SERVICIO NACIONAL DE GEOLOGÍA Y MINERÍA -INSTITUTO NACIONAL DE HIDRÁULICA
INFORME REGISTRADO IR-18-69
S U B D I R E C C I Ó N N A C I O N A L D E G E O L O G Í A
2018
GEOLOGÍA PARA LA RECONSTRUCCIÓN Y LA GESTIÓN DEL RIESGO
VOLUMEN 1
SERVICIO NACIONAL DE GEOLOGÍA Y MINERÍA
E VA L U A C I Ó N P R E L I M I N A R D E P E L I G R O S G E O L Ó G I C O S :
Á R E A D E L A C I U D A D D E A R A U C OREGIÓN DEL BIOBÍO
MAPA 5-1:
PELIGRO DE REMOCIONES EN MASA
Mónica Marín D.Miguel Ortiz L.
María F. Falcón H.Manuel Arenas A.
2010
S U B D I R E C C I Ó N N A C I O N A L D E G E O L O G Í A
INFORME REGISTRADO IR-10-4340 MAPAS
CHILLÁN
72º00'
37º00'
CONCEPCIÓN
Escala 1:10.000
DISEÑO DE UN SISTEMA DE MONITOREO PILOTO DE REMOCIONES EN MASA EN LA CUENCA DEL ESTERO
SAN ALFONSO, COMUNA SAN JOSÉ DE MAIPO, REGIÓN METROPOLITANA
Antonio Muñoz MuñozMónica Marín David
Juan Enrique Galecio V.Camila Osorio N.
DISEÑO DE UN SISTEMA DE MONITOREO PILOTO DE REMOCIONES EN MASA EN LA CUENCA DEL ESTERO SAN ALFONSO, COMUNA SAN JOSÉ DE MAIPO, REGIÓN METROPOLITANA
INFORME REGISTRADO IR-18-69Inscripción No. 296.589© Servicio Nacional de Geología y Minería, Avda. Santa María 0104, Casilla 10465, Santiago, Chile.Director Nacional (S): Alfonso Domeyko L.Subdirector Nacional de Geología (S): Felipe Espinoza G.Derechos reservados. Prohibida su reproducción.
EdiciónEste informe no ha sido editado en conformidad con los estándares y/o nomenclatura de la Subdirección Nacional de Geología, del Servicio Nacional de Geología y Minería.Revisado por: Carolina Espinoza y Alejandro Alfaro, geólogos del Departamento de Geología Aplicada del SERNAGEOMIN; y Scarlett Vásquez, del Instituto Nacional de Hidráulica
Referencia bibliográficaMuñoz, A.; Marín, M.; Galecio, J.E.; Osorio C. 2018. Diseño de un sistema de monitoreo piloto de remociones en masa en la cuenca del estero San Alfonso, comuna San José de Maipo, región Metropolitana. Servicio Nacional de Geología y Minería en colaboración con Instituto Nacional de Hidráulica (INH). Informe Registrado IR-18-69, 131 p. Santiago.
ii
Resumen
En la cuenca del estero San Alfonso han ocurrido a lo menos 5 eventos importantes de remociones
en masa en los últimos 20 años, siendo los de mayor relevancia los con flujos de detritos
(aluviones) desencadenados por lluvias intensas (asociados a tormentas convectivas), tales como
los ocurridos el 21 de enero de 2013 y el 25 de febrero de 2017. Estos provocaron cortes del
suministro de agua potable en la región Metropolitana de Santiago, cortes de tránsito en la ruta G-
25 y la destrucción total del puente San Alfonso.
En virtud de la recurrencia de aluviones en la cuenca del estero San Alfonso y el gran impacto que
han causado en la población, en esta cuenca es necesario desarrollar un sistema de monitoreo
piloto (SMP) de estos procesos.
Sobre la base de lo anterior, en este trabajo se elabora el diseño de un SMP de remociones en
masa, enfocado en aluviones, para el cual se estiman los costos asociados a su implementación,
se especifican las variables a monitorear, los sensores a utilizar, junto con un análisis de
aplicabilidad y ubicación. Adicionalmente se discute las opciones de transmisión de datos
disponibles.
Para elaborar el diseño del (SMP), este trabajo contempla una síntesis del conocimiento actual de
remociones en masa (enfocado en aluviones), el levantamiento de la línea de base geológica y de
amenaza de la cuenca del estero San Alfonso, un análisis hidrometeorológico de la parte alta de
la cuenca del río Maipo con énfasis en el área de estudio, junto a la investigación de sistemas de
monitoreo y alerta a nivel mundial.
A partir de los resultados se concluye que los sensores más adecuados para el sistema de
monitoreo propuesto corresponden a geófonos, sensores infrasónicos y sensores hidrométricos;
se requiere también, un vehículo aéreo no tripulado (UAV), una estación meteorológica (ubicada
en la cabecera de la cuenca) y una videocámara. Además, para efectos de operación, cada equipo
debe contar con servicios de instalación, mantenimiento, transmisión y visualización de datos. Los
costos estimados alcanzarían los USD $ 200.000, equivalente a 135 millones de pesos
aproximadamente.
iii
Tabla de contenido
1 Introducción ............................................................................................................................... 1
1.1 Justificación del problema propuesto ............................................................................... 1
1.2 Ubicación del área de estudio .......................................................................................... 2
1.3 Objetivos ........................................................................................................................... 3
1.3.1 Objetivo general ........................................................................................................... 3
1.3.2 Objetivos específicos .................................................................................................... 3
1.4 Metodología ...................................................................................................................... 4
2 Remociones en Masa ............................................................................................................... 6
2.1 Definición .......................................................................................................................... 6
2.2 Clasificación ..................................................................................................................... 6
2.3 Remociones en masa tipo flujo ........................................................................................ 8
2.4 Aluviones ........................................................................................................................ 13
2.4.1 Definición .................................................................................................................... 13
2.4.2 Clasificación y granulometría ..................................................................................... 13
2.4.3 Factores condicionantes y desencadenantes ............................................................ 17
2.4.4 Variables físicas de monitoreo ................................................................................... 18
3 Línea base de la cuenca del estero San Alfonso ................................................................... 19
iv
3.1 Catastro de remociones en masa .................................................................................. 19
3.2 Geología y Geomorfología ............................................................................................. 21
3.2.1 Unidades Morfotectónicas Regionales ....................................................................... 21
3.2.2 Geología Regional ...................................................................................................... 22
3.2.3 Geomorfología Local .................................................................................................. 23
3.2.4 Geología Local ........................................................................................................... 24
3.3 Estudio de susceptibilidad de generación de aluviones................................................. 25
3.4 Estudio de peligro y exposición de aluviones ................................................................ 26
4 Análisis hidrometeorológico de la parte alta de la cuenca del río Maipo con énfasis en el estero
San Alfonso .................................................................................................................................... 29
4.1 Antecedentes generales ................................................................................................. 29
4.2 Estaciones meteorológicas ............................................................................................ 30
4.2.1 Estaciones meteorológicas con registro histórico en línea ........................................ 31
4.2.2 Estaciones meteorológicas con registro en tiempo real ............................................. 34
4.3 Estaciones fluviométricas ............................................................................................... 38
4.3.1 Estadísticas fluviométricas con registro histórico en línea ......................................... 38
4.3.2 Estaciones fluviométricas con registro en tiempo real ............................................... 41
4.4 Análisis hidrometeorológico para eventos aluvionales .................................................. 44
v
4.4.1 Evento del 03 de mayo de 1993 ................................................................................. 44
4.4.2 Evento del 11 de junio 1997 ....................................................................................... 46
4.4.3 Evento del 13-14 de octubre de 1997 ........................................................................ 48
4.4.4 Evento del 21 de enero de 2013 ................................................................................ 50
4.4.5 Evento del 25 de febrero de 2017 .............................................................................. 53
4.4.6 Evento del 20 de abril de 2017 ................................................................................... 55
4.5 Factores desencadenantes de aluviones en la cuenca del estero San Alfonso ............ 58
5 Sistemas de monitoreo y de alerta de aluviones .................................................................... 61
5.1 Tipos de sistemas de monitoreo y de alerta de aluviones ............................................. 61
5.2 Sistemas de monitoreo existentes en el mundo ............................................................ 63
5.2.1 Asia ............................................................................................................................. 63
5.2.2 Estados Unidos .......................................................................................................... 64
5.2.3 Europa ........................................................................................................................ 65
5.2.4 Argentina .................................................................................................................... 67
5.2.5 Perú ............................................................................................................................ 68
5.2.6 Colombia .................................................................................................................... 69
5.2.7 Chile............................................................................................................................ 71
5.3 Sensores de monitoreo .................................................................................................. 72
vi
5.3.1 Sensores meteorológicos ........................................................................................... 72
5.3.2 Sensores de monitoreo de aluviones ......................................................................... 76
5.4 Redes de transmisión de datos ...................................................................................... 90
5.4.1 Medios guiados .......................................................................................................... 91
5.4.2 Redes inalámbricas .................................................................................................... 93
6 Propuesta de diseño del sistema de monitoreo piloto de aluviones en la cuenca del estero San
Alfonso .......................................................................................................................................... 100
6.1 Sensores de monitoreo a implementar ........................................................................ 100
6.2 Transmisión de datos ................................................................................................... 109
6.3 Estimación de costos.................................................................................................... 113
7 Conclusiones y recomendaciones ........................................................................................ 115
8 Referencias ........................................................................................................................... 118
vii
Índice de Figuras
Figura 1.1. Ubicación y estaciones meteorológicas de la DGA, cercanas al área de estudio.
Elaboración propia. .......................................................................................................................... 3
Figura 2.1. Tipos de remociones en masa, según Cruden y Varnes (1996). a) Caída, b)
Volcamiento, c) Deslizamiento, d) Propagación lateral, e) Flujo. .................................................... 8
Figura 2.2. Ejemplos de a) avalancha de roca, b) flujo seco de arena y c) cono de deyección
producido por flujos secos de detritos. Modificado de Hungr et al. (2014). ..................................... 9
Figura 2.3. Ejemplos de a) deslizamiento por flujo de arena/limo/detritos y b) deslizamiento por
flujo de arcilla sensitiva. Tomado de Hungr et al. (2014). .............................................................. 10
Figura 2.4. Ejemplos: a) flujo de detritos (Muñoz, 2016); y b) flujo de barro (Hauser, 2002). ....... 11
Figura 2.5. Ejemplos: a) flujo hiperconcentrado; y b) avalancha de detritos, según Hauser (2002) y
Hungr et al. (2014), respectivamente. ............................................................................................ 12
Figura 2.6. Ejemplos: a) flujo de tierra; y b) flujo de turba, según Hungr et al. (2014) y Dykes y
Warburton (2007), respectivamente. .............................................................................................. 12
Figura 2.7. a) Clasificación de aluviones mediante concentración volumétrica (Cv) y granulometría;
b) Tipos y tamaños de partículas sólidas de Udden-Wentworth útiles para describir aluviones.
Elaboración propia. ........................................................................................................................ 16
Figura 2.8. Corte esquemático típico de un flujo de detritos. Frente con bloques de un pulso del
flujo de detritos (diagrama de Pierson, 1986). Tomado de Proyecto Multinacional Andino (2007).
........................................................................................................................................................ 17
Figura 3.1. a) Catastro de remociones en masa en la parte alta de la cuenca del río Maipo (o
subcuenca río Maipo Alto) según SERNAGEOMIN (2018); b) Activaciones recientes de flujos en
la cuenca del estero San Alfonso según Muñoz (2018). ............................................................... 19
viii
Figura 3.2. Trayectoria de flujo y depósito del evento del 25 de febrero de 2017. Recuadro rojo
corresponde a la imagen de la derecha. Tomado de Muñoz (2018). ............................................ 20
Figura 3.3. Segmentación morfoestructural del Orógeno Andino entre los 32° S y los 35° S. El
recuadro blanco encierra el área estudiada. Modificado de Quiroga (2013). ................................ 21
Figura 3.4. Mapa geológico regional adaptado por Fock (2005) de la Hoja de Santiago 1:250.000
(Thiele, 1980). El recuadro negro encierra el área de estudio. Los recuadros rojos indican la
geología regional involucrada en este estudio. Modificado de Fock (2005). ................................. 22
Figura 3.5. Mapa geomorfológico de la cuenca del estero San Alfonso. Escala 1:20.000. Tomado
de Muñoz (2018). ........................................................................................................................... 23
Figura 3.6. Mapa geológico de la cuenca del estero San Alfonso. Escala 1:20.000. Tomado de
Muñoz (2018). ................................................................................................................................ 24
Figura 3.7. Mapa de susceptibilidad de aluviones de la cuenca del estero San Alfonso. Escala
1:20.000. Tomado de Muñoz (2018). ............................................................................................. 25
Figura 3.8. Mapa de amenaza de flujos de detritos de la cuenca del estero San Alfonso. Escala
1:20.000. La flecha azul indica la junta entre las tres subcuencas de mayor altitud. Modificado de
Muñoz (2018). ................................................................................................................................ 27
Figura 3.9. Distribución de edificaciones en áreas amenazadas por flujos de detritos en la cuenca
del estero San Alfonso, Elaborado en base a Muñoz (2018).. ...................................................... 28
Figura 4.1. Vigencia de estaciones meteorológicas y fluviométricas en la parte alta de la cuenca
del río Maipo. El polígono rojizo muestra la cuenca del estero San Alfonso. Elaborado en base a
información de la DGA (2018 a y b) y DMC (2018). ...................................................................... 30
Figura 4.2. Variables de medición y registro de datos de las estaciones meteorlógicas DGA y DMC.
Elaborado en base a información de la DGA (2018b) y DMC (2018). ........................................... 31
Figura 4.3. Operatividad de estaciones pluviométricas con registros diarios (azul) y aluviones en la
cuenca del estero San Alfonso (línea roja punteada). Elaborado en base a información de la DGA
(2018b) y Muñoz (2018). ................................................................................................................ 32
ix
Figura 4.4. Operatividad de estaciones que miden temperatura (azul) y aluviones en la cuenca del
estero San Alfonso (línea roja punteada). Elaborado en base a información de la DGA (2018b) y
Muñoz (2018). ................................................................................................................................ 33
Figura 4.5. Estaciones meteorológicas cercanas al estero San Alfonso. Elaborado en base a
información de la DGA (2018b). ..................................................................................................... 34
Figura 4.6. Ubicación de estaciones meteorológicas con registro en tiempo real. Elaborado en base
a información de la DGA (2018a). .................................................................................................. 35
Figura 4.7. Variables de medición y registro de datos de las estaciones fluviométricas DGA.
Elaborado en base a información de la DGA (2018b). .................................................................. 39
Figura 4.8. Operatividad de estaciones fluviométricas con registros diarios (azul) y aluviones en la
cuenca del estero San Alfonso (línea roja punteada). Elaborado en base a información de la DGA
(2018b) y Muñoz (2018). ................................................................................................................ 40
Figura 4.9. Estaciones fluviométricas cercanas al Estero San Alfonso. Elaborado en base a
información de la DGA (2018b). ..................................................................................................... 41
Figura 4.10. Ubicación de estaciones meteorológicas en tiempo real. Elaborado en base a
información de la DGA (2018a). ..................................................................................................... 42
Figura 4.11. Serie de tiempo para evento aluvional del 03 de mayo de 1993, en la subcuenca alta
del río Maipo. Caudal en las estaciones DGA, del Río Maipo en El Manzano (línea azul continua)
y Río Maipo en San Alfonso (línea azul punteada). Isoterma 0 °C de radiosonda Quintero DMC
(línea verde). Precipitación en estación DGA, El Yeso Embalse (barra gris) y temperatura del aire
en el nivel de 700 hPa (~3.000 m s.n.m.) sobre la zona Central de Chile. Elaborado en base a
datos NCEP Reanalysis data de NOAA/OAR/ESRL PSD. ............................................................ 46
Figura 4.12. Serie de tiempo para evento aluvional del 11 de junio de 1997, en la subcuenca alta
del río Maipo. Caudal en las estaciones DGA, del Río Maipo en El Manzano (línea azul continua)
y Río Maipo en San Alfonso (línea azul punteada). Isoterma 0 °C de radiosonda Quintero DMC
(línea verde). Precipitación en estación DGA, El Yeso Embalse (barra gris) y temperatura del aire
en el nivel de 700 hPa (~3.000 m s.n.m.) sobre la zona Central de Chile. Elaborado en base a
datos NCEP Reanalysis data de NOAA/OAR/ESRL PSD. ............................................................ 48
x
Figura 4.13. Serie de tiempo para evento aluvional del 13-14 de octubre de 1997, en la subcuenca
alta del río Maipo. Caudal en las estaciones DGA, del Río Maipo en El Manzano (línea azul
continua) y Río Maipo en San Alfonso (línea azul punteada). Isoterma 0 °C de radiosonda Quintero
DMC (línea verde). Precipitación en estación DGA, El Yeso Embalse (barra gris) y temperatura del
aire en el nivel de 700 hPa (~3.000 m s.n.m.) sobre la zona Central de Chile. Elaborado en base a
datos NCEP Reanalysis data de NOAA/OAR/ESRL PSD. ............................................................ 50
Figura 4.14. Serie de tiempo para evento aluvional del 21 de enero de 2013, en la subcuenca alta
del río Maipo. Caudal en las estaciones DGA, del Río Maipo en El Manzano (línea azul continua)
y Río Maipo en San Alfonso (línea azul punteada). Isoterma 0 °C de radiosonda Santo Domingo
DMC (línea verde). Precipitación en estación DGA, El Yeso Embalse (barra gris) y temperatura del
aire en el nivel de 700 hPa (~3.000 m s.n.m.) sobre la zona Central de Chile. Elaborado en base a
datos NCEP Reanalysis data de NOAA/OAR/ESRL PSD. ............................................................ 52
Figura 4.15. Serie de tiempo para el evento aluvional del 25 de febrero de 2013, en la subcuenca
alta del río Maipo. Caudal en las estaciones DGA, del Río Maipo en El Manzano (línea azul
continua) y Río Maipo en San Alfonso (línea azul punteada). Isoterma 0 °C de radiosonda Santo
Domingo DMC (línea verde). Precipitación en estación DGA, El Yeso Embalse (barra gris) y
temperatura del aire en el nivel de 700 hPa (~3.000 m s.n.m.) sobre la zona Central de Chile.
Elaborado en base a datos NCEP Reanalysis data de NOAA/OAR/ESRL PSD. ......................... 55
Figura 4.16. Serie de tiempo para el evento aluvional del 20 de abril de 2017, en la subcuenca alta
del río Maipo. Caudal en las estaciones DGA, del Río Maipo en El Manzano (línea azul continua)
y Río Maipo en San Alfonso (línea azul punteada). Isoterma 0 °C de radiosonda Santo Domingo
DMC (línea verde). Precipitación en estación DGA, El Yeso Embalse (barra gris) y temperatura del
aire en el nivel de 700 hPa (~3.000 m s.n.m.) sobre la zona Central de Chile. Elaborado en base a
datos NCEP Reanalysis data de NOAA/OAR/ESRL PSD. ............................................................ 57
Figura 4.17. (a) Representación esquemática de las condiciones meteorológicas durante sistemas
frontales y (b) tormentas convectivas. Modificado de Viale y Garreaud (2014). ........................... 59
Figura 4.18. Elevación de la isoterma 0 °C como factor desencadenante de aluviones en la cuenca
del estero San Alfonso. Elaboración propia. .................................................................................. 60
Figura 5.1. Sistemas de monitoreo y de alerta de aluviones. Elaboración propia. ........................ 62
xi
Figura 5.2. Niveles de certeza y acciones a tomar para cada sistema de alerta de aluviones.
Elaboración propia. ........................................................................................................................ 63
Figura 5.3. a) Sensores de monitoreo; b) red de transmisión de datos comúnmente utilizados en
China y Japón. Modificado de Yin (2012); c) Ejemplo de monitoreo de flujos de detritos en el estero
Kamikamihorizawa del Monte Yakedake, Japón; d) Estaciones meteorológicas sobre la zona de
arranque; e) Sensor ultrasónico sobre la vía aluvional; y f) Videocámara en el abanico aluvial.
Modificado de Suwa et al. (2011). .................................................................................................. 64
Figura 5.4. a) Mapa que muestra la instrumentación de la cuenca del estero Chalk, Estados Unidos.
Los símbolos indican la instalación de pluviógrafo (R), sensor de presión (PT), sensor ultrasónico
(US), celdas de carga (FP), sensor de humedad de suelo (SM), videocámara (VC) y cámara fija
(SC); b) Videocámara; y c) Sensor ultrasónico. Modificado de Coe et al. (2010). ........................ 65
Figura 5.5. Detección automática de flujos de detritos e hiperconcentrados en base a una
combinación de infrasonidos y señales sísmicas. a) Resumen del sistema, b) Ejemplo de ubicación
de sensor infrasónico, geófono, sensor de radar y videocámara; y c) Ejemplo de sensores
instalados. Modificado de Schimmel y J. Hübl (2015). .................................................................. 67
Figura 5.6. Redes constitutivas del SATCAD. LMNI: limnimétrica; PLUDAN: pluviométrica; SISMI:
sísmica; METEO: meteorológica; GEO: geodinámicas; TELE: telemáticas; AAA: avisos; alertas y
alarmas; DATA: datos de respaldo; y CLC: centro local de control. Tomado de Pastor (2014). .. 68
Figura 5.7. Esquema del funcionamiento de la red de estaciones del SENAMHI. Tomado de Chira
y Kuroiwa (2017). ........................................................................................................................... 69
Figura 5.8. Roles de principio a fin para los ejecutores de los SAT. Tomado de UNGRD (2016).70
Figura 5.9. Funcionamiento de la plataforma de monitoreo. Tomado de Vásquez (2017). .......... 72
Figura 5.10. Pluviómetro instalado en la cumbre de un área de generación de flujos de detritos.
Tomada de Cavalli et al. (2013). .................................................................................................... 73
Figura 5.11. Estación meteorológica. Tomada de Fernández y Rodríguez (2016). ...................... 74
xii
Figura 5.12. Sensor de radar y los retos en relación a la instalación en terrenos complejos. Tomado
de NOAA (2012). ............................................................................................................................ 74
Figura 5.13. Satélites meteorológicos. Modificado de NOAA (2018). ............................................ 75
Figura 5.14. Videocámara instalada para grabar aluviones. Modificado de USGS (2018). .......... 77
Figura 5.15. Sensor de cables instalado para monitorear flujos de detritos. Tomado de Arattano y
Marchi (2008). ................................................................................................................................ 78
Figura 5.16. Sensor de péndulo instalado para monitorear flujos de detritos. Tomado de Cavalli et
al. (2013). ....................................................................................................................................... 78
Figura 5.17. Fotoceldas instaladas para medir velocidad de flujos de detritos. Tomado de Bettella
et al. (2015). ................................................................................................................................... 79
Figura 5.18. Sensor de radar y sensor ultrasónico instalados para monitorear flujos de detritos.
Tomado de Cavalli et al. (2013). .................................................................................................... 80
Figura 5.19. Sensor láser instalado para medir velocidad y altura de flujo. Tomado de RSHYDRO
(2018). ............................................................................................................................................ 81
Figura 5.20. a) Vehículos aéreos no tripulados para mapear aluviones según Adams et al. (2016);
b) Monitoreo de la dinámica de un deslizamiento, expuesto por Turner et al. (2015); y c) Mapeo de
la trayectoria de un flujo de detritos, realizado por Adams et al. (2016) utilizando vehículos aéreos
no tripulados. .................................................................................................................................. 82
Figura 5.21. a) GPS diferencial (Global Navigation Satellite System, GNSS); y b) Conexión de
GNSS con un vehículo aéreo no tripulado para generar DEMs. Según cotización n°180636 de
UAVSensefly para SERNAGEMÍN (2018). .................................................................................... 83
Figura 5.22. Sensor integrado para caídas de rocas que sigue el mismo principio para flujos de
detritos. Tomado de WSL (2018). .................................................................................................. 83
Figura 5.23. Sensor infrasónico utilizado para monitorear flujos de detritos. Tomado de Schimmel
y Hübl (2015). ................................................................................................................................. 84
xiii
Figura 5.24. Geófono utilizado para monitorear flujos de detritos. Tomado de Schimmel y Hübl
(2015). ............................................................................................................................................ 85
Figura 5.25. Sensor sísmico (sismómetro). Tomado de CSN (2018). ........................................... 85
Figura 5.26. Acelerómetro. Tomado de CSN (2018). .................................................................... 86
Figura 5.27. Esquema de sensor de presión instalado para monitorear flujos de detritos. Modificado
de Genevois et al. (2000). .............................................................................................................. 87
Figura 5.28. Dispositivos para medir fuerzas de carga horizontal basadas en resistencia de
medidores de deformación. Tomada de Scheidl et al. (2013). ...................................................... 87
Figura 5.29. Celdas de carga utilizadas para el estudio de flujos de detritos. Tomada de Scheidl et
al. (2013). ....................................................................................................................................... 88
Figura 5.30. Cable de pares (izquierda) y multipares (derecha). Tomada de Estepa (2004). ...... 91
Figura 5.31. Cable coaxial. Tomada de Estepa (2004). ................................................................ 92
Figura 5.32. Fibra óptica. Tomada de Estepa (2004). ................................................................... 92
Figura 5.33. Esquema generalizado de transmisión de un sistema de monitoreo mediante
radiofrecuencia. Elaboración propia. .............................................................................................. 97
Figura 5.34. Esquema de funcionamiento simplificado de un sistema satelital. Modificado de
Sotomayor (2012). .......................................................................................................................... 98
Figura 6.1. Ejemplo de umbrales de precipitación local de flujos de detritos en una determinada
área para un sistema de alerta anticipado (SAA). Tomado de Arattano y Marchi (2008). .......... 101
Figura 6.2. Ubicación propuesta para la estación meteorológica. Imagen de Google Earth.
Elaboración propia. ...................................................................................................................... 101
Figura 6.3. Ubicación propuesta para la videocámara. Elaboración propia. ............................... 102
xiv
Figura 6.4. a) Deslizamientos que pueden represar el estero San Alfonso; b) Dinámica de un
deslizamiento con el uso de un UAV (Turner et al., 2015); c) Mapeo de trayectoria del aluvión
ocurrido el 25 de febrero de 2017 en el estero San Alfonso; y d) Mapeo cuantitativo de zonas de
erosión y depositación en la trayectoria de un aluvión usando un UAV (Adams et al., 2016). ... 103
Figura 6.5. Comparación entre el hidrograma y el gráfico de amplitud vs. el tiempo de un flujo de
detritos. Notar que la amplitud está en micrómetros (10-6 m). Tomado de Arattano et al. (2014).
...................................................................................................................................................... 104
Figura 6.6. Las formas típicas de la señal sísmica producida por un aluvión; a) Flujo de detritos y
b) Flujo hiperconcentrado, procesadas mediante el método de los impulsos (en IMP/S) (Modificado
de Abancó et al., 2014); y c) Flujo de lodo mediante el método de amplitud (en µm/s) (Modificado
de Turconi et al., 2015). Solo las escalas gráficas son comparables entre sí, pues la magnitud de
los eventos no lo son. ................................................................................................................... 105
Figura 6.7. Señal infrasónica de un flujo de detritos en Lattenbach, Suiza. a) Serie de tiempo de
infrasonido; b) Amplitud promedio de cuatro bandas de frecuencia de la señal infrasónica; y c)
Espectro de la señal infrasónica. Modificado de Schimmel y Hübl (2015). ................................. 106
Figura 6.8. Propuesta de ubicación de sensores en la parte baja de la cuenca del estero San
Alfonso. La flecha roja indica la última curva estrecha, aguas abajo del estero San Alfonso.
