Utilización de Sistemas de Información Geográfica (SIG)

para generar mapas de susceptibilidad de remociones en

masa en la Cuenca del Salar de Maricunga.
Lican Antu Guzmán Vergara, Estudiante Geología.

Universidad Andrés Bello

Facultad de Ciencias de La Tierra.
Profesor: José Manuel Lattus Ditus
16 abril 2020

Resumen:

Este estudio presenta el uso de metodologías aplicadas por medio de sistemas de información
geográfica, e intenta buscar la mayor aproximación a la realidad, generando herramientas
para la toma de decisiones en cuanto a la probabilidad de que ocurra una remoción en masa
en una determinada zona, utilizando parámetros que se pueden obtener por medio de la
teledetección.

I) Introducción

Las remociones en masa son un problema método de Evaluación Espacial de

con el cual los humanos debemos lidiar
constantemente. A diferencia de otros
desastres naturales es posible realizar
estudios de susceptibilidad para identificar
zonas de peligro por medio de la
generación y superposición de mapas, con
la ayuda de los sistemas de información
geográfica (SIG). Esto puede evitar
muchas pérdidas de vidas, económicas,
infraestructuras, gracias a la posibilidad de
medir y reconocer los distintos factores
que gatillan un deslizamiento. Este estudio
tiene por objetivo la implementación del
Multiparámetros (EEM), el cual nos
permite generar mapas ponderando los
distintos factores según su implicancia en
los procesos de remoción en masa.
Estudios de susceptibilidad se pueden
convertir en herramientas fundamentales
en la toma de decisiones territoriales o de
obras públicas, lo cual nos impulsa a un
futuro más seguro. Estos métodos
corresponden a una aproximación de la
realidad, para generar una evaluación y así
poder rechazar o aprobar un suceso
(Colson y de Bruin, 1989).
II) Zona de estudio
La zona de estudio corresponde a la
Cuenca del Salar de Maricunga, localizada
en la Región de Atacama, a unos 150 km
de la ciudad de Copiapó. Esta pertenece al
grupo de cuencas endorreicas ubicadas en
el altiplano (norte de Chile) y corresponde
al Salar mas Austral de Chile. La zona
muestra altos topograficos entre los 3000 y
6000 metros sobre el nivel del mar y
cuenta con una superficie total de
3004,622 km2. Limita por el norte con la
Cuenca del Salar de pedernales y por el
Sur con la Cuenca del Lago Negro
Francisco.
La cuenca es predominada por un clima
desertico y esteparico de altura, donde la
Fig. 1 : Ubicación y ruta de acceso al salar de Maricunga con respecto a la ciudad de Copiapó.
principal recarga se da durante la epoca
estival, gracias las lluvias del invierno
altiplanico y la descarga es por medio de la
evaporacion. El principal afluente
proviene desde el Nor-Oeste, desde la
Quebrada Cienaga Redonda y los esteros
que provienen desde la zona este de la
cuenca.
Al sur del salar se encuentra la Laguna
Santa Rosa, la cual corresponde a un lago
hipersalino donde habitan especies nativas
que se consideran en peligro, como lo es la
gaviota andina. Esta lago es considerado
por como un sitio RAMSAR por la
comunidad internacional.
III) Metodología

La metodología básicamente apunta a la versión digital de la página web de la

zonificación de susceptibilidad para la
ocurrencia de remociones en masa. Se
utilizo un Modelo de Elevación Digital
(DEM) obtenido de satélite Alos-Palsar
para adquirir los parámetros de elevación,
aspecto, inclinación, índice de humedad
topográfico (TWI) y curvatura del plano.
El parámetro índice de vegetación
diferencial normalizada (NDVI) fue
obtenido a partir de satélite Sentinel-2,
mientras que las Litologías y Fallas fueron
adquiridas del Mapa Geológico de Chile
1:100000 en su versión digital. Por últimos
los esteros fueron conseguidos en su
Direccion General de Aguas (DGA).
Todo el procesamiento de imágenes se
realizó en el software Qgis. La
reclasificación de los parámetros se hizo
en base a las características que presentaba
la zona y con respecto a la distribución de
los datos observados en el histograma.
Para generar el mapa final se utilizaron las
variables ya mencionadas pasando los
parámetros de vectores a ráster y
superponiéndolas en una suma ponderada.
La fórmula de susceptibilidad corresponde
a la siguiente:

(A1*x1 + A2*x2 + A3*x3 + A4*x4 + … An+xn) / n = Susceptibilidad de remoción

An → Factor
xn → Ponderación
n → Numero de factores

El número de ponderación para cada factor parámetros para otorgarles un nivel de

fue determinado por los criterios descritos
en la tabla 1, de tal manera que la suma de
todas las ponderaciones sea uno. La
utilización de este método requiere el
análisis de la relación entre los nueve
importancia del 1 – 4 de acuerdo con la
experiencia del estudiante y su valoración
respecto a la influencia que marca cada
uno en la zona escogida.

