Ver discusiones, estadísticas y autor per fi les de esta publicación en: https://www.researchgate.

net/publication/305830061

riesgo de erosión del suelo asociado con el cambio climático en la cuenca del río Mantaro, Andes del Perú

Artículo    en    Catena · Diciembre el año 2016

DOI: 10.1016 / j.catena.2016.07.003

CITACIONES LEE

5 99

5 autores , incluso:

Carlos Rogerio de Mello

Universidade Federal do Rio Grande do Sul Universidade Federal de Lavras (UFLA)

6 PUBLICACIONES     9 CITACIONES     217 PUBLICACIONES     1686 CITACIONES    

VER EL PERFIL VER EL PERFIL

Sin Chan Chou Norton Lloyd Darrell

Instituto Nacional de Investigaciones Espaciales, Brasil Universidad de Purdue

229 PUBLICACIONES     2083 CITACIONES     159 PUBLICACIONES     4188 CITACIONES    

VER EL PERFIL VER EL PERFIL

Algunos de los autores de esta publicación también están trabajando en estos proyectos relacionados:

Projeções das Mudanças Climáticas para Estudos de Impactos sobre a disponibilidade hídrica no implicações na com País Segurança Alimentar e Energética Ver Proyecto

INCT-Mudanças Climáticas Fase II Ver proyecto Sly Wongchuig

Todo el contenido de esta página siguiente fue subido por Sly Wongchuig el 21 de octubre de 2017. El usuario ha solicitado la

mejora de la descargado fi l.
 Catena 147 (2016) 110 - 124

listas de contenidos ofrecidos en ScienceDirect

Cadena

revista Página de inicio: www.el sev i er .com / l Ocate / catena

riesgo de erosión del suelo asociado con el cambio climático en la cuenca del río Mantaro, Andes del Perú

Sly W. Correa un , Carlos R. Mello segundo , • , Sin C. Chou do , Nilton Curi re , Lloyd D. Norton mi , 1
un Instituto de Pesquisas Hidráulicas, Universidade Federal do Rio Grande do Sul, Porto Alegre, RS, Brasil
segundo Suelo y Agua Ingeniería, Universidad Federal de Lavras, Lavras, MG, Brasil
do Centro de Previsão del Tiempo y Estudios Climáticos, Instituto Nacional de Investigaciones Espaciales CPTEC / INPE, Brasil
re Departamento de Ciencias del Suelo, Universidad Federal de Lavras, Lavras, MG, Brasil

mi Soil Science Program Graduados, Departamento de Agronomía de la Universidad de Purdue, Estados Unidos

artículo info abstracto

Historia del artículo: La degradación del suelo por la erosión del agua ha sido acelerado por las actividades humanas. Este proceso se agrava en la región de los Andes debido a las
Recibido el 12 de junio de el año 2015
pendientes empinadas, cubierta vegetal escasa y esporádica, pero de alta intensidad de la lluvia, que junto con una profundidad del suelo superficial, aumenta
Recibido en forma revisada 29 de de junio de el año 2016 aceptó 5
el riesgo de erosión del suelo. El objetivo de este estudio fue analizar el riesgo de erosión del suelo, asociada con el cambio climático escenario A1B sobre el
de julio de el año 2016 Disponible en línea xxxx
vigésimo fi siglo primero, para la cuenca del río Mantaro (MRB), Andes del Perú. El análisis temporal revealedmaintenance del riesgo de erosión del suelo actual
a lo largo del vigésimo fi siglo primero en casi todos theMRB, cuyo riesgo actual es o bien “ muy severo ” o “ extremadamente severo ”. A nivel de subcuenca, para
aquellos ubicados en el centro y northernMRB, increaseswere progresiva observada en la tasa de erosión media a finales de este siglo, lo que aumenta el
palabras clave:

La erosión del suelo y la degradación del

riesgo de erosión del suelo. En subcuencas bajo mayor en Florida influencia de los Andes, este riesgo se clasifican fi ed como “ moderar ” y se mantuvo así durante

calentamiento global SIG riesgo de erosión del todo el siglo, a pesar del aumento de potencial de lluvia erosiva simulado para estos. En términos anuales, therewas signi fi peralte trendof disminución de
suelo Andes Tropicales erosividad de la lluvia y el aumento de la concentración de lluvia simulada basada onA1B escenario de cambio climático. Debido a que el escenario A1B afecta
erosividad de la lluvia, principalmente durante la temporada de lluvias, lo que provoca un riesgo para la sostenibilidad del medio ambiente y las actividades
agrícolas futuras.

© 2016 Elsevier BV Todos los derechos reservados.

1. Introducción
De acuerdo con el Consejo Alemán sobre Cambio Climático ( WBGU, 1994 ),
la erosión del agua, es el tipo más importante de la degradación del suelo en todo el mundo,
cubriendo aproximadamente 1.1billionhectares (56% de las áreas agrícolas del mundo). Además, el
científico internacional fi c comunidad reconoce que la erosión del suelo es un grave problema
ambiental; Sin embargo, es dif fi culto para determinar su magnitud, así como las consecuencias
económicas y ambientales, sobre todo en los posibles cambios climáticos futuros.
De acuerdo a Benites et al. (1993) , La erosión del suelo en Argentina, Bolivia,
Brasil, Chile, Paraguay y es responsable de un promedio de 46% de la extensión total de los suelos
degradados por diferentes agentes de erosión. De acuerdo con la Agencia de Desarrollo de las
tierras agrícolas de Japón ( JALDA de 2003 ), La productividad agrícola en América del Sur ha
disminuido debido a la erosión del suelo, que se ha acelerado la degradación de los recursos
naturales
• Autor correspondiente.
Correos electrónicos: xinox010@gmail.com (SW Correa), crmello@deg.u Florida a.br
(CR Mello), chou@cptec.inpe.br (SC Chou), niiltcuri@dcs.u Florida a.br (N. Curi),
norton@purdue.edu (LD Norton).
1 Investigador visitante en la Universidad Federal de Lavras, Lavras, MG, Brasil - Beca CNPq.
recursos en esta región. La población de América del Sur no supere el 10% de la población mundial,
pero de acuerdo con FAO / UNESCO (1990) , Es una de las regiones más ricas en términos de
recursos naturales, que posee el 14% de las tierras cultivables, el 46% de los bosques tropicales, el
31% de los recursos hídricos, y el 50% de Florida flora y fauna, en todo el mundo.
“ La Cordillera de los Andes ” se encuentra en el oeste de América del Sur, formado por
montañas escarpadas y muy empinada mesetas alivio. los
“ Interandino Valles ” se encuentran entre los thesemountains donde la actividad agrícola ha sido la
erosión concentrated.Water en estas áreas se ha convertido en un problema complejo que causa
disminución en la fertilidad tierra vegetal. El presente estudio se llevó a cabo en la cuenca del río
Mantaro, uno de los más productivos del Perú “ Inter-AndeanValley ” zonas. Según el Instituto
Geofísico del Perú ( IGP, 2005 ), El río Mantaro se considera una de las más importantes ríos de los
PeruvianAndes, debido a su capacidad de generación de electricidad y la producción agrícola y
ganadera.
De acuerdo a Amézquita et al. (1998) , Perú es uno de los Andes
países que han presentado diversos problemas asociados a la erosión, en el que el fi primer intento
de evaluar su ocurrencia hecho por la
Morales et al. (1977) . Desde entonces, había los estudios de Alegre et al. (1990) a Romero (2005) ; Sin
embargo, ha habido una escasez de investigación dirigido a evaluar el carácter de la erosión del
suelo en el país.
el cambio climático acelerado se ha registrado en las últimas décadas. De acuerdo con la IPCC
(2013) , Las tres últimas décadas han sido

