Caracterización del terreno en la Quebrada Las Abras mediante imágenes LiDAR: Enfoque geológico y edafológico
DOI:
https://doi.org/10.70577/ASCE/371.394/2025Palabras clave:
Suelo; Pendiente; LiDAR; Resistividad; Edafología.Resumen
La presente investigación en la Quebrada Las Abras se enfoca en caracterizar las condiciones geológicas y edafológicas del área, empleando herramientas avanzadas como levantamientos LiDAR, tomografía eléctrica y diversos análisis del suelo. El objetivo principal es entender la composición del suelo y su dinámica hídrica en la zona. Los estudios de pendientes fueron realizados a partir de la digitalización en tres dimensiones de nubes de puntos LiDAR, permitiendo clasificar las pendientes en rangos que van desde una quebrada a nivel de terreno hasta fuertemente quebrada. Esta clasificación facilita el análisis de la estabilidad y ayuda a identificar áreas con mayor vulnerabilidad a procesos erosivos y de deslizamiento. En cuanto a la estructura del suelo, muestra que el suelo predominante en la quebrada es de textura arenosa y no plástica, lo que indica una baja cohesión y limitada retención de agua. Esta textura influye directamente en la susceptibilidad del suelo a la capacidad de infiltración. Las pruebas de tomografía eléctrica permitieron identificar variaciones significativas en la resistividad del suelo en distintas profundidades. Estas diferencias de resistividad revelan zonas con alta y baja permeabilidad, lo cual es fundamental para comprender su estabilidad. En conjunto, estos análisis aportan una caracterización detallada de las condiciones geológicas y edafológicas de la Quebrada Las Abras. Los resultados son útiles para entender los riesgos asociados a la erosión y a la estabilidad del suelo, así como para apoyar la planificación y gestión de recursos en esta zona de la provincia de Chimborazo.
Descargas
Citas
Adriano, A., & Guerra, R. (2021). PLAN DE MANEJO AMBIENTAL, DE LA QUEBRADA SAN SEBASTIÁN, CANTÓN GUANO, PROVINCIA DE CHIMBORAZO. Riobamba: UNIVERSIDAD NACIONAL DE CHIMBORAZO.
Arora, R. (2019). Plasticity Index Of Soil. Obtenido de https://www.elementaryengineeringlibrary.com/civil-engineering/soil-mechanics/plasticity-index-of-soil
Carlemany., U. (s,f). Edafología: ¿Por qué es importante estudiar la naturaleza del suelo? Universitat Carlemany, párr.1. Obtenido de https://www.universitatcarlemany.com/actualidad/blog/edafologia-por-que-es-importante-estudiar-la-naturaleza-del-suelo/
Choca, J. (2017). PROPUESTA DE ÍNDICE DE CALIDAD DE SUELOS PARA LA RESERVA DE PRODUCCIÓN FAUNÍSTICA DE CHIMBORAZO. Riobamba: ESCUELA SUPERIOR POLITÉCNICA DE CHIMBORAZO.
CORCUENCAS. (2014). Tomo 3.6 Pedientes. Tolima: Cámara de comercio de Ibagué.
