Magnitud-y-dinamica-de-la-erosion-integrada-de

UNIVERSIDAD DE CHILE
FACULTAD DE CIENCIAS FÍSICAS Y MATEMÁTICAS
DEPARTAMENTO DE GEOLOGÍA
MAGNITUD Y DINÁMICA DE LA EROSIÓN INTEGRADA DE CUENCA EN EL RÍO
BIOBÍO
TESIS PARA OPTAR AL GRADO DE DOCTORA EN CIENCIAS, MENCIÓN
GEOLOGÍA
VIOLETA ALEJANDRA TOLORZA TOLORZA
PROFESORA GUÍA:
LUISA PINTO LINCOÑIR
PROFESOR CO-GUÍA:
SÉBASTIEN CARRETIER
MIEMBROS DE LA COMISIÓN:
SERGIO SEPÚLVEDA VALENZUELA
CARLOS OYARZÚN ORTEGA
SANTIAGO DE CHILE
2015
Resumen
En esta tesis de doctorado se aborda el estudio de la erosión integrada de cuenca (∼
140 − 24000 km2 ) en Chile Centro-Sur, particularmente en la Cuenca del Río Biobío, sus
subcuencas principales y la zona de ruptura del terremoto del Maule. Las metodologías utili-
zadas son el análisis de series de tiempo de sedimentos suspendidos (Qs ) y Caudal (Q) de la
10
Direción General de Aguas y la tasa de erosión de cuenca derivada de concentraciones de Be
en sedimentos uviales. Comprender los factores que controlan la erosión y sus variaciones
espaciales a las escalas utilizadas (decenas a miles de años) permite incorporar una mejor
perspectiva de los procesos superciales asociados a la movilización de sedimentos y la veloci-
dad de respuesta del sistema geomorfológico ante perturbaciones en el clima, la sismicidad y
la vegetación. A través del análisis de Qs y Q y sus variaciones espaciales, en esta tesis se ob-
tuvieron tres resultados principales: (1) Se demostró que en un sistema Montaña-Piedemonte
es imprescindible separar Q entre la fracción que tiene una corta residencia en la cuenca,
llamada Caudal Directo (Qd ) y la fracción que es retenida en diversos compartimientos hi-
drológicos, llamada Flujo Basal (Qb ) para poder comprender la dinámica de movilización de
sedimentos y sus variaciones espaciales. En el río Biobío esta separación mostró que Qs es
proporcional a Qd tanto en la montaña como en el piedemonte. (2) Se mostró que a tres
años del terremoto del Maule no hay una respuesta erosiva de gran envergadura que permita
cuanticar una tasa de denudación mayor que la variabilidad habitual del ujo de sedimentos
suspendidos en los ríos de la zona de ruptura y (3) al abordar la variabilidad inter e intra
anual del porcentaje de vegetación verde en las cuencas y compararla con la variabilidad de
Qs , se observó que cada año los máximos de Qs coinciden con los mínimos de vegetación
verde, pero que el aumento interanual observado en el porcentaje de vegetación verde no ha
signicado una disminución de la erosión. A través de las tasas de erosión de cuenca de largo
plazo (miles de años) y su comparación con las de corto plazo, que pueden obtenerse desde
Qs (decadales), se obtuvieron dos resultados principales: (1) Las tasas de erosión de largo
(0,01 a 0,17 mm/a) y corto (0,005 a 0,04 mm/a) plazo crecen con la pendiente y (2) las tasas
de erosión de corto plazo (décadas) son ca. tres veces menores que las de largo plazo.
i
ii
Al Wallmapu, a las aguas que uyen por él y a la Gente de la Tierra que lo habita.
A las mujeres desde las que provengo (Graciela, María, Leonor y Ana) y a las pequeñas
gigantes que nacieron de nosotras (Emilia, Matilde, Aylén y Amaya).
iii
Agradecimientos
Esta tesis ha sido nanciada mediante la Beca de Doctorado Nacional y la Beca de apoyo
a la tesis 24121632 de CONICYT, el COPEDIM y el Institut de Recherche pour le Déve-

loppement. Agradezco también a la beca de movilidad doctoral que me fue entregada por
la Embajada de Francia en conjunto con la Universidad de Chile para una estadía corta en
Toulouse.
Quiero agradecer especialmente a Sebastián Carretier por haber abierto la puerta a un
cambio de dirección en mi tesis, por haber sido un guía excepcional en este proceso y por
conar en mí en momentos que yo misma no creía posible continuar con esta tarea. Agradezco
el apoyo y los consejos siempre certeros de Luisa Pinto y a Christo Andermann, quien guió a
la distancia gran parte de mi aprendizaje. Agradezco a Reynaldo Charrier y Marcelo Farías,
quienes entendieron que mi rumbo tenía que cambiar y a quienes me permitieron comenzar
una nueva investigación en la ciudad de Concepción, facilitándome un espacio de trabajo,
buenos consejos y colaborando con terrenos: María Mardones, Andrea Andreoli y Diego Caa-
maño. También a quienes me recibieron de vuelta en Santiago, las y los compañer@s del
postgrado con quienes compartí y aprendí continuamente durante muchas jornadas. Espe-
cialmente quiero agradecer a Pablo Sanchez, Felipe Tapia y Fernanda Álvarez, con quienes
compartí la experiencia de terminar la tesis y varias horas de almuerzo comiéndonos un pa-
per. También me caben en los agradecimientos especiales la colaboración y discusiones con
Álvaro González y Francisco Ortega y a quienes agregaron una justa y necesaria cuota de
relajo: Sergio, Vladimir, Diego, Laura y vari@s más con quienes me distraje en el camino.
Agradezco el inconmensurable amor de Aylén Antai, la gran maestra que parí, la ayuda
incondicional de mi viejita, Leonor, de mi hermana Ana María, de mi primo Daniel y de mi
amiga Tamara, sin quienes esta tesis no sería posible. Agradezco inmensamente a las amigas
que siempre estuvieron presentes, especialmente a la Pame, la Karen y la Pita. Agradezco al
gran Futaleufu Biobío, objeto de este estudio y fuente de vida de nuestro Wallmapu.
iv
Tabla de contenido
Índice de tablas viii
Índice de guras x
Introducción General 1
Prefacio . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 1
Acerca de esta tesis . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 6
¾Por qué el río Biobío? . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 7
Caracterización regional de la cuenca del río Biobío . . . . . . . . . . . . . . . . . 11
Geomorfología y geología . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 11
Marco hidroclimático e hidrogeológico . . . . . . . . . . . . . . . . . . . . . . 16
1. Evaluación de datos sedimentométricos en la cuenca del río Biobío 23

1.1. Introducción . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 23
1.2. Base de datos rutinaria en la cuenca del río Biobío . . . . . . . . . . . . . . . 25
1.2.1. Metodología de muestreo . . . . . . . . . . . . . . . . . . . . . . . . . 25
1.2.2. Cronología de las variables monitoreadas . . . . . . . . . . . . . . . . 27
1.2.3. Distribución de frecuencia-magnitud de la descarga de agua y sedimen-
tos rutinarios . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 28
1.3. Base de datos integrada en la cuenca del río Biobío . . . . . . . . . . . . . . 32
1.3.1. Metodología de muestreo . . . . . . . . . . . . . . . . . . . . . . . . . 32
1.3.2. Comparación entre base de datos Integrada y Rutinaria . . . . . . . . 33
1.4. Discusión . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 37
1.5. Conclusiones . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 40
2. Movilización de sedimentos presente desde la montaña al océano 42
3. Movilización de sedimentos antes y después del terremoto del Maule (Mw

8.8) 68
v
3.1. Introducción . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 68
3.2. Características generales de la zona de ruptura . . . . . . . . . . . . . . . . . 71
3.3. El terremoto del Maule . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 72
3.4. Materiales y métodos . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 76
3.5. Resultados . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 77
3.6. Discusiones y conclusiones . . . . . . . . . . . . . . . . . . . . . . . . . . . . 79
4. Relación entre la evolución de la cobertura vegetal verde y la exportación

de sedimentos en la cuenca del Biobío 85
4.1. Introducción . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 85
4.2. Base de datos y métodos . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 87
4.2.1. Vegetación . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 87
4.2.2. Descarga sedimentaria y precipitaciones . . . . . . . . . . . . . . . . 88
4.3. Resultados . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 90
4.4. Discusión y conclusiones . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 93
5. Erosión de cuenca en el largo (ka) versus el corto (10 a) plazo en el río

Biobío: Posibles contoles 97
5.1. Introducción . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 98
5.2. Métodos . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 102
5.2.1. Isótopos cosmogénicos en el estudio de tasas de erosión integrada de
cuenca . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 102
5.2.2. Estaciones de muestreo, preparación de muestras y análisis . . . . . . 103
5.2.3. Tasas de erosión a partir de sedimentos suspendidos . . . . . . . . . . 106
5.2.4. Morfometría de las cuencas . . . . . . . . . . . . . . . . . . . . . . . 107
5.3. Resultados . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 108
5.4. Discusión . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 111
5.4.1. Variaciones temporales de la tasa de erosión . . . . . . . . . . . . . . 111
5.4.2. Variaciones espaciales de la erosión de largo plazo . . . . . . . . . . . 113
5.5. Conclusiones . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 114
6. Discusión general y perspectivas 115
Conclusión 120
7. Bibliografía 123
Apéndice 150
vi
A. Tabla de abreviaciones 151
B. Denición de años hidrológicos para estaciones analizadas en el

capítulo 3 153
C. Artículo de coautoría 165
vii
Índice de tablas
Capítulo 1
1.1. Estaciones sedimentométricas de la cuenca del Biobío . . . . . . . . . . . . . 25
1.2. Coecientes de determinación y valor p de caudal entre la base de datos inte-
grada y rutinaria . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 35
1.3. Promedios de caudal con medidas de aforo y rutinarias. . . . . . . . . . . . . 36
1.4. Coecientes de determinación y valor p de ujo sedimentario entre la base de
datos integrada y rutinaria . . . . . . . . . . . . . . . . . . . . . . . . . . . . 37
1.5. Coecientes de determinación y valor p de concentración de sedimentos entre
la base de datos integrada y rutinaria . . . . . . . . . . . . . . . . . . . . . . 39
1.6. Promedios de ujo sedimentario con medidas integradas y rutinarias. . . . . 40
1.7. Promedios de concentración de sedimentos con medidas integradas y rutinarias. 40
Capítulo 2
Land Use from Landsat Image Classication (Aguayo et al., 2009) . . . . . . . . . 49
Hydroelectric Plants and Their Reservoirs in the Biobío River Catchment . . . . . 49
Location of the Gauging Stations, Measurement Periods, and Dams Constructed
Upstream . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 50
Coecients Used to Calculate Base Flow, Qs , and Morphometry of the Studied
Catchments . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 53
Rating Exponents and 1σ Condence Intervals for Power Law Fits Between the
Daily Values of Three Components of Q Versus Qs . . . . . . . . . . . . . . 53
Rating Coecients and 1σ Condence Intervals for Power Law Fits Between the
Daily Values of Three Components of Q Versus Qs . . . . . . . . . . . . . . 54
Capítulo 3
3.1. Estaciones sedimentométricas con datos después del terremoto del Maule . . 74
viii
3.2. Promedio de la concentración de sedimentos suspendidos y coecientes de la
inversión potencial para los períodos pre- y post- sísmicos . . . . . . . . . . . 84
Capítulo 5
5.1. Ubicación de estaciones de muestreo y descripción de las tres máscaras litoló-
gicas utilizadas para el área drenada. . . . . . . . . . . . . . . . . . . . . . . 105

10
5.2. Concentraciones de Be, tasas de producción de acuerdo a cada máscara de
litología, tasas de erosión después de Braucher et al. (2003) y tasas de erosión
presente derivadas de sedimentos suspendidos. . . . . . . . . . . . . . . . . . 109
5.3. Morfometría de las cuencas calculada sobre máscaras de acuerdo a su litología. 110
ix
Índice de guras
Introducción General
1. Uso histórico de suelo en Europa media y tasas de erosión teórica en el tiempo
(von Blanckenburg, 2005) . . . . . . . . . . . . . . . . . . . . . . . . . . . . 4
2. Interruptores de conectividad en cuencas (Fryirs, 2013) . . . . . . . . . . . . 5
3. Erosión de cuenca a lo largo de Los Andes (Carretier et al., 2013) . . . . . . 8
4. Red de estaciones sedimentométricas de la DGA . . . . . . . . . . . . . . . . 9
5. Perl de testigo lacustre de 20 cm en la Laguna Chica de San Pedro de la Paz
(Cisternas y Araneda, 2001) . . . . . . . . . . . . . . . . . . . . . . . . . . . 10
6. Datos hidrometeorológicos del río Choshui, Taiwan (Hovius et al., 2011) . . . 11
7. Mapa geológico simplicado de la región del Biobío . . . . . . . . . . . . . . 13
8. Termocronología y exhumación de la Cordillera Principal y Cordillera de la

o
Costa entre la cuenca del Biobío y los 42 S (Glodny et al., 2008; Spikings et
al., 2008; Melnick et al., 2009) . . . . . . . . . . . . . . . . . . . . . . . . . . 15
9. Tasa de ocurrencia de eventos de sequía en la transición templada-mediterránea
(Christie et al., 2011) . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 17
10. Reconstrucción anual (abril-marzo) del caudal para el río Biobío entre 1500 y
2003 (Muñoz, 2012) . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 18
11. Subacuíferos denidos en DGA (2012) . . . . . . . . . . . . . . . . . . . . . 20
12. Modelo isobático de DGA (2012) . . . . . . . . . . . . . . . . . . . . . . . . 20
13. Niveles estáticos y volúmenes modelados para el acuífero de DGA (2012) . . 21
Capítulo 1
1.1. Ejemplos de la base de datos de las estaciones sedimentométricas . . . . . . 26
1.2. Diagramas de correlación QvsC y QvsQs . . . . . . . . . . . . . . . . . . . . 28
1.3. Esquema de pdf para distintas variabilidades climáticas . . . . . . . . . . . . 30
1.4. Tasa de incisión versus coeciente de variabilidad . . . . . . . . . . . . . . . 30
1.5. Pdf de Caudal y ujo sedimentario suspendido . . . . . . . . . . . . . . . . . 31
x
1.6. Diagramas de correlación entre datos integrados y rutinarios . . . . . . . . . 36
Capítulo 2
Representation of base ow separation after a rainfall event . . . . . . . . . . . . . 45
Location of the Biobío catchment . . . . . . . . . . . . . . . . . . . . . . . . . . . 46
Representation of the analyzed data and the base ow separation . . . . . . . . . 47
Hydrological annual cycle in the Biobío subcatchments . . . . . . . . . . . . . . . 48
Hydrological annual cycle in the Biobío catchments at river mouth . . . . . . . . . 51
Mountain catchments sediment dynamics . . . . . . . . . . . . . . . . . . . . . . . 55
Sediment dynamics for the Puente Perales catchment . . . . . . . . . . . . . . . . 56
Piedmont sediment dynamics . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 57
Sediment supply area versus Qs * . . . . . . . . . . . . . . . . . . . . . . . . . . . 58
Log-binned probability density function of Qs normalized by mean for all studied
catchments . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 58
Schematic representation of the distribution of the suspended sediment discharge
in the Biobío River basin . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 59
Capítulo 3
3.1. Visión general del área de estudio y serie de tiempo de caudal . . . . . . . . 70
3.2. Variabilidad latitudinal de pendiente y porcentaje de vegetación de la región
de estudio . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 72
3.3. Hidrograma estación Coelemu período 2009-2010 . . . . . . . . . . . . . . . . 75
3.4. Diagramas de correlación Q vs. C para cinco estaciones . . . . . . . . . . . . 78
3.5. Serie de tiempo de concentración de sedimentos suspendidos . . . . . . . . . 80
3.6. Series de tiempo de estaciones con altos valores de Cs en período post-sísmico 83
Capítulo 4
4.1. Variaciones temporales de la cobertura vegetal . . . . . . . . . . . . . . . . . 87
4.2. Series de tiempo de Qs , P y F Cover . . . . . . . . . . . . . . . . . . . . . . 89
4.3. Diagramas de caja de Fcover de Llanquen . . . . . . . . . . . . . . . . . . . 90
4.4. Diagramas de caja de Fcover de Rucalhue . . . . . . . . . . . . . . . . . . . 91
4.5. Diagramas de caja de Fcover de Tijeral . . . . . . . . . . . . . . . . . . . . . 92
4.6. Diagramas de caja de Fcover de Puente Perales . . . . . . . . . . . . . . . . 93
4.7. Diagramas de caja de Fcover de Desembocadura . . . . . . . . . . . . . . . . 94
4.8. Diagrama de correlación entre la vegetación y la descarga de sedimentos . . . 95
xi
4.9. Caminos forestales en cuenca del río Vergara (estación Tijeral) . . . . . . . . 96
Capítulo 5
5.1. Ubicación y geología . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 100
5.2. Tasas de erosión de cuenca y morfometría . . . . . . . . . . . . . . . . . . . 101
5.3. Comparación entre tasas de erosión de largo plazo y las derivadas de la des-
carga de sedimentos suspendidos . . . . . . . . . . . . . . . . . . . . . . . . . 107
Capítulo 6
6.1. Serie de tiempo estación Sauzal . . . . . . . . . . . . . . . . . . . . . . . . . 119
xii
Introducción General
Prefacio
La supercie de la tierra constituye una frontera entre sistemas que se encuentran en con-
tinua transformación e intercambio de masa y energía. Los principales sistemas en cuestión
son la litósfera, la atmósfera y la biósfera. En y entre ellos ocurren procesos tanto continuos
como discretos, cuya interacción determina las formas de un paisaje que es altamente di-
námico, a distintas escalas de observación en el tiempo y en el espacio. La estabilidad que
puedan alcanzar ciertos elementos del paisaje es, por lo tanto, transiente y sujeta a continuas
perturbaciones de diferente magnitud y recurrencia. Uno de los mayores desafíos para la geo-
morfología es la integración multisistémica de estos procesos, los cuales ocurren a escalas de
tiempo diversas y a tasas variables.
Hace solo 25 años se cambió el paradigma de que los efectos de la tectónica sobre el clima
son unidireccionales (Molnar y England, 1990). A partir de entonces, se ha estudiado la

1
dinámica de las cadenas montañosas considerando a la erosión como el principal modulador
entre procesos tectónicos y climáticos (e.g., Willett, 1999; Molnar, 2003; Farías et al., 2008;
Whipple, 2009). Nuestra comprensión de esta interacción en orógenos activos ha avanzado
principalmente mediante el uso de modelos numéricos de evolución del paisaje (Landscape
evolution models, LEM) y a través de métodos empíricos para medir tasas y edades de procesos
superciales que han sido desarrollados progresivamente en las últimas décadas.
A través de los LEM ha sido posible la integración conjunta de dinámicas teóricas de
transferencia de masa a través de cuencas uviales, permitiendo establecer posibles implican-
cias de procesos tectónicos y climáticos sobre la conguración del drenaje y sobre la erosión
(e.g., Howard, 1994; Tucker y Slingerland, 1997; Tucker, 2004; Carretier et al., 2009a). Por
1 La erosión integra todos los procesos que remueven masa desde la tierra y la hacen transportable. Incluye
meteorización mecánica/química y disolución.
1
su parte, los métodos empíricos para medir procesos superciales permiten estimar tasas de
erosión a escalas de tiempo muy diversas, como la termocronología, que puede narrar una
historia de denudación a escalas de 106 − 108 años (e.g., Reiners y Brandon, 2006), el uso de
isótopos cosmogénicos in situ, que permite medir edades y tasas de procesos geomorfológicos
que ocurren a escalas de 102 −106 años (e.g., von Blanckenburg y Willenbring, 2014), la carga
sedimentaria de los ríos, que permite observar la erosión de cuenca de escalas subdiarias a
decadales (e.g., Summereld y Hulton, 1994). El desarrollo reciente de estos métodos está
cambiando nuestra capacidad de percibir la variabilidad de la erosión (Kirchner et al., 2001)
y de los procesos superciales asociados a ella, revolucionando nuestra comprensión de la
dinámica geomorfológica.
Entender la variabilidad de la erosión física, de la meteorización y de sus posibles respuestas
al clima (e.g., Reiners et al., 2003; Burbank et al., 2003), a cambios en la vegetación (e.g.,
Vanacker et al., 2007; DiBiase y Lamb, 2013), a la sismicidad (e.g., Dadson et al., 2004) y a
las actividades antropológicas (e.g., Hooke, 2000; Syvitski et al., 2005) es fundamental para
comprender mejor cómo opera el sistema geomorfológico ante grandes perturbaciones. En el
contexto actual de acelerados cambios en el uso de suelo y de cambio climático, entender
la dinámica de los procesos de supercie ante grandes perturbaciones es indispensable para
nuestra adaptación (e.g., Milly et al., 2008) y para, eventualmente, ser capaces de cuanticar
el estado actual del planeta respecto a los límites de la biósfera (Rockstrom et al., 2009) y
abrir posibilidades hacia la resiliencia. Entender las dinámicas de transferencia de masa en
la supercie de los continentes es también una potencial herramienta para cuanticar el rol
de la meteorización en el ciclo del carbono y en la regulación de la temperatura del planeta
(e.g., Raymo y Ruddiman, 1992) y para comprender mejor el impacto del uso de suelo y otras
actividades humanas sobre la cantidad (e.g., Little et al., 2009) y la calidad del agua en las
cuencas, así como sobre la pérdida de nutrientes, como el nitrógeno y fósforo (e.g., Oyarzún
et al., 2007).
En una cuenca uvial, tanto los procesos que ocurren en las laderas como en el lecho del
río tienen implicancias en el total de masa que es transferida fuera de ella. El sistema uvial
puede ser descrito como un integrador natural de los procesos de transferencia de agua (e.g.,
Kirchner, 2009) y de sedimentos (e.g., Hovius, 1998) que en él ocurren, cargando en particular
con dos señales que pueden medirse en un mismo punto del río para medir tasas de erosión
física a dos escalas de tiempo diferentes:
• Una señal de corto plazo, obtenida desde la carga sedimentaria suspendida. Si bien esta
carga constituye sólo una fracción de la carga total, es normalmente la fracción más
2
signicativa en términos de masa total transportada por el río (Turowski et al., 2010).
Además, es relativamente fácil de medir y constituye una señal continua del ujo de
masa que sale de la cuenca, entregando información sobre la movilización de sedimentos
durante el período en que se monitorea el río. Por esta razón, ha sido ampliamente
utilizada para comprender los procesos climáticos y geomorfológicos que afectan a la
erosión de cuenca (e.g., Milliman y Syvitski, 1992; Hovius, 1998; Dadson et al., 2003;
Aalto et al., 2006; Hovius et al., 2011; Andermann et al., 2012; Carretier et al., 2013).
• Una señal de largo plazo, que puede obtenerse desde el contenido de isótopos cosmo-
génicos almacenado en los sedimentos que exporta la cuenca. Estos elementos han sido
adquiridos lentamente por los minerales desde que comenzaron a recibir radiación cós-
mica, principalmente en el último metro de su camino de exhumación hacia la supercie
(Lal, 1991). Su concentración en los sedimentos uviales depende principalmente de la
velocidad con que ocurre la erosión en la cuenca (von Blanckenburg, 2005, y referencias
ahí contenidas). Una cuenca que se erosiona lentamente (rápidamente) adquiere una
alta (baja) concentración de estos isótopos en sus laderas, lo cual se ve reejado en
los sedimentos que exporta. Esta señal se adquiere en el largo plazo, denido como un
período mucho más largo que el necesario para que ocurra la erosión de los primeros 60
2
100 cm de la supercie , lo cual ocurre a escalas de 102 − 104 años, dependiendo de la
tasa de erosión. Ya que este método es relativamente insensible a perturbaciones de la
erosión de más corto plazo, como aquellas inducidas por el uso de suelo antropológico
(Fig. 1, von Blanckenburg, 2005), con él pueden obtenerse tasas de erosión prístinas
para la cuenca.
Utilizando estos métodos es posible delinear la dinámica de la erosión de una cuenca uvial,
(1) La movilización de sedimentos

abordando en particular las siguientes interrogantes
en el largo plazo ¾está controlada por eventos moderados (Wolman y Miller,

1960) o catastrócos (Kirchner et al., 2001)? y (2) ¾Cuáles son los procesos que
gobiernan la movilización de sedimentos en la cuenca?
La primera pregunta se reere a la distribución de frecuencia-magnitud de la movilización
de sedimentos en sí misma (e.g., Hovius et al., 2000; Andermann et al., 2012) y/o a la
frecuencia-magnitud de otros procesos que pueden controlar el grueso del ujo de sedimentos,
como tormentas intensas (Mohr et al., 2014) o terremotos (Dadson et al., 2004). Idealmente,
el período de observación debe ser lo sucientemente largo como para registrar un amplio
espectro de los eventos que potencialmente gobiernan la erosión. Luego, la denición del largo
2 La profundidad a la cual se atenúa exponencialmente la concentración del isótopo en supercie (Λ).
3
de este período de observación dependerá de la variabilidad de estos eventos (e.g., Eagleson,
1978; Lague et al., 2005).
Historic Soil Erosion of Middle Europe
Denudation Rate [mm ky-1]

10000 Catastrophic
flood of 1342
1000
Deforestation during
industrial revolution
100
10
2000 1800 1600 1400 1200 1000

Calendar Year
Input Erosion History
Cosmogenic Nuclide Model
Figura 1: Modelo numérico teórico ilustrando el efecto de amortiguación de cambios seculares reales en la
tasa de denudación (línea continua) en tasas de erosión derivadas de isótopos cosmogénicos en sedimentos
uviales (línea segmentada). Esta amortiguación es debido a la integración de la erosión sobre escalas de
tiempo largas. La línea segmentada es calculada integrando numéricamente la acumulación de nucleídos
cosmogénicos en el material movilizado a través de la supercie con cambios en la velocidad que se basan en
una historia de denudación hipotética (modicado de von Blanckenburg, 2005).
La segunda pregunta apunta a proponer qué procesos especícos puedan explicar la mo-
vilización de sedimentos observada. Una dicultad en esta tarea es que la exportación de
sedimentos desde una cuenca uvial, que puede tener extensiones incluso continentales, de-
pende de una sumatoria de procesos superciales locales que actúan a escalas de pocos metros
(e.g., Hovius, 1998). Además, el tiempo de residencia de los sedimentos en la cuenca pue-
de ser ampliado tanto por la vegetación (e.g., DiBiase y Lamb, 2013) como por geoformas
que constituyen almacenes temporales de sedimentos, como abanicos aluviales, planicies de
inundación, barras y bancos (Fryirs, 2013), dicultad que posiblemente se acrecienta con el
tamaño de la cuenca (e.g., Milliman y Syvitski, 1992; Summereld y Hulton, 1994; Hovius,
1998). Dado que los sedimentos se movilizan mediante agua, su exportación también depende
de la ruta que siga el agua por distintos compartimientos hidrológicos (Andermann et al.,
2012), lo cual es resultado tanto de una supercie como de una subsupercie heterogénea. A
pesar de todas estas dicultades, la cuenca completa puede ser considerada como un sistema
dinámico simple (Kirchner, 2009), cuyas características generales pueden ser estudiadas a
partir de parámetros que representan el comportamiento integrado del sistema.
4
Fryirs (2013) propone abordar la cascada de sedimentos de cuenca considerando a ciertos
elementos del paisaje como enlaces o bloqueos que generan (dis)conectividad en la moviliza-
ción de sedimentos. Estos elementos pueden ser descritos como interruptores que conectan o
desconectan ciertas porciones de la cuenca con la red uvial principal (Fig. 2, Fryirs, 2013),
los cuales determinan cual es el área efectiva que contribuye a la exportación de sedimen-
tos. Estos interruptores tienen diferentes umbrales de activación, que denen la frecuencia y
magnitud de los procesos capaces de transportar sedimentos fuera de la cuenca.
Figura 2: Interruptores de conectividad en cuencas. El área efectiva de la cuenca es denida como el área
espacial que contribuye directamente sedimentos a través de la red uvial. La escala de tiempo efectiva está
expresada como la magnitud del evento requerido para sobrepasar los bloqueos. El área efectiva aumenta con
la magnitud del evento. Tomado de Fryirs (2013).
Sin embargo, además de los elementos que pueden actuar como bloqueadores o enlazadores
de sedimentos, cuya distribución en la cuenca depende fundamentalmente de procesos super-
ciales, el área efectiva por la que se movilizan sedimentos también puede estar condicionada
por:
• La dinámica de movilización de agua en la cuenca, particularmente la proporción

de las aguas lluvia que recargan al acuífero (Andermann et al., 2012), la cual depende
también de procesos subsuperciales. La porción del agua que es conducida bajo la

3
supercie no puede movilizar sedimentos que son resultado de la erosión física . Si
3 Aunque sí puede transportar nutrientes (e.g., Oyarzún et al., 2007)
5
la mayor proporción de agua proveniente de las precipitaciones es conducida bajo la
supercie, el área efectiva puede ser más limitada que en regiones donde la mayor parte
de las precipitaciones es conducida cerca o sobre la supercie.
• El establecimiento de nuevas fuentes de sedimentos. Es decir, la ocurrencia de
eventos que desencadenen erosión física, principalmente remociones en masa. Algunos
eventos tienen una alta componente endógena, como los terremotos (e.g., Hovius et
al., 2011; Sepúlveda et al., 2010), mientras que otros tienen una mayoritaria inuencia
exógena, como por ejemplo, las tormentas intensas de verano (e.g., Sepúlveda et al.,
2015).
• El establecimiento de nuevos enlaces (conexiones) entre zonas que almacenan
sedimentos. Especícamente, el establecimiento de conectivitad para la ocurrencia de
escorrentía en las laderas. Esto puede ocurrir a partir de incendios forestales (e.g., Lamb
et al., 2013), deforestación (e.g., Anselmetti et al., 2007) y la construcción de caminos
(e.g., Luce y Black, 1999).
• El establecimiento de nuevos bloqueos, que diculten o impidan la conectividad
hacia la red uvial, como la ocurrencia de deslizamientos que generan oclusión de ríos
(Korup, 2005) o la construcción de represas (e.g., Walling, 2006).
Los ciclos de transferencia de masa a través de un sistema MontañaPiedemonte y la diná-
mica de los condicionantes mencionados puede tener grandes variaciones espaciales determi-
nadas por la topografía. Para observar estas variaciones espaciales abordando las preguntas
anteriormente formuladas, en la presente tesis se analiza la movilización de sedimentos en
cuencas uviales (> 140 km2 ) situadas en el anco oeste del orógeno andino. El principal
sistema uvial analizado corresponde a la cuenca del río Biobío (∼ 24000 km2 ), situado en
una región de transición mediterráneatemplada, sin embargo, también fueron analizadas
una serie de cuencas > 350 km2 situadas en la zona de ruptura del terremoto del Maule
(Mw 8,8), principalmente en el segmento de clima mediterráneo.
Acerca de esta tesis
La siguiente hipótesis de trabajo integra las motivaciones de los estudios especícos que
se abordaron en esta tesis:
En el ambiente mediterráneo a templado de Chile Centro-Sur, de menor variabilidad cli-

mática que en regiones hiperáridas situadas más al norte, la variabilidad en la exportación
de sedimentos en grandes cuencas está determinada tanto por procesos superciales como
subsuperciales, cuya inuencia relativa varía espacialmente a través del sistema Montaña
6
Piedemonte.
El objetivo general de esta tesis es comprender procesos involucrados en la erosión inte-
grada de cuenca (∼ 140 − 24000 km2 ) considerando la variabilidad temporal y espacial del
clima, la vegetación y la sismicidad a escala de decenas a miles de años.
Los objetivos especícos de este tesis son:
(1) Constreñir la variabilidad intra-anual de la exportación de sedimentos en un sistema
Montaña-Piedemonte.
(2) Contrastar la variabilidad de la exportación de sedimentos con parámetros hidrome-
teorológicos que constituyan señales integradas de las mismas cuenca (caudal, caudal de base,
caudal directo y precipitaciones).
(3) Evaluar posibles cambios en la exportación de sedimentos desecadenados por un mega-
terremoto de subducción (terremoto del Maule, Mw 8,8).
(4) Contrastar la variabilidad de la descarga sedimentaria suspendida con variaciones
temporales de la cobertura vegetal.
(5) Constreñir la distribución espacial de la erosión de cuenca en miles de años.
Los métodos utilizados para constreñir la erosión de cuenca son (1) el análisis de la dis-
tribución espacial y temporal de la descarga sedimentaria suspendida en ríos que drenan un
sistema Montaña-Piedemonte y (2) el ajuste de la concentración de isótopos cosmogénicos
in situ (
10
Be) en sedimentos uviales a un modelo de producción de cuenca. La descarga de
sedimentos suspendidos es calculada a partir de datos diarios de concentración de sedimentos
suspendidos y caudal de agua medidos en la red de estaciones de la Dirección General de
Aguas (DGA). Mediante su análisis en esta tesis se estudió: (i) la calidad de la base de datos
(capítulo 1), (ii) la movilización del agua disponible en una cuenca a través de diferentes
compartimientos hidrológicos y su efecto en la movilización de sedimentos (capítulo 2), (iii)
la respuesta de la descarga sedimentaria al terremoto del Maule del 27 de febrero de 2010
(Mw 8,8, capítulo 3) y (iv) posibles relaciones entre el porcentaje de cobertura vegetal y la
10
movilización de sedimentos (capítulo 4). Mediante el análisis de concentraciones de Be en
sedimentos uviales se estudió la distribución espacial de la erosión de cuenca a escala de
miles de años en relación a la morfometría y a la erosión a escala de decenas de años obtenida
desde la descarga sedimentaria suspendida (capítulo 5).
7
¾Por qué el río Biobío?
En el alto gradiente climático y topográco del margen chileno, una región que es parti-
cularmente interesante como laboratorio para estudiar la erosión es la cuenca del río Biobío.
Actualmente, esta cuenca se sitúa en medio de la transición entre un clima mediterráneo, cá-
lido y con limitada disponibilidad de agua, hacia el norte y un clima templado, frío y húmedo,
hacia el sur (e.g., Villagrán y Hinojosa, 1997). Su variabilidad interanual de precipitaciones,
posiblemente controlada tanto por El Niño como por la Oscilación Antártica (Christie et
al., 2011), es mucho más limitada que hacia el norte, en regiones áridas a mediterráneas, lo
cual se ve reejado en una baja diferencia en las tasas de erosión en cuencas de montaña,
al comparar la magnitud en miles de años versus décadas (Fig. 3, Carretier et al., 2013).
Además, aunque las partes altas de esta región fueron afectada por procesos glaciares y pe-
riglaciares durante el último máximo glaciar, es parte del segmento con mayor densidad de
especies vegetales endémicas (Villagrán y Hinojosa, 1997) y es posible que la vegetación se
haya mantenido densa a pesar de la variabilidad en las especies vegetales, fuertemente aco-
plada a la variabilidad climática del Cuaternario tardío, especialmente durante el Holoceno
(Abarzúa y Moreno, 2008). Por lo tanto, en esta cuenca es posible asumir un mayor grado
de estabilidad en la erosión en plazos de 102 − 103 años que en otras regiones de Chile y una
baja variabilidad climática presente.
A Erosion rate (mm yr –1) B Runoff (m yr –1) C

0.0
0.1
0.2
0.3
0.0
0.5
1.0
1.5
2.0
2.5
100 km
27
39
0.3
0.4
0.5
0.6
10
Slope (m/m)
Be
28
19
29
15
25
30
30°S
6
18
31
22
13
South Latitude
32
11
33
4
3
Santiago
34
4
5
10
35
35°S
Be catchments
36
8
susp. load
Susp load catchments
40 37
38
39
10
20
30
0
Vegetation cover (%)
Figura 3: Variaciones latitudinales de tasas de erosión en cuencas montañosas y promedios de cuenca de
factores de control a lo largo de Los Andes. Se destacan en amarillo los resultados de la cuenca del Biobío.
Modicado de (Carretier et al., 2013).
8
En su contexto de baja variabilidad climática, la cuenca del río Biobío ofrece una excep-
cional oportunidad de estudiar la erosión considerando que un registro de algunas décadas
incluye una buena muestra de los eventos hidrológicos que ocurren en el largo plazo, lo que
queda en evidencia al comparar la distribución de frecuencia-magnitud de su caudal, respecto
a otros ríos de Chile (Carretier et al., 2013) y el mundo (Lague, 2014). En la cuenca del río
Biobío existe un registro hidrometeorológico extenso, monitoreado por la Dirección General
de Aguas, el cual consiste en un dato diario de concentración de sedimentos suspendidos y
caudal en 5 estaciones cuya ubicación permite observar la variabilidad de la movilización de
sedimentos en distintos contextos topográcos (Fig. 4). Estas estaciones han sido monito-
readas durante las últimas décadas, permitiendo el estudio de la dinámica sedimentaria de
este río acoplada a variaciones en las precipitaciones y en la vegetación y a la ocurrencia
de un terremoto de subducción. En su contexto de estabilidad en la erosión de largo plazo,
la cuanticación de sus tasas permite la obtención de niveles de referencia prístinos con los
cuales comparar la movilización de sedimentos más reciente.
B 73°W 72°W 0 20 40 60 71°W

80 Km
A
Estaciones 20°S Desembocadura
sedimentométricas
37°S
DGA
Puente
Perales
Río Laja Laguna
RI
Sedimentadores
de la
O
Lagos
I O B Rio Duqueco Laja
B
Mega represas
Tijeral ÍO
Pangue (1996)
30°S Rucalhue
Ralco (2004) Rio
Ve
Embalses de rga
38°S
centrales de pasada ra
Abanico (1962)
Toro (1973)
Rucue N (1998) Llanquen
Rucue S (1998)
Las Juntas (2000) Estaciones DGA
40°S El Trinte (2000) Estación
Rucacura (2000) sedimentométrica
Volcán
Depresión
Central
Cordil
50°S
le
ra de
la Cos
N
75°W 70°W 65°W
ta
Figura 4: Red de estaciones sedimentométricas de la DGA. (A) Ubicación de la red nacional, posición de la
cuenca del río Biobío (linea roja) y de la zona de ruptura del terremoto del Maule (línea azul). (B) Estaciones
en la cuenca del río Biobío. Se muestran las áreas drenadas y la posición de lagos y embalses. (C) Distribución
de las cuencas respecto a las principales unidades morfoestructurales del margen.
La variabilidad en la erosión a escalas de 101 − 102 años es, probablemente, mayor. Las
actividades agrícolas en la Cordillera de la Costa de esta región, evidenciadas por la aparición
de taxones cultivables en el registro de polen y por altas concentraciones de fósforo en sedi-
9
mentos lacustres, comenzaron hace ca. 5 ka (Abarzúa et al., 2014). Sin embargo, la mayor
parte de esta región conservaba su vegetación nativa al comienzo de la ocupación española
(Lara et al., 2012). A partir de entonces comenzaron los cambios más dramáticos en el uso
de suelo, los cuales se acrecentaron fundamentalmente en los últimos dos siglos a partir de la
deforestación y la expansión del cultivo de cereales (Armesto et al., 2010). Desde principios
del siglo XX, pero con una alta aceleración a partir de 1974, ha ocurrido una expansión de
plantaciones de monocultivos forestales de especies exóticas (principalmente Pinus radiata

D. Don y Eucalyptus spp ) tanto sobre suelos agrícolas como sobre bosque nativo. El manejo
de estas plantaciones afecta de manera general al régimen hidrológico de las cuencas, lo cual
repercute más especícamente en (1) la magnitud de la erosión física del suelo, debido a
su impacto en las propiedades hidráulicas y en la conectividad (e.g., Oyarzun y Peña, 1995;
Huber y Iroume, 2001; Huber et al., 2010; Mohr et al., 2013), (2) la erosión química del suelo,
que produce pérdida de nutrientes (e.g., Oyarzún et al., 2007) y (3) la disponibilidad de agua
durante la estación seca (e.g., Huber et al., 2010; Little et al., 2009). Estos procesos han
sido descritos principalmente en micro cuencas (<0,1 km2 ) dentro o cerca de la cuenca del
Biobío; sin embargo, la rápida expansión de las plantaciones forestales hace posible que estos
procesos se repitan estocásticamente a través de cuencas de mayor extensión (e.g., Little et
al., 2009). De hecho, en una cuenca lacustre (∼ 4,5 km2 ) del borde oeste de la Cordillera de
la Costa, Cisternas y Araneda (2001) documentaron una tendencia general al incremento de
la tasa de sedimentación en la segunda mitad del siglo XX, que puede asociarse directamente
al aumento del polen de P. Radiata (Fig. 5). Observar la dinámica del ujo de sedimentos
en cuencas de áreas mucho mayores, como las cuencas monitoreadas por la DGA, abre la
posibilidad de estudiar los efectos de gran escala del uso de suelo forestal en esta región.
Figura 5: Perl de testigo lacustre de 20 cm en la Laguna Chica de San Pedro de la Paz (Cisternas y Araneda,
2001)
10
Finalmente, la ocurrencia de un mega terremoto de subducción durante el período de
monitoreo de las cuencas, abre la posibilidad de comprender mejor las dinámicas de la su-
percie en márgenes orogénicos. Principalmente a partir de un evento en que se conjugó una
aceleración en supercie muy alta y un clima muy agresivo (terremoto supercial de Chi-
Chi y tifones en los años siguientes), se ha mostrado que la sismicidad puede ser un gran
desencadenante de ujos sedimentarios (Dadson et al., 2004; Hovius et al., 2011), lo cual ha
permitido cuanticar el efecto neto de un evento sísmico en particular sobre la erosión de
cuenca (Fig. 6, Hovius et al., 2011). No sabemos aún si esta misma respuesta erosiva puede
observarse con otro tipo de terremotos y bajo otras condiciones climáticas. Esta interrogante
puede abordarse analizando las posibles respuestas de la descarga sedimentaria suspendida
en la cuenca del Biobío, así cómo en toda la zona de ruptura.

N. Hovius et al. / Earth and Planetary Science Letters 304 (2011) 347–355 34
A complicated seismic surface deformation. Further south the earth

100000 quake caused up to 3 m uplift on the fault break, decreasing to zer
over a distance of ~ 30 km to the east (Loevenbruck et al., 2004; Y
SEDIMENT CONCENTRATION (ppm)
et al., 2001) (Fig. 1). Beyond, an area of subsidence extended ove

50 km east of the fault.
10000
The area affected by surface deformation during the Chi-Ch
earthquake has a wet sub-tropical climate with 2–4 m of rainfall pe
year. Typhoons with daily rainfall rates in excess of 300 mm occu
1000
most years (Stark et al., 2010; West et al., 2011), giving rise to rapi
variations in fluvial discharge of up to three orders of magnitude at
station. Typhoon precipitation drives mass wasting in Taiwa
POST-QUAKE
(Dadson et al., 2003), and associated floods carry the bulk of th
PRE-QUAKE
100 erosion product to the ocean (Dadson et al., 2005; Hilton et al., 2008
SEPT 2001
2011; Milliman and Kao, 2005).
JULY 2004
The Chi-Chi earthquake has enhanced hillslope mass wasting an
JULY 2005
fluvial sediment transport during subsequent typhoons (Dadson et a
10 2004; Lin et al., 2008). Sediment mobilisation on hillslopes in th
1 10 100 1000 10000 epicentral area is mainly by landsliding, but sediment export is onl
WATER DISCHARGE (m3/s) by fluvial transport. Whilst the total effective erosion due to th
earthquake can be assessed from the sediment load of rivers drainin
B 9 the hanging wall of the Chelungpu fault, the pattern of sedimen
1510H024 60 mobilisation in this area is tied with the distribution of landslides. W
NORMALIZED DISCHARGE
Chi-chi
8
1510H071
have quantified both, using landslide maps obtained from SPOT an
NORMALIZED κstorm
7 1510H049 50 Formosat satellite images, and air photos with spatial resolutions o
6 1510H057
40 12.5, 8.0, and 0.5 m, respectively (cf. Lin et al., 2003), and hydrometr
5
data collected at gauging stations of the Taiwan Water Resource
4 30
Agency (W.R.A., 1970–2008). These data comprise hourly wate
3 20 discharge from stage recorders, and suspended sediment concentra
2 tions measured intermittently using USDH-48 samplers. Bedloa
10
1 measurements are not available. Our study is limited to the epicentra
0 0 Choshui River catchment, 2800 km2, covering the full width of th
84 86 88 90 92 94 96 98 00 02 04 06 08
zone affected by earthquake surface deformation (Fig. 1).
TIME
Fig. 2. Hydrometric data for the Choshui River. A) Water discharge (Qw, m3 s− 1) and 3. Fluvial sediment export
suspended sediment concentration (C, ppm) measured between 1987 and 2006 at the
Figura 6: Datos hidrometeorológicos del río
station 1510H057 on theChoshui, Taiwan
main stream. Measurements (Hovius
before and after theet al., 2011).
Chi-Chi (A) Descarga de agua
Because we do not have a robust landslide area–volume relatio
earthquake are shown as open and grey filled circles, respectively. The grey dashed line
for the area affected by the Chi-Chi earthquake (cf. Yanites et a
(Q) y concentración de sedimentos
is thesuspendidos Cs ) medidos
best-fit power law to all(measurements entre
prior to the 1987 y
Chi-Chi earthquake 2006.2010),
(1987– Medidas antes y después del
and because we are primarily interested in the erosiona
1999), of the form C = κQbw, with b = 0.78 and κ = 47 ppm obtained with a least-squares
loss function (R2 = 0.45). The solid grey line is the best power law to all post- removal of material from that area, we start our calculation of th
terremoto de Chi-Chi representadas con círculos blancos y grises, respectivamente. Medidas representadas
earthquake measurements, with b = 0.82 and κ = 59 ppm (R2 = 0.55). Filled and open earthquake mass budget by considering the sediment load of th
squares and filled circles show data for floods in 2001, 2004, and 2005, respectively, and Choshui River at station 1510H057, located at the mountain front. A
con cuadrados corresponden a tres crecidas
are subsets especícas
of the post-Chi-Chi measurementocurridas después
series. Data for individual del terremoto. Estos datos fueron
floods have
been fit by a power law with a fixed b = 0.78. B) Time evolution of the unit sediment
in most rivers, the suspended sediment concentration C (ppm)
b in the Choshui catchment related to water discharge Q (m3 s− 1) by a power law, C = κQbw
ajustados a una ley de potencias concentration
de la forma in major storm floods, κstorm, at 4 stations
s storm C =κ
mediante optimización de mínimos wcuadrados
(error bars show 1σ range). For direct comparison, values have been normalised to the
∗Q
where the exponent b is determined by the availability an
mean of values prior to September 1999 at a station. The linear least squares best fit to mobilisation of sediment, and κ is the suspended sediment concen
(B) Series de tiempo de storm en κ
cuatro estaciones
the post-earthquake data (R2 = 0.54)de showsla relaxation
cuenca del
of the unitrío Choshui, normalizadas respecto al
sediment
tration at unit discharge (Fig. 2A). The least squares best fit t
concentrations from a peak after the earthquake in 6 ± 0.8 yr (1σ shown in grey).
measurements made before the earthquake (1987–1999) ha
valor medio pre-sísmico. Los resultados
Non-linear models post-sísmicos
do not have a significantlyfueron ajustados
better fit. Water a un
discharge, normalised to modelo lineal que muestra el
3 −1
the average of 1984–2007 (~ 150 m s ), is shown in the background. b = 0.78, κ = 47 ppm. The large range of measured suspende
sediment concentrations at a given discharge, R2 = 0.45 for the leas
descenso de κstorm tras 6 ±0,8 años del terremoto. De fondo se muestra la descarga de agua normalizada
squares best fit, reflects the natural variability of the timing, locatio
and magnitude of sediment supply to river channels with exces
respecto al promedio 1984-2007.
basin and older continental margin sediments. Its three principal transport capacity (Hovius et al., 2000). Post-earthquake data show
faults, which take up an estimated 30 mm yr− 1 of shortening (Simoes similar trend, but sediment concentrations were, on average, higher a
et al., 2007) are traced by topographic ridges with up to two all discharges, implying that the entrainment of suspendabl
kilometres of relief, underlain by moderately consolidated, clastic sediment has remained efficient at the higher post-seismic suppl
sediments, and dissected by rivers linking the high mountains of the rates. By fitting power laws to data for selected time slices, whils
Central Range with the Taiwan Strait (Fig. 1). These faults merge at keeping the exponent, b, fixed at the pre-earthquake best fit value t
depth into an east-dipping detachment, on which aseismic slip is permit direct comparison of sediment transport, we have tracked th
thought to occur below the Central Range (Dominguez et al., 2003). evolution of the unit sediment concentration κ to reveal the erosiona
The Chi-Chi earthquake ruptured the Chelungpu thrust fault in impact of the earthquake.
west Taiwan over a length of ~100 km. It had a focal depth of ~ 8 km, Because most erosion occurs during typhoon floods (Dadson et a
and a rupture plane dipping ~ 30°, merging eastward into a shallow 2005; Kao and Milliman, 2008), we have determined a unique κstor
11
detachment (Kao and Chen, 2000; Shin and Teng, 2001). The (cf. Milliman and Kao, 2005) for each typhoon flood with three o
earthquake was the largest in Taiwan for over 60 yr, but since 2 ka more suspended sediment measurements (Fig. 2A), to resolve th
five similar events have occurred on the Chelungpu fault (Streig et al., fluvial response to the earthquake in maximum detail. During 12 y
Caracterización regional de la cuenca del río Biobío
Geomorfología y marco geodinámico
La cuenca del río Biobío (∼ 24000 km2 ) se ubica en el anco oeste de los Andes Centrales
o
Australes (37-39 S) y drena hacia el Océano Pacíco. El segmento del antearco andino que
drena esta cuenca consiste en dos cordones montañosos de orientación NS (la Cordillera
Principal y la Cordillera de la Costa) separados por la Depresión Central (Fig. 4C y 7). Estas
tres unidades morfoestrucurales son paralelas al margen y se desarrollan de manera continua

o
desde los 33 S hacia el sur.
La cabecera del río Biobío se encuentra en la Cordillera Principal. La elevación máxima
dentro de la cuenca es de 3511 m. En la parte norte de su cabecera el relieve es pronunciado

o
y la pendiente promedio es >20 . La parte sur de la cabecera tiene un relieve moderado
o
y una pendiente promedio de 15 , que resulta del predominio de plateaus basálticos plio-
pleistocenos (Fig. 7). Las principales cumbres de la Cordillera Principal tienen glaciares de
montaña. Además, se observan una serie de lagunas embalsadas por depósitos morrénicos,
de las cuales la más grande es la laguna de la Laja (Fig. 4C). La Depresión Central es una
región de piedemonte con una pendiente promedio de ∼ 5o y una red de drenaje subparalela.
La Cordillera de la Costa tiene un ancho máximo de ∼ 60 km y alcanza elevaciones de hasta

1525 m. El límite oeste de la cuenca del Biobío es una porción particularmente alta de la
Cordillera de la Costa llamada Cordillera de Nahuelbuta. El área de la Cordillera de la Costa

que drena a la cuenca del Biobío es de ∼ 4700 km2 o
y tiene una pendiente promedio de 12 .
El orógeno andino es un margen convergente no colisional, en el cual actualmente ocu-
rre la subducción de la placa oceánica de Nazca bajo la placa Sudamericana a una tasa de
∼ 7 mm/a. El margen occidental de Sudamérica ha sido activo durante la mayor parte de
su historia (e.g., Charrier et al., 2007, y referencias ahí contenidas), lo cual explica la alta
heterogeneidad litológica de su antearco (Fig. 7): luego de una sucesión de colisiones durante
el Paleozoico, la formación de un prisma de acreción en el Paleozoico Superior habría da-
do origen a las Series Metamórcas Oriental y Occidental que aoran en la Cordillera de
la Costa, de las cuales, la Serie Oriental se encuentra intruida por el Batolito Costero, de
edad Carbonífero Superior-Pérmico (Hervé et al., 2007). La formación Santa Juana, de edad
Triásico Superior, sobreyace en discordancia sobre estas rocas. Esta unidad es una sucesión
de depósitos clásticos terrígenos, con al menos una breve ingresión marina, acumulados en
una cuenca activamente subsidente (Nielsen, 2005). Esta unidad, que aora en la Cordille-
ra de la Costa de la cuenca del Biobío, es parte de una serie de cuencas triásicas descritas
en Chile y Argentina, para las cuales se ha propuesto un ambiente tectónico con convergencia
12
##
#
N. de Chillán #
70 W Antuco
Sierra Velluda
##
Callaqui #
° # Copahue
30°S
Tolguaca # #
Lonquimay
Llaima# #
Sierra Nevada
#
Sollipulli
Depósitos fliviales, aluviales,

coluviales y de remociones
en masa pleisto-holoceno Estratovolcanes y com-
plejos volcánicos cuater- Estructuras
Depósitos litorales pleisto
holoceno narios
Depósitos morréni-
cos, fluvioglaciares y Fosa
glaciofluviales
Depósitos de avalancha
pleisto-holoceno
volcánica cuaternarios
Depósitos piroclásticos
pleistocenos
Sedimentos lagunares y fluviales
Secuencias marinas, con intercalaciones de
litorales o de estuario arcillolitas y tobas*
pleistocenas a miocenas
Secuencias y centros vol-
Sedimentos marinos
cánicos básicos a intermedios
miocenos a paleocenos
parcialmente erodados
Secuencias sedimentarias pleistoceno a oligoceno
de abanicos aluviales, pedi- Granitoides miocenos
mento o fluviales miocenas
Secuencias volcano-
sedimentarias oligo-
Sedimentos continentales miocenas
parálicos eocenos
Secuencias sedimentarias
marinas de plataforma, li- Granitoides cretácicos
torales o transicionales Secuencias volcánicas Gabros y granitoides
jurásicas y cretácicas continentales y marinas jurásicos
jurásicas
continentales aluviales, fluviales
y lacustres en parte transicionales
triásicas superior
marinas y transicionales
triásicas superior
Granitoides carbonífero- Complejos meta-
pérmico mórficos paleozoicos a-
triásicos
Figura 7: Mapa geológico simplicado de la región del Biobío. Esquema tridimensional de las principales
unidades litológicas del antearco de la región del Biobío y las principales estructuras. Modicado de SER-
NAGEOMIN (2002). (*) de acuerdo a Elgueta y Rubio (1991).
13
muy lenta o ausente (e.g., Charrier et al., 2007). Sin embargo, a partir del Jurásico y hasta
ahora, la historia de subducción de este margen ha sido ininterrumpida y caracterizada por
la migración hacia el Este del arco volcánico. Esto último se registra en la distribución de
aoramientos de rocas intrusivas en la Cordillera de la Costa y la Cordillera Principal, en
los aoramientos de de secuencias volcánicas y volcanoclásticas en la Depresión Central y
la Cordillera Principal y en los aoramientos de edicios volcánicos parcialmente erodados
de edades entre el Oligoceno y el Pleistoceno (SERNAGEOMIN, 2002). Los estratovolcanes

4
que conforman el arco activo , cuya actividad inuye en la geomorfología de la cuenca, son:
Nevados de Chillán (640 85? ka - presente), Antuco (130 ka - presente), Sierra Velluda (600
- 150 ka), Copahue (1230 ka - presente), Callaqui (146 - 77 ka), Tolhuaca (280 - 12 ka),
Lonquimay (132 75? ka - presente), Sierra Nevada (500 - 20 ka) y Llaima (132 75? ka -
presente).
Las sucesiones sedimentarias y volcanosedimentarias cenozoicas en la Depresión Central
(cuenca del Biobío) son continentales y tienen ∼700-2000 m de espesor, a diferencia de los
depósitos marinos de la misma edad descritos hacia el sur, en la cuenca de Temuco (Elgueta
y Rubio, 1991). En la plataforma emergida al oeste de la Cordillera de la Costa, el registro
de sucesiones sedimentarias se extiende entre el Eoceno y el presente. Incluye desde facies
continentales litorales hasta marinas bentónicas (Encinas et al., 2008).
El alzamiento de Los Andes en Chile Central (e.g., Farías et al., 2008) y en los Andes
Patagónicos (e.g., Blisniuk et al., 2005) ocurrió principalmente durante el Mioceno. Sin em-
o
bargo, entre los 36 y los 39 S, el acortamiento (que se concentra en la vertiente oriental de los
Andes y en la Cordillera Principal) habría ocurrido en dos etapas contraccionales mayores,
la primera en el Cretácico Tardío-Eoceno y la segunda durante el Mioceno (Rojas-Vera et
al., 2014). A esta latitud, el acortamiento es menor que más al norte y fue calculado en 27 a
10 km por Rojas-Vera et al. (2014). De acuerdo a estos autores, la deformación contraccional
invirtió estructuras normales del Triásico Tardío-Jurásico Temprano y Oligoceno-Mioceno
Temprano. La primera etapa contraccional habría deformado homogéneamente el segmento,
por lo tanto las variaciones latitudinales en el acortamiento habrían sido adquiridas durante
el Neógeno.
En la vertiente occidental de la Cordillera Principal, la termocronología muestra un even-
to de rápido enfriamiento durante el Mioceno Medio (∼ 10 − 13 M a, Fig. 8A), que podría
4 Edades compiladas por Diego Aravena a partir de las siguientes publicaciones: González-Ferrán (1995);
Dixon et al. (1999); Thiele et al. (1998); Linares et al. (1999); Moreno et al. (1984, Inédita); Muñoz (2011);
Naranjo y Moreno (2005); Naranjo et al. (1993)
14
A
X
B
Isla Santa María
X’
Figura 8: Termocronología y exhumación de la Cordillera Principal y Cordillera de la Costa entre la cuenca

o
del Biobío y los 42 S (modicado de Glodny et al., 2008; Spikings et al., 2008; Melnick et al., 2009). (A)
Solución de modelo termal de Spikings et al. (2008) para las muestras del río Biobío. La echa blanca es la
interpolación lineal de tiempo-temperatura desde datos Ar/Ar. (B) Resumen esquemático de resultados de
exhumación para Chile Centro-Sur de (Glodny et al., 2008). Se indica en rojo la cuenca del río Biobío, en
verde la ubicación de las muestras de Spikings et al. (2008) y en azul la franja de los perles de C y D. (C-D)
Marcadores de alzamiento y deformación en la Cordillera de Nahuelbuta (Melnick et al., 2009). Elevación de
la franja, distribución de edades de AFT y ZFT de (Glodny et al., 2008) y de elevación de paleo líneas de
costa. (E) Resultado de historia termal a partir de modelo inverso de largo de trazas (AFT) en la Cordillera
de la Costa de Glodny et al. (2008). En gris los resultados de la Cordillera de Nahuelbuta.
15
deberse tanto a exhumación como a relajamiento termal post intrusión magmática (Spikings
et al., 2008). Sin embargo, el modelo de enfriamiento de Glodny et al. (2008) (Fig. 8B) resulta
en una exhumación de largo plazo a tasas bajas de ∼ 0,07 mm/a o incluso menos entre el
Paleógeno y el presente. Este resultado es un orden de magnitud menor que la tasa de ∼1

o
a 2 mm/a estimada en Liquiñe (∼ 39,8 S) desde el Plioceno hasta ahora (Fig. 8B, Glodny
et al., 2008), lo cual ha sido interpretado como consecuencia del gradiente latitudinal de la
erosión glaciar.
o
La Cordillera de la Costa entre los 36 y los 42 S habría sido exhumada de manera uni-
forme entre el Triásico Tardío (∼ 200 Ma) y el Mioceno Tardío, a tasas muy bajas, de
0,03 − 0,04 mm/a (Glodny et al., 2008). Con la excepción de la Cordillera de Nahuelbul-
ta, que experimentó un rápido enfriamiento entre el Plioceno y el presente, la exhumación
Cenozoica en la Cordillera de la Costa habría sido muy lenta (Fig. 8B y C, Glodny et al.,
2008). La Cordillera de Nahuelbuta (∼ 37 − 39o S) es una morfoestructura con forma de do-
mo, en la cual se han documentado marcadores de alzamiento y deformación que muestran
la rápida exhumación de su núcleo desde hace 4±1,2 Ma (Fig. 8, Melnick et al., 2009): tanto
las paleo-líneas de costa de terrazas marinas, la topografía de la Cordillera de Nahuelbuta
y la distribución de edades de trazas de sión en apatito siguen patrones similares a través
de secciones que atraviesan este domo, mientras que las edades de trazas de sión en circón
son homogéneas. El alzamiento local relacionado a esta deformación es uno de los posibles
causante de la inversión del drenaje documentada durante el Pleistoceno Tardío al sur de
la cuenca del Biobío (Rehak et al., 2010). A partir de marcadores geomorfológicos, datos
sedimentológicos y geofísicos, que les permiten interpretar reorganización uvial y desequi-
libro del perl de los ríos, Rehak et al. (2008) proponen que, además de la Cordillera de
Nahuelbuta, el segmento Río Bueno de la Cordillera de la Costa (∼ 40 − 41o S) también ha-
bría experimentado alzamiento cuaternario, lo que no habría ocurrido en el segmento Toltén
(∼ 39 − 40o ), que separa ambas zonas de mayor topografía.
Al oeste de la Cordillera de la Costa, las cuencas de la plataforma costera habrían sido
extensionales entre el Eoceno y el Plioceno temprano (Melnick y Echtler, 2006). La subsiden-
cia de más de 1,5 km entre los 10,9 y 3,6 Ma sería la responsable de la acumularon de facies
costeras a marinas bentónicas (Melnick y Echtler, 2006; Encinas et al., 2008). En el Plioceno
medio habría ocurrido la inversión de estas cuencas, lo que habría sido desencadenado por
el mayor ujo de sedimentos desde el continente producida por la expansión glaciar (Mel-
nick y Echtler, 2006). La deformación contraccional habría alzado ∼ 1,5 km la plataforma,
retornando la acumulación de facies marinas someras y litorales (Encinas et al., 2008). La
deformación compresiva en la cuenca de Arauco habría producido un rápido alzamiento de
16
la isla Santa María (a 2 m/ka), que habría emergido hace ∼ 31 ka (Melnick et al., 2006).
Este alzamiento habría sido contemporáneo a la exhumación de la Cordillera de Nahuelbuta
(Melnick et al., 2009). Tanto la isla Santa María (Melnick et al., 2012b) como la península
1514 D. A. Christie et al.: Aridity changes in the Temperate-Mediterran
de Arauco (e.g., Melnick et al., 2012a) fueron deformadas co-sísmicamente por el terremoto
del Maule. forcings we first performed monthly and seasonal Pearson Winter Spring Summer Autum
correlations between the instrumental PDSI, the sea surface J J A S O N D J F M A
temperature (SST) from the Niño-3.4 region (N3.4), and 0.4 N3
Marco hidroclimático e hidrogeológico
the Antarctic Oscillation Index (AAO) for their common AA
0.2
1950–2001 period. The N3.4 SST is the mean monthly SST
La cuenca del Biobío anomalies
es parte delthemargen
from N3.4 region oeste
of thede los Andes
east-central tropicalextra-tropicales,
0.0 que tiene
Pacific at 5°N–5°S, 170°–120°W and was used as an -0.2
un régimen de precipitaciones dominado por sistemas frontales (Garreaud, 2007), los que
indicator of ENSO behavior (Trenberth 1997). The AAO -0.4 A
afectan de manera simultánea index is the a leading
la franjaprincipal componentde
completa of 850 hPa geo- al oeste de la Cordillera
territorio
potential height anomalies south of 20°S and is the prin- Spring
2 o
Principal. La banda latitudinal
cipal mode deofmáxima precipitación
variability of the atmospheric en verano
circulation in está entre los 45 y 55 S y
the osouthern hemisphere extratropics (Thompson and 0
en invierno entre los 35 y 45 S. Las precipitaciones aumentan hacia el Este, ya que las masas
Wallace 2000; Trenberth et al. 2007). Positive values in the -2
de aire se ven forzadas aAAO are associated
ascender. Este with decreased
ascenso geopotential
orográco height precipitaciones anuales
produce -4
PDSI
over the Antarctica, increased geopotential height over the
o
∼ 6000 mm a los 45 S. Al cruzar laa divisoria
mid-latitudes, poleward shift hacia
of theArgentina, la humedad
storm track, and a 2 del aire es escasa
strengthening of the polar vortex. The opposite conditions
y las precipitaciones decrecen a menos de 100 mm (Garreaud, 2009). La0 cuenca del Biobío
occur during negative AAO phases (Thompson and
Wallace 2000;latitudinal
Fyfe 2003). All correlations were assessed -2
se sitúa en la zona de transición entre un clima mediterráneo y uno templado
after the red noise was removed from the N3.4 and AAO -4 B Summer
(TMT), en que las precipitaciones
time series, byaumentan
prewhitening de the ∼time1000
seriesmm
using en el norte a ∼ 3000 mm en el
an AR 1950 1960 1970 1980 1990
model where the order was estimated by means of AIC Year
sur. Cerca del 70 % de las precipitaciones anuales ocurren entre el otoño e invierno australes
(Akaike 1974), in order to prevents the adjustment of
Fig. 10 Comparisons of PDSI and large-scale syno
(marzo-septiembre). La degrees-of-freedom
transición de veranos for the serial persistence
secos seen in the
a húmedos ocurre abruptamente
a Sliding monthly correlations a la of PDSI with prew
original data to properly test correlation significances (e.g., anomalies of Niño-3.4 region (N3.4) and the prewhite
o
latitud del río Biobío. AlDawdynorte andde los 37
Matalas S hay tres meses secos, que Oscillation
1964). concentran menos
index (AAO) for the del
common 1950–2001 pe
Correlation results indicate that moisture variability o in horizontal lines indicate statistical significance at the 95
5 % de la precipitación anual, mientras que al sur de los 40 S no hay meses
level. secosof(Miller,
b Comparisons mean spring (SON) PDSI a
the TMT of the Andes is significantly and positively related
anomalies and mean summer (DJF) PDSI and AAO for
1976). En la TMT, una to N3.4 SST during de
reconstrucción spring
la with October and climática
variabilidad November desde 1950–2001 1346,
period. a partir over
Correlations de prewhitened (AR(
reaching the highest values, which indicates that El Niño ?0.42 for N3.4 and -0.57 for AAO, respectively (P \
anillos de crecimiento de(La árboles, muestra
Niña) conditions un severo
are related aumento
to wet (dry) conditionsdein la recurrencia
that the AAO indexde haseventos
been inverted to facilitate th
our study region (Fig. 10a). These results are in agreement with the PDSI record. Indices colors are similar in (a)
de sequía extrema, que permiten caracterizar al último siglo como el más seco de los últimos
with previous studies that demonstrated that in our study
600 años (Fig. 9, Christie region the ENSO
et al., 2011). influence over precipitation occurs during characterized by a relatively weak subtropical
spring, with circulation anomalies during El Niño events in the southeastern (SE) Pacific, positive SST a
the central tropical Pacific, a warmer than-ave
6.3 sphere over the tropical Pacific, and strengthen
flow in the subtropics off the coast of central Ch
Droughts recurrence
reversed pattern during La Niña conditions (

interval (years)
8.3
and Aceituno 2003; Garreaud et al. 2009). Intere
12.5 positive relationship between ENSO and PDSI
spring season vanishes in summer and the AA
25.0 significant and negatively correlated with mo
ability in the TMT of the Andes (Fig. 10a). Se
relations between the N3.4 SST and AAO in
1400 1500 1600 1700 1800 1900 2000 they are not intercorrelated during any month
Year
(P [ 0.05, n = 52). If we compare at the intera
Fig. 9 Occurrence rate (year) of severe and extreme late spring–early scale the spring and summer PDSI with sprin
Figura 9: Tasa de ocurrencia summer
(anual) de eventos
droughts de sequía extrema transition
in the Temperate-Mediterranean de nalofde theprimavera-principio
summer AAO, we de findverano
that correlations are
Andes for the 1346–2002 period (solid black line) using a Gaussian reaching ?0.42negra)
during usando
spring for N3.4 and -
en la transición templada-mediterránea de Los Andes para el período 1346-2002
kernel technique with 90% confidence interval (shaded) from 2,000 (línea sólida
summer for the AAO (P \ 0.01, n = 52; Fig
bootstrap simulations. The extreme event dates are defined by means
una técnica de kernel Gaussiano con intervalo de conanza de 90 % (sombreado) parain2000
of a threshold which represent severe and extreme droughts change the simulaciones
relationship during spring an
bootstrap (tomado de Christie et B
(PDSI al.,
-3).2011).
See Table 2 for definition of PDSI levels between PDSI and N3.4 and AAO is r
123
17
El régimen hidrológico del río Biobío es mixto. Se alimenta de precipitaciones y deshielo
en la Cordillera Principal y exclusivamente de precipitaciones en la Depresión Central y en
la Cordillera de la Costa. Sin embargo, la descarga del río Biobío está más dominada por
o
la lluvia que por el deshielo, como ha sido descrito para los ríos ubicados al sur de los 35 S
(Cortés et al., 2011). A escala de decenas a cientos de años, el patrón de variabilidad anual
del caudal del Río Biobío se asemeja más al de los ríos ubicados hacia el Sur, como el Puelo
o o
(41,6 S), que al del Maule (35,5 S) , a pesar de la cercanía geográca de este último (Muñoz,
o
2012). En el segmento al sur de los 37,5 S, tanto en el registro instrumental (Rubio-Alvarez
y McPhee, 2010) como en el registro dendrocronológico (Muñoz, 2012), se ha documentado
una signicativa reducción del ujo de agua en la segunda mitad del siglo XX (Fig. 10), que
1.5 A 1O B
es consistente con la tendencia observada
observed para las precipitaciones (Rubio-Alvarez y McPhee,
30.5 5.8 2.7 2.1
Anomalies
reconstructed
Coherence
1
0.5 2 o
2010). Por estos antecedentes se interpreta que la región entre los 37,5 y los 40 S tiene mayor
R adj = 0.45
O.1
intervención
-0.5 de forzantes australes, como la oscilación O.O1
antártica, que la de El Niño, la cual
O.OO1
domina en el segmento mediterráneo de Chile (Rubio-Alvarez y McPhee, 2010; Christie et
-1.5
1945 1955 1965 1975 1985 1995 2005 O O.1 O.2 O.3 O.4 O.5
al., 2011; Muñoz, 2012).
Years Frequency
Calibration
1.5 C period
1.0
Departures
0.5
0
ï 0.5
ï1.0
ï1.5
1500 1550 1600 1650 1700 1750 1800 1850 1900 1950 2000
Years
Fig. 4. Observed and reconstructed mean annual (April-March) streamflow