Elaboración propia. ...................................................................................................................... 107
Figura 6.9. Ubicación de sensores a utilizar. Elaboración propia. ............................................... 108
Figura 6.10. Cobertura de los distintos servicios de telefonía móvil de la compañía Entel Chile S.A.
Tomado de NPERF (2018). .......................................................................................................... 110
Figura 6.11. Ejemplo de red de comunicación radial simulada con Radio Mobile desde Repetidora
1. Visualizada en Google Earth. Elaboración propia.................................................................... 111
Figura 7.1. Etapas del sistema de monitoreo piloto y su propuesta de continuidad para la cuenca
del río Maipo. Elaboración propia................................................................................................. 117
xv
Índice de Tablas
Tabla 2.1. Nuevo sistema de clasificación de Varnes. Modificado de Hungr et al. (2014). ............. 6
Tabla 2.2. Escala de velocidades de remociones en masa. Modificado de Cruden y Varnes (1996).
.......................................................................................................................................................... 7
Tabla 2.3. Descripción de tipos de aluviones e inundación. Descarga máxima con respecto a una
inundación (Qpf) y concentración volumétrica típica (Cv). Elaboración propia. .............................. 13
Tabla 2.4. Ejemplo de factores condicionantes de remociones en masa. Modificado de Lara (2007).
........................................................................................................................................................ 17
Tabla 2.5. Variables físicas para el monitoreo de remociones en masa (enfocado en aluviones) y
su desencadenante meteorológico. Elaboración propia. ............................................................... 18
Tabla 3.1. Eventos declarados en la desembocadura del estero San Alfonso. Modificado de Muñoz
(2016). ............................................................................................................................................ 20
Tabla 3.2. Criterios para la zonificación según grados de amenaza por aluviones en la cuenca del
estero San Alfonso. Tomado de Muñoz (2018). ............................................................................ 26
Tabla 4.1. Variables de medición en estaciones meteorológicas satelitales de la DGA. Elaborado
en base a información de la DGA (2018a). .................................................................................... 36
Tabla 4.2. Variables de medición en estaciones fluviométricas satelitales DGA. Elaborado en base
a información de la DGA (2018a). .................................................................................................. 43
Tabla 4.3. Detalle de información hidrometeorológica en la parte alta de la cuenca del río Maipo,
para el evento aluvional del 03 de mayo de 1993.......................................................................... 45
Tabla 4.4. Detalle de información hidrometeorológica en la parte alta de la cuenca del río Maipo,
para el evento aluvional del 11 de junio de 1997. .......................................................................... 47
xvi
Tabla 4.5. Detalle de información hidrometeorológica en la parte alta de la cuenca del río Maipo,
para el evento aluvional del 13 y 14 de octubre de 1997. ............................................................. 49
Tabla 4.6. Detalle de información hidrometeorológica en la parte alta de la cuenca del río Maipo,
para el evento aluvional del 21 de enero de 2013. ........................................................................ 51
Tabla 4.7. Detalle de información hidrometeorológica en la parte alta de la cuenca del río Maipo,
para el evento aluvional del 25 de febrero de 2017. ...................................................................... 54
Tabla 4.8. Detalle de información hidrometeorológica en la parte alta de la cuenca del río Maipo,
para el evento aluvional del 20 de abril de 2017............................................................................ 56
Tabla 4.9. Resumen de precipitación diaria y altitud de isoterma 0 °C para los aluviones ocurridos
en el estero San Alfonso, desde 1993 al 2017. ............................................................................. 58
Tabla 5.1. Sensores que permiten medir variables meteorológicas. Elaboración propia. ............. 75
Tabla 5.2. Velocidad de transmisión necesaria según el tipo de video a grabar. Elaboración propia.
........................................................................................................................................................ 77
Tabla 5.3. Sensores que permiten medir variables físicas de un aluvión. Modificado de Itakura et
al. (2005). ....................................................................................................................................... 89
Tabla 5.4. Comparación de características generales de transmisión de medios guiados.
Modificado de Stallings (2004). ...................................................................................................... 93
Tabla 5.5. Comparación de las principales características de transmisión entre servicios de
telefonía móvil. Elaboración propia. ............................................................................................... 95
Tabla 5.6. Nomenclatura de las bandas de frecuencia. Modificado de Mejía (2013). ................... 96
Tabla 6.1. Comparación entre las opciones analizadas para la red de transmisión de datos para
un sistema de monitoreo de remociones en masa en la cuenca del estero San Alfonso. Elaboración
propia. ........................................................................................................................................... 112
xvii
Tabla 6.2. Intervalos de transmisión de datos esperados para cada tipo de instrumento de
monitoreo a instalar en la cuenca del estero San Alfonso. Modificado de Comiti et al. (2014). .. 113
Tabla 6.3. Instrumentos de monitoreo cotizados. Elaboración propia. ........................................ 113
Tabla 6.4. Estimación de costos del sistema de monitoreo piloto. Conversión, 1 $US = 685 $CLP.
Elaboración propia. ...................................................................................................................... 114
Tabla 7.1. Relación de isoterma 0 °C con posibilidad de ocurrencia de aluviones en la parte alta
de la cuenca del río Maipo para días lluviosos. Elaboración propia. ........................................... 116
1
1 Introducción
1.1 Justificación del problema propuesto
A lo largo de la historia, los desastres originados por procesos de remoción en masa en Chile han
provocado numerosas pérdidas de vidas humanas (Marín et al., 2018), infraestructura, cortes de
rutas y un notable deterioro en la calidad de vida de la población involucrada. Dentro de estos
procesos, los de tipo flujo, comúnmente llamados aluviones según UNISDR (2016), son la
amenaza de mayor impacto a nivel global.
Según Marín et al. (2018), entre 1928 y 2017 la mayoría de las víctimas fatales causadas por
remociones en masa en Chile han sido por aluviones, mientras que, por otro lado, las pérdidas
económicas totales en dicho periodo aún no han sido calculadas. Sin embargo, se sabe que solo
los aluviones ocurridos el año 2015 en el norte de Chile causaron pérdidas del orden de USD $
3,1 billones (UNISDR, 2016).
Según los registros de SERNAGEOMIN, entre 1928 y 2017, en la región Metropolitana han
fallecido 139 personas por remociones en masa, de las cuales 101 fueron a causa de flujos (Marín
et al., 2018), lo cual deja de manifiesto la alta vulnerabilidad que presenta la región frente este tipo
de fenómenos, debido a la magnitud, frecuencia y daños que estos muestran.
En la parte alta de la cuenca del río Maipo existen registros de numerosos eventos de remociones
en masa asociados principalmente a flujos de detritos, los cuales han causado gran impacto en la
población, con la pérdida de 54 vidas humanas, corte en el suministro de agua potable. Esto ha
generado daños importantes en la infraestructura de la comuna de San José de Maipo, tales como
cortes de caminos, destrucción de casas y puentes, lo que ha aislado a sectores importantes de
dicha localidad. En este escenario se hace urgente conocer el alcance y la magnitud que pueden
tener las remociones en masa y, así mismo, se hace necesaria la implementación de sistemas de
alerta temprana fundamentales para resguardar la seguridad de la población que vive en las áreas
expuestas a estos procesos.
En particular, en la cuenca del estero San Alfonso, los aluviones recientes como los ocurridos el
21 de enero de 2013, y los del 25 de febrero y el 20 de abril de 2017, si bien no han cobrado
víctimas fatales, sí han ocasionado la pérdida de infraestructura, conectividad vial y corte en el
2
suministro de agua potable (que ha afectado a millones de personas; Sepúlveda et al., 2014). El
evento de mayor magnitud registrado en los últimos años fue el flujo de detritos ocurrido el 25 de
febrero de 2017, el cual destruyó por completo el puente del estero San Alfonso y dejó
completamente aislados a poblados como El Ingenio, San Gabriel, Las Melosas, El Romeral y
Baños Morales, entre otros.
En virtud de lo anteriormente expuesto, este trabajo se enfoca en diseñar un sistema de monitoreo
de remociones en masa en la cuenca del estero San Alfonso, que tras su implementación se
espera que tenga los siguientes beneficios para la comunidad:
1. Promover el conocimiento del riesgo frente a eventos de remociones en masa y una cultura
para el uso responsable y seguro del territorio.
2. Reducir las condiciones de riesgos de las personas expuestas al alcance de aluviones,
por medio de la intervención comunitaria.
3. Fortalecer la institucionalidad regional para potenciar la coordinación de organismos
públicos vinculados con la gestión del riesgo.
4. Contribuir en la mejora de la seguridad vial.
5. Mejorar las condiciones de calidad de vida de las personas cercanas a la cuenca del estero
San Alfonso.
6. Disminuir los posibles daños causados por el impacto de un aluvión.
1.2 Ubicación del área de estudio
El área de estudio corresponde a la cuenca y abanico aluvial del estero San Alfonso, la que está
ubicada en la parte alta de la cuenca del río Maipo, en comuna de San José de Maipo, provincia
Cordillera, de la región Metropolitana de Santiago. La cuenca en estudio tiene una dimensión de
21 km2 aproximadamente, su altitud varía entre 1.100 y 3.600 m s.n.m. y su descarga ocurre en el
kilómetro 48 de la ruta G-25, donde se ubica su puente homónimo. En la Figura 1.1 se muestra la
ubicación del área de estudio junto a las estaciones meteorológicas de la Dirección General de
Aguas (DGA) más cercanas.
3
Figura 1.1. Ubicación y estaciones meteorológicas de la DGA, cercanas al área de estudio.
Elaboración propia.
1.3 Objetivos
1.3.1 Objetivo general
Diseñar un sistema de monitoreo piloto (SMP) de remociones en masa enfocado a los flujos en la
cuenca del estero San Alfonso, de la comuna de San José de Maipo perteneciente a la región
Metropolitana.
1.3.2 Objetivos específicos
1. Identificar las variables físicas que deben ser consideradas en el monitoreo de aluviones.
2. Establecer la línea base geológica y de amenaza de remociones en masa de la cuenca
del estero San Alfonso.
4
3. Realizar un análisis hidrometeorológico de la parte alta de la cuenca del río Maipo con
énfasis en la cuenca del estero San Alfonso.
4. Seleccionar los sensores de monitoreo a utilizar, analizar su aplicabilidad y definir su
ubicación en la cuenca del estero San Alfonso.
5. Analizar las opciones de transmisión de datos que se adapten las condiciones de la cuenca
del estero San Alfonso.
6. Estimar los costos para disponer de un sistema de monitoreo en la cuenca del estero San
Alfonso.
1.4 Metodología
La primera etapa de este trabajo consiste en una síntesis del conocimiento actual sobre
remociones en masa enfocado en flujos, la cual se utiliza como base para definir y caracterizar los
aluviones y determinar sus variables físicas de monitoreo.
La segunda etapa corresponde al levantamiento de la línea base geológica y de amenaza de
remociones en masa de la cuenca del estero San Alfonso, cuyo punto de partida está en el trabajo
de Muñoz (2018). Se incluye, también en esta etapa, el catastro de remociones en masa, la
geomorfología, la geología, la susceptibilidad de generación de aluviones, la exposición y el peligro
de aluviones.
La tercera etapa, desarrollada principalmente por el equipo del Instituto Nacional de Hidráulica
(INH), consta de un análisis hidrometeorológico de la parte alta de la cuenca del río Maipo con
énfasis en el estero San Alfonso. En esta fase se levanta información meteorológica y
fluviométrica, la que está disponible en línea en las páginas web de la Dirección General de Aguas
(DGA, 2018a; DGA, 2018b) y la Dirección Meteorológica de Chile (DMC, 2018). Además, en esta
etapa se describe la situación hidrometeorológica de los aluviones ocurridos en el estero San
Alfonso y se analizan sus factores desencadenantes.
La cuarta etapa está orientada a la recopilación de información y al análisis de métodos de
monitoreo y alerta temprana asociado a aluviones. En esta fase se clasifican y sintetizan los
distintos tipos de sistemas de monitoreo existentes en el mundo y, se describen los sensores y las
redes de transmisión de datos aplicables a la zona de estudio.
5
Finalmente se elabora el diseño del sistema de monitoreo piloto (SMP) de remociones en masa
(enfocado en aluviones) en la cuenca del estero San Alfonso. En este diseño se especifican los
sensores a utilizar, junto con un análisis de aplicabilidad y distribución; se discute sobre las
opciones de transmisión de datos disponibles para el monitoreo y; finalmente se estiman los costos
asociados para la implementación del SMP.
6
2 Remociones en Masa
2.1 Definición
Los fenómenos de remoción en masa son procesos de transporte de material, definidos como
aquellos movimientos ladera abajo de una masa de roca, detritos, regolito o de tierras, que son
fundamentalmente afectados por la gravedad (Cruden, 1991; Proyecto Multinacional Andino, 2007;
Muñoz, 2018).
2.2 Clasificación
En este trabajo se adhiere a la clasificación propuesta por Hungr et al. (2014), la cual consiste en
una actualización del Sistema de Clasificación de Varnes (1978). Dicha clasificación se basa en el
tipo de movimiento y material movilizado, ya sea suelo o roca. Esta información se resume en la
Tabla 2.1. Además, en la Tabla 2.2 se muestra la escala de velocidades propuesta por Cruden y
Varnes (1996), útil para describir la velocidad de cada tipo de remoción en masa.
Tabla 2.1. Nuevo sistema de clasificación de Varnes. Modificado de Hungr et al. (2014).
Tipo de
movimiento Roca Suelo
Caída 1. Caída de roca/hielo 2. Caída de boulder/detritos/limo
Volcamiento 3. Volcamiento en bloque de roca 5. Volcamiento de grava/arena/limo
4. Volcamiento flexural de roca
Deslizamiento
6. Deslizamiento rotacional de
roca
11. Deslizamiento rotacional de
arcilla/limo
7. Deslizamiento planar de roca 12. Deslizamiento planar de arcilla/limo
8. Deslizamiento de roca en cuña 13. Deslizamento de
grava/arena/detritos
9. Deslizamiento compuesto de
roca
14. Deslizamiento compuesto de
arcilla/limo
10. Deslizamiento irregular de
roca
7
Tipo de
movimiento Roca Suelo
Propagación
lateral
15. Propagación lateral de ladera de
roca
16. Propagación por licuefacción de
arena/limo
17. Propagación lateral de arcilla
sensitiva
Flujo
18. Avalancha de roca/hielo 19. Flujo seco de arena/limo/detritos
20. Deslizamiento por flujo de
arena/limo/detritos 21. Deslizamiento por licuación de
arcilla 22. Flujo de detritos
23. Flujo de lodo
24. Flujo hiperconcentrado
25. Avalancha de detritos
26. Flujo de tierra
27. Flujo de turba
Deformación
de ladera
28. Deformación de ladera de montaña 30. Deformación de ladera de suelo
29. Deformación de ladera de roca 31. Reptación
32. Solifluxión
Tabla 2.2. Escala de velocidades de remociones en masa. Modificado de Cruden y Varnes (1996).
Clases de
velocidad Descripción Velocidad mínima Respuesta humana
7 Extremadamente rápida 5 m/s (18 km/h) Nula
6 Muy rápida 3 m/min (0,18 km/h) Nula
5 Rápida 1,8 m/h Evacuación
4 Moderada 13 m/mes Evacuación
3 Lenta 1,6 m/año Mantenimiento
2 Muy lenta 16 mm/año Mantenimiento
1 Extremadamente lenta - -
8
Figura 2.1. Tipos de remociones en masa, según Cruden y Varnes (1996). a) Caída, b) Volcamiento,
c) Deslizamiento, d) Propagación lateral, e) Flujo.
2.3 Remociones en masa tipo flujo
En este subcapítulo se describe brevemente cada una de las distintas remociones en masa que
exhiben un movimiento tipo flujo (flow-like) en base a Hungr et al. (2014). Es importante tener en
cuenta las velocidades descritas en la Tabla 2.2 para definir cada tipo de remoción en masa.
1. Avalancha de roca/hielo (rock/ice avalanche): es un flujo de gran longitud,
extremadamente rápido de roca/hielo fracturada/o. Generalmente se producen a partir de
un gran deslizamiento o caída de roca/hielo. El hielo de los glaciares suele formar parte
de las avalanchas de hielo y, en ocasiones, una avalancha de roca puede moverse sobre
la superficie de un glaciar. Las velocidades peak alcanzadas por este tipo de remoción en
masa son del orden de 350 km/h, y las velocidades medias pueden estar en el rango de
100-150 km/h (Proyecto Multinacional Andino, 2007). Ver Figura 2.2a.
2. Flujo seco de arena/limo/detritos (sand/silt/debris dry flow): es un flujo lento a rápido
de material granular suelto, de buena o mala selección, que puede estar seco, húmedo o
sumergido sin tener un exceso de presión de poros. Los materiales granulares secos son
movilizados por deslizamientos superficiales a lo largo de extensiones planas. Los flujos
secos de detritos son importantes en la formación de conos de deyección (ver Figura 2.2c),
9
mientras que un flujo seco de arena es un proceso fundamental en la migración de dunas
de arena (Proyecto Multinacional Andino, 2007). Ver Figura 2.2b.
Figura 2.2. Ejemplos de a) avalancha de roca, b) flujo seco de arena y c) cono de deyección
producido por flujos secos de detritos. Modificado de Hungr et al. (2014).
3. Deslizamiento por flujo de arena/limo/detritos (sand/silt/debris/flowslide):
corresponde a un flujo muy rápido a extremadamente rápido de material granular saturado,
de buena o mala selección, que se mueve por taludes de pendiente moderada e involucra
un exceso de presión de poros o licuación del material en la zona donde se origina el
movimiento (in situ). El material puede variar de arena suelta a detritos sueltos (residuos
mineros o rellenos), loess y limo. Estos deslizamientos por flujo implican la licuación del
material que hace parte de la remoción en masa, aunque en general la licuación ocurre
solo después de un desplazamiento importante (Proyecto Multinacional Andino, 2007). Ver
Figura 2.3a.
4. Deslizamiento por flujo de arcilla sensitiva (sensitive clay flowslide): corresponde a
un flujo muy rápido a extremadamente rápido de arcillas sensitivas (quick clays). En su
movilización se producen rápidas pérdidas de esfuerzo, lo que se traduce en la licuación
del material, debido al repentino re-moldeamiento en el contenido de humedad durante
una falla o corte deslizante múltiple. Lo anterior causa que las arcillas sensitivas tengan
un comportamiento similar en su efecto a la licuefacción (ver Figura 2.3b). El movimiento
de algunos deslizamientos por flujo está dominado por la deformación interna del material,
por lo que podrían denominarse mejor como propagaciones laterales extremadamente
rápidas (Proyecto Multinacional Andino, 2007).
10
Figura 2.3. Ejemplos de a) deslizamiento por flujo de arena/limo/detritos y b) deslizamiento por flujo
de arcilla sensitiva. Tomado de Hungr et al. (2014).
5. Flujo de detritos (debris flow): es un flujo muy rápido a extremadamente rápido de
detritos saturados, no plásticos (más del 20% de las partículas superan los 2 mm) que
transcurre principalmente confinado a lo largo de un canal o cauce con pendiente
pronunciada (Proyecto Multinacional Andino, 2007). Presenta un fuerte arrastre de
material, de manera tal que su concentración volumétrica (volumen de partículas sólidas
con respecto al total de la mezcla) normalmente supera el 50% (Costa, 1988). Ver Figura
2.4a.
Cuando un flujo de detritos está en progreso, presenta un frente de flujo (cabeza) que,
según VanDine (1985), puede alcanzar descargas máximas decenas de veces superiores
a una inundación de agua importante. De acuerdo con Solís (1995), la formación del frente
de un flujo de detritos responde a un comportamiento dinámico del mismo y se puede
explicar por dos efectos que ocurren en él. El primero corresponde a la fuerza boyante,
asociada a la diferencia de densidad entre el sólido sumergido y la matriz, con lo cual los
bloques se mantienen en suspensión; mientras que el segundo efecto corresponde a la
fuerza dispersiva, la que es proporcional al diámetro del sedimento, de manera que las
partículas de mayor tamaño son arrastradas a la parte superior del flujo (Muñoz, 2018).
6. Flujo de lodo (mudflow): corresponde a un flujo canalizado, turbulento, muy rápido a
extremadamente rápido de sedimentos plásticos saturados, cuyo contenido de agua es
significativamente mayor al del material de origen (Proyecto Multinacional Andino, 2007) y
presenta un fuerte arrastre de material, de manera tal que la concentración de volumétrica
normalmente supera el 20%. Al igual que un flujo de detritos, cuando está en progreso,
11
muestra un frente de flujo (cabeza) similar a un flujo de detritos, pero contiene mucho
menos material detrítico (más del 80% de las partículas son menores a 2 mm; Varnes,
1978) (Turconi et al., 2015). Ver Figura 2.4b.
Figura 2.4. Ejemplos: a) flujo de detritos (Muñoz, 2016); y b) flujo de barro (Hauser, 2002).
7. Flujo hiperconcentrado o crecida de detritos (debris flood): es un flujo muy rápido a
extremadamente rápido de una crecida de agua que transporta una gran carga de
partículas granulares y transcurre principalmente confinado a lo largo de un canal o cauce
con pendiente pronunciada (Proyecto Multinacional Andino, 2007). Se caracteriza por
presentar una concentración volumétrica que generalmente supera el 20% (Costa, 1988)
y generar descargas máximas dos o tres veces mayores que el de una crecida de agua o
inundación importante. Pueden producirse por eventos excepcionales de descargas de
agua inusualmente altas, como descargas súbitas de agua (flash flood), la liberación súbita
de agua de lagos glaciales (glacial lake outburst flood, GLOF) o subglaciales (jökulhlaups)
y descargas producidas por el rompimiento de presas naturales o artificiales (outburst)
(Hungr, 2005; Proyecto Multinacional Andino, 2007). Ver Figura 2.5a.
8. Avalancha de detritos (debris avalanche): es un flujo no canalizado de detritos
saturados o parcialmente saturados, poco profundos, muy rápidos a extremadamente
rápidos. Estos movimientos comienzan como un deslizamiento superficial de una masa de
detritos que, al desplazarse, sufre una considerable distorsión interna y toma la condición
de flujo (Hungr et al., 2001; Proyecto Multinacional Andino, 2007). Presentan un menor
grado de saturación que los flujos de detritos, y no tienen ordenamiento de la
granulometría del material en sentido longitudinal, ni tampoco un frente de material grueso
en la zona distal (Hungr et al., 2001). Pueden ocurrir a toda escala (ver Figura 2.5b).
12
Figura 2.5. Ejemplos: a) flujo hiperconcentrado; y b) avalancha de detritos, según Hauser (2002) y
Hungr et al. (2014), respectivamente.
9. Flujo de tierra (earthflow): es un flujo intermitente, rápido o lento, de suelo arcilloso y
plástico, facilitado por una combinación de deslizamiento a lo largo de múltiples superficies
de cizalle discretas, y de deformación de cizalle interna. Se moviliza en suelos mixtos,
perturbados y plásticos, los cuales subyacen cerca del Límite Plástico (ver Figura 2.6a).
10. Flujo de turba (peat flow): es un flujo rápido de turba licuada causado por una falla no
drenada, es decir, que involucra una alta presión de poros. La turba es un material
orgánico liviano con grados variables de textura fibrosa. Esta presencia de fibras orgánicas
y granos minerales entregan a la turba un ángulo de fricción interna ligeramente alto en
condiciones drenadas, sin embargo, durante una carga no drenada el alto contenido de
agua hace susceptible el material a un debilitamiento dramático (ver Figura 2.6b).
Figura 2.6. Ejemplos: a) flujo de tierra; y b) flujo de turba, según Hungr et al. (2014) y Dykes y
Warburton (2007), respectivamente.
13
2.4 Aluviones
2.4.1 Definición
Un aluvión se define como un flujo muy rápido a extremadamente rápido (Cruden y Varnes, 1996;
ver Tabla 2.2) que contiene agua y sedimentos de variado tamaño, composición y origen, el cual
fluye confinado a lo largo de un canal o cauce con pendiente pronunciada. Las concentraciones
volumétricas del material sólido con respecto al volumen total de la mezcla normalmente superan
el 20% (Costa, 1988) y puede incluir rocas, material antrópico (autos, casas, basura, etc.) y troncos
de árboles, entre otros. La característica fundamental de un aluvión, que lo diferencia de otros
flujos saturados como las inundaciones, corresponde a una notoria e inusualmente alta descarga
máxima (frente de flujo), lo que se traduce en una mayor energía de impacto.
2.4.2 Clasificación y granulometría
Cuando se emplea el término aluvión se hace referencia a flujos de detritos (debris flow), flujos de
lodo (mudflow) y flujos hiperconcentrados (debris flood). Ejemplo de ellos son las descargas
súbitas de agua (flash flood), la liberación súbita de agua de lagos glaciales (glacial lake outburst
flood, GLOF) o subglaciales (jökulhlaups) y descargas producidas por el rompimiento de presas
naturales o artificiales (outburst) (Hungr, 2005; Proyecto Multinacional Andino, 2007). Los flujos de
origen volcánico son llamados Lahares y su análisis no se incluye en este trabajo (Ver Tabla 2.3).
Cabe destacar que la definición señalada anteriormente, indica que pueden existir flujos de lodo,
hiperconcentrados o de detritos que no cumplan la condición de alta descarga, lo que implica que
estos no corresponderían a aluviones en estricto rigor.
Tabla 2.3. Descripción de tipos de aluviones e inundación. Descarga máxima con respecto a una
inundación (Qpf) y concentración volumétrica típica (Cv). Elaboración propia.
14
Tipos de
flujos Descripción Qpf Cv
Alu
vio
nes
Flu
jo d
e d
etr
itos
(debris f
low
)
Flujo muy rápido a extremadamente rápido de detritos
saturados, no plásticos (más del 20% de las partículas
superan los 2 mm) que transcurre principalmente confinado a
lo largo de un canal o cauce con pendiente pronunciada
(Proyecto Multinacional Andino, 2007). Presenta un fuerte
arrastre de material, de manera tal que su concentración
volumétrica (volumen de partículas sólidas con respecto al
total de la mezcla) normalmente supera el 50% (Costa, 1988).
Cuando está en progreso, muestra un frente de flujo (cabeza)
que, según VanDine (1985), puede alcanzar descargas
máximas decenas de veces superiores a una inundación de
agua importante. De acuerdo con Solís (1995), la formación
del frente de un flujo de detritos responde a un
comportamiento dinámico del mismo, y se puede explicar por
dos efectos que ocurren en él. El primero corresponde a la
fuerza boyante, asociada a la diferencia de densidad entre el
sólido sumergido y la matriz, con lo cual los bloques se
mantienen en suspensión; mientras que el segundo efecto
corresponde a la fuerza dispersiva, la que es proporcional al
diámetro del sedimento, de manera que las partículas de
mayor tamaño son arrastradas a la parte superior del flujo
(Muñoz, 2018).