Tabla 1. Obtenida
de Roa, J. (2007). Estimación de áreas susceptibles a deslizamientos
mediante datos e imágenes satelitales: cuenca del río Mocotíes, estado Mérida-Venezuela.
VI) Parámetros
a) Litologías
Muestra las distintas litologías presentes
en la zona de estudio, donde las rocas de
ambientes sedimentarios correspondientes
a depósitos aluviales y coluviales fueron
clasificadas como las más susceptibles a
Fig. 2: Mapa de litologías de la zona, donde
fueron clasificadas.
b) Fallas
Las fallas son un factor importante, ya que
son gatillantes directos de remociones en
masa producto de que generan
movimientos al activarse durante la
propagación de ondas sísmicas. Fueron
clasificadas por sus zonas de influencia,
remociones en masa. Luego de estas se
clasificaron los depósitos piroclásticos y
las lavas, hasta llegar a las rocas intrusivas,
con el menor grado de peligro ante una
remoción. (Fig. 2)
Fig. 3: Mapa de Susceptibilidad dependiendo de la
distancia a la zona de falla.
donde el centro corresponde a la zona con
mayor riesgo hasta los lugares donde la
falla ya no tiene efecto y por lo tanto son
consideradas zonas fuera de riesgo. (Fig.
3).
c) Índice de Humedad Topográfico (TWI)
Indica la acumulación de humedad
dependiendo de la topografía y las zonas
de inclinación, siendo las zonas con mayor
índice las más propensas a sufrir
Fig.4: Mapa de índice de humedad topográfico,
que va de valores del 1 al 16, aumentando en
humedad.
d) Distancia a los Ríos
Este parámetro corresponde a la influencia
de las escorrentías de agua, los cuales
tienen implicancia directa sobre los
procesos de remoción en masa. Fueron
clasificados de acuerdo con la distancia,
remociones en masa (Lee S, Min K.
2001.), producto de la adición de agua al
sistema lo que genera un aumento en la
fluidez. (Fig.4)
Fig. 5: Mapa de susceptibilidad dependiendo de la
cercanía a los esteros que se encuentran en la
cuenca.
siendo las zonas más proximales las de
mayor susceptibilidad y las más alejadas
consideradas como fuera de la zona de
influencia por lo tanto sin peligro de
remoción. (Fig. 5)
e) Índice de Vegetación Diferencial
Normalizado (NDVI)
El NDVI nos indica la influencia de
vegetación en la zona de estudio. Se
considera que en las zonas de baja o nula
f) Pendiente
La inclinación corresponde a uno de los
factores más determinante en las
remociones en masa, ya que es producto
de este factor que los deslizamientos
poseen la energía de gravedad suficiente
Fig. 6: Mapa de índice de Vegetación
g) Curvatura del Plano
Este parámetro nos indica si la superficie
es cóncava o convexa, siendo las zonas
concavas más propensas a una remoción
en masa, ya que proporcionan una
superficie para que los sedimentos puedan
vegetación aumentan las probabilidades de
una remoción con respecto a zonas
vegetadas, ya que esta genera un aporte a
la estabilidad del terreno. (Fig. 6)
para ser gatillados. Es directamente
proporcional con la probabilidad de que
ocurra una remoción en masa, es decir
que mientras mayor sea la pendiente,
mayor peligro de remoción. (Fig. 7)
Fig. 7: Mapa de la pendiente.
desplazarse. Las zonas convexas también
proporcionan una cierta inestabilidad, pero
menor con respecto a una superficie
cóncava. (Fig. 8)
h) Aspecto
Este parámetro nos indica la orientación
que poseen los pixeles. No es un factor
muy determinante ya que no es
fundamental para que ocurra una remoción
por lo cual se le otorga un bajo nivel de
i) Elevación
La elevación corresponde a un parámetro
que, si bien no es determinante, juega un
papel fundamental. Dependiendo de la
variación del resto de parámetros la
elevación podría ser u factor tan
importante como la litología o la
pendiente, ya que se encarga de
Fig. 8: Mapa de la curvatura del plano.
importancia. De toda manera es una
herramienta que pone el resto de los
parámetros en un contexto de la superficie.
(Fig. 9)
proporcionar la energía potencial
suficiente para que se gatille una remoción
en masa. Es directamente proporcional con
la probabilidad de que ocurra un
deslizamiento. (Fig. 10)
Fig. 9: Mapa de Aspecto.
 Fig. 11: Mapa Final de Susceptibilidad de
Fig. 10: Mapa de elevación en m.s.n.m.
remociones en masa.