Figura 10: Reconstrucción anual (abril-marzo) del caudal para el río Biobío entre 1500 y 2003. En gris bandas
de error estándar ±1. Para enfatizar variaciones de baja frecuencia la línea roja muestra un spline cúbico
departures for the Biobío watershed during the calibration period (1943-2003)
que remueve el 25 % de la varianza en una onda sinusoidal de 25 años (tomado de Muñoz, 2012)
(A), Spectral coherence calculated () between the observed and reconstructed
records using the Multi-Taper Method (MTM;), significant year cycles (95%
confidence)
Los antecedentes arehidrogeológicos
indicated withnumbers
de la cuenca del(B), and han
río Biobío annual streamflowy/o
sido compilados
reconstruction
levantados (April-March)
en un documento of the
inédito Biobío River from
de vulnerabilidad 1500-2003 (C).deLight
a la contaminación gray
los acuíferos
presents
(Iriarte a ± 1 2004),
y Aguirre, standardde error
escala band. To emphasize
1:250.000, low frequency
y en un estudio variations
hidrogeológico thepor
realizado
red line
privados, pordisplays
encargo dea cubic
la DGA smoothing
(DGA, 2012).spline designed to remove 50% of the
variance in in a sine wave of 25 years.
El mapa de vulnerabilidad (Iriarte y Aguirre, 2004) clasica el territorio de la región del
!
Biobío en dos unidades principales: (1) depósitos no consolidados y (2) rocas. Lo anterior
debido a la inexistencia de datos de pozo en las unidades de roca. Esto es debido a que los
acuíferos de mayor potencialidad hidrogeológica se encuentran en los depósitos sedimentarios
18
que rellenan los valles y resulta más económico construir pozos en sedimentos. Sin embargo,
algunas rocas pueden presentar un elevado grado de meteorización e intenso fracturamiento,
que aumentan la permeabilidad y capacidad de almacenar agua subterránea.
La vulnerabilidad a la contaminación de los depósitos no consolidados fue clasicada en
4 categorías de acuerdo a la profundidad del nivel estático y a la permeabilidad del tipo de
depósito: (1) muy alta para los cauces uviales y el sector adyacente a la costa, que tienen
niveles estáticos muy someros (0-10 m), (2) alta para los depósitos de abanicos aluviales
constituidos por gravas y arenas y niveles estáticos <30 m, (3) moderada a alta para la parte
alta de los depósitos aluviales, donde hay acuíferos locales de nivel estático somero y (4)
moderada para depósitos sedimentarios que presentan capas de granulometría intermedia a
na (arenas, limos y arcillas), que limitan la inltración de contaminantes.
La clasicación de la vulnerabilidad de la roca sólo consideró el grado de fracturamiento
de las unidades litológicas, separadas en 4 categorías: (1) moderada a alta para las unidades
volcánicas cuaternarias de la Cordillera Principal (2) moderada para rocas metamórcas
paleozoicas, graníticas o plutónicas desde el Paleozoico al Jurásico (3) moderada a baja para
rocas volcánicas, graníticas y sedimentarias con edades entre el Cretácico y el Mioceno y (4)
baja para centros y depósitos volcánicos del Plioceno al Holoceno.
El estudio hidrogeológico realizado por encargo de la DGA (DGA, 2012) se concentró
en los acuíferos no connados de la Depresión Central. La información hidrogeológica fue
levantada en base a los siguientes datos:
(1) Cartografía geológica 1:250.000.
(2) Transmisividad estimada por pruebas de bombeo de gasto variable en 192 pozos.
(3) Niveles estáticos medidos en 200 pozos.
(4) Sondajes identicados en expedientes.
(5) Caudal y precipitaciones de la red de monitoreo de la DGA.
(6) Levantamiento gravimétrico.
A partir de la litología de supercie, se denieron tres subacuíferos (Fig. 11): el subacuífero
1 corresponde a depósitos de avalancha volcánica, el subacuífero 2 a depósitos uvio-aluviales
y de terrazas uviales y el subacuífero 3 a depósitos glacio-lacustres.
19
140.000 180.000 220.000 260.000 300.000
®
0 5 10 20 Km
!
(
!
(
!
(
5.900.000
!
(
(
!
!
(
(
!
! (
( ! !
(
!
(
!
(
!
( !
( !
(
!
(
(
!
!
(
!
( !(
( ! Simbología
!
( !
(
!(
( ! !
( !
(
(
! Pozos Utilizados en la
!
( !
( !
( !
(
! !
(
( Calibracion del Modelo (127)
!
(
!
(
!
( Acuíferos
!
( !
(
!
(
5.860.000
!(
(
!
(!
Subacuifero 1
((
! !
!
( !(
(!
!
(
!
( Subacuifero 2
!
( !
(
(
! !
( !
(
!
(
! (! ! (
( !
Subacuifero 3
!(
(
!
( !
(
!
( !
(
!
(
!
( !
( !
(
!
( !
( Límite Cuencas
((
!!
!
( !
(
(
!
(
!
!
( !
(
Cuenca del Río Bio-Bío
(
!
!
(
!
( SubCuencas Río Bio-Bío
!
(
!
( !
(
!
(
!
(
!
(
(
!
!
( Hidrografía
!
(
!
(
(
! Río
5.820.000
!
( !
(
!
(
!
( !
(
!
(
((
!!(
! Lagos
! (
( ! !
(
Limites Administrativos
((
!!
! !
( ((
!
!
( Límite Internacional
(
!
!
(
!
(
!
( !
( Límite Regional
!
( !
( !
(
!
(
!
( Límite Costero
Figura 11: Subacuíferos denidos en DGA (2012)
A partir del levantamiento gravimétrico se interpretó la morfología del basamento subte-
rráneo de estos subacuíferos (Fig. 12, DGA, 2012).
140.000 170.000 200.000 230.000 260.000 290.000
®
0 10 20 Km
( (( ( ( (
( ( ( (( ( (
( ( (
( (
( (
( ( ( ( (
( ( ( ( ( (
( ( ( ( (
( ( ( ( ( ( ( (
( ( (
( ( ( (
( ( ( (
5.910.000
(
(
( (
( (
( ( ( ( (
( (
(
( ( (
( ( ( ( (
( (
(
( (
( ( (
( ( (
( ( (
! (
!! (
! ( (
! ! (
! ( (
! !
! (
! !
! ! (
(
! ( (
! ! ( (
!
! ! ( ( (( ( ( ( ( ( ( (
5.880.000
! ! ! (
! (
! (
! !
! ! !(
!
! ! ! ! !
Simbología
! !
! ! !
! ! ! ! !! ! ! ! !
! ! ! ! !
! ! !
! ! ! ! !
! !
! !
!
! ! !
!
!
!
! ! Estaciones gravimétricas
! ! !
! !
! ! ! ! ! !
Curvas Isobáticas
!
! ! ! ! !
!
! ! !
! ! !
! !
Curvas Isoprofundidad (cada 100m)
5.850.000
! !
! !
! !! ! !
! !
! ! ! ! ! ! !
!
! ! ! ! ! Curvas Índice (cada 200m)
!
!
! !
! ! ! ! ! ! !
! !
! !
! !
Rango Profundidades (m)
! ! !
!
! !
!
! !
! !
!
!
!
! !
!
! !
!
-300 a 0
! ! ! !
! !
! ! ! ! ! ! ! ! !
!
!
!
!
!
!
!
!
!
-600 a -300
! ! ! !
!
!
!
!
!
!
!
!
!
!
!
-900 a -600
! ! ! !
! !
!
! ! -1.200 a -900
5.820.000
! ! ! !! ! !
! !
! !
!
!
! !
!
!
!
! ! !
! -1.500 a -1.200
! ! ! !!
!
!
!
!!
!
!
! ! ! !
< -1.500
! ! ! ! ! ! !
! ! ! !
! ! !
! ! ! !! ! !
!! ! !
! !
! !
! ! !
!
Límite Cuenca Río Bio-Bío
! !
! !
!
! !
!
!
!
! !
!
! Ríos
! !
! !
!!
!
! !
!
! Lagos
!
! ! !
! !
Ciudades
5.790.000
!
! !
!
!
!
!
!!
Límites Administrativos
Límite Costero
Límite Regional
Límite Internacional
Figura 12: Modelo isobático de DGA (2012)
20
La caracterización hidrogeológica se realizó midiendo o encuestando niveles estáticos en
200 pozos durante agosto y septiembre de 2012. A partir de estos antecedentes se identicaron
y describieron unidades hidrogeológicas y se generaron curvas equipotenciales y de sentido de
escurrimiento, el cual es similar al sentido de escurrimiento de la cuenca. Además se realizó
un modelo de simulación hidrogeológica simplicado para estimar la recarga media anual, la
que resultó en 105,751 m3 /s, que es menor que la obtenida por el mismo consultor para la
cuenca del río Itata (123,575 m3 /s). El balance de masa realizado por DGA (2012) resulta en
166 m3 /s de diferencia entre el caudal anual en la desembocadura y las precipitaciones anua-
les estimadas para la cuenca. Finalmete, DGA (2012) realizaron un modelo hidrogeológico
de régimen permanente mediante Visual Modow 4.2 para diferentes escenarios, cuyos
principales resultados son (1) que existiría una relación lineal entre el caudal de explotación
y el descenso del nivel estático; (2) que las zonas más sensibles a las variaciones de nivel
estático son (a) la subcuenca del río Laja bajo, cercano a Yumbel, Cabrero y Monte Águila
y (b) la parte central del acuífero, en la subcuenca del río Duqueco y la subcuenca del río
Biobío entre los ríos Vergara y Laja (cercano a Los Ángeles y Quilleco); (3) se estableció que
un caudal de explotación de ∼ 5 m3 /s produciría una variación del volumen del acuífero en
torno al 5 %. La tabla con los volúmenes estimados para el acuífero se muestra junto a los
niveles estáticos estimados en la gura 13.
95.000 125.000 155.000 185.000 215.000 245.000 275.000
®
5.925.000
Cuenca Río BíoBío

5.895.000
5.865.000
SIMBOLOGÍA
Pozos Nivel Estático
Cuenca Rio Bío Bío

5.835.000
Acuífero Bío Bío
Red Hidrográfica
Ciudades Red Vial

Pavimento
5.805.000
Rango Profundidad
0-5m Ripio
5 - 10 m Límites
10 -25 m Costero
25 - 50 m Internacional
5.775.000
> 50 m Regional
Sin Información
Figura 13: Niveles estáticos y volúmenes modelados para el acuífero de DGA (2012)
21
La cabecera del río Biobío y sus tributarios han sido afectadas por la construcción de obras
de ingeniería para irrigación agrícola y producción hidroeléctrica. El desarrollo hidroeléctrico
al año 2013 (datos usados en esta tesis) incluye centrales de pasada con pequeñas represas
(Abanico, El Toro, Rucúe norte, Rucúe sur, Las Juntas, Rucacura y El Trinte), un central
de pasada sin represa (Quilleco), una central que usa a la laguna de la Laja como embalse
(El Toro) y dos mega-represas (Ralco y Pangue) (ver detalles en Tolorza et al., 2014). El
5
año 2014 fue inaugurada una nueva represa en el Biobío, la central Angostura . La irrigación
agrícola se hace a través de bocatomas y una red de canales de regadío articiales. De acuerdo
a García et al. (2011), durante la estación seca, ∼ 160 m3 /s serían extraídos del río Biobío
y sus tributarios para regadío, lo cual representa ∼ 24 % del promedio de la descarga de
primavera-verano en la desembocadura.
5 Propiedad de Colbún, supercie embalsada de 641 Ha y capacidad de almacenamiento de ∼ 100 × 106 m3

de agua.
22
Capítulo 1
Evaluación de datos sedimentométricos

en la cuenca del río Biobío
1.1. Introducción
La red de monitoreo de la Dirección General de Aguas (DGA) tiene 111 estaciones sedi-
mentométricas (Fig. 4), en las cuales se han registrado valores de concentración de sedimentos
1
suspendidos Cs (mg/l) y/o caudal Q (m3 /s) durante períodos que van de 1 a 48 años .
Los registros de concentración incluyen una muestra supercial diaria (muestreo rutina-
rio) y una muestra integrada aproximadamente mensual (muestreo integrado). El muestreo
supercial se realiza con una botella, mientras que el muestreo integrado suele realizarse en
profundidad con un escandallo para muestreo (D-48, D-49 o D-59), aunque eventualmente es
realizado en supercie desde un carro de aforo con una botella (Solar, 1999). Los registros
Q son simultáneos a los de Cs y se realizan diariamente con una medida de altura del agua.
Junto al muestreo integrado se realiza un aforo.
Debido a que la red de estaciones se distribuye a lo largo del alto gradiente climático
y topográco de Los Andes, recientemente los datos rutinarios han permitido el estudio de
variaciones de la erosión presente respecto al clima, la pendiente, la vegetación y la sismicidad
(Carretier et al., 2013; Pepin et al., 2010). Además, debido a que se cuenta con mediciones
durante décadas, esta base de datos contiene un registro del desarrollo de la erosión que
incluye eventos de menor recurrencia. El valor de la erosión de cuenca calculado a partir de
1 hasta octubre de 2012
23
estos datos es similar al de las tasas de erosión de largo plazo (miles de años) desde la cuenca
del río Maipo hacia el sur (Fig. 3) (Carretier et al., 2013), lo cual sugiere que en la región
húmeda de Los Andes este registro es representativo del ujo de sedimentos presente.
La resolución temporal de la base de datos rutinaria (un dato diario) es óptima para el
estudio de ciertos procesos que potencialmente afectan al ujo de sedimentos suspendidos y
de agua a escala de cuencas de más de 1000 km2 . Algunos de estos procesos son las variaciones
estacionales en el ciclo hidrológico (e.g., Andermann et al., 2012), la sismicidad (e.g., Hovius
et al., 2011) y las variaciones en la cobertura vegetal de las cuencas (e.g., Vanacker et al.,
2007), los cuales son abordadas en esta tesis (capítulos 2, 3 y 4).
Aunque existen estaciones de aforo en la mayoría de los ríos del mundo con igual o mejor
resolución temporal de mediciones de Q, no existen muchos ejemplos de series de tiempo de
Cs con resolución diaria y realizadas durante décadas. Las primeras publicaciones son de ríos
norteamericanos (Wolman y Miller, 1960; Syvitski et al., 2000) y europeos (Asselman, 2000).
Recientemente han sido descritas en Taiwan (Dadson et al., 2003; Fuller et al., 2003) y en los
Himalayas de India (Wulf et al., 2012) y Nepal (Andermann et al., 2012). Algunos muestreos
se realizan en profundidad y otros en supercie, pero no siempre existen antecedentes sobre
el método de muestreo (e.g., Fuller et al., 2003).
Los datos sedimentométricos de la DGA, por la extensión de los períodos de mediciones
simultáneas de Cs y Q y su realización continua durante los períodos lluviosos, constituyen
una herramienta excepcional para analizar en qué períodos se concentran la descar-

ga de agua (Q) y el ujo sedimentario suspendido (Qs ) y si existen variaciones
espaciales de estos procesos, comparando diferentes cuencas. Además, la existencia
de dos metodologías simultáneas de muestreo permite realizar una comparación entre
ellas para evaluar la utilización de una o ambas bases de datos para su análisis
estadístico.
A continuación se presenta un análisis de los datos sedimentométricos de la DGA para la
cuenca del río Biobío, que es la que se analiza con mayor detalle en esta tesis. Particularmente
se muestra la distribución de frecuencia-magnitud de los datos rutinarios. Con este análisis se
evalúa(1) la contribución relativa de los eventos extremos e infrecuentes respecto

a eventos de mediana magnitud, pero más frecuentes y (2) qué tan completa es
esta base de datos, en cuanto a mostrar los principales procesos que asociados a la
erosión de cuenca. Posteriormente, se comparan las bases de datos del muestreo rutinario
e integrado. El resultado de esta comparación arroja importantes diferencias entre ambas
bases de datos que son discutidas al nal del presente capítulo.
24
1.2. Base de datos rutinaria en la cuenca del río Biobío
Las cinco estaciones sedimentométricas de la cuenca del Biobío (Fig. 4) se ubican en
su cabecera (Estación Llanquén), en su nivel medio, inmediatamente aguas abajo del fren-
te montañoso (Estación Rucalhue), en dos de sus tributarios principales (Río Vergara en
estación Tijeral y río Laja en estación Puente Perales) y en la desembocadura (Estación
Desembocadura).
La cronología completa de caudal (Q) y ujo sedimentario suspendido (Qs ) de estas esta-
2
ciones se encuentra en el material suplementario de Tolorza et al. (2014) . Los períodos de
medición en la cuenca del Biobío van de 8 a 26 años (tabla 1.1), pero existe un hiatus común
Los días sin registro se distribuyen de manera aleatoria, no se

entre 1990 y 1993.
concentran en una estación en particular (e.g. invierno) ni en los máximos de Q

(Fig. 1.1).
Tabla 1.1: Estaciones sedimentométricas de la cuenca del Biobío y muestras disponibles
Nombre Lat. Long. Periodo N muestras N muestras
estación mediciones rutinarias integradas
Llanquen -38,2008 -71,2989 2003-2011 3091 49
Rucalhue -37,7081 -71,905 1985-2006 5938 193
Tijeral -37,7333 -72,6167 1985-2011 8286 164
Puente Perales -37,2333 -72,5333 1988-2011 6389 161
Desembocadura -36,8372 -73,0864 1985-2011 7731 187
1.2.1. Metodología de muestreo
En la mayoría de los casos el muestreo rutinario se realiza con la metodología especicada

3
en Solar (1999) como Muestreo de orilla (con o sin vadeo) . En ella, el observador se sitúa
cerca de una zona del escurrimiento con ujo paralelo a la dirección principal (plenamen-
te desarrollado). Las muestras se deben tomar siempre en el mismo punto de la corriente,
ubicándose mirando hacia aguas arriba con el brazo extendido hacia el centro del ujo. La
botella es sostenida inclinada en un ángulo que le permita la salida de aire sin burbujeo.
Eventualmente, este muestreo puede realizarse con un canastillo metálico desde un puente
o carro de aforo y en el centro de la corriente. En tal caso se sumerge completamente la botella
2 http://onlinelibrary.wiley.com/doi/10.1002/2014JF003105/suppinfo
3 Comunicación escrita de funcionarios de la DGA
25
a Muestreos integrado y rutinario año 2000 en estacion Rucalhue
QR 3300
QI
Q prom integrado = 385.39 m3/s Prom. 3 dias QR 2475
Caudal (m3/s)
Q prom S3_rutinario = 425.63 m3/s
1650
1140 825
Flujo sedimentario (kg/s)

855 0
QsR
570 QsI Qs prom integrado = 7.06 kg/s
Prom. 3 dias QsR Qs prom S3_rutinario = 55.08 kg/s
285 596
Concentracion (mg/l)
0 447
CR
C prom integrado = 11.91 mg/l CI 298
C prom rutinario* = 57.52 mg/l Prom. 3 dias CR
149
E F M A M J J A S O N D
b Muestreos integrado y rutinario año 1987 en estacion Tijeral
700
QR
Q prom integrado = 45.71 m 3/s QI
525
Caudal (m3/s)
Q prom S3_rutinario = 41.36 m 3/s Prom. 3 dias QR
350
120 175
90 0
QsR Qs prom integrado = 1.58 kg/s

60 QsI
Qs prom S3_rutinario = 0.98 kg/s
Prom. 3 dias QsR
30 212
0 159
C prom integrado = 25.07 mg/l CR

106
CI
C prom rutinario* = 17.46 mg/l
Prom. 3 dias CR
53
c Muestreo integrado y rutinario año 1997 en estacion Puente Perales

900
QR
Q prom integrado = 176.76 m 3/s QI 675 Caudal (m3/s)
Q prom S3_rutinario = 161.88 m 3/s Prom. 3 dias QR
450
120 225
90 0
60 Qs prom integrado = 6.58 kg/s

QsR
QsI Qs prom S3_rutinario = 3.27 kg/s
30 Prom. 3 dias QsR 308
0 231
C prom integrado = 30.46 mg/l
CR C prom rutinario* = 17.89 mg/l 154
CI
Prom. 3 dias CR 77
Figura 1.1: Ejemplo de la base de datos de tres estaciones sedimentométricas. Serie de tiempo de un año de
mediciones rutinarias de caudal (rojo), ujo sedimentario (verde) y concentración (marrón). Las mediciones
del muestreo integrado se muestran con cruces. Los círculos son el promedio de las medidas rutinarias de
los días antes, durante y después del aforo. a. Estación Rucalhue año 2000. b. Estación Tijeral año 1987. c.
Estación Puente Perales año 1997. Los recuadros en a y b muestran casos en que la concentración de la base
de datos integrada (CI ) es mucho menor que la de la base de datos rutinaria (CR).
26
y se saca al observar que ha alcanzado 3/4 de su volumen. Posteriormente estas muestras son
ltradas, secadas y pesadas en laboratorios de la DGA, generándose un dato de Cs [mg/l].
Al realizar el muestreo rutinario se registra la altura del limnímetro. Con esta medida de
altura se calcula un valor de Q[m3 /s], aproximado desde las curvas de descarga generadas
periódicamente mediante aforos.
Con el dato puntual de Cs [mg/l] y Q[m3 /s] se puede calcular el ujo sedimentario sus-
pendido Qs [kg/s] = Cs ∗ Q. En la base de datos de la DGA esta variable es convertida a
Gasto Diario [kg/d], asumiendo que el valor puntual de Cs y Q son representativos del día
completo.
El operador que realiza el muestreo rutinario y registra la altura del limnímetro suele
ser un habitante de poblados cercanos a la estación de monitoreo. En la mayoría casos las
estaciones se ubican en zonas poco pobladas, por lo cual el operador suele ser la misma
persona durante largos períodos. El operador es instruido por la DGA a realizar el muestreo
todos los días, incluyendo domingos y festivos, dándole especial importancia al muestreo en
los días de lluvia y/o nieve (Solar, 1999).
1.2.2. Cronología de las variables monitoreadas
En la gura 1.1 se muestran ejemplos de un año de mediciones de Q, Qs y Cs en diferentes
estaciones.
Las tres variables son consistentes en su cronología diaria, visualizándose asensos y des-
censos en las magnitudes de la curva rutinaria que progresan durante varios días (o algunas
semanas), sin observarse una distribución aleatoria de las medidas en el tiempo.
Tanto Cs como Qs crecen en conjunto con Q, pero no lo hacen de manera regular (Fig.
1.2). La relación entre estas variables presenta histéresis, lo que es abordada en detalle en el
capítulo 2. En dicho capítulo se muestra que Qs y Q pueden ajustarse a un modelo potencial

sólo en la cuenca que drena mayoritariamente al piedemonte (estación Tijeral). Sin embargo,
tanto en el piedemonte como en el frente montañoso, los datos rutinarios de Qs se ajustan a
la misma ley de potencias respecto a una porción de Q, el caudal directo.
27
a Llanquen Rucalhue Tijeral PuentePerales Desembocadura
100 1000 1000
CR vs QR
500 200 500 500
50
CI vs QI 200 100 200 200
100 100 100
20 50 50 50
50
10 20 20 20
20 10
10 10
5 5 10 5
5
2
2 5 2
2 1
1 1 0.5
20 50 100 200 500 100 200 500 1000 2000 2 5 10 20 50 100 200 2 5 10 20 50 100200 500 100 200 500 10002000 5000
b
1000
QsR vs QR 1000
100
QsI vs QI 100
10
10 100
10
10 1
1 1 10
1 0.1
0.1 1
0.1
0.1
20 50 100 200 500 100 200 500 1000 2000 2 5 10 20 50 100 200 2 5 10 20 50 100200 500 100 200 500 10002000 5000
3 3 3 3 3
Caudal (m /s) Caudal (m /s) Caudal (m /s) Caudal (m /s) Caudal (m /s)
Figura 1.2: Diagramas de correlación entre a. el caudal Q y la concentración (C ) y b. entre Q y el ujo de
sedimentos suspendidos (Qs ). Los círculos representan los datos del muestreo rutinario tomados el mismo
∗
día que el muestreo integrado (QR , CR∗ y Qs R∗ ) y las cruces a los datos del muestreo integrado (QI , CI
y Qs I ).
1.2.3. Distribución de frecuencia-magnitud de la descarga de agua
y sedimentos rutinarios
Los análisis de distribución de frecuencia son comúnmente utilizados para describir la
variabilidad en magnitud de un sistema natural, como por ejemplo la sismicidad (e.g., Gu-
tenberg y Richter, 1956), el largo de las fallas (e.g., Davy, 1993), las crecidas de los ríos (e.g.,
Turcotte y Greene, 1993) o el tamaño de los deslizamientos (e.g., Hovius et al., 1997; Stark
y Hovius, 2001; Malamud et al., 2004a,b; Antinao y Gosse, 2009; Stark y Guzzetti, 2009).
En una distribución continua, la función de distribución de probabilidad (pdf ) permite
calcular la probabilidad P de un evento de tener un valor dentro de cierto rango de magnitudes
entre x y x + dx.
Z x+dx
P [x 6 X 6 x + dx] = pdf (x)dx (1.1)
x
28
En una distribución discreta, la pdf empírica es el número de eventos n(xi ) dentro de un
rango de magnitudes 4xi dado por:
n(xi )
pdf (xi ) = ; 4xi = xi − xi−1 (1.2)
4xi
El rango 4xi suele calcularse usando un ancho de banda equi-espaciado en escala logarít-
mica. Esto permite integrar los eventos de mayor magnitud a pesar de ser infrecuentes.
Las pdf de Q (Lague et al., 2005; Carretier et al., 2013; Lague, 2014) y Qs (Hovius et
al., 2000; Andermann et al., 2012) generalmente describen dos tendencias. Para los eventos
pequeños, la frecuencia aumenta con la magnitud. Para los eventos grandes, la frecuencia
disminuye con la magnitud describiendo una ley de potencias. En este caso, la distribución
∗
de las crecidas normalizadas por su promedio (Q ) sería:
pdf (Q∗ ) = aQ∗−α (1.3)
Aunque esta aproximación no es válida para los valores pequeños y medianos de Q∗ , el
exponente de esta ley de potencias (−α) permite caracterizar la variabilidad en la magnitud
mediante el parámetro k =α−2 (Fig. 1.3 a y b, Lague et al., 2005), el cual también puede
obtenerse desde la distribución de probabilidad acumulada (Fig. 1.3c, e.g., Molnar et al.,
2006). Mientras mayor es k, menor es la variabilidad del parámetro estudiado (Figs. 1.3 y
1.4). Además, el parámetro k permite aproximar el comportamiento de la pdf para todo el
rango de Q∗ mediante la función gamma, Γ (Crave y Davy, 2001; Lague et al., 2005; Carretier
et al., 2013):
k k+1 k
pdfQ,k (Q∗ ) = exp(− ∗ )Q∗−(2+k) dQ∗ (1.4)
Γ(k + 1) Q
que tiene dos componentes principales: (1) una distribución gamma inversa de los eventos
pequeños y (2) una distribución potencial inversa de los eventos grandes.
29
a
pdf
Q
b c
Retourn interval (years)

log P(Q>Q)
log pdf
log Q log Q
Figura 1.3: Representación esquemática de la pdf en un contexto de baja variabilidad climática (línea con-
tinua) y alta variabilidad climática (línea segmentada). (a) Representación de las pdf de Q en escala lineal,
mostrando una distribución estrecha de Q para el contexto de baja variabilidad climática (línea continua)
y amplia para el contexto de baja variabilidad climática (línea segmentada). (b) Representación de las pdf
en escala log/log. El exponente de la regresión de la parte potencial (−α) es un indicador de la variabilidad
climática. (c) Este exponente también puede obtenerse desde la distribución acumulada (P(Q>Q)), que es la
integral de la pdf mostrada en b, cuyo inverso es el intervalo de retorno trazado en verde.
La ecuación 1.4 está lejos de ser universal. De hecho, ciertas distribuciones de precipita-
ciones (Eagleson, 1978; Tucker y Bras, 2000) y de caudal (Benson, 1968) se ajustan mejor
a modelos exponenciales. Eichner et al. (2011) describen cuatro principales distribuciones
de probabilidad: Gaussiana, exponencial, log-normal y potencial. Sin embargo, el modelo
potencial aparece frecuentemente en las distribuciones de caudal (e.g., Molnar et al., 2006)
y el parámetro k calculado con datos de Q ha permitido la comparación de la variabilidad
climática entre cuencas de muy diversos contextos climáticos y tectónicos y su utilización en
modelos numéricos de erosión (e.g., Lague, 2014; Carretier et al., 2013, 2014).
Biobio
river
Figura 1.4: Tasa de incisión (modelada) versus coeciente k obtenido desde pdf de Q (Lague et al., 2005). Se
destaca valor de k obtenido para los caudales del río Biobío (Fig. 1.5).
30
Las guras 1.5 a y b muestran las pdfs de Q y Qs de las cinco estaciones normalizados por
el promedio con el objetivo de escalar el valor de las variables por el tamaño del sistema. Las
distribuciones de Q∗ y Q∗s se calcularon usando un ancho de banda logarítmico (binwidth )
igual a 0,05. En el caso de Q (Fig. 1.5a) los eventos grandes (mayores a 1,5 veces el promedio)
se ajustan a una potencial inversa de pendiente −α = 3,77 para todas las estaciones, excepto
Tijeral. Esto signica un parámetro k = 1,77, que es un valor grande comparado con otros
ríos en el mundo (Fig. 1.4), mostrando una baja variabilidad del caudal en esta cuenca.
a b
14.7%
10.2%
10.7%
10.9%
12.5%
10.4%
10.7%
10.4%
12.5%
11.8%
10.9%
11.2%
11.6%
10.9%
10.4%
Llanquen
6.5%
9.9%
13%
10.1%
10.9%
12.6%
10.4%
12.9%
10.3%
10.1%
11.2%
10.6%
11.8%
11.4%
10.6%
12.3%
10.6%
10.7%
Rucalhue
0.2%
0.4%
12%
10%
10%
13.1%
11.1%
14.3%
10.5%
10.4%
12.4%
10.4%
11.5%
11.6%
11.8%
11.6%
11.3%
10.7%
11.1%
10.6%
10.1%
Tijeral
5.9%
0.7%
10%
10.7%
11.2%
13.3%
10.6%
15.2%
11.8%
12.4%
10.9%
10.5%
10.3%
11.4%
13.1%
11.8%
10.1%
P_Perales
3.3%
8.3%
13%
11%
10.3%
10.6%
10.3%
10.3%
10.5%
14.3%
11.2%
10.2%
10.2%
12.3%
10.9%
10.5%
10.4%
11.3%
10.4%
Desembocadura
9.9%
2.4%
12%
11%
0.001 0.01 0.1 1 10 0.0001 0.001 0.01 0.1 1 10 100 1000
10 100
y=1.899*x−3.77
y=0.07*x−1.71
y=0.357*exp(−0.57*x) 10
1
1
0.1
0.1
>70% QR 0.01
>70% QsR
pdf
0.01 0.001
0.0001
0.001
Diagrama de caja QI** 1e−05 Diagrama de caja QsI**
1e−06
0.0001
1e−07
1e−05 1e−08
0.001 0.01 0.1 1 10 0.0001 0.001 0.01 0.1 1 10 100 1000
Q/meanQ Qs/meanQs
100 100
1 1
10 10
0.1 0.1
P(Q>Q)
1 1
T(y)
0.01 0.01
0.1 0.1
0.001 0.001
0.01 0.01
0.0001 0.0001
0.001 0.001
0.001 0.01 0.1 1 10 0.0001 0.001 0.01 0.1 1 10 100 1000
Q/meanQ Qs/meanQs
Figura 1.5: pdfs, probabilidad acumulativa y tiempos de retorno de QR y Qs R para las cinco estaciones de
∗∗
la cuenca del Biobío. Valores normalizados por su promedio (QR y Qs R∗∗ ) y agrupados en segmentos de
ancho creciente en escala logarítmica (ancho de banda 0,05). Arriba se muestran límites de segmentos que
agrupan ∼10 % de las magnitudes medidas para cada estación. Los colores de las curvas de pdf de QR∗ y
∗ ∗∗ ∗∗
Qs R y diagramas de cajas de QI y Qs I representan a las 5 estaciones. Se destaca en gris la región
del diagrama que agrupa un ∼70 % de las magnitudes registradas. Diagramas de caja construidos con los
∗∗
cuantiles de base de datos integrada (QI y Qs I ) normalizados por QR y Qs R∗∗ , respectivamente.
31
Las guras 1.5 c y d muestran las distribuciones de probabilidad acumulativas de Q∗ y
Q∗s , denidas como la probabilidad de que un evento xi de tener un valor mayor a x∗i . Debido
a que el tiempo de retorno es el inverso de la probabilidad acumulativa (líneas verdes en Fig.
1.3c), se espera que la ocurrencia de eventos extremos (por ejemplo, aquellos mayores a 10
veces el promedio) sea menos frecuente en ríos con baja variabilidad de Q (bajo k ), respecto a
los climas más variables (Fig. 1.5). Dado lo anterior, esta base de datos, que tiene un período
de mediciones de décadas, es lo sucientemente amplia para incluir la mayor parte de los
eventos climáticos que afectan a esta cuenca (Carretier et al., 2013, 2014).
La única estación que presenta una distribución diferente de los eventos grandes de Q
es Tijeral. Para ella, los caudales mayores a ∼2 veces el promedio se ajustan a una curva
exponencial, presentando una densidad mayor de Q entre 2 y 20 veces el promedio que en
las otras estaciones y, por lo tanto, un menor tiempo de retorno para estas magnitudes de
Q para todas las estaciones las magnitudes

que en las otras estaciones. Sin embargo,
más frecuentes de Q, que agrupan más de un 70 % de mediciones, son entre 0,2 y

2 veces el promedio (área gris en gura 1.5.a). El intervalo de retorno de esos eventos es
de menos de un año.
En el caso de Qs , todas las estaciones presentan una distribución similar, en la

cual hay alta ocurrencia de eventos muy pequeños (del orden de 10−4 veces el promedio), pero
la curva decrece hasta cerca de un 70 % de los eventos tienen magnitud
Q∗s ∼ 10−3 y
entre 0,02 y 2 veces el promedio (área gris en gura 1.5a). Los eventos medianos y
grandes disminuyen su ocurrencia respecto a su magnitud de acuerdo a una ley de potencias
de exponente −1,71. Las pdf de Qs son consistentes con las observaciones de Wolman y Miller
el grueso de la erosión ocurre en
(1960) y Andermann et al. (2012), que muestran que
eventos de mediana magnitud y no en eventos catastrócos poco frecuentes.
1.3. Base de datos integrada en la cuenca del río Biobío
1.3.1. Metodología de muestreo
El muestreo integrado es realizado aproximadamente una vez al mes, preferentemente con
la metodología descritas en Solar (1999) para el Muestreo en profundidad. Se usan distintos
modelos de integradores (DH-48, D-49 o D-59) dependiendo de la profundidad del cauce y la
velocidad de ujo. Se toman varias muestras en verticales elegidas de tal forma que entre ellas
32
no escurra más del 10 % del caudal total. Sin embargo, cuando no hay condiciones apropiadas
para este muestreo, se toman tres muestras en la sección en que regularmente se hace el aforo
con un canastillo metálico desde el carro de aforo con la misma metodología del muestreo
4
rutinario . De acuerdo a lo establecido en Solar (1999), esto ocurre en ríos con profundidad
superior a 6 metros o en ocasiones de caudales muy altos, que no permitan la realización del
aforo en la estación.
La base de datos del muestreo integrado tiene sólo un valor por día de medición. La me-
todología descrita por Solar (1999) no especica si este valor es un promedio de las muestras
recolectadas. Tampoco especica el número de muestras tomadas en la sección ni el mues-
treador ocupado. Por otra parte, Pizarro et al. (2014) plantean que los valores de esta base
de datos consisten tanto en medidas de muestreo supercial, realizado con una botella, como
de muestreo integrado (en profundidad). Por lo tanto, es probable que la base de datos inte-
sin saber qué modelo

grada combine medidas realizadas en profundidad y en supercie,
de integrador fue utilizado ni si hay una sistemática en el muestreo.
El aforo es la medición del volumen de agua que pasa por la sección transversal del río
por unidad de tiempo. Se realiza usualmente con un molinete que mide la velocidad de ujo
a lo largo de varias verticales en la sección del río (DGA, 1991). El número de verticales por
sección se determina tomando en cuenta cambios en la pendiente del lecho del río y que no
pase más del 10 % del ujo entre ellas. La profundidad de la vertical se obtiene midiendo el
cable con que se sumerge el molinete. Este valor se corrige geométricamente cuando ujos
o
altos arrastran al molinete con un ángulo de desviación mayor a 8 . El caudal se calcula
multiplicando la velocidad media de cada vertical por el área de la sección en torno a la
vertical. La curva de descarga construida de esta manera permite relacionar la altura del
limnímetro con Q, relación que cambia al ocurrir cambios en la geometría del lecho del río.
Por esta razón, las estaciones de aforo se ubican en secciones del río lo más estable posible
(DGA, 1991).
1.3.2. Comparación entre base de datos Integrada y Rutinaria
Ya que se cuenta con mediciones de los mismos parámetros mediante dos metodologías
distintas, se espera que exista correspondencia entre las medidas realizadas simultáneamente
(el mismo día) con diferentes métodos.
En el caso del caudal (Q), las curvas de descarga son construidas a partir de las medidas de
aforo (QI ). Estas curvas de descarga son las que permiten asignarle un valor de caudal a las
4 Comunicación escrita de funcionarios de la DGA
33
se espera una buena
lecturas del limnímetro realizadas rutinariamente (QR). Por lo tanto,
correlación entre ambas medidas si la frecuencia de los aforos es la adecuada para

corregir variaciones en la curva de descarga (por ejemplo, las que ocurren cuando hay
cambios en la geometría del lecho del río).
En el caso de Qs y Cs , debido a que la mayoría de las estaciones se ubican en segmentos
turbulentos de los ríos, puede asumirse que las variaciones de Cs en supercie responden a
variaciones de la carga suspendida de toda la columna de agua. Por esta razón, se espera
que exista correlación entre los datos integrados y rutinarios, aun cuando la concentración
en supercie pueda corresponder solo a una fracción de la concentración en profundidad,
dependiendo de la velocidad del ujo de agua (e.g., Lupker et al., 2011; dos Santos Pinheiro
et al., 2013). Sin embargo, dependiendo del procedimiento del operador, la muestra integrada
puede tomar porciones variables de cada segmento de la columna de agua, incluyendo parte
de la carga de fondo (bedload ). Además, aunque la base de datos integrada contiene los resul-
tados de medidas que integran la sección completa del río, puede también incluir resultados
de medidas superciales, sin que esto se encuentre especicado en la base de datos. Dado lo
se espera que la base de datos rutinarias tenga concentraciones de sedi-

anterior,
mentos suspendidos similares o menores que las concentraciones de la base de

datos integrada, para el mismo día de medición.
Los valores de caudal de los días de aforo (QI ), realizados el mismo día del muestreo
integrado, tienen una buena correlación con los valores limnimétricos (QR), realizados los días
la periodicidad
de muestreo rutinario (Fig. 1.1 y 1.6 , tablas 1.2 y 1.3), lo cual signica que
de los aforos es suciente para corregir los cambios que pueden producirse en la
curva de descarga, lo cual le da robustez a la serie de tiempo de QR.
La distribución en el tiempo de las medidas de QI es escasa y no es la apropiada para
registrar los eventos de mayor caudal (Fig. 1.1 y 1.5), lo cual repercute en que el promedio
de caudal integrado (QI ) sea, en la mayoría de los casos, menor que el promedio de toda la
∗∗ ∗∗
base de datos rutinaria (QR en la tabla 1.3). Los diagramas de caja de QI (Fig. 1.5a)
muestran que la mayoría de los datos de QI se encuentran bajo el promedio de Q (ambas

∗∗
series normalizadas por el mismo QR , de manera de poder comparar directamente las
magnitudes de QI y QR).
Los valores de ujo sedimentario y concentración de la base de datos integrada (Qs I y
CI ) presentan una alta dispersión respecto a los valores de la base de datos rutinaria (Qs R
y CR, Fig. 1.6, tablas 1.4 y 1.5).
34
2
Tabla 1.2: Coecientes de determinación (R ) y valor p para modelo lineal entre valores de caudal de aforo
(muestreo integrado) y limnimétrico (muestreo rutinario).
Datos de aforo (Integrados, QI )

Llanquen Rucalhue Tijeral Puente Perales Desemb.
R2
Caudal rutinario QR 0,99 0,97 0,92 0,96 0,95
Caudal rutinario
día pre- aforo pre QR 0,96 0,82 0,82 0,94 0,89
Caudal rutinario
día post- aforo post QR 0,94 0,84 0,76 0,83 0,78
Prom 3 días
de caudal rutinario S3_QR 0,98 0,94 0,89 0,93 0,93
p − val
Caudal rutinario QR <2,2E-16 <2,2E-16 <2,2E-16 <2,2E-16 <2,2E-16
Caudal rutinario
día pre- aforo pre QR <2,2E-16 <2,2E-16 <2,2E-16 <2,2E-16 <2,2E-16
Caudal rutinario
día post- aforo post QR <2,2E-16 <2,2E-16 <2,2E-16 <2,2E-16 <2,2E-16
Prom 3 días
de caudal rutinario S3_QR <2,2E-16 <2,2E-16 <2,2E-16 <2,2E-16 <2,2E-16
Al observar el detalle de la cronología de concentración se pueden visualizar claras in-
consistencias entre las medidas integradas (CI ) y rutinarias (CR). En todas las estaciones,
excepto Puente Perales, se observan frecuentes alzas de CR que se mantienen por varios días,
a las que se asocian valores de CI cercanos al mínimo (recuadros en Fig 1.1). Este resultado
contradice el comportamiento esperado. En Tijeral y Puente Perales (Fig. 1.1c y d) los valores
de CI y CR son dispares en la mayoría de los casos en que una de ellas supera al promedio.
Estas diferencias se reejan en promedios contrastantes entre los datos rutinarios e integrados
tanto para Cs como Qs (tablas 1.6 y 1.7). Por ejemplo, los promedios de la concentración
rutinaria en Llanquén, Rucalhue y Tijeral superan al promedio integrado (tabla 1.7).
Con el objetivo de contrarrestar posibles uctuaciones horarias en el muestreo rutinario
o errores en la asignación de fechas a las muestras, se calculó el factor de determinación
entre las variables integradas y las medidas rutinarias en torno al día de aforo (día antes,
día después y promedio de tres días de medidas rutinarias, tablas 1.2, 1.4 y 1.5), pero la
disminución en la dispersión, cuando ocurre, no es signicativa.
35
Tabla 1.3: Promedios de caudal con medidas de aforo y rutinarias.
Q Q∗ Q∗∗
aforo rutinario rutinario
3 3 3
Nombre estación (m /s) (m /s) (m /s)
Llanquen 134,18 140,23 142,22
Rucalhue 396,39 406,71 417,58
Tijeral 55,05 55,17 49,81
Puente Perales 133,44 129,55 138,67
Desembocadura 810,53 833,92 992,68
*Sólo las muestras de los días de aforo
**Todos los datos rutinarios
400 18.0 80
R 2 =0.921 5 de 164 datos omitidos 10 de 164 datos omitidos
Estación Tijeral
R 2 =0.29 R 2 =0.386
Qs Integrado (kg/s)
C Integrado (mg/l)
Q Integrado (m3/s)
300 13.5 60
200 9.0 40
100 4.5 20
0 0.0 0
0 100 200 300 400 0.0 4.5 9.0 13.5 18.0 0 20 40 60 80
Q Rutinario (m 3/s) Qs Rutinario (kg/s) C Rutinario (mg/l)
600 14.0 30.0
Estación Llanquen
R 2 =0.819 R 2 =0.23
Qs Integrado (kg/s)
C Integrado (mg/l)
Q Integrado (m3/s)
450 10.5 22.5
300 7.0 15.0
150 3.5 7.5
0 0.0 0.0
0 150 300 450 600 0.0 3.5 7.0 10.5 14.0 0.0 7.5 15.0 22.5 30.0
2100 45.00 160

Estación Rucalhue
R 2 =0.322 R 2 =0.263
Qs Integrado (kg/s)
C Integrado (mg/l)
Q Integrado (m3/s)
1575 33.75 120
1050 22.50 80
525 11.25 40
0 0.00 0
0 525 1050 1575 2100 0.00 11.25 22.50 33.75 45.00 0 40 80 120 160
Figura 1.6: Diagramas de correlación entre datos integrados y rutinarios. Valores de caudal (rojo), ujo
sedimentario (verde) y concentración (marrón). Se indica el número de datos omitidos del total por registrar
valores atípicos ( outliers ).

A pesar de esto, al comparar las curvas de ujo sedimentario (o gasto diario) respecto
36
al caudal, los resultados para las medidas integradas no son signicativamente diferentes de
las medidas rutinarias tomadas el mismo día en Llanquén, Rucalhue y Tijeral (Fig. 1.2). En
Puente Perales y Desembocadura, los valores integrados (CI y Qs I ) son mayores que los
valores rutinarios (CR y Qs R) para igual valor de caudal.
2
Tabla 1.4: Coecientes de determinación (R ) y valor p entre valores de ujo sedimentario del muestreo
integrado y del muestreo rutinario.
Datos de aforo y concentración Integrada, Qs I

2
R
Qs rutinario Qs R 0,24 0,13 0,25 0,12 0,13
Qs rutinario sin Qs Rsva 0,82 0,32 0,29 0,41 0,26
valores atípicos
datos omitidos 4 de 49 13 de 193 5 de 164 3 de 161 39 de 187
Qs rutinario
día pre- aforo pre Qs R 0,31 0,08 0,12 0,48 0,03
Qs rutinario
día post- aforo post Qs R 0,34 0,11 0,18 0,09 0,10
Prom 3 días
de Qs rutinario S3_Qs R 0,34 0,19 0,37 0,31 0,05
p − val
Qs rutinario Qs R 3,78E-04 4,01E-07 1,17E-11 6,02E-06 5,01E-07
Qs rutinario sin Qs Rsva <2,2E-16 <2,2E-16 2,78E-13 2,20E-16 4,09E-11
valores atípicos
datos omitidos 4 de 49 13 de 193 5 de 164 3 de 161 46 de 187
Qs rutinario
día pre- aforo pre Qs R 6,16E-05 1,03E-04 7,50E-06 <2,2E-16 2,40E-01
Qs rutinario
día post- aforo post Qs R 1,91E-05 1,55E-06 2,33E-08 1,32E-04 7,10E-06
Prom 3 días
de Qs rutinario S3_Qs R 1,62E-05 9,03E-10 2,20E-16 1,36E-14 1,61E-03
1.4. Discusión
La base de datos rutinaria, por la extensión de su período de mediciones y su resolución
temporal, es una buena herramienta para comprender los procesos que afectan al ujo de
sedimentos que se abordan en esta tesis.
Si bien las muestras analizadas son superciales, todas las estaciones de la cuenca del
37
Biobío, excepto Desembocadura, se ubican en segmentos turbulentos del río (Fig. 4). Además,
los ríos situados en el anco oeste de Los Andes son cortos y tienen una alta pendiente
regional. Debido a su turbulencia y la alta velocidad de ujo, en la mayoría de los casos
se puede asumir que existe una buena mezcla en la columna de agua y por tanto, que la
concentración en supercie es representativa de la sección, tal como se ha hecho con
otras bases de datos sedimentométricas de orógenos activos (e.g., Wulf et al., 2012).
Debido en esta región húmeda de Los Andes existe similitud entre las tasas de erosión
10
de cuenca calculadas con Be (> 103 años) y las derivadas del Qs rutinario (∝ Qs R) para
las estaciones situadas al pie de la Cordillera Principal (Fig. 3)(Carretier et al., 2013, 2014)
en esta tesis se considera que el Qs R sobre décadas de mediciones es representativo del ujo
total de sedimentos en las estaciones que drenan las montañas y que tienen baja variabilidad
climática.
Los datos de la base de datos rutinaria tienen una progresión temporal que no es aleato-
ria y que es consistente entre variables independientes, como el caudal y la concentración.
Además, si las uctuaciones diarias Qs se escalan por su valor promedio, las densidades de
probabilidad de todas las estaciones tienen la misma distribución (Fig. 1.5b), lo cual sugiere
quela variabilidad del ujo sedimentario responde a la misma ley a lo largo de

toda la cuenca. Como la variabilidad de Q en esta cuenca es baja, comparada con otros
ríos del mundo (k = 1,77), los eventos climáticos no incluidos en esta base de datos son muy
infrecuentes. Además, el grueso del porcentaje de Qs y Q ocurren en eventos de mediana
la mayoría de las posibles uctuaciones de Qs en el largo

magnitud. Por lo tanto,
plazo pueden observarse con la base de datos rutinaria, aún cuando su magnitud
total pueda ser subestimada al considerar muestras superciales, sobretodo en las
estaciones que se encuentran en segmentos poco turbulentos del río.
Sin embargo, la serie de tiempo integrada (CI y Qs I ) no se ajusta a la serie rutinaria.
Esto puede deberse (1) a errores metodológicos en uno o ambos muestreos, (2) a la poca
representatividad de los eventos medianos y grandes en la serie de tiempo integrada (ver
diagramas de caja de Qs I ∗∗ en gura 1.5.b) o (3) a variaciones naturales de las magnitudes
de Qs y C a través de la sección y en profundidad.
Para resolver las interrogantes recién planteadas, se requeriría una mayor resolución en
el tiempo de mediciones integradas y mayores antecedentes de la sistemática de muestreo.
Campañas de monitoreo diario de la concentración de toda la sección durante las crecidas
permitirían estimar con mayor precisión la magnitud del ujo sedimentario. También mejo-
raría la comprensión de ciertos procesos para establecer las líneas de base ambientales de los
38
ríos (e.g., FCFM, 2008; Arcadis, 2008), lo cual es crucial para que los organismos guberna-
mentales chilenos evalúen de manera certera el impacto que pueden tener obras civiles, cómo
por ejemplo las centrales hidroeléctricas. Sin embargo, con la resolución presente de los datos
integrados, su baja correlación con los datos rutinarios y las incertidumbres existentes sobre
el método de muestreo, en esta tesis se optó por no usar la base de datos integrada.
2
Tabla 1.5: Coecientes de determinación (R ) y valor p entre valores de concentración de sedimentos del
muestreo integrado y del muestreo rutinario.
Datos de Concentración Integrada, CI

2
R
C rutinario CR 0,14 0,13 0,17 0,04 0,03
C rutinario sin CRsva 0,23 0,26 0,39 0,15 0,08
valores atípicos
datos omitidos 5 de 49 5 de 193 10 de 164 9 de 161 65/187
C rutinario
día pre- aforo pre CR 0,06 0,06 4,24E-04 0,30 2,00E-03
C rutinario
día post- aforo post CR 0,02 0,19 0,01 0,01 3,62E-04
Prom 3 días
de C rutinario S3_CR 0,14 0,15 0,12 0,14 1,49E-04
p − val
C rutinario CR 1,02E-02 1,87E-04 9,27E-01 1,01E-02 3,95E-01
C rutinario sin CRsva 1,12E-03 6,16E-14 <2,2E-16 8,26E-07 1,37E-03
valores atípicos
datos omitidos 5 de 49 5 de 193 10 de 164 9 de 161 65/187
C rutinario
día pre- aforo pre CR 1,04E-01 7,27E-04 7,94E-01 9,75E-14 5,11E-01
C rutinario
día post- aforo post CR 3,25E-01 2,15E-10 1,68E-01 1,69E-01 7,97E-01
Prom 3 días
de C rutinario S3_CR 8,70E-03 4,14E-08 1,11E-05 1,26E-06 8,71E-01
La comparación de las curvas integrada y rutinaria entre Qs y Q han sido utilizadas el el río
Maipo para calibrar una base de datos respecto a la otra (Sanhueza et al., 2007). De acuerdo
al análisis de Sanhueza et al. (2007), en el río Maipo los valores integrados y rutinarios sí
presentan correlación lineal. Sin embargo, la parametrización de Cs o Qs respecto al caudal
total puede ser afectada por histéresis (ver capítulo 2), por lo cual establecer correcciones de
las medidas rutinarias respecto a las integradas a través de su relación con el caudal total no
se considera una metodología apropiada. Más bien se recomienda utilizar aproximaciones de
39
la escorrentía supercial, como se muestra en el capítulo 2 o un modelo basado en árboles de
decisiones, como Mohr et al. (2014).
Tabla 1.6: Promedios de ujo sedimentario con medidas integradas y rutinarias.
Nombre estación Qs I Qs R∗ Qs R∗∗

(kg/s) (kg/s) (kg/s)
Llanquen 2,01 2,49 6,61
Rucalhue 9,31 12,61 18,15
Tijeral 1,77 1,79 1,78
Puente Perales 7,87 2,88 5,77
Desembocadura 45,71 21,44 35,37
*Sólo las medidas de los días de aforo y muestreo integrado
1.5. Conclusiones
A partir de los resultados y la discusión recién planteados, en los capítulos 2, 3 y 4 se
muestra el análisis del ujo sedimentario suspendido utilizando sólo la base de datos rutinaria.
Esta base de datos constituye un registro continuo y completo de la variabilidad de Qs en
la supercie del río durante décadas, lo cual permite el estudio de los procesos involucrados
en la dinámica del ujo sedimentario, aún cuando su magnitud total pueda ser subestimada.
Es un registro continuo porque se realiza diariamente, incluyendo períodos de crecidas y de
sequías. Además, el muestreo se realiza sistemáticamente (usando el mismo procedimiento)
y por el mismo operador durante largos períodos.
Tabla 1.7: Promedios de concentración de sedimentos con medidas integradas y rutinarias.
Nombre estación CI CR∗ CR∗∗

(mg/l) (mg/l) (mg/l)
Llanquen 8,6 11,64 23,22
Rucalhue 16,29 21,42 23,43
Tijeral 20,22 39,76 35,05
Puente Perales 37,97 14,44 16,92
Desembocadura 45,13 18,93 21,3
*Sólo las medidas de los días de aforo y muestreo integrado
40
Es un registro completo porque el tiempo de retorno máximo obtenido a partir del análisis
de frecuencia es cercano al período de mediciones (décadas). Además, el grueso de Qs es
movilizado en eventos medianos, que tienen un tiempo de retorno de menos de un año (Fig.
1.5b) y su pdf decrece con la magnitud siguiendo un ajuste potencial empinado. Es decir,
la contribución relativa de los eventos extremos e infrecuentes es baja respecto a eventos de
mediana magnitud. Por otra parte, la variabilidad climática caracterizada a partir de la pdf
de Q (Fig. 1.5a) es baja, comparada con otros ríos del mundo.
En este estudio se descartó la utilización de la base de datos integrada debido a (1)
las incongruencias observadas entre la base datos rutinaria e integrada y (2) a la falta de
antecedentes sobre la sistemática de muestreo, cuyos resultados tienen una fuerte dependencia
respecto al procedimiento del operador.
41
Capítulo 2
Movilización de sedimentos presente

desde la montaña al océano
42
Journal of Geophysical Research: Earth Surface
RESEARCH ARTICLE Contrasting mountain and piedmont dynamics of sediment
10.1002/2014JF003105 discharge associated with groundwater storage
Key Points: variation in the Biobío River
• The routing of rainfall-derived water
controls sediment exportation Violeta Tolorza1 , Sébastien Carretier2 , Christoff Andermann3 , Francisco Ortega-Culaciati4 ,
• Separation of base/direct flows Luisa Pinto1 , and María Mardones5
is fundamental to interpret
suspended sediments 1 Departamento de Geología, Universidad de Chile, Santiago, Chile, 2 Geosciences Environnement Toulouse, OMP, UPS,
• The whole Biobío catchment CNRS, IRD, Université de Toulouse, Toulouse, France, 3 German Centre for Geosciences GFZ, Helmholtz Centre Potsdam,
mobilizes sediments proportional
Potsdam, Germany, 4 Departamento de Geofísica, Universidad de Chile, Santiago, Chile, 5 Centro de Ciencias Ambientales
to surface runoff
EULA, Universidad de Concepción, Concepción, Chile
Supporting Information:
• Readme Abstract Supply and transport of sediment in catchments involve processes with fundamental
• Figure S1a
• Figure S1b consequences for river management, land use, and the prediction of climate-driven sediment fluxes. In the
• Figure S1c present study we addressed spatial variability in the water routes through the surface and subsurface of a
• Figure S1d catchment and the suspended sediment discharge (Qs ) over a mountain-piedmont system. We analyzed
• Figure S1e
• Figure S2 daily suspended sediment concentration (Cs ) and water discharge (Q) measurements at stations located
• Figure S3a in different topographic settings (mountain and piedmont) in the Biobío River basin (southern central
• Figure S3b Andes, 37–39◦ S). In steep catchments, the Q versus Qs relationship has a marked seasonal hysteresis. In
• Figure S4a
• Figure S4b the piedmont, Qs is proportional to Q, with no seasonal hysteresis. The contrast in the hysteresis pattern
• Figure S5 between catchments with different topographies is explained by differences in the routing of
rainfall-derived water. In the piedmont, most of the rainfall is converted into surface runoff because the
Correspondence to:
water table is near the surface. In the mountains, groundwater storage results in large seasonal variations
V. Tolorza, in the proportion of Q that flows at the surface and transports sediment from the hillslopes, producing
vtolorza@cec.uchile.cl hysteresis. By separating the total Q into two components (direct discharge, Qd and base flow, Qb ), we
observed the response of Qs to the fraction of water that quickly leaves the catchment after a rainfall
Citation: event (Qd ). Similar results between the mountain and piedmont and the absence of hysteresis simplify the
Tolorza, V., S. Carretier, C. Andermann, behavior of Qs into a linear relationship with Qd over the entire catchment and lead us to propose that
F. Ortega-Culaciati, L. Pinto, and
M. Mardones (2014), Contrasting
sediment mobilization to the river along the Biobío catchment is primarily controlled by overland flow.
mountain and piedmont dynamics of Our findings highlight the importance of an adequate hydrological model for understanding the erosion
sediment discharge associated with and transport processes of a catchment, and which can be applied to other natural and modeled
groundwater storage variation in the
Biobío River, J. Geophys. Res. Earth
mountain-piedmont systems.
Surf., 119, doi:10.1002/2014JF003105.
Received 28 JAN 2014

1. Introduction
Accepted 27 NOV 2014 The suspended sediment load of rivers is a first-order proxy to delineate the highly dynamic
Accepted article online 5 DEC 2014
upstream-to-downstream balance of physical erosion on seasonal to decennial time scales. Together with
river discharge (Q, m3 /s) it represents a powerful tool for understanding catchment-scale surface processes
and supply-transport dynamics, key issues for modeling the coupling of hillslope processes, and river
transport over space and time [e.g., Ahnert, 1970; Davy and Crave, 2000]. The suspended sediment discharge
(Qs ), defined as the total suspended sediment mass carried by the river per unit of time (e.g., ton/d), is
usually the largest fraction of the total load exported by a river [Turowski et al., 2010] and thus contains
the bulk of the information on the active processes. In the past few decades, a series of modern Qs and Q
databases have been analyzed together with hydrometeorological, topographic, vegetation, and seismic
data [e.g., Milliman and Syvitski, 1992; Summerfield and Hulton, 1994; Hovius, 1998; Dadson et al., 2003; Aalto
et al., 2006; Hovius et al., 2011; Andermann et al., 2012a] to gain new insight into the main factors controlling
catchment-scale denudation rates. Numerous predictions for Q versus Qs coupling have focused on the
statistical analysis of these modern records. The most common expression is the sediment rating curve or
power law relationship [e.g., Syvitski et al., 2000; Asselman, 2000; Horowitz, 2003; Yang et al., 2007] between
Qs and Q:
Qs = aQb (1)
TOLORZA ET AL. ©2014. American Geophysical Union. All Rights Reserved. 1

Journal of Geophysical Research: Earth Surface 10.1002/2014JF003105
or between the suspended sediment concentration (Cs , mg/L) and Q:
Cs = aQb−1 , (2)
where a and b are the sediment rating coefficients.