>10
veces >50%
Flu
jo d
e lodo (
mudflow
)
Flujo canalizado, turbulento, muy rápido a extremadamente
rápido de sedimentos plásticos saturados, cuyo contenido de
agua es significativamente mayor al del material de origen
(Proyecto Multinacional Andino, 2007) y presenta un fuerte
arrastre de material, de manera tal que la concentración
volumétrica normalmente supera el 20%. Al igual que un flujo
de detritos, cuando está en progreso, muestra un frente de
flujo (cabeza) similar a un flujo de detritos, pero contiene
mucho menos material detrítico (más del 80% de las
partículas son menores a 2 mm; Varnes, 1978) (Turconi et al.,
2015).
>2
veces >20%
15
Tipos de
flujos Descripción Qpf Cv
Alu
vio
nes
Flu
jo h
iperc
once
ntr
ad
o
(debris f
loo
d)
Flujo muy rápido a extremadamente rápido de una crecida de
agua que transporta una gran carga de partículas granulares
y transcurre principalmente confinado a lo largo de un canal o
cauce con pendiente pronunciada (Proyecto Multinacional
Andino, 2007). Se caracteriza por presentar una
concentración volumétrica que generalmente supera el 20%
(Costa, 1988) y generar descargas máximas dos o tres veces
mayores que el de una crecida de agua o inundación
importante. Pueden producirse por eventos excepcionales de
descargas de agua inusualmente altas, como descargas
súbitas de agua (flash flood), la liberación súbita de agua de
lagos glaciales (glacial lake outburst flood, GLOF) o
subglaciales (jökulhlaups) y descargas producidas por el
rompimiento de presas naturales o artificiales (outburst)
(Hungr, 2005; Proyecto Multinacional Andino, 2007).
2 a 3
veces
20-
50%
Inun
dació
n
(flo
od)
Las inundaciones son un fenómeno natural que ocurre
durante fuertes lluvias, las que por su intensidad o su
duración, no logran ser evacuadas cómodamente por los
cauces naturales que integran una cuenca hidrográfica, lo que
produce el aumento del caudal, desbordamiento de ríos y
otros cuerpos de agua (Moreno et al., 2014).
1 vez <20%
Las remociones en masa de tipo flujos compuestas por material de suelo, corresponden a lodo si
más del 80% de las partículas son menores a 2 mm, o en caso contrario, son de detritos (Varnes,
1978; Farías et al., 2016); esta diferenciación en conjunto con la descarga máxima (Qp) y la
concentración volumétrica (Cv), definida como el porcentaje de volumen de sólidos con respecto
al volumen total de la mezcla (Solís, 1995. Ver Tabla 2.3), son los factores más importantes que
se deben considerar para estudiar el comportamiento mecánico de los aluviones (ver Figura 2.7).
16
Figura 2.7. a) Clasificación de aluviones mediante concentración volumétrica (Cv) y granulometría; b)
Tipos y tamaños de partículas sólidas de Udden-Wentworth útiles para describir aluviones.
Elaboración propia.
La forma que caracteriza a un aluvión corresponde a un frente de flujo (cabeza), el cual representa
una alta descarga máxima en comparación con una inundación (ver Tabla 2.3). A modo de ejemplo
de lo anterior, en la Figura 2.8 se muestra el corte esquemático típico de un flujo de detritos.
Un flujo de detritos exhibe una morfología típica durante su progreso. Presenta una cabeza en el
frente, donde se transportan y acumulan los clastos de mayor tamaño (bolones y bloques). Esta
sección representa la mayor altura del flujo. Tras la cabeza, el flujo muestra un cuerpo en el que
se desarrolla el flujo de detritos propiamente tal, y que transporta partículas gruesas incluso en
suspensión. Detrás del cuerpo el flujo se exhibe una cola, que se caracteriza por ser la parte más
tardía del paso del flujo y corresponde a un flujo más diluido (flujo hiperconcentrado). Entre la cola
y el cuerpo hay una zona de transición, que va de un flujo de detritos a un flujo hiperconcentrado,
donde se inicia la turbulencia. En ocasiones, antes del paso del frente de un flujo, pueden existir
pulsos precursores de Cv variable, pero de alturas menores (ver Figura 2.8).
17
Figura 2.8. Corte esquemático típico de un flujo de detritos. Frente con bloques de un pulso del flujo
de detritos (diagrama de Pierson, 1986). Tomado de Proyecto Multinacional Andino (2007).
2.4.3 Factores condicionantes y desencadenantes
Existen dos tipos de factores que determinan la ocurrencia o no de una remoción en masa:
condicionantes y desencadenantes. El primero se define como un agente que genera una situación
de potencial inestabilidad sobre una unidad geológica (Proyecto Multinacional Andino, 2007;
Muñoz, 2018). Ver tabla 2.4.
Tabla 2.4. Ejemplo de factores condicionantes de remociones en masa. Modificado de Lara (2007).
Factor Condición de influencia o categorías
Geomorfología Morfologías y sus procesos morfogenéticos asociados
Pendiente Pendiente de laderas y de canales de drenaje
Geología Características geológicas del área de estudio
Geotecnia Características geotécnicas del material
Antecedentes Aluviones declarados en las cuencas
Vegetación Densidad de vegetación
Nieve Acumulación de nieve
Orientación Exposición al Sol
Antrópico Desestabilización artificial de laderas y obstrucción de canal de drenaje
Morfometría Hipsometría, pendiente y densidad de drenaje, entre otros
Elevación Procesos desestabilizadores asociados con la altitud
Curvatura Superficie cóncava, plana o convexa
18
Por otra parte, un factor desencadenante (detonante o gatillante) corresponde a un agente o
estímulo externo que, tras su actividad, genera una respuesta directa e inmediata de una remoción
en masa (Proyecto Multinacional Andino, 2007; Muñoz, 2018). Entre los agentes desencadenantes
más comunes de remociones en masa se cuentan principalmente las lluvias de gran intensidad y
los sismos; secundariamente las erupciones volcánicas, la intervención antrópica, la fusión de
nieve y la erosión de canales, entre otros (Lara, 2007).
En particular, los aluviones normalmente se desencadenan por lluvias intensas, pero también
pueden ser detonados por la variación de isoterma 0 °C, fusión de nieve, erupciones volcánicas
(lahares) y por el rompimiento de presas naturales o artificiales, generadas por sismos, cambios
de presión de poros, etc. (Hungr, 2005; Proyecto Multinacional Andino, 2007).
2.4.4 Variables físicas de monitoreo
A partir de los trabajos de Itakura et al. (2005), Arattano y Marchi (2008) y Cavalli et al. (2013), se
desprende que un sistema de monitoreo de remociones en masa enfocado en aluviones, puede
ser dividido en dos grandes grupos. El primer grupo está asociado a dar seguimiento a las variables
físicas de los factores desencadenantes, que principalmente corresponden a lluvias intensas con
una isoterma 0 °C elevada, mientras que el segundo, corresponde al monitoreo del progreso del
flujo (ver Tabla 2.5). Además, en el caso de existir cuencas con deslizamientos con potencial de
generar aluviones tipo outburst, estos también deben ser monitoreados mediante un análisis
multitemporal de su desplazamiento.
Tabla 2.5. Variables físicas para el monitoreo de remociones en masa (enfocado en aluviones) y su
desencadenante meteorológico. Elaboración propia.
Desencadenante meteorológico Aluviones
Intensidad de lluvia (I; mm/60 min) Altura del flujo (H)
Temperatura del aire (T; Isoterma °C) Velocidad del frente del flujo (v)
Presión atmosférica (P) Descarga máxima del flujo (Qp)
Velocidad del viento (Vv) Fuerza de impacto del flujo (F)
Dirección del viento (D) Viscosidad del flujo (η)
- Volumen del flujo (V)
- Trayectoria del flujo (T)
19
3 Línea base de la cuenca del estero San Alfonso
3.1 Catastro de remociones en masa
En el Portal Geológico Minero del SERNAGEOMIN (SERNAGEOMIN, 2018), existe un catálogo
de informes de remociones en masa e inundaciones georreferenciados. Según esta información,
la parte alta de la cuenca del río Maipo (o subcuenca río Maipo Alto) está dominada por procesos
de tipo flujo (ver Figura 3.1a).
Además, Muñoz (2018) identifica las activaciones recientes de flujos en la cuenca del estero San
Alfonso, para los eventos ocurridos el 23 de enero de 2013 y 25 de febrero de 2017 (ver Figura
3.1b). Junto con lo anterior, en la Tabla 3.1 se muestra un resumen de los eventos declarados en
la desembocadura de la cuenca en estudio.
Figura 3.1. a) Catastro de remociones en masa en la parte alta de la cuenca del río Maipo (o
subcuenca río Maipo Alto) según SERNAGEOMIN (2018); b) Activaciones recientes de flujos en la
cuenca del estero San Alfonso según Muñoz (2018).
20
Tabla 3.1. Eventos declarados en la desembocadura del estero San Alfonso. Modificado de Muñoz
(2016).
Fecha Precipitación
diaria [mm]
Estación
meteorológica Fuente
Mayo de 1933 - - Hauser et al. (1996)
Febrero de 1978 0,0 San Gabriel y
Embalse El Yeso Hauser et al. (1996)
03 de mayo de 1993 58,7 Embalse El Yeso Hauser et al. (1996)
11 de junio de 1997 49,5 San Gabriel Muñoz (2016)
13-14 de octubre de
1997 31,0 San Gabriel Muñoz (2016)
21 de enero de 2013 11,0 Embalse El Yeso Sepúlveda et al. (2014)
25 de febrero de 2017 20,5 Embalse El Yeso Marín et al. (2017)
20 de abril de 2017 36,0 Embalse El Yeso DGA (2017)
En particular, el evento de mayor magnitud e impacto, fue el del 25 de febrero de 2017 el cual
destruyó el puente del estero San Alfonso y causó un embancamiento parcial del río Maipo (ver
Figura 3.2).
Figura 3.2. Trayectoria de flujo y depósito del evento del 25 de febrero de 2017. Recuadro rojo
corresponde a la imagen de la derecha. Tomado de Muñoz (2018).
21
En los últimos 20 años, en la cuenca del estero San Alfonso, han ocurrido 5 eventos importantes
de remociones en masa (ver Tabla 3.1), siendo los de mayor relevancia los flujos de detritos
(aluviones) desencadenados por lluvias intensas (asociados a tormentas convectivas). Esta
recurrencia convierte a la cuenca en un laboratorio natural ideal para la investigación de aluviones.
3.2 Geología y Geomorfología
3.2.1 Unidades Morfotectónicas Regionales
El área de estudio se ubica en la Unidad Morfotéctonica Regional, Cordillera Principal (Quiroga,
2013), la cual alcanza altitudes de hasta 6.500 m s.n.m aproximadamente. Este ambiente
montañoso de altitudes elevadas y pendientes pronunciadas favorece la generación remociones
en masa (ver Figura 3.3).
Figura 3.3. Segmentación morfoestructural del Orógeno Andino entre los 32° S y los 35° S. El
recuadro blanco encierra el área estudiada. Modificado de Quiroga (2013).
22
3.2.2 Geología Regional
La geología regional del área de estudio está descrita principalmente por el estudio de Thiele
(1980) correspondiente a la Hoja Geológica de Santiago a escala 1:250.000, que posteriormente
fue digitalizada y modificada por Fock (2005). En la Figura 3.4 se muestra el mapa geológico de
Fock (2005) el que incluye el área estudiada (recuadro negro) y resalta la geología regional
involucrada en este estudio (recuadros rojos).
Figura 3.4. Mapa geológico regional adaptado por Fock (2005) de la Hoja de Santiago 1:250.000
(Thiele, 1980). El recuadro negro encierra el área de estudio. Los recuadros rojos indican la geología
regional involucrada en este estudio. Modificado de Fock (2005).
23
3.2.3 Geomorfología Local
La geomorfología de la cuenca del estero San Alfonso fue levantada por Muñoz (2018) a escala
1:20.000 (ver Figura 3.5).
Figura 3.5. Mapa geomorfológico de la cuenca del estero San Alfonso. Escala 1:20.000. Tomado de
Muñoz (2018).
24
3.2.4 Geología Local
La geología de la cuenca del estero San Alfonso fue levantada por Muñoz (2018) a escala 1:20.000
(ver Figura 3.6).
Figura 3.6. Mapa geológico de la cuenca del estero San Alfonso. Escala 1:20.000. Tomado de Muñoz
(2018).
25
3.3 Estudio de susceptibilidad de generación de aluviones
Muñoz (2018) desarrolló una metodología orientada a evaluar la susceptibilidad de generación de
aluviones mediante la ponderación de factores condicionantes, con el uso de Sistemas de
Información Geográfica (SIG) y el análisis jerárquico de procesos (AHP). Esta metodología fue
calibrada con la aplicación en la cuenca del estero San Alfonso (ver Figura 3.7).
Figura 3.7. Mapa de susceptibilidad de aluviones de la cuenca del estero San Alfonso. Escala
1:20.000. Tomado de Muñoz (2018).
Es importante agregar que los deslizamientos ubicados en la parte alta de la cuenca (ver Figura
3.6), además de ser altamente susceptibles a generar aluviones (ver Figura 3.7), también pueden
represar al estero San Alfonso y en consecuencia, causar aluviones tipo outburst.
26
3.4 Estudio de peligro y exposición de aluviones
Muñoz (2018), también desarrolló una metodología para evaluar la amenaza (o peligro) de
aluviones la que se basa en la clasificación de Jakob (2005), agregando como hipótesis que, a
mayor volumen de flujo, menor probabilidad de ocurrencia y, por tanto, menor grado de amenaza.
Además, incluye criterios de zonificación de grados de amenaza que incorporan morfologías,
eventos pasados y flujos simulados con el programa RAMMS-debris flow (WSL, 2017), cuyas
áreas de generación se definen en base a una evaluación de susceptibilidad de aluviones. Esta
metodología fue calibrada con su aplicación en la cuenca del estero San Alfonso, cuyos criterios
de zonificación se detallan en la Tabla 3.2, mientras que en la Figura 3.8 se muestra su mapa de
amenaza de aluviones.
Tabla 3.2. Criterios para la zonificación según grados de amenaza por aluviones en la cuenca del
estero San Alfonso. Tomado de Muñoz (2018).
Grado de
amenaza Criterio de zonificación
Volumen
de flujo [m3]
Clase
(Jakob, 2005)
Muy alta
Vías aluviales al interior de la cuenca, área de alcance
de flujo generado el 21 de enero de 2013, cuyo
volumen de flujo es menor, pero cercano al límite de
las Clases III y IV.
~104 III
Alta
Área de alcance de flujo generado el año 2017, cuyo
volumen de flujo es menor, pero cercano al límite de
las Clases IV y V.
~105 IV
Media
Área de alcance de un flujo simulado con RAMMS-
debris flow, que posee las mismas características
físicas del evento del 25 de febrero de 2017, cuyo
volumen de flujo es menor, pero cercano al límite de
las Clases V y VI.
~106 V
Baja Área del abanico de la cuenca. - -
27
Figura 3.8. Mapa de amenaza de flujos de detritos de la cuenca del estero San Alfonso. Escala
1:20.000. La flecha azul indica la junta entre las tres subcuencas de mayor altitud. Modificado de
Muñoz (2018).
De acuerdo con las simulaciones realizadas en el mismo estudio, se calculó que tras pasar el flujo
por la junta entre las tres subcuencas de mayor altitud (ver Figura 3.8) este tardaría entre 6 y 8
minutos hasta alcanzar la desembocadura del estero San Alfonso, para un evento como el del 25
de febrero de 2017 (amenaza alta); mientras que, para un evento como el que define la amenaza
media (ver Tabla 3.2 y Figura 3.8), se demoraría entre 3 y 5 minutos hasta alcanzar el mismo lugar.
Finalmente, al cruzar el mapa de peligro con las edificaciones presentes (el año 2013) se obtiene
el mapa de exposición de aluviones que se muestra en la Figura 3.9.
28
Figura 3.9. Distribución de edificaciones en áreas amenazadas por flujos de detritos en la cuenca del
estero San Alfonso. Elaborado en base a Muñoz (2018).
29
4 Análisis hidrometeorológico de la parte alta de la cuenca del
río Maipo con énfasis en el estero San Alfonso
4.1 Antecedentes generales
En el marco del Acuerdo Complementario N°1 sobre el Convenio de Cooperación en Ciencias de
la Tierra entre el Instituto Nacional de Hidráulica (INH) del Ministerio de Obras Públicas (MOP) y
el SERNAGEOMIN (Resolución Exenta N°0298), el INH se compromete a realizar un
levantamiento de información hidrometeorológica de la parte alta de la cuenca del río Maipo con
énfasis en el estero San Alfonso, el cual se plasma en este capítulo.
De acuerdo con la Dirección General de Aguas (DGA), la parte alta de la cuenca del río Maipo (o
subcuenca río Maipo Alto) ha contado históricamente 44 estaciones, de las cuales 25 son
meteorológicas, 13 fluviométricas y 6 mixtas (ver Figura 4.1).
Por su parte, la Dirección Meteorológica de Chile (DMC) cuenta solo con una estación en la parte
alta de la cuenca del río Maipo Alto, la cual corresponde a la estación San José. Esta se encuentra
ubicada específicamente entre la localidad de El Guayacán y San José de Maipo, la que mide en
tiempo real la dirección del viento, temperatura del aire, radiación global, presión atmosférica,
humedad relativa, y dispone de registros descargables a partir de diciembre de 2016 (ver Figura
4.1).
Existen otras tres estaciones de la DMC que no se encuentran en el área de estudio pero pueden
presentan información adicional de utilidad. Estas corresponden a El Colorado (en la cuenca de
río San Francisco), Aguas Andinas (en la comuna de La Florida) y Río Clarillo (en la cuenca del
río Clarillo) (ver Figura 4.1).
En suma, actualmente la cuenca presenta 21 estaciones vigentes y 23 suspendidas, las cuales se
ilustran en la Figura 4.1, donde además es posible observar la distribución espacial de acuerdo al
tipo de estación (meteorológicas y fluviométricas).
30
Figura 4.1. Vigencia de estaciones meteorológicas y fluviométricas en la parte alta de la cuenca del
río Maipo. El polígono rojizo muestra la cuenca del estero San Alfonso. Elaborado en base a
información de la DGA (2018 a y b) y DMC (2018).
4.2 Estaciones meteorológicas
La DMC cuenta con un registro en línea (DMC, 2018), mientras que la DGA dentro de su base de
datos (DGA, 2018 a y b) publica dos tipos de registros a nivel nacional; el primero corresponde a
la estadística hidrológica en línea, con registros desde el año 1900 hasta la actualidad (DGA,
2018b), y el segundo corresponde a datos hidrológicos en tiempo real (DGA, 2018a). Este último
servicio estadístico no incluye todas las estaciones existentes en la DGA y registra un mayor
número de variables que el primero. A continuación se describen las estaciones existentes en la
parte alta de la cuenca del río Maipo en ambas bases de datos.
31
4.2.1 Estaciones meteorológicas con registro histórico en línea
El registro histórico en el área de estudio incluye un total de 31 estaciones meteorológicas, de las
cuales en la actualidad 18 se encuentran vigentes y 13 suspendidas. Del total de estaciones
existentes, 7 de ellas miden solo temperatura, 6 solo precipitación y 10 ambas variables. Además,
existen 8 estaciones clasificadas por la DGA como meteorológicas, que no presentan registro de
datos, ni tampoco especifican las variables de medición en su página web (DGA, 2018b) (ver
Figura 4.2). Esas estaciones sin registro poseen una fecha de suspensión anterior al año 2000.
Figura 4.2. Variables de medición y registro de datos de las estaciones meteorológicas DGA y DMC.
Elaborado en base a información de la DGA (2018b) y DMC (2018).
En las Figuras 4.3 y 4.4 se presentan los registros de datos diarios de precipitación y temperatura
desde el año 1960 hasta la actualidad. En la primera se incluye la estación Terraza DGA, la cual,
si bien se ubica en el centro de Santiago (oficina de la DGA), tiene uno de los registros más
32
completos de precipitación en la cuenca del río Maipo, por lo que permite una comparación con
los registros de las estaciones ubicadas en la parte alta de la cuenca. Cabe destacar que acá no
se incluye los registros hidrológicos en tiempo real (satelitales), ya que estos se tratan de forma
independiente más adelante en este documento.
En el caso de las estaciones pluviométricas ubicadas en la parte alta de la cuenca del río Maipo
que poseen registros a partir de 1960, de un total de 15 estaciones, solo 3 de ellas (San José de
Maipo Retén, San Gabriel y El Yeso Embalse) presentan un registro prácticamente continuo de
datos para el periodo analizado, y que es comparable con la estación Terraza DGA (ver Figura
4.2). Por otro lado, estas 3 estaciones tienen registros durante los eventos de remoción en masa
ocurridos desde 1960 en adelante (ver Tabla 3.1). De las restantes, 8 poseen datos a partir del
año 2010, aun cuando se encontraban suspendidas desde el año 1980.
En la Figura 4.3 se muestra la operatividad de estaciones pluviométricas con registro de datos
diarios, las que están ubicadas en la parte alta de la cuenca del río Maipo y, además, se indican
los aluviones ocurridos en la cuenca del estero San Alfonso.
Figura 4.3. Operatividad de estaciones pluviométricas con registros diarios (azul) y aluviones en la
cuenca del estero San Alfonso (línea roja punteada). Elaborado en base a información de la DGA
(2018b) y Muñoz (2018).
En el caso de las estaciones con medición de temperatura y registro a partir de 1960, se observa
un total de 5 estaciones, lo que corresponde a un 41,6% del total de aquellas que miden esta
33
variable (ver Figura 4.4). Además, se puede ver que ninguna de ellas presenta registro en la
actualidad, siendo el último dato publicado por la DGA el correspondiente al 31 de agosto de 2005
en la estación Laguna Negra.
Figura 4.4. Operatividad de estaciones que miden temperatura (azul) y aluviones en la cuenca del
estero San Alfonso (línea roja punteada). Elaborado en base a información de la DGA (2018b) y
Muñoz (2018).
Entorno a la cuenca del estero San Alfonso es posible visualizar 12 estaciones meteorológicas, de
la cuales en la actualidad 6 se encuentran vigentes y el resto suspendidas. De las estaciones
vigentes, 5 presentan datos descargables desde el registro en línea de la DGA (DGA, 2018b), y el
resto muestra solo una variable a descargar de las dos disponibles (temperatura del aire y
precipitación). En la Figura 4.5 se ilustra la ubicación de estas estaciones y su vigencia.
34
Figura 4.5. Estaciones meteorológicas cercanas al estero San Alfonso. Elaborado en base a
información de la DGA (2018b).
4.2.2 Estaciones meteorológicas con registro en tiempo real
Al analizar las estaciones de medición con registro en tiempo real, se observa que de las 25
estaciones meteorológicas existentes, solo 11 ellas presentan este sistema o lo realizan a través
del sistema de GPRS (General Packet Radio System). Estas incluyen mediciones de precipitación,
temperatura del agua, temperatura del aire, humedad relativa, radiación solar, velocidad del viento,
etc. Se destaca que los registros de este tipo de estaciones comienzan en el año 2003 en la
estación Laguna Negra. En la Figura 4.6 se muestra la ubicación de las estaciones con registro en
tiempo real.
35
Figura 4.6. Ubicación de estaciones meteorológicas con registro en tiempo real. Elaborado en base a
información de la DGA (2018a).
En la Tabla 4.1, se presentan cada una de las variables medidas en tiempo real por las estaciones
con registro satelital.
36
Tabla 4.1. Variables de medición en estaciones meteorológicas satelitales de la DGA. Elaborado en
base a información de la DGA (2018a).
Variable
Esta
ció
n
Río
Maip
o e
n
Queltehu
es
Río
Volc
án e
n
Queltehu
es
Gla
cia
r S
an
Fra
ncis
co
El Y
eso E
mba
lse
Lagu
na N
egra
Río
Maip
o e
n S
an
Alfonso
Río
Co
lora
do a
nte
s
junta
Río
Oliv
are
s
Río
Oliv
are
s a
nte
s
junta
Río
Co
lora
do
Gla
cia
r O
livare
s
Gam
ma
Valle
Oliv
are
s
Río
Maip
o e
n e
l
Manzan
o
Fecha de inicio (tiempo real)
22/0
5/2
017
04/0
3/2
014
01/0
1/2
012
18/0
2/2
013
24/0
2/2
00
3
04/0
1/2
012
27/0
3/2
013
29/0
7/2
013
18/0
5/2
014
19/0
5/2
014
01/0
1/2
012
Temperatura del aire [°C]
Precipitación acumulada [mm]
Precipitación horaria [mm]
Humedad [%]
Dirección del viento [grados]
Velocidad del viento [m/s]
Precipitación instantánea [mm]
Altura de nieve [cm]
Nieve horaria [mm]
37
Continuación de Tabla 4.1.
Variable E
sta
ció
n
Río
Maip
o e
n
Queltehu
es
Río
Volc
án e
n
Queltehu
es
Gla
cia
r S
an
Fra
ncis
co
El Y
eso E
mba
lse
Lagu
na N
egra
Río
Maip
o e
n S
an
Alfonso
Río
Co
lora
do a
nte
s
junta
Río
Oliv
are
s
Río
Oliv
are
s a
nte
s
junta
Río
Co
lora
do
Gla
cia
r O
livare
s
Gam
ma
Valle
Oliv
are
s
Río
Maip
o e
n e
l
Manzan
o
Radiación solar [Watt/m2]
Temperatura Snow Pillow [1 °C]
Presión atmosférica [mbar]
Es importante considerar que los registros hidrometeorológicos de la plataforma “estadística
hidrológica en línea” (DGA, 2018b) son de carácter histórico y oficial, por lo que su publicación en
esta plataforma puede estar desfasada meses o incluso años. Por ejemplo, la estación Laguna
Negra-DCP presenta un desfase de hasta 13 años.
Existen 7 estaciones meteorológicas que no presentan datos de temperatura en la “estadística
hidrológica en línea” (DGA, 2018b), pero sí en los “datos hidrológicos en tiempo real” (DGA,
2018a), asociados a la misma variable; por lo tanto, es conveniente solo utilizarlos con carácter
referencial. Estas estaciones son las siguientes:
1. Valle Olivares.
2. Río Colorado antes Junta Río Olivares.
3. Río Olivares antes junta Río Colorado.
4. El Yeso Embalse.
5. Glaciar San Francisco en aguas Panimávida.
6. Río Volcán en Queltehues.
7. Glaciar Olivares Gamma.
38
4.3 Estaciones fluviométricas
Al igual que las estaciones meteorológicas, la Dirección General de Aguas presenta dos tipos de
registro de datos, que son la estadística hidrológica en línea y los datos hidrológicos en tiempo
real. A continuación se describen cada una de estas bases de datos.
4.3.1 Estadísticas fluviométricas con registro histórico en línea
Históricamente la parte alta de la cuenca del río Maipo ha contado con un total de 19 estaciones,
de las cuales en la actualidad 7 se encuentran vigentes y 12 suspendidas (ver Figura 4.1).
