Manejo y conservación del suelo y agua en los Andes del Sur de Ecuador

TESIS DOCTORAL MANEJO Y CONSERVACIÓN DEL SUELO Y AGUA EN LOS ANDES DEL SUR DE ECUADOR AUTOR: PABLO ALEJANDRO OCHOA CUEVA Directores: Artemi Cerdà (Universitat de València, Departament de Geografía) José Damián Ruiz Sinoga (Universidad de Málaga, Departamento de Geografía) 2015 AUTOR: Pablo Alejandro Ochoa Cueva http://orcid.org/0000-0003-2230-1026 EDITA: Publicaciones y Divulgación Científica. Universidad de Málaga Esta obra está bajo una licencia de Creative Commons Reconocimiento-NoComercialSinObraDerivada 4.0 Internacional: Cualquier parte de esta obra se puede reproducir sin autorización pero con el reconocimiento y atribución de los autores. No se puede hacer uso comercial de la obra y no se puede alterar, transformar o hacer obras derivadas. http://creativecommons.org/licenses/by-nc-nd/4.0/legalcode Esta Tesis Doctoral está depositada en el Repositorio Institucional de la Universidad de Málaga (RIUMA): riuma.uma.es i A mi esposa Cristina, A mis hijos, mis padres y hermanos, Motivos de vida y de superación personal. ii iii AGRADECIMIENTOS Hace unos años atrás inicie este recorrido de experiencias en mis estudios del doctorado, que se han convertido en un continuo aprender, como dice la actual metodología de educación, “la persona debe prepararse para aprender toda la vida”. Quiero agradecer a todas las personas que me han transmitido generosamente su experiencia, debo iniciar agradeciendo a mi Universidad y sus directivos quienes creyeron en mi para asumir este reto, y muy especialmente al Dr. Luís Miguel Romero (ex–Rector) de la Universidad Técnica Particular de Loja, quien nos motivaba continuamente con su mensaje y testimonio de vida a ser cada día mejores personas. Así mismo mencionar a Pilar Montesinos y Juan Antonio Rodríguez quienes me dieron las pautas iniciales en la Universidad de Córdoba – España, en la que obtuve el Diploma de Estudios Avanzados. Agradezco a José Damián Ruíz Sinoga quien me abrió las puertas del Departamento de Geografía y de la Universidad de Málaga para culminar este proceso doctoral, de igual forma al profesor Artemio Cerdà de la Universidad de Valencia, ambos confiaron en mí, y en el plan de investigación a desarrollar desde un país lejano como Ecuador. También un especial agradecimiento a Andreas Fríes, que fue el tutor local de la investigación y a Jan Boll, ambos le dieron el plus requerido para que este trabajo pueda ser de interés para la comunidad científica internacional. Esta tesis fue parcialmente financiada por proyectos de investigación INTRANET_UTPL, AECID – PCI_Iberoamérica (A/024199/09 y A/030571/10), y por la Secretaría Nacional de Educación Superior, Ciencia, Tecnología e Innovación (SENESCYT, beca doctoral 2008-2). iv Finalmente agradecer a mis colegas del Laboratorio de Suelos Agrícolas Juan Ignacio, Leticia, Daniel y Diego; por su apoyo diario, paciencia y ejemplo. Y a las personas e instituciones que fueron mencionadas en la sección de agradecimientos de los artículos científicos que forman parte de esta tesis. Sin duda existen muchas más que no han sido nombradas sin embargo han aportado con sus sugerencias, motivación y apoyo en campo o en gabinete, para que se haya podido dar este paso muy importante para mi vida personal y profesional. A todos mis sinceros agradecimientos, PablO. ÍNDICE v ÍNDICE DE CONTENIDOS RESUMEN ....................................................................................................................... 1 SUMMARY ..................................................................................................................... 3 CAPÍTULO I: ................................................................................................................... 7 1.1. Introducción general .............................................................................................. 7 1.2. Objetivos .............................................................................................................. 13 1.3. Bibliografía .......................................................................................................... 14 CAPÍTULO II: ................................................................................................................ 21 2.1. Descripción general del área de estudio .............................................................. 21 2.1.1. Escala local ................................................................................................... 25 2.1.2. Escala regional ............................................................................................. 32 2.2. Materiales y métodos ........................................................................................... 38 2.2.1. Estado de la cuestión ..................................................................................... 38 2.2.2. Generación de información de línea base para implementar el modelo ....... 55 2.3. Bibliografía .......................................................................................................... 67 CAPÍTULO III: .............................................................................................................. 79 3. El papel de la cobertura vegetal en la generación de sedimentos y calidad de agua de los Andes Ecuatorianos. ......................................................................................... 79 Resumen ...................................................................................................................... 79 3.1. Introducción ......................................................................................................... 80 3.2. Materiales y métodos .......................................................................................... 81 3.2.1. Área de estudio .............................................................................................. 81 3.2.2. Indicadores del Suelo .................................................................................... 81 ÍNDICE xii INDICE DE TABLAS Tabla 1.1. Índices de presión de uso de la tierra, en relación con el manejo del suelo y agua en Sudamérica.. ...................................................................................................... 11 Tabla 2. 1. Área de cuencas tributarias del sistema hidrográfico Catamayo-Chira (Figura 2.4.c). ................................................................................................................. 33 Tabla 2.2. Materiales finos y gruesos de acuerdo a diferentes sistemas de clasificación (Fuente: basado en Cobertera, 1993). ............................................................................. 39 Tabla 2.3. Clases de permeabilidad (USDA, 2000)....................................................... 47 Tabla 2.4. Clasificación de cuencas en relación con la superficie (INEFAN, 1995). ... 56 Tabla 3.1. Regla de decisión de la susceptibilidad a la erosión del suelo, los resultados se describen en la figura 3.1. .......................................................................................... 83 Table 4.1. General conditions of weather stations near the study area (based on 10-year average). ....................................................................................................................... 101 Table 4.2. Maximum and minimum soil parameters (0–20 cm) of 38 points to calculate the K-factor. .................................................................................................................. 102 Table 4.3. C-Factor values and relative proportion of the land-cover class for 1976, 2008 and 2040. ............................................................................................................. 106 Table 5.1. General conditions of weather stations near the study area (based on 23-years average). ....................................................................................................................... 130 Table 5.2. Averages monthly and annual of values of the C-factor according to the land cover types. ................................................................................................................... 150 RESUMEN 1 RESUMEN El manejo y la conservación de los recursos suelo y agua han sido y son motivo de gran preocupación para la sostenibilidad del Planeta en cuanto a la soberanía alimentaria y el desarrollo de la vida en general, esto se remarca en los países en vías de desarrollo que presentan fuertes contrastes, como lo es el Ecuador. Las limitaciones en la recolección de los datos climatológicos, de suelo, cobertura vegetal, entre otros; así como la aplicación de metodologías que se adapten a las realidades locales en cuanto a la medición de parámetros de calidad de agua y suelo, y la estimación de la erosión, motivaron el desarrollo de esta investigación; que inicialmente genera y analiza datos originales, estima con los modelos tradicionales el riesgo de pérdida de suelo, y propone un nuevo modelo para implementarlo en la región. Esto facilitaría la oferta de políticas o estrategias de manejo y conservación de los recursos naturales a diferentes escalas. En el Capítulo I, se hace una introducción general al tema de la tesis en relación al área de estudio, con una revisión del estado de la cuestión con algunos datos de investigaciones previas para la región. Se plantea el estado actual y en relación a este se describe el fin y los objetivos de la investigación. El Capítulo II, describe a detalle el área general de estudio y las zonas específicas, que por motivos de formato y limitaciones de espacio no pudieron ser incluidos en los artículos de los capítulos siguientes. También se describen los materiales y métodos que fueron requeridos para la generación de información de campo y laboratorio, durante el proceso de investigación y desarrollo de la tesis. En el Capítulo III, se describen las primeras relaciones de la cobertura vegetal con algunos parámetros de suelo y agua. Este capítulo describe un acercamiento al tema RESUMEN 2 de investigación tanto de campo como de laboratorio a escala local (7 cuencas). El muestreo del suelo fue sistemático y el del agua uno en la estación seca y otro en la lluviosa. En este apartado se analiza únicamente la erodabilidad y topografía del suelo. El Capítulo IV, estima el riesgo de erosión del suelo causado por el cambio de la cubierta vegetal en un ecosistema de bosque de neblina montano, este análisis es a escala local. Fue modelada para esta zona la Ecuación Universal de Perdida de Suelo Revisada (RUSLE), para entender cómo se desarrolla el proceso erosivo y estimar los posibles escenarios futuros si es que la dinámica del cambio de uso de suelo continuara al ritmo actual. En el Capítulo V, se desarrolla el modelo a escala regional, en una cuenca semiárida con un fuerte gradiente altitudinal y pluviométrico. La cuenca representa un corte transversal del sistema montañoso de los Andes del sur de Ecuador. Aquí se observan grandes diferencias climáticas en distancias relativamente cortas, principalmente con la precipitación, estas diferencias son producto de una topografía accidentada. En este capítulo se propone una metodología con buenas posibilidades de ser utilizada para estimar el riesgo de la erosión del suelo, en regiones con datos escasos. Finalmente, el Capítulo VI contiene la discusión general de la tesis, incluyendo las conclusiones más relevantes. Fue posible analizar la espacio-temporalidad de los procesos erosivos para dos ecosistemas de un gradiente altitudinal y pluviométrico de los Andes. Por lo tanto, consideramos este trabajo útil para emprender investigaciones a mayor detalle y a diferentes escalas de los procesos erosivos del suelo, y así ir entendiendo y midiendo la relación e influencia de los diferentes factores que intervienen en dichos procesos, para proponer alternativas fundamentadas en bien del manejo y conservación del recurso suelo. RESUMEN 3 SUMMARY The management and conservation of soil and water resources have been and are of great concern for the sustainability of the planet in terms of food sovereignty and for the development of life in general; this is more evident in developing countries where strong contrasts are present, which is the case of Ecuador. Limitations in collecting weather, soil, and vegetation cover data, among others; applying methodologies to suit local realities in terms of measuring the water and soil quality parameters; and the estimation of erosion were the motivating factors to carry out this research, which initially generates and analyzes raw data and estimates - with traditional models - soil loss and proposes a new model to be implemented in the region. This will allow to have proposals of management or conservation policies and strategies for natural resources at different scales. In Chapter I, a general introduction of the thesis topic is done, which is related to the study area and includes a review of the state of the art; it also has data from previous research done in the region. Furthermore, the current status is aimed and based on it, the purpose and objectives of the research are described. Chapter II describes in detail the general study area and the specific zones, which - because of format and space limitations - were not included in the articles of the next chapters. Moreover, the materials and methods that were required to gather the field and laboratory information - during the research process to carry out the thesis - are described. In Chapter III, the first relations of the vegetation cover with some parameters of soil and water are described. This chapter also describes an approach towards the study RESUMEN 4 topic in regards to the field and laboratory research at a local scale (7 basins). The soil sampling was systemic and for the water sampling, one was taken in the dry and the other in the rainy season. In this regard, erodibility and soil topography were also analyzed. Chapter IV includes the estimates of soil erosion risk caused by the change of the vegetation cover in an ecosystem of montane fog forest; this analysis is done at a local scale. The Universal Soil Loss Revised (RUSLE) equation was modeled for this zone to understand how the erosion process is developed and estimates possible future scenarios if the dynamics of change in land use continues at the current pace. In Chapter V, a model at regional scale is developed in a semi-arid basin which has a strong altitudinal gradient and rainfall. The basin represents a cross section of the Andes mountain range in southern Ecuador. Here, great climatic differences over relatively short distances are observed, mainly related to precipitation; these differences are the result of a very steep sinuous topography. This chapter also proposes methodology with good possibilities of being used to estimate the risk of soil erosion in regions with limited data. Finally, Chapter VI contains the general discussion of the thesis where the most relevant conclusions are included. It was possible to analyze the spatio-temporality of the erosive processes in two ecosystems with altitudinal gradient and rainfall in the Andes. Therefore, we consider this work useful to undertake research on the erosive processes of soil with more detail and at different scales and thus, being able to understand and measure the relationship and influence of the different factors that affect such processes to propose founded alternatives for the sake of the soil resource management and conservation. CAPÍTULO I: INTRODUCCIÓN GENERAL MANEJO Y CONSERVACIÓN DEL SUELO Y AGUA EN LOS ANDES DEL SUR DE ECUADOR Introducción general 7 CAPÍTULO I: 1.1. Introducción general El tratado de los ciencias del suelo así como las relaciones con sus usos y específicamente el uso agrícola, son los campos de estudio inherentes a la Geografía física y humana respectivamente (Strahler y Strahler, 2006). Los estudios iniciales de las ciencias del suelo estaban enfocados únicamente en aspectos agronómicos y es desde 1980 que se ha intentado cambiar este enfoque a cuestiones ambientales más amplias (Hartemink, 2006; Brevik et al., 2015). El manejo sustentable de los recursos suelo – agua – planta, la incoherente y deficiente capacidad de administrarlos, la soberanía alimentaria, entre otros objetivos, constituyen ser hoy una preocupación global, regional y local, planteada por organizaciones mundiales como la ONU que en el año 2000 propuso los “Objetivos del Milenio” y los dos que afectan directamente