These empirical parameters are thought to contain valuable information intrinsic to catchment processes.
Usually, a high a value results from easily erodible and transportable material [Yang et al., 2007], whereas
b represents the strength of the power relationship [Morehead et al., 2003]. A steep rating curve indicates
low sediment transport during low discharge stages, and a small increase in Q results in a strong increase in
sediment transport. The latter can be explained by (1) increased entrainment and transport efficiency and/or
(2) increased availability of new sediment sources with rising water levels [Asselman, 2000]. These new
sources may correspond either to sediment eroded from flooded terraces or mass wasting on the hillslopes
triggered by strong rainfall.
Although they are commonly used, the diagrams of the correlation between Q and Qs or Cs usually exhibit
a large scatter around the rating line, explicable in part by measurement errors; however, it is mostly
attributed to the stochastic variability of the source environment and supply conditions [Morehead et al.,
2003]. Most geomorphic processes involved in sediment production (such as landslides or soil erosion)
and its mobilization to the fluvial system (as runoff ) act on scales of 10−2 to 103 m, and thus can only be
constrained in small drainage basins [e.g., Hovius, 1998]. Furthermore, water discharge at a given point
of the river integrates all of the complex processes that occur in spatially heterogeneous surface and
subsurface upstream [e.g., Kirchner, 2009]. Thus, the input of sediment and water into larger catchments has
a large stochastic component, causing variations of several orders of magnitude for Qs with respect to Q.
On hillslopes, the sediment production rate is determined by weathering efficiency [e.g., White et al., 2008;
Heimsath et al., 2012; Dixon et al., 2012], by land use activities [e.g., Hooke, 2000; Syvitski and Kettner, 2011],
and by discrete occurrences of landslides [e.g., Densmore and Hovius, 2000; Korup et al., 2004; Meunier et al.,
2008]. Therefore, sediment availability is variable over time, often limiting Qs to smaller values than those
expected during floods; that is, a supply-limited regime [Fuller et al., 2003; Andermann et al., 2012a]. On the
other hand, the temporary storage of sediments in different segments of the catchment can buffer temporal
variations in sediment load in the river [Benda and Dunne, 1997].
At a given Q value, the variations in sediment load between the rising and falling limb of a discharge event
produce hysteresis loops [Williams, 1989] as a consequence of the delayed response from sediment sourcing
processes over the course of the event [e.g., Evans and Davies, 1998; Richards, 1984; Syvitski and Alcott, 1995].
A discharge event may be defined for many time scales (daily, weekly, or seasonal) where rising and falling
limbs are recognized in the Q time series. Therefore, a hysteresis loop is relative to the particular scale [e.g.,
Williams, 1989; Morehead et al., 2003], although each period incorporates processes that may have been
observed at shorter or longer scales. Hysteresis on a seasonal time scale is often attributed to snow or glacial
melt [e.g., Gabet et al., 2008; Wulf et al., 2012], or to changes in the sediment source throughout the year
[e.g., Armijos et al., 2013]. However, Andermann et al. [2012a] recently demonstrated that a crucial factor
producing intra-annual hysteresis is the routing of water through different hydrological compartments. Rain
and snow provide water that is distributed between compartments such as groundwater, snow, glaciers,
vegetation, and surface runoff. Each compartment is characterized by a particular response time, producing
a time lag between precipitation and the resulting water output into the river [Andermann et al., 2012b].
Water that drains through the subsurface into rivers participates only in the production and mobilization of
sediments within the river channel itself and does not necessarily contribute to physical hillslope erosion
while draining through the subsurface. In fact, water must be near the surface to actively contribute to
physical erosion, e.g., driving or enabling weathering, triggering mass wasting, and mobilizing transportable
sediments from the hillslopes to the rivers. Therefore, total discharge is not the best parameter for predicting
sediment flux from the catchment [e.g., Wolman and Miller, 1960; Andermann et al., 2012a]. A better
parameter is the fraction of water that flows quickly at or close to the land surface, since it is more closely
associated with sediment production and transport processes [Andermann et al., 2012a].
The water discharge measured at a gauging station may be separated into two principal components
[e.g., Blume et al., 2007]: (1) a component that responds rapidly and is associated with the surface runoff
of a specific event and (2) a component that is delayed by the response time of one or more reservoirs,

Figure 1. Representation of base flow separation after a rainfall event. The area under the discharge curve is the volume of water carried by the river. The
continuous blue line represents the position of the water table. Dashed blue lines indicate the previous positions of the water table. (a) In the absence of
precipitation, the total volume of water corresponds to the base flow. (b) After a rainfall event, the direct discharge (Qd ) quickly increases due to surface runoff.
(c, d) The base flow (Qb ) increases after a time lag in the transfer of water from the aquifer, whereas Qd diminishes as surface runoff decreases. (e, f ) As the
surface runoff stops, the hydrograph reaches its inflection point. From that point on, the entire volume of water is considered as Qb . Terminology is taken from
the COMET program (http://comet.ucar.edu/).
principally groundwater, ice, and snow. This flow corresponds to the “base line” of the water discharge. By
using hydrograph separation theory (Figure 1), the components are approximated as the direct discharge
(Qd ) and the baseflow (Qb ) [Eckhardt, 2005; Andermann et al., 2012a]. In a region of steep slopes and high
rainfall variability, Andermann et al. [2012a] showed that Q and Qs exhibit a strong clockwise seasonal
hysteresis. After separating the river discharge between Qd and Qb , the hysteresis effect disappears when
Qb is ignored and only Qd is compared against Qs , allowing analysis of the relationship between erosion and
the portion of water that effectively contributes sediments.
Because water transfer cycles vary through time, and differ between steep mountains and in adjacent
plains, we hypothesized that the relationship between Q and Qs might change across a mountain-piedmont
system. Specifically, we addressed the following questions: (1) Does the seasonal relationship between Q
and Qs vary according to the topographic setting (mountain and piedmont)? (2) If so, do the different water
routing characteristics explain the differences? Also, by isolating Qd , our aim was to capture the periods
during which a large fraction of the catchment area contributes water and sediments to the river. The
fact that erosion processes vary with hillslope gradient poses a third specific question: (3) How does the
relationship change between Qd and Qs from the mountains to the piedmont?
We tested the influence of three different water discharge components (total, direct, and base) on the
suspended sediment discharge on the western flank of the southern central Andes in Chile (Biobío River
basin). We chose this river because previous work on catchment-scale erosion rates compared long-term
(>100 years) cosmogenic 10 Be-derived rates with those from suspended sediment data in central Chile
[Carretier et al., 2013]. The rates are similar in the relatively wet catchments south of 34◦ S, suggesting
that the suspended sediment database provides a good estimate of the decennial sediment efflux in
wetter regions of the Andes. In addition, this catchment has five gauging stations (Figure 2) across different
topographic settings, that can be used to analyze sediment discharge from various terrains, including the
moderate to steep mountain slopes in the Principal Cordillera and an alluvial plain in the piedmont of
gentle soil-mantled slopes. Our analysis suggests that (1) storage variability controls sediment exportation
and (2) the entire catchment mobilizes sediments in proportion to the amount of surface runoff.

Figure 2. Location of the Biobío River catchment. (a) Annual precipitation in the south central Andes and location of the
Biobío River catchment (red line). Interpolation of the rainfall data (1960–1990) from Hijmans et al. [2005]. (b) Plan view
of the gauging stations (red circles), their drainage area (gray lines), and natural (lakes) and artificial (dams) sediment
traps (squares), rainfall stations (blue diamond), and temperature stations (outlined in pink). The sediment supply areas
(continuous gray lines) exclude areas where the sediments generated upstream from lakes and mega dams are blocked
(dashed gray lines). Red triangles show the present position of the volcanic arc. (c) NNE view of the sediment supply
areas highlighting the topography. The position of the gauging stations and main geomorphological units are shown.
(d) Slope map from Shuttle Radar Topography Mission (SRTM) data.
2. Study Region
The study region is the Biobío River basin (∼24,000 km2 ). This basin is located on the western flank of the
southern central Andes (37–39o S) and drains into the Pacific Ocean. This segment of the Andean forearc
consists of two N-S oriented belts (the Principal Cordillera and Coastal Cordillera) separated by the Central
Depression (Figures 2c and 2d).
The headwaters of the Biobío River basin are in the Principal Cordillera, where the active volcanic arc is
located. The basin reaches elevations up to 3511 m. From north to south there is a morpho-lithological
gradient: the northern head of the Biobío River (the Laja, Queuco, and Duqueco tributary catchments) has
a high relief and average slopes of > 20◦ . The lithology primarily consists of three N-S strips (from west to
east) of Miocene granitoids, Miocene volcanic complexes, and Pliocene to Quaternary volcano-sedimentary
deposits [Thiele et al., 1987]. The southern head of the Biobío River basin (upstream of the Llanquén station,
Figure 2b) has moderate relief and an average slope of 14◦ , resulting from the predominance of
Plio-Pleistocene basaltic plateaus.
The Central Depression is a piedmont region with a mean slope of ∼5◦ and a subparallel drainage network.
The lithology consists mainly of Quaternary pyroclastic deposits, volcanic avalanches, and fluvio-alluvial
deposits and minor Oligo-Miocene basaltic deposits [SERNAGEOMIN, 2002]. Most of the Tijeral watershed
and half of the Puente Perales watershed lie within that piedmont region (Figures 2b and 2c).

Figure 3. Representation of the analyzed data and the base flow separation. Daily time series for 2005 at the Llanquen
station for rainfall (blue), monthly temperature (max, min, and mean, purple), total water discharge (red), and
suspended sediment discharge (green). Days with missing rainfall data are indicated in black along the X axis. Snow
and melt months in the Principal Cordillera are indicated with the temperature curve. Under the water discharge curve,
several possible base flow separation curves are shown (dark blue lines). Separation was carried out using Eckhardt’s
[2005] method. Each curve is calculated using a different BFImax . The curve that we chose by observing the rainfall over
the drainage area is highlighted in light blue. In this example, during the melt period, the frequency of the hydrograph
changes, and we change the selected BFImax from the orange to the light blue line. The inset shows the sediment
supply area, in green, for the Llanquén station (red point) and the position of the meteorologic station 8301001 (purple
diamond). The same analysis for the whole database and all of the stations is displayed in Figures S1a–S1e in the
supporting information.
The Coastal Cordillera has a maximum width of ∼60 km and reaches elevations up to 1525 m. The western
limit of the Biobío catchment is in a particularly high portion of the Coastal Cordillera, called the Nahuelbuta
Range. It comprises a Silurian-Carboniferous metamorphic complex and a Carboniferous-Permian batholith
that dominate the western and eastern flank of the range, respectively [SERNAGEOMIN, 2002]. The area
of the Coastal Cordillera that drains into the Biobío catchment is close to 4700 km2 and has an average
slope of 12◦ .
The rainfall regime of the region is dominated by frontal systems affecting the entire strip of land located on
the western side of the Andean margin [Garreaud, 2007]. The southward increasing intensity and frequency
of the westerly winds [Garreaud et al., 2009] infers a latitudinal precipitation gradient (Figure 2a). The Biobío
River catchment is situated in the Temperate-Mediterranean Transition zone (TMT) [Christie et al., 2011] of
the western Andes, where rainfall increases from ∼1000 mm in the north to ∼3000 mm in the south. The
TMT separates the semiarid Mediterranean climate (32–35.5◦ S) from the Temperate Rainforest (39.5–55.5◦ S),
one of the wettest extratropical regions of the world [Miller, 1976]. In the TMT, ∼70% of the annual rainfall

Figure 4. (a–f ) Hydrological annual cycle in the Biobío subcatchments. Seasonal variability is showed by plotting the daily averages of Q and Qs (normalized by
the mean, Qs ) and monthly averages of precipitation and headwater max, min, and mean temperature. The stations are ordered from left to right according to
the topography of their sediment supply areas. Stations affected by dams were plotted twice to analyze the database in the predam and postdam periods. The
monthly mean precipitation was calculated for the rainfall station with the most complete register during the period for each plot. The maps show the sediment
supply areas (in green). Red points are the outlets for the drainage areas, and diamonds indicate the location of the precipitation (blue) and temperature
(purple) stations.
occurs during the austral autumn and winter (March–September). The transition from dry to humid
summers occurs abruptly at the latitude of the Biobío River. There are three dry months (less than 5% of the
annual rainfall between December and February) north of 37◦ S, whereas no dry periods occur south of 40◦ S
[Miller, 1976]. In the eastern Coastal Cordillera, 95% of rainfall intensities of more than 30 min of duration are
lower than 23.2 mm/h [Mohr et al., 2013].
The freezing line in Central Chile is typically between 1500 and 2500 m [Garreaud, 2013]. During the rainy
season (May to July), when temperatures decrease, the precipitation in the Principal Cordillera is mainly in
the form of snow. With increasing temperatures in August, snow melt occurs in the headwater of the Biobío
River (Figure 3). Therefore, the hydrological regime of the Biobío River is a mix of rainfall and snowmelt in
the headwaters of the Principal Cordillera and exclusively rainfall in the Central Depression and Coastal
Cordillera. The maximum Q is observed during the austral winter (June–July). Due to snowmelt, a second
discharge peak (August–December) occurs in the higher elevations (Figures 4d–4f ), which attenuates
downstream. However, the discharge from the Biobío River is dominated by rain rather than by snowmelt,
as seen in other rivers located south of 35◦ S [Cortés et al., 2011].
The Biobío River basin is part of the Valdivian Rainforest Ecoregion (35–43.5◦ S). It has been affected by
intense replacement of native forest with pasturelands, shrublands, and agriculture land since the Spanish
colonization (XVI century) and forest plantations of fast-growing exotic species since 1974 [Armesto et al.,
2010; Lara et al., 2012]. In recent years, tree plantations have rapidly expanded and replaced native forest
habitats and agriculture areas [Echeverría et al., 2006; Aguayo et al., 2009] (Table 1). This expansion has been
particularly intense in the Coastal Cordillera. The species involved and the forest management practices
affect the hydrological regime of the catchments and the magnitude of soil erosion, due to their impact
on evapotranspiration, soil hydraulic properties, and suspended sediment export [e.g., Huber and Iroumé,
2001; Huber et al., 2010; Mohr et al., 2013]. Historically, land use in this region includes practices that increase
erosion by overland flow, such as the cultivation of sloping land and clear cutting [e.g., Oyarzún and Peña,
1995; Iroumé et al., 2006].

Table 1. Land Use From Landsat Image Classification [Aguayo et al., 2009]a
Station Llanquén Rucalhue Tijeral P. Perales Desemb.

% of Catchment 0 19.4% 77.3% 91.9% 70.4%
Area Accountedb
Area Accounted 0 1328 1827 2405 16016
(km2 )
Percents Over the Area Accounted
Year 1979 2000 1979 2000 1979 2000 1979 2000 1979 2000
Native forest - - 66.2 62.9 26.3 18.6 30.8 27.3 29.6 21.2
Forest plantation - - 0 7.3 1.6 35.5 3.7 20.2 4.1 33.1
Agriculture - - 8.4 4.4 54.5 31.9 14.6 9.7 33.8 23.3
Shrubland - - 5.6 4.9 17.1 13.1 18.9 9.3 24.1 13.3
Steppe - - 17.9 17.9 0.1 0.1 20.1 20.1 5.4 5.4
Urban - - 0 0 0.4 0.7 0 0.2 0.2 0.4
Water - - 0.3 0.9 0 0 0.2 0.3 0.3 0.5
Snow - - 0.2 0.3 0 0 0.6 0.7 0.2 0.2
No vegetation - - 1.3 1.3 0 0.1 10.7 11.9 2.3 2.5
a Available data do not cover the entire Biobío catchment. Percents of subcatchments accounted are
indicated for each station.

b Catchment area excludes lakes and their tributaries.
The headwaters of the Biobío River and its tributaries are affected by the construction of hydroelectricity
facilities and agricultural irrigation. Hydroelectric development includes mega dams as well as
run-of-the-river facilities (Figure 2b). Some of these run-of-the-river facilities operate without water
pondage, while others have small dams at their upstream intakes. Available information concerning
reservoirs volumes is summarized in Table 2.
The most affected headwaters are those of the Laja and Biobío Rivers: on the Laja River (Puente Perales
drainage area), four hydroelectric plants were constructed between 1948 and 2007. They operate using
four small dams and the Laja Lake as a reservoir. Before hydroelectric development, the outflux of this
natural lake was by subsurface flow only. Therefore, Laja Lake only has an artificial surface connection with
the Laja River. Between 1972 and 1999, an average drop of 27 m in the level of Laja Lake was reported
and attributed to hydroelectric activity [Mardones and Vargas, 2005]. On the Biobío River, two mega dams
Table 2. Hydroelectric Plants and Their Reservoirs in the Biobío River Catchment
Retention
Plant Start-Up Reservoir Reservoir Volume (106 m3 ) Efficiency Location
Name Year Description Name Initiala 2004 Yeara (%)a Latitude Longitude Source
Abanico 1962 Run of the river Abanico ND ND ND −37.362 −71.497 Observed in satellite
with pondage images
El Toro 1973 Conventional with Laja Lake 7500 ND ND −37.374 −71.369 Mardones and Vargas [2005]
natural reservoir El Toro ND ND ND −37.291 −71.489 Observed in satellite
and pondage images
Pangue 1996 Conventional with Pangue 175 ND ND −37.924 −71.593 http://www.endesa.cl/
mega dam
Rucue 1998 Run of the river Rucue N ND ND ND −37.315 −71.689 Observed in satellite
1998 with pondage Rucue S ND ND ND −37.374 −71.740 images
Mampil and 2000 Run of the river Las Juntas 0.51 0.43 55 −37.571 −71.487 Abdala [2004]
Peuchen with pondage Rucacura 0.32 0.27 30 −37.514 −71.732 Abdala [2004]
El Trinte 0.05 0.01 ND −37.536 −71.707 Abdala [2004]
Ralco 2004 Conventional with Ralco 1222 ND ND −38.117 −71.435 http://www.endesa.cl/
mega dam
Quilleco 2007 Run of the river - - - - −37.336 −71.956 http://www.colbun.cl/
without pondage
a ND: No data available.

Table 3. Location of the Gauging Stations, Measurement Periods, and Dams Constructed Upstream
Total Dams Inside the Catchment Availability Number of

Station Name Latitude Longitude Period Areaa Period Samples
Llanquén −38.2008 −71.2989 2003–2011 - 2003–2011 3091
Rucalhue −37.7081 −71.9050 1985–2006 Pangue (1996), Ralco (2004) 1985–1995 2201
1996–2006 3738
Tijeral −37.7333 −72.6167 1985–2011 - 1985–2009 7650
Puente Perales −37.2333 −72.5333 1988–2011 Abanico (1948), El Toro (1973), 1988–1997 2039
Rucue (1998) 1998–2011 4350
Desembocadura −36.8372 −73.0864 1985–2011 Abanico (1948), El Toro (1973), 1985–1995 2460
Pangue (1996), Ralco (2004), 1996–2011 5271
Rucue (1998), Las Juntas (2000),
Rucacura (2000)
a Mega dams highlighted in italic.
were built between the Rucalhue and Llanquén stations. The Pangue mega dam was constructed in 1996,
producing a substantial drop in the Rucalhue hydrograph (Figure 1.2.12 in the supporting information 1.2).
The Ralco mega-dam was constructed in 2004 upstream from the Pangue mega-dam. These mega-dams
have two impacts on the flow regime: (1) an alteration and flattening of the annual flow regime as a
consequence of storage management and (2) a shift in the flow variability from a monthly to a daily level.
The latter occurs because both dams are used for hydropeaking, and thus, they produce strong daily
fluctuations [Goodwin et al., 2006; García et al., 2011].
Agricultural irrigation is carried out via water intake and an irrigation channel network. This results in an
anthropic diversion of the river flow. It is estimated that ∼22% of the Laja River discharge is bypassed to the
lower catchment for irrigation purposes [Mardones and Vargas, 2005]. During the dry season, ∼160 m3 /s is
extracted from the Biobío River and its tributaries for irrigation purposes [García et al., 2011]. This represents
∼24% of the average spring/summer discharge at the Desembocadura station.
3. Database and Methods

3.1. Water Discharge and Suspended Sediment Load
We present Qs and Q data for five river gauging stations (Llanquén, Rucalhue, Tijeral, Puente Perales, and
Desembocadura) from the Chilean government’s monitoring network (Dirección General de Aguas, DGA,
www.dga.cl) located within the Biobío River catchment (Figure 2b). The time series covers up to 26 years
data, from 1985 until 2011 (see Table 3). The data collected prior to 2006 has previously been analyzed by
Pepin et al. [2010] and Carretier et al. [2013] to calculate the mean annual Qs and a variability index for Q;
however, they did not analyze the dynamics of Q and Qs as we have done here.
During the period indicated in Table 3, the sediment concentration (Cs , mg/L) and Q (m3 /s) were measured
daily, but the chronology is not complete. Missing days are randomly distributed throughout the available
time series and are not concentrated in any season (e.g., winter). No data are available for the period
1990–1992. The annual time series are shown in Figures S1a–S1e in the supporting information. The daily Qs
presented here is the product of Cs and Q. No subdaily variations in Q and Qs were recorded in this database.
The daily Q values were determined from gauge stage readings and calibrated rating curves. Roughly once
a month, these rating curves are validated by current meter measurements taken by the DGA. As a result,
the Q data are precisely monitored and possible changes in the river cross-section geometry are directly
incorporated. Cs is sampled at the surface of the river using a bottle, collected daily at approximately the
same point in the river. The routine sampling procedure, while simple, is prescribed in great detail for all
operators [Solar, 1999]. For this reason, and because the same person has been the operator over long
periods of time, we have assumed that there is little subjective bias in the sampling procedure.
Because the Cs measurements consisted of grab samples, they did not incorporate the whole river cross
section. Nevertheless, due to the turbulence of the studied streams, we would expect strong vertical
mixing of the sediments. Although the total fluxes might be slightly underestimated, the relative variation

and distribution of the surface Cs can be

used to analyze the processes involved
in erosion at the catchment scale [e.g.,
Wulf et al., 2012]. The spatial variation in
stream velocities and channel width across
the different stations causes variations in
the vertical mixing of the sediments [e.g.,
Lupker et al., 2011]. Therefore, the fraction
of Cs at the surface with respect to the
total suspended load can vary between
stations. For this reason, our analysis is
focused more on the conceptual process
than on the comparison between specific
values of sediment discharge and erosion
rates between the catchments.
Several days each year, the DGA carries
out depth-integrated sampling. However,
this is only representative of middle- and
low-discharge stages [Solar, 1999]. We
observed strong incongruity between
the vertically integrated database and
the routine sampling for the same dates
(Figure S2). An inspection of the time
series revealed some aberrant integrated
concentration values, with unusually
low values over periods of several days
with high Q and surface concentrations.
Because of these inconsistencies and
Figure 5. Hydrological annual cycle in the Biobío catchments at river because depth-integrated sampling is
mouth (Desembocadura station). Seasonal variability is shown by highly dependent on operator procedure,
plotting the daily averages of Q and Qs (normalized by the mean, Qs )
we did not use these data in estimations of
and monthly averages of precipitation and headwater max, min, and
mean temperature during the (a) predam and (b) postdam periods. the total suspended load.
The monthly mean precipitation was calculated for the rainfall station
We assumed that the sediment source
with the most complete register during the period for each plot. The
areas that feed each station are the
maps show the sediment supply areas (in green). Red points are the
portion of the drainage area downstream
outlets for the drainage areas, and diamonds indicate the location of
the precipitation (blue) and temperature (purple) stations. from lakes and mega dams. To avoid bias
induced by mega dam operations, the
analysis of Qs for the Rucalhue and Desembocadura stations was mainly focused on the time series before
1996, when the Pangue dam was built. Nevertheless, in order to observe the impact of the Pangue and
Ralco dams on the seasonal distribution of Q and Qs , we present time series and decennial averages for the
predam and postdam periods.
The pondages of run-of-the-river plants and other small reservoirs retain the bed load and part of the
suspended load. However, they allow the flow of suspended sediment during floods [Csiki and Rhoads,
2010]. Therefore, we analyzed Qs for the Puente Perales station, although it was affected by small dams
(Abanico and El Toro) built before measurements commenced. Two of the four pondages for this catchment
were constructed in the middle of the time series (i.e., in 1998) downstream from the two existing pondages.
In order to observe the impact of the dam operations, we also present a decennial time series for the Puente
Perales station, divided into the predam and a postdam periods. However, here we only refer to the last two
constructions (1998).
3.2. Precipitation and Temperature

Daily rainfall data were used to carry out the hydrograph analysis described below. We used time series from
the DGA rainfall stations shown in Figure 2b. These data comprised point measurements representing very
localized precipitation regimes, which are not necessarily representative of the wider surrounding areas

[Tustison et al., 2001]. Because of the sparse numbers of rainfall stations, we did not use a catchment-scale
precipitation approach. Rather, we chose representative stations located at different elevations within each
drainage basin. The monthly temperatures shown in Figures 3–5 and in the supporting information were
measured at the DGA meteorological stations indicated in Figure 2b and at the Abanico hydroelectric plant.
3.3. Hydrograph Analysis

The time evolution of Q (hydrograph) is controlled by the transfer of water from all of the underground
and surface reservoirs plus the in-stream runoff processes. As a result, it provides valuable information
on groundwater storage (S (mm, or volumetric units per catchment area)), surface and subsurface runoff,
evapotranspiration, and snowmelt. When the catchment is considered as a simple dynamic system, the
water flux provides an integrated characterization of the catchment behavior [Kirchner, 2009].
During the dry season, the quantity of water stored in the catchment decreases due to subsurface drainage
and evapotranspiration. After a rainfall event, the surface and subsurface runoff quickly transfer excess
water (the water that has a short response time) into the rivers. The postrain hydrograph is characterized
by a gradual decline in discharge, which determines the rate of recession. This is the basis of hydrograph
separation techniques [Tallaksen, 1995], which consist of isolating the Q fractions between a low-frequency
component, or base flow, (Qb ), and a high-frequency component, or direct discharge (Qd ) (Figure 1).
During the rainfall-runoff periods, the water flows close to the surface on the hillslopes and a large fraction
of the catchment area contributes to Qs . To estimate the Q fraction that is routed over or near the surface
of the entire catchment, we assumed that this fraction is equivalent to Qd , the fraction of Q that is quickly
routed through the catchment after a rainfall event [Blume et al., 2007].
There are a number of algorithms used in hydrograph analysis that fit Qb to the recession limb of the
hydrograph [e.g., Nathan and McMahon, 1990; Chapman, 1999; Eckhardt, 2005, 2008; Blume et al., 2007].
In this study we used the generic digital filter proposed by Eckhardt [2005]. This method calculates Qb by
separating the hydrograph using two parameters: (1) an exponential recession constant 𝛼 and (2) a
subjective filter parameter BFImax , defined as the maximum possible value of the base flow index (the
modeled long-term ratio of base flow to total streamflow). Since the algorithm uses an exponential
recession coefficient, it simplifies S as a linear function of Q. This approach has been questioned [Wittenberg,
1999]; however, Chapman [1999] argued that the linear model is a good approach for recession periods
longer than 10 days. He also demonstrated that two-parameter algorithms are more consistent than
one- or three-parameter algorithms. We chose this method because the two-parameter algorithm can be
independently determined or iteratively calibrated. Once obtained, it is possible to compare the parameters
of different catchments and the interpretation of their physical meaning (see below).
The 𝛼 value used for each station (Table 4) is the average of the exponential recession coefficient obtained
from several long-lasting postrain periods. They were calculated from the hydrograph portions that showed
a distinct change in convexity that defines the beginning of the recession. To obtain the BFImax index,
a hydrograph separation was performed using various values between 0.25 and 0.95, obtaining several
possible time series for Qb (dark blue lines in Figure 3). We used independent measures of precipitation at
four rainfall stations in the catchments to constrain periods of intense rainfall and periods of recession. The
BFImax value was then chosen by selecting the Qb time series that meets the following criteria (see the light
blue line in Figure 3): during intense rainfall events, a rapid increase in Q must correspond to Qd (Figures 1b
and 1c). During dry periods, Q decreases and therefore Qd also decreases, because the discharge mainly
corresponds to Qb (Figure 1d). Hence, during these recession periods (Figures 1e, 1f, and 1a), the selected Qb
must be equal to Q. During the snowmelt period, there is a shift in the frequency of the hydrographs for the
Llanquén and Rucalhue stations (August to December, Figures 4d–4f ), and the separation curve selected for
the snow season (orange line in Figure 3) does not produce a satisfactory fit of the Qb for some recession
periods. Therefore, we selected a higher BFImax value for the melt season in those stations (Table 4).
As BFImax is the long-term ratio between Qb and Q, it can be used to characterize the variability in
groundwater storage with respect to rainfall events. Graphically, by comparing the results of several
separation curves (dark blue lines in Figure 3), it is noticed that a low BFImax value means a lower
contribution of rainfall-derived water to the groundwater reservoir. At the same time, low BFImax values lead
to a larger fraction of rainfall-derived water being converted into the fast component Qd . In contrast, if the

Table 4. Coefficients Used to Calculate the Base Flow, the Mean Suspended Sediment Discharge (Qs ), and the Morphometry of the Studied Catchments (the
Sediment Supply Areas Only)a
Total Catchment Mean H H

Recession Catchment Catchment Mean Slope Qs Qs * H max min
Station Name Coefficient BFImax Area (km2 ) Period Area (km2 )b (deg)b (ton/d) (ton/yr/km2 ) (m)b (m)b (m)b
Llanquén 0.975 0.8/0.9 3352 Total 2892.44 14.01 571.3 72.1 1465.11 2664 739
Rucalhue 0.974 0.8/0.9 7254 Predam 6795.42 17.26 1288.1 69.2 1382.81 3095 256
Postdamc 1818.47 20.75 1732.7 347.8 1210.06 3088 256
Tijeral 0.947 0.7 2364 Total 2363.91 7.93 120.5 18.6 405.77 1773 63
Puente Perales - - 3588 Predam 2622.15 14.32 503.8 70.1 1020.70 3488 75
Postdam 2622.15 14.32 496.1 69.1 1020.70 3488 75
Desembocadura 0.965 0.9 24172 Predam 22756.20 11.15 2828.7 45.4 755.44 3506 5
Postdamc 17772.10 9.71 3658.9 75.4 561.87 3409 5
Postdamd 17772.10 9.71 3161.4 64.9 561.87 3409 5
a Elevationfrom SRTM DEM.
b Excludeslakes, mega dams, and their tributaries.
c 1996–2006.
d 1996–2011.
BFImax value is high, a higher volume of rainfall-derived water is transferred to the aquifer and a smaller
proportion is converted into Qd .
We carried out the hydrograph analysis using continuous daily Q measurements. Measurements from
the postdam periods were excluded because the artificial variability of the hydrograph did not provide a
satisfactory fit for the base flow curves. As a result, we obtained Qd and Qb values for the Rucalhue and
Desembocadura stations until 1995, but did not obtain Qd and Qb values for the Puente Perales station,
where the dams had been built before measurements began. The Tijeral measurements were valid until
Table 5. Rating Exponents (Numbers in Italic) and 1𝜎 Confidence Intervals for Power Law Fits Between the Daily
Values of Three Components of Water Discharge Versus Suspended Sediment Discharge (See Notations)a
Q Qd dry Qb
Station Name b bmin bmax b bmin bmax b bmin bmax
Bayesian Inversion (L1 Norm)
Llanquen 1.48 1.44 1.52 0.78 0.74 0.81 1.59 1.46 1.72
Rucalhue 1.52 1.47 1.57 0.86 0.82 0.89 1.77 1.62 1.93
Tijeral 1.18 1.16 1.20 0.92 0.90 0.93 1.04 1.00 1.08
Puente Perales 1.10/2.51 1.05/2.42 1.15/2.60
Desembocadura 1.62 1.57 1.66 0.82 0.78 0.85 1.61 1.45 1.78
Optimization Least Squares (L2 Norm)
Llanquen 1.51 1.46 1.55 0.69 0.66 0.72 1.57 1.44 1.71
Rucalhue 1.59 1.53 1.65 0.77 0.73 0.80 1.83 1.65 2.01
Tijeral 1.20 1.18 1.22 0.81 0.79 0.83 1.04 0.99 1.09
Puente Perales 1.04/2.62 0.99/2.52 1.10/2.72
Desembocadura 1.67 1.61 1.73 0.72 0.69 0.76 1.54 1.34 1.73
Optimization Least Absolute Valuesb (L1 Norm)
Llanquen 1.48 0.78 1.59
Rucalhue 1.52 0.86 1.77
Tijeral 1.18 0.92 1.05
Puente Perales 1.10/2.51
Desembocadura 1.62 0.82 1.61
a Different approach to fit the data are explained in Figure S4a.
b Iteratively reweighted least squares (IRLS) algorithm.

Table 6. Rating Coefficients (Numbers in Italic) and 1𝜎 Confidence Interval for a Power Law Fit Between the Daily Values
of Three Components of Water Discharge Versus Suspended Sediment Discharge (See Notations)a
Station Q Qd dry Qb
Name a amin amax a amin amax a amin amax
Bayesian Inversion (L1 Norm)
Llanquen 0.08 0.07 0.10 12.56 11.39 13.74 0.05 0.02 0.08
Rucalhue 0.05 0.03 0.06 15.75 13.52 17.98 0.01 0.003 0.02
Tijeral 0.63 0.59 0.66 5.73 5.50 5.97 0.96 0.84 1.07
Puente Perales 0.3/0.0003 0.24/0.0002 1.15/0.0004
Desemb. 0.02 0.01 0.02 22.73 19.36 26.11 0.03 0.004 0.04
Optimization Least Squares (L2 Norm)
Llanquen 0.08 0.07 0.10 18.26 17.02 19.60 0.06 0.03 0.11
Rucalhue 0.03 0.02 0.04 21.44 18.95 24.26 0.01 0.00 0.02
Tijeral 0.61 0.56 0.65 7.54 7.24 7.85 0.96 0.83 1.10
Puente Perales 0.39/0.0002 0.31/0.0001 0.49/0.0003
Desemb. 0.01 0.01 0.02 37.79 32.79 43.55 0.03 0.01 0.11
Optimization Least Absolute Valuesb (L1 Norm)
Llanquen 0.08 12.61 0.05
Rucalhue 0.04 15.16 0.01
Tijeral 0.63 5.72 0.95
Puente Perales 0.30/0.0003
Desemb. 0.02 22.73 0.01
a Different approach to fit the data are explained in Figure S4a.
b Iteratively reweighted least squares (IRLS) algorithm.
2009. From the Qd and Qb time series, we also calculated dry Qb as the base flow for days when Qd = 0, i.e., the
periods when overland flow does not occur.
4. Results
4.1. Annual Cycle of Water Discharge and Suspended Sediment Discharge
Figures 4 and 5 show the annual hydrograph, annual cycle of suspended sediment discharge, and monthly
mean precipitation distribution for each station. The day-to-day Q and Qs averages were calculated for
the entire database or for the predam and postdam periods when applicable (see section 3). The stations
were classified by the position of their sediment supply areas between the High Andes, Principal Cordillera,
Piedmont, and River Mouth.
All of the stations had a Qs maximum in the months with the highest rainfall but had large differences in
terms of their magnitude and seasonal cycles. In the High Andes (Llanquén station, Figure 4f ), the first
major pulse of Qs occurred in late autumn. In April, only 2.2% of the annual Qs occurred, whereas 44.7%
of the annual Qs occurred from May to June. Q also increased significantly starting in May. During winter,
the total Q continued, increasing while the mean monthly precipitation decreased. Of the annual Qs , 21%
occurred from July to September. The spring flood pulse, which extended through most of the summer
period (the annual recession started in January) produced a significant increase in Qs for approximately
1 month, between October and November. During these months, 27% of the annual Qs occurred. The
average Qs for this station (Qs ) was 571 ton/d (Table 4).
When considering the entire Principal Cordillera (Rucalhue station before the dams were built, Figure 4d),
the first period of high Qs extended throughout autumn, growing in conjunction with Q. Between April
and June, 52% of the Qs occurred. During winter, Qs decreased rapidly, maintaining moderate values even
when Q remained high: 14.4% of the annual Qs occurred in July, 6.4% in August, and 4.7% in September.
As in the High Andes, there was a spring Qs rise lasting approximately 1 month (November–December),
representing 13.6% of the annual Qs . Qs for the period before the dam was built (1985–1995) was
1288 ton/d, more than twice that for the high mountains (Llanquén station), but their values normalized by
area (Qs *) were similar (Table 4).
After the construction of the Pangue dam, the sediment source area for the Rucalhue station was restricted
to the steeper part of the drainage area (Table 3 and Figures 2b, 2c, and 4e). Fewer Qs events occurred after

Figure 6. Mountain catchments sediment dynamics: bilogarithmic correlation diagrams for three water discharge components (Q, Qd , and dry Qb ) versus
suspended sediment discharge (Qs , Qsd , and dry Qs ) for the stations that monitor only the mountain drainage (see notations). The color scale is in an annual
sequence. White circles represent the monthly mean values (the numbers are the months), and error bars represent the 5th and 95th percentiles of the monthly
distribution. The dashed black line is the regression of the daily values using the Bayesian inversion solutions illustrated in Figure S4b. Hysteresis is observed in
the (a) Q versus (d) Qs diagrams. No hysteresis is observed in either the (b) Qd versus (e) Qsd diagram or in the (c) dry Qb versus (f ) dry Qs diagram. The insets in
Figures 6a and 6d enlarge a superimposed hysteresis loop during the snowmelt months (austral spring).
the dams were built than before, but these events were of higher magnitude. The postdam Qs (1996–2006)
reached 1733 ton/d, ∼34% more than in the period before the dams were built (Table 4). The first local
maximum occurred during the first floods in autumn (April). Between April and June, 47.8% of the annual
Qs was concentrated. During winter (July to September), 41.7% of the annual Qs occurred. No spring peak
was observed.
The Puente Perales station (Figures 4b and 4c) monitors drainage from both the mountain and piedmont
regions. The Qs was almost the same before and after the construction of the small Rucúe Norte and Rucúe
Sur dams (504 compared to 496 ton/d). Also, the annual patterns of the Q and Qs curves were similar in both
periods. The annual hydrograph increased simultaneously with rainfall during autumn and remained high
during winter. The recession beginning in spring showed no significant impact from snowmelt. The first
large Qs event occurred at the end of autumn (May–June); most of the high Qs values were coupled with
high Q values. In these months, 74% and 81% of the annual Qs occurred during the predam and postdam
period, respectively. At the end of winter (August–September), Qs represented only 16.7% and 11.4% of the
annual Qs during the predam and postdam periods, despite high Q values.
In the piedmont (Tijeral station, Figure 4a), Qs was strongly coupled to Q. Qs peaked during the first floods
of the hydrological year (May–June), when 50% of the annual Qs was concentrated. Q remained high during
winter as the rainfall decreased. Between July and September, 39.6% of the annual Qs occurred. The
average Qs at this station was 121 ton/d. In 1999, the first floods of the year were linked with extremely
high Qs values (∼800% of the maximum value, excluding the year 1999). As these values were three orders
of magnitude higher than the long-term tendency (Figure S3b), we suspected sampling errors, and these
records were excluded from the analysis and are not shown in Figure 4a.

At the river mouth (Desembocadura

station, Figures 5a and 5b), the
subannual distribution of high Q values
extended from April to December. The
average Qs increased from 2829 ton/d
before the construction of the dams
to 3161 ton/d after construction. In
both periods, the temporal distribution
of Q and precipitation were similar. Q
increased with precipitation during
autumn and remained high during
winter. During spring, a local maximum
in Q occurred, reaching half the
magnitude of the winter maximum.
Considering only the 10 years after
construction of the Pangue dam, the
average Qs was 3663 ton/d, 29.7% higher
than the predam average.
Figure 7. Sediment dynamics for the Puente Perales catchment:
bilogarithmic correlation diagram for the total discharge (Q) versus
4.2. Water Discharge Versus
Suspended Sediment Discharge
suspended sediment discharge (Qs ) for the Puente Perales station, the
catchment of which drains both the mountain and piedmont. The color We plotted the three components of
scale is in an annual sequence. White circles represent the monthly Q versus Qs colored by ordinal date in
mean values (the numbers are the months) and the error bars representorder to display the time dependence
the 5th and 95th percentiles of the monthly distribution. Daily values
over a threshold Q = 110 m3 /s fit to the power law written in purple.
of the relationship between sediment
Under this threshold, the trend is plotted in blue using the Bayesianmobilization and (1) the total amount
inversion solutions illustrated in Figure S4b. The inset enlarges theof water available in the catchments
hysteresis curve followed by the monthly mean values. (Q), (2) the water that quickly leaves the
catchment (Qd ), and (3) the base flow
for the periods without rapid runoff response (dry Qb ). We also plotted the monthly mean values in order to
emphasize the presence or absence of a lag time between these parameters. The results are presented from
the catchment head to the sea outlet.
The rating parameters a and b obtained from fits to equation (1) are summarized in Tables 5 and 6. A fully
Bayesian inversion was performed [Metropolis et al., 1953] to obtain robust estimates of model parameters
and their uncertainties (see Figure S4a for a detailed description). Bayesian inversion allows for an exhaustive
exploration of all plausible solutions to the estimation problem [e.g., Tarantola, 2005], from which a
maximum likelihood estimate of the power law parameters is selected. We compared our estimates of a
and b with those obtained using least squares and least-absolute value regressions (Tables 5 and 6). In all
cases, as described in the following sections, isolating each Q component produced the same effect on
the adjusted values of the power law exponent, but the magnitude of estimated exponents varied slightly.
Hereafter, the given range of b values is that of Bayesian confidence interval (Table 5).
4.2.1. Correlation Diagrams at the Mountain Catchments
The monthly mean values of Q versus Qs for the stations that only monitor drainage from the mountains
(Llanquén and Rucalhue, Figures 6a and 6d) exhibit a clear clockwise hysteresis. This hysteresis effect
suggests an intra-annual cycle with relative shifts in the mobilization of sediments. During autumn
(April–June), the Qs values for a given Q on the rising limb of the annual hydrograph were higher than the
Qs value on the falling limb (summer, December–March) for the same Q. The June–July period had the
highest rainfall-derived Q and Qs values. The snowmelt-derived flood produced an increase in Qs , generating
a superimposed spring hysteresis loop between September and November at the Llanquén station (inset
in Figure 6a) and between October and December at the Rucalhue station (inset in Figure 6d). A hysteresis
loop is also observed at the Puente Perales station, which has its headwaters in the Andes (Figure 7);
however, the Q versus Qs diagram for the Puente Perales station shows no superimposed spring hysteresis
loop, and the falling limb begins in July.
The coupling between the daily Qs versus Q values are similar for the Llanquén and Rucalhue stations. They
have a large scatter and a trend (dashed line in Figures 6a and 6d) that follows a power law with exponents

Figure 8. Piedmont sediment dynamics: Bilogarithmic correlation diagrams for three water discharge components (Q, Qd , and dry Qb ) versus suspended sediment
discharge (Qs , Qsd , and dry Qs ) for the station that mostly monitors the piedmont (a–c) Tijeral station and the entire Biobío River basin (d–f ) Desembocadura
station (see notations). The color scale is in an annual sequence. White circles represent the monthly mean values (the numbers are the months) and the error bars
represent the 5th and 95th percentiles of the monthly distribution. The dashed black line is the regression of the daily values using the Bayesian inversion
solutions illustrated in Figure S4b.
ranging between 1.4 and 1.6. At the Puente Perales station, the daily Q versus Qs correlation diagram shows
a similar dispersion. However, two different trends can be observed for the values below and above a Q
threshold of ∼110 m3 /s (Figure 7). Below this threshold, the trend is a power law with exponent 1.1 to 1.2,
while above this value, the exponent is between 2.4 and 2.6.
Diagrams of the correlation between Qd and the sediment discharge with Qd > 0, Qsd (Figures 6b and 6e) do
not show any hysteresis. The regression exponents for the Llanquén and Rucalhue stations range between
0.7 and 0.9. Correlation diagrams for those days without Qd (Figures 6c and 6f, see notations) show that
sediment mobilization during low flow conditions does not indicate a hysteresis effect. The fit exponents are
between 1.5 and 1.9 for the Llanquén and Rucalhue stations.
4.2.2. Correlation Diagram at the Piedmont and River Mouth
Figure 8 shows the relationship between the water discharge components together with the suspended
sediment discharge for Tijeral station monitoring the piedmont drainage and Desembocadura station which
monitors the entire mountain and piedmont catchment of the Biobío River.
At the Tijeral station (Figure 8a), the Q versus Qs plot does not show a hysteresis effect, unlike the mountain
catchments. Qs is related to Q by a power law with an exponent of ∼1.2. Thus, Qs increases slightly faster
than Q, maintaining the same behavior on the rising and falling limb of the annual hydrograph. The adjusted
BFImax used to separate Qb and Qd for the Tijeral station is the lowest of all the analyzed catchments (0.7,
Table 3) and the Qd versus Qsd plot (Figure 8b) does not exhibit any hysteresis. The corresponding power
law fit has an exponent ∼0.9. For the dry periods, Figure 8c illustrates that Qs is directly proportional to dry Qb
(exponent between 1 and 1.1).
At the Desembocadura station, as at the Tijeral station, the Q versus Qs plot does not show a hysteresis
effect, and it can be fit with a power law with an exponent of 1.6 to 1.7. The Qb separation, using a BFImax of
0.9, results in the Qd −Qsd diagram shown in Figure 8e. The exponent of the power law regression is between

0.8 and 0.9, similar to the values obtained for all

of the other stations. The correlation diagram for
those days without surface runoff (Figure 8f ) has
no hysteresis loop; the regression exponent is
1.5 to 1.8.
4.3. Suspended Sediment Discharge Along
the Catchments
There is a common tendency for the specific sedi-
ment discharge (Qs normalized by area) to decrease
nonlinearly with respect to the drainage area, which
is associated with the downstream increase in the
sedimentation rate [e.g., Milliman and Syvitski, 1992;
Hovius, 1998]. Our results show a decreasing trend
Figure 9. Sediment supply area versus Qs *.
between the mountain catchments and river outlet,
and a much lower value at the Tijeral station in the
piedmont than the general trend (Figure 9).
Normalized by their respective means (Qs ), all of the stations follow the same Qs magnitude-frequency
pattern, illustrated as a probability density distribution (Figure 10). Small events (< 0.02 × Qs ) increase in
frequency with their magnitude, while the frequency of medium and large events is inversely related to
their size. Qs values larger than 10% of the Qs can be described by a heavy-tailed power law. We obtained
an exponent of −2.14 for values > 3.15 × Qs when the maximum likelihood fit of Clauset et al. [2009] was
used for the normalized data of all the stations. Most of totalQs , the total mass fluxes estimated from the
probability density distribution, are recorded between the medium-size events (∼70% of totalQs between
0.02 and 2 × Qs ) for all stations.
5. Discussion
5.1. Sediment Mobilization
at the Mountain
Our results show that the variations
in Qs from the mountain catchments
are strongly controlled by the annual
hydrological discharge cycle. We
summarize these processes and
controls in Figure 11. The annual cycle
produces a pronounced clockwise
hysteresis between Qs and Q,
evidence that discharge is not
the sole controlling parameter for
sediment mobilization. When Qb is
extracted from Q, the hysteresis is
significantly reduced, revealing an
almost linear scaling between Qsd
and Qd (b ∼ 0.8 to 0.9) in all the
topographic settings.
Figure 10. Log-binned probability density function of Qs normalized by
During the first months of autumn
mean for all studied catchments. According to this distribution, ∼70%
of transported mass (totalQs ) is concentrated in the gray segment, i.e., (April–May), at the beginning of the
between 0.02 and 2 times the mean value (Qs ). Maximum likelihood fit for annual hydrological cycle (the rising
power law tail (𝛼 = 2.14, xmin = 3.15, p = 0.24) is carried out applying the limb of the annual hydrograph),
method of Clauset et al. [2009]. The goodness-of-fit procedure generates Qs increases more rapidly than the
a p value to test the hypothesis of low distance between the empirical
total Q (Figures 6a, 6d, and 7). This
data and synthetic power law distributions. According to this definition, a
large p (close to 1) means a low difference between the empirical and the behavior might be explained by the
modeled the fit, while if p is low, the model is not a plausible fit to the data temporary storage of material during
and is ruled out if p ≤ 0.1 [Clauset et al., 2009]. the dry seasons in different segments

0.8 and 0.9, similar to the values obtained for all

of the other stations. The correlation diagram for
those days without surface runoff (Figure 8f ) has
no hysteresis loop; the regression exponent is
1.5 to 1.8.
4.3. Suspended Sediment Discharge Along
the Catchments
There is a common tendency for the specific sedi-
ment discharge (Qs normalized by area) to decrease
nonlinearly with respect to the drainage area, which
is associated with the downstream increase in the
sedimentation rate [e.g., Milliman and Syvitski, 1992;
Hovius, 1998]. Our results show a decreasing trend
Figure 9. Sediment supply area versus Qs *.
between the mountain catchments and river outlet,
and a much lower value at the Tijeral station in the
piedmont than the general trend (Figure 9).
Normalized by their respective means (Qs ), all of the stations follow the same Qs magnitude-frequency
pattern, illustrated as a probability density distribution (Figure 10). Small events (< 0.02 × Qs ) increase in
frequency with their magnitude, while the frequency of medium and large events is inversely related to
their size. Qs values larger than 10% of the Qs can be described by a heavy-tailed power law. We obtained
an exponent of −2.14 for values > 3.15 × Qs when the maximum likelihood fit of Clauset et al. [2009] was
used for the normalized data of all the stations. Most of totalQs , the total mass fluxes estimated from the
probability density distribution, are recorded between the medium-size events (∼70% of totalQs between
0.02 and 2 × Qs ) for all stations.
5. Discussion
5.1. Sediment Mobilization
at the Mountain
Our results show that the variations
in Qs from the mountain catchments
are strongly controlled by the annual
hydrological discharge cycle. We
summarize these processes and
controls in Figure 11. The annual cycle
produces a pronounced clockwise
hysteresis between Qs and Q,
evidence that discharge is not
the sole controlling parameter for
sediment mobilization. When Qb is
extracted from Q, the hysteresis is
significantly reduced, revealing an
almost linear scaling between Qsd
and Qd (b ∼ 0.8 to 0.9) in all the
topographic settings.
Figure 10. Log-binned probability density function of Qs normalized by
During the first months of autumn
mean for all studied catchments. According to this distribution, ∼70%
of transported mass (totalQs ) is concentrated in the gray segment, i.e., (April–May), at the beginning of the
between 0.02 and 2 times the mean value (Qs ). Maximum likelihood fit for annual hydrological cycle (the rising
power law tail (𝛼 = 2.14, xmin = 3.15, p = 0.24) is carried out applying the limb of the annual hydrograph),
method of Clauset et al. [2009]. The goodness-of-fit procedure generates Qs increases more rapidly than the
a p value to test the hypothesis of low distance between the empirical
total Q (Figures 6a, 6d, and 7). This
data and synthetic power law distributions. According to this definition, a
large p (close to 1) means a low difference between the empirical and the behavior might be explained by the
modeled the fit, while if p is low, the model is not a plausible fit to the data temporary storage of material during
and is ruled out if p ≤ 0.1 [Clauset et al., 2009]. the dry seasons in different segments

Figure 11. Schematic representation of the distribution of the suspended sediment discharge in the Biobío River basin
and the relationship between Q, Qd , and Qs in the mountain and piedmont. The length of the arrows represents the
average Qs in the period before (green) and after (blue) the construction of the dams (1996/1998). The Q versus Qs
diagram presents a clockwise hysteresis in the mountain catchments showing intra-annual cycles for water and/or
sediment mobilization from the hillslopes. The Qd versus Qsd diagram does not present hysteresis and can be expressed
as a power law with an exponent close to 1, suggesting that there is a common process governing sediment discharge.
of the catchment. After a first peak in sediment discharge, most of annual Qs is observed as rainfall increases
in the remaining weeks of autumn, between May and June (Figure 4). As rainfall gradually decreases in
winter (June to September), Qs diminishes rapidly relative to Q, but in proportion to Qd . During this season,
Qb constitutes most of the total Q. This portion of Q is transferred from the subsurface and does not
mobilize the sediments from the hillslopes. Thus, the purging of the stored groundwater in this way explains
why Qs decreases more rapidly than the total Q in the falling limb of the annual hydrograph, before the
spring snowmelt.
Snowmelt together with spring rainfall produce the second rising limb of the annual hydrograph from
August onward. Qs rises briefly for about a month. Qs during the spring peak constitutes 27% and 13.6% of
the annual Qs at the Llanquén and Rucalhue stations, respectively (Figures 4f and 4d). These proportions
suggest that snowmelt drives a significant portion of the sediment discharge from the headwaters. The
impact of snowmelt on sediment discharge decreases downstream, as the proportional contribution of the
area above the freezing elevation lessens. It is possible that a large fraction of the snowmelt is converted
into surface runoff: frost in the surficial porous topsoil layer may reduce its capacity for snowmelt water to
infiltrate, thereby increasing surface runoff [Dunne and Black, 1971]. If this is the case, then a combination
of snowmelt and small rainfall events in the spring may mobilize sediments that are transported over short
distances and then temporarily stored during the dry season. Sediments that do not reach the principal
channel during the snowmelt season (August–December) may account for some fraction of the sediment
load mobilized at the beginning of the next wet season (April) after connectivity is established with the first
runoff episodes, explaining the first Qs peaks of autumn.
This discontinuous sediment mobilization process between the snowmelt period and the beginning of
autumn can explain part of the hysteresis pattern. However, because a high proportion of the annual Qs is
mobilized in the wet season and after one month of rain (May), we conclude than the principal control of
the hysteresis is the nonuniform contribution of groundwater to Q [Andermann et al., 2012a].
Overlooking hysteresis in the Q − Qs diagram, the exponents b of the power law fitted to the Q − Qs are
between 1.4 and 1.6 for two mountain catchments. The value of the exponent b derived from long-term
databases usually ranges between 1.3 and 3 [e.g., Asselman, 2000; Syvitski et al., 2000; Morehead et al., 2003;
Yang et al., 2007]; therefore, the results from the Biobío subcatchments are near the lower bound. The
exponent b ∼ 1.4–1.6 means that the suspended concentration (Cs ) increases slightly with the quantity

of water available for transport (Cs ∝ Q∼ 0.4–0.6). Hence, this trend may be indicative of a weak increase
in sediment discharge with a rising water level [Asselman, 2000]. This exponent is partly controlled by
processes acting on the river bed. Indeed, when there is no mass transfer from the hillslopes (days without
Qd , Figures 6c and 6f ), the relationship between Qb and dry Qs follows a power law with a higher exponent
of ∼ 1.7–2.8 and no hysteresis. However, the concentrations are much smaller overall and represent a
relatively small part of the whole data set. Thus, the explanation for the low b value in the Q − Qs fits must
also be related to hillslope processes and to the combination of processes that produces the hysteresis.
5.2. Sediment Mobilization in the Piedmont

The results from the Tijeral station, which primarily drains the piedmont, show that Qs depends slightly more
than linearly on Q and is proportional to rainfall-derived direct discharge (Qd , Figure 11). The absence of
hysteresis is consistent with the similarity in the relationship that Q and Qd have with Qs . This observation
also holds for times when Qd is close to zero. The absence of a hysteresis loop in the Q versus Qs plot also
demonstrates that sediment mobilization does not depend on the same intra-annual cycles as it does in the
mountain catchments.
One possible explanation for the absence of hysteresis is that the piedmont rivers convey sediment coming
from the steepest portion of the Coastal Cordillera, with minimum contribution from the middle to low
slope portions of the catchment, which constitute most of the Tijeral catchment (Figures 2c and 2d). In
that case, any variation in Q can generate sediment transport variation. This would be consistent with the
observation that Qs is nearly proportional to the total discharge Q. However, this hypothesis contradicts the
fact that most of this catchment is covered by forest plantations, both in the Central Depression and Coastal
Cordillera [Aguayo et al., 2009] (Table 1). Thus, the land surface can be described as a network of roads
connecting harvest areas. Due to this connection, harvest areas can act as sources or sinks for runoff
generation depending on the rainfall intensity [Mohr et al., 2013]. In forested catchments, sediment
discharge quickly increases with runoff [e.g., Oyarzún and Peña, 1995; Huber et al., 2010; Mohr et al., 2013].
Although direct observations of this process have been made at much lower spatial scales (∼1 km2 ), the
forest plantations form a continuous land surface cover and their effects can also be observed over larger
areas. Indeed, the reduction of soil water content during the dry season observed in small catchments
[e.g., Huber et al., 2010] is consistent with the effect of forest plantations on water fluxes described at much
larger scales (> 100 km2 ) [Little et al., 2009]. Land management in Chilean forestry uses very short rotation
cycles [Iroumé et al., 2006], so timber harvest and road construction can be described as a stochastic process
across the entire catchment. Thus, sediment production by soil erosion is probably sourced from all of the
hillslopes, and not only from the steep slope area.
Another explanation for the absence of a hysteresis loop could be that groundwater storage in the lowlands
is functionally different than in the mountains. In the piedmont, where the water table depth may be closer
to the surface all year round, a larger proportion of rainfall may be routed at the surface, quickly leaving
the catchment and controlling the Qd value. In this case, Q variability is strongly influenced by Qd and to a
lesser extent by Qb . Hence, if a large proportion of Qd is related to surface runoff, it is likely that overland
flow homogeneously mobilizes sediments from the entire catchment. Two observations support the
interpretation of lower seasonality in Tijeral groundwater storage than in the mountain catchments. First,
the modeled water table in the Central Depression is mostly less than 5 m deep [Dirección General de Aguas
(DGA), 2012], and soil moisture measurements show that the water table remains at 2 m depth at some
points of the catchment located in the eastern Coastal Cordillera, even during the dry season [Mohr et al.,
2012]; conversely, the modeled water table in the western Principal Cordillera is between 5 m and 25 m deep
[Dirección General de Aguas (DGA), 2012]. Second, the BFImax value obtained at the Tijeral station is the lowest
of all the stations in the Biobío catchment. This indicates that a larger proportion of rainfall water is quickly
transferred to the river system. A large BFImax value in the mountains indicates the opposite situation, which
is that the contribution of groundwater to variations in Q is larger than in the piedmont. This interpretation
is also consistent with the more permeable lithology (sediment and soil mantled slopes) and lower relief
in the piedmont than in the mountain (granitoids and metamorphic rocks) [SERNAGEOMIN, 2002; Dirección
General de Aguas (DGA), 2012].
Qs at the Tijeral station exhibits a local maximum during the first rainfall episodes of autumn. This peak in Qs
may be due to the mobilization of sediments stored during the dry seasons. It is possible that the anomalous

high values observed in 1999 are due to strong changes in vegetation (for example, clear cutting). However,
a detailed evaluation of the land use changes over the peak period is necessary to test this hypothesis.
5.3. Sediment Mobilization Along the Biobío River Catchment
A first-order result of our analysis is the absence of hysteresis in the Qd − Qsd relationship and a similar b
exponent of ∼0.8–0.9 in the power law fit between these parameters for all of the stations. By assuming that
Qd is primarily surface runoff, and given that the Biobío regime is mostly controlled by rainfall, the analysis
of Qd leads us to simplify the Cs − Q analysis to a simple model based only on a discharge fraction that is
valid for the entire Biobío catchment (both mountain and piedmont). This is a surprising result given the
contrasting lithologies and relief of both areas. It would be expected that in the mountains, large-scale mass
wasting would cause Qsd to behave differently and increase more than linearly with Qd . Without separating
Qd from the base flow, the b ∼ 1.4–1.6 between Qs and Q in the mountain would be erroneously interpreted
as reflecting these additional sediment sources.
The probability density distribution of Qs (Figure 10) shows that most of the total suspended mass is
mobilized during low- to medium-sized events (0.02 to 2 times the mean value for each station, Qs ) and
that characteristic is consistent across all stations. The steep slope observed for large events means that
their recurrence interval is long, and they do not control the statistical average. Therefore, this supports the
findings of Wolman and Miller [1960] and Andermann et al. [2012a] who suggested that most of the erosional
work is done by moderate events. However, at much smaller spatial scales, Mohr et al. [2014] found that in
unlogged forest plantations, Qs is dominated by extreme-rare runoff events. In contrast, after clear cutting
the frequency-magnitude distribution of Qs shifts toward a control of more moderate runoff events.
The low b ∼1 value and the consistent Qsd ∝ Qd relationship in both the mountain and piedmont settings
suggest that sediment transport along the entire catchment is characterized by a more or less constant
suspended sediment concentration. Although the scatter in the Qd − Qsd diagrams is high and there are
large variations in the Cs observations, all catchments show the same main trend. Similar results using
different algorithms for fits (Table 5) and the absence of hysteresis strengthen the idea that sediment
dynamics can be characterized by a constant Cs . Additionally, the similarity of the magnitude-frequency
distributions for sediment discharge in both the mountain and piedmont suggests that a unique
catchment-scale erosion process governs sediment exportation. This process may be overland flow. Indeed,
the wet climate and presence of vegetation favor the formation of soil in both the mountain and piedmont,
so that overland flow almost linearly transports sediment over the whole distribution of rainfall events.
Overland flow is controlled by the surface connectivity associated with vegetation [Mohr et al., 2013].
Forestry plantations have increased in both the mountains and piedmont over the last several decades,
although the land use conversion has been more intense in the piedmont (Table 1) [Aguayo et al., 2009]. An
increase in surface connectivity by forestry roads and clear cutting may increase the role of overland flow in
sediment transport [Mohr et al., 2013], resulting in the observed similarities in Qd − Qsd scaling and in the
frequency-magnitude distribution in the piedmont and in the mountains.
In the mountains, it is possible that landslides play a minor role in delivering sediment to the river network
because vegetation prevents mass wasting-derived sediments from reaching the rivers [e.g., DiBiase and
Lamb, 2013] and can act as a slope stabilizer [e.g., Vanacker et al., 2007; Wu, 2013; Jeffery et al., 2014],
although this depends on root architecture [e.g., Reubens et al., 2007] and hillslope gradient [Vorpahl et al.,
2013]. During a rainfall event, the proportion of exported sediment coming from such different sources as
the detached material from previous or contemporary landslides, gullies, or weathered soil varies with the
magnitude of Qs [Smith et al., 2013]. Nevertheless, in our case the total amount of Qs , regardless of source
or topographic setting, are on scales in proportion to Qd . Therefore, we interpret that this scaling is mainly
controlled by overland flow rather than by the contemporaneous production of landslides.
The only significant difference between the mountain and piedmont is the lower specific sediment gained
in the piedmont, reflected by the lower Qs from the Tijeral catchment compared to the other catchments
of similar size draining the steep Andes. The difference of specific sediment discharge (Qs *) between the
highland and the lowland stations is best illustrated in Figure 9, where Qs * plotted against the catchment
area produces a 5 times lower Qs * for similar drainage areas at Tijeral than at the mountain stations. This is
explained by the lower yield from the hillslopes due to lower relief energies in the Tijeral catchment and/or
to the major sediment storage capacity along cut and fill terraces buffering the hillslope contribution of
sediment toward the river.

