicando superficies planas a levemente convergentes. - TPI: 9.919 depósitos con TPI entre −19 y 2, reflejando emplazamiento en medias laderas/bajadas pedemontanas y zonas bajas/llanuras de inundación. - TRI: 8.774 depósitos con TRI 0–3 (baja complejidad topográfica en áreas de depósito; generación en zonas rugosas y pendientes altas). - TWI: 8.772 depósitos con TWI 3–9 (bajo a medio contenido de humedad, máximos a lo largo de cauces y depresiones). - LS: 4.790 depósitos con LS ≤2 y 3.716 con LS 2–8 (los procesos se generan en flancos cortos y pendientes altas, depositando en sectores de menor LS). - Densidad de Kernel: mayores densidades en zonas montañosas (Cordillera Principal y Frontal, Precordillera), principalmente en pies de ladera y márgenes de los ríos Los Patos, Castaño y San Juan; en depresiones (Iglesia–Calingasta y Travesía) baja densidad en planicies y moderada-alta asociada a cauces. - Naturaleza torrencial de la cuenca: condiciones del terreno favorecen incrementos de caudal y potencial erosivo ante precipitaciones intensas.
Discussion
Los resultados responden a la pregunta de dónde y bajo qué condiciones del terreno se concentran los aluviones. La combinación de morfometría, índices topográficos y densidad de Kernel demuestra que, si bien las grandes subcuencas (en especial S3) por forma podrían sugerir menor probabilidad de crecidas súbitas, la ocurrencia real de aluviones es alta en sectores con fuertes desniveles y asimetría estructural, generándose en laderas escarpadas (especialmente orientadas al Este) y depositándose en medias laderas, bajadas pedemontanas y llanuras de inundación de los ríos. Las curvas e integrales hipsométricas indican en S1 y S2 un balance tectónico-erosivo con elevado potencial erosivo en cabeceras y desembocaduras; S3 presenta mayor grado de erosión. La densidad de Kernel sintetiza las zonas críticas de concentración, reforzando la utilidad del inventario para la gestión del riesgo. Los hallazgos son relevantes para la planificación territorial, ya que evidencian afecciones recurrentes sobre rutas e infraestructura y anticipan que escenarios de mayor intensidad de lluvias podrían amplificar la peligrosidad.
Conclusion
- Se desarrolló el primer inventario y mapa de distribución espacial de aluviones a escala regional para la cuenca del río San Juan (10.162 depósitos), integrando análisis morfométrico, variables geomorfológicas derivadas de MDE y densidad de Kernel. - La mayor parte de los depósitos se localiza en terrenos de baja complejidad (TRI 0–3), pendientes ≤16°, curvatura cercana a 0, TPI entre −19 y 2, con leve predominio en laderas orientadas al Este; los procesos se inician en sectores de mayor pendiente y rugosidad y depositan en medias laderas/bajadas pedemontanas y llanuras de inundación. - La morfometría de cuencas grandes, por sí sola, puede subestimar la ocurrencia de aluviones; es esencial complementarla con inventarios detallados. La densidad de Kernel es eficaz para identificar zonas de mayor concentración vinculadas a pies de laderas y márgenes fluviales. - Implicancias: la evidencia de afectación a rutas e infraestructura sugiere priorizar medidas de ordenamiento y mitigación en corredores viales y áreas urbanas en piedemontes y planicies de inundación. - Futuros trabajos: validación y actualización de inventarios con campañas de campo y datos multitemporales; modelación hidrológica-evento para distintos escenarios de precipitación; integración de litología y uso del suelo; evaluación de cambios bajo escenarios climáticos proyectados; mapeo poligonal de depósitos y análisis de magnitud-frecuencia.
Limitations
- Inventario elaborado a escala regional mediante interpretación de imágenes satelitales y puntos ubicados en el centro de depósitos (no polígonos), lo que puede simplificar extensión/volumen de los depósitos. - En casos con remoción de evidencias por acción fluvial/antrópica se utilizaron vestigios, pudiendo introducir incertidumbre en la localización precisa. - Resolución del MDE (ALOS PALSAR 12,5 m; año 2008) y clasificación por Jenks pueden condicionar el detalle de los índices derivados. - El análisis morfométrico en cuencas grandes puede generar conclusiones parciales si no se complementa con inventarios y verificación.
Listen, Learn & Level Up
Over 10,000 hours of research content in 25+ fields, available in 12+ languages.
No more digging through PDFs, just hit play and absorb the world's latest research in your language, on your time.
listen to research audio papers with researchbunny