EVOLUCIÓN DE LOS MOVIMIENTOS DE MASAS DE

TIERRA Y SUS CONSECUENCIAS EN LAS

COMUNIDADES INDÍGENAS DE POMPEYA Y
CALIATA (ECUADOR).
Ana Castillo Jurado
Universidad de Sevilla
https://orcid.org/0000-0001-9944-4653 1

Benito Mendoza Trujillo

Universidad Nacional de Chimborazo
https://orcid.org/ 0000-0001-8555-8350

Mauro Jiménez Granizo

Universidad Nacional de Chimborazo
https://orcid.org/ 0000-0001-9131-7289

Resumen

En un sector de Flores (Riobamba, Ecuador) existe un proceso de deslizamiento de

masas de tierra que afecta a las comunidades indígenas de Caliata y Pompeya. Estos
movimientos del terreno y el desprendimiento de laderas tienen como consecuencia el
deterioro de la única infraestructura vial, la pérdida de cultivos y terrenos cultivables,
cambio del paisaje, la inaccesibilidad a fuentes de agua de consumo humano e incluso el
abandono de pequeños núcleos urbanos. Aunque este proceso no es nuevo, en los
últimos años se está acelerando.
En este contexto, esta investigación tiene los objetivos de determinar el cambio de la
geomorfología en el sector, asociándolo a variables edafológicas y meteorológicas. Para
ello, se compararon de manera multitemporal imágenes satelitales, fotografías aéreas
generadas por UAV, relacionándolas con las variables mencionadas. Además, se
realizaron entrevistas a miembros de las comunidades indígenas para evaluar
cualitativamente la afectación en la población.
En este sentido, efectivamente se identificaron cambios geomorfológicos en la zona
asociados a estas variables, que tienen consecuencias negativas en el presente y que
podrían ser mayores en el futuro. Adicionalmente, la percepción de la comunidad sobre
estos cambios es diversa, oscilando desde causantes naturales hasta sobrenaturales.

Palabras clave: movimientos de masa, Ecuador, geomorfología, comunidades indígenas

1
En caso de poseer el identificador ORCID se colocará debajo de la institución en el formato
https://orcid.org/0000-000X-XXXX-XXXX (en letra cursiva)
 Abstract

In a sector of Flores (Riobamba, Ecuador) there are landslides affecting the indigenous
communities of Caliata and Pompeya. These movements cause damage to the only road
infrastructure, loss of crops and arable land, change of landscape, inaccessibility to
sources of water for human consumption and even the abandonment of small urban
centers. Although this process is not new, it has been accelerating in recent years.
In this context, this research aims to determine the change in geomorphology in the
sector, associating it with soil and meteorological variables, comparing satellite images
in a multi-temporal manner, aerial photographs generated by UAV and relating them to
the mentioned variables. In addition, interviews were conducted with members of
indigenous communities to evaluate the impact on the population.
In this sense, geomorphological changes were identified in the area associated with
these variables, which have negative consequences in the present and could be greater in
the future. Additionally, the community’s perception of these changes is diverse,
ranging from natural to supernatural causes.

Keywords: landslides, Ecuador, geomorphology, indigenous communities

1. INTRODUCCIÓN

Ecuador es un país que posee riquezas naturales abundantes, el suelo es una de estas,
ya que su composición química proviene de fuentes volcánicas, esto hace que sean
suelos fértiles con buen potencial agrícola (Moreno et al., 2018). No obstante, las
características de estos suelos y la suma de otras variables, como las actividades
antrópicas o los fenómenos de origen natural, hacen que sean susceptibles a la erosión y
a los cambios en la geomorfología (Cruzatty et al., 2021).
En este sentido, en los andes ecuatorianos es característico la presencia de fuertes
precipitaciones, diferentes formaciones geológicas y fallas, que provocan los
movimientos de masa (Calderón, 2018). Estas características han causado cambios
drásticos en el relieve, en Ecuador se han producido alrededor de 7771 movimientos de
este tipo, cuyas consecuencias en ciertos caso fue catastrófica por la pérdida de vidas
(Pachay et al., 2021). El cantón Riobamba ha experimentado varios de estos procesos,
provocando la muerte de unas 5000 personas en la comunidad indígena de Cacha, de
igual manera las comunidades de Quimiag y San Juan fueron evacuados los pobladores
en el 2006, ya que el fenómeno natural causó la destrucción de las viviendas y también
de cultivos (Calderón, 2018).
Por otra parte, las comunidades de Caliata y Pompeya poseen riquezas naturales y
arqueológicas que contribuyen al desarrollo de la parroquia de Flores, además el
desarrollo agrícola en el sector es alto, ya que, es el principal sustento para sus
pobladores (Gallegos-Riofrío et al., 2021). Además, de acuerdo con lo descrito por
Calderón (2018) el sector de Flores está dentro del 49% de zonas susceptibles a
movimientos de masa, por lo que propuso realizar análisis de riesgos para determinar el
nivel de peligro al que están expuestos los pobladores de este sector, pero hasta el
momento no han realizado estudios de este tipo la municipalidad o la Secretaría
Nacional de Gestión de Riesgos.
En este sentido, el objetivo principal de esta investigación fue analizar de manera
preliminar la evolución de la geomorfología en el sector de las comunidades indígenas
de Pompeya y Caliata, analizando los procesos de movimientos de masas y
correlacionando con variables edáficas y meteorológicas. Además, estos resultados
fueron contrastados con la información extraída mediante entrevistas a miembros de las
comunidades indígenas.