5.4. Decennial Variation on Qs in Relation to Dams

Decennial variations on Qs in relation to dam construction described in section 4.1 are schematized in
Figure 11. The Puente Perales station, which is affected only by small hydropower facilities, does not show
a significant change in Qs between predam and postdam periods. Also, the subannual distribution of Q
and Qs is similar for both periods (Figures 4b and 4c). These results suggest that these small reservoirs are
permeable to suspended sediment.
Conversely, at the Rucalhue station and at the outlet of the whole basin, the Desembocadura station, which
are both affected by the Pangue and Ralco mega dams, the average suspended sediment discharges in
the decades before and after that Pangue was built show a similar increase (∼30%). At Rucalhue station,
the subannual distribution of Qs is different between the two periods. Before the Pangue Dam, the annual
Qs was distributed between the rainy months and the spring (Figure 4d). After the Pangue Dam was built,
Qs has been almost entirely concentrated in the rainy months; a spring peak is not observed (Figure 4e).
These results show an increase in suspended sediment discharge after the Pangue Dam was built. At a
seasonal scale, the results show a minor contribution of sediment mobilization from snowmelt and a major
contribution from rainfall-runoff derived processes.
From the perspective of sediment load reduction by trapping upstream of the reservoir [Walling, 2006], the
increase in sediment discharge is a counterintuitive result. However, similar results have been observed in
alluvial rivers and have been attributed to channel erosion downstream of the dam [Phillips et al., 2004].
Scour downstream of the dams is a known effect [e.g., Kashef, 1981; Collier et al., 1996], usually attributed
to the erosional capacity of water that is relatively free of sediments [Graf, 2006]. However, downstream
of Pangue Dam, scour can be also attributed to the change in Q variability imposed by dam management
(hydropeaking): the shift in flow variability from monthly to daily level produces strong daily fluctuations
[García et al., 2011] that lead to more frequent sediment stranding and flooding, which can mobilize
riverbed sediments more efficiently. Indeed, an increase in the frequency of large flows may increase
cumulative erosion if an erosion/transport threshold is significant [e.g., Tucker and Bras, 2000; Molnar et al.,
2006; Lague, 2014].
An alternative or complementary explanation, which also involves an increase in the relative contribution
of rainfall runoff-derived erosion processes, is an increase in the sediment supply from the hillslope
areas downstream of the dam. The decennial-scale trend in this region is a reduction in water discharge
[Rubio-Alvarez and McPhee, 2010; Muñoz, 2012], which seems inconsistent with an increase in hillslope
erosion. However, forestry expansion has occurred rapidly since 1974, at a rate of 10.5% annually [Aguayo
et al., 2009]. This type of expansion is found both in agricultural areas and in native forests. The latter has
mainly been observed in the steep area of the Biobío River basin [Aguayo et al., 2009]. Although forest
plantations should protect soil and limit its erosion compared to other agriculture practices, the reduction of
native forest and the management of forest plantations are the best candidate for explaining the decennial
increases in Qs .
Notwithstanding the inherent uncertainties in sediment concentration measurements, the yearly variations
and the lack of data between 1990 and 1992 makes it impossible to come to a definitive conclusion about
significant change in the suspended sediment discharge due to dam construction. Uncertainties may reach
30% [e.g., Dadson et al., 2003], which corresponds to the observed difference between the predam and
postdam Qs . Also, the annual time series for sediment concentration does not show clear differences in the
years before and after the Pangue Dam was built (Figure S5). Therefore, further investigation is necessary to
gain an understanding of decennial variations in Qs related to human intervention.
6. Conclusions
We have demonstrated significant differences between the sediment mobilization dynamics in mountain
and piedmont regions of the Biobío River basin in Chile. In the mountains, the suspended sediment
discharge Qs cannot be parameterized as a function of Q due to seasonal hysteresis. However, Qs follows
a power law trend with a slope ∼ 0.8–0.9 with respect to Qd , that is, to the fraction of water that has a
short residence time in the catchment. In the piedmont, Qs does not show hysteresis with respect to Q
and can be parameterized as a function of both Q and Qd through a power law with exponents 1.2 and
∼0.9, respectively.

The presence or absence of hysteresis seems to be controlled by the difference in the routing of
rainfall-derived water. When a significant portion of this water is routed through the subsurface, the
relationship between Q and Qs shows hysteresis. Opposed to that, if rainfall water is quickly routed over
and near the surface, the suspended sediment discharge and the water discharge do not exhibit hysteresis
(Figure 11). The scaling between Qs and Q varies between the mountains and the piedmont; however, when
Qb is separated from Qd , the same scaling between Qsd and Qd is observed in both terrains, which means
that the suspended sediment concentration is constant with respect to Qd . This also suggests that the
separation of Qb from Qd is necessary for interpreting this scaling relationship in terms of erosion-transport
processes for steep and low-slope catchments. Moreover, this separation can be used to simplify the
sediment discharge dynamics as a function of quick-response rainfall-derived water, which in most cases
must be related to surface runoff. Therefore, surface runoff is likely to be the principal process that mobilizes
sediment from the hillslopes [Andermann et al., 2012a; Mohr et al., 2014].
The average Qs during the 10 years before the construction of the Pangue mega dam was lower than that
in the 10 years following its construction. This could be a consequence of increased discharge variability
imposed by the management of the dams, leading to overall higher transport capacities and/or temporal
variations in the other factors, mainly land use, that determine erosion.
Notation
𝛼 Exponential recession constant for water discharge
BFImax Long-term ratio between the base flow and total discharge
Q Total water discharge (m3 /s)
Qd Direct water discharge (m3 /s)
Qb Baseflow (m3 /s)
dry Qb Baseflow when Qd = 0 (m3 /s)
Qs Suspended sediment discharge (ton/d)
Qsd Suspended sediment discharge when Qd > 0 (ton/d)
dry Qs Suspended sediment discharge when Qd = 0 (ton/d)
Qs Mean suspended sediment discharge at each station (ton/d)
Qs * Qs normalized by the area downstream mega dams and lakes (ton/d/km2 )
Cs Suspended sediment concentration (mg/L)
totalQs Total Qs calculated as the area under the probability density function
Qsout Mean suspended sediment discharge at the river mouth (ton/d)
Acknowledgments Qsin Mean suspended sediment discharge at a subcatchment (ton/d)
This study has been supported by
the Institute de Recherche pour
S Groundwater storage per unit area (mm)
le Dèveloppement (IRD) and the
Comisión Nacional de Ciencia y References
Tecnología (CONICYT AT-24124632 and
PhD grants). It is also a contribution Aalto, R., T. Dunne, and J. Guyot (2006), Geomorphic controls on Andean denudation rates, J. Geol., 114(1), 85–99, doi:10.1086/498101.
to the LMI Copedim. The authors Abdala, J. (2004), Estudio del problema de sedimentación en el contraembalse Rucacura, Master’s thesis, Faculty of Engineering,
would like to thank A. Crave, S. Bonnet, Universidad de Concepcion, Concepción, Chile.
and the Geosciences Environnement Aguayo, M., A. Pauchard, G. Azócar, and O. Parra (2009), Cambio del uso del suelo en el centro sur de Chile a fines del siglo xx:
Toulouse (GET, Université de Toulouse, Entendiendo la dinámica espacial y temporal del paisaje, Rev. Chil. Hist. Nat., 82, 361–374, doi:10.4067/S0716-078X2009000300004.
CNRS, IRD, France) for feedback and Ahnert, F. (1970), Functional relationships between denudation, relief, and uplift in large, mid-latitude drainage basins, Am. J. Sci., 268(3),
scientific collaboration during a visit 243–263, doi:10.2475/ajs.268.3.243.
and to D. Caamaño (UCSC, Chile), Andermann, C., A. Crave, R. Gloaguen, P. Davy, and S. Bonnet (2012a), Connecting source and transport: Suspended sediments in the
M. Aguayo, A. Andreoli, and C. Maier Nepal Himalayas, Earth Planet. Sci. Lett., 351–352, 158–170, doi:10.1016/j.epsl.2012.06.059.
(UdeC, Chile) for their feedback and Andermann, C., L. Longuevergne, S. Bonnet, A. Crave, P. Davy, and R. Gloaguen (2012b), Impact of transient groundwater storage on the
cooperation. We are grateful for discharge of Himalayan rivers, Nat. Geosci., 5(2), 127–132, doi:10.1038/NGEO1356.
the reviews of A. Densmore and Armesto, J., D. Manuschevich, A. Mora, C. Smith-Ramírez, R. Rozzi, A. Abarzúa, and P. Marquet (2010), From the Holocene to the
N. Gasparini and the comments Anthropocene: A historical framework for land cover change in southwestern South America in the past 15,000 years, Land Use Policy,
of the anonymous reviewers who 27(2), 148–160, doi:10.1016/j.landusepol.2009.07.006.
substantially improved this Armijos, E., A. Crave, P. Vauchel, P. Fraizy, W. Santini, J. S. Moquet, N. Arévalo, J. Carranza, and J. L. Guyot (2013), Suspended sediment
manuscript. We are also grateful for dynamics in the Amazon river of Perú, J. South Amer. Earth Sci., 44, 75–84, doi:10.1016/j.jsames.2012.09.002.
the review and comments of K. Cook Asselman, N. (2000), Fitting and interpretation of sediment rating curves, J. Hydrol., 234 (3–4), 228–248,
(GFZ, Germany). The entire database doi:10.1016/S0022-1694(00)00253-5.
has been compiled with support from Benda, L., and T. Dunne (1997), Stochastic forcing of sediment routing and storage in channel networks, Water Resour. Res., 33(12),
the Chilean Government. We thank 2865–2880, doi:10.1029/97WR02387.
A. Aguilar (DGA, Chile) for detailed Blume, T., E. Zehe, and A. Bronstert (2007), Rainfall-runoff response, event-based runoff coefficients and hydrograph separation, Hydrol.
information regarding sampling. Sci. J., 52(5), 843–862, doi:10.1623/hysj.52.5.843.

Carretier, S., et al. (2013), Slope and climate variability control of erosion in the Andes of central Chile, Geology, 41(2), 195–198,
doi:10.1130/G33735.1.
Chapman, T. (1999), A comparison of algorithms for streamflow recession and baseflow separation, Hydrol. Processes, 13(5), 701–714,
doi:10.1002/(SICI)1099-1085(19990415)13:5<701::AID-HYP774>3.0.CO;2-2.
Christie, D., J. Boninsegna, M. Cleaveland, A. Lara, C. Le Quesne, M. Morales, M. Mudelsee, D. Stahle, and R. Villalba (2011), Aridity changes
in the temperate-Mediterranean transition of the Andes since ad 1346 reconstructed from tree-rings, Clim. Dyn., 36(7–8), 1505–1521,
doi:10.1007/s00382-009-0723-4.
Clauset, A., C. Shalizi, and M. Newman (2009), Power-law distributions in empirical data, Siam Rev., 51(4), 661–703,
doi:10.1137/070710111.
Collier, M., R. Webb, and J. Schmidt (1996), Dams and Rivers: A Primer on the Downstream Effects of Dams, 94 p., U.S. Geol. Surv. Circ. 1126,
Denver, Colo.
Cortés, G., X. Vargas, and J. McPhee (2011), Climatic sensitivity of streamflow timing in the extratropical western Andes Cordillera,
J. Hydrol., 405(1–2), 93–109, doi:10.1016/j.jhydrol.2011.05.013.
Csiki, S., and B. L. Rhoads (2010), Hydraulic and geomorphological effects of run-of-river dams, Prog. Phys. Geog., 34, 6,
doi:10.1177/0309133310369435.
Dadson, S. J., et al. (2003), Links between erosion, runoff variability and seismicity in the Taiwan orogen, Nature, 426(6967), 648–651,
doi:10.1038/nature02150.
Davy, P., and A. Crave (2000), Upscaling local-scale transport processes in large-scale relief dynamics, Phys. Chem. Earth Part A, 25(6–7),
533–541, doi:10.1016/S1464-1895(00)00082-X.
Densmore, A. L., and N. Hovius (2000), Topographic fingerprints of bedrock landslides, Geology, 28(4), 371–374,
doi:10.1130/0091-7613(2000)28<371:TFOBL>2.0.CO;2.
Dirección General de Aguas (DGA) (2012), Estudio Hidrogeológico Cuenca Biobío. Informe Final y Planos, 1, 166 pp.
DiBiase, R. A., and M. P. Lamb (2013), Vegetation and wildfire controls on sediment yield in bedrock landscapes, Geophys. Res. Lett., 40(6),
1093–1097, doi:10.1002/grl.50277.
Dixon, J. L., A. S. Hartshorn, A. M. Heimsath, R. A. DiBiase, and K. X. Whipple (2012), Chemical weathering response to tectonic forcing:
A soils perspective from the San Gabriel mountains, California, Earth Planet. Sci. Lett., 323–324, 40–49, doi:10.1016/j.epsl.2012.01.010.
Dunne, T., and R. D. Black (1971), Runoff processes during snowmelt, Water Resour. Res., 7(5), 1160–1172, doi:10.1029/WR007i005p01160.
Echeverría, C., D. Coomes, J. Salas, J. Rey-Benayas, A. Lara, and A. Newton (2006), Rapid deforestation and fragmentation of Chilean
temperate forests, Biol. Conserv., 130(4), 481–494, doi:10.1016/j.biocon.2006.01.017.
Eckhardt, K. (2005), How to construct recursive digital filters for baseflow separation, Hydrol. Processes, 19(2), 507–515,
doi:10.1002/hyp.5675.
Eckhardt, K. (2008), A comparison of baseflow indices, which were calculated with seven different baseflow separation methods,
J. Hydrol., 352(1–2), 168–173, doi:10.1016/j.jhydrol.2008.01.005.
Evans, C., and T. D. Davies (1998), Causes of concentration/discharge hysteresis and its potential as a tool for analysis of episode
hydrochemistry, Water Resour. Res., 34(1), 129–137, doi:10.1029/97WR01881.
Fuller, C. W., S. D. Willett, N. Hovius, and R. Slingerland (2003), Erosion rates for Taiwan mountain basins: New determinations from
suspended sediment records and a stochastic model of their temporal variation, J. Geol., 111(1), 71–87, doi:10.1086/344665.
Gabet, E. J., D. W. Burbank, B. Pratt-Sitaula, J. Putkonen, and B. Bookhagen (2008), Modern erosion rates in the high Himalayas of Nepal,
Earth Planet. Sci. Lett., 267(3–4), 482–494, doi:10.1016/j.epsl.2007.11.059.
García, A., K. Jorde, E. E. Habit, D. Caamaño, and O. Parra (2011), Downstream environmental effects of dam operations: Changes in
habitat quality for native fish species, River Res. Appl., 27(3), 312–327, doi:10.1002/rra.1358.
Garreaud, R. (2007), Precipitation and circulation covariability in the extratropics, J. Clim., 20(18), 4789–4797.
Garreaud, R. (2013), Warm winter storms in central Chile, J. Hydrometeorol., 14(5), 1515–1534, doi:10.1175/JHM-D-12-0135.1.
Garreaud, R., M. Vuille, R. Compagnucci, and J. Marengo (2009), Present-day South American climate, Palaeogeogr. Palaeoclimatol.
Palaeoecol., 281(3), 180–195, doi:10.1016/j.palaeo.2007.10.032.
Goodwin, P., K. Jorde, C. Meier, and O. Parra (2006), Minimizing environmental impacts of hydropower development: Transferring lessons
from past projects to a proposed strategy for Chile, J. Hydroinf., 8(4), 253–270, doi:10.2166/hydro.2006.005.
Graf, W. L. (2006), Downstream hydrologic and geomorphic effects of large dams on American rivers, Geomorphology, 79(3–4), 336–360,
doi:10.1016/j.geomorph.2006.06.022.
Heimsath, A. M., R. A. DiBiase, and K. X. Whipple (2012), Soil production limits and the transition to bedrock-dominated landscapes, Nat.
Geosci., 5(3), 210–214, doi:10.1038/ngeo1380.
Hijmans, R., S. Cameron, J. Parra, P. Jones, and A. Jarvis (2005), Very high resolution interpolated climate surfaces for global land areas,
Int. J. Climatol., 25(15), 1965–1978, doi:10.1002/joc.1276.
Hooke, R. L. (2000), On the history of humans as geomorphic agents, Geology, 28(9), 843–846,
doi:10.1130/0091-7613(2000)28<843:OTHOHA>2.0.CO;2.
Horowitz, A. J. (2003), An evaluation of sediment rating curves for estimating suspended sediment concentrations for subsequent flux
calculations, Hydrol. Processes, 17(17), 3387–3409, doi:10.1002/hyp.1299.
Hovius, N. (1998), Controls on sediment supply by large rivers, in Relative Role of Eustasy, Climate, and Tectonism in Continental Rocks,
edited by K. W. Shanley and P. J. McCabe, pp. 3–16, Soc. Sediment. Geol. Spec. Publ. 59, Tulsa, Okla.
Hovius, N., P. Meunier, C. W. Lin, H. Chen, Y. G. Chen, S. Dadson, M.-J. Horng, and M. Lines (2011), Prolonged seismically induced erosion
and the mass balance of a large earthquake, Earth Planet. Sci. Lett., 304(3–4), 347–355, doi:10.1016/j.epsl.2011.02.005.
Huber, A., and A. Iroumé (2001), Variability of annual rainfall partitioning for different sites and forest covers in Chile, J. Hydrol., 248(1–4),
78–92, doi:10.1016/S0022-1694(01)00394-8.
Huber, A., A. Iroumé, C. Mohr, and C. Frêne (2010), Effect of pinus radiata and eucalyptus globulus plantations on water resource in the
coastal range of Biobío region, Chile, Bosque, 31(3), 219–230.
Iroumé, A., O. Mayen, and A. Huber (2006), Runoff and peak flow responses to timber harvest and forest age in southern Chile, Hydrol.
Process., 20(1), 37–50, doi:10.1002/hyp.5897.
Jeffery, M. L., B. J. Yanites, C. J. Poulsen, and T. A. Ehlers (2014), Vegetation-precipitation controls on Central Andean topography,
J. Geophys. Res. Earth Surf., 119, 1354–1375, doi:10.1002/2013JF002919.
Kashef, A.-A. I. (1981), Technical and ecological impacts of the High Aswan dam, J. Hydrol., 53(1–2), 73–,84,
doi:10.1016/0022-1694(81)90037-8.
Kirchner, J. W. (2009), Catchments as simple dynamical systems: Catchment characterization, rainfall-runoff modeling, and doing
hydrology backward, Water Resour. Res., 45, W02429, doi:10.1029/2008WR006912.

Korup, O., M. J. McSaveney, and T. R. Davies (2004), Sediment generation and delivery from large historic landslides in the Southern Alps,
New Zealand, Geomorphology, 61(1–2), 189–207, doi:10.1016/j.geomorph.2004.01.001.
Lague, D. (2014), The stream power river incision model: Evidence, theory and beyond, Earth Surf. Processes Landforms, 39(1), 38–61,
doi:10.1002/esp.3462.
Lara, A., M. E. Solari, M. R. Prieto, and M. P. Peña (2012), Reconstrucción de la cobertura de la vegetación y uso del suelo hacia
1550 y sus cambios a 2007 en la ecorregión de los bosques valdivianos lluviosos de Chile (35–43 30 deg s), Bosque, 33, 13–23,
doi:10.4067/S0717-92002012000100002.
Little, C., A. Lara, J. McPhee, and R. Urrutia (2009), Revealing the impact of forest exotic plantations on water yield in large scale
watersheds in south-central Chile, J. Hydrol., 374(1–2), 162–170, doi:10.1016/j.jhydrol.2009.06.011.
Lupker, M., C. France-Lanord, J. Lavé, J. Bouchez, V. Galy, F. Métivier, J. Gaillardet, B. Lartiges, and J.-L. Mugnier (2011), A rouse-based
method to integrate the chemical composition of river sediments: Application to the Ganga basin, J. Geophys. Res., 116, F04012,
doi:10.1029/2010JF001947.
Mardones, M., and J. Vargas (2005), Efectos hidrológicos de los usos eléctricos y agrícolas en la cuenca del río Laja (Chile centro-sur), Rev.
Geogr. Norte Gd., 33, 89–102.
Metropolis, N., A. W. Rosenbluth, M. N. Rosenbluth, A. H. Teller, and E. Teller (1953), Equation of state calculations by fast computing
machines, J. Chem. Phys., 21(6), 1087–1092, doi:10.1063/1.1699114.
Meunier, P., N. Hovius, and J. A. Haines (2008), Topographic site effects and the location of earthquake induced landslides, Earth Planet.
Sci. Lett., 275(3–4), 221–232, doi:10.1016/j.epsl.2008.07.020.
Miller, A. (1976), The climate of Chile, in Climates of Central and South America, World Survey of Climatology, vol. 12, edited by
W. Schwerdtfeger, pp. 113–145, Elsevier, Amsterdam, Oxford and New York.
Milliman, J. D., and J. P. M. Syvitski (1992), Geomorphic/tectonic control of sediment discharge to the ocean: The importance of small
mountainous rivers, J. Geol., 100(5), 525–544.
Mohr, C. H., D. R. Montgomery, A. Huber, A. Bronstert, and A. Iroumé (2012), Streamflow response in small upland catchments
in the Chilean coastal range to the Mw 8.8 Maule earthquake on 27 February 2010, J. Geophys. Res., 117, F02032,
doi:10.1029/2011JF002138.
Mohr, C. H., R. Coppus, A. Iroumé, A. Huber, and A. Bronstert (2013), Runoff generation and soil erosion processes after clear cutting,
J. Geophys. Res. Earth Surf., 118, 814–831, doi:10.1002/jgrf.20047.
Mohr, C. H., A. Zimmermann, O. Korup, A. Iroumé, T. Francke, and A. Bronstert (2014), Seasonal logging, process response, and
geomorphic work, Earth Surf. Dyn., 2(1), 117–125, doi:10.5194/esurf-2-117-2014.
Molnar, P., R. S. Anderson, G. Kier, and J. Rose (2006), Relationships among probability distributions of stream discharges in floods,
climate, bed load transport, and river incision, J. Geophys. Res., 111, F02001, doi:10.1029/2005JF000310.
Morehead, M. D., J. P. Syvitski, E. W. Hutton, and S. D. Peckham (2003), Modeling the temporal variability in the flux of sediment from
ungauged river basins, Global Planet. Change, 39(1–2), 95–110, doi:10.1016/S0921-8181(03)00019-5.
Muñoz, A. (2012), Multi-century tree-growth variability and streamflow reconstructions in the Chilean Mediterranean-Temperate
(35–42 deg S) transition, PhD thesis, Faculty of Forestry Sciences and Natural Resources, Universidad Austral De Chile, Valdivia, Chile.
Nathan, R. J., and T. A. McMahon (1990), Evaluation of automated techniques for base flow and recession analyses, Water Resour. Res.,
26(7), 1465–1473, doi:10.1029/WR026i007p01465.
Oyarzún, C. E., and L. Peña (1995), Soil erosion and overland flow in forested areas with pine plantations at coastal mountain range,
central Chile, Hydrol. Processes, 9(1), 111–118, doi:10.1002/hyp.3360090110.
Pepin, E., S. Carretier, J. L. Guyot, and F. Escobar (2010), Specific suspended sediment yields of the Andean rivers of Chile and their
relationship to climate, slope and vegetation, Hydrol. Sci. J., 55(7), 1190–1205, doi:10.1080/02626667.2010.512868.
Phillips, J. D., M. C. Slattery, and Z. A. Musselman (2004), Dam-to-delta sediment inputs and storage in the lower Trinity river, Texas,
Geomorphology, 62(1–2), 17–34, doi:10.1016/j.geomorph.2004.02.004.
Reubens, B., J. Poesen, F. Danjon, G. Geudens, and B. Muys (2007), The role of fine and coarse roots in shallow slope stability and soil
erosion control with a focus on root system architecture: A review, Trees, 21(4), 385–402, doi:10.1007/s00468-007-0132-4.
Richards, K. (1984), Some observations on suspended sediment dynamics in Storbregrova, Jotunheimen, Earth Surf. Processes Landforms,
9(2), 101–112, doi:10.1002/esp.3290090202.
Rubio-Alvarez, E., and J. McPhee (2010), Patterns of spatial and temporal variability in streamflow records in south central Chile in the
period 1952-2003, Water Resour. Res., 46, W05514, doi:10.1029/2009WR007982.
SERNAGEOMIN (2002), Mapa Geológico de Chile, Escala 1:1.000.000. no. 75 in Carta Geologica de Chile, Serie Geologia Basica 75, Serv.
Nac. Geol. Min., Santiago, Chile.
Smith, J. C., A. Galy, N. Hovius, A. M. Tye, J. M. Turowski, and P. Schleppi (2013), Runoff-driven export of particulate organic carbon from
soil in temperate forested uplands, Earth Planet. Sci. Lett., 365, 198–208, doi:10.1016/j.epsl.2013.01.027.
Solar, W. (1999), Manual de terreno y centros de filtrado. Dirección General de Aguas, Departamento de Hidrología, Laboratorio
hidrológico.
Summerfield, M. A., and N. J. Hulton (1994), Natural controls of fluvial denudation rates in major world drainage basins, J. Geophys. Res.,
99(B7), 13,871–13,883, doi:10.1029/94JB00715.
Syvitski, J., and J. Alcott (1995), RIVER3: Simulation of river discharge and sediment transport, Comput. Geosci., 21(1), 89–151,
doi:10.1016/0098-3004(94)00062-Y.
Syvitski, J. P., M. D. Morehead, D. B. Bahr, and T. Mulder (2000), Estimating fluvial sediment transport: The rating parameters, Water Resour.
Res., 36(9), 2747–2760, doi:10.1029/2000WR900133.
Syvitski, J. P. M., and A. Kettner (2011), Sediment flux and the Anthropocene, Philos. Trans. R. Soc. A, 369(1938), 957–975,
doi:10.1098/rsta.2010.0329.
Tallaksen, L. (1995), A review of baseflow recession analysis, J. Hydrol., 165(1–4), 349–370, doi:10.1016/0022-1694(94)02540-R.
Tarantola, A. (2005), Inverse Problem Theory and Methods for Model Parameter Estimation, Soc. for Ind. and Appl. Math., Philadelphia, Pa.
Thiele, R., A. Lahasen, H. Moreno, J. Varela, M. Vergara, and F. Munizaga (1987), Estudio geológico Regional a Escala 1:100.000 de la Hoya
Superior y Curso Medio del Río Biobío. Informe Para la Empresa Nacional de Electricidad, Convenio ICP-8601, 304 pp., Universidad de
Chile, Departamento de Geologia y Geofisica, Santiago, Chile.
Tucker, G. E., and R. L. Bras (2000), A stochastic approach to modeling the role of rainfall variability in drainage basin evolution, Water
Resour. Res., 36(7), 1953–1964, doi:10.1029/2000WR900065.
Turowski, J., D. Rickenmann, and S. Dadson (2010), The partitioning of the total sediment load of a river into suspended load and
bedload: A review of empirical data, Sedimentology, 57(4), 1126–1146, doi:10.1111/j.1365-3091.2009.01140.x.

Tustison, B., D. Harris, and E. Foufoula-Georgiou (2001), Scale issues in verification of precipitation forecasts, J. Geophys. Res., 106(D11),
11,775–11,784, doi:10.1029/2001JD900066.
Vanacker, V., F. von Blanckenburg, G. Govers, A. Molina, J. Poesen, J. Deckers, and P. Kubik (2007), Restoring dense vegetation can slow
mountain erosion to near natural benchmark levels, Geology, 35(4), 303–306, doi:10.1130/G23109A.1.
Vorpahl, P., C. Dislich, H. Elsenbeer, M. Märker, and B. Schröder (2013), Biotic controls on shallow translational landslides, Earth Surf.
Processes Landforms, 38(2), 198–212, doi:10.1002/esp.3320.
Walling, D. (2006), Human impact on land-ocean sediment transfer by the world’s rivers, Geomorphology, 79(3–4), 192–216,
doi:10.1016/j.geomorph.2006.06.019.
White, A. F., M. S. Schulz, D. V. Vivit, A. E. Blum, D. A. Stonestrom, and S. P. Anderson (2008), Chemical weathering of a marine terrace
chronosequence, Santa Cruz, California I: Interpreting rates and controls based on soil concentration-depth profiles, Geochim.
Cosmochim. Acta, 72(1), 36–68, doi:10.1016/j.gca.2007.08.029.
Williams, G. P. (1989), Sediment concentration versus water discharge during single hydrologic events in rivers, J. Hydrol., 111(1), 89–106.
Wittenberg, H. (1999), Baseflow recession and recharge as nonlinear storage processes, Hydrol. Processes, 13(5), 715–726,
doi:10.1002/(SICI)1099-1085(19990415)13:5<715::AID-HYP775>3.0.CO;2-N.
Wolman, M. G., and J. P. Miller (1960), Magnitude and frequency of forces in geomorphic processes, J. Geol., 68(1), 54–74.
Wu, T. H. (2013), Root reinforcement of soil: Review of analytical models, test results, and applications to design, Can. Geotech. J., 50(3),
259–274, doi:10.1139/cgj-2012-0160.
Wulf, H., B. Bookhagen, and D. Scherler (2012), Climatic and geologic controls on suspended sediment flux in the Sutlej river valley,
western Himalaya, Hydrol. Earth Syst. Sci., 16(7), 2193–2217, doi:10.5194/hess-16-2193-2012.
Yang, G., Z. Chen, F. Yu, Z. Wang, Y. Zhao, and Z. Wang (2007), Sediment rating parameters and their implications: Yangtze River, China,
Geomorphology, 85(3–4), 166–175, doi:10.1016/j.geomorph.2006.03.016.

Capítulo 3
Movilización de sedimentos antes y

después del terremoto del Maule (Mw
8.8)
Proyecto de artículo: Much ado about nothing: Limited to null ero-

sive response to the Mw 8.8 Maule Earthquake derived from variations
in the sediment concentration of the rivers
3.1. Introducción
Descifrar el efecto neto de los grandes terremotos (Mw >8) sobre la dinámica del relieve es
un desafío mayor para la geomorfología, ya que la sismicidad tiene tanto efectos constructivos
como destructivos sobre la topografía de un orógeno activo. La respuesta mecánica co-sísmica
incluye tanto alzamiento como subsidencia de la supercie (e.g., Farías et al., 2010). Por otra
parte, el movimiento co-sísmico desencadena procesos de remoción en masa, contribuyendo a
reducir el relieve (Malamud et al., 2004b; Meunier et al., 2007). Además, perturba la movili-
zación de agua en subsupercie, modicando el caudal de los ríos (e.g., Montgomery y Manga,
2003; Mohr et al., 2012, 2015) y desencadenando subsidencia volcánica (e.g., Pritchard et al.,
2013).
En la última década, diversos estudios tratan el impacto del movimiento sísmico sobre
la erosión de orógenos activos (e.g., Malamud et al., 2004b; Meunier et al., 2007, 2008;
68
Antinao y Gosse, 2009; Hovius et al., 2011). Debido a que el fuerte movimiento del suelo
desencadena remociones en masa, se ha propuesto una relación directa entre la magnitud de
los sismos, el área total que puede ser afectada por deslizamientos co-sísmicos (Keefer, 1994;
Rodríguez et al., 1999) y el volumen de material afectado por deslizamientos co-sísmicos en
zonas epicentrales (Malamud et al., 2004b). Además, la erosión de las laderas desencadenada
por un sismo puede modicar los procesos de erosión uvial y transporte en las cuencas por
períodos de varios años(e.g., Dadson et al., 2004; Hovius et al., 2011), incluso cientos (Korup,
2005). Esta modicación puede ser un alza en los sedimentos transportados (Hovius et al.,
2011; Dadson et al., 2004) si las remociones en masa tienen conectividad con la red uvial,
pero también puede ocurrir una disminución si se produce la oclusión de un río (Korup, 2005).
Dado que el sistema uvial actúa como un integrador de los procesos de erosión sobre la
cuenca, las tasas de sedimentos exportados pueden ser usadas para constreñir la erosión neta
producida por un evento sísmico en particular, si es que este la tiene. Por ejemplo, tras el
terremoto de Chi-Chi en Taiwan, la evacuación de sedimentos suspendidos del río Choshui
(área drenada de 2800 km2 ) superó en más de cinco veces la tasa pre-sísmica, retornando a
su valor histórico tras seis años, lo cual resultó en una reducción del 35 % del alzamiento local
gatillado por el sismo (Fig. 6, Hovius et al., 2011). Luego, esta señal integrada puede revelar
elementos que son clave para comprender mejor la dinámica de alzamiento y denudación
asociada al ciclo sísmico.
A pesar del impacto que se podría esperar de un mega terremoto sobre los procesos
superciales, su capacidad de desencadenar remociones en masa no sólo depende de su mag-
nitud. Factores cómo la amplicación topográca de las ondas sísmicas (e.g., Sepúlveda et
al., 2005b,a, 2010; Meunier et al., 2008), el tipo (e.g., Gorum et al., 2014) y la profundidad
de la falla (e.g., Antinao y Gosse, 2009) pueden ser determinantes en la eciencia erosiva de
un terremoto. Algunos factores que pueden frenar la respuesta erosiva de laderas inestables
son la presencia de cobertura glaciar (e.g., Gorum et al., 2014) o una limitada disponibilidad
de agua. De esta forma, aunque la sismicidad supercial ha sido propuesta cómo el principal
factor que desencadena grandes desprendimientos de roca en los Andes Centrales Australes
(e.g., Sepúlveda et al., 2008, 2010; Antinao y Gosse, 2009), se considera que la sismicidad
interplaca de gran magnitud produce principalmente pequeñas caídas de roca y debris slides
(Antinao y Gosse, 2009). Sin embargo, si se desencadenan numerosas remociones en masa
pequeñas, su efecto conjunto sobre la erosión puede ser de gran envergadura y al mismo
tiempo más difícil de detectar mediante catastros sobre grandes zonas de ruptura.
El 27 de febrero de 2010 ocurrió el terremoto del Maule, un sismo de subducción de gran
69
magnitud (Mw 8,8), cuya área de ruptura se extiende por ∼500 km (Fig. 3.1A). Hasta la
fecha sólo existen catastros parciales de remociones en masa desencadenadas por su ocurrencia
86 88 90 92 94 96 98 00 02 04 06 08 10 12 14 Q [m3/s]
0 100 200 Km
(
A B
Water discharge [m3/s]

2 6.0 648 100 1000
-32° 1 6 El_Manzano
(
4.5 486 10000
"
)
Valparaiso
4 3.0 1000
Cs [mg/l]
(
324
a
3
")"
)"
)
" )"
) 1.5 100
Santiago
"
) 10
( 8"
"
))))76 "
"" ) 162
) )"
0.0
" "
) 1
-34° "
) −1.5 0
(
9
86 88 90 92 94 96 98 00 02 04 06 08 10 12 14 Q [m3/s]
10

(
4 1012
"
) ") 12 10 100 1000
"
) 3 12 Teno_D.J.R.Claro
"
) 759
(
14 10000
13 1000
2
"
)
Cs [mg/l]
-36° 506 100
a
(
Concepcion ^") 20
1916 15
1
0 253
10
1
(
24 18
0.1
23 17
−1 0 0.01
(
-38°
"
)22 86 88 90 92 94 96 98 00 02 04 06 08 10 12 14 Q [m3/s]

25 21 24 340 0.010.1 1 10100
(
27
26 28 18 13 Sauzal
29 255 1000
(
30
32 12 100
Cs [mg/l]
31
170
a
33 10
-74° -72° -70° 6
(
"
) 85 1
0 0.1
−6 0 0.01
Maule Eartquake 86 88 90 92 94 96 98 00 02 04 06 08 10 12 14 Q [m3/s]

8 1800 10 100 1000
pga (g)
Epicenter 6 15 San_Fabian_2
SSN USGS 1350
1000
0.02
>1 and >5 m 4
Cs [mg/l]
0.03-0.10 900 100
a
slip 2
0.11-0.12 10
0.13-0.14 0 450
1
0.15-0.16 >10 m slip −2 0
0.17-0.20
0.21-0.50 86 88 90 92 94 96 98 00 02 04 06 08 10 12 14 Q [m3/s]
Co-seismic

0.51-0.80 34.0 860 1 10 1001000
0.81-0.90 landslides 22 Tijeral
25.5 645
0.91-1.25 10000
17.0 1000
Cs [mg/l]
430
a
100
Monitoring stations 8.5 10
215 1
1 Gauge site 0.0 0.1
−8.5 0 0.01
Catchment area 86 88 90 92 94 96 98 00 02 04 06 08 10 12 14 Q [m3/s]
62.0 288 1 10 100
Catchments area
46.5 25 Lumaco
of stations at B plots 216 10000
31.0 1000
Cs [mg/l]
144
a
15.5 100
72 10
0.0
1
−15.5 0
Figura 3.1: Visión general del área de estudio y serie de tiempo de caudal. A. Epicentro (Vigny et al., 2011),
zona de ruptura (Moreno et al., 2012), aceleraciones máximas horizontales medidas (Boroschek et al., 2012)
y modeladas (USGS) para el terremoto del Maule, remociones en masa co-sísmicas (Escobar, 2013) y red de
estaciones hidrometeorológicas con datos post-sísmicos y sus áreas drenadas. B. Series de tiempo 1985-2014
de seis estaciones. Caudales diarios (gris oscuro), promedio (cuadrados) y mediana (triángulos) de cada año
hidrológico. Los círculos coloreados representan el coeciente a de la regresión potencial entre Q y Cs para
cada año hidrológico usando el mismo patrón de colores de la Fig. 3.5. La línea segmentada horizontal es el
coeciente a para toda la base de datos pre-sísmica.
70
(Escobar, 2013; Moya et al., en prensa, y las referencias ahí contenidas), pero los sucientes
para mostrar que las hubo. Por otra parte, incrementos post-sísmicos en el caudal, como
los descritos por Mohr et al. (2012) y otras posibles perturbaciones en la red de drenaje
también podrían afectar el transporte de sedimentos. Para comprender mejor la contribución
real de los terremotos de subducción de gran magnitud a la denudación andina, estudiamos
los posibles cambios en la dinámica del ujo sedimentario en varios ríos chilenos tres años
después del terremoto del Maule.
3
Los datos de concentración de sedimentos suspendidos (Cs , mg/l) y caudal (Q, m /s)
analizados corresponden a las estaciones de la DGA cuyas áreas drenadas (35024000 km2 )
se ubican en torno a la zona de ruptura (Tabla 3.1, Fig. 3.1), a lo largo del alto gradiente
topográco y climático de Chile Centro-Sur (Fig. 3.2). Para cada cuenca asumimos una
relación potencial entre Cs y Q y estudiamos posibles perturbaciones a esta relación sobre
toda la base de datos pre- y post-sísmica y sobre cada año hidrológico. Además, comparamos
posibles variaciones del promedio de Cs en el período pre- y post- sísmico. No se detectaron
cambios signicativos en estos parámetros, lo cual es consistente con el limitado registro de
remociones en masa desencadenadas por este terremoto que han sido reportados hasta ahora
(Escobar, 2013; Moya et al., en prensa). La baja respuesta erosiva puede relacionarse tanto
con las características del terremoto (ubicación y profundidad de la zona de ruptura) como
a una limitada disponibilidad de agua causada por bajas precipitaciones (2008-2014), cuya
carencia puede prevenir tanto la ocurrencia de remociones en masa como el transporte de
sedimentos hacia la red uvial.
3.2. Características generales de la zona de ruptura
La zona de ruptura del terremoto del Maule se sitúa en el anco oeste del orógeno andino,
una región de alto gradiente climático y topográco (Fig. 3.2). Las principales unidades
morfológicas son dos cordones paralelos al margen, la Cordillera de la Costa y la Cordillera

o
Principal, que al sur de los 33 S se encuentran separadas por una región de piedemonte, la
Depresión Central. En la Fig. 3.2 se muestran las áreas drenadas de las estaciones que han
sido monitoreadas antes y después del terremoto del Maule y las variaciones espaciales de la
pendiente (desde el DEM SRTM) y del porcentaje de cobertura vegetal verde (FCOVER),
estimado a partir de sensores satelitales de vegetación (resolución ∼1 km/pixel, Baret et al.,

2013).
71
o
El clima de Chile CentroSur (32 38 S) es del tipo mediterráneo, con una concentración
de la precipitación en el otoño e invierno austral (mayo - septiembre), seguido de condiciones
estivales secas, de muy bajas precipitaciones. La variabilidad del clima en la región está fuer-
temente modulada por la actividad interanual producida por el fenómeno del Niño (ENSO)
y la variación estacional del anticiclón del Pacíco (Aceituno, 1988). Además de estos for-
zantes, las condiciones climáticas están asociadas al paso de sistemas frontales provenientes
del Océano Pacíco, los cuales entregan humedad y producen precipitaciones desde la costa
hacia altas elevaciones de los Andes (Garreaud y Aceituno, 2007). En la Cordillera Principal,
durante la estación seca se producen eventos aislados de lluvias convectivas, que al norte de
o
los 36 S concentran menos del 10 % de las precipitaciones anuales (Viale y Garreaud, 2014)
pero son importantes desencadenantes de remociones en masa (Sepúlveda et al., 2015).
Para toda la zona de ruptura, el 27 de febrero de 2010 se sitúa en medio de la estación
seca. Lo mismo ocurre con la réplica del 2 de enero de 2011, mientras que los eventos del
11 de marzo de 2010 ocurrieron al nal de la estación seca. Además, a partir del año 2008
1
comenzó una sequía que se prolonga hasta la fecha , cuyo efecto sobre el peak de caudal anual
puede verse en todas las series de tiempo de caudal de la gura 3.1B.
Slope Fcover (% green cover)

−30
C D
−30
Degree 0 - 7.2 Qs mean Ratio Cs mean Ratio
A 7.3 - 16.4
B
0
16.5 - 27.2
0 - 3 2 2
27.3 - 38.4
2 2
−32
3 -8 1 1
−32
38.5 - 49.2
1 1
8 - 15 4 49.3 - 59.6 4
15 - 24
3 59.7 - 69.2 3 4 4
3 3
24 - 35 8 76 69.3 - 78 8 76
7 8 7
−38
8
−34
78.1 - 87.2 5 6 5 6
−34
Outlet latitude
35 - 82
9 87.3 - 100 9
10 9 9
10
12 12 10 10
12
11 12 11
1314 1314
−36
−36
1314
−36
13 14
20 16 15 20 16 15
19 19
24 18 24 18 20
16 19 15 20
16 15
19
23 17 23 17 18 24 18 24
2317 17 23
22 22
−34
−38
−38
25 21 25 22 22
21
27 27 25 21 2521
26 28 26 28 27
29 29 27
26 28 2628
32 30 32 30 29
31 150 Km 31 150 Km 30 29 32 30 32
33 33 31 31
33 33
−40
−40
-72° -70° -72° -70°

0 1 2 0 1 2
QsPostquake/QsPrequake CsPostquake/CsPrequake
Figura 3.2: Variabilidad latitudinal de A. pendiente (SRTM) y B. porcentaje de vegetación (FCover) del 21
de febrero de 2010 en la región de estudio. Se muestra la razón entre los valores pre- y post-sísmicos para el
promedio de Qs (C) y el promedio de Cs (D). En A y B se destacan en celeste las cuencas de la gura 3.6
1 Reportes de prensa publicados por el CR2:http://www.cr2.cl/wp-content/uploads/2014/08/

minuta_megasequia_cr2.pdf, http://www.cr2.cl/?p=4562, http://www.cr2.cl/?p=5207
72
3.3. El terremoto del Maule
El terremoto del Maule es el segundo en magnitud registrado a la fecha en campo cercano
en Chile y el quinto a nivel mundial. La zona de ruptura de ∼500 km de largo, ∼140 km de
ancho y movimiento inverso se produjo en la zona de contacto entre las placas convergentes
de Nazca y Sudamérica (∼7 mm/a, Altamimi et al., 2007) entre ∼5 y 45 km de profundidad
(Vigny et al., 2011), alcanzando un deslizamiento de hasta ∼16 m, que se concentró en el
segmento norte de la ruptura (e.g., Moreno et al., 2012) (Fig. 3.1).
Las aceleraciones superciales máximas (PGA) correctamente registradas por la red sis-
mológica nacional (Fig. 3.1) son ≤ 0,93 g en Angol (componente horizontal) y ≤ 0,7 g en
Talca (componente vertical) (Boroschek et al., 2012). Además, la estación Cauquenes registró
una aceleración máxima horizontal de 1,25 g antes de saturarse debido al cruce de sus com-
ponentes (Saragoni y Ruiz, 2012). Sin embargo, todas estas estaciones se encuentran sobre
2
sedimentos , por lo cual su alto registro puede deberse a un efecto de sitio. Los registros de
aceleración muestran la larga duración del evento (∼ 2,5 minutos), lo que concuerda con la
longitud de ruptura de 500 km. La intensidades sísmicas determinadas por Astroza et al.
(2012) tienen una distribución más controlada por la distancia a las zonas de mayor desli-
zamiento (asperezas) que al hipocentro. Sólo fue determinado un valor de intensidad igual a
IX y el 21 % de las intensidades fue >VII (Astroza et al., 2012).
La replica de mayor magnitud (Mw 7,2) se registró ∼70 km al NW de Temuco el 2 de
enero de 2011 a una profundidad de 24 km, con PGA estimadas de 0,08 a 0,32 g (Terremoto
de la Araucanía, catálogo NEIC). El 11 de marzo de 2010 se registraron los mayores eventos
(Mw 6,9 y 7,0) de una secuencia de sismos corticales de mecanismo focal normal cerca de la
localidad de Pichilemu, atribuidos al aumento en la circulación de uidos que pudo haber
producido el terremoto del Maule, desencadenando la reactivación de fallas intraplaca (Farías
et al., 2011). Estos eventos tuvieron PGA estimadas de hasta 0,24 g (catálogo NEIC).
La mayor parte del área de ruptura del terremoto del Maule se encuentra sumergida, lo cual
explica que los principales daños sean consecuencia del tsunami. En la supercie continental,
los principales efectos descritos hasta ahora son el alzamiento y subsidencia co-sísmicos de
la región costera (e.g., Farías et al., 2010), la subsidencia del arco volcánico (Pritchard et
al., 2013), aumento del caudal post-sísmico de micro cuencas, en algunos casos precedidos
de una breve disminución del caudal (Mohr et al., 2012, 2015), alzas del caudal estival de
2 ver caracterización geotécnica de estaciones de Acelerógrafos de la Universidad de Chile: http://

terremotos.ing.uchile.cl/bajar/reporte/69
73
Tabla 3.1: Estaciones sedimentométricas con datos después del terremoto del Maule
Id St. Name River Drainage N data pre-quake N data post-quake

area [km ]
2
Q C Qs Q C Qs
1 Cuncumen Choapa 1119 8003 8003 8003 656 667 656
2 Las Burras Illapel 608 13600 13897 13600 667 667 667
3 Chacabuquito Aconcagua 2093 6705 6315 6314 1076 1259 1074
4 Resg. los Patos Putaendo 964 6628 6726 6367 973 1040 972
5 A.J. Rio Maipo Colorado 1670 3940 4246 3940 18 18 18
6 El Manzano Maipo 4860 11830 12487 11830 565 774 564
7 Los Almendros Mapocho 625 11652 13251 11652 546 723 544
8 Rinconada de Maipu Mapocho 4141 12645 13228 12645 665 854 664
9 Pte. Termas de Cauquenes Cachapoal 2471 2037 7169 2037 949 1095 917
10 Bajo los Briones Tinguiririca 1448 4756 5020 4756 825 1099 815
11 Los Quenes Claro 354 10884 10924 10884 1325 1467 1324
12 D.J.C. Claro Teno 1208 11269 11546 11269 1077 1350 1076
13 Sauzal Purapel 665 7115 7961 7115 1054 1342 1053
14 Las Brisas Loncomilla 10380 7770 7979 7770 1276 1350 1275
15 San Fabian 2 Nuble 1630 3346 3586 3346 1259 1493 1258
16 Camino a Conuencia Chillan 766 6187 7666 6187 1387 1494 1386
17 Cholguan Itata 825 7271 7402 7271 1276 1493 1275
18 Longitudinal Diguillin 1374 6702 6742 6702 1313 1494 1312
19 Balsa Nueva Aldea Itata 4621 6910 7674 6910 1006 1494 1005
20 Coelemu Itata 9980 6618 7056 6618 1284 1489 1283
21 Llanquen Biobio 3352 2510 2595 2510 1405 1436 1404
22 Tijeral Vergara 2364 8540 8751 8540 1193 1436 1192
23 Puente Perales Laja 3589 6339 6365 6339 748 1489 747
24 Desembocadura Biobio 24171 7257 7365 7257 696 1003 695
25 Lumaco Lumaco 1020 8537 8864 8537 1119 1371 1118
26 Cholchol Cholchol 4158 7177 7178 7176 821 1427 819
27 Rari-Ruca Cautin 1292 9086 9107 9086 1335 1453 1333
28 Cajon Cautin 2788 8871 8876 8871 1268 1417 1266
29 Quepe Quepe 1697 8610 8743 8610 1204 1423 1203
30 Los Laureles Allipen 1661 7070 7218 7006 1350 1433 1349
31 A.R. Llafenco Trancura 1365 8725 8810 8725 1276 1449 1275
32 Gorbea Donguil 733 8541 8865 8541 1318 1413 1317
33 Rucaco Cruces 1755 8605 8639 8605 640 641 640
74
grandes cuencas (Fig. 3.3) y pérdida de ujo en auentes montañosos con duración de varias
3
semanas .
2009 2010
3044
Maule Earthquake
2283
Q(m3/s)
1522
761
01 02 03 04 05 06 07 08 09 10 11 12 01 02 03 04 05 06 07 08 09 10 11 12
Figura 3.3: Hidrograma estación Coelemu (río Itata) en el período 2009-2010, mostrando el alza de la descarga
de agua desencadenada por el terremoto del Maule. El recuadro muestra el área drenada del río Itata.
El primer inventario de remociones en masa desencadenadas por el sismo del Maule, que
cubre la Cordillera de la Costa dentro de la zona de ruptura (Escobar, 2013), resultó en 290
eventos. El área total de supercie deslizada se estimó en ∼0,11 km2 . Las remociones en masa
se distribuyen en un área total de ∼120.000 km2 , que se encuentra bajo las curvas empíricas
establecida por Keefer (1984) y Rodríguez et al. (1999). La mayoría de los eventos corresponde
a deslizamientos superciales (41 %), caídas de rocas (19 %) y extensiones laterales (18 %),
o o o
que se concentran en laderas ente 16-25 , >60 y <15 , respectivamente. Las remociones en
masa se concentran en la Cordillera de la Costa en las latitudes de mayor deslizamiento (>10
m, Fig. 3.1): la costa de la VI región (∼ 34 − 35o S) y la península de Arauco-Cordillera de
Nahuelbuta (∼ 36,5 − 38o S). La primera región coincide con el área de mayores intensidades
de Astroza et al. (2012), pero la segunda se encuentra entre las isosistas VI y VII. No hay
un pronunciado conjunto de remociones en masa que se hayan originado cerca de la parte
alta de las laderas, por lo cual Escobar (2013) descartó la amplicación topográca como
o
un proceso relevante en este sismo. En la península de Arauco (37,1-37,8 S), la región de
mayor densidad de deslizamientos, se realizó un segundo inventario (Moya et al., en prensa),
en el cual se registraron 126 remociones en masa en un área en que el inventario previo
registraba sólo 39. En esta región se detectaron 40 deslizamientos de suelo, 39 deslizamientos
de roca, 33 caídas de roca, 10 deslizamientos de suelo-roca y 4 avalanchas de roca. La mayor
concentración de remociones en masa en unidades sedimentarias blandas (areniscas y calizas)
sugieren un control litológico para su ocurrencia (Moya et al., en prensa).
3 Tributarios del Río Claro, Parque Nacional Siete Tazas

http://www.bbc.co.uk/mundo/america_
latina/2010/03/100312_2240_chile_sismo_cascadas_secas_gz.shtml
75
El número total de remociones en masa considerando ambos inventarios es de 377, lo
cual se encuentra muy por debajo de los inventarios publicados para terremotos de menor
magnitud, pero intraplaca superciales, como Chi-Chi (Mw 7,6, mecanismo inverso a 8-10 km
de profundidad, >20.000 deslizamientos, Dadson et al., 2004) o Aysén (Mw 6,2, mecanismo
de rumbo a 4 km de profundidad, Legrand et al., 2011, 538 deslizamientos Sepúlveda et al.,
2010). Sin embargo es consistente con los reportes compilados por Erikson y Högstedt (2004)
para las remociones en masa de Valparaíso el año 1985, que no fueron muy numerosas y
en su mayoría fueron desencadenadas por precipitaciones meses después del terremoto de
subducción Mw 8,0 y 35 km de profundidad que ocurrió el 3 de marzo de 1985 (PGA de
hasta 0,13 g, según el catálogo NEIC). Además de este ejemplo, Antinao y Gosse (2009)
plantean que los eventos de Valparaíso de 1906 (Mw 8,4) e Illapel de 1943 (Mw 8,2 y 35 km
de profundidad según NEIC) tampoco desencadenaron grandes volúmenes de deslizamientos
de roca. Sin embargo, no existen catastros completos de remociones en masa para ninguno
de estos eventos.
3.4. Materiales y métodos
Los datos de concentración de sedimentos suspendidos (Cs [M/T]) corresponden a una
medida diaria de concentración de sólidos en suspensión de una muestra supercial de agua.
Los valores de caudal de agua (Q [V/T]) son calculados a partir de variaciones diarias de
altura del agua y curvas de calibración establecidas por la DGA (descripción de métodos
en Tolorza et al., 2014). En la mayoría de las estaciones el monitoreo comenzó en 1985, lo
cual permite conocer la variabilidad decadal de ambos parámetros antes de la ocurrencia del
terremoto. El número total de muestras pre- y post- terremoto del Maule se especica en la
tabla 3.1. Con estos datos también es posible estimar para cada día la descarga sedimentaria
suspendida (Qs [M/T]= Cs × Q).
1
P
Utilizando estos datos se calculó el promedio de Cs , Cs = n
Csi y el promedio de Qs ,
1
P
Qs = n
Qi ∗ Csi para todo el período pre- y post- sísmico y la razón entre los resultados
post- y pre- sísmicos.
Una primera aproximación a la dinámica sedimentaria de las cuencas es la relación entre
Cs y Q a través de una ley de potencias (e.g., Hovius et al., 2000; Syvitski et al., 2000) de la
forma:
Cs = aQb (3.1)
76
aunque la variabilidad de Cs para cada valor de Q puede ser de varios órdenes de magni-
tud (e.g., Morehead et al., 2003), lo cual se discute en profundidad en el capítulo 2. Esta
variabilidad se debe en parte a una histéresis estacional causada por el retardo del ujo de
agua a través de diferentes compartimientos hidrológicos, que puede corregirse mediante una
separación del ujo basal (Andermann et al., 2012; Tolorza et al., 2014). Sin embargo, en el
presente estudio se analiza directamente la ecuación 3.1 con el objetivo de realizar una com-
paración de primer orden entre la dinámica histórica de Cs y Q y la que puede observarse
después del terremoto del Maule, tal como fue analizado el caso del terremoto de Chi-Chi en
Taiwan (Fig. 6, Hovius et al., 2011).
A partir de la ecuación 3.1, fueron calculados los valores de los coecientes a y b con-
siderando (1) todos los registros pre- y post-sísmicos (tabla 3.2, Fig. 3.4) y (2) los datos
contenidos en cada año hidrológico (Fig. 3.1B y 3.5). La denición de cada año hidrológico
varía latitudinalmente de acuerdo al comportamiento del hidrograma durante todo el período
de monitoreo (apéndice B).
3.5. Resultados
La gura 3.2C muestra que en todas las estaciones Qs es menor para los datos post-sísmicos
que para las décadas anteriores, lo mismo ocurre con Cs en la mayoría de las estaciones (Fig.
3.2D).
En las guras 3.1B y 3.5 se muestran resultados de seis estaciones cuyas áreas drenadas
contienen zonas de altas pendientes de la Cordillera de la Costa o de la Cordillera Principal.
Dos de ellas (Sauzal y Lumaco) se encuentran completamente contenidas en la Cordillera
de la Costa y cercanas a las estaciones del Servicio Sismológico Nacional que registraron los
más altos valores de PGA (Fig. 3.1A). Tanto para el parámetro a (Fig. 3.1B) como para el
parámetro b (Fig. 3.5) de la ecuación 3.1, la variabilidad interanual sobre todo el período
de mediciones pre-sísmica es mayor que las variaciones que se observan en el período post-
sísmico.
En los diagramas de correlación de la gura 3.4 se trazaron los datos post-sísmicos con
una escala de colores de acuerdo a su fecha. En ellos se aprecia que el registro post-sísmico es
completo, en cuanto a que existen datos de todos los días del año hidrológico. Sin embargo, los
valores máximos de Q comparados con el registro pre-sísmico son menores, como consecuencia
de la sequía. Los valores máximos de Cs post-sísmicos también son menores que el registro
77
3 Chacabuquito Lat −32.8475 Long −70.5095
10000
Sediment Concentration [mgr/l]

1000
100
Fit pre-quake
Fit post-quake
10
Cpre = 5.84769*Q0.73 npre = 6314
Pre-quake 1 Cpost = 3.95236*Q1.25 npost = 1074
Julian day
10 100
Post-quake
Water Discharge [m3/s]
120
150
180
210
240
270
300
330
360
30
60
90
6 El_Manzano Lat −33.5973 Long −70.3813
10000

13 Sauzal Lat −35.7532 Long −72.0691
1000
1000
100 100
10 10
1 Cpre = 0.133459*Q1.56 npre = 6029

1
Cpost = 1.24464*Q1.24 npost = 564
0.1 Cpre = 12.1672*Q0.51 npre = 7115 100
Cpost = 8.03066*Q0.41 npost = 1053 Water Discharge [m3/s]
0.01
17 Cholguan Lat −37.1576 Long −72.0684
0.01 0.1 1 10 100
25 Lumaco Lat −38.1660 Long −72.9001 100

10
1000
1
100 Cpre = 0.901097*Q0.58 npre = 7271
0.1 Cpost = 1.02275*Q0.45 npost = 1275
10 10 100
Cpre = 22.5838*Q0.14 npre = 8537
1 Cpost = 14.0025*Q0.22 npost = 1118
1 10 100
Figura 3.4: Diagramas de correlación Q vs. C para cinco estaciones. Los datos post-sísmicos son trazados
usando un patrón de colores de acuerdo a su día juliano.
78
histórico para la mayoría de las estaciones, excepto para Chacabuquito y El Manzano. Estas
dos estaciones, además de Cauquenes y San Fabian 2, registraron valores peak de Cs en el
período post-sísmico que se destacan dentro del registro histórico (Fig. 3.6). Las dos primeras
también tienen un Cs mayor en el período post-sísmico. Las áreas drenadas de estas estaciones
tienen las menores estimaciones de PGA de las cuencas estudiadas, pero se caracterizan por
tener altas pendientes y bajos porcentajes de cobertura vegetal (Fig. 3.2A y B). El año 2012,
en conjunto con el peak de caudal del año hidrológico, ocurrieron máximos históricos de Cs
en Chacabuquito, Termas de Cauquenes y San Fabian 2, mientras que en El Manzano el año
2011 ocurrió el máximo registro de Cs desde 1993, sin corresponder a un año particularmente
lluvioso. Hasta el momento son escasas las remociones en masa atribuidas al sismo del Maule
que han sido catastradas en estas cuencas (Fig. 3.2A y B Escobar, 2013).
3.6. Discusiones y conclusiones
Los resultados anteriores muestran que la exportación de sedimentos suspendidos ha sido
menor en los años posteriores al terremoto del Maule que en el registro histórico en la mayoría
de las estaciones monitoreadas (Fig. 3.2). Ya que la variabilidad inter anual histórica de la
ecuación 3.1 es mayor que la observada después del terremoto (Fig. 3.5), el posible efecto
sobre la dinámica de movilización de sedimentos suspendidos, a tres años de su ocurrencia,
es imperceptible en la mayoría de estas grandes cuencas.
Mohr et al. (2014) analizaron datos de alta resolución de Cs y Q en microcuencas (∼

2
0,1 km ) del anco este de la Cordillera de la Costa. Ellos obtuvieron un modelo de Cs
mediante regresiones no paramétricas. Al considerar el impacto de ciertas variables físicas
en mejorar la precisión del modelo, encontraron que el terremoto es una variable de baja
importancia. En el presente estudio se muestra que en tres años no ha ocurrido un aumento
signicativo de la concentración de sedimentos suspendidos en la mayoría de las cuencas
cercanas a la zona de ruptura del sismo del Maule. Aún cuando ciertas cuencas han tenido
máximos históricos de Cs en el período post-sísmico, la tendencia general es una reducción
del ujo sedimentario. Estos resultados son consistentes con el bajo número de remociones en
masa atribuidos a este terremoto (Escobar, 2013) y demuestran que no todos los sismos de
gran magnitud tienen una gran respuesta erosiva inmediata. Esto signica que no se puede
predecir el efecto de un terremoto sobre la denudación sólo a través de su magnitud, lo cual
concuerda con Gorum et al. (2014) y Antinao y Gosse (2009).
79
86 88 90 92 94 96 98 00 02 04 06 08 10 12 14 Q [m3/s]
Sed. Concentration [mg/l] Sed. Concentration [mg/l]

4 17388 100 1000
3 6 El_Manzano
13041 10000
2 1000
Cs [mg/l]
8694
b
1 100
4347 10
0
1
−1 0
86 88 90 92 94 96 98 00 02 04 06 08 10 12 14 Q [m3/s]
4 16868 10 100 1000
3 12 Teno_D.J.R.Claro
12651 10000
2 1000
Cs [mg/l]
8434 100
b
1 10
4217 1
0 0.1
−1 0 0.01
86 88 90 92 94 96 98 00 02 04 06 08 10 12 14 Q [m3/s]
Sed. Concentration [mg/l] Sed. Concentration [mg/l]