a la relación que se estudia en este trabajo son: “Erradicar la pobreza extrema y el hambre” y “Garantizar la sostenibilidad del medio ambiente”. Si bien la ONU formula directrices globales, no se han podido hasta la fecha concertar políticas locales o regionales para algunos países; a pesar de tener relativamente clara la problemática, p.ej. crisis de gestión, falta inclusión del funcionamiento ecosistémico, admisión de la relación suelo – agua – planta como temas centrales frente al cambio climático; y que estas políticas estén en corresponsabilidad entre el Estado y la sociedad en su conjunto. A escala global muchos países que presentan elevada degradación de sus recursos se encuentran con fuertes condiciones climáticas, topográficas y antropológicas como población, economía y socio-cultural (Wilkinson y McElroy, 2007). En países Andinos como Ecuador, se encuentra una enorme diversidad de paisajes relacionados Capítulo I 8 con la cobertura vegetal y el uso del suelo; producto de las variaciones a distancias cortas de la topografía, clima, suelos, entre otros (Baquero et al., 2004; Pineda et al., 2013). La joven y aún en construcción zona montañosa de los Andes posee toda una gama de gradientes de inclinación y altitudes desde las tierras bajas (costas) hasta los 6000 m s.n.m (Figura 1.1). Con climas muy variados que van desde el tropical, subtemplado hasta el frio en las zonas altas de montaña; y precipitación desde los 400mm hasta más de 4000mm anuales (De Koning et al., 1997; Emck, 2007). Figura 1.1. Depresión de los Andes en el Sur de Ecuador (Emck, 2007 en Fries, 2012). La precipitación es el principal factor que produce la degradación del suelo, pero a su vez es el recurso agua es el que resulta mayormente afectado por dicha degradación porque disminuye su disponibilidad en calidad y cantidad; esto a escala de UPA´s (Unidades de Producción Agropecuarias), localmente o a escala regional de grandes cuencas hidrográficas, consecuentemente su desabastecimiento para consumo agrícola, urbano o industrial (Pla, 2006). La erosión hídrica es el resultado de la separación y el transporte de los Introducción general 9 materiales del suelo por efecto erosivo del agua, que hoy en día se produce de forma natural como parte de la evolución geológica del paisaje o debido a la intervención de los seres humanos en el medio ambiente (Morgan, 2005). Este proceso geomorfológico continuo de degradación del suelo, ha sido poco estudiado en los Andes ecuatorianos (Harden, 1988; Vanacker et al., 2007; Tote et al., 2011). Probablemente porque en el Ecuador como en muchas regiones tropicales y sub-tropicales del mundo, los datos del suelo, cobertura vegetal y su manejo, recopilación de datos climáticos, entre otros; no están del todo disponibles (Figura 1.2). Esta es también una limitante de los Andes del sur de Ecuador para hacer análisis e implementación de modelos de erosión sobre el uso actual o potencial del suelo, así como también para proponer planes efectivos de control y manejo del suelo y agua. Favorablemente, algunos avances en teledetección (sensores remotos) y uso de los sistemas de información geográfica (SIG) vienen ayudando para disminuir esta deficiencia y poder proponer análisis y metodologías espacio-temporales con los escasos datos disponibles in situ (USDA, 2002; Ochoa et al., 2014). Figura 1.2. Vulnerabilidad a la erosión hídrica en los Andes y Ecuador (USDA, 2002) Capítulo I 16 precipitation estimates and WRF retrospective precipitation simulation over the Pacific–Andean region of Ecuador and Peru. Hydrol. Earth Syst. Sci. 18, 3179–3193. Pineda, L., Ntegeka, V., Willems, P., 2013. Rainfall variability related to sea surface temperature anomalies in a Pacific–Andean basin into Ecuador and Peru. Adv. Geosci. 33, 53–62. Pla, I., 2006. Problemas de degradación de suelos en América Latina: Evaluación de causas y efectos. Sociedad Ecuatoriana de la Ciencia del Suelo. Guayaquil, Ecuador. Primack, R., Rozzi, R., Feinsinger, P., Massardo, F., Dirzo, R., 2001. Fundamentos de conservación biológica. Perspectivas Latinoamericanas. 1era. Ed. México. Fondo de Cultura Económica.797pp. Renard, K.G., Foster, G.R., Weesies, G.A., McCool, D.K., Yoder, D.C., 1997. Predicting soil erosion by water: a guide to conservation planning with the Revised Universal Soil Loss Equation. USDA Agriculture Handbook, No. 703. 404pp. Southgate, D., y Runge C.F., 1990. The institutional origins of deforestation in Latin America. University of Minnesota, Department of Agriculture and Applied Economics Staff paper no P90-5 St Paul, MN: University of Minnesota. Stocking, M., 1981. A working model for the estimation of soil loss suitable for underdevelopment areas, Development Studies Occasional Paper No. 15, University of East Anglia, UK. Strahler, A.N., Strahler, A., 2006. Introducing Physical Geography, 4th ed., John Wiley & Sons, Inc. 728pp. Tote, C., et al., 2011. Effect of ENSO events on sediment production in a large coastal basin in northern Peru. Earth Surf. Processes Landforms. 36, 1776–1788. Introducción general 17 USDA, 2002. World map of water erosion vulnerability - (South America). 1:100.000.000. World soil resources, Soil Survey Division / Natural Resources Conservation Service / U.S. Department of Agriculture. Washington D.C. Vanacker, V., et al., 2003. The impact of environmental change on the intensity and spatial pattern of water erosion in a semi-arid mountainous Andean environment. Catena. 51, 329–347. Vanacker, V., et al., 2007. Restoring dense vegetation can slow mountain erosion to near natural benchmark levels. Geology. 35, 303-306. Werner, F.A., Homeier, J., Gradstein, S.R., 2005. Diversity of vascular epiphytes on isolated remnant trees in the montane forest belt of southern Ecuador. Ecotropica. 11, 21–40. Wilkinson, B.H. y McElroy, B.J., 2007. The impact of human on continental erosion and sedimentation. GSA Bulletin.119, 140-156. World Resources Institute (WRI) in collaboration with United Nations Development Programme, and World Bank, 2005. World Resources 2005: The Wealth of the Poor—Managing Ecosystems to Fight Poverty. Washington, DC. CAPÍTULO II: MATERIALES Y MÉTODOS MANEJO Y CONSERVACIÓN DEL SUELO Y AGUA EN LOS ANDES DEL SUR DE ECUADOR Características generales del área de estudio 21 CAPÍTULO II: 2.1. Descripción general del área de estudio El Ecuador se encuentra al norte de Sudamérica, ubicado en la zona tropical andina, ligada estrechamente con la latitud y longitud y el factor de radiación solar. Está atravesado de norte a sur por la cordillera de los Andes (690 km aprox., desde la frontera con Colombia al norte hasta sus límites con el Perú) y constantemente influenciado por las corrientes marinas (cálida de “El Niño” y fría de Humboldt); también por los vientos Alisios establecidos en la parte media y alta de la Tropósfera. Figura 2.1. Climo-secuencia Andina - área de estudio de la tesis (Fuente: M. Richter, 2003). La provincia de Loja es la más austral del Ecuador y una de las tres provincias con mayor amenaza de procesos erosivos (entre el 55 y 75% de su territorio) y riesgos Capítulo II 22 de desertificación y sequía (MAE, 2002). Los recursos naturales renovables de la provincia de Loja se encuentran en un estado de degradación muy avanzado, producto de la alteración de sus ecosistemas. La causa principal es la acción antrópica sobre el suelo, la cobertura vegetal y la calidad y cantidad del agua. La figura 2.1, describe el área general de estudio, que se encuentra en la provincia de Loja que tiene una superficie aproximada de 10.790 km2, equivalente al 4% de toda la superficie del país. En el área general de estudio se observa una diversidad de climas en distancias cortas (40 km) desde el clima árido con cerca de 400mm/año, al hiper-húmedo con más de 4000mm/año (De Koning et al., 1997); esto producto de las condiciones geomorfológicas y climáticas descritas anteriormente para todo el país. Los Andes ecuatorianos son la región más poblada del país, lo que causa mucha presión sobre los ecosistemas naturales. Sin embargo, se encuentra una flora única y rica en especies en una gran variedad de zonas de vida y ecosistemas determinados por su topografía inclinada y su gran rango altitudinal y latitudinal. En la provincia de Loja encontramos dos zonas de vida fuertemente amenazadas por deforestación y cambio de uso del suelo el Bosque de neblina montano y el Bosque seco tropical. La tala de la cobertura vegetal disminuye la capacidad de protección del bosque y afecta en las fases del ciclo hidrológico; también prácticas agrícolas como: el arado y riego por superficie en dirección de la pendiente, sobrepastoreo, quema de los residuos de las cosechas (rastrojos); con el propósito de tener más área para cultivos o para ganadería. En términos generales la Geología de la provincia de Loja se conforma de: a) rocas metamórficas, localizadas al Noroeste y al Este de la provincia, constituyendo el basamento rocoso; estas rocas datan de la Era Paleozóica, b) rocas de origen magmático, efusivas y tipo Flysch de la era Cretácica, c) al este rocas de origen Características generales del área de estudio 23 sedimentario, que han rellenado las depresiones de Loja y Malacatos, de la era Terciaria, d) rocas volcano-sedimentarias, localizadas al noreste de la provincia de la era Cuaternaria; y, e) rocas de origen magmático intrusivas (granitos, granodioritas) que se localizan en toda la provincia y que han intruido a las rocas paleozóicas, cretácicas y terciarias (Kennerley y Almeida, 1975). En la geomorfología de la provincia de Loja comprenden los Grandes Paisajes, que se han definido de acuerdo a su génesis, topografía, litología, hidrología, vegetación así como los procesos dinámicos que han modelado estas formas. En el área de estudio estos grandes paisajes de acuerdo a su origen son: Modelado Glacial, Estructural Fluvio-Erosional, Estructural Denudativo, y Fluvial Acumulativo.  Modelado Glacial.- la parte alta de la Sierra o Páramo, posee sus características particulares, localizada arriba de los 3000m s.n.m. Se define la forma del relieve, labrado por la excavación de los glaciares, o construido por los depósitos ligados a ellos. Estas huellas bien marcadas producidas en el Pleistoceno indican que en esa época estuvieron cubiertos por glaciares y nieve.  Estructural Fluvio-Erosional.- Este sistema montañoso estructural en el área de estudio muestra sus propias características; topográficamente forma parte de diversas ramificaciones montañosas influenciadas estructuralmente. En ésta área encontramos los siguientes ramales montañosos principales; la cordillera Real con dirección N-S, la cordillera de Chontacruz, que forma parte de nudo de Cajanuma, y encierra junto a la cordillera occidental (Villonaco) a la ciudad de Loja. Estas ramificaciones montañosas están entre los 2500m a 3600m s.n.m. presentando un relieve montañoso muy accidentado con pendientes dominantes entre el 30 y 50%. Se encuentra estructuralmente influenciado por fallas regionales y desarrollado en un clima desde frío a templado-húmedo, cubierto generalmente con una Capítulo II 30 c) Bosque siempre verde montano alto (Bsvma) Foto 2.3. Zonas de vida del área de estudio a escala local (Fuente: El autor) Estas zonas de vida representan a los tipos de cobertura vegetal natural de las cuencas de estudio, que se encuentren fuertemente alteradas por actividades antrópicas que son analizadas en los capítulos III y IV de la tesis. Las coberturas generadas por acción antrópica son ilustradas a continuación en la foto 2.4. a) Sucesión.- refiere a las zonas de transición entre una cobertura natural y un uso antrópico (pastos o pino). En esta zona se han desarrollado especies “pioneras” como la Llashipa (Pteridium sp.) o Chusquea sp. Crecen con facilidad luego de una roza o incendio del bosque. b) Plantación de Pino (Pinus patula). Una de las especies exóticas utilizadas para reforestar estas cuencas luego del fuerte proceso de deforestación que se produjo desde la década de 1950. Características generales del área de estudio 31 c) Pastizales.- Kikuyo (Pennisetum sp.), es el tipo de pasto que crece en esta área local de estudio. El uso pecuario predomina al agrícola, que solo se observa en las cuencas para el autoconsumo (minifundio). Foto 2.4. Coberturas antrópicas del suelo del área de estudio a escala local (Fuente: El autor) Las actividades económico-productivas de los habitantes de estas cuencas son, ganadería en un 35%, agricultura 27%, construcción 11%, comercio 8% y actividades varias 19%. Siendo la ganadería y la agricultura las que predominan en las estas comunidades. El ganado bovino está destinado principalmente para la producción lechera; también se crían porcinos y aves en sitios puntuales de las cuencas, las familias que no se dedican a estas actividades son principalmente por falta de dinero (46%), por escaso asesoramiento técnico (19%), por falta de superficie de terreno (12%), y otras manifiestan que no tienen limitaciones ni desean implementar estas actividades (23%). En la producción agrícola existen policultivos o cultivos asociados de maíz, fréjol, papa, arveja, hortalizas varias y algunas frutas como el tomate de árbol (Solanum betaceum Cav.) y el babaco (Carica pentagona) originarios de la zona. Esta producción en minifundios, es para consumo familiar, y cuando hay excedentes se los comercializa en los mercados de la ciudad (NCI-GCA, 2006). La infraestructura con que cuentan algunas cuencas como la San Simón y El Carmen, son servicios de agua entubada, alumbrado público, luz eléctrica domiciliar, vías de tercer orden (lastradas), casa comunal, capilla, escuela pública y privada. Capítulo II 32 2.1.2. Escala regional A escala regional el estudio fue desarrollado en la cuenca hidrográfica Catamayo, que está localizada entre los 3°39´S y 4°31´S (latitud), 79°05´W y 80°11´W (longitud) al centro de la provincia de Loja, sur de Ecuador, junto al límite con Perú (Figura 2.4). Figura 2.4. (a) Mapa de la Cuenca Catamayo a escala regional, (b) Cuencas hidrográficas del Ecuador, (c) Cuencas tributarias de la Catamayo – Chira. Fuente: a) y c) Proyecto Catamayo-Chira, b) INAMHI - Estaciones meteorológicas por cuencas. La cuenca Catamayo es la principal tributaria del sistema hidrográfico transfronterizo entre Ecuador y Perú, denominado Catamayo – Chira (Tabla 2.1); mismo que drena sus aguas en el Océano Pacífico (Tote et al., 2011). El promedio anual de flujo de agua del Río Catamayo es de 35m3/s, pero en época de estiaje podría disminuir a 22m3/s (Oñate-Valdivieso and Bosque, 2010). La cuenca, abastece de agua Características generales del área de estudio 33 para el consumo humano a la población del sur del Ecuador y norte del Perú, pero principalmente sus aguas son utilizadas para el riego en valles aluviales de la provincia de Loja en los que se produce principalmente caña de azúcar, maíz y arroz, y en menor proporción algunas frutas tropicales. Tabla 2.1. Área de cuencas tributarias del sistema hidrográfico Catamayo-Chira (Figura 2.4.c). Nombre Área (km2) (%) Cuenca Alamor 1190.27 6.92 Cuenca Catamayo 4184.26 24.61 Cuenca Chipillico 1170.92 6.81 Cuenca Macará 2833.29 16.47 Cuenca Quiróz 3108.76 18.08 Subsistema Chira 4511.89 26.53 Sistema Catamayo-Chira 17001.39 100 La geomorfología del área de estudio es bastante particular, hay un cambio brusco en la organización del paisaje. Lo que se venía observando desde la frontera con Colombia; es decir, las dos cordilleras bien diferenciadas Oriental y Occidental, desaparece por completo en la provincia de Loja desde su extremo Noroeste; sufren una gran depresión desde los Ríos León y Jubones, hasta la entrada del rio San Lucas, que conduce hasta la ciudad de Loja. La cordillera Oriental o Real es la única línea continua de relieve en la prolongación a la del Centro-Norte del país. Sus rangos altitudinales para el área de estudio van desde los 2800m hasta los 3791m s.n.m., al Sur ya en las proximidades con el Perú. Mientras que las alturas del relieve occidental disminuyen en dirección oeste y noroeste, en principio esta disposición de formas es confusa con relieves sin orientación preferencial, separados por valles con cambios de dirección en su orientación (Winckell et al., 1997a). Se estima que entre los 900 y 3000m s.n.m. (10% territorio del país) crecen cerca de la mitad de todas las especies de plantas Capítulo II 34 ecuatorianas (Balslev, 1988, citado por Baquero et al., 2004). A escala de paisaje el área regional de estudio describe principalmente relieves