Documentos de Académico
Documentos de Profesional
Documentos de Cultura
A136920 Medina J Variacion Espacio Tempora en La 2022 Tesis
A136920 Medina J Variacion Espacio Tempora en La 2022 Tesis
Escuela de Geología
Profesor Guía:
Dr. Francisco Fernandoy Pedreros
Profesor Co-guía:
Dr. Marius Schaefer
La familia, las amistades y la naturaleza fueron los pilares de este trabajo y del camino que
decidí tomar, por lo que los agradecimientos van dirigidos a ellos:
A mis amigos de la vida, que formaron gran parte de la inspiración durante mi carrera.
Gracias a los profesores guías, que facilitaron infinitamente el término de este trabajo.
RESUMEN
El glaciar Mocho ha sido objeto de estudio durante los últimos 20 años, donde se han podido
visualizar los efectos del cambio climático actual en base a su comportamiento. En la mayor
parte de los estudios realizados se han indicado balances negativos y disminución de área
glaciar, lo que estaría fuertemente relacionado con las tendencias climáticas del sector.
Teniendo esto en consideración, se define como objetivo principal de este trabajo la
comprensión de la variación espacio-temporal de acumulación de nieve en el glaciar
Mocho, con respecto a las precipitaciones del sector durante el período 2003-2019.
Los resultados obtenidos evidenciaron que no existe una relación lineal significativa entre
la precipitación líquida y la acumulación de nieve, siendo sólo un 6% de la última explicada
por la precipitación. Se propone que este escenario se debe a la existencia de otras variables
y limitaciones que influyen sobre los elementos estudiados. Tanto para la variación espacial
como temporal se evidencia la presencia de precipitación líquida sobre el glaciar como un
factor que influye negativamente sobre el balance invernal. También se explora la
metodología de radar de apertura sintética para la identificación de nieve y hielo sobre el
glaciar, con resultados consistentes con respecto a lo observado en imágenes satelitales.
Por último, los análisis presentados revelan la influencia de factores como la topografía, la
resdistribución de nieve por viento y posibles eventos de tormentas de nieve en la
acumulación observada, también abordada por otros autores.
Tabla de contenidos
Figura 1. Modificado de Bown (2007). Mapa de ubicación del glaciar Mocho. ..................... 5
Figura 2. Mapa topográfico del área de la Reserva Nacional Mocho-Choshuenco. .............. 7
Figura 3. Extraído de Moreno y Naranjo (2006). Mapa de peligros geológicos. .................. 10
Figura 4. Extraído de Rivera (2016). Zonificación teórica de un glaciar ............................... 13
Figura 5 Extráido de Rivera (2016). Balance de masa esquematizado................................ 15
Figura 6. Modificado de Dussaillant (2019). Gráfico de áreas glaciarizadas en valores
positivos y tasas de balance de masa en valores negativos para glaciares a lo largo de Los
Andes. ................................................................................................................................... 16
Figura 7. Extraído de Bown (2007). Balance neto anual de invierno (a) y verano (b) en m w.e.
por año.................................................................................................................................. 17
Figura 8. Modificado de Santibáñez (2008). Perfil de testigo de la cumbre del glaciar Mocho
indicando período de crecimiento de algas en el gris inferior (verano), el período de
florecimiento de polen en el gris superior (primavera) y los períodos otoño-invierno en
blanco. .................................................................................................................................. 18
Figura 9. Extraído de Schaefer (2017). Mapas de promedio de balance de masa superficial
en estacas (a) y del modelo de datos meteorológicos (b). .................................................. 19
Figura 10. Modificado de Scheiter (2017). Modelos de balance de masa incluyendo deriva
de viento con parámetros de (a) zonas refugiadas de viento y (b) curvatura del tereno. (En
azul se representa la nieve modelada y en verde la nieve observada)................................ 20
Figura 11. Extraída de Rivera (2016). Esquema indicando la medición de niveles de nieve en
función de T1 (tiempo 1) y T2 (tiempo 2)............................................................................. 21
Figura 12. Extraído de Schaefer (2017). Mapa de ubicación de estacas.............................. 22
Figura 13. Extraído de Jol (2008). Geometría del sistema GPR demostrando el
funcionamiento del método, donde se detecta la energía reflejada por un cuerpo. .......... 24
Figura 14. Transecta de medición realizada con radar de penetración terrestre................ 25
Figura 15. Editor de código de la plataforma GEE. ............................................................... 26
Figura 16. Funcionamiento del backscatter en el sensor de radar. ..................................... 28
Figura 17. Plataforma de extracción de datos meteorológicos CR2. ................................... 29
Figura 18. Mapa de interpolación de acumulación invernal (2003 – 2010). ....................... 30
Figura 19. Mapa de interpolación de acumulación invernal (2011 – 2016). ....................... 31
Figura 20. Mapa promedio de acumulación invernal (2003-2016)...................................... 32
Figura 21. Acumulación Invernal promedio por balizas (2003 - 2016). ............................... 32
Figura 22. Gráfico de acumulación invernal de balizas y de acumulación invernal
interpolada. .......................................................................................................................... 33
Figura 23. Valores extremos de cada baliza (2003-2016) .................................................... 34
Figura 24. Mapa de variabilidad de acumulación en balizas. ............................................... 35
Figura 25. Variabilidad por balizas (2003 - 2016) ................................................................. 35
Figura 26. Mapa de acumulación invernal con el método GPR para el año 2016 y 2019. .. 37
Figura 27. Comparación de acumulación invernal entre el método glaciológico y GPR para
el año 2016. .......................................................................................................................... 38
Figura 28. Imágenes obtenidas para el año 2017 y 2020 con Sentinel-2 MSI. .................... 39
Figura 29. Imágenes de radar del año 2017 y 2020, obtenidas con Sentinel-1 SAR. ........... 40
Figura 30. Mapa de reflectividad y perfiles extraídos del instrumento SAR para el año 2020.
.............................................................................................................................................. 41
Figura 31. Serie temporal de promedio de precipitación invernal (2003-2016).................. 42
Figura 32. Comparación entre el mapa interpolado de GPR (2019) e imagen de Sentinel-2
(2020).................................................................................................................................... 44
Figura 33. Mapa reclasificado de la imagen SAR 2020 según valor de señal límite............. 46
Figura 34. Modelo de regresión lineal entre precipitación y acumulación invernal............ 47
Figura 35. Comparación entre la precipitación y la acumulación invernal en la zona de
estudio. ................................................................................................................................. 48
Figura 36. Modificado de (DeWalle & Rango, 2008). Precipitación de nieve orográfica. .... 50
Figura 37. Enmascaramiento del mapa interpolado de GPR utilizando el área de nieve
observada (2016 y 2019). ..................................................................................................... 53
Índice de tablas
El cambio climático ha sido un tópico fuente de preocupación durante las últimas décadas
para toda la comunidad científica relacionada al recurso hídrico y a sus fuentes principales,
generando un impacto directo en ellas y provocando una disminución en su disponibilidad.
Dentro de estas fuentes principales se encuentran los hielos continentales polares y
glaciares de montaña, los cuales representan un 77% de agua dulce del mundo (Global
Water Partnership, 2000) y son los principales afectados por las consecuencias de
calentamiento global.
Los glaciares son altamente sensibles a las fluctuaciones climáticas y sus tasas de
disminución de área son las señales más claras del cambio climático (IPCC, 2019). Siendo
esta una de las premisas basales del estudio, se nombran puntos importantes para la
resolución de problemas asociados a estas consecuencias, que incluyen procesos de
interacción entre el glaciar y el clima regional, para finalmente lograr comprender en qué
condiciones se desarrollan los cambios de masa de un glaciar y cuánta pérdida de masa
puede existir dentro de un rango determinado de tiempo.
Un estudio realizado por Damiani (2020) demuestra la utilidad de las anomalías de ozono
como indicadores de circulación atmosférica, explicando la relación entre anomalías en la
concentración de ozono en la Antártica y las precipitaciones anuales en el hemisferio sur
utilizando datos desde el año 1960 al 2018. Este análisis resulta en correlaciones
consistentes entre la presencia de ozono y la precipitación para Sudamérica, donde se
revela una tendencia que indica el aumento de períodos secos para Chile por causa del
aumento de cambios en la concentración de ozono.
Estos antecedentes climáticos tienen directa relación con los cambios de volumen en
glaciares, y los estudios que respaldan estas consecuencias incluyen a Dussaillant (2019)
1
quien indica que a lo largo de Los Andes, las bajas precipitaciones y el aumento de
temperatura superficial son los factores que han provocado el encogimiento de los glaciares
durante las últimas décadas, y Rivera (2002) quien ha registrado una disminución de
volumen mínimo general de 505 km3 durante los últimos 51 años en los glaciares del
territorio nacional.
