UNIVERSIDAD NACIONAL AGRARIA DE LA SELVA 
FACULTAD DE RECURSOS NATURALES RENOVABLES 
DEPARTAMENTO ACÁDEMICO DE CIENCIAS DE LOS 
RECURSOS NATURALES ~ENOVABLES 
MODELO DE ELEVACIÓN DE TERRENO (MET) Y ANÁLISIS 
MORFOMÉTRICO DE LAS MICROCUENCAS DEL PARQUE 
N'ACIONAL TINGO MARÍA (PNTM) ·PERÚ 
TESIS 
Para optar el título de: 
INGENIERO EN RECURSOS NATURALES RENOVABLES 
MENCIÓN FORESTALES 
LUIS EDUARDO ORÉ CIERTO 
PROMOCIÓN 2008- 11 
Tingo María- Perú 
2010 
KlO 
064 
Oré Cierto, Luis E. 
Modelo de Elevación de Terreno (MET) y Análisis Morfométrico de las 
Microcuencas del Parque Nacional Tingo María (PNTM)-Perú. Tingo María 2010 
164 h.; 58 cuadros; 63 fgrs.; 84 ref.; 30 cm. 
Tesis (Ing.Recursos Naturales Renovables Mención: Forestales) Universidad 
Nacional Agraria de la Selva, Tingo María ( Perú ). Facultad de Recursos 
Naturales Renovables. 
ELEVACION-TERRENO 1 PARAMETROS MORFOMETRICOS 1 FISIOORAFIA 
1 POTENCIAL FORESTAL 1 PNTM 1 CONSERVACION 1 METODOWGIA 
1 TINGOMARIA 1 RUPARUPA 1 LEONCIOPRADO 1 HUANUCO 1 PERU. 
UNIVERSIDAD NACIONAL AGRARIA DE LA SELVA 
Tingo María - Perú 
FACULTAD DE RECURSOS NATURALES RENOVABLES 
ACTA DE SUSTENTACION DE TESIS 
Los que suscriben, Miembros del Jurado de Tesis, reunidos con fecha 19 de Julio 
de 201 O, a horas 07:30 p.m. en la Sala de Grados de ·la Universidad Nacional Agraria de 
la Selva, para calificar la tesis titulada: 
"MODELO DE ELEVACIÓN DE TERRENO (MET) Y 
ANÁLISIS MORFOMÉTRICO DE LAS MICROCUENCAS 
DEL PARQUE NACIONAL TINGO MARÍA (PNTM) -PERÚ" 
Presentado por el Bachiller: LUIS EDUARDO ORÉ CIERTOs después de 
haber escuchado la sustentación y las respuestas a las interrogantes formuladas por el 
Jurado, se declara aprobado con el calificativo de "BUENO". 
En consecuencia la sustentante queda apto para optar el Título de INGENIERO en 
RECURSOS NATURALES RENOVABLES, mención FORESTALES, que será aprobado 
por el Consejo de Facultad, tramitándolo al Consejo Universitario para la otorgación del 
título correspondiente. 
lng. M.Sc. LUCIO M 
Presi e 
Tingo María, 17 de Agosto de 201 O 
··················---~~--: ..................... . 
tng. M.Sc. RONALD H. PUERTA TUESTA 
Co Asesor 
DEDICATORIA 
A Dios por haberme dado la vida 
y/o salud, y por dotarme del mejor 
regalo: MI FA MILlA 
A mis adorados padres NORMA CIERTO y 
RODOLFO DANIEL ORE, con profundo 
amor y eterno agradecimiento. 
A mis queridos hermanos ERICSON ORE y 
JUAN DANIEL ORE, con especial cariño, 
por la amistad que siempre nos unió y a 
mis amigas: ABIGAIL y LISSETTE. 
A mis adorados abuelitos EUGENIA 
AGUILAR y RODULFO ORE, por el 
ejemplo de constancia y valor, con mucho 
cariño y amor. 
A mi Iglesia quienes siempre me 
acompañaron en todo, con sus oraciones, 
en especial al Pastor ISAAC ORE 
AGUILAR y su familia. 
Porque de tal manera amó Dios al mundo, que ha dado a su Hijo unigénito, para 
que todo aquel que en él cree, no se pierda, mas tenga vida eterna. 
AGRADECIMIENTO 
A DIOS, por darme la vida y/o ·salud para poder permitirme culminar 
satisfactoriamente mi especialización profesional. 
A la Facultad de Recursos Naturales Renovables, quien inculcó en mi formación 
profesional. 
Al lng. M.Sc. José Lévano Crisóstomo, e lng. M.Sc. Ronald Puerta Tuesta, 
patrocinador y copatrocinador de la investigación, por sus aportes durante todo el 
trabajo. 
A los jurados de tesis: lng. M.Sc. Lucio Manrique De Lara, lng. M.Sc. Luis Valdivia, 
lng. M.Sc. Wilfredo Zavala, por sus oportunas sugerencias. 
Al CIUNAS por haberme brindado apoyo económico, para la realización de esta 
investigación. 
Al Mblgo. M.Sc. Cesar Samuel López López, por su apoyo moral durante la ejecución 
de la investigación. 
Al SERNANP (Servicio Nacional de Áreas Naturales Protegidas por el Estado), por 
brindarme la oportunidad de realizar mi tesis en el Parque Nacional Tingo María. 
Al lng. Luis Flores y Blgo. Fernando Mejía Exjefes del PNTM, por ayudarme en el 
proceso legar de este trabajo de investigación científica. 
A las autoridades y a la población de los centros poblados: Tres de Mayo, Río Oro y 
José Santos Atahualpa, quienes dejaron que participe en la toma de datos de los 
parámetros morfométricos de las microcuencas. 
A mis amigos Rique!me Valencia, José L. Canchaya, Jonatán Ubaldo, Susana Cavali 
y Koch Duarte por su ayuda incondrcional en el presente trabajo de investigación. 
Al lng. Martín Marigorda, Jefe del PNTM, por haber permitido y apoyado en este 
trabajo de investigación científica. 
ÍNDICE 
Página 
l. INTRODUCCIÓN ................................................................................. .. .. . .. 1 
11. REVISIÓN DE LITERATURA....................................................................... 4 
2.1. 
2.2. 
Antecedentes .................................................................................. . 
2.1.1. Sobre el Parque Nacional Tingo María ............................. .. 
2.1.2. Clasificación fisiográfica, relieve y suelo del PNTM .......... .. 
2.1.3. Estudios realizados sobre ME y PM ................................... . 
Marco teórico y conceptual.. ............................................................ . 
2.2.1. Concepto de modelo .......................................................... . 
4 
4 
6 
6 
9 
9 
2.2.2. Modelo de elevación de terreno (MET) ............................... 10 
2.2.3. Generación de los MET ........................................... .......... 11 
2.2.4. Captura de información....................................................... 11 
2.2.5. Algoritmo de Interpolación espacial.................................... 12 
2.2.6. Utilidad de los modelos de elevación de terreno................. 21 
2.2.7. Los MET generados a partir de sistemas satelitales........... 22 
2.2.8. Problemas, ventajas y desventajas en MET ....................... 33 
2.2.9. Evaluación de la calidad del MET ....................................... 35 
2.2.10. Estándares de calidad para los MET ................................... 35 
2.2.11. Índice y parámetros morfométricos .................. ........... ... .. .. .. 35 
111. MATERIALES Y MÉTODOS....................................................................... 51 
3.1. Ubicación y descripción del área de estudio..................................... 51 
3.1.1. Ubicación, extensión y límites del área de estudio.............. 51 
3.1.2. Características climáticas y zonas de vida.......................... 52 
3. 1. 3. Relieve y suelos.................................................................. 52 
3.1.4. Hidrografía.......................................................................... 53 
3.2. Materiales y equipos.......................................................................... 55 
3.2.1. Materiales............................................................................ 55 
3.2.2. Equipos .. ....... ......................... .. .... ........ .. .. . . ... .. . . . . . . . . . . . .. . . . . . . 55 
3.3. Metodología...................................................................................... 56 
3.3.1. Elaboración del MET y análisis de calidad del modelo........ 57 
3.3.2. Parámetros morfométricos de microcuencas del PNTM ..... 62 
3.3.3. Análisis fisiográfico del PNTM.................................. ... ........ 67 
3.3.4. Elaboración de mapas a partir del MET ........... ......... .. . . ...... 68 
3.3.5. Determinación del potencial maderable del PNTM .. .. . . . . . . . . . 70 
IV. RESULTADOS Y DISCUSIÓN.................................................................... 7 4 
4.1. Análisis de calidad del modelo de elevación de terreno (MET)..... .... 7 4 
4.1.1. Comparación de los MET a partir de las imágenes............ 7 4 
4.1.2. Análisis de los MET a partir de los interpoladores............... 79 
4.1.3. Análisis de calidad del modelo de elevación de terreno...... 85 
4.2. Análisis de los parámetros morfométricos de las microcuencas ....... 105 
4.2.1. Microcuenca Río Tres de Mayo.......................................... 105 
4.2.2. Microcuenca Río Oro .......................................................... 115 
4.2.3. Microcuenca Río Colorado ................................................. 126 
4.3. Análisis fisiográfico del Parque Nacional Tingo María ...................... 137 
4.4. Análisis del potencial maderable del PNTM .................................. .. .. 142 
4.4.1. Composición florística .......................................................... 142 
4.4.2. Cociente de Mezcla............................................................. 143 
4.4.3. Abundancia Absoluta y Relativa......................................... 142 
4.4.4. Frecuencia Absoluta y Relativa ........................................... 145 
4.4.5. Clases de Frecuencia Absoluta .......................................... 146 
. 
4.4.6. Dominancia o Cobertura ....................................................... 146 
4.4.7. Índice de Valor de Importancia (lVI) .................................... 147 
V. CONCLUSIONES ....................................................................................... 150 
VI. RECOMENDACIONES................................................................................ 152 
VIl. ABSTRACT ................................................................................................. 153 
VIII. REFERENCIAS BIBLIOGRÁFICAS............................................................ 155 
IX. ANEXO....................................................................................................... 164 
ÍNDICE DE CUADROS 
Cuadro Página 
1. Sistemas ópticos estereoscópicos usados para la generación de (MET) . . 25 
2. Sistemas Radar RAS e In RAS usados en generación de (MET) .. . .. . . . . . . . . . 25 
3. Comparación entre las imágenes LANOSA T y ASTER . .. ... .. ....... .. .. . . . . . . . . . . 27 
4. Clases de valores de longitud del cauce principal..................................... 36 
5. Clases de valores de elevación media (msnm) .... ...... ............ .. . .. . . . .. .. . . . . . . 37 
6. Clases de tamaño de cuencas (km2) •••••••••••••••••••••••••••••••...... •. •. •. •• .• .• . • • . . . . . 38 
7. Clases de desnivel altitudinal (msnm) ....................................................... 38 
8. Clases de valores de forma........................................................................ 39 
9. Clases de valores de compacidad............................................................. 40 
10. Clases de valores de alargamiento........................................................... 41 
11. Clases de valores de masividad. .. .. .. . . ... ... . . .. .. .. .. .. ... . . . . . . . . . . . . . . . . . . . . . . . .. .. .. .. .. .. . 41 
12. Clases de orden de corriente .. .... .. ........... .. .... ...... .. . .. .. .. .. .. . . . .. .. .. .. . . . . .. . . . .. .. 42 
13. Clases de densidad de drenaje................................................................. 44 
14. Clases de valores escurrimientos.............................................................. 44 
15. Clases de valores de pendiente del cauce (grados).................................. 45 
16. Clases de tiempo de concentración (minutos)........................................... 46 
17. Clasificación de las cuencas de acuerdo a la pendiente............................ 47 
18. Índice de degradación según clima........................................................... 49 
19. Coordenadas del área de trabajo............................................................... 51 
20. Parámetros morfométricos y calculados para las microcuencas............ .. . . 64 
21. Clasificación de la vegetación forestal....................................................... 70 
22. Tabla ANOVA y parámetros de la regresión IGN-ASTER.......................... 75 
23. Tabla ANOVA y parámetros de la regresión IGN-GE ................................ 76 
24. Tabla ANOVA y parámetros de la regresión IGN-SRTM ........................... 78 
25. Aéreas con interpoladores a partir del ASTR.... .. .. .. .. .. ..... .. .. .. ... .. .. .. .. .. . . . .. . 80 
26. Aéreas con interpoladores a partir del GE.............. .............. .. ........... ......... 81 
27. Aéreas con interpoladores a partir del IGN ..... ............. .. .. .. .. .. .. . . . . . . . . . .. . . . . .. . 82 
28. Aéreas con interpoladores a partir del SRTM .................... .................. .. .... 83 
29. Aéreas generadas a partir de interpoladores e imágenes.......................... 84 
30. Estadísticas descriptivas de las altitudes (zestimada- zrea1)- ASTER............ 85 
31. Variación de la desviación estándar (ASTER) ....... ........... ...... .. .. .. . . . . .. ... .. . 86 
32. Matriz de correlación de Pearson-ASTER ................................................ 88 
33. Estadísticas descriptivas de las altitudes (zestimada- zrea1) -GE.................... 90 
34. Variación de la desviación estándar (GE).................................................. 90 
35. Matriz de correlación de Pearson-GE........................................................ 93 
36. Estadísticas descriptivas de las altitudes (zestimada- zr~ -IGN.................. 94 
37. Variación de la desviación estándar (IGN) ................................................. 94 
38. Matriz de correlación de Pearson-IGN........ ...... ........... .. .. .. .. ... .. . . . . . .. .. . . . . . . . . 96 
39. Estadísticas descriptivas de las altitudes czesmmma- zrea1-SRTM ....... ........ 98 
40. Variación de la desviación estándar (SRTM)............................................. 98 
41. Matriz de correlación de Pearson-SRTM ... .. .... ............. ..... .. .. .. .. . .. .. . . . . . . . . . . . 100 
42. Matriz de correlación de Pearson de interpoladores e imágenes . . . . . . . . . . . 102 
43. Parámetros Morfométricos del Rio Tres de Mayo...................................... 106 
44. Parámetros Morfométricos del Rio Oro ..................................................... 116 
45. Parámetros Morfométricos del Rio Colorado .............................................. 127 
46. Leyenda fisiográfica de la zona del PNTM ................................................ 138 
47. Calculo del error en área de cada estrato.................................................. 140 
48. Composición florística del PNTM............................................................... 142 
49. Abundancia relativa del PNTM .................................................... .............. 144 
50. Frecuencia relativa del PNTM ................................................................... 145 
51. Clases de frecuencia absoluta del PNTM .................................................. 146 
52. Dominancia o cobertura del PNTM............................................................ 146 
53. Índice de valor de importancia del PNTM .................................................. 148 
54. Cotas realizadas con GPS en el PNTM ........................... ......... .. ......... 165 
55. Levantamiento topográfico de la microcuenca Tres de Mayo ............ 166 
56. Levantamiento topográfico de la microcuenca Río Oro ...................... 174 
57. Levantamiento topográfico de la microcuenca Río Colorado ............ 180 
58. Inventario forestal para determinar el potencial forestal.. ................... 184 
ÍNDICE DE FIGURAS 
Figura Página 
1. Los cuatro cuadrantes de alrededor de un Punto de interpolación . . . . . . . . . . . . 14 
2. Modelo del Kriging .... ,................................................................................. 16 
3. Modelo Splines ......................................... ,................................................. 17 
4. Triangulación Delaunay y de red correspondiente polígono de Thiessen .. 18 
5. Modelo de puntos regulares {lattice) y red de triángulos irregulares.......... 21 
6. Cota o altitud de las curvas de nivel.. ........................... ,............................. 31 
7. Pendientes pronunciadas de las curvas de nivel....................................... 32 
8. Pendientes menos pronunciadas de las curvas de nivel............................ 32 
9. Distribución de las zonas de relieve montañoso y plano............................ 32 
10. Ordenes de corriente según Strahler... ...... , ........................ ,......................... 42 
11. Ubicación política del Parque Nacional Tingo María {PNTM) .. .. .. .. . . . .. . . . . . . . 54 
12. Diseño de parcela para evaluación de categorías de especies................. 71 
13. Codificación del árbol individual en el área de estudio.............................. 71 
14. Diagrama de dispersión y residuos estandarizados {IGN-ASTER) ............ 75 
15. Diagrama de dispersión y residuos estandarizados {IGN-GE)................... 77 
16. Diagrama de dispersión y residuos estandarizados (IGN-SRTM).......... .. . . 79 
17. Áreas con los interpoladores a partir de ,la imagen ASTER....................... 80 
18. Áreas con los interpoladores a partir de la imagen GE.............................. 81 
19. Áreas con los interpoladores a partir de la imagen IGN .... ..... .. .. .. .. . . . . . . . . .. . . 82 
20. Áreas con los interpoladores a partir de la imagen SRTM ................... ...... 83 
21. Áreas generadas a patir de interpoladores e imágenes............................. 84 
22. Diagrama de caja de las altitudes-ASTER................................................. 87 
23. Histograma de frecuencias de las altitudes-ASTER ..... .. .. . . . .. .. . . . . . . . . . . . . . . .. . . 88 
24. Mapa de correlación entre interpoladores-ASTER..................................... 89 
25. Diagrama de caja de las altitudes-GE ..... .. .... ...... .. ...... .. . . .... .. .. .. .. . . . .. . . . . . . .. . 91 
26. Histograma de frecuencias de las altitudes-GE........................................... 92 
27. Mapa de correlación entre interpoladores-GE ............. .. .................... .. .. .... 93 
28. Diagrama de caja de las altitudes-IGN ........... .. ... .. ...... .. .. . . . . . .. . . . . ... .. .. . . . . . .. . 95 
29. Histograma de frecuencias de las altitudes-IGN ...... .. .................... .. .......... 96 
30. Mapa de correlación entre interpoladores-IGN ........................ ............. ..... 97 
31. Diagrama de caja de las altitudes-SRTM ........... .. .. ..... .. .. .. .. .. .. . . . . . . . . . . . . .. .... 99 
32. Histograma de frecuencias de las altitudes-SRTM .... .. .. .. .. .. ..... .. .. . . . . . .. . . . .. . 11 O 
33. Mapa de correlación entre interpoladores-SRTM ...................................... 101 
34. Mapa de las correlaciones de las imágenes e interpoladores.................... 104 
35. Altura de la microcuenca tres de mayo en función del área....................... 107 
36. Pendiente media de la microcuenca tres de mayo.................................... 109 
37. Perfil longitudinal de la microcuenca tres de mayo.................................... 110 
38. Curva hipsométrica de la microcuenca tres de mayo .......... .. .. ........... .. . . . . . 111 
39. Microcuenca tres de mayo........................................................................ 114 
40. Altura de la microcuenca rio Oro en función del área .. .. .. . .... .. . . .. . . . .. .. . . . . . . . . 118 
41. Pendiente media de la microcuenca rio Oro.............................................. 120 
42. Perfil longitudinal de la microcuenca rio Oro.............................................. 121 
43. Curva hipsométrica de la microcuenca rio Oro.......................................... 122 
44. Microcuenca rio Oro................................................................................... 125 
45. Altura de la microcuenca rio Colorado....................................................... 129 
46. Pendiente media de la microcuenca rio Colorado...................................... 131 
47. Perfil longitudinal de la microcuenca rio Colorado..................................... 132 
48. Curva hipsométrica de la microcuenca rio Colorado................................. 133 
49. Microcuenca rio Colorado.......................................................................... 136 
50. Porcentaje de elementos de paisaje del PNTM ......................................... 139 
51. Mapa de zonificación del PNTM................................................................ 141 
52. Abundancia absoluta del PNTM ................................................................. 143 
53. Abundancia relativa del PNTM ............................................................ .. .... 144 
54. Frecuencia relativa del PNTM .................................................................... 145 
55. Dominancia relativa del PNTM ................................................................. 147 
56. Índice de valor de importancia del PNTM .................................................. 149 
57. Interpolación Kriging de la imagen GE ...................................................... 195 
58. Cadena montañosa con Kriging del PNTM (GE) ....................................... 196 
59. Variograma a partir de la carta nacional (IGN) .......................................... 196 
60. Variograma a partir de la carta nacional (SRTM)....................................... 197 
61. Variograma a partir de la imagen ASTER.................................................. 197 
62. Variograma a partir de la imagen Google earth......................................... 198 
63. Levantamiento topográfico de la microcuenca Río Oro............................. 198 
RESUMEN 
El propósito de la investigación fue evaluar el modelo de elevación de 
terreno (MET) y parámetros morfométricos del Parque Nacional Tingo María (PNTM); 
el cual buscó desarrollar estrategias de conservación y protección de las microcuencas 
que se encuentran alrededor del área natural protegida, para ello se plantearon los 
siguientes objetivos: evaluar la calidad del modelo de elevación de terreno de la 
imagen ASTER, SRTM, GOOGLE EARTH y Carta Nacional (IGN); determinar los 
parámetros morfométricos de las microcuencas: Tres de Mayo, Río Oro y Río 
Colorado; y determinar el mapa fisiográfico y el potencial forestal del Parque Nacional 
Tingo María (PNTM). 
La metodología consistió en llevar a cabo la extracción y el análisis de la 
calidad de distintos modelos de elevación de terreno (MET) generados para el PNTM, 
mediante su evaluación con una serie de puntos de control obtenidos mediante 
receptor GPS modelo Garmin eTrex Vista HCx, con distinto nivel de precisión. Para 
este propósito se generaron por varios interpoladores (IDW, Kriging, Splines, TIN, y 
Natural Neighbor), partiendo de los mismos datos fuente (imagen ASTER, SRTM, 
Google earth y Carta Nacional digitalizada), y se contrastaron con los puntos de control 
(datos tomados con GPS), que suponemos en principio que relativamente se encuentra 
libre de errores. 
De acuerdo a los resultados se obtuvo que en el análisis de calidad a 
partir de los puntos con GPS; la imagen IGN con el interpolador Splines, tuvo el error 
medio cuadrático de 6.676 m, y en Kriging tiene un EMC de 6.948 m; siendo el más 
confiable respecto a los demás interpoladores e imágenes. Los parámetros 
morfométricos del Río Tres de Mayo son: área 50.74 Km2; altitud máxima 2055 msnm y 
mínima 735 msnm; pendiente media de 34.84 %; pendiente media del perfil longitudinal 
del cauce principal 9.813%; forma 0.325; longitud del cauce principal de 5. 703 Km; 
tiempo de concentración de 47.1 minutos; y potencial de degradación de 2.097 
TM/año. Río Oro son: área 4.76 Km2 ; altitud máxima 1705 msnm y mínima 686 msnm; 
pendiente media de 46.647 %; pendiente media del perfil longitudinal del cauce 
principal 12.102%; forma 0.353; longitud del cauce principal de 3.29 Km; tiempo de 
concentración de 24.68 minutos; y potencial de degradación de 2.592 TM/año. Y Río 
Colorado son: área 2.54 Km2; altitud máxima 1704.5 msnm y mínima 1053.8 msnm; 
pendiente media de 33.05 %; pendiente media del perfil longitudinal del cauce principal 
8.23%; forma 0.402; longitud del cauce principal de 1.483 Km; tiempo de concentración 
de 10.196 minutos; y potencial de degradación de 2.777 TM/año. 