montañosos, colinados y ondulados (Foto 2.4). Foto 2.4. Principales relieves del área de estudio (a) montañosos, (b) colinados, y c) ondulados (Fuente: El autor). Los relieves montañosos se clasifican en un rango de pendiente mayor al 30% y representan el 60% del área total, esto es debido a la especial distribución de la cadena montañosa de los Andes en la provincia de Loja. Las áreas colinadas, con pendientes a) b) c) Características generales del área de estudio 35 que van desde 15% a 30%, estas áreas representan un 26%, principalmente en el oeste de la cuenca Catamayo, específicamente en parte del cantón Loja, Catamayo y el sector el Lucero. Finalmente la geomorfología ondulada que tendría pendientes desde 1 al 14%, representando pendientes planas e inclinadas; con un área aproximada del 14% del total del área de estudio (INERHI-PREDESUR-CONADE, 1994). Los últimos procesos superficiales asociaron el escurrimiento difuso en capa y los aportes coluviales que provocaron, en las partes bajas, la acumulación de los depósitos arrancados a las vertientes, bajo forma de glacis de esparcimiento a ambos lados de las arterias mayores (Foto 2.5). Restituyen una antigua topografía, más elevada de por lo menos unos 100 m por encima de la red hidrográfica actual. Foto 2.5. Desprendimientos y depósitos coluvio-aluviales en la cuenca Catamayo (Fuente: El autor). En el sur del Ecuador están las lavas más ácidas (riolítica y dacítica), de composición andesítica y riolítica en la cordillera occidental. Lo que ha favorecido el desarrollo de suelos fersialíticos (rojo-amarillentos) que se observan actualmente en muchas áreas de la zona de estudio; y más aún el principio de ferruginización que los afecta, manifiesta la existencia de estaciones climáticas alternadas bien marcadas, es decir con periodos secos y luego lluviosos. La variedad de climas es una de las características de los Andes ecuatorianos. La temperatura tiene una fuerte relación con la altitud, y normalmente se presenta una Capítulo II 36 disminución aproximada de 0,6 °C por cada 100 m de ascenso. Las temperaturas medias anuales en el área de estudio van desde los 25°C, hasta los 7°C en las partes altas en altitudes superiores a los 3200m s.n.m. En el ámbito socio - económico del área regional de estudio se practican tres sistemas de tecnología agrícola entre los cuáles tenemos: el tradicional, el tradicional mejorado y el semi-tecnificado. El calendario de cultivos cambia de una zona de producción a otra (por cantón); pero por lo general se enmarcan dentro de la época de inicio de la temporada de lluvias que empieza en noviembre, diciembre o enero y termina desde el mes de mayo y junio (estas variaciones dependen del año, en ocasiones se adelantan las lluvias, cuando eso sucede terminan así mismo antes). Dentro de las prácticas pre-culturales del suelo está la preparación de la tierra, la práctica más generalizada es la roza y quema, en menor proporción el arado tirado por “yunta” (tracción animal) y para los valles y zonas planas utilizan máquina ya que la topografía del terreno así lo permite. Las prácticas culturales de deshierbas con herramientas manuales donde es muy común el uso de la mano de obra familiar, y dependerá de la extensión sembrada para que se contrate mano de obra externa, para esta actividad y para la cosecha. La presencia de plagas y enfermedades a los cultivos es cada vez mayor por lo que los campesinos se ven obligados a utilizar agroquímicos para no perder la producción; en los cultivos semi-tecnificados como el maíz también se utilizan los agroquímicos para controlar las malas hierbas; y para la producción de maíz en las sitios de secano de la provincia de Loja, se utilizan técnicas de cultivo tradicionales. El arroz en Macará y la caña de azúcar el valle de Catamayo podríamos decir que son los únicos cultivos que se manejan con un sistema tecnificado, porque sus productores emplean tecnología contemporánea, uso de máquinas, sistema de riego, aplicación de fertilizantes, control Características generales del área de estudio 37 Fito-sanitario, entre otras (Erazo y Martínez, 2004). En función a la superficie de cultivo y en relación con la temporada lluviosa de la cuenca, el maíz es el cultivo más importante; seguido de la caña de azúcar que está presente en algunos valles como Vilcabamba, Malacatos, Quinara y Catamayo; y finalmente el cultivo del arroz, el cual se encuentra en todas el cantón Macará y pequeñas zonas de Zapotillo (Proyecto Catamayo-Chira, 2005). La mayor contaminación de los suelos podríamos relacionarla con el uso de agroquímicos en las áreas agrícolas. Capítulo II 38 2.2. Materiales y métodos Para describir este apartado se procederá a hacer una descripción general principalmente de los elementos en el ecosistema que están directamente relacionados con el abordaje de esta investigación. Iniciamos describiendo el estado de la cuestión y luego cómo se generó la información de línea base necesaria para la propuesta general de investigación y finalmente la construcción de la propuesta metodológica. 2.2.1. Estado de la cuestión A pesar de que en cada capítulo de esta tesis se hace una descripción del estado de la cuestión, en función a las condiciones mismas de cada zona a investigar; y para no redundar se ha descrito en este apartado una pequeña introducción a los conceptos o principios básicos y algunos modelos para estimar la erosión hídrica en el suelo, así como el proceso del muestro in situ (trabajo de campo), así como el tratamiento de las muestras en el laboratorio. El Suelo Según Plaster (2009), el suelo es un conjunto de cuerpos naturales de la superficie terrestre que contienen materia viva, capaz de soportar el crecimiento de las plantas. Jordán (2006), lo considera como un sistema disperso de tres fases (sólida, líquida y gaseoda). Sullivan (2007), lo describe con cuatro componentes básicos: minerales, aire, agua y materia orgánica. En un suelo típico los minerales representan alrededor de 45% del volumen total, el agua y aire cerca de 25% del espacio poroso cada uno; estas proporciones de agua y aire están en constante variación, y la materia orgánica entre 2% y 5%. Materiales y métodos 39 Características físico-químicas del suelo relacionadas con la Erodabilidad.  La textura del suelo; hace referencia a la composición granulométrica de la fracción mineral del suelo. La textura del suelo determina la proporción de tres tamaños de partículas de suelo: arena, limo y arcilla; considerada propiedad fundamental porque influye sobre las otras propiedades edáficas como: capacidad de retención hídrica y conductividad hidráulica (Jordán, 2006), cantidad de agua disponible para las plantas, infiltración y circulación del agua, laboreo, erosión hídrica o almacenamiento de nutrientes (Porta et al., 1999). El tamaño de la partícula afecta a dos importantes características del suelo: a la superficie interna y al número y tamaño de los espacios de poros. Tabla 2.2. Materiales finos y gruesos de acuerdo a diferentes sistemas de clasificación (Fuente: basado en Cobertera, 1993). La superficie interna de un suelo, es el total de la superficie de todas las partículas Capítulo II 46 Figura 2.6. Movimiento del agua a través de texturas a) granular, b) bloques subangulares, c) prismática, d) laminar (USDA, 2000). En consecuencia la capacidad de infiltración como de almacenamiento de agua depende de su porosidad y estructura, y su movimiento depende de la disposición u organización textural como lo describe la figura 2.7.  Permeabilidad del suelo, la permeabilidad es la facilidad con que el aire, el agua o las raíces se mueven a través del suelo (Plaster, 2009). Si bien la permeabilidad es una propiedad del suelo que no puede medirse directamente, pero si se puede medir el movimiento del agua (conductividad hidráulica) en función de la velocidad de flujo de agua a través del suelo durante un periodo de tiempo determinado (USDA, 1999). La conductividad hidráulica saturada está influenciada por la textura, estructura (Figura 2.7), densidad aparente y porosidad (número de poros, tamaño y continuidad). Y la conductividad hidráulica no saturada se presenta en suelos en los que existen procesos de humectación y desecación. Generalmente se expresa como una tasa de permeabilidad (cm.hr-1), y como lo describe la tabla 2.3., se la puede relacionar con la conductividad hidráulica del suelo. a) b) c) d) Materiales y métodos 47 Tabla 2.3. Clases de permeabilidad (USDA, 2000). Clases Tasa de Infiltración (cm.hr-1) Impermeable < 0.0015 Muy Lento 0.0015-0.06 Lento 0.06-0.2 Moderadamente lento 0.2-0.6 Moderado 0.6-2.0 Moderadamente rápido 2.0-6.0 Rápido 6.0-20 Muy rápido >20 Erosión del Suelo Los procesos erosivos de rotura o separación, transporte y sedimentación o depósito, se han venido produciendo desde hace cientos o miles de años (D´Odorico et al., 2001), incluso antes de la aparición del ser humano sobre estos ecosistemas Andinos aún en construcción. La erosión hídrica es parte de la evolución del paisaje que tenemos actualmente; pero se ha visto incrementada en algunas regiones por la presión de las actividades antropogénicas sobre estos ecosistemas naturales (Morgan, 2005). Uno de los primeros modelos sencillos del proceso de la erosión hídrica fue propuesto por Meyer y Wischmeyer (1969), que se muestra la figura 2.8. El impacto de las gotas de lluvia al caer sobre el suelo se lo conoce como erosión por “salpicadura”, que es el esfuerzo físico de compresión y corte del agua, que supera a la fuerza intersticial que sostiene a los agregados del suelo juntos (Foto 2.6); a estas partículas individuales desprendidas del suelo también se las conoce como sedimentos (Thornes, 1990). Capítulo II 48 Foto 2.6. Secuencia de fotogramas de impacto de gota de agua sobre arena seca (Furbish et al., 2007). Cuando la capacidad de desprendimiento (“Arranque” en la Figura 2.7), del suelo es menor a la capacidad de transporte (como sucede en el caso de algunas arcillas), decimos que la erosión del suelo está limitada por su capacidad de desprendimiento (Van Rompaey et al., 2003); y al contrario cuando la capacidad de desprendimiento es mayor a la de transporte como en las arenas (Harmon y Doe, 2001), decimos que la cantidad y magnitud de la erosión está limitada por su capacidad de transporte. Materiales y métodos 49 Figura 2.7. Modelo conceptual de erosión de suelo en laderas (Meyer y Wischmeier, 1969). A medida que las precipitaciones continúan el agua puede o infiltrarse a través del suelo o a su vez empezar a acumularse si la superficie es plana o escurrirse en una superficie inclinada o con cierta pendiente. La distribución espacial de la humedad del suelo es considerada una variable clave para determinar los patrones del suelo que influyen en los procesos de escorrentía (Zehe et al., 2005). Esta capacidad del suelo para permitir la infiltración dependerá principalmente de parámetros físicos del suelo, su permeabilidad (Ley de Darcy), así como del uso y manejo que se le esté dando a ese suelo. La disponibilidad de agua en el suelo, es un factor limitante para el crecimiento de las plantas, principalmente para los ecosistemas semiáridos, en los que se ve reflejado en su distribución espacial y estructura; que describe un patrón espacial de la infiltración y escorrentía; así como de la altitud y topografía (Wilcox et al., 2003). Lamentablemente, este patrón espacial de la humedad del suelo y su dinámica es difícil de observarlo directamente, y por lo tanto muy difícil de modelar. Capítulo II 50 A escala de cuenca hidrográfica este flujo superficial del agua (“runnoff”), es diferente para el área de cabecera que en la parte baja de la misma, esto se debe a que la parte alta recepta el agua de todas las direcciones, y al irse acumulando provoca un flujo preferencial que está influenciado por la forma del relieve, lo que a su vez favorece la formación de canales de poca profundidad denominados “regueros”. A medida que el poder erosivo aumenta, estos regueros pueden favorecer la formación de un canal de mayor superficie y profundidad denominado “cárcavas” o “barrancos” (Poesen et al., 2003). Al momento en que la trayectoria del flujo de agua disminuye su velocidad, ya sea por cambio de pendiente, por el uso o manejo del suelo, entre otras; las partículas se depositan ya que el flujo de agua no puede continuar arrastrando todo el sedimento. En las cuencas Andinas descritas este mismo capítulo en los apartados de la sección 2.1., la producción de sedimentos incluye la erosión en regueros, canales y movimientos en masa conocidos como deslizamientos (Foto 2.3.a), pero no todo el sedimento desprendido va directamente a los ríos, parte se deposita en zonas colinadas y planas de la cuenca baja, antes de llegar al río (Foto 2.3. b y c). Existe diferencia entre el desplazamiento del material más pesado, que rueda, salta, o se desliza, del más fino que es empujado por las partículas del fluido mientras está en suspensión. Al caudal sólido de las partículas pesadas se le conoce como carga de fondo, mientras que al de las finas se denomina carga suspendida, así como su suma es la carga total. Suárez-Díaz (2001), describe el proceso de erosión y depósito en laderas en la figura 2.9. El depósito de los sedimentos se produce cuando la capacidad de transporte del flujo superficial es menor que la velocidad de sedimentación de las partículas, debido a la fuerza de gravedad; si bien estas partículas se depositan libremente, también pueden ser fácilmente removidas nuevamente por el impacto de las gotas de lluvia. Pendiente abajo la velocidad de flujo podría aumentar más eficientemente en laderas Materiales y métodos 51 pronunciadas, ya que a medida que aumenta la superficie de la pendiente, disminuye la velocidad de desprendimiento del suelo. Figura 2.8. Representación esquemática de la erosión y depósito sobre superficies inclinadas (Suárez Díaz, 2001). La “erosión de cauces”, consiste en la eliminación directa de los sedimentos de cualquiera de las riberas de los ríos (erosión de flujo lateral o en eventos de inundación), o en el lecho mismo de los ríos. Los sedimentos también pueden ingresar en la corriente debido a los hundimientos en las riberas, socavadas por el flujo de canal. La mayoría de estos tipos de erosión descritos no se producen de forma aislada, sino más bien simultáneamente, y esto está influenciado principalmente por la forma del paisaje así como por las características de las precipitaciones. Desafortunadamente, gran parte de los modelos de erosión hídrica tienden a predecir uno solo de estos tipos de erosión descritos, p.e., escorrentía, regueros, canales (Summer et al., 1998). Y el rendimiento total de una cuenca hidrográfica es la suma de todos los tipos de erosión presentes en la misma (Rustomji y Prosser, 2001). Un factor muy importante que interviene en los procesos de erosión es sin duda la cobertura vegetal, principalmente porque influye en la regulación del ciclo hidrológico. Entender cómo es la interacción planta-suelo puede ser muy útil al Capítulo II 52 momento de proponer estrategias de manejo o conservación del suelo para evitar su riesgo de degradación (Zalewski, 2000). Aunque el proceso de erosión es complejo, es posible caracterizar los principales factores que intervienen con algunos modelos. Un modelo de erosión pretende entender las leyes físicas y los elementos del paisaje, así como la escorrentía con el material parental del suelo. El modelo traduce estos factores en relaciones matemáticas y lo expone en los procesos de erosión hídrica fundamentales de desprendimiento, transporte y deposición (Jetten el al., 2003). De acuerdo a la clasificación propuesta en Morgan (2005), tenemos tres tipos o categorías de modelos que destacar los de base física, los conceptuales y los empíricos. Los modelos físicos; no surgieron hasta la década de 1970 y se basan en el análisis físico de los procesos de erosión y transporte de los sedimentos, utilizando ecuaciones que describen la transferencia de masa, cantidad de movimiento y energía. Ya que sus parámetros tienen comprensión física, se los puede cuantificar directamente, sin necesidad de recurrir a registros largos hidrometeorológicos (Smith et al., 1999). Algunos ejemplos de modelos de base física son el ANSWERS - Aereal Non Point Source Watershed Environment Response Simulation, propuesto por (Beasley et al., 1989); CREAMS – Chemicals, Runoff and Erosion from Agriculture Management Systems (Knisel, 1995); el WEPP – Water Erosion Prediction Proyect (Nearing et al, 