http://dx.doi.org/10.1016/j.catena.2016.07.003
0341-8162 / © 2016 Elsevier BV Todos los derechos reservados.
 SW Correa et al. / Catena 147 (2016) 110 - 124
sucesivamente más cálido con respecto a la temperatura superficial del planeta. El aumento de la
temperatura ha sido verificación fi ed todo el planeta y ha sido mayor en latitudes más altas del
hemisferio norte. Esta tendencia al calentamiento 1956-2005 (0,13 [0,10 - 0,16] ° C por década) es
casi el doble que presenta en los últimos 100 años (1906 - 2005). Esto indica una tendencia clara
aumento de la temperatura en las últimas décadas, con 2014 que afirma ser el año más cálido desde
que comenzaron los registros de tiempo.
Los cambios climáticos se causingmorewarming en regiones más elevadas que en los inferiores
debido a la pérdida cubierta de nieve, lo que conduce a una reducción de albedo y aumento de la
quechua ”(“ tierra clima templado “),“ yunga ”
absorción de la radiación solar en la superficie ( Giorgi et al., 1997 ). Así, según Bradley et al. (2006) y Ramírez
et al. (2001) , Varios estudios de modelado y las proyecciones indican glaciares thatmany en altitudes
más bajas de la candisappear Andes completamente en los próximos 20 años, con el punto C 0 °
desplazamiento a altitudes más altas. Esta situación coloca a Perú en una condición de alta
vulnerabilidad, teniendo en cuenta que el 70% de los glaciares de las montañas tropicales en el
mundo se encuentra en Perú.
TheUniversal Pérdida de Suelo Ecuación (USLE), developedby Wischmeier y Smith (1978) , Era
un pioneermodel en un intento de predecir la erosión del suelo, para producir mapas de riesgo de
erosión del suelo, y para apoyar las prácticas de conservación de suelos. A pesar de la estructura
empírica utilizado en este modelo y en su versión revisada (RUSLE), el modelo se ha aplicado a
cuencas o regiones que tienen restricciones de base de datos para la calibración y validación con
otros modelos que son tipo basado proceso ( Beskow et al., 2009; Oliveira et al, 2014.; Durães y
Mello, 2014; Li et al, 2014.; Tang et al., 2015 ). El modelo RUSLE contiene signi fi mejoras de
consideración en la estimación de los factores pasivos associatedwith la erosión del suelo,
especialmente el factor topográfico, y se ha aplicado al estudio de los efectos del cambio climático
sobre la erosión del suelo ( Segura et al, 2014.; Mello et al., 2015 ). RUSLE es un modelo paramétrico
y empírico, basado en las variables más relevantes para el proceso de erosión hídrica ( Renard y
Freimund, 1994 ). Este modelo ha sido ya probado y validado en varios suelo, clima, y ​las
condiciones de manejo agronómico ( Mitasova et al., 1996; Tiwari et al., 2000; Amore et al., 2004;
Beskow et al., 2009; Segura et al, 2014.; Li et al, 2014.; Oliveira et al, 2014.; Tang et al, 2015.; Ochoa
et al., 2016 ). La mayoría de estos estudios han mostrado un rendimiento razonable en la
caracterización cualitativa del riesgo de erosión del suelo, especialmente cuando se integra en un
Sistema de Información Geográfica (GIS), lo que permite mejoras consistentes en su rendimiento. A
pesar de las limitaciones con RUSLE, es posible destacar una evolución metodológica asociada con
las estimaciones de factores topográficos y el uso de una herramienta de álgebra de mapas para
superponer las capas de los factores de la ecuación ( Lu et al., 2004; Zhou et al., 2008; Kouli et al.,
2009; Beskow et al., 2009; Parveen y Kumar, 2012; Rodríguez y Suárez, 2012; Segura et al, 2014.;
Tang et al., 2015 ).
Este estudio tiene como objetivo ofrecer contribución única a la cuenca del río Mantaro, una
cuenca típica situada en los Andes tropicales, cuyos glaciares son altamente vulnerables al cambio
climático. La cuenca es parte de la cabecera de la mayor cuenca del río en elmundo, el río
Amazonas. A pesar de la dife-
fi cultad reconocida con algunas bases de datos debido a la falta de estudios de investigación o
mínimamente monitoreo hidro-climáticas, los resultados de este estudio tienen signi fi potencial no
puede motivar a otros estudios y alertar sobre el problema de la erosión del agua relacionado con el
cambio climático en una de las regiones más sensibles del mundo desde ambos puntos ambientales
y socioeconómicos de vista.
Se entiende que la capacidad de la lluvia para generar la erosión es el principal factor afectados
por el cambio climático, y su simulación muestra un grado razonable de aceptación ( Acercándose,
2001; Segura et al, 2014.; Mello et al., 2015 ). En este contexto, el objetivo de este estudio fue evaluar
el riesgo de erosión del suelo, en las cuencas hidrográficas theMantaro situado en las
PeruvianAndes.
2. Material y métodos
2.1. Características generales de la cuenca del río Mantaro, Andes del Perú
La cuenca del río Mantaro (MRB) está situado en el centro de Perú, entre las latitudes 10 ° 34 ' 30 "
S y 13 ° 35 ' 30 " S y las longitudes 73 ° 55 ' 00 " W
111
y 76 ° 40 ' 30 " W, withmost de su área incluida en el Perú de los Andes Tropicales, que constituyen
parte de la cuenca del río Amazonas ( Figura 1 un). MRB tiene un área total de 34,544 km 2 y tiene la
mayor densidad de población de la
“ Sierra del Perú ”( IGP, 2005 ). El río Mantaro es de gran importancia para el país, ya que produce el
35% de toda la energía eléctrica, así como su potencial para la producción agrícola y ganadera.
En términos geomorfológicos, MRB se divide en regiones agroecológicas, según IGP (2005) ,
Cuyos nombres tienen origen en la lengua quechua de los incas: “ janca ”(“ blanco ” en referencia a la
hielo permanente en las montañas), “ Puna ”(“ el mal que viene de la montaña “),“ Suni ”(“ tierra de ancho “),“
( “ valle caliente “) y “ Selva Alta ”(“ selva alta “) ( Figura 1 re). A lo largo del texto, hemos optado por utilizar
los nombres de la lengua quechua original para evitar malentendidos acerca de sus significados.
Además de esta división agro-ecológico, MRB también se puede dividir en sub-cuencas, como se
muestra en Figura 1 do. Los análisis de los resultados se presentarán en ambas escalas espaciales,
regiones agroecológicas y sub-cuencas, ya que diferentes impactos pueden ser causados ​dadas las
diferentes condiciones de altitud existentes en MRB.
Correa (2015) MRB se describe como parte de la cuenca del río Amazonas, cuya fuente
principal es en el lago Junín. los fi río sección primera Florida OWS del lago de Junín hasta el “ Pongo
de Pahuanca ”. La segunda sección Florida OWS de “ Pongo de Pahuanca ” a themouth en el río
Apurimac, formando el río Ene. En esta sección, tenemos las principales instalaciones hidroeléctricas
peruanas ( “ Santiago Antúnez Mayolo ” y “ restitución “), conocido como el “ Complejo Mantaro ”.
2.2. Pérdida de Suelo Revisada Ecuación Universal (RUSLE)
TheUniversal Pérdida de Suelo Ecuación (USLE) es anempiricalmodel para predecir la pérdida
media anual del suelo generada por impacto de la lluvia y de poca profundidad Florida escorrentía
flujo. De acuerdo a Farrish et al. (1993) , La aplicación de esta ecuación en zonas de pendientes
pronunciadas tiene limitaciones. De acuerdo a Hoyos (2005) ; Durães y Mello (2014) , Oliveira et al.
(2014) y Mello et al. (2016) la RUSLE es un modelo más adecuado para cuencas que USLE
proporcionando revisiones fundamentales para caracterizar el LS factor topográfico. Por lo tanto, la
principal ventaja está relacionada con ajustar el factor topográficos para las diversas condiciones de
pendiente, teniendo en cuenta la contribución de aguas arriba a las zonas aguas abajo por medio de
una Florida Mapa de acumulación de flujo.
El RUSLE se basa en la ecuación USLE, con reformulación de las estimaciones de factores
topográficos según Renard et al. (1997) :
UN ¼ RK LS CP re 1 Þ
donde: A es la pérdida media anual de suelo (t ha - 1 yr - 1), R es la erosividad media anual de
precipitaciones (MJmmha - 1 h - 1 yr - 1), K es el factor de erosionabilidad del suelo (t HMJ - 1 mm - 1), LS
corresponde a los factores adimensionales asociados con pendiente de longitud y la
pendiente-inclinación, respectivamente, C y P son factores de la cubierta vegetal y prácticas de
conservación de suelos, tanto adimensional.
El riesgo de erosión del suelo fue clasificada fi ed de acuerdo con los criterios adoptados por Li et
al. (2014) y Tang et al. (2015) , Que se muestra en tabla 1 .
2.3. comportamiento de erosividad de la lluvia sobre el vigésimo fi siglo primero en la cuenca del río theMantaro, los
Andes peruanos
Para el cálculo de erosividad de la lluvia (R-factor de), los datos de precipitación fueron simulados
con una resolución temporal de 3 h y la precipitación mensual promedio se utilizaron, en una
cuadrícula con una resolución espacial de 20 kilometros que cubre todo el MRB, un total de 420
puntos ( Figura 1 do). Estos conjuntos de datos comprenden la reducción de escala a 20 km de
resolución del escenario global de emisiones A1B HadCM3. Se trata de una reducción a escala
dinámica realizada por el modelo climático regional Eta-CPTEC sobre América del Sur ( Chou et al.,
2014 ) Para el período de 1961 - 1990, consideradas como “ clima actual ”,
y para los periodos de 2011 - 2040, 2041 - 2070 y 2071 - 2099, conocida
 SW Correa et al. / Catena 147 (2016) 110 - 124

Figura 1. Localización de MRB en la cuenca del Amazonas (a), en el Perú (b), la rejilla para la reducción de escala con el ETA-CPTEC modelo / HadCM3 y sub-cuencas (C), y las regiones agroecológicas (d). 112

como futuro “ intervalos de tiempo ” y estaban disponibles por el “ Centro de Previsão do Tempo e
clima / Instituto Nacional de Pesquisas Espaciais ”( CPTEC / INPE) ( Chou et al., 2014 ). El escenario
de cambio climático, según
Nakicenovic et al. (2000) , Describe un rápido crecimiento económico, con poco crecimiento de la
población (se considera que theworld disminución populationwill
a partir de mediados de este siglo) y el desarrollo de EF fi cientes tecnologías como referencias
básicas.
La cuenca del río Mantaro se encuentra en una región de topografía escarpada y formada por
valles estrechos. El uso de altas simulaciones espaciales y temporales resolución del clima es
apropiado con el fin de captar la
 SW Correa et al. / Catena 147 (2016) 110 - 124 113

tabla 1 Sin embargo, sería subestimar el factor R, como la intensidad máxima en 3 h es menor que la
Clasificación del suelo riesgo de erosión fi cación basada en la velocidad de erosión promedio estimado por RUSLE
intensidad de 30 minutos, como originalmente reconocido por Wischmeier y Smith (1978) . Por lo
( Li et al, 2014.; Tang et al., 2015 ).
tanto, es necesario aplicar una metodología complementaria para la estimación de este factor. Sin
La pérdida de suelo (A) (t embargo, no hay estaciones meteorológicas con series históricas en MRB para permitir el estudio de
ha - 1 año - 1) riesgo de erosión
la erosividad de la lluvia después de su concepto original. En este contexto, se aplicó a una relación
segundo 5 Muy bajo existente entre la Modi fi Índice ed Fourier (MFIm), calculado con base en la precipitación mensual
5 - 25 Bajo promedio para cada intervalo de tiempo, y la erosividad de la lluvia mensual promedio (Ec. 6 ). Esta
25 - 50 Moderar
ecuación fue propuesto por Sonder et al. (2002) de los Andes colombianos y itwas aplicado en este
50 - 80 Grave
estudio debido a las condiciones geomorfológicas similares entre las dos regiones estudiadas (tanto
80 - 150 Muy severo
norte 150 extremadamente severo en la Cordillera de los Andes Tropicales).