Se caracterizó fisiográficamente el PNTM, encontrando: montaña 
denudacional fuertemente disectada y moderadamente disectada; montaña 
sedimentaria fuertemente disectada, ligeramente disectada y moderadamente 
disectada; terraza baja; terraza media; terraza media denudacional y ondulada; y valle 
intercolinoso. Y el potencial maderable en el PNTM fue: cumala (31.14%), chimicua 
(27.97%), shimbillo (15.82%), moena amarilla (14.57%}, manchinga (13.89%), requia 
(12.11%), renaco (11.84%), ishanga (8.36%), shimbillo blanco (7.63%), y cedro huasca 
(6.94%). 
l. INTRODUCCIÓN 
Actualmente el Parque Nacional Tingo María no cuenta con una 
información precisa acerca de las características geomorfológicas (modelo. de 
elevación de terreno) necesarias para la planificación de un manejo para la 
conservación forestal, fauna silvestre, suelos, zonificación ecológica y otros, donde se 
requiere del conocimiento de las variables topográficas del lugar y/o área de estudio. 
Ello implica, que las alternativas de manejo a implementar dependerán de variables 
como altitud, pendiente y exposición de las laderas a los rayos solares. 
Un modelo de elevación de terreno viene a ser una estructura de datos 
numérica que representa la distribución espacial de la altitud de la superficie del terreno 
(FELICISIMO, 1994) para el ingeniero. Mientras BOSQUE (1997) manifiesta que 
modelo de elevación de terreno es la representación simplificada de una variable que 
se mide en una superficie ondulada de tres dimensiones. Dos de esas dimensiones se 
refieren a los ejes ortogonales X e Y, y la tercera mide la altura Z de 1~ variable 
temática representada en cada punto del espacio (BOSQUE, 1997). Los modelos de 
~· 
elevación de terreno~on la~ base para todo sistema de información geográfica, son 
imprescindibles en estudios geomorfológicos, hidrológicos, geológicos, de 
vulnerabilidad, de telecomunicaciones, entre otros. 
Y una de las aplicaciones de los modelos de elevil_ción de terreno (MET) 
es participar como una de las herramientas en el análisis hidrológico del Parque 
Nacional Tingo María (PNTM), lo cual permite determinar los .Parámetros de la 
2 
morfometría de cuenca, microcuencas en el área de estudio (MAIDMENT, 1992; 
VERSTAPPEN, 1983; CAMPOS, 1992, GREGORY y WALLING, 1985) ya que permite 
establecer parámetros de evaluación del funcionamiento del sistema hidrológico 
integrado en los centros rurales como son: Tres de Mayo, Río Oro y José Santos 
Atahualpa, que lindera con el PNTM. 
Dicha herramienta sirve también como análisis espacial ayudando en el 
manejo y planeación de los recursos naturales (LOPEZ, 1989) al permitir, en el marco 
de una unidad bien definida del paisaje, conocer diversos componentes como el 
tamaño de la cuenca, la red de drenaje, la pendiente media, el escurrimiento, etc. 
Dichos componentes pueden ser obtenidos y modelados mediante el uso de sistemas 
de información geográfica; y, convenientemente combinados con la geomorfologia, 
puede obtenerse un diagnóstico hidrológico útil para la planeación ambiental. En el 
presente trabajo de investigación se extrajo un MET a partir de una imagen ASTER, 
SRTM, GOOGLE EARTH y la Carta Nacional digitalizada por la IGN (empalme 19k); se 
analizó su calidad y se derivó del mismo los parámetros que permitieron el estudio 
morfométrico de las microcuencas del PNTM como son: Río Tres de Mayo, Río Oro y 
Río Colorado. El presente trabajo plantea lo siguiente: 
¿De qué forma las variables topográficas (longitud, latitud y altitud) y/o 
factores que determirl~n el cQmportamiento del modelo de elevación de terreno influyen 
-~ 
en el comportamiento del análisis morfométrico de las microcuencas, análisis del 
potencial forestal, análisis fisiográfico, y análisis de pendientes del PNTM? 
Hipótesis 
Los modelos de elevación de terreno (MET) derivados ·de las variables 
topográficas (longitud, latitud y altitud) influyen en el comportamiento del análisis 
3 
morfométrico de las microcuencas, análisis del potencial forestal, análisis fisiográfico, y 
análisis de pendientes del Parque Nacional Tingo María (PNTM}. 
Objetivo general 
Elaborar el modelo de elevación de terreno mediante el análisis 
topográfico y el uso de sistemas de información geográfica con la finalidad de 
establecer su influencia en el análisis de la morfometría de las microcuencas, análisis 
del potencial forestal, análisis fisiográfico, y análisis de pendientes del Parque Nacional 
Tingo María (PNTM}. 
Objetivos especificas 
Evaluar la calidad del modelo de elevación de terreno de la imagen ASTER, 
SRTM, GOOGLE EARTH y Carta Nacional (IGN} de acuerdo a la evaluación 
estadística "Cálculo del error del Modelo de Elevación de Terreno (MET}", 
cuantificando. la correlación existente entre las imágenes. 
Determinar los parámetros morfométricos de las microcuencas Tres de Mayo, 
Río Oro y Río Colorado; extraldos de las variables derivadas del modelo de 
elevación de terreno (MET} generadas a partir de las imágenes ASTER, SRTM, 
y Carta NaCional, y evaluar la calidad estadística en función del levantamiento 
topográfico de las quebradas del PNTM. 
. . ~ 
Realizar y det~rminar el mapa fisiográfico y el potencial forestal, con fines de 
establecer su conservación y manejo integral de acuerdo a la zona donde éste 
se encuentre dentro de la zonificación del Parque Nacional Tingo María 
(PNTM}. 
11. REVISIÓN DE LITERATURA 
2.1. Antecedentes 
2.1.1. Sobre el Parque Nacional Tingo Maña 
La historia de la ocupación contemporánea de la selva alta se: inició en la 
década del cuarenta, cuando el Estado peruano inicia en la ecorregión una activa . 
política de expansión que habría de caracterizar las décadas siguientes. La selva alta 
fue considerada una fuente importante de tierras agrícolas y rica en materias primas de 
exportación como pieles y maderas finas; también era vista como una estratégica 
puerta de entrada al inmenso llano amazónico. Tingo María, una de las primeras 
ciudades en fundarse bajo el influjo de la nueva era de colonización, se convirtió 
prontamente en un puesto de avanzada y eje de la ocupación (INRENA - PLAN 
MAESTRO, 2002). 
En este contexto, y bajo la influencia de una corriente conservacionista 
que empezaba a asomar tímidamente a nivel mundial, se dan los primeros 
antecedentes de la creación del Parque Nacional Tingo María (PN Tingo María). El 4 
•. 
de enero de 1940, la tnisma~Resolución Suprema (N° 033) que aprobaba la lotización 
de la pequeña y mediana propiedad agrícola en Tingo María, decreta reservar cuatro 
lotes para la creación futura de un Parque Nacional que "incluyese a la quebrada que 
da lugar a la Cueva de Las Pavas". Si bien dicha quebrada no se encuentra dentro de 
los límites actuales del Parque Nacional Tingo María, su protección oficial sentó el 
.... 
primer precedente para el establecimiento de un área .protegida en la zona. Una 
década más tarde, el Decreto Supremo No 061 del 16 de octubre de 1950 declaraba 
5 
Reserva Nacional a un área que incluía a la Cueva de Las Lechuzas, convirtiéndose en 
la base legal para el establecimiento del actual Parque Nacional. En 1963 se promulga 
la Ley Forestal (Decreto Legislativo No 14552), que por primera vez incorpora en la 
legislación peruana la categoría de Parque Nacional (PN). Esta ley sirvió de sustento 
legal para la creación de los 2 primeros Parques nacionales del Perú, entre los que se 
cuenta el PNTM. 
Una década más tarde, el Decreto Supremo No 061 del16 de octubre de · 
1950 declaraba Reserva Nacional a un área que incluía a la Cueva de Las Lechuzas, 
convirtiéndose en la base legal para el establecimiento del actual Parque Nacional. En 
1963 se promulga la Ley Forestal (Decreto Legislativo No 14552), que por primera vez 
incorpora en la legislación peruana la categoría de Parque Nacional. Esta ley sirvió de 
sustento legal para la creación de los dos primeros Parques Nacionales del Perú, entre 
los que se cuenta con el Parque Nacional Tingo María. 
El 2 de mayo de 1965, por Ley N° 15574, se crea el Parque Nacional · 
Tingo María, la segunda área natural protegida en establecerse en el país. La ley de .· 
creación de esta área, sin embargo, no definió límites ni extensión; señalando 
únicamente la inclusión de dos formaciones naturales: la cadena montañosa conocida 
como la Bella Durmiente y el complejo de cavernas denominado Cueva de las 
Lechuzas. Dice el artf~ulo 1°~el único que se refiere al tema en la ley. 
,.. 
El Parque Nacional Tingo María cuenta con una extensión de 4 777.8 ha, 
de entre los 650 hasta los 1800 m.s.n.m, Debido a su altitud y ubicación, el PN Tingo 
María está cubierto por los bosques montanos lluviosos y nublados característicos de 
la ecorregión de las Yungas Peruanas (DINNERSTEIN et al., 1995) o Selva Alta 
{BRACK, 1986). La clasificación por zonas lo caracteriza. como bosque muy húmedo 
6 
tropical. En el año 2002 se realizo el concurso público N° 005-2002-INRENA, en el 
cual se concesionaron Unidades de Aprovechamiento (UA) en el departamento de 
Huánuco, entre las unidades de aprovechamiento no ~torgadas . se encuentran las 
unidades 29, 31, 32 y 33, estas UA se encuentran parcialmente incluidas en la zona 
delimitada para la ampliación de Parque Nacional Tingo María (PNTM). 
2.1.2. Clasificación fisiográfica, relieve y suelo del PNTM 
Toda la extensión de la cadena montañosa de la Bella Durmiente se 
encuentra comprendida dentro del Parque. Por ello, el relieve en su interior es, con 
excepción de algunas pequeñas terrazas, muy escarpado y accidentado, constituido 
básicamente por montañas cuyas paredes tienen alturas que van de ~00 a 500 metros 
disectadas por numerosas quebradas, pequeñas cascadas y manantiales. Las 
pendientes son muy pronunciadas, superando por lo general los 45° de inclinación. La 
altitud del Parque va de los 650 y los 1 808 msnm. Sus suelos poco profundos y 
pedregosos son muy susceptibles a la erosión y muestran claramente su vocación de 
protección; en el Parque no existen tierras con vocación agrícola o ganadera. Dada su 
condición montañosa, se puede apreciar diversos afloramientos de rocas y signos de 
deslizamientos naturales u ocasionados por labores agrícolas no muy recientes. 
2.1.3. Estudios realizados sobre modelos de elevación y parámetros 
morfométricos 
~. 
En el estUdio "Análisis de la. vegetación del área de protección de flora y 
fauna Cañón de Santa Elena (desierto chihuahuense, México) utilizando Modelos 
Digitales de Elevación", concluyeron que el gradiente altitudinal es el principal factor 
que determina las asociaciones vegetales y permite conocer su distribución espacial. 
Los análisis multivariantes, en particular el de conglomerados, permitieron agrupar las 
principales especies vegetales de una forma muy satisfactoria, lo cual resulta útil para 
conocer su distribución espacial y la estructura de la vegetación. Los Modelos 
Digitales de Elevación son una herramienta útil para identificar los cambios de la 
composición botánica del desierto chihuahuense, así como la superficie y distribución 
de las distintas especies (GONZALES y SOSA, 2003). 
7 
En el estudio realizado de: "Evaluación de la exactitud de modelos de 
elevación digital (MED) de malla regular generados a partir de curvas de nivef', se 
concluyo que: Los métodos de interpolación que cumplieron ·con los requisitos de 
exactitud exigidos en la rectificación rigurosa de fotografías aéreas son el Kriging y 
Mínima curvatura n considerándose como óptimo el método de Kriging; El mejor 
tamaño de celda resultó ser 15 metros, es decir, el obtenido con O = 1.5 le; En los 
puntos que presentan errores mayores a 1/3 de le, cuando se usó Kriging, se observan 
grupos de puntos alineados perpendicularmente a las curvas de nivel, 
correspondiéndose con líneas de cauce y cuyo número aumenta en las zonas de 
mayor pendiente. Este grupo de puntos podría reducirse si se agrega a la muestra de 
curvas de nivel algunos puntos característicos pertenecientes a líneas de crestas y 
causes presentes en el terreno. Utilizando una estructura en forma de líneas en las ·· 
curvas de nivel, el modelo generado no presentó una mejoría en su exactitud. Para 
zonas montañosas, la reducción de la muestra, considerando distancias mínimas entre 
puntos intermedios hasta aproximadamente 1 O veces la exactitud planimétrica del 
plano de curvas de nivel, no afecta la exactitud del MEO generado con Kriging. En 
zonas planas esta di~tancia puede ser mayor ya que la curvatura en las curvas de nivel 
·-. .... 
es menor; y los criteribs de exactitud deben ser considerados simultáneamente ya que 
ellos en forma individual no dan suficiente información ~obre la bondad de los MEO 
generados (VILCHEZ, 2000). 
En el estudio de: "Análisis morfométrico de la microcuenca de la quebrada 
Curucutí, estado Vargas-Venezuela", concluyeron que la microcuenca de la quebrada 
8 
Curucuti corresponde a un sistema hidrogeomorfológico de pequeñas dimensiones de 
... 
carácter exorreico con orientación nortesur perpendicular a la línea de costa, cuyas 
respuestas morfodinámica e hidrológica están determinadas por la pequeña área del 
mismo, fuertes pendientes en las vertientes y cauces del sector montañoso, la 
densidad de drenaje media, el orden 4 de la microcuenca, una relación de bifurcación 
media de 4.69, alta torrencialidad, las dimensiones de las tormentas y la intensidad y 
duración de las lluvias. En breves palabras, las respuestas morfodinámica e hidrológica 
de la microcuenca son condicionadas y controladas por las características 
morfométricas del sistema y de su red de drenaje. los tiempos de concentración 
estimados son bastante cortos, a la vez que representan valores críticos como tiempo 
de respuesta hidrológica (crecidas) de la microcuenca, considerando los asentamientos 
humanos emplazados sobre el área del abanico aluvial. 
Estos valores de tiempo de concentración, corroboran el control de la 
morfometría del sistema y de su red de drenaje en la magnitud de los mismos. Este 
análisis morfométrico aporta elementos de gran importancia y peso para la concepción 
y/o reevaluación, de ser el caso, del diseño hidráulico e hidrológico de estructuras para 
el control de crecientes y de sedimentos, asi como para el análisis, evaluación y 
zonificación de la amenaza por inundaciones, movimientos de masa y aludes 
torrenciales y el diseño de sistemas de alerta. La morfometría detallada de este 
sistema permitirá, posteriormente, estimar los caudales pico de crecidas para distintos 
períodos de retomo y duración de la lluvia, a través del modelo del Hidrograma Unitario 
Instantáneo Geomorfológico (HUIG), el cual asume a la respuesta hidrológica de una 
cuenca, como una función directa de sus parámetros morfométricos (MENDEZ y 
MARCUCCI, 2005). 
En el trabajo de investigación titulado: "Modelo Digital de Elevación del 
Bosque Reservado de la Universidad Nacional Agraria de la Selva, Tingo María -
9 
Per(f', ·concluyó que El Bosque Reservado de la UNAS de acuerdo al modelo digital de 
' 
elevación encontrado, presenta una altitud que va desde los 667 msnm hasta los 
1092 m.s.n.m., esta variable tiene un comportamiento lineal que se ve incrementado 
de Oeste a Este. Se diferencia en el paisaje tres unidades fisiográficas bien definidas: 
colinas bajas hasta los 80 metros de. altura sobre la base local; colinas altas desde los 
80 hasta los 300 metros; y montaña baja con altitudes que superan los 300 metros 
sobre la base local. El MDE generado a partir de curvas de nivel con ArcGis 9.1, 
evaluado mediante el cálculo del Error Medio Cuadrático (EMC), cumple con la norma 
estándar de calidad, la cual menciona que en la utilización de curvas de nivel de 10m 
de separación altitudinal el EMC no debe sobrepasar los 5 m. y El 70.74% del área 
total del BRUNAS presenta una pendiente que corresponde a los rangos desde 
empinado a extremadamente empinado cuyos valores superan al 25%, lo que indica 
que pertenece a una zona eminentemente de protección (PUERTA, 2007). 
2.2. Marco teórico y conceptual 
2.2.1. Concepto de modelo 
Una acepción de la palabra modelo, originada en ámbitos geográficos, lo 
define como una representación simplificada de la realidad en la que aparecen algunas 
de sus propiedades (JOL Y, 1988). De la definición se deduce que la versión de la 
realidad que se realiza a través de un modelo pretende reproducir solamente algunas 
propiedades del objeto o sistema original que, por lo tanto, se ve representado por otro 
objeto de menor complejidad. Los moderas se construyen estableciendo una relación 
de correspondencia con la realidad cuyas variantes pueden producir modelos de 
características notablemente diferentes. 
TURNER.(1970) distingue tres tipos básicos; en los modelos icónicos, la 
relación de correspondencia se establece a través de las propiedades morfológicas: 
10 
una maqueta es un modelo del objeto representado donde la relación establecida es 
' 
fundamentalmente una reducción de escala. Los modelos análogos poseen algunas 
propiedades similares a los objetos representados pero sin ser una réplica morfológica 
de los mismos: un mapa es un modelo de la realidad establecido mediante un conjunto 
de convenciones relativamente complejo que conduce a un resultado final claramente 
distinto del objeto representado. Finalmente, en los modeios simbólicos se llega a un 
nivel superior de abstracción ya que el objeto real queda representado mediante una 
simbolización matemática (geométrica, estadística, etc.). 
2.2.2. Modelo de elevación de terreno (MET) 
El modelo de elevación de terreno (MET) se define como una estructura 
numérica de datos que representa la distribución espacial de la altura de la superficie 
del terreno. La unidad básica de información de un DET es un valor de elevación Z, al 
que acompañan los valores correspondientes de X e Y, que expresados en un sistema 
de proyección geográfica permiten una precisa referenciación espacial (LEBERL, 1993 
y VILCHEZ, 2000). Cabe destacar en este etapa de la exposición que la naturaleza 
digital y simbólica de los MDT permite una elevada precisión en la descripción de los 
procesos pero no garantiza la exactitud de los resultados. En efecto, un modelo es 
necesariamente una descripción aproximada que, en último término, se ··construye 
mediante la aplicación de unos supuestos más o menos adaptados a la realidad pero 
que nunca pueden ser exactos. Estos supuestos son los encargados de señalar, por 
ejemplo, qué factores son relevantes para el modelo y cuáles pueden ser obviados 
para una discusión más amplia (POPPER, 1984). El término Modelo Digital del Terreno 
(MDT} fue acuñado, según Miller y La Flamme citado por KEVIN (2001 ), dos ingenieros 
del Instituto Tecnológico de Massachusetts, a finales de los años 50. Según estos 
investigadores un modelo digital del terreno es una representación estadística de una 
superficie continua del terreno mediante un conjunto infinito de puntos cuyos valores en 
11 
X, Y y Z son conocidos y están definidos en un sistema de coordenadas arbitrario 
' (FALLAS, 2003). 
2.2.3. Generación de los MET 
En el proceso de generación de los MET se puede considerar tres fases 
que, aún cuando estén bien diferenciadas, presentan importantes relaciones: Captura 
de la información o fase de medición, proceso de modelización (Interpolación) y la 
evaluación del modelo generado. Al respecto es importante indicar que para garantizar 
la calidad final del modelo obtenido, que dependerá de la validez del mismo para 
resolver problemas concretos de una manera eficiente, es necesario garantizar la 
calidad de la información, tanto en la fase de captura como en la de modelización. Es 
así, que día a día aparecen sistemas que nos permiten capturar información más 
precisa y rápida influyendo de forma notable en el rendimiento de nuestro trabajo. 
2.2.4. Captura de Información 
Existen dos métodos de obtener datos geográfi~os para elaborar un DEM 
(FELICiSIMO, 1994); métodos directos, mediante contacto directo del terreno, y se 
ejecutan empleando las siguientes herramientas: estaciones topográficas y sistemas de 
posicionamiento global (GPS). Los primeros pueden ser estaciones tradicionales como 
por ejemplo los teodolitos y niveles, y las estaciones totales, mientras que los 
segundos trabajan con una constelación de aproximadamente 24 satélites que se 
encuentran rodeando toda la Tierra, empleando un método de triangulación para dar la 
ubicación del usuario en cualquier parte del globo terráqueo. Métodos indirectos, son 
lo más frecuentemente utilizados en la elaboración de un DEM, no se necesita acceder 
físicamente a la totalidad de la zona de estudio. Estos métodos a la vez se subdividen 
en: digitalización, consiste en convertir información analógica (mapas existentes o 
imágenes impresas) en información digital mediante el empleo de un tablero 
digitalizador o mediante la pantalla del ordenador; restitución análoga, empleando 
12 
como documento básico un par de fotografías aéreas de la zona a estudiar y de 
' 
acuerdo a métodos fotogramétricos se realiza los cálculos para determinar los puntos 
homólogos, medir el paralaje y estimar la altura del terreno (PACHECO, 2003); 
restitución digital, teniendo como base imágenes estereoscópicas del Satélite Spot y 
las imágenes proporcionadas por el sensor Aster instalado sobre el Satélite Terra. Del 
mismo modo se puede obtener datos a partir de los Raaares de Apertura Sintética 
(SAR) y con la tecnología LIDAR (Light Detection and Ranging) que es similar al Radar 
(PACHECO, 2003). 
2.2.5. Algoritmo de interpolación espacial 
La interpolación espacial es un proceso matemático utilizado para 
predecir el valor de un atributo en una ubicación precisa a partir de valores del atributo 
obtenidos de puntos vecinos ubicados al interior de la misma región (Burrough y Me 
Donnell, 1998 citados por ACHUY, 2006). Existen diversos métodos de interpolación 
como: Red Irregular de Triangulación (TIN), Curvatura mínima (Spline), Interpolación 
ponderada por el inverso a la distancia, Radial Basis Function y Kriging, método que se 
destaca por ser exacto y local, que incluye el análisis estadístico exploratorio del set de 
datos, modelamiento del variograma, interpolación de la superficie y opcionalmente el 
análisis de la superficie de varianza (FALLAS, 20038 ). 
2.2.5.1. lnverse distance weight (IDW) 
Este método se basa en la idea intuitiva de que las observaciones más 
cercanas al punto de interpolación deben tener una mayor influencia sobre los valores 
estimados en ese punto que las más distantes. 
Z~ = ¿W¡xZ;···············································(l) 
1=1 
1 
d2. 
W¡ = N ),1 ••••••••••••••••••••••••••••••••••••••••••••••• (2) ¿-i-
i=l dj,i 
13 
dj,l =~(X-X;)2 ,+(y-y1) 2 •.••.•.••..•.••.•.••••.••.••••••••.••.••••••... (3) 
Donde: 
d¡,i = Valores de la distancia entre la muestra i y el punto a interpolar j 
Z'¡ = Variable a interpolar 
(x, y) = Son las coordenadas del punto de interpolación y '(x1, y1) son las coordenadas 
de cada punto de dispersión. La función de peso varfa de un valor de la unidad en el 
punto de dispersión de un valor cercano a cero cuando la distancia desde el punto de 
dispersión aumenta. Las funciones de peso se normalizan de manera que los pesos 
suman a la unidad. 