Otra de las aristas importantes dentro de las consecuencias del cambio climático son la
protección de glaciares y el monitoreo de sus peligros, que afectan directamente a la
sociedad y cuya supervisión depende de la existencia de Leyes de Protección de Glaciares
(GPL), las cuales cumplen un rol fundamental para la protección, el control y prevención de
peligros glaciares. Sin embargo, en Chile no existe esta legislación, siendo el primer proyecto
de ley presentado en 2006 en respuesta a actividades mineras extractivas que implicaron
remoción de hielo glaciar, proyecto que aún se encuentra en consideración. Estas leyes
tendrían la facultad de entregar atribuciones a comunidades en zonas de peligro para
intervenir estos ambientes como medidas de protección de las consecuencias del impacto
climático y también como medidas de abastecimiento (Anacona, 2018). En este contexto,
se han realizado proyecciones de tendencias climáticas en base a observaciones
meteorológicas y de escorrentías que demuestran un aumento de temperatura de 3° - 4°C
y una disminución de precipitaciones en un 10% - 30% para la zona centro-norte de Chile
(Vicuña, 2011). Las consecuencias mencionadas podrían ser mitigados por las comunidades
del sector al utilizar lagos glaciales como reservorios para el consumo o con fines agrícolas.
2
Para la estación de Puerto Montt, se han observado tendencias positivas de temperatura
de 0.019° y 0.031°C a-1 para zonas sobre los 1500 m.s.n.m. (Bown & Rivera, 2007), y hacia
la zona de Valdivia, se han registrado tendencias negativas en las precipitaciones, con un
valor de -15 mm por año (Rivera, 2005). Ambas tendencias de temperatura y
precipitaciones fueron observadas durante el período de 1961 – 2000.
3
1.2 Objetivo general
1.4 Hipótesis
4
1.5 Zona de estudio
5
1.5.2 Geomorfología
6
A continuación, en la Figura 3 se presenta un mapa topográfico que incluye redes
hidrográficas de la zona de estudio y el área del glaciar Mocho:
En el pie norte del CVMCH, el sistema de drenajes comprende los ríos que unen lagos como
el Fui-Llanquihue, que recibe sus aguas del lago Neltume desde el norte y del estero
Punahue. El río Enco, antes de su desembocadura en el lago Riñihue, recibe aguas del estero
Pirinel y del río Blanco, que drenan desde el sector occidental del CVMCH, por donde
también han descendido lavas recientes e históricas como lahares. Hacia el este y sur del
complejo, el sistema de drenaje comprende las hoyas de los ríos Blanco-Pillanleufú, Florín
y Caunahue. El río Pillanleufú tiene una trayectoria rectilínea en dirección NS, que coincide
con una traza principal de la Zona de Fala Liquiñe-Ofqui (ZFLO), recibe como tributarios a
los ríos Mocho y Chico desde el flanco SE del complejo y vierte sus aguas en el lago Maihue,
según Lara & Moreno (2006).
7
En cuanto a unidades geomorfológicas, la Tabla 2 muestra el área de geoformas presentes
en el área de la Reserva Nacional Mocho-Choshuenco:
Tabla 1. Extraída de CONAF (2009). Unidades geomorfológicas presentes en la Reserva Nacional Mocho-
Choshuenco
8
1.5.3 Riesgos Geológicos
Los ciclos eruptivos futuros también podrían ser acompañados por emplazamiento de
lahares en los valles principales. La fuente de los fragmentos líticos encontrados en
depósitos de morrenas en los frentes glaciares es evidencia de su ocurrencia en eventos
eruptivos pasados (Moreno, 2006).
Las próximas erupciones de este volcán podrían provocar emisiones de gases tóxicos,
actividad sísmica local, deslizamientos locales, incendios forestales, tormentas eléctricas,
obstrucción de cursos fluviales, avalanchas de nieve, y alteraciones físicas/químicas de
aguas, suelos y vegetación. Como se ha mencionado, la probabilidad de ocurrencia de flujos
piroclásticos en una próxima erupción es alta, debido a la recurrencia de este proceso
evidenciado en la litología de la zona.
En el mapa presentado (Figura 4) se zonifica el área que podría ser afectada por flujos
piroclásticos menores con una recurrencia alta. Por otra parte, toda el área del mapa podría
ser afectada por erupciones explosivas de gran magnitud, que generen flujos piroclásticos.
La caída de posibles piroclastos afectaría principalmente la ladera este del volcán, y las áreas
más vulnerables serían las localidades de Puerto Pirihueico, Puerto Fui y Neltume (Moreno
& Naranjo, 2006).
9
Figura 3. Extraído de Moreno y Naranjo (2006). Mapa de peligros geológicos.
10
Capítulo 2: Marco teórico
2.1 Glaciares
Existen múltiples definiciones de un glaciar, siendo una propuesta por el Panel Inter-
gubernamental de Cambio Climático la más destacable, definiéndolos como una masa de
hielo terrestre que fluye pendiente abajo por causa de la deformación de su estructura
interna y por el deslizamiento en su base, que se encuentra encerrado por elementos
topográficos que lo rodean, como las laderas de un valle o las cumbres adyacentes, donde
la topografía del lecho rocoso es el factor que ejerce mayor influencia en la dinámica de un
glaciar y en la pendiente de su superficie (IPCC, 2001). Otra definición de glaciar, propuesta
por la Dirección General de Aguas (DGA), se propuso con fines prácticos y consiste en: “Un
glaciar es toda superficie de hielo y nieve permanente generada sobre suelo, que sea visible
por períodos de al menos 2 años y de un área igual o superior a una hectárea (0.01 km2), o
cualquier superficie rocosa con evidencia superficial de flujo viscoso, producto de un alto
contenido de hielo actual o pasado en el subsuelo” (DGA, 2009). Estas masas de hielo se
generan por consecuencia de la precipitación y posterior compactación de la nieve a través
del tiempo en áreas donde existe más acumulación que derretimiento.
Para comprender la formación de los glaciares y sus características es necesario conocer las
diferencias de densidad desde la superficie del manto nival hasta sus zonas más profundas.
Como definen Cuffey & Patterson (2010) los conceptos como nieve, neviza y hielo glaciar
están determinados en base a su grado de compactación y por lo tanto, su densidad (Tabla
1), característica importante para comprender la estratigrafía de un glaciar.
11
Tabla 2. Modificado de Cuffey & Patterson (2010). Densidades típicas (kg/m3) en la estratigrafía de un
glaciar.
Los tipos de glaciares van a estar determinados principalmente por criterios morfológicos y
físicos. En este trabajo se presentará la definición detallada de un glaciar de montaña,
objeto de este estudio, el cual fue definido por criterios exclusivamente morfológicos.
12
2.1.1 Zonificación de un glaciar
Un glaciar se divide en dos zonas principales; una zona de acumulación (donde se produce
ganancia de masa al cabo de un año hidrológico) y una zona de ablación (donde ocurre
pérdida de masa al final de un año hidrológico). Entre estas zonas se ubica la línea de
equilibrio altitudinal, línea donde los procesos de acumulación y ablación se igualan (Rivera,
2016). La zona de acumulación se divide en subzonas (Figura 1), separadas según procesos
de transformación y propiedades de la nieve depositada (Rivera, 2016):
1. Zona de nieve seca: No existe fusión de nieve. El límite entre esta zona y la siguiente
se denomina línea de nieve seca.
2. Zona de percolación. Ocurre cierta fusión de nieve. El agua puede percolar en la
nieve cierta profundidad antes de recongelar. El agua puede también desplazarse
lateralmente, provocando capas de hielo al recongelarse. La cantidad de agua de
13
fusión producida durante el período de ablación aumenta en cuanto disminuye la
altitud. En un sector inferior límite del glaciar, donde toda la nieve depositada desde
el término del período de ablación anterior ha sido llevada a la temperatura de
fusión, se encuentra la línea de nieve húmeda.
3. Zona de nieve húmeda. La nieve de esta zona ha sido llevada a 0°C y existe menor
percolación por fusión de agua.
4. Zona de hielo sobreimpuesto. En zonas de percolación y de nieve húmeda, el
material se compone de capas de hielo, lentes y glándulas, separadas por capas y
masas de nieve y neviza. A menores altitudes, sin embargo, se produce tal cantidad
de agua d efusión que las capas de hielo se unen en una masa continua conocida
como hielo sobreimpuesto. El límite inferior de la zona de hielo sobreimpuesto se
define como la línea de equilibrio.
