Un índice topográfico que explica la similitud hidrológica teniendo

en cuenta los controles conjuntos de la formación de escorrentía.

E, Chavez*; J, Yoplac**
* Estudiante de Ingeniería civil de la Universidad Nacional Toribio Rodríguez de Mendoza de
Amazonas.
** Estudiante de Ingeniería civil de la Universidad Nacional Toribio Rodríguez de Mendoza de
Amazonas.
Resumen. La topografía de las superficies es una fuente muy importante de información acerca
del funcionamiento y las formas de los paisajes hidrológicos. Debido a que tiene un papel clave en
la explicación de los proceso y estructuras hidrológicas. No es muy sorprendente que se hayan
propuesto varios índices y modelos hidrológicos para vincular las propiedades geomorfológicas
de un paisaje con su funcionamiento hidrológico. Dado que las diferencias potenciales de energía
son los principales impulsores en la generación de escorrentía, las distribuciones de las alturas por
encima de los drenajes más cercanos proporcionan indicadores importantes para explicar la
generación de escorrentía en las cuencas. Sin embargo, como lo expresa la segunda ley de la
termodinámica, el impulsor de un flujo solo explica un mecanismo de generación de escorrentía,
con el potencial de conducción de cada flujo que se agota a través de la producción de entropía y
la pérdida de energía disipativa, evacuación, drenaje

Palabras clave. Escorrentía, gradiente, flujo, potencial, interacción, cuenca.

1. INTRODUCCIÓN.

El papel clave que desempeña la topografía de la superficie en hidrología ha sido reconocido desde
hace mucho tiempo (por ejemplo, Horton, 1945). La topografía proporciona información sobre la
interacción entre la elevación, el clima y la erosión, y por lo tanto sobre el desarrollo morfológico
pasado de un paisaje. Además, proporciona una fuerte restricción para futuros cambios
hidrológicos y geo mórficos y, lo que es importante para la hidrología, es el impulsor clave y el
control asociado con la generación de escorrentía y varios otros procesos hidrológicos. Esta idea
sobre los roles pasados, presentes y futuros desempeñados por la topografía es seguramente una
de las razones por las que casi todas las entidades clave del paisaje en hidrología, como límites de
cuencas hidrográficas, laderas y redes de canales, se derivan de las propiedades de la topografía
de la superficie terrestre. En apoyo de esto, los modelos de evacuación digital (DEM) están
disponibles a una resolución bastante alta. Por lo tanto, no es sorprendente que la hidrología no
sufra la falta de modelos o índices que vinculen las propiedades geo mórficas de un paisaje con su
funcionamiento hidrológico. Podría decirse que el enfoque más popular es el índice de humedad
topográfica (TWI) propuesto por Kirkby (1975) y Beven y Kirkby (1979). En función de la
pendiente local con el área que contribuye a la pendiente ascendente por la longitud del contorno,
el TWI se desarrolló originalmente para clasificar áreas de funcionamiento similar dentro de una
cuenca y se ha aplicado (p. Ej., Grabs et al., 2009), refinado (p. Ej. Barling et al., 1994) y probado
(por ejemplo, Rodhe y Seibert, 1999) en numerosos estudios.

Sin embargo, también se han propuesto otros índices para vincular la topografía de la superficie
terrestre con su respuesta de escorrentía. Hjerdt y col. (2004) desarrolló el "índice de humedad
topográfica descendente" (también llamado el bronceado β índice) que refleja el gradiente
hidráulico local en el caso de que el flujo sea impulsado exclusivamente por la gravedad y bajo los
supuestos de una caída fija en la elevación.

Un enfoque que recientemente ha ganado considerable atención es el índice de "altura por encima
del drenaje más cercano" (HAND) desarrollado por Rennó et al. (2008), que antes se conocía con
un nombre diferente, “diferencia de elevación (DZ)”, desarrollado por Crave y Gascuel-Odoux
(1997). Este enfoque supone que el agua sigue el descenso más pronunciado a lo largo de la
topografía de la superficie y, en base a estos caminos de drenaje, se estima la elevación
correspondiente de cada celda de trama sobre la celda del río más cercana. HAND se ha aplicado
y probado con éxito en numerosos estudios en una amplia gama de paisajes diferentes.