El modelo IDW presenta una mayor solidez cuando se utiliza un elevado número 
de puntos para interpolar y que al mismo tiempo presentan una regularidad 
espacial. 
Cuando el volumen de puntos es elevado es importante interpolar con el mayor 
número posible y utilizando un coeficiente de ponderación (beta) elevado. 
Es interesante contar con puntos que identifiquen valores específicos, ya que 
pueden evitar efectos de aterrazamiento, los cuales también ocurren cuando el 
número global de puntos es reducido. 
El método podría no ser recomendable cuando existen grandes superficies de 
valor constante. 
El Estimador lnverse distance weight (IDW), también atribuye a cada data 
una ponderación proporcional al inverso de su distancia al sitio a estimar. Existen 
variantes, donde se eleva la distancia a una cierta potencia (SHEPARD, 1998}: 
1 
a=O; c+d~ A¡ = n '¡ •••••••••••••••••••••••••••••••(4) 
Lf=tc+dw 
1 
14 
Donde: 
~ 
di es la distancia entre el dato no i y la posición que se está estimando, e es una 
constante pequeña, y w es un valor usualmente comprendido entre 1 y 3 · 
En el cálculo de coeficientes de la función nodal, en el cuadro de diálogo 
de interpolación IDW, existe una opción para el uso de uñ subconjunto de los puntos 
de dispersión de los coeficientes de la función nodal, y en el cálculo de los pesos de 
interpolación. El uso de un subconjunto de los puntos de dispersión distantes entre sí, 
es probable que no tendrán una gran influencia en la función nodal o relativa a los 
pesos de interpolación. 
Además, utilizando un subconjunto puede acelerarse los cálculos ya que 
menos puntos están involucrados. Hay dos opciones disponibles para definir qué 
puntos están incluidos en el subconjunto. En un caso, sólo una aproximación de puntos 
de N se utiliza. En otro caso, sólo una aproximación de los N puntos en cada cuadrante 
se utilizan como se muestra a continuación. 
Este enfoque puede dar mejores resultados si los puntos de dispersión 
tienden a agruparse. 
++ 
+ + + + + + + + 
+ + + ++ Normalized Distance 
+ (a) (b) 
Figura 1. Los cuatro cuadrantes de alrededor de un Punto de interpolación; {a) en 
forma de S de funciones de peso y {b) Grupo de Punto de Punto Delauney A. 
15 
2.2.5.2. Kriging 
Este método está desarrollado en el marco de la teorfa geoestadística y 
utiliza toda la información procedente del semivariograma para obtener unos factores 
de ponderación optimizados. Se trata de un método muy extendido, pero es bastante 
complejo matemáticamente y muy exigente en cuanto a la calidad de la muestra de 
puntos y las mediciones realizadas de la variable que se interpola. Si esta no es 
adecuada son preferibles los modelos de medias ponderadas (IDW) que son los más 
utilizados tradicionalmente debido a la sencillez de su manejo y a su robustez. 
Además hay que tener en cuenta que normalmente la función 
semivariograma se calcula globalmente, sin que se hayan hecho demasiados estudios 
sobre su variación espacial, y asumiendo que la variable es estacionaria (la media y 
varianza son constantes en el espacio). El kriging tiene dos ventajas principales con 
respecto a otros estimadores lineales (SHEPARD, 1998): 
Los pesos usadós en la estimación son determinados como una función entre la 
distancia estructural (el semivariograma) del valor y la localización a ser estimada 
y la dis~ancia estructural (el semivariograma) de cualquier otro par de datos. 
La estimación se acompaña por una cuantificación de incertidumbre, es decir la 
varianza del kriging. 
Además, el Kriging es un interpolador exacto, toma en cuenta la 
. 
correlación espacial y no reproduce la variabilidad espacial. 
z• (u)= a+~ A.;· Z(u; ) ......... ~ ................. ~ ....... (5 J 
i=l 
Donde Z*(u) es el valor estimado para la posición u, {Z(ui), i=1 ... n} son los 
valores de los datos en las posiciones {ui, i=1 ... n}, a es un coeficiente aditivo y {A.i, 
i=1 ... n} son ponderadores. 
El valor esperado del error de estimación es: 
16 
n 
E{Z*(u)-Z(u)}=a+ LA; ·E{Z(u,)}-E{Z(u)? 
n 
=a+ L, 2; ·m-m ............................ (6) 
i=l 
Para que este valor esperado sea nulo, se debe plantear 
n . 
a= {1- L, 2;}·m ................................. (7) 
i=l 
Z{ua} 
Figura 2. Modelo del Kriging 
2.2.5.3. Minimum curvature (Splines) 
La técnica de splines consiste en el ajuste local de ecuaciones 
polinómicas en las que las variables independientes son X e Y. La forma de la 
superficie final va a depender de un parámetro de tensión que hace que el 
comportamiento de la superficie interpolada tienda a asemejarse a una membrana más 
o menos tensa o aflojada que pasa por los puntos de observación. 
La ventaja fundamental del método de splines respecto a los basados en 
medias ponderadas (IDW, por ejemplo) es que, con estos últimos, los valores 
interpolados nunca pueden ser ni mayores ni menores que los valores de los puntos 
utilizados para interpolar. Por tanto resulta imposible interpolar correctamente máximos 
y mínimos; el método Splines genera en este caso una estimación mucho mejor. Una 
17 
función spline está formada por varios polinomios, cada uno definido sobre un 
subintervalo, que se unen entre sí obedeciendo a ciertas condiciones de continuidad; 
como se muestra la siguiente ecuación (SHEPARD, 1998): 
. 3 
p(u)=c0 +c1u+c2u 2 +c3u3 = ¿ckuk ............................................... (8) 
i=O 
Cada Ct< es un [vector columna [Croe Ct<y ckz]r 
Ct< =Puntos de control (Interpolación: 4 puntos) 
Curvas de Hermite : 2 puntos finales, 2 tangentes 
Curvas de Bézier : 2 puntos finales, 2 puntos de tangencia 
La aproximación más puntos de control 
Po 
............... •P 
.. p ,, •' 6 4 .. _, p ·-1t·· 
3 p 5 
Figura 3: Modelo Splines 
Puntos de continuidad Co : Partida 
C1 continuidad :Tangentes {derivados) coinciden 
C2 continuidad : Curvatura partidos 
Con segmentos Bézier o parches : C0 
2.2.5.4. Natural Neighbor 
El Natural Neighbor, es tan sencillo de usar como vecino más cercano y 
proporciona resultados más precisos, sin embargo, sólo está disponible para 
interpolaciones de dos dimensiones. Natural Neighbor requiere que la red se defina. 
Una vez que la red se ha definido, este selecciona el vecino más cercano de la ventana 
de parámetros. Natural Neighbor es una técnica de promedio móvil ponderado que 
18 
utiliza relaciones geométricas eon el fin de elegir y de peso puntos cercanos. 
La ecuación para el Natural Neighbor (NN) es: 
G(x,y) = ¿W1xf(x1,y1) ••••••••••••••••••••••••••••••••••••••••••••••• {9J 
i=l 
Donde: 
G(x,y) = Es la estimación NN en (x, y) 
n = Es el número de vecinos más cercanos utilizados para la interpolación; 
f{x1, y,) =Es el valor observado al (x1, y1), y 
W, · = Es el peso asociado con f (x1, y1). 
Detauney Trlangutatlon~ ... 
,.., ... 
1 ~ 
1 
Thiessen 
Potygon 
Networl< 
Thlessen 
Potwon 
Networl< 
Figura 4. Triangulación Delaunay y de red correspondiente polígono de Thiessen para 
un conjunto de puntos de dispersión 
19 
Al igual que con la interpolación IDW, las funciones nodales pueden ser 
constantes, degradado o cuadráticas. La función nodal se puede seleccionar utilizando 
el Natural Neighbor Interpolación de diálogo Opciones. La diferencia entre la 
interpolación Natural Neighbor y la interpolación IDW es el método utilizado para 
calcular los pesos, y el método utilizado para seleccionar el subconjunto de puntos de 
dispersión utilizados para la interpolación. La interpotacióñ Natural Neighbor, se basa 
en la red de polígonos Thiessen del punto de dispersión. La red de poHgonos Thiessen 
puede construirse a partir de la triangulación Delaunay de un punto de dispersión. Una 
triangulación Delaunay es un número de identificación que se ha construido de manera 
que el criterio de Delaunay está cumplido {SHEPARD, 1998). 
No es un polígono de Thiessen (Figura 4) en la red para cada punto de 
dispersión. El poligono encierra el área que está más cerca del punto de dispersión 
cerrada que cualquier punto de dispersión otros. Los polígonos en el interior del punto 
de dispersión son polígonos cerrados y los polígonos en la envoltura convexa del 
conjunto son poHgonos abiertos. Cada polígono de Thiessen se construye con las 
circunferencias circunscritas a los triángulos resultantes de una triangulación Delaunay 
de los puntos de dispersión. Los vértices de los poHgonos de Thiessen corresponden a 
los centroides de las circunferencias circunscritas a los triángulos. 
2.2.5.5. Interpolación a partir de redes irregulares de triángulos 
(T.IN) 
El modelo de datos TIN (por sus siglas en inglés) como un medio para 
almacenar, recuperar analizar datos topográficos fue "inventado" en forma 
independiente en América del Norte al menos tres veces en los primeros años de la 
década del 70 (MARK, 1994). El modelo TIN surgió como una respuesta a la necesidad 
· de buscar una estructura de datos alterna a la raster utilizada hasta aquel momento 
20 
para representar Modelos Digitales del Elevación (MDE) con el software existente para 
' 
crear isolíneas. Para finales de los años 70 se habfa aceptado el modelo TIN como la 
forma estándar de representar la topografía en un SIG y en otros programas de 
cómputo. La superficie puede representarse mediante un conjunto de puntos con un 
espaciamiento regular (en inglés, lattice) ó utilizando una red de triángulos irregulares 
(Triangulated Irregular Network, TIN, por sus siglas en inglés). El modelo TIN está 
formado por un conjunto de triángulos adyacentes que no se traslapan, los cuales se 
derivan a partir de un set de puntos con un espaciamiento irregular. El modelo TIN 
almacena la información topológica que define las relaciones espaciales entre cada 
uno de los triángulos y sus vecinos· (Ej. Información sobre los vértices y los lados de 
cada triángulo). 
El modelo TIN es apropiado para representar las irregularidades del 
terreno y para derivar métricas del paisaje tales como pendiente, aspecto y sombreado 
del terreno. Sin embargo, cuando se requiere utilizar la superficie con fines de 
modelado (Ej. Simulación de escorrentía superficial), la estructura de datos raster es 
más apropiada. Los puntos equidistantes derivados del modelo TIN (cuadrícula) son el 
insumo a partir de los cuales se estiman los valores Z (Ej. Elevación) que 
posteriormente permitirá crear un archivo de tipo raster (MARK, 1994). 
Este método consiste en ajustar un plano que pase por las tres muestras 
más cercanas y adyacentes a la localización que se desea estimar. La ecuación del 
plano es: 
Z = aX +bY +c ............................................... (lO) 
Cada muestra tiene coordenadas {x, y) y z representa el valor 
muestreado. Con el objetivo de obtener la ecuación del plano que pase por las tres 
muestras se construye el siguiente sistema de ecuaciones lineales: 
aX1 +bY¡ +e= Z1 
aX2 +bY2 +c=Z2 ..•.••••••••...•••••.•••...••.••••.•••••••••••••• (11) 
aX3 +b~+c=Z3 
21 
Y así obtenemos tos coeficientes a, b y e, entonces el valor de z en 
cualquier localización dentro del triángulo correspondiente se puede obtener 
sustituyendo sus coordenadas en la ecuación de Z . 
• • • • • 
• • • • • 
• • • • • 
• • • • • 
• • • • • 
Figura 5. Modelo de puntos regulares (lattice) y red de triángulos irregulares (TI N) 
2.2.6. Utilidad de los modelos de elevación de terreno 
Existe un creciente aumento en el uso de MED para el análisis visual y 
matemático de la topografía, paisaje y geoformas, así como para el modelado de 
procesos geomorfológicos (DIKAU, 1992). Por ejemplo, los parámetros más 
importantes para el modelado de procesos hidrológicos y de erosión del suelo como la 
pendiente y la exposición pueden ser calculados a partir de un MET (VAN WESTEN, 
1994}, los que a su vez son importantes parámetros para el modelado de amenazas 
naturales tales como deslizamientos. Para lograr esto, el MET debe representar el 
terreno de la manera más exacta posible, ya que la precisión de un MET determina la 
fiabilidad del análisis morfométrico. Actualmente, es posible la generación automática 
de un MED a partir de datos satelitales con un alto nivel de precisión. Los MET se 
pueden generar a partir de mapas topográficos {curvas de nivel), fotografías aéreas, 
22 
datos de radar como los suministrados por el Shuttle Radar Topography Mision 
(SRTM), sistemas láser como los del sistema Light Detection and Ranging (LIDAR), o 
de imágenes satelitales estereoscópicas. Estas últimas se representan por sistemas 
electro-ópticos procedentes del Systéme Probatoire d'Oberservation de la Terre 
(SPOT) o del Advanced Spacebome Thermal Emission and Reflection Radiometer 
(ASTER}, los cuales usan imágenes satelitales en lugar de fotografías aéreas, 
cubriendo áreas mucho más extensas en una simple toma y generando, de esta 
fon'na, un MET más consistente dado que sus datos se generan bajo un mismo 
momento e igual calibración del sensor. 
Algunos resultados publicados en la literatura científica arbitrada tratan el 
potencial de las imágenes ASTER (RAUP et al., 2000). CHENG & BEAN (2002) 
publicaron resultados sobre la generación de MET basados en imágenes ASTER para 
Afganistán. KAMP et al. (2003; 2005) describieron el desarrollo de un MET a partir de 
imágenes ASTER en el cerro Sillajhuay, Chile/Bolivia, y una primera comparación de 
un MET ASTER con otro derivado de mapas topográficos. La actual facilidad para la 
obtención, uso y aplicaciones de MET basados en datos e imágenes satelitales está 
siendo liderada por el uso de datos del SRTM, considerado como el mapeo 
tridimensional más preciso y extenso de la superficie terrestre, el cual puede obtenerse 
gratuitamente a través de algunos portales como NASA, USGS, GLCF (USGS, 2000). 
2.2. 7. Los MET generados a partir de sistemas satelitales 
Actualmente existen dos técnicas para obtener MET desde sistemas 
satelitales. Una se refiere al uso de imágenes satelitales estereoscópicas provistas por 
sensores ópticos satelitales; la otra se basa en el uso de datos provistos por sistemas 
de radar satelitales, ya sean de apertura sintética (SAR) o apertura sintética inter-
ferométrica (lnSAR). 
23 
En el caso de barredores satelitales ópticos, la generación de imágenes 
... 
de alta resolución proporciona una importante fuente de datos para el mapeo 
topográfico. Desde el lanzamiento de IKONOS 11, con sensores H (1 metro 
pancromático y 4 metros multiespectral), el 24 de septiembre de 1999, otros satélites 
barredores frontales (pushbroom) tales como el Sistema de Observación de la Tierra 
(EROS-A Earth Resources Observation System A), QuickBird, SPOT-5, ASTER and 
OrbView, están disponibles con una resolución que va desde los 0;61 m (QuickBird) 
hasta los 15 m (ASTER). La mayoría de estos satélites (EROS, IKONOS, OrbView, 
ASTER y QuickBird) son de enfoque variable; es decir, permiten cambiar el ángulo 
< ~ 
nadir de visión hasta 60° en cualquier azimut (TOUTIN, 2004), usando inclusive 
diferente longitud de onda como es el caso del satélite japonés para el monitoreo 
terrestre (JERS-1), el cual capta, con ligero adelanto, la imagen de infrarrojo cercano 
permitiendo una estereoscopia al largo del trayecto (along-track) con el resto de las 
imágenes, y creando un campo instantáneo de vista de 18m (ENDRENY et al., 2000), 
mientras que SPOT-5 mantiene su tradicional vista multitemporal transversa al 
trayecto ( across-track). 
Tanto pueden los satélites de enfoque variable o de capacidad 
multitemporal generar imágenes con definida estéreo-geometría que las técnicas 
fotogramétricas usadas tradicionalmente en fotografías aéreas también pueden ser 
empleadas con estas imágenes, obteniéndose datos planimétricos y altitudinales de 
gran precisión. Otro beneficio del enfoque variable es que permite la generación 
instantánea de estereoscopia, lo cual reduce los problemas radiométricos relativos a 
cambios temporales, iluminación solar, homogeneidad atmosférica, etc. Y, por lo tanto, 
incrementando la correlación efectiva de las imágenes (TOUTIN, 2004), dado que la 
estereoscopia longitudinal al trayecto (along-track, misma orbita), presenta una 
separación de minutos y no de horas como sucede con los sistemas estereoscópicos 
24 
de orbita múltiple (KHALSA et al., 2004). ASTER es un instrumento japonés a bordo del 
.. 
satélite Terra de NASA, el cual con una resolución de 15 metros en el visible e 
infrarrojo cercano y la capacidad de rotar hasta 24° sus dos telescopios (visible e 
infrarrojo cercano), provee una extensa visión transversa de la superficie y una 
capacidad de visita cada cinco días (RIGON y COZZINI, 2001). Sin embargo, debido 
a la naturaleza pasiva de estos sensores, la adquisición de imágenes apropiadas está 
ampliamente comprometida por la presencia de nubes y ausencia de luz solar, por 
ejemplo, en áreas de alta densidad de nubes como sucede en los trópicos, se 
necesitan varios intentos para obtener un par confiable de imágenes estereoscópicas 
(RABUS et al., 2003), por lo que se hace necesaria una forma alternativa para el 
monitoreo de la superficie terrestre. 
En este sentido, una segunda técnica, que usa la sección de microondas 
del espectro electromagnético, se ejecuta a través de la puesta en órbita de sensores 
de radar de apertura sintética (RAS). Dada su naturaleza activa, el radar tiene la 
capacidad para el monitoreo continuo de los hechos estáticos y dinámicos de la 
superficie terrestre, y en el caso de sistemas RAS, la limitación relativa al tamaño de la 
apertura (presente en las versiones simples de sensores de microondas), se supera 
con el uso del doble monitoreo de radar (Doppler tracking capability), para adquirir 
imágenes de alta resolución independientemente de la altura de la plataforma 
(ELACHI, 2004). 
ELACHI (2004), basándose en los avances tecnológicos y la subsiguiente 
precisión, divide los sistemas radar desde plataformas satelitales en dos tipos 
principales: los de apertura sintética (RAS) en banda simple y los radares 
intetferométricos de apertura sintética (lnRAS) multibanda. 
25 
Cuadro 1. Sistemas ópticos estereoscópicos usados para la generación de Moctetos 
de Elevación Digital (MET)* 
TIPO DE ANGULO AREADELA TAMAÑO SISTEMAS ESTEREOSCOPIA DE VISTA IMAGEN DEL PIXEL {o} 
Spot-5 Transverso 23 60x60 km 5m 
HRG Multitemporal -19 
EROS-A Longitudinal 30 13 x 13 km 1.8 to 2.4 m Pan Instantáneo -33 
IKONOS-11 Longitudinal 
+/- 27 10 x 10 km 1m 
Pan Instantáneo 
QUIKBIRD longitudinal 
+/- 29 18 x 15 km 0.61 m Pan Instantáneo 
ASTER Longitudinal 
+/- 24 60x60km 15m VNIR Instantáneo 
JERS-1 Longitudinal +/- 24 75x75 km 18m Instantáneo 
Fuente: TOUTIN, 2004 
Cuadro 2. Sistemas Radar RAS e lnRAS usados en generación de Modelos de 
Elevación Diaital ~METl 
SISTEMAS LONGITUD RESOLUCIÓN ANCHO DEL FRECUENCIA DE ONDA 
H V 
BARRIDO 
SEASAT 
1.275 Ghz 23.5 cm (L) 25m 100km SAR 
SIRAand B. 1.275 Ghz 23.5 cm (l) 25m 
RADARSAT 5.3 Ghz 5.6cm (C) 8-100m 45-500 km 
SRTM SIR-C 5.3Ghz 5.8cm (C) 30m 16m 225km X-SAR 9.6Ghz 3.1 cm (X) 30m 16m 50 km 
JERS- SAR 1.36 Ghz 23 cm (l) 18m 75km 
ERS 1 and 2 5.3 Ghz 5.7 cm (l) 30m 80-100km 
Fuente: TOUTIN, 2004 
Los primeros pueden encontrarse en sistemas como el SEASAT (1978), 
SIR-A (1981), SIR-B (1984) y el japonés JERS-1, los cuales_ dieron, en su momento, 
las primeras imágenes sinópticas de radar de la superficie terrestre a una resolución 
de 25m. Estos sistemas son fundamentalmente similares en el hecho que operan en 
banda l con una amplitud de 6 a 20 MHz y con un barrido de 50 a 100 Km, usando 
26 
antena de arreglo planar de 2 x 1 O m. Similares arreglos se encuentran también en 
.. 
sensores europeos como los ERS-1 (1991) y ERS-2 (1995) y en el satélite canadiense 
RADARSAT (1995), pero operando en Banda C, lo cual mejora la resolución horizontal 
en un rango de 10 a 25m. 
Aunque SIR-A (Shuttle lmaging Radar) obtuvo imágenes con geometría 
diferente a aquellas obtenidas con el Seasat SAR, durante 1984 y 1994, las misiones 
de radar del Shuttle liderizaron los avances en capacidad multiespectral y 
multipolarización, culminando en el sistema de radar interferométrico que operó en la 
misión del Shuttle del año 2000. Si bien el sistema de radar SiR-C/XSAR (1994) 
· significo un gran avance al operar a· tres frecuencias (Bandas l, C y X), esto fue 
mejorado en el SRTM 2000 mediante la adición de una mástil de 60 m, que porta una 
segunda antena de recepción de bandas e y X (RABUS, 2003). los cuadros 1 y 2 
describen las principales características técnicas de los más difundidos sistemas 
satelitales usados para la generación de Modelos de Elevación de Terreno. 
2.2.7.1. Imágenes ASTER 
ASTER (The Advanced Spacebome Thermal Emission and Reflection 
Radiometer) es un esfuerzo cooperativo entre la NASA y el Ministerio de Comercio 
Economía e Industria de Japón METI. En 1999 el instrumento se lanzó a bordo del 
satélite TERRA de la NASA. El objetivo principal de la misión ASTER es mejorar el 
entendimiento de los procesos a escala local y regional que ocurren sobre o cerca de 
la superficie de la tierra y en la atmósfera inferior, incluyendo la interacción 
superficie-atmósfera. ASTER presenta una orbita heliosincrónica a una distancia de 
705 kilómetros, con un ciclo de repetición de 16 días, un ancho de barrido de 60 
kilómetros y una distancia entre orbitas de 172 Km. 