Por otra parte, la zona donde ocurre ablación incluye procesos como la fusión, deflación
(nieve transportada por el viento), avalanchas o caídas de hielo desde el frente de un glaciar
y la sublimación.
14
Siendo ḃs (balance de masa superficial), ås (precipitación de nieve), åa (depositación por
avalancha), ṁs (derretimiento), år (recongelamiento de agua), ṡ (sublimación) y åw
(depositación por viento).
Según Cuffey & Patterson (2010), en la mayor parte de los glaciares, la precipitación y el
derretimiento de nieve dominan principalmente el balance de masa superficial, resultando
en la siguiente aproximación:
15
2.2 Trabajos anteriores
Figura 6. Modificado de Dussaillant (2019). Gráfico de áreas glaciarizadas en valores positivos y tasas de
balance de masa en valores negativos para glaciares a lo largo de Los Andes.
16
Los glaciares en volcanes de la zona del Distrito Chileno de Los Lagos han mostrado una
disminución significativa de volumen durante las últimas décadas. En el volcán Mocho -
Choshuenco se realizaron mediciones mediante análisis digital de imágenes satelitales
durante el período de 1987 al 2003, en el cual Rivera (2005) determinó una disminución de
área de 0.45 km2 por año. El año 2003 se inició un programa para monitorear el balance de
masa del glaciar Mocho, y para el período de 2003/2004 se llevaron a cabo mediciones de
balance de masa utilizando el método de estacas (Rivera, 2005) para medir los niveles de
altura de nieve y así calcular tasas de acumulación y ablación, determinando un balance de
masa promedio anual de -0.88 m w. e. a-1 (± 0.18).
Figura 7. Extraído de Bown (2007). Balance neto anual de invierno (a) y verano (b) en m w.e. por año.
17
Análisis de componentes biológicos también han tomado lugar en el Glaciar Mocho, los
cuales han consistido en la detección de microalgas, polen y otros organismos en testigos
de hielo extraídos de la cumbre del glaciar, además de un análisis de propiedades físicas,
δD (deuterio) y concentración de iones, donde Santibáñez (2008) busca establecer el uso
estos parámetros como una metodología de indicadores estacionales. Los valores
resultantes del análisis de un testigo de la cima con esta metodología indican la presencia
de los períodos anuales de 2002/03 – 2003/04 – 2004/05 (Figura 7), con un balance de masa
de 0.69 ± 0.15 m w.eq. para ese período, y un balance de invierno de 2.12 m w. eq.
(Santibáñez, 2008). Este resultado fue comparado con el balance de masa realizado por
Rivera (2005) para los mismos períodos mencionados, determinando un balance de masa
neto de 0.9 m w.eq. y un balance de invierno de 2.4 m w.eq.
Este procedimiento se repitió con otro testigo de este glaciar a una altitud de 2000 m.s.n.m.
y con un testigo del glaciar del volcán Osorno, confirmando la utilidad de microorganismos
y polen como indicadores estacionales para la datación de testigos de hielo, como también
para la reconstrucción de balance masa anual en glaciares ubicados en el Distrito Chileno
de Los Lagos.
Figura 8. Modificado de Santibáñez (2008). Perfil de testigo de la cumbre del glaciar Mocho indicando
período de crecimiento de algas en el gris inferior (verano), el período de florecimiento de polen en el gris
superior (primavera) y los períodos otoño-invierno en blanco.
18
Schaefer (2017) realiza modelos para mediciones de balance de masa superficial en los
períodos 2009/10 - 2012/13 que resultan en un promedio anual de -0.90 m w. eq. a-1, y para
los periodos 2006/07 - 2014/15 fue de un promedio anual de -1.05 m w. eq. a-1. En base a
estos resultados se desprende que existe una alta variación interanual en el balance de
masa superficial del glaciar Mocho. También realizó mediciones de temperatura en un
nunatak del glaciar a 2000 m de elevación durante los años 2006 - 2015 con un promedio
anual de 2.6°C y en el mismo período registró un promedio anual de precipitación de 4000
mm, con el fin de realizar una correlación estacional entre datos climáticos y balances de
masa.
Para la obtención de datos de balance de masa se utilizó el método de las estacas, del cual
se generó un mapa de interpolación de datos y también un modelo de balance de masa
superficial (Schaefer, 2017), que se construye en base a datos meteorológicos de
temperatura de aire, radiación solar que incide en las cercanías del glaciar y datos de
precipitación. A partir de estos mapas se registran diferencias en la distribución de las zonas
de acumulación y ablación (Figura 8) para el período 2009/13.
Figura 9. Extraído de Schaefer (2017). Mapas de promedio de balance de masa superficial en estacas (a) y del
modelo de datos meteorológicos (b).
19
Scheiter (2017) realizó un modelo de balance de masa en el glaciar Mocho donde incluye el
factor de deriva de nieve por causa del viento. Esta parametrización para deriva de viento
incluye dos parámetros característicos del terreno para predecir la distribución de la nieve
en términos de erosión o acumulación: la exposición del terreno al viento y la curvatura del
terreno. Los modelos realizados fueron comparados con imágenes satelitales de verano de
2015. Se obtuvieron resultados indicando que al realizar el modelo sólo con el parámetro
de curvatura se reproduce de mejor manera la zona sin cobertura de nieve en la zona
inferior del glaciar (Figura 9), que son coherentes con las observaciones del glaciar a fines
de verano. Por otra parte, el parámetro de exposición al viento puede reproducir zonas en
donde existen parches de nieve en la zona de ablación que sobreviven al verano. La
reproducción de este modelo combinando ambos parámetros entrega resultados más
cercanos a lo observado, pero aun así falla en la correcta reproducción de los patrones de
nieve identificados.
Figura 10. Modificado de Scheiter (2017). Modelos de balance de masa incluyendo deriva de viento con parámetros de
(a) zonas refugiadas de viento y (b) curvatura del tereno. (En azul se representa la nieve modelada y en verde la nieve
observada).
20
Capítulo 3: Materiales y métodos
Este método consiste en mediciones en terreno, con el cual se mide la diferencia de altura
de nieve o neviza por medio de balizas o estacas en distintos sectores de un glaciar luego
de un período determinado de tiempo (Figura 11), siendo estas diferencias de altura la
representación de acumulación y ablación según el aumento o disminución del nivel de
nieve. Junto a la baliza se realiza una excavación llamada calicata cuya profundidad límite
es la capa de inicio del año hidrológico anterior, generando una pared de nieve desde donde
se toman mediciones de densidad en distintos niveles mediante un analizador Mount Rose.
Para estimar un balance de masa superficial del glaciar se deben promediar los datos de
densidad extraídos de las calicatas con los datos de diferencia de alturas de su respectiva
baliza, permitiendo hacer una conversión a volumen equivalente de agua (m w. e.).
Finalmente, para obtener el balance de masa superficial representativo del glaciar, se
promedian los valores obtenidos de volumen equivalente de agua de cada baliza en todo el
glaciar o se utilizan métodos de interpolación como el método del inverso de la distancia
(Rivera, 2016).
Figura 11. Extraída de Rivera (2016). Esquema indicando la medición de niveles de nieve en función de T1
(tiempo 1) y T2 (tiempo 2).
21
Las estacas para la medición de los niveles de nieve son de distintos materiales según cada
caso debido a factores de resistencia de condiciones climáticas, los cuales poseen de 3 a 4
metros de longitud y son ubicadas en la superficie sobre sectores representativos a lo largo
de todo el glaciar (Figura 12). Las estacas de la zona de ablación están hechas de plástico y
son ubicadas en el hielo o nieve en el inicio del año hidrológico, durante los meses de
marzo/abril. En cambio, las estacas de la zona de acumulación son tubos de aluminio
capaces de medir altas tasas de acumulación y resistir las condiciones del clima invernal,
cuya instalación es realizada luego del verano, en el mes de abril. Las estacas utilizadas en
ambos períodos se instalan por medio de una perforadora Heucke. Estas estacas fueron
equipadas con adaptadores para instalar otra estaca como extensión en caso de que la
acumulación sobrepasara el límite de la primera estaca (Schaefer, 2017).
22
3.2 Radar de penetración terrestre (GPR)
Esta metodología es útil en materiales dieléctricos, lo que significa que poseen baja
conductividad eléctrica, por lo tanto, baja atenuación de energía (Zirizzotti, 2010), como lo
es el caso del hielo o la nieve seca. En cambio, en ambientes con alta conductividad, el GPR
es ineficiente ya que la energía emitida se pierde en procesos de conducción en forma de
calor (Jol, 2008).