modynamics; por ejemplo, Kondepudi y Prigogine, 2014), parece lógico que los conceptos
termodinámicos sean importantes en hidrología. Sin embargo, aunque una visión centrada en la
energía se ha aplicado a una variedad de temas diferentes en subdisciplinas como la hidrología del
agua subterránea (Hubbert, 1940) y la física del suelo (Babcock y Overstreet, 1955), no se ha
convertido en una práctica establecida en la lluvia clásica. - hidrología del agua superficial centrada
en el despegue. Esto probablemente se deba al fuerte contexto de ingeniería en el que
históricamente se desarrolló la comprensión de la hidrología de superficie, con su enfoque abierto
en la resolución práctica de problemas (Sivapalan, 2018)-
2. ENFOQUES Y MÉTODOS

Aquí, derivamos un índice topográfico basado en el balance de energía asociado con la

generación de escorrentía de una ladera. Esto implica dos pasos: (i) inferir qué propiedades de un
DEM proporcionan información sobre las fuerzas que impulsan la generación de escorrentía y (ii)
identificar cuánta resistencia ofrece el paisaje al flujo de agua. Como puntos de referencia para la
comparación, explicamos brevemente el bien establecido TWI y HAND.

2.1. Balance energético de la generación de flujo.

Las laderas a menudo se describen como los elementos clave del paisaje que controlan la
generación de escorrentía (por ejemplo, Bachmair y Weiler, (2011). Un punto de partida para
describir enérgicamente la generación de escorrentía de una cuenca entera es, por lo tanto,
examinar el balance energético de una ladera con respecto a la generación de flujo de corriente. La
energía total relevante para la generación de flujo de corriente en la escala de ladera es, por lo
tanto, la suma del flujo de energía potencial por el agua. J maceta (flujo de energía en W), la
exportación de energía cinética por agua J parientes W) y la cantidad de energía D (W) se disipó
debido a la fricción a lo largo de la ruta de flujo hacia el río (ver Kleidon et al., 2013).

A este respecto, es interesante observar que las energías cinéticas típicamente observadas
asociadas con el flujo terrestre son bastante pequeñas en comparación con sus energías potenciales
de conducción. Para tener una idea de esto, imagine una cuenca que tenga una altura promedio por
encima del medidor de registro de escorrentía de 20 my una velocidad de flujo típica de 1 ms - 1)
En este caso, solo el 0.5% de la energía potencial promedio se transforma en energía cinética,
mientras que la mayor cantidad (99.5%) se disipa debido a la fricción en la interfaz fluido-sólido
a lo largo de la ruta del flujo. Este proceso irreversible implica una pérdida acumulativa de energía
libre a lo largo de su ruta de flujo y, por lo tanto, una posible disminución en la capacidad del
fluido para realizar el trabajo (Freeze y Cherry, 1979; Kleidon et al., 2013). La razón de esto es
que las energías cinética y potencial determinan principalmente cómo se mueve el fluido, mientras
que las diferencias de temperatura dentro del fluido son de menor importancia.

En consecuencia, la generación de flujo de corriente está dominada por la conversión de

energía potencial en energía cinética y, finalmente, en calor (Currie, 2003; Song, 1992).
Fundamentalmente, el fenómeno de la disipación de energía se describió primero a través de la
segunda ley de la termodinámica, que establece que la entropía puede ser producida pero no
consumida, lo que implica que la suma de todos los procesos en nuestro universo avanza en una
dirección de aumento de la entropía, lo que significa que necesariamente disipan la energía libre
y, por lo tanto, reducen la capacidad del sistema para realizar el trabajo (Schneider y Kay, 1994).
Una consecuencia elemental de esto es el signo negativo en una ley de flujo difusivo, lo que implica
que el calor fluye de temperaturas cálidas a frías, el agua fluye cuesta abajo (más generalmente de
mayor a menor energía potencial) y el aire se mueve de alta presión a baja presión.
Matemáticamente, esto se puede formular como la ley de flujo gradiente, que establece que
cualquier flujo q es el producto de un gradiente ∇ ϕ y lo contrario de un término de resistencia
efectivo R que obstaculiza el flujo:

𝑞 = ∇𝜑𝑅 −1

2.2. Índice de humedad topográfica (TWI) y altura por encima del drenaje más cercano
(MANO)

Calculamos las distribuciones de frecuencia de la celda de cuadrícula TWI y HAND para

compararlas con las distribuciones rDUNE. El TWI se define para cada celda ráster como

TWI = ln (α / bronceado (β)),

dónde α es el área acumulada cuesta arriba y el bronceado (β) es el ángulo de pendiente
local (el TWI generalmente se divide por la resolución del DEM antes de tomar el logaritmo para
hacerlo adimensional). Mientras tanto, HAND se basa en el concepto de que el agua sigue el
gradiente más empinado a lo largo de la topografía de la superficie y, por lo tanto, se requieren
una red de ríos y un mapa de dirección de flujo para su cálculo. Para comparar mejor HAND con
TWI y rDUNE, nuevamente usamos su logaritmo natural (ln (HAND)).