27 
ASTER está compuesto por 3 subsistemas, VNIR, SWIR y TIR; cada 
.. 
uno de cuales presenta características particulares tales como 3 bandas en la región 
espectral del visible e infrarrojo cercano (VNIR) con una resolución espacial de 15 
metros; 6 bandas en la región espectral del infrarrojo de onda corta (SWIR) con una 
resolución espacial de 30 metros y 5 bandas en el infrarrojo térmico con una 
resolución espacial de 90 metros (ERSDAC, 2001 ). ASTER también presenta un 
telescopio con visión hacia atrás que escanea en la región espectral de la banda 38, 
lo que nos permite realizar modelos digitales de terreno (MDT) por pares 
estereoscópicos. 
_.i\iro 3. Comoaración entre las características de las imáaenes LANDSAT y 
ASTER 
RANGO RESOLUCION 
SENSOR SUBSISTEMA N°BANDA ESPECTRAL ESPECIAL RESOLUCION tJm (m) RADIOMETRICA (micrómetro} 
1 0.45-0.52 
VNIR 2 0.53-0.60 30 8 bits 
3 0.63-0.69 
TM 4 0.76-0.90 
SWIR 5 1.55-1.75 30 8 bits 
7 2.08-2.35 
TIR 6 10.4-12.5 120 8 bits 
1 0.52-0.60 
VNIR 2 
3N 
0.63-0.69 
0.78-0.86 
15 8 bits 
38 0.78-0.86 
4 1.600-1.700 
5 2.145-2.185 
SWIR 6 2.185-2.225 30 8 bits ASTER 7 2.235-2.285 
8 2.295-2.365 
9 2.360-2.430 
10 8.125-8.475 
11 8.475-8.825 
TIR 12 8.925-9.275 90 12 bits 
13 10.25-10.95 
14 10.95-11.65 
Fuente: TOUTIN, 2004 
28 
El modelo de elevación de terreno se genera de las bandas 3N (Nadir) Y 
' 
39 (Back). A partir de estas imágenes se pueden generar MET relativo (No se utilizan 
puntos de control) y un MET absoluto (Utilizando puntos de control). la precisión 
aproximada del MET es: 
DEM relativo: localización vertical: hasta 1 O m sin puntos de control; localización 
horizontal: hasta 1 O m sin puntos de control. 
DEM absoluto: Localización vertical: hasta 7 metros con puntos de . control; 
localización horizontal: hasta 7 metros con puntos de control. 
2.2.7.2. El sistema interferométrlco de apertura sintética de la 
misión Shuttle 2000 (SRTM) 
El sistema de radar interferométrico está conformado por la interrelación 
de señales de radar provenientes de dos antenas por separado; la separación de 
estas dos antenas se llama línea base. Estas dos antenas pueden estar montadas en 
una misma plataforma; sin embargo, el uso de una misma antena repitiendo el sobre-
vuelo en una franja u órbita parcialmente sobrepuesta a la anterior (ZEBKER et al., 
1994) es una configuración típica en aviones y satélites. 
Comúnmente la separación espacial de estas franjas u órbitas (línea 
base) es del orden de 10m a 500 m (BAMlER, 1999), reproduciendo así un arreglo 
estereoscópico, en donde dos radares de apertura sintética se desplazan idealmente 
en líneas paralelas, monitoreando la superficie desde dos vistas 1 · direcciones 
diferentes (RABUS et al., 2003). Las anteriores misiones del Shuttle adquirieron datos 
interferométricos de la superficie terrestre usando este tipo de sobreposición de 
órbitas/pasos, cumpliendo así los requerimientos relativos a la generación de 
estereoscopia; sin embargo, debido a que la separación temporal entre estas 
órbitas/pasos fue de seis meses, (GEUDTNER et al., 2002), los datos obtenidos 
29 
pudieron ser afectados por la subsecuente decorrelación espacial, limitando entonces 
la confiabilidad y aplicabilidad de esta técnica de sobreposición de órbitas/pasos, dado 
que características geográficas tales como áreas boscosas, tienden a perder 
coherencia en cortos períodos de tiempo por los cambios estacionales, ya que la 
cobertura vegetal influye decisivamente en la señal de retorno del radar (RABUS ef al., 
2003). 
La última misión del SRTM, llevada a cabo en el año 2000, soluciona este 
problema a través del uso de una segunda antena receptora de las bandas C y X. Esta 
segunda antena montada en un mástil de 60 m se despliega cuando el Shuttle llega a 
su órbita, logrando así una configuración de inteñerometria simple o de una misma 
órbita/paso, solventando no sólo los potenciales problemas encontrados en la técnica 
de sobreposición de órbitas/pasos, como los mencionados anteriormente sobre 
decorrelación temporal, sino también problemas asociados a la calibración de la linea 
base y variaciones atmosféricas (GEUDTNER et al., 2002). En este sentido, el SRTM · 
2000 proporciona por primera vez un MET global de alta calidad de la superficie 
terrestre comprendida entre los 60° N y 57° S de latitud, desde un mismo sensor, una 
misma misión y una misma técnica (lnRAS), a una resolución de 1 y 3 arcos de 
segundo (RABUS et al., 2003). 
Estos datos inteñerométricos del SRTM 2000 se obtuvieron en el período 
comprendido entre el 11 y 22 de febrero del 2000, en el cual la supeñicie terrestre fue 
monitoreada varias veces. En esta misión se mapeo el 80% de la supeñicie solida 
terrestre (119.56 M km'), de los cuales el99,968% (113.10 M km¿) fue monitoreado al 
menos una vez, 94.59% (113.10 M km2) dos veces, 49.25% (58.59 M km2) tres veces, 
24.10% (28.81 M km2) 4 veces, y 50.000 km2 fueron clasificados como áreas de datos 
erróneos o perdidos, estos últimos situados en los Estados Unidos y la península de la 
Guajira en Sur América. 
30 
2.2.7.3. Google earth 
Google Earth es un programa informático similar a un Sistema de 
Información Geográfica (SIG), creado por la empresa Keyhole lnc., que permite 
visualizar imágenes en 3D (X, Y, y Z) del planeta, combinando imágenes de satélite, 
mapas y el motor de búsqueda de Google que permite ver imágenes a escala de un 
lugar especifico del planeta. Keyhole era en un principio un programa de pago hasta 
que el 27 de octubre de 2004 fue comprado por Google. El 21 de mayo de 2005 
Keyhole pasó a llamarse Google Earth. Este programa fue lanzado {relanzado si se 
tiene en cuenta que ya existía como Keyhole) el día 28 de junio de 2005 teniendo como 
principal novedad, aparte del cambio de nombre y de dueño, que el programa disponía 
de una versión gratuita {a diferencia de Keyhole que era de pago en todas sus 
versiones, aunque era posible contar con una versión de prueba por tiempo limitado). 
En este programa también se incorpora Google Maps, ya que el Google Earth le sirve 
para encontrar las calles, avenidas y negocios y ampliarlas de una manera muy legible. 
Google Earth es un software gratuito {disponible solamente para el 
Sistema Operativo MS Windows) que permite al usuario navegar por imágenes de 
satélite de toda la Tierra y observar millones de datos geográficos y relacionados con 
servicios· de ciudades {hospitales, colegios, restaurantes, etc.). También dispone de 
información en 3 dimensiones de algunas localidades. Todas las imágenes y ·los datos 
que se muestran en la herramienta están albergados en los servidores de Google, y no 
se instalan en ningún momento en el ordenador del usuario. La resolución de estas 
imágenes de satélite varía en función de la zona donde se encuentra. Ciudades como 
Madrid, Barcelona, México DF, Lima o Santiago de Chile están con 70 cm por pixel. 
Otras {todas estadounidenses) como Boston o Chicago, con 30.5 cm/pixel, y otro grupo 
como Washington, Nueva York o Los Angeles, con 15.2 cm/pixel. También hay zonas, 
en las cuales no hay apenas poblaciones, en las que la resolución es bastante baja. 
31 
2.2.7.4. Carta Nacional (IGN) 
La carta nacional es una representación gráfica de una porción de la 
superficie terrestre del Perú, y cubre la totalidad del territorio peruano en varias hojas. 
Está a una escala 1:100 000 y en ella podemos encontrar representados los elementos 
geográficos como por ejemplo: ños, quebradas, centros poblados, escuelas, lagos, etc. 
La carta nacional es elaborada por el Instituto Geográfico Nacional (IGN), 
que es el organismo responsable en el Perú de elaborar la información cartográfica 
oficial. Los elementos de una carta nacional son: escala, en una carta nacional no se 
puede dibujar las dimensiones de la superficie terrestre (cerro, lago, ríos, caminos, etc.) 
en su tamaño real por eso se dibujan más pequeños, es decir a otra escala. Curva de 
nivel, son líneas imaginarias que se dibujan en el mapa para representar los cerros. 
Cada línea indica la altura de los cerros con respecto al nivel del mar. Cada línea tiene 
un valor y se llama cota o altitud. 
Figura 6. Cota o altitud de las curvas de nivel 
Las curvas tienen diferentes formas y tamaños, el espacio entre curvas va 
a depender de la pendiente. Por ejemplo, cuando las curvas de nivel están más juntas 
la zona es más empinada o de mucha pendiente, 
Zonas más 
montañosas 
Curvos más 
juntas 
''' ll• ~~ 
Figura 7. Pendientes pronunciadas de las curvas de nivel 
32 
Cuando están más separadas las curvas de nivel la pendiente es casi 
plana como es el caso de una llanura (selva baja) 
Zonas más 
planas 
Curvas más 
separadas 
Figura 8. Pendientes menos pronunciadas de las curvas de nivel 
Así podemos diferenciar zonas montañosas de zonas más planas 
Zona de 
r·eJieve piona 
--~---
~---+ Zona de relíeve 
montañoso-
Figura 9. Distribución de las zonas de relieve montañoso y plano 
33 
2.2.8. Problemas, ventajas y desventajas en MET derivados de datos SRTM 
e imágenes ASTER 
En el intento preliminar para destacar las principales características, 
ventajas y fallas de dos MET obtenidos a partir de diferentes sistemas satelitales, en 
este trabajo se propone un caso de estudio localizado en parte del valle del Alto 
Huallaga. Al oeste del distrito de Mariano Dámaso Beraún (las Palmas) es donde se 
encuentra el área de estudio (Parque Nacional Tingo María) (Este: 386220 y Norte: 
8958320, coordenadas centrales). Esta área es de 47.8 knr~ (Anexo 1), presenta un 
relieve accidentado con un rango altitudinal desde 650 msnm a casi 1810 msnm, 
orientado en dirección EW - NS y colindando un pequeño valle en la parte del este 
(Río Perdido). Como era de esperarse en un ambiente de montaña tropical, esta área 
presenta pendientes abruptas y alta densidad atmosférica, lo cual juega un rol 
importante en la calidad de cualquier producto de sensoramiento remoto, de allí la 
selección de esta área como objeto de análisis. El conjunto de datos usados en este 
análisis incluye imágenes ASTER de nivel 1 B de enero del 2001, y el correspondiente 
MET generado por los datos del SRTM 2000. Estos datos se adquirieron a través de 
los portales del GLCF y USGS y fueron georeferenciados al datum WGS-84 y 
proyección UTM (zona 18L). Adicionalmente, durante los meses de agosto del 2008 a 
diciembre del 2009, se realizaron excursiones en el área tomando 600 puntos de 
control con GPG (Sistemas de Posicionamiento Global), eTrex Vista HCx 
(Barométrico), los cuales fueron referidos a la estación meteorológica de la 
Universidad Nacional Agraria de la Selva (UNAS) (640 msnm), mejorando así la 
precisión vertical y horizontal de los MET creados. A partir de las imágenes ASTER, el 
MET se generó usando los algoritmos estándar ofrecidos SIG PCI Geomática; 
posteriormente, ambos MET fueron importados al SIG ILWIS para su procesamiento y 
comparación. El MET de Aster fue agregado de su resolución horizontal original de 15 
m a 90 m, la cual es aproximadamente la resolución del MET del SRTM. 
34 
Ambos MEO anaiizados tienen errores y brechas de información 
fácilmente observables como 'torres' y 'vacíos' cuando se visualizan en 30. las 
'torres' son errores comunes en MEO obtenidos a partir de sensores ópticos como 
ASTER. Estos errores de información son productos de superficies con muy alta 
reflectancia, como nubes (KNAP et al., 1999}, características que distorsionan las 
dimensiones reales de altitud de la superficie y alterando incluso otras características 
geomorfológicas. los 'vacíos' son el resultado de l.a pérdida de datos en sectores del 
MET por diferentes razones. Estas van desde aquellas relacionadas con las 
especificaciones técnicas del sensor hasta características topográficas propias como 
pendientes, orientación, formas, cuerpos de agua, etc. TOUTIN (2002) encontró que el 
radar de apertura sintética (RAS), usado para determinar información sobre elevación, 
es muy sensible al ángulo local de incidencia, por lo que es de esperar que un MET 
basado en técnicas radar-gramétricas sea anisotrópico y dependiente de las 
pendientes. 
Igualmente, RABUS et al. (2003) determinan que debido al bajo ángulo de 
vista del SRTM (55°}, ocurre una pérdida de datos y que a pesar del proceso de 
mosaico elaborado con los trayectos ascendentes y descendentes, con miras a 
disminuir los sectores de pérdida de datos, éstos se reducen mucho aunque no se 
corrigen completamente. Dada la ausencia de correcciones en los datos originales, 
éstos fueron corregidos a través de técnicas de interpolación ofrecidas en el programa 
ENVI 4.2. Ningún tratamiento relativo a aerosoles y nubosidad fue aplicado en las 
imágenes ASTER; de hecho, con miras a evitar este problema el área formal de 
análisis en este trabajo se limitó a una porción del área total donde estos factores eran 
reducidos. 
Si bien ASTER mejora la resolución espectral y espacial comparado con 
sensores previos como el sistema LANDSAT, en el sentido que ASTER ajusta e 
35 
incrementa sus niveles de sensibilidad para el óptimo monitoreo de nubes (la muy alta 
reflectancia de estas superficies tiende a sobresaturar los sensores), (KHALSA et al., 
2004}, factores tales como aerosoles, nubes, vapor de agua y reflectancia bidireccional 
siguen afectando la consistencia de sus derivados MET, por lo que en algunos casos 
el píxel del MET ASTER corresponde a la altitud de las nubes o aerosoles pero no a 
la altitud de la superficie terrestre 
2.2.9. Evaluación de la calidad del MET 
Existen tres criterios para evaluar la calidad del MET generado, el 
primero; es el criterio estadístico que se basa en el cálculo del Error Medio Cuadrático 
(EMC} con los puntos obtenidos de las curvas de control y sus homólogos en el MDE 
generado. El segundo criterio es el visual que consiste en comparar el MDE generado 
con las curvas de nivel digitalizadas, y por último, el criterio morfométrico; basado en la 
comparación de los drenajes y divisoria de cuencas generados a partir de cada MDE 
con los ríos y divisorias obtenidos en el mapa topográfico (PACHECO, 2003}. 
2.2.10. Estándares de calidad para los MET 
De acuerdo a los estándares propuestos para la cartografía analógica 
(Normas de la Agencia Cartográfica de los Estados Unidos de Norteamérica) basados 
en la gradiente de la topografía y/o la escala del producto cartográfico, los MET 
creados a partir de curvas de nivel, deben presentar un error (EMC) máximo permisible 
de 0.5 veces el intervalo· entre curvas de nivel del mapa fuente; además ningún error 
puede superar el intervalo de una curva de nivel (FALLAS, 2003b). 
2.2.11. Índice y parámetros morfométricos 
Una microcuenca hidrográfica o microcuenca de drenaje de un río es el 
área limitada por un contorno al interior del cual las aguas de la lluvia que caen se 
36 
dirigen hacia un mismo punto, denominado salida de la microcuenca. Es en suma, el 
área de captación de aguas de un río delimitado por el. parteaguas. 
La microcuenca hidrográfica actúa como un colector natural, encargada 
de evacuar parte de las aguas de lluvia en forma de escurrimiento. En esta 
transformación de lluvias en escurrimiento se producen pérdidas, o mejor, 
desplazamiento de agua fuera de la cuenca debido a la .evaporación y la percolación 
(MAIDMENT, 1992). Para este tipo de estudios no solamente interesa el volumen total 
a la salida de la microcuenca, sino también su distribución espacial y temporal, para lo 
cual se necesita tener un buen conocimiento de sus características. El movimiento del 
agua en la naturaleza es una función compleja en la cual intervienen diversos factores, 
entre los cuales se pueden resaltar su clima y sus características fisiográficas 
(MAIDMENT, 1992). 
2.2.11.1. Longitud del cauce principal 
Es la medida del escurrimiento principal de la cuenca, medido desde la 
parte más alta hasta la salida (Cuadro 4). Este parámetro influye en el tiempo de 
concentración y en la mayoría de los índices moñométricos. Se obtiene a partir del 
mapa digitizado de la red de drenaje. 
:uadro 4. Clases de valores de longitud del cauce principal 
Rangos de longitud Clases de longitud del cauce 
6.9-10.9 Corto 
11-15 
15.1-19.1 
Fuente: GARDINER, 1981 
2.2.11.2. Elevación media de la cuenca 
Mediano 
largo 
la variación altitudinal de una cuenca hidrográfica incide directamente 
sobre su distribución térmica y por lo tanto en la existencia de microclimas y hábitats 
37 
muy característicos de acuerdo a las condiciones locales reinantes. Constituye un 
criterio de la variación territorial del escurrimiento resultante de una región, el cual, da 
una base para caracterizar zonas climatológicas y ecológicas de ella. 
2.2.11.3. Método área - elevación 
Para poder determinar la elevación media de una cuenca existen 
diferentes métodos, uno de ellos es la técnica Area - elevación, el cual se describe a 
continuación. Para estimar la elevación por este método, es necesario disponer de un 
mapa con curvas de nivel cuya separación altitudinal sea idéntica de nivel a nivel. 
Este método inicia con la medición del área de las diferentes franjas de terreno, 
delimitada por las curvas de nivel consecutivas y la divisoria de aguas. 
11 
L~xe; 
Em = 1=1 ~ ••.•••••••••••••••••••••••••••••••••••••••• (12) 
Donde: 
Em = Elevación media de la cuenca en metros 
A1 = Area de cada franja en (Km2 o m2) de acuerdo al tamaño de la cuenca 
e¡ . = Promedio de las curvas de nivel que delimita cada franja. 
At = Area total de la cuenca en (Km2 o m2) 
Cuadro 5. Clases de valores de elevación media (msnm) 
Rangos de elevación 
1082.3-2072.2 
2072.4-2362.2 
2362.4-2652.2 
Fuente: GREGORY y WALLING, 1983 
2.2.11.4. Área 
Clases de elevación 
Baja 
Moderada 
Alta 
Es el tamaño de la superficie de cada cuenca en km2. Se obtiene 
automáticamente a partir de la digitización y poligonización de las cuencas en el SIG. 
38 
El área de una cuenca en general, se encuentra relacionada con los procesos que en 
ella ocurren. También se ha comprobado que la relación del área con la longitud de 
la misma es proporcional y también que esta inversamente relacionada a aspectos 
como la densidad de drenaje y el relieve relativo . 
.Cuadro 6. Clases de tamaño de cuencas (km:<:} 
Rangos de áreas 
1.25-35 
35.5-58 
58.5-81 
81.5-103.5 
Fuente: GUEVARA y CARTA YA, 1991 
2.2.11.5. Desnivel altitudinal 
Clases de tamaño 
Muy pequeña 
Pequeña 
Mediana 
Grande 
Es el valor de la diferencia entre la cota más alta de la cuenca y la más 
baja. Se relaciona con la variabilidad climática y ecológica. Una cuenca con mayor 
cantidad de pisos altitudinales puede albergar más ecosistemas al presentarse 
variaciones importantes en su precipitación y temperatura. 
Cuadro 7. Clases de desnivel altitudinal \msnm; 
Rangos de Altitudes 
600-1220 
1221-1841 
1842-2462 
Fuente: HENAO, 1998 
2.2.11.6. Coeficiente de forma (Kf) 
Clases de altitudes 
Bajo 
Mediano 
Alto 
Este índice, propuesto por Gravelius, se estima a partir de la relación 
entre el ancho promedio del área de captación y la longitud de la cuenca, longitud 
que se mide desde la salida hasta el punto más alejado a ésta. El factor de forma, 
viene dado por: 
... 
L K1 =-.......................................... (13) L 
39 
Donde: 
... 
L = Ancho promedio del área d_e captación 
L = Longitud de la cuenca 
A = Area de captación 
.... A 
L =-......................................... (14) 
L 
Entonces: 
A K1 =-2 •••••••••••••••••••••••••••••••••••••••••• (15) L 
Este factor relaciona la forma de la cuenca con la de un cuadrado, 
correspondiendo un Kt = 1 para regiones con esta forma, que es imaginaria. 
Cuadro 8. Clases de valores de forma 
Rangos de Kt 
0.01-0.18 
0.18-0.36 
0.36-0.54 
Fuente: LEOPOLD, GORDON y MILLER, 1994 
Clases de forma 
Muy poco achatada 
Ligeramente achatada 
Moderadamente achatada 
Un valor de Kr superior a la · unidad nos proporciona el grado de 
achatamiento de la cuenca o el de un río principal corto. En consecuencia, con 
tendencia a concentrar el escurrimiento de una lluvia intensa formando fácilmente 
grandes crecidas. 
2.2.11. 7. Coeficiente de compacidad (Kc) 
Designado por Kc e igualmente propuesto por Gravelius, compara la 
forma de la cuenca con la de una circunferencia, cuyo círculo inscrito tiene la misma 
área de la cuenca en estudio. Kc se define como la razón entre el perímetro de la 
cuenca que es la misma longitud del parteaguas que la encierra y el perímetro de la 
circunferencia. La ecuación de este coeficiente corresponde a: 
40 
p 
Kc = 0,28 .J7i ......................................... ;(16) 
Donde: 
Kc =Coeficiente de compacidad 
P =Perímetro de la cuenca (longitud de la linea de parteaguas) 
A = Área de la cuenca 
Este valor adimensional, independiente del área estudiada tiene por 
definición un valor de 1 para cuencas imaginarias de forma exactamente circular. Los 
valores de Kc nunca serán inferiores a 1. El grado de aproximación de este índice a la 
unidad indicará la tendencia a concentrar fuertes volúmenes de aguas de 
escurrimiento, siendo más acentuado cuanto más cercano sea a la unidad, lo cual 
quiere decir que entre más bajo sea Kc. mayor será la concentración ~e agua. 
Existen tres categorías para la clasificación según el valor de este parámetro y que se 
muestran en el cuadro 9. 
Cuadro 9. Clases de valores de compacidad 
Rangos de Kc 
-1.25 
1.25-1.50 
1.50-1.75 
Fuente: MONSALVE, 2000 
Clases de compacidad 
Redonda a oval redonda 
De oval redonda .a oval oblonga 
De oval oblonga a rectangular oblonga 
2.2.11.8. Índice de alargamiento (la) 
Este índice propuesto por Horton, relaciona. la longitud ' máxima 
encontrada en la cuenca, medida en el sentido del río principal y el ancho máximo de 
ella medido perpendicularmente; se lo calcula de acuerdo a la fórmula siguiente. 
fa= Lm ••••••••••••.••.••.••••••••••••••••.•.••. (17) 
1 
41 
Donoe~ 
la = lndice de alargamiento 
Lm = Longitud máxima de la cuenca 
= Ancho máximo de la cuenca 
Cuando la toma valores mucho mayores a la unidad, se trata 
seguramente de cuencas alargadas, mientras que para valore~ cercanos a 1, se trata 
de una cuenca cuya red de drenaje presenta la forma de abanico y puede tenerse un 
rio principal corto (Cuadro 10). 