distribución de la precipitación inmore detalle. Las precipitaciones han recibido contribución de los
efectos orográficos locales que han sido presentados en una baja resolución. Los 20 km de
resolución simulaciones de los modelos Eta eran la más alta resolución de las proyecciones futuras R metro ¼ 161 MFIm
re Þ 0: 552 re 6 Þ
de cambio climático disponibles en intervalos de tres horas para la región. Esta frecuencia temporal
superior es adecuado para capturar las tasas de fuertes lluvias. Además, las superficies de
Por lo tanto, para cada punto de clima malla de simulación ( Figura 1 c), el R-factor de
aproximadamente horizontales de la coordenada vertical de la Etamodel es adecuado para resolver
se calculó basándose en el promedio entre los valores generados por las ecuaciones. 5 y 6 . Después
la circulación de aire alrededor steepmountains tales como la Cordillera Andes, como se muestra por Figueroa
de haber calculado el factor R para cada segmento de tiempo, y para cada uno de los 420 puntos,
et al. (1995) . Las simulaciones del clima actual producida por la resolución de 20 km Eta-HadCM3
mapas R-factor se genera en base a un enfoque geoestadístico por kriging ordinario.
han demostrado para captar mejor los valores extremos de precipitación, como mejora sobre el
grueso conjunto de datos disponibles. Esta reducción de escala a 20 kilómetros se ha aplicado para
Con el fin de analizar el comportamiento de erosividad de la lluvia (EI 3h) con el tiempo, prueba de
evaluar los impactos del cambio climático en la producción de energía hidroeléctrica brasileña ( Lima
Mann-Kendall ( Mann, 1945 ) Se aplicó para analizar estadísticamente si hay signi fi tendencia no
et al., 2014 ).
puede en estos datos a lo largo del siglo. Por otra parte, también se evaluó el índice de precipitación
Concentración (PCI) para MRB para este fin, ya que revela el comportamiento de la concentración de
las precipitaciones, especialmente importante para las regiones con clima estacional o semiáridas.
Es importante destacar que para estimar el factor R para funcionar RUSLE es necesario series
Su concepto original fue desarrollado por Oliver (1980) en un intento de de fi ne la variabilidad temporal
de precipitaciones a largo plazo, por lo menos 20 años ( Mello et al., 2013 ). En este estudio, se ha
de la distribución de las precipitaciones. Los límites teóricos van desde 8,3 (uniforme régimen pluvial)
tenido en cuenta la serie de tiempo de 30 años entre 1961 y 1990, con el fin de estimar más valores
a 100, si la precipitación se concentra en un mes (régimen pluvial irregular). De acuerdo a Mello et al.
representativos de R-factor.
(2015) , El PCI es importante para el análisis del potencial erosivo de la lluvia, ya que puede
caracterizar un efecto dinámico más activo del cambio climático en el potencial erosivo de la lluvia,
Los calculationwas R-factor basado en la EI 3h ya que el factor de resolución temporal más bajo
siendo un índice complementario. Su cálculo se da por:
simulado fue de 3 h. Para esto, se analizaron las siguientes variables: duración del evento, la
precipitación acumulada en el evento, intensidad media de precipitaciones por evento, energía de la
lluvia por la profundidad de la lluvia, la energía total de la lluvia, andmaximum intensidad de lluvia en
3 horas consecutivas. Por lo tanto, las siguientes ecuaciones se aplicaron para EI 3h cálculo ( Wischmeier
y Smith, 1978 ):
X 12
pag i2

yo ¼ 1
PCI%
ðÞ¼ ! 2 100 re 7 Þ
mi do ¼ 0: 1191 þ 0: 0873 Entrar 10 yo t yo t segundo 76 MMH - 1 re 2 Þ X 12
pag yo

yo ¼ 1
mi do ¼ 0: 283 I t norte 76 MMH - 1 re 3 Þ

donde: p yo es la precipitación del mes i, en mm, obtenido sobre la base de las simulaciones
donde E do es la energía de la lluvia por hectárea-mm (MJ ha - 1 mm - 1) y yo t
climáticas.
es la intensidad promedio de lluvia (mm h - 1). La energía total de precipitaciones durante el período de
la tormenta (E t), en MJ ha - 1, se calcula utilizando la relación siguiente:
2.4. Mapa de suelos para determinar el factor K para MRB, Andes peruanos

Los Leptosoles, que predominan en la región estudiada, son muy pedregoso, puede haber
mi t ¼ mi do Δ PAG re 4 Þ
distrófica (saturación de bases segundo 50%) o eutróficos (saturación de bases ≥ 50%), tiene contenido
medio de arcilla de 23% y tienden a producirse principalmente en pendientes que varían de 20 a 50% ( IGP,
dónde: Δ P es la cantidad total de lluvia en el evento, en mm.
2005 ). La asociación de suelos poco profundos y resultados topografía accidentada en sistemas muy
El factor R, descrito por Renard y Freimund (1994) , consiste en
frágiles e inestables y, por tanto, de gran vulnerabilidad a la erosión.
la suma anual promedio de los valores individuales de la IE 30 ' durante largos períodos de tiempo
(minimum15 años para USLE o aplicación RUSLE). Para las condiciones de este estudio, se
Los Regosoles en esta región son de textura media (contenido de arcilla promedio de 20%), más
consideró factor R, en una fi momento en primer lugar, como la suma promedio anual del individuo IE 3h
profundo que los Leptosoles y ocurren en diferentes posiciones topográficas ( IGP, 2005 ). Constituyen
valores, tal como se aplica por
sistema relativamente más estable en comparación con los Leptosoles, la mejor en fi capacidad de
Vrieling et al. (2010) . Por lo tanto, tenemos:
filtración ( IGP, 2005 ). Ellos han limitado potencial agrícola, pero son eficaces en la recarga de aguas
! subterráneas ( IGP, 2005 ).
X norte X metro
remi 3h Þ yo reyo 3h Þ yo

j¼1 yo ¼ 1 j TheCambisols, situado en el easternpart de theMRB, son muy pedregosa en la superficie,

R¼ re 5 Þ
norte textura media (contenido medio de arcilla de 17%) y generalmente se producen en pendientes que
van de 50 a 100% ( IGP, 2005 ). Además, se caracterizan por una profundidad. Por lo tanto, los
donde: R se expresa en MJ mm (ha año h) - 1, m es el número de eventos de precipitación individuales Cambisoles en MRB son muy susceptibles a la erosión. La fertilidad natural del suelo es muy baja, a
en un año dado j, y n es el número de años evaluados, en el presente caso, 30 años (rebanadas de veces con alta saturación de aluminio.
tiempo).
114 SW Correa et al. / Catena 147 (2016) 110 - 124

El Ministerio de Agricultura de Perú ( MINAG, 1978 ) Desarrollado una
edafológica estudio en zonas con buen potencial agrícola en MRB, conocido como “ Mantaro Valle
Agrícola ”( MRAV). Esta zona tiene suelos apropiados y características climáticas para la actividad
agrícola, que se encuentra en la parte media de la cuenca, con altitudes que van desde 3.200 hasta
3.800 m y la topografía varían desde Florida en a ondular con gradientes suaves de magnitud media, y
una precipitación anual que varía entre 670 y 895 mm. Este estudio clasificó los suelos MRAV en
seis grupos y subgrupos diferentes. Figura 2 un presenta el mapa de suelos en grupos y subgrupos
para MRAV y Figura 2 b, el mapa de suelos de MRB aplicado en este estudio.
Tablas 2, 3 y 4 muestran, respectivamente, la distribución de tamaño de partícula y los valores de
materia orgánica del suelo para suelos mrav, la permeabilidad y los códigos de la estructura del suelo, lo que
permite una estimación de la K-factor basado en las siguientes ecuaciones ( Wischmeier y Smith, 1978 ).
2.5. LS-factor para la MBR, Andes peruanos
TheDigital ElevationModel (DEM) es la referencia básica para estudios relacionados con el
LS-factor. Para el MRB, los DEMwas basan en “ Shuttle Radar Misión Topográfica ” imágenes (NASA
/ SRTM), con una resolución espacial de 30 m, y se presenta en Fig. 3 una, aswell como promedio
isoyetas de precipitación anual. autores comoel Moore andWilson (1992) , Hickey et al. (1994) , Bolton
et al. (1995) , Desmet y Govers (1996) , Mitasova et al. (1996) y
Biesemans (1997) desarrollado Florida algoritmos OW basado en DEM para determinar la superficie
acumulada Florida longitud ow, y por lo tanto, la LS-factor. Estas nuevas relaciones basadas en la
Teoría de alimentación unidad de flujo incluyen la de Florida influencia de Florida convergencia y
divergencia flujo. Por lo tanto, el uso de algoritmos associatedwith Sistema de Información Geográfica
(SIG), para el cálculo del factor LS, es una gran mejora para la aplicación RUSLE.