3. ÁREA DE ESTUDIO.

Los 288 km 2 La cuenca de captación, ubicada en Luxemburgo, tiene una precipitación

media anual de 850–1100 mm y temperaturas mensuales medias que varían entre 0 ◦ C en enero y
18 ◦ C en julio. Se pueden encontrar descripciones detalladas de la climatología e hidrología de la
cuenca en una serie de estudios (por ejemplo, Bos et al., 1996; Martínez-Carreras et al., 2012;
Wrede et al., 2015; Jackisch, 2015). Una característica importante, y particularmente relevante, de
la cuenca es que consta de dos formaciones geológicas principales. Los esquistos devónicos
dominan el macizo de las Ardenas en la parte norte y oeste, y las margas arenosas triásicas dominan
el resto de la cuenca, interrumpidas por varias pequeñas áreas de arenisca en el sur y noroeste. Para
probar la capacidad de discriminación funcional de los índices rDUNE, TWI en el (HAND),
seleccionamos seis cuencas de cabecera de diferentes tamaños (ver Fig. 1): tres en el área del
esquisto (Platen - 40 km2 ; Colpach - 19,4 km2 ); (Weierbach ne0s.,45 km2 ) y tres en la zona de
margas (Schwebich - km2 ); (Niederpallen - 32,2 km2 ; Wollefsbach - 4.4 km2 )

3.1. Regímenes hidrológicos y generación de escorrentía

Importante para este estudio es que las seis cuencas comparten regímenes hidroclimáticos
similares (Jackisch, 2015) que pueden separarse en las estaciones de invierno y vegetación, durante
las cuales la escorrentía o la evapotranspiración respectivamente son los flujos de agua dominantes
que salen de las cuencas hidrográficas (Loritz et al., 2017). Los coeficientes de escorrentía anual
varían del 30% al 60%, lo que indica diferencias claras entre los años; Este es probablemente el
resultado de variaciones climáticas anuales (Pfter et al., 2017).

Sin embargo, la forma en que las cuencas transforman la lluvia en escorrentía varía
significativamente entre las diferentes formaciones geológicas (Bos et al., 1996). La región del
esquisto se caracteriza por un mecanismo de generación de escorrentía de "llenado y derrame", en
el que el agua fluye a lo largo o dentro del lecho de roca comprende el proceso de escorrentía
dominante. Por otro lado, en las regiones de marga, las áreas saturadas y las rutas de flujo
preferenciales dentro de las macrosporas y la grieta del suelo dominan la distribución del agua.

Las diferencias entre los regímenes de escorrentía se destacan en la Fig. 2 para una serie
de eventos de lluvia y escorrentía en el invierno, verano y otoño de 2012 y 2013. La respuesta de
la escorrentía en las cuencas de marga es bastante rápida y más alta (pero con menos volumen)
que en las cuencas de esquisto (Loritz et al., 2017) Es de destacar que, aunque todas las capturas
de marga son de diferente tamaño, exhiben patrones muy similares de generación de escorrentía.
Además, los comportamientos de las cuencas de esquisto son bastante similares entre sí, ya que
solo la cuenca de la platina produce (a largo plazo) ∼ 30% menos de descarga que los otros dos.
Una posible explicación para esto es que ∼ El 30% de la captación de platina pertenece a una
formación de arenisca que tiende a ser menos receptiva con respecto a la escorrentía y tiene
reservas de agua subterránea más profundas (Bos et al., 1996).

Figura 1. Mapa de la cuenca de Attert con las seis cuencas hidrográficas seleccionadas. En la parte norte de la
cuenca de Attert, se resaltan las tres cuencas esquistdominadas (azul; Platen, Colpach y Weierbach), y en la parte
sur, se destacan las tres cuencas dominadas por margas (verde; Schwebich, Niederpallen y Wollefsbach).

los tamaños difieren en un factor de 10, las cuencas de esquisto también exhiben respuestas de escorrentía
sorprendentemente similares (con correlaciones de rango de Spearman por encima de 0.9). Esto se destaca aún más
por la característica naturaleza de doble pico de los eventos de escorrentía en las tres cuencas de esquisto durante el
invierno (Martínez-Carreras et al., 2016).