Cuadro 1 O. Clases de valores de alargamiento 
Rangos de 1 
0.0-1.4 
1.5-2.8 
2.9-4.2 
Fuente: PASTRANA, 2003 
Clases de alargamiento 
Poco alargada 
Moderadamente alargada 
Muy alargada 
2.2.11.9. Coeficiente de masividad (Km) 
Este coeficiente representa la relación entre la elevación media de la 
cuenca y su superficie. 
_ Altura_ media de _la_ cuenca (m) Km- , 2 ......................................... (18) Area _de _la_ cuenca_( km ) 
Este valor toma valores bajos en cuencas montañosas y altos en cuencas 
llanas (Cuadro 11). 
Cuadro 11. Clases de valores de masividad 
Rangos de Km 
0-35 
35-70 
70-105 
Fuente: PEREZ, s/f.a; y VELEZ, s/f.b. 
Clases de masividad 
Muy Montañosa 
Montañosa 
Moderadamente montañosa 
42 
2.2.11.10. Orden de corriente 
Existen diferentes métodos para obtener este índice (GREGORY y 
WALLING, 1985). En este estudio se utilizó el método de Strahler ya que es el más 
común, el más comprensible y el más fácil de relacionar con otros parámetros 
morfométricos. Este índice se obtiene mediante la agregación de corrientes, 
considerando una corriente de primer orden a aquella que no tiene afluentes, una de 
segundo orden aquella donde se reúnen dos corrientes de primer orden, una de 
tercero donde confluyen dos de segundo orden y así sucesivamente (Figura 4). 
1 
1 
1 1 
"2 1 
Figura 10. Ordenes de corriente según Strahler (GREGORY, 1985) 
Este índice indica el grado de estructura de la red de drenaje. En 
general, mientras mayor sea el grado de corriente, mayor será la red y su estructura 
más definida. Asimismo, un mayor orden indica en general la presencia de controles 
estructurales del relieve y mayor posibilidad de erosión o bien, que la cuenca podría 
ser más antigua (en determinados tipos de relieve). 
Cuadro 12. Clases de orden de corriente 
Rangos de ordenes 
1-2 
2.1-4 
4.1-6 
Fuente: HORTÓN, 1995 
2.2.11.11. Densidad de drenaje (Od) 
Clases de orden 
Bajo 
Medio 
Alto 
Este índice permite tener un mejor conocimiento de la complejidad y 
desarrollo del sistema de drenaje de la cuenca. En general, una mayor densidad de 
43 
escurrimientos indica mayor estructuración de la red fluvial, o bien que existe mayor 
potencial de erosión. Pero también, como indican GREGORY y WALLING (1985), la 
densidad de drenaje provee una liga entre los atributos de forma de la cuenca y los 
procesos que operan a lo largo del curso de la corriente. Más precisamente, la 
densidad de drenaje refleja controles topográficos, litológicos, pedológicos y 
vegetacionales, además de incorporar la influencia del hombre. La densidad de 
drenaje se calcula dividiendo la longitud total de las corrientes de la cuenca por el 
área total que las contiene, o sea: 
L Dd =-......................................... (19) 
A 
Donde: 
L = Longitud de las corrientes etrmeras, intermitentes y perennes de la cuenca en (Km) 
A = Área de la cuenca en (Km2) 
La densidad de drenaje varía inversamente con la extensión de la 
cuenca. Con el fin de catalogar una cuenca bien o mal drenada, analizando su 
densidad de drenaje, se puede considerar que valores de Dd próximos a 0.5 kmlkm2 o 
mayores indican la eficiencia de la red de drenaje. La red de drenaje toma sus 
características, influenciada por las lluvias y la topografía. 
Por esto se tiene que para un valor alto de Dd correspondenj grandes 
volúmenes de escurrimiento, al igual que mayores velocidades de desplazamiento de 
las aguas, lo que producirá ascensos de las corrientes. En períodos de estiaje se 
esperan valores más bajos del caudal en cuencas de alta densidad de drenaje y de 
fuertes pendientes, mientras que en cuencas planas y de alta densidad de drenaje, 
se espera estabilidad del régimen de caudales, debido al drenaje subsupeñicial y al 
aporte subterráneo. El siguiente cuadro muestra las clases de densidad de drenaje. 
Cuadro 13. Clases de densidad de drenaje 
Rangos de densidad 
0.1 - 1.8 
1.9-3.6 
3.7-5.6 
Fuente: HENAO, 1998 
2.2.11.12. Número de Escurrimientos 
Clases 
Baja 
Moderada 
Alta 
44 
Es la cantidad de afluentes naturales de la cuenca. Se contabiliza 
mediante SIG a través del número de segmentos marcados en el mapa digitizado. 
Constituye una medida de la energía de la cuenca, de la capacidad de captación de 
agua y de la magnitud de la red fluvial. Un mayor número de escurrimientos 
proporciona un mejor drenaje de la cuenca y por tanto, favorece el escurrimiento. 
Los valores de escurrimiento se han agrupado en el Cuadro 14. 
Cuadro 14. Clases de valores escurrimientos 
Rangos de escurrimiento 
o -170 
171-340 
341-510 
Fuente: GARDINER, 1981 
2.2.11.13. Pendiente del cauce principal 
Clases 
Bajo 
Medio 
Alto 
La pendiente del cauce se la puede estimar por diferentes métodos, uno 
de ellos es el de los valores extremos, el cual consiste en determinar el desnivel H 
entre los puntos más elevado y más bajo del rio en estudio y luego dividirlo entre la 
longitud del mismo cauce L, lo que significa: 
H S=-......................................... (20) 
L 
Donde: 
S = Pendiente media del cauce; L = Longitud del cauce 
H = Desnivel entre los puntos' más elevado y más alto 
.-·· 
45 
Cuadro 15. Clases de valores de pendiente del cauce lgraao5., 
Rangos de pendiente Clases 
0.01 - 0.5 Suave 
0.6-1.7 Moderada 
1.7-5.7 Fuerte 
Fuente: GUEVARA y CARTA YA, 1991 
2.2.11.14. Tiempo de concentración (Te) 
Es el tiempo transcurrido entre el final del hietograma de excesos y el 
final del escurrimiento directo, siendo ésta la definición que aparece reseñada en la 
literatura con mayor frecuencia. Sin embargo, otros autores reportan el Te como el 
tiempo comprendido entre el centroide del histograma de excesos y el punto de 
inflexión sobre la curva de recesión del hidrograma de escurrimiento directo. Además 
se puede definir como el tiempo que demora en viajar una partícula de agua desde el 
punto más remoto hasta el punto de interés. Corresponde al lapso entre el final de la 
lluvia y el momento en que cesa el escurrimiento superficial. Existen una serie de 
fórmulas que permiten el cálculo de este tiempo desarrolladas por diversos autores. 
Algunas de las fórmulas que se emplean para el cálculo de este tiempo son las 
siguientes: 
Kirpich: 
. ( 2 )0.385 
T:: = 0.06626x ~ ........................................ (21) 
Temez: 
( 
L )o.1s 
Te = 0.126x 
8035 
•••••••••••••••••••••••••••••••••••••••• (22) 
Pasini: 
( L)o.s ~ = 0.023x Ax S ........................................ (23) 
Pizarro 
( 
2 )0.77 
T:: = 13.548x ~ ........................................ (24) 
46 
Donde: 
Te =Tiempo de concentración (rnin) 
L =Longitud del cauce principal en (Km) 
S =Pendiente del cauce principal (m/m) 
A = Area de la cuenca (Km2) 
H =Diferencia de alturas (m) 
En este trabajo se ha utilizado la fórmula de Pizarra por ser una 
ecuación eficiente y fácil de emplear. El cuadro siguiente muestra la clasificación de 
los valores de concentración para las microcuencas del PNTM. 
Cuadro 16. Clases de tiempo de concentración (minutos) 
Rangos de Te 
0-41.7 
41.6-83.2 
83.3- 125.1 
Fuente: MONSALVE, 2000 
2.2.11.15. Curvas hipsométricas 
Clases 
Rápido 
Moderado 
Lento 
La curva Hipsométrica es la representación grafica de la . variación 
altitudinal de una cuenca y se obtiene a· partir de un plano topográfico tomándose los 
valores en porcentaje del área que están por debajo de una determinada altura, que 
inicialmente serán la del punto más bajo de la cuenca e irá aumentando de acuerdo a 
los valores de las cotas de la curva de nivel que encierra las franjas de terreno por ellas 
definidas y el punto de salida que es generalmente el sitio más bajo de la cuenca. 
2.2.11.16. Pendiente de laderas o pendiente de la cuenca 
Es el promedio de las pendientes de la cuenca, es un parámetro muy 
importante que determina el tiempo de concentración y su influencia en las máximas 
47 
crecidas y en el potencial de degradación de la cuenca, sobre todo en terrenos 
desprotegidos de cobertura vegetal. Existen variadas metodologías, tanto gráficas 
como analíticas, que permiten estimar la pendiente de la cuenca. Dentro de las 
metodologías gráficas, la más recomendada por su grado de aproximación es el 
Método de HORTON y dentro de las analíticas la que se expresa mediante la siguiente 
ecuación: 
e " 
se =-¿z; .. ······································<25) 
A i=t 
Donde: 
Se = Pendiente de la cuenca 
e = Equidistancia entre curvas de nivel 
A = Area de la cuenca 
li = Longitud de cada curva de nivel 
La clasificación de las cuencas de acuerdo a la pendiente de laderas, se 
aprecia en el Cuadro 17. 
Cuadro 17. Clasificación de las cuencas de acuerdo a la pendiente promedio de las 
laderas 
Pendiente media (%) 
0-3 
3-7 
7-12 
12-20 
20-35 
35-50 
50-75 
> 75 
Fuente: PASTRANA, 2003 
Tipo de relieve 
Plano 
Suave 
Mediano 
Accidentado 
Fuerte 
Muy fuerte 
Escarpado 
Muy escarpado 
Símbolo 
2.2.11.17. Pendiente del cauce principal o del máximo recorrido 
Es el promedio de las pendientes del cauce principal. Este parámetro se 
relaciona directamente con la magnitud del socavamiento o erosión en profundidad y 
48 
con la capacidad de transporte de sedimentos en suspensión y de arrastre. 
Dependiendo de la pendiente, existirán tramos críticos de erosión y tramos críticos de 
sedimentación, los primeros relacionados con las mayores pendientes y la segunda 
con las mínimas. La metodología más recomendada para determinar la pendiente 
promedio del cauce principal está basada en el uso del peñil longitudinal y mediante la 
expresión siguiente: 
r 
n (/ J~ ~ ~; 
........................................ (26) 
Donde: 
So = Pendiente del cauce principal 
li = Longitud de cada tramo de pendiente Si 
n = Número de tramos de similar pendiente 
En general, la pendiente del cauce principal es mucho menor que la 
. . 
pendiente de la cuenca. 
2.2.11.18. Longitud del centroide (le) 
Es una característica muy especial de la longitud del máximo recorrido y 
es la longitud medida sobre el curso principal entre el punto emisor hasta el pie de la 
perpendicular trazada sobre el cauce y que pasa por el centroide del área. 
2.2.11.19. Coeficiente orográfico (Co) 
Es la relación entre el cuadrado de la altitud media del relieve y la 
superficie proyectada sobre un plano horizontal. Este parámetro expresa el potencial 
de degradación de la cuenca, crece mientras que la altura media del relieve aumenta y 
la proyección del área de la cuenca disminuye. Por esta razón toma valores bastante 
grades para micro cuencas pequeñas y montañosas, disminuyendo en cuencas 
extensas y de baja pendiente. 
~··· 
49 
/"T H¿ . 
L-0 =-......................................... (27) A 
Donde: 
Co = Coeficiente Orográfico, adimensional 
H = Altitud medía del Relieve 
A = Área de la cuenca 
Este parámetro combina dos variables esenciales del relieve, su altura 
que influye en la energía potencial del agua y el área proyectada, cuya inclinación 
ejerce acción sobre la escorrentía directa por efecto de las precipitaciones. Este 
importante parámetro adimensional ha servido para caracterizar el relieve de las 
cuencas hidrográficas y ha sido igualmente investigado con miras a obtener la 
degradación potencial del suelo bajo los efectos de la acción del clima, degradación 
cuantitativa que se expresa mediante, y ver los índices de degradación, según clima en 
el siguiente Cuadro. 
Cuadro 18. fndice de degradación según clima 
Clasificación 
Degradación geológica natural 
Erosión débil 
Erosión media 
Erosión fuerte 
Erosión excesiva 
Fuente: PASTRANA, 2003 
Degradación (m31km2*año) Símbolo 
~100 ~ 
100-1000 D2 
1000-2000 D3 
1000-2000 D4 
>2000 Ds 
q_. = 2.65x log(;.) + 0.46x log(C0 -1.56) ....................................... (28) 
Donde: 
qs = Potencial de degradación específica, en Tn/año 
P = Módulo de precipitación anual o módulo pluviométrico 
P* = Precipitación del mes de máxima pluviosidad 
Co = Coeficiente orográfico, en porcentaje 
50 
Existen otros p¡arámetros asociados con la red natural de drenaje, 
conocidos como parámetros de drenaje, cuyas características se describen 
brevemente a continuación. El estudio· de la fisiología de la red natural de drenaje es 
importante porque permite estudiar los escurrimientos sobre todo cuando no se 
dispone de información cuantitativa de los factores hidrometeorológicos. La forma y la 
densidad de la red de drenaje corresponden a la distribución o arreglo geométrico de lo 
tributarios que lo conforman. Este arreglo o distribución geométrica de la red de drenaje 
se ha venido formando a través de muchos años sobre la corteza terrestre y se 
expresa mediante índices o parámetros que describen de alguna manera la geometría 
de la red (ORTIZ, 2004). 
111. MATERIALES Y MÉTODOS 
3.1. Ubicación y descripción del área de estudio 
3.1.1. Ubicación, extensión y limites del área de estudio 
El presente trabajo se ejecutó en el Parque Nacional Tingo María 
(SERNANP-PNTM), El PNTM se localiza en la selva central del Perú, en el 
departamento de Huánuco, provincia de Leoncio Prado, y en los distritos de Mariano 
Dámaso Beraún y Rupa Rupa (Figura 11) (PLAN MAESTRO, 2002). 
Cuadro 19. Coordenadas del area ae traoa;,_-
PUNTO SUR(UTM) 
1 386137 
2 389874 
,) 393309 
4 392706 
Fuente: PLAN AMESTRO, 2002. 
NORTE 18 L 
8968458 
8969521 
8958542 
8958010 
ALTITUD m.s.n.m 
72.u 
680 
720 
800 
La supeñicie del Parq1.,1e Nacional Tingo Maria, es de 4,777.80 Ha. Sus 
límites son: Por el Norte: margen derecha del río Monzón y parte del cerro Cotomono, 
desde la zona turística Cueva de las Lechuzas; por el Este: con el río Huallaga margen 
derecha dirigiéndose aguas arriba por los límites de las laderas y pasan~o por las 
zonas Brisas del Huallaga, Afilador, Puente Prado, Puente Pérez La Perla, Cueva de 
las Pavas, Quezada y Tambillo Grande. Por el Sur: Margen·izquierda de la quebrada 
Tres de Mayo desde las inmediaciones de su desembocadura al río Huallaga hasta la 
catarata Gloriapata. Por el Oeste: Comienza desde la catarata Gloriapata siguiendo la 
quebrada Tres de Mayo llegando al tragadero del río Perdido, siguiendo aguas arriba 
hasta el encuentro de las quebradas Santa y Colorada, cruzando en sentido norte 
hasta llegar a la cumbre y siguiendo el rio Oro hasta su llegada al río Monzón. 
52 
3.1.2. Características climáticas y zonas de vida 
Las estaciones meteorológicas del José Abelardo Quiñones de la ciudad 
de Tingo María hasta el año 2009 registran una temperatura máxima media anual de 
29.4 °C y una temperatura mínima media anual de 20.3 °C, siendo la temperatura 
media anual de 24.9 °C. La humedad relativa media anual es cercana al 85%. La 
precipitación media anual es de 3 328.9 milímetros. La época de lluvias comienza en 
octubre y se prolonga hasta abril. Sin embargo, en los últimos tres años el régimen de 
lluvias y estiaje ha sufrido grandes variaciones en su intensidad, ocasionando 
inundaciones en las riberas de los ríos, provocando huaycos y remoción de masas, y 
sequías que han afectado a la agricultura (SERNANP, 2009). Ecológicamente de 
acuerdo a la clasificación de zonas de vida o de formaciones vegetales del mundo y el 
diagrama bioclimático de HOLDRIGE (1994), la zona del PNTM se encuentra en la 
formación vegetal de bosque muy húmedo Premontano Tropical (bmh-PT) . y bosque 
húmedo Tropical (bh - n. 
3.1.3. Relieve y suelos 
Toda la extensión de la cadena montañosa de la Bella Durmiente se 
encuentra comprendida dentro del Parque. Por ello, el relieve en su interior es, con 
excepción de algunas pequeñas terrazas, muy escarpado y accidentado, constituido 
básicamente por montañas cuyas paredes tienen alturas que van de 300 a 500 metros 
disectadas por numerosas quebradas, pequeñas cascadas y manantiales. Las 
pendientes son muy pronunciadas, superando por lo general los 45° de inclinación. La 
altitud del Parque va de los 650 y los 1 808 msnm. Sus suelos poco profundos y 
·' 
pedregosos son muy susceptibles a la erosión y muestran claramente su vocación de 
protección; en el Parque no existen tierras con vocación agrícola o ganadera. Dada su 
condición montañosa, se puede apreciar diversos afloramientos de rocas y signos de 
deslizamientos naturales u ocasionados por labores agrícolas no muy recientes (PLAN 
MAESTRO, 2002). 
53 
3.1.4. Hidrografía 
El PN Tingo María se encuentra en la confluencia de la subcuenca del río 
Monzón y de la cuenca media del río Huallaga. Justamente el nombre de la ciudad 
Tingo María, que se halla al otro lado del Parque, cruzando el río, proviene del vocablo 
quechua tíncco, que significa encuentro. Los bosques del Parque juegan un rol 
fundamental en la regulación del ciclo hídrico de seis microcuencas: Monzón -
Huallaga; Huallaga - Tres de Mayo; Tres de Mayo - Río Santa; Río Sal"'!ta - Río 
Colorado, Rfo Colorado - Río Oro y Río Oro - Río Bella. Debido al material parental 
calcáreo del que está compuesto buena parte de la superficie del Parque, su sistema 
hidrológico presenta características muy particulares. Nos ·referimos a la p~esencia de 
varios tragaderos que reorientan el curso de las aguas hacia una red de rfos 
subterráneos. Es el caso del río Santa, que desaparece bajo tierra en un sumidero y 
abandona su curso normal en la quebrada Tres de Mayo, formando el río subterráneo 
conocido como río Perdido. El sumidero en el cual el río Santa se pierde en la tierra es 
conocido como Tragadero del río Perdido. 
El río Perdido atraviesa la cadena montañosa de la Bella Durmiente por 
un espacio de cinco kilómetros, descendiendo 450 metros en la cota altitudinal y 
apareciendo cien metros más abajo de la cueva de Las Lechuzas. El río Perdido 
presenta la característica particular de traer aguas más frías que las del río Monzón, 
que se encuentra a apenas 600 metros de distancia. Sus aguas están ligeramente 
cargadas de sedimentos, producto de la colmatación que se viene produciendo en el 
tragadero. Es probable que algunos siglos atrás, el río Santa desembocara en el río 
Huallaga por la quebrada Tres de Mayo. Cuando sus aguas se sumieron por el 
tragadero de río Perdido, éstas acabaron desembocando en el río Monzón y formaron 
con el tiempo lo que ahora es la Cueva de Las Lechuzas. Con el paso del tiempo, las 
aguas han encontrado un nuevo recorrido. 
Dist. Mariano 
Dámaso Beraún 
54 
------------------------- Departamento de Huánuco 
-------------
Parque Nacional 
TingoMaria 
1 
i 
i ¡ 
i 
i 
i 
i 
i ¡ 
i 
i 
í 
i 
i ¡ 
\ 
\ 
\ 
\ 
1 \ 
' \ Provin~ia de \ 
Leoncio Prado \ 
1 ' 
' \ 
1 \ 
\ 
\ 
\ 
\ 
\ 
\ 
\ 
\· 
\ 
\ 
\ 
1 
\ 
\ 
Figura 11. Ubicación política del Parque Nacional Tingo Maria (PNTM) 
3.2. Materiales y equipos 
3.2.1. Materiales 
55 
Carta Nacional Digitalizada deliGN: Empalme N° 19 k y 19 11998, de la cual se 
empleó las curvas a nivel de donde se obtendrá los insumas para la 
interpolación. 
Imagen ASTER (The Advanced Spacebome Thermal Emission and Reflection 
Radiometer), Subsystem VNIR, y número de banda 38 y 3N (formatos HDF-
EOS) (AST14DEM) (resolución de 30m) 
Imagen SRTM (Shuttle Radar Topography Mission), sistema inteñerometrico de 
65.0 m de resolución. 
Imagen de Google earth, fue para obtener insumas de X, Y, Z (Visualización en 
30}, para generar las cuevas de nivel. 
Mapas digitales del Parque Nacional Tingo María (PNTM), necesarios para la 
delimitación perimétrica del área en estudio. 
Fotografía aérea de la zona a color año 1998 del Servicio Aerofotográfico 
Nacional (SAN} (parte del PNTM}; imagen satelital IKONOS en formato Geotiff, 
subsistema VNIR, numero de banda 1, 2, 3 y 4 del año 2003; y LANDSAT-TM 
subsistema VNIR, numero de banda 1, 2, 3 y 4 del año 2001, que nos permitió 
determinar la configuración fisiográfica del PNTM. 
Machete marca Gavilán, Wincha Stanley de 50m, Rafia, placas de PVC, pintura 
esmalte color naranja, marcadores color negro, plástico de polietileno, lápiz 2By 
libreta de campo. 
3.2.2. Equipos 
Brújula, eclímetro y altímetro marca Brunton, fueron utilizados en la fase de 
reconocimiento y estratificación fisiográfica en campo, y para el levantamiento 
topográfico de las microcuencas. 
56 
GPS Garmin eTrex Vista HCx, fueron utilizados con la finalidad de tomar puntos 
de control dentro del Parque Nacional Tingo María. 
Cámara fotográfica marca LUMIX de 12 Mega pixeles (OC VARIO-ELMARIT 
1:2.8-5.6/6.0-21.4 ASPH) 
Softwares Arcview 3.2 y ArcGis 9.2 (ESRI), Surfer 8.0 (GOLDEN SOFTWARE), 
\ . . . 
ENVI 4.2; ERDAS 8.0; PCI Geomatica 9.1, ILWIS 3.3, IDRISI Andes 15.0, 
STATGRAPHICS Plus 5.1, para la manipulación de datos y el proceso de análisis 
estadístico, interpolación y modelamiento. 