David, C. (07 de 2022). Ciencia del suelo - Caracterización y conservación en el Ecuador. Obtenido de ResearchGate: https://www.researchgate.net/publication/361832056_Ciencia_del_suelo_Caracterizacion_y_Conservacion_en_el_Ecuador
Evans, J. C. (09 de 2021). Geotechnical fundamentals. Obtenido de https://www.researchgate.net/publication/354345572_Geotechnical_fundamentals DOI: https://doi.org/10.1201/9780367816995-2
FUSTER. (2021). La tecnología LiDAR y su aplicación en la agricultura - BLOG. Obtenido de FUSTER: https://www.repuestosfuster.com/blog/LiDAR-aplicacion-en-agricultura/
Heil, k. (2014). Characterisation of soil texture variability using the apparent soil electrical conductivity at a highly variable site. Obtenido de https://www.researchgate.net/publication/261912146_The_Influence_of_Basic_Physical_Properties_of_Soil_on_its_Electrical_Resistivity_Value_under_Loose_and_Dense_Condition
Karakan. (2022). Relationships among plasticity, clay fraction and activity of clay-sand mixtures. Obtenido de researchgate.: https://www.researchgate.net/publication/358425427_Relationships_among_plasticity_clay_fraction_and_activity_of_clay-sand_mixtures DOI: https://doi.org/10.1007/s12517-022-09482-9
Lopés, M. (12 de Mayo de 2011). Edafología. doi: https://apps.puce.edu.ec/documentosapps/documentos_DGA/6_H07_H071_2010-01_11448_1705006391_S_1.pdf
Morocho, V. (2017). EVALUACIÓN DEL CONTENIDO DE CARBONO EN EL SUELO DE UN SISTEMA DE PASTOREO Y BOSQUE NATIVO DE LA RESERVA HUAYRAPALTE, CANTÓN SUSCAL, PROVINCIA DE CAÑAR. Riobamba: ESCUELA SUPERIOR POLITECNICA DE CHIMBORAZO.
Ortiz et al. (2025). DETERMINACIÓN DE CURVAS DE NIVEL Y PENDIENTES CON LIDAR PARA MODELAR CRECIDAS EN LA QUEBRADA LAS ABRAS. Revista Científica Multidisciplinaria InvestiGo, 6(14), 749-767. DOI: https://doi.org/10.56519/wfw0s854
Radic, J. P. (2010). Las cuencas cenozoicas y su control en el volcanismo de los Complejos Nevados de Chillan y Copahue-Callaqui (Andes del Sur, 36-39°S). Obtenido de https://www.researchgate.net/publication/250371458_Las_cuencas_cenozoicas_y_su_control_en_el_volcanismo_de_los_Complejos_Nevados_de_Chillan_y_Copahue-Callaqui_Andes_del_Sur_36-39S DOI: https://doi.org/10.4067/S0718-71062010000100009
Roman, K. (2013). Influencia de los sedimentos de las quebradas en el desarrollo de las formas de erosión. Obtenido de https://www.redalyc.org/pdf/5722/572260839003.pdf
Rosales, J. J. (2008). La llegada del sensor LIDAR al campo de la fotogrametría abre la posibilidad a nuevas y mejoradas aplicaciones en ámbitos como el ambiental, hidrológico, geológico, riesgos naturales y, en general, en aquellas disciplinas relacionadas con la gestión y con. Obtenido de https://www.icog.es/TyT/index.php/2013/02/tecnologia-LiDAR-aplicada-a-la-gestion-del-territorio/
Serrano, C. (2024). Diagnóstico de La Quebrada de Las Abras. Universidad Nacional de Chimborazo.
Tomé et al. (2017). Aplicación de la tecnología LiDAR al seguimiento ecológico en la Red de Parques Nacionales. Madrid: Sociedad Española de Ciencias Forestales.
Urrutia , J., Tellez, E., Trigo, A., Perez , L., & Mendez, F. (2014). Volcano-sedimentary stratigraphy in the Valsequillo Basin, Central Mexico inferred from electrical resistivity soundings. Obtenido de https://www.elsevier.es/es-revista-geofisica-internacional-80-articulo-volcano-sedimentary-stratigraphy-in-valsequillo-basin-S0016716914714928
Zhang, H., Zhang, X., Yu, Y., Wang, & Wang, J. (2023). Vegetation Mapping in the Changbai Mountains Using Deep Learning and Remote Sensing Data. Remote Sensing, 15(10), 2569. doi:https://doi.org/10.3390/rs15102569 DOI: https://doi.org/10.3390/rs15102569
Descargas
Publicado
Cómo citar
Número
Sección
Licencia
Derechos de autor 2025 Nelson Estuardo Patiño Vaca, Jessica Paulina Brito Noboa, Alfredo Rodrigo Colcha Ortiz, Hernán Vladimir Pazmiño Chiluiza

Esta obra está bajo una licencia internacional Creative Commons Atribución-NoComercial-SinDerivadas 4.0.