Respecto a sus parámetros de medición, 4 de estas estaciones miden caudal y sedimentos, y las
restantes solo caudal. Adicionalmente, se identifica una estación que no tiene datos en el registro
en línea de la DGA (DGA, 2018b), la que corresponde a Río Maipo en lo Valdés y tiene una fecha
de suspensión en septiembre de 1914. Por último, se observa que la estación Río Maipo en
Queltehues tiene fecha de inicio en abril de 2017, por lo que su registro se considera reciente.
En la Figura 4.7 se muestra la distribución de las estaciones por variable, y la existencia de registro
de datos disponibles para su descarga en la página web de la DGA (DGA, 2018b). Respecto de
las variables de medición, los datos permiten obtener tanto los caudales medios diarios y
mensuales medios, como las alturas de escurrimiento y caudales instantáneos (diarios).
39
Figura 4.7. Variables de medición y registro de datos de las estaciones fluviométricas DGA.
Elaborado en base a información de la DGA (2018b).
Al analizar los datos de caudales medios diarios, se observa que todas las estaciones han
presentado discontinuidad en sus registros, las cuales pueden alcanzar hasta periodos de años,
como en el caso de la estación Río Volcán en Queltehues y Río Yeso antes junta Río Maipo. Las
estaciones que mantienen un mayor grado de continuidad en sus registros son Río Maipo en San
Alfonso, Río Maipo en el Manzano y Río Colorado antes junta Río Maipo, las que poseen un
registro de más de 70 años (ver Figura 4.8). Cabe destacar que solo 4 de las estaciones analizadas
muestran registros durante la ocurrencia de eventos de remoción en masa en el sector del estero
San Alfonso (ver Tabla 3.1).
40
Figura 4.8. Operatividad de estaciones fluviométricas con registros diarios (azul) y aluviones en la
cuenca del estero San Alfonso (línea roja punteada). Elaborado en base a información de la DGA
(2018b) y Muñoz (2018).
Aguas arribas de la desembocadura del estero San Alfonso existen 8 estaciones fluviométricas,
de las cuales solo dos se encuentran vigentes actualmente (ver Figura 4.9). La estación Río Maipo
en San Alfonso se encuentra suspendida a causa del evento ocurrido el 25 de febrero de 2017.
41
Figura 4.9. Estaciones fluviométricas cercanas al Estero San Alfonso. Elaborado en base a
información de la DGA (2018b).
4.3.2 Estaciones fluviométricas con registro en tiempo real
De las 19 estaciones fluviométricas existentes, 8 presentan registro en tiempo real o a través del
sistema de GPRS (Servicio General de Paquetes vía Radio). De estas, dos corresponden a
estaciones fluviométricas y el resto a estaciones mixtas (fluviométricas y meteorológicas). Entre
las variables de medición se encuentran el caudal y nivel de agua en valores instantáneos
(horarios) y los valores sinópticos (promedio, mínimo, y máximo diarios), con registros que tienen
vigencia desde el año 2012 en la estación Río Maipo en el Manzano.
En la Figura 4.9 se observa la ubicación de las estaciones con registro en tiempo real y en la Tabla
4.2 se presentan las variables de medición de estas estaciones fluviométricas.
42
Figura 4.10. Ubicación de estaciones meteorológicas en tiempo real. Elaborado en base a
información de la DGA (2018a).
43
Tabla 4.2. Variables de medición en estaciones fluviométricas satelitales DGA. Elaborado en base a
información de la DGA (2018a).
Estación Fecha inicio Nivel de agua
[m] Temperatura del agua
[°C] Caudal [m3/s]
Río Maipo en Queltehues 22/05/2017
Río Volcán en Queltehues 04/03/2014
Río Maipo en San Alfonso 04/01/2012
Río Colorado antes junta Río Olivares
27/03/2013
Río Olivares antes Junta Río Colorado
29/07/2013
Río Maipo en el Manzano 01/01/2012
Canal Queltehue 08/11/2013
Río Colorado antes junta Río Maipo
04/01/2012
Al igual que en las estaciones meteorológicas, los registros diarios de la estadística hidrológica en
línea no coincide con los datos hidrológicos en tiempo real. Esta variación puede estar dada por la
presentación de los datos, pues en el primer caso se entrega el caudal medio diario y en el segundo
caso (datos satelitales) se entrega un valor mínimo, máximo y medio de la misma variable.
En la cuenca del estero San Alfonso hay 2 estaciones vigentes que presentan registro en tiempo
real. Además de estas, es importante considerar que la Estación Río Maipo en San Alfonso recogió
registro satelital solo hasta el 25 de febrero de 2017, debido al aluvión que arrasó con la estación
fluviométrica. Dichas estaciones con medición satelital son las siguientes:
1. Río Maipo en San Alfonso (Inicio: 04/01/2012 - Suspendida: 25/02/2017).
2. Río Volcán en Queltehues (Inicio: 04/03/2014).
3. Río Maipo en Queltehues (Inicio: 22/05/2017).
44
4.4 Análisis hidrometeorológico para eventos aluvionales
A continuación se presenta un análisis de las características hidrometeorológicas presentes
durante los eventos aluvionales identificados en la cuenca del estero San Alfonso. Las fechas
analizadas son el 3 de mayo de 1993, 11 de junio de 1997, 14 de junio de 1997, 21 de enero de
2013, 25 de febrero de 2017 y 20 de abril de 2017. Los eventos ocurridos en mayo de 1933 y
febrero de 1978 no se analizan por la falta de información (ver Tabla 3.1).
4.4.1 Evento del 03 de mayo de 1993
El día 03 de mayo de 1993 se reportan aluviones en el estero San Alfonso (Hauser et al., 1996).
Adicionalmente, Naranjo y Varela (1996) reportan que las condiciones climáticas de esos días
generan flujos de detritos y un aluvión en las quebradas Macul y San Ramón, lo que provoca la
muerte de 26 personas, 9 desaparecidos.
En este periodo se observan precipitaciones extendidas en la parte alta de la cuenca del río Maipo,
las cuales son registradas por distintas estaciones. Según se mide en la estación El Yeso Embalse,
ubicada a 2.475 m s.n.m., se alcanzan valores diarios de 54,5 mm, 58,7 mm y 79,0 mm, los días
2, 3 y 6 de mayo, respectivamente. Además, la lluvia ocurrida durante estos días es registrada por
otras estaciones de la DGA ubicadas a menor altitud, tales como, San Gabriel, San José de Maipo
Retén y Maitenes Bocatoma, con valores diarios que varían entre 30 mm y 79,0 mm. No se tienen
datos de intensidad horaria de precipitaciones, por lo que no es posible analizar esta variable (ver
Tabla 4.3).
La isoterma 0 °C presenta una situación variable en el periodo cercano a la fecha del evento
aluvional, con valores que varían entre 2.298 y 4.264 m s.n.m. posterior al inicio de las
precipitaciones (ver Tabla 4.3). En Garreaud y Rutllant (1997) se estima que la isoterma 0 °C
durante este evento se ubica a una altitud aproximada de 4.000 m s.n.m. (casi 2.000 m más que
durante una tormenta promedio) cuadruplicando el área pluvial y quintuplicando el volumen de
agua disponible. En concordancia con lo anterior, la temperatura en el nivel de 700 hPa (~3.000 m
s.n.m.) muestra una situación también variable a lo largo del evento, con valores de 6,0 °C
aproximadamente, al inicio de las precipitaciones y disminuyendo a valores bajo 0 °C
posteriormente.
45
Tabla 4.3. Detalle de información hidrometeorológica en la parte alta de la cuenca del río Maipo, para
el evento aluvional del 03 de mayo de 1993.
Fecha
Estaciones DGA Estaciones DMC
Caudal medio [m3/s]
Precipitación diaria [mm] Intensidad
máxima [mm/h]
Altitud Isoterma 0 °C [m s.n.m.]
Río Maipo en El
Manzano
(2.475 m s.n.m.)
El Yeso Embalse
(2.475 m s.n.m.)
San Gabriel
(1.266 m s.n.m.)
San José de Maipo
Retén
(943 m s.n.m.)
Maitenes Bocatoma
(1.143 m s.n.m.)
Colorado
(2.750 m s.n.m.)
San José
(928 m s.n.m.)
Radiosonda Quintero
01/05/1993 99,4 0 0 0 0 - - 4.264
02/05/1993 98,5 54,5 50 36 45,5 - - 4.022
03/05/1993 722 58,7 47 51,5 30 - - 3.927
04/05/1993 - 0 0 0 0 - - 2.550
05/05/1993 - 0 50 76 33,5 - - 2.934
06/05/1993 - 79 25 21,5 3 - - 3.073
07/05/1993 - 0 0 0 3 - - 2.298
De la Tabla 4.3 muestra que no es posible analizar la variación del caudal del río Maipo debido a
la falta de datos medidos durante la tormenta. Esto a causa de que el incremento de caudal fue
tan grande que las estaciones fueron incapaces de medir.
Al considerar las bajas temperaturas y el hecho de que las precipitaciones ocurren de forma
extendida en la parte alta de la cuenca del río Maipo, con registros en distintas estaciones ubicadas
a variadas altitudes, se puede asociar este evento con un sistema frontal. Resulta interesante
destacar que al inicio de las precipitaciones la isoterma 0 °C estaba ubicaba sobre los 4.000 m
s.n.m., lo que contribuyó a la generación de aluviones (ver Figura 4.11).
46
Figura 4.11. Serie de tiempo para evento aluvional del 03 de mayo de 1993, en la subcuenca alta del
río Maipo. Caudal en las estaciones DGA, del Río Maipo en El Manzano (línea azul continua) y Río
Maipo en San Alfonso (línea azul punteada). Isoterma 0 °C de radiosonda Quintero DMC (línea
verde). Precipitación en estación DGA, El Yeso Embalse (barra gris) y temperatura del aire en el nivel
de 700 hPa (~3.000 m s.n.m.) sobre la zona Central de Chile. Elaborado en base a datos NCEP
Reanalysis data de NOAA/OAR/ESRL PSD.
4.4.2 Evento del 11 de junio 1997
El día 11 de junio de 1997 se reportan aluviones en el estero San Alfonso (Muñoz, 2016). En este
periodo se observan precipitaciones extendidas en la parte alta de la cuenca del río Maipo, las
cuales son registradas por distintas estaciones. En general, la precipitación medida varía entre 7,5
y 49,5 mm en las distintas estaciones analizadas, en el periodo desde el día previo y hasta el
posterior al evento aluvional. En particular, en la estación El Yeso Embalse (DGA), ubicada a 2.475
m s.n.m., se alcanzan valores diarios de 33,5 mm. No se tienen datos de intensidad horaria de
precipitaciones, por lo que no es posible analizar esta variable (ver Tabla 4.4).
47
Previo a este evento se identifican periodos de precipitaciones recurrentes que generan
consecuentes aumentos de caudales, donde se observa que posterior a cada máxima de crecida
existe un aumento del flujo base. En el evento del 11 de junio de 1997 muestra este mismo efecto,
donde el caudal aumenta levemente desde los 48 m3/s hasta 71 m3/s (ver Tabla 4.4 y Figura 4.12).
La isoterma 0 °C presenta una situación variable en el periodo cercano a la fecha del evento
aluvional, con valores que varían desde 3.611 m s.n.m. previo a la fecha de interés, y que llega
hasta los 1.688 m s.n.m. posteriormente (ver Figura 4.12). El día 11 de junio se tiene una tendencia
a la disminución de la altitud de la isoterma 0 °C, la cual se ubica a los 2.842 m s.n.m. (ver Tabla
4.4). En concordancia con lo anterior, la temperatura en el nivel de 700 hPa también tiene una
tendencia decreciente, con valores entre -5 y 0 °C durante la tormenta de interés. Se observa que
posteriormente al evento pluvial del 11 de junio la temperatura a este nivel se mantiene oscilando
entre valores positivos y negativos.
Tabla 4.4. Detalle de información hidrometeorológica en la parte alta de la cuenca del río Maipo, para
el evento aluvional del 11 de junio de 1997.
Fecha
Estaciones DGA Estaciones DMC
Caudal medio [m3/s]
Precipitación diaria [mm] Intensidad
máxima [mm/h]
Altitud Isoterma 0 °C [m s.n.m.]
Río Maipo en El
Manzano
(2.475 m s.n.m.)
El Yeso Embalse
(2.475 m s.n.m.)
San Gabriel
(1.266 m s.n.m.)
San José de Maipo
Retén
(943 m s.n.m.)
Maitenes Bocatoma
(1.143 m s.n.m.)
Colorado
(2.750 m s.n.m.)
San José
(928 m s.n.m.)
Radiosonda Quintero
09/06/1997 48,7 0 0 0 - - - 3.611
10/06/1997 43,9 7,5 17 20 - - - -
11/06/1997 55,7 33,5 49,5 41 - - - 2.842
12/06/1997 71 20,2 0 15,5 - - - 2.362
13/06/1997 57,6 10 10 0 - - - 1.688
14/06/1997 52,4 10,5 21,5 14,5 - - - 2.532
15/06/1997 72,3 52,5 49,5 21,5 - - - 3.215
48
Figura 4.12. Serie de tiempo para evento aluvional del 11 de junio de 1997, en la subcuenca alta del
río Maipo. Caudal en las estaciones DGA, del Río Maipo en El Manzano (línea azul continua) y Río
Maipo en San Alfonso (línea azul punteada). Isoterma 0 °C de radiosonda Quintero DMC (línea
verde). Precipitación en estación DGA, El Yeso Embalse (barra gris) y temperatura del aire en el nivel
de 700 hPa (~3.000 m s.n.m.) sobre la zona Central de Chile. Elaborado en base a datos NCEP
Reanalysis data de NOAA/OAR/ESRL PSD.
Al considerar las bajas temperaturas y el hecho de que las precipitaciones ocurren de forma
extendida en la parte alta de la cuenca del río Maipo, con registros en distintas estaciones ubicadas
a variadas altitudes, se puede asociar este evento con un sistema frontal.
4.4.3 Evento del 13-14 de octubre de 1997
El 13-14 de octubre de 1997 se reportan aluviones en el estero San Alfonso (Muñoz, 2016). En
este periodo se observan precipitaciones extendidas en la parte alta de la cuenca del río Maipo,
las cuales son registradas por distintas estaciones. En general, la precipitación medida varía entre
3,0 y 31 mm en las distintas estaciones analizadas, entre los días 13 y 14 de octubre de 1997. En
49
particular, en la estación El Yeso Embalse (DGA), ubicada a 2.475 m s.n.m., se presentan
precipitaciones bajas (ver Tabla 4.5). Dada la falta de registros de intensidad de precipitaciones,
no es posible ver si, a pesar de las bajas precipitaciones en la parte de mayor altitud, esta pudo
haber sido un factor relevante.
La precipitación asociada a este evento no genera aumentos importantes de caudal, registrándose
variaciones que se mantienen en el rango de los 90 a 100 m3/s (ver Tabla 4.5 y Figura 4.13), sin
significancia para el análisis.
La isoterma 0 °C presenta una situación variable en el periodo cercano a la fecha del evento
aluvional, con valores de ~ 2.000 y 2.900 m s.n.m., para los días 13 y 14 de octubre,
respectivamente (ver Tabla 4.5). La temperatura en el nivel de 700 hPa oscila entre positiva y
negativa en el periodo de tiempo cercano a la tormenta analizada.
Tabla 4.5. Detalle de información hidrometeorológica en la parte alta de la cuenca del río Maipo, para
el evento aluvional del 13 y 14 de octubre de 1997.
Fecha
Estaciones DGA Estaciones DMC
Caudal medio [m3/s]
Precipitación diaria [mm] Intensidad
máxima [mm/h]
Altitud Isoterma 0 °C [m s.n.m.]
Río Maipo en El
Manzano
(2.475 m s.n.m.)
El Yeso Embalse
(2.475 m s.n.m.)
San Gabriel
(1.266 m s.n.m.)
San José de Maipo
Retén
(943 m s.n.m.)
Maitenes Bocatoma
(1.143 m s.n.m.)
Colorado
(2.750 m s.n.m.)
San José
(928 m s.n.m.)
Radiosonda Quintero
12/10/1997 92 0 0 0 0 - - 2.961
13/10/1997 94,6 13 31 20,5 8,5 - - 2.788
14/10/1997 102 3 11 7,5 0 - - 2.063
15/10/1997 95,1 0 2 0 0 - - 2.173
16/10/1997 94,9 0 0 0 0 - - 2.742
17/10/1997 97,7 0 0 0 0 - - 3.082
18/10/1997 104 0 0,5 0 0 - - 3.411
19/10/1997 109 0 0,1 0 0 - - 3.359
50
Figura 4.13. Serie de tiempo para evento aluvional del 13-14 de octubre de 1997, en la subcuenca alta
del río Maipo. Caudal en las estaciones DGA, del Río Maipo en El Manzano (línea azul continua) y Río
Maipo en San Alfonso (línea azul punteada). Isoterma 0 °C de radiosonda Quintero DMC (línea
verde). Precipitación en estación DGA, El Yeso Embalse (barra gris) y temperatura del aire en el nivel
de 700 hPa (~3.000 m s.n.m.) sobre la zona Central de Chile. Elaborado en base a datos NCEP
Reanalysis data de NOAA/OAR/ESRL PSD.
Al considerar las bajas temperaturas y el hecho de que las precipitaciones ocurren de forma
extendida en la subcuenca, con registros en distintas estaciones ubicadas a variadas altitudes,
este evento se puede asociar a una tormenta condicionada por un sistema frontal.
4.4.4 Evento del 21 de enero de 2013
Los trabajos de Sepúlveda et al. (2014) y SERNAGEOMIN (2013) indican que el evento
hidrometeorológico del 21 de enero de 2013 produjo importantes flujos de detritos en las cuencas
del río Maipo, del río Cachapoal y del río Mendoza, respectivamente. El evento más perjudicial de
la cuenca del río Maipo ocurrió en el estero San Alfonso (Muñoz, 2018).
51
El detonante de estos eventos fue una precipitación intensa, muy localizada y de corta duración,
atribuida a celdas convectivas, comunes en época estival (Garreaud y Rutllant, 1997), favorecidas
por una isoterma 0 °C de 4.462 m s.n.m., lo que significó un aumento en la superficie de captación
de aguas lluvias en toda la zona (ver Tabla 4.6). En este sentido, la temperatura en el nivel de 700
hPa resulta ser bastante alta durante este evento, alcanzando los 8,0 °C durante la tormenta (ver
Figura 4.14).
La precipitación diaria asociada a este evento es de 11 mm en la estación El Yeso Embalse (DGA),
ubicada a 2.475 m s.n.m., y de 5,5 mm en San José de Maipo Retén (DGA). La estación Colorado
(DMC), ubicada a 2.750 m s.n.m., también registra altas precipitaciones correspondientes a un
total de 11 mm y con una intensidad máxima de 6,4 mm/h (ver Tabla 4.6). Este valor se considera
alto para el área de estudio dado que supera el umbral establecido de 5 mm/h propuesto por
Hauser (1985).
Tabla 4.6. Detalle de información hidrometeorológica en la parte alta de la cuenca del río Maipo, para
el evento aluvional del 21 de enero de 2013.
Fecha
Estaciones DGA Estaciones DMC
Caudal medio [m3/s]
Precipitación diaria [mm] Intensidad
máxima [mm/h]
Altitud Isoterma 0 °C [m s.n.m.]
Río Maipo en El
Manzano
(2.475 m s.n.m.)
El Yeso Embalse
(2.475 m s.n.m.)
San Gabriel
(1.266 m s.n.m.)
San José de Maipo
Retén
(943 m s.n.m.)
Maitenes Bocatoma
(1.143 m s.n.m.)
Colorado
(2.750 m s.n.m.)
San José
(928 m s.n.m.)
Radiosonda Santo
Domingo
19/01/2013 157 0 0 0 0 0 0 4.815
20/01/2013 153 0 0 0 0 0 0 4.682
21/01/2013 144 11 0 5,5 0 6,4 0,7 4.462
22/01/2013 134 0 0 0 0 0 0 4.271
23/01/2013 125 0 0 0 0 0 0 4.171
24/01/2013 123 0 0 0 0 0 0 4.087
52
Figura 4.14. Serie de tiempo para evento aluvional del 21 de enero de 2013, en la subcuenca alta del
río Maipo. Caudal en las estaciones DGA, del Río Maipo en El Manzano (línea azul continua) y Río
Maipo en San Alfonso (línea azul punteada). Isoterma 0 °C de radiosonda Santo Domingo DMC (línea
verde). Precipitación en estación DGA, El Yeso Embalse (barra gris) y temperatura del aire en el nivel
de 700 hPa (~3.000 m s.n.m.) sobre la zona Central de Chile. Elaborado en base a datos NCEP
Reanalysis data de NOAA/OAR/ESRL PSD.
En suma, considerando lo anteriormente expuesto, el evento descrito se caracteriza por lo
siguiente:
1. Altas temperaturas.
2. Isoterma 0 °C elevada sobre los 4.000 m s.n.m.
3. Precipitaciones concentradas en sectores específicos de la parte alta de la cuenca del río
Maipo.
4. Intensidades muy altas y un bajo incremento de caudal (asociado a tormentas
convectivas).
53
4.4.5 Evento del 25 de febrero de 2017
En el trabajo de Marín et al. (2017) se detallan los efectos geológicos del evento
hidrometeorológico del 25 y 26 de febrero de 2017, el cual produjo importantes flujos de detritos
y/o barro en la cuenca del río Maipo; en este se ubica el evento más perjudicial en la quebrada
San José con 8 personas fallecidas y 1 desaparecido; por su parte, se indica que en este periodo
el evento de mayor volumen fue en el estero San Alfonso el 25 de febrero de 2017 (Muñoz, 2018).
La lluvia asociada a este evento es registrada inicialmente en la estación San Gabriel (DGA) con
un total de 30 mm el 24 de febrero. El día siguiente la precipitación es registrada principalmente
en la estación El Yeso Embalse (DGA), ubicada a mayor altitud, donde se alcanza los 24 mm.
Resulta interesante analizar lo que sucede el 26 de febrero, donde la precipitación registrada en
las estaciones de la DGA es mínima, sin embargo en la estación San José (DMC) se registra una
intensidad máxima de 3,4 mm/h y en la estación Laguna Negra de 4,1 mm/h.
La lluvia asociada al evento descrito no genera aumentos importantes de caudal y destaca que
durante (y posterior) su desarrollo los caudales se mantienen en descenso (ver Tabla 4.7 y Figura
4.15).
La DMC (2017) señala que este evento hidrometeorológico corresponde a un núcleo frío en altura,
con un gran aporte de agua precipitable desde las costas del Perú, asociado a El Niño Costero,
con difluencia en su parte delantera, lo que favoreció el desarrollo de la convección que afectó a
la zona central del país. Debido a este fenómeno se generaron precipitaciones intensas que
desencadenaron la ocurrencia de flujos de detritos en las subcuencas de la cuenca del río Maipo,
favorecidos por una isoterma 0 °C sobre los 4.600 m s.n.m. (ver Tabla 4.7).
La temperatura en el nivel de 700 hPa (~3.000 m s.n.m.) resulta ser alta, ya que se alcanzan
valores entre los 8,8 y 3,4 °C, lo cual es comparable a lo observado durante la tormenta del 21 de
enero de 2013 (ver Figura 4.15).
54
Tabla 4.7. Detalle de información hidrometeorológica en la parte alta de la cuenca del río Maipo, para
el evento aluvional del 25 de febrero de 2017.
Fecha
Estaciones DGA Estaciones DMC
Caudal medio [m3/s]
Precipitación diaria [mm] Intensidad
máxima [mm/h]
Altitud Isoterma 0 °C [m s.n.m.]
Río Maipo en El
Manzano
(2.475 m s.n.m.)
El Yeso Embalse
(2.475 m s.n.m.)
San Gabriel
(1.266 m s.n.m.)
San José de Maipo
Retén
(943 m s.n.m.)
Maitenes Bocatoma
(1.143 m s.n.m.)
Colorado
(2.750 m s.n.m.)
San José
(928 m s.n.m.)
Radiosonda Santo
Domingo
23/02/2017 168 0 0 0 0 - 0 5.206
24/02/2017 167 0 30 0 0 - 0 5.006
25/02/2017 158 24 0 2,1 4 - 0 4.684
26/02/2017 150 1,5 0 0 0 - 3,4 4.522
27/02/2017 122 0 0 0 0 - 0 4.490
28/02/2017 117 0 0 0 0 - 0 4.437
01/03/2017 117 0 0 0 - - 0 4.395
55
Figura 4.15. Serie de tiempo para el evento aluvional del 25 de febrero de 2013, en la subcuenca alta
del río Maipo. Caudal en las estaciones DGA, del Río Maipo en El Manzano (línea azul continua) y Río
Maipo en San Alfonso (línea azul punteada). Isoterma 0 °C de radiosonda Santo Domingo DMC (línea
verde). Precipitación en estación DGA, El Yeso Embalse (barra gris) y temperatura del aire en el nivel
de 700 hPa (~3.000 m s.n.m.) sobre la zona Central de Chile. Elaborado en base a datos NCEP
Reanalysis data de NOAA/OAR/ESRL PSD.
4.4.6 Evento del 20 de abril de 2017
El día 20 de abril de 2017 se reportan aluviones importantes en la cuenca del río Maipo y en
particular en el estero San Alfonso (Muñoz, 2018); estos causaron el corte en el suministro de agua
potable, el 21 de abril del mismo año, que afectó a más de 880 mil clientes de 27 comunas de la
región Metropolitana de Santiago.
Para este evento se observa algo similar a los ocurridos el 21 de enero de 2013 y 25 de febrero
de 2017, ya que la precipitación resulta ser localizada en ciertas zonas de la parte alta de la cuenca
del río Maipo.
56
El 19 de abril solo se observan precipitaciones en la estación El Yeso Embalse (DGA) alcanzando
13 mm, mientras que el 20 de abril se registran lluvias en dos estaciones, correspondiente a San
José de Maipo Retén y El Yeso Embalse, con precipitaciones diarias que alcanzan 32,5 mm y 36,6
mm respectivamente. Durante este día también se registra una intensidad alta de precipitaciones
en la estación San José (DMC), la que llega a 4,7 mm/h. Posterior a este día las precipitaciones
son mínimas (ver Tabla 4.8).
Se observa un crecimiento de caudal claramente relacionado al evento de precipitación, el que
genera aumentos de gasto líquido desde valores cercano a 60 m3/s, previo a la tormenta, hasta
un promedio diario máximo de 150 m3/s el 20 de abril. Posterior a esta tormenta los caudales
vuelven a su tendencia de disminución registrada previa al evento pluvial (ver Tabla 4.8 y Figura
4.16).
Tabla 4.8. Detalle de información hidrometeorológica en la parte alta de la cuenca del río Maipo, para
el evento aluvional del 20 de abril de 2017.
Fecha
Estaciones DGA Estaciones DMC
Caudal medio [m3/s]
Precipitación diaria [mm] Intensidad
máxima [mm/h]
Altitud Isoterma 0 °C [m s.n.m.]
Río Maipo en El
Manzano
(2.475 m s.n.m.)
El Yeso Embalse
(2.475 m s.n.m.)
San Gabriel
(1.266 m s.n.m.)
San José de Maipo
Retén
(943 m s.n.m.)
