SIMULACIÓN DE FLUJOS DE DETRITOS Y VALIDACIÓN CUANTITATIVA A PARTIR DE DATOS DE CAMPO E IMÁGENES SATELITALES MULTITEMPORALES, SIERRA DE SAN LUIS, ARGENTINA.

FACINI, JOAQUIN.; PANERO, JUAN P.; CIOCCALE, MARCELA A. ; CHIESA, JORGE O.

Puerto Madryn

Congreso; XXI Congreso Geológico Argentino; 2022

Asociación Geológica Argentina

Se analizó la ocurrencia de flujos de detritos como consecuencia de una tormenta intensa entre el 28 de febrero y el 1 de marzo de 2015 (Facini y Chiesa, este congreso). Con esa finalidad, se observaron y cartografiaron 957 puntos de inicio o arranque de los flujos en el noreste de la Sierra de San Luis, específicamente aquellos desarrollados en la cuenca del río Luján y en las cuencas de la vertiente occidental de la sierra y el piedemonte (Fig. 1A).El objetivo de esta contribución es la obtención de un modelo que replique las condiciones del evento a través de los datos obtenidos de un modelo digital de elevación (MDE) y de los puntos de inicio de los flujos, para realizar pronósticos preliminares con las condiciones establecidas para este episodio y destacar posibles zonas sensibles de erosión y depositación ante eventos extremos de precipitación en áreas de difícil acceso y a múltiples escalas.El basamento cristalino de la Sierra de San Luis está compuesto por fajas longitudinales de rocas metamórficas de rumbo NNE-SSO intruidas por granitoides de diferente edad y composición. El piedemonte está conformado por hasta 4 niveles de abanicos aluviales (Giaccardi, 2014) cuya extensión longitudinal y lateral está directamente relacionada al área de la cuenca de aporte.En el presente trabajo se realizaron simulaciones del modelo “Gravitational Process Path (GPP)” (Wichmann, 2017) en el programa libre SAGA GIS v.7.9.0. Como dato de entrada de atributos del terreno se utilizó el MDE gratuito Alos Palsar de 12,5 m de resolución (ASF DAAC, 2011) corregido con la herramienta Fill Sinks (Wang y Liu, 2006) de SAGA GIS. Los puntos de inicio y los polígonos de los depósitos de los flujos fueron digitalizados sobre la base de observaciones de campo y fotointerpretación de imágenes espaciales de alta resolución (0,50 m) disponibles a través del programa Google Earth Pro, con fechas de toma entre 1984 y 2021 (Fig. 1B). Los polígonos digitalizados representan el área cubierta desde el punto de inicio, de transporte y de depositación del flujos siguiendo la metodología para validación del modelo GPP de Goetz et al. (2021). Los polígonos y los puntos de inicio fueron transformados a formato raster (rasterizados) con la misma resolución del MDE (Fig. 1C). Con el modelo GPP se simularon diferentes áreas de procesamiento en formato raster, modificando los parámetros de la herramienta, para generar depósitos de flujos de detritos de longitudes y morfologías variables (Fig. 1D). Al realizar pequeños cambios en los valores de los parámetros de umbral de pendiente, exponente, factor de persistencia y coeficiente de fricción se observan resultados muy diferentes. A los polígonos fotointerpretados y rasterizados (PR) se les asignó un valor único (Fig. 1C), y a los resultados del área de procesamiento del modelo (GPP) se les asignó otro valor único diferente al de los de PR (Fig. 1D). Para la validación cuantitativa de los resultados, a cada área de procesamiento de la simulación GPP se le sumó el polígono rasterizado, obteniendo de esta manera la cantidad de píxeles con y sin coincidencia (Fig. 1E). Los valores para los parámetros del modelo GPP que preliminarmente se ajustan mejor a los depósitos del evento del año 2015 son: Process Path: Model Random Walk, Slope Threshold: 25, Exponent: 2.2, Persistence Factor: 1.2, Iterations: 100, Processing Order: Ras un Parallel per Iteration, Seed Value: 2. Para la descarga (Run Out) se utilizaron PCM Model (Perla et al. 1980), Friction Parameter Mu: 0.04 y Mass to Drag ratio: 50, Initial Velocity: 1. Finalmente, para el modelo de depositación se empleó: On Stop model, Initial Deposition: 20. La superposición de los diferentes rasters, la comparación visual y la cuantificación de píxeles con y sin coincidencia permiten aproximar los valores de los parámetros de la herramienta GPP que mejor se ajustan al evento. Combinando los parámetros de la simulación es posible establecer valores umbrales para ser utilizados de forma predictiva y realizar pronósticos de las morfologías y extensión areal que pueden alcanzar los flujos de detritos desencadenados por eventos climáticos extremos. Figura 1. Puntos de inicio y depósitos de flujos de detritos en el noroeste de la Sierra de San Luis. A) Mapa geológico del sector de mayor densidad de puntos de inicio (modificado de Giaccardi, 2014; Morosini et al., 2017, Enríquez, 2021). El rectángulo corresponde a las imágenes B a E. B) Imagen satelital del año 2018 (Google Earth Pro) donde se observan algunos de los depósitos del piedemonte occidental. C) Polígonos digitalizados a partir de datos de campo y fotointerpretación y rasterizados a resolución del MDE. D) Ejemplo de polígonos que devuelve la simulación de GPP; su morfología y extensión varía de acuerdo a la combinación de parámetros del modelo. E) Suma de rasters donde se observan en azul los píxeles de los polígonos anteriores en los que hubo coincidencia. ASF DAAC. 2011. ALOS PALSAR Radiometric Terrain Corrected high resolution digital elevation model. ©JAXA/METI.Enríquez, E. 2021. Geología, estructura y metamorfismo del Complejo Metamórfico Conlara, en la región comprendida entre Libertador General San Martín y Luján, provincia de San Luis. Universidad Nacional de San Luis. En preparaciónFacini J. y Chiesa J. O. (Este Congreso). Riesgo geológico de flujos de detritos ante un evento climático extremo. Noroeste de la Sierra de San Luis. Argentina. Giaccardi, A., 2014. Análisis Morfotectónico y Neotectónico del sector Noroccidental de la sierra de San Luis. Tesis Doctoral. Universidad Nacional de San Luis (inédita). 219 p., San LuisGoetz, J., Kohrs, R., Parra Hormazábal, E., Bustos Morales, M., Belén Araneda Riquelme, M., Henríquez, C. y Brenning, A. 2021. Optimizing and validating the Gravitational Process Path model for regional debris-flow runout modelling. Natural Hazards and Earth System Sciences Discussions, 1-30.Morosini, A. F., Suárez, A. E. O., Otamendi, J. E., Pagano, D. S. y Ramos, G. A. 2017. La Escalerilla pluton, San Luis Argentina: The orogenic and post-orogenic magmatic evolution of the famatinian cycle at Sierras de San Luis. Journal of South American Earth Sciences, 73, 100-118.Perla, R., Cheng, T. T. y McClung, D. M. 1980. A two-parameter model of snow-avalanche motion, J. Glaciol., 26, 197–207Wang, L. y Liu, H. 2006. An efficient method for identifying and filling surface depressions in digital elevation models for hydrologic analysis and modelling. International Journal of Geographical Information Science, 20(2), 193-213.Wichmann, V. 2017. The Gravitational Process Path (GPP) model (v1. 0)–a GIS-based simulation framework for gravitational processes. Geoscientific Model Development, 10(9), 3309-3327.