En resumen, las dos formaciones geológicas comparten regímenes hidroclimáticos bastante

similares, pero difieren significativamente con respecto a los procesos dominantes de escorrentía
y, por lo tanto, cómo transforman la lluvia en escorrentía. Por lo tanto, debemos esperar que
cualquier índice de similitud de captación, desarrollado con el propósito de identificar y explicar
las diferencias en el funcionamiento hidrológico (en términos de generación de escorrentía), pueda
distinguir claramente estas dos áreas geológicas entre sí. Es importante tener en cuenta que
elegimos este conjunto de captaciones a propósito porque las diferencias climáticas entre las
captaciones son bastante pequeñas y las captaciones correspondientes comparten un entorno
geológico bastante claro. Esto fue posible debido al hecho de que la cuenca y las subcuencas de
Attert se establecieron con fines de investigación y no por razones de gestión demás, la
configuración pedogeológica no cambia significativamente a lo largo de la ruta de flujo.

3.2. Análisis espacial y la red de flujo

Para nuestros análisis topográficos, utilizamos un modelo de elevación digital lidar de 5 m,

agregado y suavizado a una resolución de 10 m. Todos los análisis espaciales se realizaron
utilizando GRASS GIS (Neteler et al., 2012) y la extensión GRASS GIS r.stream ∗ ( Jasiewicz y
Metz, 2011). Este último se usó para derivar los mapas de distancia al río y de elevación al río
(HAND), como base espacial para todos los análisis posteriores. Debido a que el cálculo de estos
mapas es muy sensible a la extensión y la forma de la red fluvial, es importante derivar la red del
arroyo con cuidado; Para este análisis utilizamos la red de flujo creada por Loritz et al. (2018) al
variar por separado los umbrales mínimos del área contribuyente, según el entorno geológico, para
que coincida con la red de flujo oficial disponible del Instituto de Tecnología de Luxemburgo
(LIST). Además, la red de corrientes se evaluó contra las ortofotos y se ajustó manualmente en
estrecha colaboración con los hidrólogos de campo que trabajan en la región de Attert.

Figura 2. Descargas y precipitaciones específicas observadas con diferentes escalas de ordenadas durante un período
de tiempo en el verano de 2012, otoño de 2012 e invierno de 2013 en las seis cuencas (naranja: cuevas de marga; azul:
cuencas de esquisto). Esta figura destaca que las dos formaciones geológicas tienen una función hidrológica
claramente diferente con respecto a cómo transforman la lluvia en escorrentía durante todo el año

Tabla 1. Promedio ( ∅) y desviación estándar (SD) de TWI, ln (HAND) y rDUNE para cada cuenca experimental.

Schist 7.77 1.9 3.03 0.95 2.18 0.5

Platen 7.54 1.9 3.21 0.9 1.9 0.6
Colpach 8:05 1.6 2.85 0.7 2.17 0.6
Weierbach
Marl 8:3 2 2.77 0.8 2.93 0.7
Niederpallen 8.1 1.9 2.88 1.0 2.9 0.7
Schwebich 8.67 1.8 2.66 0.6 3:52 0.6
4. RESULTADOS.

La Figura 3 muestra las distribuciones de frecuencia y las funciones de densidad

acumulativa correspondientes de TWI, ln (HAND) y rDUNE para las seis cuencas examinadas en
este estudio. En general, las distribuciones de TWI no indican fuertes diferencias entre las dos
geologías. Para las seis cuencas, las distribuciones tienden a ser aproximadamente gaussianas, con
valores medios cercanos a 8 (véase también la Tabla 1). Visualmente, solo las cuencas de la platina
y el colpach difieren ligeramente de las otras cuencas, con distribuciones algo desplazadas hacia
la izquierda (medios inferiores). El hecho de que estas seis distribuciones de TWI sean bastante
similares también se indica mediante el JSD (Fig. 4), y cuyos valores son bastante pequeños, lo
que indica una baja divergencia entre las distribuciones. Esta similitud de las distribuciones de
TWI a pesar de las diferencias geológicas puede, a primera vista, parece algo sorprendente dado
que las capturas de esquisto son generalmente mucho más pronunciadas que las de marga. Sin
embargo, en las regiones de marga, el flujo de agua a lo largo de la superficie tiende a ser mucho
menos convergente y, en consecuencia, las acumulaciones de flujo tienden a ser más bajas que en
las regiones de esquisto.