2. CONTEXTO FÍSICO

Las comunidades indígenas de Pompeya y Caliata se encuentran ubicadas en la

parroquia Flores, al sur de Riobamba, cabecera del cantón que lleva el mismo nombre,
en la provincia de Chimborazo (Figura 1). Estas comunidades se localizan en el centro
de la región interandina del Ecuador, a una altitud aproximada de 3233 m.s.n.m.
Desde un punto de vista geológico, es una zona que se formó por eventos volcánicos
del período Plioceno de la Era Terciaria o Cenozoica, hace aproximadamente cinco
millones de años, el área de estudio está sobre la formación Pisayambo, con una
secuencia gruesa de lava y materiales piroclásticos donde predominan rocas pirogénicas
de origen volcánico de color gris, el relieve es irregular con pendientes abruptas
(Buenaño, 2019)

Figura 1. Mapa de localización del área de estudio.

La parroquia Flores tiene la formación geológica “Cangagua”, traducida del quichua

como “tierra dura estéril”, compuesta por tobas meteorizadas de color café́ amarillento;
correspondiente al período Cuaternario del Pleistoceno. Esta geología se caracteriza por
su baja compactación y es “bastante susceptible a la erosión hídrica por escurrimiento,
la misma que es activada por lluvia caracterizada por una intensidad y una duración”
(Custode et al., 1992). Se puede encontrar la formación de “terrazas” que está
conformada por depósitos de grava y arenas sueltas (Buenaño, 2019).
 Los suelos que se encuentran en la zona de estudio son franco, franco-limoso y
limoso, cuyo pH oscila entre 4,5 y 6,5 y la textura es moderadamente gruesa. La
pendiente es mayor del 50% por lo que las comunidades se encuentran en pendientes
bastante escarpadas. El uso del suelo está principalmente ligado a cultivos perennes,
cultivos de ciclo corto, pastos y a zonas urbanas (GOBIERNO AUTÓNOMO
DESCENTRALIZADO PARROQUIAL DE FLORES, 2015).
La temperatura promedio anual de en las comunidades de Caliata y Pompeya oscila
entre los 12 y 16 °C, por lo que predomina el clima templado. Los vientos más fuertes
se registran generalmente en los meses de agosto, septiembre, octubre y noviembre,
mientras que las heladas están presentes en los meses de mayo, agosto y diciembre. Para
este análisis se recopiló información de la estación meteorológica M0133, ubicada 2
km de nuestra área de estudio (Instituto Nacional de Meteorología e Hidrología, 2022).
En este sentido, la tendencia de la precipitación es bimodal (Figura 2), es decir,
existen meses de mayor cantidad de lluvia concentras en los meses de febrero, marzo,
abril y mayo; y época seca en los meses de junio y septiembre. La segunda fase de
precipitación se presenta entre octubre y diciembre, tal y como se puede comprobar en
el el análisis de los valores medios mensuales de precipitación obtenidos desde 1981
hasta el 2021 (anexo 1).
Figura 2. Tendencia de precipitación media mensual-anual en la estación meteorológica
M0133.

Para efectos de esta investigación se determinó que a lo largo del período de tiempo
desde 1981 hasta el 2021 (Figura 3) el mes que más veces presenta precipitaciones
máximas es marzo. Además, se determinó que el rango de precipitaciones máximas está
entre 54,4 y 315,39 mm de precipitación.
Figura 3. Frecuencia de las precipitaciones máximas en la estación meteorológica M0133.
 Para compara los efectos de la precipitación respecto al posible movimiento de masa
en la zona de estudio, se calculó la precipitación media mensual acumulada dos épocas
del año correspondientes a la época lluviosa y la época seca (tabla 1). Como se aprecia
en dicha tabla, hay un incremento significativo de las precipitaciones a partir de 2015.
Asimismo, en 2008 hay repunte de las precipitaciones, pero vuelve a descender en el
siguiente año.

Tabla 1. Precipitación media mensual acumuladas épocas lluviosa y seca.