2.0 2612 0.010.1 1 10100
1.5 13 Sauzal
1959 1000
1.0 100
Cs [mg/l]
1306
b
0.5 10
653 1
0.0 0.1
−0.5 0 0.01
86 88 90 92 94 96 98 00 02 04 06 08 10 12 14 Q [m3/s]
2.0 2436 10 100 1000
1.5 15 San_Fabian_2
1827
1000
1.0
Cs [mg/l]
1218 100
b
0.5
10
0.0 609
1
−0.5 0
86 88 90 92 94 96 98 00 02 04 06 08 10 12 14 Q [m3/s]
Sed. Concentration [mg/l]
2.0 1 10 1001000
1.5 22 Tijeral
10000
1.0 1000
Cs [mg/l]
b
100
0.5 10
1
0.0 0.1
−0.5 0 0.01
86 88 90 92 94 96 98 00 02 04 06 08 10 12 14 Q [m3/s]
Sed. Concentration [mg/l]
2.0 7060 1 10 100

1.5 25 Lumaco
5295 10000
1.0 1000
Cs [mg/l]
3530
b
0.5 100
1765 10
0.0
1
−0.5 0
Figura 3.5: Series de tiempo 1985-2014 de Cs para seis estaciones. Cs diario (gris oscuro), promedio (cuadra-
dos) y mediana (triángulos) de cada año hidrológico. Los círculos coloreados representan el coeciente b de la
regresión potencial entre Q y Cs para cada año hidrológico. La línea segmentada horizontal es el coeciente
b para toda la base de datos pre-sísmica. A la derecha se muestra el diagrama de correlación entre Q y Cs
de toda la base de datos (gris) y las curvas de regresión potencial usando un color diferente para cada año
hidrológico y una línea segmentada para toda la base de datos pre-sísmica.
80
Algunas razones que pueden explicar la limitada a nula respuesta atribuible a este sismo
sobre del ujo de sedimentos, pueden ser (1) una baja ocurrencia de remociones en masa,
que hayan generado nuevas fuentes de sedimentos, (2) una baja conectividad entre nuevas
fuentes de sedimentos en las laderas y la red de drenaje (lateral blockages, Fryirs, 2013) y/o
(3) una limitada capacidad de movilizar nuevos sedimentos que hayan alcanzado el lecho de
los ríos principales (longitudinal blockages, Fryirs, 2013).
Dos características especícas del terremoto del Maule permiten explicar tanto una baja
ocurrencia de remociones en masa como una baja movilización de sedimentos durante los tres
años posteriors:
• La ubicación de la zona de ruptura, que afectó principalmente territorio marítimo, lo
que también podría explicar la mayor densidad de remociones en masa en la península
de Arauco (Escobar, 2013), más cercana a la región de mayor deslizamiento de la falla,
aunque también conformada por rocas y depósitos sedimentarios de menor resistencia
(Moya et al., en prensa). El deslizamiento >10 m (Fig. 3.1) afectó a la región costera
y a la Cordillera de la Costa, mientras que las mayores intensidades (>VI Astroza
et al., 2012) afectaron a la región al oeste del frente montañoso, en su límite con la
Depresión Central. Debido a la profundidad de la zona de ruptura, las altas frecuencias
de ondas sísmicas son atenuadas. De hecho, aunque se registraron altas aceleraciones
superciales (cercana a 1 g) estas se encuentran sobre sedimentos y posiblemente su
comportamiento tenga efecto de sitio. Como consecuencia de lo anterior, las regiones
de mayor pendiente, situadas en la Cordillera Principal, alcanzaron PGA (componente
horizontal) <0,48 g (medido, Boroschek et al., 2012) y <0,24 g (modelado según NEIC).
• La baja disponibilidad de agua en las cuencas. El peak anual de caudal está disminu-
yendo desde el año 2008, lo cual se observa a lo largo de toda la zona de ruptura. Las
condiciones de sequía pueden tener dos consecuencias sobre la respuesta erosiva de este
terremoto: (1) luego de dos años de bajas precipitaciones (2008-2009) y varios meses de
recesión (el terremoto ocurrió en la estación seca), las laderas de mayor pendiente po-
siblemente almacenaban poca agua el día del terremoto, lo cual limita la inestabilidad
de ladera asociada a licuefacción y por tanto, la ocurrencia de remociones en masa y
(2) la baja disponibilidad de agua en los años posteriores al terremoto, que puede ha-
ber limitado el establecimiento de conectividad, especícamente para el transporte del
material removido desde las laderas hacia los ríos. Este problema (el almacenamiento
de sedimentos) se acrecienta con el tamaño de las cuencas (e.g., Summereld y Hulton,
1994), por lo cual observar el comportamiento de micro cuencas permitiría comprender
mejor el rol de la conectividad en los resultados observados. Además, si los sedimentos
81
generados a partir de pequeñas remociones en masa se encuentran almacenados en pe-
queñas vertientes, es posible que su salida de las cuencas ocurra cuando un evento de
El Niño termine con las condiciones de sequía.
La gura 3.6 muestra que sí han ocurrido eventos de alta evacuación de sedimentos que
podrían tener relación con el sismo del Maule, ya que podrían corresponder a la ocurren-
cia de remociones en masa en laderas que quedaron inestables después del terremoto o
bien a la movilización de sedimentos producidos co-sísmicamente, al producirse conectivi-
dad con las precipitaciones del año 2012. Los inventarios de remociones en masa dispo-
nibles hasta ahora se han enfocado en la Cordillera de la Costa Escobar (2013) y en la
Península de Arauco (Moya et al., en prensa), no en la Cordillera Principal. Todas las
estaciones de la gura 3.6 tienen sus áreas drenadas en la Cordillera Principal, por lo
que es posible que existan remociones en masa co-sísmicas no incluidas en los inventario.
Las cuencas que muestran un aumento signicativo del ujo de sedimentos post sísmico
están lejos del epicentro y de la zona de ruptura, por lo tanto alcanzaron bajas aceleraciones
co-sísmicamente, pero tienen altas pendientes y bajo porcentaje de vegetación (Fig. 3.2). Esto
sugiere que las alzas observadas en la exportación de sedimentos, de estar condicionadas por
el terremoto, dependen principalmente de la pendiente y de la conectividad (determinada
por la vegetación y la disponibilidad de agua en la supercie). Esta interpretación refuerza
la idea de que la denudación causada por un evento sísmico no es función su magnitud, sino
del estrecho vínculo entre el clima y la tectónica. Además, permiten caracterizar al terremoto
del Maule como un evento esencialmente constructivo.
82
86 88 90 92 94 96 98 00 02 04 06 08 10 12 14

0 216
36 Rain gauge RIECILLOS 162
P(mm)
72
108 108
144 54
20001
0
3 Chacabuquito
C s [mg/l] 13334
6667
0
86 88 90 92 94 96 98 00 02 04 06 08 10 12 14

0 648
22 Rain gauge MAITENES BOCATOMA 486
P(mm)
44
66 324
88 162
17388
0
6 El_Manzano
C s [mg/l]
11592
5796
0
86 88 90 92 94 96 98 00 02 04 06 08 10 12 14

0 624
26 Rain gauge RANCAGUA (CACHAPOAL − DCP) 468
P(mm)
52
78 312
104 156
0
14108 9 Pte.T._de_Cauquenes
C s [mg/l]
7054
0
86 88 90 92 94 96 98 00 02 04 06 08 10 12 14
0 1800
53 Rain gauge CARACOL 1350
P(mm)
106
159 900
212 450
2433
0
15 San_Fabian_2
C s [mg/l]
1622
811
0
86 88 90 92 94 96 98 00 02 04 06 08 10 12 14
Figura 3.6: Series de tiempo diarias de precipitaciones (celeste), caudal (azul) y concentración de sedimentos
suspendidos en las estaciones que registraron valores peak de Cs más altos que lo habitual en el período
post-símico.
83
Tabla 3.2: Promedio de la concentración de sedimentos suspendidos y coecientes de la inversión potencial
para los períodos pre- y post- sísmicos
Id St. Name Pre-quake Post-quake

Cs (mg/l) a b Cs (mg/l) a b
1 Cuncumen 59.8 5.7 0.7 39.6 2.4 1.6
2 Las Burras 17.4 7.8 0.4 6.0 5.3 0.7
3 Chacabuquito 143.6 5.8 0.7 227.3 4.0 1.3
4 Resg. los Patos 114.0 7.7 0.9 108.0 17.8 0.3
5 A.J. Rio Maipo 762.5 0.6 1.8
6 El Manzano 409.6 0.1 1.6 614.1 1.2 1.2
7 Los Almendros 162.8 19.0 0.8 240.6 36.7 1.1
8 Rinconada de Maipu 362.6 19.3 0.6 384.8 51.2 0.5
9 Pte. Termas de Cauquenes 567.6 234.6 0.0 454.3 123.4 0.3
10 Bajo los Briones 231.6 0.6 1.3 149.7 0.2 1.7
11 Los Quenes 52.1 3.0 0.5 50.5 12.9 0.0
12 D.J.C. Claro 97.7 0.3 1.2 40.8 0.9 1.0
13 Sauzal 37.1 12.2 0.5 13.1 8.0 0.4
14 Las Brisas 33.3 5.1 0.3 15.3 2.1 0.3
15 San Fabian 2 13.5 0.8 0.4 14.7 1.3 0.4
16 Camino a Conuencia 23.1 8.7 0.1 13.6 5.3 0.3
17 Cholguan 12.5 0.9 0.6 7.6 1.0 0.5
18 Longitudinal 19.8 5.9 0.1 9.2 4.6 0.1
19 Balsa Nueva Aldea 23.7 4.3 0.3 24.5 3.9 0.3
20 Coelemu 28.5 2.0 0.4 11.2 5.4 0.1
21 Llanquen 25.1 1.0 0.5 17.9 1.1 0.5
22 Tijeral 35.1 7.2 0.2 11.9 5.3 0.1
23 Puente Perales 17.0 0.9 0.5 13.2 7.6 0.0
24 Desembocadura 21.9 0.4 0.5 14.5 0.3 0.5
25 Lumaco 48.2 22.6 0.1 27.6 14.0 0.2
26 Cholchol 13.9 4.5 0.2 10.3 5.4 0.1
27 Rari-Ruca 32.3 0.5 0.7 16.1 0.5 0.6
28 Cajon 22.8 0.9 0.5 19.8 0.8 0.5
29 Quepe 14.4 2.0 0.3 13.1 7.1 0.0
30 Los Laureles 39.1 0.9 0.6 15.6 18.5 -0.2
31 A.R. Llafenco 15.5 4.7 0.1 18.1 17.7 -0.1
32 Gorbea 10.6 3.5 0.3 10.8 4.0 0.2
33 Rucaco 10.1 1.8 0.3 10.1 2.3 0.2
84
Capítulo 4
Relación entre la evolución de la

cobertura vegetal verde y la exportación
de sedimentos en la cuenca del Biobío
4.1. Introducción
De los sistemas que interactúan en la supercie de la tierra, uno de los que más ha tar-
dado en ser abordado por la geología es la Biósfera (Dietrich y Perron, 2006), aunque en
el caso especíco de la cobertura vegetal, su cuanticación empírica sobre plazos geológicos
comienza a ser estudiada (e.g., Dosseto et al., 2010). Gracias al desarrollo de nuevas técnicas
para medir la erosión de cuenca sobre miles y decenas de años, en Sri Lanka se ha podido
cuanticar el impacto de perder la cobertura vegetal debido al uso de suelo, al comparar el
ujo de sedimentos respecto a un nivel base caracterizado por una lenta erosión en el largo
plazo (Hewawasam et al., 2003). En Los Andes ecuatorianos, se ha concluido que la restau-
ración de una vegetación densa puede reponer los niveles de erosión de cuenca a su magnitud
natural (Vanacker et al., 2007). Estos ejemplos muestran la importancia de conocer mejor el
comportamiento de corto plazo de la erosión de cuenca ante modicaciones temporales del
tipo y densidad de la vegetación y del uso de suelo, para poder interpretar adecuadamente sus
similitudes o diferencias con la erosión sobre plazos mayores. Desde las ciencias ambientales
y forestales, el efecto de la vegetación y el uso de suelo sobre la exportación de sedimentos

2
y sobre la inltración suelen abordarse a escalas de micro-cuencas (<0,1 km , e.g., Huber et
al., 2010; Schuller et al., 2013; Mohr et al., 2013) pero no necesariamente estas observaciones
85
escalan homogéneamente con el tamaño del sistema.
Descifrar la interacción entre la vegetación y la dinámica de la erosión reciente (<10 a)
en grandes cuencas (>1000 km2 ) y sus variaciones espaciales es una potencial herramienta
para mejorar nuestra comprensión de los procesos involucrados, los que pueden incorporarse
a modelos de mayor escala en el tiempo y en el espacio, especialmente en regiones de altos
gradientes topográcos y de uso de suelo. La relación entre la erosión y la vegetación es
fundamental para estimar tasas globales de meteorización y su efecto en el ciclo del carbono
tanto orgánico como mineral (proveniente de las rocas, e.g., Smith et al., 2013). También es
relevante para la predicción de los posibles efectos de incendios forestales sobre la exportación
de sedimentos (e.g., Lamb et al., 2013) o el efecto del uso de suelo antropológico sobre la
movilización/jación de nutrientes en la cabecera de las cuencas (e.g., Oyarzún et al., 2007).
Sin embargo, esta interacción es difícil de abordar, principalmente porque ciertos procesos que
involucran a la vegetación disminuyen la erosión, como la capacidad de las plantas de retener
sedimentos en laderas incluso muy empinadas (e.g., DiBiase y Lamb, 2013), la protección
que ejerce la vegetación sobre el suelo, disminuyendo el impacto de la lluvia (e.g., Geddes y
Dunkerley, 1999) o la acción estabilizadora de las laderas que en general ejercen las raíces
de los árboles (e.g., Wu, 2013), pero otros procesos potencialmente incrementan la erosión,
como la acción desestabilizadora de la capa orgánica y/o de suelo en pendientes superiores
a cierto umbral (e.g., Vorpahl et al., 2013) que facilita la ocurrencia de deslizamientos, o el
incremento de las tasas de meteorización con la actividad biológica (e.g., Lucas, 2001). Sin
embargo, para que la pérdida de masa de la cuenca sea efectiva, el factor clave es que se
establezca conectividad entre las laderas y la red uvial a través de la escorrentía (Mohr et
al., 2013).
Algunos parámetros que pueden ser condicionantes de la conectividad son la densidad de
la cobertura vegetal y el manejo antropológico de las cuencas. Haciendo uso de observaciones
satelitales y el monitoreo hidrológico disponible, en el presente estudio analizamos la evolución
en el tiempo del porcentaje de vegetación en conjunto con datos de descarga sedimentaria

2
suspendida (Qs [kg/s]) en el río Biobío y sus subcuencas principales (áreas >1000 km ) para
evaluar si el porcentaje de vegetación verde es un buen parámetro para analizar la dinámica
de la erosión. La región de estudio está localizada en una zona de transición mediterránea
a templada en el anco oeste de Los Andes centro-sur (e.g., Christie et al., 2011) y su
densidad de vegetación está controlada por el uso antropológico del suelo (Aguayo et al.,
2009; Lara et al., 2012) y por variaciones intra anuales de las precipitaciones y de las especies
caducifolias (Fig. 4.1). La serie de tiempo analizada utiliza datos disponibles derivados de
imágenes satelitales con resolución temporal de 10 días y espacial de 1 km (Baret et al.,
86
3
2013) y la base de datos diaria de caudal (Q[m /s]), concentración de sedimentos suspendidos
(Cs [mg/l]) y precipitación (P [mm]) de la DGA para el período 1999-2006.
2007
a 1979
Km b 50
Km
100
Desembocadura
-36°
Puente
Perales
-37°
Tijeral Rucalhue
Llanquen -38°
-38°
2000
-40° c 50
Km
Desembocadura
-74° -72°
Puente
Perales
-37°
Land use
Rucalhue
Native forest Tijeral
Shrubland and steppe

Llanquen -38°
Forest plantation
Agriculture
Water, snow and no vegetation -73° -72° -71°
Urban area
Dec 2000 May 2000 Fcover (%)

0 - 7.2
d e 7.3 - 16.4
Desembocadura Desembocadura
-37° 16.5 - 27.2

Puente
Perales
Puente 27.3 - 38.4
Perales Rucalhue
Tijeral Rucalhue
Tijeral 38.5 - 49.2
Llanquen -38° 49.3 - 59.6
Llanquen 59.7 - 69.2
69.3 - 78
100 100
Km Km -39° 78.1 - 87.2
87.3 - 100
-73° -72° -71° -73° -72° -71°
Figura 4.1: Variaciones temporales de la cobertura vegetal. (a) Uso de suelo en Chile centro-sur en 2007
(modicado de Lara et al., 2012). (b, c) Uso de suelo en parte de la cuenca del río Biobío en 1979 y 2000
(modicado de Aguayo et al., 2009). (d, e). Porcentaje de cobertura vegetal desde FCover para dos imágenes
del año 2000. Los cambios intra anuales en FCover pueden deberse a la presencia de especies caducifolias.
Se han superpuesto las estaciones hidrométricas usadas en este capítulo (círculos rojos) y sus áreas drenadas
(líneas negras).
87
4.2. Base de datos y métodos
4.2.1. Vegetación
La serie de tiempo de vegetación corresponde a FCOVER. La fracción de vegetación verde
en el nadir calculada por el proyecto CYCLOPES (Baret et al., 2007, 2013). Los productos
biofísicos de CYCLOPES son derivados de los sensores de vegetación a bordo de SPOT4 y
SPOT5. La serie de tiempo de FCOVER está compuesta por una imagen cada 10 días. El
algoritmo que genera cada imagen utiliza los datos de sensores de vegetación sin nubes para
un período de ±15 días. FCOVER tiene una resolución de 1 km en proyección plate-carrée y
se encuentra disponible en http://postel.obs-mip.fr/ y http://www.geoland2.eu/.
Utilizando todas las imágenes de FCOVER disponibles en formato HDF4, se construyeron
series de tiempo porcentaje de vegetación (Fig. 4.2) calculando el promedio y la desviación
estándar de los pixeles con datos válidos de FCOVER dentro de un área especíca (el área
drenada correspondiente a cada estación de monitoreo de Q y Cs ). Se seleccionaron cuatro
fechas del año para observar la distribución del porcentaje de vegetación dentro de la cuenca
a partir de los diagramas de caja de FCOVER y su variación interanual entre 1999 y 2006
(Figs. 4.34.7).
4.2.2. Descarga sedimentaria y precipitaciones
Los datos de Q y Cs fueron medidos en las estaciones sedimentométricas de la DGA descri-

tas en los capítulos 1 y 2. El valor de Qs fue calculado para cada día como el producto entre Q
y Cs . Las series de tiempo de precipitaciones fueron medidas en las estaciones meteorológicas
de la DGA cuya posición se indica en la gura 4.1d y e.
A partir de la serie de tiempo diaria de Qs

se calculó el promedio anual de la descarga
∗
sedimentaria (Qs a ), su valor normalizado por el promedio anual del período estudiado (Qs a )
y el promedio de Qs sobre el período de 30 días correspondiente a cada imagen de FCOVER
(Qsf ), valores utilizados en la Fig. 4.2. Los datos de la estación Tijeral de mayojunio de
1999 tienen un valor anómalo, tres órdenes de magnitud más altos que la tendencia de los
últimos 30 años (suplemento 3.2 del capítulo 2) que se interpretan como errores de muestreo,
por lo cual fueron excluidos del presente análisis.
88
a 99 00 01 02 03 04 05 06
0
184 Llanquen station 41 100
P(mm)
138 82 80
FCover[%]
Qs[kg/s]
60
92 123
40
46 164 20
0 0
b 99 00 01 02 03 04 05 06
0
412 Rucalhue station 48 100
P(mm)
309 96 80
FCover[%]
Qs[kg/s]
60
206 144
40
103 192 20
0 0
c 99 00 01 02 03 04 05 06
0
48 Tijeral station 42 100
P(mm)
36 84 80
FCover[%]
Qs[kg/s]
60
24 126
40
12 168 20
0 0
d 99 00 01 02 03 04 05 06
0
160 PuentePerales station 38 100
P(mm)
120 76 80
FCover[%]
Qs[kg/s]
60
80 114
40
40 152 20
0 0
e 99 00 01 02 03 04 05 06
0
1228 Desembocadura station 23 100
P(mm)
921 46 80
FCover[%]
Qs[kg/s]
60
614 69
40
307 92 20
0 0
Figura 4.2: Series de tiempo de descarga sedimentaria (Qs , en rojo), precipitaciones (celeste) y porcentaje
de vegetación (FCover, verde) dentro de las áreas drenadas de cada estación de monitoreo. La línea verde
continua representa el promedio del porcentaje de vegetación sobre la cuenca y la línea segmentada verde la
desviación estándar. Los máximos de Qs ocurren siempre en condiciones de mínima cobertura vegetal verde.
(a) Llanquén, (b) Rucalhue, (c) Tijeral, (d) Puente Perales y (e) Desembocadura
89
Autumn Winter
80
80
● ●
% valid data within basin % valid data within basin
16
16
0 25 50 75 100 0 25 50 75 100
14
14
60
60
Annual mean Qs [kg/s]

●
●
12
12
FCOVER [%]
FCOVER [%]
●
● ●
● ●
●
●
●
●
●
●
40
40
10
10
● ●
●
●
8
● ● ● ● ●
● ●
●
● ●
● ● ● ●
20
20
● ● ●
● ●
● ●
● ●
●
● ●
6
●
● ●
●
● ●
●
●
● ●
●
● ● ● ●
4
● ●
0
0
1999 2001 2003 2005 1999 2001 2003 2006
Spring Summer
80
80
● ●
16
16
0 25 50 75 100 0 25 50 75 100
14
14
60
60

12
12
FCOVER [%]
FCOVER [%]
40
40
● ●
10
10
●
● ●
● ● ●
● ● ●
●
●
●
●
●
●
●
●
● ●
● ●
● ● ● ●
● ● ● ●
● ● ● ●
● ● ● ● ●
● ● ● ●
● ● ● ● ●
8
8
● ● ● ●
● ● ● ●
● ● ● ●
● ● ● ●
● ● ● ●
20
20
● ● ●
● ●
● ●
● ●
● ●
● ●
●
6
6
● ● ●
●
●
● ●
● ●
4
4
● ●
0
1999 2001 2003 2005 1999 2001 2003 2005
Figura 4.3: Diagramas de caja con distribución de valores de FCover en la cuenca de Llanquén para cuatro
fechas del año (25 de marzo, 25 de junio, 25 de septiembre y 25 de diciembre). Los puntos negros son los
promedios. En rojo se muestran los promedios anuales de Qs .
4.3. Resultados
La gura 4.2 muestra la variabilidad intra anual del porcentaje promedio de vegetación
verde en las cuencas, P y Qsf . En ella se observa que los sedimentos suspendidos son ex-
portados de las cuencas principalmente en los eventos de mayores precipitación, siempre en
condiciones de bajo porcentaje de vegetación. Además, se observa que FCOVER tiene ciclos
muy regulares cada año, los cuales son diferentes en cuencas con distintos tipos de vegetación.
90
Autumn Winter
80
80
● ●
50
50
0 25 50 75 100 ● 0 25 50 75 100
●
● ●
60
60
●

●
●
40
40
● ●
● ●
● ● ●
● ●
● ●
FCOVER [%]
FCOVER [%]
● ●
●
●
● ●
●
●
●
40
40
●
30
30
● ●
●
● ●
● ● ●
● ● ●
●
●
●
● ●
●● ● ●
●
● ● ●
●
● ● ●
● ● ● ● ● ● ●
20
20
●
●
20
20
● ●
●
●
●
● ●
●
● ●
● ● ●
● ● ● ●
● ●
10
10
●
● ●
0
0
1999 2001 2003 2005 1999 2001 2003 2005
Spring Summer
80
80
● ●
50
50
0 25 50 75 100 ●
0 25 50 75 100
● ●
60
60
●

● ●
●
40
40
● ● ●
● ●
● ● ● ●
● ●
● ● ●
●
FCOVER [%]
FCOVER [%]
● ●
●
40
40
30
30
●
●
● ●
● ● ●
● ●
● ● ●
20
20
●
20
20
● ●
●
● ●
●
● ● ● ●
● ●
10
10
●
●
●
● ●
0
● ●
1999 2001 2003 2005 1999 2001 2003 2005
Figura 4.4: Diagramas de caja con distribución de valores de FCover en la cuenca de Rucalhue para cuatro
Para observar posibles tendencias interanuales en la evolución de la vegetación, se trazaron
diagramas de caja para una imagen al año en la misma fecha. Se escogieron las imágenes de
FCOVER del 25 de marzo, 25 de junio, 25 de septiembre y 25 de diciembre. Durante el período
observado (19992006), el porcentaje de vegetación verde en los meses de alta radiación
solar (primavera-verano) muestra una tendencia creciente en la mediana y el promedio para
todas las cuencas. Se utilizaron diagramas de caja para observar variaciones temporales en la
supercie total de baja vegetación, que podrían indicar la ocurrencia de tala rasa. En efecto,
en primavera y verano las cuencas con un mayor porcentaje de uso de suelo forestal (Tijeral
y Desembocadura) tienen una alta variabilidad interanual de sus distribuciones de FCOVER
bajo el primer cuartil (Figs. 4.5 y 4.7).
91
Autumn Winter
1.8
1.8
80
80
● ●
% valid data within basin % valid data within basin ●
●
●
● ● ● ●
1.6
1.6
0 25 ● 50 75 100 ●
●
●
●
●
0 25 ●
50 75 100 ●
● ● ●
● ●
● ● ●
60
60
● ●

● ● ●
● ●
● ●
● ● ●
● ● ● ●
● ●
● ● ● ●
● ● ●
1.4
1.4
● ● ●
FCOVER [%]
FCOVER [%]
● ● ●
● ● ● ●
● ●
● ●●● ●
●
●
●
●
●
●
● ●
● ● ●
●
● ●
● ●
● ●
40
40
● ●
● ● ●
● ●
●
●
1.2
1.2
●
● ●
● ●
●
●
● ●
●
● ● ●
●
● ●
●
●
●
20
20
1.0
1.0
●
●
●
●
● ●
0.8
0.8
●
●
● ●
0
0
● ●
1999 2001 2003 2005 1999 2001 2003 2005
Spring Summer
1.8
1.8
80
80
● ●
●
% valid data within basin % valid data within basin ●
● ● ●
● ●
● ● ●
● ● ●
● ● ● ● ●
● ● ● ●
● ● ● ● ●
1.6
1.6
0 ●
●
●
25 ●
●
●
50 75 100 ●
●
●
●
●
●
●
●
●
●
●
0 25 50 75 100
● ● ● ● ● ●
● ● ● ● ●
● ● ● ● ● ● ●
60
60
● ● ●

● ● ● ●
● ●
● ● ●
● ● ● ●
● ● ●
● ●
● ●
● 1.4
1.4
●
FCOVER [%]
FCOVER [%]
● ● ●
●
●
●
●
40
40
● ● ●
● ● ●
1.2
1.2
● ● ● ●
●
● ● ● ●
● ●
20
20
1.0
1.0
●
● ●
● ● ● ●
● ● ● ● ●
● ● ● ● ●
● ● ● ●
● ● ● ● ● ●
● ● ● ●
● ●
●
●
●
●
●
●
●
●
●
●
●
●
●
● ● ●
●
●
●
● ● ● ●
● ● ●
● ● ●
0.8
0.8
●
●
●
●
●
● ●
0
● ● ● ● ● ● ● ● ● ● ● ● ● ● ●
1999 2001 2003 2005 1999 2001 2003 2005
Figura 4.5: Diagramas de caja con distribución de valores de FCover en la cuenca de Tijeral para cuatro
Como el grueso de Qsf se observa durante el otoño e invierno austral (Fig. 4.2) y consi-
derando la mayor área de datos válidos en las imágenes de otoño que de invierno en la serie
de FCOVER, para evaluar una posible correlación entre la vegetación presente en la cuenca
y la exportación de sedimentos, se utilizaron las imágenes del 25 de marzo y el promedio

∗
anual de Qs de cada cuenca normalizados por su promedio (Qs a , Fig. 4.8). El resultado para
las dos cuencas de montaña (Llanquén y Rucalhue) que tienen una mayor pendiente y un
mayor porcentaje de vegetación nativa no muestra ninguna tendencia signicativa: en Llan-
quén no hay sucientes datos para proponer alguna inversión (sólo 4 puntos) y en Rucalhue
el modelo lineal tiene pendiente −0,04, R2 = 0,02 y p = 0,7. Para las cuencas con menor
pendiente regional y mayor supercie de plantaciones forestales y suelo agrícola, se obtuvo

∗
una correlación positiva pero de muy baja pendiente entre el porcentaje de vegetación y Qs a :
2 2
Tijeral 0,1 (R = 0,6, p = 0,04), Puente Perales 0,2 (R = 0,3, p = 0,13) y Desembocadura
92
0,3 (R2 = 0,6, p = 0,03).
Autumn Winter
80
80
● ●
14
14
0 25 50 75 100 ● 0 25 50 75 100 ●
12
12
60
60

10
10
FCOVER [%]
FCOVER [%]
● ●
8
40
40
●
●
● ●
● ● ● ●
6
● ● ●
● ●
● ● ●
20
20
●
● ●
4
● ● ●
● ●
●
●
● ●
2
● ● ● ●
0
0
●
1999 2001 2003 2005 1999 2001 2003 2005
Spring Summer
80
80
● ●
14
14
0 25 50 75 100 ● 0 25 50 75 100 ●
12
12
60
60

●
10
10
FCOVER [%]
FCOVER [%]
● ● ●
●
8
8
40
40
● ● ●
● ● ● ●
● ●
6
6
●
● ●
●
● ● ● ●
● ● ●
20
20
4
4
● ●
2
2
● ● ● ●
0
● ● ●
1999 2001 2003 2005 1999 2001 2003 2005
Figura 4.6: Diagramas de caja con distribución de valores de FCover en la cuenca de Puente Perales para
cuatro fechas del año (25 de marzo, 25 de junio, 25 de septiembre y 25 de diciembre). Los puntos negros son
los promedios. En rojo se muestran los promedios anuales de Qs .
4.4. Discusión y conclusiones
Las principales observaciones realizadas en el presente capítulo son (1) que durante el
período de observación existe un aumento sostenido del porcentaje de vegetación verde de
primavera y verano, considerando el promedio y la mediana de FCOVER dentro de las
cuencas (2) que cada año, el período de mayor volumen de Qs exportado desde las cuencas
coincide con los días de menor porcentaje de vegetación verde y (3) que el aumento en el
porcentaje de vegetación no tiene asociada una disminución o aumento signicativo en la
descarga sedimentaria anual.
93
Autumn Winter
80
80
● ●
% valid data within basin ●
120
120
● ●
●
● ●
● ●
● ● ● ● ● ● ●
0 25 ● 50 75 100
●
● ●
●
●
●
●
0 ●
●
25 ●
●
50 75 100 ●
● ● ● ●
● ● ● ●
● ● ● ● ● ●
60
60
● ● ● ● ● ●
100
100

● ● ● ● ● ● ●
● ● ● ● ●
● ● ● ●
● ● ● ● ●
● ● ● ● ● ●
● ● ● ● ●
● ● ● ● ● ●
● ● ● ● ●
● ● ● ● ● ●
FCOVER [%]
FCOVER [%]
● ● ● ● ● ●
● ● ● ● ● ●
● ● ● ● ● ● ●
● ● ● ● ● ●
● ● ●
●
● ● ● ● ●
80
80
● ● ● ● ●
● ● ● ●
● ● ●
● ● ● ●
● ● ●
40
40
● ●
● ● ●
● ●
● ● ●
●
● ●
60
60
● ●
● ● ●
● ●
● ●
● ● ●
●
20
20
●
40
40
●
●
● ● ●
● ● ●
20
20
● ● ● ●
●
●
●
● ● ●
● ●
0
0
● ● ●
1999 2001 2003 2005 1999 2001 2003 2005
Spring Summer
80
80
● ●
●
% valid data within basin
120
120
● ●
● ● ●
● ● ●
● ● ● ●
● ● ● ● ●
● ● ● ● ●
● ● ● ● ● ●
0 ●
●
●
25 ●
●
●
50 75 100 ●
●
●
●
●
●
●
●
●
●
●
●
0 25 50 75 100
● ● ● ● ●
● ● ● ● ●
● ● ● ● ● ●
60
60
● ● ● ● ●
100
100

● ● ● ● ● ●
● ● ● ● ●
● ● ● ● ●
● ● ● ●
● ● ● ●
● ● ●
● ●
● ●
●
FCOVER [%]
FCOVER [%]
● ● ● ●
80
80
●
● ●
40
40
● ●
●
● ●
● ●
60
60
●
● ●
●
● ●
20
20
40
40
● ●
●
●
●
● ●
●
● ●
● ● ● ● ● ● ●
● ● ● ● ● ● ●
● ● ● ● ● ● ● ●
● ● ● ● ● ● ● ●
20
20
●
●
● ●●●●● ●
● ●●
●
● ●
●
●
●
●
●
●
●
●
● ●●● ●
●
●
●
●
●
●
●
●
●
●
●
●
●
●
●
● ● ● ● ● ● ● ● ● ● ● ●
● ● ● ● ● ● ● ● ● ● ● ● ● ● ●
● ● ● ● ● ● ● ● ● ● ● ●
● ●
0
● ● ● ● ● ● ● ● ● ● ● ● ● ● ●
1999 2001 2003 2005 1999 2001 2003 2005
Figura 4.7: Diagramas de caja con distribución de valores de FCover en la cuenca de Desembocadura para
cuatro fechas del año (25 de marzo, 25 de junio, 25 de septiembre y 25 de diciembre). Los puntos negros son
los promedios. En rojo se muestran los promedios anuales de Qs .
En Chile centro-sur se ha observado una tendencia decadal decreciente en las precipita-
ciones y el caudal (Rubio-Alvarez y McPhee, 2010). Desde esta perspectiva, un aumento en
el porcentaje de vegetación verde en las cuencas es contraintuitivo y puede asociarse direc-
tamente a la expansión de plantaciones forestales sobre suelo agrícola documentada en la
región del Biobío por Aguayo et al. (2009). Las especies plantadas (Pinus radiata D. Don y
Eucalyptus spp ) y el manejo forestal (ciclos de rotación cortos, i.e., árboles en etapa de creci-
miento con altas tasas de evapotranspiración) demandan una gran cantidad de agua y varios
estudios recientes han demostrado que tienen un efecto muy signicativo en la reducción de
la humedad del suelo y el caudal base durante la estación seca a diferentes escalas espaciales
(∼1100 km2 , Lara et al., 2009; Little et al., 2009; Huber et al., 2010). Si el incremento de
biomasa verde observado corresponde mayoritariamente a plantaciones forestales, su crecien-
te demanda de agua puede tener un efecto de gran escala sobre la hidrología e hidrogeología
94
3.0
Llanquen
Rucalhue
Annual mean Q*s

Tijeral
2.0
P_Perales
Desemb.
1.0
0.0
15 20 25 30 35
Autumn FCover [%]
∗
Figura 4.8: Diagrama de correlación entre el porcentaje de vegetación al comienzo del otoño y Qs a . Los
símbolos vacíos son de las dos estaciones con mayor vegetación nativa. Los símbolos sólidos tienen una mayor
área de uso de suelo forestal y agrícola (Fig. 4.1).
regional. Recientes desarrollos metodológicos sobre imágenes LANDSAT (Braun et al., 2014)
constituyen potentes herramientas para abordar las altas tasas de expansión de plantaciones
forestales (e.g., Echeverría et al., 2006; Little et al., 2009). Ya que FCOVER parece seguir un
patrón regular, posiblemente determinado por el tipo de vegetación especíco de la cuenca,
la serie de tiempo aquí presentada puede incorporarse a la elaboración de una cronología
de alta resolución temporal de cambios de uso de suelo que permita cuanticar su impacto
hidrológico e hidrogeológico.
El hecho de que los peak anuales de Qs coincidan temporalmente con los mínimos de ve-
getación sugiere que la relación entre ambos parámetros es estrecha, pero no necesariamente
hay una causalidad entre ellos, ya que los ciclos intra anuales de las especies caducifolias
disminuyen el porcentaje de biomasa verde en el otoño e invierno sin que necesariamente dis-
minuya la vegetación y aumente la conectividad. Por otra parte, el aumento en el porcentaje
de vegetación de las guras 4.3 a 4.7 claramente no ha disminuido el ujo de sedimentos. Por
el contrario, la Fig. 4.8 muestra correlaciones de muy baja pendiente pero positivas entre el
∗
porcentaje de vegetación en otoño y Qs a en las tres de las cuencas con mayor uso de suelo
forestal y agrícola.
A partir de lo anterior, es posible concluir que el porcentaje de vegetación verde por sí
95
sólo no es un buen parámetro para explicar la erosión de una cuenca en esta región. Un
mismo rango de FCOVER agrupa diferentes tipos de vegetación y, por lo tanto, diferentes
usos de suelo, en particular, bosques y plantaciones forestales, que tienen distintos efectos
sobre la exportación de sedimentos (e.g., Oyarzún et al., 2011). En los bosques, las dinámicas
biofísicas de los ecosistemas varían con las especies vegetales, modicando la distribución del
agua disponible en las cuencas en el tiempo y en el espacio (e.g., Lara et al., 2009). Por lo
tanto, el tipo de vegetación y el manejo antropológico del uso de suelo son determinantes
en las tasas de meteorización y de producción de suelo en las laderas. En las plantaciones
forestales el ujo de sedimentos depende mucho del manejo que se haga de ellas (e.g., Mohr et
al., 2014), sin embargo, en todas ellas hay caminos forestales que conectan áreas desprovistas
de vegetación (Fig. 4.9), que facilitan la conectividad entre las laderas y la red uvial (Mohr
et al., 2013) y que difícilmente son detectadas mediante FCOVER. Sin embargo, FCOVER
muestra variaciones intra e inter anuales del total de vegetación verde, lo cual es una poten-
cial herramienta para establecer variaciones de la vegetación en el tiempo si se utiliza con
clasicaciones de uso de suelo.
Figura 4.9: Caminos forestales en cuenca del río Vergara (estación Tijeral). Vista en planta modicada de
imagen de google.
El hecho de que el incremento en la vegetación no esté produciendo una disminución en el
ujo anual de sedimentos suspendidos contradice el criterio usado en algunas aproximaciones
cualitativas de la erosión, que proponen una erosión no aparente en todas las zonas que tienen
vegetación, sin distinción del manejo forestal de ellas (e.g., CIREN, 2010).
96
Capítulo 5
Erosión de cuenca en el largo (ka) versus

el corto (10 a) plazo en el río Biobío:
Posibles contoles
Proyecto de artículo: Millennial versus decennial catchment erosion

at the Biobío river: possible controls
Resumen
Conocer la magnitud de la erosión en cuencas uviales a escala de miles de años permite
establecer los niveles de referencia con que ha operado el sistema geomorfológico. Estos nive-
les de referencia pueden usarse para ser comparados con la erosión de cuenca en períodos más
recientes, de manera de constreñir las variaciones en el tiempo de los procesos que la contro-
10
lan. A partir de concentración de Be en arenas uviales y concentraciones de sedimentos
suspendidos en el río Biobío, se presentan tasas de erosión milenarias (0,01 a 0,17 mm/a) y
decadales (0,005 a 0,04 mm/a) para varias subcuencas situadas en distintos contextos topo-
grácos de Chile centro-sur. A partir de los resultados obtenidos se proponen cuatro posibles
explicaciones para la distribución de la erosión observada y sus cambios en el tiempo.
97
5.1. Introducción
Los procesos involucrados en la producción y transporte de sedimentos en una cuenca
uvial ocurren a múltiples escalas de tiempo. El alzamiento o subsidencia en porciones de
una cuenca y los cambios en la movilización de sedimentos inducidos por ciclos glaciares
actúan a escalas de 104 − 106 años (e.g., Dosseto et al., 2010). Otros procesos, como los
terremotos e incendios forestales ocurren en escalas de segundos a años, teniendo intervalos
de recurrencia cuya escala es de órdenes entre 101 y 103 años (e.g., Comte y Pardo, 1991;
Abarzúa y Moreno, 2008). Además, ciertos procesos pueden ser descritos como continuos y
estables, como la meteorización y la escorrentía o el transporte de sedimentos en un río de
lecho aluvial, mientras que otros son de naturaleza episódica. Por lo tanto, la distribución
espacial de la erosión es variable en el tiempo y esta variabilidad depende de la contribu-
ción relativa de eventos moderados y estables versus los grandes y catastrócos. También
depende de la capacidad del sistema geomorfológico de alcanzar cierto equilibrio luego de
una perturbación sobre las condiciones climáticas o tectónicas (e.g., Carretier et al., 2014).
Una vez conocida la distribución de la erosión es posible proponer e investigar qué factores
la controlan (e.g., Burbank et al., 2003; Dadson et al., 2003). Sin embargo, la tasa de erosión
siempre es relativa a la escala especíca de tiempo en la que se observa, la cual determina
qué procesos están involucrados en su observación y cuales son los dominantes en términos
de volumen de material exportado por las cuencas. Por ejemplo, las grandes diferencias en
tasas de erosión que integran distintas escalas de tiempo entre 101 y 106 años en cuencas
montañosas fueron interpretadas por Kirchner et al. (2001) como el resultado de un ujo
sedimentario controlado por eventos episódicos y catastrócos.
Las actividades antropológicas tienen un efecto creciente sobre la movilización de sedi-
mentos en la supercie de la tierra (Hooke, 2000), particularmente en zonas con altas tasas
de cambio de uso de suelo, siendo notables contribuyentes a la exportación de sedimentos
desde los continentes hacia los océanos (Syvitsky y Milliman, 2007). Una forma de compren-
der la inuencia antropológica en la erosión es diferenciándola de un nivel natural a través
la cuanticación de tasas de erosión largo plazo. Actualmente, es posible cuanticar este ni-
vel de base de la erosión midiendo isótopos cosmogénicos en la arenas de los ríos (e.g., von
Blanckenburg, 2005). Este método permite estimar una tasa de erosión integrada sobre un
periodo de miles de años que puede compararse con cuanticaciones de la erosión de escalas
más breves (e.g., Hewawasam et al., 2003; Vanacker et al., 2007; Carretier et al., 2013).
En Chile centro-sur el cambio de uso de suelo ha ocurrido a altas tasas desde hace 0,5 ka
98
(Armesto et al., 2010; Lara et al., 2012). El efecto de algunos de estos cambios sobre la erosión
ha sido cuanticado en una cuenca lacustre de ∼ 4,5 km2 situada en el anco oeste de la
Cordillera de la Costa (Fig. 5): Cisternas y Araneda (2001) calcularon la tasa de sedimenta-
210 137
ción entre 1883 y 1996 en base a la geoquímica de un testigo de 20 cm ( Pb y Cs), su
contenido en polen de P. Radiata y la susceptibilidad magnética. Sus resultados indican un
notorio incremento en la sedimentación de minerales ferromagnesianos (más pesados y difí-
ciles de movilizar) a partir de los años sesenta y una tendencia creciente a la sedimentación
durante la segunda mitad del siglo XX. El hecho de que durante el mismo período no haya
ocurrido un aumento de las precipitaciones, le proporcionaron a Cisternas y Araneda (2001)
argumentos a favor de una causalidad entre el reemplazo de bosque nativo por plantaciones
forestales y la erosión. Esto es posible ya que las prácticas forestales tienden a aumentar la
conectividad en las laderas, facilitando la movilización de sedimentos.
En los capítulos anteriores de esta tesis se abordó la variabilidad en el tiempo del ujo
sedimentario y los factores asociados sobre un período <30 años en la cuenca del Biobío,
situada en una región húmeda y de baja variabilidad climática (si se compara con zonas
áridas e hiperáridas del mismo margen andino, Carretier et al., 2013). Uno de los principales
resultados es que el grueso del ujo sedimentario está dominado por eventos de mediana
magnitud, tanto en las subcuencas de montaña como de piedemonte. Si se amplía el rango de
tiempo de observación de la erosión a miles de años ¾cómo cambia la magnitud la erosión? Si
esta cambia ¾puede una mayor contribución de eventos extremos, pero infrecuentes, explicar
la distribución espacial de la erosión? Procesos como el uso antropológico del suelo en los
últimos 500 años ¾pueden explicar similitudes o diferencias en la distribución de la erosión a
distintas escalas temporales?
Para abordar estas interrogantes, en el presente capítulo se presentan tasas de erosión de

10
cuenca obtenidas a partir de concentraciones de Be en sedimentos uviales (εBe ), las cuales
se comparan con tasas de erosión calculadas a partir de la descarga sedimentaria suspendida
(εQs ). Además, debido a que algunos parámetros morfométricos pueden explicar el primer
orden de la distribución de la erosión, observamos εBe en cuencas de similar tamaño y litología

(Fig. 5.1), pero de diferentes pendientes promedio (Fig. 5.2). Como las distribución observada
puede depender de la variabilidad climática y de cambios en la vegetación desde el Pleistoceno
tardío, se proponen algunas perspectivas de investigación futuras para comprender mejor los
procesos involucrados.
99
0 20 40 km Bbd2
72°W 71°W
37°S Mi2
LC1
C3
C1VC1 Ca1
D1
Bbm1 H1
38°S R1
70°W Qaf
Qg
QPvbi
Qm
QPva
30°S
PMvbi
Maf MOv-s MOvb Mig
KsPav-s
Kig
Jm Jv-s Jig
Structures
Trafl
CPg Pzm
Figura 5.1: Ubicación y geología regional de la zona de estudio (modicado de SERNAGEOMIN, 2002).
Depósitos y rocas sedimentarias Qaf: Depósitos uviales, aluviales, coluviales y de remociones en masa cua-
ternarios; Qg: Depósitos morrénicos, uvioglaciares y glaciuviales; Qm: Depósitos litorales cuaternarios;
Maf: Secuencias sedimentarias de abanicos aluviales y uviales miocenas; Jm: Secuencias sedimentarias ma-
rinas litorales o de plataforma jurásicas; Tra: Secuencias sedimentarias continentales aluviales, uviales
y lacustres triásicas superior; Secuencias volcano-sedimentarias MOv-s: Secuencias volcano-sedimentarias
oligo-miocenas (Fm. Cura-Mallin); KsPav-s: Depósitos volcano-sedimentarios cretácico sup-paleógenos; Jv-s:
Secuencias volcánicas continentales y marinas jurásicas; Rocas volcánicas QPvbi: Basaltos, andesitas ba-
sálticas y dacitas plio-cuaternarias; QPva: Depósitos de avalanchas volcánicas, volcánicos piroclásticos y
riolitas plio-cuaternarios; PMvbi: Depósitos volcánicos piroclásticos, andesitas, andesitas basálticas y dacitas
mio-pliocenas; MOvb: Brechas, depósitos volcánicos piroclásticos y basaltos oligo-miocenos; Rocas intrusivas
Mig: Granitoides miocenos; Kig: Granitoides cretácicos; Jig: Gabros y granitoides jurásicos; CPg: Granitoides
carbonífero-pérmicos; Rocas metamórcas Pzm: Complejo metamórco silúrico?-carbonífero (pizarras, litas,
metareniscas) y asociación metasedimentaria devónico-carbonífera (metareniscas, litas, marmol y chert).
100
a b
!
Erosion Rates [mm/a] 50
<0.01 km
0.01 - 0.02
0.02 - 0.03
0.03 - 0.04
0.04 - 0.05
0.05- 0.06
0.06 - 0.07
0.07 - 0.08
0.08 - 0.09
0.09 - 0.10
0.10 - 0.11
0.11 - 0.12
0.12 - 0.13
0.13 - 0.14
0.14 - 0.15
0.15 - 0.16
50
0.16 - 0.17 km
0.00 0.00 0.05 0.05 0.10 0.10 0.15 0.15
0.00 0.00 0.05 0.05 0.10 0.10 0.15 0.15

c ● ● d ● ●
rate [mm/a]
rate [mm/a]
● ● ● ●
Be Samples
rate [mm/a]
rate [mm/a]
Bbm1
Erosion
Erosion
●
●
VC1
● ●
LC1
Erosion
Erosion
●
● ● ●
● ●
●
●
● ● Bbd2
D1
● ● ● ● ●
Small catch.
● ● ● ●
● ●
Lithology mask
4 6 8 10 12 14 16 18 100 200 300 400 500
Qz in rocks
4 6 8Mean
10slope
12[Deg]
14 16 18 100 200 300mean
Catchment 400 500
incision ! Qz perc
Mean slope [Deg] Catchment mean incision Only granitoids
e f
0.00 0.00 0.05 0.05 0.10 0.10 0.15 0.15
0.00 0.00 0.05 0.05 0.10 0.10 0.15 0.15
● ● ● ●
rate [mm/a]
rate [mm/a]
● ● ● ●
rate [mm/a]
rate [mm/a]
Erosion
Erosion
● ●
● ●
● ● ● ●
Erosion
Erosion
● ●
● ● ● ●
● ● ● ●● ● ● ●
● ●
● ● ● ● ● ● ● ●
● ●
● ●
0.2 0.4 0.6 0.8 1.0 1.2 6 8 10 12 14 16 18
0.2 0.4 0.6

Drainage mean0.8 1.0
slope [Deg] 1.2 6 Hillslope
8 10
mean12slope
14[Deg]
16 18
Drainage mean slope [Deg] Hillslope mean slope [Deg]

Figura 5.2: Tasas de erosión de cuenca y morfometría.(a) Distribución de las tasas de erosión de cuenca
obtenidas para la máscara litológica 2. Las cuencas con contorno rojo son las que drenan principalmente
rocas graníticas. (b) Distribución de pendientes en las cuencas estudiadas, calculadas desde el modelo de
elevación SRTM. (c-f ) Diagramas de correlación entre cuatro parámetros morfométricos y las tasas de erosión
de largo plazo. Los símbolos distinguen los tres modelos de producción que usan distintas máscaras litológicas
y los colores distinguen las cuencas que drenan principalmente rocas graníticas (rojo) y las que drenan áreas
similares a las estaciones hidro-meteorológicas para las que se calcularon tasas de erosión de corto plazo.
101
5.2. Métodos
5.2.1. Isótopos cosmogénicos en el estudio de tasas de erosión inte-
grada de cuenca
La radiación cósmica secundaria, generada por una cascada de reacciones entre la radiación
cósmica y la atmósfera, produce isótopos cosmogénicos en los minerales terrestres (TCN, Lal,
1991) debido la espalación de neutrones, la captura de muones negativos y las reacciones
inducidas por muones rápidos (e.g., Gosse y Phillips, 2001). Los neutrones son partículas de
alta energía, responsables de una alta producción de TCN, pero cuya acción se atenúa en
pocos metros bajo la supercie, mientras que los muones son partículas de baja reacción con
la materia y por tanto, baja producción, pero capaces de penetrar profundamente la supercie
de la tierra y producir TCN durante largos períodos. Por lo tanto, la producción del isótopo
en profundidad tiene asociado un largo de atenuación diferente para cada partícula (Λn , Λµs
y Λµf [g/cm2 ] para neutrones, muones negativos y muones rápidos, respectivamente) (e.g.,
Braucher et al., 2003).
La tasa de producción de TCN, P [atomosg −1 a−1 ] depende del ujo de radiación cósmica,
la cual aumenta con la latitud, ya que el campo magnético terrestre la desvía hacia los polos
(Lal, 1991; Gosse y Phillips, 2001), aumenta con la elevación, ya que disminuye la atenuación
atmosférica (Lal, 1991; Stone, 2000) y disminuye con la sombra topográca (e.g., Dunne et
al., 1999).
Si se asume una radiadión cósmica continua en el largo plazo, desde que un mineral
−1
terrestre comienza a recibirla, la concentración de sus isótopos cosmogénicos (C[atomosg ])
es función del tiempo y la tasa de erosión (ε[mm/a]) hasta alcanzar estabilidad isotópica. A
partir de entonces, la concentración es inversamente proporcional a ε (Lal, 1991).
C = P/(λ + ρε/Λ) (5.1)
donde ρ = 2,6 gcm−3 es la densidad de las rocas silicatadas y λ es la constante de de-
sintegración del isótopo. En esta aproximación, el largo plazo se dene como un período
t >> Tef f , donde Tef f es el tiempo necesario para remover un largo de atenuación efectivo
∗
Z = Λn /ρ ∼ 60cm y es inversamente proporcional a ε.
A partir de la concentración de isótopos cosmogénicos en sedimentos uviales, puede
calcularse una aproximación a la tasa de erosión de cuenca (e.g., Brown et al., 1995; Granger
et al., 1996; Schaller et al., 2001; von Blanckenburg, 2005) que asume que los minerales
102
presentes en los sedimentos constituyen un agregado de granos provenientes de toda el área
aguas arriba de la estación de muestreo y que en las laderas de la cuenca se ha alcanzado
estabilidad isotópica y, por lo tanto, se puede aplicar la ecuación 5.1.
En una cuenca en equilibrio, aunque esta sea grande, la adquisición de TCN en un clasto
durante su transporte por el río es despreciable respecto a la concentración que fue adquirida
por sus minerales durante su exhumación en las laderas. Si la cuenca está en agradación,
los sedimentos en transporte adquieren cierta concentración de TCN en función creciente
respecto a su tamaño de clastos (Carretier et al., 2009b). Por esto y para asegurar que la
muestra de sedimentos constituye una buena mezcla de material proveniente de toda la cuenca
y de distintos procesos de ladera, se utilizan arenas uviales de tamaño de grano 0,5 − 1 mm

(Aguilar et al., 2014).
Al aplicar esta metodología, la denición implícita de la tasa de erosión de la cuenca es
el volumen medio de material erodado por unidad de tiempo normalizado por el área de la
cuenca que contribuye con sedimentos. Esta denición implica una simplicación del sistema
geomorfológico a una unidad de supercie que se erosiona de manera continua en el tiempo.
Esta aproximación se valida considerando una escala de tiempo que es mucho mayor que
la recurrencia de los procesos de erosión en las laderas y no necesariamente implica que la
erosión tiene que ser estable y uniforme en cada punto de la cuenca (Yanites et al., 2009).
Una de las suposiciones que suele asumirse en el cálculo de tasas de erosión de cuenca
con TCN es que el mineral blanco (en este trabajo, cuarzo) se encuentra homogéneamente
distribuido en las diferentes litologías de la cuenca y todas las litologías se erosionan en igual
proporción (e.g., von Blanckenburg, 2005, y referencias ahí contenidas). Esta condición es
difícil de encontrar en sistemas naturales. Pero si en el cálculo de P se ponderan los resultados
de cada punto de la cuenca de acuerdo al porcentaje de cuarzo de su litología puede reducirse
este sesgo, aunque si la distribución de la erosión se correlaciona con cambios en la litología,
esta ponderación también puede aumentar el sesgo (Carretier et al., en revisión).
5.2.2. Estaciones de muestreo, preparación de muestras y análisis
En este trabajo se muestrearon arenas uviales en 11 sitios ubicados dentro de la cuenca
del Biobío (Fig. 5.1). Se escogieron estaciones de muestreo cuyas áreas drenadas pueden
clasicarse en dos tipos (Fig. 5.2) (1) cuencas grandes (∼1.00024.000 km) cuya distribución
es comparable con las áreas que drenan a las estaciones sedimentométricas de la DGA y (2)
103
cuencas pequeñas (∼140740 km2 ) que drenan principalmente rocas graníticas y tienen áreas
similares pero pendientes variables. Todas las cuencas tienen un área superior a 100 km2 ,
permitiendo una adecuada representación de los procesos de ladera en cuencas cuya erosión
puede estar controlada por deslizamientos (Yanites et al., 2009).
En cada estación de muestreo se tomaron c.a. 5 kg de arenas del lecho del río en diferentes
zonas del río separadas por varios metros entre sí. En los casos en que no se consiguieron
muestras secas, estas fueron secadas en hornos del EULA (Universidad de Concepción).
Se separó la fracción 0.5-1 mm y se extrajeron los minerales magnéticos (Laboratorio de

10
separación de minerales del Dpto. de Geología de la Universidad de Chile). La razón Be/9 Be
de los granos de cuarzo fue obtenida en el Cerege (Francia) usando el procedimiento descrito
por von Blanckenburg et al. (1996) y calibrados con el material de referencia estándar 4325
del Instituto Nacional de Estándares y Tecnología (Francia) usando un valor asignado de
2,79 ± 0,03 × 10−11 (Nishiizumi et al., 2007).
10
La tasa de producción de Be de cuenca fue calculada como el promedio de P obtenida en
cada píxel del modelo digital de elevación SRTM usando el modelo de producción de Stone
(2000). P fue ponderada por un factor de corrección por sombra topográca entre 0 y 1 usando
el método de Codilean (2006). Se utilizaron tres aproximaciones para disminuir el sesgo por
variaciones litológicas en el contenido de cuarzo usando máscaras de acuerdo a la litología
del mapa 1:1.000.000 (SERNAGEOMIN, 2002): máscara 1, considerando en igual proporción
todas las litologías que contienen cuarzo, máscara 2, calculando la proporción relativa de
Pn
cuarzo de cada píxel dada por χi / 1 χi , donde χi es el porcentaje de cuarzo en el píxel iyn
es el número de pixeles (Safran et al., 2005) y máscara 3, considerando sólo rocas graníticas
(tabla 5.1). Para la máscara 2 se utilizó la siguiente proporción de cuarzo por litología:
rocas graníticas 25 %, rocas volcánicas riolíticas 5 %, rocas detríticas indiferenciadas 5 %,
ignimbritas y formación Cura-Mallin 2 %, otras litologías 0 % (equivalentes a las proporciones
utilizadas por Carretier et al., 2013).
Una vez obtenidas las tasas de producción de cuenca, se calcularon las tasas de erosión
considerando la componente muogénica (Carretier et al., 2014):
Λn f n P Λµs fµs P Λµf fµf P

εBe = + + (5.2)
ρN ρN ρN
104
Tabla 5.1: Ubicación de estaciones de muestreo y descripción de las tres máscaras litológicas utilizadas para
el área drenada.
Sample Lat Lon Catch. Lithologic mask Catchment code Mask

area description area
[km ]
2
[km2 ]
Bbd2 -36.82 -73.08 24195.2 Qz present in rocks (1-0) Be_Bbd2_Qz 15992.2
Qz in rocks (percent) Be_Bbd2_QzPerc 15992.2
Only granitoids Be_Bbd2_Gr 6198.16
Bbm1 -37.67 -72.01 7615.77 Qz present in rocks (1-0) Be_Bbm1_Qz 4238.01
Qz in rocks (percent) Be_Bbm1_QzPerc 4238.01
Only granitoids Be_Bbm1_Gr 941.657
C1 -37.47 -72.75 735.456 Qz present in rocks (1-0) Be_C1_Qz 738.453
Qz in rocks (percent) Be_C1_QzPerc 738.453
Only granitoids Be_C1_Gr 726.999
C3 -37.41 -72.80 358.927 Qz present in rocks (1-0) Be_C3_Qz 355.72
Qz in rocks (percent) Be_C3_QzPerc 355.72
Only granitoids Be_C3_Gr 357.08
D1 -37.59 -72.15 1098.15 Qz present in rocks (1-0) Be_D1_Qz 733.058
Qz in rocks (percent) Be_D1_QzPerc 733.058
Only granitoids Be_D1_Gr 284.869
VC1 -37.50 -72.67 4397.21 Qz present in rocks (1-0) Be_VC1_Qz 3842.55
Qz in rocks (percent) Be_VC1_QzPerc 3842.55
Only granitoids Be_VC1_Gr 1514.28
LC1* -37.27 -72.72 4628.53 Qz present in rocks (1-0) Be_LC1-L_Qz 1594.53
Qz in rocks (percent) Be_LC1-L_QzPerc 1594.53
Only granitoids Be_LC1-L_Gr 876.614
Ca1 -37.49 -71.82 144.293 Qz present in rocks (1-0) Be_Ca1_Qz 141.118
Qz in rocks (percent) Be_Ca1_QzPerc 141.118
Only granitoids Be_Ca1_Gr 99.5652
R1 -37.99 -72.82 604.657 Qz present in rocks (1-0) Be_R1_Qz 593.349
Qz in rocks (percent) Be_R1_QzPerc 593.349
Only granitoids Be_R1_Gr 487.555
H1 -37.71 -71.81 344.258 Qz present in rocks (1-0) Be_H1_Qz 330.925
Qz in rocks (percent) Be_H1_QzPerc 330.925
Only granitoids Be_H1_Gr 234.001
Mi2 -37.05 -72.86 236.577 Qz present in rocks (1-0) Be_Mi2_Qz 234.949
Qz in rocks (percent) Be_Mi2_QzPerc 234.949
Only granitoids Be_Mi2_Gr 235.086
Llanquén -38.20 -71.30 2892.44 All DGA_Ll 2892.44
Rucalhue -37.71 -71.91 6795.42 All DGA_R 6795.42
Tijeral -37.73 -72.62 2363.91 All DGA_T 2363.91
P.Perales -37.23 -72.53 2622.15 All DGA_PP 2622.15
Desemb. -36.84 -73.09 22756.2 All DGA_D 22756.2
*Laja lake and its tributaries excluded
105
donde N [atomos/g] es la concentración medida de 10 Be por masa de cuarzo y Λn = 160 g/cm2 ,
fn = 0,9785, Λµs = 1500 g/cm2 , fµs = 0,0015, Λµf = 5300 g/cm2 y fµf = 0,0065 son los largos
de atenuación y proporciones de producción en supercie de neutrones, muones negativos y
muones rápidos (Braucher et al., 2003). 1σ de incerteza es calculada propagando la incerteza
analítica de N y 15 % de incerteza asumida para la tasa de producción.
5.2.3. Tasas de erosión a partir de sedimentos suspendidos
Usando la misma metodología de Pepin et al. (2010), se calcularon tasas de erosión de
cuenca a partir de los datos diarios de concentración de sedimentos suspendidos (Csi [mg/l])
3
y caudal (Qi [m /s]) de las estaciones de la DGA indicadas en la Fig. 5.3, promediando la
1
Pn
descarga diaria de sedimentos suspendidos Qs [M/T ] = n 1 Qi ×Csi , donde n es el número de
registros previo a la construcción de las represas Pangue y Ralco (1996) para Desembocadura
y Rucalhue y antes de la represa Rucúe (1998) para Puente Perales (tabla 2, Tolorza et al.,
2014). La tasa de erosión de corto plazo (8-26 años) se calcula mediante la siguiente explesión:
Qs
εQs = (5.3)
Aρ
donde A[km2 ] es el área que drena a las estaciones de monitoreo situada aguas abajo la
laguna de la Laja. Los datos de Cs con que se calcula estas tasas son superciales y no nece-
sariamente son representativos de la concentración total de la sección del río (ver descripción
del muestreo en capítulos 1 y 2). Por otra parte, el lecho del río Biobío en su trayecto a través
del piedemonte (aguas abajo de la estación Rucalhue) y buena parte del lecho del río Laja
(estación Puente Perales) tienen abundantes barras en las que se almacenan sedimentos, que
en el caso del río Laja tienen una alta componente de avalanchas volcánicas (Fig. 5.1). En
condiciones de alto almacenamiento de sedimentos, el cálculo de tasas de erosión ha sido
cuestionado (e.g., Warrick et al., 2014). Por estas razones, las tasas de erosión presentadas
en este capítulo se consideran mínimas. A todas ellas se les ha asignado un error de 30 % de
su magnitud, que corresponde al error asociado a considerar sólo la fracción suspendida de
material que abandona la cuenca (Dadson et al., 2003).
106
a 10
Be derived
c
Bbd2 Erosion rates
0.08
10Be
Susp. Sed
LC1
0.06
Erosion rate [mm/a]
VC1 D1
Bbm1
0.04
0.02
6 8 10 12 14 16
Mean slope [Deg]
50 Erosion Rates [mm/a]

km <0.01
0.01 - 0.02
b Suspended sediments derived 0.02 - 0.03

0.03 - 0.04
(grab samples) 0.04 - 0.05
0.05- 0.06
Desembocadura 0.06 - 0.07
0.07 - 0.08
0.08 - 0.09
0.09 - 0.10
P. Perales 0.10 - 0.11
0.11 - 0.12
0.12 - 0.13
0.13 - 0.14
Tijeral Rucalhue 0.14 - 0.15
0.15 - 0.16
0.16 - 0.17
Llanquen
Figura 5.3: Comparación entre tasas de erosión de largo plazo y las derivadas de la descarga de sedimentos
suspendidos.(a) Distribución espacial de las tasas de erosión de largo plazo. (b) Distribución espacial de las
tasas de erosión de corto plazo. (c) Diagrama de correlación entre la pendiente promedio de las cuencas y
10
las tasas de erosión obtenidas. Tanto los resultados de largo ( Be) como de corto (sedimentos suspendidos)
plazo tienen similar distribución respecto al gradiente topográco promedio, pero la magnitud de la erosión
de largo plazo es ∼3 veces mayor.
5.2.4. Morfometría de las cuencas
A partir del modelo numérico de elevación SRTM de 90 m, se calcularon algunos pará-
metros morfométricos de las cuencas sobre las mismas áreas utilizadas para el cálculo de la
10
erosión. En las cuencas de las estaciones de Be se consideraron las áreas cuyas litologías
contienen cuarzo para las máscaras 1 y 2 y las áreas de granitoides para la máscara 3. Para
las cuencas de las estaciones de sedimentos suspendidos, se utilizó toda el área drenada aguas
abajo de la laguna de Laja.
Las pendientes medias se calcularon promediando el valor de la pendiente sobre cada píxel
de la cuenca, calculado en la dirección de máxima pendiente de los píxeles que lo rodean.
La pendiente del drenaje (drainage mean slope ) y la pendiente de las laderas (hillslope mean
107
gradient ) fueron calculadas deniendo un área crítica de drenaje de 8,1 km2 . La incisión
media de la cuenca se obtuvo a partir de la diferencia entre la topografía de la cuenca y
una envolvente. Esta envolvente corresponde a una supercie obtenida mediante un spline
de tensión a partir de la función de GRASS s.surf.tps (parámetro de tensión de 60). Las
diferencias de elevación entre esa supercie y las elevaciones de la cuenca son promediadas y
divididas por el área de las cuencas. El valor resultante tiene dimensiones de largo.
5.3. Resultados
10
A partir del modelo de producción en la cuenca y las concentraciones de Be medidas, se
obtuvieron tasas de erosión de cuenca entre 0,01 y 0,17 mm/a. Los resultados de concentra-
10
ción de Be, tasas de producción en las cuencas y tasas de erosión se resumen en la tabla 5.2.
En la misma tabla se muestran las aproximaciones a la escala de tiempo mínimas requeridas
para borrar un largo de atenuación, las cuales tienen valores variables entre 51 y 4 ka. Los
resultados de tasas de erosión en el corto plazo tienen valores entre 0,005 y 0,04 mm/a y
también se muestran en la tabla 5.2 Los resultados de morfometría de las cuencas están en
la tabla 5.3.
La Fig. 5.2 muestra la distribución espacial de los resultados de tasas de erosión de lar-
go plazo y su relación con los parámetros morfométricos calculados para sus cuencas. Los
diagramas de dispersión entre parámetros morfométricos y la tasa de erosión muestran un
consistente aumento de la tasa de erosión con todos los parámetros morfométricos calculados.
Las diferencias entre los resultados usando distintas máscaras de litología sólo son signicati-
vas (>10 %) para LC1 y D1, que son las cuencas con mayor área de rocas volcánicas básicas.
LC1 tiene diferencias de hasta 26 % y D1 de hasta 21,5 %.
La comparación entre las tasas de erosión obtenidas para el largo (0,01 a 0,17 mm/a) y el
corto (0,005 a 0,04 mm/a) plazo se muestra en la Fig. 5.3. Los valores para la tasa de erosión
10
derivada de Be corresponden a la máscara 2. En su conjunto, los resultados de largo plazo
son ∼3 veces más grandes que los de corto plazo, aunque estos últimos son valores mínimos
para la erosión.
108
10
Tabla 5.2: Concentraciones de Be, tasas de producción de acuerdo a cada máscara de litología, tasas de
erosión después de Braucher et al. (2003) y tasas de erosión presente derivadas de sedimentos suspendidos.
Sample Catchment 10
Be/Qz d10 Be/Qz Production Erosion dE Time
code [atoms/g ] rate rate scale