V) Mapa de susceptibilidad

El mapa de susceptibilidad final nos parámetros, para obtener el ponderador y

muestra las zonas con mayor riesgo de procesarlo en la calculadora ráster del
remociones en masas, en base a la software Qgis. Los parámetros fueron
importancia que se les dieron a los clasificados de la siguiente manera:

Nivel de importancia Parámetros

4 Litología, Pendiente

3 Fallas, Elevación

2 NDVI, TWI

1 Aspecto, Dis. a los ríos, Curvatura del

plano.
Tabla 2: Niveles de importancia clasificados.
Dejando la fórmula de susceptibilidad de la siguiente manera:

(Litología* 0.2 + Pendiente* 0.2 + Fallas* 0.15 + Elevación* 0.15 + NDVI* 0.1 + TWI*
0.1 + Aspecto* 0.033 + Dis. a los ríos* 0.033 + Curvatura del plano* 0.034) / 9 =
Susceptibilidad de remoción

El mapa final (ver Fig. 11) fue dividido reconocer las zonas con una alta y muy alta
con respecto a los cuantiles, para así tener probabilidad que ocurra una remoción en
una mejor distribución de los datos, y masa.

VI) Conclusión

En conclusión, el método de evaluación procesos de remoción. Este modelo puede

espacial de multivariables realizado nos
muestra la influencia de los parámetros
según la ponderación y la lógica aplicada.
La zona presenta una alta susceptibilidad
en los depósitos sedimentarios aluviales y
coluviales, ya que estas zonas reúnen todas
las condiciones y características necesarias
para producir eventualmente nuevos
ser fácilmente replicado en zonas con
índice de peligrosidad para así evitar
catástrofes o tener en cuenta que existen
probabilidades de un evento y poner en
resguardo la población o aplicar
estrategias para prevenir cualquier suceso
desafortunado.

VII) Agradecimientos

Quiero agradecer a todos los compañeros este estudio una experiencia mucho mas
que nos acompañaron por la plataforma de agradable durante la cuarentena producida
comunicación online Discord. Hicieron de por el Virus Covid-19 en el año 2020.

VIII) Bibliografía

1. Bai, S.-B., Wang, J., Lü, G.-N., Zhou, P.-G., Hou, S.-S., and Xu, S.-N.: GIS-based
logistic regression for landslide susceptibility mapping of the Zhongxian segment in the
Three Gorges area, China, Geomorphology, 115, 23–31, 2010.

2. Cardozo, C. P. (2013). Zonación de susceptibilidad por procesos de remoción en masa

en la cuenca del río Tartagal, Salta (Argentina). Cordoba, Argentina. Universidad Nacional
de Cordoba.
3. Hauser, A., 1985. Flujos de barro en la zona preandina de la Región Metropolitana:
Características, causas, efectos, riesgos y medidas preventivas. Revista Geológica de Chile
No. 24, p. 75-92.

4. Kanwal, S., Atif, S., & Shafiq, M. (2017). GIS based landslide susceptibility mapping
of northern areas of Pakistan, a case study of Shigar and Shyok Basins. Geomatics, Natural
Hazards and Risk, 8(2), 348-366.

5. Lee, S., & Min, K. (2001). Statistical analysis of landslide susceptibility at Yongin,
Korea. Environmental geology, 40(9), 1095-1113.

6. Mujica, S., & Pacheco, H. (2013). Metodología para la generación de un modelo de

zonificación de amenaza por procesos de remoción en masa, en la cuenca del río Camurí
Grande, estado Vargas, Venezuela. Revista de Investigación, 37(80), 215-243

7. Roa, J. (2007). Estimación de áreas susceptibles a deslizamientos mediante datos e

imágenes de satélites: Cuenca del río Mocoties, estado Mérida-Venezuela. Revista
Geográfica Venezolana, 48(2), pp.183-219

8. Sernageomin. (2003). Mapa Geológico de Chile, escala 1: 1.000. 000.

9. Torkashvand, A. M., Irani, A., & Sorur, J. (2014). The preparation of landslide map by
landslide numerical risk factor (LNRF) model and geographic information system (GIS).
The Egyptian Journal of Remote Sensing and Space Science, 17(2), 159-170.