Precipitación acumulada (mm) Precipitación acumulada (mm)

AÑOS
época lluviosa época seca
2006 324,50 224,60
2007 421,70 267,00
2008 588,25 403,00
2009 277,29 276,77
2010 371,71 364,49
2011 331,26 305,89
2012 278,17 263,70
2013 285,07 155,26
2014 368,25 290,34
2015 1003,73 632,79
2016 984,44 576,98
2017 1176,63 694,46
2018 1048,15 674,19
2019 984,05 581,23
2020 804,25 407,37
2021 1223,62 558,43

3. METODOLOGÍA

3.1. Análisis de modelos digitales de elevaciones de fotografías aéreas y

productos satelitales.

3.1.1 Modelo digital de elevaciones a partir de vuelo UAV.

 Para obtener el MDE se utilizó aerofotogrametría, tecnología que permitió obtener
datos e información cualitativa y cuantitativa de la superficie terrestre mediante un
proceso de registro, medición e interpretación de imágenes fotográficas obtenidas con
una cámara montada en un vehículo aéreo no tripulado Dron UAV (Gasparini et al.,
2020; Mendoza et al., 2019, 2022; Psomiadis et al., 2021)
El vehículo aéreo utilizado para obtener la cartografía digital aérea en esta
investigación es un dron multirotor de la marca DJI Phantom 4 Pro V2.0 con una
cámara aeroportada de 20 mp, para la generación de los productos fotogramétricos se
utilizaron tres etapas, la primera etapa en donde se definió la trayectoria del vuelo con la
ayuda del software Pix4DCapture con el que se configuró parámetros como: área de
vuelo en hectáreas, tiempo de vuelo, número de imágenes capturadas, altura de vuelo en
metros, tamaño de píxel en cm/px, solapamiento horizontal y longitudinal 75% y
velocidad en m/s.
La segunda etapa consta del trabajo de campo con la ubicación de puntos de control
(GCP) para una correcta georreferenciación de la ortofoto y modelos de elevación
deseados, adicional a esto se procedió con el vuelo programado para obtener las
fotografías aéreas, en la tercera etapa con la utilización de softwares de terceros
Pix4DMapper se procesó los datos capturados en función de la metodología
recomendada por el fabricante realizando un procesamiento inicial determinado la
escala de la imagen y un emparejamiento geométricamente verificado, en la siguiente
opción de procesamiento se generó la nube de puntos densa con una clasificación para
mejorar la generación del modelo digital de elevación y curvas de nivel con un intervalo
de 15 m. Todo ello se transformó en cartografía digital utilizando las herramientas de
medición disponibles en un entorno SIG (ArcMap y Globalmapper).

3.1.2 Modelo digital de elevaciones

La ausencia de datos espaciales en Ecuador y, en específico, de modelos digitales de

elevaciones (MDE) hace que sea prácticamente imposible considerar la evolución de los
movimientos en masas. El único recurso disponible del gobierno ecuatoriano lo
proporciona el Sistema Nacimiento de Información de Tierras Rurales e Infraestructuras
Tecnológicas a partir del programa SIGTIERRAS (GOBIERNO DE LA REPÚBLICA
DEL ECUADOR, 2022). Dicho programa generó ortofotografías y un MDE que cubrió
el 88% del territorio ecuatoriano entre 2010 y 2014 (SIGTIERRAS, 2022). Aunque
posee una resolución espacial que oscila de 1.5 a 3 m, sólo se puede acceder al producto
re-escalado a 10 m (MINISTERIO DE AGRICULTURA Y GANADERÍA -
ECUADOR, 2022). En este caso, los archivos TIFF utilizados para el área de estudio
corresponden a NIV-E2c-F2 y NIV-E2c-F4, tomados ambos el 13 de marzo de 2011.

3.1.3 Modelos digital de elevaciones satelitales

De esta forma, para estudiar la evolución de la geomorfología del sector afectado ha

