FACTORES TOPO-CLIMÁTICOS QUE CONTROLAN LOS GLACIARES DE ESCOMBROS

EN LOS ANDES CENTRALES, CUENCA DEL RÍO BLANCO, SAN JUAN, ARGENTINA.

Ponce Davida, Navas Rominab, Morvillo Mónicac, Villarroel Cristiand, Forte Anae
a
Instituto de Hidrología de Llanuras (IHLLA),Centro de Investigaciones Científicas de la
Provincia de Buenos Aires (CIC), CONICET, Argentina, david_ponce736@hotmail.com.
b
Departamento de Geología, Facultad de Ciencias Exactas Física y Naturales (FCEFyN), UNSJ,
Argentina,navas.romina@gmail.com.
c
Departamento de Geología, Facultad de Ciencias Exactas Física y Naturales (FCEFyN), UNSJ,
Argentina,mmorvillo@hotmail.com.
d
Centro de Investigaciones de la Geosfera y Biosfera, Centro de Ciencia y Técnica (CCT) San
Juan, Universidad Nacional de San Juan (UNSJ) y CONICET, Argentina,
cristiandv2001@yahoo.com.ar.
e
CIGEOBIO CCT San Juan, UNSJ y CONICET, Argentina, anapau.forte@gmail.com.

RESUMEN: Dada la importancia que tienen los glaciares de escombros y las crioformas
ricas en hielo como reserva hídricas especialmente durante estaciones secas, resulta propicio
desarrollar planes y estrategias de estudio de estas geoformas. El presente trabajo tiene como
objetivo principal analizar los factores topográficos y climáticos que controlan los glaciares de
escombros en la cuenca del río Blanco. En el análisis fueron consideradas variables propias del
glaciar de escombros (intraglaciar) y otras pertenecientes a la zona de aporte (interglaciar). Las
primeras estuvieron constituidas por el área, altura mínima (Hi), diferencia altitudinal (Dif) y
pendiente (P). Mientras que las variables correspondientes a la zona de aporte estuvieron
representadas por el área (AZA), radiación de zona de aporte (RZA) y altura del paredón rocoso
(APR). Posteriormente se aplicaron técnicas de análisis multivariados de componentes
principales. Entre los principales resultados de la aplicación se encuentra la identificación del
área de zona de aporte, área del glaciar de escombros, altura del paredón rocoso y diferencia
altitudinal como variables que aportan mayor información del fenómeno glaciar de escombros

PALABRAS CLAVE: Glaciar de escombros, variables topo-climáticas, análisis multivariado.

1 INTRODUCCIÓN

Una de las características distintivas de los Andes Centrales es la diversidad de crioformas que
posee, ya que puede encontrarse distintos cuerpos de hielo, como así también crioformas del am-
biente periglacial entre ellos los glaciares de escombros como los más notorios. La importancia
de los glaciares de escombros en esta región radica en la alta densidad que presentan estas geo-
formas y su importancia como reserva hídrica (Brenning, 2005). Por otra parte la subcuenca del
río Blanco, perteneciente a la cuenca del río San Juan, se caracteriza por presentar una gran su-
perficie cubierta con glaciares de escombros. Esta no sólo tienen el máximo porcentaje de cober-
tura de glaciares de escombros a nivel regional sino también en toda la Cordillera de los Andes
según datos proporcionados por el Inventario Nacional de Glaciares IANIGLA, 2016.
El análisis de las variables topo-climáticas ha sido objeto de estudio para comprender la presen-
cia de estas geoformas (Janke et al., 2006; Magori et al., 2017). Regionalmente, Esper Angillieri
(2010) ha realizado a través de un modelado estadístico y mapeo geomorfológico un análisis
acerca de la distribución de los glaciares de escombros activos en relación a diversas variables
topo-climáticas en los Andes Desérticos de San Juan. Por su parte Forte et.al. (2016) aplican dos
métodos estadísticos para determinar la influencia de las variables topo-climáticas en el sector
norte de la cuneca del río Blanco en la Provincia de San Juan.