[atoms/g/a] [mm/a] [ka]**
Bbd2 Be_Bbd2_Qz 75957 9631 7.8404 0.061 0.012 9.8
Be_Bbd2_QzPerc 7.1919 0.056 0.011 10.7
Be_Bbd2_Gr 7.3683 0.057 0.011 10.4
Bbm1 Be_Bbm1_Qz 116638 9459 10.7132 0.054 0.009 11.0
Be_Bbm1_QzPerc 11.0917 0.056 0.010 10.6
Be_Bbm1_Gr 11.6841 0.059 0.010 10.1
C1 Be_C1_Qz 113680 20735 6.9231 0.036 0.009 16.6
Be_C1_QzPerc 6.9113 0.036 0.009 16.7
Be_C1_Gr 6.9062 0.036 0.009 16.7
C3 Be_C3_Qz 97896 8272 5.5171 0.033 0.006 18.0
Be_C3_QzPerc 5.5174 0.033 0.006 18.0
Be_C3_Gr 5.5096 0.033 0.006 18.0
D1 Be_D1_Qz 86277 14037 8.4370 0.058 0.013 10.4
Be_D1_QzPerc 9.9041 0.068 0.015 8.8
Be_D1_Gr 10.7506 0.074 0.016 8.1
VC1 Be_VC1_Qz 95900 10529 5.8492 0.036 0.007 16.6
Be_VC1_QzPerc 5.8702 0.036 0.007 16.6
Be_VC1_Gr 5.9911 0.037 0.007 16.2
LC1* Be_LC1-L_Qz 89686 24690 10.2710 0.078 0.024 7.7
Be_LC1-L_QzPerc 8.1659 0.062 0.020 9.6
Be_LC1-L_Gr 7.9836 0.061 0.019 9.8
Ca1 Be_Ca1_Qz 35951 4280 8.7528 0.144 0.024 4.2
Be_Ca1_QzPerc 8.8819 0.146 0.024 4.1
Be_Ca1_Gr 8.9885 0.148 0.025 4.0
R1 Be_R1_Qz 252782 2506 4.9800 0.012 0.002 51.4
Be_R1_QzPerc 5.0133 0.012 0.002 51.1
Be_R1_Gr 5.0247 0.012 0.002 50.9
H1 Be_H1_Qz 41242 8226 9.3894 0.135 0.023 4.4
Be_H1_QzPerc 10.2078 0.147 0.025 4.1
Be_H1_Gr 10.5082 0.151 0.025 4.0
Mi2 Be_Mi2_Qz 93772 3172 4.8968 0.031 0.005 19.4
Be_Mi2_QzPerc 4.8968 0.031 0.005 19.4
Be_Mi2_Gr 4.8968 0.031 0.005 19.4
Llanquén DGA_Ll 0.027 0.008
Rucalhue DGA_R 0.026 0.008
Tijeral DGA_T 0.007 0.002
P.Perales* DGA_PP 0.026 0.008
Desemb. DGA_D 0.017 0.005
*Laja lake and its tributaries excluded
**Using 0.6 m of absorption depth scale

109
Tabla 5.3: Morfometría de las cuencas calculada sobre máscaras de acuerdo a su litología.
Catchment Mean Elev. Elev. Mask Drainage Hillslope Mean

code Elev. max min mean slope slope incision
[m] [m] [m] slope [ ]
o
[ ]
o
[ ]
o
[m]
Be_Bbd2_Qz 683.1 2529 7 9.3 0.6 11.1 243.44
Be_Bbd2_QzPerc 683.1 2529 7 9.3 0.6 9.5 243.44
Be_Bbd2_Gr 623.3 2564 7 9.9 0.6 10.1 216.04
Be_Bbm1_Qz 1152.0 2502 221 13.7 0.9 13.9 473.48
Be_Bbm1_QzPerc 1152.0 2502 221 13.7 0.9 13.9 473.48
Be_Bbm1_Gr 1281.6 2564 332 17.3 1.0 17.6 385.78
Be_C1_Qz 603.4 1385 68 9.3 0.9 9.5 259.97
Be_C1_QzPerc 603.4 1385 68 9.3 0.9 9.5 259.97
Be_C1_Gr 600.7 1385 68 9.3 0.9 9.5 261.74
Be_C3_Qz 339.4 943 80 7.2 0.5 7.4 371.76
Be_C3_QzPerc 339.4 943 80 7.2 0.5 7.4 371.76
Be_C3_Gr 340.5 943 80 7.2 0.5 7.4 371.06
Be_D1_Qz 833.6 2181 181 11.2 0.6 11.5 273.29
Be_D1_QzPerc 833.6 2181 181 11.2 0.6 11.5 273.29
Be_D1_Gr 1179.8 2181 496 18.1 1.0 18.3 306.87
Be_VC1_Qz 387.2 1851 53 6.0 0.4 6.1 161.12
Be_VC1_QzPerc 387.2 1851 53 6.0 0.4 6.1 161.12
Be_VC1_Gr 415.6 1803 55 7.9 0.5 8.0 199.60
Be_LC1-L_Qz 1007.7 2529 49 13.9 0.9 14.2 308.43
Be_LC1-L_QzPerc 1007.7 2529 49 13.9 0.9 14.2 308.43
Be_LC1-L_Gr 671.8 2402 49 11.2 0.6 11.4 251.88
Be_Ca1_Qz 914.4 1681 427 13.5 0.8 13.8 536.41
Be_Ca1_QzPerc 914.4 1681 427 13.5 0.8 13.8 536.41
Be_Ca1_Gr 952.1 1653 496 14.0 1.0 14.2 494.43
Be_R1_Qz 227.9 768 113 4.5 0.2 4.6 158.06
Be_R1_QzPerc 227.9 768 113 4.5 0.2 4.6 158.06
Be_R1_Gr 239.1 768 121 4.9 0.2 5.0 152.24
Be_H1_Qz 980.1 2016 297 17.8 1.2 18.1 574.95
Be_H1_QzPerc 980.1 2016 297 17.8 1.2 18.1 574.95
Be_H1_Gr 1152.1 2016 339 21.2 1.5 21.5 440.74
Be_Mi2_Qz 208.2 444 54 5.1 0.4 5.2 95.35
Be_Mi2_QzPerc 208.2 444 54 5.1 0.4 5.2 95.35
Be_Mi2_Gr 208.3 448 54 5.1 0.4 5.2 95.41
DGA_Ll 1465.1 2664 739 14.0 0.9 12.0 411.07
DGA_R 1382.8 3095 256 17.3 1.1 14.8 434.75
DGA_T 405.8 1773 63 7.9 0.4 6.6 187.75
DGA_PP 1020.7 3488 75 14.3 0.4 7.8 187.49
DGA_D 755.4 3506 5 11.1 0.6 8.9 229.61
110
5.4. Discusión
5.4.1. Variaciones temporales de la tasa de erosión
Al comparar los resultados de εBe y εQs (Fig. 5.3) se observa una magnitud de la erosión
ca. tres veces mayor en el largo que en el corto plazo. Aunque en la literatura existen diversos
ejemplos que muestran una erosión mayor en el largo que en el corto plazo (e.g., Kirchner
et al., 2001; Wittmann et al., 2011), en cuencas altamente intervenidas situadas en zonas
tropicales se han obtenido tasas menores en el largo plazo (Hewawasam et al., 2003; Vanacker
et al., 2007). En el caso de las cuencas estudiadas, cuatro posibles explicaciones para los
resultados obtenidos son:
• La erosión a mayores escalas de tiempo es mayor, porque el ujo total de sedimentos
está controlado por eventos poco frecuentes de gran magnitud (Kirchner et al., 2001).
Sin embargo, Tolorza et al. (2014) muestran que la variabilidad del ujo sedimentario
de estas cuencas es baja durante las últimas dos décadas y que el grueso de la erosión se
concentra en eventos de mediana magnitud, mientras que los eventos menos frecuentes
pero de gran magnitud no modican en mayor medida el total del ujo sedimentario
(Fig. 10, Tolorza et al., 2014). En cualquier caso, las dinámicas de ujo de sedimentos
de los últimos 20 años posiblemente están controladas (1) por las bajas precipitaciones
del último medio siglo (Rubio-Alvarez y McPhee, 2010) y (2) por el uso antropológi-
co del suelo. Una erosión concentrada en los eventos de mediana magnitud puede ser
consecuencia del manejo forestal, que facilita el establecimiento de conectividad entre
las laderas y la red de drenaje, lo cual ha sido demostrado a escala de micro cuencas
(<0,1 km2 , Mohr et al., 2014). A escalas espaciales mayores se registra una tendencia
al aumento de la erosión durante la segunda mitad del siglo XX (Cisternas y Araneda,
2001), pero bajo las mismas condiciones de bajas precipitaciones. Para testear la varia-
bilidad en la erosión durante periodos más largos, es decir, si la erosión era controlada
por eventos medianos en el pasado pre-antropológico, se pueden utilizar testigos de
sedimentos que abarquen un plazo más amplio, como (Abarzúa et al., 2014).
• La erosión fue mayor en el pasado, en períodos más largos que los tiempos de referencia
calculados para remover 1 Λn (∼ 4 − 51 ka). En estas escalas de tiempo, grandes mag-
nitudes de erosión pueden estar asociadas a procesos glaciares y periglaciares ocurridos
durante el Pleistoceno Tardío hasta los 15 ka, que directamente erosionaron la Cor-
dillera Principal y la parte alta de la Cordillera de Nahuelbuta y ademas limitaron el
desarrollo de la vegetación, aunque la latitud del Biobío es parte del segmento con ma-
111
o
yor concentración de especies vegetales, entre los 36-40 S (Villagrán y Hinojosa, 1997).
La posterior expansión de la vegetación en condiciones de deglaciación y postglaciación
puede haber limitado algunos procesos de erosión, pero también aumentó la recurrencia
de incendios forestales con el aumento de la temperatura (Moreno, 2004; Abarzúa y
Moreno, 2008), lo cual también puede haber mantenido altas tasas de erosión.
• La erosión pudo haber sido mayor en un pasado reciente (∼ 50 − 500 años) durante un
período que precedió al monitoreo de sedimentos suspendidos, alcanzando una magnitud
lo sucientemente grande como para limitar la producción de sedimentos en las últimas
décadas. La historia de uso de suelo de Chile centro-sur incluye una rápida deforestación
desde la ocupación española, que se aceleró durante el siglo XIX con una coetánea
expansión de suelos agrícolas fomentados por la demanda de cereales desde Estados
Unidos durante la ebre del oro. Cuando a nes del siglo XIX se abrió el comercio a
través del Canal de Panamá, el mercado de cereales chileno colapsó y los suelos agrícolas
fueron abandonados y sujetos a intensa erosión de suelo, que se convirtió en un serio
problema nacional a principios del siglo XX (ver revisión en Armesto et al., 2010).
Una vez ocurridos eventos de erosión de gran magnitud, se requiere tiempo para que el
sistema geomorfológico recupere el equilibrio en la producción de suelo.
• Las tasas de erosión de corto plazo pueden estar subestimadas debido a que (1) las
concentraciones suspendidas Csi son muestreadas en la supercie del río, por lo tanto,
si no hay buena mezcla de la columna de agua, Csi puede representar una fracción de
la concentración de sedimentos suspendidos total y/o (2) en el trayecto de los ríos por
zonas de baja energía pueden almacenarse sedimentos, disminuyendo las tasas de ero-
sión si los períodos en que se monitorea el río son menores que el tiempo de residencia
de los sedimentos en el lecho del río. Esta característica puede acentuarse con algunas
especies de árboles exóticos de rápido crecimiento que fueron introducidas durante el
siglo XX, que crecen en las barras de los ríos inmovilizándolas por largos períodos (A.
Andreoli, comunicación personal). Esto último es aplicable a las estaciones Desemboca-
dura y Puente Perales. En el río Vergara (estación Tijeral), a pesar de su bajo gradiente
topográco, no se observan grandes volúmenes de barras aguas arriba de la estación
Tijeral. Las estaciones Rucalhue y Llanquén son drenadas por cuencas de mayor pen-
diente regional y menores posibilidades de almacenar sedimentos. Su mayor turbulencia
permite una concentración de sedimentos más homogénea en la columna de agua. Por
lo menos para estos ríos, el almacenamiento temporal de sedimentos no parece poder
explicar la menor tasa de erosión decadal. De cualquier manera, en el estado de los
datos disponibles no se puede cuanticar la razón entre la concentración de sedimentos
en supercie y la carga sedimentaria total. La carga de fondo tampoco es conocida y
112
además es difícil de medir (Turowski et al., 2010). La representatividad de la descarga
sedimentaria supercial es un problema general que no solo afecta a los datos de la
DGA, sino a muchas bases de datos en el mundo. En el caso del Biobío, para conocer
mejor Qs se requiere medir de manera más acuciosa Csi durante la estación completa de
crecidas y en toda la columna de agua, por lo menos durante un período representativo
del ciclo hidrológico anual. De esta manera se podrá obtener estimaciones más robustas
de las tasas de erosión derivadas de ujos sedimentarios.
5.4.2. Variaciones espaciales de la erosión de largo plazo
Los resultados de εBe a través de la cuenca del Biobío crecen con los cuatro parámetros
morfométricos estudiados (Fig. 5.2). Si sólo se consideran las cuencas pequeñas que drenan
homogéneamente rocas graníticas, el resultado acentúa la diferencia entre las cuencas de
baja a mediana pendiente promedio de la Cordillera de la Costa respecto a las cuencas de
la Cordillera Principal. Las cuencas de la Cordillera de la Costa son parte del bloque de
Arauco, que ha experimentado un importante y sostenido alzamiento desde hace ca. 4 Ma a
tasas promedio de 0,2 mm/a (Fig. 8, Glodny et al., 2008; Melnick et al., 2009), produciendo
perles de desequilibrio en los ríos (Rehak et al., 2008), rápida incisión (a tasas de 0,43
mm/a) e inversión de drenaje antes de los 80 ka (Rehak et al., 2010). Sin embargo, εBe en
estas cuencas es al menos un orden de magnitud menor (<0,04 mm/a). Si bien las pendientes
promedio de las cuencas son bajas, la cuenca de la muestra C1 tiene abundantes pendientes
o
locales cercanas a 30 , y en respuesta a un rápido alzamiento podría esperarse una alta tasa
de erosión de cuenca. La diferencia entre la tasa de erosión y el alzamiento muestran que la
topografía no ha alcanzado un estado de estabilidad después del alzamiento.
La relación entre la pendiente de las laderas y εBe escala rápidamente para las cuencas
o
graníticas cuando estas incluyen sectores de pendientes mayores a 38 (Fig. 5.2). Una posible
explicación es el cambio del efecto de la vegetación sobre la estabilidad de ladera traspasando
cierto umbral. Por ejemplo, en los Andes ecuatoriales se ha encontrado que el umbral sobre
o
el cual la capa orgánica produce inestabilidad de ladera es de 37,9 (Vorpahl et al., 2013). Sin
embargo, es posible que estas cuencas no hayan tenido una cobertura densa de vegetación
durante etapas de bajas temperaturas, como puede deducirse de Villagrán y Hinojosa (1997),
aunque durante esos mismos períodos, las cuencas de la Cordillera Principal, situadas a mayor
altura, probablemente fueron sometidas a procesos periglaciares más intensos.
113
5.5. Conclusiones
En el presente capítulo se ha presentado la distribución espacial de la erosión a escala de
miles (0,01 a 0,17 mm/a) y decenas (0,005 a 0,04 mm/a) de años en varias subcuencas del
10
río Biobío. Interpretar tasas de erosión a partir de concentraciones de Be requiere realizar
varias aproximaciones, que simplican a las cuencas como una unidad espacial cuya erosión en
el largo plazo se reeja en la concentración de TCN de los sedimentos que exporta. A pesar
de las diversas aproximaciones realizadas y a la heterogeneidad de las cuencas estudiadas
en cuanto a litología y área drenada, en este estudio todas las tasas de erosión calculadas
con diferentes modelos de producción de acuerdo a la litología tienen resultados que son
sistemáticamente más grandes que las tasas estimadas con medidas diarias de la descarga
sedimentaria durante décadas. Ambos set de datos aumentan con la pendiente promedio, así
como con otros parámetros morfométricos, lo que le da robustez a los resultados obtenidos.
10
Las tasas obtenidas con Be constituyen el primer nivel de referencia de largo plazo (miles de
años) para la erosión de estas cuencas uviales, cuyas diferencias con la erosión de corto plazo
(decadales) pueden tener relación con (1) la historia pleistocena de glaciación y deglaciación
y el aumento holoceno de la recurrencia de incendios forestales, (2) la historia reciente (∼500-
50 años) de erosión de suelo, cuya magnitud pudo haber sido lo sucientemente severa como
para limitar la producción de sedimentos en las décadas más recientes y/o (3) con una
subestimación de la erosión decadal derivada del tipo de muestreo (supercial) o de procesos
de sedimentación internos de las cuencas.
114
Capítulo 6
Discusión general y perspectivas
Las principales preguntas que motivaron el desarrollo de esta tesis tuvieron como objetivo
ampliar el estado del arte respecto a temas especícos relacionados con la movilización de
sedimentos y la erosión integrada de cuenca en ciertos ríos en particular, pero que pueden
ser extrapolados a otros sistemas tanto naturales como modelados.
En primer lugar, se abordó la variabilidad espacial del efecto del enrutamiento del agua
por distintos compartimientos hidrológicos sobre la exportación de sedimentos (capítulo 2).
Los diagramas de correlación entre la descarga de agua Q y la descarga de sedimentos Qs ,

frecuentemente utilizados en el estudio de ujo sedimentario en los ríos (e.g. Asselman, 2000;
Syvitski et al., 2000; Yang et al., 2007; Hovius et al., 2011), suelen presentar una gran dis-
persión que es en parte producida por el retardo del agua retenida en diferentes comparti-
mientos hidrológicos, lo cual produce histéresis; al comparar Qs sólo con la porción de Q

que tiene una corta residencia en la cuenca, llamado caudal directo Qd , el efecto de histére-
sis puede reducirse (Andermann et al., 2012). Dado que los ciclos de transferencia de agua
varían en el tiempo y son diferentes en las regiones montañosas y en los planos adyacentes
¾cómo varía la relación estacional entre Q y Qs según el contexto topográco

(montañapiedemonte)? Si hay variaciones ¾pueden ser explicadas por distintos
enrutamientos del agua? ¾hay variaciones en la relación entre Qd y Qs según el
contexto topográco? Los resultados obtenidos para las distintas subcuencas del río Biobío
mostraron que hay histéresis estacional en la relación entre Q y Qs en las cuencas de montaña
pero no en el piedemonte, lo cual puede explicarse por las grandes variaciones estacionales
en el volumen de agua almacenada subsupercialmente y en forma de nieve que ocurren
en las cuencas montañosas, lo cual no ocurre en el piedemonte. Dos resultados que fueron
equivalentes tanto para las cuencas de montaña como en el piedemonte son (1) la relación
115
entre el agua que tiene una corta residencia en la cuenca, Qd , y los sedimentos que moviliza,
Qs , además de no presentar histéresis estacional, presenta la misma escala casi lineal al ser
ajustados a la ecuación Qs = a ∗ Qbd (exponente b cercano a 1 con varios métodos diferentes
de inversión) y (2) se observó la misma distribución de frecuencia-magnitud para el ujo de
sedimentos normalizado por su promedio, la cual mostró que en estas cuencas la mayor parte
del ujo total de sedimentos movilizado en las últimas décadas ha sido registrado en eventos
de magnitud mediana. Estos dos resultados fueron interpretados como el producto de una
erosión de cuenca dominada por la escorrentía supercial, tanto en la montaña como en el
piedemonte.
El segundo proceso abordado (capítulo 3) fue la respuesta de la concentración de sedi-
mentos suspendidos (Cs ) ante la ocurrencia de un mega terremoto de subducción (terremoto
del Maule, Mw 8,8). Este evento sísmico (el quinto en magnitud registrado con instrumental
geofísico) tuvo varias repercusiones en los procesos superciales que ya han sido estudiadas.
El movimiento mecánico co-sísmico produjo alzamiento y subsidencia de la supercie (e.g.
Farías et al., 2010; ?). Perturbaciones en la circulación de uidos desencadenadas por ondas
sísmicas generaron alzas en los caudales de los ríos, que pueden haber sido producidos por la
consolidación de materiales saturados en agua (Mohr et al., 2012) o por la expulsión de agua
desde los suelos (Mohr et al., 2015). Además, se produjo subsidencia en el arco volcánico,
posiblemente desencadenada por la migración lateral de uidos hidrotermales (Pritchard et
al., 2013). Las perturbaciones en la supercie pueden eventualmente haber modicado la
organización de la red de drenaje. Además, las aceleraciones superciales desencadenaron
una serie de remociones en masa (Escobar, 2013), aunque los catastros de remociones en
masa aún no cubren toda la zona de ruptura. En otras regiones del mundo se ha cuanticado
la denudación neta producida por un terremoto durante períodos de varios años (Dadson
¾Es posible aplicar la misma metodología en este

et al., 2004; Hovius et al., 2011)
evento? ¾cuál será la respuesta erosiva global de las cuencas uviales afectadas
por un mega-terremoto de subducción? Al observar series de tiempo de Cs y Q para
todas las estaciones con datos post-sísmicos de la zona de ruptura, no se observaron cambios
signicativos en la movilización de sedimentos inmediatamente después del terremoto. Sin
embargo, se observaron máximos históricos puntuales en Cs (con duración de algunos días)
dos años después del terremoto en estaciones cuyas áreas drenadas tienen baja densidad de
vegetación. Los años posteriores al terremoto han sido secos, pero el año 2012 los peak de
Cs están asociados a las precipitaciones más altas registradas después del terremoto, por lo
cual podrían estar vinculadas con (1) la ocurrencia de deslizamientos en laderas que quedaron
inestables después del terremoto o (2) el establecimiento de conectividad entre deslizamientos
116
ocurridos co-sísmicamente y la red de drenaje gracias a las mayores precipitaciones. Estos
resultados muestran que el terremoto del Maule no ha tenido una respuesta erosiva de gran
magnitud que pueda medirse a escala de tres años. Por lo tanto, la capacidad de un terremoto
de desencadenar altas tasas de movilización de sedimentos no puede predecirse sólo a través
de su magnitud.
El tercer factor que ejerce un control sobre la movilización de sedimentos que fue estu-
diado es la vegetación (capítulo 4). La vegetación, además de ser un factor determinante de
la actividad biológica que ocurre en los suelos (Lucas, 2001), juega un papel fundamental
en la modulación de la erosión física, aunque tiene efectos positivos como negativos sobre
ella. Por una parte, puede disminuir la erosión protegiendo al suelo del impacto directo de
las precipitaciones (Geddes y Dunkerley, 1999), sosteniendo los sedimentos disponibles en las
laderas (DiBiase y Lamb, 2013) e incrementando la estabilidad de ladera (Wu, 2013). Sin
embargo, sobre cierto umbral de pendiente, la presencia de una capa orgánica puede aumen-
tar la inestabilidad de las laderas (Vorpahl et al., 2013). La vegetación es determinante en
el establecimiento de conectividad, que es un factor clave para que puedan movilizarse sedi-
mentos hacia a la red uvial (Mohr et al., 2013). El manejo antropológico de la vegetación
puede permitir que exista conectividad a través de caminos forestales, aunque se observe una
vegetación densa¾Es el porcentaje de vegetación verde un buen parámetro para

analizar la erosión? Los resultados obtenidos en este capítulo muestran que año a año
existe coincidencia temporal entre los máximos anuales del ujo de sedimentos y los mínimos
porcentajes de biomasa verde. El resultado interanual muestra que hay un aumento sostenido
del porcentaje de vegetación, que no se ve reejado en una disminución sostenida del ujo de
sedimentos. El aumento interanual de la vegetación es contraintuitivo respecto a la tendencia
decadal a una reducción de las precipitaciones y el caudales. Además, considerando las clasi-
caciones de tipo de uso de suelo disponibles, es posible proponer que la vegetación que está en
aumento corresponde a plantaciones forestales. Para que este porcentaje de vegetación pueda
ser usado de manera más precisa en el estudio de la erosión, debe considerarse también una
clasicación del tipo de vegetación en las mismas cuencas.
Finalmente, en el capítulo 5 de esta tesis se cambió la escala temporal de observación de

10
la erosión a miles de años, a través del análisis de concentraciones de Be en sedimentos
uviales. Las tasas de erosión siempre son relativas a una escala especíca de tiempo en la
cual esta se observa. Tasas de erosión mayores al integrar períodos más largos han sido inter-
pretadas como el resultado de una erosión controlada por eventos catastrócos e infrecuentes
(Kirchner et al., 2001). Sin embargo, también han sido observadas tasas de erosión mayores a
escala de décadas que a escalas mileniales (Hewawasam et al., 2003; Vanacker et al., 2007), las
117
cuales han sido directamente asociadas al uso antropológico del suelo. A lo largo del margen
chileno, las tasas de erosión de cuencas situadas en las cabeceras de los ríos, que tienen altas
pendientes y una menor intervención antropológica que los planos adyacentes, son mayores a
escala milenial que decadal (Carretier et al., 2013, 2014), pero la diferencia decrece hacia el
sur, en la medida que disminuye la variabilidad climática y la pendiente (Fig. 3, Carretier et
al., 2013). En la cuenca del Biobío, las tasas de erosión decadales, que pueden aproximarse a
partir de los sedimentos suspendidos analizados previamente son bajas, a pesar de la enorme
intervención antropológica de las cuencas, que incluye una historia de intensa deforestación,
principalmente en los últimos 200 años (Armesto et al., 2010; Lara et al., 2012). Al ampliar el
¾cómo cambia la magnitud

rango de tiempo de observación de la erosión a miles de años
la erosión? Si esta cambia ¾puede una mayor contribución de eventos extremos,

pero infrecuentes, explicar la distribución espacial de la erosión? procesos cómo
el uso antropológico del suelo en los últimos 500 años ¾pueden explicar similitu-
des o diferencias en la distribución de la erosión a distintas escalas temporales?
Los resultados de este capítulo muestran que las tasas de erosión de largo plazo son ca. tres
veces mayores que en las últimas décadas. Aún cuando es posible que eventos infrecuentes
(esto es, con un intervalo de recurrencia mayor que el período de medición de sedimentos
suspendidos) puedan explicar las diferencias, la variabilidad en el ujo de sedimentos descri-
ta en esta tesis es baja. Otras tres posibles explicaciones para este resultado son (1) que la
erosión haya sido mayor sobre plazos geológicos debido a procesos glaciares y periglaciares
ocurridos durante el último máximo glacial (∼ 26 − 19 ka) o al aumento de la recurrencia
de incendios forestales que acompañó al incremento de las temperaturas holocenas (2) que
la erosión haya sido mucho mayor en un pasado reciente, previo al inicio del monitoreo de
los ríos, dejando las cuencas con limitada disponibilidad de sedimentos para transportar en
las últimas décadas o (3) que las tasas de ersoión decadales estén subestimadas por una baja
representatividad de la magnitud total de sedimentos que abandona la cuenca o por procesos
de sedimentación internos en las cuencas.
Los resultados obtenidos y las discusiones propuestas abren camino a nuevas interrogantes
y a la formulación de futuras investigaciones que pueden ser desarrolladas a partir del trabajo
que ha sido realizado hasta ahora y la integración de nuevas metodologías. En particular, sería
interesante desarrollar los siguientes temas:
• Para seguir utilizando la base de datos sedimentométrica conociendo la incerteza real
de Cs , es necesario realizar monitoreos en conjunto con la DGA durante al menos una
temporada de crecidas completa. Una metodología de muestreo que permita incorporar
variaciones en profundidad, como Lupker et al. (2011) permitiría además observar la
118
distribución de nutrientes en la columna de agua.
• En todas las investigaciones especícas desarrolladas se concluyó que la vegetación y
el uso de suelo antropológico juegan un papel clave en la movilización de sedimentos
observada para las últimas décadas. Las series de tiempo de Cs , Qs y Q deben ser
completadas con series de tiempo de uso de suelo con una mejor resolución temporal. En
particular, sería interesante desarrollar series de tiempo de vegetación para las cuencas
situadas en la Cordillera de la Costa que han tenido una mayor intervención en las
últimas décadas, como Sauzal (Fig. 6.1). En esta estación se observan a escala interanual
peaks en Cs , seguidos de períodos de alto Q que no tienen asociado un incremento
consistente de la concentración. Este comportamiento podría estar condicionado por el
uso de suelo y una limitación al suministro después de un proceso de erosión relacionado
al uso de suelo. Los peaks en Cs también podrían estar asociados a la construcción de
obras civiles. Para desarrollar series de tiempo de vegetación, se puede hacer uso de
imágenes Landsat y metodologías que han sido bien descritas recientemente (Braun
et al., 2014), las cuales se pueden automatizar en Grass. Además, usando Fcover, se
podría observar su concordancia con el tipo de vegetación dominante en las cuencas
para desarrollar mejor las series de tiempo.
MLE fit 13 Sauzal. Cod 07343001 Lat −35.7532 long −72.0691
All water discharge values

A MJ J A S O N D J F M
24 340 340
18
255 255
12
170 170
a
6
85 85
0
−6 0 0
Sediment Concentration [mg/l]
Sediment Concentration [mg/l]

4 2612
1000
3
1959 100
2
10
1306
b
1 1
653 0.1
0
0.01
−1 0
0.01 0.1 1 10 100
Figura 6.1: Serie de tiempo de descarga de agua y concentración de sementos en la estación Sauzal, ubicada
en la Cordillera de la Costa de la región del Maule. Se ha superpuesto la serie de tiempo de los parámetros
a y b de la inversión potencial (mediante optimización de mínimos cuadrados) de la ecuación Cs = a ∗ Qb . A
la izquierda se muestra el hidrograma anual (abril-marzo) y el diagrama de dispersión entre Q y Cs . Notar
que los años 1993 y 1995 tuvieron altas concentraciones a pesar de no ser años particularmente caudalosos.
En el período posterior no hay grandes concentraciones en los años en que se observan los mayores peak de
caudales.
119
• Las variaciones en la distribución de frecuencia-magnitud tanto del ujo de agua como
del ujo de sedimentos pueden ser estudiadas en todas las cuencas con datos sedimen-
tométricos disponibles y evaluar condicionantes como la conectividad, la forma de las
cuencas o la pendiente. También completar el muestreo para isótopos cosmogénicos
en las cuencas con datos sedimentométricos que todavía no tienen resultados de largo
plazo, particularmente los de la Cordillera de la Costa.
• La alta dispersión en los diagramas de correlación entre Q y Qs o Cs , además de la
histéresis, pueden estar asociados a la ocurrencia de procesos estocásticos a través de
las cuencas. Estos procesos pueden ser la ocurrencia de deslizamientos, caídas de roca,
cosechas de madera, construcción de caminos forestales y otras posiblemente relacio-
nadas al uso de suelo. Se podría incorporar una aproximación estocástica de rugosidad
en las laderas y conectividad con la red de drenaje a un modelo numérico de evolución
del paisaje, como CIDRE (Carretier et al., 2009a) que considere además el caudal di-
recto en las laderas y el caudal total en el lecho del río. A esta aproximación numérica
podría incorporarse diferentes escenarios de cambio de uso de suelo, para observar su
posible efecto sobre la movilización de sedimentos. A esta aproximación también podría
incorporarse ujo de nutrientes, para evaluar cambios en la erosión química.
• La observación preliminar de que existe un aumento de la vegetación verde en el mismo
período en que la tendencia general es a una reducción de las precipitaciones y el
caudal abre la inquietud de estimar el balance de agua de largo plazo de estas cuencas.
Si existiesen datos de cuencas con medidas subdiarias de Q, particularmente durante
horarios nocturnos, podría realizarse hidrología hacia atrás (Kirchner, 2009). Aún sin
datos horarios, sería interesante estimar tasas de evapotranspiración y cambios en el
almacenamiento de agua en las cuencas desde el hidrograma.
• Para comprender mejor las tasas de erosión observadas a distintas escalas de tiempo, en
particular para observar la variabilidad en el largo plazo de la erosión, puede recolectarse
información publicada de sedimentos lacustres presentes en la Cordillera de la Costa
desde la región del Maule hacia el sur y generar colaboración con investigadores que
tienen testigos de lagos. En las mismas cuencas, pueden muestrearse sedimentos uviales
10
para conocer las tasas de erosión derivadas de Be. Mediante el registro continuo de
sedimentos lacustres pueden estudiarse los efectos de procesos antropológicos a escala de
cientos y miles de años, los efectos de eventos sísmicos en particular, como el terremoto
de Valdivia y el terremoto del Maule o la erosión asociada al ciclo sísmico completo,
como Howarth et al. (2012).
120
Conclusión
A partir de las investigaciones realizadas en esta tesis de doctorado, es posible proponer
que la contribución relativa de procesos superciales y subsuperciales en la exportación
de sedimentos varía espacialmente a través de un sistema Montaña-Piedemonte, ya que la
pendiente media de las cuencas es determinante en cuanto a (1) la variabilidad intra anual
en la fracción del agua que circula cerca o a través de la supercie (Qd ), (2) el alza de
ujo de sedimentos con posterioridad al sismo del Maule, que sólo fue observada en algunas
cuencas de alta pendiente y (3) la distribución de la erosión de cuenca, tanto milenaria como
decadal, que es mayor en las cuencas de mayor pendiente. Sin embargo, uno de los factores
cuya variabilidad no depende tanto de la pendiente como de factores antropológicos, como
el uso de suelo, es la conectividad establecida (o no establecida) a través de la vegetación. A
continuación se detallan las principales conclusiones de resultados especícos de esta tesis:
- A través de un sistema MontañaPiedemonte, una vez ocurrido un evento de precipita-
ción, la ruta que sigue el agua tiene diferentes trayectos y tiempos de residencia. Para analizar
la movilización de sedimentos en una cuenca uvial, estas diferencias deben ser consideradas
a través de un adecuado modelo hidrológico. La separación de la descarga de agua total en
descarga directa y ujo basal permite analizar la movilización de sedimentos de la cuenca en
función de la porción del agua que efectivamente contribuye a su movilización en las laderas,
es decir, el agua que tiene una trayectoria cercana a la supercie y, por lo tanto, una cor-
ta residencia en la cuenca. Esta porción del caudal, la descarga directa, puede relacionarse
directamente a la escorrentía supercial.
- La separación de la descarga de agua en el río Biobío permitió observar que la movilización
de sedimentos tanto en la montaña como en el piedemonte escala en igual proporción respecto
a la descarga directa. Además, similares diagramas de frecuencia-magnitud para la descarga
sedimentaria normalizada por su promedio, muestran que el grueso de la movilización de
sedimentos ocurre en eventos de mediana magnitud. A partir de lo anterior, se concluye
que la movilización de sedimentos en esta cuenca está controlada por la escorrentía, lo cual
121
probablemente está controlado por un uso de suelo que facilita la conectividad entre las
laderas y la red uvial.
- A tres años de la ocurrencia del terremoto del Maule (Mw 8,8), la concentración de
sedimentos suspendidos en los ríos situados a lo largo de la zona de ruptura no presentó un
aumento signicativo que permita diferenciarla de su variabilidad habitual en las últimas
décadas, a excepción de eventos particulares ocurridos dos años después en cuencas alejadas
de la zona de ruptura, pero con alta pendiente y bajo porcentaje de vegetación. Estos resul-
tados muestran que no todos los grandes terremotos tienen asociada una respuesta erosiva
inmediata.
- La relación entre la vegetación y la erosión es difícil de analizar, porque no siempre la
cobertura vegetal reduce la movilización de sedimentos. Además, el manejo antropológico del
uso de suelo permite que haya conectividad aún cuando hay vegetación presente, principal-
mente a través de caminos forestales. Aunque las series de tiempo intra anuales mostraron
que la descarga sedimentaria ocurre siempre en momentos en que la vegetación verde pre-
senta su mínimo anual, la tendencia interanual de aumento en la vegetación no muestra una
disminución contemporánea del ujo de sedimentos. Para mejorar nuestra comprensión de
los procesos relacionados, hay que conocer mejor cómo varía en el tiempo el uso de suelo.
- Los resultados de tasas de erosión de cuenca milenarias (0,01 a 0,17 mm/a) con consis-
tentes con el análisis morfométrico del área fuente de los sedimentos muestreados. Las tasas
de erosión decadales (0,005 a 0,04 mm/a) obtenidas a partir del ujo de sedimentos son ca.
tres veces menores que en el largo plazo, pero se requiere conocer con mayor precisión el
error asociado a su estimación para poder concluir respecto a esta diferencia. Las posibles
explicaciones para una mayor erosión en el largo que en el corto plazo son (1) procesos gla-
ciares y periglaciares en el Pleistoceno y/o mayor recurrencia de incendios forestales durante
el Holoceno, (2) una gran magnitud de la erosión durante el período de conversión del bosque
nativo en suelo agrícola y su posterior abandono, cuyo efecto puede signicar limitación al
suministro de sedimentos desde estas cuencas, hasta que el suelo vuelva a regenerarse y/o (3)
una subestimación de la erosión decadal, debido al tipo de muestreo (supercial) o a procesos
de sedimentación internos de las cuencas.
122
Capítulo 7
Bibliografía
Aalto, R.; Dunne, T. y Guyot, J. (2006). Geomorphic controls on Andean denudation
rates. The Journal of geology , 114(1), pp. 8599. doi: 10.1086/498101.
http://dx.doi.org/10.1086/498101
Abarzúa, A. y Moreno, P. (2008). Changing re regimes in the temperate rainforest
region of southern Chile over the last 16,000 yr. Quaternary Research , 69(1), pp. 62
71. ISSN 0033-5894. doi: 10.1016/j.yqres.2007.09.004.
http://www.sciencedirect.com/science/article/pii/S0033589407001317
Abarzúa, A. M.; Pinchicura, A. G.; Jarpa, L.; Martel-Cea, A.; Sterken, M.; Vega,
R. y Pino Q., M. (2014). Environmental Responses to Climatic and Cultural Changes.
En: The Teleoscopic Polity, volumen 38 de Contributions To Global Historical Archaeology,

pp. 123141. Springer International Publishing. ISBN 978-3-319-03127-9. doi: 10.1007/
978-3-319-03128-6_6.
http://dx.doi.org/10.1007/978-3-319-03128-6_6
Aceituno, P. (1988). On the Functioning of the Southern Oscillation in the South Ame-
rican Sector. Part I: Surface Climate. Mon Weather Rev , 116(3), pp. 505524. ISSN
0027-0644. doi: 10.1175/1520-0493(1988)116<0505:OTFOTS>2.0.CO;2.
http://dx.doi.org/10.1175/1520-0493(1988)116<0505:OTFOTS>2.0.CO;2
Aguayo, M.; Pauchard, A.; Azocar, G. y Parra, O. (2009). Cambio del uso del
suelo en el centro sur de Chile a nes del siglo XX: Entendiendo la dinamica espacial
y temporal del paisaje. Revista Chilena de Historia Natural , 82, pp. 361374. doi:
10.4067/S0716-078X2009000300004.
123
http://dx.doi.org/10.4067/S0716-078X2009000300004
Aguilar, G.; Carretier, S.; Regard, V.; Vassallo, R.; Riquelme, R. y Martinod,
J. (2014). Grain size-dependent 10Be concentrations in alluvial stream sediment of the
Huasco Valley, a semi-arid Andes region. Quaternary Geochronology , 19(0), pp. 163
172. ISSN 1871-1014. doi: 10.1016/j.quageo.2013.01.011. Tracking the pace of Quaternary
landscape change with cosmogenic nuclides.
http://dx.doi.org/10.1016/j.quageo.2013.01.011
Altamimi, Z.; Collilieux, X.; Legrand, J.; Garayt, B. y Boucher, C. (2007).
ITRF2005: A new release of the International Terrestrial Reference Frame based on time
series of station positions and Earth Orientation Parameters. Journal of Geophysical Re-
search Solid Earth , 112(B9), pp. n/an/a. ISSN 2156-2202. doi: 10.1029/2007JB004949.
http://dx.doi.org/10.1029/2007JB004949
Andermann, C.; Crave, A.; Gloaguen, R.; Davy, P. y Bonnet, S. (2012). Connecting
source and transport: Suspended sediments in the Nepal Himalayas. Earth and Planetary
Science Letters , 351-352, pp. 158170. ISSN 0012-821X. doi: 10.1016/j.epsl.2012.06.059.
http://dx.doi.org/10.1016/j.epsl.2012.06.059
Anselmetti, F. S.; Hodell, D. A.; Ariztegui, D.; Brenner, M. y Rosenmeier, M. F.
(2007). Quantication of soil erosion rates related to ancient Maya deforestation. Geo-
logy , 35(10), pp. 915918. doi: 10.1130/G23834A.1.
http://geology.gsapubs.org/content/35/10/915.abstract
Antinao, J. L. y Gosse, J. (2009). Large rockslides in the Southern Central Andes of
Chile (3234.5degS): Tectonic control and signicance for Quaternary landscape evolution.
Geomorphology , 104(34), pp. 117 133. ISSN 0169-555X. doi: http://dx.doi.org/10.
1016/j.geomorph.2008.08.008.
http://www.sciencedirect.com/science/article/pii/S0169555X08003590
Arcadis (2008). Caudal ecológico y análisis de los requerimientos ambientales. Anexo 10
Estudio de Impacto Ambiental proyecto hidroeléctrico Alto Maipo.
Armesto, J.; Manuschevich, D.; Mora, A.; Smith-Ramirez, C.; Rozzi, R.; Abarzua,
A. y Marquet, P. (2010). From the holocene to the anthropocene: a historical framework
for land cover change in southwestern south america in the past 15,000 years. Land Use
Policy , 27(2), pp. 148160. ISSN 0264-8377. doi: 10.1016/j.landusepol.2009.07.006.
http://dx.doi.org/10.1016/j.landusepol.2009.07.006
124
Asselman, N. (2000). Fitting and interpretation of sediment rating curves. Journal of
Hydrology , 234(34), pp. 228 248. ISSN 0022-1694. doi: 10.1016/S0022-1694(00)00253-5.
http://dx.doi.org/10.1016/S0022-1694(00)00253-5
Astroza, M.; Ruiz, S. y Astroza, R. (2012). Damage assessment and seismic intensity
analysis of the 2010 (Mw 8.8) Maule earthquake. Earthquake Spectra , 28(S1), pp. S145
S164. doi: 10.1193/1.4000027.
http://dx.doi.org/10.1193/1.4000027
Baret, F.; Hagolle, O.; Geiger, B.; Bicheron, P.; Miras, B.; Huc, M.; Berthelot,
B.; Niño, F.; Weiss, M.; Samain, O.; Roujean, J. L. y Leroy, M. (2007). LAI,
fAPAR and fCover CYCLOPES global products derived from VEGETATION: Part 1:
Principles of the algorithm. Remote Sensing of Environment , 110(3), pp. 275 286.
ISSN 0034-4257. doi: 10.1016/j.rse.2007.02.018.
Baret, F.; Weiss, M.; Lacaze, R.; Camacho, F.; Makhmara, H.; Pacholcyzk, P. y
Smets, B. (2013). GEOV1: LAI and FAPAR essential climate variables and FCOVER
global time series capitalizing over existing products. Part1: Principles of development and
production. Remote Sensing of Environment , 137(0), pp. 299 309. ISSN 0034-4257.
doi: 10.1016/j.rse.2012.12.027.
Benson, M. A. (1968). Uniform Flood-Frequency Estimating Methods for Federal Agen-
cies. Water Resources Research , 4(5), pp. 891908. ISSN 1944-7973. doi: 10.1029/
WR004i005p00891.
http://dx.doi.org/10.1029/WR004i005p00891
Blisniuk, P. M.; Stern, L. A.; Chamberlain, C. P.; Idleman, B. y Zeitler, P. K.
(2005). Climatic and ecologic changes during Miocene surface uplift in the Southern
Patagonian Andes. Earth and Planetary Science Letters , 230, pp. 125 142. ISSN 0012-
821X. doi: http://dx.doi.org/10.1016/j.epsl.2004.11.015.
Boroschek, R. L.; Contreras, V.; Kwak, D. Y. y Stewart, J. P. (2012). Strong
Ground Motion Attributes of the 2010 Mw 8.8 Maule, Chile, Earthquake. Earthquake
Spectra , 28(S1), pp. S19S38. ISSN 8755-2930. doi: 10.1193/1.4000045.
http://dx.doi.org/10.1193/1.4000045
125
Braucher, R.; Brown, E.; Bourlès, D. y Colin, F. (2003). In situ produced 10Be
measurements at great depths: implications for production rates by fast muons. Earth
and Planetary Science Letters , 211(34), pp. 251 258. ISSN 0012-821X. doi: 10.1016/
S0012-821X(03)00205-X.
http://www.sciencedirect.com/science/article/pii/S0012821X0300205X
Braun, A.; Rojas, C.; Echeverria, C.; Rottensteiner, F.; Bahr, H.-P.; Niemeyer,
J.; Aguayo Arias, M.; Kosov, S.; Hinz, S. y Weidner, U. (2014). Design of a
SpectralSpatial Pattern Recognition Framework for Risk Assessments Using Landsat Data
A Case Study in Chile. Selected Topics in Applied Earth Observations and Remote
Sensing, IEEE Journal of , 7(3), pp. 917928. ISSN 1939-1404. doi: 10.1109/JSTARS.
2013.2293421.
http://dx.doi.org/10.1109/JSTARS.2013.2293421
Brown, E. T.; Stallard, R. F.; Larsen, M. C.; Raisbeck, G. M. y Yiou, F. (1995).
Denudation rates determined from the accumulation of in situ-produced be-10 in the
luquillo experimental forest, puerto-rico. Earth and Planetary Science Letters , 129(1-4),
pp. 193202. doi: 10.1016/0012-821X(94)00249-X.
http://www.sciencedirect.com/science/article/pii/0012821X9400249X
Burbank, D. W.; Blythe, A. E.; Putkonen, J.; Pratt-Sitaula, B.; Gabet, E.; Os-
kin, M.; Barros, A. y Ojha, T. P. (2003). Decoupling of erosion and precipitation in
the Himalayas. Nature , 426(6967), pp. 652655. doi: 10.1038/nature02187.
http://dx.doi.org/10.1038/nature02187
Carretier, S.; Poisson, B.; Vassallo, R.; Pepin, E. y Farías, M. (2009a). Tectonic
interpretation of transient stage erosion rates at dierent spatial scales in an uplifting
block. Journal of Geophysical Research Earth Surface , 114. doi: 10.1029/2008JF001080.
http://dx.doi.org/10.1029/2008JF001080
Carretier, S.; Regard, V. y Soual, C. (2009b). Theoretical cosmogenic nuclide concen-
tration in river bed load clasts: Does it depend on clast size? Quaternary Geochronology ,
4(2), pp. 108123. doi: 10.1016/j.quageo.2008.11.004.
Carretier, S.; Regard, V.; Vassallo, R.; Aguilar, G.; Martinod, J.; Riquelme,
R.; Pepin, E.; Charrier, R.; Herail, G.; Farias, M.; Guyot, J. L.; Vargas, G.
y Lagane, C. (2013). Slope and climate variability control of erosion in the Andes of
126
central Chile. Geology , 41(2), pp. 195198. doi: 10.1130/G33735.1.
http://dx.doi.org/10.1130/G33735.1
Carretier, S.; Tolorza, V.; Rodríguez, M. P.; Pepin, E.; Aguilar, G.; Regard,
V.; Martinod, J.; Riquelme, R.; Bonnet, S.; Brichau, S.; Hérail, G.; Pinto, L.;
Farías, M.; Charrier, R. y Guyot, J. L. (2014). Erosion in the Chilean Andes

o o
between 27 S and 39 S: tectonic, climatic and geomorphic control. Geological Society,
London, Special Publications , 399. doi: 10.1144/SP399.16.
http://sp.lyellcollection.org/content/early/2014/04/08/SP399.16.abstract
Carretier, S. V. R.; Vassallo, R.; Martinod, J.; Christophoul, F.; Gayer, E.;
Audin, L. y Lagane, C. (en revisión). A note on 10Be-derived mean erosion rates
in catchments with heterogeneous lithology. Examples from the western Central Andes.
Earth and Planetary Science Letters .
Charrier, R.; Pinto, L. y Rodríguez, M. P. (2007). Tectonostratigraphic evolution of
the Andean Orogen in Chile. En: T. Moreno y W. Gibbons (Eds.), The Geology of Chile,
pp. 21114. The Geological Society, Londres.
Christie, D.; Boninsegna, J.; Cleaveland, M.; Lara, A.; Le Quesne, C.; Mo-
rales, M.; Mudelsee, M.; Stahle, D. y Villalba, R. (2011). Aridity changes
in the Temperate-Mediterranean transition of the Andes since ad 1346 reconstructed
from tree-rings. Climate Dynamics , 36(7-8), pp. 15051521. ISSN 0930-7575. doi:
10.1007/s00382-009-0723-4.
http://dx.doi.org/10.1007/s00382-009-0723-4
CIREN (2010). Determinación de la erosión actual y potencial de los suelos de Chile,
Síntesis de resultados región del Biobío.
http://bibliotecadigital.ciren.cl/gsdlexterna/collect/bdirenci/index/
assoc/HASH01f9.dir/PC14810.pdf
Cisternas, M. y Araneda, A. (2001). Variaciones isotópicas (210Pb, 137Cs)
antropológicas en el registro estratigráco de un lago de la cordillera de Nahuelbu-
ta, Chile. Revista geológica de Chile , 28, pp. 105 115. ISSN 0716-0208. doi:
10.4067/S0716-02082001000100006.
http://www.scielo.cl/scielo.php?script=sci_arttext&pid=
S0716-02082001000100006&nrm=iso
Codilean, A. T. (2006). Calculation of the cosmogenic nuclide production topographic
127
shielding scaling factor for large areas using DEMs. Earth Surface Processes and Land-
forms , 31(6), pp. 785794. ISSN 1096-9837. doi: 10.1002/esp.1336.
http://dx.doi.org/10.1002/esp.1336
Comte, D. y Pardo, M. (1991). Reappraisal of great historical earthquakes in the northern
Chile and southern Peru seismic gaps. Natural Hazards , 4(1), pp. 2344. ISSN 0921-030X.
doi: 10.1007/BF00126557.
http://dx.doi.org/10.1007/BF00126557
Cortés, G.; Vargas, X. y McPhee, J. (2011). Climatic sensitivity of streamow timing
in the extratropical western Andes Cordillera. Journal of Hydrology , 405(12), pp. 93
109. ISSN 0022-1694. doi: 10.1016/j.jhydrol.2011.05.013.
Crave, A. y Davy, P. (2001). A stochastic precipiton model for simulating ero-
sion/sedimentation dynamics. Computers & Geosciences , 27(7), pp. 815 827. ISSN
0098-3004. doi: http://dx.doi.org/10.1016/S0098-3004(00)00167-9.
Dadson, S. J.; Hovius, N.; Chen, H.; Dade, W. B.; Lin, J. C.; Hsu, M. L.; Lin, C. W.;
Horng, M. J.; Chen, T. C.; Milliman, J. y Stark, C. P. (2004). Earthquake-
triggered increase in sediment delivery from an active mountain belt. Geology , 32(8), pp.
733736. doi: 10.1130/G20639.1.
http://dx.doi.org/10.1130/G20639.1
Dadson, S. J.; Hovius, N.; Chen, H. G.; Dade, W. B.; Hsieh, M. L.; Willett, S. D.;
Hu, J. C.; Horng, M. J.; Chen, M. C.; Stark, C. P.; Lague, D. y Lin, J. C. (2003).
Links between erosion, runo variability and seismicity in the Taiwan orogen. Nature ,
426(6967), pp. 648651. doi: 10.1038/nature02150.
Davy, P. (1993). On the frequency-length distribution of the San Andreas Fault System.
Journal of Geophysical Research Solid Earth , 98(B7), pp. 1214112151. ISSN 2156-2202.
doi: 10.1029/93JB00372.
http://dx.doi.org/10.1029/93JB00372
DGA (1991). Manual basico para instruccion de hidromensores. Direccion General de Aguas.
Departamento de Hidrologia. Laboratorio hidrologico.
128
DGA (2012). Estudio Hidrogeológico Cuenca Biobío. Informe nal y planos. volumen I. Rea-
lizado por Aquaterra Ingenieros limitada para el Ministerio de Obras Públicas, Gobierno
o
de Chile. S. I. T. N 258, Santiago.
http://documentos.dga.cl/SUB5433v1.pdf
DiBiase, R. A. y Lamb, M. P. (2013). Vegetation and wildre controls on sediment yield
in bedrock landscapes. Geophysical Research Letters , 40(6), pp. 10931097. ISSN 1944-
8007. doi: 10.1002/grl.50277.
http://dx.doi.org/10.1002/grl.50277
Dietrich, W. E. y Perron, J. T. (2006). The search for a topographic signature of life.
Nature , 439(7075), pp. 411418. ISSN 0028-0836. doi: 10.1038/nature04452. 10.1038/na-
ture04452.
Dixon, H. J.; Murphy, M. D.; Sparks, S. J.; Chávez, R.; Naranjo, J. A.; Dunkley,
P. N.; Young, S. R.; Gilbert, J. S. y Pringle, M. R. (1999). The geology of
Nevados de Chillán volcano, Chile. Revista geolórgica de Chile , 26, pp. 227 253. ISSN
0716-0208. doi: 10.4067/S0716-02081999000200006.
S0716-02081999000200006&nrm=iso
dos Santos Pinheiro, G.; Poitrasson, F.; Sondag, F.; Vieira, L. C. y Pimentel,
M. M. (2013). Iron isotope composition of the suspended matter along depth and lateral
proles in the Amazon River and its tributaries. Journal of South American Earth Scien-
ces , 44(0), pp. 35 44. ISSN 0895-9811. doi: 10.1016/j.jsames.2012.08.001. Hydrology,
Geochemistry and Dynamic of South American Great River Systems.
Dosseto, A.; Hesse, P. P.; Maher, K.; Fryirs, K. y Turner, S. (2010). Climatic and
vegetation control on sediment dynamics during the last glacial cycle. Geology , 38(5),
pp. 395398. doi: 10.1130/G30708.1.
http://dx.doi.org/10.1130/G30708.1
Dunne, J.; Elmore, D. y Muzikar, P. (1999). Scaling factors for the rates of production
of cosmogenic nuclides for geometric shielding and attenuation at depth on sloped surfaces.
Geomorphology , 27(12), pp. 3 11. ISSN 0169-555X. doi: 10.1016/S0169-555X(98)
00086-5.
129
Eagleson, P. S. (1978). Climate, soil, and vegetation: 2. The distribution of annual
precipitation derived from observed storm sequences. Water Resources Research , 14(5),
pp. 713721. ISSN 1944-7973. doi: 10.1029/WR014i005p00713.
http://dx.doi.org/10.1029/WR014i005p00713
Echeverría, C.; Coomes, D.; Salas, J.; Rey-Benayas, J.; Lara, A. y Newton, A.
(2006). Rapid deforestation and fragmentation of Chilean Temperate Forests. Biological

Conservation , 130(4), pp. 481494. ISSN 0006-3207. doi: 10.1016/j.biocon.2006.01.017.
Eichner, J.; Kantelhardt, J.; Bunde, A. y Havlin, S. (2011). The Statistics of Return
Intervals, Maxima, and Centennial Events Under the Inuence of Long-Term Correlations.
En: Jurgen Kropp y Hans-Joachim Schellnhuber (Eds.), In Extremis, pp. 243. Springer
Berlin Heidelberg. ISBN 978-3-642-14862-0. doi: 10.1007/978-3-642-14863-7_1.
http://dx.doi.org/10.1007/978-3-642-14863-7_1
Elgueta, S. y Rubio, X. (1991). Estratigrafía del terciario del sector occidental de la
Depresión Central entre los 37gr y 38gr S, Chile. En: Resúmenes expandidos VI Congreso
Geológico Chileno, .
Encinas, A.; Finger, K. L.; Nielsen, S. N.; Lavenu, A.; Buatois, L. A.; Peterson,
D. E. y Roux, J. P. L. (2008). Rapid and major coastal subsidence during the late
Miocene in south-central Chile. Journal of South American Earth Sciences , 25(2), pp.
157 175. ISSN 0895-9811. doi: 10.1016/j.jsames.2007.07.001.
Erikson, I. y Högstedt, J. (2004). Landslide hazard assessment and landslide precipi-

tation relationship in Valparaíso, central Chile. Tesis doctoral, M. Sc. Thesis, Geography
Department, Göteborg University, Göteborg.
http://www.gvc.gu.se/digitalAssets/1347/1347946_b428.pdf
Escobar, P. (2013). Inventario de remociones en masa desencadenadas por el sismo del