1989); y uno más reciente el SWAT – Soil and Water Assessment Tool (Arnold y Foster, 2005). A pesar de que estas ecuaciones se han formulado para tener como entrada datos espacio-temporales continuos, en la práctica suelen utilizarse datos de fuentes puntuales para representar la superficie de una cuenca por ejemplo (Saavedra, 2005); estos parámetros calculados en micro-escala no pueden extrapolarse a macroescala, porque pierden su justificación por la variabilidad en los factores. Materiales y métodos 53 Los modelos conceptuales; estos modelos reflejan los procesos físicos que rigen el sistema, pero son descritos con relaciones empíricas, usando sistemas mecánicos o eléctricos análogos al sistema bajo investigación. Estos modelos representan a una cuenca como una serie de almacenes internos y por lo general lineales (Sivapalan et al., 2002); y tienden a incluir una descripción general de los procesos a escala de cuenca, sin incluir detalles específicos de las interacciones de procesos complejos. Lo que favorece a estos modelos para explicar efectos cualitativos o cuantitativos del cambio de uso del suelo, por ejemplo; sin necesidad de muchos datos espacio-temporales de entrada. Una alternativa es usar modelos conceptuales agrupados, es decir que puedan ser aplicados de una manera semi-distribuida al desagregar una cuenca en subcuencas en las que se aplica el modelo (Flanagan y Nearing, 1995; Arnold y Fohrer, 2005). Los valores para utilizar en estos modelos conceptuales, pueden obtenerse normalmente a través de la calibración con los datos observados, como la medición de la concentración de descargas de corriente y sedimentos (Zhou y Liu, 2002). Por esta medición de datos observados estos modelos suelen sufrir problemas de identificación de los valores de los parámetros; sin embargo el papel de estos modelos es cumplir un rol intermedio entre los modelos con base física y los empíricos. Los modelos empíricos; son considerados modelos sencillos, que se basan principalmente en el análisis de los experimentos de campo y buscan caracterizar la respuesta de las parcelas de erosión utilizando inferencia estadística. La rigurosidad en los datos así como los requisitos computacionales suelen ser menores que los otros dos tipos de modelos. Estos modelos por lo general tienen una alta agregación espaciotemporal, y se basan en el análisis de los procesos de erosión utilizando técnicas estadísticas. Suelen ser muy utilizados como la etapa inicial para identificar posibles fuentes de sedimentos. Estos modelos suelen criticarse por emplear suposiciones sobre Capítulo II 54 la física del sistema de la cuenca, o por ignorar la heterogeneidad característica de los datos de entrada de las mismas, por ejemplo el tipo de precipitación o de suelo, o por ignorar linealidades inherentes a un sistema de captación (Foster, 1996). A pesar que alguna de estas críticas podrían aceptarse como válidas, existen muchas regiones del Planeta que no disponen de datos suficientes para poder aplicar los modelos de base física o los modelos conceptuales, por ejemplo una red de estaciones meteorológicas, la fuerte heterogeneidad espacial de los suelos, insuficiente información espacial sobre el uso y manejo del suelo, entre otros; en los que modelos más flexibles como los empíricos son la mejor alternativa para ser aplicados, y suelen ser un paso muy útil para detectar las causas y fuentes de sedimentos (Lu et al., 2004). Por la rigidez en los datos de entrada el uso de estos modelos podría limitar el potencial para predecir efectos de cambios en las cuencas, y al mismo tiempo resulta difícil modelar procesos de precipitación-escorrentía por su baja sensibilidad al cambio (Kandel et al., 2004). Como se ha descrito, los modelos de erosión de suelo utilizan expresiones matemáticas, para presentar las relaciones entre los diversos factores y procesos que ocurren. Los factores que intervienen en casi todos los modelos son la topografía, el clima, las propiedades del suelo, la cobertura vegetal y el uso y manejo del suelo. Estos parámetros fueron descritos en la famosa Ecuación Universal de Pérdida del Suelo (USLE) propuesta por Wischmeier y Smith (1978). A partir de este modelo se han derivado algunas versiones de modelos. Merrit et al. (2003), hace una amplia revisión de modelos, usos y desempeño. En esta descripción general mencionaremos a tres que se relaciones en función al área geográfica en que fueron desarrollados (continentes) p.e., SLEMSA, Modelo de estimación de la pérdida de suelo para el sur de África (Stocking, 1981); EuroSEM, Modelo de erosión de Suelo Europeo (Morgan et al., Materiales y métodos 55 1998); RUSLE, que es una revisión de la ecuación universal de pérdida del suelo (USLE), propuesta por (Renard et al., 1997). El modelo RUSLE, fue elegido para estimar el riesgo de erosión del suelo a escala local en la zona de estudio, por ser un modelo que se puede adaptar a sitios con información escasa que en nuestro caso las principales limitantes fueron el clima y el suelo. La ecuación universal de perdida de suelo propuesta por Renard et al. (1997) es la siguiente: 𝐴(𝑥,𝑦) = 𝑅(𝑥,𝑦) 𝐾(𝑥,𝑦) 𝐿𝑆(𝑥,𝑦) 𝐶(𝑥,𝑦) 𝑃(𝑥,𝑦) (2.1) Dónde: A es el promedio anual de riesgo de erosión del suelo por unidad de área (Mg ha-1 yr-1), R es el factor de erosividad provocado por las lluvias (MJ mm ha-1 h-1 yr-1), K es el factor de erodabilidad del suelo (Mg h MJ-1 mm-1), LS son los factores de largo de la pendiente y grado de pendiente (expresado en porcentaje), C es la cobertura vegetal del suelo y P es el factor que describe las prácticas de manejo del suelo (Morgan, 2005). Todo este análisis lo desarrollamos en una constante espacial de 30m que es el tamaño de la celda (x,y) tomada del modelo digital de elevación (MDE). 2.2.2. Generación de información de línea base para implementar el modelo El material utilizado en el proceso de muestreo de campo fue: Barrenos cilíndricos y tipo edelman, cilindros de kopecky, machetes, navaja para suelo, bolsas plásticas, etiquetas, flexómetro, altímetro, GPS, podadora manual, espátulas, cuerda plástica, libreta de campo, mapas y cámara fotográfica. Muestreo y descripción del suelo en campo De acuerdo a los objetivos de la tesis, la metodología tiene cierta variación en relación a Capítulo II 62 orgánico esté representado cómo porcentaje de materia orgánica del suelo (MOS), se utiliza la formula a continuación para este proceso. % MOS=%𝐶𝑂 𝑥 1.724 (2.5.) El factor 1.724, resulta de la división de la MOS (100) entre el CO (58). La textura del suelo fue determinada por el método del hidrómetro, también llamado de Bouyoucus; mismo que fue implementado y validado para el Laboratorio de suelos agrícolas de la UTPL. Los análisis estadísticos de desempeño (precisión), fueron realizadas 10 repeticiones a un total de 10 muestras de suelo escogidas al azar, 5 representan a cobertura natural (bosques) y 5 a cobertura intervenida (pastizal). Los pasos del proceso de implementación y validación se describen a continuación. a.- Preparación de la muestra, como estos análisis generalmente se determinan en la fracción fina (<2 mm) del suelo, que se ha secado a una temperatura no superior a 40 °C, hasta masa constante, constituyendo lo que se denomina “suelo seco al aire”. Las ventajas de usar el suelo seco al aire consisten en que generalmente este posee un contenido de humedad óptimo para manipularlo y procesarlo, la masa de suelo seco al aire permanece relativamente constante y la actividad biológica es baja durante el almacenaje. b.- Principio y alcance del método. El principio de este método se basa en la Ley de Stokes: “la resistencia ofrecida por un líquido a la caída de una partícula esférica rígida varía con la circunferencia de la esfera y con su superficie, es además proporcional a la viscosidad (y por tanto a la temperatura) y a tres veces a la velocidad de caída” (Soil Science Society of América, 2002). 𝑉=2 (𝐷𝑟−𝐷𝑓) 𝑔 𝑟2 9𝜇 (2.6.) Materiales y métodos 63 Donde: V es la velocidad de caída de la partícula (cm.s-1), g es la aceleración de la gravedad (cm.s-2), Dr es la densidad real (2.65 g.cm-3), Df es la densidad del fluido (g.cm-3), r es el radio equivalente de la partícula (cm), µ es la viscosidad del fluido (poises). El método del hidrómetro nos ayuda a determinar los porcentajes de arena, arcilla y limo presentes en una muestra de suelo y así mismo su clasificación textural (Fuentes, 1998). El hidrómetro a utilizar debe estar calibrado para determinar la densidad de la suspensión (g.L-1), la cual es función de la cantidad de partículas que todavía no se han sedimentado. Los resultados de un análisis de laboratorio son más representativos si se expresan en relación al peso del suelo que se ha utilizado en el análisis. En este caso, el peso del suelo en base seca es considerado como el mejor estándar para basar los cálculos en diferentes análisis de suelos. Para este método el material y equipos utilizados fueron: Hidrómetro calibrado de 0-60 g/L, Probetas graduadas de 1000 ml, Agitador mecánico, Termómetro electrónico, Balanza analítica, vasos de precipitación de 250ml, pipetas de 5ml, pisetas, varillas de agitación, temporizador. Los reactivos utilizados fueron: como agentes dispersantes (Hidróxido de sodio 1 N y Oxalato de Sodio sobresaturado), su función es separar las partículas de limo y arcilla. Alcohol amílico, para eliminar la espuma que pueda impedir la lectura con el hidrómetro. c.- Procedimiento.- el flujograma del procedimiento justo con el archivo fotográfico se encuentra en el Anexo 4. d.- Cálculos:  Corregir las lecturas del hidrómetro, tomando en cuenta la media aritmética de las 2 lecturas de la temperatura, por cada grado centígrado mayor o menor a 20 ºC se suma o se resta 0,36 a la primera y segunda lectura del hidrómetro. Capítulo II 64  Determinar el material en suspensión con la siguiente expresión %𝑀𝑆=Primera lectura corregida Peso de la muestra ×100 (2.7)  Determinación del porcentaje de arena (% Ao) %𝐴𝑜=100−𝑀𝑆 (2.8)  Determinación del porcentaje de arcilla (% Ac) %𝐴𝑐=Segunda lectura corregida Peso de la muestra ×100 (2.9)  Determinación del porcentaje de limo (% Lo) %𝐿𝑜=100−(%𝐴𝑐+%𝐴𝑜) →%𝐿𝑜=%𝑀𝑆−%𝐴𝑐 (2.10) Los parámetros relacionados con la erodabilidad del suelo (estructura y permeabilidad) fueron analizados en campo y en gabinete, por lo que no se mencionan en este apartado. Análisis estadístico El análisis estadístico se realizó tanto para la validación del método de textura en el laboratorio como para la estimación de algunos parámetros de campo. En lo referente al laboratorio la intención de la validación o calibración de un método es que este pueda ser confiable y reproducible a futuro, para ello el parámetro de desempeño elegido fue precisión. Precisión.- expresa la cercanía de coincidencia (grado de dispersión) entre una serie de mediciones obtenidas de múltiples muestreos de una misma muestra homogénea bajo condiciones establecidas. Las dos medidas más comunes de la precisión, que generalmente se define en términos de la desviación estándar o el coeficiente de variación (desviación estándar relativa) son la repetibilidad y la reproducibilidad. Materiales y métodos 65 Repetibilidad obtenida bajo las mismas condiciones de operación en un intervalo corto de tiempo, por un mismo analista (Fabiola Martínez – TFT), en la misma muestra homogénea y usando los mismos materiales y equipos. Para este análisis fueron utilizados los datos de las lecturas del hidrómetro (1era y 2da) corregidos; para analizarlos con el coeficiente de variación (CV); el total de las muestras elegidas para esta implementación fue de 10. Este CV, nos permite comprobar si existe dispersión de los resultados obtenidos para ambas lecturas. %𝐶𝑉=𝑆 ŷ×100 (2.11) Donde: CV es el coeficiente de variación que resulta de división de la desviación estándar (S), para la media (ŷ) y multiplicado por 100. 𝑆=√Σ(y−ŷ)2 𝑛−1 (2.12) En el análisis de la repetibilidad es necesario conocer si existe diferencia significativa entre la repetición de análisis a la misma muestra (10 repeticiones), para ello se utilizó el análisis de varianza (ANOVA) en donde la variable de respuesta (explicada) fue la densidad de las partículas, que se la hará depender de un solo factor (CV), de tal manera que las causas de su variabilidad obedezcan a dos fuentes: al factor y al error aleatorio. (Martínez, 2009). Los resultados de este análisis estadístico los podemos ver en las tablas 1 - 10 del Anexo 2 de esta tesis. Reproducibilidad que es la precisión bajo las condiciones de reproducibilidad, es decir poder obtener los mismos resultados con el mismo protocolo, ya sea en distintos laboratorios o con diferentes analistas, utilizando los materiales y equipos especificados. Capítulo II 66 Para este análisis fueron comparados dos conjuntos de 5 datos y se probó la hipótesis de no diferencia a través de la prueba t de Student. El análisis de prueba está dado por la siguiente fórmula: 𝑇𝑒𝑥𝑝= ŷ 𝑆 √𝑛 (2.13) Estos análisis los podemos ver en las tablas 11 a la 30 del Anexo 2. Regresión y correlación lineal Se calculó el coeficiente de correlación de Pearson, para analizar la asociación lineal entre la MOS con la altitud, la cobertura vegetal, la pendiente (para el capítulo III); y entre la altitud y los factores climáticos (temperatura y precipitación para los capítulos IV y V); y se probó la significación. La ecuación 2.14 representa esta relación lineal que podría presentarse entre 2 variables: 𝑦=𝑎+𝑏𝑥 ± 𝑆 (2.14) Donde: y, es la variable dependiente; x, la variable independiente; a,b, parámetros de la ecuación y S, el error estándar. En esta tesis fueron desarrollados estos análisis de relación para los capítulos III, IV y V. El capítulo III describe las relaciones entre el porcentaje de MOS, con la altitud, la cobertura vegetal y la pendiente. Y en los parámetros de calidad de agua fueron analizados el índice biológico IMEERA-B ajustado para los Andes por Villamarín et al. (2013), con la cobertura vegetal y la DA del suelo. Los análisis estadísticos (gráficos, diagramas de distribuciones y tendencias, estadísticos descriptivos) fueron hechos usando el programa XLSTAT-Base y el programa SPSS 17.0 (Norusis, 2007). Bibliografía 67 2.3. Bibliografía Alvarado, A., 2004. Producción de madera con bajos insumos: Reciclaje de nutrimentos en plantaciones y bosques tropicales. Memorias de IX Congreso Ecuatoriano y I Binacional (Ecuador-Perú) de la Ciencia del Suelo. Arnold, J.G., y Fohrer, N., 2005. SWAT2000: current capabilities and research opportunities in applied watershed modelling. Hydrological Processes, 19, 563-572. Baquero, F., et al., 2004. La Vegetación de los Andes del Ecuador. Memoria explicativa de los mapas de vegetación: potencial y remanentes a escala 1:250000 y del modelamiento predictivo con especies indicadoras. EcoCiencia CELSA CORPORACIÓN EcoPar/MAG SIGRAGO/CDC-Jatun Sacha/ División GeográficaIGM, Quito. 56 pp. Balslev, H. 1988. Distribution patterns of Ecuadorian plant species. Taxon. 37, 567-577. Beasley, D.B., Huggins, L.F., y Monke, E.J., 1989. ANSWERS: a model for watershed planning. Transactions of ASAE, 23, 938-944. Boix-Fayos, C., 1999. Procesos geomórficos en diferentes condiciones ambientales mediterráneas: el estudio de la agregación y la hidrología de suelos. Tesis doctoral, Univ. de Valencia, 394 pp. Buduba, C., 2004. Muestreo de Suelos: Criterios Básicos. Ficha técnica. Patagonia Forestal. Año X. 1, 9-12. Burneo, J.I., 2013. Dynamics of Bio-Elements in Soils along a Land-Use Gradient in the Tropical Mountain Rain Forest of Southern Ecuador. PhD Thesis, Technische Universitat Dresden. 143pp. Cambardella, C.A., Elliott, E.T., 1992. Particulate soil organic matter changes across a Capítulo II 68 grassland cultivation sequence. Soil Science Society of America Journal. 56, 777783. Carter, M., 1993. Soil sampling and methods of analysis. Lewis Publishers. Boca Raton, Florida. Cerdà, A., 1998. Relationships between climate and soil hydrological and erosional characteristics along climatic gradients in Mediterranean limestone areas. Geomorphology. 25, 123-134. Cobertera, E., 1993. Edafología aplicada. Suelos, producción agraria, planificación territorial e impactos ambientales", Cátedra, Madrid. De Koning, G.H.J., van de Kop, P.J., Fresco, L.O., 1997. Estimates of sub-national nutrient balances as sustainability indicators for agro-ecosystems in Ecuador. Agric. Ecosyst. Environ. 