1.caycho Torres Lizbeth Rocio

UNIVERSIDAD NACIONAL AGRARIA LA MOLINA
FACULTAD DE INGENIERÍA AGRÍCOLA
“MODELACIÓN GEOESPACIAL CON SIG EN LA IDENTIFICACIÓN

DE LAS ZONAS VULNERABLES Y CUANTIFICACIÓN DE LA
EROSIÓN HÍDRICA, CUENCA DEL RÍO HUARMEY”
TESIS PARA OPTAR EL TÍTULO DE INGENIERA AGRICOLA
LIZBETH ROCÍO CAYCHO TORRES
LIMA – PERÚ
2020.
______________________________________________________________________
La UNALM es titular de los derechos patrimoniales de la presente investigación (Art. 24 del Reglamento de Propiedad Intelectual)
UNIVERSIDAD NACIONAL AGRARIA LA MOLINA
FACULTAD DE INGENIERIA AGRICOLA
“MODELACIÓN GEOESPACIAL CON SIG EN LA IDENTIFICACIÓN

DE LAS ZONAS VULNERABLES Y CUANTIFICACIÓN DE LA
EROSIÓN HÍDRICA, CUENCA DEL RÍO HUARMEY”
TESIS PARA OPTAR EL TITULO DE:
INGENIERA AGRÍCOLA
Presentado por:
BACH. LIZBETH ROCÍO CAYCHO TORRES

Sustentado y aprobado por el siguiente jurado:
Dr. ABSALÓN VÁSQUEZ VILLANUEVA Dr. NÉSTOR MONTALVO ARQUIÑIGO

Presidente Asesor
Mest. JORGE LUIS DÍAZ RIMARACHIN Dr. OSCAR OSWALDO LOLI FIGUEROA
Miembro Miembro
LIMA – PERU
2020
DEDICATORIA
Dedicada a mis padres Rocío Torres Robles y Esaud Caycho

Espilco por la educación que me brindaron, sus lecciones de vida
y su constante apoyo en el desarrollo de mi carrera profesional.
Y en memoria de mi adorada abuela Lidia Robles Vicente y de
mi querido primo Jaime Buleje Medrano que partieron hace poco,
y con quienes me hubiera gustado compartir este logro, ya que no
hubiera sido posible sin su aliento incondicional para cumplir mis
metas.
AGRADECIMIENTOS
A la Universidad Nacional Agraria La Molina, por ser la casa de estudios que me formó
como profesional.
A mi asesor, el Dr. Néstor Montalvo Arquíñigo por sus enseñanzas, su paciencia y su tiempo
para ayudarme en la elaboración de este trabajo de investigación.
Al Ing. Efraín Motta Padilla, director de la Agencia Agraria de Huarmey por su colaboración
en los trabajos que tuve que realizar en la cuenca.
ÍNDICE GENERAL
RESUMEN ......................................................................................................................... xii
I. INTRODUCCIÓN ..................................................................................................... 1
II. REVISIÓN DE LITERATURA ................................................................................ 3
2.1. ANTECEDENTES ............................................................................................... 3
2.2. VULNERABILIDAD ........................................................................................... 5
2.3. INUNDACIÓN ..................................................................................................... 6
2.4. INUNDACIÓN EXTRAORDINARIA ................................................................ 6
2.5. EL NIÑO COSTERO ........................................................................................... 7
2.6. EROSIÓN ............................................................................................................. 7
2.7. EROSIÓN HÍDRICA ............................................................................................ 8
2.8. FACTORES QUE INFLUYEN EN LA EROSIÓN HÍDRICA ........................... 9
2.8.1. Precipitación ................................................................................................ 10
2.8.2. Pendiente ...................................................................................................... 10
2.8.3. Cobertura Vegetal ........................................................................................ 10
2.8.4. Tipo de Suelos.............................................................................................. 10
2.8.5. Geología ....................................................................................................... 11
2.8.6. Geomorfología ............................................................................................. 11
2.9. SISTEMA DE INFORMACIÓN GEOGRÁFICA (SIG) ................................... 11
2.10. TELEDETECCIÓN ............................................................................................ 13
2.10.1. Radiación Electromagnética ........................................................................ 15
2.10.2. Resolución de las imágenes satelitales ........................................................ 16
2.11. IMÁGENES SATELITALES: SENTINEL-2 .................................................... 18
2.12. MODELAMIENTO GEOESPACIAL ................................................................ 21
2.13. MÉTODO DE LA ECUACIÓN UNIVERSAL DE PÉRDIDA DE SUELOS

(USLE) ......................................................................................................................... 23
i
2.13.1. Factor de Precipitación (R) .......................................................................... 24
2.13.2. Factor de Susceptibilidad a erosión del Suelo (K) ....................................... 25
2.13.3. Factor Topográfico (LS) .............................................................................. 27
2.13.4. Factor de Cobertura Vegetal (C) .................................................................. 29
2.13.5. Factor de Prácticas de Conservación (P) ..................................................... 30
III. MATERIALES Y MÉTODOS................................................................................ 31
3.1. UBICACIÓN DE LA ZONA DE ESTUDIO ..................................................... 31
3.2. MATERIALES Y EQUIPOS.............................................................................. 33
3.3. MÉTODOS ......................................................................................................... 34
3.3.1. Fase Inicial o fase de preprocesamiento ...................................................... 35
3.3.2. 1ra fase de Geoprocesamiento ...................................................................... 38
a. Cobertura Vegetal ............................................................................................. 38
b. Pendiente........................................................................................................... 47
c. Capacidad de Infiltración .................................................................................. 52
d. Geología............................................................................................................ 53
e. Geomorfología .................................................................................................. 55
f. Factor Forma ..................................................................................................... 56
g. Precipitación ..................................................................................................... 68
3.3.3. Fase de Campo ............................................................................................. 73
3.3.4. 2da fase de Geoprocesamiento ...................................................................... 74
a. Construcción de Base de Datos Geoespaciales ................................................ 74
b. Elaboración de los modelos geoespaciales de Inundaciones ............................ 76
• Mapa de Inundaciones Extraordinarias ............................................................ 76
• Mapa de Inundaciones, considerando PP ......................................................... 81
c. Modelo Geoespacial de Vulnerabilidad Física ................................................. 83
d. Modelo Geoespacial para la identificación y cuantificación de la erosión del

suelo con el método USLE ............................................................................... 87
ii
• Factor de Precipitación (R) ............................................................................... 87
• Factor de Susceptibilidad a erosión del Suelo (K) ........................................... 89
• Factor Topográfico (LS) ................................................................................... 95
• Factor de Cobertura Vegetal (C)....................................................................... 96
• Factor de Prácticas de Conservación (P) .......................................................... 97
• Identificación y cuantificación de la erosión hídrica (USLE) .......................... 98
IV. RESULTADOS Y DISCUSIÓN ............................................................................. 99
4.1. 1ra FASE DE GEOPROCESAMIENTO ............................................................. 99
4.1.1. Cobertura Vegetal ........................................................................................ 99
4.1.2. Pendiente .................................................................................................... 103
4.1.3. Capacidad de Infiltración ........................................................................... 105
4.1.4. Geología ..................................................................................................... 107
4.1.5. Geomorfología ........................................................................................... 109
4.1.6. Factor Forma .............................................................................................. 111
4.1.7. Precipitación .............................................................................................. 113
4.2. 2da FASE DE GEOPROCESAMIENTO .......................................................... 115
4.2.1. Mapa de Inundaciones Extraordinarias ...................................................... 115
4.2.2. Mapa de Inundaciones, considerando PP................................................... 119
4.2.3. Mapa de Vulnerabilidad Física .................................................................. 121
4.2.4. Modelo Geoespacial para la identificación y cuantificación de la erosión del

suelo con el método USLE ............................................................................. 124
a. Factor de Precipitación (R) ............................................................................. 124
b. Factor de Susceptibilidad a erosión del Suelo (K) ......................................... 126
c. Factor Topográfico (LS) ................................................................................. 128
d. Factor de Cobertura Vegetal (C)..................................................................... 130
e. Mapa de Identificación y Cuantificación de la Erosión Hídrica (USLE) ....... 132
V. CONCLUSIONES .................................................................................................. 135
iii
VI. RECOMENDACIONES ........................................................................................ 138
VII. REFERENCIAS BIBLIOGRÁFICAS ................................................................. 140
VIII. ANEXOS ................................................................................................................. 149
iv
ÍNDICE DE TABLAS
Tabla 1: Resoluciones espacial y espectral de los sensores Sentinel-2 ………..…… 20
Tabla 2: Valores de LS de acuerdo a la pendiente …………………………………. 29
Tabla 3: Forma de la cuenca según los valores de Factor Forma ………………….. 67
Tabla 4: Datos completos por método de Regresión Lineal ……………………….. 68
Tabla 5: PP acumuladas ……………………………………………………………. 69
Tabla 6: Datos completos de las estaciones ………………………………………... 70
Tabla 7: Puntos con los nuevos datos de precipitaciones ………………………….. 71
Tabla 8: Pesos y niveles ……………………………………………………………. 78
Tabla 9: Primera clasificación de los pesos y niveles de cada categoría …………... 79
Tabla 10: Primera Ponderación de Valores ………………………………………… 81
Tabla 11: Segunda clasificación de los pesos y niveles de cada categoría ………… 82
Tabla 12: Segunda Ponderación de Valores ……………………………………….. 83
Tabla 13: Tercera clasificación de los pesos y niveles de cada categoría ………….. 84
Tabla 14: Valores del Factor K …………………………………………………….. 94
Tabla 15: Valores del Factor C …………………………………………………….. 97
Tabla 16: Resultados del mapa de cobertura ………………………………………. 100
Tabla 17: Resultados del mapa de pendientes en porcentaje ………………………. 103
Tabla 18: Resultados del mapa de capacidad de infiltración ………………………. 105
Tabla 19: Resultados del mapa de geología ………………………………………... 107
Tabla 20: Resultados del mapa de geomorfología …………………………………. 109
Tabla 21: Resultados del mapa de factor forma …………………………………… 111
Tabla 22: Resultados del mapa de precipitaciones ………………………………… 113
Tabla 23: Resultados del mapa de inundaciones extraordinarias ………………….. 115
Tabla 24: Resultados del mapa de inundaciones, considerando PP ………………... 119
v
Tabla 25: Resultados del mapa de vulnerabilidad física de la cuenca Huarmey …... 121
Tabla 26: Resultados del mapa de Factor R ………………………………………... 124
Tabla 27: Resultados del mapa de Factor K ……………………………………….. 126
Tabla 28: Resultados del mapa de Factor LS ………………………………………. 128
Tabla 29: Resultados del mapa de Factor C ………………………………………... 130

Tabla 30: Resultados del mapa de cuantificación de la erosión hídrica de la cuenca
Huarmey ……………………………………………………………………………. 132
vi
ÍNDICE DE FIGURAS
Figura 1: Componentes para la teledetección espacial …………………………….. 14
Figura 2: Firmas espectrales típicas de distintas cubiertas …………………….…... 15
Figura 3: Espectro Electromagnético ………………………………………………. 16
Figura 4: Comparación de dos imágenes con diferente resolución espacial ……….. 17
Figura 5: Comparación de resolución radiométrica ………………………………... 17
Figura 6: Comparación de bandas espectrales de diferentes sensores ……………... 18
Figura 7: Bandas 2, 3, 4 y 8 con resolución espacial 10 m. ………………………... 19
Figura 8: Bandas 5, 6, 7, 8a, 11 y 12 con resolución espacial 20 m. ………………. 19
Figura 9: Bandas 1, 9 y 10 con resolución espacial 60 m. …………………………. 20
Figura 10: Integración de variables ………………………………………………… 22
Figura 11: Ubicación de la Cuenca Huarmey ……………………………………… 32
Figura 12: División política de la Cuenca Huarmey ……………………………….. 32
Figura 13: Esquema metodológico de la tesis ……………………………………… 34
Figura 14: Sitio web Copernicus Open Access Hub ……………………………….. 35
Figura 15: Selección de la cuenca Huarmey y aplicación de los filtros de búsqueda 36
Figura 16: Archivos abiertos en SNAP …………………………………………….. 39
Figura 17: Imagen corregida ……………………………………………………….. 40
Figura 18: Mosaico final …………………………………………………………… 41
Figura 19: Imagen Satelital de la cuenca Huarmey delimitada ……………………. 42
Figura 20: Llanura arenosa ………………………………………………………… 43
Figura 21: Áreas agrícolas …………………………………………………………. 44
Figura 22: Matorrales ………………………………………………………………. 44
Figura 23: Montañas ……………………………………………………………….. 45
Figura 24: Suelo desnudo …………………………………………………………... 45
vii
Figura 25: Zonas urbanas …………………………………………………………... 46
Figura 26: Cuenca Huarmey en Google Earth Pro ………………………………… 46
Figura 27: Zonas en la que recae la cuenca Huarmey ……………………………… 47
Figura 28: Ventana para crear el TIN ……………………………………………… 49
Figura 29: TIN resultante …………………………………………………………... 49
Figura 30: Ventana TIN a Ráster …………………………………………………... 50
Figura 31: Primer DEM resultante …………………………………………………. 51
Figura 32: DEM de la cuenca Huarmey ……………………………………………. 51
Figura 33: Ventana de la herramienta Slope ……………………………………….. 52
Figura 34: Ventana de Flow Direction …………………………………………….. 57
Figura 35: Ráster de Flow Direction ………………………………………………. 58
Figura 36: Determinación de acumulación de flujo ………………………………... 58
Figura 37: Ventana de Flow Accumulation ………………………………………… 59
Figura 38: Ráster de Flow Accumulation …………………………………………... 59
Figura 39: Ventana de Raster Calculator ………………………………………….. 60
Figura 40: Ráster de Red de drenaje de la cuenca Huarmey ………………………. 61
Figura 41: Ventana de Stream To Feature …………………………………………. 62
Figura 42: Shape de red de drenaje ………………………………………………… 62
Figura 43: Ventana de Feature Vertices To Points ………………………………… 63
Figura 44: Puntos de desfogue ……………………………………………………... 64
Figura 45: Ventana de Watershed ………………………………………………….. 65
Figura 46: Ráster de las subcuencas de Huarmey ………………………………….. 65
Figura 47: Shape de las subcuencas de Huarmey ………………………………….. 66
Figura 48: Resultados en la tabla de atributos ……………………………………... 67
Figura 49: Curva de doble masa …………………………………………………… 70
Figura 50: Relación Altura vs. PP media …………………………………………... 71
viii
Figura 51: Ventana de Spline ………………………………………………………. 73
Figura 52: Esquema lógico de la base de datos de los modelos de inundaciones ….. 74
Figura 53: Esquema lógico de la base de datos del modelo de vulnerabilidad …….. 75
Figura 54: Esquema lógico de la base de datos del modelo USLE ………………… 75
Figura 55: Ventana de Polygon to Raster ………………………………………….. 77
Figura 56: Uso de ModelBuilder para convertir un shape a ráster ………………… 77
Figura 57: Uso de ModelBuilder para reclasificar las capas ……………………….. 80
Figura 58: Uso de ModelBuilder para la integración de variables …………………. 81
Figura 59: Conversión de los ráster a capas vectoriales en ModelBuilder ………… 83
Figura 60: Intersección de las cinco capas en ModelBuilder ………………………. 85
Figura 61: Cálculo de la Vulnerabilidad de la cuenca Huarmey …………………... 86
Figura 62: Uso de la calculadora ráster para aplicar la ecuación de Roose ………... 88
Figura 63: Uso de ModelBuilder para calcular el Factor R ………………………... 88
Figura 64: Toma de muestras en la unidad Batolito de la Costa …………………… 90
Figura 65: Toma de muestras en la unidad Depósito Aluvial ……………………… 90
Figura 66: Toma de muestras en la unidad Formación Chimú …………………….. 91
Figura 67: Toma de muestras en la unidad Formación Junco ……………………… 91
Figura 68: Toma de muestras en la unidad Formación La Zorra …………………... 92
Figura 69: Toma de muestras en la unidad Formación Lupín ……………………... 92
Figura 70: Toma de muestras en la unidad Formación Santa, Carhuaz ……………. 93
Figura 71: Toma de muestras en el Grupo Calipuy ………………………………... 93
Figura 72: Uso de ModelBuilder para hallar el Factor K …………………………... 94
Figura 73: Reclasificación de las pendientes ………………………………………. 95
Figura 74: Adición del Campo LS en la Tabla de Atributos ………………………. 96
Figura 75: Uso de ModelBuilder para hallar el Factor C …………………………... 97
Figura 76: Modelamiento geoespacial para hallar la ecuación USLE ……………... 98
ix
Figura 77: Clasificación no supervisada de la cuenca Huarmey …………………... 101
Figura 78: Clasificación supervisada de la cuenca Huarmey ……………………… 101
Figura 79: Mapa de cobertura de la cuenca Huarmey ……………………………... 102
Figura 80: Mapa de pendientes en porcentaje de la cuenca Huarmey ……………... 104
Figura 81: Mapa de Capacidad de Infiltración de la cuenca Huarmey …………….. 106
Figura 82: Mapa de Geología de la cuenca Huarmey ……………………………… 108
Figura 83: Mapa de Geomorfología de la cuenca Huarmey ……………………….. 110
Figura 84: Mapa de factor forma de la cuenca Huarmey …………………………... 112
Figura 85: Mapa de precipitaciones de la cuenca Huarmey ……………………….. 114
Figura 86: Mapa de inundaciones extraordinarias de la cuenca Huarmey ………… 116

Figura 87: Mapa de inundaciones extraordinarias de la cuenca Huarmey y puntos
donde se produjeron inundaciones durante el Niño Costero, según INGEMMET … 117
Figura 88: Primera vista a detalle del Mapa de inundaciones extraordinarias …..…. 118
Figura 89: Segunda vista a detalle del Mapa de inundaciones extraordinarias ….… 118
Figura 90: Mapa de inundaciones de la cuenca Huarmey, considerando la capa de
Precipitaciones ……………………………………………………………………... 120
Figura 91: Mapa de Vulnerabilidad Física de la cuenca Huarmey ………………… 122
Figura 92: Vista a detalle del Mapa de Vulnerabilidad Física ………….………….. 123
Figura 93: Mapa del Factor R de la cuenca Huarmey ……………………………… 125
Figura 94: Mapa del Factor K de la cuenca Huarmey ……………………………... 127
Figura 95: Mapa del Factor LS de la cuenca Huarmey …………………………….. 129
Figura 96: Mapa del Factor C de la cuenca Huarmey ……………………………… 131

Figura 97: Mapa de la Identificación y Cuantificación de la Erosión Hídrica de la
cuenca Huarmey (USLE) …………………………………………………………... 133
Figura 98: Vista a detalle del Mapa de la Identificación y Cuantificación de la
Erosión Hídrica de la cuenca Huarmey (USLE) …………………………..……….. 134
x
ÍNDICE DE ANEXOS
Anexo 1: Valores de C correspondiente al tipo de cobertura, según Montes-León et

al. 2011 ……………………………………………………………………………... 150
Anexo 2: Valores de C correspondiente al tipo de cobertura vegetal, según
Wischmeier, citado por Ramos Taipe 2001 ………………………………………... 151
Anexo 3: Valores de P correspondiente al tipo de prácticas de conservación, según
Taipe 2001 …………………………………………………………………………. 151
Anexo 4: Descarga del programa SNAP …………………………………………… 152
Anexo 5: Descarga de la herramienta Sen2Cor ……………………………………. 152
Anexo 6: Archivos descargados por cada imagen satelital ………………………… 153
Anexo 7: Uso de la herramienta Sen2Cor ………………………………………….. 153
Anexo 8: Uso de la herramienta Mosaico ………………………………………….. 155
Anexo 9: Extracción de la cuenca ………………………………………………….. 158
Anexo 10: Definición de los ROI’s de la cuenca …………………………………... 160
Anexo 11: Informe de Análisis Especial del Suelo ………………………………… 161
xi
RESUMEN
El presente trabajo de investigación se desarrolló en la cuenca del río Huarmey, que abarca
parte de las provincias Huarmey, Aija y Recuay pertenecientes al departamento de Áncash.
Esta cuenca tiene una región costera, donde las lluvias son escasas, y una región andina
donde se presentan fuertes precipitaciones anuales, siendo esta la zona más vulnerable a la
erosión hídrica. Sin embargo, en marzo del 2017 se produjo el fenómeno del Niño Costero,
que originó inundaciones extraordinarias en la región costera. Estas situaciones medio
ambientales permitieron observar zonas sensibles a inundaciones y a la erosión hídrica, las
cuales fueron ubicadas mediante el modelamiento geoespacial. El primer mapa elaborado
fue el de inundaciones extraordinarias, basado en el estudio realizado por Wahid et al. en el
2016, empleando las capas de pendientes, capacidad de infiltración, factor forma y cobertura
donde se localizaron las zonas más propensas a ser inundadas ante precipitaciones
extraordinarias. La superposición ponderada de dichas capas, permitió determinar que las
áreas urbanas, el valle y los depósitos aluviales presentan una alta vulnerabilidad a
inundaciones. Un segundo modelo de inundaciones se efectuó usando el mismo
procedimiento, pero considerando además el factor de precipitaciones, lo que permitió una
mejor identificación de las zonas propensas a inundaciones. El tercer modelo fue de
vulnerabilidad física, que mostró que las zonas con vulnerabilidad alta se encuentran en la
parte andina de la cuenca, donde las pendientes y precipitaciones son elevadas. Por último,
se cuantificó la pérdida de suelo debido a la erosión, con ayuda de la Ecuación Universal de
Pérdida de Suelo (USLE), la cual requirió de las variables de precipitaciones, suelos,
pendientes y cobertura. Este modelo mostró que las zonas con mayores cantidades de pérdida
de suelo fueron las de vulnerabilidad alta, entre 50 y 200 t/ha.año; y muy alta, mayores a 200
t/ha.año.
Palabras clave: SIG, inundaciones extraordinarias, erosión hídrica, USLE, modelo

geoespacial, vulnerabilidad.
xii
ABSTRACT
The present research work was developed in the Huarmey river basin, which covers part of
the Huarmey, Aija and Recuay provinces from the Ancash region. This basin has a coastal
region with low rainfall, and a mountain region where heavy annual rainfall occurs, making
this zone the most vulnerable to water erosion. However, in March 2017, the phenomenon
known as Niño Costero occurred, which caused flash floods in the coastal region. These
environmental situations revealed which areas were sensitive to flooding and water erosion,
and were identified through geospatial modeling. First, the flash flood map was developed
based on the study carried out by Wahid et al. in 2016, using the layers of slope, infiltration
capacity, shape factor and land use/land cover to identify the areas that were most likely to
be flooded as a result of unusually heavy rains. The result of the weighted overlay of these
four layers established that the urban areas, the valley and the alluvial deposits presented a
high vulnerability to these floods. A second flood model was carried out using the same
procedure, but this time the rainfall factor was considered, allowing a better identification of
the flood prone areas. The third model was of physical vulnerability, which showed that the
areas with High vulnerability were located in the highlands of the basin, because of the steep
slopes and heavy rainfall of that region. Finally, the soil loss due to erosion was quantified
thanks to the Universal Soil Loss Equation (USLE), which required the variables of rainfall,
soils, slopes and coverage. This model showed that the zones with the highest amounts of
soil loss were the ones with high vulnerability, between 50 and 200 t/ha.year; and with very
high vulnerability, greater than 200 t/ha.year.
Keywords: GIS, flash floods, water erosion, USLE, geospatial model, vulnerability.
xiii
I. INTRODUCCIÓN
En la actualidad se pueden evidenciar los diferentes efectos del cambio climático que se
producen a nivel global, y un ejemplo de esto fue el fenómeno que se presentó en la costa
peruana en el año 2017, donde se registró un aumento significativo de la temperatura en la
temporada de verano y como consecuencia, las precipitaciones en esta zona del Perú
aumentaron a niveles atípicos. De este modo, se produjo el fenómeno denominado Niño
Costero, el cual, a diferencia del Fenómeno del Niño, este no se anuncia con anticipación,
sino que se produce de forma repentina. Durante la temporada del Niño Costero, las
precipitaciones se incrementaron a niveles altos en zonas donde las lluvias eran escasas, y
esto llevó al origen de inundaciones extraordinarias y procesos de erosión del suelo, tal como
ocurrió en la provincia de Huarmey que, en el 16 de marzo del 2017, se produjo un
desbordamiento de agua que ocasionó fuertes desastres. Por esta razón, es que la prevención
ante este tipo de desastres naturales es importante, para evitar mayores daños.
Debido a este escenario atípico, es que se planteó la generación del modelo geoespacial de
Inundaciones Extraordinarias, para simular que efectos puede causar este fenómeno en la
cuenca. Utilizando el programa ArcGIS se llevó a cabo la superposición ponderada de las
capas de pendientes, capacidad de infiltración, factor forma y cobertura para localizar las
zonas susceptibles a precipitaciones inusuales. Esta información tiene como objetivo ser de
utilidad para las autoridades, y les permita conocer cuáles son las regiones que requieren de
mayor atención para el desarrollo de proyectos de prevención, y de esta forma se pueda
aminorar el impacto ante este tipo de desastre. De igual forma, se generó un segundo modelo
geoespacial de inundaciones, realizando un procedimiento similar al primero, pero en este
caso tomando en cuenta la información de las precipitaciones, para realizar un análisis entre
el primer y segundo modelo y compararlos.
Por otro lado, es importante recalcar que en la parte andina de la cuenca, las precipitaciones
fuertes suceden anualmente, y la población tiene que lidiar con este problema de manera
periódica. Debido a esto, se elaboró un tercer modelo geoespacial de vulnerabilidad física,
1
que mostró cuáles eran las zonas más propensas a ser afectadas por la erosión hídrica, y para
ello se tomaron en cuenta las capas de pendientes, precipitaciones, geología, geomorfología
y cobertura.
Finalmente, se elaboró un modelo geoespacial utilizando la ecuación USLE, para cuantificar