23
3.2.2 Método
Figura 13. Extraído de Jol (2008). Geometría del sistema GPR demostrando el funcionamiento del método, donde se
detecta la energía reflejada por un cuerpo.
Las antenas utilizadas se transportaron mediante trineos sobre transectas específicas del
glaciar, iniciando la medición desde la ubicación de una estaca determinada hasta otra
(Figura 14). Siendo el objetivo de esta medición las capas superficiales de nieve y firn, se
utilizaron antenas con una frecuencia de 400MHz, que permiten una resolución de
aproximada de 30 cm y un alcance vertical aproximado de 70 m.
24
Figura 14. Transecta de medición realizada con radar de penetración terrestre.
Los datos obtenidos de profundidad fueron procesados mediante el software ArcGIS con el
método de interpolación inverso de la distancia (IDW), con el fin de obtener un mapa
interpolado de profundidad de nieve del glaciar.
25
3.3 Google Earth Engine (GEE)
Google Earth Engine (GEE) es una plataforma online utilizada para realizar análisis y
visualización de datos geoespaciales. Esta plataforma combina un catálogo con petabytes
de imágenes satelitales y conjuntos de datos geoespaciales con capacidades de análisis a
escala global y lo dispone a la comunidad científica y desarrolladores con el fin de detectar
cambios, mapear tendencias y cuantificar diferencias de amplia variedad de factores en la
superficie de la tierra.
26
3.3.1 Sentinel-2 MSI
“Sentinel-1 SAR GRD: C-band” es un producto que entrega información del instrumento de
radar de apertura terrestre (SAR) con una doble polarización de la banda C (8-4 GHz). Este
sensor funciona en base a la emisión y recepción de ondas de radio, que permite el mapeo
de superficies mediante el “backscatter” medido en decibeles (dB), que consiste en la
reflexión de estas ondas de vuelta al emisor (Figura 16). La función requerida para esta
extracción es la polarimetría, que consiste en la restricción de la onda electromagnética
emitida a un solo eje: vertical u horizontal, que está contenida en el producto de Sentinel-
1. Los elementos para analizar por este sensor de radar como por ejemplo distintos tipos
de suelo, hielo o nieve, contienen distintas firmas de polarización, a su vez reflejando
distintas polarizaciones con diferentes intensidades (Ulaby & Elachi, 1990). Esto permite
identificar y distinguir las propiedades del hielo y de la nieve en el sector de estudio.
27
Figura 16. Funcionamiento del backscatter en el sensor de radar.
Las fechas escogidas para este sensor fueron desde el 1 de marzo hasta el 1 de junio del
2017 (este amplio rango de tiempo se debe a la poca disponibilidad de imágenes durante
ese período), y desde el 1 de marzo al 31 de marzo del 2020. La orientación de polarimetría
para estas imágenes se establece en “VV”, que significa polarización vertical de emisión y
recepción. Para la composición de imagen final de este sensor se debe tomar en cuenta que
la obtención de imágenes se realiza con una composición una serie de imágenes por órbita,
donde este instrumento toma imágenes de un sector en órbita ascendente (desde el
hemisferio sur al norte) y descendente (desde el hemisferio norte al sur), por lo que la
imagen final corresponde a una composición a partir de las imágenes tomadas en ambas
órbitas. En la Tabla 3 se presentan los códigos utilizados.
https://code.earthengine.google.com/ba79e6b8b31004fb029d35704c4169da
Sentinel-2 (2017/2020)
https://code.earthengine.google.com/54716934b29f56ce5a7357b26a8e286f
SAR https://code.earthengine.google.com/a4e31ec245d8966528b1aec7540da62e
(2017/2020)
https://code.earthengine.google.com/2a901d08e75d621609ac3170aeaeef13
28
3.4 Extracción de datos de precipitación
29
Capítulo 4: Resultados
4.1.1 Acumulación
Para los valores de la medición de acumulación invernal durante los años 2003-2016 (Anexo
2) se utilizó un rango entre 0 y 6 m w. eq. En los mapas (Figura 18 y 19) se pueden observar
sectores de mayor acumulación en los sectores donde se encuentran las balizas 14, 18 y 19.
También se destaca la baja acumulación general de nieve el año 2010. Los mapas
presentados son resultado de la interpolación de datos obtenidos por el método
glaciológico. Durante el período 2003 – 2012 se utilizó un área glaciar de 5.34 km2.
30
Desde el año 2013, se estableció un área de 5.12 km2, menor que los años anteriores, lo
cual se evidencia en la toma de datos del año 2015, donde se perdió el sector del glaciar
donde se ubicaba la baliza 9, eliminándose de la base de datos de esa baliza desde ese año
en adelante.
Luego de realizar los mapas para cada año, se calculó el promedio de acumulación de nieve
en cada baliza durante todos los años de toma de datos para así obtener el balance invernal
promedio del período de estudio. En la Figura 20 se muestra un mapa de acumulación
invernal promedio total, cuyos valores extremos fueron de un mínimo de 1.4 m w.eq. y un
máximo de 2.95 m w.eq. El valor de acumulación invernal promedio para el período 2003 -
2016 es de 2.19 ± 0.4 m w.eq.
31
Figura 20. Mapa promedio de acumulación invernal (2003-2016).
Para una visualización directa de los valores de acumulación invernal por cada estaca, se
presenta la Figura 21, donde se reflejan las balizas ordenadas por altitud, desde la cumbre
hasta la base del glaciar, demostrando mayor acumulación en B19 y B14, y menor
acumulación en B09 y B12.
2
1.5
1
0.5
0
B02 B01 B17 B19 B18 B14 B13 B15 B08 B10 B09 B12 B11
balizas
32
En base a los datos de niveles de nieve extraídos de las balizas a lo largo de todo el glaciar,
se realizaron modelos de interpolación según el método de la Distancia Inversa Ponderada
(IDW) con el software ArcGis. A partir de esta interpolación se obtuvieron datos de
acumulación promedio para cada período de invierno (Tabla 4), presentados junto a los
balances invernales promedio, calculados con el método glaciológico.
Promedio interpolación 2.49 2.7 2.32 1.37 3.06 2.17 2.76 2.02
Promedio Balizas 2.41 2.55 2.09 1.25 2.78 1.89 2.64 1.94
2
1.5
1
0.5
0
2003 2004 2005 2006 2007 2008 2009 2010 2011 2012 2013 2014 2015 2016
33
4.1.2 Variabilidad
A partir de los valores promedio de cada baliza durante cada año de estudio se obtuvieron
sus valores extremos (Figura 23), donde se evidencia que la menor acumulación ocurre en
la ubicación de las balizas 12 y la 9, y los mayores valores de acumulación ocurren en la
ubicación de las balizas 14 y 19. Los valores de acumulación invernal de las balizas 1 y 2, que
se encuentran en la cumbre, mantienen valores extremos cercanos, no así en las balizas
mencionadas anteriormente.
2
1.5
1
0.5
0
B02 B01 B17 B19 B18 B14 B13 B15 B08 B10 B09 B12 B11
-0.5
Máximo Mínimo
34
Figura 24. Mapa de variabilidad de acumulación en balizas.
0.4
0.2
0
B2 B1 B17 B19 B18 B14 B13 B15 B8 B10 B12 B11
Variabilidad
35
4.2 Mapas de interpolación de radar de penetración terrestre
Se extrajeron los datos de acumulación tomados por el GPR en la ubicación de las balizas,
calculando un promedio de medición sobre un radio de 10 metros alrededor de cada baliza
para evitar errores individuales, que resultaron en un promedio de acumulación invernal de
2.11 ± 0.48 m w. eq. para el año 2016, y un promedio de 2.99 ± 0.71 m w. eq. para el año
2019. Durante la toma de datos de GPR en ambos años, no se realizó una trayectoria que
abarcara las balizas 1 y 2, y la trayectoria realizada el año 2019 no incluyó los sectores de
las balizas 11 y 12 (Tabla 5).
2016 2019
bal01 - -
bal02 - -
bal08 1.39 2.54
bal10 2.1 2.28
bal11 2.38 -
bal12 1.04 -
bal13 1.7 2.49
bal14 2.85 5.24
bal15 1.92 2.55
bal17 2.56 2.69
bal18 2.22 2.52
bal19 2.96 3.59
Promedio 2.11 ± 0.48 2.99 ± 0.71
Tabla 5. Acumulación tomada por GPR en ubicación de balizas en los años 2016 y 2019.