65, 12-139. Denef, K., Plante, A. F., Six, J., 2009. Characterization of soil organic matter. In Kutsch, W.L., Bahn, M., Heinemeyer, A. (Eds.), Soil Carbon dynamics an integrated methodology. Cambridge, United Kingdom. D'Odorico, P., Porporato, A., Ridolfi, L., 2001. Transition between stable states in the dynamics of soil development. Geophysical Research Letters. 28. DOI:10.1029/2000GL012290. Dunn, C.P., y Stearns, F., 1987. Relationship of vegetation layers to soils in southeastern Wisconsin forested wetlands. American Midland Naturalist. 118, 366374. Ellies, A., Ramírez, C., McDonald, R., 2005. Organic matter and wetting capacity distribution in aggregates of Chilean soils. Catena. 59, 69-78. Bibliografía 69 Erazo, J.C., y Martínez, J., 2004. Determinación de diez indicadores ambientales para la provincia de Loja. TFT de Ingeniería en Gestión Ambiental – UTPL, Loja.166 pp. FAO, 2006. Guidelines for soil description. Food and Agriculture Organization of the United Nations (p. 109). Rome. Foster, G.R., 1996. Process-based modelling of soil erosion by water on agricultural land. In: J. Boardman, I.D.L. Foster and H.D. Dearing (Editors), Soil Erosion on Agricultural Land. Wiley, Chichester, pp. 429-445. Fuentes, J., 1998. Técnicas de Riego. 3era. Ed. Mundi-Prensa, Madrid. 215pp. Furbish, D.J., Hamner, K.K. Schmeeckle, M. Borosund M.N. y Mudd, S.M., 2007. Rain splash of dry sand revealed by high-speed imaging and sticky paper splash targets. J. Geophys. Res., 112, F1 doi:10.1029/2006JF000498. Flanagan, D.C., y Nearing, M.A., 1995. Hillslope profile and watershed model documentation. In: USDA-ARS-USDI (ed.). Technical documentation. Water Erosion Prediction Project (WEPP). Report No. 10. NSERL West Lafayette, IN, USA. pp: 11.1-11.9. Gabarrón-Galeote, M.A., 2011. La vegetación como reguladora del recurso hídrico en ambiente mediterráneo. Tesis Doctoral. Departamento de Geografía. Univ. de Málaga. 317pp. Galindo-Zaldívar, J. et al., 2010. Geometría y estructuras de la Cuenca neógena de Loja a partir de datos gravimétricos (Andes Ecuatorianos). GEOGACETA. 48, 215-218. Harmon, R.S. y Doe, W.W., 2001. Landscape Erosion and Evolution Modelling. Kluwer Academic / Plenum Publishers, New York, USA, 540 pp. INEFAN., 1995. “Principales Estadísticas Forestales del Ecuador”. Dirección General Capítulo II 70 de Planificación (preparado por M. Almeida). Quito. INERHI-PREDESUR-CONADE-OEA.1994. Plan integral de desarrollo de los recursos hídricos de la provincia de Loja. Washington D.C. Disponible en: http://www.oas.org/usde/publications/Unit/oea02s/ch64.htm Revisado: Enero, 2015. Jaramillo, D., 2001.Introducción a la Ciencia del Suelo. Medellín Colombia. 582pp. Jetten, V., Govers, G., Hessel, R., 2003. Erosion models: quality and spatial predictions. Hydrological Processes. 17, 887-900. Jordán López, A., 2006. Manual de edafología. Universidad de Sevilla. 144pp. Kandel, D.D., Western, A.W., Grayson, R.B., Turral, H.N., 2004. Process parameterization and temporal scaling in surface runoff and erosion modelling. Hydrological Processes. 18, 1423-1446. Knisel, W.G., 1995. CREAMS: A Field-Scale Model for Chemicals, Runoff, and Erosion from Agricultural Management Systems., US Dept of Agriculture. Agricultural Research Service. Kennerley, J.B. y Almeida, L., 1975. Mapa geológico de Ecuador, hoja de Loja (56) 1:100.000. Instituto Geográfico Militar. Lavee, H., Sarah, P., Imeson, A.C., 1996. Aggregate stability dynamics as affected by soil temperature and moisture regimes. Geografiska Annaler. 78, 73-82. Litherland, M., Aspden, J.A., Jemielita, R.A., 1994. The metamorphic belts of Ecuador. Overseas Memoir of the British Geological Survey 1113 Lu, H., Moran, C., Prosser, I., Sivapalan, M., 2004. Modelling sediment delivery ratio based on physical principles. In: C. Pahl-Wostl, S. Schmidt and T. Jakeman (Editors), IEMSS 2004 International Congress: "Complexity and Integrated Bibliografía 71 Resources Management". International Environmental Modelling and Software Society, Osnabrueck, Germany. 600 pp. Martínez, F., 2009. Influencia de la textura en la permeabilidad del suelo de la subcuenca Zamora Huayco, cantón Loja. TFT. IGA-UTPL, Loja. 85pp. MAE (Ministerio del Ambiente del Ecuador), 2002. Informe Nacional del Ecuador sobre la lucha contra la Desertificación y Mitigación de la Sequía. Quito. MAG-PRONAREG-ORSTOM, 1984. Mapa de Suelos: Loja 1:200,000. Ministerio de Agricultura y Ganadería, Programa Nacional de Regionalización and Office de la Recherche Scientifique et Technique Outre-Mer. Printed in IGM. Quito. Marshall, T.J., Holmes, J.W., Rose, C.W., 1996. Soil physics. Cambridge University Press. Third Ed. 374 pp. Meyer, L.D., y Wischmeier, W.H., 1969. Mathematical simulation of the process of soil erosion by water, Trans. ASAE. 12, 754-758. Morgan, R.P.C., et al., 1998. The European Soil Erosion Model (EUROSEM): documentation and user guide. Silsoe College, Cranfield University. Morgan, R.P.C., 2005. Soil Erosion and Conservation, 3rd ed. Blackwell, Malden. Navarro, J., Moral, L., Beneyto, M., 1995. Residuos Orgánicos y Agricultura. Universidad de Alicante. España. 108 pp. NCI-GCA, 2006. Valoración del recurso hídrico en microcuencas abastecedoras de agua para el cantón Loja (Naturaleza y Cultura Internacional – GCA-Consultores) Loja. 157 pp. Nearing, M.A., Foster, G.R., Lane, L.J., y Finkner, S.C., 1989. A process-based soil erosion model for USDA: water erosion prediction project technology. Transactions Cobertura vegetal y generación de sedimentos 79 CAPÍTULO III: 3. El papel de la cobertura vegetal en la generación de sedimentos y calidad de agua de los Andes Ecuatorianos. Resumen Ecuador presenta la tasa más alta de deforestación de América del Sur, lo que ha venido afectando a las condiciones ecológicas de las fuentes de agua que presentan gran cantidad de sedimentos producto de la erosión del suelo. Las cuencas interandinas se ven afectadas por un rápido crecimiento poblacional lo que ha provocado el cambio de grandes zonas de bosque natural en pastos, tierras de cultivo, o infraestructura urbana. Por estos cambios presentes se analizó la influencia de la cubierta vegetal en 7 cuencas que abastecen de agua a la ciudad de Loja. Se tomaron muestras de suelo y agua por cada una de las cuencas a diferentes escalas. Para determinar la calidad del agua fueron utilizados parámetros biológicos como físico-químicos. Mientras que a escala de cuenca se determinaron zonas susceptibles a erosionarse en función a la erodabilidad del suelo y las condiciones topográficas del paisaje. Con los resultados obtenidos fueron propuestas como estrategias de manejo de las riberas de los ríos, un “bufer” de conservación o reforestación de 30m de ancho, por el largo de todo el caudal. Mayor susceptibilidad a la de erosión fue descrita para zonas altas de montaña, donde las condiciones del suelo y pendiente son muy altos y la cantidad de precipitación también suele ser alta. Sin embargo bajo la vegetación del bosque natural, la erosión del suelo es muy baja, incluso sobre suelos de fuerte pendiente. Determinándose a la cobertura vegetal como el factor más importante para evitar la erosión del suelo, mientras que los demás factores estudiados son secundarios en la zona de estudio. Capítulo III 80 3.1. Introducción Gestionar el agua y el suelo ha sido importante en el transcurso de la historia de la humanidad, y en la actualidad esa importancia se remarca porque estos recursos se encuentran sometidos a fuertes presiones climáticas y/o antropogénicas (Wilkinson y McElroy, 2007). En América del Sur, la tasa más alta de deforestación la tiene Ecuador (FAO, 2010), lo que puede estar afectando directamente al suelo y a la condición ecológica de las fuentes de agua. En Ecuador, las cuencas andinas se ven especialmente afectadas por un rápido cambio del uso de suelo lo que viene provocando la conversión de grandes áreas de bosque nativo en zonas con usos antrópicos. Desde la puesta en marcha de la Ley de Reforma Agraria en el Ecuador (1973), una considerable extensión del país ha sufrido pérdida de su cubierta vegetal nativa, principalmente por la ampliación de la frontera agropecuaria; y recientemente el desarrollo urbano se ha convertido en otro factor causante de la deforestación de varias zonas. En el sur del Ecuador la deforestación ha llegado a niveles preocupantes, entre el año 1989 y 2008 la tasa anual de deforestación fue de 2.86% y se estima que la vegetación nativa remanente cubre aproximadamente cerca del 49% de la región (Tapia-Armijos et al., 2015). Por este motivo, el estudiar la importancia que tiene la cubierta vegetal en las cuencas andinas es clave para determinar estrategias de gestión, conservación o restauración de las mismas, especialmente porque muchas de ellas abastecen de agua a varias poblaciones. De acuerdo a los antecedentes expuestos el objetivo de esta propuesta fue analizar la influencia que tiene la cobertura vegetal nativa sobre la generación de sedimentos y la calidad del agua en siete cuencas hidrográficas. Cobertura vegetal y generación de sedimentos 81 3.2. Materiales y métodos 3.2.1. Área de estudio Nuestro estudio fue realizado en un ecosistema de bosque montano del sur de Ecuador, en siete cuencas hidrográficas que abastecen con más del 55% de agua para la ciudad de Loja. Las cuencas bordean el Parque Nacional Podocarpus por el este, con un rango altitudinal de 2120 m a 3420 m s.n.m. Las cuencas se encuentran entre 3° 59' y 4° 06' Sur y entre los 79° 09' y 79° 12' Oeste, cubriendo un área aproximada de 5900 ha (Figura 3.1). El clima es templado lluvioso con un promedio de precipitaciones anuales de 1000 mm y una temperatura de 16 °C. La distribución de las lluvias del sitio de estudio es bimodal; la temporada de lluvias se da entre Diciembre y Abril, siendo Agosto y Septiembre los meses más secos. Estas cuencas tienen una base litológica variable de rocas metamórficas del Paleozoico, con lutitas conglomerados y areniscas superpuestas. Los suelos que predominan son Entisoles, gran grupo de los Troporthents, suborden Orthents ubicados en la zona media a baja de las cuencas y en las cumbres de las montañas los Inceptisoles. 3.2.2. Indicadores del Suelo El suelo de las cuencas fue muestreado de manera sistemática, de 0 – 20 cm de profundidad, sin analizar el horizonte orgánico de las mismas, la estructura y permeabilidad del suelo fueron determinados directamente en el campo; también el uso del suelo (pastizal o bosque) fue descrito en cada sitio de muestreo (FAO, 2006). En el laboratorio de suelos se determinaron los parámetros de textura, densidad aparente (DA), materia orgánica del suelo (MOS): de acuerdo a lo que describe el Soil Survey Staff (1996). Capítulo III 82 Figura 3.1. (a) Susceptibilidad a la erosión del suelo (b) deforestación de las cuencas de estudio; Loja - Ecuador. Para determinar las zonas susceptibles a la generación de sedimentos en las cuencas, se utilizó el cálculo del índice de erodabilidad propuesto por Renard et al. (1997) Cobertura vegetal y generación de sedimentos 83 )3(0033.0)2(0043.0()12(10277.0 14.16  psMOMK (2.1) Donde K es el índice de Erodabilidad, M = (% limo + % arena muy fina)*(100 - % arcilla), MO es la materia orgánica del suelo en porcentaje, s es la estructura del primer horizonte de suelo, p = parámetro de permeabilidad. La erodabilidad del suelo y el factor topográfico fueron analizados como lo describe la tabla 3.1. Tabla 3.1. Regla de decisión de la susceptibilidad a la erosión del suelo, los resultados se describen en la figura 3.1. Rangos del factor topográfico Rangos del factor - K Muy bajo 0 - 5 Bajo 5 - 10 Medio 10 - 20 Alto 20 - 40 Muy alto > 40 1 2 3 4 5 Bajo 0.01 - 0.02 1 Mb Mb B M A Medio 0.02 - 0.04 2 Mb B M A Ma Alto > 0.04 3 B M A Ma Ma 3.2.3. Indicadores del agua. Muestras de agua fueron tomadas en cada uno de los sitios de captación de agua de las cuencas de estudio. Cada sitio fue georreferenciado para su análisis posterior usando los sistemas de información geográfica (SIG). Para determinar la calidad del agua fueron utilizados los índices WQI desarrollado por Brown (1970) como parámetro físico-químico; y como parámetros biológicos el EPT (Lenat, 1988) y el IMEERA-B, adaptado para los Andes Ecuatorianos por Villamarín et al. (2013). Estos resultados fueron analizados con los porcentajes de la cubierta vegetal natural de las cuencas de estudio. Capítulo III 84 3.3. Resultados y discusión 3.3.1. Susceptibilidad a la erosión Como describe la figura 3.1, observamos una muy alta y alta susceptibilidad a la erosión principalmente en la zona alta de las cuencas (cumbres de las montañas), donde las condiciones del suelo y la pendiente son de igual manera superiores. Sin embargo la vegetación del bosque natural en esas áreas podría disminuir la generación de escorrentía y arrastre de sedimentos del suelo, incluso sobre estos filos de cordilleras donde las lluvias tienen mayor intensidad. Considerándose a la cobertura vegetal natural como el factor más importante para evitar la erosión del suelo de estas cuencas, mientras que los otros dos factores estudiados serían secundarios para las cuencas de estudio. Figura 3.2. Densidad aparente del suelo en función del porcentaje de cobertura vegetal natural de las cuencas. La figura 3.2 muestra una alta relación de dependencia (R2 = 0.91) entre los porcentajes de cobertura vegetal nativa de las cuencas con los valores medios de (DA) y = -0.0079x + 1.6825 R² = 0.9136 0.8 1 1.2 1.4 60 70 80 90 100 Densidad aparente (g . cm3) Cobertura natural (%) Minas Mendieta El Carmen San Simón Namanda Mónica Curitroje Cobertura vegetal y generación de sedimentos 85 de las mismas. La cuenca Minas que tiene el porcentaje más bajo de cobertura vegetal describe una mayor DA del suelo, y lo contrario la cuenca Mendieta que posee el mayor porcentaje de cobertura vegetal natural, describe una menor DA. Las cuencas Mónica y San Simón son coincidentes en porcentajes de cobertura vegetal natural y la densidad aparente del suelo. Como lo describen algunos autores, la densidad aparente es un indicador del grado de compactación del suelo, lo que podría dificultar la infiltración del agua en el suelo y por ende favorecer en los procesos de generación de escorrentía superficial. Así mismo a los suelos con mayor densidad aparente se los considera a los arcillosos o con bajos porcentajes de MOS, mientras que los suelos con baja densidad serían los que gozan de un mayor aporte de materia orgánica y con texturas más livianas. El contenido de materia orgánica incrementa el proceso de agregación y la estabilidad de los agregados del suelo (Ellies et al., 2005). 