1.1 Zona de estudio

La zona de estudio corresponde a la cuenca del río Blanco la cual comprende un área de 4.871
Km2. La misma forma parte de la cuenca del río San Juan y se encuentra localizada en el extre-
mo oeste del departamento de Calingasta, en la región de los Andes Centrales de la República
Argentina, limitada al norte por la cuenca del río Castaño, al sur por la cuenca del río Los Patos,
al este por la cuenca del río Calingasta y cuenca de la Cordillera Ansilta y al oeste por la Repú-
blica de Chile (Figura 1).

Figura 1: Mapa de ubicación de zona de estudio (modificada de ING-IANIGLA, 2016)

2 OBJETIVO GENERAL

El objetivo del siguiente trabajo es poder determinar la influencia de los factores topográficos y
climáticos en la distribución espacial de los glaciares de escombros. Para ello se realizó un
análisis descriptivo y multivariado del sistema de variables, con el objeto de descubrir patrones
poblacionales, relaciones entre variables y factores condicionantes en la formación de los
glaciares de escombros.

3 METODOS MULTIVARIADOS DE REDUCCION DE DIMENSIÓN

Estos métodos se emplean para detectar grupos de variables correlacionadas (análisis componen-
tes principales-ACP-), como así también, datos atípicos (outliers) permitiendo reducir la dimen-
sión de variables para el enfoque de un fenómeno, y desagregar, detectar o distinguir poblaciones
mezcladas.
El análisis de componentes principales sirve para hallar las causas de la variabilidad del conjunto
y ordenarlas por importancia. Determina un nuevo sistema de variables ortogonales jerárquicas -
obtenido por la rotación (U) o combinación del sistema original- con igual cantidad de informa-
ción o variabilidad, ofreciendo una descripción y representación más clara y sintética.
Para un resultado óptimo de esta técnica se recomienda aplicarlo con las variables en escalas
simétricas, de manera que sus relaciones sean visibles en términos del coeficiente de correlación
lineal, esto es, que las relaciones entre las variables figuren linealizadas.

4 PROCESO DE ANÁLISIS Y APLICACIÓN

Se analizaron 7 variables entre las cuales se encontraban área, altura mínima (Hi), diferencia
altitudinal (Dif) y pendiente (P) del glaciar de escombros. Además de altura del paredón rocoso
(APR), área de la zona de aporte (AZA) y radiación de la zona de aporte (RZA) para 1348 gla-
ciares de escombros (Tabla 1 y 2).
RESUMEN DE VARIABLES

Longitud Latitud Área Hi Dif.

Min. -70.57 -32.07 0.01 3141 0.02
1st Qu. -70.35 31.79 0.02 3792 37.75
Median -70.24 -31.63 0.04 3935 80.00
Mean 70.23 -31.57 0.08 3957 119.56
3rd Qu. -70.16 -31.35 0.09 4094 151.00
Max. -69.83 -31.04 2.31 4937 1599.00

Tabla 1
APR AZA RZA P
Min. 14.0 0.01 1038 6.748
1st Qu. 96.0 0.03 1851 15.581
Median 164.0 0.06 2194 19.057
Mean 207.0 0.14 2303 19.923
3rd Qu. 269.2 0.14 2755 23.730
Max. 1483.0 2.52 3393 47.997

Tabla 2

En primer lugar se analizaron las formas de distribución y relaciones entre pares de variables
para el subconjunto de variables cuantitativas: área, altura mínima, diferencia altitudinal, pen-
diente, altura del paredón rocoso, área de la zona de aporte y radiación de la zona de aporte. Se
realizó la matriz gráfica que contiene los histogramas de cada variable en la diagonal y los dia-
gramas de dispersión de cada par de variables en las posiciones de intersecciones (Figura 2).
 3500 5000 10 30 0.0 1.5

Area

1.5
0.0
5000
Hi

3500
Dif

1000
0
P

30
10
APR

1000
0
AZA
1.5
0.0

RZA

1000 2500
0.0 1.5 0 1000 0 1000 1000 2500

Figura 2: Matriz gráfica con histogramas y diagramas de dispersión.