sido necesario acceder a otros recursos como son los MDEs ofrecidos por los sensores
Alos Palsar y ASTER. En cuanto al satélite Advanced Land Observing Satellite, mejor
conocido por sus siglas, Alos Palsar, fue lanzado por la Agencia Japonesa de
Exploración Aeroespacial (JAXA) teniendo un periodo de actividad que abarca desde
octubre de 2006 hasta abril de 2011. La órbita de este satélite es heliosincrónica,
sobrevuela a una altura de 692 km y completa la órbita cada 46 días (USGS, 2018).
Alos consta de tres sensores: el PRISM (Panchromatic Remote-Sensing Instrument
for Stereo Mapping) para imágenes pancromáticas, el radiómetro AVNIR (Advanced
Visible and Near Infrared Radiometer-2) y el rádar de apertura sintética PALSAR
(Phased Array type L-band Synthetic Aperture Radar). Uno de los productos que ofrece
este satélite es el Modelo Digital de Elevaciones que consta de una resolución espacial
de 12,5 m. Se ha tenido acceso a este producto a través del Servicio Geológico de
Estados Unidos, a partir del portal abierto de datos espaciales del USGS Earth Explorer
(USGS, 2022).
Por otra parte, el Ministerio de Economía, Comercio e Industria (METI) de Japón y
la Agencia Aeronáutica y Espacial de Estados Unidos (NASA) anunciaron
conjuntamente el lanzamiento de un mapa topográfico con una cobertura del 99% de la
Tierra: el ASTER Global DEM. Está MDE es generado a partir de 1,3 millones de
imágenes de la colección obtenida del sensor ASTER (Advanced Spaceborne Thermal
Emission and Reflection Radiometer). Este forma parte de uno de los cinco sensores a
bordo del satélite Terra, lanzado a la órbita terrestre por la NASA y cuyo periodo de
actividad abarca desde febrero de 2000 hasta 2009 (NASA, 2012). La resolución
espacial de este mapa topográfico es de 30 m y se ha obtenido a través del servidor
EarthData de la NASA ((NASA, 2022).
En líneas generales, las características de estos productos dificultan un estudio
exhaustivo de la topografía del área de estudio, ya sea por la resolución espacial o por la
resolución temporal. No obstante, teniendo en cuenta la escasez de datos espaciales en
Ecuador, la disponibilidad de estos recursos permite realizar un seguimiento de los
grandes cambios geomorfológicos.

3.2. Comparación de los modelos digitales de elevaciones.

Teniendo en cuenta las características de los MDE producto del vuelo fotogramétrico
del programa SIGTIERRAS, del satélite Alos Palsar y del ASTER GDEM (tabla 2), se
realiza una comparación de estos. Para ello, se toma como referencia la diferencia de
altura de cada uno de los MDE generado con respecto a la topografía del dron UAV en
la totalidad del área de estudio. De esta forma, además de comparar las imágenes, sirve
de indicador para identificar las zonas en las que más ha cambiado la topografía.

Tabla 2. Principales características de los MDEs considerados.

MDE Resolución Resolución temporal
espacial (m) (días)
Dron UAV 0,28 -
SIGTIERRAS 10 -
Alos Palsar 12,5 46
ASTER GDEM 30 -

3.3. Correlación entre variables y cambios en la geomorfología

Teniendo en cuenta la comparación entre los tres MDEs, se realiza un análisis visual
para identificar aquellas zonas en las que existen mayores divergencias de altura entre
MDEs. Posteriormente, en las zonas seleccionadas se traza secciones para representar
los perfiles topográficos comparándolos con el perfil topográfico del MDE del dron
UAV.
Una vez seleccionado el MDE que más se ajuste al MDE del dron UAV, se procedió
a realizar un análisis temporal procurando que la ventana temporal sea lo más amplia
posible y que existan al menos dos imágenes por época (lluviosa y seca). Una vez
obtenido, se llevó a cabo un muestreo aleatorio en toda el área de estudio de 200 píxeles
extrayendo la altura del terreno en cada uno de los puntos de cada MDE.
Con la información obtenida se implementó un análisis estadístico de series
temporales. Se entiende como serie temporal una colección de observaciones ordenadas
secuencialmente en un intervalo de tiempo sobre una característica o fenómeno
(Mauricio, 2007). De esta manera, el objetivo fundamental de este análisis es la
caracterización del comportamiento de la altura del terreno en cada píxel a través del
tiempo.
Una vez depurados los datos y transformados a series estacionarias mediante
diferenciación logarítmica se realizó el análisis clúster que muestre agrupamientos por
tendencias. El análisis clúster, también conocido como Análisis de Conglomerados
(Song et al., 2019), esta técnica estadística multivariante que busca agrupar variables
con el objetivo de que sean muy homogéneas entre ellas y que se diferencien todo lo
posible del resto de grupos. En este caso, se utiliza el método jerárquico aglomerativo.
De esta forma, intentamos comprobar si los grupos que refleja el algoritmo poseen
alguna correlación espacial.

4. RESULTADOS

4.1 Resultados de la comparación de los modelos digitales de elevaciones

El resultado de la diferencia de altura entre el MDE del dron UAV y los MDE de
SIGTIERRAS, Alos Palsar y ASTER muestran un descenso generalizado de la altura
m.s.n.m siendo la media de 25,84; 84 m y 25,85 m respectivamente (Tabla 3). No
obstante, el MDE de Alos Palsar revela que la media de la altura en la totalidad del área
de estudio ha aumentado 1,87 m. Si comparamos los valores máximos y mínimos se
observa un rango similar en los MDEs de ASTER GDEM y SIGTIERRAS, mientras
que el MDE de Alos Palsar interpreta un menor cambio de altura.

Tabla 3. Estadísticos de los MDEs considerados.