3.3. Metodología 
Se pretende llevar a cabo la extracción y el análisis de la calidad de 
distintos Modelos de elevación de terreno (MET) generados para el PNTM, mediante 
su evaluación con una serie de puntos de control obtenidos mediante receptor GPS 
modelo Garmin eTrex Vista HCx, con distinto nivel de precisión. Para este cometido se 
generan por varios interpoladores (IDW, Kriging, Splines, TIN, Natural Neighbor, y 
Radial Basis Function), partiendo de los mismos datos fuente {imagen ASTER, SRTM, 
Google earth y Carta Nacional digitalizada), y se contrastaron con los puntos de control 
{datos tomados con GPS), que suponemos en principio que relativamente se encuentra 
libre de errores. Se obtiene pues para cada modelo una distribución de puntos .con las 
discrepancias en la altitud, que es utilizada para generar los correspondientes 
estadísticos globales que definen la calidad del modelo. Luego se hiso la elección de 
un modelo, por lo general el que tuvo mayor confianza para determinar los parámetros 
morfométricos de las microcuencas del PNTM, y luego se contrasto con el 
levantamiento topográfico de las microcuencas: Tres de Mayo, Río Oro, y Río 
Colorado, este fin fue para medir el grado de precisión; también se usó este MET para 
generar mapa base del PNTM como son. Mapa fisiográfico, mapa de pendientes, mapa 
hidrográfico, mapa de vegetación y mapa de suelo; y finalmente se determinó el 
57 
potencial maderable del PNTM, que permitió precisar las especies que predominan en 
el PNTM; para todo este proceso se siguieron los siguientes procedimientos: 
3.3.1. Elaboración del MET y análisis de calidad del modelo 
3.3.1.1. Obtención de puntos de la Carta Nacional 
Para obtener los puntos suficientes que sirvieron de insumas para la 
elaboración del MET, se incrementó el número de curvas de nivel, disminuyendo la 
separación altitudinal de 40 m a 20 m, mediante la opción Create contours €1el Menú 
SURFACE en la extensión 30 ANAL YST (Arcview), y también se empleó la extensión 
Divide2.avx, luego se añadió puntos sobre las curvas de nivel creándose un tema de 
puntos (N), FALLAS (2003a). El número de puntos por unidad dependió principalmente 
de la fisiografía del terreno, incrementándose la densidad de puntos en la zona 
montañosa y disminuyendo en la zona de colina baja. 
3.3.1.2. Obtención de puntos de la imagen SRTM 
Para este evento se utilizó el software Global maper, quien trabaja 
conjuntamente con el intemet, la página utilizada fue el http://SRTM.csi.org, aquí se 
visualiza todo el mapa mundi del planeta. Entonces en el cuadro se seleccionó las 
coordenadas de interés en UTM, para ello se trabajó con el cuadro que trae la carta 
nacional (IGN), exportando las cuatro coordenadas de éste, una vez definida las 
' 
coordenadas, se descargó en una carpeta en formato (.DEM), solo se pudo encontrar 
la imagen SRTM con 90 m y 65 m de resolución. La ventaja de esta imagen es que no 
es afectada por nubes, esto es por las ondas microondas (rango de 1 mm a 1 m de 
longitud de onda), y tienen un rango de frecuencia de 300MHz a 300GHz; por lo tanto 
están en la capacidad de ver a través de la atmósfera. La imagen obtenida se trabajó 
con el software ENVI 4.2 quien puede leer este formato sin ningún problema, en este 
programa en el menú Open Topographic file se importó el SRTM DEM, luego en el 
58 
mismo menú de Topographic, se realizó el convert contours to DEM a formato .Shp 
(shpfile}, con una separación altitudinal de 20 m; también se hizo Jo mismo en el 
software de ERDAS 8.0, pero previamente se convirtió a formato .img, y esto se hizo 
con el ENVI 4.2. Después de tener las curvas de nivel de la imagen SRTM, mediante la 
opción Create contours del Menú SURFACE en la extensión 3D ANAL YST (Arcview), y 
también se empleo la extensión Divide2.avx, luego se añadió puntos sobre las curvas 
de nivel creándose un tema de puntos (N), FALLAS (2003a). 
3.3.1.3. Obtención de puntos de la imagen ASTER 
Para la obtención de puntos se utilizó la imagen ASTER del 2004 nivel 
L 1 B con un porcentaje de cobertura de nubes del 4 - 6 % (USGS, 2000) y el proceso 
de extracción se realizó aplicando PCI Geomática 9.1. Para extraer . el DEM 
georeferenciado fue necesario contar con una serie de puntos de control (GCPs) con 
posición y elevación conocidas (esto se realizó con el GPS Garmin eTrex Vista HCx), a 
partir de los cuales, fue posible asignar valores reales de elevación a cada uno de los 
pixeles del DEM extraído. 
Se recopilaron puntos de control en campo mediante GPS (Garmin eTrex 
Vista HCx, la cual tiene incorporado un barómetro}. Los puntos se colectaron en 
lugares fácilmente identificables en la imagen y en el terreno de estudio (PNTM), 
distribuyéndolos casi en toda la imagen y cubriendo la variación altitudinal que la zona 
de estudio presenta. Con este procedimiento se recopilaron en campo 55 puntos, 3 de 
ellos se emplearon como GCPs; y los restantes, se emplearon como puntos de 
comprobación para verificar la calidad del DEM extraído. 
Se generaron imágenes epi polares a partir de las bandas 3N y . 38 de la 
imagen y se extrajo un DEM georeferenciado de la zona de estudio con sistema de 
59 
referencia UTM, Zona 18 L Sur, Datum WGS 84 y elipsoide WGS 84; con un tamaño 
de pixel de 30m. una vez obtenida el DEM, se trabajo con el software ENVI4.2 quien 
puede leer este formato sin ningún problema, en este programa en el menú Open 
Topographic file se importo la imagen en formato .DEM, luego en el mismo menú de 
Topographic se realizó el convert contours to DEM a formato .Shp (shpfile), con una 
separación altitudinal de 20m, se hizo lo mismo en el software de ERDAS 8.0, pero 
previamente se convirtió a formato .img, y esto se hizo en el ENVI 4.2. 
Después de tener las curvas de nivel de la imagen SRTM, mediante la 
opción Create contours del Menú SURFACE en la extensión 30 ANAL YST (Arcview) y 
'· 
también se empleo la extensión Divide2.avx, luego se añadió puntos sobre las curvas 
de nivel creándose un tema de puntos (N), FALLAS (2003a). 
3.3.1.4. Obtención de puntos de la imagen de Google earth 
Para la obtención de estos puntos, se trabajo con el software Google 
earth, este programa permite directamente obtener las coordenadas (Este, Norte y 
altitud), pero previamente en el menú de herramientas, en opciones se selecciona la 
proyección en donde se desea trabajar, en este caso se selecciono en UTM WGS 84, y 
la altitud en m.s.n.m. 
3.3.1.5. Métodos de interpolación de los puntos de control y 
generación del MET 
La generación del MET se realizó empleando los interpoladores: IDW 
(lnverse distance weight), Kriging, Splines (Minimum curvatura), Natural Neighbor, TIN 
(Interpolación a partir de triángulos irregulares) y Radial Basis Function (RBF). El MET 
del Parque Nacional Tinge María se obtuvo mediante el Programa ArcGis 9.2 (ESRI), y 
un visualizador especializado en 30 denominado ArcScene, utilizando el menú 30 
60 
ANAL YST (el MET ~e realizó con los interpoladores: IDW, Splines, Kriging, TIN y 
Natural Neighbor), y el interpolador Radial Basis Function se realizó en el Software 
SERFER 8.0; mientras que los variogramas de todos los interpoladores (IDW, Splines, 
Kriging, Natural Neighbor, TIN, y RBF) se obtuvieron empleando el programa SURFER 
8.0 (GOLDEN SOFlWARE). Eligiendo la opción Variogram del Menú GRID, para lo 
cual las coordenadas X, Y, Z fueron introducidas en la Hoja de Trabajo (Worksheet) y 
guardados en formato .dat. 
Para la realización de un TIN (red de triángulos irregulares); para la 
generación de una estructura triangular, como parte de datos se tuvo que conocer sus 
tres coordenadas (este, norte y altitud) (x, y, z). Esta muestra de puntos fue extraída de 
las curvas de nivel realizadas anteriormente con una diferencia altitudinal de 20m 
(Carta Nacional, Imagen SRTM, Imagen ASTER, e imagen de Google earth). 
3.3.1.6. Puntos de control 
Para contrastar los distintos modelos generados fueron necesarios un 
conjunto de puntos de control que representen al "terreno real", y que podamos 
contrastar con los modelos interpolados. Las diferencias de alturas así obtenidas nos 
permitió evaluar el nivel de error de cada modelo. 
Según los estándares para modelos digitales de elevaciones, del U.S.G.S. 
(Departamento del Interior del U.S. Geological Survey), en referencia al control de la 
calidad de los MDE, se habla de un mínimo de 28 puntos de control, 20 interiores y los 
8 restantes en el borde. (USGS, 1997). 
Los puntos de control fueron obtenidos con un GPS Garmin eTrex Vista 
HCx; esto fue con la finalidad de asegurar una buena calidad de la altura ortométrica, 
61 
se han calculado los parámetros de transformación para la zona apoyándose en tres 
vértices geodésicos (dos pertenece a las cotas del IGN que se encuentran dentro del 
PNTM, uno es por la estación meteorológica José Abelardo Quiñones) en el borde 
externo e interno de la zona. Este GPS cuenta con una precisión de 2m (este y norte) 
y altitud 1 m., entonces se colectaron de campo 55 puntos (Anexo 1). 
3.3.1.7. Evaluación del MET 
Se verificó la calidad del MET en base a la comparación entre las cotas de 
55 puntos de verificación tomados en el terreno vía GPS y las cotas extraídas del MET 
generado en los puntos correspondientes {puntos obtenidos de: Carta Nacional, 
Imagen SRTM, Imagen ASTER, e imagen de Google earth), calculando el coeficiente 
de correlación (R2), el coeficiente de eficiencia de Nash y Sutcliffe (EF), el coeficiente 
de determinación (CD), el error cuadrático medio (RMSE), el error medio (BIAS) y el 
error medio absoluto (MAE). 
La evaluación o validación del MET se comprobó teniendo en cuenta la 
validación estadística. Para ello se calculó el Error Medio Cuadrático (EMC) a partir de 
los puntos de control (n). Se consiguió empleando la siguiente fórmula: 
n 2 
¿(z; -z;) 
EMC= i=1 (29) ....:.;::o_.-- •••••••••••••••••• 
n 
Donde: 
zt = Valor estimado de la altitud del enésimo punto de control. 
z; =Valor real de la altitud del enésimo punto de control. 
n = Número de puntos de control. 
Para determinar "n" se empleó la siguiente fórmula: 
62 
CV2 *t2 , 
n = 2 •••••••••••••• ~30) E 
Donde: 
CV2 = Coeficiente de variabilidad. 
f = Es el valor de la distribución normal estandarizada para un nivel de 
confianza del95% (alfa =0,05) el valor de Z es 1,96. 
n = Número de puntos de control 
E2 = Error máximo permisible 
3.3.2. Parámetros morfométricos de las microcuencas del PNTM 
3.3.2.1. Levantamiento topográfico longitudinal y vertical de las 
quebradas del PNTM 
Este trabajo consistió netamente en campo, para ello como materiales y 
equipo se usó: Wincha, Brújula, Eclímetro, Altímetro y GPS; primeramente se siguió 
todo el cauce de las quebradas: río Tres c:le Mayo, río Colorado y rio Oro; con lawincha 
se midió la distancia de un punto "P" a otro punto "Q" (la distancia varía de acuerdo a 
comportamiento sinuoso del cauce), al mismo tiempo se aprovecho de medir el azimut 
de estos punto con una brújula, y también se aprovecho en medir la pendiente con un 
eclímetro, tratando de mantener la paralelidad del cauce con la proyección temporal de 
este material; estas mediciones se realizaron desde el inicio del cauce hasta el final 
(naciente del cauce); pero el inicio de las quebradas fueron georeferenciadas con el 
GPS Garmin eTrex Vissta HCx (precisión de hasta 2m); la cual estos datos obtenidos 
en campo, permitió obtener las coordenadas geográfica (UTM: Este, Norte y Altitud), a 
través de procedimientos trigonométrico y geométricos, para luego ser llevado a un 
sistema de comparación con los cauces generados con la carta Nacional (IGN), imagen 
SRTM, imagen ASTER, e imagen del Google earth. 
63 
3.3.2.2. Delimitación automática de cuencas hidrográficas y 
extracc~ón de parámetros moñométricos 
La metodología en esta parte del trabajo se basó fundamentalmente en 
mediciones y cálculos de variables y parámetros morfométricos de las microcuencas 
del Parque Nacional Tingo María (PNTM}: Río Tres de Mayo, Río Colorado y Río Oro y 
sus redes de drenajes, para lo cual se utilizó como fuente de información los planos 
topográficos generados por: Carta Nacional (IGN}, imagen SRTM, imagen ASTER, 
imagen de Google earth. 
A partir de la cartografía digitalizada generada por la carta Nacional (IGN), 
imagen SRTM, imagen ASTER, imagen de Google earth, del área de estudio y 
empleando la herramienta SIG (software Are Gis 9.2) se calcularon los parámetros 
morfométricos básicos puntuales, lineales, areales y pendientes de la cuenca y de su 
red de drenaje. Otros parámetros se obtuvieron de la lectura directa sobre la base 
cartográfica original, y otros por medio. de las ecuaciones matemáticas que los definen. 
Cada uno de los parámetros morfométricos medidos y calculados en este estudio para 
el área de interés se especifican en el Cuadro 20. 
Para el cálculo de la altura mediana de la microcuenca, se seleccionaron 
intervalos entre curvas de nivel cada 100 m y se midió el área parcial de cada intervalo 
expresándolas en porcentajes y luego como área acumulada en porcentaje. 
Posteriormente, se construyó un gráfico bidimensional representando en el eje x el 
área acumulada (%)y en el eje y la altura (msnm), a partir de.l cual se estimó la altura 
mediana, valor este corre~pondiente al 50 % de área acumulada. Para el cálculo de la 
pendiente media se siguió el mismo procedimiento descrito para estimar. la altura 
mediana, sólo que para cada intervalo de curva de nivel se calculó la pendiente media 
del terreno, promediando varias mediciones realizadas en cada uno de ellos. 
64 
Cuadro 20. Parámetros morfométricos medidos y caiculados para las microcuencas 
del Parque Nacional Tingo María 
Variable Parámetro Símbolo Ecuación Dimensión 
Área A Lz (1) 
Perímetro p L<2> 
Escala de la 
Longitud L L 
Microcuenca 
Ancho w L 
Diámetro D D=(4Ailr)112 L 
Altura máxima H L 
Altura mínima h L 
Altura mediana Hmd L 
Relieve máximo Hb Hb = H- h L 
Radio del relieve R R = HtJL 
Pendiente mediana Smd % 
Pendiente media 
s. ;(L:-· r Gradiente y del perfil 
forma del relieve S m % longitudinal de la 
de la corriente principal S .<3> m<4l m1 , 
microcuenca Concavidad del 
C=b/8 
perfil longitudinal de e b(5l, 8(6) 
la corriente principal 
Construcción grafica 
con los coeficientes 
Curva hipsométrica Ch de altura relativa (Chr) 
y área relativa (Car), 
respectivamente 
Elongación Se Se= A0·5fl 
Perímetro relativo 
Se= P2/A 
de crenulación 
Se 
Forma de la Radio de Re= lcn/P 
microcuenca crenulación 
Re lcn(7) 
Forma R, Rr = AIL2 
Coeficiente de Kc = 0.28x(P/A0·5) 
compacidad 
Kc 
Variable 
Extensión de 
ia red de 
drenaje 
Orden y 
magnitud de 
la red de 
drenaje 
Orden y 
magnitud de 
la red de 
drenaje 
Parámetro 
• ..:!lQitua ae ia 
corriente principal 
Longitud total de las 
corrientes 
Densidad de 
drenaje 
Coeficiente de 
mantenimiento del 
canal 
Orden de la 
corriente 
Numero de 
segmentos de la 
corriente de un 
orden dado 
Relación de 
bifurcación 
Longitud de la 
corriente de un 
orden dado 
Longitud total de las 
corrientes de un 
ord~n dado 
Longitud media de 
las corrientes de un 
orden dado 
Longitud media 
acumulada de las 
corrientes de un 
orden dado 
Relación de longitud 
lndice de 
alargamiento 
Coeficiente de 
masicividad 
Longitud del 
centroide 
Coeficiente 
orográfico 
Símbolo 
Lcp 
Ct 
Dd 
Cmc 
u 
N u 
Rb 
Lu 
Ltu 
Lmu 
Lmau 
la 
Ecuación 
C1 = r Longitud de las 
corrientes 
Dd = Ct!A 
Cmc =Al Ct 
Rb = Nu 1 Nu+1 
Ltu=I:Lu 
Lmu = Ltuf Nu 
Lmau = Lmu + Lmu+1 
Lm/L 
Altura media de la cuenca 
1 área de la cuenca 
Longitud medida sobre el 
cauce principal 
Potencial de 2.65Log(P/P.)+0.46Log(Co-
degradación q8 1.56) 
Coeficiente de CT = N1/A 
torrencialidad CT N1 (a) 
65 
Dimensión 
L 
L 
UL2 
L2/L 
L 
L 
L 
L 
L 
MfT 
Fuente: GARDINER, 1981; GREGORY y WALLING, 1973; GUEVARA y CARTA YA, 1991; HENAO, 1998; 
HORTON, 1945; LEOPOLD, GORDON y MILLER, 1964; MONSALVE, 2000; PASTRANA, 2003; 
PÉREZ, s/f.; SENCIALES, 1998; SMITH y STOPP, 1978; STRAHLER, 1968; STRAHLER, 1985; 
VÉLEZ y VÉLEZ, s/f.a; VÉLEZ y VÉLEZ, slf.b. (1) L2 = areal; (2) L =lineal; (3) Sm; =pendiente 
media de cada intervalo del perfil longitudinal de la corriente principal; (4) m = número de 
intervalos en que se divide el perfil longitudinal de la corriente principal; (5) b = altura del perfil 
longitudinal de la corriente principal en su longitud mediana; (6) B = altura de la recta del perfil 
longitudinal de la corriente principal en su longitud mediana; (7) Len = longitud de la curva de nivel 
que corta el mayor número de corrientes de la red de drenaje; (8) N1 = número de corrientes de 
orden 1 
66 
Para la estimación de la pendiente media del cauce principal de las 
quebradas: río Tres de Mayo, río Colorado y río Oro, los perfile longitudinales de estos 
se subdividió en intervalos de acuerdo al comportamiento sinuoso y en cada uno de 
ellos se calculó gráficamente su pendiente media, luego con estos valores se calculó la 
pendiente media de todo el perfil utilizando la ecuación que se indica en el Cuadro 19. 
Para la construcción de la curva hipsométrica se tomaron los mismos 
intervalos de 1 00 msnm entre curvas de nivel y los valores de área acumulada. Luego 
se calcularon los coeficientes de altura relativa dividiendo los valores de los límites 
superiores de cada intervalo entre la altura máxima de la cuenca, y los coeficientes de 
área relativa dividiendo el área acumulada en cada intervalo entre el área total de la 
microcuenca. Con estos coeficientes se construyó un gráfico bidimensional 
representando en el eje "x" el área relativa y en el eje "y" la altura relativa. Para la 
representación gráfica de la relación longitud del curso principal de las quebradas: rio 
Tres de Mayo, río Colorado y río Oro -área de la microcuenca, se retomaron los 
intervalos de 20 msnm entre curvas de nivel con sus respectivos valores de área 
acumulada y se midieron las longitudes parciales del cauce de las quebradas; río Tres 
de Mayo, río Colorado y río Oro en cada uno de los intervalos, los cuales luego se 
expresaron como longitud acumulada. Con estos valores se construyó un gráfico 
bidimensional representando en el eje "x" el área acumulada y en el eje "y" la longitud 
acumulada del cauce de las quebradas. Los tiempos de concentración de las tres 
microcuenca: río Tres de Mayo, río Colorado y río Oro en su desembocadura y en el 
ápice del abanico, se estimaron con base en la ecuación de Kirpich (1940) te= 0,01947 
x L 0·77 x s-0·385 (L es la longitud del cauce principal, y S es la pendiente promedio del 
cauce principal). La velocidad promedio del flujo en las mismas posiciones 
geomorfológicas y altitudinales, se estimaron por medio de la ecuación Vf = L 1 te. 
67 
3.3.3. Análisis fisiográfico del PNTM 
3.3.3.1. Elaboración de mapa base a partir de la imagen satelital 
y carta nacional 
Es aquí donde se elaboraron mapas de caracterización fisiográfica del 
Parque Nacional Tingo María; se trabajó con imagen satelital ASTER, IKONOS año 
2003 y LANDSAT del año 2001, y también como referencia se utilizo la carta nacional 
empalme 19k {IGN); de las cuales el análisis fisiográfico fue mediante la metodología 
empleada por Malleux {MALLEUX, 1982). 
3.3.3.2. Ubicación de los puntos de verificación 
Una vez elaborada el mapa de análisis fisiográfica del PNTM, con la 
ayuda de las imagen satelitales, se ubicó los puntos de control, para la obtención de 
este sistema, se delimito todo el PNTM con cuadrantes de 9.00 Ha (300x300m2) de 
forma simétrica, obteniendo 560 cuadrantes, y por cada cuadrante se subdividieron 900 
subcuadrantes para las respectivas verificaciones; luego se trabajo con la tabla de 
números aleatorios, previamente se le asigno números distribuidos al azar en todo el 
perímetro del área estudiada, para luego verificar el tamaño de muestra con la tabla de 
distribución binomial (PIMENTEL, 1996); se trabajo a un nivel de confianza del 90 % y 
95% esto es debido a aspectos naturales (variables que no se pueden manipular) como 
son evaluación de pendiente y altitud (parámetros fisiográficos) (MALLEUX, 1982). 
3.3.3.3. Verificación de unidad fisiográfica predeterminada 
Para la verificación de las parcelas seleccionadas anteriormente en el 
análisis fisiográfico, se realizo con el GPS Garmin eTrex Vista - HCx, la ventaja de este 
GPS es que tiene un altímetro incorporado, que se tuvo que parametrizar, y para ello 
se utilizo los datos de la estación meteorológica José Abelardo Quiñes calibrando de 
esta manera el barómetro, también se llevo aparte un altímetro y eclímetro modelo 
68 
Brunton, esto fue para poder medir la pendiente del área a evaluar y la altitud de la 
estratificación fisiográfica. 