La comparación correspondiente de las distribuciones ln (HAND) indica un mayor grado

de divergencia entre los dos regímenes de escorrentía. En particular, la platina y el col- las cuencas
pach (ambas en la región de esquisto) difieren de las otras cuencas con respecto a ln (HAND). Esta
impresión visual se ve reforzada por los valores promedio de ln (MANO) (Tabla 1), con las
capturas Colpach y Platen exhibiendo valores promedio similares cerca de 3 (ln (m)). En general,
sin embargo, el índice no indica una separación muy distinta entre las dos geologías y no distingue
claramente entre las cuencas de Weierbach (esquisto) y Niederpallen (marga). Los valores JSD
refuerzan aún más el hecho de que las diferencias entre las distribuciones tienden a ser bastante
pequeñas. Por ejemplo, las cuencas de platina (esquisto) y Schwebich (marga) tienen valores JSD
muy pequeños ( ∼ 0.042), mientras que la cuenca Wollefsbach que se encuentra dentro de la misma
formación geológica (marga) que el Schwebich tiene un valor JSD de 0.11.

En contraste, las distribuciones de rDUNE revelan una imagen bastante diferente.

Visualmente, el índice rDUNE distingue claramente entre las dos geologías. En particular, las
formas de las funciones de densidad acumulativa indican que las cuencas de marga tienden a tener
valores de rDUNE más bajos que las cuencas de esquisto. Los valores medios de las distribuciones
de rDUNE (Tabla 1) son alrededor de 1.94–2.18 para las cuencas de esquisto y alrededor de 2.9

5. DISCUSIÓN

5.1. Posibles diferencias de energía como motor para la generación de escorrentía.

El rDUNE es una mejora y una reinterpretación directa basada en la energía del enfoque
HAND utilizado con frecuencia (Rennó et al., 2008). La pequeña, pero significativa, diferencia es
que rDUNE se calcula dividiendo HAND por la ruta de flujo. Esto está motivado por el hecho de
que casi toda la energía potencial se disipa dentro del proceso de generación de escorrentía.
Aunque esta extensión puede parecer incremental, rDUNE explica tanto la diferencia de energía
potencial de conducción.
Figura 3. Distribuciones de frecuencia y funciones de densidad acumulada de TWI, ln (HAND) y rDUNE para las
seis cuencas de investigación. En azul están las cuencas de esquisto (Platen, Colpach y Weierbach), y en verde están
las cuencas de marga (Schwebich, Niederpallen y Wollefsbach).

ference y las pérdidas de energía disipativas asociadas con la producción de escorrentía. Es

probable que esto último sea de particular importancia cuando se examinan entornos con una
topografía distinta donde la generación de escorrentía no está limitada por la energía potencial
disponible sino por la disipación. En consecuencia, rDUNE debería ayudar a mejorar la
clasificación de las cuencas en unidades espaciales funcionalmente similares, particularmente para
cuencas de cabecera con topografías moderadas a empinadas (Montgomery y Dietrich, 1988).

La primera indicación de que rDUNE es la adición útil a la variedad de índices topográficos

disponibles en hidrología se destaca por nuestros resultados, que muestran que rDUNE las
distribuciones más fuertes discriminan las cuencas con dos regímenes de escorrentía muy
diferentes, como es el caso con HAND o TWI (Fig. 4). Además, el hecho de que los valores de
rDUNE son en promedio más altos en la región de margas en comparación con las cuencas de
esquisto es físicamente razonable, considerando el hecho de que las grietas del suelo y las
lombrices (en general, el flujo preferencial; Por ejemplo, Loritz et al., 2017) juegan un papel
importante en cómo las cuencas transforman la energía potencial en energía cinética. Este es el
caso, ya que estas estructuras reducen la disipación de energía a lo largo de la ruta de flujo, y se
esperan valores más altos de rDUNE en paisajes en los que el proceso de escorrentía dominante se
caracteriza por el flujo a través de la ruta de flujo preferencial.