Mitasova et al. (1996) desarrollado una ecuación para estimar la LSfactor con el apoyo de un
SIG, que se aplicó por Pelton et al. (2012) y Ashiagbor et al. (2013) , Incorporando el impacto de

re th th 3:25 s - 2re th th 2: 5 p -re3 Th? Florida ow convergencia, en sustitución de la longitud de la pendiente (L) por el área afluente aguas arriba
K ¼ ½ d 2: 1 M 01:14 10 - 4 12 - SOM
100 por unidad de ancho. El concepto de contribución área requiere la generación de un acumulado Florida Mapa
0: 1318 re 8 Þ
de flujo. Para cada píxel, la pendiente, la
Florida dirección ow y la cantidad de acumulada Florida líneas OW aguas arriba de ese pixel, se
calculan. Por lo tanto, la metodología aplicada en este estudio para obtener el LS-factor basado en
donde: K es el factor de erosionabilidad del suelo (t · h · MJ - 1 · mm - 1); SOM se corresponde con el
DEM fue el desarrollado por Pelton et al. (2012) , Con el apoyo de álgebra de mapas, lo que permite la
contenido de materia orgánica del suelo (%); s es el código de la estructura del suelo; p es el código de la
aplicación de la ecuación desarrollada por Mitasova et al. (1996) :
permeabilidad del suelo; y M es el factor calculado como el producto de las fracciones de tamaño de
partículas del suelo entre 0.002 y
0,1 mm, por la siguiente ecuación: metro norte
reFlowaccumulation Th? retamaño de celda
Þ Pendiente
re pecadoÞ
re þ 1
LS ¼ metro Th?
22:13 0: 0896

METRO ¼
½ 100 -% arcilla ½% limo þ% veryfinesand re 9 Þ re 10 Þ

Figura 2. Mapa de suelos en grupos y subgrupos para MRAV (a) y el mapa de suelos para MRB, Andes del Perú (b).
 SW Correa et al. / Catena 147 (2016) 110 - 124 115

Tabla 2 Tabla 4
distribución de tamaño de partículas (%) y SOM (%) para suelos mrav. Fuente: MINAG códigos estructura del suelo.

(1978) .
Los límites de

Serie Grupo Subgrupo arcilla arena Limo SOM Estructura de clase de código tamaño (mm)

Huancayo hn 1 III un 51.8 15,2 33,0 2,0 4 Platy, prismática, columnar, blocky y granular muy gruesa norte 10

Chamiseria Cha2 VI un 34.8 23,2 42,0 4,3

Azapampa aa 3 VI re 24.8 30,2 45,0 3,0 3 granular medio y grueso 2 - 10
palian 4 pl VI re 50.8 14,2 35,0 2,2 2 granular fino 1-2
San Pedro Pd 5 IV un 66.8 10,2 23,0 1,9 1 Muy fi ne granular segundo 1

Sapallanga Sp6 III un 50.8 17,2 32,0 1,7

Maravilca mi 7 yo do 58.8 8,2 33,0 1,1
Huayao Ha 8 IV un 40.8 18,2 41,0 3,4 Estimación del factor promedio anual C se llevó a cabo basado en la descripción de diferentes
Guaynacapa Hc 9 VI re 60.8 9,2 30,0 2,9
tipos de vegetación existentes en MRB, que se muestran en Fig. 3 re. Tabla 5 muestra los usos del
Apata ap 10 III segundo 70.8 4,2 25,0 1,1
suelo y los valores del factor C adoptados para MRB basado en la investigación publicada.
Huacho él 11 VI do 22.8 26,2 51,0 6,1
Huachac hua 12 IV do 47.2 22,6 30,2 3,2
Pilcomayo Py 15 yo un 26.6 46,4 27,0 2,3 De acuerdo a McCool et al. (1987) , El P-factor es menos fiable y
Seco SE 16 III un 38.6 14,4 47,0 1,5 representa la forma en la superficie de Florida uye la hidráulica Florida flujo y se incorporó a themodel
Yanamuclo YM 17 III un 37.0 23,4 39,6 2,1
para volver Florida ect la conservación de suelos edáficos prácticas andmechanical. En MRB, no hay
San Jerónimo je 18 III un 52.6 17,8 29,6 2,1
ninguna referencia acerca de las prácticas de conservación que se han adoptado, además del hecho
Hualhuas 19 hs III un 47.4 19,0 33,6 2,3
Huamancaca hu 20 yo un 30.2 39,4 30,4 1,1 de que en la mayor parte de la cuenca, el pastoreo extensivo es frecuente. Por lo tanto, en este
Ahuac ah 21 V segundo 26.6 37,8 35,6 1,2 estudio, se adoptó el valor más crítico (1), lo que significa que no hay prácticas de conservación,
Mantaro ma 22 II segundo 60.8 9,2 30,0 3,6
MRAV incluido.
chicche chi 23 VI un 40.6 13,2 46,2 6,4
Orcotuna o 25 yo un 30.6 29,4 40,0 3,0
Chupaca Chu 26 III do 31.6 33,4 35,0 2,3
PanCAN PN 27 III un 24.8 30,2 45,0 1,9
Paucar Pr 28 V do 31.8 23,3 44,9 4,6 3. Resultados y discusión
Jauja ja 29 IV segundo 8.8 42,2 49,0 1,1
Yauli ya 30 III segundo 46.8 19,2 34,0 1,6
3.1. el comportamiento espacial y temporal de la precipitación inMRB erosividad, PeruvianAndes
Huertas 31 hr III un 39.8 21,2 39,0 1,4
Mito mo 32 II segundo 30.0 15,5 54,5 1,6
La Libertad ll 40 IV segundo 31.7 25,2 43,1 4,6 Los mapas del factor R y de las diferencias espaciales entre los intervalos de tiempo
Sicaya Si 42 III mi 46.7 21,2 32,1 2,1 consecutivos se hicieron y que permiten comprobar cómo los comportamientos R-factor en todo el
Concepción co 48 VI un 42.8 19,2 38,0 2,9
siglo 21, lo que significa cómo el poder de la erosión de lluvia se verá afectada por los cambios
Quispic Qu 49 V un 38.8 18,5 42,7 1,5
climáticos de acuerdo con A1B escenario y la simulación del modelo HadCM3-ETA / CPTEC. Estos
Jallanna jm 50 III segundo 55.8 15,2 29,0 3,2
Lunahuaná Lu 51 VI un 58.8 17,2 24,0 5,9 mapas se presentan en Fig. 4 (un - presente climático; b - 2011 - 2040; c 2041 - 2070; d - 2071 - 2099).
cunas Cu 52 III mi 53.8 17,2 29,0 6,4 Para la presente climático, hay una tendencia de mayor R-factor en las regiones central y noroeste
Palias Pa 53 VI mi 66.8 7,2 26,0 4,0 de MRB, aunque hay zonas con mayores valores en el este, como en la región agroecológica “ Selva
San Luis Ls 54 VI mi 52.8 9,2 38,0 5,6
Alta ”. valores de R-factor se sub-divide en intervalos, predominando valores entre 1.500 y 2.000 MJ
mm (ha hy) - 1 para MRB, aunque existen regiones con valores norte 2500 MJ mm (ha hy) - 1, especialmente
en la zona central de la cuenca ( “ yunga ”,“ quechua ” y “ Puna ” regiones agroecológicas). En un

donde: [Acumulación de flujo] · [Tamaño de celda] corresponde a la zona afluente aguas arriba por contexto espacial sub-cuenca, los valores simulados más altos se asocian con sub-cuencas (from12

unidad de anchura (m); (Pendiente) es la pendiente en grados; m y n son coef empírica fi coeficientes a 19, ver Figura 1 c) situado en la región central del este. Sin embargo, el mayor potencial de lluvia

que dependen de Florida tipo ow, para lo cual se utilizaron los valores de 0,4 y 1,4, respectivamente ( De erosiva se simuló para la sub-cuenca del Viscatan ( № 22, situada en “ Selva Alta ” región

Kort, 2013 ). Fig. 3 b presenta el mapa de pendientes y Fig. 3 c, el acumulado Florida ow para MRB, que agroecológica), lo que puede explicarse basado en el clima más cálido y húmedo de esta región

corresponde a los mapas de base para la obtención de la LS-factor. De acuerdo a agroecológica (altitud segundo 2000 m), que se encuentra dentro de la región selva tropical del
Amazonas ( Mello et al., 2013 ). El análisis de la secuencia de mapas en Fig. 4 , Es evidente una

De Kort (2013) , El RUSLEmodel, sobre la base de este enfoque para el LS-factorial, se clasifica fi ed predicción de la reducción del factor R durante el siglo largo de la mayor parte de MRB, mostrando

como “ RUSLE3D ”. una tendencia a la reducción de potencia de lluvia erosiva si una escala de tiempo anual es de
tenerse en cuenta.

2.6. C- y P-factores de determinación para MRB, Andes peruanos

El factor C se refiere al efecto de la cubierta en la reducción de la erosión del suelo. Así, en

RUSLE, tiene valores entre cero (0) y un (1), y el último corresponde a las áreas sin vegetación
(suelos desnudos). Con el aumento de la densidad de la vegetación, el valor C tiende a disminuir, Evaluar el comportamiento R-factor a diferencias espaciales consecutivas entre segmentos de
reduciendo el efecto de las gotas de lluvia en el suelo. tiempo, se puede observar que los sub-cuencas “ Santa Ana ”,“ alloc Huarco ” y “ youli ”( № 5, 6 y 7 -. Figura
1 c) mostraron una tendencia de

Tabla 3
códigos suelo permeabilidad.