la pérdida de suelo anual que se producen en la cuenca por la erosión hídrica, el cual requirió
de las variables de precipitaciones, suelos, cobertura y pendientes; y de la aplicación de
técnicas de Sistema Información Geográfica (SIG). Estos dos últimos modelos, al igual que
el primero es de gran importancia, ya que en este caso el escenario que se plantea sucede
cada año.
De acuerdo a lo explicado previamente, el objetivo general de esta tesis fue:
Identificar las zonas vulnerables a inundaciones y procesos de erosión, y cuantificar la

erosión hídrica en la cuenca del río Huarmey mediante el modelamiento geoespacial y uso
del Sistema de Información Geográfica (SIG).
Del mismo modo, los objetivos específicos fueron:
• Elaborar una base de datos geoespacial con la información temática de capacidad de

infiltración, cobertura, pendiente, geología, geomorfología y precipitación.
• Realizar el modelamiento geoespacial para identificación y localización de las zonas
vulnerables a inundaciones y erosión hídrica.
• Identificar y cuantificar las áreas de riesgos a erosión hídrica mediante la aplicación de
la Ecuación Universal de Pérdida de Suelos (USLE) y el Sistema de Información
Geográfica.
2
II. REVISIÓN DE LITERATURA
2.1. ANTECEDENTES
El Perú por su ubicación geográfica y características morfológicas, está sujeto a la

manifestación de diversos fenómenos naturales, entre ellos están los peligros
hidrometeorológicos, que generan inundaciones en zonas expuestas, los cuales afectan a la
población y sus medios de vida (CENEPRED, 2014). Las inundaciones, traen como
consecuencia lamentables y cuantiosos decesos, miles de damnificados y significativas
pérdidas económicas que reducen la calidad de vida y obstaculizan el desarrollo sostenible
del país (INDECI, 2011).
En el 2017, el Perú fue terriblemente golpeado por lluvias intensas, acompañadas de altas
temperaturas del mar en la costa durante el verano y el otoño. Este evento se denominó El
Niño Costero, que es un fenómeno nuevo, aunque similar al Fenómeno del Niño (Martínez
y Takahashi, 2017). Este fenómeno generó lluvias costeras inusuales, las cuales conllevaron
a los desbordes de ríos y deslizamientos de lodo y piedras, produciendo daños en las zonas
de cultivo e infraestructura como viviendas, carreteras, puentes, canales de riego, colegios,
hospitales, entre otros bienes públicos y privados (Aguilar y Reyes, 2017). Así mismo, las
quebradas Río Seco, Gramadal y Huarmey se activaron y rebasaron la ciudad en pocas horas.
Se formaron cinco huaicos que devastaron la ciudad, resultando en 425 viviendas dañadas,
146 colapsadas y 23 inhabitables; mientras que 12 instituciones educativas también fueron
afectadas, 11 quedaron inhabitables y otras tres colapsaron. Además, tres establecimientos
de salud fueron inundados y a dos de ellos los declararon inhabitables (Urbina, 2017).
Debido a que estos fenómenos producidos por el cambio climático se han producido en otras
regiones, existen diversos trabajos de investigación sobre las zonas vulnerables a
inundaciones extraordinarias en zonas donde las lluvias usualmente son escasas. Un ejemplo
de estos estudios, fue el realizado por Wahid et al. (2016), quienes mencionan la importancia
3
de la localización de los lugares propensos a las inundaciones para evitar pérdidas
económicas y salvaguardar a la población, así como para la planificación del uso del suelo.
La zona de estudio de esta investigación fue en la llanura costera del sudoeste del Sinaí,
Egipto, la cual cuenta con características geológicas, morfológicas y condiciones climáticas
que son responsables de las inundaciones extraordinarias estacionales que pueden amenazar
la planificación del uso del suelo en esta área. Por ello, Wahid et al. (2016) realizaron un
trabajo de investigación para obtener un mapa de índice potencial de inundaciones, mediante
el modelamiento geoespacial de información temática de los datos de uso de suelo/cobertura
vegetal, capacidad de infiltración, factor forma y pendiente. En este estudio, se concluyó que
los dos factores que más influencia tenían en el potencial de inundaciones extraordinarias
fueron las pendientes y la capacidad de infiltración. El fin de esta investigación fue prevenir
la pérdida de vidas, daños a la propiedad e impactos ecológicos por inundaciones, antes de
que los planes de desarrollo se inicien en esta zona.
Por otro lado, a pesar de que estos eventos extraordinarios ocasionados por el cambio
climático deben de tomarse en cuenta para el desarrollo de modelos geoespaciales, las
precipitaciones de altas magnitudes que se producen anualmente en la zona andina, generan
desastres a causa de la erosión hídrica, por lo que también es de importancia la generación
de modelos tomando en cuenta el factor de las lluvias.
Los procesos de erosión del suelo pueden producirse de manera progresiva a lo largo del
tiempo, siendo imperceptible, o de manera abrupta con una pérdida significativa de suelo en
corto tiempo. Así mismo, la erosión puede producirse tanto de manera natural por efectos
del agua o el viento, como por la actividad humana. Esta pérdida de suelos que se producen
tiene como consecuencias la degradación del suelo, la reducción de la productividad agrícola
y la contaminación de fuentes cercanas de agua (Telkar y Pote, 2014).
La cuenca Huarmey está comprendida por zonas de costa y andina, donde la vegetación se
produce a diferentes niveles. En la parte baja de la cuenca, la vegetación es escasa y la que
existe solo depende de la zona agrícola de los valles, abarcando un área mínima. En la zona
alta de la cuenca, es donde se encuentra la mayor vegetación de la cuenca, sin embargo, esta
se va reduciendo cada vez más producto del sobre pastoreo y la quema de pastos, trayendo
como consecuencia de esto una mayor erosión de los suelos (Manrique et al. 2018).
4
Existen diferentes trabajos de investigación en las cuales se han generado modelos
geoespaciales, para determinar las zonas más vulnerables a erosión hídrica, así como para
cuantificar la pérdida de suelo que se produce al año. Montes-León et al. (2011), realizaron
un estudio para elaborar el Mapa Nacional de Erosión Potencial, que tuvo como finalidad
encontrar las áreas más vulnerables de México a la erosión potencial, así como la cantidad
de suelo que se perdía al año, utilizando las herramientas SIG y la Ecuación Universal de
Pérdida de Suelos (USLE). La razón por la cual este mapa era de importancia, fue el registro
de diferentes problemas surgidos a causa de la erosión hídrica. La pérdida de suelos que se
venía produciendo en la región, originó la desaparición de zonas agrícolas, la disminución
en los niveles de nutrientes de la tierra, daños en el área urbana donde llegaban los materiales
acumulados, alteraciones en el ciclo hidrológico, impactos negativos en la biodiversidad y
maltrato a las obras hidráulicas, disminuyendo su vida útil. Estas dificultades que se han
presentado en México, debían ser atendidas, para lo cual el mapa de erosión de la zona
permitió, además de la identificación de las zonas más susceptibles, el reconocimiento de
los lugares donde se puedan desarrollar planes de conservación, y otros proyectos, como la
reforestación, que disminuyan el impacto de la erosión en el ambiente (Montes-León et al.
2011).
2.2. VULNERABILIDAD
En el marco de la Ley N° 29664 del Sistema Nacional de Gestión del Riesgo de Desastres y
su Reglamento (D.S. N°048-2011-PCM) se define la vulnerabilidad como la susceptibilidad
de la población, la estructura física o las actividades socioeconómicas, de sufrir daños por
acción de un peligro o amenaza (CENEPRED, 2014).
INDECI (2006) define la vulnerabilidad, como el grado de debilidad o exposición de un

elemento o conjunto de elementos frente a la ocurrencia de un peligro natural o antrópico de
una magnitud dada. Es decir, la predisposición intrínseca de como un elemento
(infraestructura, vivienda, actividades productivas, grado de organización, sistemas de alerta
y desarrollo político-institucional, entre otros), puede sufrir daños humanos y materiales
cuando no se ha invertido lo suficiente en obras o acciones de prevención y mitigación y se
ha aceptado un nivel de riesgo demasiado alto.
5
Se han establecido los siguientes tipos de vulnerabilidad: Física, ambiental y ecológica,
económica, social, educativa, cultural e ideológica, política e institucional, y, científica y
tecnológica (INDECI, 2011).
Por otro lado, SINAGERD (2014) alerta que el 46 por ciento del territorio nacional se
encuentra en condiciones de vulnerabilidad Alta a Muy Alta y que, además el 36.2 por ciento
de la población nacional (9´779,370 habitantes aproximadamente) ocupan y usan este
espacio territorial.
2.3. INUNDACIÓN
La inundación es un proceso de desbordamiento del agua fuera del cauce natural o artificial.
Se producen cuando las lluvias intensas o continuas sobrepasan la capacidad de campo del
suelo, el volumen de transporte del río es superado y el cauce principal se desborda e inunda
los terrenos circundantes (INDECI, 2011). Según las estadísticas, el 40 por ciento de las
víctimas por desastres naturales, se debieron por inundaciones, convirtiéndolo en uno de los
fenómenos más letales. Esto es reforzado por el hecho de que más de la mitad de la población
mundial vive en las costas y a lo largo de ríos y estuarios. (Martínez, 2007).
El INDECI (2011), clasifica las inundaciones según su duración y su origen. Por su duración
se clasifican como inundaciones rápidas e inundaciones estáticas; y según su origen, como
inundaciones pluviales, inundaciones fluviales e inundaciones por operaciones incorrectas
de obras de infraestructura hidráulica o rotura.
2.4. INUNDACIÓN EXTRAORDINARIA
El Servicio Meteorológico Nacional de Estados Unidos, citado por UCAR (2010), establece
que este tipo de inundaciones se producen rápidamente con caudales muy altos y en zonas
generalmente secas, a causa de precipitaciones intensas. Se estima que el tiempo aproximado
que tarda en ocurrir este evento es de seis horas, aunque esto puede variar en diferentes
lugares.
Así mismo, las inundaciones extraordinarias suelen caracterizarse por las fuertes
precipitaciones y el rápido desarrollo de escorrentía. De estos dos factores, las características
6
del suelo donde caen estas precipitaciones, son las más relevantes para el desarrollo de
predicciones de este fenómeno (UCAR, 2010).
Las propiedades del suelo como la humedad, alteraciones a la superficie, permeabilidad y

perfil vertical; y las características de la cuenca como tamaño, forma, pendiente y cobertura
de suelo, son las que influyen en la producción de escorrentía y por ende en la ocurrencia de
inundaciones extraordinarias, razón por la cual forman parte de la data a tener en cuenta para
la predicción de estos eventos (UCAR, 2010).
2.5. EL NIÑO COSTERO
El Niño Costero es un evento climático que, independientemente de los procesos físicos que
lo puedan originar, está relacionado a la presencia de aguas anómalamente cálidas en forma
persistente durante varios meses en la región del Océano Pacífico, principalmente a lo largo
de la costa norte del Perú y de Ecuador. En algunos casos las aguas cálidas pueden extenderse
hacia la costa central y sur del Perú. Este evento puede estar asociado a lluvias muy fuertes
durante el verano en las zonas medias y bajas de la costa norte e inclusive de la costa central,
así como a impactos en el ecosistema marino peruano, de acuerdo a su magnitud y
persistencia (IMARPE, 2018).
La terminología de “El Niño Costero” fue introducida formalmente por el Comité

Multisectorial encargado del Estudio Nacional del Fenómeno El Niño (ENFEN) integrado
por el Instituto del Mar del Perú, Servicio Nacional de Meteorología e Higrología
(SENAMHI), Instituto Geofísico del Perú (IGP), Dirección de Hidrografía y Navegación
(DHN), Instituto Nacional de Defensa Civil (INDECI) y la Autoridad Nacional del Agua
(ANA) en el año 2012, con el fin de precisar las definiciones y conceptos que por años han
causado confusión entre la población.
2.6. EROSIÓN
De acuerdo a Tayupanta (1993), el suelo al estar en contacto con factores externos físicos o
químicos, puede tender a presentar cambios en la superficie, y a este desgaste del material
del suelo se le conoce como erosión. Los suelos van perdiendo parte de su estructura durante
el año, y esto se debe a dos factores, que son el aire y el agua (Telkar y Pote, 2014).
7
A nivel global de la superficie terrestre, existen diferentes tipos de erosión que pueden
agruparse en seis categorías: erosión hídrica, erosión eólica, erosión fluvial, erosión marina
y litoral, erosión glaciar y erosión kárstica (Arias, 2006). Para Kirkley y Morgan (1984);
citado por Arias (2006), a la escala reducida de un talud y zonas aledañas, los únicos que
revisten importancia son la erosión eólica y sobre todo la erosión hídrica.
2.7. EROSIÓN HÍDRICA
La erosión hídrica es el proceso de desprendimiento y arrastre acelerado de las partículas del

suelo causado por la acción del agua que disminuye la productividad de los suelos y afecta
la salud de los ecosistemas. La erosión hídrica es el principal problema que compromete la
sustentabilidad de todos los sistemas productivos. La estimación de pérdidas de suelo por
este fenómeno es una información de suma importancia para la planificación y toma de
decisiones a diferentes niveles (Gaitán et al. 2017).
Arias (2006) menciona cuatro tipos de erosión hídrica: La erosión laminar, erosión por
arroyada anastomosada, erosión por surcos y la erosión cárcavas.
• Erosión Laminar: Para Howell et al. (1979); citado por Arias (2006), consiste en la
remoción de delgadas capas de suelo producida por el agua que fluye por terrenos
uniformes y de poca pendiente, ocasionando la pérdida de la porción de suelo con mayor
contenido en materia orgánica, causando un empobrecimiento en elementos nutrientes y
un descenso de la capacidad de almacenamiento de agua.
• Erosión por Arroyada Anastomosada o Trenzada: La lámina de agua no suele discurrir a

mucha distancia, concentrándose en las pequeñas depresiones e irregularidades del
terreno, formando pequeños hilillos de corriente no jerarquizado y de trayectoria
cambiante, siendo sus efectos similares a los producidos por el flujo laminar.
• Erosión en Regueros o Surcos: Es la forma de erosión más fácilmente perceptible, tiene

su origen a causa del escurrimiento superficial del agua que se concentra en sitios
irregulares o depresiones superficiales del suelo desprotegido o trabajado
inadecuadamente (FAO, 2000; citado por Cabrejos, 2016).
8
• Erosión por Cárcavas: es el estado más avanzado de la erosión por surcos. Dependiendo
de la pendiente y la longitud de la ladera del terreno, el flujo concentrado de agua provoca
el aumento de las dimensiones de los surcos, hasta transformarse en zanjas de gran
tamaño llamadas cárcavas.
El proceso de erosión hídrica involucra tres etapas en las cuales se producen daños
importantes: preparación del material (desprendimiento y remoción), transporte y
sedimentación.
En la etapa de preparación del material se produce una alteración de la estructura superficial

del suelo, destrucción de agregados, formación de costras y sellos, alteración de la relación
infiltración/escurrimiento y pérdida de fertilidad del suelo. En la etapa de transporte se
completa la pérdida de las partículas del suelo (materiales coloidales como materia orgánica,
humus, y nutrientes) iniciada en la etapa anterior, y se genera el escurrimiento superficial
que produce distintas formas de erosión (laminar, en surcos y/o en cárcavas) y daños a la
infraestructura. En la etapa de sedimentación el depósito del material puede destruir cultivos,
dañar la infraestructura (caminos, vías férreas, etc.) y colmatar y reducir la capacidad de
represas y embalses (Gaitán et al. 2017).
2.8. FACTORES QUE INFLUYEN EN LA EROSIÓN HÍDRICA
Entre los factores que determinan la erosión hídrica, Bascuñán (2010) menciona que son,
tectónicos, litológicos, edafológicos, morfológicos, e incluso antrópicos, y que en conjunto
forman un entramado complejo interdependiente a lo largo del tiempo.
Morgan y Rickson, citado por Arias (2006) señalan que, a la escala reducida de un talud, y
a corto plazo, los factores que controlan la erosión son el clima con su agresividad o
erosividad, la naturaleza del terreno con su mayor o menor erosionabilidad, el relieve
topográfico con su pendiente, longitud y forma de la vertiente, y la cobertura vegetal propia
o implantada en su superficie.
El análisis y la evaluación de la vulnerabilidad del territorio a los procesos erosivos y a las

inundaciones por acción de las aguas pluviales, implica conocer las características del
9
material parental, tipos de suelos, variabilidad climática, tipos de cobertura vegetal, formas
de relieve, pendiente, entre otros, que son los factores más importantes que determinan la
vulnerabilidad de una zona. En tal sentido, el grado de vulnerabilidad a la erosión deberá ser
definido sobre la base de su geología, geomorfología, suelos, clima, pendiente y cobertura
vegetal, cuyo análisis e integración se realiza con el SIG (Montalvo, 2015).
2.8.1. Precipitación
Las áreas con grandes precipitaciones son propensas a ser más vulnerables que las áreas con
baja precipitación. Para Vásquez (2000); citado por Cabrejos (2016), establece que las
precipitaciones que se producen en una zona, guardan una fuerte relación con la escorrentía
que se genere en el lugar, así mismo el factor viento influye en el impacto que tenga las
precipitaciones en el suelo, ya que puede alterar la velocidad de la lluvia, variando el ángulo
de impacto, produciéndose una fuerte erosión.
2.8.2. Pendiente
Es uno de los factores que valora el grado de inclinación del sustrato litológico en las
diferentes geoformas. Se debe tener en cuenta que las zonas con poca inclinación o
pendiente, son menos vulnerables a la erosión en comparación de las zonas con pendientes
muy empinadas.
2.8.3. Cobertura Vegetal
Se debe considerar los parámetros de fisonomía, tamaño y porte de las especies que habitan
en la unidad; así como también la cobertura, que se refiere a la densidad de especies
vegetales, y al número de estratos. Por lo tanto, zonas de mayor cobertura arbórea y mayor
número de estratos, son menos vulnerables a la erosión.
2.8.4. Tipo de Suelos
Para Vásquez (2000); citado por Cabrejos (2016), la resistencia que tenga un suelo ante el
desprendimiento de sus partículas por efecto de fuertes escorrentías y la capacidad de
10
infiltración del suelo, será determinado por las propiedades físicas de estructura, textura,
contenido de materia orgánica, entre otros.
2.8.5. Geología
Para el análisis de esta variable se debe tener en consideración el tipo de material parental,
el ambiente de depositación, el grado de alteración, el grado de cohesión de los minerales
que forman las rocas y en menor grado los procesos endógenos y exógenos que afectaron las
secuencias litoestratigráficas. Debido a esto, toda zona que posee material parental
inconsolidado es más vulnerable, ya que poseen baja estabilidad por su falta de cohesión y
está expuesta a la constante alteración de la naturaleza. Por otra parte, las zonas con material
más consolidado, como las rocas de alta compactación, son menos vulnerables a la erosión.
2.8.6. Geomorfología
Están estrechamente relacionadas con la variable geológica a través de los parámetros

morfométricos como la declividad, amplitud altimétrica y los grados de disección,
condicionando la acción de los procesos geodinámicos que también califican cuando
interactúan. En el caso de la erosión, las formas de tierra tipo terrazas altas o medias son
menos vulnerables, que las formas montañosas. Por otro lado, los relieves planos o terrazas
bajas, cercanos a las márgenes de los ríos son más inestables por su exposición permanente
a los fenómenos naturales como las inundaciones.
2.9. SISTEMA DE INFORMACIÓN GEOGRÁFICA (SIG)
Actualmente, se puede recopilar una gran cantidad de datos sobre diferentes temas, y si estos
se encuentran georreferenciados, existe una manera eficiente de manejar esta data, la cual es
mediante los sistemas de información geográfica.
El Sistema de Información Geográfica (SIG) se define como un sistema completo, formado

por cinco componentes (personal capacitado, datos espaciales y descriptivos, métodos
analíticos, hardware y software), cuyo propósito es proporcionar un marco espacial para
apoyar las decisiones para el uso inteligente de los recursos de la tierra y gestionar el entorno
creado por el hombre (Zeiler, 1999).
11
Por otro lado, Kuroiwa (2002) menciona que los SIG están cambiando los procedimientos
de administración de datos y los procesos analíticos, al emplearse para ayudar a la toma de
decisiones, al proporcionar varias alternativas para la planificación del desarrollo,
incluyendo datos socioeconómicos, la conservación del medio ambiente, y el manejo
adecuado de los recursos del país. Afirma también que están siendo utilizados para modelar
los peligros naturales, la vulnerabilidad y los riesgos, con resultados de suma utilidad en los
escenarios geográficos.
El software del sistema tiene la capacidad de soportar modelos o representaciones de la

realidad atentos a puntos de vista, percepciones o intereses heterogéneos. Ello se plasmará
tanto en la información que se seleccionará, como en la manera de organizarla en el programa
(Moreno et al. 2008).
Según Buzai (2008), son dos modelos utilizados computacionalmente para representar la
información obtenida de las diferentes unidades espaciales: el modelo ráster y el modelo
vectorial.
El modelo ráster se caracteriza por dividir el espacio geográfico mediante una matriz
cuadriculada, donde cada celda tiene información correspondiente a la característica
dominante en ella. Cada celda es una localización, técnicamente se denomina píxel (picture
element) y es la unidad mínima de representación espacial. Por otro lado, el modelo vectorial
organiza los datos geográficos en base a la perspectiva de bases de datos relacionadas y a
partir de esto permite trabajar digitalmente utilizando las tres entidades gráficas que se usan
para confección de mapas: puntos, líneas y áreas. Hoy en día los SIG combinan ambos tipos
de estructuras según la precisión de los datos con los que se va a operar.
Los softwares más avanzados, como el ArcGIS, proporcionan al usuario un conjunto de

objetos prediseñados listos para ser usados, así como también la posibilidad de desarrollar
objetos nuevos. De esta manera se dispone de la capacidad de construir una representación
del espacio geográfico más realista y poderosa, pero también más compleja (Zeiler, 1999);
pudiendo desarrollar tareas tanto simples como avanzadas, incluyendo mapeo,
administración de datos, análisis geográfico, edición de datos y geoprocesamiento.
12
2.10. TELEDETECCIÓN
Cuando se quiere caracterizar alguna región de interés, se pueden realizar diferentes