Posteriormente debido a que las distribuciones asimétricas observadas no son óptimas para el
análisis de componentes princincipales que requiere supuestos de linealidad asociados con la
simetría por ello que de ahí se realizaron transformaciones con la función logaritmo para buscar
la simetría y linealidad apropiada para tal aplicación. A continuación se representa la nueva ma-
triz gráfica de histogramas y diagramas de dispersión con las variables transformadas (Figura 3)
desde los cuales se observan relaciones lineales claras cuyos coeficientes de correlación se pre-
sentan en la siguiente tabla (Tabla 3).

6.6 7.2 7.8 2.6 3.4 -8 -4 0

Area
0
-3
-6
7.2 7.8

Hi
6.6

Dif
7
5
3

P
3.4
2.6

APR
6
4

AZA
0
-4
-8

RZA
7.8
7.2

-6 -3 0 3 5 7 4 6 7.2 7.8

Figura 3: Muestra el grafico “pairs” obtenido luego de haber transformado cada una de las va-
riables, mostrando una mayor simetría.
   Área  Hi  Dif  P  APR  AZA  RZA
 Área 1.000 0.002 0.783 -0.316 0.408 0.747 -0.006

 Hi  0.002 1.000 -0.052 0.192 0.113 0.096 0.389

 Dif  0.783 -0.052 1.000 -0.092 0.386 0.651 0.065

 P -0.316 0.192 -0.092 1.000 -0.067 -0.186 0.392

 APR 0.408 0.113 0.386 -0.067 1.000 0.725 -0.030

 AZA 0.747 0.065 0.122 0.005 0.382 1.000 0.068

 RZA -0.006 0.389 0.065 0.392 -0.030 0.070 1.000

Tabla 3: Coeficientes de correlación lineal de los pares de variables transformadas.

Por último se llevó a cabo la aplicación de la técnica de componentes principales al sistema de

variables transformadas (linealizadas) (Figura 4).

-40 -20 0 20 40

40
229
482
514
376 522 618
455
352 798 878

RZA
832 1317
318 1 0 2163 1 5
540
443 1013
751541 946
1318
0.05

1322 990

Hi
2 7 72 2 6 7 0710 3 745
1297
1307
552 1201 469 82
4844 1103

P
424 1130 3 5 05 5 0 736781 1
380 8012
53
267 688 8 3 38 8 5 921 980
217 231 234 1264 1066 1320
46746 697
1160 477 716 2 1001
818
382 456 804 807 706 1064 959
1 5280 9 1161 644