MDE Media Máximo Mínimo Desviación
típica
SIGTIERRAS 25,84 74,22 7,42 5,43
ASTER GDEM 25,85 69,94 13,78 4,81
Alos Palsar -1,87 43,99 -24,98 5,5

Para identificar posibles correlaciones espaciales se representó cartográficamente las

diferencias de altura entre el MDE del dron UAV con respecto a cada uno de los MDEs
considerados (Figura 4). De esta forma, si el valor es positivo revela que existió un
descenso de la altura y si es negativo se produjo un aumento de la altura. Como ya se
había antecedido en los estadísticos de la tabla 3, los resultados de los MDEs del dron
UAV y SIGTIERRAS son bastante similares. Ambos tienen una tendencia a ocupar
valores intermedios, representado en tonos grises, por lo que se interpreta que existe una
tendencia al descenso tímido de la altura, al contrario de lo que ocurre con Alos Palsar,
que interpreta un aumento de la altura generalizado. No obstante, los tres mapas
coinciden en que en el sector centro y norte del área de estudio, que corresponde a una
quebrada, muestra un descenso de altura significativo.
 Figura 4. Diferencia de altura entre el MDE del vuelo UAV y los MDEs (en orden:
SIGTIERRAS, ASTER GDEM y Alos Palsar).

4.2 Relación de los cambios en la geomorfología y precipitaciones.

Para observar los cambios en la topografía entre 2007 y 2022, a partir de la

diferencia de altura mostrada en la Figura 4, se realizaron tres perfiles topográficos.
Teniendo en cuenta las zonas que presentan mayores divergencias con el objetivo de
comparar el resultado de los tres MDEs con el MDE del dron UAV. Como se puede
apreciar en la Figura 5, aunque todos los modelos poseen una tendencia similar, en el
caso de los perfiles de ASTER GDEM y SIGTIERRAS presentan la misma diferencia
de altura en todos los perfiles con respecto al MDE del dron UAV. Esto muestras que
no ha sido producto de los movimientos en masa, más bien, es consecuencia de la
calibración del MDE con respecto al nivel del mar. Por el contrario, el MDE de Alos
Palsar presenta, en general, alturas similares. Sin embargo, las diferencias de altura
muestran cambios en la topografía por movimientos en masa.

Figura 5. Perfiles topográficos en la zona de Caliata y Pompeya.

 En la Figura 6 se muestran algunas imágenes en las que se puede visualizar los
cambios en la geomorfología correspondientes a movimientos en masa. La primera
imagen en la que se aprecia la caída del suelo, se localiza al norte del área de estudio.
En la segunda imagen se observa la infraestructura de captación de agua subterránea en
la parte derecha inferior de la cual se abastecen de agua potable las dos comunidades.
Dicha imagen es tomada cerca de la carretera que conecta Caliata y Pompeya y que es
intersectada por los perfiles 1 y 3, en esta.

Figura 6. Cambios de la geomorfología por movientos en masa.

 De esta forma, se implementó un análisis de series temporales tomando dos MDEs
por cada estación (seca y lluviosa) en todo el periodo de actividad del satélite, desde
2007 hasta 2011. En la Figura 6, se puede observar los MDEs utilizados para este
análisis junto con la fecha de captura para cada una de las estaciones, teniendo que
adaptarse a la disponibilidad de estas. Una vez realizado el análisis de series temporales
se aplicó el análisis clúster utilizando el método jerárquico aglomerativo, que identifica
cuatro tendencias diferentes por lo que se generó cuatro grupos (Figura 8).

Figura 6. MDE de Alos Palsar utilizados para el análisis.

ÉPOCA SECA ÉPOCA LLUVIOSA
2007 ALPSRP048587150-RTC_HI_RES ALPSRP075427150-RTC_HI_RES
23/12/2006 25/06/2007
2008 ALPSRP102267150-RTC_HI_RES ALPSRP115687150-RTC_HI_RES
26/12/2007 27/03/2008
2009 ALPSRP155947150-RTC_HI_RES AAP_18278_FBD_F7150_RT1
28/12/2008 30/06/2009
2010 ALPSRP209627150-RTC_HI_RES ALPSRP220783660-RTC_HI_RES
31/12/2009 17/03/2010
2011 ALPSRP263307150-RTC_HI_RES ALPSRP270017150-RTC_HI_RES
03/01/2011 18/02/2011

Es significativa la semejanza entre el cluster 1 y 3, ya que ambos presentan un

descenso de altura entre las dos últimas medidas. Sin embargo, el algoritmo los clasificó
como entidades independientes por el comportamiento en fechas pasadas. Por ejemplo,
vemos una clara diferencia de comportamiento en el año 2007, donde el cluster 1 tiene
una variación negativa mientras que la del cluster 3 es positiva. Estos elementos parecen
tener un comportamiento bastante similar en el tiempo salvo por las tres primeras
medidas, que siguen tendencias opuestas.
En cuanto a la disposición del clúster 1 en el área de estudio, representado en color
azul en la Figura 9, los puntos se localizan en el sector este y noroeste del área de
estudio, identificándose cierta tendencia a localizarse siguiendo los salientes de las
curvas de nivel. En el caso del clúster 3, representado en rosa, las muestras se disponen
de norte a sur en el centro del área de estudio, entorno a la quebrada anteriormente
mencionada.