Código clasificación fi catión Distribución de tamaño de partícula Saturada de conductividad hidráulica (cm / h)

6 Muy lento arcilla limosa, arcilla segundo 0,125

5 Lento Limosa, arcillosa arcilla, arcilla arenosa 0,125 - 0.5

4 moderadamente lenta franco arcillo arenoso, franco arcilloso 0.5 - 2.0
3 Moderar Franco, franco limoso 2.0 - 6.0
2 moderadamente rápido arcilla arenosa, franco arenoso 6.0 - 12.5
1 Muy rapido Arena norte 12.5
116 SW Correa et al. / Catena 147 (2016) 110 - 124

Fig. 3. Modelo de Elevación Digital (DEM) (a), mapas de pendiente (b), acumulado Florida ow (c) y uso de la tierra (d) para MRB, Andes peruano.
 SW Correa et al. / Catena 147 (2016) 110 - 124
Tabla 5
Uso de la tierra y los respectivos valores de C-factores para MRB.
Uso del suelo Referencia
Tierra agricola Delgado y Vasques (1997)
Agricultura / maderas secundarias Delgado y Vasques (1997)
humedal IGP (2005)
Wet Mountain Grove IGP (2005)
Húmedo Templado Scrubland IGP (2005)
Semiárido templado Scrubland IGP (2005)
Semi-caliente Sub-húmedo Scrub IGP (2005)
Templado subhúmedo Scrub IGP (2005)
Nival (glacial) IGP (2005)
Alto Prado Andino IGP (2005)
Tundra IGP (2005)
consecutivos R-factor aumenta más del vigésimo fi siglo primero, siendo más expresa en las más
recientes intervalos de tiempo. “ cunas ” sub-cuenca ( №
13 - Figura 1 c), mostró una disminución en la transición de la presente climático para el fi intervalo de
tiempo primero ( Fig. 5 a, b); Sin embargo, desde este último hasta el final del siglo, hay aumentos
consecutivos que son norte 10% en relación con la presente climático. el signi fi aumento no puede en
los valores de R-factor para el Norte, que pasa por el MRB Central y del sudoeste, desde la segunda
a la tercera divisiones de tiempo, con impactos en “ ichu ”
( № 21), “ Huarpa ”( № 23), “ Achamayo ”( № 12), “ Shullcas ”( norte o 14) y
“ Viscatan ”( № 22) subcuencas, también es digno de mención. Estos sub-cuencas presentado este
aumento en el comportamiento en comparación con otras áreas ofMRB ya que en una gran área de
theMRB, tales como el centro sur, presentaron reducciones consecutivas R-factor. Esta tendencia
prevaleciente de la reducción potencial erosivo gradual durante todo el siglo se debe principalmente a
una reducción de la precipitación total a través del lavabo, simulado basado en el cambio climático
escenario A1B por Eta-CPTEC / modelo HadCM3.
La erosión del suelo en las montañas más altas del planeta se puede generar no sólo por la
precipitación (erosión del agua), pero alsoby la nevada accumulatedover el suelo, que incluye
avalanchas y fenómenos snowgliding. Ambos factores activos han sido poco estudiados debido a la
di fi cultades para implementar áreas experimentales para fi eldmonitoring. Meusburger et al. (2014) estudió (positiva o negativa) a lo largo del siglo 21. Para eso, se aplicó tendencia graphicswere desarrollado
la nieve deslizándose la erosión mediante el control de un punto de inflexión en los Alpes suizos junto
con la aplicación del modelo RUSLE. Como sabemos, RUSLE es capaz de estimar la erosión
causada por las gotas de lluvia. Los autores citados obtuvieron una muy buena correlación entre la
erosión de la nieve delta y los resultados estimados por RUSLE, demostrando que aunque este
modelo no había sido diseñado para correr por otros factores activos, como la nieve o el viento, sus
salidas han sido plausible para ambos patrones y pérdidas de suelo cuantitativos.
Meusburger et al. (2014) llevado a cabo su estudio en una cuenca montañosa templada, inwhich
nevadas es responsable del 30% de la precipitación anual. Para PeruvianAndes, un sistema
Highmountain tropical, la nevada es mucho menor que en los Alpes y las simulaciones del clima
demostró que el clima en MRB durante el siglo 21 tiende a ser más seco que en la actualidad. Esto
significa que la erosión del suelo causada por el deslizamiento de nieve o avalanchas en esta
cuenca, en el futuro, tiene una baja probabilidad de ocurrencia. Así, el modelo RUSLE es la
herramienta más indicada para estimar el comportamiento de erosión del suelo en MRB para los
climas presente y futuro como el principal factor activo para la erosión del suelo en esta cuenca está
la precipitación.
R-factor a presentar rebanadas clima y tiempo simulado para cada regiones agroecológicas y
cuanti sub-basinswere fi ed aswell como las diferencias porcentuales consecutivos a lo largo del siglo
21. Estos datos fueron presentados en gráficos de columnas que permiten comparar numéricamente
las regiones y sub-cuencas a lo largo del siglo 21 ( Fig. 5 ). Las sub-cuencas que fueron más
afectadas fueron en altitudes más altas, tales como los situados en el norte ( № 1 a 9, Figura 1 c),
presentó una tendencia R-factor de aumento. Este comportamiento está relacionado con el aumento
de la precipitación total con el intensi fi cación del calentamiento global y el aumento de la velocidad
de fusión capa de hielo permanente, moviendo la línea de congelación (0 ° C) a una
La cubierta vegetal % de cobertura C-factor de
0.45
0.93
Plantas herbáceas 80 0.12
75 - 40, 90 - 70 Carolina del Norte 0.20
matorral 60 0.38
matorral 40 0.90
matorral 60 0.38
matorral 20 0.20
1.00
Plantas herbáceas 20 0.00
Plantas herbáceas 40 0,30 117
mayor altitud. Este efecto ha sido cada vez más intensi fi ed en zonas de glaciares tropicales en todo
el mundo, principalmente en los Andes tropicales.
Los mayores descensos entre períodos consecutivos de lluvia erosiva potencial de tener lugar
en la transición desde el actual clima para el
fi intervalo de tiempo en primer lugar (2010 - 2040), a excepción de “ janca ” agroecológica región y en
las sub-cuencas mencionadas situadas en el norte de MRB ( Fig. 5 segundo). “ Selta Alta ” región
(precisamente Viscatan sub-cuenca) presenta la mayor reducción (9% menor que la observada para
presentar climático). Por otra parte, por MRB en su conjunto y también para “ sunita ”,“ quechua ” y
“ yunga ” regiones, hubo una mayor disminución en R-factor relativo a la presente climático a finales
de siglo, aunque a un ritmo más lento en el análisis de los dos últimos intervalos de tiempo. Sin
embargo, en “ janca ”,“ Puna ” y, de forma más consistente, en “ Selva Alta ” regiones agroecológicas,
hay un aumento del potencial de lluvia erosiva en el corte de la última vez (2071 - 2,098) en
comparación con la anterior, similar a la que se encontró para las sub-cuencas en el norte de MRB.
Un análisis de la tendencia temporal de la erosividad de las precipitaciones anuales dada por EI 3h
y los índices de PCI, por MRB como un todo, propuesta por el promedio de todos los puntos de la
cuadrícula de simulación, es importante demostrar si estos índices presentarán signi fi tendencia peralte
prueba andMann-Kendall para las variables citadas ( Fig. 6 ). Un negativo y signi fi tendencia estadística no
puede por la prueba de Mann-Kendall (MK) a una signi fi nivel cance de 5% (z = - Se obtuvieron 3,68). El
comportamiento opuesto se pudo encontrar para PCI. La serie temporal para la ICP mostró una
significación fi no puede tendencia ascendente, según la prueba de MK (z = 3,88). Por lo tanto, hay una
clara tendencia a la baja en la erosividad de las precipitaciones anuales inMRB basado en anannual
escala. Sin embargo, parece que hay un aumento de su variabilidad en el tiempo, sobre todo a partir del
segundo segmento de tiempo, lo cual es una característica importante de los efectos del cambio climático
en los patrones de lluvia. Más allá de esto, la estadísticamente significativa fi-
aumento no puede en PCI muestra un importante incremento del potencial erosivo durante la estación
lluviosa del año, como fue reportado por el sureste de Brasil por Mello et al. (2015) . Además, la
concentración de la precipitación puede significar un aumento en el poder erosivo durante la época de
lluvias o incluso para eventos de precipitación aislados, incluyendo las sub-cuencas, con una
marcada reducción en la erosividad de la lluvia. Estas consideraciones deben ser analizados en forma
conjunta cuando se trata de los efectos del cambio climático en el poder erosivo de lluvia, ya que
existe una considerable incertidumbre asociada a estos indicadores en virtud de la Florida influencia
del calentamiento global.
3.2. Distribución espacial de factores pasivos RUSLE de MRB, Andes peruanos
En este tema, se presenta la distribución espacial de los elementos pasivos RUSLE,
beginningwith el LS-Factor, whichwas developedwithbasis en RUSLE3D de MRB. Los mayores
valores de este factor son en la región eastcentral de la cuenca ( Fig. 7 a), especí fi camente en “ San
Fernando ”,“ Pariahuanca ”,“ Huanchuy ”,“ Paraiso ”,“ Viscatan ” subcuencas y en la parte sur de “ microcuencas
” sub-cuenca (ver Figura 1 do). En términos del porcentaje del área de gama MRB, LS-factor de 5 a
50, lo que representa 58% de la superficie de la cuenca. Los valores correspondientes a la media y
 SW Correa et al. / Catena 147 (2016) 110 - 124

Fig. 4. mapa factor R para el actual clima (a) y el comportamiento espacial de los cambios para intervalos de tiempo consecutivos (b, c, d) simulados para el siglo XXI en MRB, Andes peruano. 118
 SW Correa et al. / Catena 147 (2016) 110 - 124 119

Fig. 5. Las precipitaciones potencial erosivo (factor R) para MRB regiones agro-ecológicas y subcuencas, en Andes peruana, a lo largo del vigésimo fi siglo RST (a), y su variación con relación al período anterior (b).

mediana son, respectivamente, 24,34 y 13,07. Basado en thismap, theMRB es muy vulnerable a la el transporte de sedimentos ( Wischmeier y Smith, 1978 ). Por estas condiciones, la conservación ligada
erosión del suelo, ya que este factor determina condiciones de escurrimiento, especialmente su al uso del suelo y la protección de la superficie son claves para reducir el riesgo de erosión del suelo.
velocidad y capacidad hidráulica de canales para