Maitenes Bocatoma
(1.143 m s.n.m.)
Colorado
(2.750 m s.n.m.)
San José
(928 m s.n.m.)
Radiosonda Santo
Domingo
19/04/2017 64,7 13 0 0 0 3.608
20/04/2017 150 36,6 0 32,5 4,7 3.818
21/04/2017 110 0 0 2,5 0,1 3.633
22/04/2017 70,3 0 0 0 0,1 3.835
23/04/2017 63,4 0 0 0 0 3.845
57
Figura 4.16. Serie de tiempo para el evento aluvional del 20 de abril de 2017, en la subcuenca alta del
río Maipo. Caudal en las estaciones DGA, del Río Maipo en El Manzano (línea azul continua) y Río
Maipo en San Alfonso (línea azul punteada). Isoterma 0 °C de radiosonda Santo Domingo DMC (línea
verde). Precipitación en estación DGA, El Yeso Embalse (barra gris) y temperatura del aire en el nivel
de 700 hPa (~3.000 m s.n.m.) sobre la zona Central de Chile. Elaborado en base a datos NCEP
Reanalysis data de NOAA/OAR/ESRL PSD.
Finalmente, en cuanto a la isoterma 0 °C, esta se ubica a gran altitud entre los 3.600 y 3.850 m
s.n.m. En este sentido, la temperatura en el nivel de 700 hPa (~3.000 m s.n.m.) resulta ser alta,
manteniéndose en el rango de 3,2 a 4,2 °C durante el periodo de la tormenta (ver Tabla 4.8 y
Figura 4.16).
58
4.5 Factores desencadenantes de aluviones en la cuenca del estero
San Alfonso
Tras el análisis hidrometeorológico se desprende que el principal factor desencadenante de
aluviones en la cuenca del estero San Alfonso corresponde a la lluvia, fundamentalmente cuando
existe una isoterma 0 °C elevada, generalmente sobre los 3.800 m s.n.m., con un valor mínimo de
2.800 m s.n.m. (ver Tabla 4.9).
Tabla 4.9. Resumen de precipitación diaria y altitud de isoterma 0 °C para los aluviones ocurridos en
el estero San Alfonso, desde 1993 al 2017.
Fecha Precipitación
máxima diaria [mm]
Estación
meteorológica
Altitud isoterma 0 °C
[m s.n.m.]
Tipo de
tormenta
03 de mayo de
1993 58,7
Embalse El
Yeso ~3.900
Sistema
frontal
11 de junio de
1997 49,5 San Gabriel ~2.850
Sistema
frontal
13-14 de
octubre de 1997 31,0 San Gabriel ~2.800
Sistema
frontal
21 de enero de
2013 11,0
Embalse El
Yeso ~4.500 Convectiva
25 de febrero de
2017 20,5
Embalse El
Yeso ~4.700 Convectiva
20 de abril de
2017 36,0
Embalse El
Yeso ~3.800 Convectiva
Además, se distinguen dos patrones sinópticos que típicamente han detonado aluviones en el área
de estudio, estos son los sistemas frontales y las tormentas convectivas.
Los sistemas frontales ocurren por el paso de perturbaciones extratropicales moviéndose hacia el
Este, produciendo precipitaciones más estables (uniformes y distribuidas) y de naturaleza
estratiforme (ver Figura 4.17a). La mayoría de las precipitaciones de invierno se asocian a este
patrón sinóptico (Viale y Garreaud, 2014).
59
El desarrollo de tormentas convectivas de verano generalmente ocurre en asociación con una
vaguada de onda corta que se aproxima y presenta vientos desde el este o vientos desde el oeste
muy débiles en la cima de los Andes subtropicales (32-36° S) (ver Figura 4.17b).
Figura 4.17. (a) Representación esquemática de las condiciones meteorológicas durante sistemas
frontales y (b) tormentas convectivas. Modificado de Viale y Garreaud (2014).
60
En época estival, durante el desarrollo de tormentas, la elevada altitud de la isoterma 0 °C (límite
entre precipitación líquida y sólida; Farías et al., 2016) favorece la ocurrencia de remociones en
masa, ya que aumenta la superficie de captación de agua líquida. La precipitación líquida puede
llegar hasta los 4.000 m s.n.m. en las montañas, bastante más arriba de los 2.300 m s.n.m. que
posee la línea de nieve típica (altitud a partir de la cual las precipitaciones son en forma de nieve)
en invierno (Garreaud, 2013). Ejemplo de lo anterior son los aluviones ocurridos el 21 de enero de
2013 y el 25 de febrero de 2017; estos fueron desencadenados por precipitaciones intensas,
atribuidas a celdas convectivas, con una isoterma 0 °C por sobre los 4.000 m s.n.m. en ambos
casos, lo que implica que toda la cuenca captó agua (ver Figura 4.19).
Figura 4.18. Elevación de la isoterma 0 °C como factor desencadenante de aluviones en la cuenca
del estero San Alfonso. Elaboración propia.
61
5 Sistemas de monitoreo y de alerta de aluviones
5.1 Tipos de sistemas de monitoreo y de alerta de aluviones
Según la UNISDR (2009), un sistema de alerta temprana (SAT) corresponde al conjunto de
capacidades necesarias para generar y difundir información de alerta que sea oportuna y
significativa, con el fin de permitir que las personas, las comunidades y las organizaciones bajo
amenaza se preparen y actúen de forma apropiada y con suficiente tiempo de anticipación para
reducir la posibilidad de que se produzcan pérdidas o daños; en función de la gente
necesariamente comprende cuatro elementos fundamentales:
1. El conocimiento del riesgo.
2. El seguimiento de cerca (o monitoreo), análisis y pronóstico de las amenazas.
3. La comunicación o difusión de las alertas y avisos.
4. Las capacidades locales para responder frente a la alerta recibida.
Lo anterior, sugiere que un SAT incluye una etapa de monitoreo, la cual está orientada a dar
seguimiento a la amenaza, en este caso a los aluviones, mediante la observación y registro
periódico de las variables físicas relacionadas a su ocurrencia y progreso, por lo que su enfoque
es más bien científico-técnico. Dentro de los sistemas de monitoreo se distinguen dos tipos:
1. Sistema de monitoreo piloto (SMP): su objetivo es probar sensores, calibrar variables
físicas (e.g. Chalk Creek Valley; Coe et al., 2010) y elaborar algoritmos de detección de
ocurrencia y proximidad de un aluvión. Además, puede contener como objetivo secundario
el de evaluar el funcionamiento de la red de comunicaciones para un posterior sistema de
alerta.
2. Sistema de monitoreo de modelación (SMM): su función principal es la recolección de
datos para desarrollar softwares de simulación de aluviones (e.g. Illgraben; WSL, 2017)
que permitan crear mapas de peligro, determinar la población expuesta y diseñar
estructuras para mitigar el impacto de estos flujos sobre las personas (Itakura et al., 2005).
Los SAT van más allá de solo monitorear aluviones, de tal manera que su finalidad es dar aviso a
la población de la ocurrencia o la proximidad de estos flujos. Según Arattano y Marchi (2008), los
sistemas de alerta se pueden clasificar como sigue:
62
1. Sistema de alerta anticipada (SAA): su función es emitir un aviso antes que ocurra un
aluvión en base al monitoreo de posibles factores detonantes, típicamente fenómenos
meteorológicos (Arattano y Marchi, 2008), como lluvias intensas y variaciones de
isoterma 0 °C. Predice la ocurrencia de un evento en base a la determinación de umbrales
de generación.
2. Sistema de alerta de evento (SAE): su propósito es emitir un aviso cuando un aluvión
está en progreso (Arattano y Marchi, 2008), es decir, se emite una alarma una vez que
se detecta la proximidad de un aluvión por un determinado lugar, el que debe estar a
varios kilómetros corriente arriba de la población expuesta.
Los algoritmos que determinan la ocurrencia de un aluvión generalmente se elaboran en el SMP
y operan comparando pronósticos (forecasts) y mediciones en tiempo real de precipitación, con
umbrales (thresholds) de precipitación local (Cavalli et al., 2013) a partir de los cuales
históricamente se han desencadenado aluviones en una determinada área. Por lo anterior, el
pronóstico meteorológico y el catastro de aluviones resultan fundamentales para el éxito de este
tipo de sistema. Por su parte, la detección de proximidad de un aluvión también se prueba
mediante el SMP, y su complejidad está directamente relacionada con la sofisticación de los
sensores utilizados, de tal modo que mientras más robusto el sensor, más simple es el algoritmo.
Finalmente, en la Figura 5.1 se resumen los sistemas de monitoreo y de alerta de aluviones,
mientras en la Figura 5.2 se muestran los niveles de certeza y acciones a convenir para cada
sistema de alerta de aluviones.
Figura 5.1. Sistemas de monitoreo y de alerta de aluviones. Elaboración propia.
63
Figura 5.2. Niveles de certeza y acciones a tomar para cada sistema de alerta de aluviones.
Elaboración propia.
5.2 Sistemas de monitoreo existentes en el mundo
5.2.1 Asia
Japón y China han sido pioneros en el monitoreo del flujos de detritos y los sitios instrumentados
en estos países, gracias a la larga serie de datos registrados (desde 1970 aprox.), todavía juegan
un papel significativo en la investigación de este tipo de remoción en masa (Cavalli et al., 2013).
Los sistemas de alerta de flujos de detritos en ambos países son similares; consisten por un lado,
en el desarrollo de modelos predictivos, como la superación de umbrales de precipitación
establecidos mediante monitoreo de variables meteorológicas; y por otro en modelos de detección
al monitorear variables de aluviones (ver Tabla 2.5). Los sensores comúnmente empleados, tanto
en Japón como en China (Taiwán), son estaciones meteorológicas, sensores infrasónicos,
ultrasónicos, de cables, sismómetros, geófonos y videocámaras, entre otros (Hübl et al., 2008; Yin,
2012). La transmisión de datos es variada e incluye una red satelital, radios, medios guiados y
telefonía móvil (Yin, 2012; Suwa, 2012; Suwa et al., 2011) (ver Figura 5.3).
Además, en los últimos años otros países asiáticos de menor desarrollo económico y tecnológico
como Nepal, Indonesia, Tailandia, Bután, Malasia, Bangladesh e India (Fathani et al., 2011; Din et
al., 2013; Shrestha et al., 2014; Biansoongnern et al., 2016; Kafle, 2017) entre otros, han
desarrollado sistemas de alerta temprana para inundaciones y deslizamientos de tierra. Para
ambos procesos se han basado principalmente en el monitoreo meteorológico y en la estimación
64
de umbrales de intensidad de precipitación, puesto que ambos procesos históricamente han sido
desencadenados por lluvias intensas.
Figura 5.3. a) Sensores de monitoreo; b) red de transmisión de datos comúnmente utilizados en
China y Japón. Modificado de Yin (2012); c) Ejemplo de monitoreo de flujos de detritos en el estero
Kamikamihorizawa del Monte Yakedake, Japón; d) Estaciones meteorológicas sobre la zona de
arranque; e) Sensor ultrasónico sobre la vía aluvional; y f) Videocámara en el abanico aluvial.
Modificado de Suwa et al. (2011).
5.2.2 Estados Unidos
Entre las primeras experiencias sobre monitoreo de aluviones (flujos de detritos) en Estados
Unidos, se encuentran las campañas de monitoreo de Pierson (1986) en las quebradas del Monte
Santa Helena. En la actualidad, la instalación de equipos de monitoreo en el valle del estero Chalk
en las Montañas Rocosas de Colorado, han proporcionado información y datos valiosos sobre el
desencadenamiento de flujos de detritos y su dinámica (Coe et al., 2008; McCoy et al., 2011;
Cavalli et al., 2013). En esta pequeña cuenca instrumentada con pluviógrafos, sensores de
humedad de suelo, sensores ultrasónicos, sensores de presión, celdas de carga, videocámaras y
cámaras fijas, se registraron 17 eventos entre 2004 y 2009 (Coe et al., 2010. Ver Figura 5.4).
Durante los eventos de lluvia se graba en video a 2 fotogramas por segundo y se toman fotografías
de alta resolución cada 30 segundos. Las imágenes fijas de la cámara se transmiten vía Internet
65
todos los días al mediodía y cada 30 minutos durante los eventos de lluvia. El video completo se
descarga manualmente desde la cámara (USGS, 2018).
Figura 5.4. a) Mapa que muestra la instrumentación de la cuenca del estero Chalk, Estados Unidos.
Los símbolos indican la instalación de pluviógrafo (R), sensor de presión (PT), sensor ultrasónico
(US), celdas de carga (FP), sensor de humedad de suelo (SM), videocámara (VC) y cámara fija (SC);
b) Videocámara; y c) Sensor ultrasónico. Modificado de Coe et al. (2010).
5.2.3 Europa
Una de las primeras cuencas equipada para monitorear aluviones (flujos de detritos) es el torrente
de Moscardo en los Alpes al este de Italia (Arattano et al., 1997; Marchi et al., 2002). Otros sitios
fueron instrumentados también a fines de la década de 1990 y principios del 2000 en Italia (Tecca
et al., 2003) y Suiza (Hürlimann et al., 2003). Entre estos sitios de monitoreo, la cuenca Illgraben
(Suiza) merece ser mencionada debido al desempeño de su sistema de alerta de flujos de detritos
(Badoux et al., 2009), sus avances en mediciones de fuerzas, presión de poros en flujos de detritos
(McArdell et al., 2007) y erosión del lecho del canal (Berger et al., 2011). Además, con los datos
recopilados en esta cuenca se desarrolló el software RAMMS-debris flow (Rapid Mass Movement
Simulation), útil para la modelación de flujos de detritos (WSL, 2017).
66
En otros países europeos como Austria (Kogelnig et al., 2011), Francia (Navratil et al., 2012) y
España (Abancó et al., 2014) también se han instalado equipos de monitoreo de flujos de detritos
(Cavalli et al., 2013), cuyos sistemas, sensores y red de transmisión son similares a los ya
mencionados para China, Japón y Estados Unidos. Sin embargo, el interés por entender el peligro
y reducir el riesgo frente a los procesos de remociones en masa ha llegado a tal punto en Europa,
que para esta región, el año 2012 se desarrolló una guía para el monitoreo de remociones en masa
y sistemas de alerta temprana (Safeland, 2012).
Otro aspecto que cabe mencionar es que en Austria, Adams et al. (2016) utilizaron vehículos
aéreos no tripulados (UAVs o drones) para monitorear y realizar un mapeo de alta resolución. A
partir de ello, en este trabajo se concluye que los datos de UAVs pueden alcanzar una exactitud y
precisión comparable a los datos de aeronaves tripuladas, pero con mayor flexibilidad y
repetitividad, menos restricciones operacionales y mayor resolución espacial.
En Italia también se han monitoreado flujos de lodo, como el caso de Turconi et al. (2015) que
muestran un sistema en el cual se utilizan sensores sísmicos (geófonos), un sensor ultrasónico y
una videocámara.
Finalmente, Schimmel y J. Hübl (2015) muestran un método innovador de detección, tanto de flujos
de detritos, como de flujos hiperconcentrados. Este método es automatizado y consiste en la
implementación conjunta de un sensor sísmico (geófono) y uno infrasónico. El algoritmo de
detección se ejecuta con precisión, en tiempo real y directamente en el lugar por medio de un
microcontrolador. Los resultados de este estudio indican que al combinar ambos sensores se
reduce fuertemente la generación de falsas alarmas, lo cual se constató con videocámaras y
sensores de radar. La transmisión es realizada por medio de un Módem GSM (ver Figura 5.5).
67
Figura 5.5. Detección automática de flujos de detritos e hiperconcentrados en base a una
combinación de infrasonidos y señales sísmicas. a) Resumen del sistema, b) Ejemplo de ubicación
de sensor infrasónico, geófono, sensor de radar y videocámara; y c) Ejemplo de sensores
instalados. Modificado de Schimmel y J. Hübl (2015).
5.2.4 Argentina
Un caso innovador en Argentina es el sistema de alerta temprana contra crecientes, aluviones y
derrumbes (SATCAD) implementado en la ruta provincial N° 307 en la provincia de Tucumán.
SATCAD consiste en una red compleja compuesta de sistemas diseñados y construidos
específicamente para objetivos particulares de aplicación (ver Figura 5.6), ya sea para detectar y
monitorear una creciente (inundación), un aluvión o un derrumbe (deslizamientos, caídas y
volcamientos) (Pastor, 2014). Dentro de los sensores utilizados están los limnimétricos,
pluviométricos, meteorológicos, sísmicos y geodinámicos; los cuales son de bajo costo y están
conectados entre sí por una red redundante basada principalmente en comunicación por radio.
68
Figura 5.6. Redes constitutivas del SATCAD. LMNI: limnimétrica; PLUDAN: pluviométrica; SISMI:
sísmica; METEO: meteorológica; GEO: geodinámicas; TELE: telemáticas; AAA: avisos; alertas y
alarmas; DATA: datos de respaldo; y CLC: centro local de control. Tomado de Pastor (2014).
5.2.5 Perú
En Perú existe un sistema de monitoreo hidrometeorológico, manejado por el Servicio Nacional de
Meteorología e Hidrología del Perú (SENAMHI), para inundaciones y huaycos (aluviones) en la
cuenca media-alta del río Rímac, en la zona de Chosica, región de Lima; está compuesto por una
red de estaciones meteorológicas e hidrológicas, medios de comunicación, tecnología de
información y personal que gestiona los datos, monitorea los datos y elabora los pronósticos y
avisos respectivos a los usuarios. Esta red consta de 17 estaciones meteorológicas e hidrológicas
de las cuales solo 7 son automáticas y las restantes son estaciones convencionales, es decir,
manuales. De existir condiciones para la ocurrencia de lluvias intensas, el SENAMHI emite un
aviso meteorológico, y si existen condiciones para un aumento de caudal, se emite un aviso
hidrológico cuyo ámbito espacial es el de la cuenca, considerando umbrales de caudales
provenientes, principalmente, del monitoreo de la estación hidrológica de Chosica, y apoyado con
datos de estaciones vecinas. La transmisión de datos es satelital con intervalos de 30 minutos
(Chira y Kuroiwa, 2017) (ver Figura 5.7).
69
Figura 5.7. Esquema del funcionamiento de la red de estaciones del SENAMHI. Tomado de Chira y
Kuroiwa (2017).
5.2.6 Colombia
Algunas de las grandes ciudades de Colombia han desarrollado sistemas de alerta para el
monitoreo de inundaciones y/o deslizamientos. Tal es el caso de la red de alerta SIATA
implementado en el área metropolitana del Valle de Aburrá (Aristizábal et al., 2010), que incluye
un radar y todo un sistema automatizado de observación hidrometeorológica telemétrica. Bogotá
también cuenta con una red automatizada operada por el Instituto Distrital de Gestión de Riesgos
y Cambio Climático (IDIGER, 2018). Manizales por su parte, cuenta con una red de estaciones
hidrometeorológicas, operadas por la Universidad Nacional, Sede Manizales (UNGRD, 2016) y en
Santa Marta existe un sistema de alerta temprana por inundación y deslizamiento en el flanco
nororiental de la Sierra Nevada (CORPOGUAGIRA, 2011). En este país, el interés por estos temas
ha sido tal que, la Unidad Nacional para la Gestión del Riesgo de Desastres de Colombia (UNGRD,
2016), en el año 2016 elaboró una guía para la implementación de SATs; en la cual se destaca la
importancia de socializar los componentes y funcionamiento de un SAT para lograr una articulación
a nivel comunitario con las estrategias y planes de respuesta de cada localidad (ver Figura 5.8).
70
Prácticamente todos los sistemas de monitoreo desarrollados en Colombia se basan en estimación
de umbrales de lluvia y caudales a partir de observaciones hidrometeorológicas; y su red de
comunicación es realizada por satélite, enlaces de radio y conexiones a internet.
Figura 5.8. Roles de principio a fin para los ejecutores de los SAT. Tomado de UNGRD (2016).
71
5.2.7 Chile
Los sistemas de monitoreo de aluviones implementados son escasos y privados. En el país se
tiene conocimiento de tres trabajos relacionados a estas materias con equipos instalados: estos
son el monitoreo hidrométrico en el río Burritos en Villa Santa Lucía, el estudio del infrasonido del
Lahar asociado a la erupción del volcán Villarrica del 3 de marzo de 2015 (Johnson y Palma, 2015),
y el sistema de monitoreo y de alerta temprana en la quebrada de Ramón, región Metropolitana
de Santiago (DICTUC, 2016; Gironás y Sandoval, 2017).
El trabajo de Johnson y Palma (2015) sobre el infrasonido producido por Lahar asociado a la
erupción del volcán Villarrica del 3 de marzo de 2015, demuestra la utilidad de los sensores
infrasónicos para el monitoreo y estudio de flujos de detritos, de lodo e hiperconcentrados.
En el río Burritos, Villa Santa Lucía, región de Los Lagos, la Universidad de Newcastle del Reino
Unido en conjunto con la Universidad de Aysén, en el marco del proyecto Dynamics and
sedimentary of the catastrophic December 2017 Villa Santa Lucía aluvión, Chilean Patagonia, han
instalado una videocámara que obtiene videos de 10 segundos que son transmitidos a una
plataforma vía internet utilizando un módem 3G/GPRS de la red móvil Entel.
El sistema de monitoreo y de alerta temprana (SAT) en la quebrada de Ramón surge como
iniciativa del Instituto Nacional de Hidráulica (INH) y fue desarrollada por DICTUC. A partir del
monitoreo y estudio de la cuenca desde el año 2014 por CIGIDEN (Centro de Investigación de
Desastres Naturales), se implementó este SAT orientado principalmente a la ocurrencia de
inundaciones; opera mediante el desarrollo de un modelo meteorológico, hidrológico e hidráulico
para la simulación continua de eventos y para la caracterización y pronóstico de crecidas (DICTUC,
2016)
Además, este proyecto ha significado la implementación de 3 estaciones fluviométricas y casi una
veintena de estaciones meteorológicas orientadas a caracterizar la distribución espaciotemporal
de la precipitación, y la dinámica de la isoterma 0 °C. Una vez que se ponga en marcha este
sistema, conjugará los pronósticos meteorológicos, el modelamiento de procesos físicos y la
información hidrometeorológica en tiempo real, para pronosticar al corto y mediano plazo las
condiciones de escurrimiento y ocurrencia de inundaciones (Gironás y Sandoval, 2017) (ver Figura
5.9).
72
Figura 5.9. Funcionamiento de la plataforma de monitoreo. Tomado de Vásquez (2017).
5.3 Sensores de monitoreo
5.3.1 Sensores meteorológicos
Un sensor meteorológico corresponde a un equipo que es capaz de medir variables
meteorológicas, tales como intensidad de lluvia , temperatura del aire, presión atmosférica,
velocidad y dirección del viento.
La importancia de implementar un monitoreo meteorológico se sustenta en que el 93% de las
víctimas fatales en Chile fueron a causa de remociones en masa desencadenadas por lluvias
(Marín et al., 2018). Además, en la zona central de Chile la altura de la isoterma 0 °C ha jugado
un rol fundamental en la generación de aluviones.
73
A continuación, se describen los diferentes tipos de sensores meteorológicos:
1. Pluviómetro: dispositivo que mide la cantidad de agua caída en un determinado intervalo
de tiempo. Para efectos de un monitoreo en tiempo real se debe establecer una alta tasa
de adquisición de datos. Cavalli et al. (2013) sugieren un intervalo de 1 a 5 minutos, pero
hay sistemas que transmiten cada 30 minutos (Chira y Kuroiwa, 2017; USGS, 2018). Ver
Figura 5.10.
Figura 5.10. Pluviómetro instalado en la cumbre de un área de generación de flujos de detritos.
Tomada de Cavalli et al. (2013).
2. Estación meteorológica: sensor integrado de diferentes dispositivos que registran
diferentes parámetros meteorológicos. Además de un pluviómetro, este sensor
usualmente incluye un anemómetro, una veleta, termómetros, higrómetros y tensiómetros,
entre otros. Para efectos de un monitoreo en tiempo real se debe establecer una alta tasa
de adquisición de datos, con un rango estimado de 1 a 5 minutos (Cavalli et al., 2013). Ver
Figura 5.11.
74
Figura 5.11. Estación meteorológica. Tomada de Fernández y Rodríguez (2016).
3. Radar meteorológico: corresponde a un dispositivo que provee una estimación, de alta
resolución y en tiempo real, de lluvia en una cuadrícula sobre una región de interés. Las
estimaciones cuantitativas de la precipitación provenientes de radares, usualmente son
facilitadas utilizando relaciones de la ley de potencias entre la tasa de precipitación y la
reflectividad medida por el radar. La reflectividad es directamente proporcional a la
cantidad de energía electromagnética dispersada de regreso al radar por partículas de
precipitación y nubes (NOAA, 2012). Ver Figura 5.12.
Figura 5.12. Sensor de radar y los retos en relación a la instalación en terrenos complejos. Tomado
de NOAA (2012).
75
4. Satélite meteorológico: es un tipo de satélite artificial cuya función es recopilar datos de
observaciones tales como imágenes infrarrojas y visibles (NOAA, 2012), relacionadas con
el tiempo atmosférico. Se distinguen dos tipos: satélite Geoestacionario con sensor
infrarrojo y satélite de Órbita Polar con sensor de microondas. Los satélites
Geoestacionarios pueden brindar ubicaciones oportunas de tormentas y sus datos arriban
cada 30 minutos o incluso con mayor frecuencia. Mientras que los satélites de Órbita Polar
observan emisiones provenientes de agua y de hielo dentro de las nubes para producir
estimaciones cuantitativas de precipitación (NOAA, 2012). Ver Figura 5.13.
Figura 5.13. Satélites meteorológicos. Modificado de NOAA (2018).
Finalmente, en la Tabla 5.1 se muestran los usos y las variables que pueden medir los diferentes
sensores meteorológicos descritos anteriormente.
Tabla 5.1. Sensores que permiten medir variables meteorológicas. Elaboración propia.
Tipo de sensor
Variable meteorológica que puede
medir Utilizado para
Inte
nsid
ad d
e
lluvia
Tem
pera
tura
del aire
Pre
sió
n
atm
osfé
rica
Velo
cid
ad d
el
vie
nto
Direcció
n d
el
vie
nto
Pronósticos
meteorológicos
Anticipar
ocurrencia
de aluviones
1. Pluviógrafo
(rain gauge) -
76
5.3.2 Sensores de monitoreo de aluviones
Un sensor de monitoreo aluvional consiste en un equipo que permite dar seguimiento y estudiar el
desarrollo de un aluvión, desde que se genera hasta que se deposita su material, así como también
medir sus variables físicas asociadas, tales como su altura, velocidad, caudal máximo, fuerza de
impacto, viscosidad, volumen y trayectoria.
Los sensores de monitoreo aluvional generalmente se utilizan para detectar la ocurrencia de un
aluvión y se pueden subdividir en 6 grandes grupos que se describen a continuación:
A. Sensores de observación
Son equipos que capturan imágenes y videos de un aluvión. Generalmente se utilizan como
medios de verificación visual para validar detección de otros tipos de sensores de monitoreo de
aluviones.