3.3.2. Calidad del agua Si bien como describe la metodología se analizaron otros parámetros para determinar la calidad de agua de estas cuencas como el WQI (índice físico-químico) y el EPT; estos no mostraron una relación significativa de dependencia con la cobertura vegetal natural de las cuencas; sin embargo la figura 3.3 describe una mediana relación (R2 = 0.54) entre el indicador biológico IMEERA-B con la cobertura vegetal natural de las cuencas. Y si se analizara las condiciones de compactación del suelo de las cuencas en función de la densidad aparente de las mismas, se observa una mejor relación con el indicador biológico IMEERA-B, probablemente por lo mencionado anteriormente del aporte de materia orgánica al suelo de las cuencas en sitios cercanos a las riberas de los ríos. Capítulo III 86 Figura 3.3. Indicador biológico de calidad de agua en función de la cobertura vegetal natural (a) y la densidad aparente del suelo (b). La densidad aparente del suelo aumentó significativamente (P < 0.05) en áreas de pastos comparado con áreas de suelo del bosque nativo. Este aumento en la D.A., provoca a su vez un decrecimiento en la porosidad del suelo, relacionado con la perdida de MOS y la compactación del suelo. La disminución de las características físicoquímicas del suelo, fueron afectadas por los procesos erosivos y por la disminución acelerada de la cobertura vegetal. En las cuencas de estudio fue utilizado el criterio propuesto por Villalobos (2005), para determinar “in situ” la condición hidrológica de la cobertura vegetal en función al porcentaje de suelo cubierto por la vegetación. Cuando el dosel de la cubierta protege más del 75% del suelo se considera como buena, cuando lleva los valores entre 50 – 75% es considerado regular, y al cubrir menos del 50% del área del suelo se considera mala. De acuerdo a los criterios antes expuestos la figura 3.4 describe los porcentajes en relación a la cobertura del suelo de las cuencas. El 50% de las mismas presenta condiciones buenas, el 44% regulares y el 6% tiene malas condiciones. Cobertura vegetal y generación de sedimentos 87 Figura 3.4. Condición hidrológica de las cuencas de estudio en relación a cómo la cubierta vegetal protege el suelo. Los rangos altitudinales de los diferentes tipos de cobertura vegetal muestreados en las cuencas fueron: Pastizales desde 2167m hasta 2613m s.n.m.; Plantaciones de árboles (Pino) desde los 2200m hasta los 2504m s.n.m.; Sucesión de vegetación desde los 2341m hasta los 2589m s.n.m.; Bosque Natural desde 2170m hasta 2726m s.n.m.; Bosque Natural/Filo (Páramo arbustivo) desde los 2880m hasta 3360m s.n.m. Cobertera (1986), describe una estrecha relación entre la temperatura y precipitación media anual con y el contenido en materia orgánica en suelos agrícolas bajo las mismas técnicas de cultivo. Y, Jordán (2006), manifiesta que sería posible establecer la proporción de la MOS en función del clima, ya que este influye tanto en la producción de biomasa de los ecosistemas como en la transformación posterior de la MOS. En nuestro análisis del área local (ecosistemas húmedos tropicales) observamos que más tiene influencia la cobertura vegetal que el clima en el factor de temperatura (Figura 3.5). El clima lo estamos relacionando en nuestro caso con la altitud (disminuye 0.6 °C por cada 100 de ascenso); y la precipitación en estas cuencas alto andinas es directamente proporcional, a mayor altitud mayor precipitación, por tanto este factor 6 44 50 Mala Regular Buena 644 50 Porcentaje de cobertura natural 6 Mala 44 Regular 50 Buena Riesgo de erosión por cambio de uso del suelo 95 CAPÍTULO IV: 4. Spatial estimation of soil erosion risk by land-cover change in the Andes of Southern Ecuador Abstract Ecuador has the highest deforestation rate in South America causing large scale soil erosion. Inter-Andean watersheds are especially affected by a rapid increase of the population leading to the conversion of large areas of montane forest into pasture and cropland. In this study we estimate soil erosion risk in a small mixed land use watershed in the southern Andes of Ecuador. Soil loss was estimated at a spatial resolution of 30 m, using the Revised Universal Soil Loss Equation (RUSLE) where the RUSLE factors were estimated based on limited publicly available data. Land cover maps for 1976, 2008 and 2040 were created assuming increasing deforestation rates over the ensuing decades. Greater erosion rates are estimated for succession areas with agricultural cropland and pasture with maximum values of 936 Mg ha-1 yr-1, where slopes and precipitation amounts are greatest. Under natural forest vegetation, the estimated soil erosion rates are negligible (1.5 to 40 Mg ha-1 yr-1) even at steep slopes and higher elevations where rainfall amounts and intensities are generally higher. When the entire watershed has undergone substantial deforestation in 2040, erosion values may reach 2021 Mg ha-1 yr-1. Vegetation cover is the most important factor for potential soil erosion. Secondary factors are related to rainfall (R-factor) and topography (LS-factors). The spatial predictions of potential soil erosion have only limited meaning for erosion risk, this method provides an important screening tool for land management and assessment of land cover change. Keywords: soil erosion; RUSLE; land cover change; future scenarios; C-factor; Ecuadorian Andes. Capítulo IV 96 4.1. Introduction Human impacts such as deforestation and road and building construction increase the risk of soil erosion (Harden, 1988). These impacts cause accelerated reduction in soil fertility and increased sedimentation in rivers (De Koning et al., 1999; Vanacker et al., 2007). Replacing forests and other natural vegetation with pasture and cropland causes soil erosion in the world and in South America in particular (Mosandl et al., 2008). In many parts of the world, however, the consequences of land cover change are not well understood due to a lack of adequate spatial and temporal information about land degradation. Ecuador has the greatest deforestation rate in South America. Between 2000 and 2010 four million ha of forest per year were lost (FAO, 2010). More than half of the land surface is being affected by erosion. The growing population puts additional pressure on the natural ecosystems (montane forest and páramo). Inter-Andean watersheds are especially affected, due to agrarian reform of the 1960s and 1970s and a rapid increase of the rural population (Harden, 1988). Large areas of tropical montane landscapes are currently being deforested, typically by slash and burn activities for vegetation clearance (Podwojewski et al., 2002; Molina et al., 2007), followed by establishing cropland and pasture. In deforested areas, unprotected soil experiences sealing or crusting, disturbance of soil structure, and rain drop impact (splash erosion), leading to increased soil erosion potential, especially in steep terrain. This is a key problem for the management and conservation of soil in the 21st century. Studies related to deforestation and its influence on land degradation, as well as knowledge about soil erosion, are extremely rare in Ecuador compared to other tropical countries (Zehetner and Miller, 2006; Schoorl et al., 2006; Romero et al., 2007). Spatial information for Ecuador only is available at the national scale with low-resolution data Riesgo de erosión por cambio de uso del suelo 97 (De Koning et al., 1999); however high resolution potential erosion maps are needed for the sustainable management of Andean watersheds. The Revised Universal Soil Loss Equation (RUSLE) (Renard et al., 1997) is extensively used worldwide to estimate annual soil loss with rainfall, topography and landuse data. Unfortunately, rainfall data are scarce in tropical high mountains because rain gauges are generally located near the valley bottoms (Podwojewski et al., 2002). The global data fields, for example, the WorldClim database, cannot provide the necessary high resolution, and these data reveal great uncertainties in regions such as the Andes of Ecuador. An advantage of the RUSLE is that distributed erosion rates in watersheds without station data can be estimated, when knowledge about watershed characteristics and local hydro-climatic conditions are available (Andrade et al., 2010). The objective of this study was to generate high-resolution potential erosion maps using the RUSLE to estimate soil erosion in a small watershed in southern Ecuador. Potential soil erosion was calculated in an ungauged watershed, using ground measurements and satellite data. The soil erosion of the past, present and possible future scenarios caused by the land-cover changes was evaluated. 4.2. Materials and methods 4.2.1. Study area The Zamora Huayco watershed is located on the eastern flank of the Inter-Andean region near the provincial capital of Loja. The watershed borders the Podocarpus National Park in the east and south, and the city of Loja in the north and west. The watershed provides a considerable amount of water for the city of Loja. The watershed is situated between 3°59'24" S and 4°03'48" S and 79°11'02" W and 79°09'04" W, and covers an area of 37.3 km2 (Figure 4.1). Elevation ranges from 2120 to 3420 m a.s.l. Capítulo IV 98 The watershed is classified as composed of sedimentary rocks with a variable lithologic base of metamorphic rocks, with shales, conglomerates and overlying sandstones. The predominant soils are Entisols in the middle and lower parts, and Inceptisols in the upper part of the study area (MAG-PRONAREG-ORSTOM, 1984). Since the 1960s, natural vegetation near the valley bottom has been widely cleared to create pastures and cropland. Figure 4.1. Location of the Zamora Huayco watershed, Southern Ecuador. Two precipitation maxima occur during the year, one large rainy season from December to April and one drier season in September and October (Figure 4.2(a); Rollenbeck & Bendix, 2011). During the main rainy season, high intensity rainfall often Riesgo de erosión por cambio de uso del suelo 99 occurs because of thunderstorms passing over the Inter-Andean valleys. The annual mean temperature ranges from 15.3 °C in the valley bottom to 7.3 °C on the mountain ridge. 4.2.2. RUSLE Model Potential soil loss was calculated using the RUSLE equation (Renard et al., 1997): 𝐴(𝑥,𝑦) = 𝑅(𝑥,𝑦) 𝐾(𝑥,𝑦) 𝐿𝑆(𝑥,𝑦) 𝐶(𝑥,𝑦) 𝑃(𝑥,𝑦) (4.1) Where: A(x,y) is average soil loss produced by water erosion per unit of area (Mg ha-1 yr1), R(x,y) is the erosivity factor caused by rain (MJ mm ha-1 h-1 yr-1), K(x,y) is the erodibility factor of the soil (Mg h MJ-1 mm-1), LS(x,y) is the slope length and steepness factor, C(x,y) is the coverage and management factor, and P(x,y) is the support practices factor. All factors are considered to be spatially constant for every 30 m grid cell (x,y) within the DEM. Individual point or location data for each factor were interpolated using Kriging to obtain a spatial resolution of 30 m (Pérez-Rodríguez et al., 2007). The resulting values for each grid cell (x,y) were multiplied to determine the spatial distribution of A(x,y). 4.2.3. Rainfall – Runoff R-Factor Precipitation data for the study area were obtained by an operational network of three automatic climate stations and an official weather station of INAMHI (Instituto Nacional de Meteorología e Hidrología), the Ecuadorian National Weather Service (Figure 4.1). Two automated stations from Thiess-Clima (Thiess, Germany) are situated at the mountain ridge (TIRSTA: 2814 m. a.s.l.; PARSTA: 3410 m. a.s.l.). These stations provided hourly precipitation data starting in 1998. Another automated station (DAVIS Instruments, USA) was installed in 2004 near the valley bottom inside the UTPL Capítulo IV 100 (Universidad Técnica Particular de Loja) campus at 2190 m. a.s.l., and provided 5 min precipitation data. An official INAMHI weather station (La Argelia: 2160 m. a.s.l.) is situated inside the campus of the Universidad Nacional de Loja (Table 4.1). To calculate the monthly mean EI30 values and the yearly mean R–factor for every grid cell all measured precipitation data were summed to monthly rainfall totals. Due to the different measurement intervals and the different time periods of the available precipitation data, a 10-year time period from 2000 to 2009 was selected. Data for the UTPL station were only available from 2004 to 2009. For this reason, synthetic values were calculated using the official INAMHI La Argelia station data (New et al., 2000) calculating the relationship between monthly mean precipitation at the UTPL station and the La Argelia station. This relationship was used assuming that the relative difference between the stations was stationary over time (synthetic values) (Fries et al., 2012). Figure 4.2. (a) Average monthly precipitation between 2000 and 2009; (b) linear regression, correlation between rainfall amount (mm yr -1) and altitude (m). The 10-year data set of all stations was averaged for each month to obtain the mean monthly precipitation. To regionalize the mean monthly precipitation, kriging with detrended raw data was applied (Fries et al., 2012). This offers more flexibility than simple cokriging, particularly when local trends as the dependence between precipitation and terrain elevation must be considered. Riesgo de erosión por cambio de uso del suelo 101 In mountainous regions, precipitation–elevation relationships often vary significantly between region, slope and exposure because of the influence of wind (Johansson & Chen, 2005); however, the majority of the watershed has the same exposure, and the prevailing wind direction is from the east. As Figure 4.2(b) shows, a very good correlation (R2 = 0.96) between precipitation and elevation was obtained. The highest annual mean precipitation was measured at the south-eastern mountain top (2500 mm), decreasing to the north-west down to the valley bottom (900 mm; Figure 4.2.(a), Table 4.1). Table 4.1. General conditions of weather stations near the study area (based on 10-year average). Weather station UTMX_17S UTMY_17S Altitude (masl) Average yearly precipitation (mm) TIRSTA 706084 9559957 2814 1464 UTPL 699964 9558976 2130 877 La Argelia 699719 9553625 2160 998 PARSTA 704138 9546097 3410 2429 To calculate the R-factor, Equation 4.2, proposed by Renard & Freimund (1994) was used, because the R-factor equation of Renard et al. (1997) needs rainfall intensity, which was not available inside the study area. Renard & Freimund (1994) included the modified Fournier index (MFI) with values greater than 55 mm. 𝑅(𝑥,𝑦) =95.77−6.081 𝐹(𝑥,𝑦)+0.4770 𝐹(𝑥,𝑦) 2 (4.2) Where: R(x,y) is the R-factor in (MJ mm ha-1 h-1 y-1) at grid cell (x,y) and F(x,y) is the MFI. The MFI was calculated following Arnoldus (1977): 𝐹(x,y) = ∑i=1 12 𝑝𝑖(𝑥,𝑦) 2 𝑃(x,y) (4.3) Capítulo IV 102 Where: pi2(x,y) is average monthly precipitation and P(x,y) is average annual precipitation, at grid cell (x,y). 4.2.4. Soil Descriptions: Field and Laboratory Analyses Surface soil (0–20 cm depth) in the watershed was systematically sampled using a soil auger of 5.4 cm of diameter and a volume of 458 cm3. Each soil sample was composed of 8 to 10 sub-samples, which were mixed. Land cover, soil management and relief near each sampling point were recorded. To obtain at least one soil sample representing the prevailing land cover in each quadrant of 1 km2, a total of 38 soil samples were georeferenced using a Garmin GPS (© 2007-2009 Garmin International, Inc., Kansas 66062, USA; www.garmin.com) (accuracy 3m). In the laboratory, the soil samples were air dried and sieved through a 2-mm mesh. The soil particles’ size distribution was determined using the hydrometer method (Bouyoucos, 1962). The proportion of very fine sand was obtained by wet sieving. Soil organic matter (SOM) was determined by humid oxidation using the Walkley–Black method (Soil Survey Staff, 1996). The permeability for each land-cover class was estimated qualitatively in the field by the method of variable load and structural class. These soil parameters were coded with Wischmeier’s nomograph (Renard et al., 1997; Table 4.2). Table 4.2. Maximum and minimum soil parameters (0–20 cm) of 38 points to calculate the K–factor. Clay (%) Silt (%) Sand (%) VFS (%) OM (%) Permeability Parametera Structural Parametera K–factor calculated Slope (%) Minimum 7 16 49 4.5 1.3 2 1 0.025 10 Maximum 25 30 78 22.6 8.6 5 3 0.054 115 VFS, very fine sand; OM, organic matter. aCoded values with the Wischmeier monograph. Riesgo de erosión por cambio de uso del suelo 103 4.2.5. K – Factor The rate of soil loss per rainfall erosion index unit (K-factor) was calculated according to Renard et al. (1997) and converted into SI units, as follows: )3(0033.0)2(0043.0()12(10277.0 14.16  psOMMK (4.4) Where: K is the erodibility rate, M is (% silt + % very fine sand)*(100 – % clay), OM is organic matter (%), s is a structural parameter based on the first soil horizon, p is a permeability parameter. For soils containing more than 4% organic matter (Table 4.2), this value was fixed at 4% because the Wischmeier monograph does not show SOM greater than 4% (Romero et al., 2007; Figure 4.3). Finally, the K-factor was calculated for all sample points and interpolated using Kriging (Pérez-Rodríguez et al., 2007). 