36
Figura 26. Mapa de acumulación invernal con el método GPR para el año 2016 y 2019.
De la interpolación realizada por el software ArcGIS sobre el área glaciar se obtienen los
siguientes balances invernales promedio (Tabla 6):
37
4.3. Acumulación invernal 2016: Método glaciológico y GPR
Se aislaron los resultados de acumulación del año 2016 para comparar ambas metodologías
utilizadas para medir acumulación invernal. Para esto, se analizaron los datos con un énfasis
en el cálculo de diferencia de acumulación de cada baliza junto con el error absoluto y sus
respectivos promedios (Tabla 9). La diferencia promedio de acumulación del total de las
mediciones entre ambos métodos es de 0.278 ± 0.156 m w.eq.
2
1.5
1
0.5
0
B2 B1 B17 B19 B18 B14 B13 B15 B8 B10 B12 B11
Balizas GPR
Figura 27. Comparación de acumulación invernal entre el método glaciológico y GPR para el año 2016.
38
4.3 Google Earth Engine
Figura 28. Imágenes obtenidas para el año 2017 y 2020 con Sentinel-2 MSI.
39
4.3.2 Sentinel-1 SAR
Figura 29. Imágenes de radar del año 2017 y 2020, obtenidas con Sentinel-1 SAR.
40
Para realizar un análisis cuantitativo detallado de los resultados anteriores, en la figura 30
se generaron tres perfiles para graficar los valores de pixel que representan la intensidad
de la señal de backscatter en decibeles. Los perfiles se ubican entre las balizas 15 y 17 (Perfil
A), entre la 19 y 18 (Perfil B) y entre la 14 y 8 (Perfil C). La exclusiva elección del año 2020
para este análisis se debe a la casi nula sectorización en la intensidad de la señal, por
consecuencia de la falta de imágenes de SAR para el período estudiado.
Figura 30. Mapa de reflectividad y perfiles extraídos del instrumento SAR para el año 2020.
41
4.4 Precipitación
De los datos extraídos del explorador climático CR2, se obtuvieron los promedios invernales
(de mayo a octubre) de precipitación mensual acumulada para cada año del período de
estudio, los cuales se exponen en la Tabla 10:
300
200
100
0
2003 2004 2005 2006 2007 2008 2009 2010 2011 2012 2013 2014 2015 2016 2017 2018 2019
Precipitación
42
Capítulo 5: Discusión
En la Figura 27 se observa la acumulación invernal por cada baliza, comparando los valores
de ambos métodos utilizados para el año 2016, donde se observan valores similares entre
las balizas 10 y 13. En las balizas 8 y 18, se observan valores menores de acumulación por
parte del GPR en comparación al método glaciológico. Y finalmente en las balizas 14, 15, 17
y 19, se obtienen valores mayores de acumulación en el GPR con respecto al método
glaciológico. En las balizas 1 y 2 no se extrajeron datos con GPR, por lo que no se incluyen
en la comparación.La evidente congruencia entre la acumulación medida en la ubicación de
las balizas en ambos métodos demostrados en la Figura 32 junto con un bajo valor de
diferencia en su comparación (Tabla 9), indicaría una posibilidad para la utilización de la
metodología de GPR en la medición de acumulación de nieve en el glaciar Mocho.
Se destaca que la ausencia de datos de GPR en la cumbre, que se traducen en las balizas 1
y 2, podrían suponer un problema para la medición exacta de acumulación invernal total
sobre el glaciar, pero no es un problema de gran influencia en el análisis de comparación
entre la acumulación de nieve y las precipitaciones. Por esta razón, para la comparación
mencionada, se incluirá el valor de acumulación invernal del 2019 medido con GPR en la
serie de acumulación obtenidas con el método glaciológico. Sin embargo, para resolver la
diferencia de acumulación existente entre algunas balizas, se recomiendan realizar más
estudios de comparación entre ambos métodos.
Para el año 2020, se obtienen imágenes con alta presencia de nieve en Sentinel-2 y buena
claridad en la imagen de Sentinel-1 SAR. Los resultados comparados en la Figura 32 indican
que existe una relación entre altos valores de acumulación (colores azulados) y presencia
43
de nieve, en el mapa interpolado de acumulación invernal de 2019 y en la imagen de
Sentinel-2 del año 2020, respectivamente.
Figura 32. Comparación entre el mapa interpolado de GPR (2019) e imagen de Sentinel-2 (2020)
En la figura 29, debido al rango temporal seleccionado para la obtención de las imágenes
de 2017 por Sentinel-1 SAR, consecuencia de la poca disponibilidad de imágenes, se generó
una imagen con mucho sesgo de información debido a la utilización de muchas imágenes
para su composición, por lo que se descarta la posibilidad de su comparación con el mapa
de interpolación de acumulación invernal de 2016 obtenida con GPR. En cambio, la imagen
del año 2020 posee buena claridad con respecto a las diferencias de intensidad en la señal,
por lo cual se realizaron perfiles para analizar las señales sobre 3 sectores del glaciar (Figura
30).
En los perfiles mencionados (Anexo 4) se observa una estabilidad en las señales sobre
algunas de sus secciones. Las señales más estables se presentan en la siguiente tabla:
44
Tabla 9. Señales estables en perfiles realizados sobre imagen SAR del 2020
Para realizar la interpretación de las señales se utilizó la imagen tomada por Sentinel-2 del
mismo año, sobre la cual se identificó la traza del perfil y se comparó la señal con los
sectores con nieve. Para interpretar de manera exacta estos valores se deben realizar
campañas en terreno para observar e identificar el objetivo de estudio, sea hielo o nieve.
Siendo el objetivo de este análisis identificar zonas de nieve y hielo sobre el glaciar en base
a estas imágenes, se identificó que la señal límite superior de lo que se interpreta como
nieve es de -19 dB, esto significa que los valores sobre este límite se interpretan como hielo,
resultando en el mapa reclasificado expuesto en la Figura 33, indicando un área de nieve de
2.58 km2, que coincide en gran medida con lo observado en la imagen de 2020 tomadas por
Sentinel-2 en la Figura 28. Esta interpretación se realiza teniendo en cuenta las
características superficiales del objetivo (nieve/hielo) y su porcentaje de agua (Drinkwater,
1989), donde la nieve húmeda atenúa parte de la energía de la señal debido a sus
propiedades dieléctricas, resultando en una correlación negativa entre la señal de
backscatter y la humedad de nieve (Shi & Dozier, 1995). Para el hielo glaciar en cambio,
debido a la esperada superficie rugosa, dominaría el backscatter superficial, por lo que la
señal recibida sería alta (Drinkwater, 1989).
45
Figura 33. Mapa reclasificado de la imagen SAR 2020 según valor de señal límite.
46
5.2. Influencia de las precipitaciones sobre la acumulación y la variabilidad
invernal del glaciar Mocho
Los datos obtenidos entre la acumulación observada según el método glaciológico y GPR
para el período 2003 – 2019 y las precipitaciones del mismo período demuestran una
correlación positiva (Figura 34) con coeficiente de correlación (r) igual a 0.24, un coeficiente
de determinación (r2) de 0.06 y un valor p de 0.53 (Anexo 5).
En el gráfico se observa una correlación lineal positiva débil indicando que, al aumentar la
cantidad de precipitación, la acumulación también aumenta. Según el coeficiente de
determinación (r2) obtenido, se puede interpretar que sólo un 6% de la acumulación de
nieve es explicada por la precipitación en el modelo de regresión lineal.
Se realiza la prueba de hipótesis de valor p, que indica que tan significativa estadísticamente
es una correlación. Utilizando las hipótesis de H0 y H1 y un nivel de confianza de 95%, las
condiciones de esta prueba consisten en:
47
Siendo el valor p mayor que el nivel de significancia utilizado (0.53 > 0.05) no hay evidencia
suficiente para rechazar la hipótesis nula, por lo tanto, la correlación realizada no es
estadísticamente significativa. El resultado anterior indica que podrían existir otros
parámetros que influyen de manera importante en la interacción entre precipitación y
acumulación de nieve. Esta situación se ve reflejada en la Figura 35, donde se observan
desproporcionalidades entre la precipitación y acumulación, en los años 2003 – 2004 y el
período 2010 - 2012 (Figura 35), y en los valores más dispersos del gráfico de correlación,
que corresponden a los años 2010, 2011 y 2019. Por esto se plantean diferentes
posibilidades que pueden ayudar a explicar la interacción entre las condiciones
meteorológicas y el manto nival del glaciar.