20
563 758
1 1 4 1 2 0702 1277 450 834 751 880
130
184 488 522614 1 3 1 0 7 7 99 0 9 842 983 1327
1 2805 145 452 528 780
704 89 2
891
343 251 390 4 1 38 9
6620691 1 2 78 1838129 8 4 6 961
311211 2 3
4617
532 722814 950 820 1 017351 3
555 1 391225 1087 1326
10 273 612583 388 126 1348
2 472 661
225 223 307 5 5 5 4 53 5 7 5 6 8 4 1 85 2 6 5 4 9 898 939
942
2535 6 2 5 6 6 5 74 6 5
018258 3 5 3 8
2 6 84 3 8 371822
354 1258 668
508 500 565 1 3 1862 6
1047
7 49 49
7 740 72
1 9294 743 647 947
303 5 0 62 8 43 9 2 414224 9 916 651 954
82 1265 698 6 69653 801 632 991
118 1256 122 262 398 50
7 670 733 890 985
1079 1106
3 1357 9 621 489 7 97 1072
203 31 712
85497
4
32815
4234 5946 669 91028
27098
893 854 860 104911 053 6 1312
082
31 355 10192 3 41
5 3 9 3 1 46 4 2 6419 971 879 1040 5 2999 1321 1
1 3 0 2 2 3 8 41139 1 237754 5 1 6 97 7 8 3 667 1 0 1 1 9 7 6
20 1251 1197 399 660 507 744 13 665 844 1062 1111
485 125 176 1129 649 463 79277 964 1204
198 24 1 7 0 1211 716 9 85 702 922 1 0 0 511035
95 2 93 4 364729 8 119
621102 128
050 7
37 5 4 1 6 92 9 0 490 8 2 3 7 8 91 2 8 2 979 957
29496 3061195 271 489550 677 55 924 1006
19 14 124 19718 6 5 37 0 8 6 59849 274 139 0581853
1117 179 35
6 853 2 8 8 4 9 3 5 5 6 1 2 919 648 836 958 1021
917077 3 1096 1104
205 1167 7
623
087
3624 0 1042 1019
11 559 466 1 1298 075 764 1181 10 67 1036
127 366 434 1 3 1 45 8 7 1 2 13 687 1
908270 1048
410213 7 1 1 4 4 240 1329 484 780 1015
8 91 0 1 294 16
3 496 920200 4 4 7 4 5 1 1 3 4838 3 777 998 996 1054
1083
1114
26 224 1163 4 2 1 786969886 1 0 3 5
245 323 128 7 5 7 4 4 1 1 3 4 46 2 4 5 7875760 4 167271
7152 0 989
4 39 34 107200 342 396 233951638 339 517 176
191838662 9923618182781 590
1 0 21 6112 1088

APRAZA
103 41
7 569 4 2 7 3 2188 23295 554 386
09 6058 2 4 9 1 9 804862 1000
PC2

173 144 211 329 2 9 27 8 4 617 917

110 98 296 192345 316
137
821564 1 645 776 1288 7 9 16
698618 1063
1094
32 233 77 116 105 199 461 4 305 301 559902 481 7 60353 725 967 1173
7537 423102 4194
248
3
436
5 88015 37 1 8 1323 1016 1112
0.00

1218
41 1 8366 0 312 1268 164 213 656 77 157
1 2 7 17 7 1 756113 920 907 988

Dif
281 89100
1259 2
5500 258 155 627340 8 542 1043 1093 1100
1260 413 2351248 456
1211 581
1 945 905
917080 91 0 2 7 1 3 2 4 1110
1419
877
7 127855 71
1 4
676
01
903
1736151 1 0 8 0 11001788
123 1136
7 8 2 0 6 5 47 3 2 5 4 225896
171
202
2 2379
534
17
1 1 818117
2
991
2
157
646
88
3635 2 4394 61 2 9 4 5 4
336682 4 1 0
1 1 5 2 2 7 8 1 3 3 7343116
7503
2 1964
3 0 41 2 6 9
333
3 13124034 9 2
1126220
53
5
682
657 6 6 5 4 1 2 7 8
8 6 1 114175 55 0
6 416
248 4977
5
1