actividades, por ejemplo, un levantamiento topográfico, muestras de tipo de suelo, visitas de
campo, entre otras muchas más. Sin embargo, cuando toda esta información va de la mano
de una fotografía aérea o espacial de la zona de estudio, esto logra que toda la data tomada
previamente, cobre mayor sentido, ya que estas fotografías se convierten en herramientas
audiovisuales que permiten que cualquier usuario distinga con claridad las propiedades y
atributos que posee la región y cómo éstas pueden variar a lo largo del tiempo.
Chuvieco (1995) indicó que la definición de teledetección incluye tanto la toma de imágenes
desde el espacio o el aire de un área de estudio, así como de los procedimientos que siguen
para tratar dicha data según el uso que se le va a dar. Existen dos maneras de realizar una
percepción remota, la primera es la teledetección aérea, realizada mediante aviones
especiales y la segunda es la teledetección espacial, que es la recopilación de fotografías
mediante sensores espaciales, siendo ésta el método más innovador.
Actualmente, debido a que existe la disponibilidad de imágenes satelitales de manera

gratuita, la percepción remota por medio de satélites es la que será definida en el presente
estudio.
De acuerdo con Labrador García et al. (2012), la teledetección espacial cuenta con siete
componentes para su desarrollo:
• El primero de éstos, es la fuente de energía que permite iluminar los elementos de

estudio. El principal ejemplo es la radiación proveniente del sol (A).
• El segundo, es la atmósfera, la cual es atravesada por la energía que viaja de la fuente al
objeto de interés (B).
• El tercero, es el conjunto de elementos sobre la superficie terrestre, que se desea
observar. Los objetos se distinguen por la diferente radiación que refleja cada uno de
ellos (C).
• El cuarto es el sensor que se encuentra en el satélite, cuya función es recopilar la
radiación reflejada (D).
13
• El quinto es la estación que recibe la data de la radiación reflejada y la procesa para
convertirla en imágenes digitales (E).
• El sexto elemento es el proceso para interpretar la imagen digital con el fin de obtener
información de los objetos de interés (F).
• El último componente consiste en la aplicación de estas imágenes para el desarrollo de
estudios, resoluciones de problemas de la zona, etc (G).
Figura 1: Componentes para la teledetección espacial
14
2.10.1. Radiación Electromagnética
La fuente de energía al entrar en contacto con los elementos sobre la superficie terrestre,
cada uno de estos objetos emitirá y/o reflejará una radiación electromagnética diferente, que
se denomina signatura espectral (Castaño Fernández et al. 1996).
Figura 2: Firmas espectrales típicas de distintas cubiertas (Fuente: Tomado de Piazzese

y Oñate 2004)
La energía electromagnética, que es emitida por los objetos, está conformada por la longitud
de onda y la frecuencia. El espectro electromagnético es donde estos dos componentes se
muestran de forma continua. Así mismo, las bandas espectrales son diferentes fragmentos
del espectro, que son captados por los sensores. Debido a que el ojo humano, es un sensor,
éste puede percibir una parte del espectro, denominada “Espectro Visible” (Schomwandt,
2015).
Según Labrador García et al. (2012), las unidades en que se mide la longitud de onda
electromagnética son los micrómetros (μm, 10-6 m.) o nanómetros (nm, 10-9 m.). De esta
manera, los valores de longitud de onda se reflejan en el espectro en dichas unidades, lo que
permite su división en diferentes zonas, como la visible, ultravioleta y demás, que se
muestran en la Figura 3.
15
Figura 3: Espectro Electromagnético (Fuente: UNAM 2016)
2.10.2. Resolución de las imágenes satelitales
Existen diferentes tipos de sensores espaciales, que obtienen información de la superficie

terrestre en distintas resoluciones. Los cuatro tipos de resoluciones que posee una imagen
satelital son la espacial, la radiométrica, la espectral y la temporal. Estas cuatro resoluciones
permiten al usuario distinguir entre todas las imágenes que se cuente de una región de interés,
para que utilicen las adecuadas, dependiendo de la aplicación que se les quiera dar.
• Resolución Espacial: Las imágenes satelitales están compuestos por un conjunto de

píxeles, que son la mínima unidad que capta un sensor remoto. Esta resolución indica la
longitud que posee el píxel de la imagen. Por ejemplo, si se comparan dos imágenes,
donde la primera cuente con una resolución de 0.5 m., que es la longitud del píxel, y la
segunda posea una resolución de 2 m., la primera permitirá visualizar objetos más
pequeños, que en la segunda no podrán ser identificables (Labrador García et al. 2012).
16
Figura 4: Comparación de dos imágenes con diferente resolución espacial (Fuente:
Adaptado de SATELMAC, citado por Labrador García et al. 2012)
• Resolución Radiométrica: cada sensor posee la capacidad de detectar diferentes niveles

de radiancia espectral, es así que cuando un sensor puede captar mayores variaciones de
radiancia, éste posee una resolución mayor que una que detecta menos variaciones. Si se
toma como ejemplo un sistema fotográfico, su resolución radiométrica dependerá del
número de los diferentes tonos de grises que capte el sensor (Chuvieco, 1995). Así
mismo, en el caso de los sensores espaciales, con los que se obtiene una imagen digital,
la resolución radiométrica depende de la cantidad de bits que se requieren para que un
píxel sea almacenado, es así que, un sensor de 8 bits, se traduce en 28 = 256 Niveles
Digitales que percibirá el sensor (Sarría, 2003).
Figura 5: Comparación de resolución radiométrica (Fuente: Adaptado de Chuvieco, citado

por Roberto et al. 2018)
17
• Resolución Espectral: este indicador permite saber cuántas bandas espectrales capta un
sensor, así como su localización en el espectro electromagnético y el ancho de banda que
poseen. Mientras el sensor capta un mayor número de bandas, la resolución será mejor;
sin embargo, la elección de las bandas dependerá del uso que se les dé a las imágenes
(Roberto et al. 2018).
Figura 6: Comparación de bandas espectrales de diferentes sensores (Fuente: Tomado de

Labrador García et al. 2012)
• Resolución Temporal: es el tiempo que toma un sensor. para volver a tomar una imagen
de una misma área de la superficie de la Tierra. Es el período que le toma revisitar una
misma zona (Roberto et al. 2018).
2.11. IMÁGENES SATELITALES: SENTINEL-2
En este estudio se utilizaron las imágenes satelitales de Sentinel-2. De acuerdo a ESA (2012),
el Sentinel-2 es una misión desarrollada por el programa Copernicus de la European Space
Agency (ESA) y está conformado por dos satélites idénticos, el Sentinel-2A (lanzado el 23
de junio del 2015) y el Sentinel-2B (lanzado el 07 de marzo del 2017), que vuelan en lados
opuestos de la misma órbita simultáneamente. Además, cuenta con una cámara
18
multiespectral (MSI) con 13 bandas espectrales y un ancho de barrido de 290 km., cuyas
imágenes tienen las siguientes resoluciones:
• La resolución espacial de 4 bandas espectrales es de 10 m. (figura 7), la de 6 bandas es

de 20 m. (figura 8) y la de 3 es de 60 m (figura 9).
Figura 7: Bandas 2, 3, 4 y 8 con resolución espacial 10 m. (Fuente: Tomado de ESA 2012)
Figura 8: Bandas 5, 6, 7, 8a, 11 y 12 con resolución espacial 20 m. (Fuente: Tomado de

ESA 2012)
19
Figura 9: Bandas 1, 9 y 10 con resolución espacial 60 m. (Fuente: Tomado de ESA 2012)
• La resolución temporal de cada satélite es de 10 días, pero en conjunto es de 5 días en la

línea ecuatorial con condiciones climáticas de cielo despejado
• La resolución radiométrica es de 12 bits.
• La resolución espectral de las imágenes del Sentinel-2A y Sentinel-2B se presentan en
la Tabla 1.
Tabla 1: Resoluciones espacial y espectral de los sensores Sentinel-2 (Fuente: Tomado de

ESA 2012)
20
Así mismo, los productos que genera Sentinel-2 han sido agrupados de acuerdo al nivel de
procesamiento en la que se encuentra la imagen multiespectral. El Nivel-0 representa la data
comprimida sin procesar que será la base para obtener los demás productos. Luego, se
obtiene el Nivel-1a, que es la data sin procesar descomprimida. En el Nivel-1b, la imagen es
corregida radiométricamente en valores de radiancia en techo de atmósfera, o Top-Of-
Atmosphere (TOA), y se provee un modelo geométrico refinado que servirá en el siguiente
nivel de procesamiento. El producto en el Nivel-1c es una orto-imagen en la proyección
UTM/WGS84, obtenida gracias al uso de un DEM (90 m.); además, cada banda espectral
fue redimensionada, generando imágenes con distancias entre los centros de los píxeles
medidos en el suelo, o Ground Sample Distance (GSD), de 10 m., 20 m. y 60 m. de acuerdo
a la banda; de igual forma, la reflectancia por píxel es calculada en TOA (codificada en 12
bits) y se generan las máscaras de nubes y suelo/agua (ESA, 2012). Finalmente, en el Nivel-
2a se obtiene un producto con correcciones atmosféricas, que resulta de la transformación
de la reflectancia TOA a una reflectancia a nivel de superficie, o Bottom-Of-Atmosphere
(BOA) de lo generado en el Nivel-1c, y de igual forma se incluye una clasificación de
escenas (nubes, sombra de nubes, vegetación, suelos/desiertos, agua, nieve, etc.), según ESA
(2019). Del total de productos hallados en los diferentes niveles (0, 1a, 1b, 1c y 2a), Sentinel-
2 solo pone a disposición del público las imágenes en el Nivel-1c y Nivel-2a, los cuales
podrán ser utilizados para trabajos de gestión de riesgo, ordenamiento territorial, agricultura,
entre otros; y en el caso del presente estudio, estas imágenes fueron empleadas para hallar la
capa de cobertura de la cuenca Huarmey.
2.12. MODELAMIENTO GEOESPACIAL
El modelamiento es un procedimiento donde se realiza la integración de capas temáticas

existentes y el diseño de un sistema para la creación de nuevos mapas, y poder efectuar un
análisis de datos correcto. De esta manera, para realizar el modelamiento, el analista debe
organizar los procedimientos necesarios para diseñar e identificar toda la data necesaria para
el estudio. El modelo resultante será una representación gráfica simplificada de la realidad,
que servirá como fuente de documentación y referencia para futuros estudios. La precisión
del modelo final, será definida por la calidad de los datos recogidos. La principal razón para
construir un modelo, es su uso en la predicción de eventos desconocido, por ejemplo, la
longitud de un elemento, el cual no puede ser medido de manera directa o la condición futura
de un fenómeno de interés (Trodd, 2005).
21
Una de las etapas más importantes en el procedimiento para construir un modelo
geoespacial, es la identificación de factores que influyen en el estudio que se planea realizar.
Dependiendo de cada modelo, se preparan matrices donde se representará el modo y el peso
en el que las variables y los atributos influirán. De igual forma, se asignan calificaciones a
los atributos de los submodelos, mediante el software del Sistema de Información Geográfica
utilizado. (Trodd, 2005 y Rodriguez, 2007).
De acuerdo con Montalvo (2015), se lleva a cabo una integración de variables en un

esquema, tal como se muestra en la Figura 10, el cual es un ejemplo para obtener el mapa de
vulnerabilidad. Cada variable posee un valor de acuerdo a la incidencia en el objetivo del
modelo.
Figura 10: Integración de variables (Fuente: Tomado de Montalvo 2015)
22
2.13. MÉTODO DE LA ECUACIÓN UNIVERSAL DE PÉRDIDA DE SUELOS
(USLE)
El Método de la Ecuación Universal de Pérdida de Suelos (Universal Soil Loss Equation,

USLE), fue desarrollado en Estados Unidos por Wischmeier y Smith en 1965 y modificado
en 1978. Esta ecuación evalúa principalmente la erosión laminar o erosión “entre surcos” y
la erosión en surcos en forma conjunta, no así a la erosión por escurrimiento o “flujo
concentrado” cuya expresión máxima es la formación de cárcavas (Marelli, 1988; citado por
Gaitán et al. 2017).
Mancilla (2008) afirma que el método USLE permite predecir la pérdida anual de suelo por
hectárea y también precisar las técnicas más apropiadas para el laboreo del suelo, en especial
para cultivos agrícolas. Por otro lado, Gaitán et al. (2017) menciona que la USLE es un
método que se puede aplicar en cualquier región, de allí el termino universal, ya que
considera los principales factores que intervienen en el proceso de erosión hídrica
(precipitaciones, suelo, relieve, coberturas y prácticas de conservación); además permite
predecir la erosión actual y realizar simulaciones con diferentes escenarios.
La representación matemática de la Ecuación Universal de Pérdidas de Suelo es:
A=R*K*L*S*C*P
En donde:
A = es la pérdida de suelo total (t/ha.año)
R = es el índice de erosividad de la precipitación (MJ.mm/ha.h.año)
K = es el factor de la erodabilidad del suelo (t.ha.h/ha.MJ.mm).
L = es el factor de longitud de la pendiente
S = es el factor de inclinación de la pendiente
C = es el factor de la cobertura vegetal
P = es el factor de prácticas de conservación
23
2.13.1. Factor de Precipitación (R)
Este índice climático expresa la energía potencial de las precipitaciones y su escorrentía, que
originan la erosión de una región determinada (Montes-León et al. 2011). De este modo,
cuando las lluvias que se producen son más intensas y duran por mayor tiempo, mayor es la
erosión potencial producida en la zona (Stone y Hilborn, citado por Chadli 2016).
De acuerdo con Wischmeier y Smith, citado por Chadli (2016), este factor se obtiene de la
multiplicación de la intensidad máxima de la precipitación en un intervalo de 30 minutos
con la energía cinética producida.
𝐸𝐼30 = 𝐸𝐶 × 𝐼30
Donde:
EI30 = Índice de erosividad de la lluvia (MJ.mm/ha.h)
EC = Energía cinética total de la lluvia (MJ/ha)
I30 = Máxima intensidad de la lluvia en 30 minutos (mm/h)
La ecuación de Wischmeier y Smith depende de la recolección de data de intensidad de las

lluvias en períodos corto de tiempo, sin embargo, debido a la dificultad para obtener esta
información, se pueden utilizar otras fórmulas. Ramos Taipe (2001) indicó que el Factor R
puede ser hallado mediante el uso de datos de precipitación anual, del mes más lluvioso o la
máxima diaria, utilizando las siguientes fórmulas.
𝑅 = 𝑎 (𝑃2 /𝑃)𝑏
Donde:
P2 = Precipitación del mes más lluvioso
P = Precipitación del año
b = Exponente
Así mismo, según Roose, citado por Ramos Taipe (2001), el Factor R se obtiene mediante
la siguiente fórmula.
24
𝑅 = 1.73 × 0.5 × 𝑃
Donde:
R = Factor de erosividad de la lluvia (MJ.mm/ha.h.año)
P = Precipitación media anual (mm)
De acuerdo con Morgan, citado por Ramos Taipe (2001), en el caso de zonas que presentan
altas precipitaciones, este índice se determina por la siguiente ecuación.
𝑅 = 𝐼30 (9.28𝑃 − 8,383)/1000
Donde:
I30 = 75 mm/h (valor recomendado por Wischmeier)
Por último, este factor se puede hallar mediante la ecuación de Foster, citado por Ramos
Taipe (2001).
𝑅 = 0.276𝑃 × 𝐼30 /100
La elección de la ecuación a utilizar dependerá de la data de precipitaciones con la que se

cuente. Además, Ramos Taipe (2001) señaló que las fórmulas de Roose, Morgan y Foster
son las más recomendables, debido a que se pueden adaptar fácilmente.
2.13.2. Factor de Susceptibilidad a erosión del Suelo (K)
El Factor K representa la medida de la susceptibilidad a la erosión del suelo causado por

precipitaciones y escorrentía. La textura, estructura, materia orgánica y permeabilidad del
suelo son factores que influyen en el valor de “K”, sin embargo, la textura es la propiedad
que tiene mayor impacto en este factor (Stone y Hilborn, citado por Chadli 2016).
Un método para hallar este factor es mediante la ecuación de Wischmeier y Smith en 1978,
la cual requiere de los datos de textura, estructura, permeabilidad y materia orgánica de los
tipos de suelos que existan en la zona de estudio.
25
100𝐾 = 2.1𝑀1.14 (10−4 )(12 − 𝑎) + 3.25(𝑏 − 2) + 2.5(𝑐 − 3)
Donde:
M = (% limo + % arena muy fina) * (% limo + % arena - % arena fina)
a = Porcentaje de materia orgánica
b = Parámetro de tipo de estructura de suelo
c = Clase de permeabilidad
Por otro lado, Sharpley y Williams (1990), establecen que, para el cálculo del Factor K, se
requiere solo de los datos de textura y materia orgánica y se realiza un análisis de la capa
superior del suelo al comienzo del año de cada simulación que se realice y de acuerdo a los
resultados que se obtengan, se efectúan las siguientes ecuaciones.
𝐾𝑈𝑆𝐿𝐸 = 𝑓𝑐𝑠𝑎𝑛𝑑 × 𝑓𝑐𝑙−𝑠𝑖 × 𝑓𝑜𝑟𝑔𝑐 × 𝑓ℎ𝑖𝑠𝑎𝑛𝑑
𝑚𝑠𝑖𝑙𝑡
𝑓𝑐𝑠𝑎𝑛𝑑 = (0.2 + 0.3 × 𝑒𝑥𝑝−0.256×𝑚𝑠(1− 100 ) )
𝑚𝑠𝑖𝑙𝑡 0.3
𝑓𝑐𝑙−𝑠𝑖 = ( )
𝑚𝑐 + 𝑚𝑠𝑖𝑙𝑡
0.25 × 𝑜𝑟𝑔𝐶
𝑓𝑜𝑟𝑔𝑐 = (1 − )
𝑜𝑟𝑔𝐶 + 𝑒𝑥𝑝[3.72 − 2.95 × 𝑜𝑟𝑔𝐶 ]
𝑚𝑠
0.7 × (1 − )
𝑓ℎ𝑖𝑠𝑎𝑛𝑑 = (1 − 100 )
𝑚 𝑚𝑠
(1 − 𝑠 ) + 𝑒𝑥𝑝 [−5.51+22.9×(1−100)]
100
Siendo:
KUSLE: Factor de Susceptibilidad a erosión del Suelo
ms: Porcentaje de arena
msilt: Porcentaje de limo
mc: Porcentaje de arcilla
orgC: Porcentaje de materia orgánica
26
2.13.3. Factor Topográfico (LS)
Los factores de longitud de la pendiente “L” y grado de inclinación “S” expresan la

influencia de la topografía de un lugar en la erosión hídrica (Montes-León et al. 2011). Por
esta razón, cuando las pendientes de una región son más largas y pronunciadas, las
probabilidades para que se produzcan erosiones son mayores (Stone y Hilborn, citado por
Chadli 2016).
De acuerdo con Desmet y Govers (1996), el cálculo de los factores LS se realiza gracias a
un algoritmo de computadora vinculada a un software de SIG. De este modo, la ecuación
originalmente desarrollada por Foster y Wischmeier en 1974, fue adaptada para que sea
ejecutada con valores de una grilla de celdas, resultando en la ecuación de Desmet y Govers.
𝑆𝑗 (𝑗𝑚+1 − 𝑗−1
𝑚+1
) (Foster y Wischmeier,
𝐿𝑆𝑗 =
(𝑗 − 𝑗−1 )(22.13)𝑚 1974)
Donde:
L = Factor de longitud de pendiente para el segmento j
Sj = Factor de pendiente para el segmento j
j = Distancia de la pendiente del segmento j (m)
m = Exponente del factor LS de la USLE
22.13 es la longitud de la parcela unitaria
(𝑚+1)
[𝐴(𝑖,𝑗) + 𝐷2 ] − 𝐴(𝑖,𝑗) 𝑚+1 (Desmet y Govers,
𝐿(𝑖,𝑗) = 1996)
𝑥 𝑚 𝐷𝑚+2 (22.13)𝑚
Donde:
L(i,j) = Factor de longitud de pendiente para el píxel con coordenadas (i,j)
A(i,j) = Área de captación a la entrada de un píxel con coordenadas (i,j) (m2)
D = Tamaño de píxel (m)
m = Exponente del factor LS de la USLE
22.13 es la longitud de la parcela unitaria
x = Factor de corrección forma (x = 1 para sistemas pixeleados)
27
Factor L
Este factor mide la distancia que recorre la escorrentía, desde su origen en la divisoria de las
aguas de la cuenca, hasta alcanzar una zona de sedimentación o cauce (Wischmeier y Smith,
citado por González del Tánago, 1991). De este modo, es que en la realidad cuando la
longitud recorrida por la escorrentía incrementa, se producen mayores pérdidas de suelo, y
es en la zona baja, dónde esta pérdida aumenta, ya que la acumulación de la escorrentía
aumenta al llegar aguas abajo (Meyer et al., citado por González del Tánago, 1991).
Para efectuar la ecuación de Desmet y Govers, se requiere hallar el parámetro “m”. Según la
metodología desarrollada por Foster et al., citada por Yaguache Ordoñez et al. (2016), para
encontrar los valores de “m” del área de estudio se utiliza la siguiente ecuación.
𝛽 (Foster et al. 1977)

𝑚=
1+𝛽
Así mismo, de acuerdo a McCool et al., citado por Yaguache Ordoñez et al. (2016), la
siguiente fórmula es aplicada para hallar “β”.
sin 𝜃
(0.0896) (4)
𝛽=
[3(sin 𝜃)0.8 + 0.56] (McCool et al. 1987)
Donde:
Θ = Pendiente del terreno
Factor S
El factor de inclinación de pendiente se halla mediante la relación de la pérdida de suelos en

una pendiente determinada, entre una pendiente normalizada de nueve por ciento (Zúñiga
Huaco, 2017).
Según McCool, citado por Yaguache Ordoñez et al. (2016), las siguientes ecuaciones son
utilizadas para hallar el factor topográfico “S”.
28
𝑆 = 10.8 sin 𝜃 + 0.03 𝑠 < 9% (McCool et al. 1987)
𝑆 = 16.8 sin 𝜃 − 0.50 𝑠 ≥ 9%
Donde:
S = Factor de pendiente
Θ = Ángulo de pendiente en grados
s = Inclinación = tan Θ
Además de estas ecuaciones para el cálculo del factor topográfico, existe un método
simplificado desarrollado por la Facultad de Hidráulica e Hidrología de la Escuela Técnica
Superior de Ingenieros de Montes de Madrid, que permite saber el valor del Factor LS
mediante las pendientes en porcentajes que se presentan en la zona de estudio.
Tabla 2: Valores de LS de acuerdo a la pendiente (Fuente: Tomado de Ramos Taipe 2001)
2.13.4. Factor de Cobertura Vegetal (C)
Este factor refleja la capacidad de la cobertura vegetal para brindar protección al suelo, frente
al impacto de las precipitaciones y la potencia del flujo que se producen en la superficie
(Morante Vargas y Gonzales Carrasco, 2019). De esta manera, en las áreas que cuenten con
una mayor cobertura vegetal, los valores de C se acercarán a cero, mientras que en las zonas
cuya superficie se encuentra desprotegida, los valores alcanzarán el valor de uno (Montes-
León et al. 2011).
29
Montes-León et al. (2011) realizó una compilación de diferentes valores de C para diferentes
tipos de cobertura, consultando una variedad de bibliografías (Anexo 1). Así mismo,
Wischmeier, citado por Ramos Taipe (2001), estableció valores del coeficiente C, para
diversas coberturas vegetales (Anexo 2).
2.13.5. Factor de Prácticas de Conservación (P)
La eficiencia de las prácticas de conservación que se llevan a cabo en una región para
controlar la erosión se expresa mediante este factor. Algunos ejemplos de estas técnicas de
preservación son el laboreo a nivel, el aterrazado y el cultivo en fajas alternantes (Ibañes
Asencia et al., citado por Morante Vargas y Gonzales Carrasco 2019).
De acuerdo con Ramos Taipe (2001), los valores de P dependiendo de las prácticas de
conservación obtendrán ciertos valores que se observan en el Anexo 3. Sin embargo, si no
se cuenta con esta información o no existe la práctica de estas técnicas, P obtiene el valor de
uno en la ecuación.
30
III. MATERIALES Y MÉTODOS
3.1. UBICACIÓN DE LA ZONA DE ESTUDIO
El área de estudio del presente trabajo de investigación se desarrolló en la cuenca del río
Huarmey, la cual está ubicada en la zona noroeste del Perú, dentro de la región Áncash.
La zona de estudio se encuentra entre los paralelos 9°37’16’’ y 10°11’21’’ de latitud sur,
entre los meridianos 77°27’20’’ y 78°10’39’’ longitud oeste y su altitud varía de 0 a 4950
m.s.n.m. Así mismo, cuenta con un área de 2,245 km2 y un perímetro de 267.2 km.
Políticamente, la cuenca del río Huarmey comprende tres provincias de la región Áncash.
La provincia de Huarmey es la que abarca mayor área de la cuenca, contando con 1,375.1
km2, que significa un 61.3 por ciento del total; por otro lado, la provincia de Aija cuenta con
un área de 599.1 km2, que representa el 26.7 por ciento; y finalmente, la provincia de Recuay
abarca 270.8 km2, siendo el 12.1 por ciento del total de la cuenca.
La principal vía que se utiliza para trasladarse a la cuenca, es la carretera Panamericana