1. Videocámara: corresponde a un dispositivo capaz de capturar imágenes y transformarlas
en una señal eléctrica (ver Figura 5.14). Un video consiste en el arreglo de una serie de
imágenes, llamadas fotogramas. La calidad de este depende de la resolución en pixeles y
es proporcional a su tamaño (ver Tabla 5.2).
2. Estación
meteorológica
(meteorological
station)
-
3. Radar
meteorológico
(weather radar) - - - - -
4. Satélite
meteorológico
(weather satellite)
- - -
77
Figura 5.14. Videocámara instalada para grabar aluviones. Modificado de USGS (2018).
Tabla 5.2. Velocidad de transmisión necesaria según el tipo de video a grabar. Elaboración propia.
B. Sensores de movimiento
Son dispositivos robustos que detectan el movimiento de un aluvión al pasar por un determinado
punto de su trayectoria.
Tipo de video Resolución
[pixeles]
Fotogramas
por
segundo
[fps]
Tamaño de 10
s de grabación
[KB]
Velocidad
necesaria
[Mbps]
Mensajería multimedios (MMS) 177×144 15 270 0,2
Arreglo de video gráfico (VGA) 640×480 30 5.500 4,5
Alta definición (HD) 1.280×720 20 5.750 4,7
HD 1.280×720 30 15.500 12,7
Full HD 1.920×1.080 30 22.000 17,6
Full HD 1.920×1.080 60 35.500 29,0
78
2. Sensor de cables: consiste en una serie de cables extendidos en un canal a diferentes
niveles de altura con respecto al mismo. Cuando pasa un flujo de detritos corta los cables
y entonces el sensor emite una señal indicando hasta qué nivel se cortó (ver Figura 5.15).
Figura 5.15. Sensor de cables instalado para monitorear flujos de detritos. Tomado de Arattano y
Marchi (2008).
3. Sensor de péndulo: corresponde a un sensor que funciona por la inclinación de un
péndulo. Cuando pasa un flujo de detritos choca con el péndulo y entonces el sensor emite
una señal (Arattano y Marchi, 2008. Ver Figura 5.16).
Figura 5.16. Sensor de péndulo instalado para monitorear flujos de detritos. Tomado de Cavalli et al.
(2013).
79
4. Fotoceldas: responde al cambio en la intensidad de una luz, enviando una señal cuando
la masa que fluye interrumpe los rayos emitidos por los sensores, lo que permite detectar
el paso de un flujo de detritos (Cavalli et al., 2013. Ver Figura 5.17).
Figura 5.17. Fotoceldas instaladas para medir velocidad de flujos de detritos. Tomado de Bettella et
al. (2015).
C. Sensores hidrométricos
Estos equipos son capaces de registrar mediciones hidrométricas en el tiempo como altura,
velocidad y caudal de un flujo, lo que permite la creación de hidrogramas de aluviones.
5. Sensor ultrasónico: corresponde a un sensor que funciona por el reflejo de ondas de
sonido. Este sensor emite ondas de sonido que se reflejan al haber un objetivo que las
intercepte y mide el tiempo que transcurre entre su transmisión y recepción (ver Figura
5.18).
6. Sensor de radar: corresponde a un sensor que funciona por el reflejo de ondas continuas
de frecuencia modulada. Este sensor emite ondas que se reflejan al haber un objetivo que
las intercepte y mide el tiempo que transcurre entre su transmisión y recepción (ver Figura
5.18).
80
Figura 5.18. Sensor de radar y sensor ultrasónico instalados para monitorear flujos de detritos.
Tomado de Cavalli et al. (2013).
7. Sensor láser: corresponde a un sensor que funciona por el reflejo de un haz de luz. Este
sensor emite un haz de luz que se reflejan al haber un objetivo que lo intercepte y mide el
tiempo que transcurre entre su transmisión y recepción. Ejemplos de este tipo de sensor
son el LiDAR (Light Distance And Ranging) y el LDV (Laser Velocimeter Doppler) (ver
Figura 5.19).
81
Figura 5.19. Sensor láser instalado para medir velocidad y altura de flujo. Tomado de RSHYDRO
(2018).
D. Sensores de trayectoria
Son aquellos que permiten obtener un registro amplio de la trayectoria de un aluvión.
Generalmente se emplean post evento, pero con la utilización de sensores que transmitan
información de posición en tiempo real sirven durante un incidente.
1. Vehículo aéreo no tripulado (UAV/drone): es una aeronave que no cuenta con
tripulación humana y puede ser totalmente autónomo u operado por control remoto (SIC,
2015). Se utiliza en investigaciones post evento para determinar la trayectoria de flujo (Lin
et al., 2010), cantidad de material depositado, características morfológicas de un terreno,
entre otros. El equipo debe contar con una cámara que permita capturar fotografías aéreas
para generar un modelo de elevación digital (Coral, 2015). También se ha utilizado para
evaluar la dinámica de deslizamientos mediante la recopilación de una serie temporal de
imágenes de alta resolución (Turner et al., 2015), lo que resulta importante cuando estos
deslizamientos potencialmente pueden represar un curso de agua y generar aluviones tipo
outburst (ver Figura 5.20).
82
Figura 5.20. a) Vehículos aéreos no tripulados para mapear aluviones según Adams et al. (2016); b)
Monitoreo de la dinámica de un deslizamiento, expuesto por Turner et al. (2015); y c) Mapeo de la
trayectoria de un flujo de detritos, realizado por Adams et al. (2016) utilizando vehículos aéreos no
tripulados.
2. Sensor GPS: se utilizan GPS diferenciales que proporcionan correcciones de los datos
recibidos desde los satélites, para mejorar la precisión de posición y topografía de un
terreno que contribuyen al levantamiento de modelos de elevación digital (DEMs), útiles
para el monitoreo de deslizamientos que potencialmente pueden represar un curso de
agua y generar aluviones tipo outburst y para determinar la trayectoria de un aluvión,
83
cantidad de material depositado, entre otros (Arattano y Marchi, 2008). Su eficiencia puede
mejorar enormemente si se conecta con un vehículo aéreo no tripulado (UAV) (ver Figura
5.21).
Figura 5.21. a) GPS diferencial (Global Navigation Satellite System, GNSS); y b) Conexión de GNSS
con un vehículo aéreo no tripulado para generar DEMs. Según cotización n°180636 de UAVSensefly
para SERNAGEMÍN (2018).
3. Sensor integrado: corresponden a boulders artificiales que se colocan en el cauce de un
canal y luego serán arrastrados por flujos de detritos. Consisten en cubiertas de acero que
llevan diferentes tipos de sensores que están destinados a medir parámetros y variables
de flujos de detritos (Arattano y Marchi, 2008. Ver Figura 5.22).
Figura 5.22. Sensor integrado para caídas de rocas que sigue el mismo principio para flujos de
detritos. Tomado de WSL (2018).
84
E. Sensores de vibración
Estos sensores registran las ondas, mecánicas o acústicas, producidas por el paso de un aluvión,
lo que permite detectar la proximidad de un evento.
4. Sensor infrasónico: capta las señales infrasónicas (0,01-20 Hz), generadas por un
movimiento en masa, que viajan a través del aire. Estas señales tienen una amplitud
específica y ocupan una banda relativamente libre de ruido en el espectro acústico de baja
frecuencia. Cabe destacar que se espera que las señales infrasónicas de los flujos de
detritos, sean producidas por su frente y la colisión (o abrasión) de este con el borde del
canal (Schimmel y Hübl, 2015. Ver Figura 5.23).
Figura 5.23. Sensor infrasónico utilizado para monitorear flujos de detritos. Tomado de Schimmel y
Hübl (2015).
5. Geófonos: dispositivo utilizado en la medición sísmica de superficie que detecta la
velocidad del terreno producida por las ondas sísmicas y transforma el movimiento en
impulsos eléctricos. Los geófonos detectan el movimiento en una sola dirección
(Schlumberger, 2018). Al pasar un aluvión este produce una vibración en la tierra, la cual
se puede distinguir de otras fuentes, y por ende se puede tener una señal característica
de esta remoción en masa (ver Figura 5.24).
85
Figura 5.24. Geófono utilizado para monitorear flujos de detritos. Tomado de Schimmel y Hübl
(2015).
6. Sismómetro: es un dispositivo que registra el movimiento terrestre y lo transforma en una
señal eléctrica. Según esta definición, un geófono también es un sismómetro. Sin
embargo, en este trabajo se hace referencia a los sismómetros de banda ancha, es decir,
aquellos que permiten registrar sismos en un amplio rango de frecuencias. La
característica anterior, permite detectar ondas sísmicas desde baja hasta de muy alta
frecuencia (CSN, 2018. Ver Figura 5.25).
Figura 5.25. Sensor sísmico (sismómetro). Tomado de CSN (2018).
86
7. Acelerómetro: es un dispositivo que mide las aceleraciones generadas por un sismo local
sobre la superficie de la tierra (CSN, 2018) y transforma el movimiento en una señal
eléctrica (ver Figura 5.26).
Figura 5.26. Acelerómetro. Tomado de CSN (2018).
E. Sensores de esfuerzo
Corresponde a dispositivos que están enfocados en registrar la energía y fuerza de impacto de un
aluvión.
8. Sensor de presión: consiste en una placa de aluminio y un cono de acero unido a una
placa de acero. El impacto en la placa de acero hace que el ápice afilado del cono penetre
en la placa de aluminio; el tamaño de la marca grabada en la placa puede correlacionarse
con la fuerza de impacto (Arattano y Marchi, 2008). Además, existen transductores de
presión, los cuales convierten la presión en una señal eléctrica analógica. La conversión
de la presión en una señal eléctrica se consigue mediante la deformación física de los
extensómetros que están unidos en el diafragma del transductor de presión. La
deformación producirá un cambio de resistencia eléctrica proporcional a la presión
(OMEGA, 2018). Ver Figura 5.27.
87
Figura 5.27. Esquema de sensor de presión instalado para monitorear flujos de detritos. Modificado
de Genevois et al. (2000).
9. Medidor de deformación: es un sensor que traduce una deformación por tensión, en un
cambio de resistencia eléctrica que posteriormente se puede medir. Permite monitorear
de manera continua la fuerza de impacto que produce un flujo de detritos (ver Figura 5.28).
Figura 5.28. Dispositivos para medir fuerzas de carga horizontal basadas en resistencia de
medidores de deformación. Tomada de Scheidl et al. (2013).
88
10. Celdas de carga: es un sensor que traduce una carga o fuerza en una señal eléctrica, la
cual es proporcional a la fuerza aplicada (ver Figura 5.29).
Figura 5.29. Celdas de carga utilizadas para el estudio de flujos de detritos. Tomada de Scheidl et al.
(2013).
Finalmente, en la Tabla 5.3 se muestran los usos y las distintas variables que pueden medir los
diferentes sensores de monitoreo de aluviones descritos anteriormente.
89
Tabla 5.3. Sensores que permiten medir variables físicas de un aluvión. Modificado de Itakura et al.
(2005).
Tipo de sensor
Variable física de un aluvión que puede medir
Desempeño
Detecta proximidad de evento
Altura
Velo
cid
ad
Caud
al
máxim
o
Fuerz
a d
e
imp
acto
Vis
cosid
ad
Volu
men
Tra
yecto
ria
Sin
conta
cto
Reutiliz
able
Observ
ació
n
1. Videocámara
(Videocamera) - -
Movim
iento
2. Sensor de
cables
(wires sensor) - -
3. Sensor de
péndulo
(pendulum
sensor)
- -
4. Fotoceldas
(photocells) - -
Escáner
5. Sensor
ultrasónico
(ultrasonic
sensor)
-
6. Sensor de
radar
(radar sensor) -
7. Sensor láser
(laser sensor) -
Tra
yecto
ria
8. Sensor GPS
(GPS sensor) - - - - -
9. Vehículo
aéreo no
tripulado (Drone) - - - - -
10. Sensor
integrado
(integrated
sensor)
- - - -
90
Continuación de Tabla 5.3.
5.4 Redes de transmisión de datos
Tipo de sensor
Variable física de un flujo de detritos que puede medir
Desempeño
Detecta proximidad de evento
Altura
Velo
cid
ad
Caud
al
máxim
o
Fuerz
a d
e
imp
acto
Vis
cosid
ad
Volu
men
Tra
yecto
ria
Sin
conta
cto
Reutiliz
able
Vib
ració
n
11. Sensor
infrasónico
(infrasonic
sensor)
- -
12. Geófonos
(geophones) - -
13. Sismómetro
(seismometer) - -
14.
Acelerómetro
(accelerometer) - - - -
Esfu
erz
o
15. Sensor de
presión
(pressure
sensor)
- -
16. Medidor de
deformación
(strain gauge) -
17. Celdas de
carga
(load cells) - - - -
91
5.4.1 Medios guiados
Corresponden a medios de transmisión que permiten el transporte de una señal, normalmente
eléctrica u óptica, a una tasa llamada velocidad de propagación, mediante una red física
(alámbrica). Se identifican tres tipos principales, los cuales se describen a continuación:
1. Par trenzado o cable de pares: consiste en dos conductores aislados entre sí y del
exterior, trenzados de forma que cada uno se encuentre expuesto a la misma cantidad de
ruido inductivo externo. En algunos casos parar evitar interferencias los pares trenzados
se acompañan de una pantalla metálica que aumenta el rendimiento. A dichos cables se
les denomina STP (Shielded Twister Pair), frente a los cables sin pantalla denominados
UTP (Unshielded Twister Pair). Normalmente este tipo de cables se agrupan en cables de
mayor capacidad denominados multipares, que llevan hasta 2.400 pares (Estepa, 2004).
Un ejemplo particular de utilización de cable a pares es el ADSL (asymmetric digital
subscriber line). Este tipo de conexión utiliza la red de telefonía básica para transferir
digitalmente datos a alta velocidad mediante tres canales que incluyen la voz, la subida y
descarga (bajada) de información de internet. Su velocidad máxima es de hasta 20 Mbps,
pero otros servicios como VDSL (very high-bit-rate digital subscriber line) pueden alcanzar
velocidades de hasta 50 Mbps (ver Figura 5.30).
Figura 5.30. Cable de pares (izquierda) y multipares (derecha). Tomada de Estepa (2004).
2. Cable coaxial: son cables construidos con dos conductores concéntricos de cobre, uno
interno por el que circula la señal útil y otro externo que rodea al anterior actuando a modo
de pantalla. El conductor central tiene un diámetro superior al de los cables de pares (entre
1 y 5 mm) (Estepa, 2004. Ver Figura 5.31).
92
Figura 5.31. Cable coaxial. Tomada de Estepa (2004).
3. Fibra óptica: consta básicamente de un fino hilo de óxido de silicio que permite transportar
la luz en la banda de infrarojos y se utiliza para transmitir señales digitales. La fibra óptica
está compuesta por dos capas de vidrio concéntricas con distinto índice de refracción, lo
que provoca que un haz de luz incidente con un cierto ángulo de entrada se propague a lo
largo de la fibra (Estepa, 2004). Ver Figura 5.32.
Figura 5.32. Fibra óptica. Tomada de Estepa (2004).
Además, en la Tabla 5.4 se comparan las características generales de transmisión de medios
guiados, tales como rango de frecuencias, velocidad de transferencia de datos y separación entre
repetidores.
93
Tabla 5.4. Comparación de características generales de transmisión de medios guiados. Modificado
de Stallings (2004).
Por otra parte, a partir de cada medio guiado se puede implementar una red WiFi utilizando un
punto de acceso de red inalámbrica y así permitir la conexión a internet. Además, los dispositivos
electrónicos habilitados con esta tecnología se pueden interconectar entre sí, lo cual representa
su principal ventaja. Según Moreno (2015), la velocidad de transmisión puede llegar hasta 1 Gbps
y a un alcance de hasta 150 m. Sin embargo, las velocidades típicas son del orden de unos pocos
Mbps mientras que su alcance llegaría a 30 m. Adicional a lo anterior, el WiFi suele presentar
problemas de conexión y una seguridad débil.
Finalmente, para transmitir en tiempo real se debe considerar la velocidad de descarga y de subida
de datos de cada medio, tomando en cuenta que la velocidad de subida es alrededor del 10% de
la de descarga para medios guiados y que el WiFi generalmente ralentiza la transmisión en un
50%.
5.4.2 Redes inalámbricas
Corresponden a conexiones, de puntos de accesos o nodos, mediante ondas electromagnéticas y
no por medios físicos (alámbricos). Las redes inalámbricas utilizadas en sistemas de monitoreo se
pueden agrupar en tres grandes conjuntos, telefonía móvil, comunicación radial y satelital; las
cuales se describen a continuación:
A. Telefonía móvil
La primera generación (G) de servicios de telefonía móvil permitió la transmisión de voz, y creció
tan rápidamente en los años 80 con el desarrollo del sistema americano de telefonía móvil (AMPS)
que ya a fines de la misma década comenzaron a aparecer los servicios digitales 2G, los que
Medio físico Rango de
frecuencias
Velocidad
típica
Separación entre repetidores
[km]
Par trenzado Hasta 1 MHz 8 Mbps 2
Coaxial Hasta 500 MHz 10 Mbps 10
Fibra óptica 180 a 370 THz 1 Gbps 40
94
brindaron prontamente una mayor capacidad y servicios únicos, tales como el identificador y
desvío de llamadas y la generación de mensajes cortos (Gayathri, 2014). Dentro de los métodos
de acceso 2G, destaca el CDMA (acceso múltiple por división de código) y el TDMA (acceso
múltiple por división de tiempo) utilizado por el GSM europeo (sistema global para las
comunicaciones móviles).
Antes de la llegada de la tercera generación de telefonía, se implementaron los sistemas 2,5G, los
cuales ofrecen características extendidas a través de sus servicios HSCSD (High Speed Circuit
Switched Data), GPRS (General Packet Radio System) y EDGE (Enhanced Data Rates for Global
Evolution), entre otros, y que aún están vigentes en el mundo (Gayathri, 2014). En particular, a
diferencia de los sistemas 2G, EDGE (también llamado 2,75G) tiene la capacidad de transmitir
datos como mensajería multimedios (MMS) (Espinoza, 2007).
Terminada la década de los 90 se desarrolla la tecnología 3G, la cual es planeada e ideada para
los teléfonos inteligentes (smartphones) (Gayathri, 2014). La 3G es tipificada por la convergencia
de la voz y datos con acceso inalámbrico a Internet, aplicaciones multimedia y altas transmisiones
de datos (Espinoza, 2007). El servicio UMTS (Universal Mobile Telecommunications Systems) es
un ejemplo de 3G e incluye funciones como música, videos en movimiento, navegación en la web
rápida y juegos 3D (Gayathri, 2014).
En el año 2006, se anunció en Alemania la tecnología 3,5G correspondiente al servicio HSDPA
(High Speed Downlink Packet Access), la cual es una mejora de UMTS que ofrece velocidades de
hasta 7 veces mayor, de tal modo que experiencias como la descarga, la transmisión, la
navegación web y el envío de mensajes y correos electrónicos son similares a las conexiones
alámbricas de un computador (Gayathri, 2014).
La cuarta generación aparece en la última década, distinguiéndose de sus antecesoras por poseer
un sistema basado totalmente en el IP (internet protocol) a partir del cual, es capaz de proporcionar
una alta velocidad, calidad, capacidad y seguridad de transmisión, además de servicios de bajo
coste para servicios de voz y datos, multimedia e internet (UIV, 2018).
Tecnologías recientes, como la OWA (Open Wireless Architecture), son denominadas 5G, ya que
son una evolución de 4G. Además de mejorar las velocidades y anchos de banda de transmisión
(más bps/Hz), esta tecnología se caracteriza por interconectar todas las redes heterogéneas
inalámbricas para proporcionar al usuario una experiencia de telecomunicaciones consistente y
95
sin interrupciones. En 5G cada red será responsable de manejar la movilidad del usuario, mientras
que la terminal tomará la decisión final entre diferentes proveedores de la red de acceso
inalámbrico para un servicio determinado (Sheetal, 2015). Se espera que en el año 2021 esta
tecnología esté disponible en Chile.
Finalmente, en la Tabla 5.5 se muestra una comparación de las principales características de
transmisión entre servicios de telefonía móvil.
Tabla 5.5. Comparación de las principales características de transmisión entre servicios de telefonía
móvil. Elaboración propia.
B. Comunicación radial
Por radio se entiende la transmisión de señales a través del espacio, mediante ondas
electromagnéticas, sin que haya conexión física entre transmisor y receptor. En este caso, el medio
de propagación de las ondas electromagnéticas es el aire o el vacío. La frecuencia a la cual la
radiación de esta energía es útil para propósitos de comunicación, se le conoce como
radiofrecuencia (RF) (Mejía, 2013).
Generación Servicio Letra en
teléfono Frecuencias Velocidad máxima
Año en
Chile
1G AMPS - 800 a 900 MHz 1 a 2,4 kbps -
+
1981
2G
CDMA - 825 a 849 MHz
14 a 64 kbps 1992 GSM -
850 a 1.900
MHz
2,5G
HSCSD - 850 a 1.900
MHz
hasta 57 kbps
2001 GPRS G hasta 115 kbps
EDGE E hasta 384 kbps
3G UMTS 3G 8 a 2,5 GHz 144 kbps a 2 Mbps 2006
3,5G HSPA H - 384 kbps a 14,4 Mbps 2010
4G LTE 4G - 10 Mbps a 1 Gbps 2012
5G OWA 5G 3 a 300 GHz 1 a 10 Gbps 2021
96
Las antenas de radio permiten tanto la emisión como la recepción de señales, y pueden ser
básicamente de dos tipos: omnidireccionales (emiten la misma energía en todas las direcciones)
y direccionales (de mayor ganancia en una dirección concreta). Por lo general cuanto mayor es la
frecuencia de la señal, las ondas tienden a comportarse como un haz de luz (son más
direccionales) y su alcance límite es la visibilidad óptica entre emisor y receptor (Estepa, 2004).
Los sistemas de telecomunicación utilizan el espectro radioeléctrico, que comprende las bandas
de frecuencias útiles para los servicios de radiocomunicación y abarca, desde frecuencias
inferiores a 1 KHz hasta alrededor de 300 GHz. Los sistemas de comunicaciones ópticas funcionan
con frecuencias superiores, correspondientes al espectro visible y en el infrarrojo. Las principales
bandas del espectro radioeléctrico suelen definirse en términos de las longitudes de onda, según
la designación de la Unión Internacional de Telecomunicaciones, de la forma que se indica en la
figura (Mejía, 2013). Ver Tabla 5.6.
Tabla 5.6. Nomenclatura de las bandas de frecuencia. Modificado de Mejía (2013).
Los datos de redes locales de monitoreo inalámbricas típicamente dependen de comunicaciones
inalámbricas como radio VHF y UHF (NOAA, 2012). Estas bandas cubren aproximadamente de
30 a 3.000 MHz, con un alcance máximo de decenas de kilómetros y tasas de transmisión de unos
cuantos kbps hasta 10 Mbps (ver Tabla 5.6). Estas velocidades son suficientes para transmitir
datos en tiempo real de distintos tipos de dispositivos, tales como sensores sísmicos,
meteorológicos, infrasónicos, péndulo, láser, entre otros. También se puede transmitir imágenes y
Abreviatura Significado Frecuencias Velocidad
ELF Frecuencia extra baja 0,3 a 3 KHz -
VLF Frecuencia muy baja 3 a 30 KHz -
LF Frecuencia baja 30 a 300 KHz 0,1 a 100 bps
MF Frecuencia media 300 a 3000 KHz 10 a 1000 bps
HF Frecuencia alta 3 a 30 MHz 10 a 3.000 bps
VHF Frecuencia muy alta 30 a 300 MHz hasta 100 kbps
UHF Frecuencia ultra alta 300 a 3000 MHz hasta 10 Mbps
SHF Frecuencia súper alta 3 a 30 GHz hasta 100 Mbps
EHF Frecuencia extra alta 30 a 300 GHz hasta 750 Mbps
97
videos mediante las radios anteriormente mencionadas, teniendo en cuenta los datos de las Tablas
5.2 y 5.6.
Además de la visibilidad óptica que debe haber entre el emisor y receptor, se debe tener en cuenta
cualquier tipo de interferencia como tormentas, neblina intensa, etc. Lo anterior puede resultar en
una limitante importante si se considera que la mayor cantidad de flujos de detritos son
desencadenados por precipitaciones intensas y que los sensores, a excepción de los
hidrometeorológicos, normalmente se instalan en zonas que generalmente tienen una baja
visibilidad óptica por estar en las cercanías de los canales. Para corregir esto se deben instalar
repetidoras de señal (RPT) que permita que los datos transmitidos alcancen un centro de recepción
local de información (Nodo) (ver Figura 5.33). En Chile, es común que en las infraestructuras
críticas o edificaciones estratégicas se instalen nodos; las más frecuentes son escuelas, retenes
de carabineros y compañías de bomberos, entre otros.
Figura 5.33. Esquema generalizado de transmisión de un sistema de monitoreo mediante
radiofrecuencia. Elaboración propia.
C. Comunicación satelital
Un sistema de comunicación satelital está compuesto por un dispositivo emisor, que envía una
señal a una red privada de satélites. Dependiendo de la red a utilizar es definida la arquitectura
satelital y las especificaciones de los equipos, lo cual deriva en diferentes tiempos de respuesta,
confiabilidad y disponibilidad de los datos. Los sistemas satelitales (SMS-Satellital Mobile System)
tienen una cobertura terrestre de área amplia, por lo que pueden proporcionar telecomunicaciones
en casos de catástrofe. La mayoría de las estaciones terrestres se alimenta por baterías y, por
consiguiente, pueden seguir funcionando durante algún periodo de tiempo, aunque el suministro
de energía local se interrumpa (Sotomayor, 2012).
98
Los terminales o módems satelitales son dispositivos que permiten transmitir información a un
satélite, el cuál retransmite los datos a una estación terrestre que actúa como centro de acopio.
Luego, a partir de este centro se redirecciona la información hasta ser publicada en una red pública
o privada (Sotomayor, 2012. Ver Figura 5.34).
Figura 5.34. Esquema de funcionamiento simplificado de un sistema satelital. Modificado de
Sotomayor (2012).
Sotomayor (2012) identifica la existencia de tres redes satelitales privadas de mayor uso mundial,
las cuales son Orbcomm, Iridium e Inmarsat. Las primeras son redes del tipo LEO (Low Earth Orbit
- órbita terrestre baja) mientras que Inmarsat es del tipo GEO (Geosynchronous Equatorial Orbit -
orbita de los satélites geoestacionarios).
Una red de tipo LEO consiste en una constelación de satélites con órbitas asincrónicas respecto a
la rotación de la tierra, mientras que una red de tipo GEO corresponde a un conjunto de satélites
artificiales que se encuentran en órbita sobre la línea del ecuador terrestre, con la misma velocidad
angular que la Tierra, es decir, permanecen inmóviles sobre un determinado punto sobre ella
(Sotomayor, 2012).
99
Para asegurar la visibilidad del satélite de un sistema GEO, se debe apuntar una antena a una
dirección fija, dado que su ubicación casi no varía en el tiempo con respecto a la tierra. En cambio,
para una red tipo LEO se requiere esperar a que exista un satélite visible en el cielo para poder
transmitir. Sin embargo, el sistema Iridium se sobrepone a esta limitación gracias a la alta densidad
de satélites en órbita (66) que, además de comunicarse con la estación terrestre (ubicada en
Alaska), se comunican entre sí, permitiendo tiempos de transmisión suficientemente rápidos para
un sistema de alerta. En cambio, los terminales satelitales Orbcomm al no poseer las
características de densidad satelital anteriormente mencionadas, no se consideran aptos para
sistemas de alerta eficiente (Sotomayor, 2012).