27 de febrero de 2010 en Chile Central. Tesina o Proyecto, Departamento de Geología,
Universidad de Chile.
http://tesis.uchile.cl/handle/2250/115454
Farías, M.; Charrier, R.; Carretier, S.; Martinod, J.; Fock, A.; Campbell, D.;
130
Cáceres, J. y Comte, D. (2008). Late Miocene high and rapid surface uplift and its
erosional response in the Andes of central Chile (33deg-35deg S). Tectonics , 27(1), p. 22.
doi: 10.1029/2006TC002046.
http://dx.doi.org/10.1029/2006TC002046
Farías, M.; Comte, D.; Roecker, S.; Carrizo, D. y Pardo, M. (2011). Crustal
extensional faulting triggered by the 2010 Chilean earthquake: The Pichilemu Seismic
Sequence. Tectonics , 30(6), pp. n/an/a. ISSN 1944-9194. doi: 10.1029/2011TC002888.
http://dx.doi.org/10.1029/2011TC002888
Farías, M.; Vargas, G.; Tassara, A.; Carretier, S.; Baize, S.; Melnick, D. y Batai-
lle, K. (2010). Land-Level Changes Produced by the Mw 8.8 2010 Chilean Earthquake.
Science , 329(5994), p. 916. doi: 10.1126/science.1192094.
http://www.sciencemag.org/content/329/5994/916.abstract
FCFM (2008). Estudio Sedimentológico en el rio Maipo. Anexo 20 Estudio de Impacto
ambiental del proyecto hidroeléctrico Alto Maipo. Grupo de investigación en transporte y
ujos ambientales, Departamento de Ingenieria Civil, Universidad de Chile.
Fryirs, K. (2013). (Dis)Connectivity in catchment sediment cascades: a fresh look at the
sediment delivery problem. Earth Surface Processes and Landforms , 38(1), pp. 3046.
ISSN 1096-9837. doi: 10.1002/esp.3242.
Fuller, C. W.; Willett, S. D.; Hovius, N. y Slingerland, R. (2003). Erosion rates
for Taiwan mountain basins: New Determinations from Suspended Sediment Records and
a Stochastic Model of Their Temporal Variation. The Journal of Geology , 111(1), pp.
pp. 7187. ISSN 00221376. doi: 10.1086/344665.
http://doi.org/10.1086/344665
García, A.; Jorde, K.; E. Habit, E.; Caamaño, D. y Parra, O. (2011). Downstream
environmental eects of dam operations: Changes in habitat quality for native sh species.
River Research and Applications , 27(3), pp. 312327. ISSN 1535-1467. doi: 10.1002/rra.
1358.
http://dx.doi.org/10.1002/rra.1358
Garreaud, R. (2007). Precipitation and circulation covariability in the extratropics.
Journal of Climate , 20(18), pp. 47894797. doi: 10.1175/JCLI4257.1.
http://dx.doi.org/10.1175/JCLI4257.1
131
Garreaud, R. y Aceituno, P. (2007). Atmospheric Circulation and Climatic Varia-
bility. En: AR Orme TT Veblen, KR Young (Ed.), The Physical Geography of South
America, Oxford University Press.
Garreaud, R. D. (2009). The Andes climate and weather. Advances in Geosciences , 22,
pp. 311. doi: 10.5194/adgeo-22-3-2009.
http://www.adv-geosci.net/22/3/2009/
Geddes, N. y Dunkerley, D. (1999). The inuence of organic litter on the erosive eects
of raindrops and of gravity drops released from desert shrubs. CATENA, 36(4), pp. 303
313. ISSN 0341-8162. doi: 10.1016/S0341-8162(99)00050-8.
http://dx.doi.org/10.1016/S0341-8162(99)00050-8
Glodny, J.; Grafe, K.; Echtler, H. y Rosenau, M. (2008). Mesozoic to Quaternary
continental margin dynamics in South-Central Chile (36-42 degrees S): the apatite and
zircon ssion track perspective. International Journal of Earth Sciences , 97(6), pp.
12711291. doi: 10.1007/s00531-007-0203-1.
http://dx.doi.org/10.1007/s00531-007-0203-1
González-Ferrán, O. (1995). Volcanes de Chile. Instituto Geográco Militar, Chile.
Gorum, T.; Korup, O.; van Westen, C. J.; van der Meijde, M.; Xu, C. y van der
Meer, F. D. (2014). Why so few? Landslides triggered by the 2002 Denali earthquake,
Alaska. Quaternary Science Reviews , 95(0), pp. 80 94. ISSN 0277-3791. doi: 10.1016/
j.quascirev.2014.04.032.
http://dx.doi.org/10.1016/j.quascirev.2014.04.032
Gosse, J. C. y Phillips, F. M. (2001). Terrestrial in situ cosmogenic nuclides: theory
and application. Quaternary Science Reviews , 20(14), pp. 14751560. doi: 10.1016/
S0277-3791(00)00171-2.
http://dx.doi.org/10.1016/S0277-3791(00)00171-2
Granger, D. E.; Kirchner, J. W. y Finkel, R. (1996). Spatially averaged long-term
erosion rates measured from in situ-produced cosmogenic nuclides in alluvial sediment.
Journal of Geology , 104(3), pp. 249257.
http://www.jstor.org/stable/30068190
Gutenberg, B. y Richter, C. F. (1956). Earthquake magnitude, intensity, energy, and
acceleration: (Second paper). Bulletin of the Seismological Society of America , 46(2),
132
pp. 105145.
http://www.bssaonline.org/content/46/2/105.abstract
Hervé, F.; F., V., Faundez; Calderón, M.; Massonne, H. J. y Willner, A. (2007).
Metamorphic and plutonic basement complexes. En: T. Moreno y W. Gibbons (Eds.),
The Geology of Chile, The Geological Society, Londres.
Hewawasam, T.; von Blanckenburg, F.; Schaller, M. y Kubik, P. (2003). In-
crease of human over natural erosion rates in tropical highlands constrained by cosmo-
genic nuclides. Geology , 31(7), pp. 597600. doi: 10.1130/0091-7613(2003)031<0597:
IOHONE>2.0.CO;2.
Hooke, R. L. (2000). On the history of humans as geomorphic agents. Geology , 28(9),
pp. 843846. doi: 10.1130/0091-7613(2000)28<843:OTHOHA>2.0.CO;2.
Hovius, N.; Meunier, P.; Lin, C. W.; Chen, H.; Chen, Y. G.; Dadson, S.; Horng,
M.-J. y Lines, M. (2011). Prolonged seismically induced erosion and the mass balance
of a large earthquake. Earth and Planetary Science Letters , 304(3-4), pp. 347355. doi:
10.1016/j.epsl.2011.02.005.
Hovius, N. (1998). Controls on sediment supply by large rivers. En: Relative Role of Eus-
tasy, Climate, and Tectonism in Continental Rocks, volumen 59, pp. 216. SEPM (Society
for Sedimentary Geology). doi: 10.2110/pec.98.59.0002.
http://sp.sepmonline.org/content/sepspecpub/sepsprre/1/SEC1
Hovius, N.; Stark, C. P. y Allen, P. A. (1997). Sediment ux from a mountain belt
derived by landslide mapping. Geology , 25(3), pp. 231234. doi: 10.1130/0091-7613(1997)

025<0231:SFFAMB>2.3.CO;2.
Hovius, N.; Stark, C. P.; Hao-Tsu, C. y Jiun-Chuan, L. (2000). Supply and Removal of
Sediment in a Landslide-Dominated Mountain Belt: Central Range, Taiwan. The Journal

of Geology , 108, pp. 7389. doi: 10.1086/314387.
http://www.jstor.org/stable/10.1086/314387
Howard, A. D. (1994). A Detachment-Limited Model of Drainage Basin Evolution. Water
133
Resources Research , 30(7), pp. 22612285. doi: 10.1029/94WR00757.
http://dx.doi.org/10.1029/94WR00757
Howarth, J. D.; Fitzsimons, S. J.; Norris, R. J. y Jacobsen, G. E. (2012). Lake
sediments record cycles of sediment ux driven by large earthquakes on the Alpine fault,
New Zealand. Geology , 40(12), pp. 10911094. doi: 10.1130/G33486.1.
Huber, A. y Iroume, A. (2001). Variability of annual rainfall partitioning for dierent
sites and forest covers in Chile. Journal of Hydrology , 248(1-4), pp. 7892. doi: 10.1016/
S0022-1694(01)00394-8.
http://dx.doi.org/10.1016/S0022-1694(01)00394-8
Huber, A.; Iroumé, A.; Mohr, C. y Frêne, C. (2010). Eect of Pinus radiata and Eu-
calyptus globulus plantations on water resource in the Coastal Range of Biobio region, Chi-
le. Bosque , 31(3), pp. 219230. ISSN 0304-8799. doi: 10.4067/S0717-92002010000300006.
http://dx.doi.org/10.4067/S0717-92002010000300006
Iriarte, S. y Aguirre, I. (2004). Vulnerabilidad a la contaminación de los acuíferos de
la región del Biobío. Servicio Nacional de Geología y Minería, 25 p., 1 mapa en 2 hojas,
escala 1:250000.
Keefer, D. (1994). The importance of earthquake-induced landslides to long-term slope
erosion and slope-failure hazards in seismically active regions. Geomorphology , 10(14),

pp. 265 284. ISSN 0169-555X. doi: 10.1016/0169-555X(94)90021-3.
http://www.sciencedirect.com/science/article/pii/0169555X94900213
Keefer, D. K. (1984). Landslides caused by earthquakes. Geological Society of America

Bulletin , 95(4), pp. 406421. doi: 10.1130/0016-7606(1984)95<406:LCBE>2.0.CO;2.
http://gsabulletin.gsapubs.org/content/95/4/406.abstract
Kirchner, J. W. (2009). Catchments as simple dynamical systems: Catchment charac-
terization, rainfall-runo modeling, and doing hydrology backward. Water Resources

Research , 45(2), pp. n/an/a. ISSN 1944-7973. doi: 10.1029/2008WR006912.
http://dx.doi.org/10.1029/2008WR006912
Kirchner, J. W.; Finkel, R. C.; Riebe, C. S.; Granger, D. E.; Clayton, J. L.;
King, J. G. y Megahan, W. F. (2001). Mountain erosion over 10 yr, 10 k.y., and 10
m.y. time scales. Geology , 29(7), pp. 591594. doi: 10.1130/0091-7613(2001)029<0591:
134
MEOYKY>2.0.CO;2.
Korup, O. (2005). Large landslides and their eect on sediment ux in South Westland,
New Zealand. Earth Surface Processes and Landforms , 30(3), pp. 305323. ISSN 1096-
9837. doi: 10.1002/esp.1143.
Lague, D. (2014). The stream power river incision model: evidence, theory and beyond.
Earth Surface Processes and Landforms , 39(1), pp. 3861. ISSN 1096-9837. doi: 10.1002/
esp.3462.
Lague, D.; Hovius, N. y Davy, P. (2005). Discharge, discharge variability, and the be-
drock channel prole. Journal of Geophysical Research Earth Surface , 110(F4), F04006.
ISSN 2156-2202. doi: 10.1029/2004JF000259.
http://dx.doi.org/10.1029/2004JF000259
Lal, D. (1991). Cosmic ray labeling of erosion surfaces: in situ nuclide production rates
and erosion models. Earth and Planetary Science Letters , 104(24), pp. 424 439. ISSN
0012-821X. doi: 10.1016/0012-821X(91)90220-C.
http://www.sciencedirect.com/science/article/pii/0012821X9190220C
Lamb, M. P.; Levina, M.; DiBiase, R. A. y Fuller, B. M. (2013). Sediment storage by
vegetation in steep bedrock landscapes: Theory, experiments, and implications for postre
sediment yield. Journal of Geophysical Research Earth Surface , 118(2), pp. 11471160.
ISSN 2169-9011. doi: 10.1002/jgrf.20058.
http://dx.doi.org/10.1002/jgrf.20058
Lara, A.; Little, C.; Urrutia, R.; McPhee, J.; Álvarez Garretón, C.; Oyarzún,
C.; Soto, D.; Donoso, P.; Nahuelhual, L.; Pino, M. y Arismendi, I. (2009). As-
sessment of ecosystem services as an opportunity for the conservation and management of
native forests in Chile. Forest Ecology and Management , 258(4), pp. 415 424. ISSN
0378-1127. doi: http://dx.doi.org/10.1016/j.foreco.2009.01.004. Old forests, new manage-
ment: the conservation and use of old-growth forests in the 21st century.
Lara, A.; Solari, M. E.; Prieto, M. y Peña (2012). Reconstrucción de la cobertura
de la vegetación y uso del suelo hacia 1550 y sus cambios a 2007 en la ecorregión de los
135
bosques valdivianos lluviosos de Chile (35 - 43 30 deg S). Bosque (Valdivia) , 33, pp.
1323. ISSN 0717-9200. doi: 10.4067/S0717-92002012000100002.
http://dx.doi.org/10.4067/S0717-92002012000100002
Legrand, D.; Barrientos, S.; Bataille, K.; Cembrano, J. y Pavez, A. (2011). The
uid-driven tectonic swarm of Aysen Fjord, Chile (2007) associated with two earthquakes
(Mw=6.1 and Mw=6.2) within the Liquiñe-Ofqui Fault Zone. Continental Shelf Research ,
31(34), pp. 154 161. ISSN 0278-4343. doi: 10.1016/j.csr.2010.05.008. Fjord Oceano-
graphy of the Chilean Patagonia.
Linares, E.; Ostera, H. A. y Mas, L. C. (1999). Cronología potasio-argón del Complejo
Efusivo Copahue-Caviahue, Provincia del Neuquén. Revista de la Asociación Geológica

Argentina , 3, pp. 240247.
Little, C.; Lara, A.; McPhee, J. y Urrutia, R. (2009). Revealing the impact of forest
exotic plantations on water yield in large scale watersheds in South-Central Chile. Journal
of Hydrology , 374(12), pp. 162170. ISSN 0022-1694. doi: 10.1016/j.jhydrol.2009.06.011.
http://dx.doi.org/10.1016/j.jhydrol.2009.06.011
Lucas, Y. (2001). The role of plants in controlling rates and products of weathering: im-
portance of biological pumping. Annual Review of Earth and Planetary Sciences , 29(1),
pp. 135163. doi: 10.1146/annurev.earth.29.1.135.
http://dx.doi.org/10.1146/annurev.earth.29.1.135
Luce, C. H. y Black, T. A. (1999). Sediment production from forest roads in western
Oregon. Water Resources Research , 35(8), pp. 25612570. ISSN 1944-7973. doi: 10.1029/
1999WR900135.
http://dx.doi.org/10.1029/1999WR900135
Lupker, M.; France-Lanord, C.; Lavé, J.; Bouchez, J.; Galy, V.; Métivier, F.;
Gaillardet, J.; Lartiges, B. y Mugnier, J.-L. (2011). A Rouse-based method to
integrate the chemical composition of river sediments: Application to the Ganga basin.
Journal of Geophysical Research Earth Surface , 116(F4), pp. n/an/a. ISSN 2156-2202.
doi: 10.1029/2010JF001947.
http://dx.doi.org/10.1029/2010JF001947
Malamud, B. D.; Turcotte, D. L.; Guzzetti, F. y Reichenbach, P. (2004a). Lands-
lide inventories and their statistical properties. Earth Surface Processes and Landforms ,
136
29(6), pp. 687711. ISSN 1096-9837. doi: 10.1002/esp.1064.
Malamud, B. D.; Turcotte, D. L.; Guzzetti, F. y Reichenbach, P. (2004b). Lands-
lides, earthquakes, and erosion. Earth and Planetary Science Letters , 229(12), pp. 45
59. ISSN 0012-821X. doi: 10.1016/j.epsl.2004.10.018.
Melnick, D.; Bookhagen, B.; Strecker, M. R. y Echtler, H. P. (2009). Segmen-
tation of megathrust rupture zones from fore-arc deformation patterns over hundreds to
millions of years, Arauco peninsula, Chile. Journal of Geophysical Research Solid Earth ,
114. doi: 10.1029/2008JB005788.
http://dx.doi.org/10.1029/2008JB005788
Melnick, D.; Bookhagen, B.; Echtler, H. P. y Strecker, M. R. (2006). Coastal

o
deformation and great subduction earthquakes, Isla Santa María, Chile (37 S). Geological
Society of America Bulletin , 118(11-12), pp. 14631480. doi: 10.1130/B25865.1.
http://gsabulletin.gsapubs.org/content/118/11-12/1463.abstract
Melnick, D.; Cisternas, M.; Moreno, M. y Norambuena, R. (2012a). Estimating
coseismic coastal uplift with an intertidal mussel: calibration for the 2010 Maule Chile
earthquake (Mw=8.8). Quaternary Science Reviews , 42(0), pp. 29 42. ISSN 0277-
3791. doi: http://dx.doi.org/10.1016/j.quascirev.2012.03.012.
http://www.sciencedirect.com/science/article/pii/S027737911200131X
Melnick, D. y Echtler, H. P. (2006). Inversion of forearc basins in south-central Chile
caused by rapid glacial age trench ll. Geology , 34(9), pp. 709712. doi: 10.1130/G22440.
1.
Melnick, D.; Moreno, M.; Motagh, M.; Cisternas, M. y Wesson, R. L. (2012b).
Splay fault slip during the Mw 8.8 2010 Maule Chile earthquake. Geology , 40(3), pp.
251254. doi: 10.1130/G32712.1.
Meunier, P.; Hovius, N. y Haines, A. J. (2007). Regional patterns of earthquake-
triggered landslides and their relation to ground motion. Geophysical Research Letters ,
34(20), pp. n/an/a. ISSN 1944-8007. doi: 10.1029/2007GL031337.
http://dx.doi.org/10.1029/2007GL031337
137
Meunier, P.; Hovius, N. y Haines, J. A. (2008). Topographic site eects and the location
of earthquake induced landslides. Earth and Planetary Science Letters , 275(34), pp.
221 232. ISSN 0012-821X. doi: 10.1016/j.epsl.2008.07.020.
http://dx.doi.org/10.1016/j.epsl.2008.07.020
Miller, A. (1976). The Climate of Chile. En: W. Schwerdtfeger (Ed.), Climates of Central
and South America, volumen 12 de World Survey of Climatology, pp. 113145. Elsevier,
Amsterdam-Oxford-New York.
Milliman, J. D. y Syvitski, J. P. M. (1992). Geomorphic/tectonic control of sediment
discharge to the ocean: the importance of small mountainous rivers. Journal of Geology ,
100(5), pp. 525544. doi: 10.1086/629606.
http://dx.doi.org/10.1086/629606
Milly, P. C. D.; Betancourt, J.; Falkenmark, M.; Hirsch, R. M.; Kundzewicz,
Z. W.; Lettenmaier, D. P. y Stouffer, R. J. (2008). Stationarity Is Dead: Whither
Water Management? Science , 319(5863), pp. 573574. doi: 10.1126/science.1151915.
http://www.sciencemag.org/content/319/5863/573.short
Mohr, C. H.; Coppus, R.; Iroume, A.; Huber, A. y Bronstert, A. (2013). Runo
generation and soil erosion processes after clear cutting. Journal of Geophysical Research
Earth Surface . ISSN 2169-9011. doi: 10.1002/jgrf.20047.
http://dx.doi.org/10.1002/jgrf.20047
Mohr, C. H.; Montgomery, D. R.; Huber, A.; Bronstert, A. y Iroume, A. (2012).
Streamow response in small upland catchments in the Chilean coastal range to the
MW 8.8 Maule earthquake on 27 February 2010. Journal of Geophysical Research Earth

Surface , 117(F2), F02032. ISSN 2156-2202. doi: 10.1029/2011JF002138.
http://dx.doi.org/10.1029/2011JF002138
Mohr, C. H.; Zimmermann, A.; Korup, O.; Iroumé, A.; Francke, T. y Bronstert,
A. (2014). Seasonal logging, process response, and geomorphic work. Earth Surface
Dynamics , 2(1), pp. 117125. doi: 10.5194/esurf-2-117-2014.
http://www.earth-surf-dynam.net/2/117/2014/
Mohr, C. H.; Manga, M.; Wang, C.-y.; Kirchner, J. W. y Bronstert, A. (2015).
Shaking water out of soil. Geology , 43(3), pp. 207210. doi: 10.1130/G36261.1.
138
Molnar, P. (2003). Geomorphology - Nature, nurture and landscape. Nature , 426(6967),
pp. 612614. doi: 10.1038/426612a.
http://www.nature.com/nature/journal/v426/n6967/full/426612a.html
Molnar, P. y England, P. (1990). Late cenozoic uplift of mountain-ranges and global
climate change - chicken or egg. Nature , 346(6279), pp. 2934. doi: 10.1038/346029a0.
http://dx.doi.org/10.1038/346029a0
Molnar, P.; Anderson, R. S.; Kier, G. y Rose, J. (2006). Relationships among pro-
bability distributions of stream discharges in oods, climate, bed load transport, and river
incision. Journal of Geophysical Research Earth Surface , 111(F2), pp. n/an/a. ISSN
2156-2202. doi: 10.1029/2005JF000310.
http://dx.doi.org/10.1029/2005JF000310
Montgomery, D. R. y Manga, M. (2003). Streamow and Water Well Responses to
Earthquakes. Science , 300(5628), pp. 20472049. doi: 10.1126/science.1082980.
http://dx.doi.org/10.1126/science.1082980
Morehead, M. D.; Syvitski, J. P.; Hutton, E. W. y Peckham, S. D. (2003). Modeling
the temporal variability in the ux of sediment from ungauged river basins. Global Planet
Change , 39(12), pp. 95 110. ISSN 0921-8181. doi: 10.1016/S0921-8181(03)00019-5.
http://dx.doi.org/10.1016/S0921-8181(03)00019-5
Moreno, H.; Lahsen, A. y Thiele, J., R.and Varela (1984). Estudio del Volcán
Callaqui. Geología del Área del Volcán Callaqui, Escala 1 : 50.000..
Moreno, H.; Naranjo, J. y Polanco, E. (Inédita). Geología del complejo volcánico
Lonquimay-Tolhuaca. Regiones de La Araucanía y del BioBío. Carta geológica de Chile,
Serie geología básica, escala 1:50.000.
Moreno, M.; Melnick, D.; Rosenau, M.; Baez, J.; Klotz, J.; Oncken, O.; Tassara,
A.; Chen, J.; Bataille, K.; Bevis, M.; Socquet, A.; Bolte, J.; Vigny, C.; Brooks,
B.; Ryder, I.; Grund, V.; Smalley, B.; Carrizo, D.; Bartsch, M. y Hase, H. (2012).
Toward understanding tectonic control on the Mw 8.8 2010 Maule Chile earthquake.
Earth and Planetary Science Letters , 321-322(0), pp. 152 165. ISSN 0012-821X. doi:
10.1016/j.epsl.2012.01.006.
Moreno, P. I. (2004). Millennial-scale climate variability in northwest Patagonia over the
139
last 15,000 yr. Journal of Quaternary Science , 19(1), pp. 3547. ISSN 1099-1417. doi:
10.1002/jqs.813.
http://dx.doi.org/10.1002/jqs.813
Moya, S.; Sepúlveda, S.; Serey, A.; Montalva, G.; Yugsi, F.; Oróstegui, P.; Gar-
cía, M.; Quiroz, J. y Pastén, C. (en prensa). Geomorphological and geotechnical
analysis of landslides induced by the Maule earthquake 2010 in the Arauco Peninsula,
Chile. En: XV Congreso Panamericano de Mecánica de suelos e Ingeniería Geotécnica,

Buenos Aires.
Muñoz, A. (2012). Multi-century tree-growth variability and streamow reconstructions in

the Chilean Mediterranean-Temperate (35-42 deg S) transition. Tesis doctoral, Faculty of
Forestry Sciences and Natural Resources, Universidad Austral De Chile, Valdivia, Chile.
Muñoz, M. (2011). Sistema geotermal asociado al volcán Sierra Nevada: estudio geoquímico
de aguas y gases termales. Memoria de Título. Departamento de Geología, Universidad
de Chile.
http://repositorio.uchile.cl/handle/2250/104245
Naranjo, J. y Moreno, H. (2005). Geología del volcán Llaima, región de La Araucanía,
Carta Geológica de Chile, serie geología básica. No. 88, escala 1:50.000.
Naranjo, J.; Moreno, H.; Emparan, C. y Murphy, M. (1993). Volcanismo explosivo
reciente en la caldera del volcán Sollipulli, Andes del Sur (39 gr S). Revista Geológica de
Chile , 20(2), pp. 167191.
http://www.andeangeology.equipu.cl/index.php/revista1/article/viewFile/
1534/1785
Nielsen, S. N. (2005). The Triassic Santa Juana Formation at the lower Biobío River,
south central Chile. Journal of South American Earth Sciences , 19(4), pp. 547 562.
ISSN 0895-9811. doi: 10.1016/j.jsames.2005.06.002.
Nishiizumi, K.; Imamura, M.; Caffee, M. W.; Southon, J. R.; Finkel, R. C. y McA-
ninch, J. (2007). Absolute calibration of 10Be AMS standards. Nuclear Instruments

and Methods in Physics Research Section B: Beam Interactions with Materials and Atoms ,
258(2), pp. 403 413. ISSN 0168-583X. doi: 10.1016/j.nimb.2007.01.297.
http://dx.doi.org/10.1016/j.nimb.2007.01.297
140
Oyarzún, C.; Aracena, C.; Rutherford, P.; Godoy, R. y Deschrijver, A. (2007).
Eects of land use conversion from native forests to exotic plantations on nitrogen and
phosphorus retention in catchments of southern chile. Water Air and Soil Pollution ,
179(1-4), pp. 341350. doi: 10.1007/s11270-006-9237-4.
http://dx.doi.org/10.1007/s11270-006-9237-4
Oyarzun, C. E. y Peña, L. (1995). Soil erosion and overland ow in forested areas with
pine plantations at coastal mountain range, central Chile. Hydrological Processes , 9(1),
pp. 111118. ISSN 1099-1085. doi: 10.1002/hyp.3360090110.
http://dx.doi.org/10.1002/hyp.3360090110
Oyarzún, C. E.; Frêne, C.; Lacrampe, G.; Huber, A. y Hervé, P. (2011). Pro-
piedades hidrológicas del suelo y exportación de sedimentos en dos microcuencas de
la Cordillera de la Costa en el sur de Chile con diferente cobertura vegetal. Bosque

(Valdivia) , 32, pp. 10 19. ISSN 0717-9200. doi: 10.4067/S0717-92002011000100002.
S0717-92002011000100002&nrm=iso
Pepin, E.; Carretier, S.; Guyot, J. L. y Escobar, F. (2010). Specic suspended
sediment yields of the Andean rivers of Chile and their relationship to climate, slope and
vegetation. Hydrological Sciences Journal , 55(7), pp. 11901205. doi: 10.1080/02626667.
2010.512868.
http://dx.doi.org/10.1080/02626667.2010.512868
Pizarro, J.; Vergara, P.; Morales, J.; Rodríguez, J. y Vila, I. (2014). Inuence
of land use and climate on the load of suspended solids in catchments of Andean rivers.
Environmental Monitoring and Assessment , 186(2), pp. 835843. ISSN 0167-6369. doi:
10.1007/s10661-013-3420-z.
http://dx.doi.org/10.1007/s10661-013-3420-z
Pritchard, M. E.; Jay, J. A.; Aron, F.; Henderson, S. T. y Lara, L. E. (2013). Sub-
sidence at southern Andes volcanoes induced by the 2010 Maule, Chile earthquake. Nature
Geosci , 6(8), p. 632636. ISSN 1752-0894. doi: 10.1038/ngeo185510.1038/ngeo1855.
http://www.nature.com/ngeo/journal/v6/n8/abs/ngeo1855.html#
supplementary-information
Raymo, M. E. y Ruddiman, W. F. (1992). Tectonic forcing of late Cenozoic climate.
Nature , 359(6391), pp. 117122. doi: 10.1038/359117a0. 10.1038/359117a0.
141
http://dx.doi.org/10.1038/359117a0
Rehak, K.; Strecker, M. R. y Echtler, H. P. (2008). Morphotectonic segmentation
of an active forearc, 37 degrees-41 degrees S, Chile. Geomorphology , 94(1-2), pp. 98116.

doi: 10.1016/j.geomorph.2007.05.002.
Rehak, K.; Niedermann, S.; Preusser, F.; Strecker, M. R. y Echtler, H. P. (2010).
Late Pleistocene landscape evolution in south-central Chile constrained by luminescence
and stable cosmogenic nuclide dating. Geological Society of America Bulletin , 122(7-8),
pp. 12351247. doi: 10.1130/B26545.1.
http://gsabulletin.gsapubs.org/content/122/7-8/1235.abstract
Reiners, P. W. y Brandon, M. T. (2006). Using thermochronology to understand
orogenic erosion. Annual Review of Earth and Planetary Sciences , 34(1), pp. 419466.
doi: 10.1146/annurev.earth.34.031405.125202.
http://dx.doi.org/10.1146/annurev.earth.34.031405.125202
Reiners, P. W.; Ehlers, T. A.; Mitchell, S. G. y Montgomery, D. R. (2003).
Coupled spatial variations in precipitation and long-term erosion rates across the Wa-
shington Cascades. Nature , 426(6967), pp. 645647. doi: 10.1038/nature02111.
Rockstrom, J.; Steffen, W.; Noone, K.; Persson, A.; Chapin, F. S.; Lambin, E. F.;
Lenton, T. M.; Scheffer, M.; Folke, C.; Schellnhuber, H. J.; Nykvist, B.;
de Wit, C. A.; Hughes, T.; van der Leeuw, S.; Rodhe, H.; Sorlin, S.; Snyder,
P. K.; Costanza, R.; Svedin, U.; Falkenmark, M.; Karlberg, L.; Corell, R. W.;
Fabry, V. J.; Hansen, J.; Walker, B.; Liverman, D.; Richardson, K.; Crutzen,
P. y Foley, J. A. (2009). A safe operating space for humanity. Nature , 461(7263),

pp. 472475. ISSN 0028-0836. doi: 10.1038/461472a. 10.1038/461472a.
http://dx.doi.org/10.1038/461472a
Rodríguez, C.; Bommer, J. y Chandler, R. (1999). Earthquake-induced landslides:
19801997 . Soil Dynamics and Earthquake Engineering , 18(5), pp. 325 346. ISSN
0267-7261. doi: 10.1016/S0267-7261(99)00012-3.
http://dx.doi.org/10.1016/S0267-7261(99)00012-3
Rojas-Vera, E.; Folguera, A.; Valcarce, G. Z.; Bottesi, G. y Ramos, V. A. (2014).
Structure and development of the Andean system between 36 and 39deg S. Journal of
142
Geodynamics , 73(0), pp. 34 52. ISSN 0264-3707. doi: 10.1016/j.jog.2013.09.001.
Rubio-Alvarez, E. y McPhee, J. (2010). Patterns of spatial and temporal variability
in streamow records in south central Chile in the period 1952-2003. Water Resources
Research , 46(5). ISSN 1944-7973. doi: 10.1029/2009WR007982.
http://dx.doi.org/10.1029/2009WR007982
Safran, E. B.; Bierman, P. R.; Aalto, R.; Dunne, T.; Whipple, K. X. y Caffee,
M. (2005). Erosion rates driven by channel network incision in the Bolivian Andes.
Earth Surface Processes and Landforms , 30(8), pp. 10071024. ISSN 1096-9837. doi:
10.1002/esp.1259.
Sanhueza, K.; Lopez, R. A. y Vidal, F. (2007). Recopilacion y analisis de datos sedi-
mentometricos de la cuenca del Maipo. En: XVII Congreso Chileno de Hidraulica, .
Saragoni, S. y Ruiz, S. (2012). Implicaciones y nuevos desafíos de diseño sísmico de los
acelerogramas del terremoto de 2010. En: Mw = 8,8 Terremoto en Chile. 27 de febrero

de 2010, Departamento Ingeniería Civil, Universidad de Chile.
Schaller, M.; von Blanckenburg, F.; Hovius, N. y Kubik, P. W. (2001). Large-
scale erosion rates from in situ-produced cosmogenic nuclides in European river sediments.
Earth and Planetary Science Letters , 188(3-4), pp. 441458. doi: 10.1016/S0012-821X(01)
00320-X.
Schuller, P.; Walling, D.; Iroumé, A.; Quilodrán, C.; Castillo, A. y Navas, A.
(2013). Using 137Cs and 210Pbex and other sediment source ngerprints to document
suspended sediment sources in small forested catchments in south-central Chile. Journal

of Environmental Radioactivity , 124(0), pp. 147 159. ISSN 0265-931X. doi: 10.1016/j.
jenvrad.2013.05.002.
Sepúlveda, S.; Murphy, W. y Petley, D. (2005a). Topographic controls on coseismic
rock slides during the 1999 Chi-Chi earthquake, Taiwan. Quarterly Journal of Engineering
Geology and Hydrogeology , 38(2), pp. 189196. doi: 10.1144/1470-9236/04-062.
http://qjegh.lyellcollection.org/content/38/2/189.abstract
143
Sepúlveda, S. A.; Astroza, M.; Kausel, E.; Campos, J.; Casas, E. A.; Rebolledo,
S. y Verdugo, R. (2008). New Findings on the 1958 Las Melosas Earthquake Sequence,
Central Chile: Implications for Seismic Hazard Related to Shallow Crustal Earthquakes
in Subduction Zones. Journal of Earthquake Engineering , 12(3), pp. 432455. doi:
10.1080/13632460701512951.
http://dx.doi.org/10.1080/13632460701512951
Sepúlveda, S. A.; Murphy, W.; Jibson, R. W. y Petley, D. N. (2005b). Seismically
induced rock slope failures resulting from topographic amplication of strong ground mo-
tions: The case of Pacoima Canyon, California. Engineering Geology , 80(34), pp. 336
348. ISSN 0013-7952. doi: 10.1016/j.enggeo.2005.07.004.
Sepúlveda, S. A.; Serey, A.; Lara, M.; Pavez, A. y Rebolledo, S. (2010). Landslides
induced by the April 2007 Aysén Fjord earthquake, Chilean Patagonia. Landslides , 7(4),
pp. 483492. ISSN 1612-510X. doi: 10.1007/s10346-010-0203-2.
http://dx.doi.org/10.1007/s10346-010-0203-2
Sepúlveda, S.; Moreiras, S.; Lara, M. y Alfaro, A. (2015). Debris ows in the Andean
ranges of central Chile and Argentina triggered by 2013 summer storms: characteristics
and consequences. Landslides , 12(1), pp. 115133. ISSN 1612-510X. doi: 10.1007/
s10346-014-0539-0.
http://dx.doi.org/10.1007/s10346-014-0539-0
SERNAGEOMIN (2002). Mapa Geologico de Chile, Escala 1:1.000.000. Carta Geológica
de Chile, Serie Geología Básica 75.
Smith, J. C.; Galy, A.; Hovius, N.; Tye, A. M.; Turowski, J. M. y Schleppi, P.
(2013). Runo-driven export of particulate organic carbon from soil in temperate forested
uplands. Earth and Planetary Science Letters , 365, pp. 198 208. ISSN 0012-821X. doi:
10.1016/j.epsl.2013.01.027.
Solar, W. (1999). Manual de terreno y centros de ltrado. Direccion General de Aguas.
Departamento de Hidrologia. Laboratorio hidrologico.
http://documentos.dga.cl/SED4939.pdf
Spikings, R.; Dungan, M.; Foeken, J.; Carter, A.; Page, L. y Stuart, F. (2008).
Tectonic response of the central Chilean margin (3538gradS) to the collision and sub-
144
duction of heterogeneous oceanic crust: a thermochronological study. Journal of the
Geological Society , 165(5), pp. 941953. doi: 10.1144/0016-76492007-115.
http://jgs.lyellcollection.org/content/165/5/941.abstract
Stark, C. P. y Guzzetti, F. (2009). Landslide rupture and the probability distribution
of mobilized debris volumes. Journal of Geophysical Research Earth Surface , 114(F2),

pp. n/an/a. ISSN 2156-2202. doi: 10.1029/2008JF001008.
http://dx.doi.org/10.1029/2008JF001008
Stark, C. P. y Hovius, N. (2001). The characterization of landslide size distribu-
tions. Geophysical Research Letters , 28(6), pp. 10911094. ISSN 1944-8007. doi:
10.1029/2000GL008527.
http://dx.doi.org/10.1029/2000GL008527
Stone, J. O. (2000). Air pressure and cosmogenic isotope production. Journal of

Geophysical Research Solid Earth , 105(B10), pp. 2375323759. ISSN 2156-2202. doi:
10.1029/2000JB900181.
http://dx.doi.org/10.1029/2000JB900181
Summerfield, M. A. y Hulton, N. J. (1994). Natural controls of uvial denudation rates
in major world drainage basins. Journal of Geophysical Research Solid Earth , 99(B7),
pp. 1387113883. ISSN 2156-2202. doi: 10.1029/94JB00715.
http://dx.doi.org/10.1029/94JB00715
Syvitski, J. P.; Morehead, M. D.; Bahr, D. B. y Mulder, T. (2000). Estimating
uvial sediment transport: The rating parameters. Water Resources Research , 36(9), pp.
27472760. ISSN 1944-7973. doi: 10.1029/2000WR900133.
http://dx.doi.org/10.1029/2000WR900133
Syvitski, J. P. M.; Vorosmarty, C. J.; Kettner, A. J. y Green, P. (2005). Impact
of Humans on the Flux of Terrestrial Sediment to the Global Coastal Ocean. Science ,
308(5720), pp. 376380. doi: 10.1126/science.1109454.
Syvitsky, J. y Milliman, J. (2007). Geology, Geography, and Humans Battle for Do-
minance over the Delivery of Fluvial Sediment to the Coastal Ocean. The Journal of
Geology , 115, pp. 119. doi: 10.1086/509246.
http://dx.doi.org/10.1086/509246
145
Thiele, R.; Moreno, H.; Elgueta, S.; Lahsen, A.; Rebolledo, S. y Petit-Breuilh,
M. E. (1998). Evolución geológico-geomorfológica cuaternaria del tramo superior del
valle del río Laja. Revista geoógica de Chile , 25, pp. 229 253. ISSN 0716-0208.
S0716-02081998000200007&nrm=iso
Tolorza, V.; Carretier, S.; Andermann, C.; Ortega-Culaciati, F.; Pinto, L. y
Mardones, M. (2014). Contrasting mountain and piedmont dynamics of sediment dis-
charge associated with groundwater storage variation in the Biobío River. Journal of
Geophysical Research Earth Surface . ISSN 2169-9011. doi: 10.1002/2014JF003105.
http://dx.doi.org/10.1002/2014JF003105
Tucker, G. E. y Bras, R. L. (2000). A stochastic approach to modeling the role of
rainfall variability in drainage basin evolution. Water Resources Research , 36(7), pp.
19531964. ISSN 1944-7973. doi: 10.1029/2000WR900065.
http://dx.doi.org/10.1029/2000WR900065
Tucker, G. E. (2004). Drainage basin sensitivity to tectonic and climatic forcing: implica-
tions of a stochastic model for the role of entrainment and erosion thresholds. Earth Surfa-
ce Processes and Landforms , 29(2), pp. 185205. ISSN 1096-9837. doi: 10.1002/esp.1020.
Tucker, G. E. y Slingerland, R. (1997). Drainage basin responses to climate
change. Water Resources Research , 33(8), pp. 20312047. ISSN 1944-7973. doi:
10.1029/97WR00409.
http://dx.doi.org/10.1029/97WR00409
Turcotte, D. y Greene, L. (1993). A scale-invariant approach to ood-frequency
analysis. Stochastic Hydrology and Hydraulics , 7(1), pp. 3340. ISSN 0931-1955. doi:
10.1007/BF01581565.
http://dx.doi.org/10.1007/BF01581565
Turowski, J.; Rickenmann, D. y Dadson, S. (2010). The partitioning of the total
sediment load of a river into suspended load and bedload: a review of empirical data.
Sedimentology , 57(4), pp. 11261146. ISSN 1365-3091. doi: 10.1111/j.1365-3091.2009.
01140.x.
http://dx.doi.org/10.1111/j.1365-3091.2009.01140.x
Vanacker, V.; von Blanckenburg, F.; Govers, G.; Molina, A.; Poesen, J.; Dec-
146
kers, J. y Kubik, P. (2007). Restoring dense vegetation can slow mountain erosion to
near natural benchmark levels. Geology , 35(4), pp. 303306.
Viale, M. y Garreaud, R. (2014). Summer Precipitation Events over the Western Slope
of the Subtropical Andes. Mon Weather Rev , 142(3), pp. 10741092. ISSN 0027-0644.
doi: 10.1175/MWR-D-13-00259.1.
http://dx.doi.org/10.1175/MWR-D-13-00259.1
Vigny, C.; Socquet, A.; Peyrat, S.; Ruegg, J.-C.; Métois, M.; Madariaga, R.;
Morvan, S.; Lancieri, M.; Lacassin, R.; Campos, J.; Carrizo, D.; Bejar-Pizarro,
M.; Barrientos, S.; Armijo, R.; Aranda, C.; Valderas-Bermejo, M.-C.; Ortega,
I.; Bondoux, F.; Baize, S.; Lyon-Caen, H.; Pavez, A.; Vilotte, J. P.; Bevis, M.;
Brooks, B.; Smalley, R.; Parra, H.; Baez, J.-C.; Blanco, M.; Cimbaro, S. y
Kendrick, E. (2011). The 2010 Mw 8.8 Maule Megathrust Earthquake of Central Chile,
Monitored by GPS. Science , 332(6036), pp. 14171421. doi: 10.1126/science.1204132.
Villagrán, C. y Hinojosa, L. F. (1997). Historia de los bosques del sur de Sudamérica,
II: Análisis togeográco. Revista Chilena de Historia Natural , 70(2), pp. 1267.
http://rchn.biologiachile.cl/es/contents/1997v70n2.php
von Blanckenburg, F.; Belshaw, N. y O'Nions, R. (1996). Separation of 9Be and cos-
mogenic 10Be from environmental materials and SIMS isotope dilution analysis. Chemical
Geology , 129(12), pp. 93 99. ISSN 0009-2541. doi: 10.1016/0009-2541(95)00157-3.
http://dx.doi.org/10.1016/0009-2541(95)00157-3
von Blanckenburg, F. (2005). The control mechanisms of erosion and weathering at
basin scale from cosmogenic nuclides in river sediment. Earth and Planetary Science
Letters , 237(34), pp. 462479. ISSN 0012-821X. doi: 10.1016/j.epsl.2005.06.030.
von Blanckenburg, F. y Willenbring, J. K. (2014). Cosmogenic Nuclides: Dates and
Rates of Earth-Surface Change. Elements , 10(5), pp. 341346. doi: 10.2113/gselements.
10.5.341.
http://elements.geoscienceworld.org/content/10/5/341.abstract
Vorpahl, P.; Dislich, C.; Elsenbeer, H.; Märker, M. y Schröder, B. (2013). Biotic
controls on shallow translational landslides. Earth Surface Processes and Landforms ,

38(2), pp. 198212. ISSN 1096-9837. doi: 10.1002/esp.3320.
147
Walling, D. (2006). Human impact on land-ocean sediment transfer by the world's rivers.
Geomorphology , 79(3-4), pp. 192216. ISSN 0169-555X. doi: 10.1016/j.geomorph.2006.
06.019.
Warrick, J.; Milliman, J.; Walling, D.; Wasson, R.; Syvitski, J. y Aalto, R. (2014).
Earth is (mostly) at: Apportionment of the ux of continental sediment over millennial
time scales: COMMENT. Geology , 42(1), p. e316. doi: 10.1130/G34846C.1.
http://geology.gsapubs.org/content/42/1/e316.short
Whipple, K. (2009). The inuence of climate on the tectonic evolution of mountain belts.
Nature Geoscience , 2, pp. 97104. doi: 10.1038/ngeo413.
http://www.nature.com/ngeo/journal/v2/n2/full/ngeo413.html
Willett, S. D. (1999). Orogeny and orography: The eects of erosion on the structure
of mountain belts. Journal of Geophysical Research , 104(B12), pp. 2895728981. doi:
10.1029/1999JB900248.
http://dx.doi.org/10.1029/1999JB900248
Wittmann, H.; von Blanckenburg, F.; Guyot, J.; Laraque, A.; Bernal, C. y Ku-
bik, P. (2011). Sediment production and transport from in situ-produced cosmogenic
10Be and river loads in the Napo River basin, an upper Amazon tributary of Ecuador and
Peru. Journal of South American Earth Sciences , 31(1), pp. 45 53. ISSN 0895-9811.
doi: 10.1016/j.jsames.2010.09.004.
Wolman, M. G. y Miller, J. P. (1960). Magnitude and Frequency of Forces in Geo-
morphic Processes. The Journal of Geology , 68(1), pp. 5474. ISSN 00221376.
http://www.jstor.org/stable/30058255
Wu, T. H. (2013). Root reinforcement of soil: review of analytical models, test results,
and applications to design. Canadian Geotechnical Journal , 50(3), pp. 259274. doi:
10.1139/cgj-2012-0160.
http://dx.doi.org/10.1139/cgj-2012-0160
Wulf, H.; Bookhagen, B. y Scherler, D. (2012). Climatic and geologic controls on
suspended sediment ux in the Sutlej River Valley, western Himalaya. Hydrology and
148
Earth System Sciences , 16(7), pp. 21932217. doi: 10.5194/hess-16-2193-2012.
http://www.hydrol-earth-syst-sci.net/16/2193/2012/
Yang, G.; Chen, Z.; Yu, F.; Wang, Z.; Zhao, Y. y Wang, Z. (2007). Sediment rating
parameters and their implications: Yangtze River, China. Geomorphology , 85(34), pp.
166175. ISSN 0169-555X. doi: 10.1016/j.geomorph.2006.03.016.
http://dx.doi.org/10.1016/j.geomorph.2006.03.016
Yanites, B. J.; Tucker, G. E. y Anderson, R. S. (2009). Numerical and analyti-
cal models of cosmogenic radionuclide dynamics in landslide-dominated drainage basins.
Journal of Geophysical Research Earth Surface , 114(F1), pp. n/an/a. ISSN 2156-2202.
doi: 10.1029/2008JF001088.
http://dx.doi.org/10.1029/2008JF001088
149
Apéndice
150
Apéndice A
Tabla de abreviaciones
Parametro Unidades Descripción

3
Cs M/L Concentración de sedimentos suspendidos
3
Q L /T Caudal. Descarga de agua total
Qs M/T Descarga de sedimentos suspendidos
pdf - Función de densidad de probabilidad
α (Cap. 1) - Exponente regresión potencial de pdf

k - Coeciente de variabilidad (k = α + 1)
Q* - Caudal normalizado por su promedio
Qs * - Descarga sedimentaria suspendida normalizado por su promedio

3
QI L /T Caudal de base de datos integrada
3
QR L /T Caudal de base de datos rutinaria
3
QI L /T Promedio de caudal de base de datos integrada
3
QR* L /T Promedio de caudal de base de datos rutinaria sólo en días de aforo
3
QR** L /T Promedio de todos los datos de caudal de base de datos rutinaria
QI ** - Caudal de base de datos integrada normalizado por QR**

Qs I M/T Qs de base de datos integrada
QsR M/T Qs de base de datos rutinaria
Qs I M/T Promedio de Qs de base de datos integrada
Qs R* M/T Promedio de Qs de base de datos rutinaria sólo en días de aforo

3
Qs R** L Promedio de todos los datos de Qs de base de datos rutinaria
Qs I ** - Qs de base de datos integrada normalizado por Qs R**

3
CI M/L Cs de base de datos integrada
3
CR M/L Cs de base de datos rutinaria
CI M/T Promedio de Cs de base de datos integrada
CR* M/T Promedio de Cs de base de datos rutinaria sólo en días de aforo

3
CR** M/L Promedio de todos los datos de Cs de base de datos rutinaria
151
Parametro Unidades Descripción
α (Cap. 2) - Exponential recession constant of water discharge
BFImax - Long-term ratio between the baseow and the total discharge
3
Qd L /T Direct water discharge
3
Qb L /T Baseow
3
dry Qb L /T Baseow when Qd =0
Qsd M/T Suspended sediment ux when Qd > 0
dry Qs M/T Suspended sediment ux when Qd =0
Qsout M/T Mean suspended sediment ux at the river mouth
Qsin M/T Mean suspended sediment ux at a sub-catchment
152
Apéndice B
Denición de años hidrológicos para

estaciones analizadas en el capítulo 3
A continuación se muestran los hidrogramas anuales de las 33 estaciones analizadas en el capítulo 3. Para
3
toda la base de datos entre los años 1985 y 2014, se ha superpuesto la serie de tiempo de caudal [m /s] en
base a su día juliano y en rojo se destaca el promedio interanual para cada día. A la izquierda se muestra el
diagrama en año calendario. Para cada una de las estaciones se ha denido un inicio y n del año hidrológico,
de manera de agrupar los datos de caudal y concentración de sedimentos suspendidos que pertenecen al
mismo ciclo de crecida intra anual. Cada año hidrológico se muestra en los diagramas de la derecha. También
se muestra el área drenada cada cuenca.
1. Cuncumen Cod 04703002 Lat −31.9694 long −70.5916

132 132
Sum. Aut. Wint. Spring
99 99
66 66
33 33
0 0
J F M A M J J A S O N D J A S O N D J F MA M J
153
2. Las_Burras Cod 04721001 Lat −31.5103 long −70.8147
72 72

54 54
36 36
18 18
0 0
J F M A M J J A S O N D A S O N D J F MA MJ J
3. Chacabuquito Cod 05410002 Lat −32.8475 long −70.5095

216 216

162 162
108 108
54 54
0 0
J F M A M J J A S O N D MJ J A S O N D J F M A
4. Resg._los_patos Cod 05414001 Lat −32.5037 long −70.5823

116 116
87 87
58 58
29 29
0 0
154
5. Col._A.J.R.Maipo Cod 05707002 Lat −33.5908 long −70.3692
140 140

105 105
70 70
35 35
0 0
6. El_Manzano Cod 05710001 Lat −33.5973 long −70.3813

648 648

486 486
324 324
162 162
0 0
J F M A M J J A S O N D J J A S O N D J F MA M
7. Los_Almendros Cod 05722002 Lat −33.3706 long −70.4476

164 164
123 123
82 82
41 41
0 0
J F M A M J J A S O N D MJ J A S O N D J F MA
155
8. Rinc._de_Maipu Cod 05737002 Lat −33.4981 long −70.8194
1016 1016

762 762
508 508
254 254
0 0
J F M A M J J A S O N D A MJ J A S O N D J F M
9. Pte.T._de_Cauquenes Cod 06008005 Lat −34.2533 long −70.5689

624 624

468 468
312 312
156 156
0 0
10. Bajo_los_Briones Cod 06028001 Lat −34.7175 long −70.8258

528 528
396 396
264 264
132 132
0 0
156
11. Los_Quenes Cod 07103001 Lat −35.0016 long −70.8117
464 464

348 348
232 232
116 116
0 0
12. Teno_D.J.R.Claro Cod 07104002 Lat −34.9968 long −70.8231

1012 1012

759 759
506 506
253 253
0 0
13. Sauzal Cod 07343001 Lat −35.7532 long −72.0691

340 340
255 255
170 170
85 85
0 0
157
14. Las_Brisas Cod 07359001 Lat −35.6169 long −71.7674
7608 7608

5706 5706
3804 3804
1902 1902
0 0
15. San_Fabian_2 Cod 08106002 Lat −36.5846 long −71.5251

1800 1800

1350 1350
900 900
450 450
0 0
16. Cam._a_Confluencia Cod 08117005 Lat −36.6123 long −72.3260

656 656
492 492
328 328
164 164
0 0
158
17. Cholguan Cod 08123001 Lat −37.1576 long −72.0684
964 964

723 723
482 482
241 241
0 0
18. Diguillin_Long. Cod 08132001 Lat −36.8667 long −72.3255

1472 1472

1104 1104
736 736
368 368
0 0
19. Balsa_Nueva_Aldea Cod 08135002 Lat −36.6532 long −72.4524

2936 2936
2202 2202
1468 1468
734 734
0 0
159
20. Coelemu Cod 08141001 Lat −36.4634 long −72.6936
6052 6052

4539 4539
3026 3026
1513 1513
0 0
21. Llanquen Cod 08307002 Lat −38.2007 long −71.2988

1600 1600

1200 1200
800 800
400 400
0 0
22. Tijeral Cod 08358001 Lat −37.7331 long −72.6214

860 860
645 645
430 430
215 215
0 0
160
23. P._Perales Cod 08383001 Lat −37.2331 long −72.5364
2068 2068

1551 1551
1034 1034
517 517
0 0
24. Desemb. Cod 08394001 Lat −36.8366 long −73.0858

13752 13752

10314 10314
6876 6876
3438 3438
0 0
25. Lumaco Cod 09102001 Lat −38.1660 long −72.9001

288 288
216 216
144 144
72 72
0 0
161
26. Cholchol Cod 09116001 Lat −38.6071 long −72.8469
1592 1592

1194 1194
796 796
398 398
0 0
27. RariRuca Cod 09123001 Lat −38.4301 long −72.0045

692 692

519 519
346 346
173 173
0 0
28. Cajon Cod 09129002 Lat −38.6859 long −72.5027

1508 1508
1131 1131
754 754
377 377
0 0
162
29. Quepe Cod 09135001 Lat −38.8626 long −72.5981
1252 1252

939 939
626 626
313 313
0 0
30. Los_Laureles Cod 09404001 Lat −39.0069 long −72.2292

1244 1244

933 933
622 622
311 311
0 0
31. Trancura_A.R.Llafq. Cod 09414001 Lat −39.3315 long −71.8192

976 976
732 732
488 488
244 244
0 0
163
32. Gorbea Cod 09434001 Lat −39.1180 long −72.6779
396 396

297 297
198 198
99 99
0 0
33. Rucaco Cod 10134001 Lat −39.5534 long −72.9010

948 948

711 711
474 474
237 237
0 0
164
Apéndice C
Artículo de coautoría
165
Downloaded from http://sp.lyellcollection.org/ at Universidad de Chile on June 16, 2014
Erosion in the Chilean Andes between 2788S and 3988S: tectonic,

climatic and geomorphic control
S. CARRETIER1*, V. TOLORZA2, M. P. RODRÍGUEZ2, E. PEPIN1, G. AGUILAR3,
V. REGARD1, J. MARTINOD1, R. RIQUELME4, S. BONNET1, S. BRICHAU1, G. HÉRAIL1,
L. PINTO2, M. FARÍAS2, R. CHARRIER2,5 & J. L. GUYOT1
1
Geosciences Environnement Toulouse, OMP, UPS, CNRS, IRD, Université de Toulouse, France
2
Departamento de Geologı́a, Universidad de Chile, Santiago, Chile
3
Advanced Mining Technology Center, Facultad de Ciencias Fsicas y Matemticas,
Universidad de Chile, Santiago, Chile
4
Departamento de Ciencias Geológicas, Facultad de Ingenierı́a y Ciencias Geológicas,
Universidad Católica del Norte, Antofagasta, Chile
5
Universidad Andres Bello, Santiago, Chile
*Corresponding author (e-mail: sebastien.carretier@get-obs-mip.fr)
Abstract: The effect of mean precipitation rate on erosion is debated. Three hypotheses may
explain why the current erosion rate and runoff may be spatially uncorrelated: (1) the topography
has reached a steady state for which the erosion rate pattern is determined by the uplift rate pattern;
(2) the erosion rate only depends weakly on runoff; or (3) the studied catchments are experiencing
different transient adjustments to uplift or to climate variations. In the Chilean Andes, between
278S and 398S, the mean annual runoff rates increase southwards from 0.01 to 2.6 m a21 but the
catchment averaged rates of decadal erosion (suspended sediment) and millennial erosion (10Be
in river sand) peak at c. 0.25 mm a21 for runoff c. 0.5 m a21 and then decrease while runoff
keeps increasing. Erosion rates increase non-linearly with the slope and weakly with the square
root of the runoff. However, sediments trapped in the subduction trench suggest a correlation
between the current runoff pattern and erosion over millions of years. The third hypothesis
above may explain these different erosion rate patterns; the patterns seem consistent with, although
not limited to, a model where the relief and erosion rate have first increased and then decreased in
response to a period of uplift, at rates controlled by the mean precipitation rate.
To what extent does the mean precipitation rate or tectonic uplift is predicted to generate erosion, the
tectonic uplift rate control the erosion rate in moun- amplitude of which varies according to a timescale
tain ranges? Recent models suggest that climate, called the response time (Kooi & Beaumont 1996;
through its effect on erosion, plays a determinant Whipple 2009). The response time is thought to
role in localizing deformation, and in controlling be modulated by climatic conditions (Bonnet &
mountain elevation and uplift rate (Whipple 2009). Crave 2003; Stolar et al. 2006; Whipple & Meade
In addition, variations in palaeoerosion rates (Char- 2006; Tucker & vanderBeek 2013). Consequently,
reau et al. 2011) and in palaeosedimentation rates the relationship between erosion and precipitation
(e.g. Metivier et al. 1999; Clift 2006; Uba et al. rates is predicted to depend on the timescale over
2007) potentially record variations in the mean which the erosion rate is analysed. In the simplest
precipitation rate (Castelltort & van den Driessche ideal case of non-glaciated mountain ranges where
2003). The role of climate in driving mountain the uplift is held constant, the cumulative erosion
erosion has become a central question in tectonics, at a given time (the time integral of the erosion
geomorphology and sedimentology (Allen 2008). rate since the onset of the uplift) is greater where
Because it is difficult to reconstruct the evolution the climate is wetter simply because the response
of the erosion rate in mountains over 100 ka to Ma, time is less and the slopes are smaller in this case
the evolution of the sediment outflux from mountain (Bonnet & Crave 2003). In some circumstances,
ranges has been studied using numerical and phys- decadal or millennial erosion rates can be greater
ical modeling (e.g. Kooi & Beaumont 1994; where the climate is drier. This is predicted when
Tucker & Slingerland 1996; Bonnet & Crave 2003; the drainage network grows slowly, leading to
Whipple & Meade 2006; Stolar et al. 2007). A steep hillslopes, deep valleys (high fluvial relief or
From: Sepúlveda, S. A., Giambiagi, L. B., Moreiras, S. M., Pinto, L., Tunik, M., Hoke, G. D. & Farı́as, M. (eds)
Geodynamic Processes in the Andes of Central Chile and Argentina. Geological Society, London,
Special Publications, 399, http://dx.doi.org/10.1144/SP399.16
# The Geological Society of London 2014. Publishing disclaimer: www.geolsoc.org.uk/pub_ethics
S. CARRETIER ET AL.
mean incision), and high catchment mean erosion either because the erosion rate balances the rock
rates exceeding the uplift rate (Carretier et al. uplift rate (Burbank et al. 2003), or because the
2009). In the case of a topography responding to a slopes and erosion decrease to near zero in declining
pulse of uplift, the erosion response is predicted to reliefs (Frankel & Pazzaglia 2006). In both cases,
first increase and then to decrease, as illustrated by differences in precipitation rates have been com-
Figure 1 (e.g. Kooi & Beaumont 1996). While the pensated by differences in hillslope angle or river
mean erosion rate of a dry catchment reaches its width (e.g. Riebe et al. 2001; Burbank et al. 2003;
maximum, the erosion rate of a wetter catchment von Blanckenburg et al. 2004; Stolar et al. 2007).
may already be decreasing because its response Finally, the absence of a correlation between the
time is shorter. This is another situation where the catchment mean erosion rate and the mean precipi-
current erosion rate of a dry catchment may be tation rate may also be explained by a weak rela-
greater than a wet catchment (e.g. Barnes & Pelle- tionship between both parameters. This has been
tier 2006). Recent studies document that catchment suggested by a correlation analysis between the sus-
mean erosion rates increase non-linearly with slope, pended sediment yields in rivers and the mean pre-
so that high transient slopes in dry catchments can cipitation rates or runoff (e.g. Dadson et al. 2003;
lead to high erosion rates (e.g. Binnie et al. 2007; Aalto et al. 2006; Syvitsky & Milliman 2007;
Roering et al. 2007; Carretier et al. 2013). A Pepin et al. 2010). The influence of other erosion
decadal or millennial catchment mean erosion rate controls such as the mean slope, lithology or veg-
may not depend significantly on the precipitation etation may be stronger (e.g. Summerfield &
rate once the topography has reached a steady state, Hulton 1994).
Input: Response:
uplift rate
mean erosion rate,
mean slope, cumulative
mean incision erosion
response time
cumulative
erosion
mean
incision
mean
slope
Time
Fig. 1. Conceptual model of the co-evolution of the hillslope gradient (mean slope), mean incision, cumulative erosion
and current erosion rate of an initial surface in response to an uplift. The time needed by erosion and relief to reach
a maximum defines a response time. We hypothesize that the studied Andean catchments of Central Chile correspond
to different steps of this evolution, for which the response time depends on the mean annual precipitation rate.
EROSION IN THE CHILEAN ANDES
In this paper, we analyse the catchment mean averaging the daily water discharge over the mea-
decadal and millennial erosion rates for central surement period. The mean annual runoff (m a21)
Chile (but include two sites in Argentina) between was calculated by dividing the mean annual water
278 and 398S with respect to the long-term evolution discharge by the catchment area (Pepin et al. 2010).
of the topography over Ma. These data include pre- The mean annual sediment discharge at each
viously published catchment mean decadal and mil- station was calculated by Pepin et al. (2010), by
lennial erosion rates (Pepin et al. 2010, 2013; averaging the daily suspended sediment discharge
Aguilar et al. 2014; Carretier et al. 2013) and new over the measurement period. The mean annual
data in the Biobı́o catchment (37 –398S). Along catchment erosion rates were obtained by dividing
this range, the precipitation rate increases from the mean annual sediment discharge by a rock
north to south, with a catchment mean annual run- density of 2700 kg m23 and by the catchment area
off ranging between 0.01 and 2.6 m a21 (Pepin determined from the Shuttle Radar Topography
et al. 2010). The topography also shows significant Mission (SRTM) digital elevation model. For the
variations (Rehak et al. 2010). Decadal and millen- Rucalhue station in the Biobı́o River (37–398S),
nial erosion rates are anticorrelated to mean runoff affected by the building of the Pangue Dam in 1996,
south of 328S (Pepin et al. 2010; Carretier et al. two mean annual erosion rates and correspond-
2013). We discuss the three explanations cited ing geomorphic parameters were recalculated. One
above for this anticorrelation, namely, that the topo- set of values corresponds to the pre-dam period
graphy and erosion have reached a steady state con- and the other to the post-dam period (excluding the
trolled by a spatially variable uplift rate, that the area above the dam: see Table 1). For the Puente
functional relationship between the mean erosion Perales station in the Lara River, new data between
rate and the mean runoff is weak, and that the stud- December 2006 and August 2010 were added,
ied catchments are experiencing different evol- which decrease the mean erosion rate calculated
utions after an uplift period that occurred Ma ago. by Pepin et al. (2010) by 8%. For this catchment,
In the latter case, we hypothesize that the mean geomorphic parameters were calculated without
precipitation rate may have controlled the erosion considering the area that is above the natural lakes.
response time of these catchments, and thus the The uncertainties affecting the mean annual ero-
pattern of the decadal and millennial erosion rates. sion rates include hourly variations in the sediment
This region may provide a space-to-time conver- concentration, variable and unknown proportions
sion framework that permits the analysis of erosion of bedload, periods with missing data, and the
response to uplift under different climates. potential differences between the survey practices.
In order to analyse the functional relationship These uncertainties are difficult to estimate and
between the erosion rate and other parameters, we may vary from one station to another. A global 1s
explore the correlation between the decadal and mil- of +5% for mean runoff and of +30% for sediment
lennial erosion rates, vegetation, runoff, lithology discharge was assumed by Pepin et al. (2010).
and topographic parameters. Then we compare the In order to estimate the millennial erosion rates,
north–south pattern of these erosion rates with cumu- we used the 10Be concentrations published by Carre-
lative erosion estimates over Ma and with structural tier et al. (2013), two samples published by Pepin
and thermochronological data in order to explore the et al. (2013) from the Las Tunas catchment in
possibility that the erosion pattern mimics the uplift Argentina and two new samples in the Biobı́o catch-
rate pattern or that it corresponds to different stages ment in the south of the zone studied by Carretier
of the erosion response to ancient uplift. et al. (2013) (Table 2). For the new Biobı́o data,
the area used for the following calculation excludes
the area above natural lakes of glacial origin. These
Methodology data correspond to the 10Be concentration analyses
of river sand quartz sampled at the outlet of 15
In order to document the north –south pattern of catchments (Fig. 1). From these concentrations,
decadal erosion, we used the average annual flux the mean catchment erosion rates were calculated
of suspended sediment leaving the mountain front following the same procedure, assuming that the
10
at the gauging stations of the Chilean Direccion Be concentration has reached a steady state on
General de Aguas (DGA, www.dga.cl) located at the hillslopes, and allowing the use of a model link-
the foot of the main Cordillera, and previously pub- ing the mean 10Be concentration with the mean
lished in Pepin et al. (2010). These fluxes represent a catchment erosion rate, modified from the initial
low estimate of the total sediment flux because the models given by Brown et al. (1995) and Granger
bedload has not been quantified. The station et al. (1996) (Table 3). In this model, a catch-
records span periods of 3–42 years (Table 1). The ment mean 10Be concentration production rate P
mean annual water discharge (m3 a21) at each gaug- (atoms g21 a21) is calculated by averaging the
ing station was calculated by Pepin et al. (2010) by surface 10Be production rate of each catchment
Table 1. Data corresponding to catchments with suspended sediment measurements (from Pepin et al. (2010))

River Station Lat.(8) Long. (8) Elev. asl Lat. Long. Period Nb. of Catch. Granitoids Mean Hillslope Catch. Green Runoff Eros. rate
(m) centroid centroid records area area elev. gradient incision veget. (m a21) (mm a21)
catch. (8) catch. (8) (km2) (km2) (m) (m m21) (m) cover
(% area)
Jorquera Vertedero 228.04 269.96 1250 227.75 269.47 1967– 2006 11017 4169 664 3790 0.30 559 1.20 6.30E-03 1.70E-03
Pulido Vertedero 228.09 269.94 1310 228.20 269.68 1967– 2006 11374 2018 1041 3567 0.37 598 1.50 2.50E-02 4.60E-03
Huasco Algodones 228.73 270.50 600 229.10 270.12 1994– 2006 4519 7189 3585 3396 0.41 711 1.40 3.50E-02 4.00E-03
Turbio Huanta 229.84 270.39 1195 229.99 270.12 1972– 1986 4462 2787 989 3619 0.43 766 1.00 6.90E-02 1.10E-02
Claro Montegrde 230.09 270.49 1120 230.28 270.36 1972– 1986 4439 1249 1010 3332 0.45 854 1.70 8.80E-02 8.50E-04
Hurtado Angostura de 230.44 271.00 485 230.45 270.58 1967– 2006 10419 1876 712 2501 0.36 621 2.40 5.40E-02 5.20E-03
Pangue
Grande Puntilla San 230.71 270.92 420 230.88 270.58 1964– 2006 10471 3541 1538 2476 0.40 607 3.40 9.50E-02 1.20E-02
S. CARRETIER ET AL.
Juan
Cogoti Embalse Cogoti 231.03 271.04 670 231.17 270.80 1967– 2006 7804 741 206 2094 0.34 707 4.00 1.00E-01 1.10E-02
Illapel Las Burras 231.51 270.81 1079 231.43 270.67 1965– 2006 12301 608 607 3130 0.39 658 1.70 1.40E-01 2.90E-03
Choapa Salamanca 231.81 270.93 500 231.85 270.67 1974– 1986 2973 2228 604 2622 0.38 682 3.70 2.20E-01 2.80E-02
Putaendo Resguardo Los 232.50 270.58 1218 232.43 270.43 1966– 2006 12803 964 108 2868 0.40 686 2.50 2.70E-01 4.30E-02
Patos
Colorado Colorado 232.86 270.41 1062 232.66 270.27 1965– 1994 8045 834 93 3253 0.44 739 2.10 4.00E-01 8.70E-02
Aconcagua Rio Blanco 232.91 270.30 1420 232.96 270.18 1966– 1998 5204 890 73 3428 0.53 894 1.60 8.00E-01 1.10E-01
Maipo El Manzano 233.59 270.38 850 233.81 270.13 1965– 2006 11645 4863 239 3185 0.48 898 2.20 7.40E-01 2.40E-01
Cachapoal Puente Termas 234.25 270.57 700 234.33 270.31 2003– 2006 1299 2472 175 2627 0.45 746 4.10 5.40E-01 1.70E-01
de Cauquene
Tinguiriri Bajo Los 234.71 270.82 518 234.77 270.49 1989– 2006 4042 1449 231 2537 0.43 735 5.80 1.20E + 00 1.80E-01
Briones
Teno D.J. Claro 234.99 270.82 900 235.04 270.59 1976– 2006 10383 1208 49 2191 0.44 645 7.70 1.60E + 00 1.20E-01
Claro Los Quenes 235.00 270.81 900 235.15 270.72 1977– 2006 9754 354 15 1856 0.42 832 10.70 2.10E + 00 1.00E-01
Nuble San Fabien 2 236.58 271.52 420 236.68 271.23 1985– 2006 5353 1630 286 1620 0.38 541 15.40 2.10E + 00 2.80E-02
Laja* Puente Perales 237.23 272.54 65 237.28 271.66 1988– 2010 6389 2622 519 1021 0.24 397 24.70 1.70E + 00 2.50E-02
Bio Bio* Rucalhue 237.71 271.90 245 237.93 271.47 1985– 1995 2460 6795 505 1383 0.26 435 16.90 1.80E + 00 2.60E-02
Bio Bio* Rucalhue 237.71 271.90 245 237.93 271.47 1996– 2006 5271 1818 429 1210 0.32 439 23.90 1.80E + 00 9.50E-02
Cautin Rari Ruca 238.43 272.00 400 238.49 271.41 1985– 2006 6666 1291 43 1153 0.23 391 24.90 2.20E + 00 4.10E-02
Trancura A.J. Rio 239.33 271.82 386 239.32 271.55 1985– 2006 6544 1365 513 1141 0.31 477 25.80 2.60E + 00 1.80E-02
Llafenco
*Recalculated.
Table 2. Data corresponding to 10Be samples
10
Sample Lat. (8) Long. (8) Mass of Be/9Be +1s 9
Be 10
Be +1s
quartz (g) (atoms g21) (atoms g21)
SAN1* 227.20 269.92 44.83 1.91E-12 2.80E-13 2.41E + 19 1.03E + 06 1.54E + 05

HUA12* 228.60 270.73 49.52 1.24E-12 3.60E-14 2.39E + 19 5.99E + 05 2.50E + 04
HUA10* 228.70 270.55 37.35 1.08E-12 3.03E-14 2.03E + 19 5.89E + 05 1.66E + 04
HUA7* 228.80 270.46 16.71 6.91E-13 4.43E-14 2.01E + 19 8.33E + 05 5.35E + 04
HUA1* 228.99 270.28 34.25 8.08E-13 2.28E-14 2.04E + 19 4.80E + 05 1.36E + 04
ELK1* 229.85 270.49 41.98 3.09E-13 3.97E-14 2.40E + 19 1.77E + 05 2.33E + 04
HUR1* 230.31 270.73 23.22 6.85E-13 4.46E-14 2.01E + 19 5.93E + 05 3.86E + 04
CHO0823S* 231.60 271.40 15.45 1.67E-13 6.98E-15 2.03E + 19 2.18E + 05 9.45E + 03
ILL1* 231.60 271.11 18.87 4.36E-13 1.24E-14 2.04E + 19 4.69E + 05 1.35E + 04
CHO0820* 231.66 271.22 21.78 2.54E-13 1.16E-14 2.03E + 19 2.35E + 05 1.08E + 04
CHO0822S* 231.66 271.30 35.38 3.47E-13 9.91E-15 2.03E + 19 1.98E + 05 5.80E + 03
CHO1* 231.69 271.27 23.02 2.22E-13 7.52E-15 2.04E + 19 1.96E + 05 6.71E + 03
ACO1* 232.83 270.54 40.11 1.72E-13 2.13E-14 2.36E + 19 1.01E + 05 2.92E + 03
MAI1* 233.58 270.44 38.32 1.66E-13 9.46E-15 2.02E + 19 8.70E + 04 5.01E + 03
CAC1* 234.21 270.53 46.83 1.79E-13 2.03E-14 2.39E + 19 9.14E + 04 1.07E + 04
TIN1* 234.68 270.87 32.58 1.60E-13 8.42E-15 2.03E + 19 9.94E + 04 5.28E + 03
TEN1* 234.99 270.86 0.47 2.82E-15 8.91E-16 2.05E + 19 7.33E + 04 4.81E + 04
LON1* 235.18 271.12 1.02 4.37E-15 1.26E-15 2.03E + 19 6.44E + 04 2.91E + 04
MAU1* 235.73 271.02 44.54 2.40E-13 2.65E-14 2.40E + 19 1.29E + 05 1.48E + 04
D1-1† 237.59 272.15 22.68 9.52E-14 1.55E-14 2.06E + 19 8.63E + 04 1.40E + 04
Bbm1-2† 237.67 272.01 20.33 1.16E-13 1.62E-14 2.05E + 19 1.17E + 05 9.46E + 03
CLA2‡ 233.28 269.55 26.51 1.47E-13 1.33E-14 2.06E + 19 1.14E + 05 1.00E + 04
CLA4‡ 233.29 269.48 19.56 1.16E-13 1.35E-14 2.05E + 19 1.22E + 05 1.40E + 04
*From Carretier et al. (2013).