Figura 8. Gráficos de los cuatro clusters según su tendencia

Cluster 1 Cluster 2
 Cluster 3 Cluster 4

En el clúster 2, representado en color azul en la figura, observamos un gran

crecimiento en la última medida con respecto al anterior. Al igual que en el resto hay
una clara variabilidad estacional. De hecho, este clúster presenta tendencias
prácticamente idénticas al clúster 3 salvo por el cambio de altura producido entre las dos
últimas imágenes, el clúster 2 experimenta un aumento de la altura y el clúster 3 un
descenso. Sin él, seguramente el algoritmo los hubiera agrupado dentro del mismo
conglomerado.
Finalmente, el clúster 4, en amarillo, parece agrupar aquellas tendencias más
heterogéneas. Nos referimos a series prácticamente horizontales o con un
comportamiento más errático (fuerte caída a principios de 2009) que no se hallan
presentes en ningún otro clúster. De esta forma, es comprensible que la disposición de
los puntos de este clúster no tenga una lógica desde el punto de vista espacial.

Figura 9. Mapa de la disposición de los clúster en el área de estudio.

4. DISCUSIÓN

El estudio realizado revela que existen cambios en la topografía del área de estudio al
menos desde 2007. Los cambios más acusados se localizan en el sector norte del área de
estudio, correspondiente a una quebrada y a un flujo de agua subsuperficial. Los perfiles
topográficos 1 y 3 que cruzan por la mencionada quebrada, muestran un desplome de la
tierra a partir de 2009 (fecha de adquisición del MDE de Alos Palsar) con respecto a
2022 (MDE del dron UAV). Esto puede estar relacionado con la variación de la
precipitación, siendo una de las posibles causas de los movimientos en masa. En la
Figura 8, se puede apreciar que los puntos localizados en el sector norte y el entorno de
la quebrada corresponden a los clústeres 1 y 3. Si se observa la evolución de la
topografía de dichos clústeres, en la Figura 7, existe un descenso acusado de la altura
desde diciembre de 2008, coincidiendo a su vez con un aumento de las precipitaciones
en el 2008, 588 mm frente a 421,70 mm en el 2007. A pesar de que no existen registros
de la evolución de la topografía, si extrapolamos esta correlación, a partir del año 2015
debió existir un cambio bastante acusado de la topografía. Como se observa en la tabla
1, a partir del año 2015 se muestran valores tres veces más altos de precipitación
respecto a los años anteriores, donde la presencia de precipitaciones constantes podrían
haber acelerado los movimientos en masa, tal y como se demostró en estudios
realizados en zonas andinas en Latinoamérica y en Ecuador (Marin et al., 2021; Soto et
al., 2017; Zárate et al., 2021).
 Además, de acuerdo con las características edáficas de la zona, la cangagua
meteorizada y suelta, permite que el agua que cae por efecto de la precipitación se
infiltre y escurra en las capas subsuperficiales, teniendo un efecto similar a lo ocurrido
en la erosión regresiva que se muestra en el río Coca en la zona norte del Ecuador
(Graw et al., 2022). De igual manera, presenta condiciones semejantes a los análisis
realizados en Cayambe y Quito, donde uno de los factores del movimiento de masa
identificados fue el tipo de suelos cangahua (Flores et al., 2022; Puente-Sotomayor et
al., 2021).
Por otra parte, la percepción de la comunidad que habita en el sector es de que este
movimiento se está produciendo por varios años, y que en ciertos años es mayor el
deslizamiento que en otros, esto se evidencia de acuerdo con los pobladores, en que ya
han rehabilitado la vía que comunica la comunidad de Caliata con Pompeya. Además,
en la zona de Caliata se ubica un manantial “ojo de agua” como lo describen los
pobladores, el cual, por este fenómeno sufrió daños en la estructura de captación,
dejando escapar la mayor parte del caudal aprovechable para consumo humano hacia la
quebrada que se está formando por efecto del movimiento de la tierra, siendo esto
también una preocupación para los pobladores, ya que pueden perder este ojo de agua.
A pesar de las limitaciones con las que cuenta esta investigación debido a la falta de
fuentes para estudiar la evolución de la topografía del área de estudio, se puede afirmar
que existe un cambio en la topografía relacionado con las precipitaciones. Asimismo,
este estudio se inserta de forma preliminar en otra investigación que tiene el objetivo de
monitorear semestralmente la evolución de la topografía estableciendo las zonas más
afectadas y evaluar el impacto que tiene en la población de las comunidades.