8 77 7 4
1738
7 5 9 819

38245
935
09
81
28
11
02
546
3
04
78928
1184
742
4
929
911282180 0 4
1180 913 1039
91410
023207
1044
1105
1 0 6 5 1 0 1 7 11003411
1099
1113 0
Area
2 174 121590 67723
519 5 1 1 4 51 2 9 8 774985 7 7 0 8 0 9 1057 1061
71 38 324 433 394 123 196
48100 79 372 454
658 606 486 55
6 20
0 9
8 594 686 962 1086
80 180 113 111
330054 1 2 1 47 2 3 984 9 5 2 11000736 1055 1098
3 3 5 0 2
15390 3 1 4472 3 4 0 9 2 1 4 340728 5112515 579 7
1 1
2 9
7 2 1836
831
448
966 8 7918
1 1 9 8 1074 1085 1082 1115
22 1132 1 5114 1 1 2 9 3 5 1 3740 166 571
5 244
6 316
7 422 683 806664 806 3 3998 2 5 0
1 3 22 6 156 358 835 9 0 1 8 8 4 9937 6
6 1 0 0 8 995755 1 2 1 9 1089
12 2 9633 665 1 4 9 5 4 46 9 6 55 20438
4 51 847
3 40 90 126 535 362 197 137 368 6 3 01 9363 7 5 41727 2
75059
1 6 0 1 6 2 4 93
314
89165 22
3 9 1135 683565
925 872
7 6 8
9 2 3 11003144
1 0 4 6
148 3 3 7 1 9 01 5 5228
350788115802 5 9 7 446026 257 602558 689 1037 1101 1097
193 2 553
7464 1236 658 1345829 841 933 917 1052
53 30 36 93 4 2465 1 2 9 6 1189 1 84890
4 2593 0 2 6 6 4 6571 2
572 9998461 0 6 0 1 0 7 7 1 0 7 0
181 3 21 104 1 4 2 1919119210370 0 3 3 42 7 02 3 5 2 8 93 3 6 403
638812 717 130 855 843 1128
13 62 2 1856 1289 3591125 22026
7592 4 0 5 6112
920
659 857786 1293 9 300 11005110
64 81 385 5 4729705 5 8 7 0 1 1512687 9 7 715209 1 767 1 0996
120 6 1
9090 1347
1286 1239 2 8 2 11213813 644938 1 3 0 66 3 0 9 1852817 3 1091 1084
108 9 32 417
11125 6 1 8 1906 1287 504 7 5 0713 9 1109
6 44 161 222 236 1187 619333 6 38
611 3 876
17 1208 3291
559
3
0291 29413 26 0 5 5 5 31
11255 3 740 7 6 9981528 9 3 41 0 5 3 1059 1081
134 197 287 479387 7 0 07 8 1339
1 87 1186 183 325 4 0 2 431947 4 1 01024274 576 326 669800 7 1
627 05 7
37 874 1002 973 1108 1217
143 1040 178582330 31 240 511 6 9 9 7 9 6 7 7133 3 9353
864 1 0 2 21 0 2 4
1336 1162
68 1 2 1 08 8 3 4 1 1 7 7 16 457 566 966 470287 5 4 1 856677908 894 1025
51 1 1 8122 4 6 2 6 5 232 66 1 1 7260 8 231 573 8 3 1306 3 5 0 4
971 749788 811849
9 57 2183 111 41478 74 1 881 895
60 4534 2
10914 1192 304 111 4
1 7 0 1 154627
96
39
7 3 2 5 2 0 8 1667 5
690 1 213134 93 3 8 3 8 9 729830 566 629 1838491
12 1 135286
461 58 1 1 2 7734 1 688551295 972 996937
5 122 033 1 7 2 154 1122 7 474 5 9 8 5 9 1 5 7 4 8 8
6 3
5 7 911 9 3 8
1142 84 4 6 1 7 1 0 6 3 51 1 9 9 7 38 1340 1151
70 58 1122715 152 407 1335 1 229385 1126 543 567251 3 2 24 4 5 518 1238 1 016289 2
69 2247397 3 1 1 9663 4 4 2 8 4132552 4 21
4 990 793352 1342 1071
27 1284 28 185 420 1 3 4 6 5 7 830 8 6 9 948
300 221 1127 583 1229 1139 943 1050 1095
61 28
5 347 319 1179 1263 534 124006 580 571 1221
272 562 1
6323 523609 747 863 927
18 153 167 47 1267 611 599 1331
-20

261163 1222 1038

91 3 1 7 113162 0 3 4 72 1 0 393 1 1 4 0 617194 86 3 7 866
1285371 995 944
1 2 2 33 0 91 3 3 242
440840 1 1 5141 6 6 734906 888 993
2 0 44 6
68
07 614
92 652 571506 949
1427453 411 992
-0.05

42 628 659 1033

1159 195 353 1242
102 96 582 1153 724 6684 1107
35 1 1 3248403 7 692 731 114 1028
1209 94 327 1 1 6 51 1 7 4 827
1241 1178
131 135 1226 593
1 0181 5 31755 1172
65 4 627
25 74 76 600
343 432 1202 1216
16 678
246 1261
1811678
1118
1164
47
67 1150

1175
1137
1232
-40

-0.05 0.00 0.05

PC1

Figura 4: Grafico biplot de componentes principales. Los vectores rojos representan a las va-
riables originales y los círculos a las unidades (glaciares de escombros).