†
This study.
‡
From Pepin et al. (2013).
pixel using the production model of Stone (2000), where r ¼ 2700 kg m23; Ln ¼ 160 g cm2, Lms ¼
and a sea-level high-elevation production rate of 1500 g cm2, and Lmf ¼ 5300 g cm2 are the effec-
4.5 atoms g21 (Balco et al. 2008). The production tive apparent attenuation lengths for neutrons, nega-
rate at each pixel was multiplied by an estimate of tive muons, and fast muons, respectively; and
the topographic shielding factor ranging between 0 fn ¼ 0.9785, fmf ¼ 0.0015 and fmf ¼ 0.0065 (Brau-
and 1 using the method of Codilean (2006), and cher et al. 2003). The 1s uncertainty for the erosion
by the relative proportion of quartz in the underly- rates were calculated by propagating the analytical
ing lithology in order to limit the bias due to uncertainty of the 10Be concentration and a 15%
lithological variations (Safran et al. 2005). This uncertainty assumed for the production rate (Table
relative proportion is given by xi / n1 xi where xi 2). Note that erosion rates of Carretier et al. (2013)
is the percentage of quartz in the lithology of pixel were recalculated by adding the effect of fast
i and n is the number of pixels (Safran et al. 2005). muons, which leads to erosion rates c. 10% lower.
Catchment lithologies were obtained from the The calculated mean erosion rate applies for a
1:1 000 000 geological maps of Chile, from which an time period, or integration time. The integration
estimate of the proportion of quartz minerals was time depends inversely on the calculated erosion
determined, as follows: granitoid rocks, 25%; rhyo- rate and reaches several thousands to tens of thou-
litic volcanic rocks, 5%; undifferentiated detritic sands of years in this study. It is defined as the
rocks, 5%; ignimbrites, 2%; other lithologies, 0%. time necessary to erode 0.6 m, a value close to the
We also calculated the mean surface 10Be produc- neutron mean free path in rocks.
tion rate without correcting for the quartz content In order to calculate the topographic parameters,
(‘Ptotal’ in Table 3), and the relative difference we used the SRTM digital elevation model. The
is 15% on average. Then, the mean catchment mean hillslope gradient corresponds to the average
erosion rates 1 [L/T] were calculated using the fol- of the slopes calculated in the steepest direction,
lowing equation: excluding pixels from the drainage network. The
network is defined for the drainage area above a
Ln f n P Lms fms P Lmf fmf P
1= + 10 + 10 (1) critical drainage area of 8.1 km2. This area was
r[10 Be] r[ Be] r[ Be] chosen via a visual inspection to exclude the
S. CARRETIER ET AL.
pixels of deep valleys. Other slope calculations were et al. 2013), with two new 10Be concentrations
investigated by Carretier et al. (2013) (Data Reposi- and recalculated decadal erosion rates in the
tory) and show a difference of less than 10%. The Biobı́o catchment. Then we evaluate the scaling
catchment mean incision is obtained by calculating relationship between the catchment mean erosion
a tensile surface draped over the divide of a catch- rate and runoff, and other parameters.
ment (s.surf.tps function of GRASS with a ten- Figure 2 displays maps of decadal and millennial
sion parameter of 60). The elevation differences erosion rates. Millennial erosion rates calculated
between this surface and the catchment elevations by Walcek & Hoke (2012) for three catchments of
are averaged and divided by the catchment area. the Argentine Precordillera are also shown for
The resulting value has the dimension of a length comparison, bearing in mind that these catchments
that we call the mean incision. In the simplest case are two to three orders of magnitude smaller than
of a block uplift with relicts of the uplifted peneplain the others. The erosion rates vary between 0.17 +
(e.g. Walcek & Hoke 2012), the mean incision is 0.05 1022 mm a21 and 0.32 + 0.06 mm a21. The
10
an estimate of the volume of sediment eroded Be-derived erosion rate is at its maximum
below the envelope surface normalized by the catch- near 33 –348S (c. 0.25 mm a21 in Chile and c.
ment area. The studied catchments probably do not 0.3 mm a21 in Argentina), in a region where the
correspond to this simple situation. The mean catchments are steep, the precipitation rates are
incision is the same as the Rva index used by moderate (at the transition between the arid north
Frankel & Pazzaglia (2006), except for the details and wet south in Chile and between the arid south
regarding the calculation of the envelope surface and wet north in Argentina), and the vegetation
(by selecting divide pixels around the local cover is low. Antinao & Gosse (2009) obtained
maximum in a circular moving window with a similar values (c. 0.3 mm a21) in the Chilean
5 km radius in their case). These authors proposed Maipo valley at these latitudes from the analysis
Rva as a key metric to quantify the morphological of rockslides produced by short-term (20-year) seis-
differences between growing and decaying reliefs micity. In Chile, this peak corresponds to catch-
(see fig. 9 in Frankel & Pazzaglia (2006)). A ments where the proportion of granitic rocks is the
plateau incised by canyons corresponds to a small lowest. The other rocks are mainly volcano-detritic
mean incision value (a large part of the surface is rocks, which suggests that these rocks may be
not incised), a topography with a dentritic river eroded more easily. Although this lithological con-
network and deep valleys has a large mean incision trol on erosion is possible, it is difficult to prove
value, and a topography with a dentritic network of here, as already pointed out by Carretier et al.
shallow valleys has a small mean incision value. (2013): the sector with small granitoid areas cor-
The percentage of green vegetation cover responds to a steep zone where the precipitation
FCOVER is derived from the VEGETATION sensor rates increase sharply. Another argument seems to
aboard SPOT4 and SPOT5, providing a spatial reso- moderate the lithological effect (Fig. 3): the
lution of approximately 1.15 km (Baret et al. 2007). maximum millennial erosion-rate value occurs for
The CYCLOPES products and associated detailed two catchments (338S) sharing the same high
documentation are available at http://postel.medias mean hillslope gradient (c. 0.5 m m21) but with
france.org. We used data from December 2003 in different lithologies that are mostly volcanic on
order to minimize the snow cover (summer). the western side and mainly granitic or gneissic on
The geology underlying the studied catchment is the eastern side (Polanski 1963). The hillslope gra-
mainly composed of granitoid rocks and volcano- dient seems to exert a primary control: the erosion
detritic rocks. We hypothesize that these two cat- rates increase non-linearly when the mean hillslope
egories erode differently. Carretier et al. (2013) gradient is close to a critical slope of 0.53 m m21
found an inverse relationship between the erosion (Fig. 4), as noted by Carretier et al. (2013) and
rates and the proportion of granitoid rocks. We rea- Walcek & Hoke (2012) in this region or nearby,
nalysed this relationship, adding new data from and confirming previous observations in other
Pepin et al. (2013) and from the Biobı́o basin. The mountain ranges (Montgomery & Brandon 2002;
proportion of area occupied by granitoid rocks was Binnie et al. 2007; Roering et al. 2007; Ouimet
quantified in each catchment using the 1:1 000 000 et al. 2009; DiBiase et al. 2010; DiBiase &
geological map of Chile (Carretier et al. 2013). Whipple 2011).
The new millennial erosion rate values in the
south are similar to the decadal erosion rates
Patterns of erosion rates and control factors (Fig. 2). This similarity extends to a wetter region
as per the observations made by Carretier et al.
In this section we combine the erosion rates (2013), and further suggests that the contribution
obtained from data published in previous studies of rare and unrecorded extreme hydrological
(Pepin et al. 2010; Carretier et al. 2013; Pepin events to erosion (Kirchner et al. 2001) decreases
Fig. 2. (a) Decadal catchment erosion rates derived from suspended sediment at gauging stations (from Pepin et al.
(2010) except for the two rates recalculated here). Note the same scale in A and B indicated by the maximum value.
Studied catchments are in white. JFR is Juan Fernandez Ridge. (b) Millennial catchment mean erosion rates derived
from 10Be concentrations of river sand (data source indicated on the graph). The data for three erosion rates given by
Walcek & Hoke (2012), corresponding to actively incising catchments (mean upstream slopes between 0.27 and
0.38 m m21), are shown for comparison. Note that these catchments are two to three orders of magnitude smaller than
the other catchments, and hence are not visible.
toward wetter climates (see discussion in Carretier assumed model combines a non-linear function of
et al. (2013)). the mean hillslope gradient, and power laws of the
The vegetation is significantly correlated with other parameters:
runoff, so that the effect of the former is difficult
to establish. The increase of vegetation cover may b
contribute to the erosion rate decrease to the south HSlope a Areag
of 348S, by stabilizing the hillslopes. As suggested E=C Runof f (2)
1 − (HSlope/Sc )2 Area
by Langbein & Schumm (1958), erosion may
increase with precipitation rate until the vegetation
cover begins to protect the hillslopes from erosion, where C is a constant. As an alternative to the power
implying a decrease in erosion rate while precipi- law function for the slope or relief used in other ana-
tation rates continue to increase. lyses (e.g. Aalto et al. 2006; Syvitsky & Milliman
In order to analyse the scaling relationship 2007), we introduced a mean hillslope gradient
between the erosion rates and some possible con- function suggested by the hillslope erosion model
trols including the catchment mean annual runoff, presented by Roering et al. (1999), where Sc is a
we carried out a multivariate analysis of variance, critical slope equal here to 0.53 m m21 (Fig. 4).
assuming a model for erosion rates E and selecting The power law function for runoff is suggested by
the control parameters: the mean hillslope gradient the analysis of a large suspended sediment yield
(HSlope), the runoff, and a lithological parameter database (e.g. Syvitsky & Milliman 2007). In
represented by the ratio between the granitoids order to carry out the analysis of variance, we
area and the catchment area Areag/Area. The moved the slope term to the left-hand side and
S. CARRETIER ET AL.
Fig. 3. (a) Local steepest-descent slope (%) from the SRTM digital elevation model. The maximum catchment mean
slopes are located near 338 –348S. (b) Mean annual precipitation rates from Matsuura & Willmott (2011) world database
with a resolution of 0.58, interpolated with a resolution of 0.18 here. (c) Granitoids from the 1:1 000 000 geological map
of Chile. (d) Percentage of green vegetation cover from the FCOVER index (Baret et al. 2007). Data from December
2003 are shown here.
0.4
10Be catchments
Susp. sed catchments
2)
201
ke (
d Ho
0.3
an
cek
Wal
0.2
0.1
R2=0.52
p-value=7.7 10-8
0.0
0.2 0.3 0.4 0.5 0.6
Fig. 4. Erosion rate v. mean catchment slope. The solid line is a model on the form erosion rate a (Slope/1 2
(Slope/Sc)2) with Sc ¼ 0.53. R 2 and p-value apply to squares and circles but do not consider the point with the slope
equal to Sc (surrounded by a square). Millennial erosion rates of three small catchments studied by Walcek & Hoke
(2012) (grey diamonds) and their erosion-slope model are plotted for comparison. These catchments are two to three
orders of magnitude smaller than the other ones.
take the logarithm of this modified equation: predictor in either case (b ¼ 20.52 + 0.26,
p-value ¼ 0.06 for the decadal erosion rates and
HSlope b ¼ 0.03 + 0.16, p-value ¼ 0.82 for the millennial
ln [E/ ] erosion rates). The overall model fit was R 2 ¼ 0.65
1 − (HSlope/Sc )2
for the decadal erosion rates and R 2 ¼ 0.77 for the
Areag millennial erosion rates. This model suggests that
= ln (C) + a ln (Runoff) + b ln . (3)
Area the control of runoff on the erosion rates is weaker
(less-than-linear dependence with Runoffc.0.5) than
A regression analysis was then carried out using the the control of slope, which is consistent with other
decadal erosion rates on the one hand, and the mil- databases (e.g. Aalto et al. 2006; Syvitsky & Milli-
lennial erosion rates on the other hand, for E. The man 2007).
data of Walcek & Hoke (2012), which correspond
to much smaller catchments, are not included in
this analysis. In both cases, the results indicate Comparison with geological features
cases in which only ln(C) (ln(C) ¼ 24.14 + 0.58,
p-value ¼ 2.9E-7 for the decadal erosion rates and Figure 5 displays the latitudinal variations of some
ln(C) ¼ 0.9 + 0.4, p-value ¼ 0.04 for the millen- parameters: the thickness of sediment in the trench
nial erosion rates) and ln(Runoff) (a ¼ 0.57 + (drawn schematically after Bangs & Cande (1997)),
0.14, p-value ¼ 6.0E-4 for the decadal erosion runoff, the catchment mean incision, the erosion
rates and a ¼ 0.50 + 0.08, p-value ¼ 7.6E-6 for rates (a square for the decadal erosion rates; a
the millennial erosion rates) were significant predic- circle for the millennial erosion rates; the numbers
tors of the left-hand side of the modified equation. are shown as an integration time in ka), and a
The logarithm Areag/Area was not a significant crustal profile based on the mean elevation of the
S. CARRETIER ET AL.
(m a–1)
(mm a–1)
Fig. 5. From top to bottom: schematic sediment thickness in the trench after Bangs & Cande (1997), runoff, mean
catchment incision, decadal (squares) and millennial (circles) erosion rates, crustal section after Tassara et al. (2006)
(from Farı́as (2007)). Between 378 and 388S, the millennial erosion rates are new data and the decadal erosion rates were
recalculated from Pepin et al. (2010) to account for new measurements between 2006 and 2010 (Puente Perales station,
Table 1) and for the periods before and after the dams were built (Rucalhue station).
Cordillera and on the Moho depth after Tassara et al.

(2006). A striking observation is that the erosion
rates peak at the inflection point for the runoff and
crustal thickness near 348S, and then decrease
southwards, whereas the thickness of the sediment
accumulated in the trench, representing a cumulat-
ive erosion over a timescale much longer than thou-
sands of years, follows the southward runoff
increase. The erosion rates are strongly correlated
with the mean catchment incision and with mean
catchment slope.
Discussion
Previous results have shown a weak relationship
between the decadal and millennial erosion rates
with the mean annual runoff. Is this observation suf-
ficient to explain that the pattern of mean erosion
rates and mean annual runoff are uncorrelated to
the south of 338S? Does this imply that the mean
precipitation rate has a minor effect on the topo-
graphic evolution over Ma? In the following, we
investigate three hypotheses that could explain the
difference between the decadal, millennial and
longer timescale erosion rates and the mean
annual runoff, replacing these data in a temporal
frame of several Ma (Fig. 6). We define three
sectors which may correspond to different evol-
utionary stages of erosion in response to a Mio-
Pliocene surface uplift (Fig. 6): the northern sector
corresponds to latitudes between 278 and 338S, the
central sector between 338 and 348S and the
southern sector between 358 and 398S.
Hypothesis 1: The topography has reached a
dynamic equilibrium between the erosion rate and
the rock uplift rate, so that the decadal and millen-
nial erosion rates reflect the spatial differences in
the rock uplift rates (Fig. 6a). The crustal thickness
and the mean elevation decrease southwards
(Fig. 5). If the tenfold increase in the erosion rates
between the north and central sectors represents
differences in the uplift rates, we would expect a Fig. 6. Three hypotheses were investigated to explain
southward increase in both the topography of the the patterns in Figure 5. The north refers to latitudes
range and in the crustal thickness. The mean between 278 and 338S, the centre to latitudes between
annual runoff increase between the north and 338 and 358S and the south to latitudes between 358 and
central sectors seems too small to explain the 398S. (a) In hypothesis 1, the Andes reached a dynamic
observed decrease in crustal thickness. Alterna- equilibrium with different uplift rates, yielding different
tively, the decrease in the crustal thickness and in erosion rates. (b) In hypothesis 2, uplift occurred more
the erosion rate to the south of 348S may be con- recently in the centre than to the north and south, so that
erosion rates are higher in the centre. (c) In hypothesis 3,
sistent with a decrease in the uplift rate. At these uplift occurred at the same period but the difference in
latitudes, a southward decrease of Neogene shorten- the precipitation rates brought the topography to
ing and shortening rate of the upper crust is observed different evolution stages, determining the differences in
in Argentina (Giambiagi et al. 2012). According to the erosion rate.
Arriagada et al. (2013), this decrease in the Neogene
shortening is consistent with the change in the may be consistent with a southward decrease in the
palaeomagnetic rotation angle that they observe bet- rock uplift rate on the Chilean side. This possibility
ween the north and south of 338S. Both observations requires additional thermochronological data to be
Table 3. Data corresponding to catchments with 10Be samples
Sample Lat. Long. Catch. Granitoid Hillslope Mean Green Runoff P Ptotal (10Be) +1s Integr.
(m a21)

centroid centroid area area gradient catch. veget. cover (atoms (atoms Eros. rate time
catch. (8) catch. (8) (km2) (km2) (m m21) incision (% of area) 21 21
g a ) 21 21
g a ) (mm a21) (ka)
(m)
SAN1* 227.05 269.60 3788 335 0.23 433 2.1 1.58E-02 32.5 30.8 1.9E-02 3.9E-03 39
HUA12* 228.80 270.24 7834 3735 0.41 680 3.8 3.47E-02 37.4 37.7 3.7E-02 5.7E-03 20
HUA10* 228.76 270.13 7245 3567 0.42 711 3.8 3.47E-02 39 40 3.9E-02 6.0E-03 19
HUA7* 229.48 270.20 2914 1193 0.43 713 3.5 3.47E-02 41.5 42.6 2.9E-02 4.8E-03 25
HUA1* 229.00 270.09 3176 1886 0.43 813 3.6 3.47E-02 41 43.9 5.0E-02 7.7E-03 15
ELK2* 229.85 270.19 2921 1172 0.47 919 2.7 6.94E-02 38.6 45.8 1.2E-01 2.1E-02 6
ELK1* 229.85 270.19 2921 1172 0.47 919 2.7 6.94E-02 38.6 45.8 1.3E-01 2.6E-02 6
S. CARRETIER ET AL.
HUR1* 230.53 270.37 1119 521 0.42 593 4.1 5.36E-02 42.9 37.2 4.3E-02 7.0E-03 18
CHO0823S* 231.65 270.95 5998 2129 0.32 581 12.8 7.57E-02 17 20.2 4.6E-02 7.2E-03 13
ILL1* 231.53 270.79 1231 360 0.36 679 10.8 7.57E-02 22.9 24.7 2.9E-02 4.4E-03 22
CHO0820* 231.47 270.88 1985 725 0.33 673 11 7.57E-02 15.2 18.7 3.8E-02 6.0E-03 13
CHO0822S* 231.71 270.90 5903 2119 0.32 586 12.8 7.57E-02 17.2 20.4 5.1E-02 7.8E-03 12
CHO1* 231.85 270.83 3757 1310 0.32 623 13.4 6.62E-02 18.9 21.9 5.7E-02 8.8E-03 11
ACO1* 232.87 270.28 2123 218 0.51 1031 7.3 5.14E-01 33 37 1.9E-01 2.9E-02 4
MAI1* 233.50 270.14 4935 247 0.49 1002 6.9 7.38E-01 36.8 39.9 2.5E-01 4.0E-02 3
CAC1* 234.29 270.26 2163 168 0.50 903 7.7 5.42E-01 29.9 30.6 1.9E-01 3.7E-02 4
TIN1* 234.70 270.51 1465 240 0.47 878 16.2 1.19E + 00 26.3 27.5 1.6E-01 2.5E-02 5
TEN1* 235.09 270.61 1225 66 0.45 711 20.7 1.61E + 00 20.4 19.9 1.6E-01 1.1E-01 4
LON1* 235.33 270.73 1789 77 0.33 525 32.5 1.90E + 00 12.5 17.3 1.1E-01 5.5E-02 6
MAU1* 235.81 270.68 2693 508 0.39 671 16.6 1.90E + 00 18.9 21.8 8.6E-02 1.6E-02 8
D1-1† 237.60 271.60 1099 285 0.20 273 69 1.79E + 00 9.9 8.4 6.8E-02 1.5E-02 9
Bbm1-2† 237.93 271.47 7616 942 0.25 473 43 1.79E + 00 11.1 10.7 5.6E-02 9.5E-03 11
CLA2‡ 233.25 269.60 258 258 0.49 678 1.8 Not avail. 58.1 58.1 3.2E-01 6.0E-02 2
CLA4‡ 233.27 269.50 311 311 0.49 672 2.8 Not avail. 53.7 53.7 2.8E-01 5.0E-02 2
*From Carretier et al. (2013).

†
This study.
‡
From Pepin et al. (2013).
Runoff refers to the nearest gauging station. P is the catchment mean 10Be production rate corrected for differences in lithologies. Erosion rates are calculated using P (recalculated from Carretier et al. (2013),
adding the effect of fast muons which leads to erosion rates c. 10% lower). Ptotal is the catchment mean 10Be production rate without correcting for lithology, given for comparison.
tested. Nevertheless, the following arguments con- Fernandez Ridge (Fig. 2) that reached its current
tradict a near-dynamic equilibrium between uplift position 10 Ma ago (Yañez et al. 2002, and refer-
and erosion. ences therein). The proximity of the southern edge
Between 278 and 338S on the western side of the of the flat slab and the decadal and millennial
Andes, there are remnants of palaeosurfaces (Morti- erosion-rate peak suggest an influence of the south-
mer 1973; Farı́as et al. 2008; Riquelme et al. 2008; ward migration of the flat slab. This would also be
Bissig et al. 2002; Bissig & Riquelme 2009; Rehak consistent with the idea that the subduction of
et al. 2010; Aguilar et al. 2011) showing that the oceanic plateaus drives some rock uplift in the Cor-
topography is transient and thus has not reached a dillera (Martinod et al. 2010), but which has not
dynamic equilibrium. In particular, this is the case occurred in the southern sectors. However, a
where the erosion rate is the highest, near 338S post-10 Ma uplift is also proposed for the north of
(Farı́as et al. 2008). This precludes interpretation Chile and south of Peru, not influenced by the flat
of erosion rates in terms of uplift rates in the north slab, which suggests another cause (e.g. Garcia &
and central sectors. North of 248S, outside the Hérail 2005; Thouret et al. 2007; Schildgen et al.
studied area, Barnes & Ehlers (2009) and Jordan 2009; Rodrı́guez et al. in review). Because the topo-
et al. (2010) concluded that the Neogene surface graphic response time to uplift is of the order of Ma
uplift of the western central Andes has been in this sector, as shown (for Chile) by Farı́as et al.
rather progessive. In contrast, several authors have (2008) and (for the Argentine Precordillera) by
argued that uplift has been discontinuous between Walcek & Hoke (2012), then the mean erosion
278 and 338S. In the extreme north sector, Bissig rate may have just reached the peak illustrated in
et al. (2002) and Bissig & Riquelme (2009) pro- Figure 1. Between 358 and 388S, the AFT data pro-
posed a renewed uplift in the late Miocene based vided by Spikings et al. (2008) suggest that a first
on supergene copper mineralization ages. Between tectonic exhumation event occurred between 18
298 and 328S, apatite fission-track (AFT) and (U– and 15 Ma. As in the northern sector, this event
Th)/He-apatite thermochronological data indicate may be associated with the tectonic inversion of
a progressive exhumation, but with a main cooling the Abanico basin (Charrier et al. 2007). The large
event between 20 Ma and 15 Ma (Cembrano et al. erosion rate observed near 338 and 348S may thus
2003; Rodrı́guez et al. 2012a, Rodrı́guez et al. in reflect a younger uplift pulse and a rapid erosion
review), which may be associated with the tectonic response (due to higher slopes) compared to an
inversion of the Abanico basin (Charrier et al. 2007) older uplift to the north of 328S and to the south of
during the same period further to the south. Another 358S. However, an older uplift in the southern
cooling event occurred at c. 8 Ma in the north sector sector is not clearly established. Although exhuma-
(Rodrı́guez et al. 2012a). In the central sector, tion or provenance data between 328 and 398S are
Farı́as et al. (2008) proposed that rock and surface sparse, they suggest that the main exhumation
uplifts have not been continuous and have mainly associated with the tectonics and erosion occurred
occurred between c. 10 and 4.6 Ma near 338S in between c. 10 and 3 Ma in the Santiago region
the main Cordillera (see also Maksaev et al. (Farı́as et al. 2008; Maksaev et al. 2009; Rodrı́guez
(2009)), although some uplift may have occurred et al. 2012a, b), and around 8 to 5 Ma between 358
earlier during the tectonic inversion of the and 388S (Spikings et al. 2008), with a large range of
Abanico basin (Charrier et al. 2007) and during AFT and (U-Th)/He ages between 20 and 6 Ma.
the Pleistocene (Lavenu & Cembrano 2008; This is synchronous with, or slightly after, the
Armijo et al. 2010). peak of the upper-crust deformation in the Argen-
Hypothesis 2: Uplift did not occur at the same tina slope (15 –7 Ma, Giambiagi et al. 2012). Conse-
time along the studied area, implying that the quently, differences in the timing of the uplift do not
decadal and millennial erosion rates reflect different seem to explain the erosion rate pattern between
stages of the topographic evolution, with a minor 328 and 398S.
influence from the mean annual precipitation rate Hypothesis 3: A period of surface uplift
(Fig. 6b). As mentioned above, surface uplift bet- occurred in the Mio-Pliocene and the mean precipi-
ween 298 and 328S seems to pre-date the main tation rate controlled the erosion response time.
surface uplift that affected the Chilean Andes near Modern erosion rates correspond to different stages
Santiago (33–348S) (Farı́as et al. 2008). Neverthe- of the topographic evolution (Fig. 6c). In this
less, the similar, post c. 10 Ma uplift event identified hypothesis, the short-term erosion pattern (decadal
near 298S (Bissig et al. 2002), around 318S (Rodrı́- or millennial) reflects different stages of humped
guez et al. 2012a; Rodrı́guez et al. in review) and erosion curves such as those displayed in Figure 1.
near 33 –348S (Farı́as et al. 2008) shows some syn- It is assumed that the erosion response time is
chronism in the north and central sectors. This event shorter under a wetter climate: the catchments in
might be consistent with the southward migration of the northern sector correspond to the growing
the flat-slab segment associated with the Juan stage of topography and the erosion rate
S. CARRETIER ET AL.
(moderate-to-high incision and slope but low erosion erosion response. In addition, the thermochronolo-
rate); those in the central part have reached the gical ages given by Thomson et al. (2010) at 388
erosion rate peak (high incision, slope and erosion to 398S (the southernmost extremity of the region
rate); while those in the southern sector are in the covered by our data) are mainly distributed
decreasing stage (low incision, slope and erosion between 1 and 5 Ma for U –Th/He on apatite and
rate). Latitudinal variations in the incision and between 1 and 15 Ma for AFTs. These Mio-Pliocene
erosion rates are consistent with this model (Fig. ages suggest an exhumation associated with an
5). Large slope variations are expected during the uplift pulse. The young ages between 1 and 5 Ma
topographic adjustment shown in Figure 1. The suggest much higher erosion rates than those deter-
strong correlation of the erosion rate with the mined with 10Be, the former being probably associ-
slope and the weaker correlation with the runoff, ated with glacial erosion (Thomson et al. 2010) and
as suggested by the correlation analysis, implies consistent with Pliocene trench sediment. It is poss-
that the erosion rate should vary significantly ible that the succession of glacial and interglacial
during this slope adjustment (Fig. 5). Across the periods rendered the erosion rate highly variable
entire dataset, there is also a good correlation during the Plio-Pleistocene, so that the decadal
between the mean catchment slope and the mean and millennial erosion rate represents a ‘pause’
catchment incision, which is consistent with the in this evolution at these latitudes. Alternatively,
evolution model shown in Figure 1. Although the this apparent inconsistency between the Plio-
uplift of the northern sector may have occurred Pleistocene thermochronological ages and the low
10
earlier than in the central and southern sectors, the Be-derived erosion rates may be consistent with
topography seems less evolved. The northern catch- a rapid response to uplift in the Plio-Pleistocene
ments present large remnants of perched Miocene enhanced by glacial erosion, and then a rapid
palaeosurfaces (Bissig et al. 2002; Aguilar et al. decrease in the erosion rate leading to low millen-
2011; Rodrı́guez et al. 2014). The averaged ero- nial and modern erosion rates.
sion rate calculated from the incision of these sur- Finally, these three hypotheses correspond
faces is similar to the millennial and decadal to end-member models and are not mutually exclu-
erosion rates, which is consistent with a slow sive. It remains possible that differences in the
increase in the erosion rate and a long response response time (hypothesis 3) is the main explanation
time of erosion to surface uplift (Aguilar et al. for the difference between the northern and central
2011, 2014). In the central sector, Farı́as et al. sectors, whereas a difference in the magnitude
(2008) showed that the retreating river incision, (hypothesis 1) and the timing of the uplift (hypoth-
driven by the 10 to 4.6 Ma uplift, reached the esis 2) accentuates the differences between the
catchment head in the Pleistocene. This situa- central and southern sectors. Yet, only hypothesis
tion corresponds to the peak in Figure 1 and, as 3 seems to be consistent with the available infor-
expected, the largest erosion rates are located in mation. Future exhumation and structural data as
these catchments. Finally, this explanation requires well as dating of palaeosurfaces should help to
that the total erosion (exhumation) over millions of clarify the relative weight of the other hypotheses.
years is higher in the southern sector than in the
central and northern sectors (illustrated by the
grey surface below the curves in Fig. 6c). Thermo- Conclusion
chronological data are lacking to verify this point,
in particular between 338 and 398S (see the data pre- The decadal and millennial erosion patterns
sented by Spikings et al. (2008)). Nevertheless, the between 278 and 398S span two orders of magnitude
volume of sediment trapped in the trench clearly and do not fit the current precipitation rate pattern,
increases southwards (Bangs & Cande 1997), with which increases monotonically southwards. The
a sharp gradient in the central sector (Fig. 5). erosion pattern is well correlated and increases non-
Although the age of the sediment is not well con- linearly with the mean slope or the mean incision
strained, the larger volume of sediment deposited pattern and scales with the square root of the mean
in the south strongly suggests that there has been annual runoff. In contrast, sediment trapped in the
more cumulative erosion in the south than in the subduction trench suggests a correlation between
north. The increase in the sedimentation rate in the the current runoff pattern and erosion over Ma.
trench of the southern sector from the Pliocene The differences between these erosion patterns and
(Melnick & Echtler 2006), leading to c. 1.5 km of the runoff pattern may be explained by a simple
sediment thickness, is consistent with a rapid model of growing and relaxing topography after a
erosion response after the Mio-Pliocene rock uplift period of Mio-Pliocene surface uplift, whose
of the southern sector. The increase in glacial response time is controlled by the mean annual pre-
erosion from 6 Ma, as suggested by Melnick & cipitation rates. According to this model, catch-
Echtler 2006, may be responsible for this rapid ments in the north may be in the growing stage
(low erosion rate), the catchment in the central Balco, G., Stone, J., Lifton, N. & Dunai, T. 2008. A
sector may have reached its peak (high erosion complete and easily accessible means of calculating
rate), and the southern catchments may be in the surface exposure ages or erosion rates from Be and
relaxing phase (low erosion rate). Differences in Al measurements. Quaternary Geochronology, 3,
174– 195.
the timing and magnitude of the uplift may also Bangs, J. & Cande, S. 1997. Episodic development of
play a role but more exhumation and structural a convergent margin inferred from structures and
data are needed to evaluate their influence, in par- processes along the southern Chile margin. Tectonics,
ticular between 338 and 398S. Overall, this contri- 16, 489 –503.
bution suggests that even if the modern erosion Baret, F., Hagolle, O. et al. 2007. LAI, fAPAR and
rate is decoupled from the precipitation rate, cli- fCover CYCLOPES global products derived from
mate may still play a fundamental role in the cumu- VEGETATION. Remote Sensing of Environment,
lative erosion of a mountain range by accelerating 110, 305– 315, http://dx.doi.org/10.1016/j.rse.2007.
the erosion response to uplift. 02.018
Barnes, J. & Ehlers, T. 2009. End member models
for Andean Plateau uplift. Earth and Planetary Sci-
This study was funded by the Agence Nationale pour la
ence Letters, 97, 105– 132, http://dx.doi.org/10.
Recherche (#ANR-06-JCJC0100) and Institut de Recher-
1016/j.earscirev.2009.08.003
che pour le Développement. It is also a contribution to
Barnes, J. & Pelletier, J. 2006. Latitudinal variation of
the IGCP-UNESCO 586-Y Project awarded to L. Pinto
denudation in the evolution of the Bolivian Andes.
(Universidad de Chile) and L. Giambiagi (CONICET,
American Journal of Science, 506, 1 –31.
Argentina), to the FONDECYT projects #11085022
Binnie, S. A., Phillips, W. M., Summerfield, M. A. &
and #1120272 to the Laboratoire Mixte International
Fifield, L. K. 2007. Tectonic uplift, threshold hill-
COPEDIM. We thank G. Hoke and O. Korup for detailed
slopes, and denudation rates in a developing mountain
reviews, although we alone are responsible for any errors
range. Geology, 35, 743– 746.
or misconceptions.
Bissig, T. & Riquelme, R. 2009. Contrasting landscape
evolution and development of supergene enrichment
in the El Salvador porphyry Cu and Potrerillos-El
References Hueso Cu-Au districts, northern Chile. In: Titley, S.
(ed.) Supergene Environments, Processes and Pro-
Aalto, R., Dunne, T. & Guyot, J. 2006. Geomorphic ducts. Society of Economic Geologists, Special Publi-
controls on Andean denudation rates. The Journal of cation, 14, 59–68.
Geology, 114, 85– 99. Bissig, T., Clark, A., Lee, J. & Hodgson, C. 2002.
Aguilar, G., Riquelme, R., Martinod, J., Darrozes, J. Miocene landscape evolution and geomorphologic
& Maire, E. 2011. Variability in erosion rates related controls on epithermal processes in the El Indio-Pascua
to the state of landscape transience in the semi-arid Au –Ag –Cu belt, Chile and Argentina. Economic
Chilean Andes. Earth Surface Processes and Land- Geology and the Bulletin of the Society of Economic
forms, 36, 1736–1748, http://dx.doi.org/10.1002/ Geologists, 97, 971– 996.
esp.2194 Bonnet, S. & Crave, A. 2003. Landscape response to
Aguilar, G., Carretier, S., Regard, V., Vassallo, R., climate change: insights from experimental modeling
Riquelme, R. & Martinod, J. 2014. Grain size- and implications for tectonic versus climatic uplift of
dependent 10Be concentrations in alluvial stream sedi- topography. Geology, 31, 123–126, http://dx.doi.org/
ment of the Huasco Valley, a semi-arid Andes region. 10.1130/0091 – 7613(2003)031,0123:LRTCCI.2.
Quaternary Geochronology, 19, 163– 172. http://dx. 0.CO;2
doi.org/10.1016/j.quageo.2013.01.011 Braucher, R., Brown, E., Bourlès, D. & Colin, F.
Allen, P. 2008. Time scales of tectonic landscapes and 2003. In situ produced Be measurements at great
their sediment routing systems. In: Gallagher, K., depths: implications for production rates by fast
Jones, S. J. & Wainwright, J. (eds) Landscape Evol- muons. Earth and Planetary Science Letters, 211,
ution: Denudation, Climate and Tectonics Over Differ- 251– 258, http://dx.doi.org/10.1016/S0012–821X
ent Time and Space Scales. Geological Society, (03)00205-X
London, Special Publications, 296, 7– 28. Brown, E. T., Stallard, R. F., Larsen, M. C.,
Antinao, J. & Gosse, J. 2009. Large rockslides in the Raisebeck, G. M. & Yiou, F. 1995. Denudation
Southern Central Andes of Chile (32– 34.58S): tectonic rates determined from the accumulation of in situ-
control and significance for Quaternary landscape produced Be in the Luquillo Experimental Forest,
evolution. Geomorphology, 104, 117– 133. Puerto Rico. Earth and Planetary Science Letters,
Armijo, R., Rauld, R. et al. 2010. The West Andean 129, 193–202.
Thrust, the San Ramon Fault, and the seismic Burbank, D., Blythe, A. et al. 2003. Decoupling of
hazard for Santiago, Chile. Tectonics, 29, 10.1029/ erosion and precipitation in the Himalayas. Nature,
2008TC002427 426, 652–655.
Arriagada, C., Ferrando, R., Cordova, L., Morata, D. Carretier, S., Poisson, B., Vassallo, R., Pepin, E. &
& Roperch, P. 2013. The Maipo orocline: a first scale Farı́as, M. 2009. Tectonic interpretation of erosion
structural feature in the Miocene to Recent geody- rates at different spatial scales in an uplifting block.
namics evolution in the central Chilean Andes. Journal of Geophysical Research, 114, F02003,
Andean Geology, 40, 419–437. http://dx.doi.org/10.1029/2008JF001080
S. CARRETIER ET AL.
Carretier, S., Regard, V. et al. 2013. Slope and climate Northern Chile. Geomorphology, 65, 279– 300,
variability control of erosion in the Andes of central http://dx.doi.org/10.1016/j.geomorph.2004.09.007
Chile. Geology, 41, 195–198, http://dx.doi.org/10. Giambiagi, L., Mescua, J., Bechis, F., Tassara, A. &
1130/G33735.1 Hoke, G. 2012. Thrust belts of the southern Central
Castelltort, S. & van den Driessche, J. 2003. Andes: along-strike variations in shortening, topogra-
How plausible are high-frequency sediment supply- phy, crustal geometry, and denudation. Geological
driven cycles in the stratigraphic record? Sedimen- Society of American Bulletin, 124, 1339–1351,
tary Geology, 157, 3– 13, http://dx.doi.org/10.1016/ http://dx.doi.org/10.1130/B30609.1
S0037-0738(03)00066-6 Granger, D., Kircher, J. & Finkel, R. 1996. Spatially
Cembrano, J., Zentilli, M., Grist, A. & Nez, G. Y. averaged long-term erosion rates measured from in
2003. Nuevas edades de trazas de fisión para situ-produced cosmogenic nuclides in alluvial sedi-
Chile Central (308-408): implicancias en el Alzamiento ment. The Journal of Geology, 104, 249– 257.
y exhumación de Los Andes desde el Cretácico, In: Jordan, T., Nester, P., Blanco, N., Hoke, G., Dávila, F.
Abstracts of the 10th Chilean Geological Congress. & Tomlinson, A. 2010. Uplift of the Altiplano Puna
Universidad de Concepción 6– 10 de Octubre 2003. plateau: a view from the west. Tectonics, 29,
Charreau, J., Blard, P. et al. 2011. Paleo-erosion rates TC5007, http://dx.doi.org/10.1029/2010TC002661
in Central Asia since 9 Ma: a transient increase at Kirchner, J. W., Finkel, R., Riebe, C., Granger, D.,
the onset of Quaternary glaciations? Earth and Plane- Clayton, J., King, J. & Megahan, W. 2001. Moun-
tary Science Letters, 304, 85–92, http://dx.doi.org/ tain erosion over 10-year, 10000-year, and 10000
10.1016/j.epsl.2011.01.018 000-year timescales. Geology, 29, 591–594.
Charrier, R., Pinto, L. & Rodrı́guez, M. 2007. Tecto- Kooi, H. & Beaumont, C. 1994. Escarpment evolution
nostratigraphic evolution of the Andean orogen in on high-elevation rifted margins: insights derived
Chile. In: Moreno, T. & Gibbons, W. (eds) Geology from a surface processes model that combines diffu-
of Chile. Geological Society, London, 21–116. sion, advection, and reaction. Journal of Geophysical
Clift, P. 2006. Controls on the erosion of Cenozoic Research, 99, 12 191– 12 209.
Asia and the flux of clastic sediment to the ocean. Kooi, H. & Beaumont, C. 1996. Large-scale geomor-
Geology, 241, 571– 580, http://dx.doi.org/10.1016/j. phology: classical concepts reconciled and integrated
epsl.2005.11.02 with contemporary ideas via surface processes model.
Codilean, A. 2006. Calculation of the cosmogenic Journal of Geophysical Research, 101, 3361– 3386.
nuclide production topographic shielding scaling fac- Langbein, W. & Schumm, S. 1958. Yield of sediment
tor for large areas using DEMs. Earth Surface Pro- in relation to mean annual precipitation. Transactions
cesses and Landforms, 31, 785–794, http://dx.doi. of the American Geophysical Union, 39, 1076–1084.
org/10.1002/esp.1336 Lavenu, A. & Cembrano, J. 2008. Deformación compre-
Dadson, S. J., Hovius, N. et al. 2003. Links between siva cuaternaria en la Cordillera Principal de Chile
erosion, runoff, variability and seismicity in the central (Cajón del Maipo, este de Santiago). Revista
Taiwan orogeny. Nature, 426, 648– 651. Geologica de Chile, 35, 233– 252.
DiBiase, R. & Whipple, K. 2011. The influence of erosion Maksaev, V., Munizaga, F., Zentilli, M. & Charrier,
thresholds and runoff variability on the relationships R. 2009. Fission track thermochronology of Neogene
among topography, climate, and erosion rate. Journal plutons in the Principal Andean Cordillera of cen-
of Geophysical Research, 116, F04036, http://dx.doi. tral Chile (33–358S): implications for tectonic evol-
org/10.1029/2011JF002095 ution and porphyry Cu –Mo mineralization. Andean
DiBiase, R., Whipple, K., Heimsath, A. & Ouimet, W. Geology, 36, 153 –171.
2010. Landscape form and millennial erosion rates in Martinod, J., Husson, L., Roperch, P., Guillaume, B.
the San Gabriel Mountains, CA. Earth and Planetary & Espurt, N. 2010. Horizontal subduction zones, con-
Science Letters, 289, 134– 144, http://dx.doi.org/10. vergence velocity and the building of the Andes. Earth
1016/j.epsl.2009.10.036 and Planetary Science Letters, 299, 299–309, http://
Farı́as, M. 2007. Tectónica y erosión en la evolución del dx.doi.org/10.1016/j.epsl.2010.09.010
relieve de los Andes de Chile Central durante el Matsuura, K. & Willmott, C. J. 2011. http://climate.
Neǵeno. PhD thesis, Universidad de Chile/Universitée geog.udel.edu/climate/html_pages/download.html
de Toulouse. Melnick, D. & Echtler, M. 2006. Inversion of forearc
Farı́as, M., Charrier, et al. 2008. Late Miocene high basins in south-central Chile caused by rapid glacial
and rapid surface uplift and its erosional response in age trench fill. Geology, 34, 709 –712.
the Andes of Central Chile (33– 358S). Tectonics, 27, Metivier, F., Gaudemer, Y., Tapponnier, P. &
TC1005, http://dx.doi.org/10.1029/2006TC002046 Klein, M. 1999. Mass accumulation rates in Asia
Frankel, K. L. & Pazzaglia, F. J. 2006. Mountain fronts, during the Cenozoic. Geophysical Journal Interna-
base-level fall, and landscape evolution: insights from tional, 137, 280 –318, http://dx.doi.org/10.1046/j.
the southern Rocky Mountains, In: Willet, D., 1365-246X.1999.00802.x
Hovius, N., Brandon, M. & Fisher, D. (eds) Tec- Montgomery, D. R. & Brandon, M. T. 2002. Topo-
tonics, Climate, and Landscape Evolution. Geological graphic controls on erosion rates in tectonically
Society of America, Special Paper, 398, 419–434, active mountain ranges. Earth and Planetary Science
http://dx.doi.org/10.1130/2006.2398(26) Letters, 201, 481– 489.
Garcia, M. & Hérail, G. 2005. Fault-related folding, Mortimer, C. 1973. The Cenozoic history of the southern
drainage network evolution and valley incision Atacama Desert. Journal of the Geological Society,
during the Neogene in the Andean Precordillera of London, 129, 505 –526.
Ouimet, W. B., Whipple, K. X. & Granger, D. E. 2009. hillslopes and implications for landscape morphology.
Beyond threshold hillslopes: channel adjustment to Water Resources Research, 35, 853–870.
base-level fall in tectonically active mountain ranges. Roering, J. J., Perron, J. T. & Kirchner, J. W. 2007.
Geology, 37, 579– 582, http://dx.doi.org/10.1130/ Functional relationships between denudation and hill-
G30013A.1 slope form and relief. Earth and Planetary Science
Pepin, E., Carretier, S., Guyot, J. & Escobar, F. Letters, 264, 245– 258, http://dx.doi.org/10.1016/j.
2010. Specific suspended sediment yields of the epsl.2007.09.035
Andean rivers of Chile and their relationship to cli- Safran, E., Bierman, P., Aalto, R., Dunne, T., Whipple,
mate, slope and vegetation. Hydrological Sciences K. & Caffee, M. 2005. Erosion rates driven by channel
Journal, 55, 1190– 1205, http://dx.doi.org/10.1080/ network incision in the Bolivian Andes. Earth Surface
02626667.2010.512868 Processes and Landforms, 30, 1007–1024.
Pepin, E., Carretier, S. et al. 2013. Pleistocene land- Schildgen, T., Hodges, K., Whipple, K., Pringle, M.,
scape entrenchment: a geomorphological mountain to van Soest, M. & Cornell, K. 2009. Late Cenozoic
foreland field case, the Las Tunas system, Argentina. structural and tectonic development of the western
Basin Research, 25, 1– 25, http://dx.doi.org/10. margin of the central Andean Plateau in southwest
1111/bre.12019 Peru. Tectonics, 28, TC4007.
Polanski, J. 1963. Estatigrafı́a neotectónica y geo- Spikings, R., Dungan, M., Foeken, J., Carter, A., Page,
morphologı́a del pleistoceno pedemontano entre los L. & Stuart, F. 2008. Tectonic response of the
rios diamante y mendoza, provincia de Mendoza. central Chilean margin (35– 388S) to the collision
Revista de la Asociacion Geologica Argentina, 17, and subduction of heterogeneous oceanic crust: a ther-
127–349. mochronological study. Journal of the Geological
Rehak, K., Bookhagen, B., Strecker, M. & Echtler, Society, London, 165, 941– 953.
H. P. 2010. The topographic imprint of a transient Stolar, D. B., Willett, S. D. & Roe, G. H. 2006. Cli-
climate episode: the western Andean flank between matic and tectonic forcing of a critical orogen. In:
15.5 and 41.58S. Earth Surface Processes and Land- Willett, S. D., Hovius, N., Brandon, M. T. &
forms, 35, 1516–1534, http://dx.doi.org/10.1002/ Fisher, D. M. (eds) Tectonics, Climate, and Landscape
esp.1992 Evolution. Geological Society of America Special
Riebe, C., Kirchner, J., Granger, D. & Finkel, R. 2001. Paper, 398, 241–250, http://dx.doi.org/10.1130/
Minimal climatic control on erosion rates in the 2006.2398(14)
Sierra Nevada, California. Geology, 29, 447–450, Stolar, D., Roe, G. & Willett, S. 2007. Controls on the
ISI:000168445700018 patterns of topography and erosion rate in a critical
Riquelme, R., Darrozes, J., Maire, E., Hérail, G. & orogeny. Journal of Geophysical Research, 112,
Soula, J. C. 2008. Long-term denudation rates from F04002.
the Central Andes (Chile) estimated from a digital Stone, J. 2000. Air pressure and cosmogenic isotope pro-
elevation model using the black top hat function and duction. Journal of Geophysical Research, 105,
inverse distance weighting: implications for the 23753–23759, ISI: 000089895700027
Neogene climate of the Atacama Desert. Revista Geo- Summerfield, M. A. & Hulton, N. J. 1994. Natural con-
logica de Chile, 35, 105– 121. trols of fluvial denudation rates in major world drai-
Rodrı́guez, M., Charrier, R., Brichau, S. & Carre- nage basins. Journal of Geophysical Research, 99,
tier, S. 2012a. Thermochronometric constraints for 13 871– 13 883.
Cenozoic exhumation in north central Chile Syvitsky, J. & Milliman, J. 2007. Geology, geography,
(298S-328S), In: Abstracts of the XII Chilean Geologi- and humans battle for dominance over the delivery of
cal Congres, Antofagasta, 5– 9 August 2012. fluvial sediment to the coastal ocean. The Journal of
Rodrı́guez, M., Pinto, L. & Encinas, A. 2012b. Geology, 115.
Cenozoic erosion in the Andean forearc in Central Tassara, A., Gotze, H., Schmidt, S. & Hackney, R.
Chile (33-348S): sediment provenance inferred by 2006. Three-dimensional density model of the Nazca
heavy mineral studies. Geological Society of plate and the Andean continental margin. Journal of
America, Special Papers, 487, 141–162, http://dx. Geophysical Research, 111, B09404, http://dx.doi.
doi.org/10.1130/2012.2487(09) org/10.1029/2005JB003976
Rodrı́guez, M. et al. in review. Thermochronometric con- Thomson, S., Brandon, M., Tomkin, J., Reiners, P.,
traints on the development of the Andean topographic Vásquez, C. & Wilson, N. 2010. Glaciation as a
front in north central Chile (28.5–32S). Tectonics. destructive and constructive control on mountain
Rodrı́guez, M. P., Aguilar, G., Urresty, C. & Char- building. Nature, 467, 313– 317, http://dx.doi.org/
rier, R. 2014. Neogene landscape evolution in the 10.1038/nature09365
Andes of north-central Chile between 28 and 328S: Thouret, J. C., Worner, G., Gunnell, Y., Singer, B.,
interplay between tectonic and erosional processes. Zhang, X. & Souriot, T. 2007. Geochronologic and
In: Sepúlveda, S. A., Giambiagi, L. B., Moreiras, stratigraphic constraints on canyon incision and
S. M., Pinto, L., Tunik, M., Hoke, G. D. & Farı́as, M. Miocene uplift of the Central Andes in Peru. Earth
(eds) Geodynamic Processes in the Andes of Central and Planetary Science Letters, 263, 151– 166.
Chile and Argentina. Geological Society, London, Tucker, G. & Slingerland, R. 1996. Predicting sedi-
Special Publications, 399. First published online ment flux from fold and thrust belts. Basin Research,
April 4, 2014, http://dx.doi.org/10.1144/SP399.15 8, 329– 349.
Roering, J. J., Kirchner, J. W. & Dietrich, W. E. 1999. Tucker, G. & vanderBeek, P. 2013. A model for post-
Evidence for nonlinear, diffusive sediment transport on orogenic development of a mountain range and its
S. CARRETIER ET AL.
foreland. Basin Research, 24, 241–259, http://dx.doi. Whipple, K. X. 2009. The influence of climate on the tec-
org/10.1111/j.1365-2117.2012.00559.x tonic evolution of mountain belts. Nature Geoscience,
Uba, C., Strecker, M. & Schmitt, A. 2007. Increased 2, 97–104, http://dx.doi.org/10.1038/ngeo413
sediment accumulation rates and climatic forcing in Whipple, K. & Meade, B. 2006. Orogen response to
the central Andes during the late Miocene. Geology, changes in climatic and tectonic forcing. Earth and
35, 979–982. Planetary Science Letters, 243, 218 –228, http://dx.
von Blanckenburg, F., Hewawasam, T. & Kubik, P. doi.org/10.1016/j.epsl.2005.12.022
2004. Cosmogenic nuclide evidence for low weather- Yañez, G., Cembrano, J., Pardo, M., Ranero, C. &
ing and denudation in the wet, tropical highlands of Selles, D. 2002. The Challenger-Juan Fernandez-
Sri Lanka. Journal of Geophysical Research, 109, Maipo major tectonic transition of the Nazca-Andean
F03008, ISI: 000224573800001 subduction system at 33-348S: geodynamic evidence
Walcek, A. & Hoke, G. 2012. Surface uplift and erosion and implications. Journal of South American Earth
of the southernmost Argentine Precordillera. Geomor- Sciences, 15, 23– 38, http://dx.doi.org/10.1016/
phology, 153– 154, 156 –168. S0895-9811(02)00004-4

Magnitud-y-dinamica-de-la-erosion-integrada-de

Cargado por

Copyright:

Formatos disponibles

Magnitud-y-dinamica-de-la-erosion-integrada-de

Cargado por

Información del documento

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

Magnitud-y-dinamica-de-la-erosion-integrada-de

Cargado por

Copyright:

Formatos disponibles

UNIVERSIDAD DE CHILE

FACULTAD DE CIENCIAS FÍSICAS Y MATEMÁTICAS

MAGNITUD Y DINÁMICA DE LA EROSIÓN INTEGRADA DE CUENCA EN EL RÍO

TESIS PARA OPTAR AL GRADO DE DOCTORA EN CIENCIAS, MENCIÓN

VIOLETA ALEJANDRA TOLORZA TOLORZA

LUISA PINTO LINCOÑIR

SERGIO SEPÚLVEDA VALENZUELA

CARLOS OYARZÚN ORTEGA

En esta tesis de doctorado se aborda el estudio de la erosión integrada de cuenca (∼

perspectiva de los procesos superciales asociados a la movilización de sedimentos y la veloci-

dad de respuesta del sistema geomorfológico ante perturbaciones en el clima, la sismicidad y

proporcional a Qd tanto en la montaña como en el piedemonte. (2) Se mostró que a tres

verde, pero que el aumento interanual observado en el porcentaje de vegetación verde no ha

a la tesis 24121632 de CONICYT, el COPEDIM y el Institut de Recherche pour le Déve-

Quiero agradecer especialmente a Sebastián Carretier por haber abierto la puerta a un

la distancia gran parte de mi aprendizaje. Agradezco a Reynaldo Charrier y Marcelo Farías,

una nueva investigación en la ciudad de Concepción, facilitándome un espacio de trabajo,

compartí la experiencia de terminar la tesis y varias horas de almuerzo comiéndonos un pa-

per. También me caben en los agradecimientos especiales la colaboración y discusiones con

incondicional de mi viejita, Leonor, de mi hermana Ana María, de mi primo Daniel y de mi

que siempre estuvieron presentes, especialmente a la Pame, la Karen y la Pita. Agradezco al

Índice de tablas viii

Acerca de esta tesis . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 6

¾Por qué el río Biobío? . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 7

Caracterización regional de la cuenca del río Biobío . . . . . . . . . . . . . . . . . 11

Marco hidroclimático e hidrogeológico . . . . . . . . . . . . . . . . . . . . . . 16

1. Evaluación de datos sedimentométricos en la cuenca del río Biobío 23

1.2. Base de datos rutinaria en la cuenca del río Biobío . . . . . . . . . . . . . . . 25

1.2.1. Metodología de muestreo . . . . . . . . . . . . . . . . . . . . . . . . . 25

1.2.2. Cronología de las variables monitoreadas . . . . . . . . . . . . . . . . 27

1.2.3. Distribución de frecuencia-magnitud de la descarga de agua y sedimen-

1.3. Base de datos integrada en la cuenca del río Biobío . . . . . . . . . . . . . . 32

1.3.1. Metodología de muestreo . . . . . . . . . . . . . . . . . . . . . . . . . 32

1.3.2. Comparación entre base de datos Integrada y Rutinaria . . . . . . . . 33

2. Movilización de sedimentos presente desde la montaña al océano 42

3. Movilización de sedimentos antes y después del terremoto del Maule (Mw

3.2. Características generales de la zona de ruptura . . . . . . . . . . . . . . . . . 71

3.3. El terremoto del Maule . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 72

3.4. Materiales y métodos . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 76

3.6. Discusiones y conclusiones . . . . . . . . . . . . . . . . . . . . . . . . . . . . 79

4. Relación entre la evolución de la cobertura vegetal verde y la exportación

4.2. Base de datos y métodos . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 87

4.2.2. Descarga sedimentaria y precipitaciones . . . . . . . . . . . . . . . . 88

4.4. Discusión y conclusiones . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 93

5. Erosión de cuenca en el largo (ka) versus el corto (10 a) plazo en el río

5.2. Métodos . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 102

5.2.1. Isótopos cosmogénicos en el estudio de tasas de erosión integrada de

5.2.2. Estaciones de muestreo, preparación de muestras y análisis . . . . . . 103

5.2.3. Tasas de erosión a partir de sedimentos suspendidos . . . . . . . . . . 106

5.2.4. Morfometría de las cuencas . . . . . . . . . . . . . . . . . . . . . . . 107

5.3. Resultados . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 108

5.4. Discusión . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 111

5.4.1. Variaciones temporales de la tasa de erosión . . . . . . . . . . . . . . 111

5.4.2. Variaciones espaciales de la erosión de largo plazo . . . . . . . . . . . 113

5.5. Conclusiones . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 114

6. Discusión general y perspectivas 115

B. Denición de años hidrológicos para estaciones analizadas en el

C. Artículo de coautoría 165

1.1. Estaciones sedimentométricas de la cuenca del Biobío . . . . . . . . . . . . . 25

1.2. Coecientes de determinación y valor p de caudal entre la base de datos inte-

perspectiva de los procesos superciales asociados a la movilización de sedimentos y la veloci-

B. Denición de años hidrológicos para estaciones analizadas en el

1.2. Coecientes de determinación y valor p de caudal entre la base de datos inte-

1.4. Coecientes de determinación y valor p de ujo sedimentario entre la base de

1.5. Coecientes de determinación y valor p de concentración de sedimentos entre

1.6. Promedios de ujo sedimentario con medidas integradas y rutinarias. . . . . 40

Land Use from Landsat Image Classication (Aguayo et al., 2009) . . . . . . . . . 49

Coecients Used to Calculate Base Flow, Qs , and Morphometry of the Studied

5. Perl de testigo lacustre de 20 cm en la Laguna Chica de San Pedro de la Paz

7. Mapa geológico simplicado de la región del Biobío . . . . . . . . . . . . . . 13

11. Subacuíferos denidos en DGA (2012) . . . . . . . . . . . . . . . . . . . . . 20

1.4. Tasa de incisión versus coeciente de variabilidad . . . . . . . . . . . . . . . 30

1.5. Pdf de Caudal y ujo sedimentario suspendido . . . . . . . . . . . . . . . . . 31

Representation of base ow separation after a rainfall event . . . . . . . . . . . . . 45

Representation of the analyzed data and the base ow separation . . . . . . . . . 47