Figura 4. Valores JSD para las seis cuencas de investigación: esquisto - Platen (pla), Colpach (col) y Weierbach (wei)
- y marl - Niederpallen (nie), Schwebich (sch) y Wollefsbach (wol). (una) JSD entre las distribuciones TWI, (si) entre
las distribuciones ln (HAND) y (C) entre las distribuciones rDUNE. Un valor alto de JSD indica una alta divergencia
entre las distribuciones, con un máximo de 1.
 A pesar de estos primeros resultados prometedores, se necesita un análisis completo de
rDUNE y su sensibilidad a diferentes resoluciones de DEM, algoritmos de dirección de flujo y
funciones de suavizado del terreno, como Gharari et al han demostrado en detalle para TWI y
HAND. (2011) Sin embargo, como rDUNE es más bien una extensión y una reinterpretación de
HAND centrada en la energía, esperaríamos que los hallazgos de Gharari et al. (2011) sobre el
rango significativo de resoluciones de trama puede transferirse, al menos en parte, a rDUNE.
Exactamente esta relación entre HAND y rDUNE es, por lo tanto, una fortaleza más que una
debilidad, y sería una vía interesante para probar cómo y si las clasificaciones del paisaje y los
resultados del modelo de Gao et al. (2014, 2019) cambian si HAND se reemplaza por rDUNE.

Además, especulamos que nuestra reinterpretación centrada en la energía de HAND puede,

además de mejorar su base teórica, abrir aún más la posibilidad de clasificar dinámicamente
paisajes a lo largo del tiempo. Esto se debe a la energía potencial entrante y la base centrada en la
energía de rDUNE (Ec. 5; Jm - 3) en su lugar, se puede calcular con un flujo de masa en lugar de
con una masa total, por ejemplo, usando una serie de tiempo de precipitación por hora. Como se
discutió en Loritz et al. (2018) este tipo de clasificación dinámica puede proporcionar la clave para
dividir con éxito una cuenca en entidades paisajísticas que funcionen de manera similar, a medida
que los sistemas hidrológicos pasan de estados complejos a estados organizados. Como
consecuencia, rDUNE en su forma actual invariable en el tiempo siempre se limitará a identificar
unidades de paisaje hidrológicas similares.

5.2 Sensibilidad a la densidad de drenaje

El hecho de que las distribuciones de frecuencia de rDUNE variaran entre las dos geologías
se debe claramente al hecho de que se utilizaron diferentes valores de acumulación para derivar la
red de canales en las diferentes geologías. Cambiar el umbral de acumulación significa que el agua
comenzará a fluir tarde o temprano en la superficie y, por lo tanto, la longitud del flujo y la
elevación al drenaje más cercano aumentarán o disminuirán. El punto de origen de la red de canales
está controlado por una variedad de controles estructurales y climáticos y, a menudo, varía
pendiente de la temporada prevaleciente (Montgomery y Dietrich, 1992). Sin embargo, variar el
umbral de acumulación dentro de un rango razonable cambia principalmente la longitud del flujo
en las captaciones de cabecera, y la longitud del flujo y las elevaciones a lo largo del río principal
(donde estamos bastante seguros de la posición de la red de canales) no cambiarán drásticamente.
 Otro punto, más específico de nuestras formaciones geológicas probadas, es que las
direcciones de flujo son más paralelas en las regiones de marga como resultado de una topografía
más suave. Por lo tanto, el agua comenzará a fluir más tarde en la superficie dentro de la red de la
corriente, incluso si elegimos el mismo umbral de acumulación de flujo en ambas geologías. Esto
puede, por supuesto, depender del algoritmo de dirección de flujo elegido (Seibert y McGlinyn,
2007). Sin embargo, el hecho de que el área de acumulación necesaria para formar un canal es, en
general, más grande en la región de margas donde las pendientes son más suaves en comparación
con las regiones de esquisto, coincide con la observación de Montgomery y Diet-rich (1988) de
que allí es una fuerte relación inversa entre la longitud promedio de una ladera y su pendiente.

Finalmente, dejando de lado los detalles técnicos de la extracción de una red fluvial basada
en un DEM y las incertidumbres que acompañan a dicho enfoque, observamos que la red de flujo
que utilizamos en este estudio fue cuidadosamente extraída en base a una red de flujo oficial, y en
varias visitas a la zona, y se verificó mediante ortofotos. Esto significa que estamos seguros de que
hemos capturado correctamente la imagen general de la red de canales perennes, incluso si no
somos capaces de examinar cada lugar donde el agua en condiciones típicas comienza a formar un
canal. Varios estudios han demostrado el hecho de que las densidades de drenaje de una cuenca
proporcionan información importante sobre el funcionamiento hidrológico de un paisaje (por
ejemplo, Mutzner et al., 2016). Esto se debe a que la extensión de la red de corrientes refleja la
interacción del forzamiento climático y el entorno hidro-pedológico de un paisaje y, por lo tanto,
la interacción del potencial de conducción de la generación de escorrentía y la resistencia que actúa
contra ella. Esta observación fue realizada previamente por Montgomery y Dietrich (1988),
quienes postularon que es lógico utilizar la información almacenada dentro de la extensión de una
red de canales y la longitud y altura promedio de la ladera (Pendiente) para desarrollar modelos
que intentan explicar la similitud hidrológica basada en la topografía.