4.2.6. L and S Factors A 30-m DEM of the Zamora Huayco watershed was downloaded from Institut de Recherche pour le Développement. The L and S factors were derived from the 30-m DEM. The general assumption is that with increasing slope length and slope steepness, greater overland flow velocities occur and, therefore, more soil may be detached and transported. We used the continuous form of the equation for computation of the Lfactor at a point r=(x,y) on a hillslope based on Mitasova et al. (1996) as follows: 𝐿=(𝑚+1)(𝐴(𝑟) 𝑎0)𝑚 (4.5) Where: A is the upslope contributing area, or flow accumulation (m), m=0.5, and ao=22.1m (length of standard USLE plot). The value for m was set for sloping terrain based on McCool et al. (1989). Capítulo IV 110 2009). In 2008, changes in land cover increased, where the relative cover of montane forest decreased to 43%, and disturbed montane forest was replaced by pasture. Exotic species of eucalyptus (E. globulus) and pine (P. patula) were introduced for commercial purposes, mainly in the 1970s and 1980s to protect erosion areas. Livestock began to expand in small areas near the valley bottom (Table 4.3). Figure 4.6. Spatial distributions of land-cover maps of (a) 1976, (b) 2008 and (c) 2040. For the future scenario (2040), Figure 4.6(c) shows the resulting spatial pattern of land cover. Urban areas could expand up the watershed to areas where agriculture currently dominates, a similar pattern of urban growth being witnessed in the city of Loja in areas with identical characteristics to our study area. According to the latest population and housing census by INEC (2010), the Loja canton has 71,105 households and a population density of 115 person’s km-2. The average rate of population growth between 1974 and 2010 was 0.92% per year, similar to the deforestation rate estimated for the study area for the same period; illustrating the urban population pressure of Loja city in the Zamora Huayco watershed. Our study is consistent with Podwojewski et al. (2002), and Zehetner & Miller (2006), showing that land use change in the Ecuadorian Andes will further increase as a result of continued population growth. Riesgo de erosión por cambio de uso del suelo 111 In 2040, montane forest could eventually disappear from the mountain valleys next to larger cities because of the current pressure on this ecosystem. Urban land cover was estimated to increase from 0.39 % (14 ha) in 2008 to over 2.22 % in 2040 (Table 4.3), assuming the nature of development remains the same. These areas will expand to zones of low angle slopes, which are currently used for agriculture and livestock breeding. The old pasture sites will be used for agriculture, whereas the disturbed montane forest will replace the undisturbed montane forest. Figure 4.7a–c shows the C-factor for each land-cover class with data taken from Table 4.3 representing the vegetation distribution in land-cover maps for 1976, 2008 and 2040, respectively. The effect of land-cover change on the C-factor and the final soil erosion risk is clearly visible in the 2040 future scenario where the change in the natural land-cover produces greater erosion risk especially at sites with steep slopes and high rainfall amounts, as confirmed in the Andes of southern Ecuador by Molina et al. (2007) and Vanacker et al. (2007). 4.3.4. Average Annual Soil Loss in Past, Present and Possible Future Scenarios. Average annual soil loss ranged from 1.5 Mg ha-1 to 936 Mg ha-1 for the year 2008 (Figure 4.7b and 4.7e). The minimum values are found inside the montane forest or for shallow slopes, while the maximum values are found on agricultural land and on steep slopes covered by pasture. In comparison, Harden (1988) estimated erosion rates from 0 to 836 Mg ha-1 yr-1 for soils in the Ecuadorian Andes, using a rainfall simulator experiment on agricultural lands, which are highly dependent on rainfall intensity and plot size. The greatest soil loss is estimated in the north-western part of the watershed (Figure 4.7e) where agriculture and pasture land are found on steep slopes and soils Capítulo IV 112 prone to generate runoff. In this area, the reduced vegetative cover contributes to the formation of crusting and sealing processes, limiting soil infiltration capacity. Increased runoff and soil loss also likely remove nutrients needed for crop production (Molina et al., 2007). Clearly, management practices in the study watershed could significantly decrease soil erosion risk. The upper mountain ridge in the southeast of the catchment has steep slopes and high levels of precipitation; however, these areas do not have the greatest estimated soil loss for 1976 and 2008. The soil in this area is protected by the montane forest that provides a high infiltration capacity and infrequent surface runoff (Molina et al., 2007). Consequently, the estimated soil loss is lower, with values between 1.5 and 40 Mg ha-1 yr-1. The general assumption that the R or LS-factors have the greatest influence on soil erosion is only valid for homogeneous vegetation covers. Cerdà (1998; 1999) showed that vegetation cover reduces runoff and erosion due to increased infiltration capacity and aggregate stability. Hence, we assume that vegetation cover (C–factor) exerts first-order control for present-day erosion rates at the watershed scale (Vanacker et al., 2007), followed by the R and LS factors. The importance of the vegetation cover for soil erosion can be observed by comparing the maps from 1976 and 2040 (Figure 4.6 and 4.7). In 1976, average annual soil loss was estimated from 0.13 to 486 Mg ha-1, which is notably lower than in 2008 due to the natural forest cover. For 2040, average annual soil loss ranges from 3 to 2021 Mg ha-1, which is substantially greater than in 1976 and 2008. Inside the Venezuelan Andes, Andrade et al. (2010) estimated soil loss from 0 to 2558 Mg ha-1 yr-1 possibly due to greater LSfactors, less dense vegetation cover and lower permeability and SOM. The 2040 Cfactor distribution implies that most of the montane forest would be deforested and little disturbed montane forest would remain. Urban areas, agriculture and pasture land would Riesgo de erosión por cambio de uso del suelo 113 expand considerably, even on steeper slopes. This future scenario leads to a dramatic increase in potential soil erosion (Figure 4.7f). The 2040 scenario is a worst case, because deforestation rates hopefully will decrease in the future compared to the past. Figure 4.7. Spatial distribution map of average annual soil loss for 1976, 2008 and 2040 in relationship with C-factor. Figure 4.7 shows the importance of identifying priority areas for conservation in the watershed. In the future, population growth and increased urban areas will increase pressure on the natural ecosystem; hence soil conservation practices will become even more important (Vanacker et al., 2007). The local government has made some efforts to reforest with native species in logged areas or pasture land. The maps developed in this research help locate priority areas for reforestation and soil conservation mainly where the R, C and LS factors are very high. Capítulo IV 114 4.3.5. Methodological limitations Determination of more representative soil loss estimation for past, current and future scenarios was limited by available meteorological station data with rainfall intensities. In addition, future R-factors are uncertain because of future global climate regimes, which may increase or decrease rainfall amounts and intensities. The estimated values for this area in the Ecuadorian Andes obviously are more reliable for the past and present scenarios than for future scenarios. Small long-term changes in the K and LS factors may occur because of different SOM management and landslides, which, in turn, are linked to vegetation cover and structure (C-factor). Estimation of future landslides and the resulting changes in topographical and soil conditions is a topic of further research. 4.4. Conclusions The C-factor (land cover) was identified as one of the principal factors for soil erosion risk in the Zamora Huayco watershed. When land-cover management is poor, the typical assumption that R and LS are the most important factors in soil erosion estimation may not hold true. On the mountain ridge, where climatic and topographic conditions are most extreme, high values of potential soil erosion were estimated for 2040 after change in land-cover composition (montane forest). The Zamora Huayco watershed manifests high susceptibility to soil erosion due to the pressure on the natural forest cover caused by human activities. The best strategy to reduce land degradation is conservation of natural vegetation. In the near future, conservation practices need to be implemented for agricultura and livestock grazing and dairy production in the study area. Additionally, steep slopes should be protected from intensive land use. Spatial and temporal results show that the RUSLE is a good Riesgo de erosión por cambio de uso del suelo 115 screening tool to estimate soil erosion potential in this area and to target reforestation and soil conservation by local communities. However, more research is needed at different scales and using more robust models to determine sediment transport more accurately. 4.5. Acknowledgements This research was partially supported by SENESCYT (Secretaria Nacional de Educación Superior, Ciencia, Tecnología e Innovación) and by the PCI-Iberoamerica (Programa de Cooperación Interuniversitaria—AECID no. A/024199/09). We particularly acknowledge contributions of J. A. Gómez, Instituto de Agricultura Sostenible—CSIC; A. L. Squires at the University of Idaho; and C.A. Ochoa and the staff of the Laboratorio de suelos agrícolas—UTPL. 4.6. References Arnoldus HMJ. 1977. Methodology used to determine the maximum potential average annual soil loss due to sheet and rill erosion in Morocco. FAO Soils Bulletin 34: 3951. Andrade O, Kappas M, Erasmi S. 2010. Assessment of Erosion hazard in Torres Municipality of Lara State (Venezuela) Based on GIS. Interciencia 35: 348-356. Bendix J, Beck E. 2009. Spatial Aspects of Ecosystem Research in a Biodiversity Hot Spot of Southern Ecuador – An Introduction. Erdkunde 63: 305-308. Bouyoucos GJ. 1962. Hydrometer method improved for making particle size analysis of soils. Agronomy Journal 54: 464-465. Cerdà A. 1998. Soil aggregate stability under different Mediterranean vegetation types. Capítulo IV 116 Catena 32: 73-86. Cerdà A. 1999. Parent material and vegetation affect soil erosion in eastern Spain. Soil Science Society of American Journal 63: 362-368. Chavez JPS. 1996. Image-based atmospheric corrections revisited and improved. Photogrammetric Engineering Remote Sensing 62: 1025-1036. De Koning GHJ, Veldkamp A, Fresco LO. 1999. Exploring changes in Ecuadorian land use for food production and their effects on natural resources. Journal of Environmental Management 57: 221-237. FAO. 2010. Global Forest Assessment 2010: Main Report. Food and Agriculture Organization of the United Nations (FAO) Forestry Paper 163, Rome. [www.fao.org/forestry/fra/en/; accessed: verified March 2012] Fries A, Rollenbeck R, Nauss T, Peters T, Bendix J. 2012. Near surface air humidity in a megadiverse Andean mountain ecosystem of southern Ecuador and its regionalization. Agricultural and Forest Meteorology 152: 17-30. Grenier M, Labrecque S, Benoit M, Allard M. 2008. Accuracy assessment method for wetland object-based classification. In GEOBIA 2008 – Pixels, Objects, Intelligence. GEOgraphic Object Based Image Analysis for the 21st Century. International Archives of the Photogrammetry, Remote Sensing and Spatial Information Sciences, Vol. XXXVIII-4/C1, G.J. Hay, T. Blaschke and D. Marceau (Eds.), pp. 285–289 (Calgary, AL: University of Calgary). Harden C. 1988. Mesoscale estimation of soil erosion in the Rio Ambato drainage, Ecuadorian Sierra. Mountain Research and Development 8: 331-341. INEC (Instituto Nacional de Estadística y Censos). 2010. Censos de Población y Vivienda desde 1974 hasta 2010. Cruz Roja Ecuatoriana, Loja, Ecuador. Riesgo de erosión por cambio de uso del suelo 117 Johansson B, Chen D. 2005. Estimation of areal precipitation for runoff modeling using wind data: a case study in Sweden. Climate Research 29: 53-61. MAG-PRONAREG-ORSTOM, 1984. Mapa de Suelos: Loja 1:200,000. Ministerio de Agricultura y Ganaderia, Programa Nacional de Regionalización and Office de la Recherche Scientifique et Technique Outre-Mer. Printed in IGM. Quito. McCool DK, Foster GR, Mutchler CK, Meyer LD. 1989. Revised slope length factor for the Universal Soil Loss Equation. Transactions of the ASAE 32: 1571-1576. Mitasova H, Hofierka J, Zlocha M, Iverson LR. 1996. Modelling topographic potential for erosion and deposition using GIS. International Journal of Geographical Information Systems 10: 629-641. Molina A, Govers G, Vanacker V, Poesen J, Zeelmaekers E, Cisneros F. 2007. Runoff generation in a degraded Andean ecosystem: Interaction of vegetation cover and land use. Catena 71: 357-370. Mosandl R, Günter S, Stimm B, Weber M. 2008. Ecuador suffers the highest deforestation rate in South America. In: Beck E, Bendix J, Kottke I, Makeschin F, Mosandl R. (eds.), Gradients in a Tropical Mountain Ecosystem of Ecuador. Ecological Studies 198, Springer-Verlag, Berlin, Heidelberg, Germany: 37-40. Nearing MA. 1997. A single, continuous function for slope steepness influence on soil loss. Soil Science Society of America Journal 61: 917-919. New M, Hulme M, Jones P. 2000. Representing twentieth century space-time climate variability. Part II: Development of 1901-96 monthly grids of terrestrial surface climate. Journal of Climate 13: 2217-2238. Pérez-Rodríguez R, Marques MJ, Bienes R. 2007. Spatial variability of the soil erodibility parameters and their relation with the soil map at subgroup level. Science Capítulo IV 118 of the Total Environment 378: 166-173. Podwojewski P, Poulenard J, Zambrana T, Hofstede R. 2002. Overgrazing effects on vegetation cover and properties of volcanic ash soil in the páramo of Llangahua and La Esperanza (Tungurahua, Ecuador). Soil Use and Management 18: 45-55. Puyravaud JF. 2002. Standardizing the calculation of the annual rate of deforestation. Forest Ecology and Management 177: 593-596. Renard KG, Freimund JR. 1994. Using monthly precipitation data to estimate the Rfactor in the RUSLE. Journal of Hydrology 157: 287–306. Renard KG, Foster GR, Weesies GA, McCool DK, Yoder DC. 1997. Predicting soil erosion by water: A guide to conservation planning with the Revised Universal Soil Loss Equation. Agricultural Research Service (USDA-ARS) Handbook No. 703. US Department of Agriculture: Washington, DC. Richter R. 2007. Atmospheric and Topographic Correction for Satellite Imagery: Atcor2/3 User Guide, Version 6.3, January 2007. Germany: DLR-German Aerospace Center and Remote Sensing Data Center, 134 p. Rollenbeck R, Bendix J. 2011. Rainfall distribution in the Andes of southern Ecuador derived from blending weather radar data and meteorological field observations. Atmospheric Research 99: 277-289. Romero CC, Stroosnijder L, Baigorria GA. 2007. Interrill and rill erodibility in the northern Andean Highlands. Catena 70: 105-113. Schoorl JM, Claessens LFG, Lopez Ulloa M, Koning GHJ de, Veldkamp A. 2006. Geomorphological analysis and scenario modelling in the Noboa - Pajan area, Manabi province, Ecuador. Zeitschrift fur Geomorphologie Supplementband 145: 105-118. Riesgo de erosión por cambio de uso del suelo 119 Soil Survey Staff. 1996. Soil survey laboratory methods manual. Soil Survey Investigations Rep. Vol. 42. US Dept. Agric.