Los servicios de mensajería satelital actualmente en funcionamiento pueden proporcionar
radiocomunicaciones de voz y datos, así como acceso a Internet. Algunos sistemas LEO (como
Iridium), así como un sistema GEO (como Inmarsat), soportan una aplicación conocida como
“servicio de mensajes cortos” (SMS) que ofrece la posibilidad de transmitir o difundir mensajes de
texto breves directamente a terminales portátiles (Sotomayor, 2012); tal es el caso, que los
servicios Iridium e Inrmarsat generalmente son utilizados para transmitir datos de estaciones
meteorológicas en lugares remotos, para lo cual cuentan con velocidades de transmisión del orden
de decenas de kbps.
Finalmente, cabe destacar que diversas compañías en Chile proveen servicios de Internet satelital
por medio de Inmarsart, a zonas extremas de difícil acceso terrestre, con anchos de banda que
permiten transmitir datos con velocidades de hasta 5 y 50 Mbps de subida y descarga,
respectivamente (Koulikova y Roberti, 2012).
100
6 Propuesta de diseño del sistema de monitoreo piloto de
aluviones en la cuenca del estero San Alfonso
6.1 Sensores de monitoreo a implementar
Dentro de los sensores a utilizar se seleccionaron los de tipo meteorológico, de observación,
hidrométricos y de vibración. Los sensores de movimiento y de esfuerzo se descartan de este
monitoreo piloto por la complejidad de su implementación, teniendo en cuenta la accesibilidad,
transmisión y necesidad de intervención del cauce en algunos casos.
Los sensores meteorológicos existentes en la parte alta de la cuenca del río Maipo son
insuficientes para caracterizar los desencadenantes de remociones en masa en la cuenca del
estero San Alfonso (ver Figura 4.6), por lo que es indispensable la instalación de nuevos equipos.
Para ello se elige el establecimiento de una estación meteorológica (ver Figura 5.11), ya que
permite registrar la precipitación, medir velocidad y dirección del viento, temperatura y humedad
relativa del aire, radiación solar y presión atmosférica, entre otros (ver Tabla 5.1).
A partir de la base de datos que se levante con el monitoreo meteorológico, será posible estimar
los umbrales que detonan las remociones en masa asociados, por ejemplo, a la intensidad de
precipitación y altura de isoterma 0 °C (ver Figura 5.35), ya que, hasta ahora, la información
existente es insuficiente para lograr este propósito (ver Capítulo 4). Además, lo anterior contribuye
al estudio de los tipos de tormentas que ocurren en una determinada área afectada, y a su vez,
permitiría calibrar modelos numéricos de pronóstico (NOAA, 2012).
101
Figura 6.1. Ejemplo de umbrales de precipitación local de flujos de detritos en una determinada área
para un sistema de alerta anticipado (SAA). Tomado de Arattano y Marchi (2008).
La ubicación que se propone para la instalación de la estación meteorológica está en la cabecera
de la cuenca, en una zona de baja susceptibilidad (ver Figura 3.7), pero cercano a las principales
áreas de generación del aluvión del 25 de febrero de 2017, a una altitud aproximada de 3.300 m
s.n.m. y cuyo acceso es por medio de helicóptero (ver Figura 6.2).
Figura 6.2. Ubicación propuesta para la estación meteorológica. Imagen de Google Earth.
Elaboración propia.
102
Como se ha señalado en capítulos anteriores, la videocámara (ver Figura 5.14) sirve como medio
de inspección visual, para registrar y estimar la velocidad y la descarga peak de los eventos.
Además, es el instrumento más confiable para verificar la efectividad de alarmas de otros sensores
de monitoreo y para descartar alarmas falsas. La cámara debe contar con visión nocturna y ser
resistente a situaciones climáticas adversas (lluvia, nieve, neblina, viento, etc.). Se propone su
instalación en el pilar sur del antiguo puente de tren ubicado cerca del exutorio de la cuenca (ver
Figura 6.3).
Figura 6.3. Ubicación propuesta para la videocámara. Elaboración propia.
Por otro lado, el levantamiento de información de la topografía del terreno que en la zona de
estudio es fundamental, se implementará mediante un vehículo aéreo no tripulado (UAV/drone).
En primer lugar, a partir de la información geológica y geomorfológica local (ver Figuras 3.5 y 3.6)
se podrá identificar la presencia de deslizamientos con el potencial de represar el estero San
Alfonso y generar aluviones tipo outburst (ver Figura 6.4a). Es importante emplear un dron con la
tecnología suficiente como para generar modelos de elevación digital (como Real Time Kinematic,
RTK) e imágenes multiespectrales y así poder estudiar la dinámica de cada uno de los
deslizamientos (ver Figura 6.4b). En segundo lugar, un UAV permitiría el mapeo de la trayectoria
103
de un aluvión una vez ocurrido (ver Figura 6.4c), e incluso se podrían cuantificar las zonas de
erosión y depositación de material (ver Figura 6.4d).
Figura 6.4. a) Deslizamientos que pueden represar el estero San Alfonso; b) Dinámica de un
deslizamiento con el uso de un UAV (Turner et al., 2015); c) Mapeo de trayectoria del aluvión
ocurrido el 25 de febrero de 2017 en el estero San Alfonso; y d) Mapeo cuantitativo de zonas de
erosión y depositación en la trayectoria de un aluvión usando un UAV (Adams et al., 2016).
Por otra parte, la implementación de sensores hidrométricos como el ultrasónico, de radar o láser,
resultan importantes para la medición del nivel de un aluvión (altura); estos permiten registrar
hidrogramas y analizar la erosión o depositación en el lugar que son instalados. En los aluviones,
la fuerte y rápida variabilidad de la altura del flujo, con el tiempo requiere intervalos de registro
mucho más cortos que para flujos de agua, entre dos grabaciones consecutivas (1 s) (Arattano y
Marchi, 2008). Para medir la velocidad y, por ende, la descarga de un evento, es necesario contar
con al menos, dos dispositivos. Se propone su instalación después de la última curva estrecha,
aguas abajo, del estero San Alfonso a una altura sobre los 8 m con respecto al fondo del canal y
con equipos que permitan medir hasta 10 m/s, ya que en este tramo el evento del 25 de febrero
104
de 2017 (ver Figura 3.2) alcanzó una altura promedio de 7 m y velocidades de hasta 8-9 m/s
(Muñoz, 2018. Ver Figura 6.8).
Al igual que una videocámara, los sensores hidrométricos, también son un medio validador de
otros equipos, de tal manera que los hidrogramas generados se pueden relacionar con registros
de sensores de vibración (ver Figura 6.5).
Figura 6.5. Comparación entre el hidrograma y el gráfico de amplitud vs. el tiempo de un flujo de
detritos. Notar que la amplitud está en micrómetros (10-6 m). Tomado de Arattano et al. (2014).
De los sensores de vibración, los geófonos y los infrasónicos son los más comúnmente utilizados
en la literatura para detectar la proximidad de un aluvión, principalmente en Asia y Europa (Hübl
et al., 2008; Yin, 2012; Suwa, 2012; Suwa et al., 2011; Cavalli et al., 2013; Abancó et al., 2014;
Turconi et al., 2015; Coviello, 2015; Schimmel y Hübl, 2015).
Pese a que los sismómetros son una herramienta poderosa que se puede usar para caracterizar
aluviones a una gran distancia (kilómetros), el costo de una estación sísmica completa es
significativamente más alto que el de una red de geófonos, así como también la complejidad de la
instalación, el mantenimiento y el análisis de los datos del equipo. Reafirmando lo anterior, Coviello
(2015), señala que en virtud de su robustez, bajo consumo de energía y relativamente bajo costo,
los sensores sísmicos más utilizados últimamente corresponden a geófonos verticales (1-D).
105
Las frecuencias máximas típicas de un aluvión varían entre 10 y 100 Hz. En particular el frente de
un flujo de detritos presenta un rango característico de 10 a 30 Hz, mientras que en su cola la
frecuencia es mayor a 60-100 Hz (Coviello, 2015). En base a esta información, los sensores
sísmicos (geófonos) con una frecuencia natural máxima de 10 Hz son adecuados para el monitoreo
de flujos de detritos, ya que proporcionan una respuesta plana en el rango de frecuencia típico de
estos fenómenos (Turconi et al., 2015; Coviello, 2015); como el SENSOR SM-4 de frecuencia
natural de 10 Hz y sensibilidad de 28,8 V/m/s utilizado por Schimmel y Hübl (2015).
Turconi et al. (2015) sugiere que para el proceso de digitalización de las señales generadas por
geófonos, estas se pueden amplificar a una frecuencia de muestreo de 100 Hz, procesada para
calcular la amplitud y luego ser registrada. Además, señala que el método de amplitud (Arattano y
Moia, 1999) es preferible sobre el de los impulsos (Abancó et al., 2012), ya que este último pierde
por completo cualquier información sobre la intensidad de la señal. En la Figura 6.6 se muestran
las formas típicas de la señal sísmica producida por un aluvión.
Figura 6.6. Las formas típicas de la señal sísmica producida por un aluvión; a) Flujo de detritos y b)
Flujo hiperconcentrado, procesadas mediante el método de los impulsos (en IMP/S) (Modificado de
Abancó et al., 2014); y c) Flujo de lodo mediante el método de amplitud (en µm/s) (Modificado de
Turconi et al., 2015). Solo las escalas gráficas son comparables entre sí, pues la magnitud de los
eventos no lo son.
106
Si bien varios estudios han demostrado que es posible detectar y monitorear aluviones con
geófonos y distinguirlos de otras fuentes sísmicas, aún estos instrumentos presentan una gran
desventaja para caracterizar flujos. Lo anterior se debe principalmente a que la propagación
espacial de las ondas sísmicas es limitada, razón por la que las investigaciones recientes (Hübl et
al., 2008; Schimmel y Hübl, 2015; Johnson y Palma, 2015) se han enfocado en el estudio de las
señales infrasónicas (0,01-20 Hz) producidas por las vibraciones en la tierra generadas por el
movimiento de un aluvión (ver Figura 6.7).
Figura 6.7. Señal infrasónica de un flujo de detritos en Lattenbach, Suiza. a) Serie de tiempo de
infrasonido; b) Amplitud promedio de cuatro bandas de frecuencia de la señal infrasónica; y c)
Espectro de la señal infrasónica. Modificado de Schimmel y Hübl (2015).
Normalmente los sensores infrasónicos usados para detectar aluviones normalmente se basan en
el principio del transductor de presión (Hübl et al., 2008; Schimmel y Hübl, 2015; Johnson y Palma,
2015). Algunos modelos utilizados, corresponden a Chaparral Physics M-24, China MK-224 y
Gefell MK-222, los cuales se caracterizan por una sensibilidad de 200 y 50 mV/Pa, una respuesta
de frecuencia amplia (3-100Hz y 0,1-100 Hz) y un extenso rango dinámico (150dB) (Hübl et al.,
2008; Schimmel y Hübl, 2015).
107
La combinación de registro sísmico e infrasonido aumenta la probabilidad de detección y minimiza
las falsas alarmas, ya que las ventajas de una tecnología son mejoradas por la otra. Por ejemplo,
los sensores infrasónicos tienen poca atenuación en el aire a distancias locales (2x10-5 y 10-7
dB/km; Muñoz, 2002), por lo que pueden viajar grandes distancias sin disminuir considerablemente
su amplitud, pero presentan un alto ruido de fondo producido por el viento. Por su lado, los
sensores sísmicos, aunque muestran perturbaciones menores debidas al viento y al tiempo, tienen
una fuerte dependencia de la geología del sitio y alta atenuación al aumentar la distancia entre el
aluvión y el sensor (Schimmel y Hübl, 2015).
Por lo anterior, se propone que los sensores de vibración se instalen en las laderas adyacentes a
la ubicación de los sensores hidrométricos (ver Figura 6.8).
Figura 6.8. Propuesta de ubicación de sensores en la parte baja de la cuenca del estero San Alfonso.
La flecha roja indica la última curva estrecha, aguas abajo del estero San Alfonso. Elaboración
propia.
Finalmente, en la Figura 6.9 se muestra la ubicación de cada uno de los sensores a utilizar para
el sistema de monitoreo piloto en la cuenca del estero San Alfonso.
108
Figura 6.9. Ubicación de sensores a utilizar. Elaboración propia.
109
6.2 Transmisión de datos
En el sistema de monitoreo piloto (SMP) de la cuenca del estero San Alfonso, se planea probar
sensores, calibrar variables físicas y elaborar algoritmos de detección de ocurrencia y proximidad
de un aluvión. Además, se proyecta evaluar el funcionamiento de la red de comunicaciones para
un posterior sistema de alerta, dado que el éxito de estos sistemas no solo depende de la
determinación de umbrales y de evitar la generación de falsas alarmas, sino también, de la
efectividad de las telecomunicaciones, tanto para recibir la información de cada sensor, como para
emitir avisos.
En general, la red de transmisión de datos a implementar debe aprovechar la infraestructura pre-
existente, es por ello que las comunicaciones de un sistema de alerta consideran más de un tipo
de transmisión, y comúnmente, mientras más aislado es un sector, mayor es la necesidad de
robustez comunicacional, y mayores son los costos asociados (Mejía, 2013). En este sentido, las
opciones para transmitir datos en la cuenca del estero San Alfonso son limitadas y se debe
principalmente a lo siguiente:
1. la reducida infraestructura existente que dificulta la conexión por medios guiados;
2. la baja cobertura de la red de telefonía móvil en la zona de estudio;
3. el relieve abrupto de la cuenca que afecta la comunicación radial;
4. la baja frecuencia de transferencia de datos de la comunicación satelital que no permite
una transmisión en tiempo real.
En la Figura 6.9, se puede apreciar que, a excepción de la videocámara (ver Figura 5.37), los
lugares propuestos para la instalación de sensores no cuentan con infraestructura cercana para
implementar una conexión por medios guiados.
Existe una variedad de sitios webs y aplicaciones para smartphones que permiten visualizar la
cobertura de la red de telefonía móvil en todo el territorio nacional. En la zona de estudio, Entel
Chile S.A. es la compañía telefónica que ofrece la mejor cobertura de servicios de telefonía móvil
(NPERF, 2018), sin embargo, su red se extiende solo en las partes baja de la cuenca del estero
San Alfonso (ver Figura 6.10), dejando sin posibilidad de conexión a la estación meteorológica (ver
Figura 6.9). Junto con lo anterior, una limitación importante de este medio es su baja robustez, ya
que generalmente en situaciones de emergencia los primeros aspectos afectados con frecuencia
son la red telefónica, los enlaces de telefonía móvil y la energía eléctrica (NOAA, 2012).
110
Figura 6.10. Cobertura de los distintos servicios de telefonía móvil de la compañía Entel Chile S.A.
Tomado de NPERF (2018).
En esta etapa de diseño, para evaluar la factibilidad de la transmisión de datos por medio de la
comunicación radial se utiliza el programa Radio Mobile, el cual permite simular la propagación de
radiofrecuencias (RF) en un determinado lugar, introduciendo información básica como modelos
de elevación digital (30 m de resolución espacial) y características de la radio a utilizar, entre otra.
Las simulaciones indican que para conectar todo el sistema de monitoreo, adicionalmente a los
sensores, sería necesario implementar un centro de control local y, al menos, una estación
repetidora de RF, debido a que el relieve de la cuenca dificulta que las RF se transmitan de un
lugar a otro, (ver Figura 5.45). Además, se desconoce la eficacia de este tipo de transmisión en
situaciones de tormenta.
111
Figura 6.11. Ejemplo de red de comunicación radial simulada con Radio Mobile desde Repetidora 1.
Visualizada en Google Earth. Elaboración propia.
En situaciones de emergencias o durante el desarrollo de una tormenta, los enlaces satelitales
podrían ser la única opción, sin embargo, para este medio la transferencia de datos con seguridad
es cada 30 minutos (hasta 10 minutos sin ella), lo que corresponde a su principal limitación, ya
que en general se cuenta solo con minutos para actuar. Sin embargo, es común su implementación
para transmitir datos de estaciones meteorológicas; ejemplo de ello es que la red de estaciones
hidrometeorológicas instaladas por la Dirección General de Aguas (DGA) del Ministerio de Obras
Públicas (MOP) utiliza el sistema GOES (Geostationary Operational Environmental Satellite) y
GPRS para transmitir sus datos. El intervalo de recepción de información es cada 1 hora, por lo
que, aunque se realicen mediciones cada 10 o 30 minutos, estas serían recibidas cada 1 hora y,
por ende, el sensor tendría que almacenar la información hasta lograr establecer comunicación.
En la Tabla 5.7 se muestra un resumen comparativo de las distintas opciones analizadas para la
red de transmisión de datos en el sistema de monitoreo de remociones en masa propuesto en la
cuenca del estero San Alfonso.
112
Tabla 6.1. Comparación entre las opciones analizadas para la red de transmisión de datos para un
sistema de monitoreo de remociones en masa en la cuenca del estero San Alfonso. Elaboración
propia.
Finalmente, los antecedentes expuestos en este apartado indican que no es una tarea sencilla
contar con una red de comunicaciones robusta que permita una transmisión confiable en tiempo
real en la cuenca del estero San Alfonso. Además, se necesitan recursos técnicos, materiales y
tecnológicos con los que no se cuenta hoy en SERNAGEOMIN para una red de comunicaciones,
por lo que para esta etapa de monitoreo piloto es preferible optar por la contratación de servicios
especializados en esta materia, teniendo en cuenta los intervalos de tiempo de transmisión
esperados para cada sensor a instalar (ver Figura 6.43 y Tabla 6.2).
Medio de
transmisió
n
Servicio
Velocidad
referencial
[Mbps]
Sensores a instalar Principales
limitaciones
Guia
do
Par
trenzado
- 8
Videocámara,
hidrométricos*,
geófonos* e
infrasónicos.*
Reducida
infraestructura
existente.
Sujetos a conexión
WiFi.*
Inalá
mbri
cos
Tele
fonía
móvil GPRS
(G) < 0,1
Hidrométricos,
geófonos e
infrasónicos y
videocámara. **
Cobertura, esta podría
mejorar con la
instalación de una
antena telefónica.
Sin transmisión en
tiempo real.**
EDGE
(E o 2G) < 0,4
UMTS
(3G) < 2,0
Com
unic
ació
n r
adia
l
VHF < 0,1
Hidrométricos,
geófonos, infrasónicos
y estación
meteorológica.
Cobertura, necesidad
de una o más
repetidoras de
radiofrecuencia y
centro de control local.
UHF < 10 Hidrométricos,
geófonos, infrasónicos,
estación meteorológica
y videocámara. SHF < 100
Com
unic
ació
n s
ate
lital Iridium < 0,01
Estación
meteorológica.
Transferencia de datos
con seguridad cada 30
minutos. Inmarsat < 0,1
113
Tabla 6.2. Intervalos de transmisión de datos esperados para cada tipo de instrumento de monitoreo
a instalar en la cuenca del estero San Alfonso. Modificado de Comiti et al. (2014).
6.3 Estimación de costos
La estimación de costos asociados al sistema de monitoreo piloto de aluviones en la cuenca del
estero San Alfonso, está enfocada exclusivamente en los instrumentos, almacenamiento (ver
Tabla 6.3) y transmisión de datos del sistema de monitoreo mediante la contratación de servicios
especializados en estos temas. No se incluye aspectos como capacitaciones, softwares de
procesamiento, contratación de profesionales, etc.
Tabla 6.3. Instrumentos de monitoreo cotizados. Elaboración propia.
Instrumento de
monitoreo Cantidad
Intervalo de toma de
datos
Velocidad de transmisión
referencial
Estación meteorológica 1 10 min
< 32 kbps (Mejía, 2013) Sensores hidrométricos 2 1 s
Geófonos 4 1 s
Sensores infrasónicos 4 1 s
Videocámara 1 20 fps < 5 Mbps (ver Tabla 5.2)
Instrumento Cantidad Empresa Modelo
Vehículo aéreo no
tripulado (UAV) 1 SENSEFLY eBee RTK
Estación meteorológica 1 DICTUC Estación meteorológica
Videocámara 1 INGESMART Cámara IP axis Q1659
Sensores hidrométricos 2 RHOMBERG Sensor Ultrasónico DB10
Geófonos 4 GEOEXPLORACIONES Geófono RTC-10 Hz
Sensores infrasónicos 4 CHAPARRAL PHYSICS Sensor Infrasónico M24
Servidor
(almacenamiento) 1 VIRTUALIZA
STORAGE DELL SC3020I
-DS6200 FC/iSCSI 20TB
114
En la Tabla 6.4 se muestra la estimación de costos del sistema de monitoreo piloto, de la cual se
desprende que el costo total es de alrededor de 200 mil dólares ($US), equivalente a 135 millones
de pesos ($CLP) aproximadamente.
Tabla 6.4. Estimación de costos del sistema de monitoreo piloto. Conversión, 1 $US = 685 $CLP.
Elaboración propia.
Finalmente, los costos para el monitoreo de aluviones por microcuenca en la parte alta de la
cuenca del río Maipo (e. g. cuenca del estero San Alfonso), sería de 100 mil dólares ($US)
aproximadamente (~70 millones de pesos chilenos); se ha considerado para el cálculo que el
vehículo aéreo no tripulado (UAV) y el servidor son instrumentos que pueden ser utilizados en las
distintas cuencas (ver Tabla 6.4).
Instrumento
Estimación de costos por servicios en $US
(sin IVA inc.)
Costo total
(con IVA 19% inc.)
Equipo Instalación
Transmisión
y respaldo de
datos (anual)
Mantención
(anual) $US $CLP
Vehículo
aéreo no
tripulado
(UAV)
52.670 0 62.677 42.620.564
Estación
meteorológica 7.539 3.268 3.654 3.286 21.119 14.466.467
Videocámara 10.146 16.187 31.336 21.465.345
Sensores
hidrométricos 11.447 3.000 2.750 2.000 22.844 15.648.435
Geófonos 400 3.000 2.750 2.000 9.699 6.643.473
Sensores
infrasónicos 10.500 3.000 2.750 2.000 21.718 14.876.488
Servidor 25.790 0 30.690 21.022.719
Costo total 200.083 136.743.489
115
7 Conclusiones y recomendaciones
Se cumplen todos los objetivos propuestos en este trabajo. Además se concluye lo siguiente:
1. Es necesario dar seguimiento a los deslizamientos ubicados en la parte alta de la cuenca
del estero San Alfonso que pueden generar aluviones tipo outburst.
2. Los sensores hidrométricos, infrasónicos, geófonos, un vehículo aéreo no tripulado
(UAV/drone), una estación meteorológica y una videocámara son los equipos
seleccionados para el monitoreo piloto de aluviones en la cuenca del estero San Alfonso.
3. Los sensores a adquirir deben contar con los servicios de instalación (fuente energética),
mantenimiento, transmisión y visualización de datos.
4. La información disponible en la Dirección General de Aguas (DGA) y en la Dirección
Meteorológica de Chile (DMC), no es suficiente para generar un sistema de alerta
anticipada (SAA) en la parte alta de la cuenca del río Maipo y tampoco en el estero San
Alfonso.
5. El principal factor desencadenante de aluviones en la cuenca del estero San Alfonso
corresponde a la lluvia, fundamentalmente cuando existe una isoterma 0 °C elevada, esto
en general sobre los 3.800 m s.n.m., con un valor mínimo de 2.800 m s.n.m. (ver Tabla
4.9).
6. Hoy en día no existen estaciones meteorológicas representativas en la cuenca del estero
San Alfonso (ver Figura 4.6), por lo que es indispensable la instalación de nuevas
estaciones cercanas a la cabecera de la microcuenca (con intervalos de transferencia de
datos de 10 a 30 minutos) y, además, se deben adecuar las estaciones existentes en la
parte alta de la cuenca del río Maipo con miras a un sistema de alerta anticipada (SAA).
7. La mejor opción de transmisión de datos en tiempo casi real (10 a 30 minutos) para una
estación meteorológica es mediante terminales satelitales, como Inmarsat.
8. Una vez instalados los diferentes sensores, se debe contar con un periodo de prueba para
generar una base estadística suficiente para su calibración y la generación de algoritmos
de predicción o detección de aluviones.
9. Se necesita una inversión de aproximadamente 200 mil dólares estadounidenses (~135
millones de pesos chilenos) en servicios para equipar y poner en marcha el sistema de
monitoreo piloto de aluviones en la cuenca del estero San Alfonso, con un periodo de
prueba de al menos 5 años.
116
Por otra parte, a partir del análisis hidrometeorológico (ver Capítulo 4) y el criterio técnico del
equipo de SERNAGEOMIN, se sugiere considerar los valores de altitud de isoterma 0 °C
expuestos en la Tabla 7.1, para determinar la posibilidad de ocurrencia de aluviones en la parte
alta de la cuenca del río Maipo en días lluviosos. La intensidad de precipitaciones debe ser
analizada caso a caso.
Tabla 7.1. Relación de isoterma 0 °C con posibilidad de ocurrencia de aluviones en la parte alta de la
cuenca del río Maipo para días lluviosos. Elaboración propia.
Posibilidad de
ocurrencia de aluviones
Altitud isoterma 0 °C
[m s.n.m.] Detalle
Baja <2.100
Elevación por debajo del valor medio de
isoterma 0 °C definidos por Garreaud y
Rutllant (1997) para tormentas de invierno.
Media 2.100-2.900
Elevación entre el valor medio y máximo de
isoterma 0 °C definidos por Garreaud y
Rutllant (1997) para tormentas de invierno.
Alta 2.900-3.900
Elevación entre el valor máximo de isoterma
cero definidos por Garreaud y Rutllant
(1997) para tormentas de invierno y por
debajo del valor de la isoterma 0 °C de los
aluviones ocurridos el 03 de mayo de 1993
(ver Tabla 4.9).
Muy Alta >3.900
Elevación sobre el valor de la isoterma 0 °C
de los aluviones ocurridos el 03 de mayo de
1993 (ver Tabla 4.9).
Por otro lado, para dar continuidad al proyecto se debe capacitar al equipo de SERNAGEOMIN a
cargo del sistema de monitoreo tanto en los sensores a utilizar, como en sus softwares de
procesamiento. Además, es importante definir líneas de acción para desarrollar un sistema de
alerta en la cuenca del estero San Alfonso que se proyecte de tal manera que se pueda extender
a las microcuencas más riesgosas de la parte alta de la cuenca del río Maipo; teniendo en
consideración que se necesitarían alrededor de 100 mil dólares estadounidenses (~70 millones de
pesos chilenos) para monitorear cada microcuenca (ver Tabla 6.4).
117
En virtud de lo anteriormente expuesto, en la Figura 7.1 se muestran las diferentes etapas del
sistema de monitoreo piloto y su propuesta de continuidad.
Figura 7.1. Etapas del sistema de monitoreo piloto y su propuesta de continuidad para la cuenca del
río Maipo. Elaboración propia.