1.3 Similitud topográfica y similitud hidrológica

Nuestra comparación de TWI, ln (HAND) y rDUNE indica que rDUNE es superior en la

detección de diferencias entre los dos regímenes de escorrentía probados aquí. Sin embargo, se
está utilizando una variedad de otros índices basados en topografía que no probamos en este
estudio, que van desde la simple comparación de las pendientes medias de una cuenca hasta
enfoques basados en suposiciones que son bastante similares a las realizadas en este estudio. Un
ejemplo destacado es el trabajo de McGuire et al. (2005), quienes utilizaron la longitud de la ruta
de flujo medio (L) el gradiente medio del camino de flujo hacia el río (SOL) y la relación de ambos
(entre otras variables) para analizar qué parte de la variabilidad entre cuencas en los tiempos de
residencia de los trazadores puede explicarse por las propiedades geomórficas. Descubrieron que
la relación de la ruta de flujo y la pendiente era superior a otras variables para explicar la dinámica
hidrológica. McGuire y col. (2005) declararon que "la correlación del tiempo de residencia con L
/ G es significativamente mejor que la correlación del tiempo de residencia con la longitud de la
ruta de flujo (L) o gradiente de ruta de flujo (SOL) individualmente. Esto sugiere que ambos
factores son controles importantes en el tiempo de residencia”.

Curiosamente, Harman y Sivapalan (2009) dieron exactamente este índice, bajo un nombre
diferente, como base teórica cuando derivaron la ecuación de Boussinesq dentro de su estudio de
similitud de laderas. Es notable que su índice topográfico (L / G) es bastante similar al rDUNE o
al bronceado β índice (Hjerdt et al., 2004), aunque usan la mediana de las pendientes locales como
proxy del potencial de conducción en lugar de la energía potencial y alteraron aún más la relación
al dividir la longitud de la ruta de flujo por el gradiente y no al revés. Sin embargo, la similitud
entre los tres índices sigue siendo evidente, ya que ambos incluyen un sustituto para el conductor
de un flujo y un sustituto para el término de fricción que trabaja en su contra.

En este contexto, es interesante observar que también las propiedades del sistema
representadas en nuestras ecuaciones de gobierno rara vez son independientes, sino que actúan en
conjunto (Bárdossy, 2007). Debido a que la mayoría de los índices de similitud se derivan de las
ecuaciones vigentes, podemos encontrar el patrón mencionado en muchos otros índices
hidrológicos exitosos. Por ejemplo, también el TWI combina el potencial de conducción
(pendiente local) con una estimación de la conductividad de un área determinada (en forma de área
de acumulación ascendente). Estas suposiciones pueden ser apropiadas para el norte de Inglaterra
(donde originalmente se desarrolló TWI) y también pueden funcionar en muchos otros entornos,
pero probablemente fracasarán si el conductor o el término de resistencia no se estiman
adecuadamente. Esto resalta el hecho de que el concepto de combinar las propiedades del sistema
que impulsa un flujo con propiedades que obstaculizan el flujo podría ser una forma significativa
de vincular el funcionamiento hidrológico de un sistema con su arquitectura (Zehe et al., 2014).
Como lo físico La base para esta perspectiva se basa en la termodinámica, podría ser una ventaja
considerar rutinariamente la generación de escorrentía no exclusivamente como un flujo de masa
sino como un proceso disipativo e impulsado por la energía, ya que esta perspectiva puede
ayudarnos a generalizar mejor nuestros hallazgos e identificar Las limitaciones de nuestros
conceptos y modelos.

6. CONCLUSIÓN

El índice de disipación por unidad de longitud desarrollado aquí es una reinterpretación

centrada en la energía de HAND. Su uso nos permitió usar datos DEM para detectar diferencias
entre dos conjuntos de cuencas con procesos de escorrentía dominante claramente diferentes y, a
este respecto, exhibió un rendimiento superior a los enfoques TWI y HAND. Nuestros resultados
indican que una forma prometedora de vincular las arquitecturas del sistema con su
funcionamiento es identificar las propiedades del sistema de tal manera que podamos tener en
cuenta por separado tanto los impulsores de un flujo como las propiedades que actúan para
resistirlo.