Fig. 6. distribución temporal de potencial erosivo precipitación anual (EI 3h) ( a) y del índice de precipitación Concentración (PCI) (b) de MRB, Andes del Perú, a lo largo del siglo 21.
120 SW Correa et al. / Catena 147 (2016) 110 - 124
Fig. 7. Mapas de LS-factor de (a), el factor K (MRB destacando suelos mrav) (b) y CP-factor de (c) para MRB, Andes peruano.
El mapa factor K, lo que demuestra la erosión towater la vulnerabilidad del suelo natural,
también se desarrolló. Sobre la base de este mapa, podemos ver las sub-cuencas y regiones
agroecológicas de MRBwith mayor vulnerabilidad a la erosión sobre la base de la erosionabilidad del
suelo. Esta información especie es importante ya que ayuda a apoyar la toma de decisiones
relacionadas con el uso y manejo del suelo. Este mapa se muestra en Fig. 7 b para el MRB, con un
zoom de MRAV. Sus valores varían de cero (cuerpos de agua) a 0.095, esta última calculada para
suelos mrav donde hay un predominio de los valores norte 0,055. En la mayor parte de MRB, los
valores son menores que 0.045, que se calcula de acuerdo con la información de suelos
recomendado por FAO-PNUMAUNESCO (1980) y FAO / UNESCO (1990) , Basado en themain
propiedades suelos ( IGP, 2005 ). Los suelos previamente forMRB información incluyen suelos con
textura que van frommedium de arena, poco profunda, y la baja fertilidad natural, lo que indica una
alta vulnerabilidad a la erosión, principalmente para Leptosoles y Cambisoles, que ocupan
predominantemente Yunga y la puna regiones ambientales y vecinales subcuencas de San
Fernando. Sin embargo, es importante destacar las diferencias cualitativas entre las bases de datos
disponibles para los suelos MRB en relación a las disponibles para MRAV. Estos últimos
proporcionan mucha más información relativa a la erosionabilidad del suelo.
CP-factor es otro elemento pasivo RUSLE muy importante para entender la vulnerabilidad de la
cuenca a la erosión hídrica como se pone de manifiesto cómo se han utilizado en la actualidad los
suelos, y ayuda a explicar la mayor parte de las tasas de erosión del suelo estimadas por el RUSLE.
Su distribución espacial se presenta en themap de la Fig. 7 do. En thismap, los valores van de cero (0)
para los cuerpos de agua donde no hay erosión, a una (1) para suelos desnudos, como se puede
observar en las zonas en el este y sur de
MRB. Es posible observar que theMRAV región tiene valores relativamente altos, que se calcula en
base al promedio ponderado de las áreas de producción del Valle y en todo el año, como los usos de
la tierra son en su mayoría tubérculos, verduras y cereales, y, por tanto, una mayor exposición de los
suelos durante gran parte del año. En subcuencas ubicadas en altitudes más altas de MRB hay
valores relativamente menores (0,13 a 0,2), como usos de la tierra predominantes son “ Tundra ” y “ Alto
Prado Andino ”, que son plantas herbáceas y hierba vegetationwitha impacto buena capacidad
tomitigate gota de agua, la reducción de la vulnerabilidad de los suelos a la erosión. Itwas también
observaron que en las zonas altas del oeste de MRB, hay valores CP-factor de mayores, en los que
la vegetación de tamaño pequeño se asocia con la acumulación de biomasa reducida debido a bajas
temperaturas que restringen el desarrollo de la vegetación, y, en consecuencia, reducir la protección
del suelo contra impacto de la lluvia.
3.3. La erosión del suelo mapas de riesgo de MRB bajo los efectos del cambio climático, los Andes peruanos
Usando álgebra de mapas, RUSLE3D fue atropellado el MRB comparando la capa factor R para
el actual clima a los 3 segmentos de tiempo simulados basado en A1B escenario de cambio climático
( Fig. 8 ). Un promedio de 48,5% de las áreas con riesgo de erosión se clasificaron fi ed como “ Muy
severo ” y “ extremadamente grave ” podría ser foundwith las simulaciones, tanto inMRB y inMRAV,
demostrando que la cuenca es muy vulnerable a la erosión del suelo por las actuales condiciones
climáticas. Las áreas con mayor erosión riskwere encuentran
 SW Correa et al. / Catena 147 (2016) 110 - 124 121

Fig. 8. La erosión del suelo mapas de riesgo de MRB para el clima actual (A) y para los intervalos de tiempo simulados (2010 - 2040 - b; 2041-2070 - do; 2071 - 2098 - d).
 SW Correa et al. / Catena 147 (2016) 110 - 124

en la parte este-central de la cuenca, que tenía el mayor factor R ( Fig. 4 a), LS-factor de ( Fig. 7 a), y Los resultados obtenidos en este estudio produjeron una vista espacial, en escalas regionales y
signi fi cant-áreas de suelo desnudo ( Fig. 7 do). Sólo un pequeño porcentaje de theMRB se simularon sub-cuenca, de la dinámica de la pérdida de suelo por la erosión de agua en MRB hasta el final del
para aumentar el actual riesgo de erosión del suelo debido a los posibles cambios climáticos, siglo 21. riesgo de erosión del suelo puede ser evaluada con base en el escenario A1B cambio
habiendo sido estimado con incrementos de 0,3%, 3,9% y 7,4% del área MRB para intervalos de climático simulado por Eta-CPETC / HadCM3model. Sin embargo, se observa que los impactos del
tiempo 2010 - 2040, 2041 - 2070 y 2071 - 2,098, respectivamente. Las áreas que habían simulado cambio climático se analizaron sólo en el contexto del factor de erosión activa (lluvia) y que los otros
aumento sobre pasado la erosión del suelo asociados con riskwere “ Vilca ” sub-cuenca, y partes factores no se han cambiado debido a la dif fi cultad de diseñar escenarios realistas de uso del suelo a
inferiores de la “ Yauli ”,“ Santa Ana ” y “ atoc Huarco ” sub-cuencas (ver Figura 1 c), como resultado de lo largo del siglo 21, ya que no hay planes maestros y / o zonificación ecológica-económica de la
incrementos consecutivos en el potencial de lluvia erosiva en estas sub-cuencas ( Fig. 4 ). cuenca o incluso para el Perú. Además, la aptitud agrícola en la cuenca está asociada con el
pastoreo extensivo y es muy poco probable que un cambio importante, en términos espaciales, se
producirá dentro de este contexto, el uso del suelo. Más allá de este aspecto, hay que destacar que
la base de datos pedológico no es, en términos cualitativos, throughoutMRB homogénea,
Una disminución continua se puede ver en la pérdida media anual de suelo hasta el final del withMRAVbeing la única región de la cuenca con una mejor información recogida en el fi nivel de
siglo en todas las regiones agroecológicas y subcuencas, a excepción de “ SelvaAlta ”, que, en el campo. Por lo tanto, el factor K asociado a la vulnerabilidad de la erosión del suelo no proporciona el
último período tuvieron un ligero aumento del riesgo en comparación con el período anterior ( Fig. 9 a, grado deseado de fiabilidad ya que se infiere sobre la base de información de suelos tablas
fromFAO. Además, el análisis de R-factor puede tener un error de estimación considerable, aunque
b). Como se mencionó, casi todo el MRB, por el clima actual, presenta una “ extremadamente severo ” riesgo
de erosión. Sin embargo, el espacio, hay diferencias importantes de comportamiento. En el contexto la tendencia general ha sido capturado basado en el escenario A1B, lo que indica la disminución del
de las regiones agroecológicas, “ janca ”,“ quechua ”,“ yunga ” y “ Selva Alta ” también tienen esta misma poder erosivo precipitaciones. La incertidumbre asociada a la Rfactor está vinculado también al
calificación de riesgo, mientras “ Suni ” y “ Puna ” tener un “ muy severo ” riesgo. El examen de los hecho de que no existe una base de datos de pluviográfica satisfactoria para la cuenca, lo que
resultados a nivel de sub-cuenca, las situadas en el norte de MRB ( “ ichu ”,“ San Juan ”,“ Conocancha ”,“ Quisualcancha
permitiría establecer una relación más fiable entre erosividad de la lluvia y otros indicadores
” y “ Chinchaycocha “) han predicho una “ grave ” riesgo, mientras “ Colorado ” sub-cuenca tiene una “ moderar
relacionados con el comportamiento de la precipitación.
”

riesgo para el clima actual. Estos sub-cuencas son aquellos para los que riskwas encontró el menos
erosión, tanto para el presente y para el futuro; sin embargo, este fue ligado principalmente a la
conducta de CP-factor, que es baja para estas sub-cuencas donde el uso de la tierra es Otros factores pasivos (cobertura del suelo y las prácticas de cultivo) también serán afectados
predominantemente dominada por tundra ( Fig. 7 do). Para sub-cuencas en MRB oriental ( “ Huanchuy ”,“ por el cambio climático; Sin embargo, la identificación fi cationes y especialmente themeasurement a
Pariahuanca ”, largo plazo de estos factores son muy incierto. De acuerdo a Mello et al. (2015) , La siguiente pregunta
“ San Fernando ”, “ Shullcas ”, “ Upamayu ” y se destacan en este sentido: ¿cuáles son los efectos del aumento de CO atmosférico 2
“ microcuencas “), el riesgo de erosión fue clasificada fi ed como “ extremadamente severo ”

tanto para clima actual ya lo largo del siglo 21, que se asocia principalmente con el LS- y concentración en el comportamiento fisiológico de las plantas y su impacto en la cobertura de la
CP-factores. En general, los principales suelos en estas sub-cuencas son los Leptosoles ( Figura 2 b) tierra? Además, lo que el uso del suelo son posibles escenarios para el MRB sin tener planes
y teniendo en cuenta su baja profundidad efectiva, baja fertilidad natural del suelo y muy ondulada a directos y zonificación ecológica-económica y / o agro-climatológicos? Además, ¿cuáles son los
impactos onmineralization de la materia orgánica del suelo y la biota y sus efectos sobre la
cuestas montañosas, es fácil comprender su alta susceptibilidad de erosión. En las sub-cuencas “ Achamayo
”,“ Yacuy ” y “ Paraíso ”, el riesgo actual es “ extremadamente severo ”, pero a lo largo del siglo, que se susceptibilidad a la erosión del suelo? Se puede observar que la interacción de todos estos factores
reduce a “ muy severo ”, debido al efecto de la reducción de la erosión potencial de lluvias en estas hace predicción futura altamente compleja e incierta. Incluso frente a estos problemas mencionados,
sub-cuencas. el presente trabajo consiste en un esfuerzo pionero de los Andes del Perú y de los Andes tropicales,
ya que trae una