118
8 Referencias
Abancó, C.; Hürlimann, M.; Fritschi, B.; Graf, C.; Moya, J. 2012. Transformation of ground vibration
signal for debris-flow monitoring and detection in alarm systems. Sensors12 (4): 4870-4891.
Abancó, C.; Hürlimann, M.; Moya, J. 2014. Analysis of the ground vibration produced by debris
flows and other torrential processes at the Rebaixader monitoring site (Central Pyrenees,
Spain). Nat. Hazards Earth Syst. Sci 14: 929–943.
Adams M.S.; Fromm R.; Lechner, V. 2016. High-resolution debris flow volume mapping with
unmanned aerial systems (UAS) and photogrammetric techniques. The International
Archives of the Photogrammetry, Remote Sensing and Spatial Information Sciences, Volume
XLI-B1. XXIII ISPRS Congress: 749-755 Prague, Czech Republic.
Arattano, M., Abancó, C., Coviello, V. and Hürlimann, M. 2014. Processing the ground vibration
signal produced by debris flows: the methods of amplitude and impulses compared, Comput.
Geosci, 73: 17-27. Italy.
Arattano M.; Deganutti A. M.; Marchi L. 1997. Debris flow monitoring activities in an instrumented
watershed on the Italian Alps. Debris-Flow Hazards Mitigation: Mechanics, Prediction &
Assessment, 506-515.
Arattano M.; Marchi L. 2008. Systems and sensors for debris-flow monitoring and warning.
Sensors, 8(4): 2436-2452.
Arattano, M.; Moia, F. 1999. Monitoring the propagation of a debris flow along a torrent.
Hydrological Sciences Journal 44: 811-823. Aristizábal, E.; Gamboa, M.F.; Leoz, F.J. 2010.
Sistema de alerta temprana por movimientos en masa inducidos por lluvia para el valle de
Aburrá, Colombia. Revista EIA, 13: 155-169.
Badoux, A.; Graf C.; Rhyner J.; Kuntner R.; McArdell B.W. 2009. A debris flow alarm system for
the Alpine Illgraben catchment: design and performance. Natural Hazards, 49(3): 517-539.
119
Berger, C.; McArdell B.W.; Schlunegger, F. 2011. Direct measurement of channel erosion by debris
flows, Illgraben, Switzerland. Journal of Geophysical Research-Earth Surface, 116: F01002.
doi:10.1029/2010JF001722.
Bettella, F.; Bischetii, G.B.; D´Agostino, V.; Marai, S.V.; Ferrari, E.; Michelini, T. 2015. Comparison
of measurement methods of the front velocity of small-scale debris flows. Journal of
Agricultural Engineering, 46:129-137.
Biansoongnern, S.; Plungkang, B.; Susuk, S. 2016. Development of low cost vibration sensor
network for early warning system of landslides. Energy Procedia 89: 417-420.
Cavalli M.; Marrchi L.; Arattano M.; Comiti F.; Schenato L.; Liébault F. 2013. WP5 - Action 5.2
Protocols on standardized data collection methods in sediment transport monitoring for
transboundary exchange. Part II. Protocol for Debris-flow Monitoring. Sediment management
in Alpine basins. SedApl, 35 p. Europe Union.
Chira La Rosa J.; Kuroiwa J. M. 2017. Sistema de alerta temprana en zona de aluviones. Artículo
del XXVII Congreso latinoamericano de hidráulica Lima, Perú, 28 al 30 de septiembre de
2016. Servicio Nacional de Hidrología y Meteorología del Perú: 10 p.
Coe J.A.; Kinner D.A.; Godt J.W. 2008. Initiation conditions for debris flows generated by runoff at
Chalk Cliffs, central Colorado. Geomorphology 96: 270-297.
Coe J.A.; Kean J.W.; McCoy S.W.; Staley D.M.; Wasklewicz T.A. 2010. Chalk Creek Valley:
Colorado’s natural debris-flow laboratory. In The Geological Society of America, 18:95-117.
Comiti F.; Marchi L.; Macconi P.; Arattano M.; Bertoldi G.; Borga M.; Brardinoni F.; Cavalli M.;
D’Agostino V.; Penna D.; Theule J. 2014. A new monitoring station for debris flows in the
European Alps: first observations in the Gadria basin. Natural Hazards 73(3): 1175-1198.
Coral E. 2015. Generación de Modelos de Elevación Digital a partir de imágenes obtenidas desde
vehículos aéreos no tripulados (UAVs). ISTAR - CIS1510AP03. Proyecto de graduación.
Departamento de Ingeniería de Sistemas Pontificia Universidad Javeriana Bogotá,
Colombia: 10 p.
120
CORPOGUAGIRA. 2011. Diseño de un Sistema de Alerta Temprana por inundación y
deslizamiento en el flanco NE de la Sierra Nevada de Santa Marta. Departamento de la
Guajira: 13 p.
Costa J.E. 1988. Floods from dam failures. In Flood Geomorphology (Baker, V.R.; Patton, P.C.;
editores). John Wiley and Sons: 439-463. New York.
Coviello V. 2015. Debris flow seismic monitoring and warning. Ph.D. Thesis (Inédito), Un
Politecnico di Torino: 117 p. Italy.
Cruden, D. 1991. A simple definition of a Landslide. Bulletin of the International Association of
Engineering Geology 43: 27-29.
Cruden, D.; Varnes, D.J. 1996. Landslide types and processes. In Landslides: investigation and
mitigation (Turner, K.; Schuster, R.L.; editores). National Academy Press, Transportation
Research Board Special Report 247: 36-75. Washington D.C.
Centro Sismológico Nacional de Chile (CSN). 2018. Glosario de sismología.
http://www.sismologia.cl/links/glosario.html. (Última visita 04/06/2013).
DICTUC. 2016. Estudio Básico: Investigación modelo hidrológico para inundaciones de crecidas
en la región Metropolitana. Etapa N˚2: Instalación de equipos y sistema de adquisición de
datos para el Instituto Nacional de Hidráulica. Informe Nº 1379083. División de Ingeniería
Hidráulica y Ambiental. Pontificia Universidad Católica de Chile: 66 p.
Din, N.M.; Omar R.C.; Ismail, A.; Khalid N.H.N.; Sakai N.; Jamaludin, M.Z.; Abdullah, F.; Yussof,
S. 2013. Early warning system for transmissionn tower landslide hazard monitoring in
Malaysia. In Caspian Journal of Applied Sciences Research 2 (AICCE'12 & GIZ' 12): 119-
123.
Dirección General de Aguas (DGA). 2017. Información Oficial Hidrometeorológica y de Calidad de
Aguas. http://snia.dga.cl/BNAConsultas/reportes. (Última visita 15/06/2017 y 08/12/2017).
121
Dirección General de Aguas (DGA). 2018a. Datos hidrológicos en tiempo real.
http://dgasatel.mop.cl/. (Última visita 31/08/2018).
Dirección General de Aguas (DGA). 2018b. Información Oficial Hidrometeorológica y de Calidad
de Aguas. http://snia.dga.cl/BNAConsultas/reportes. (Última visita 31/08/2018).
Dirección Meteorológica de Chile (DMC). 2017. Análisis de casos de aluviones para
SERNAGEOMIN, 03 de agosto 2017. Unidad de Reanálisis. Sección Centro Nacional de
Análisis. Dirección General de Aeronáutica Civil: 6 p.
Dirección Meteorológica de Chile (DMC). 2018. Estaciones automáticas en línea.
http://www.meteochile.cl/PortalDMC-web/index.xhtml. (Última visita 31/08/2018).
Dykes, A.P.; Warburton, J. 2007. Mass movements in peat: a formal classification scheme.
Geomorphology 86:73-93.
Espinoza J. 2007. Dimensionamiento de la capacidad y caracterización de la calidad de una red
GPRS. Memoria Título (Inédito), Universidad de Chile, Departamento de Ingeniería
Eléctrica: 79 p.
Estepa, R. 2004. Tema 5: Transmisión y digitalización
trajano.us.es/~rafa/ARSS/apuntes/tema5.pdf. (Última visita 10/07/2018).
Farías, V.; Escobar, P.; Marín, M.; Alfaro, A.; Olea, P.; Fernández, J., Arenas, M.; Ramírez, P.
2016. Estudio exploratorio para el diseño de un sistema de monitoreo de remociones en
masa, en las cuencas de San Ramón, Macul y Lo Cañas, Región Metropolitana. Servicio
Nacional de Geología y Minería, Informe Registrado IR 16-64: 92 p. Santiago.
Fathani T.F.; Karnawati D.; Legono D.; Faris F. 2011. Development of early warning system for
rainfall-induced landslide in Indonesia. In the 2nd international workshop on multimodal
sediment disaster – Asian Cloud Network on Disaster Research: October 25-26, 2011
Tainan: 103-113.Taiwan.
122
Fernández, C.J.; Rodríguez Y. 2016. Primeros resultados de la red actual de monitoreo
hidrometeorológico de Cuenca, Ecuador. Ingeniería hidráulica y ambiental 37 (2): 44-56.
Fock, A. 2005. Cronología y tectónica de la exhumación en el Neógeno de los Andes de Chile
central entre los 33º y los 34ºS. Tesis de Magister (Inédito), Universidad de Chile: 227 p.
Santiago.
Garreaud R. 2013. Warm winter storms in Central Chile. Journal of Hydrometeorology 14: 1515-
1534.
Garreaud, R.; Rutllant, J. 1997. Precipitación estival en los Andes de Chile central: aspectos
climatológicos. Atmosfera 10:191-211.
Gayathri, M.P. 2014. Mobile devices communication – survey analysis. International Journal of
Innovative Research in Computer and Communication Engineering 2 (6). ISSN (Print): 2320-
9798.
Genevois, R.; Tecca, P.R.; Breti, M.; Simoni, A. 2000. Debris-flow in the Doromites: Experimental
data from a monitoring system. In Debris-Flow Hazards Mitigation: Mechanics, Prediction,
and Assessment (Wieczorek, G. F.; Naeser, N.D.; editores) Proc. 2nd Intern. Conf., Taipei,
Taiwan. Balkema Press: 283-291. Rotterdam.
Gironás, J.; Sandoval J. 2017. Riesgo de origen hidrometeorológico en la ciudad de Santiago.
Centro de Investigación de Desastres Naturales (CIGIDEN). Pontificia Universidad Católica
de Chile: 23 p. Santiago.
Hauser A. 1985. Flujos de barro en la zona pre andina de la Región Metropolitana: Características,
causas, efectos, riesgos y medidas preventivas. Revista Geológica N° 24 1985: 75-92 p.
Santiago.
Hauser, A. 2002. Avalancha de rocas y flujos de barro y detritus en estero Parraguirre, valle del río
Colorado, Región Metropolitana, Chile. (Informe inédito). Departamento de Geología.
Servicio Nacional de Geología y Minería: 89 p. Santiago.
123
Hauser A.; Calatroni, A.; Oñate, E.; De Buen, A. 1996. Evaluación preliminar del riesgo aluvional
en torno a la localidad de San Alfonso, Región Metropolitana (Informe inédito). Equipo
técnico intersectorial Servicio Nacional de Geología y Minería – Ministerio de Obras
Públicas: 38 p. Santiago.
Hübl J.; Zhang, S.C.; Kogelnig, A. 2008. Infrasound measurements of debris flow. In WIT
Transactions on Engineering Sciences 60 (De Wrachien, D.; Brebbia, C.A.; Lenzi, M.A.;
editores). Second International Conference on Monitoring, Simulation, Prevention and
Remediation of Dense and Debris Flows II: 3-12. The New Forest.
Hungr, O. 2005. Classification and terminology. In Debris flow hazard and related phenomena:
Chichester (Jakob, M.; Hungr, O.; editores). Springer-Praxis: 9-23. Chichester, United
Kingdom.
Hungr, O.; Evans, S.G.; Bovis, M.; Hutchinson, J.N. 2001. Review of the classification of landslides
of the flow type. Environmental and Engineering Geoscience 7: 22-238.
Hungr, O.; Leroueil, S.; Picarelli, L. 2014. The Varnes classification of landslide types, an update.
Landslides 11:167-194.
Hürlimann, M.; Rickenmann, D.; Graf, C. 2003. Field and monitoring data of debris-flow events in
the Swiss Alps. Canadian Geotechnical Journal 40(1): 161-175.
Instituto Distrital de Gestión de Riesgos y Cambio Climático (IDIGER). 2018.
http://www.sire.gov.co/web/sab. (Última visita 12/07/2018).
Itakura, Y.; Inaba, H.; Sawada, T. 2005. A debris-flow monitoring devices and methods
bibliography. Natural Hazards and Earth Systems Sciences 5: 971-977.
Jakob, M. 2005. A size classification for debris flows. Engineering Geology 79: 151-161.
Johnson, J.B.; Palma, J.L. 2015. Lahar infrasound associated with Volcán Villarrica’s 3 March 2015
eruption. Geophysical Research Letters 42: 6324-6331.
124
Kafle, S.K. 2017. Disaster Early Warning Systems in Nepal: Institutional and Operational
Frameworks. Journal of Geography & Natural Disasters 7: 2 p.
Kogelnig, A.; Hübl, J.; Suriñach, E.; Vilajosana, I.; McArdell, B. 2011. Infrasound produced by debris
flow: propagation and frequency content evolution. Natural Hazards. 70(3):1713-1733.
Krumbein, W.C. 1934. Size frequency distributions of sediments. Journal of Sedimentary
Ressearch 4 (2): 65-77.
Koulikova, Y.; Roberti, L. 2012. Global Mobile Broadband. Inmarsat Global Xpress: 16 p.
Lara, M., 2007. Metodología para la Evaluación y Zonificación de amenaza de Remociones en
Masa con Aplicación en Quebrada San Ramón, Santiago Oriente, Región Metropolitana.
Memoria de Titulo (Inédito), Universidad de Chile, Departamento de Geología: 212 p.
Santiago.
Lin, J.; Tao H.; Wang Y.; Huang Z. 2010. Practical application of unmanned aerial vehicles for
mountain hazards survey.18th International Conference on Geoinformatics: 5 p. Beijing.
Marchi, L.; Arattano, M.; Deganutti, A.M. 2002. Ten years of debris-flow monitoring in the Moscardo
Torrent (Italian Alps). Geomorphology 46(1-2): 1-17.
Marín, M.; Contreras J.P.; Olea, P. 2017. Efectos geológicos del sistema frontal en la zona central
del país, el 25 y 26 de febrero de 2017, comuna de San José de Maipo, Región
metropolitana. Servicio Nacional de Geología y Minería, INF-RM-01-2017: 32 p. Santiago.
Marín, M.; Muñoz, A.A.; Naranjo, J.A. 2018. Víctimas fatales causadas por remociones en masa
en Chile (1928-2017). Servicio Nacional de Geología y Minería. Universidad de Concepción
Concepción. In Congreso Geológico Chileno Geociencias hacia la comunidad, No. 15: 2 p.
McArdell, B.W.; Bartelt, P.; Kowalski J. 2007. Field observations of basal forces and fluid pore
pressure in a debris flow. Geophysical Research Letters 34(7): 4 p.
125
McCoy, S.W.; Coe, J.A.; Kean, J.W.; Staley, D.M.; Wasklewicz, T.A.; Tucker G.E. 2011.
Observations of debris flows at Chalk Cliffs, Colorado, USA: part 1, in-situ measurements of
flow dynamics, tracer particle movement and video imagery from the summer of 2009. In 5th
International Conference on Debris-Flow Hazards Mitigation: Mechanics, Prediction and
Assessment (Genevois, R.; Hamilton, D.L.; Prestininzi; A.; editores). Casa Editrice Università
La Sapienza: 715-724. Roma.
Mejía, N. 2013. Sistemas de transmisión de datos para el monitoreo sísmico. Tesina de Título
(Inédito), Universidad Nacional Autónoma de México, Facultad de Ingeniería: 72 p. Ciudad
de México.
Moreno, D.; Quiñones, E.; Tovar, L.C. 2014. Los Sistemas de Alerta Temprana, SAT, una
herramienta para la prevención de desastres por inundación y efectos del cambio climático.
Ciencias e ingeniería al día. Revista Institucional de la Facultad de Ingeniería. Universidad
de Cartagena: 24 p. Colombia.
Moreno, M. 2015. Análisis, diseño y despliegue de una red WiFi en Santillana del Mar. Proyecto
fin de carrera, Ingeniería de Telecomunicación. Escuela Politécnica Superior. Universidad
Autónoma de Madrid: 197 p. España.
Muñoz, J.C. 2002. Introducción a los Infrasonidos y su Recepción. Tesis de grado (Inédito),
Universidad Austral de Chile, Escuela de Ingeniería Acústica: 105 p. Valdivia.
Muñoz, A. 2016. Catastro y reconocimiento de zonas susceptibles de remociones en masa,
inundaciones y socavones en la ruta G–25, Provincia Cordillera, Región Metropolitana.
Informe de Proyecto II (Inédito), Universidad de Chile, Departamento de Geología: 33p.
Muñoz, A. 2018. Metodología para evaluar la amenaza de flujos de detritos utilizando un análisis
jerárquico de procesos y el software RAMMS, con aplicación en la cuenca del estero San
Alfonso, Región Metropolitana. Memoria de Titulo (Inédito), Universidad de Chile,
Departamento de Geología: 105 p. Santiago.
Naranjo, J.A.; Varela, J. 1996. Flujos de detritos y barro que afectaron el sector oriente de Santiago,
el 3 de mayo de 1993. Servicio Nacional de Geología y Minería (Informe inédito): 62 p.
126
Navratil, O.; Liébault, F.; Bellot, H.; Theule, J.; Travaglini, E.; Ravanat, X.; Ousset, F.; Laigle, D.;
Segel, V.; Fiquet, M. 2012. High-frequency monitoring of debris flows in the French Alps:
preliminary results of a starting program. In Interpraevent congress, No. 12: 281-291.
Grenoble.
NOAA (National Oceanic and Atmospheric Administration). 2012. Guía de referencia para sistemas
de alerta temprana de crecidas repentinas: 176 p. Colorado, USA.
NOAA (National Oceanic and Atmospheric Administration). 2018. NOAA photo library, satellite
systems. USA. http://www.photolib.noaa.gov/space/satsystems.html. (Última visita
07/06/2018).
NPERF. 2018. Mapa de cobertura 2G / 3G / 4G Entel, Chile. https://www.nperf.com/es/map/CL/-
/1938.Entel/signal/?ll=-33.69725073576859&lg=-70.24837716936668&zoom=12. (Última
visita 30/08/2018).
OMEGA. 2018. ¿Qué es un transductor de presión? https://es.omega.com/prodinfo/transductores-
de-presion.html. (Última visita 04/06/2018).
Pastor, M.S. 2014. Sistema de alerta temprana para eventos hidrogeológicos extremos en una ruta
de montaña. SATCAD 307. (Informe inédito): 17 p. Provincia de Tucumán. Argentina.
Pierson, T.C. 1986. Flow behaviour of channelized debris flows, Mount St. Helen’s, Washington.
In Hillslope processes (Abrahams, A.D.; editor). Allen and Unwin: 269-296. Boston.
Proyecto Multinacional Andino: Geociencias para las Comunidades Andinas. 2007. Movimientos
en Masa en la Región Andina: Una guía para la evaluación de amenazas. Servicio Nacional
de Geología y Minería, Publicación Geológica Multinacional 4: 432 p. Canadá.
Quiroga, R. 2013. Análisis estructural de los depósitos cenozoicos de la Cordillera Principal entre
el Cerro Provincia y el Cordón El Quempo, Región Metropolitana, Chile (33º18’ y 33º25’ S).
Memoria de Título (Inédito), Universidad de Chile, Departamento de Geología: 111 p.
Santiago.
127
RSHYDRO. 2018. ISCO LaserFlow Flow Meter (MCERTS). http://www.rshydro.co.uk/flow-
meters/open-channel-flowmeter/open-channel-flow-meters-stream-river-partially-filled/isco-
laserflow-meter/. (Última visita 05/06/2018).
SafeLand. 2012. Deliverable 4.8: Guidelines for landslide monitoring and early warning systems in
Europe: design and required technology. Work Package 4.3 – Evaluation and development
of reliable procedures and technologies for early warning.
Scheidl, C.; Chiari, M.; Kaitna, R.; Müllegger, M.; Krawtshuck, A.; Zimmermann, T.; Proske, D.
2013. Analysing debris-flow impact models, based on a small scale modelling approach.
Surv Geophys 34: 121-140.
Schimmel, A.; Hübl, J. 2015. Automatic detection of debris flows and debris floods based on a
combination of infrasound and seismic signals. Landslides (2016) 13:1181–1196.
SCHLUMBERGER. 2018. Oilfield Glossary: geophone.
http://www.glossary.oilfield.slb.com/es/Terms/g/geophone.aspx. (Última visita 05/06/2018).
Sepúlveda, S.A.; Moreiras, S.M.; Lara, M.; Alfaro, A. 2014. Debris flows in the Andean ranges of
central Chile and Argentina triggered by 2013 summer storms: characteristics and
consequences. Landslides (2015) 12:115-133.
SERNAGEOMIN (Servicio Nacional de Geología y Minería). 2013. Reconocimiento de depósitos
de flujos de detritos en cursos fluviales de la cuenca del río Maipo, resultantes de
remociones en masa del 21 de enero y 8 de febrero de 2013, en la Región Metropolitana, y
priorización para su eventual limpieza, a objeto de prevenir su impacto en el normal
abastecimiento de agua potable para la Región Metropolitana. Informe inédito: 14 p.
Santiago.
SERNAGEOMIN (Servicio Nacional de Geología y Minería de Chile). 2018. Portal Geológico
Minero GEOMIN. Catálogo Nacional de Información Geoespacial.
http://portalgeo.sernageomin.cl/geoportal. (Última visita: 26/03/2018).
128
Sheetal, J. 2015. Architecture of 5G technology in mobile communication. M.Tech, Bellary
Engineering College, Bellary: 4345. India.
Shrestha, M.S.; Kafle S.K.; Gurung M.B.; Nibanupudi H.K.; Khadgi V.R.; Rajkarnikar G. 2014. Flood
Early Warning Systems in Nepal. International Centre for Integrated Mountain Development
(ICIMOD): 66 p. Kathmandu, Nepal.
Superintendencia de Industria y Comercio (SIC). 2015. Vehículos aéreos no tripulados, drones y
sus sistemas de comunicación. Boletín tecnológico: 104 p. Colombia.
Solís, E. 1995. Modelación matemática de corrientes de detritos. Memoria de Título (Inédito),
Universidad de Chile, Departamento de Ingeniería Civil: 173 p. Santiago.
Sotomayor, E. 2012. Estudio de un sistema de comunicación satelital para alerta y reacción ante
eventos sísmicos. Tesis de Grado (Inédito), Universidad de Chile, Departamento de
Ciencias de la Computación: 51 p. Santiago.
Stallings, W. 2004. Comunicaciones y redes de computadores. 6ta edición. Editorial Prentice Hall:
747 p.
Suwa, H. 2012. Debris flow monitoring in Japan. Center for Spatial Information Science, University
of Tokyo. 2012 International Workshop on monitoring bedload and debris flow in mountain
basins. Free University of Bozen-Bolzano: 38 p. Italy.
Suwa, H.; Okano, K.; Kanno, T. 2011. Forty years of debris -flow monitoring at Kamikamihorizawa
Creek, Mount Yakedake, Japan. Center for Disaster Mitigation of Urban Cultural Heritage,
Ritsumeikan University, and Center for Spatial Information Science, University of Tokyo:
605-613.
Tecca, P.R.; Galgaro, A.; Genevois, R.; Deganutti, A.M. 2003. Development of a remotely
controlled debris flow monitoring system in the Dolomites (Acquabona, Italy). Hydrological
Processes 17(9): 1771-1784.
129
Thiele, R. 1980. Geología de la Hoja de Santiago, Región Metropolitana. Instituto de
Investigaciones Geológicas, Carta Geológica de Chile 39: 51 p., 1 mapa. Escala 1:250.000.
Santiago.
Turconi, L.; Coviello, V.; Arattano, M.; Savio, G.; Tropeano, D. 2015. Monitoring mud-flows for
investigative and warning purposes: The instrumented catchment of Rio Marderello (North-
Western Italy). Engineering Geology for Society and Territory 3: 85–90.
Turner, D.; Lucieer A.; de Jong, S.M. 2015. Time Series Analysis of Landslide Dynamics Using an
Unmanned Aerial Vehicle (UAV). Remote Sensing 7(2):1736-1757.
Universidad Internacional de Valencia (UIV). 2018. Evolución de la red de comunicación móvil.
https://www.universidadviu.es/evolucion-la-red-comunicacion-movil-del-1g-al-5g/. (Última
visita 23/07/2018).
Unidad Nacional para la Gestión del Riesgo de Desastres (UNGRD). 2016. Guía para la
implementación de sistemas de alerta temprana comunitarios: 29 p. Bogotá, D.C.
United Nations International Strategy for Disaster Reduction (UNISDR). 2009. Terminology on
Disaster Risk Reduction. United Nations: 43 p.
United Nations International Strategy for Disaster Reduction (UNISDR). 2016. Disasters in
numbers. United Nations Office for Disaster Risk Reduction short publication: 2 p.
United States Geological Survey (USGS). 2018. Debris flow monitoring at Chalk Cliffs, Colorado.
Landslide Hazard Program. https://landslides.usgs.gov/monitoring/chalk_cliffs/. (Última
visita 05/06/2018).
VanDine, D.F. 1985. Debris flows and debris torrents in the southern Canadian Cordillera.
Canadian Geotechnical Journal 22: 44–68.
Varnes, D.J. 1978. Slope movements types and processes. In Landslides analysis and control
(Schuster, R.L.; Krizek R.J.; editores). Transportation Research Board, National Academy
Of Science, Special Report 176: 9-33. Washington D.C.
130
Vásquez, S. 2017. Sistema de alerta temprana de inundaciones: caso en desarrollo. Estudio
básico: Investigación modelo hidrológico para inundaciones de crecidas en la Región
Metropolitana. Hacia un sistema de alerta temprana de inundaciones. DICTUC-INH. Taller
de aluviones del Instituto Nacional de Hidráulica (INH) para SERNAGEOMIN. 27 de
Septiembre de 2017.
Viale, M.; Garreaud R. 2014. Summer Precipitation Events over the Western Slope of the
Subtropical Andes. Monthly Weather Review 146: 1074-1092.
Swiss Federal Institute for Forest, Snow and Landscape Research (WSL). 2017. Rapid mass
movements simulation (RAMMS): User Manual v1.7 Debris Flow. Swiss Federal Institute for
Forest, Snow and Landscape Research, Swiss Federal Institutes of Technology: 109 p.
Swiss Federal Institute for Forest, Snow and Landscape Research (WSL). 2018. Rock in motion:
rockfall. https://www.wsl.ch/en/natural-hazards/rockfalls-and-landslides/forschung-in-
bildern-steinschlag/rockfall.html. (Última visita 06/06/2018).
Yin, H.Y. 2012. Debris flow monitoring and warning in Taiwan. Soil and Water Conservation Bureau
Council of Agriculture. 2012 International Workshop on monitoring bedload and debris flow
in mountain basins. Free University of Bozen-Bolzano: 48 p. Italy.
Top Related