IANIGLA   20881
INSTITUTO ARGENTINO DE NIVOLOGIA, GLACIOLOGIA Y CIENCIAS AMBIENTALES
Unidad Ejecutora - UE
artículos
Título:
EVALUACIÓN Y PREDICCIÓN DE LA EROSIÓN HÍDRICA EN REGIONES ÁRIDAS DE RELIEVE ACENTUADO DEL CRENTRO OESTE DE ARGENTINA
Autor/es:
ALBERTO I.J. VICH Y ADRIANA MARIANI
Revista:
MULTEQUINA
Editorial:
Inca Editores
Referencias:
Lugar: Mendoza; Año: 2010 vol. 19 p. 7 - 7
ISSN:
0327-9375
Resumen:
La erosión hídrica es un fenómeno complejo y su magnitud es poco conocida en Argentina, especialmente en áreas silvestres. En ellas,  prácticamente no existen observaciones cuantitativas sistemáticas, excepto las que aquí se muestran. Las mediciones se realizaron al oeste de la ciudad de Mendoza, a 32º52´50" de latitud sur y 68º52´00" de longitud oeste. Fueron hechas  sobre  suelos poco evolucionados y el clima es árido templado. Las mediciones de pérdidas de suelo (PS), se realizaron en el periodo 1982-95, en parcelas sobre suelo desnudo, exposición y pendiente variable. Se examina la aplicación y adecuación de la USLE, como herramienta de predicción, evaluándose sus componentes. Se la emplea en la predicción de pérdidas de suelos de eventos individuales, porque las tormentas de carácter erosivos son muy poco frecuentes.  Dado que el factor de erosividad de lluvia, no explica adecuadamente las variaciones de las pérdidas de suelo,  se propusieron distintas formas,  combinando  la intensidad de lluvia y el escurrimiento. El resto de los factores se evaluó con la metodología original, incluyendo en el factor cobertura el efecto protector de los fragmentos de rocas presentes en el suelo y superficie. El ajuste de la ecuación original y propuestas, se realizó por optimización, con datos individuales. Del análisis de sensibilidad se desprende que los parámetros de las ecuaciones poseen un amplio rango de variación para un valor similar de error. La aplicabilidad de la USLE o las expresiones modificadas para la predicción de erosión de eventos individuales no es satisfactoria, debido al carácter aleatorio de las predicciones. Es por ello, que resulta indispensable recolectar aun mayor cantidad de información.