Norte, la cual conecta a la ciudad de Lima con la ciudad de Huarmey. Así mismo, esta vía
conecta a la ciudad de Huarmey con las ciudades de Casma y Chimbote por el norte. Para
poder trasladarse a la parte alta de la cuenca, existe una carretera asfaltada que va desde la
ciudad de Huarmey hasta la localidad de Huamba Baja, y a partir de ahí, existe una vía no
asfaltada para trasladarse a las demás provincias.
31
Figura 11: Ubicación de la Cuenca Huarmey
Figura 12: División política de la Cuenca Huarmey

32
3.2. MATERIALES Y EQUIPOS
A continuación, se detallará la lista de materiales que se utilizaron en el presente estudio

para el desarrollo de los modelos.
Materiales:
• Capa vectorial de las unidades hidrográficas del Perú en formato shape del portal web
del ANA
• 02 imágenes satelitales de la misión Sentinel-2, desarrollada por el programa Copernicus
de la European Space Agency (ESA), que abarca la cuenca Huarmey en su totalidad.
• Las cartas nacionales 20-g (Culebras), 20-h (Huaraz), 20-i (Recuay), 21-g (Huarmey) y
21-h (Huayllapampa), elaboradas por el Instituto Geográfico Nacional (IGN) en formato
shape, que unidas contienen la información topográfica a un intervalo de 50 m. de la
Cuenca Huarmey.
• La capa vectorial del Mapa de Hidrogeología Nacional (2016), creado por el Instituto
Geológico, Minero y Metalúrgico (INGEMMET)
• Datos de precipitaciones de las estaciones climáticas de Malvas, Cotaparaco, Chamaná
y Huarmey del Servicio Nacional de Meteorología e Hidrología del Perú (SENAMHI)
• Las cartas nacionales 20-g, 20-h, 20-i, 21-g y 21-h de los Mapas Geológicos Integrados
a Escala 1:100,000, elaborados entre el 2014 y 2016 por INGEMMET.
• La capa vectorial del Mapa Geomorfológico del Perú, desarrollado por la Dirección de
Geología Ambiental y Riesgo Geológico del INGEMMET, a escala 1:250,000, entre los
años 2012 y 2016.
Equipos:
• Cámara digital
• Memoria extraíble
• GPS
• Libreta de campo
• Lápices, lapiceros, regla y borrador
• Bolsas para muestras de 0.5 kg.
• Plumón indeleble
• Lampa
33
• Barreta
• EPP (Guantes de seguridad, lentes de sol, zapatillas de montaña)
• Wincha
• Celular inteligente
• Laptop
• Impresora
Softwares:
• Sentinel Application Platform (SNAP)
• ENVI 5.0
• Google Earth Pro
• Microsoft Office (Word y Excel)
• ArcGIS 10.4
3.3. MÉTODOS
El método que se realizó consistió en cinco fases según se muestra en el siguiente gráfico.
Fase Inicial o Fase Final o fase

1ra fase de Geo- 2da fase de Geo-
fase de pre- Fase de Campo de post-
procesamiento procesamiento
procesamiento procesamiento
Recolección Construcción
de datos e de la Base de
imágenes Datos
sobre la Se realizaron Geoespaciales
cuenca visitas para la Elaboración
Procesamiento
Huarmey identificación de los Presentación de
de las
de la cuenca, modelos geo- los resultados,
imágenes y
toma de espaciales de conclusiones y
datos
muestras y Inundaciones recomendaciones
recolectados
validación de
Planificación
datos. Elaboración de
del trabajo de
los modelos de
campo
Vulnerabilidad
y USLE
Figura 13: Esquema metodológico de la tesis
34
3.3.1. Fase Inicial o fase de preprocesamiento
En esta primera fase, se realizó la recopilación de datos sobre la zona de estudio, necesaria
para la elaboración de los modelos geoespaciales.
a. Imágenes Satelitales:
Para obtener la capa de cobertura, se requirieron de imágenes satelitales actuales, razón por
lo que se utilizaron imágenes Sentinel-2 de alta resolución (10 m.) del área de estudio. Es
por ello que, para obtener esta información de manera libre, se creó una cuenta de usuario
en el sitio web Copernicus Open Access Hub (https://scihub.copernicus.eu/dhus/#/home),
que forma parte del Programa Copernicus, desarrollado por la Unión Europea, para
descargar de forma gratuita las imágenes Sentinel-2 y (figura 14).
Figura 14: Sitio web Copernicus Open Access Hub (Fuente: Tomado de ESA, c2014.)
Una vez que se creó la nueva cuenta de usuario, se procedió a buscar las imágenes de la
Cuenca Huarmey. Se seleccionó un área rectangular que abarcó la cuenca en la página de
inicio de Copernicus y se ingresaron en los filtros de búsqueda la fecha del último año y de
la misión Sentinel-2 (figura 15). Debido a que la búsqueda de imágenes se realizó antes de
35
que el producto en el Nivel-2a estuviera disponible para la zona, se hizo la descarga de la
data en el Nivel-1c, que cuenta solo con las correcciones radiométrica y geométrica pero no
con la atmosférica. Para esta investigación se descargaron dos archivos comprimidos:
• S2A_MSIL1C_20170723T152641_N0205_R025_T17LRK_20170723T152915
archivo que pertenece al 23 de julio del 2017
• S2A_MSIL1C_20170703T152641_N0205_R025_T17LRJ_20170703T153040 archivo
que pertenece al 03 de julio del 2017
Figura 15: Selección de la cuenca Huarmey y aplicación de los filtros de búsqueda
Software SNAP:
Para poder realizar el procesamiento de las imágenes Sentinel-2, se requirió del programa
Sentinel Application Platform (SNAP). Según STEP (s.f.), este software de libre acceso fue
desarrollado por ESA y dirigido por Brockmann Consult, Array Systems Computing y C-S,
y tiene como función almacenar las herramientas para procesar las imágenes Sentinel. SNAP
fue descargado de la página web http://step.esa.int/main/download/snap-download/, que es
la Plataforma para la Aplicación de Herramientas Científicas, cuyas siglas en inglés son
STEP (Anexo 4). Además, desde esta web también se descargó el procesador Sen2Cor, en
36
la dirección http://step.esa.int/main/third-party-plugins-2/sen2cor/, el cual efectuó la
corrección atmosférica de las imágenes para transformar la reflectividad de techo de
atmósfera (TOA) a nivel de superficie (BOA) y de esta manera pasar el producto del Nivel-
1c al Nivel-2a (Anexo 5).
b. Información digital de base de datos nacional:
• Para la elaboración de la capa de pendientes de la zona de estudio, se requirió como

elemento principal las curvas de nivel, las cuales se obtuvieron del aplicativo de
descargas puesto a disposición por el Ministerio de Educación (MINEDU) a través de la
web http://sigmed.minedu.gob.pe/descargas/#. Es por medio de este servidor, que se
descargaron las cartas nacionales 20-g, 20-h, 20-i, 21-g y 21-h, que cubrieron toda el
área de la cuenca. Luego de haber descargado y descomprimido los archivos en formato
zip, se procedió a trabajar con las curvas de nivel en formato shape de cada carta.
• Se requirió del Mapa de Hidrogeología Nacional, creado por el Instituto Geológico,

Minero y Metalúrgico (INGEMMET), cuya última actualización fue en el 2016. Esta
información se obtuvo del portal GEOCATMIN, el cual es un Sistema de Información
Geológico y Catastral Minero donde se encuentra una base de datos del territorio
nacional (INGEMMET, c.2017). Desde este servidor, se descargó un archivo en formato
shape del Mapa de Hidrogeología.
• Se utilizó el visor de estaciones que se encuentra en el portal web del ANA

(http://snirh.ana.gob.pe/visors2/), ya que contiene los datos de precipitaciones del
SENAMHI, para descargar información de las estaciones climáticas de Malvas,
Cotaparaco, Chamana y Huarmey por un período de 21 años (1990-2010).
• Se utilizó el portal GEOCATMIN (http://geocatmin.ingemmet.gob.pe/geocatmin/) para

la descarga de los archivos en formato shape de las cartas nacionales 20-g, 20-h, 20-i,
21-g y 21-h de los Mapas Geológicos Integrados a Escala 1:100,000, elaborados entre el
2014 y 2016 por INGEMMET.
37
• Se obtuvo el Mapa Geomorfológico del Perú, desarrollado por el INGEMMET, mediante
el portal GEOCATMIN, donde se descargó un archivo en formato shape del mapa
completo.
c. Coordinación para visita de campo:
Se concertaron reuniones con el director de la Agencia Agraria de Huarmey, el Ing. Efraín

Tito Motta Padilla, para explicarle el proyecto de tesis y elaborar el plan de visita a la cuenca.
3.3.2. 1ra fase de Geoprocesamiento
En esta etapa se realizó el procesamiento de las imágenes e información digital de la cuenca

Huarmey para la elaboración de la información temática de cobertura, pendiente, capacidad
de infiltración, geología, geomorfología, factor forma y precipitación.
a. Cobertura Vegetal
Delimitación de la imagen satelital
En este mapa temático se podrá visualizar la clasificación de uso de suelo, y la cobertura

vegetal, que representa las formaciones naturales que están sobre la superficie. Debido a que
este mapa puede ser utilizado para diferentes propósitos, no existe una clasificación
estandarizada, por lo que para cada estudio se llevará a cabo una distribución acorde a las
necesidades (Anderson et al. 1976).
Una vez efectuada la descarga de las imágenes satelitales Sentinel-2, se procedió a ejecutar
la corrección atmosférica para que pasen del Nivel-1c al Nivel-2a, por lo cual se utilizó el
programa SNAP y la herramienta Sen2Cor. Las dos imágenes descargadas (la primera del
23 de julio del 2017 y la segunda del 03 de julio del 2017) fueron descomprimidas y dentro
de la carpeta se encontraron diferentes archivos (Anexo 6). El archivo de metadatos,
MTD_MSIL1C en formato XML, de cada producto se abrió en el programa SNAP, ya que
dentro de ellos se encontraban las 13 bandas espectrales (figura 16).
38
Figura 16: Archivos abiertos en SNAP
Después se procedió a usar el procesador Sen2Cor, que efectuó la corrección atmosférica

para alcanzar el Nivel-2a, en esta ventana se seleccionó el primer archivo y en la sección de
Parámetros para Procesamiento se escogió la resolución en la que se quiso obtener el
resultado, que en este estudio fue de 10 m., con el fin de conseguir una imagen de alta
resolución que permita una mejor clasificación de clases (Anexo 7). Una vez terminado el
proceso de corrección, las imágenes logradas en el Nivel-2a (figura 17) se guardaron en la
misma carpeta donde se encontraban los archivos originales. Este proceso se repite para el
segundo archivo.
39
Figura 17: Imagen corregida
Las bandas 2, 3, 4 y 8 que cuentan con una resolución de 10 m. fueron las que se utilizaron
para los pasos siguiente; sin embargo, las demás bandas que cuentan con una resolución de
20 m. y 60 m., también pueden emplearse, luego de pasar por un proceso de remuestreo
gracias a la opción Resampling que ofrece SNAP, donde se puede cambiar la resolución de
estas bandas a 10 m.
Después de los procesos anteriores, se efectuó el mosaico de las dos imágenes que cubren la
cuenca Huarmey ya en el Nivel-2a. Ambos archivos de metadatos (MTD_MSIL2A) fueron
exportados en el formato original de SNAP, BEAM-DIMAP, que permite que el
procesamiento no tarde demasiado por no contar con memoria suficiente en el ordenador
(Casella et al. 2018). Estos nuevos archivos, se abrieron en SNAP y se seleccionó la
operación Mosaicing.
En la primera pestaña de la ventana de Mosaicing, se ingresaron los datos de entrada, los

cuales fueron las dos imágenes a unir; y los parámetros de salida fueron, la ruta del archivo
resultante, el nombre, y el formato.
40
En la pestaña de Map Projection Definition, se escogió la opción de UTM/WGS 84
(automático), se indicó que el tamaño del píxel resultante fuera de 10 m. y en el mapa
mundial que se muestra, se encerró en un recuadro los límites donde se encuentra el mosaico.
Por último, en la tercera pestaña de Variables y Condiciones se añadieron las bandas a

mostrarse en el producto final, que en este caso fueron las bandas 2, 3, 4 y 8, para finalmente
correr el procesamiento con el comando Run (Anexo 8).
Figura 18: Mosaico final
Una vez que se contó con el mosaico final (figura 18), se procedió con la extracción de la
cuenca Huarmey, razón por la que se importó al SNAP el archivo en formato shape de la
cuenca, apareciendo como una máscara sobre el mosaico. Luego, se abrió la ventana de
Land/Sea Mask cuya función es igualar a cero el valor de los píxeles fuera de la región de
interés (ROI), que en este caso fue el polígono de la cuenca. En la primera pestaña se
ingresaron los datos de entrada/salida y en la segunda se seleccionaron las bandas que
conformaron la imagen resultante (2, 3, 4 y 8) y el vector que se usó como máscara (Anexo
9). Finalmente se corrió el procesamiento dando como producto la imagen satelital
delimitada (figura 19). Este archivo final se exportó en formato ENVI, para que en ese
software pueda ser clasificado, esto a causa de que el ordenador donde se realizó este estudio
41
no tuvo la capacidad para procesar las clasificaciones supervisadas y no supervisadas en el
programa SNAP.
Figura 19: Imagen Satelital de la cuenca Huarmey delimitada
Clasificación No Supervisada y Supervisada
Después de obtener la imagen satelital delimitada de la cuenca del río Huarmey, se hizo uso
del software ENVI para la clasificación de coberturas. En este programa se realizaron dos
tipos de clasificación, la supervisada y no supervisada.
Durante este proceso, se encuentran zonas con características similares para que sean
agrupadas en clases, de este modo, se inició con una clasificación no supervisada K-Means
o K-Medias, que realizó este procedimiento de manera automática, solo necesitando los
datos de la imagen de entrada, los números de clases y el nombre del archivo de salida,
resultando en la imagen de la figura 77.
Después, se llevó a cabo la clasificación supervisada que, a diferencia de la no supervisada,

realiza una agrupación de forma controlada. Para ello, se utilizaron imágenes de Google
Earth, y la imagen satelital delimitada en infrarrojo (para localizar las áreas verdes).
42
La clasificación supervisada comienza con la definición de los ROI’s o también llamados
regiones de interés, para lo cual se abrió la herramienta ROI y se dibujaron los polígonos de
cada zona en la imagen, los cuales resultaron en 11 clases (Anexo 10). Una vez que se obtuvo
el archivo de clases, se probó con diferentes métodos de clasificación supervisada que cuenta
el programa ENVI, siendo la clasificación por Máxima Probabilidad (Maximum Likelihood),
por la que se optó en este estudio, y la cual generó el gráfico de la figura 78.
Luego de realizar la clasificación supervisada por Máxima Probabilidad, se observó en la

imagen resultante que aún existían algunos errores en la distribución de las zonas. Debido a
esto, se efectuaron algunas correcciones, con el fin de obtener una mayor precisión en el
mapa de cobertura. Para ello, se utilizó el TIN elaborado para este estudio y se realizaron
visitas de campo a la zona urbana, agrícola, llanuras, entre otras de la cuenca Huarmey, para
poder fotografiar las diferentes coberturas encontradas, así como para tomar las coordenadas
mediante un GPS, para asignar la ubicación de los lugares en donde se tomaron las
fotografías (figura 20, 21, 22, 23, 24 y 25). Por otro lado, en las áreas que fueron inaccesibles,
debido a la falta de carreteras, se emplearon las imágenes satelitales provistas por Google
Earth Pro (figura 26).
Figura 20: Llanura arenosa
43
Figura 21: Áreas agrícolas
Figura 22: Matorrales
44
Figura 23: Montañas
Figura 24: Suelo desnudo
45
Figura 25: Zonas urbanas
Figura 26: Cuenca Huarmey en Google Earth Pro (Fuente: Tomado de Google, c2019.)
46
b. Pendiente
Se utilizó el componente ArcMap del software ArcGIS, como medio para trabajar con los
archivos descargados de las cartas nacionales. Se inició agregando las curvas de nivel de
todas las cartas al ArcMap, sin embargo, en este caso se observó que la cuenca se encontraba
dentro de las zonas 17 y 18 sur en la proyección UTM. Para continuar con los siguientes
procesos, se necesitaba trabajar en un sistema definido de coordenadas, para lo cual se eligió
la zona 18 sur, ya que la mayor parte de la cuenca recae en esta área (figura 27). Una vez
realizado este análisis, se hizo el cambio de sistema de coordenadas de las cartas 20-g y 21-
g de la zona 17 sur, con la herramienta Project de ArcGIS, cuya ruta es ArcToolbox > Data
Management Tools > Projections and Transformations > Project. En esta ventana se
agregó el archivo en formato shape de la carta a transformar, el programa por defecto detectó
el sistema en el que se encontraba; luego se agregó la ubicación del resultado, se seleccionó
el nuevo sistema de coordenadas, que en este caso fue WGS 1984 UTM Zona 18S, y se
corrió el programa. El mismo proceso se realizó para la segunda carta.
Figura 27: Zonas en la que recae la cuenca Huarmey
47
Antes de seguir con los siguientes pasos, se definieron las propiedades del Marco de Datos
(Data Frame Properties) de ArcMap, que luego del análisis previo, se definió la zona 18 Sur
como el sistema de coordenadas. Después de esto, el siguiente paso fue combinar las cinco
capas vectoriales de las curvas de nivel con la herramienta Fusionar (Merge), ubicado en la
opción de Geoprocesamientos (Geoprocessing) de la barra de herramientas. En esta ventana
se agregaron las cinco capas de las curvas de nivel y se añadió la ubicación del archivo de
salida. Luego de conseguir el resultado, se procedió a cortar las curvas en forma de un
polígono que encerraba el área de la cuenca, esto con ayuda de la herramienta Recortar
(Clip), que también se encuentra en Geoprocessing. La razón por la cual no se cortaron las
líneas de las curvas de nivel con la forma de la cuenca de estudio, fue porque los bordes
irregulares de este polígono generaron imprecisiones en la creación de las redes irregulares
de triángulos (TIN).
La elaboración del TIN se llevó a cabo con la herramienta Crear TIN (Create TIN), cuya
dirección es ArcToolbox > 3D Analyst Tools > Data Management > TIN > Create TIN.
En esta ventana se añadió la capa de las curvas delimitadas, se escogió el sistema de
coordenadas del TIN, zona 18 Sur, luego se ingresó la ubicación del producto de salida y en
las características del archivo de entrada se seleccionó el campo donde se encontraban las
alturas de las curvas de nivel en la Tabla de Atributos, que en el caso de las cartas del IGN
es el campo “Z” (figura 28). El resultado muestra la forma del relieve de la cuenca Huarmey
y se puede observar en la figura 29.
48
Figura 28: Ventana para crear el TIN
Figura 29: TIN resultante
49
Después, se efectuó una interpolación del TIN obtenido, para generar un Modelo Digital de
Elevaciones (DEM), con la herramienta TIN a Ráster, que se encontró en la ruta ArcToolbox
> 3D Analyst Tools > Conversion > From TIN > TIN to Raster. Como datos de entrada,
se añadió el TIN y se especificó que el tamaño de celda fuera de 30 m. (este tamaño fue
utilizado en todos los ráster del proyecto). Como dato de salida, se agregó la ruta de salida
del DEM (figura 30). El resultado fue un ráster que representa la superficie del suelo (figura
31). Ya que el DEM se elaboró de forma correcta, en este punto se delimitó el DEM con la
forma de la cuenca Huarmey con ayuda de la herramienta Extraer por Máscara (Extract by
Mask), el cual tiene la ruta ArcToolbox > Spatial Analyst Tools > Extraction > Extract
by Mask, en esta ventana se agregó el ráster resultante, el polígono de la cuenca en formato
shape y la ubicación que se dio al DEM de Huarmey (figura 32).
Figura 30: Ventana TIN a Ráster
50
Figura 31: Primer DEM resultante
Figura 32: DEM de la cuenca Huarmey
51
Los sumideros son errores comunes que puede presentar un DEM, es por esta razón que,
como solución ante este posible escenario, se aplicó la función Rellenar (Fill), que se
encontró en la ruta ArcToolbox > Spatial Analyst Tools > Hydrology > Fill. Este nuevo
ráster corregido se utilizó para hallar las pendientes de la superficie, para lo cual se empleó
la herramienta Pendiente (Slope), localizada en la dirección ArcToolbox > Spatial Analyst
Tools > Surface > Slope. Para el presente estudio, se necesitó un mapa de pendientes con
las unidades de medidas en porcentaje, por lo cual en la ventana Slope se ingresaron los datos
del ráster corregido, la ruta de salida y se especificó la unidad de medida en porcentaje
(figura 33).
Figura 33: Ventana de la herramienta Slope
c. Capacidad de Infiltración
Luego de haber descargado el Mapa de Hidrogeología Nacional del INGEMMET en formato

shape, se procedió a utilizar la herramienta Clip de la opción Geoprocessing, en el programa
ArcGIS, para delimitar los datos a la cuenca hidrográfica en estudio. Una vez que se obtuvo
la capa de capacidad de infiltración delimitada, se realizó una comparación con los Mapas
Geológicos Integrados y el TIN de la cuenca, donde se mostraba que algunas áreas de los
tipos de suelo requerían modificaciones en su delimitación, razón por la cual se procedió a
efectuar estas correcciones. Esta nueva capa corregida contó con una tabla de atributos que
indicaba el tipo de permeabilidad que existía en los grupos de suelo de la zona de estudio.
Según el nivel de la capacidad de infiltración, se clasificaron los tipos de suelo en los grupos
52
A, B y C; donde A representa el mayor nivel de infiltración, B el nivel medio de infiltración
y C la más baja.
d. Geología
Una vez que se descargaron las cartas nacionales 20-g, 20-h, 20-i, 21-g y 21-h de los Mapas
Geológicos Integrados en formato shape del portal GEOCATMIN, se procedió con el
cambio del sistema de coordenadas de las cartas que se encontraban en la zona 17 sur de la
proyección UTM, a la zona 18 sur, como se realizó para las curvas de nivel. Luego, estas
cartas fueron fusionadas con la opción Merge de Geoprocessing y después se utilizó la
herramienta Clip para delimitar los datos a la cuenca Huarmey. Finalmente, con la función
Dissolve se simplificaron los datos de la capa de geología, que resultó en ocho unidades
geológicas.
Unidades Geológicas de la Cuenca Huarmey
− Batolito de la Costa:
Está conformado por una masa de rocas ígneas de tipo plutónicas, compuesto por dioritas,
tonalitas, gabros, granodioritas y monzogranitos. Forma parte del período Cretácico Superior
– Paleógeno. Se presentan en forma de colinas y montañas a los lados del río Huarmey, entre
las localidades de Tayca y Huamba, las cuales se ubican en la zona media de la cuenca.
Debido a que en estas unidades geológicas se pueden encontrar fracturas de gran intensidad,
son consideradas de gran riesgo, ya que son susceptibles a movimientos sísmicos, así como
a erosiones hídricas, tal y como ocurrió en marzo del 2017, donde se produjeron derrumbes
en este sector (Concha Niño de Guzmán et al. 2017).
− Depósito Aluvial:
Estas formaciones geológicas, pertenece al período Cuaternario y están localizadas en el
valle de la cuenca, así como en las quebradas de esta, formando abanicos en algunas zonas.
La mayor parte de esta unidad se presenta como rocas ígneas intrusivas en fracciones sub-
redondeadas, y el resto como rocas sedimentarias como calizas y areniscas. Durante el
fenómeno del Niño Costero, estos depósitos fueron afectados por las precipitaciones
extraordinarias, los cuales generaron movimientos de masa de agua con detritos (huaycos)
en esta zona (Concha Niño de Guzmán et al. 2017).
53
− Formación Chimú:
La edad de esta unidad es del Valanginiano inferior y ocupa un área pequeña en la parte
superior de la cuenca. Se conforma por rocas sedimentarias, tales como ortocuarcitas,
areniscas e intercalaciones de lutitas negras y capas de carbón antracítico (INGEMMET,
1995).
− Formación Junco:
Esta unidad pertenece al Cretácico Inferior y está compuesta principalmente por lavas
almohadilladas, y en menor proporción por brechas sedimentarias. A pesar de que se
desarrollaron flujos de detritos en Tayca y Monsalve, esta formación geológica no presentó
derrumbes de gran magnitud durante los eventos del Fenómeno del Niño Costero (ATDR
Casma-Huarmey, 2007; Concha Niño de Guzmán et al. 2017).
− Formación La Zorra:
Se encuentra ubicado en la zona costera de la cuenca Huarmey y pertenece a la edad Albiano
medio a superior. Esta unidad presenta flujos piroclásticos, asimismo una intercalación de
rocas sedimentarias e ígneas como las limolitas y andesitas, y finalmente cuenta con las rocas
sedimentarias calizas y areniscas. Se encuentra sobre la Formación Junco y bajo la
Formación Lupín. Durante las precipitaciones de marzo del 2017, no se produjeron mayores
cambios en esta unidad, sin embargo, los depósitos cuaternarios ubicados sobre esta
formación presentaron deslizamientos (Concha Niño de Guzmán et al. 2017).
− Formación Lupín:
Tiene una edad del Cretáceo Superior, y aflora en la zona media y baja de la cuenca
Huarmey. Está compuesto principalmente por lavas almohadilladas y brechas, y en menor
proporción de tufo andesítico. Esta unidad permaneció estable cuando se presentó el
Fenómeno del Niño Costero en 2017 (ATDR Casma-Huarmey, 2007; Concha Niño de
Guzmán et al. 2017).
− Formación Santa, Carhuaz:

Estas formaciones integran el Grupo Goyllarisquizga. La Formación Santa forma parte del
período Valanginiano medio a superior y está compuesta por rocas sedimentarias, tales como
54
las calizas y lutitas calcáreas abigarradas, de igual forma presenta calizas negras, margas y
lutitas oscuras. Por otro lado, la Formación Carhuaz sobreyace la Formación Santa y tiene
una edad de Valanginiano superior. En la parte inferior de esta formación existe una
composición donde predomina la arcilla y está compuesta por intercalaciones de rocas
sedimentarias como las lutitas fosilíferas con areniscas, calizas y yeso. Así mismo, la parte
superior se caracteriza por el color pardo rojizo de las areniscas y presenta lutitas y lutitas
arenosas (INGEMMET, 1995).
− Grupo Calipuy
Ubicado en la parte superior de la cuenca Huarmey, abarcando la Cordillera Negra de
Áncash. Forma parte del período tardío del Terciario Inferior. Esta unidad también llamada
Volcánico Calipuy está compuesta principalmente por lavas andesíticas, toba volcánica,
piroclastos, aglomerados y lavas ácidas, así también de cuerpos intrusitos subvolcánico. Esta
unidad no presentó alteraciones durante las precipitaciones en marzo del 2017 (ATDR
Casma-Huarmey, 2007; Concha Niño de Guzmán et al. 2017).
e. Geomorfología
El archivo shape del Mapa Geomorfológico del Perú se agregó al marco da datos (Data
Frame) de ArcMap para que sea recortado con la herramienta Clip de la opción
Geoprocessing, de acuerdo al área de estudio. A la capa resultante, se le aplicó la función
Dissolve, y esto dio como resultado cinco unidades geomorfológicas.
Unidades Geomorfológicas de la Cuenca Huarmey
− Colinas y lomadas
Se localizan en la parte media baja de la cuenca, a ambos lados del valle, con elevaciones
que van de 50 a 300 m. y pendientes suaves. Así mismo, presentan cumbres y laderas
redondeadas. Esta unidad presenta rocas intrusivas, volcánicas y sedimentarias, las cuales
pueden ser vulnerables a movimientos en masa, deslizamientos o derrumbes, dependiendo
de su composición, grado de fracturamiento y exposición ante efectos climáticos (erosión o
meteorización) (Zavala et al. 2009).
55
− Mantos de arena
Se originan por la migración y acumulación de arena debido a procesos eólicos y la
geomorfología de la zona, y pueden presentar formas alargadas, onduladas o de dunas. En
la cuenca de estudio, los mantos se encuentran adyacentes a las colinas (Zavala et al. 2009).
− Montaña con pendientes suaves a moderadas

Se encuentra distribuida a lo largo de la cuenca, con pendientes de 15° a 29°, y están
localizadas adyacente a montañas estructurales de laderas escarpadas. El relieve de las
montañas está relacionado con la formación de cárcavas, derrumbes y huaycos. Las rocas
intrusivas que se presentan en esta unidad pueden ser vulnerables a movimientos de masa
(Zavala et al. 2009).
− Montaña con pendientes moderadas a fuertes

En esta unidad existen laderas que van de moderadas a fuertes, no menores a 30° y llegando
a superar los 70°. Se localizan a partir de la parte media a la parte alta de la cuenca y presenta
rocas intrusivas, sedimentarias y volcano-sedimentarias. En esta zona existe la posibilidad
de caídas de rocas, deslizamientos, derrumbes y avalanchas de detritos (Zavala et al. 2009).
− Terraza aluvial
Esta unidad está ubicada sobre el cauce y la zona de inundación fluvial, y está rodeada por
los valles de la cuenca. Esta unidad presenta una superficie plana, con pendientes de 1° a 5°,
y depósitos aluviales en forma de terrazas. Es susceptible a inundaciones periódicas, así
como erosión y derrumbes en los márgenes (Zavala et al. 2009).
f. Factor Forma
Şen (2008) indicó que el factor forma presenta una relación con la cantidad de escorrentía
que se da en la cuenca, al igual que con la formación de inundaciones. Así mismo, en el caso
de que existan dos cuencas con una misma área, la cuenca con forma más alargada tendrá
un caudal máximo menor, que la cuenca con una forma más redonda. Debido a lo explicado,
es que se requirió de esta capa y para ello se utilizó la fórmula de factor forma propuesto por
Horton.
56
𝐴
𝐾𝑓 =
𝐿2
Donde:
Kf: Factor forma
A: Área de la cuenca (km2)
L: Longitud de la cuenca (km)
El procedimiento comenzó con la delimitación de las subcuencas de la zona de estudio. Para

esto, se requirió del DEM corregido con la herramienta Fill, elaborado previamente para el
mapa de pendientes y de las herramientas de Hidrología (Hydrology) del software ArcGIS.
Como primer paso, se utilizó el ráster “Fill_Hy”, para hallar la dirección de flujo de cada
celda con la opción Flow Direction, que se encontró en la ruta ArcToolbox > Spatial
Analyst Tools > Hydrology > Flow Direction, donde se ingresó el archivo “Fill_Hy” y la
dirección del archivo de salida (figura 34). El ráster generado, “Flow_Dir”, se observa en la
figura 35.
Figura 34: Ventana de Flow Direction
57
Figura 35: Ráster de Flow Direction
Luego, se hallaron las acumulaciones de flujo de cada celda con la función Flow
Accumulation (figura 36), localizado en la ruta ArcToolbox > Spatial Analyst Tools >
Hydrology > Flow Accumulation, en esta ventana se ingresaron el ráster de dirección de
flujo y el nombre del archivo resultante, que fue “Flow_Acc” (figura 37). El ráster que se
obtuvo se muestra en la figura 38.
Figura 36: Determinación de acumulación de flujo (Fuente: Tomado de ESRI s.f.)
58
Figura 37: Ventana de Flow Accumulation
Figura 38: Ráster de Flow Accumulation
59
A continuación, se procedió con la identificación de las redes de drenaje, que se realizó
mediante la Calculadora de Ráster (Raster Calculator), cuya función fue determinar la red
de flujo utilizando una expresión condicional, donde las celdas que tuvieron una
acumulación de flujo con valores mayores a 20,000 (valor adecuado para este estudio),
equivalieron a uno y el resto de celdas que no cumplían con esta condición, se dio un valor
de cero (figura 39). Esta herramienta se encontró en la dirección ArcToolbox > Spatial
Analyst Tools > Map Algebra > Raster Calculator. El presente cálculo dio como resultado
el ráster de la figura 40.
Figura 39: Ventana de Raster Calculator
60
Figura 40: Ráster de Red de drenaje de la cuenca Huarmey
Después, las redes de drenaje fueron transformadas de un formato ráster a un formato shape,
para lo cual se usó la herramienta De Corriente a Entidad (Stream to Feature), que se
encontró en la ruta ArcToolbox > Spatial Analyst Tools > Hydrology > Stream To
Feature. En esta ventana se añadieron los datos del ráster de redes de drenaje, calculados
anteriormente; el ráster de dirección de flujo y la ubicación del shape de salida (figura 41).
El archivo de polilínea de las redes de drenajes se puede ver en la figura 42.
61
Figura 41: Ventana de Stream To Feature
Figura 42: Shape de red de drenaje

62
Este archivo de polilínea de los arroyos sirvió para hallar los puntos de desfogue de las
subcuencas de la zona de estudio. Por medio de la función De Vértices de Entidad a Puntos
(Feature Vertices To Points), ubicado en ArcToolbox > Data Management Tools >
Features > Feature Vertices To Points, se transformaron los vértices donde terminan las
redes, en un nuevo archivo de puntos que representan los puntos de salida de las subcuencas.
Para ello, se requirió del shape de red de drenaje, llamado “StreamToFea20000”, la ruta de
salida de los puntos y la selección del tipo de vértice que generaran los puntos, que en este
caso es el vértice final (figura 43). El resultado se puede ver en la figura 44.
Figura 43: Ventana de Feature Vertices To Points
63
Figura 44: Puntos de desfogue
Como siguiente paso, se procedió con la delimitación de las subcuencas de la zona de

estudio, para lo cual se utilizó la herramienta Cuenca Hidrográfica (Watershed), cuya ruta
es ArcToolbox > Spatial Analyst Tools > Hydrology > Watershed. Para ejecutar esta
función, se añadieron el ráster de dirección de flujo, el archivo de los puntos de desfogue y
la ubicación del archivo de salida (figura 45). Las subcuencas delimitadas se muestran en la
figura 46.
64
Figura 45: Ventana de Watershed
Figura 46: Ráster de las subcuencas de Huarmey
65
Finalmente, se halló el parámetro de factor forma para cada subcuenca. Para realizar este
cálculo, se tuvo que convertir el ráster de subcuencas en un archivo de formato shape (figura
47), con el fin de determinar las longitudes y áreas de las cuencas. Las longitudes (del punto
de desfogue al punto más lejano de la línea divisoria de aguas), se hallaron con la herramienta
Medir (Measure) de ArcGIS, y las áreas, con la función Calcular Geometría (Calculate
Geometry), ubicado en la Tabla de Atributos del archivo shape; ambos datos se calcularon
en km y km2, respectivamente.
Figura 47: Shape de las subcuencas de Huarmey
Luego, el factor forma de cada unidad hidrográfica se encontró con la función Calculadora
de Campo (Field Calculator), donde se ingresó la división del área entre la longitud al
cuadrado (figura 48). A los valores resultantes de las subcuencas, se les asignaron la forma
correspondiente de acuerdo a la Tabla 3.
66
Tabla 3: Forma de la cuenca según los valores de Factor Forma (Fuente: Tomado de
Pérez, citado por Córdova 2016)
Figura 48: Resultados en la tabla de atributos
67
g. Precipitación
El Mapa de Precipitaciones se desarrolló gracias a los datos de SENAMHI. Las estaciones

climáticas de Malvas, Cotaparaco, Chamana y Huarmey fueron las que se utilizaron, y el
período de tiempo en que los datos fueron recolectados fue de 21 años (1990-2010). Estos
valores fueron ordenados en una hoja Excel, sin embargo, debido a la falta de data de
precipitaciones (PP) que se presentaron en algunos meses de las estaciones, se utilizó el
método de Regresión Lineal para completar la información faltante (Tabla 4).
Tabla 4: Datos completos por método de Regresión Lineal
PP de Estaciones (mm)
PP media
AÑO anual
MALVAS COTAPARACO CHAMANA HUARMEY (mm)
1990 233.80 269.70 46.30 1.28 137.77
1991 370.20 229.00 28.00 0.78 156.99
1992 238.30 142.70 30.10 0.83 102.98
1993 551.70 718.86 219.40 6.08 374.01
1994 518.80 337.50 100.90 2.80 240.00
1995 251.80 278.80 60.00 1.66 148.07
1996 393.80 366.00 105.60 2.93 217.08
1997 550.40 398.00 124.60 3.45 269.11
1998 862.50 671.70 339.70 9.42 470.83
1999 664.70 500.64 219.80 6.09 347.81
2000 567.10 486.20 128.54 2.70 296.14
2001 559.10 498.70 144.74 1.60 301.03
2002 517.44 455.30 103.90 1.00 269.41
2003 324.50 349.80 79.31 11.20 191.20
2004 343.80 259.86 52.70 1.46 164.45
2005 278.77 202.50 27.30 1.70 127.57
2006 510.40 407.47 74.50 0.20 248.14
2007 402.90 347.10 90.21 3.00 210.80
2008 562.80 410.60 119.38 0.90 273.42
2009 614.10 523.10 147.91 4.10 322.30
2010 333.50 405.37 115.77 2.20 214.21
68
Luego, con el fin de determinar si es que existen inconsistencias en los datos estimados, se
realizó un análisis de curva de doble masa entre los valores acumulados de las
precipitaciones anuales, con los promedios acumulados (Tabla 5). Esta comparación de
datos, generó líneas rectas consistentes, las cuales indicaron una proporcionalidad entre los
datos (figura 49). Sin embargo, en caso hubiera surgido inconsistencias en alguna estación,
esta se habría eliminado.
Tabla 5: PP acumuladas
PP media
PP acumuladas de Estaciones (mm)
AÑO acumulada
MALVAS COTAPARACO CHAMANA HUARMEY (mm)
1990 233.80 269.70 46.30 1.28 137.77

1991 604.00 498.70 74.30 2.06 294.77
1992 842.30 641.40 104.40 2.89 397.75
1993 1394.00 1360.26 323.80 8.98 771.76
1994 1912.80 1697.76 424.70 11.78 1011.76
1995 2164.60 1976.56 484.70 13.44 1159.82
1996 2558.40 2342.56 590.30 16.37 1376.91
1997 3108.80 2740.56 714.90 19.82 1646.02
1998 3971.30 3412.26 1054.60 29.24 2116.85
1999 4636.00 3912.90 1274.40 35.33 2464.66
2000 5203.10 4399.10 1402.94 38.03 2760.79
2001 5762.20 4897.80 1547.68 39.63 3061.83
2002 6279.64 5353.10 1651.58 40.63 3331.24
2003 6604.14 5702.90 1730.89 51.83 3522.44
2004 6947.94 5962.75 1783.59 53.30 3686.90
2005 7226.71 6165.25 1810.89 55.00 3814.46
2006 7737.11 6572.72 1885.39 55.20 4062.61
2007 8140.01 6919.82 1975.60 58.20 4273.41
2008 8702.81 7330.42 2094.98 59.10 4546.83
2009 9316.91 7853.52 2242.89 63.20 4869.13
2010 9650.41 8258.89 2358.66 65.40 5083.34
69
Figura 49: Curva de doble masa
Una vez que se comprobó la confiabilidad de los datos, se ordenaron las estaciones con la
información de sus coordenadas, altura y precipitación anual media (Tabla 6). Después, con
el fin de obtener más datos de precipitaciones en la zona de estudio, se crearon nuevos puntos
en la cuenca. Para calcular el valor en estos nuevos puntos, se hizo una comparación entre
altura y precipitación de las 4 estaciones (figura 50), la cual generó un R=0.9, que significó
la validez de esta relación y permitió que se use la ecuación generada para hallar las nuevas
precipitaciones, utilizando el valor de las alturas con que se cuentan.
Tabla 6: Datos completos de las estaciones
ALTURA PP media
ESTACIONES LATITUD LONGITUD
(m.s.n.m.) (mm)
MALVAS -9.93° -77.65° 3500 459.54
COTAPARACO -9.98° -77.58° 3008 393.28
CHAMANA -10.25° -77.57° 2000 112.32
HUARMEY -10.08° -78.17° 20 3.11
70
Figura 50: Relación Altura vs. PP media
Se agregaron 25 puntos adicionales a los 4 ya existentes. Se hallaron sus alturas gracias al

DEM elaborado previamente y ya con estos datos, se calcularon los valores de
precipitaciones con la ecuación señalada en la Figura 50. El resultado se puede observar en
el Tabla 7.
Tabla 7: Puntos con los nuevos datos de precipitaciones

Altura PP media
Id X (m) Y (m)
(m.s.n.m.) (mm)
1 209414.79 8900798.61 3500.00 459.54
2 216809.61 8895323.08 3008.00 393.28
3 218797.31 8865824.94 2000.00 112.32
4 152832.73 8883692.76 20.00 3.11
5 167413.80 8880318.98 464.29 19.01
6 171394.66 8890314.06 380.42 7.80
7 175517.62 8884819.24 465.37 19.16
8 172351.52 8905813.11 600.00 37.16
9 176636.24 8899845.02 463.22 18.87
71
10 179982.53 8893552.42 450.98 17.24
11 184572.61 8888219.06 909.83 78.58
12 185474.93 8910669.73 2162.08 246.01
13 188836.05 8902480.13 1026.27 94.15
14 192182.69 8895870.90 1024.95 93.97
15 194407.91 8892096.84 1700.00 184.23
16 196606.05 8910289.25 2385.64 275.90
17 201237.23 8899739.37 1518.96 160.02
18 204605.76 8890127.39 2350.00 271.13
19 201094.25 8917279.25 3444.25 417.44
20 205559.96 8907675.76 3600.00 438.26
21 205575.61 8925374.29 4107.87 506.16
22 212602.22 8908837.79 4408.58 546.37
23 218130.05 8903192.42 4550.00 565.27
24 223657.39 8897388.63 4292.46 530.84
25 214024.99 8927494.26 3835.68 469.77
26 220242.47 8913795.03 4313.91 533.71
27 225013.32 8904508.96 4295.76 531.28
28 217215.54 8920250.24 4202.29 518.79
29 214476.02 8889732.90 3326.91 401.75
Finalmente, se hizo una interpolación de estos valores con la herramienta Spline, ubicada en
la dirección ArcToolbox > Spatial Analyst Tools > Interpolation > Spline, y en cuya
ventana se agregó el archivo shape de los puntos; se seleccionó en el campo que contenía
los valores Z, el campo de PP media anual; se indicó la ruta de salida del archivo ráster y el
tamaño de celda, que en este estudio fue de 30 m. (figura 51).
72
Figura 51: Ventana de Spline
3.3.3. Fase de Campo
En la primera visita que se realizó, se efectuó la reunión con el director de la Agencia Agraria
de Huarmey, el Ing. Efraín Motta, a quien se le explicó el tema que trataba la tesis, así como
los objetivos que esta buscaba. Como resultado de esta primera asamblea, se trazó un primer
recorrido por la cuenca Huarmey, para la identificación las características de las diferentes
zonas que la conforman. Una vez que se estableció la ruta de viaje, se procedió con el
reconocimiento de la cuenca, la zona urbana, las zonas agrícolas que la conforman, las áreas
montañosas, etc.
La segunda visita que se realizó a la cuenca Huarmey, fue luego de obtener los primeros
modelos para realizar la validación de campo. Así mismo, se llevó a cabo la toma de muestras
de los tipos de suelos que conformaban la cuenca, con el fin de obtener información de la
textura y el porcentaje de materia orgánica; además que se realizaron pruebas de infiltración.
Para esta segunda fase, también se contó con la ayuda del Ing. Motta, ya que se requirió del
permiso de algunos propietarios, para poder ingresar a sus territorios y obtener dichas
muestras.
73
3.3.4. 2da fase de Geoprocesamiento
a. Construcción de Base de Datos Geoespaciales
La base de datos del presente estudio fue diseñada gracias al software Enterprise Architect,
con el cual se realizó el esquema lógico de las variables a utilizar para los modelos de
inundaciones, vulnerabilidad y USLE, para luego construir la geodatabase en el software
ArcGIS.
Figura 52: Esquema lógico de la base de datos de los modelos de inundaciones
74
Figura 53: Esquema lógico de la base de datos del modelo de vulnerabilidad
Figura 54: Esquema lógico de la base de datos del modelo USLE
75
b. Elaboración de los modelos geoespaciales de Inundaciones
De acuerdo con Wahid et al. (2016), para la generación del Mapa de Índice Potencial de
Inundaciones Extraordinarias, solo se requieren de cuatro capas temáticas, las cuales son:
factor forma, pendiente, cobertura y capacidad de infiltración, y no se toma en cuenta la capa
de precipitaciones, ya que el estudio se basa en precipitaciones inusuales, que no se registran
normalmente en la zona.
Sin embargo, en la presente tesis se realizó un primer modelo, adaptado del estudio de Wahid
et al., tomando en cuenta las cuatro capas mencionadas previamente y un segundo modelo,
tomando en cuenta los datos de precipitaciones, esto con el fin de realizar una mejor
identificación de las zonas vulnerables.
• Mapa de Inundaciones Extraordinarias
Para este modelo, no se tomó en cuenta la capa de precipitaciones y solo se usaron las
variables de cobertura, capacidad de infiltración, factor forma; y el ráster de pendiente.
Entonces, para iniciar con este proceso se convirtieron las tres capas vectoriales al formato
ráster ya que, para hallar el mapa de inundaciones extraordinarias, se requirió de la
herramienta Superposición Ponderada (Weighted Overlay) de ArcGIS, la cual ejecuta esta
función solo con archivos en formato ráster.
Por lo tanto, se procedió con la conversión de las capas vectoriales de cobertura, capacidad
de infiltración y factor forma, a un formato ráster. Para ello se usó la herramienta Polígono
a Ráster (Polygon to Raster), ubicado en la dirección ArcToolbox > Conversion Tools >
To Raster > Polygon to Raster, donde se ingresaron los archivos vectoriales, se seleccionó
el campo que se utilizó para asignar los valores del ráster, se añadieron las rutas de salida y
se indicó el tamaño de celda, que en este caso para que la superposición funcione de forma
correcta, todas las capas tuvieron un mismo tamaño de 30 m. (figura 55).
Así mismo, para que se efectúe este mismo procedimiento en las tres capas, se utilizó la
aplicación ModelBuilder, donde se ingresaron los datos requeridos, que se explicaron
76
previamente para la conversión a un formato ráster y finalmente se dio clic a la opción correr
(Run). En la figura 56 se muestra el modelo para este procesamiento.
Figura 55: Ventana de Polygon to Raster
Figura 56: Uso de ModelBuilder para convertir un shape a ráster
77
Después, con la ayuda del software ArcGIS se reclasificaron estos valores según una escala
de 1 a 10, de los cuales los valores que tenían menor impacto en la formación de
inundaciones fueron los cercanos al uno, mientras que los que podían originar grandes
escorrentías fueron los cercanos al 10 (Tabla 8).
Tabla 8: Pesos y niveles
Pesos Nivel
1
Muy Bajo
2
3
Bajo
4
5
Moderado
6
7
Alto
8
9
10 Muy Alto
Gracias a esta tabla, se procedió con la reclasificación de las cuatro capas en formato ráster,
que cabe recalcar contaban con un mismo tamaño de celda y se encontraban en el mismo
sistema de coordenadas. Este proceso se realizó con la herramienta Reclasificar (Reclassify),
ubicado en ArcToolbox > Spatial Analyst Tools > Reclass > Reclassify. Para este
procesamiento se utilizó la aplicación ModelBuilder, como se muestra en la figura 57.
En la tabla 9 se muestra las categorías de cada capa, así como los pesos y niveles otorgados
a cada rango. En esta parte del procedimiento existe una variación con la metodología de
Wahid et al., que se da en la clasificación de las pendientes. Para el desarrollo de esta tesis,
a las pendientes más pronunciadas se les asignó un menor peso y a las pendientes leves uno
mayor, ya que es en la zona llana donde las inundaciones se producen.
78
Tabla 9: Primera clasificación de los pesos y niveles de cada categoría
Capa Categoría Pesos Nivel