5 RESULTADOS

El resultado de componentes principales permite resumir el sistema de variables cuantitativas en

dos subsistemas que acumulan más del 50% de la variabilidad total.
En el caso de los glaciares de escombros de la cuenca del río Blanco los atributos que explica el
33,7% de la distribución son los que se agrupan en la componente principal número uno y co-
rresponde a las siguientes variables: área de la zona de aporte, área del glaciar de escombros,
diferencia altitudinal y altura del paredón rocoso. Además se pudo observar como las variables
área de la zona de porte y área del glaciar de escombros se encontraban fuertemente relaciona-
das, coincidiendo con lo propuesto por Frauenfelder et al. (2003) el cual trabajando en los Alpes
Suizos obtuvo una fuerte relación entre el tamaño del glaciar de escombros y la extensión del
área de aporte afirmando que el suministro de escombros contribuye al tamaño del glaciar.
La segunda componente principal explica el 21,5% de la distribución y está constituida por las
siguientes variables: radiación de la zona de aporte, altura mínima y pendiente de los glaciares de
escombros. A su vez estos atributos se encuentran relacionados entre sí. Estos resultados coinci-
den con lo propuesto por Morris (1981), el cual utilizando un análisis de regresión múltiple de-
termino que la radiación y la altitud explicaban la variación de tamaño para los glaciares de es-
combros en el Colorado.

6 CONCLUSIONES

Los resultados mostraron que la distribución de los glaciares de escombros pueden ser explicado
a través de dos componente principales.
La primera componente constituida por las variables, área de la zona de aporte, área del glaciar
de escombro, diferencia altitudinal y altura del paredón rocoso explica el 33,7% de la distribu-
ción de los datos. Cabe aclarar que esta componente es la que presenta mayor variabilidad por lo
tanto es la que mayor información brinda de la distribución de los glaciares de escombros.
La componente dos agrupaba las variables radiación de la zona de aporte, altura mínima y pen-
diente de los glaciares de escombros explicando el 21,5% de la distribución de los datos.

7 AGRADECIMIENTOS

Las investigaciones abordadas han sido financiadas por el proyecto CICITCA 18/19 Código
21/E1115 de la UNSJ.

8 REFERENCIAS

 Brenning, A.: Climatic and geomorphological controls of rock glaciers in the Andes of
Central Chile: Combining statistical modelling and field mapping, Ph.D. thesis, Humboldt
Universität Berlin, Alemania,tesis doctoral, 137 pp. 2005.
 Angillieri, M. Y. E. (2010). Application of frequency ratio and logistic regression to active
rock glacier occurrence in the Andes of San Juan, Argentina. Geomorphology, 114(3),
396-405.
 Forte, A. P., Villarroel, C. D., & Angillieri, M. Y. E. Impact of natural parameters on rock
glacier development and conservation in subtropical mountain ranges. Northern sector
of the Argentine Central Andes.
 Inventario Nacional de Glaciares, 2016. Elaborado por IANIGLA (Instituto Argentino de
Nivología, Glaciología y Ciencias Ambientales) (www.glaciaresargentinos.gob.ar).
 Jason, J: The relationship between rock glacier an contributing área parameters in the
Front Range of Colorado. Journal of quaternary science 153-163, 2008.
 Magori, B., Onaca, A., & Urdea, P. (2017, June). The influence of contributing area pa-
rameters on the size of rock glaciers in the Southern Carpathian Mountains. In Forum
Geografic (Vol. 16, No. 1, p. 5). University of Craiova, Department of Geography.