48
Uno de los elementos importantes a mencionar es la posible ocurrencia de precipitación
líquida sobre el glaciar durante los períodos invernales, lo cual se desprende de los
resultados presentados en la Figura 24, donde se evidencia la alta variabilidad en los
sectores inferiores del glaciar.
El enunciado anterior se respalda en el hecho de que el distrito chileno de los Lagos ha sido
afectado por un enfriamiento en la tropósfera inferior, observado en Puerto Montt durante
los años 1960 y 1992 (Rosenblüth et al., 1997) y un calentamiento atmosférico por sobre el
nivel de 850 hPa, que es el nivel que representa el mínimo aproximado de altitud de los
glaciares en la región (1500 m s.n.m.), observado entre los años 1960 y fines de 1980
(Aceituno et al., 1993). El incremento de la temperatura sobre los 1500 m en esta zona
indica que la línea de equilibrio estaría aumentando altitud (Bown & Rivera, 2007, Carrasco
et al., 2008), lo que provocaría la ocurrencia de precipitaciones líquidas donde antes caía
nieve. A partir de este razonamiento se explican los mayores valores variabilidad promedio
obtenidos en los años 2009, 2011 y 2012 (Anexo 2), los cuales podrían haber experimentado
una mayor temperatura invernal, lo que indicaría alta presencia de precipitación líquida
sobre el glaciar en períodos invernales, por lo tanto, valores de acumulación bajo el
promedio en balizas de la zona inferior del glaciar. Esto se ve bien reflejado en la alta
variabilidad de acumulación en los inviernos mencionados y en los valores negativos en el
balance durante el período de toma de datos (Anexo 6), que en conjunto con el máximo de
precipitación del año 2009 son indicios de que las lluvias invernales podrían influir
negativamente en la acumulación de nieve. Una limitación con respecto a este análisis es la
falta de continuidad en los datos de acumulación, lo que puede contribuir a un sesgo en la
correlación entre los elementos estudiados.
49
La precipitación de nieve a partir de masas de aire puede ocurrir como ascenso orográfico,
donde masas de aire en movimiento son forzadas a desplazarse sobre rangos de altitud de
montañas y posteriormente precipitar (Figura 36). Algunas de las variables que controlan la
magnitud de este efecto son la saturación en las masas de aire, la pendiente de la
topografía, y la dirección y velocidad del viento (DeWalle & Rango, 2008). La presencia de
lagos al noroeste de la zona de estudio y sistemas frontales con vientos provenientes del
oeste (Rivera, 2005; Scheiter, 2016) permitirían la saturación de masas de aire y el realce
los efectos de la precipitación orográfica.
Figura 36. Modificado de (DeWalle & Rango, 2008). Precipitación de nieve orográfica.
A pesar de que los datos obtenidos mediante el método glaciológico establecen un alto
valor de acumulación, lo cual evidencia un evento de alta precipitación sólida como una
tormenta de nieve, el estudio de isótopos estables en testigos de hielo podría ser otra
herramienta para comprobar lo postulado anteriormente. La ocurrencia de un evento de
tormenta de nieve sobre el glaciar se podría identificar en una señal continua de isótopos
estables, indicando una persistencia de precipitación sólida durante un largo período de
tiempo. Un análisis de este tipo puede justificar un evento de tormenta de nieve y la
consecuente acumulación de nieve observada durante el invierno de 2011.
50
Una limitación identificada en esta sección es la ubicación de la estación meteorológica, a
orillas del lago Pirihueico, cuya localización podría entregar datos de precipitación que no
demuestran exactitud suficiente debido a la diferencia de altitud con el glaciar estudiado.
Una solución factible a esta problemática puede ser la ubicación de una estación lo más
cerca posible de los pies del glaciar, tomando medidas pertinentes para no arriesgar el
funcionamiento del equipo por causa de las condiciones meteorológicas.
A partir de la Figura 20, se deduce que los mayores valores de acumulación durante todo el
período han ocurrido en el sector centro-oeste del glaciar, sobre las balizas 14, 18 y 19. En
los mapas de GPR (Figura 26), para el año 2016 se observa que hay sectores de alta
acumulación cercanos a las balizas mencionadas, pero también ocurre esto en otros
sectores del glaciar, como en la zona de la baliza 12 y al oeste de la baliza 17, y para el año
2019 se observa una preferencia de acumulación sobre la zona centro-oeste del glaciar. Sin
embargo, no existe un patrón definido de acumulación a lo largo de todo el período de
estudio. Este hecho, en conjunto con los mencionados en los puntos anteriores de la
discusión, supone que existen variables importantes que influyen en la distribución espacial
de nieve en el glaciar.
La alta pendiente asociada al cono del volcán generaría bajos valores de acumulación, como
consecuencia de avalanchas provenientes de la cumbre y por redistribución de nieve por el
viento (Rivera, 2005), lo que se condice con la zona superior del glaciar observada en el
mapa de acumulación promedio de todo el período de estudio (Figura 20).
51
Nevada, EE.UU., donde se concluye que existe una relación inversa entre la pendiente y la
acumulación de nieve, existiendo mayor profundidad de nieve en sectores de menor
pendiente (Kirchner, 2013). En base a esto se podría apuntar a que, a grandes rasgos, el
sector con menor pendiente del glaciar es el sector entre las balizas 14, 18 y 19, que a su
vez sería la razón de una mayor acumulación en el total del período estudiado (Figura 20).
En los años 2003, 2004, 2011 y 2015 se observaron valores relativamente altos de
acumulación de nieve en zonas inferiores del glaciar, específicamente en las balizas 10 y 11
(Figura 18 y 19), y también se observa una variación espacial de acumulación notoria entre
las balizas 10 y 12, y en el sector comprendido entre las balizas 17 y 18 en el mapa
interpolado de GPR para el año 2016 (Figura 26), lo que indicaría que estos sectores podrían
estar actuando como depósitos favorecidos por la topografía. Esta idea se condice con
resultados obtenidos por Scheiter (2016), quien realizó un modelo de distribución de nieve
concluyendo que el viento proveniente del noroeste tiene un efecto importante sobre
distribución de la acumulación, basándose en parámetros como zonas refugiadas del viento
y el grado de curvatura del terreno glaciar.
Otro elemento para destacar sobre la distribución espacial de nieve sobre el glaciar son las
zonas de supervivencia de nieve luego del verano de cada año observado y la posible
existencia de un valor límite de acumulación sobre el cual se determina la supervivencia de
nieve. Esto fue llevado a cabo sobreponiendo el área de nieve observada con las imágenes
de Sentinel-2 de 2017 y 2020 sobre el mapa de interpolación en base a los datos de GPR del
año 2016 y 2019, aludiendo a la nieve remanente del período estival.
En la figura 37, para el año 2016 el valor inferior del enmascaramiento realizado indica que
la menor acumulación identificada sobre el área de nieve es de 1.14 m w. eq., y el mínimo
valor de acumulación del mapa interpolado original es de 0.74 m w. eq., y para el año 2019,
el mínimo de acumulación del enmascaramiento es de 2 m w. eq., y el mínimo de
acumulación del mapa interpolado original es de 1.9 m w. eq. Esto podría indicar que es
posible obtener valores mínimos de acumulación de nieve que logran la supervivencia al
período estival, pero los valores generados por la interpolación en sectores alejados de la
52
trayectoria del GPR representan un sesgo en la medición de acumulación sobre este
método. Por esto, la interpolación de valores de GPR en este caso no es un método
confiable para determinar un valor límite de acumulación.
Figura 37. Enmascaramiento del mapa interpolado de GPR utilizando el área de nieve observada (2016 y 2019).
53
Capítulo 6: Conclusiones
▪ Según los resultados obtenidos, se determina que existe una correlación lineal
positiva entre la precipitación en las cercanías del sector y la acumulación de nieve
en el glaciar, pero no es estadísticamente significativa, siendo sólo un 6% de la
acumulación de nieve explicada por la precipitación, por lo que existirían otros
elementos que influyen sobre la acumulación en el glaciar.
▪ Se observa que el uso de GPR para mediciones de balance invernal sobre el glaciar
Mocho es una metodología con resultados similares al método glaciológico, aún así
se recomiendan más estudios de comparación para establecer el método GPR como
una alternativa efectiva al método glaciológico.
54
Referencias
- Aceituno, P., Fuenzalida, H. & Rosenblüth, B. (1993) Climate along the extratropical
west coast of South America. In: Earth System Responses to Global Change:
Contrasts between North and South America (ed. by H. A. Mooney, E. R. Fuentes &
B. I. Kronberg) (Elsevier Science & Technology Books), 61–69. Academic Press Inc.,
San Diego, California, USA.