-Nat. Res. Cons. Serv., Washington, DC. Sonder K. 2004. Soil Erosion in Andean Cropping Systems: The Impact of Rainfall Erosivity. PhD Thesis. Institute for Plant Production and Agroecology in the Tropics and Subtropics, University of Hohenheim. Vanacker V, von Blanckenburg F, Govers G, Molina A, Poesen J, Deckers J. 2007. Restoring dense vegetation can slow mountain erosion to near natural benchmark levels. Geology 35: 303-306. Verburg PH, Schot PP, Dijst MJ, Veldkamp A. 2004. Land use change modelling: Current practice and research priorities. GeoJournal 61: 309-24. Zehetner F, Miller WP. 2006. Erodibility and runoff-infiltration characteristics of volcanic ash soils along an altitudinal climosequence in the Ecuadorian Andes. Catena 65: 201-213. Capítulo V 124 5.1. Introduction The soil is a non-renewable resource (Zhao et al., 2013) that controls the biological, hydrological and geochemical cycles in the Earth System and provides the human societies with goods, services and resources (Berendse et al., 2015). There is a need to increase the prevalence of good practices to make land use and its management sustainable. In particular it is to understand soil erosion processes and the mechanism involved, and the role of soil properties and topography (Gabarrón-Galeote et al., 2013; Lieskovský and Kenderessy, 2014). Soil is principally degraded by water erosion threatening its sustainability and causing high losses of fertile soil, which is especially pronounced in areas that are subject to inappropriate agricultural management, land abandonment, intense road construction or wild fires (Cerdà et al., 2010; Palacio et al., 2014; Panagos et al., 2014). Soil erosion by water is also the major environmental problem for agriculture in Ecuador (Ochoa-Cueva et al., 2015), especially in the southern and southwestern parts of the province of Loja, bordering Peru. The zone has unique environmental conditions, including rugged topography, which leads to strong changes in climate within short distances, amplifying soil erosion risk (Pineda et al., 2013). The El Niño Southern Oscillation (ENSO) phenomenon plays an important role in this area, because the high rainfall intensities during ENSO events cause higher soil erosion (Tote et al., 2011). Furthermore, land use change in this area enhances soil erosion vulnerability (Castro et al., 2013). The expansion of agriculture has put pressure on natural ecosystems not only in this region, but also in the whole country. In Ecuador, the area cultivated with maize has increased about 20% since the 1990s (FAO, 2010a). Also, investments were expanded to US$ 20.3 million during the period 2007–2009 (MAGAP, 2011), due to local and global demand of maize to produce ethanol and livestock feed. The primary Efecto de los factores erosivos en una cuenca semiárida 125 natural forest was mainly converted to secondary forest or replaced by irrigated crops and dry agriculture. This change to the natural ground cover continues mainly through slash and burn activities (Bahr et al., 2013; Espinosa et al., 2012; Winckell et al., 1997a). Ecuador has the lowest percentage of natural forest of all countries in South America (FAO 2010b). In the study area, the ecosystem most threatened by deforestation is the Tropical Dry Forest. Deforestation has economic significance for firewood collection, construction and even for charcoal. Because of the high demand for timber, farmers prefer to exploit their lands for quick profits instead of long-term use of the forest (Castro et al., 2013). Morgan (2005), shows an additional complication for these environments, which is caused by the need for water conservation and its ecological sensitivity. The change of the natural cover to pasture or crops, produces a rapid decline in organic matter content of the soil leading to a depletion and desertification risk. In this context, our study area is the Catamayo basin in southern Ecuador, which is representative of the susceptibility of the region to land degradation because of the various climatic, topographic and land cover characteristics that lead to high soil erosion risk. However, understanding soil erosion process in this region is hampered by the scarcity of data on erosivity, erodibility and the traditional form of managing the soil resource (Ochoa et al., 2014; Romero et al., 2007; Tote et al., 2011), which is similar to many parts of the world (Cerdà, 1998; 2000; Chavez, 2006; Ruiz-Sinoga and Romero, 2010). There are various empirical soil erosion models, such as the Revised Universal Soil Loss Equation (RUSLE) (Renard et al., 1997), Soil Loss Estimation Model for Southern Africa (SLEMSA) (Stocking, 1981), and the European Soil Erosion Model (EuroSEM) Capítulo V 126 (Morgan et al., 1998); which facilitate the calculation of soil erosion risk at different locations. However, to apply these models outside their area of origin and validation, local climatic and soil data is required as an additional input. For this reason, there is increasing interest to develop methodologies adapted to local conditions, identifying areas and quantifying soil erosion risk to propose sustainable management practices (Nigel and Rughooputh, 2010a; Zhao et al., 2013). The use of stochastic models to estimate rainfall erosivity for areas with limited data (i.e. generate synthetic data series from simple statistical characteristics of existing data) can be a useful tool to generate sequences of the necessary input data for empirical models (Morgan, 2005). Geographic Information Systems (GIS) can display the digital input data on cartographic maps and help to calculate, understand and explain the soil erosion risk for the required areas on the Earth´s surface. The method developed in this work attempts to provide the necessary seasonal details for estimation of soil erosion risk at regional scales, providing a methodology for policy-makers and managers to validate and approve their taken decisions. This study, executed in the semiarid Catamayo basin, seeks to advance the understanding of soil erosion risk under strong anthropogenic pressure in the Ecuadorian Andes, examining (i) the influence of altitude and topography on the climatic factors of rainfall and air temperature; (ii) soil erosion risk during the dry and the wet season; and (iii) the most important factors controlling soil erosion vulnerability in this semiarid basin. 5.2. Study area The Catamayo watershed is located between 3°39´S and 4°31´S (latitude), 79°05´W and 80°11´W (longitude) in the south of Ecuador, province of Loja, close to the border with Peru (Fig. 5.1). The Catamayo River has a length of 120 km, whose Efecto de los factores erosivos en una cuenca semiárida 127 watershed covers an area of 4184km2. This river is one of main tributaries of the Ecuadorian - Peruvian hydrographic system (17000km2), called the Catamayo–Chira Basin, which drains into the Pacific Ocean (Tote et al., 2011). The Catamayo River supplies potable water for the people in southern Ecuador and northern Peru and also for the irrigation systems inside the basin. The average annual water flow is 35m3/s, which significantly decreases during the dry season (22m3/s; Oñate-Valdivieso and Bosque, 2010). Figure 5.1. Location of the Catamayo basin (a) natural breaks (elevation ranges), (b) altitudinal gradient of the southern highlands of Ecuador. Capítulo V 128 In comparison to the northern Andes of Ecuador, which are characterized by two distinct mountain ridges (Eastern and Western Cordillera), the southern highlands do not show this strict separation of the cordilleras. The Eastern Cordillera reaches altitudes up to 3900m a.s.l. near the Peruvian border, whereas the Western Cordillera only rises up to 2500m a.s.l. (Winckell et al., 1997b). The lower altitudes of the Western Cordillera facilitate the interaction with the Ecuadorian coast. The Catamayo Basin has a strong altitudinal gradient, reaching from 240m a.s.l. in the southwest to 3760m a.s.l. in the northeast (Fig. 5.1a). The study area is characterized by an alternation between valleys and ridges within short distances, which leads to different climate conditions due to the fast changing topography (complex terrain; Fig. 5.1b). The air temperature mainly depends on the altitude (Richter et al., 2009), whereas the rainfall depends on wind speed and direction, which is modified by the topographic conditions, forming barriers and pathways for humidity transport (Fries et al., 2014). The rainy season is during austral summer (December to May), when the tropical easterlies are frequently interrupted by low westerlies, carrying moisture from the Pacific Ocean up to the study catchment (Pineda et al., 2013). In the dry season (June to November) the tropical easterlies prevail, bringing dry and sunny weather to the study area, because the higher Eastern Cordillera forms a barrier, blocking the humidity transport from the Amazon Basin. The tropical dry forest grows in the vicinity of the Ecuadorian coast, due to the annual precipitation distribution (dry period > 6 months), evincing one of the most conspicuous features of this forest type: seasonal loss of the tree leaves (Maass and Burgos, 2011). Due to the influence of the south Pacific Anticyclone during most of the year, the vegetation is characterized by semiarid species (spare brushy vegetation), especially at the valley bottom and at the western part of the study area, where altitudes are lower Efecto de los factores erosivos en una cuenca semiárida 129 and air temperature higher. Around 60% of the Province of Loja is covered by deciduous and semi-deciduous dry forests (Aguirre and Kvist, 2005). The maize production with conventional tillage is the dominant crop during the wet season (Castro et al., 2013), whereas sugarcane grows in secondary valleys (e.g. Malacatos, Vilcabamba) during the whole year using irrigation systems. Due to the general wind direction from the east (Amazon basin - tropical easterlies) the annual precipitation is highest at the upper eastern mountain ridge, where air temperature is lower and tropical humid forest and the páramo are formed (Richter et al., 2009). 5.3. Materials and methods Three landforms or zones were established in the basin using the ArcGIS 9.2 software and its classification tool called Natural Breaks. This tool identifies break points by picking the class breaks those best group similar values and maximizes the differences between classes. Our watershed was classified using as input data altitude and slope derived from a digital elevation model (DEM), as well as an air temperature map (Fig. 5.4) with a resolution of 100m x100m. The first zone corresponds to the lower area called Dry-Farming and Irrigation Zone (DFIZ) from 240 to 1400 m a.s.l., with a mean annual temperature over 21°C. This zone generally shows slight slopes varying from 0 to 16%. The middle area, called DryFarming Southern Highlands (DFSH) reaches from 1400 to 2200 m a.s.l. and has a mean annual temperature between 15.5 and 21°C. The topography is characterized by steeper slopes from 16 to 30%. The areas above 2200 m a.s.l. are mainly located in the eastern part of the basin, called Wet-Land Southern Highlands (WLSH), which are characterized by extreme slopes between 30 and 58% and a mean annual air temperature below 15.5°C. Figure 5.1a, shows the three classified zones. Capítulo V 130 These three zones are consistent with the major morpho-pedological sets of the Southern Highlands of Ecuador proposed by Winckell et al. (1997b); the wet rocks masses in WLSH, the slopes of transition in DFSH and depressed areas with severe drought in DFIZ. 5.3.1. Rainfall erosivity The climatic data for the study was provided by a network of 24 rain gauges operated by the Ecuadorian Weather Service (INAMHI), and 2 automatic meteorological stations from Thiess – Clima (Germany), situated at the eastern edge of the watershed (TIRSTA and PARSTA, see Table 5.1). For this study, data from 1990 to 2013 was used and quality controlled by INAMHI. Compared to other Ecuadorian basins the rain gauge density is higher 1.7 per 174 km2 (Ochoa et al., 2014) in the Catamayo catchment and only few missing or erroneous data were found. Table 5.1. General conditions of weather stations near the study area (based on 23-years average). N°. Weather station Lat. S Long. W Altitude [m a.s.l.] Average rainfall [mm y-1] Average anual Temperature [°C] 1 Alamor 4° 01' 80° 01' 1250 1301 * 2 Cajanuma 4° 04' 79° 12' 2267 1212 * 3 Cariamanga 4° 20' 79° 33' 1950 1149 17,9 4 Catacocha 4° 03' 79° 38' 1808 862 * 5 Catamayo- (airport) 3° 59' 79° 22' 1250 397 24,2 6 Celica 4° 06' 79° 57' 1904 1017 15,6 7 Colaisaca 4° 19' 79° 41' 2410 1029 * 8 Changaimina 4° 13' 79° 31' 1935 1160 * 9 Gonzanamá 4° 13' 79° 25' 2042 1129 16,9 10 La Argelia 4° 02' 79° 12' 2160 998 16,2 11 Lauro Guerrero 3° 58' 79° 45' 1910 986 * 12 El Cisne 3° 51' 79° 25' 2218 1157 * 13 El Lucero 4° 23' 79° 28' 1180 847 * 14 El Tambo 4° 04' 79° 18' 1580 819 * 15 Malacatos 4° 12' 79° 16' 1453 668 20,0 16 PARSTA 4° 06' 79° 09' 3410 2429 6,8 Efecto de los factores erosivos en una cuenca semiárida 131 17 Quilanga 4° 18' 79° 23' 1819 1144 * 18 Quinara 4° 18' 79° 14' 1559 854 20,8 19 Sabiango 4° 21' 79° 48' 734 856 * 20 San Lucas 3° 43' 79° 15' 2525 1093 * 21 Saucillo 4° 16' 80° 11' 328 618 * 22 Sozoranga 4° 19' 79° 47' 1427 1134 * 23 TIRSTA 3° 58' 79° 08' 2814 1464 9,9 24 Vilcabamba 4° 15' 79° 13' 1563 944 21,0 25 Yangana 4° 22' 79° 10' 1835 1126 19,1 26 Zapotillo 4° 22' 80° 14' 223 532 25,8 * Rain gauge only. However, the climatological records (average monthly precipitation PCP – air temperature TEMP) were analyzed with the “Climatol” R statistical package that contributes to the homogenization of climatic series (Guijarro, 2011). Thereby, outliers and errors in the data set were detected and not included in the study. After this, the gaps in the data series are filled by a homogeneity analysis using the Standard Normal Homogeneity Test (SNHT) proposed by Alexandersson (1986). The SNHT is a statistical model that uses an orthogonal regression type II, which determines the range of the normalized data of a variable (V) with its mean and standard deviation. Finally, to check the consistence and homogeneity of information data of TEMP and PCP a double mass analysis was used. This analysis determines if there is a need for corrections of data, considering the changes in data collection procedures or other local conditions. Such changes may result from a variety of things including changes in instrumentation, changes in observation procedures, or changes in gauge location or surrounding conditions. The estimation of monthly accumulated volume of each station over a period of 23 years of data was used to apply this analysis. In this analysis the parameters considered were: (i) comparison of data accumulated between neighboring stations, (ii) similar altitude range and (iii) exposure to the same meso/synoptic climatological feature (e.g. El Niño-Southern Oscillation – ENSO). From the resulting 23-year data set, the PCP and TEMP were calculated. Capítulo V 132 To regionalize the average monthly precipitation, ordinary kriging was applied as Cedeño and Cornejo (2008) recommend for the spatial interpolation of rainfall data over complex terrains. Kriging is a method of interpolation based on statistical models that can predict unknown values from data observed at known locations. The air temperature was interpolated using kriging with detrended raw data, because the temperature depends directly on the altitude (Fries et al., 2012, 2009). The erosivity (R-factor) was calculated using the equation proposed by Renard and Freimund (1994), because the R-factor equation of Renard et al. (1997) needs rainfall intensity, which is not available for the study area. Furthermore, the Modified Fournier Index (MFI) was integrated into the equation as Renard and Freimund (1994) recommended (see Eq. 1). The R-factor is a good local parameter of erosivity widely used in the tropics (Nigel and Rughooputh, 2010b). 𝑅(𝑥,𝑦) =95.77−6.081 𝐹+ 0.4770 𝐹2 (4.1) where R(x,y) is the R-factor in (MJ mm ha–1 h–1 yr–1) at grid cell (x,y) and F is the MFI. The modified Fournier´s index is expressed according to Arnoldus (1977): 𝐹= ∑i=1 12 𝑝𝑖2 𝑃 (4.2) where pi is average monthly precipitation and P average annual precipitation. To demonstrate the seasonal climate influence on soil erosion risk inside the watersheds the months of March (wettest month = rainy season) and August (driest month = dry season) were selected. EI30 was predicted using the average monthly precipitation as Chavez (2006) proposed. The coefficient of determination (R2) of this regression equation is 0.802 (Eq. 3): 𝐸𝐼30 = 3.88𝑝−37.23 (4.3) Efecto de los factores erosivos en una cuenca semiárida 133 Where p is the monthly precipitation. 5.3.2. Soil erodibility The soils samples were taken along an altitudinal climo-sequence that crosses seven districts of the province of Loja in the Catamayo watershed. The sampling sites were selected under the condition to cover as many areas of different landforms, climate and altitude as possible. The sampling altitudes range from 240m to about 2400m a.s.l., including areas of tropical dry forest, agriculture and pasture. The areas of tropical humid forests could not be sampled efficiently because the majority of this land cover is declared nature reserve (Fig. 5.2). The sampling sites were geo-referenced using Garmin GPS (© 2007-2009 Garmin International, Inc., Kansas 66062, USA; www.garmin.com) (accuracy 3m). According to the objectives of this study, the first mineral horizon of the soil profile (top-soil) was analyzed, because only this layer is directly affected by rainfall and runoff. However, also the B horizon was sampled for future studies, analyzing the nutrient availability inside the soils. The horizons were described separately by depth, assessment of texture and structure according to the FAO guidelines (2006). The whole sampling process was photographically recorded, taking pictures of the landscape and the soil profile. The permeability of each soil sampling site was estimated qualitatively in the field through hydraulic conductivity using a disc infiltrometer with the method proposed by Zhang (1997). The soil sampling was part of another project, called “Generation of geo-information for land management nationwide” executed by the CLIRSEN (Centro de Levantamientos Integrados de Recursos Naturales por Sensores Remotos) and by the National Secretariat of Planning and Development of Ecuador (SENPLADES). The samples were taken and methodologically analyzed by the Universidad Técnica Particular de