La idea general detrás de este estudio es, por lo tanto, la observación de que la mayoría de
la energía potencial entrante asociada con el flujo de agua dentro de una ladera se disipa y solo
una fracción de ella llega a la red de la corriente como energía cinética. Esto destaca el importante
papel que juega la disipación de energía cuando la lluvia se transforma en escorrentía dentro de
una cuenca. Establecer un proxy para las estructuras que controlan la disipación de energía es, por
lo tanto, la clave para clasificar funcionalmente los entornos que no están limitados por la energía
potencial disponible y, por lo tanto, tienen topografías distintas. Finalmente, al tomar una
perspectiva centrada en la energía sobre la generación de escorrentía, podemos comenzar a abordar
la cuestión de por qué los paisajes evolucionan de tal manera que la mayor parte de la energía
potencial se disipe a escala de ladera.

Disponibilidad de datos. Las observaciones de alta, así como el modelo de elevación

digital, fueron proporcionados por el Instituto de Ciencia y Tecnología de Luxemburgo dentro del
grupo de investigación "Catchments As Organized Systems (CAOS)" (FOR 1598) financiado por
la German Science Foundation (DFG).
Apéndice A: Influencia de diferentes anchos de contenedores en la divergencia Jensen-Shannon

En la Fig. A1 ilustramos la influencia de un ancho de compartimiento diferente al calcular

la divergencia de Jensen-Shannon entre las distribuciones TWI, ln (HAND) y rDUNE. En lugar
de utilizar el mayor ancho del depósito como se describe en la sección. 2.3 ("Derivación de
distribuciones de probabilidad"), utilizamos el ancho de bin significativo más pequeño, que es 0.1
para el TWI, 0.03 para ln (HAND) y 0.05 para rDUNE. La Figura A1, en comparación con la
Figura 4, resalta que la imagen general de los valores de JSD persiste incluso si hubiéramos elegido
el ancho de contenedor estadístico más pequeño posible en lugar del más grande.

Figura A1 Valores JSD para las seis cuencas de investigación: esquisto - Platen (pla), Colpach (col) y Weierbach
(wei) - y marl - Niederpallen (nie), Schwebich (sch) y Wollefsbach (wol). (una) JSD de entre las distribuciones TWI,
(si) entre las distribuciones ln (HAND) y(C) entre las distribuciones rDUNE. Un valor alto de JSD indica una alta
divergencia entre las distribuciones, con un máximo de 1. La diferencia entre esta figura y la Fig. 4 es el ancho del
contenedor elegido cuando estimamos el JSD entre las diferentes distribuciones.

Contribuciones de autor. RL escribió el artículo, tuvo la idea principal del marco teórico
subyacente y realizó el análisis. EZ, AK y MW contribuyeron al marco teórico y ayudaron con la
interpretación termodinámica. CJ, UW y HG ayudaron con la interpretación de los resultados y
con la edición.
6. BIBLIOGRAFIA

Babcock, K. L. and Overstreet, R. (1955) Thermodynamics of soil moistureThermodynamics

of soil moisture: A new application, Soil Sci., 80, 257–263.

Bachmair, S. and Weiler, M. (2011) Forest Hydrology and Biogeo- chemistry, in: Vol. 216, edited
by: Levia, D. F., Carlyle- Moses, D., and Tanaka, T., Springer Netherlands, Dordrecht.

Harman, C. And Sivapalan, M. (2009) A similarity framework to assess controls on shallow

subsurface flow dy- namics in hillslopes, Water Resour. Res., 45, 1–12,
https://doi.org/10.1029/2008WR007067.

Horton, R. (1945) Erosional Development of Streams and their Drainage Basins “Hydro-Physical
Approach to Quantitative Morphology”, Bull. Geol. Soc. Am., 56, 275–370.

Kirkby, M. J. (1975) Hydrograph modelling strategies, University of Leeds, Leeds.

Kondepudi, D. and Prigogine, I. (2014) Modern Thermodynamics, in: Modern Thermodynamics,

John Wiley & Sons, Ltd., Chichester, UK, https://doi.org/10.1002/9781118698723.

Schneider, E. D. and Kay, J. J (1994) Life as a manifestation of the sec- ond law of
thermodynamics, Math. Comput. Model. 19, 25–48.

Scott, D. W (1979) On Optimal and Data-Based Histograms, Biometrika, 66, 605,

https://doi.org/10.2307/2335182.

Zhang, Z. and Savenije, H. H. G (2018) Thermodynamics of saline and fresh water mixing in
estuaries, Earth Syst. Dynam., 9, 241–247, https://doi.org/10.5194/esd-9-241-2018.