- Anacona, P. I., Kinney, J., Schaefer, M., Harrison, S., Wilson, R., Segovia, A., ... &
Glasser, N. F. (2018). Glacier protection laws: Potential conflicts in managing glacial
hazards and adapting to climate change. Ambio, 47(8), 835-845.
- Bishop, M. P., Björnsson, H., Haeberli, W., Oerlemans, J., Shroder, J. F., & Tranter,
M. (2011). Encyclopedia of snow, ice and glaciers. Springer Science & Business
Media.
- Bown, F., Rivera, A., Acuna, C., & Casassa, G. (2007). Recent glacier mass balance
calculations at Volcán Mocho-Choshuenco (40 S), Chilean Lake District. Glacier mass
balance changes and meltwater discharge, 318, 143-152.
- Bown, F., & Rivera, A. (2007). Climate changes and recent glacier behaviour in the
Chilean Lake District. Global and Planetary Change, 59(1-4), 79-86.
- Carrasco, J. F., Osorio, R., & Casassa, G. (2008). Secular trend of the equilibrium-line
altitude on the western side of the southern Andes, derived from radiosonde and
surface observations. Journal of Glaciology, 54(186), 538-550.
55
- Cogley, J. G., Hock, R., Rasmussen, L. A., Arendt, A. A., Bauder, A., Braithwaite, R. J.,
... & Zemp, M. (2011). Glossary of glacier mass balance and related terms. IHP-VII
technical documents in hydrology, 86.
- Cuffey, K. M., & Paterson, W. S. B. (2010). The physics of glaciers. Academic Press.
- Damiani, A., Cordero, R. R., Llanillo, P. J., Feron, S., Boisier, J. P., Garreaud, R., ... &
Watanabe, S. (2020). Connection between Antarctic Ozone and Climate: Interannual
Precipitation Changes in the Southern Hemisphere. Atmosphere, 11(6), 579.
- Dussaillant, I., Berthier, E., Brun, F., Masiokas, M., Hugonnet, R., Favier, V., ... & Ruiz,
L. (2019). Two decades of glacier mass loss along the Andes. Nature
Geoscience, 12(10), 802-808.
- Fuenzalida, H., Falvey, M., Rojas, M., Aceituno, P., & Garreaud, R. (2006). Estudio de
la variabilidad climática en Chile para el siglo XXI. Informe para CONAMA.
56
- Global Water Partership (GWP). (2000). Agua para el siglo XXI: de la visión a la
acción, América del Sur. Ediciones tiempo nuevo Comunicaciones Ltda., Santiago,
Chile 81pp.
- IPCC: IPCC Special Report on the Ocean and Cryosphere in a Changing Climate,
2019.
- Jol, H. M. (Ed.). (2008). Ground penetrating radar theory and applications. Elsevier.
- Kirchner, P. B. (2013). Snow distribution over an elevation gradient and forest snow
hydrology of the southern Sierra Nevada, California (Doctoral dissertation, UC
Merced).
- Lara, L. E., Moreno, H., Naranjo, J. A., Matthews, S., & de Arce, C. P. (2006). Magmatic
evolution of the Puyehue–Cordón Caulle Volcanic Complex (40 S), Southern Andean
Volcanic Zone: from shield to unusual rhyolitic fissure volcanism. Journal of
Volcanology and Geothermal Research, 157(4), 343-366.
- Moreno, H., Naranjo, J. A., & Clavero, J. (2006). Generación de lahares calientes en
el volcán Calbuco, Andes del sur de Chile (41, 3 S). In Actas XI Congreso Geológico
Chileno (Vol. 2, pp. 512-513).
- Müller, F., Caflisch, T., & Müller, G. (1977). Instructions for compilation and
assemblage of data for a World Glacier Inventory. Zurich: Department of Geography,
Swiss Federal Institute of Technology (ETH).
- Naranjo, J. A.; Moreno, H.; Polanco, E.; Lara, L. E. 2000. Síntesis de la tefrocronología
postglacial, Andes del Sur de Chile continental, entre los 33°20’S u 41°20’S. In
Congreso Geológico Chileno No. 9, Actas, Vol 2, p. 50-51. Puerto Varas.
57
- Naranjo, J. A., Polanco, E., Lara, L., Moreno, H., & Stern, C. R. (2001). Holocene
tephra-fall deposits of southern and austral Andes volcanic zones (33-54 o S):
eruption recurrence. In Simposio Sudamericano de Geología Isotópica No. 3, Pucón.
Serviocio Nacional de Geología y Minería, Departamento Geología, Universidad de
Chile, Extended Abstract, Enviromental Geology, Hydrogeology, Isotopic
Stratigraphy and Paleoclimatology, p. 407-408.
- Quintana, J., & Aceituno, P. (2006, April). Trends and interdecadal variability of
rainfall in Chile. In Proceedings of (Vol. 8, pp. 24-28).
- Rau, F., Mauz, F., Vogt, S., Khalsa, S. J. S., & Raup, B. (2005). Illustrated GLIMS glacier
classification manual. Institut für Physische Geographie Freiburg, Germany, and
National Snow and Ice Data Center, Boulder, USA, version, 1, 755.
- Rivera, A., Acuña, C., Casassa, G., & Bown, F. (2002). Use of remotely sensed and
field data to estimate the contribution of Chilean glaciers to eustatic sea-level
rise. Annals of Glaciology, 34, 367-372.
- Rivera, A., Bown, F., Casassa, G., Acuña, C., & Clavero, J. (2005). Glacier shrinkage
and negative mass balance in the Chilean Lake District (40 S)/Rétrécissement
glaciaire et bilan massique négatif dans la Région des Lacs du Chili (40
S). Hydrological Sciences Journal, 50(6).
- Rivera, A., Bown, F., Mella, R., Wendt, J., Casassa, G., Acuña, C., ... & Brock, B. (2006).
Ice volumetric changes on active volcanoes in southern Chile. Annals of
Glaciology, 43, 111-122.
- Rivera, A., Bown, F., Napoleoni, F., Muñoz, C., & Vuille, M. (2016). Balance de masa
glaciar. Ediciones CECs, Valdivia, Chile, 203.
58
- Santibañez, P., Kohshima, S., Scheihing, R., Jaramillo, J., Shiraiwa, T., Matoba, S., ...
& Casassa, G. (2008). Glacier mass balance interpreted from biological analysis of
firn cores in the Chilean lake district. Journal of Glaciology, 54(186), 452-462.
- Schaefer, M., Casassa Sr, G., & Rodriguez, J. L. (2015, December). Glaciological
massbalance measurements on the Mocho Glacier in the Chilean lake district.
In AGU Fall Meeting Abstracts.
- Schaefer, M., Rodriguez, J. L., Scheiter, M., & Casassa, G. (2017). Climate and surface
mass balance of Mocho Glacier, Chilean Lake District, 40 S. Journal of
Glaciology, 63(238), 218-228.
- Shi, J., & Dozier, J. (1995). Inferring snow wetness using C-band data from SIR-C's
polarimetric synthetic aperture radar. IEEE transactions on geoscience and remote
sensing, 33(4), 905-914.
- Vicuña, S., Garreaud, R. D., & McPhee, J. (2011). Climate change impacts on the
hydrology of a snowmelt driven basin in semiarid Chile. Climatic Change, 105(3-4),
469-488.
- Zemp, M., Gärtner-Roer, I.Nussbaumer, S. U., Bannwart J., Rastner P., Paul, F., &
Hoelzle, M. (2020). Global Glacier Change Bulletin No. 2 (2016-2017). Global Glacier
Change Bulletin, 3.
- Zirizzotti, A., Urbini, S., Cafarella, L., & Baskaradas, J. A. (2010). Radar systems for
glaciology. Radar Technology, 163.
59
Anexos
60
61
Anexo 2. Tabla resumen de acumulación y variabilidad de todo el período de estudio.