5. CONCLUSIONES

De acuerdo con lo descrito en el trabajo, la topografía del área de estudio sufrió

cambios significativos, correspondientes a movimientos en masa, al menos desde el año
2007, fecha en la que se comienza a tener registros topográficos. Los cambios más
acusados se localizan sobre todo en el sector norte del área de estudio y en el entorno de
la quebrada en la que se localiza un curso de agua subsuperficial que cruza el centro del
área de estudio en dirección sur-norte. De esta forma, existe una correlación entre los
cambios más acusados de la topografía con el aumento de las precipitaciones y el
correspondiente aumento del caudal del curso de agua. A estas condiciones se les suma
la pendiente, que es mayor al 50%, y la geología de la región, en la que predomina la
cangagua, caracterizada por su baja compactación.
En este sentido, es evidente el riesgo que corre la población de las dos comunidades,
al estar expuestas a estos movimientos en masa, que observa como durante años,
progresivamente está cambiando la topografía que desembocan a la perdida de terrenos
fértiles, el agua de consumo e incluso la posibilidad de que afecte a la integridad física
de los pobladores. Por tante, es necesario realizar un plan de monitoreo exhaustivo para
identificar y medir la evolución de la geomorfología del sector afectado, definiendo un
sistema para reducir dichos movimientos.