3.3.3.4. Interacción del mapa fisiográfico inicial de gabinete y la 
información obtenida en campo 
Mediante los programas ·de Are view 3.3, Are GIS 9.2, SURFER 8.0 y 
STATGRAPHICS Plus 5.1, se realizó la interacción del mapa base fisiográfico inicial 
con datos (altitud y pendiente} obtenidas en campo; y para determinar el error de 
estratificación se usó la metodología de MALLEUX (1982), como se muestra en la 
siguiente ecuación. 
l- ( )2] 2 IM n M 2 M S (oj)Pe =-LlJ.lJe(l-lje)+- LlJP }e~ ,LP1Pje ..... (31) n J=l K J=l J=l 
Donde: 
P¡ = Proporción del estrato j 
P¡e = Proporción del estrato e en el estrato j 
K = Número total de parcelas distribuidas en todo el área 
n¡ = Número de parcelas de verificación en el estrato j 
M = Número de estratos 
S2 = Error de estratificación 
3.3.4. Elaboración de mapas a partir del MET y parámetros morfométricos 
3.3.4.1. Mapa topográfico (pendiente y altitud) 
Para el cálculo de pendientes del terreno se consideró ocho rangos; Plano 
a casi plano, casi plano a ligeramente inclinado, ligeramente inclinado a 
moderadamente inclinado, moderadamente inclinado a fuertemente inclinado, 
fuertemente inclinado a empinado, empinado a muy empinado, muy empinado a 
fuertemente empinado, fuertemente empinado a extremadamente empinado (PUERTA, 
69 
2007). Se empleó la opción Surface Análisis- S/ope, determinándose la pendiente en 
porcentaje. 
El procedimiento manual es un método sencillo donde se trabajó con la 
distancia entre las curvas de nivel y la escala del mapa. Se elaboró una plantilla que 
indique la separación mínima entre la curvas de nivel para obtener una determinada 
pendiente; generalmente la plantilla consistió en pequeños círculos que indicaron 
diferentes porcentajes de pendientes. 
La fórmula para la elaboración de la plantilla es la siguiente: 
DV P=-x100 ......... (32) 
DH 
Donde: 
P = Pendiente 
DV = Distancia vertical 
OH = Distancia horizontal 
3.3.4.2. Mapa hidrográfico 
Se delimitó con el MET generado a partir de la carta nacional, imagen 
SRTM, imagen ASTER e imagen de Google earth, para ello se usó el software Are Gis 
9.2, se empleo la función Fi/1 Sinks y Stream Segmentation y Stream Definition, ello 
permitió la delimitación automática las quebradas del Parque Nacional Tingo María (río 
Tres de Mayo, río Colorado y río Oro). 
3.3.4.3. Mapa de red vial (accesibilidad) 
Se delimitó los caminos primarios y secundarios existentes en el Parque 
Nacional Tinge María (PNTM) a base de interpretación de imágenes IKONOS del año 
2002; y para mejorar se contrastó con el MET. 
70 
3.3.5. Determinación del potencial maderable del PNTM 
Se delimitó parcelas de 1 O x 100 metros de lado, equidistantemente a 
favor de la pendiente (pero de acuerdo al azimut de trabajo, con que se delimitó las 
parcelas), de manera que quedó definido como se aprecia en la Figura 12 y se 
marcaron a las especies forestales como se muestra en la Figura 13; en los cuadrantes 
se evaluó las categorías de fustales y árboles maduros, como se muestra en el Cuadro 
21; las muestras fueron tomadas al azar dentro del Parque Nacional Tingo María, como 
muestra piloto, para determinar el número de muestra definitiva, donde se· usó la 
siguiente fórmula. 
t 2xCV2 
n = 2 2 ••••••••• (33) 
E 2 + t xCV 
N 
Donde: 
CV2 = Coeficiente de variabilidad. 
f = Es el valor de la distribución normal estandarizada para un 
nivel de confianza del 95% (alfa =0.05) el valor de Z es 1.96. 
n = Número de puntos de control 
N = Número total de muestras del PNTM 
E2 = Error máximo permisible 
Cuadro 21. Clasificación de la vegetación forestal 
Categorías 
Fustales y arboles 
maduros 
Dimensiones del individuo 
Dap ~a 10 cm 
Fuente: BOLFOR. 1998 
Tamaño de la 
muestra (m) 
100 X 10 
Superficie de la 
parcela (m~ 
1000 
•'' 
r------------10m------------~ 
2m 
1m 
2m 
1m 
1 1m 2m 1m 100m 
5m 
1 2m 
1----5m ----t 
Figura 12.Diseño de parcela para evaluación de categorías de especies forestales 
2 
22 
No de sub parcela 
No de árbol 
Diámetro de la referencia (Dap) a 
1.30 m desde el suelo 
Figura 13. Codificación del árbol individual en el área de estudio 
71 
Para determinar el potencial maderable, se considero para el análisis 
determinar el tipo de bosque que predomina en el Parque Nacional Tingo María, para 
ello se realizo el análisis estructural horizontal, determinando las . si_guientes 
características: 
72 
3.3.5.1. · Composició~ florística 
Constituyen uno de los rasgos más llamativos en la estructura del bosque 
tropical y se expresa en una simple tabla conteniendo los nombres de las especies y el 
número de individuos en la parcela de estudio. 
3.3.5.2. Cociente de mezcla 
CM= N°especies ........ (34) 
N°árboles . 
3.3.5.3. Abundancia absoluta y relativa 
Se utilizó la formula citada por (ODUM, 1998 y KREBS, 1995) 
A. Absoluta = N°Total de individuos por especies 
N°Total de individuos por especies 
A. Relativa= X 100 ....... (35) 
N°Total de .individuos 
3.3.5.4. Frecuencia absoluta y relativa 
Para calcularla durante el muestreo la parcela se subdivide en 25 partes o 
subparcelas de igual tamaño entre sí (10 X 100m2). Entonces se controló la presencia 
o ausencia de cada especie en cada subparcela. La frecuencia absoluta de una 
especie se expresa en o/o de las subparcelas en las que aparece, cuando aparece en 
las 20 subparcelas entonces la frecuencia es de 1 00% 
3.3.5.5. Clases de frecuencia absoluta 
La ley de frecuencias de Rahnkiaer establece: 
A> 8 >e~ 6 s D <E. Si se cumple esta ley, quiere decir que el bosque 
no ha sido intervenido por la mano del hombre. 
73 
A< B > C = D >E. Si se cumple esta ley, quiere decir que el bosque ha 
sido intervenido o alterado. 
3.3.5.6. Dominancia o cobertura RANGEL y VELÁSQUEZ, (1995) 
Ab por especie 
Dr = Xl00 ...... (36)· 
Ab Total 
Donde: 
Ab = área basal 
3.3.5.7. Índice de valor de importancia 
Según Curtís y Me. lntosh, citado por LAMPRECHT (1990). 
IV! = Abr% + Fr% + Dr% ........... (31) 
Donde: 
Abr = Abundancia relativa de cada especie 
Fr =Frecuencia relativa 
Dr = Dominancia relativa de cada especie 
IV. RESULTADOS Y DISCUSIÓN 
4.1. Análisis de calidad del MET generada con distintas técnicas de 
interpolación e imágenes 
4.1.1. Comparación de los MET a partir de las imágenes 
4.1.1.1. Comparación de IGN con la imagen· ASTER 
La comparación entre ambos MET descansa en la interpretación del 
gráfico cartesiano de regresión lineal de dispersión, el cálculo de su asociación 
espacial para lo cual es usual la aplicación del coeficiente de correlación (BOHAM, 
1996 y FUJISADA, 2005), que definan los niveles de precisión y confiabilidad en los 
MET analizados, y finalmente el análisis de las diferencias de altitud en dos perfiles 
topográficos trazados en un área con vegetación y fuertes pendientes. En función del 
grafico de dispersión entre ambos MET (Figura 14), en términos generales, se asume 
una alta correspondencia entre los datos de ambos MET, interpretándose que los datos 
y grupos de datos alejados de la tendencia linear provienen de sectores fuertemente 
afectados· por problemas relativos a densidad atmosférica, vegetación y variabilidad de 
inclinación y exposición de pendientes, así como también por el proceso sintético de 
corrección de la información original, lo cual es particularmente visible en el MET 
ASTER. Es por ello que en la Figura 14 se muestra la gráfica de los residuos 
estandarizados, puesto que se distribuyen a una distribución Normal (0, 1), y valores 
que excedan fuera de estos rangos en valor absoluto, indican claramente que las 
celdas no se ajustan al modelo, en la Figura se muestra que las celdas (altitud) se 
ajustan al modelo del comportamiento de altitud; además en el Cuadro 22 se muestra 
que el F calculado es mayor que el F tabular, por lo tanto el modelo es altamente 
75 
significativo, quiere decir que existe asociación entre las altitudes de la imagen ASTER 
con el IGN. La consistencia y robustez de los datos de altitud se demuestra en la 
relación linear positiva y alta correlación obtenida (0.976). 
Cuadro 22. Tabla ANOVA y parámetros de la regresión de dispersión deiiGN Vs ASTER 
Fuente GOL Suma de los· Media de los F 
cuadrados cuadrados Pr> F 
Modelo 1 2149387984.86 2149387984.86 2130220.74 < 0,0001 
Error 51691 52156103.88 1008.99 
Total 
corre~ ido 51692 2201544088.7 4 
Fuente Valor Desviación t-esta. Pr > 1t1 límite inferior Límite superior 
tí~ica {95%) {95%} 
Intersección 157.246 0.687 229.009 < 0.0001 155.900 158.592 
IGN 0.837 0.001 1459.528 < 0.0001 0.836 0.838 
ASTER = 157.245815097312 + 0.837005197838467*1GN 
Fuente: Elaboración propia 
1J()() 
950 
~ 900 
~ 
~ 850 
-!. 800 
Ir: 
w 750 ti 
c:r: 700 
650 
600 
600 
Regresión de ASTER por IGN (RZ=0.976) 
-----·------------------------------··- ------- ----------· ------- ·---- ··- --l 
, .... -
650 700 750 800 850 900 
IGN (altHud) 
Activas IVbdelo 
· lnt. de conf. (Media 95%) -··· --- lnt. de conf. (Obs. 95%) 
---Lineal (Serie4) 
! 
950 
FiguíB 14. Diagrama de dispersión y residuos estandarizados de los MET IGN Vs ASTER 
En el Cuadro 22 se muestra que el t estadístico de la intersección tiene un 
valor de 229.009, que significa que el grado de asociación entre las altitudes (Z) de la 
imagen ASTER con las altitudes de la IGN es alta y/o significativa; además la 
76 
intersección tiene una desviación tfpica de 0.687 hl; y se encuentran dentro de los 
limites de 155.9 m hasta los 158.592 m.· 
4.1.1.2. Comparación deiiGN con la imagen del Google earth 
La comparación entre ambos MET {IGN Vs imagen de google eart) 
descansa en la interpretación del gráfico cartesiano de regresión lineal de dispersión, el 
cálculo de su asociación espacial para lo cual es usual la aplicación del coeficiente de 
correlación (BOHAM, 1996), que definan los niveles de precisión y confiabilidad en los 
MET analizados, y finalmente el análisis de las diferencias de altitud en dos perfiles 
topográficos trazados en un área con vegetación y fuertes pendientes. En función del 
grafico de dispersión entre ambos MET (Figura 15), en términos generales, se asume 
una alta correspondencia entre los datos de ambos MET, interpretándose que los datos 
y grupos de datos alejados de la tendencia linear provienen de sectores donde la carta 
nacional se encontraron vacíos por problemas de densidad atmosférica, vegetación y 
variabilidad de inclinación y exposición de pendientes, así como también por el proceso 
sintético de corrección de la información original. 
Guadro 23. Tabla ANOVA y parámetros de la regresión de dispersión deiiGN Vs Google earth 
Fuente GOL Suma de los Media de los F 
cuadrados cuadrados 
Modelo 1 2693147964.549 2693147964.549 3466178.571 
Error 51691 40162821.561 776.979 
Total 
corregido 51692 2733310786.11 o 
Fuente Valor Desviación t Pr > ltl 
ti pica 
Intersección 85.367 0.603 141.678 < 0.0001 
IGN 0.937 0.001 1861.768 < 0.0001 
GOOGLE EARTH = 85.3666304880497+0.936916427856576*1GN 
Fuente: Elaboración propia 
Limite inferior 
(95%) 
84.186 
0.936 
Pr> F 
<0.0001 
Límite superior 
(95%) 
86.548 
0.938 
Es por ello que en la Figura 15 se muestra la gráfica de los residuos 
estandarizados, puesto que se distribuyen a una distribución Normal (0, 1 ), y valores 
que excedan fuera de estos rangos en valor absoluto, indican claramente que las 
77 
celdas no se ajustan al modelo, en la Figura se muestra que las celdas (altitud) se 
ajustan al modelo del comportamiento de altitud; además en el Cuadro 23 se muestra 
que el F calculado (3466178.571) es mayor que el F tabular, por lo tanto el modelo es 
altamente significativo, quiere decir que existe asociación entre las altitudes de la 
imagen GOOGLE EARTH con eiiGN. La consistencia y robustez de los datos de altitud 
se demuestra en la relación linear positiva y alta correlación obtenida (0.985). En el 
cuadro 125 se muestra que el t estadístico de la intersección tiene un valor de 141.678, 
que significa que el grado de asociación entre las altitudes (Z) de la imagen GOOGLE 
EARTH con las altitudes de la IGN es alta y/o significativa; además la intersección tiene 
una desviación típica de 0.603 m, y se encuentran dentro de los limites de 84.186 m 
hasta los 86.548 m. 
Regresión de GOOa.E EARTH por IGN (R'=0.985) 
'OOOr--------------------------- ----- ------ -----~;_-·-
v 950 
:::1 
:!:: 
= 900 
.!!. 
:X 850 
~ 
~ 800 
~ 750 
C) 
o 700 
o 
C) 
650 
600+-----~--~-----+-----+----~----~--~ 
600 650 700 750 800 850 900 950 
IGN (altitud) 
Activas 1\/bdelo 
- lnt. de conf. (~dia 95%) -~--- - lnt. de conf. (Obs. 95%) 
Figura 15. Diagrama de dispersión y residuos estandarizados de los MET IGN Vs GE 
4.1.1.3. Comparación deiiGN con la imagen del SRTM 
La comparación entre ambos MET (IGN Vs imagen SRTM) descansa en 
la interpretación del gráfico cartesiano de regresión lineal de dispersión, el cálculo de 
su asociación espacial para lo cual es usual la aplicación del coeficiente de correlación 
78 
(BOHAM, 1996, GEUDTNER, 2002 y BAMLER, 1999), que definan los niveles de 
precisión y confiabilidad en los MET analizados, y finalmente el análisis de las 
diferencias de altitud en dos perfiles topográficos trazados en un área de fuertes 
pendientes. En función del grafico de dispersión entre ambos MET (Figura 16), en 
términos generales, se asume una alta correspondencia entre los datos de ambos MET 
(IGN Vs. SRTM), interpretándose que los datos y grupos de datos alejados de la 
tendencia linear provienen de sectores donde la carta nacional se encontraron vacios 
por problemas de densidad atmosférica, y variabilidad de inclinación y exposición de 
pendientes, así como también por el proceso sintético de corrección de la información 
original (ARACIL, 1986). Por ello que en la Figura 16 se muestra la gráfica de los 
residuos estandarizados, puesto que se distribuyen a una distribución Normal (0, 1), y 
valores que excedan fuera de estos rangos en valor absoluto, indican claramente que 
las celdas no se ajustan al modelo, en la figura se muestra que las celdas (altitud) se 
ajustan al modelo del comportamiento de altitud; además en el Cuadro 24 se muestra 
que el F calculado (2900983.944) es mayor que el F tabular, por lo tanto el modelo es 
altamente significativo, quiere decir que existe asociación entre las altitudes de la 
imagen SRTM con el IGN. La consistencia y robustez de los datos de altitud se 
demuestra en la relación linear positiva y alta correlación obtenida (0.986) (CARTER, 
1988). 
~Jadro 24. Tabla ANOVA y parámetros de la regresión de dispersión deiiGN Vs SRTM 
Fuente GDL Suma de los Media de los F Pr > F 
cuadrados cuadrado!" 
Modelo 1 2629032387.153 2629032387.153 2900983.944 < 0.0001 
Error 
Total 
corregido 
Fuente 
41985 38049133.301 
41986 2667081520.454 
Valor Desviación T 
ti pica 
Intersección -196.674 0,841 -233.724 
IGN 1.292 0,001 1703.228 
SRTM = -196.674450398656 + 1.29170218545127*1GN 
Fuente: Elaboración propia 
906.255 
Pr> ltl 
< 0.0001 
<0.0001 
Limite inferior 
(95%) 
-198.324 
1.290 
limite superior 
(95%) 
-195.025 
1.293 
1tJO 
1)00 
::¡;- 900 
::::11 
:!:: 
! 800 
::;¡: 
~ 700 en 
Regresión de SRTM por IGN (W=0.986) 
500+-----~--~r---~-----+-----r----~--~ 
600 650 700 750 800 850 900 950 
IGN (altitud) 
Activas --l'vbdelo 
lnt. de conf. (Media 95%) lnt. de conf. (Obs. 95%) 
79 
Figura 16. Diagrama de dispersión y residuos estandarizados de los MET IGN Vs SRTM 
En el Cuadro 24 se muestra que el t estadístico de la intersección tiene un 
valor de -233.724, que significa que el grado de asociación entre las altitudes (Z) de la 
imagen SRTM con las altitudes de la IGN es alta y/o significativa estadísticamente; 
además la intersección tiene una desviación típica de 0.841 m, y se encuentran dentro 
de los limites de -198.324 m hasta los -195.025 m, a una confianza del nivel estadístico 
de95%. 
4.1.2. Análisis de los MET a partir de áreas generadas por los 
interpoladores 
BOHAM (1996) y DECLERCQ (1996), menciona que una forma de 
analizar los interpoladores es mediante las diferencias de altitud en dos perfiles 
topográficos trazados en un área, en el Cuadro 25 y Figura 17 se muestran los 
resultados obtenidos para la imagen ASTER, con los interpoladores: IDW, Kriging, 
Natural Neighbor, Splines y TI N. 
Cuadro 25. Áreas con interpoladores elaborados a partir de la imagen ASTER 
ALTITUD 
(msnm) 
640-870 
iDW 
539.54 
870-1110 962.85 
1110-1300 1318.74 
1300-1510 1287.57 
1510-1810 668.79 
KRIGING 
547.77 
963.06 
1315.94 
1285.69 
665.04 
ASTER (Areas en Ha} 
NATURAL 
NEIGHBOR SPLINES TIN 
532.79 541.06 543.84 
960.41 
1312.22 
1287.74 
684.35 
964.37 959.16 
1314.08 1318.19 
1288.02 1285.93 
669.96 670.38 
SO: Desviación estándar; CV (%): Coeficiente de variación 
Fuente: Elaboración propia 
1400 
1200 
1000 
íi 800 
=-.. 
l!! 
~ 
600 
400 
200 
o 
CIIDW 
OKRIGING 
O NATURAL NEIGHBOR 
O SPLINES 
DTIN 
64~70 870-1110 1110-1300 
.AitltU<I(msnm) 
PROMEDIO 
(Ha) 
541.00 
961.97 
1315.83 
1286.99 
671.70 
1300-1510 
so 
(Ha) 
5.55 
2.12 
2.75 
1.09 
7.37 
1510-1810 
cv 
(%) 
80 
1.03 
0.22 
0.21 
0.08 
1.10 
Figura 17. Áreas con los interpoladores elaborados a partir de la imagen ASTER 
De acuerdo a los interpoladores de la imagen ASTER, las áreas 
generados por las respectivas altitudes, se muestra que desde los 1510 msnm- 1810 
msnm, muestran mayor coeficiente de variación {1.10%), seguidamente desde los 640 
msnm- 870 msnm, muestra un coeficiente de variación de 1.03%, las demás áreas 
generadas por diferentes altitudes están por debajo del CV de 1.0%, esto indica que 
cualquiera de los interpoladores muestran resultados confiables ya que se encuentran 
dentro de los parámetros recomendados por PIMENTEL {1996), no superando la 
variación del 5%. En el Cuadro 26 y Figura 18, se muestra las áreas generadas por los 
interpoladores en diferentes altitudes con la imagen Google earth. 
81 
Cuadro 26. Áreas con interpoladores elaborados a partir de la imagen Google earth 
GOOGLE EARTH (Área en Ha} 
ALTITUD !DW KRIGING NATURAL SPLINES TIN PROMEDIO so cv {msnm} NEIGHBOR {Ha} {Ha} {%} 
640-870 498.11 498.62 497.23 495.96 497.82 497.55 1.02 0.21 
870-1110 962.80 963.80 960.62 965.50 964.82 963.51 1.91 0.20 
1110-1300 1311.32 1308.21 1305.03 1313.98 1308.66 1309.44 3.38 0.26 
1300-1510 1364.70 1364.82 1369.24 1360.73 1366.24 1365.15 3.07 0.23 
1510-1810 640.57 642.06 645.38 641.33 639.96 641.86 2.12 0.33 
SO: Desviación estándar; CV (%): Coeficiente de variación 
Fuente: Elaboración propia 
De acuerdo a los interpoladores de la imagen Google earth, las áreas 
generados por las respectivas altitudes, se muestra que desde los 1510 msnm -1810 
msnm, muestran mayor coeficiente de variación (0.33%), seguidamente desde los 1110 
msnm - 1300 msnm, muestra un coeficiente de variación de 0.26%, las demás áreas 
generadas por diferentes altitudes están por debajo del CV de 0.5%, esto indica que 
cualquiera de los interpoladores muestran resultados confiables ya que se encuentran 
dentro de los parámetros recomendados por PIMENTEL (1996), no superando la 
variación deiS%. 
1600 
llliDW 
OKRIGING 
1400 O NATURAL NEIGHBOR 
O SPLINES 
CTlN 
1200 
1000 
! 
.. 
.a 800 
600 
400 
200 
o 
640-870 870-1110 1110-1300 
Altitud tmsnm) 
1300-1510 1510-1810 
Figura 18. Áreas con interpoladores elaborados a partir de la imagen Google earth 
82 
En el Cuadro 27 y Figura 19, se muestra las áreas generadas por los 
interpoladores en diferentes altitudes elaboradas a partir de la Carta Nacional (IGN). 
Cuadro 27. Áreas con interpoladores elaborados a partir de la carta Nacional (IGN) 
IGN (Area en Ha J 
.~LTITUD ;ow KRIGING NATURAL SPLINES TIN PROMEDIO so cv imsnm} NE!GHBOR • {Hal {Ha} {%} 
640-870 581.30 580.58 577.21 578.51 577.72 579.06 1.79 0.31 
870-1110 1060.54 1056.66 1055.49 1061.21 1054.99 1057.78 2.90 0.27 
1110-1300 1342.38 1347.57 1351.76 1349.18 1352.24 1348.62 3.98 0.30 
1300-1510 1267.05 1262.78 1255.54 1256.70 1260.08 1260.43 4.67 0.37 
1510-1810 526.24 529.91 537.50 531.90 532.48 531.61 4.10 0.77 
SO: Desviación estándar; CV (%): Coeficiente de variación 
Fuente: Elaboración propia 
De acuerdo a los interpoladores de la carta Nacional (IGN), las áreas 
generados por las respectivas altitudes, se muestra que desde los 1510 msnm -1810 
msnm, muestran mayor coeficiente de variación (0.77%), seguidamente desde los 1300 
msnm- 1510 msnm, muestra un coeficiente de variación de 0.37%, las demás áreas 
generadas por diferentes altitudes están por debajo del CV de 0.5%, esto indica que 
cualquiera de los interpoladores muestran resultados confiables ya que se encuentran 
dentro de los parámetros recomendados por PIMENTEL (1996), no superando la 
variación del 5%. 