> 60% 1
Muy Bajo
40% - 60% 2
35% - 40% 3
Bajo
30% - 35% 4
25% - 30% 5
Pendiente Moderado
20% - 25% 6
15% - 20% 7
Alto
10% - 15% 8
5% - 10% 9
Muy Alto
< 5% 10
Muy Alargada 1
Muy Bajo
Alargada 2
Ligeramente alargada 3 Bajo
Ni alargada ni
5 Moderado
Factor Forma ensanchada
Ligeramente ensanchada 7
Alto
Ensanchada 8
Muy ensanchada 9
Muy Alto
Rodeando el desagüe 10
A (alta infiltración) 1 Muy Bajo
Capacidad de
B (media infiltración) 5 Moderado
infiltración
C (baja infiltración) 10 Muy Alto
Matorrales 3 Bajo
Agrícola 5 Moderado
Montañas 7 Alto
Llanura arenosa 9
Cobertura
Urbana 9
Laguna 10 Muy Alto
Rio 10
Suelo desnudo 10
79
Figura 57: Uso de ModelBuilder para reclasificar las capas
Una vez que se obtuvieron los ráster con los valores definidos, se procedió con la
superposición ponderada de capas, para lo cual se tomó en cuenta la Table de Ponderación
de Valores (Tabla 10), y junto a la información de la Tabla 9, se ejecutó la aplicación
ModelBuilder, donde se creó el flujo de trabajo del modelo del Mapa de Inundaciones
Extraordinarias. En el entorno del ModelBuilder se agregaron los ráster y la función
Weighted Overlay, cuya ruta fue ArcToolbox > Spatial Analyst Tools > Overlay >
Weighted Overlay para realizar el modelamiento geoespacial de las variables (figura 58).
80
Tabla 10: Primera Ponderación de Valores
Grado de
Variable
Participación
Pendiente 50
Factor Forma 10
Capacidad de infiltración 30
Cobertura 10
Figura 58: Uso de ModelBuilder para la integración de variables
• Mapa de Inundaciones, considerando PP
Este segundo modelo se construyó utilizando el mismo procedimiento que el anterior, con
la única diferencia que a la Tabla 9, de pesos y niveles de cada capa, se agregó la variable
de precipitaciones, como se muestra en la Tabla 11. Así mismo, para la ponderación de los
valores de las capas, se utilizó la Tabla 12, donde se considera el grado de la capa de
precipitaciones.
81
Tabla 11: Segunda clasificación de los pesos y niveles de cada categoría
> 60% 1
Muy Bajo
40% - 60% 2
35% - 40% 3
Bajo
30% - 35% 4
25% - 30% 5
Pendiente Moderado
20% - 25% 6
15% - 20% 7
Alto
10% - 15% 8
5% - 10% 9
Muy Alto
< 5% 10
Muy Alargada 1
Muy Bajo
Alargada 2
Ligeramente alargada 3 Bajo
Ni alargada ni ensanchada 5 Moderado
Factor Forma
Ligeramente ensanchada 7
Alto
Ensanchada 8
Muy ensanchada 9
Muy Alto
Rodeando el desagüe 10
A (alta infiltración) 1 Muy Bajo
Capacidad de
B (media infiltración) 5 Moderado
infiltración
C (baja infiltración) 10 Muy Alto
Matorrales 3 Bajo
Montañas 7 Alto
Llanura arenosa 9
Cobertura
Urbana 9
Laguna 10 Muy Alto
Rio 10
Suelo desnudo 10
0 – 150 mm 1 Muy Bajo
150 – 300 mm 4 Bajo
Precipitación
300 – 450 mm 7 Alto
450 - 600 mm 10 Muy Alto
82
Tabla 12: Segunda Ponderación de Valores
Grado de
Variable
Participación
Pendiente 50
Factor Forma 10
Capacidad de infiltración 20
Cobertura 10
Precipitación 10
c. Modelo Geoespacial de Vulnerabilidad Física
Así mismo, se elaboró un modelo para identificar las zonas vulnerables a los procesos
erosivos debido a las precipitaciones. Por lo cual, se requirieron de las variables de cobertura,
geología, geomorfología, pendientes y precipitaciones, para que sean intersecadas y obtener
nuevos polígonos, a los que se les aplicaron una ecuación para obtener su nivel de
vulnerabilidad.
Se inició este procedimiento con la reclasificación de los archivos ráster de pendientes y

precipitaciones de acuerdo a las categorías presentadas en la Tabla 13, para después
convertirlos a capas vectoriales con la herramienta Raster to Polygon (Figura 59).
Figura 59: Conversión de los ráster a capas vectoriales en ModelBuilder

83
Una vez que se contaron con los cinco archivos en formato shape, se utilizó la función
dissolve para sintetizar los datos. Luego con las cinco capas resultantes listas, en cada una
de ellas se agregó un campo nuevo en la Tabla de Atributos con los pesos correspondientes
según la Tabla 13 y seguidamente se procedió con la intersección de las capas con la
herramienta Intersect en el entorno de ModelBuilder (Figura 60).
Tabla 13: Tercera clasificación de los pesos y niveles de cada categoría
< 5% 1
Estable
5% - 10% 2
10% - 15% 3
Bajo
15% - 20% 4
20% - 25% 5
Pendiente Moderado
25% - 30% 6
30% - 35% 7
Alto
35% - 40% 8
40% - 60% 9
Muy Alto
> 60% 10
Matorrales 3 Bajo
Montañas 7 Alto
Llanura arenosa 9
Cobertura
Suelo desnudo 10
Laguna 10 Muy Alto
Rio 10
Urbana 10
Depósito aluvial 1
Estable
Grupo Calipuy 2
Formación La Zorra 3 Bajo
Formación Lupín 5
Geología Moderado
Formación Chimú 5
Batolito de la Costa 7
Alto
Formación Junco 7
Formación Santa, Carhuaz 10 Muy Alto
84
Mantos de arena 1 Muy Bajo
Terraza aluvial 3 Bajo
Colinas y lomadas 6 Moderado
Geomorfología
Montaña con pendientes
8 Alto
suaves a moderadas
Montaña con pendientes
10 Muy Alto
moderadas a fuertes
0 – 150 mm 1 Estable
150 – 300 mm 4 Bajo
Precipitación
300 – 450 mm 7 Alto
450 - 600 mm 10 Muy Alto
Figura 60: Intersección de las cinco capas en ModelBuilder
85
Finalmente, en el modelo obtenido se agregó un nuevo campo donde se ingresó la ecuación
para hallar la vulnerabilidad de cada polígono, con la opción Field Calculator (Figura 61),
y con los valores obtenidos se hallaron las regiones con los niveles de vulnerabilidad estable,
bajo, moderado, alto y muy alto.
Figura 61: Cálculo de la Vulnerabilidad de la cuenca Huarmey
86
d. Modelo Geoespacial para la identificación y cuantificación de la erosión del
suelo con el método USLE
La elaboración del mapa de erosión del suelo, se realizó de acuerdo a la fórmula de la USLE
propuesta por Wischmeier y Smith en 1978.
𝐴 =𝑅×𝐾×𝐿×𝑆×𝐶×𝑃
Donde las variables son:
A: Cantidad de pérdida de suelo en una unidad de superficie (t/ha.año)

R: Factor de precipitación y escorrentía (MJ.mm/ha.h.año)
K: Factor de susceptibilidad del suelo a erosión (t.ha.h/ha.MJ.mm)
L: Factor de longitud de la pendiente
S: Factor de inclinación de la pendiente
C: Factor de la cobertura vegetal
P: Factor de prácticas de conservación
• Factor de Precipitación (R)
Para la elaboración de la capa del Factor R, se utilizó el archivo ráster del mapa de
precipitaciones medias anuales, elaborado previamente, a la cual se aplicó la ecuación de
Roose.
𝑅 = 1.73 × 0.5 × 𝑃
Donde:
R = Factor de erosividad de la lluvia (MJ.mm/ha.h.año)
Para obtener el factor de erosividad de precipitación se utilizó la aplicación ModelBuilder,

donde se ingresó la herramienta de calculadora ráster (Raster Calculator) de ArcGIS, cuya
dirección es ArcToolbox > Spatial Analyst Tools > Map Algebra > Raster Calculator,
87
para aplicar la ecuación de Roose (figura 62). Es importante mencionar que este ráster cuenta
con un tamaño de celda de 30 m.
Figura 62: Uso de la calculadora ráster para aplicar la ecuación de Roose
Figura 63: Uso de ModelBuilder para calcular el Factor R
88
• Factor de Susceptibilidad a erosión del Suelo (K)
El Factor K se halló, mediante las fórmulas de Sharpley y Williams (1990).
𝐾𝑈𝑆𝐿𝐸 = 𝑓𝑐𝑠𝑎𝑛𝑑 × 𝑓𝑐𝑙−𝑠𝑖 × 𝑓𝑜𝑟𝑔𝑐 × 𝑓ℎ𝑖𝑠𝑎𝑛𝑑
𝑚𝑠𝑖𝑙𝑡
𝑓𝑐𝑠𝑎𝑛𝑑 = (0.2 + 0.3 × 𝑒𝑥𝑝−0.256×𝑚𝑠(1− 100 ) )
𝑚𝑠𝑖𝑙𝑡 0.3
𝑓𝑐𝑙−𝑠𝑖 = ( )
𝑚𝑐 + 𝑚𝑠𝑖𝑙𝑡
0.25 × 𝑜𝑟𝑔𝐶
𝑓𝑜𝑟𝑔𝑐 = (1 − )
𝑜𝑟𝑔𝐶 + 𝑒𝑥𝑝[3.72 − 2.95 × 𝑜𝑟𝑔𝐶 ]
𝑚𝑠
0.7 × (1 − )
𝑓ℎ𝑖𝑠𝑎𝑛𝑑 = (1 − 100 )
𝑚𝑠 𝑚𝑠
(1 − ) + 𝑒𝑥𝑝 [−5.51+22.9×(1−100)]
100
Siendo:
KUSLE: Factor de Susceptibilidad a erosión del Suelo
ms: Porcentaje de arena
msilt: Porcentaje de limo
mc: Porcentaje de arcilla
orgC: Porcentaje de materia orgánica
Para la elaboración del mapa del Factor K, se utilizó la capa de Geología, elaborada
previamente y se recolectaron muestras de suelo de diferentes puntos de la cuenca para
conocer las características que poseían cada unidad.
Se llevaron a cabo visitas de campo a las zonas clasificadas y se tomaron muestras de suelo
a 45 cm. de cada una de ellas, para esta actividad se contó con la ayuda de los ingenieros de
la Agencia Agraria de Huarmey, como se muestra en las siguientes fotografías.
89
Figura 64: Toma de muestras en la unidad Batolito de la Costa
Figura 65: Toma de muestras en la unidad Depósito Aluvial

90
Figura 66: Toma de muestras en la unidad Formación Chimú
Figura 67: Toma de muestras en la unidad Formación Junco

91
Figura 68: Toma de muestras en la unidad Formación La Zorra
Figura 69: Toma de muestras en la unidad Formación Lupín

92
Figura 70: Toma de muestras en la unidad Formación Santa, Carhuaz
Figura 71: Toma de muestras en el Grupo Calipuy
93
Una vez recopiladas las muestras, estas fueron enviadas al Laboratorio de Suelos de la
Universidad Nacional Agraria La Molina (UNALM), para el cálculo de los porcentajes de
arena, arcilla, limo y materia orgánica (Anexo 11).
Los resultados de los porcentajes de arena, arcilla, limo y materia orgánica se ingresaron a
una hoja Excel, y se realizó el cálculo del Factor K. La tabla de valores de “K” para cada
unidad geológica de la cuenca se muestra en la Tabla 14.
Luego, se ingresaron los valores de “K” a la Tabla de Atributos del archivo en shape de las
unidades geológicas de la zona de estudio.
Tabla 14: Valores del Factor K
Materia
Arena Limo Arcilla
Unidades de Suelo Orgánica K
(%) (%) (%)
(%)
Batolito de la Costa 57 26 17 1.32 0.145
Depósito Aluvial 93 2 5 0.02 0.063
Formación Chimú 66 16 18 4.97 0.117
Formación Junco 47 34 19 0.54 0.172
Formación La Zorra 79 12 9 0.15 0.134
Formación Lupín 79 12 9 0.15 0.134
Formación Santa, Carhuaz 74 16 10 3.45 0.117
Grupo Calipuy 44 28 28 1.75 0.127
Después, se utilizó la herramienta Polygon to Raster en el espacio de ModelBuilder, donde

se especificaron que los valores de campo (Value Field) para obtener el ráster son los del
Factor K, hallados en la Tabla 14, así mismo se ingresó la ruta de salida y el tamaño de celda
de 30 m. (utilizado en todos los ráster de esta tesis).
Figura 72: Uso de ModelBuilder para hallar el Factor K

94
• Factor Topográfico (LS)
Para hallar este factor, se utilizó la capa de pendientes en porcentajes y se reclasificaron los
valores, con la función Reclassify, de acuerdo a los rangos de la tabla elaborada por la
Facultad de Hidráulica e Hidrología de la Escuela Técnica Superior de Ingenieros de Montes
de Madrid (Figura 73). Luego, el ráster reclasificado fue convertido a un archivo shape con
la herramienta Raster to Polygon y después se utilizó la función Dissolve para sintetizar los
datos.
Figura 73: Reclasificación de las pendientes
95
En la tabla de atributos de la capa resultante, se añadió un nuevo campo donde se ingresaron
los valores de LS de acuerdo al grupo de pendientes (Figura 74). Por último, se convirtió la
capa vectorial a ráster nuevamente, con un tamaño de celda de 30 m., pero a diferencia del
primer ráster con los valores de las pendientes, en este último se tomaron en cuenta los
valores de LS en Value Field.
Figura 74: Adición del Campo LS en la Tabla de Atributos
• Factor de Cobertura Vegetal (C)
Para hallar el Factor C se requirió del uso del Mapa de Cobertura de la cuenca, generado en
la sección de Construcción de Base de Datos Geoespaciales, para reclasificar las clases
originales del cero a uno. Estos nuevos valores representaron el nivel en que cada tipo de
cobertura afecta en la tasa de erosión. Para las áreas con una mayor cobertura vegetal, se les
asignaron valores de C cercanos a cero, y para las zonas con superficie desprotegida, valores
cercanos a uno. Los valores que fueron asignados a cada clase se muestran en la Tabla 15.
96
Tabla 15: Valores del Factor C
Clases Factor C
Agrícola 0.3
Laguna 1
Llanura arenosa 1
Matorrales 0.2
Montañas 0.7
Rio 1
Suelo desnudo 1
Urbana 0.8
Estos valores se agregaron en la Tabla de Atributos del archivo en formato shape de la

cobertura de la cuenca y luego, se procedió con la conversión a formato ráster (30 m.) de
este archivo, tomando en cuenta los valores del Factor C, en la aplicación ModelBuilder
(Figura 75).
Figura 75: Uso de ModelBuilder para hallar el Factor C
• Factor de Prácticas de Conservación (P)
Este factor representa la actividad de protección contra la erosión debida a fuertes

escorrentías, sin embargo, debido a que estas prácticas no se presentan en el área de estudio,
se otorgó el valor de uno en la ecuación.
97
• Identificación y cuantificación de la erosión hídrica (USLE)
Finalmente, una vez obtenido los factores R, K, LS y C, que requería la ecuación USLE, con
un mismo tamaño de celda de 30 m., se procedió con el modelamiento geoespacial para la
integración de variables, mediante la multiplicación de estos parámetros con la función
Raster Calculator (figura 76).
Figura 76: Modelamiento geoespacial para hallar la ecuación USLE
98
IV. RESULTADOS Y DISCUSIÓN
4.1. 1ra FASE DE GEOPROCESAMIENTO
Como resultado del primer geoprocesamiento de los datos de la cuenca se obtuvo la siguiente
información temática.
4.1.1. Cobertura Vegetal
El resultado de la clasificación no supervisada se mostró en la Figura 77, sin embargo, este

primer mapa no cuenta con una división clara de los siete tipos de cobertura. Luego, se
efectuó la clasificación supervisada, que contó con 11 clases de cobertura (Figura 78), a la
cual se le hicieron correcciones utilizando el programa Google Earth Pro y la información
obtenida de las visitas de campo.
Como resultado de la clasificación final de la cuenca Huarmey, se obtuvieron ocho tipos de

cobertura. La clase que abarcó una mayor área, fue la de Matorrales, cuya superficie fue de
1410.25 km2, lo que equivalió al 62.82 por ciento del área total y se ubicó desde la parte
media a alta de la cuenca, en la zona andina. En la zona media a baja de la cuenca se
encontraron las Montañas, cuya área fue la segunda más grande, con 476.22 km2, que
representó el 21.21 por ciento de la superficie de la cuenca. Por otro lado, en la cuenca baja
se halló la clase de Llanura Arenosa, con 119.18 km2, que comprendió el 5.31 por ciento del
área de estudio. Las áreas agrícolas se encontraron a lo largo de toda la cuenca y contaron
con una superficie de 128.08 km2, lo que significó el 5.71 por ciento del área total. Las zonas
de Suelo Desnudo tuvieron un área de 101.53 km2, lo que representó el 4.52 por ciento.
Finalmente, el resto de tipos de cobertura abarcaron menos del uno por ciento del área total.
99
Tabla 16: Resultados del mapa de cobertura
Clases Área (km2) Área (%)
Agrícola 128.08 5.71
Laguna 3.21 0.14
Llanura arenosa 119.18 5.31
Matorrales 1410.25 62.82
Montañas 476.22 21.21
Río 2.14 0.10
Suelo desnudo 101.53 4.52
Urbana 4.29 0.19
100
Figura 77: Clasificación no supervisada de la cuenca Huarmey
Figura 78 Clasificación supervisada de la cuenca Huarmey

101
Figura 79: Mapa de cobertura de la cuenca Huarmey
102
4.1.2. Pendiente
Se obtuvo un mapa de pendientes en porcentajes, el cual mostró que el rango de 40 a 60 por

ciento, representaron a los terrenos escarpados, y son los que poseen mayor área en la cuenca,
contando con 520.28 km2, lo que significó un 25.40 por ciento del área total. La segunda
zona con mayor área, fue la que presentaba pendientes de 20 a 40 por ciento, con un área de
565.99 km2, equivalente al 25.21 por ciento del total de la superficie. Las pendientes mayores
al 60 por ciento, fue la tercera región más grande, cuyo terreno era extremadamente
empinado y abarcó una superficie de 476.96 km2, que representó el 21.25 por ciento de la
zona de estudio. El rango de pendientes menores a 5 por ciento presentó un área de 360.05
km2, abarcando el 16.04 por ciento del área total. Por último, los rangos restantes de 5 a 10
por ciento y de 10 a 20 por ciento, ocuparon áreas menores al 10 por ciento de la cuenca.
Tabla 17: Resultados del mapa de pendientes en porcentaje
Rangos Área (km2) Área (%)
< 5% 360.05 16.04
5% - 10% 77.63 3.46
10% - 20% 193.99 8.64
20% - 40% 565.99 25.21
40% - 60% 570.28 25.40
> 60% 476.96 21.25
103
Figura 80: Mapa de pendientes en porcentaje de la cuenca Huarmey
104
4.1.3. Capacidad de Infiltración
Esta capa se realizó gracias al Mapa de Hidrogeología Nacional del INGEMMET, donde
resultaron tres tipos de suelo dentro de la cuenca Huarmey, que se muestra en la figura 81.
En la tabla 18 se puede observar, que el suelo tipo A, cuya capacidad de infiltración es alta,
abarcó un área de 614.53 km2, correspondiente al 27.37 por ciento de la superficie total de
la cuenca, y que se halla en la parte baja de la unidad hidrográfica. Los suelos de tipo B,
cuentan con un nivel medio de permeabilidad, y fue la zona que contó con la mayor área,
1286.96 km2, lo que significó el 57.33 por ciento y se puede observar principalmente en la
parte alta de la cuenca. Por último, los suelos de tipo C, presentaron una capacidad de
infiltración baja y presentó un área de 343.41 km2, que representó el 15.30 por ciento del
total y se encontraron en la parte media de la cuenca, a los lados del valle.
Tabla 18: Resultados del mapa de capacidad de infiltración
Capacidad de Tipo de Área

Área (%)
infiltración suelo (km2)
Alta A 614.53 27.37
Media B 1286.96 57.33
Baja C 343.41 15.30
105
Figura 81: Mapa de Capacidad de Infiltración de la cuenca Huarmey
106
4.1.4. Geología
Ochos unidades geológicas conformaron la cuenca Huarmey, siendo el Grupo Calipuy,

localizado en la parte más alta de la cuenca y compuesto principalmente por lavas andesíticas
y piroclastos, el que abarcó la mayor área, con 748.39 km2 que representó el 33.34 por ciento
del total. La segunda unidad más grande fue la Formación Junco, característico por la
presencia de lavas almohadilladas, con un área de 484.89 km2, que significó el 21.60 por
ciento de la superficie de la cuenca. La tercera unidad que predominó fue el Batolito de la
Costa, constituido por colinas y montañas de monzogranito en la zona media de la cuenca,
cuya superficie fue de 467.45 km2, equivalente al 20.82 por ciento. Los depósitos aluviales,
que se encontraron a lo largo del valle y en las zonas de suelo desnudo, ocuparon 248.56
km2, comprendiendo el 11.07 por ciento del área total, siendo la cuarta unidad más
sobresaliente. Las cuatro formaciones geológicas restantes solo ocuparon menos del 6 por
ciento del área de la cuenca cada una.
Tabla 19: Resultados del mapa de geología

Unidades
Área (km2) Área (%)
Geológicas
Batolito de la
467.45 20.82
Costa
Depósito aluvial 248.56 11.07
Formación Chimú 32.03 1.43
Formación Junco 484.89 21.60

Formación La
98.85 4.40
Zorra
Formación Lupín 45.43 2.02
Formación Santa,
119.41 5.32
Carhuaz
Grupo Calipuy 748.39 33.34
107
Figura 82: Mapa de Geología de la cuenca Huarmey
108
4.1.5. Geomorfología
Se identificaron cinco unidades geomorfológicas en la zona de estudio, de las cuales la que

predominó fueron las Montañas con pendientes moderadas a fuertes, ubicada en la zona
media a alta de la cuenca y que abarcó un área de 1407.73 km2, significando el 62.71 por
ciento de la superficie total. Las Colinas y lomadas, fue la segunda unidad más grande, que
se encontró principalmente en la zona media de la cuenca, con una superficie de 322.18 km2,
que representó el 14.35 por ciento del total. Así mismo, las Montaña con pendientes suaves
a moderadas contaron con un área de 198.27 km2, equivalente al 8.86 por ciento. Los mantos
de arena ubicados en la región costera tuvieron un área de 170.78 km2, ocupando el 7.61 por
ciento del área total. Finalmente, la Terraza Aluvial localizada en la zona de los valles y
quebradas, presentaron una superficie de 146.04 km2, que significó el 6.50 por ciento del
total de la cuenca.
Tabla 20: Resultados del mapa de geomorfología
Unidades
Geomorfológicas
Colinas y lomadas 322.18 14.35
Mantos de arena 170.78 7.61