REFERENCIAS
Buenaño, P. (2019). Análisis geológico y geofísico aplicado a la prospección
hidrogeológica entre las localidades de Riobamba y Pungalá [Escuela Politécnica
Nacional]. https://bibdigital.epn.edu.ec/handle/15000/20048
Calderón, P. (2018). Perspectiva para zonificación del riesgo por deslizamientos para el
cantón Riobamba. FIGEMPA: Investigación y Desarrollo, 5(1), 20–28.
 https://doi.org/10.29166/REVFIG.V1I1.817
Cruzatty, C., Jimenez, D., Valencia, E., Zambrano, I., Mora, C., Luo, X., & Cando, E.
(2021). A Case Study: Sediment Erosion in Francis Turbines Operated at the San
Francisco Hydropower Plant in Ecuador. Energies 2022, Vol. 15, Page 8, 15(1), 8.
https://doi.org/10.3390/EN15010008
Custode, E., De Noni, G., Trujillo, G., & Viennot, M. (1992). The Camgahua in
Ecuador : Morpho-Edaphologic Chaaacdedzation and Susceptibility to Erosion.
Terra, 10(January 1992), 333–340.
Flores, G., Strokova, L., & Varela, J. (2022). Evaluation of The Landslide Processes In
Cayambe, Pichincha, Ecuador. ResearchSquare, 2.
https://doi.org/10.21203/RS.3.RS-1317896/V2
Gallegos-Riofrío, C. A., Waters, W. F., Carrasco, A., Riofrío, L. A., Pintag, M.,
Caranqui, M., Caranqui, J., Blackdeer, A. A., & Iannotti, L. L. (2021). Caliata: An
Indigenous Community in Ecuador Offers Lessons on Food Sovereignty and
Sustainable Diets. Current Developments in Nutrition, 5(Supplement_4), 61–73.
https://doi.org/10.1093/CDN/NZAB009
Gasparini, M., Moreno-Escribano, J. C., & Monterroso-Checa, A. (2020).
Photogrammetric Acquisitions in Diverse Archaeological Contexts Using Drones:
Background of the Ager Mellariensis Project (North of Córdoba-Spain). Drones
2020, Vol. 4, Page 47, 4(3), 47. https://doi.org/10.3390/DRONES4030047
GOBIERNO AUTÓNOMO DESCENTRALIZADO PARROQUIAL DE FLORES.
(2015). PLAN DE DESARROLLO Y ORDENAMIENTO TERRITORIA 2015-2019
GOBIERNO AUTÓNOMO DESCENTRALIZADO PARROQUIAL RURAL DE
FLORES (p. 254). https://multimedia.planificacion.gob.ec/PDOT/descargas.html
GOBIERNO DE LA REPÚBLICA DEL ECUADOR. (2022). Gestor de Descarga de
Información. Geoportal Del Agro Ecuatoriano.
http://geoportal.agricultura.gob.ec/index.php/descarga-ortofotos
Graw, V., Dedring, T., Hiby, R., Jara-Alvear, J., Guzman, P., & Juergens, C. (2022).
Regressive Erosion at River Coca in Northeast Ecuador: Landslide Monitoring
with Sentinel-1 to Support Disaster Risk Management. PFG - Journal of
Photogrammetry, Remote Sensing and Geoinformation Science, 90(5), 457–471.
https://doi.org/10.1007/S41064-022-00221-Z/FIGURES/9
Instituto Nacional de Meteorología e Hidrología. (2022). Anuario Meterológico (p.
500). https://inamhi.wixsite.com/inamhi/novedades
Marin, R. J., Velásquez, M. F., García, E. F., Alvioli, M., & Aristizábal, E. (2021).
Assessing two methods of defining rainfall intensity and duration thresholds for
shallow landslides in data-scarce catchments of the Colombian Andean Mountains.
CATENA, 206, 105563. https://doi.org/10.1016/J.CATENA.2021.105563
Mauricio, J. A. (2007). Introducción al Análisis de Series Temporales.
Mendoza, B., Carretero Poblete, P. A., Loaiza Peñafie, J. M., Peñafiel Barros, G. O.,
Tuaza Castro, L. A., & Osorio Rivera, M. A. (2019). Location of archaeological
elements in the puruha necropolis of payacucha (Rumicruz, Riobamba, Ecuador)
by means of electrical tomography analysis. Arqueologia Iberoamericana, 43.
Mendoza, B., Jiménez, M., Pedro Carretero, P., Hernández, J., Loaiza, J., Brito, D., &
Peñafiel, G. (2022). Mastodon footprints found to be water erosion in the Quebrada
 de Chalán (Licto, Ecuador). F1000Research 2022 11:1239, 11, 1239.
https://doi.org/10.12688/f1000research.123579.1
MINISTERIO DE AGRICULTURA Y GANADERÍA - ECUADOR. (2022). Catálogo
de Datos - Metadatos. Modelo Digital Del Terreno (MDT) de Ecuador.
http://geoportal.agricultura.gob.ec/geonetwork/srv/spa/catalog.search#/metadata/
MDT_SIGTIERRAS_16092016
Moreno, J., Bernal, G., & Espinoza, J. (2018). The Soils of Ecuador. In J. Espinosa, J.
Moreno, & G. Bernal (Eds.), The Soils of Ecuador (p. 25). Springer International
Publishing. https://doi.org/10.1007/978-3-319-25319-0_1
NASA. (2012). ASTER Global Digital Elevation Map.
https://asterweb.jpl.nasa.gov/gdem.asp
NASA. (2022). Earthdata Search | Earthdata Search.
https://search.earthdata.nasa.gov/search/
Pachay, L., García, L., & Zavallos, M. (2021). Determinación de zonas susceptibles
ante movimientos en masa utilizando metodología INSAR, Análisis Morfométrico
y el Índice de Estabilidad (Mohr-Coulomb). Caso: Campus de la Universidad
Técnica de Manabí (Portoviejo, Manabí, Ecuador) - Dialnet. Polo Del
Conocimiento: Revista Científico-Profesional, 6(3), 1776–1798.
https://doi.org/10.23857/pc.v6i3.2471
Psomiadis, E., Tomanis, L., Kavvadias, A., Soulis, K. X., Charizopoulos, N., & Michas,
S. (2021). Potential Dam Breach Analysis and Flood Wave Risk Assessment Using
HEC-RAS and Remote Sensing Data: A Multicriteria Approach. Water 2021, Vol.
13, Page 364, 13(3), 364. https://doi.org/10.3390/W13030364
Puente-Sotomayor, F., Mustafa, A., & Teller, J. (2021). Landslide Susceptibility
Mapping of Urban Areas: Logistic Regression and Sensitivity Analysis applied to
Quito, Ecuador. Geoenvironmental Disasters, 8(1), 1–26.
https://doi.org/10.1186/S40677-021-00184-0/FIGURES/11
SIGTIERRAS. (2022). Fotografía Aérea y Ortofotos. Sistema Nacional de Información
de Tierras Rurales e Infraestructura Tecnológica.
http://www.sigtierras.gob.ec/fotografia-aerea-y-ortofotos/
Song, Z., Song, T., Yang, Y., & Wang, Z. (2019). Spatial–Temporal Characteristics and
Determinants of Digital Divide in China: A Multivariate Spatial Analysis.
Sustainability 2019, Vol. 11, Page 4529, 11(17), 4529.
https://doi.org/10.3390/SU11174529
Soto, J., Palenzuela, J. A., Galve, J. P., Luque, J. A., Azañón, J. M., Tamay, J., &
Irigaray, C. (2017). Estimation of empirical rainfall thresholds for landslide
triggering using partial duration series and their relation with climatic cycles. An
application in southern Ecuador. Bulletin of Engineering Geology and the
Environment 2017 78:3, 78(3), 1971–1987. https://doi.org/10.1007/S10064-017-
1216-Z
USGS. (2018). USGS EROS Archive - Radar - ALOS PALSAR Radar Processing
System. https://www.usgs.gov/centers/eros/science/usgs-eros-archive-radar-alos-
palsar-radar-processing-system#overview
USGS. (2022). EarthExplorer. https://earthexplorer.usgs.gov/
Zárate, B. A., El Hamdouni, R., & Fernández, T. (2021). GNSS and RPAS Integration
Techniques for Studying Landslide Dynamics: Application to the Areas of Victoria
and Colinas Lojanas, (Loja, Ecuador). Remote Sensing 2021, Vol. 13, Page 3496,
13(17), 3496. https://doi.org/10.3390/RS13173496