Fig. 9. distribución media anual pérdida de suelo para las regiones agroecológicas (A) y sub-cuencas de MRB (b) y sus respectivas variaciones en relación con el segmento de tiempo anterior (c, d). 122
 SW Correa et al. / Catena 147 (2016) 110 - 124
única y significante fi no puede contribución que se puede utilizar para guiar el desarrollo económico
MRB más del siglo XXI.
4. Conclusiones
El análisis del comportamiento de las precipitaciones erosividad espacial y temporal mostró que existe
una tendencia a la baja durante el siglo 21 en casi todos theMRB como resultado de la disminución de las
precipitaciones proyectado por la reducción a escala dinámica de la carrera HadCM3 para el escenario de
cambio climático A1B usando el Eta-CPTEC modelo climático regional en una resolución de 20 km. A nivel
espacial sub-cuenca, encontramos aumentos sucesivos para el factor R para los situados en las partes del
norte y el sur-central de la MRB, bajo el fuerte en Florida influencia de los Andes. Aunque la prueba de
Mann-Kendall tuvo disminución estadística FUNDACIÓN erosividad de las precipitaciones anuales a lo
largo del siglo 21, hubo un significante fi aumento en la variabilidad de los datos no puede, sobre todo
después del año 2040 (segunda división de tiempo). También en el contexto de los efectos sobre el
comportamiento de las precipitaciones, hubo un significante fi aumento de peralte en índice de PCI durante el
siglo 21 por la prueba de Mann-Kendall, lo que significa que hay una tendencia al aumento de la
concentración de las precipitaciones, que puede promover un aumento del potencial de erosividad de la
lluvia, principalmente durante la época de lluvias (verano), aunque este efecto es reducida a una escala de
tiempo anual.
TheMRB riesgo actual para los erosionwas clasificación fi ed como “ extremadamente severo ”
y se asoció con la vulnerabilidad del suelo y el uso de la tierra, y nos modela como si la tierra
usewould siguen siendo los mismos hasta el final de esta throughoutmost de la cuenca siglo. Sin
embargo, en el nivel de escala de sub-cuenca, especialmente los situados en el norte de MRB, hay
una “ moderar ” a “ grave ” riesgo, incluso teniendo una tendencia hacia un aumento de la potencia de
lluvia erosiva, debido a la mayor protección ofrecida por la tundra. Incluso con la tendencia a la baja
en el factor R a lo largo de este siglo, MRBwill seguir siendo muy vulnerables a la erosión y las
estrategias especiales para la protección del suelo debe ser desarrollado.
Este estudio ha limitaciones especialmente en relación con las bases de datos que permitan un
análisis más detallado del comportamiento espacial de la erosión del suelo en el MRB, tal como una
base de datos más detallada y precisa pedological, un mejor seguimiento hidro-climáticas distribuye
espacialmente en la cuenca y las incertidumbres relacionadas con las proyecciones de cambio
climático. Dado que el MRB constituye uno de los principales signi gestión ambiental y agrícola fi cativos
zonas de los Andes tropicales, más se debe tener cuidado con el riesgo de erosión del suelo en el
futuro.
Expresiones de gratitud
Los autores desean agradecer FAPEMIG (588 - CAG PPM-00132/14 y PPMVIII - 71 a 14), y el
CNPq (PEC-PG y 303059 / 2013-3) por patrocinar esta investigación.
referencias
Alegre, J., Morales, CF, La Torre, B., 1990. estudios de erosión del suelo en Perú. J. Soil Water
Conserv. 45, 417 - 420.
Amézquita, E., Ashby, J., Knapp, EK, Thomas, R., Muller-Sämann, K., Ravnborg, H., Beltrán,
J., Sanz, JI, Rao, IM, Barrios, E., 1998. investigación estratégica del CIAT para la gestión sostenible de la tierra en
las laderas empinadas de América Latina. En: Penning de Vries, FWT, Agus, F., Kerr, J., erosión del suelo a escalas
múltiples (Eds.). CAB International.
Amore, E., Modica, C., Nearing, MA, Santoro, VC, 2004. efecto de escala inUSLE andWEPP AP-
plicatura para el cálculo de la erosión del suelo tres cuencas de Sicilia. J. Hydrol. 293, 100 - 114.
Ashiagbor, G., Forkuo, EK, Laari, P., Aabeyir, R., 2013. Modelado de la erosión del suelo usando RUSLE
y herramientas SIG. En t. J. Sens remoto. (IJRSG) 2 (4), 7 - 17.
Benites, J., Saintraint, D., Morimoto, K., 1993. degradacion de suelos y Producción Agrícola
en Argentina, Bolivia, Brasil, Chile y Paraguay. FAO ( http://www.fao.org/docrep/ t2351s / t2351s00.htm (Visitado
en agosto de 2014)).
Beskow, S., Mello, CR, Norton, DL, Curi, N., Viola, MR, Avanzi, JC, 2009. La erosión del suelo pre
dicción en la cuenca del río Grande, Brasil utilizando el modelado distribuido. Catena 79, 49 - 59.
Biesemans, J., 1997. WTRSHED y RUSLE_FLOWLINE_LS C Programas Fuente. Programa.
Departamento de Suelos Gestión, Universidad de Gante.
Bolton, P., Bradbury, PA, Lawrence, P., Atkinson, E., 1995. CALSITE versión 3.1. Calibrado
simulación de la erosión transportado. Manual de usuario. HR Wallingford Ltd., Wallingford,
Reino Unido
123
Bradley, RS, Vuille, RM, Díaz, H., Vergara, W., 2006. Amenazas towater suministros en el trop-
ical Andes. Ciencia 312, 1755 - 1756.
Chou, SC, Lyra, A., Gomes, JL, Marengo, JA, Alves, LM, 2014. Modelos Climáticos
Regionais Futuros. En: (Eds.) Lima, M., Collischonn, W., Marengo, J., Efeitos das Mudanças CLIMATICAS na
geração de Energía Eléctrica. AES Tietê, Brasil (ISBN 978-8568717-00-4 423p.).
Correa, SW, 2015. Erosão hídrica do Pará en solitario una bacia do rio Mantaro, Perú, considerando
possíveis Mudanças Climáticas (tesis) de la Universidad Federal de Lavras, Brasil (en portugués).
De Kort, A., 2013. Evaluación de la erosión del suelo en las zonas de tierras secas de Bolivia Uso de la RUSLE
Modelo 3D (Proyecto Fin de Carrera) Física del Suelo y el Grupo de Gestión de Tierras. Maestría en Ciencias de la
Tierra Internacional y Gestión del Agua de la Universidad de Wageningen, Países Bajos, p. 61.
Delgado, F., Vásquez, L., 1997. Modelo Índice de Productividad Aplicado a Sistemas Para La
Evaluación y Clasi fi cación de Tierras Agrícolas y Prioridades de Conservación de Suelos en Áreas Montañosas
Tropicales. Un Enfoque Metodológico. Serie Suelos y Clima N ° SC-73. CIDIAT. Mérida, Venezuela, p. dieciséis.
Desmet, PJJ, Govers, G., 1996. Un procedimiento de SIG para el cálculo automático de la USLE LS
FACTOR con unidades de paisaje topográficamente complejas. J. Soil Water Conserv. 51 (5), 427 - 433.
Durães, MF, Mello, CR, 2014. índice de alteración Hydrosedimentologic aplica a agua-
cobertizos de estado de Minas Gerais. Cienc. Agrotecnol. 38, 61 - 67. http://dx.doi.org/10.1590/
S1413-70542014000100007 .
FAO / UNESCO, 1990. Líneas Guía para la descripción del suelo. Organización de la Agricultura y la Alimentación
las Naciones Unidas (FAO), Roma, Italia, p. 69.
FAO-PNUMA-UNESCO, 1980. Metodología provisional para la Evaluación de la
degradacion de los suelos. Organización de las Naciones Unidas para el Desarrollo de la Agricultura y la
Alimentación (FAO), Programa de las Naciones Unidas para el Medio Ambiente (PNUMA), Organización de las
Naciones Unidas para la Educación la Ciencia y la Cultura (UNESCO), Roma, Italia, p. 86.
Farrish, KW, Adams, JC, Thompson, CV, 1993. prácticas de conservación de suelos en clara
forestales en Lousiana. J. Soil Water Conserv 48 (1-4), 136 - 139.
Figueroa, SN, Satyamurty, P., Dias, PLS, 1995. Las simulaciones de la circulación verano
sobre la región de América del Sur con una ETA coordinar modelo. J. Atmos. Sci. 52, 1573 - 1584.
Consejo Asesor Alemán sobre el Cambio Global (WBGU), 1994. Mundo en Transición - la
Amenaza para los suelos: 1994 Informe Anual. Hüthig Pub Ltd, p. 252.
Giorgi, F., Hurrell, JH, Marinucci, MR, Beniston, M., 1997. la dependencia de la elevación
superficie de las señales del cambio climático: Un estudio del modelo. J. Clim. 10, 288 - 296.
Hickey, R., Smith, A., Jankowski, P., 1994. cálculos de longitud de la pendiente de un DEM dentro de
ARC / Info Grid. Comput. Reinar. Urbano. Syst. 18 (5), 365 - 380.