Invierno B01 B02 B08 B09 B10 B11 B12 B13 B14 B15 B17 B18 B19 Promedio Desviación estandar
2003 1.86 1.82 2.55 2.13 1.94 3.48 2.75 2.48 2.7 2.11 2.04 2.42 3.06 2.41076923 0.497367429
2004 2.12 2.11 1.64 2.21 3.26 2.51 2.04 2.48 3.18 2.68 2.57 3.51 2.9 2.55461538 0.543976338
2009 1.97 1.97 2.09 0.83 2.4 1.31 -0.02 2.32 3.39 2.09 3.26 2.5 3.02 2.08692308 0.953837727
2010 1.13 1.45 1.22 0.55 1.27 1.06 0.86 1.26 1.61 1.2 1.26 1.64 1.78 1.25307692 0.329023419
2011 2.02 2.17 2.04 1.6 2.36 3.21 1.85 3 3.99 3.03 3.21 3.48 4.22 2.78307692 0.838613783
2012 1.52 1.68 1.38 0.93 1.6 1.57 1.04 2.17 2.86 1.45 2.53 2.84 2.98 1.88846154 0.706208729
2015 2.08 2.15 2.03 - 2.78 2.88 1.69 2.79 3.4 2.65 3.1 3.1 3.08 2.64416667 0.532770773
2016 1.61 1.64 1.85 - 1.93 2.5 0.99 1.68 2.46 1.59 2.07 2.47 2.46 1.9375 0.472115645
Promedio 1.7867 1.873 1.8467 1.375 2.1865 2.3011 1.4022 2.2739 2.9494 2.0993 2.502 2.7435 2.9437
Desviación estandar 0.3431 0.2683 0.4273 0.7062 0.6426 0.9016 0.8556 0.5697 0.7208 0.6543 0.695 0.6237 0.6822
Anexo 3. Areas de nieve calculadas para el año 207 y 2020.
62
Anexo 4. Interpretación de señales de los perfiles sobre la imagen SAR
63
Anexo 5. Datos utilizados en regresión lineal.
64
Campaña de lectura from to B01 B02 B08 B09 B10 B11 B12 B13 B14 B15 B17 B18 B19
Campaña No2 14/05/2003 24/06/2003 0.72 0.46 0.94 1.02 0.67 1.14 1.00 0.69 0.61 0.54 0.63 0.67 0.57
Campaña No3 24/06/2003 01-07-2003 0.14 0.18 0.80 0.60 0.13 1.10 0.79 0.06 0.08 0.12 0.19 0.10 0.12
Campaña No4 01-07-2003 25/07/2003 0.37 0.42 0.12 0.23 0.53 0.22 0.37 0.55 0.45 0.37 0.36 0.65 0.71
Campaña No5 25/07/2003 22/08/2003 0.17 0.21 0.03 0.01 0.01 0.21 0.15 0.26 0.38 0.22 0.23 0.19 0.49
Campaña No6 22/08/2003 23/09/2003 0.17 0.21 0.51 0.21 0.34 0.53 0.42 0.63 0.54 0.60 0.23 0.68 0.52
Campaña No7 23/09/2003 03-11-2003 0.29 0.34 0.15 0.06 0.26 0.28 0.02 0.29 0.64 0.26 0.40 0.13 0.65
Campaña No13 10-05-2004 15/06/2004 0.33 0.37 0.24 0.97 1.75 1.10 0.96 0.38 1.18 0.36 0.50 1.65 0.50
Campaña No14 15/06/2004 10-07-2004 0.85 0.86 0.44 0.36 0.50 0.54 0.44 0.87 0.80 1.26 0.80 0.79 1.27
Campaña No15 10-07-2004 07-08-2004 0.50 0.53 0.32 0.20 0.52 0.39 0.30 0.77 0.59 0.64 0.75 0.52 0.57
Campaña No17 01-09-2004 12-10-2004 0.44 0.35 0.64 0.68 0.49 0.48 0.34 0.46 0.61 0.42 0.52 0.55 0.56
Campaña No41 26/04/2009 29/05/2009 0.03 0.07 -0.12 -0.30 -0.32 -0.72 -0.75 -0.52 -0.26 -0.50 -0.01 -0.22 -0.16
Campaña No42 29/05/2009 24/07/2009 0.78 0.79 1.19 0.23 0.89 0.44 0.34 0.79 1.32 0.66 1.21 0.85 1.18
Campaña No44 24/07/2009 02-09-2009 0.99 0.99 0.74 0.63 1.50 1.17 0.25 1.42 1.72 1.44 1.54 1.45 1.41
Campaña No45 02-09-2009 07-10-2009 0.17 0.12 0.28 0.27 0.33 0.42 0.14 0.63 0.61 0.49 0.52 0.42 0.59
Campaña No53 09-05-2010 28/05/2010 0.20 0.30 0.11 0.05 0.17 0.11 0.10 0.09 0.18 0.17 0.34 0.19 0.25
Campaña No54 28/05/2010 15/07/2010 0.43 0.43 0.30 0.26 0.51 0.45 0.28 0.58 0.68 0.50 0.60 0.62 0.69
Campaña No55 15/07/2010 02-09-2010 0.29 0.52 0.87 0.33 0.54 0.54 0.43 0.56 0.67 0.43 0.35 0.63 0.70
Campaña No56 02-09-2010 08-10-2010 0.21 0.20 -0.06 -0.09 0.05 -0.04 0.05 0.03 0.08 0.10 -0.03 0.20 0.14
Campaña No64 01-05-2011 22/05/2011 0.12 0.15 0.06 -0.16 0.03 0.08 -0.01 0.28 0.28 0.15 0.14 0.35 0.39
Campaña No65 22/05/2011 22/06/2011 0.49 0.51 0.37 0.42 0.50 0.51 0.36 0.53 0.76 0.51 0.73 0.67 0.74
Campaña No66 22/06/2011 19/07/2011 0.39 0.41 0.40 0.44 0.44 0.55 0.59 0.51 0.77 0.88 0.57 0.72 0.87
Campaña No67 19/07/2011 20/08/2011 0.57 0.59 0.55 0.60 0.56 0.81 0.29 0.71 0.80 0.77 0.69 0.62 0.87
Campaña No68 20/08/2011 07-09-2011 0.07 0.10 0.46 0.36 0.45 0.65 0.22 0.64 0.83 0.47 0.66 0.59 0.75
Campaña No69 07-09-2011 13/10/2011 0.38 0.41 0.20 -0.06 0.38 0.61 0.40 0.33 0.55 0.25 0.42 0.53 0.60
Campaña No81 21/04/2012 23/05/2012 0.21 0.23 -0.01 0.04 0.06 0.03 -0.10 0.05 0.06 0.22 0.29 0.27 0.36
Campaña No82 23/05/2012 25/06/2012 0.57 0.58 0.42 0.02 0.71 0.44 0.26 0.52 0.90 0.39 0.87 0.80 0.80
Campaña No83 25/06/2012 26/07/2012 0.28 0.30 0.18 0.47 0.50 0.44 0.26 0.50 0.81 0.46 0.40 0.78 0.63
Campaña No84 26/07/2012 24/08/2012 0.21 0.23 0.29 0.21 0.37 0.38 0.22 0.43 0.52 0.36 0.48 0.38 0.59
Campaña No85 24/08/2012 22/09/2012 0.22 0.27 0.35 0.35 0.10 0.31 0.25 0.35 0.26 0.13 0.25 0.27 0.25
Campaña No86 22/09/2012 27/10/2012 0.03 0.07 0.15 -0.16 -0.14 -0.03 0.15 0.32 0.31 -0.11 0.24 0.34 0.35
Campaña NoM3 14/05/2015 17/06/2015 0.34 0.37 0.4 0.26 0.42 0.58 0.16 0.45 0.72 0.41 0.49 0.68 0.58
Campaña NoM4 17/06/2015 24/07/2015 0.5 0.51 0.41 0.27 0.61 0.59 0.34 0.66 0.63 0.61 0.76 0.62 0.59
Campaña NoM5 24/07/2015 20/08/2015 0.25 0.27 0.14 -0.01 0.32 0.3 0.08 0.33 0.53 0.28 0.35 0.46 0.52
Campaña NoM6 20/08/2015 12-09-2015 0.59 0.59 0.79 0.68 0.9 1.05 0.66 0.96 0.96 0.88 0.9 0.89 0.84
Campaña NoM7 12-09-2015 16/10/2015 0.4 0.41 0.29 0.40 0.53 0.36 0.45 0.39 0.56 0.47 0.6 0.45 0.55
Campaña NoM11 29/04/2016 09-06-2016 0.33 0.34 0.33 -0.18 0.23 0.47 0.26 0.16 0.31 0.13 0.24 0.38 0.32
Campaña NoM12 09-06-2016 27/07/2016 0.47 0.47 0.52 0.20 0.40 0.69 0.28 0.33 0.86 0.55 0.68 0.57 0.71
Campaña NoM13 27/07/2016 02-09-2016 0.39 0.40 0.43 0.38 0.62 0.59 0.44 0.52 0.67 0.47 0.54 0.64 0.62
Campaña NoM14 02-09-2016 13/10/2016 0.42 0.43 0.57 -0.09 0.68 0.75 0.01 0.67 0.62 0.44 0.61 0.88 0.81
65