Montañas con pendientes
198.27 8.83
suaves a moderadas
Montañas con pendientes
1407.73 62.71
moderadas a fuertes
Terraza aluvial 146.04 6.50
109
Figura 83: Mapa de Geomorfología de la cuenca Huarmey
110
4.1.6. Factor Forma
Se llevó a cabo la clasificación de los valores del factor forma de las cuencas, basado en la
Tabla 3, de acuerdo a Pérez, citado por Córdova (2016). Por lo tanto, se obtuvo ocho tipos
de formas en toda la cuenca, como se muestra en la Tabla 21. La forma que más predominó
entre las cuencas, fue la del tipo Ligeramente Ensanchada, la cual ocupó un área de 450.07
km2, siendo éste el 20.05 por ciento del área total. Las cuencas con forma Muy Ensanchada,
tuvieron un área de 412.01 km2, lo que significó el 18.35 por ciento. El tercer tipo de cuencas
con mayor área, fueron las de la forma Ligeramente Alargada, cuya superficie fue de 383.63
km2, equivalente al 17.09 por ciento. Las cuencas de forma Alargada, contaron con 309.05
km2 de área, que significó el 13.77 por ciento. Las cuencas clasificadas como Ni Alargadas
Ni Ensanchadas, tuvieron una superficie de 247.34 km2, ocupando el 11.02 por ciento del
total de la cuenca. Los tres tipos de forma restante, Muy Alargada, Ensanchada y Rodeando
el desagüe, alcanzaron áreas menores al 10 por ciento del total cada una, la primera con
189.03 km2 (8.42 por ciento), la segunda con 167.54 km2 (7.46 por ciento) y la última con
86.33 km2 (3.85 por ciento).
Tabla 21: Resultados del mapa de factor forma
Forma Área (km2) Área (%)
Muy Alargada 189.03 8.42
Alargada 309.05 13.77
Ligeramente Alargada 383.63 17.09

Ni Alargada Ni
247.34 11.02
Ensanchada
Ligeramente Ensanchada 450.07 20.05
Ensanchada 167.54 7.46
Muy Ensanchada 412.01 18.35
Rodeando el desagüe 86.33 3.85
111
Figura 84: Mapa de factor forma de la cuenca Huarmey
112
4.1.7. Precipitación
Las precipitaciones que se obtuvieron en este mapa fueron obtenidas como un promedio
anual (mm/año). Como se muestra en figura 85, el 44.99 por ciento de la superficie de la
cuenca, o 1009.98 km2, presenta lluvias entre el rango de 0 a 150 mm/año, las cuales se
manifiestan en la zona media y baja de la cuenca. Las precipitaciones van aumentando, a
medida que la altura aumenta también, es por ello que el siguiente rango de 150 a 300
mm/año, se encuentra en la zona media de la cuenca, ocupando 268.48 km2, equivalente al
11.96 por ciento del total. La parte media a alta de la unidad hidrográfica presenta un rango
de precipitaciones del 300 a 450 mm/año, con una superficie de 306.32 km2, que significó
el 13.64 por ciento. En la parte más alta de la cuenca, se ubicó el rango de 450 a 600 mm/año,
siendo esta zona la segunda con mayor área, la cual fue de 600.21 km2, ocupando el 29.41
por ciento del total de la cuenca.
Tabla 22: Resultados del mapa de precipitaciones
PP media anual Área

Área (%)
(mm/año) (km2)
0 - 150 1009.98 44.99
150 - 300 268.48 11.96
300 - 450 306.32 13.64
450 - 600 660.21 29.41
113
Figura 85: Mapa de precipitaciones de la cuenca Huarmey
114
4.2. 2da FASE DE GEOPROCESAMIENTO
4.2.1. Mapa de Inundaciones Extraordinarias
Luego de realizar la superposición ponderada de las capas de Cobertura, Pendiente,

Capacidad de Infiltración y Factor Forma se obtuvo el Mapa de Inundaciones
Extraordinarias (figura 86), donde se muestran los niveles de amenaza ante fuertes
precipitaciones imprevistas. Los resultados indicaron que el área de la cuenca que presentó
un nivel muy bajo de amenaza fue de 67.79 km2, el cual representó el 3.02 por ciento de la
superficie total. La zona que contó con un nivel bajo de vulnerabilidad ante estas
inundaciones, fue la que contó con la mayor área, la cual fue de 1025.28 km2, lo que significó
el 45.67 por ciento de la cuenca. El sector de la cuenca con un moderado nivel de amenaza,
contó con 804.22 km2 de área, abarcando el 35.82 por ciento del total, siendo esta zona la
segunda más grande. La región de la cuenca con un alto nivel de vulnerabilidad ante este
fenómeno, se ubicó principalmente en la zona del valle y en la parte baja cerca a la costa, y
tuvo un área de 345.90 km2, comprendiendo el 15.41 por ciento. Por último, la zona con un
nivel muy alto de amenaza presentó una superficie de 1.71 km2, representando solo el 0.08
por ciento de la superficie.
Así mismo, se puede observar que los puntos donde se registraron inundaciones en el año
2017 por el fenómeno del Niño Costero, coinciden con la zona con un nivel alto y muy alto
de susceptibilidad ante inundaciones extraordinarias.
Tabla 23: Resultados del mapa de inundaciones extraordinarias
Nivel Área (km2) Área (%)
Muy Alto 1.71 0.08
Alto 345.90 15.41
Moderado 804.22 35.82
Bajo 1025.28 45.67
Muy Bajo 67.79 3.02
115
Figura 86: Mapa de inundaciones extraordinarias de la cuenca Huarmey
116
Figura 87: Mapa de inundaciones extraordinarias de la cuenca Huarmey y puntos donde se
produjeron inundaciones durante el Niño Costero, según INGEMMET
117
Figura 88: Primera vista a detalle del Mapa de inundaciones extraordinarias
Figura 89: Segunda vista a detalle del Mapa de inundaciones extraordinarias

118
4.2.2. Mapa de Inundaciones, considerando PP
Este segundo modelo (figura 90), fue creado con la superposición de las capas de
Precipitaciones, Cobertura, Pendiente, Capacidad de Infiltración y Factor Forma. Existen
solo algunas variaciones en los niveles de vulnerabilidad ante inundaciones, respecto al
primer modelo, a causa de la consideración de las precipitaciones en este mapa.
La zona con un muy bajo nivel de amenaza presentó un área de 66.60 km2, equivalente al
2.97 por ciento del total. Al igual que en el modelo anterior, el sector con mayor superficie
fue el de nivel bajo, la cual contó con un área de 1092.77 km2, que representó el 46.68 por
ciento de la cuenca. La región de la cuenca con un nivel moderado de amenaza ante
inundaciones abarcó 721.39 km2, que significó el 32.13 por ciento. La superficie de la zona
con un nivel alto de vulnerabilidad, fue de 360.53 km2, que representó el 16.06 por ciento
de la cuenca, y tal como sucedió en el primer mapa de inundaciones, se localizó en el valle
de la cuenca, y en la parte baja cerca a la costa, solo se observaron diferencias en la parte
más alta de la cuenca, donde se incrementaron las regiones de alto nivel de vulnerabilidad
debido a las fuertes precipitaciones que se producen anualmente. Las zonas con un nivel
muy alto de amenaza, fueron las más pequeñas con un área de 3.62 km2, equivalente al 0.16
por ciento del total.
Tabla 24: Resultados del mapa de inundaciones, considerando PP
Nivel Área (km2) Área (%)
Muy Alto 3.62 0.16
Alto 360.53 16.06
Moderado 721.39 32.13
Bajo 1092.77 48.68
Muy Bajo 66.60 2.97
119
Figura 90: Mapa de inundaciones de la cuenca Huarmey, considerando la capa de
Precipitaciones
120
4.2.3. Mapa de Vulnerabilidad Física
Este mapa se creó con el fin de hallar las zonas más vulnerables de la cuenca, para realizar
una comparación con el modelo USLE y comprobar que las zonas más peligrosas
concuerden. Los sectores con un nivel muy alto de vulnerabilidad se presentan en la zona
más alta de la cuenca debido a las pendientes escarpadas de la región y la presencia de fuertes
lluvias, abarcando un área de 79.39 km2, equivalente al 3.54 por ciento. Por otro lado, las
zonas con un nivel alto de vulnerabilidad contó con una superficie de 886.89 km2,
representando el 39.51 por ciento del área total, que abarca la misma zona que el rango de
50 a 200 t/ha.año de pérdida de suelo en el modelo USLE, en la parte alta de la cuenca. Las
zonas con nivel estable y bajo mantuvieron una relación con los menores rango de pérdida
de suelo en el mapa USLE, del mismo modo sucede con el nivel moderado, y estos rangos
se encuentra en la parte media y baja de la cuenca, donde las pendientes y precipitaciones
son menores.
Tabla 25: Resultados del mapa de vulnerabilidad física de la cuenca Huarmey
Nivel de
Vulnerabilidad
Muy Alto 79.39 3.54
Alto 886.89 39.51
Moderado 819.22 36.49
Bajo 392.24 17.47
Estable 67.16 2.99
121
Figura 91: Mapa de Vulnerabilidad Física de la cuenca Huarmey
122
Figura 92: Vista a detalle del Mapa de Vulnerabilidad Física
123
4.2.4. Modelo Geoespacial para la identificación y cuantificación de la erosión del
suelo con el método USLE
a. Factor de Precipitación (R)
Los valores del Factor R, se clasificaron en cinco rangos con un intervalo de 100, los cuales
al igual que en el mapa de precipitaciones, se observa que van aumentando a medida que la
altura se incrementa. De este modo, la cuenca baja presentó el rango de 0 a 100, lo cual
abarcó la mayor parte de la zona, con un área de 933.35 km2, que representó el 41.57 por
ciento del total de la superficie. Por otro lado, la segunda zona con mayor área, fue la que se
encontró en el rango de 400 a 501.22, la cual contó con un área de 621.24 km2, que significó
el 27.67 por ciento de la cuenca, y se encontró en la parte alta de ésta. El tercer rango con
mayor cobertura fue el de 300 a 400, que abarcó un área de 283.35 km2, equivalente al 12.62
por ciento del total, y se encontró en la parte media y alta de la cuenca, donde la altura va
disminuyendo. El rango de 100 a 200 tuvo un área de 231.85 km2, cubriendo un 10.33 por
ciento de la cuenca. El rango con menor área fue el de 200 a 300, el cual abarcó una superficie
de 175.21 km2, que representó el 7.80 por ciento del total del área.
Tabla 26: Resultados del mapa de Factor R
Factor R
(MJ.mm/ha.h.año)
0 - 100 933.35 41.57
100 - 200 231.85 10.33
200 - 300 175.21 7.80
300 - 400 283.35 12.62
400 - 501.22 621.24 27.67
124
Figura 93: Mapa del Factor R de la cuenca Huarmey
125
b. Factor de Susceptibilidad a erosión del Suelo (K)
Los valores del Factor K se clasificaron en cinco rangos, como se muestra en la Tabla 27. El
rango de 0.15 a 0.17, que fueron los mayores valores de K, abarcaron un área de 952.25 km2,
equivalente al 42.42 por ciento y se encontró en la parte media y baja de la cuenca. El
siguiente sector más grande, fue el de 0.13 a 0.14, cuya superficie fue de 748.37 km2,
representando el 33.34 por ciento del área, localizándose en la zona más alta de la cuenca.
La categoría con los valores de 0.06 a 0.12 contó con un área de 248.66 km2, y abarcó el
11.08 por ciento de la cuenca, en la región de los valles y suelo desnudos. Así mismo, en la
cuenca alta se encontró el rango de 0.12 a 0.13, que abarcó 151.48 km2, o el 6.75 por ciento
de la cuenca. La región más pequeña fue la de la categoría de 0.14 a 0.15, con una superficie
de 144.22 km2, equivalente al 6.42 por ciento del total.
Tabla 27: Resultados del mapa de Factor K
Factor K
(t.ha.h/ha.MJ.mm)
0.06 - 0.12 248.66 11.08
0.12 - 0.13 151.48 6.75
0.13 - 0.14 748.37 33.34
0.14 - 0.15 144.22 6.42
0.15 - 0.17 952.25 42.42
126
Figura 94: Mapa del Factor K de la cuenca Huarmey
127
c. Factor Topográfico (LS)
Los resultados obtenidos se presentaron en la Tabla 28. El rango que contó con una mayor
área fue la de 14.60 a 25.20, ocupando 1076.24 km2, que representó el 47.94 por ciento del
total del área y correspondieron a las altas pendientes de la zona de estudio. La segunda zona
con mayor superficie, fue la que contó con los menores valores de LS, 0.30 a 1.50, con un
área de 323.63 km2, abarcando 14.42 por ciento de la cuenca, localizado en la zona llana de
la cuenca. El tercer rango con mayor área, fue la de 5.60 a 14.60, y contó con un área de
305.90 km2, equivalente al 13.63 por ciento. Las pendientes con mayor inclinación dieron
como resultado los valores de 25.2 a 28.5 y abarcaron un área de 277.37 km 2, ocupando el
12.36 por ciento del área total. Finalmente, el rango de 1.50 a 5.60 tuvo la menor área, con
261.75 km2, equivalente al 11.66 por ciento.
Tabla 28: Resultados del mapa de Factor LS
Factor LS Área (km2) Área (%)
0.3 - 1.5 323.63 14.42
1.5 - 5.6 261.75 11.66
5.6 - 14.6 305.90 13.63
14.6 - 25.2 1076.24 47.94
25.2 - 28.5 277.37 12.36
128
Figura 95: Mapa del Factor LS de la cuenca Huarmey
129
d. Factor de Cobertura Vegetal (C)
Los resultados obtenidos en el mapa de cobertura (Figura 79), se le asignaron valores de C

que estuvieron dentro del rango de cero a uno. Debido a que los Matorrales ocuparon la
mayor parte de la cuenca, su valor correspondiente de C de 0.20 fue la más grande, abarcando
un área de 1410.33 km2, que representó el 62.82 por ciento de la superficie total. Los valores
de C de 0.7 a 0.8, que pertenecieron a la zona de Montañas de la parte media de la cuenca y
la zona urbana, presentó un área de 480.52 km2, equivalente al 21.40 por ciento de la cuenca.
Los valores de C de 0.9 a 1, se presentaron en la superficie sin cobertura vegetal, y contó
una superficie de 225.90 km2, que significó el 10.06 por ciento, siendo la tercera zona más
grande. Los demás valores contaron con superficies menores al 10 por ciento.
Tabla 29: Resultados del mapa de Factor C
Factor C Área (km2) Área (%)
0 - 0.2 1410.33 62.82
0.3 - 0.4 128.15 5.71
0.5 - 0.6 0.00 0.00
0.7 - 0.8 480.52 21.40
0.9 - 1 225.90 10.06
130
Figura 96: Mapa del Factor C de la cuenca Huarmey
131
e. Mapa de Identificación y Cuantificación de la Erosión Hídrica (USLE)
Como se muestra en la Figura 97, la zona donde se registraron las mayores pérdidas de suelo
por erosión hídrica, de más de 200 t/ha.año, fue en la parte alta de la cuenca, debido a que
en este sector se producen las mayores precipitaciones y existen pendientes altas, y contó
con un área de 245.21 km2, equivalente al 10.92 por ciento del total de la cuenca. Por otro
lado, la región con mayor área fue lo del rango de 50 a 200 t/ha.año, que abarcó un área de
945.30 km2, abarcando el 42.11 por ciento del total, y presentó estos valores ya que es en
esta zona donde se presentan precipitaciones significativas y cuenta con pendientes elevadas.
La región con erosiones de 0 a 5 t/ha.año y de 5 a 10 t/ha.año fue la más segura y cuya
superficie fue de 632.55 km2, representando el 28.18 por ciento.
Tabla 30: Resultados del mapa de cuantificación de la erosión hídrica de la cuenca

Huarmey
Erosión Hídrica Área Área

(t/ha.año) (km2) (%)
0-5 437.35 19.48
5 - 10 195.20 8.70
10 - 50 421.84 18.79
50 - 200 945.30 42.11
> 200 245.21 10.92
132
Figura 97: Mapa de la Identificación y Cuantificación de la Erosión Hídrica de la cuenca
Huarmey (USLE)
133
Figura 98: Vista a detalle del Mapa de la Identificación y Cuantificación de la Erosión
Hídrica de la cuenca Huarmey (USLE)
134
V. CONCLUSIONES
• De acuerdo al objetivo general de la presente investigación se logró identificar las zonas

vulnerables a inundaciones y procesos de erosión; así como cuantificar la cantidad la
pérdida de suelo por erosión, mediante la aplicación del sistema de información
geográfica (SIG), generando los modelos de inundaciones extraordinarias, inundaciones,
vulnerabilidad física y USLE.
• Se elaboró una Base de Datos Geoespacial con siete variables temáticas, las cuales
fueron utilizadas para elaborar los modelos de inundaciones, inundaciones
extraordinarias y vulnerabilidad física; así como para cuantificar la pérdida de suelos en
la cuenca Huarmey.
• El Mapa de Inundaciones Extraordinarias fue el primer modelo geoespacial que se

elaboró, y cuyo principal factor que influyó en la formación de inundaciones fue la
información temática de pendientes. Este modelo mostró cinco niveles de riesgo a
inundaciones, muy bajo, bajo, moderado, alto y muy alto. Las zonas con nivel muy bajo
se encuentran en la parte más alta de la cuenca, abarcando un área de 67.8 km2, donde
las pendientes son escarpadas y existe mayor cobertura vegetal; las de nivel bajo se
ubican en la zona de los matorrales en la parte media a alta de la cuenca, con un área de
1025.3 km2; y la de nivel moderado contó con un área de 804.2 km2 principalmente en
la zona de las colinas de la parte media de la cuenca. La zona que presentó un nivel alto
de riesgo por inundaciones extraordinarias, se ubicó en la parte media y baja de la cuenca,
donde se ubican los valles, el suelo desnudo y la llanura arenosa, ocupando un área de
345.9 km2, esto debido principalmente a la presencia de pendientes muy suaves y a una
escasa cobertura vegetal, existente solo en las zonas agrícolas. Así mismo, gracias al
mapa que muestra los puntos donde se produjeron las inundaciones en el año 2017 a
causa del Fenómeno del Niño Costero (Figura 87), se observó que la localización de
estos eventos coincide con las zonas con un nivel alto de riesgo por inundaciones del
Mapa de Inundaciones Extraordinarias.
135
• El Mapa de Inundaciones resultó del segundo modelamiento geoespacial, que de igual
forma fue la variable pendiente la que tuvo una mayor influencia en la formación de
inundaciones. En este modelo la zona de vulnerabilidad alta, no presentó variaciones
significativas respecto al primer mapa, solo se presentó un incremento en su área,
llegando a ser de 360.5 km2, esto debido principalmente a que en la parte alta de la
cuenca aumentó la superficie por la incorporación de los datos de precipitaciones, que
son significativas en esta zona.
• El Mapa de Vulnerabilidad Física fue el tercer modelo elaborado, cuyos principales

factores que influyeron fueron las pendientes y las precipitaciones. Así mismo,
presentó cinco niveles de vulnerabilidad que fueron estable, bajo, moderado, alto y
muy alto. La zona de vulnerabilidad estable se presentó en la parte más baja de la
cuenca, en la llanura arenosa donde las pendientes son muy bajas y las precipitaciones
escasas, con un área de 67.2 km2; la de vulnerabilidad baja contó con un área de 392.2
km2, principalmente en la zona de los valles donde las pendientes y las precipitaciones
son bajas; y la de nivel moderado se ubicó en la parte media de la cuenca donde las
pendientes son escarpadas y las precipitaciones moderadas, con una superficie de
819.2 km2. Las regiones con los niveles de vulnerabilidad alta y muy alta, presentaron
áreas de 886.9 km2 y 79.4 km2 respectivamente, y se localizaron en la zona de los
matorrales y montañas, donde se producen fuertes precipitaciones y las pendientes
van de moderada a altas, en centros poblados como La Merced, Aija, Huacllan y
Malvas.
• El Mapa de la Identificación y Cuantificación de la Erosión Hídrica de la Cuenca

Huarmey, según el método USLE, integró los factores de precipitaciones, topografía,
cobertura y suelo. Este fue el último modelo geoespacial que se elaboró, en donde la
cantidad de suelo perdido por erosión se clasificó en cinco niveles, las cuales fueron
estable, bajo, moderado, alto y muy alto. La zona clasificada con un nivel estable, que
presentó el rango de 0 a 5 t/ha.año, abarcó un área de 437.4 km2 y se localizó en la
zona de los valles y la llanura costera, donde las pendientes son suaves y las
precipitaciones escasas; la de nivel bajo, con un rango de 5 a 10 t/ha.año, contó con
un área de 195.2 km2 y se ubicó en la parte media de la cuenca al lado de los valles,
donde las pendientes son moderadas y las precipitaciones mínimas; y la de nivel
moderado, cuyo rango fue de 10 a 50 t/ha.año, tuvo un área de 421.8 km2 y se presentó
136
en la parte media de la cuenca, donde se encuentran las colinas con pendientes
moderadas a leves y las precipitaciones que se producen son mínimas. Las zonas con
un nivel alto y muy alto de erosión, con un rango de 50 a 200 t/ha.año y de 200 t/ha.año
a más, presentaron áreas de 945.3 km2 y 245.2 km2 respectivamente, y se localizaron
en la zona de los matorrales y montañas, cuyas pendientes van de moderadas a
escarpadas y se registran fuertes precipitaciones, en centros poblados como La
Merced, Aija, Huacllan y Malvas.
137
VI. RECOMENDACIONES
• Se recomienda considerar los resultados obtenidos en la presente investigación

respecto a la localización de las zonas vulnerables a inundaciones y procesos de
erosión para los planes de desarrollo en la cuenca Huarmey, por parte de las entidades
públicas y privadas.
• La Base de Datos Geoespacial es importante para la identificación de zonas

vulnerables en la cuenca, razón por la cual se recomienda mantener actualizada la
data, para que los modelos se optimicen y puedan ser utilizados para la elaboración
de planes, programas, proyectos y actividades en la cuenca del río Huarmey.
• En base a la experiencia, se aconseja la aplicación de tecnologías de los Sistemas de

Información Geográfica y la Teledetección, para obtener otros modelos que muestren
zonas susceptibles a diferentes desastres, y puedan ser utilizados en la elaboración de
planes, programas, proyectos y actividades en las cuencas hidrográficas
• La cobertura vegetal es un factor importante para reducir la erosión de una zona, es

por ello que se recomienda como práctica de conservación, implementar la
agroforestación en las partes altas de la cuenca, ya que con ello se podría proteger al
suelo de la erosión gracias a las raíces profundas y la caída de las hojas, así mismo
esto produce que se mejore la capacidad de infiltración del suelo. Cabe resaltar que
como medidas de mantenimiento se deben prohibir las quemas en la zona, así como
evitar el pastoreo libre en los primeros tres años.
• Así mismo, se recomienda utilizar la información de la presente investigación para

desarrollar actividades como la cosecha de aguas de lluvia y la implementación de
surcos en contorno, zanjas de infiltración, terrazas, entre otros; en la parte alta y media
de la cuenca para que se pueda captar este recurso hídrico en los meses de fuertes
138
precipitaciones y sea utilizado en los meses posteriores. Estas prácticas de
conservación ayudan a que el exceso de lluvia sea utilizado para el consumo familiar
o actividades agrícola, y de este modo no se pierda y ocasione erosión en los suelos.
• Por otro lado, la limpieza de los cauces, la descolmatación de río, la implementación

de defensas ribereñas en la parte baja de la cuenca son actividades fundamentales para
mitigar el riesgo de inundaciones. Es importante concientizar a las autoridades sobre
estas medidas de prevención que pueden evitar daños en la población y sus
actividades.
139
VII. REFERENCIAS BIBLIOGRÁFICAS
• Aguilar, M. y Reyes, E. 2017. Lotización en Condominio La Pradera – La Molina. Tesis

Magister en Gestión y Dirección de Empresas Constructoras e Inmobiliarias. Lima, Perú,
Pontificia Universidad Católica del Perú y Universidad Politécnica de Madrid. 136 p.
• ANA (Autoridad Nacional del Agua, Perú). s.f. Visor de Estaciones (en línea, sitio web).
Consultado 10 feb. 2019. Disponible en http://snirh.ana.gob.pe/visors2/.
• Anderson, JR.; Hardy, EE.; Roach, JT. and Witmer, RE. 1976. A Land Use and Land
Cover Classification System for Use with Remote Sensor Data. Washington D.C., U.S.,
United States Government Printing Office. 34 p.
• Arias, DD. 2006. Análisis de técnicas de bioingeniería para control de erosión hídrica en
taludes con la graminea kikuyu (Pennisetum clandestinum). Tesis Ingeniero Civil. Lima,
PE, Universidad Nacional de Ingeniería. 267 p.
• ATDR Casma – Huarmey (Administración técnica del distrito de riego Casma –

Huarmey, Perú)/ IRH (Intendencia de Recursos Hídricos, Perú)/INRENA (Instituto
Nacional de Recursos Naturales, Perú)/Ministerio de Agricultura, Perú. 2007. Inventario
de Fuentes de Agua Superficial en la Cuenca del Río Huarmey. Casma, Perú. 98 p.
• Bascuñán, SM. 2010. Relación entre la erosión producida por un flujo superficial en
suelos finos y algunas propiedades de estos. Tesis Ingeniero Civil. Santiago, Chile,
Universidad de Chile. 222 p.
• Buzai, GD. 2008. Sistemas de Información Geográfica, SIG, y cartografía temática:

métodos y técnicas para el trabajo en el aula. Primera edición. Buenos Aires, Argentina.
Lugar Editorial. 128 p.
140
• Cabrejos, MN. 2016. Modelamiento geoespacial en la determinación del riesgo,
vulnerabilidad y de la cuantificación de la erosión hídrica en la microcuenca del Rio
Atuen – Amazonas. Tesis Ingeniero Agrícola. Lima, Perú, Universidad Nacional Agraria
La Molina. 145 p.
• Casella, A; Barrionuevo, N; Pezzola, A; Winschel, C. 2018. Pre-procesamiento de

imágenes satelitales del sensor Sentinel 2A y 2B con el software SNAP 6.0 (en línea).
31 p. Consultado 20 jun. 2019. Disponible en
https://inta.gob.ar/sites/default/files/tutorial_snap_preproc_acasella_et_al_2018_inta.pd
f.
• Castaño Fernández, S; Ruiz Gallardo, JR; Vela Mayorga, A. 1996. La Teledetección.