Hoyos, N., 2005. modelado espacial del potencial de erosión del suelo en una cuenca tropical del
Andes colombianos. Catena 63, 85 - 108.
Instituto Geofísico del Perú (IGP), 2005. Diagnóstico de la Cuenca del Mantaro, bajo la
visión del Cambio Climático. Consejo Nacional del Ambiente (CONAM), Lima, Perú,
pag. 90.
Panel Intergubernamental sobre el Cambio Climático (IPCC), 2013. El cambio climático 2013: la
base de las ciencias físicas. Grupo de Trabajo I del IPCC Contribución AR5.
Agencia Japonesa de tierras agrícolas Desarrollo (JALDA), 2003. Estudio de Validación de
Desarrollo Rural Participativo BASADO en la Conservación de Suelos y Aguas. Agência de Desenvolvimento de
Terras do Japão Agrícolas. Bolivia, p. 46.
Kouli, M., Soupios, P., Vallianatos, F., 2009. Soil predicción erosión usando el Uni Revisado
versal de Pérdida de Suelo Ecuación (RUSLE) en un marco GIS, Chania, Noroeste de Creta, Grecia. Reinar.
Geol. 57, 483 - 497.
Li, X., Zhang, X., Zhang, L., Wu, B., 2014. Las precipitaciones y el acoplamiento vegetación índice para erosión del suelo
mapeo de riesgos sión. J. Soil Water Conserv. 69, 213 - 220.
Lima, JWM, Collischonn, W., Marengo, JA, 2014. Efeitos e Mudanças Climáticas na
Geração de Energía Eléctrica. AES Tietê, Sao Paulo. Brasil (423pp. ISBN 978-8568717-00-4).
Lu, D., Li, G., Valladares, GS, Batistella, M., 2004. La cartografía de riesgo de erosión del suelo en Rondonia,
Amazonia brasileña: el uso de RUSLE, teledetección y SIG. Degrad tierra. Prog. 15, 499 - 512.
Mann, HB 1945. Las pruebas no paramétricas contra tendencia. Econometrica 13 (3), 245 - 259.
McCool, DK, Brown, LC, Foster, GR, Mutchler, CKE, Meyer, LD, 1987. Revisado
factor de calidad de la pendiente para el usle ”. Trans. ASAE 30 (5), 1387 - 1396.
Mello, CR, Viola, MR, Beskow, S., Norton, LD, 2013. Multivariatemodels para de lluvia anual
erosividad caer en Brasil. Geoderma 202 - 203, 88 - 102.
Mello, CR, Ávila, LF, Viola, MR, Curi, N., Norton, LD, 2015. Evaluación del cambio climático
impactos en la erosividad de la lluvia a lo largo del vigésimo fi siglo primero en las cabeceras Grande cuenca del
río (PSG), el sureste de Brasil. Reinar. Sci tierra. (Impresión)
http://dx.doi.org/10.1007/s12665-015-4033-3 .
Mello, CR, Norton, LD, Pinto, LC, Beskow, S., Curi, N., 2016. cuenca agrícola
modelado: una revisión de los procesos de hidrología y erosión del suelo. Cienc. Agrotecnol. 40, 7 - 25.
Meusburger, K., Leitinger, G., Mabit, L., Mueller, MH, Walter, H., Alewell, C., 2014. Soil
la erosión por deslizamiento de la nieve - un fi primer cuanti fi intento de cationes en una zona subalpina en Suiza.
Hidrol. Syst tierra. Sci. 18, 3763 - 3775. http://dx.doi.org/10.5194/hess-183763-2014 .
Ministerio de Agricultura (MINAG), 1978. Diagnóstico de los Valles del Mantaro y Tarma.
Proyecto Especial Programa Nacional de Pequeñas Y Medianas Irrigaciones. Plan de MERIS 1 ° ETAPA, p.
209.
Mitasova, H., Ho fi erka, J., Zlocha, M., Iverson, LR, 1996. Modelado potencial topográfica
de erosión y deposición mediante SIG. En t. J. Geogr. Inf. Syst. 10, 629 - 641.
Moore, ID, Wilson, JP, 1992. factores de pendiente longitud para la Pérdida de Suelo Revisada universal
Ecuación: simplificación fi método ed de estimación. J. Soil Water Conserv. 47, 423 - 428.
124 SW Correa et al. / Catena 147 (2016) 110 - 124
Morales, CF, Meyer, R., Alegre, C., Berrios, D., 1977. Las pérdidas de agua y el suelo bajo diferen-
sistemas de cultivo ent en dos lugares del Perú: Santa Ana (Central Highlands) y San Ramón (Central Selva Alta).
En: Lal, R., Groenlandia, D. (Eds.), Propiedades físicas del suelo y la producción de cultivos en los trópicos. Wiley,
Chichester, Reino Unido, pp. 489 - 499.
Nakicenovic, N., Alcamo, J., Davis, G., de Vries, B., Fenhann, J., Gaf fi N, S., Gregory, K., Grubler, A., Jung, TY, Kram,
T., La Rovere, EL, Michaelis, L., Mori, S., Morita, T., pimienta, W., Lanzador , H., Precio, L., Riahi, K., Roehrl, A.,
Rogner, H.-H., Sankovski, A., Schlesinger, M., Shukla, P., Smith, S., Swart, R ., van Rooijen, S., Víctor, N., Dadi,
Z.,
2000. Informe especial sobre escenarios de emisiones. Cambridge University Press, Cambridge.
Acercándose, MA, 2001. los posibles cambios en erosividad de la lluvia en los EE.UU. con el cambio climático
durante el siglo 21. J. Soil Water Conserv. 56 (3), 229 - 232.
Ochoa, PA, Fries, A., Mejía, D., Burneo, JI, Ruiz-Sinoga, JD, Cerda, A., 2016. Efectos de CLI-
compañera, la ocupación del suelo y la topografía sobre el riesgo de erosión del suelo en una cuenca semiárida de los Andes. Catena 140, 31 - 42.
Oliveira, VA, Mello, CR, Durães, MF, Silva, AM, 2014. vulnerabilidad de la erosión del suelo en el
Verde Cuenca, en el sur de Minas Gerais. Cienc. Agrotecnol. 38 (3), 262 - 269.
Oliver, JE, 1980. Distribución mensual precipitación: un índice comparativo. Prof. Geogr. 32
(3), 300 - 309.
Parveen, R. Kumar, U., 2012. enfoque integrado de la Ecuación Universal de Pérdida de Suelo (USLE)
y el Sistema de Información Geográfica (SIG) para la evaluación del riesgo de la pérdida de suelo en la Alta Cuenca del Sur
Koel, Jharkhand. J. Geogr. Inf. Syst. 4, 588 - 596.
Pelton, J., Frazier, E., Pickilingis, E., 2012. El cálculo de factor de longitud de la pendiente (LS) en el revisado
usle (RUSLE). http://gis4geomorphology.com/wp-content/ archivos / 2014/05 /
LS-Factor-in-RUSLE-con-ArcGIS-10.x_Pelton_Frazier_Pikcilingis_
2014.docx (Accedidas en julio de 2014).
Ramírez, E., Francou, B., Ribstein, P., Descloitres, M., Guérin, R., Mendoza, J., Gallaire, R.,
Pouyaud, B., Jordan, E., 2001. Pequeños glaciares que desaparecen en los Andes Tropicales. Un estudio de caso en
Bolivia; el glaciar Chacaltaya (16 ° S). J. Glaciol. 47, 187 - 194.
Ver las
estadísticas
estadísticas
de la
depublicación
publicación
Renard, KG, Freimund, JR, 1994. Utilizando los datos de precipitación mensual para estimar el R-fac-
tor en el USLE revisada. J. Hydrol. 157, 287 - 306.
Renard, KG, Foster, GR, Weesies, GA, McCool, DK, Yoder, DC, 1997. suelo predecir
La erosión Bywater: Una guía para la planificación de la conservación con la Pérdida de Suelo Revisada la Ecuación (RUSLE).
Manual Agrícola 703. USDA, Servicio de Investigación Agrícola. Imprenta del Gobierno de los Estados Unidos de fi ce,
Washington DC., p. 384.
Rodríguez, JL, Suárez, MCG, 2012. Metodología para la estimación de la LS Fator topográficos
de RUSLE3D y USPED usando GIS. Geomorfología 175-176, 98 - 106.
Romero, CCL, 2005. Un enfoque multi-escala para la evaluación de la erosión en los Andes (PhD
tesis) Universidad Wagenigen y Centro de Investigación, Los Países Bajos, p. 146.
Segura, C, D, G, McNulty, S., Zhang, Y., 2014. Los impactos potenciales del cambio climático sobre el suelo
la vulnerabilidad a través de la erosión de Estados Unidos contiguos. J. SoilWater Conserv. 69, 171 - 181. http://dx.doi.org/10.2489/jsw
.
Sonder, K., Müller-Sämann, KM, Hilger, T., Leihner, DE, 2002. Control de la erosión y pre-
dicción en los sistemas de cultivo basados ​en yuca en la región sur andina de Colombia. Conferencia de ISCO
12. Beijing, pp. 189 - 195.
Tang, Q., Xu, Y., Bennett, SJ, Li, Y., 2015. La evaluación de la erosión del suelo usando RUSLE y SIG: una
Estudio de caso de la Yangouwatershed en la meseta de Loess, China. Reinar. Sci tierra. 73, 1715 - 1724.
Tiwari, AK, Risse, LM, Nearing, MA, 2000. Evaluación de WEPP y su comparación con
USLE y RUSLE. Trans. ASAE 43, 1129 - 1135.
Vrieling, A., Sterk, G., De Jong, SM, 2010. la estimación basada en satélites de erosividad de la lluvia de
África. J. Hydrol. 395 (3 - 4), 235 - 241.
Wischmeier, WH, Smith, DD, 1978. La predicción de las pérdidas de lluvia Erosión - Una guía para la Con-
Planificación servación. Manual de Agricultura No. 537. USDA, Washington, p. 58.
Zhou, P., Luukkanen, O., Tokola, T., Nieminen, J., 2008. Efecto de la cobertura vegetal en suelo
erosión en una cuenca montañosa. Catena 75, 319 - 325.