Sus Bases. Revista de la Facultad de Educación de Albacete (Sección Ciencias) (11):183-
194.
• CENEPRED (Centro Nacional de estimación, prevención y reducción del riesgo de

desastres, Perú). 2014. Manual para la evaluación de riesgos originados por inundaciones
fluviales. Lima, Perú. 48 p.
• Chadli, K. 2016. Estimation of soil loss using RUSLE model for Sebou watershed
(Morocco) (en línea). Modeling Earth Systems and Environment 2(51):1-10. Consultado
8 feb. 2019. Disponible en https://doi.org/10.1007/s40808-016-0105-y.
• Chuvieco, E. 1995. Fundamento de teledetección digital. 2 ed. Madrid, ES., Rialp. 1 – 7

p.
• COEN (Centro de Operaciones de Emergencia Nacional, Perú). 2017. Boletín

informativo de emergencias: Primer Boletín Nº241, Perú, jun. 9: 6. Consultado 10 ene.
2018. Disponible en
https://www.mindef.gob.pe/informacion/documentos/BOLETIN%20INFORMATIVO
%20N%20241.pdf.
141
• Concha Niño de Guzmán, RF; Vásquez Choque, EP; Astete Farfán, I; Benites Cañote,
A; Valdivia Vera, W. 2017. Peligros Geológicos y Geo-Hidrológicos detonados por El
Niño Costero 2017 en la Región Áncash: Análisis Geológico, geomorfológico y de
Peligros en la Cuenca Media y Baja del Río Huarmey. Perú, INGEMMET. 111 p.
Informe Técnico N° A6790.
• Córdova, M. 2016. Parámetros geomorfológicos de cuencas hidrográficas (en línea, sitio

web). Consultado 5 feb. 2019. Disponible en
https://www.prontubeam.com/articulos/articulos.php?Id_articulo=26.
• Desmet, PJJ; Govers, GA. 1996. A GIS procedure for automatically calculating the
USLE LS factor on topographically complex landscape units. Journal of Soil and Water
Conservation 51(5): 427-433.
• ENFEN (Comité Multisectorial Encargado del Estudio Nacional del Fenómeno El Niño,
Perú). 2012. Nota Técnica ENFEN: Definición operacional de los eventos El Niño y La
Niña y sus magnitudes en la costa del Perú (en línea). Consultado 9 abr. 2018. Disponible
en http://www.met.igp.gob.pe/elnino/enfen/ICEN-Nota_Tecnica.pdf
• ESA (European Space Agency). 2012. Sentinel-2: ESA’s Optical High-Resolution

Mission for GMES Operational Services (en línea). ESA Communications. 80 p.
Consultado 10 set. 2018. Disponible en
https://sentinel.esa.int/documents/247904/349490/S2_SP-1322_2.pdf.
• ESA (European Space Agency). c2014. Copernicus Open Access Hub (en línea, sitio
web). Consultado 10 set. 2018. Disponible en https://scihub.copernicus.eu/dhus/#/home
• ESA (European Space Agency). 2019. Sentinel-2: Level-2A Processing Overview (en
línea, sitio web). Consultado 10 set. 2018. Disponible en
https://sentinel.esa.int/web/sentinel/technical-guides/sentinel-2-msi/level-2a-
processing.
142
• ESRI (Environmental Systems Research Institute, EE.UU.). s.f. Conceptos del conjunto
de herramientas Hidrología: Cómo funciona Acumulación de flujo (en línea, sitio web).
Consultado 8 abr. 2019. Disponible en https://pro.arcgis.com/es/pro-app/tool-
reference/spatial-analyst/how-flow-accumulation-works.htm.
• Gaitán, J.; Navarro, MF.;Tenti, L.; Pizarro, MJ.; Carfagno, P. y Rigo, S. 2017.
Estimación de la pérdida de suelo por erosión hídrica en la República Argentina. Buenos
Aires, Argentina, Ediciones INTA. 72 p. Consultado 10 set. 2018. Disponible en
https://inta.gob.ar/sites/default/files/libro_erosion_hidrica_rep_argentina.pdf.
• González del Tánago, M. 1991. La Ecuación Universal de Pérdidas de Suelo: Pasado,

Presente y Futuro. Ecología (3):13-50.
• Google. c2019. Google Earth Pro. Esc. varía. 1h. Color.
• INGEMMET (Instituto Geológico Minero y Metalúrgico, Perú). 1995. Geología del

Perú. Lima, Perú. Boletín (55): 1-177. (Serie A: Carta Geológica Nacional).
• INGEMMET (Instituto Geológico Minero y Metalúrgico, Perú). c.2017. GEOCATMIN:

Sistema de Información Geológico y Catastral Minero (en línea, sitio web). Consultado
15 set. 2018. Disponible en https://geocatmin.ingemmet.gob.pe/geocatmin/.
• IMARPE (Instituto del mar del Perú, Perú). Definición del Niño Costero, antecedentes
y sistema de alerta (en línea). Consultado el 31 de marzo del 2018. Disponible en
http://www.imarpe.pe/imarpe/index.php?id_seccion=I0175040200000000000000,
http://www.imarpe.pe/imarpe/index.php?id_seccion=I0175040100000000000000,
http://www.imarpe.pe/imarpe/index.php?id_seccion=I0175040300000000000000
• INDECI (Instituto Nacional de Defensa Civil, Perú). 2006. Manual básico para la
estimación del riesgo. Lima, Perú. 73 p. Consultado 10 set. 2018 Disponible en
http://bvpad.indeci.gob.pe/doc/pdf/esp/doc319/doc319_contenido.pdf.
• INDECI (Instituto Nacional de Defensa Civil, Perú). 2011. Manual de estimación del
riesgo ante inundaciones fluviales. Cuaderno Técnico N° 02. Lima, Perú. 81 p.
143
Consultado 10 set. 2018. Disponible en
http://bvpad.indeci.gob.pe/doc/pdf/esp/doc1743/doc1743-contenido.pdf.
• Kuroiwa, J. 2002. Reducción de desastres. Viviendo en armonía con la naturaleza.

Primera edición. Perú. Editorial Quebecor World Perú. 229 p.
• Labrador García, M; Évora Brondo, JA; Arbelo Pérez, M. 2012. Satélites de

Teledetección para la Gestión del Territorio. Canarias, Consejería de Agricultura,
Ganadería, Pesca y Aguas del Gobierno de Canarias. 57 p.
• Mancilla, GA. 2008. Uso y conservación de suelos: Uso de la ecuación universal de

pérdidas de suelo (USLE) en el campo forestal. Apuntes Docentes. Universidad de Chile.
64 p. Consultado 10 set. 2018. Disponible en
http://repositorio.uchile.cl/bitstream/handle/2250/120400/Apuntes_docentes_USLE.pdf
?sequence=1.
• Manrique, ED; Gonzales, G; Mayna, GG; Trebejo, JO; Manrique, SL. 2018. Informe
Final: Disponibilidad Hídrica en la Naciente de la Cuenca Huarmey y Efectos del
Cambio Climático. Recuay, Perú. 24 p.
• Martínez, 2007. Gestión de Riesgos: Inundaciones Urbanas en El Salvador. San Carlos,

Brasil. 12 p.
• Martínez, A. y Takahashi, K. 2017. ¿El Niño Costero o Fenómeno el Niño? (en línea).
Revista Moneda 170: Importancia de la tasa de interés de referencia del BCRP. (170):34-
37. Consultado 10 set. 2018. Disponible en
http://www.bcrp.gob.pe/docs/Publicaciones/Revista-Moneda/moneda-170/moneda-
170-07.pdf.
• MINEDU (Ministerio de Educaión, Perú). s.f. Descarga de información espacial del

MED (en línea, sitio web). Consultado 15 set. 2018. Disponible en
http://sigmed.minedu.gob.pe/descargas/#.
144
• Montalvo, 2015. Principales aplicaciones del Sistema de Información Geográfica SIG.
Lima, Perú, Universidad Nacional Agraria La Molina. 15 p.
• Montes-León, MAL; Uribe-Alcántara, EM; García-Celis, E. 2011. Mapa Nacional de

Erosión Potencial. Tecnología y Ciencias del Agua 2(1): 5-17.
• Morante Vargas, S; Gonzales Carrasco, DR. 2019. Elaboración de Mapas de Erosión en

la Cuenca del Río Perené. Tesis Ing. Civ. Lima, Perú, UPC. 100 p.
• Moreno, A.; Cañada, R.; Cervera, B.; Fernández, F.; Gómez, N.; Martínez, P.; Prieto,
ME.; Rodríguez, JA. y Vidal, MJ. 2008. Sistemas y análisis de la información geográfica.
Manual de autoaprendizaje con ArcGIS. Segunda edición. México. Alfaomega Grupo
Editor. 911 p.
• Piazzese, J. y Oñate, E. 2004. Metodología para la obtención de información geográfica,

geofísica y geo-ambiental desde imágenes satelitales (en línea). Research Reports of the
International Centre for Numerical Methods in Engineering (PI244). Consultado 16 feb.
2019. Disponible en https://www.scipedia.com/public/Piazzese_Oñate_2003a.
• Ramos Taipe, CL. 2001. Modelamiento Ambiental para Análisis de Susceptibilidad

Erosiva en la Cuenca Media y Alta del Río Cañete y Determinación del Mapa de Erosión:
Sistema de Información Geográfica (en línea). Perú, UNALM. 26 p. Consultado 21 feb.
2019. Disponible en
https://tarwi.lamolina.edu.pe/~cramost/MODELO%20DE%20EROSION%20HIDRIC
A%20-%20SIG.pdf.
• Roberto, Z; Farrell, M; Carreño, L; Adema, E; Alvarez, C; Aumassanne, C. Avendaño,

WS; Babinec FJ; Bargiano, P; Beget, ME; Bellini, Y; Belmonte, ML; Butti, L; Corro
Molas, A; Cravero, W; Di Bella, C; Fontanella, D; Frank, E; Ghironi, E; Kovac, F;
Lambert, MJ; Llorens, E; Mariano, R; Martinez Uncal, MC; Martinez, D; Masseroni,
ML; Mendoza, M; Mieza, S; Montoya, J; Oricchio, P; Pérez, MM; Poey, S; Porfiri, C;
Sartor, P; Stefanazzi, I; Vazquez, P; Viglizzo, E; Walas, C; Zamora, D. 2018.
145
Potencialidades de las nuevas tecnologías en el agro pampeano. Roberto, Z; Farrell, M;
Carreño, L (comps.). Anguil, Buenos Aires, Argentina, Ediciones INTA- 174 p.
• Rodriguez, J; Salo, J; Fachín, L y Encarnación, F. 2007. Manual para la Zonificación
Ecológica y Económica a nivel macro y meso. Ed. IIAP. Iquitos, PE. 93 p.
• Sarría, FA. 2003. Teledetección (en línea, curso). Murcia, España. Consultado 13 feb.
2019. Disponible en https://www.um.es/geograf/sigmur/teledet/tema03.pdf.
• Schomwandt, D. 2015. Teledetección aplicada a las ciencias agronómicas y recursos

naturales. Esnoz, M (ed.). Buenos Aires, Argentina, SIIA. 60 p.
• Şen, Z. 2008. Flood Modeling, Prediction and Mitigation. Cham, CH, Springer Nature.
124 – 125 p.
• Sharpley, AN; Williams, JR. 1990. EPIC--Erosion/Productivity Impact Calculator: 1.

Model Documentation (en línea). U.S. Department of Agriculture Technical Bulletin
(1768): 1-235. Consultado 13 feb. 2019. Disponible en
http://epicapex.tamu.edu/files/2015/05/EpicModelDocumentation.pdf.
• SINAGERD (Sistema Nacional de Gestión del Riesgo de Desastres, Perú)/PCM

(Presidencia del Consejo de Ministros, Perú)/SGRD (Secretaría de Gestión del Riesgo
de Desastres, Perú)/CENEPRED (Centro Nacional de Estimación, Prevención y
Reducción del Riesgo de Desastres, Perú)/INDECI (Instituto Nacional de Defensa Civil,
Perú). 2014. Plan nacional de gestión del riesgo de desastres. PLANAGERD 2014-2021
(en línea). Lima, Perú. 62 p.
• STEP (Science Toolbox Exploitation Platform). s.f. Toolboxes: SNAP (en línea, sitio
web). Consultado 20 set. 2018. Disponible en http://step.esa.int/main/.
• Tayupanta, JR. 1993. La erosión hídrica: proceso, factores y formas. Quito, EC, Instituto
Nacional Autónomo de Investigaciones Agropecuarias. 12 p. (Boletín divulgativo no.
229).
146
• Telkar, SG. y Pote, NS. 2014. Soil Erosion: Types and Their Mechanism (en línea).
India, Biomolecule Reports. 7 p. Consultado 10 oct 2019. Disponible en
https://www.researchgate.net/publication/325300770_Soil_Erosion_Types_and_Their_
Mechanism.
• Trodd, N. 2005. Cartographic Modelling. 17 p. Consultado 10 feb. 2019. Disponible en

http://geo.exa.unrc.edu.ar/Posgrado/ARCHIVOS%20UTILES/trodd_cartographic_mod
elling.pdf.
• UCAR (University Corporation for Atmospheric Research, EE.UU.); Programa

COMET/ NOAA (National Oceanic and Atmospheric Administration, EE.UU.)/WMO
(World Meteorological Organization); Programa de Cooperación Voluntaria del
Gobierno de los EE.UU. 2010. Chapter 2: Flash Flood Science. In Flash Flood Early
Warning System Reference Guide. Estados Unidos. P. 2.1-2.8.
• UNAM (Universidad Nacional Autónoma de México). 2016. Espectro electromagnético

(en línea, sitio web). Consultado 16 feb. 2019. Disponible en
http://uapas1.bunam.unam.mx/ciencias/efecto_doppler/.
• Urbina, L. 2017. Huarmey, la ciudad que quedó bajo el agua tras El Niño costero (en
línea). El Comercio, Ancash, Perú; 31 dic. Consultado 30 mar. 2018. Disponible en
https://elcomercio.pe/peru/ancash/huarmey-ciudad-quedo-agua-nino-costero-noticia-
485418?foto=24.
• Wahid, A.; Madden, M; Khalaf, F. y Fathy, I. 2016. Análisis Geoespacial para

Determinar las Características Hidromorfológicas y Evaluar las Inundaciones
Potenciales en Llanuras Costeras Áridas: Caso de Estudio en el Suroccidente de Sinaí,
Egipto. Bogotá, Colombia, Earth Sciences Research Journal 20(1): E1-E9. Consultado
15 oct. 2017. Disponible en http://dx.doi.org/10.15446/esrj.v20n1.49624.
• Yaguache Ordoñes, LA; Rodrigues, VA; Blanco Jorge, LA; Hurtado Pidal, JR. 2016.
Análisis de la erosión laminar en cuatro tipos de cobertura vegetal, con ayuda de la
RUSLE (Revised Universal Soil Loss Equation) en la microcuenca del río Pimenta (en
147
línea). Revista Geoespacial 13:30-39. Consultado 16 feb. 2019. Disponible en
https://www.researchgate.net/publication/321016533_ANALISIS_DE_LA_EROSION
_LAMINAR_EN_CUATRO_TIPOS_DE_COBERTURA_VEGETAL_CON_AYUDA
_DE_LA_RUSLE_REVISED_UNIVERSAL_SOIL_LOSS_EQUATION_EN_LA_MI
CROCUENCA_DEL_RIO_PIMENTA.
• Zavala, B; Valderrama, P; Pari, W; Luque, G; Barrantes, R. 2009. Riesgos Geológicos

en la Región Áncash. Lima, Perú, INGEMMET. Boletín Geodinámica e Ingeniería
Geológica (Serie C) (38):1-280.
• Zeiler, M. 1999. Modeling our world: The ESRI Guide to Geodatabase Design. Estados
Unidos. 202 p. Consultado 16 feb. 2019. Disponible en
http://geography.unt.edu/~jminhe/Teaching/GIS-Adv/Modeling_our_World.pdf.
• Zúñiga Huaco, JE. 2017. Determinación de la Pérdida de Suelos en la Cuenca Aportante

del Embalse Aguada Blanca – Arequipa, aplicando USLE y técnicas geoespaciales. Tesis
de maestría. Lima, Perú, UNALM. 150 p.
148
VIII. ANEXOS
• ANEXO 1
Valores de C correspondiente al tipo de cobertura, según Montes-León et al. 2011
149
• ANEXO 2
Valores de C correspondiente al tipo de cobertura vegetal, según Wischmeier, citado
por Ramos Taipe 2001
• ANEXO 3
Valores de P correspondiente al tipo de prácticas de conservación, según Taipe 2001
150
• ANEXO 4
Descarga del programa SNAP (Fuente: Tomado de STEP s.f.)
• ANEXO 5
Descarga de la herramienta Sen2Cor (Fuente: Tomado de STEP s.f.)
151
• ANEXO 6
Archivos descargados por cada imagen satelital
• ANEXO 7
- Ubicación de la herramienta Sen2Cor
- Selección de archivo
152
- Selección de la resolución de 10 m.
- Archivos resultantes en el Nivel-2a
153
• ANEXO 8
- Selección de Mosaicing
- Ventana de Mosaicing
154
- Pestaña de Proyección Geográfica
155
- Pestaña de Variables y Condiciones
156
• ANEXO 9
- Máscara de la cuenca Huarmey
- Pestaña de los parámetros de entrada y salida
157
- Pestaña de parámetros del procesamiento
158
• ANEXO 10
- ROI’s de la cuenca Huarmey
- Ventana de Parámetros para la Clasificación por Máxima Probabilidad
159
• ANEXO 11
160
161

1.caycho Torres Lizbeth Rocio

Cargado por

Copyright:

Formatos disponibles

1.caycho Torres Lizbeth Rocio

Cargado por

Información del documento

Título original

Derechos de autor

Formatos disponibles

Compartir este documento

Compartir o incrustar documentos

Opciones para compartir

¿Le pareció útil este documento?

¿Este contenido es inapropiado?

Copyright:

Formatos disponibles

1.caycho Torres Lizbeth Rocio

Cargado por

Copyright:

Formatos disponibles

UNIVERSIDAD NACIONAL AGRARIA LA MOLINA

FACULTAD DE INGENIERÍA AGRÍCOLA

“MODELACIÓN GEOESPACIAL CON SIG EN LA IDENTIFICACIÓN

TESIS PARA OPTAR EL TÍTULO DE INGENIERA AGRICOLA

LIZBETH ROCÍO CAYCHO TORRES

FACULTAD DE INGENIERIA AGRICOLA

“MODELACIÓN GEOESPACIAL CON SIG EN LA IDENTIFICACIÓN

TESIS PARA OPTAR EL TITULO DE:

BACH. LIZBETH ROCÍO CAYCHO TORRES

Dr. ABSALÓN VÁSQUEZ VILLANUEVA Dr. NÉSTOR MONTALVO ARQUIÑIGO

Dedicada a mis padres Rocío Torres Robles y Esaud Caycho

RESUMEN ......................................................................................................................... xii

II. REVISIÓN DE LITERATURA ................................................................................ 3

2.1. ANTECEDENTES ............................................................................................... 3

2.2. VULNERABILIDAD ........................................................................................... 5

2.3. INUNDACIÓN ..................................................................................................... 6

2.4. INUNDACIÓN EXTRAORDINARIA ................................................................ 6

2.5. EL NIÑO COSTERO ........................................................................................... 7

2.6. EROSIÓN ............................................................................................................. 7

2.7. EROSIÓN HÍDRICA ............................................................................................ 8

2.8. FACTORES QUE INFLUYEN EN LA EROSIÓN HÍDRICA ........................... 9

2.8.1. Precipitación ................................................................................................ 10

2.8.2. Pendiente ...................................................................................................... 10

2.8.3. Cobertura Vegetal ........................................................................................ 10

2.8.4. Tipo de Suelos.............................................................................................. 10

2.8.5. Geología ....................................................................................................... 11

2.8.6. Geomorfología ............................................................................................. 11

2.9. SISTEMA DE INFORMACIÓN GEOGRÁFICA (SIG) ................................... 11

2.10. TELEDETECCIÓN ............................................................................................ 13

2.10.1. Radiación Electromagnética ........................................................................ 15

2.10.2. Resolución de las imágenes satelitales ........................................................ 16

2.11. IMÁGENES SATELITALES: SENTINEL-2 .................................................... 18

2.12. MODELAMIENTO GEOESPACIAL ................................................................ 21

2.13. MÉTODO DE LA ECUACIÓN UNIVERSAL DE PÉRDIDA DE SUELOS

2.13.2. Factor de Susceptibilidad a erosión del Suelo (K) ....................................... 25

2.13.3. Factor Topográfico (LS) .............................................................................. 27

2.13.4. Factor de Cobertura Vegetal (C) .................................................................. 29

2.13.5. Factor de Prácticas de Conservación (P) ..................................................... 30

III. MATERIALES Y MÉTODOS................................................................................ 31

3.1. UBICACIÓN DE LA ZONA DE ESTUDIO ..................................................... 31

3.2. MATERIALES Y EQUIPOS.............................................................................. 33

3.3. MÉTODOS ......................................................................................................... 34

3.3.1. Fase Inicial o fase de preprocesamiento ...................................................... 35

3.3.2. 1ra fase de Geoprocesamiento ...................................................................... 38

a. Cobertura Vegetal ............................................................................................. 38

c. Capacidad de Infiltración .................................................................................. 52

f. Factor Forma ..................................................................................................... 56

3.3.3. Fase de Campo ............................................................................................. 73

3.3.4. 2da fase de Geoprocesamiento ...................................................................... 74

a. Construcción de Base de Datos Geoespaciales ................................................ 74

b. Elaboración de los modelos geoespaciales de Inundaciones ............................ 76

• Mapa de Inundaciones Extraordinarias ............................................................ 76

• Mapa de Inundaciones, considerando PP ......................................................... 81

c. Modelo Geoespacial de Vulnerabilidad Física ................................................. 83

d. Modelo Geoespacial para la identificación y cuantificación de la erosión del

• Factor de Susceptibilidad a erosión del Suelo (K) ........................................... 89

• Factor Topográfico (LS) ................................................................................... 95

• Factor de Cobertura Vegetal (C)....................................................................... 96

• Factor de Prácticas de Conservación (P) .......................................................... 97