1600 
1400 
1200 
1000 
J 800 
600 
400 
200 
o 
li!IDW 
CIKRIGING 
CJNATURALNEIGHBOR 
O SPLINES 
CITIN 
640-870 870-1110 1110-1300 
Altitud (msrm) 
130().1510 1510-1810 
Figura 19. Áreas con interpoladores elaborados a partir de la carta Nacional (IGN) 
83 
En el Cuadro 28 y Figura 20, se muestra el análisis de las áreas 
generadas por los interpoladores en diferentes altitudes elaboradas a partir de la 
imagen SRTM. 
Cúadro 28. Áreas con interpoladores elaborados a partir de la imagen SRTM 
SRTM (Area en Ha) 
ALTITUD 
(msnm} IDW KRIGING N~~~~ SPLINES Tltli 
640-870 487.13 487.48 
870-1110 972.54 975.91 
1110-1300 1320.95 1316.68 
1300-1510 1338.12 1338.64 
1510-1810 658.77 658.80 
482.12 
977.86 
1313.29 
1344.31 
659.91 
484.45 483.96 
979.33 979.67 
1315.88 1316.26 
1340.51 1341.58 
657.33 656.03 
SO: Desviación estándar; CV (%): Coeficiente de variación 
Fuente: Elaboración propia 
1600 
tliDW 
CKRIGING 
1400 O NATURAL NEIGHBOR 
O SPLINES 
DTIN 
1200 
1000 
"' ~ 800 
600 
400 
200 
o 
PROMEDIO 
{Ha) 
485.03 
977.06 
1316.61 
1340.63 
658.17 
840-870 870-1110 1110-1300 1300-1510 
Altitud (msnm) 
so 
(Ha) 
2.26 
2.93 
2.76 
2.49 
1.51 
1510-1810 
Figura 20. Áreas con interpoladores elaborados a partir de la imagen SRTM 
cv 
(%¡ 
0.47 
0.30 
0.21 
0.19 
0.23 
De acuerdo a los interpoladores de la imagen SRTM, las áreas generados 
por las respectivas altitudes, se muestra que desde los 640 msnm - 870 msnm, 
muestran mayor coeficiente de variación (0.47%), seguidamente desde los 870 msnm -
111 O msnm, muestra un coeficiente de variación de 0.30%, las demás áreas generadas 
por diferentes altitudes están por debajo del CV de 0.5%, esto indica que cualquiera de 
84 
los interpoladores muestran resultados confiables ya que se encuentran dentro de los 
parámetros recomendados por PIMENTEL (1996), no superando la variación del 5o/o. 
Realizando el análisis en la contrastación de las imágenes utilizadas con 
sus respectivos interpoladores se muestra el Cuadro 29 y la Figura 21, que fue 
realizado con la finalidad de verificar si entre las imágenes existe alto coeficiente de 
variación estadística, que también fue generado a partir de los coeficientes de variación 
de los interpoladores usados (IDW, Kriging, Splines (Mínima curvatura), Natural 
Neighbor y TI N). 
Cuadro 29. Áreas generadas a partir de diferentes interpoladores e imágenes 
ALTITUD 
.:nsnm) 
640-870 
870-1110 
1110-1300 
1300-1510 
1510-1810 
ASTER 
(Ha) 
541.00 
961.97 
1315.83 
1286.99 
671.70 
GOOGi..é 
EARTH 
í,Ha) 
497.55 
963.51 
1309.44 
1365.15 
641.86 
IGN 
(Ha) 
579.06 
1057.78 
1348.62 
1260.43 
531.61 
SRTM 
(Ha) 
485.03 
977.06 
1316.61 
1340.63 
658.17 
SO: Desviación estándar; CV (%): Coeficiente de vañación 
Fuente: Elaboración propia 
1600 
1400 aASTER 
IJGOOGLE EARTH 
OIGN 
1200 OSRTM 
1000 
-¡;; 
~ 
J 800 
600 
400 
200 
o 
.__ __ ___J 
640-870 870-1110 1110-1300 
Altitud (msnm) 
PROMEDIO 
(Ha) 
525.66 
990.08 
1322.63 
1313.30 
625.83 
1300-1510 
so 
(Ha) 
42.93 
45.64 
17.63 
48.04 
63.99 
1510-1810 
cv 
(%) 
8.17 
4.61 
1.33 
3.66 
10.23 
Figura 21. Áreas generadas a partir de diferentes interpoladores e imágenes 
85 
Los resultados muestran .que existe una variación significativa entre las 
imagines utilizadas (ASTER, Google earth, IGN, SRTM), teniendo un coeficiente de 
variación estadística general de 5.6 %, PIMENTEL (1996) y BANZATIO (1995), 
mencionan que cuando se supera el coeficiente de variación del 5% existe una 
diferencia significativa estadísticamente entre las variables usadas en el modelo. 
También se muestra en el Cuadro 131 que el mayor coeficiente se encuentra entre los 
rangos de altitud de 1510 msnm - 1810 msnm (10.23%), seguidamente por las 
altitudes de 640 msnm - 780 msnm con una variación estadística de 8.17 %, mientras 
que las áreas generadas por las demás altitudes se encuentran por debajo del 5%. 
4.1.3. Análisis de calidad del modelo de elevación de terreno (M El) 
4.1.3.1. A partir de la imagen ASTER 
En el Cuadro 30 se muestra las estadísticas descriptivas de las 
contrastaciones de las diferencias altitudinales generadas a partir del GPS como altitud 
real con respecto a las altitudes generadas por la imagen ASTER y sus respectivos 
interpoladores . 
. : ... adro 30. Estadísticas descriptivas de las altitudes (z..sumaaa- zreat)- ASTER 
Estadística IDW KRIGING NATURAL SPLINES TIN NEIGHBOR 
N" de observaciones 367.000 367.000 367.000 367.000 367.000 
Amplitud 56.585 56.610 55.340 59.823 59.579 
Media 3.498 3.776 4.549 3.554 4.955 
Varianza (n) 214.592 211.688 231.823 247.592 239.245 
Varianza (n-1) 215.486 212.577 232.867 248.615 240.524 
Desviación típica (n) 14.649 14.549 15.226 15.735 15.468 
Desviación típica (n-1) 14.679 14.580 15.260 15.768 15.509 
Coeficiente de variación 4.188 3.853 3.347 4.428 3.122 
Asimetría (Pearson) -0.319 -0.260 -0.174 -0.171 -0.273 
Asimetría (Fisher) -0.321 -0.262 -0.176 -0.172 -0.275 
Asimetría (Bowley) 0.297 0.312 0.280 0.127 0.208 
Error estándar de la media 0.946 0.943 1.022 1.011 1.131 
úesviación absoluta media 11.909 11.919 12.739 13.141 13.016 
Desviación absoluta mediana 9.492 10.930 13.297 13.155 13.566 
Fuente: Elaboración propia 
86 
Cuadro 31. Variación de la desviación estándar con distintos niveles de confianza 
IMAGEN ASTER 
INTERPOLADORES 
IDW 
KRIGING 
NATURAL NEIGHBOR 
SPLINES 
TIN 
Fuente: Elaboración propia 
a(m) 
14.67945408 
14.58002092 
15.25998333 
15.76754196 
15.50883409 
NIVEL DE CONFIANZA (m} 
95% 98% 99% 
1.85335005 2.19943481 2.43583150 
1.55208095 1.84190831 2.03987782 
2.00289277 2.37690234 2.63237336 
1.98251704 2.35272176 2.60559383 
2.21695203 2.63093389 2.91370839 
En cuanto a la distribución de deferencia de altitudes generadas por los 
interpoladores de la imagen ASTER en función de las altitudes reales, se muestra que 
todos tienen un coeficiente de variación mayor al 5 %, la cual PIMENTEL (1996) 
establece que cuando esta variación es mayor al 5%, los resultados difieren entre si, 
por lo tanto existe estadísticamente una diferencia altamente significativa, siendo no 
confiables, el menor coeficiente de variación lo tiene el interpolador TIN (312.2%) y el 
mayor CV lo tiene el interpolador SPLINES (442.8%) (Cuadro 132). 
En el Cuadro 31 se muestra que el interpolador KRIGING tiene una menor 
desviación estándar (14.58 m), por lo tanto el nivel de confianza también es 
relativamente bajo, mientras que el interpolador SPLINES tiene una mayor desviación 
estándar (15.76 m), estos valores altos indican que los resultados obtenidos por la 
imagen ASTER no son confiables. LEY (1986), U ZHILIN (1992) y MARTINEZ (2001) 
estableció que con 150 puntos tomados para la contrastación, la garantía de la 
precisión en los modelos obtenidos fluctúa en un 10% de la desviación estándar 
obtenida; posteriormente U (1991) demostró estadísticamente que la fiabilidad de 150 
puntos muestrales era un poco inferir a un 6%; esto quiere entonces que el modelo de 
elevación de terreno generado por la imagen ASTER tiene un alto error medio 
cuadrático (EMC). KNAP et al (1999), LANG (1999) y AGUILAR (2002), manifiesta que 
la imagen ASTER tienen errores de información, estos errores de información son 
productos de superficies con muy alta reflectancia como son las nubes, características 
87 
que distorsiona las características reales de la superficie, alterando inclusive otras 
características geomorfológicas; como Tingo María es una zona de alta precipitación 
superando los 3300 mm al año, por lo general parte de la cadena montañosa de la 
bella durmiente se ve afectada por las nubes, de esta manera alterando la información 
altitudinal de la superficie, a pesar que se genera una corrección atmosférica sobre el 
área, permanecen los errores para la generación de los modelos altitudinales 
(LEBERL, 1994, KHALSA et al., 2004 y PACHECO, 2003). 
Para visualizar la distribución de la diferencia altitudinal se ha generado 
un diagrama de caja, y un histograma de frecuencias como se puede ver en la Figura 
22 y 23. 
30T 
20 
1l 
o 
-1l 
-20 
-30 
T 
IDW 
KRIGING 
..,.. 
Diagrama de ca_i~ 
NA Tl..RAL NEIGHBOR 
SPLINES 
1 
_j_ ...L 
.... 
TIN 
Figura 22. Diagrama de caja de las altitudes (~ - Z""1) -ASTER 
En la Figura 23 se muestra que en mayor frecuencia de la diferencia 
altitudinal se encuentra entre los rangos de 3.0 m- 7.0 m, y siendo el interpolador TIN 
quien supera a los demás interpoladores en encontrarse en este rango diferencial 
(MARK, 1994), seguido por el interpolador NATURAL NEIGHBOR y finalmente se 
encuentra el interpolador IDW. Este análisis es importante porque permite establecer 
88 
que la mayor parte de la superficie del Parque Nacional Tingo María tiene una 
desviación estándar de 5. O m aproximadamente, lugar donde no ha sido afectado por 
la reflectancia de las nubes en la imagen ASTER, y la menor parte de la superficie es 
mayor a 5.0 m como desviación estándar, la cual ha sido afectada por la reflectancia de 
las nubes (MEJIA, 2006 y MORENO, 1999). 
'Histogramas 
200 --·- --·····---·· -- . ·----- ----¡·· ··-···--··----·-···----
140 
ca 
'ü 120 
e g¡ 1J() 
u 
2! 80 
LL. 
60 
40 
¡ 
20 
o~~~~~~~~~~~~~~~~ 
-30 -20 -'O o 1l 20 
-IDW -KRIGING 
NA n.RAL NEIGHBOR - SPUNES 
-TIN 
30 40 
Figura 23. Histograma de frecuencias de las altitudes (zestimada - zrea!) -ASTER 
En el Cuadro 32 se muestra el grado de correlación de las diferencias 
altitudinales con respecto a los interpoladores usados en el presente trabajo de 
investigación. Se muestra que el interpolador IDW tiene baja correlación con el 
interpolador SPLINES, de igual manera sucede con los interpoladores KRIGING, 
NATURAL NEIGHBOR y TIN. 
Cuadro 32. Matriz de correlación de Pearson de los interpoladores - ASTER 
Variables IDW KRIGING NATURAL SPLINES TIN NEIGHBOR 
IDW 1.000 0.976 0.880 0.845 0.890 
KRIGING 0.976 1.000 0.903 0.828 0.859 
NATURAL 0.880 0.903 1.000 0.798 0.879 NEIGHBOR 
SPLINES 0.845 0.828 0.798 1.000 0.829 
TIN 0.890 0.859 0.879 0.829 1.000 
Fuente: Elaboración propia 
89 
Mapa de las correiacíones 
KRIGING 
NATURALNEIGHBOR 
SPLINES 
TIN 
:;:¡: CJ ..... a: (1) 2 g 2 <{Q IJJ ¡::: 
º 
a: m 2 
:::I:X ;:¡ a: !;(~ IL :lo!: 00 2w 2 
Figura 24. Mapa de correlación entre los interpoladores -ASTER 
De acuerdo a la Figura 24 se muestra que por diferencia de colores el 
interpolador NATURAL NEIGHBOR con el interpolador SPLINES tienen baja 
correlación estadística (RIGON, 2001 y MURRAY, 1991), mientras que los demás 
interpoladores muestran una correlación estadística. 
4.1.3.2. A partir de la imagen de Google earth 
En el Cuadro 33 se muestra las estadísticas descriptivas de las 
contrastaciones de las diferencias altitudinales generadas a partir del GPS como altitud 
real con respecto a las altitudes generadas por la imagen del GOOGLE EARTH y sus 
respectivos interpoladores. En cuanto a la distribución de deferencia de altitudes 
generadas por los interpoladores de la imagen del GOOGLE EARTH en función de las 
altitudes reales, se muestra que todos tienen un coeficiente de variación mayor al 5 %, 
la cual PIMENTEL (1996) y KEVIN (2001), establece que cuando esta variación es 
mayor al 5%, los resultados difieren entre si, por lo tanto existe estadísticamente una 
diferencia altamente significativa, siendo no confiables, el menor coeficiente de 
90 
variación lo tiene el interpolador IDW (183.6%) y el mayor CV lo tiene el interpolador 
SPLINES (236.1%) (Cuadro 33). 
Cuadro 33. Estadísticas descriptivas de las altitudes {zestimada - zrea;) - GOOGLE EARTH 
Estadística IDW KRIGING NATURAL SPLINES TIN NEIGHBOR 
N° de observaciones 367.000 367.000 367.000 367.000 367.000 
Amplitud 54.318 56.686 56.076 56.792 55.054 
Media 6.187 5.708 5.892 5.503 6.805 
Varianza (n) 129.039 142.791 146.476 168.752 164.228 
Varianza (n-1) 129.588 143.396 147.130 169.482 165.092 
Desviación típica (n) 11.360 11.950 12.103 12.990 12.815 
Desviación típica (n-1) 11.384 11.975 12.130 13.019 12.849 
Coeficiente de variación 1.836 2.094 2.054 2.361 1.883 
Asimetría (Pearson) -0.239 -0.300 -0.343 -0.320 -0.485 
Asimetrla (Fisher) -0.241 -0.302 -0.346 -0.323 -0.488 
Asimetría (Bowley) 0.407 0.559 0.359 0.328 0.207 
Error estándar de la media 0.741 0.778 0.809 0.855 0.930 
Desviación absoluta media 9.000 9.525 9.660 10.074 10.43::S 
Desviación absoluta mediana 7.206 6.321 7;002 7:090 9.778 
Fuente: Elaboración propia 
Cuadro 34. Variación de la desviación estándar con distintos niveles de confianza 
IMAGEN GOOGLE EARTH NIVEL DE CONFIANZA (m) 
iNTERPOLADORES a (m) 95% 98% 99% 
IDW 11.3836657 1.4523865 1.7235974 1.9088508 
KRIGING 11.9748151 1.5245817 1.8092741 2.0037360 
NATURAL NEIGHBOR 12.1297262 1.5849509 1.8809162 2.0830783 
SPLINES 13.0185355 1.6752291 1.9880525 2.2017297 
TIN 12.8488200 1.8222276 2.1625007 2.3949277 
Fuente: Elaboración propia 
En el Cuadro 34 se muestra que el interpolador IDW tiene una menor 
desviación estándar {11.38 m), por lo tanto el nivel de confianza también es 
relativamente bajo, mientras que el interpolador SPLINES tiene una mayor desviación 
estándar {13.02 m), estos valores altos indican que tos resultados obtenidos por la 
imagen GOOGLE EARTH no son confiables. LEY (1986), TOUTIN (2001) y ELACHI 
{2004) estableció que con 150 puntos tomados para la contrastación, la garantía de la 
precisión en los modelos obtenidos fluctúa en un 10% de la desviación estándar 
obtenida; posteriormente U {1991) y VILCHEZ {2000) demostró estadísticamente que 
91 
la fiabilidad de 150 puntos muestrales era un poco inferir a un 6%; esto quiere entonces 
que el modelo de elevación de terreno generado por la imagen GOOGLE EARTH tiene 
un alto error medio cuadrático (EMC). KNAP et al (1999), XIAOJUN (2000) y CHENG 
(2002) manifiesta que la imagen GOOGLE EARTH tienen errores de información, estos 
errores de información son productos de superficies con muy alta reflectancia como 
son las nubes (PIONG, 2003), características que distorsiona las geoformas reales de 
la superficie (RABUS, 2003), alterando inclusive otras características geomorfológicas 
(STRAHLER, 1998); como Tingo María es una zona de alta precipitación superando los 
3300 mm al año, por lo general parte de la cadena rnontafiosa de la bella durmiente se 
ve afectada por las nubes (STANLEY, 1'975), de esta manera alterando la información 
altitudinal de la superficie, a pesar que se genera una corrección atmosférica sobre el 
área; permanecen los errores para la generación de los modelos altitudinales (KHALSA 
et al., 2004). 
Para visualizar la distribución de la diferencia altitudinal se ha generado 
un diagrama de caja, un diagrama de dispersión y un histograma de frecuencias como 
se puede ver en la Figura 25, 26. 
~T 
20 
o 
-1l 
-20 
• 
-30 
IDW 
Diagrama de cajas 
KRIGING 
+ 
o 
• 
o 
• 
NATmALNEIGHBOR 
SPLINES 
o 
1 
TIN 
Figura 25. Diagrama de caja de las altitudes (zestimada - zrea1) - Google earth 
92 
En la Figura 26 se muestra que en mayor frecuencia de la diferencia 
altitudinal se encuentra entre los rangos de 5.0 m - 8.0 m, y siendo el interpolador TIN 
quien supera a los demás interpoladores en encontrarse en este rango diferencial 
(MARK, 1994), seguido por el interpolador SPLINES y finalmente se encuentra el 
interpolador IDW y KRIGING. Este análisis es importante porque permite establecer 
que la mayor parte de la superficie del Parque Nacional Tingo María tiene una 
desviación estándar de 6.5 m aproximadamente, lugar donde no ha sido afectado por 
la reflectancia de las nubes en la imagen Google earth {USGS, 2000), y la menor parte 
de la superficie es mayor a 6.0 m como desviación estándar, la cual ha sido afectada 
por la reflectancia de las nubes. 
HistO{Jrama:;-
200 ,····--------- --·······---- -,-- ·--·-·-·----- ---------- ··-- ----··¡ 
1 
130 ¡ ! i ¡ ! 
13(1 ¡ 
1!! 140 1 ! ¡ 
~ '!20 j l 
e: 1 1 Gl 1JO 1 ::::1 ¡ u 
1!! 80 J 
u. 1 
60 1 i 
40 1 ¡ 
í ~ 20 ! 1 ! ,,e,...¡; .I'I . .n ..!!:1..,._ o 
--30 -20 -1J o 1J 20 30 40 
--IDW --KRIGING 
. -- NATURAL NEIGHBOR --SPLINES 
--TIN 
Figura 26. Histograma de frecuencias de las altitudes (zestimada - zrea? - Google earth 
En el Cuadro 35 se muestra el grado de correlación de las diferencias 
altitudinales con respecto a los interpoladores usados en el presente trabajo de 
investigación. Se muestra que el interpolador IDW tiene baja correlación con el 
interpolador SPLINES, de igual manera sucede con los interpoladores KRIGING, 
SPLINES y TIN. 
.. 
93 
Cuadro 35. Matriz de correlación de Pearson de los interpoladores - Google earth 
Variables IDW KRIGING NATURA ... SPLINES TIN NEIGHBOR 
iDW 1.000 0.806 0.815 0.599 0.791 
KRIGING 0.806 1.000 0.865 0.668 0.820 
NATURAL NEIGHBOR 0.815 0.865 1.000 0.629 0.871 
SPLINES 0.599 0.668 0.629 1.000 0.639 
TIN 0.791 0.820 0.871 0.639 1.000 
Fuente: Elaboración propia 
Mapa de las correlaciones 
IDW 
KRIGING 
NATURALNEIGHBOR 
SPLINES 
TIN 
~ e:; _,a: (J') 2 
º 
2 <(0 IU ¡::: 
ª 
a: m 2 
:;):J: ;:::¡ a: !;;:~ 0.. lo! (1) 2~ 
Figura 27. Mapa de correlación entre los interpoladores- Google earth 
De acuerdo a la Figura 27 se muestra que por diferencia de colores el 
interpolador IDW con el interpolador SPLINES tienen baja correlación estadística, así 
como el interpolador KRIGING con el interpolador SPLINES, mientras que los demás 
interpoladores muestran una correlación estadística. 
4.1.3.3. A partir de la Carta Nacional (IGN) 
En el Cuadro 36 se muestra las estadísticas descriptivas de las 
contrastaciones de las diferencias altitudinales generadas a partir del GPS como altitud 
real con respecto a las altitudes generadas por la imagen de la carta Nacional (IGN) y 
sus respectivos interpoladores. 
94 
Cuadro 36. Estadísticas descriptivas de las altitudes (zestimada - zrea') - IGN 
. . 
Estadística IDW KRIGING NATURAL SPLINES TIN NEIGHBOR 
Nó de observaciones 367.000 367.000 367.000 367.000 367.000 
Amplitud 52.532 54.574 51.349 56.238 53.400 
Media -1.317 -1.019 -1.802 -0.865 -1.357 
Varianza {n) 71.975 48.145 74.100 44.449 50.115 
Varianza {n-1) 72.173 48.278 74.320 44.573 50.278 
Desviación típica (n) 8.484 6.939 8.608 6.667 7.079 
Desviación típica {n-1) 8.495 6.948 8.621 6.676 7.091 
Coeficiente de variación -6.442 -6.807 -4.778 -7.706 -5.215 
Asimetría {Pearson) 0.327 0.616 0.336 0.270 0.794 
Asimetría (Fisher) 0.328 0.619 0.337 0.272 0.798 
Asimetría {Bowley) 0.022 0.067 -0.025 0.014 -0.167 
Error estándar de la media 0.446 0.364 0.468 0.352 0.404 
Desviación absoluta media 6.650 4.878 6.419 4.423 5.092 
Desviación absoluta mediana 5.617 3.328 4.652 3.041 3.773 
Fuente: Elaboración propia 
En cuanto a la distribución. de deferencia de altitudes generadas por los 
interpoladores de la Carta Nacional (IGN) en función de las altitudes reales, se muestra 
que todos tienen un coeficiente de variación mayor al 5 %, la cual PIMENTEL (1996) y 
FELICfSIMO (1994) establece que cuando esta variación es mayor al 5%, los 
resultados difieren entre si, por lo tanto existe estadísticamente una diferencia 
altamente significativa, siendo no confiables, el menor coeficiente de variación lo tiene 
el interpolador NATURAL NEIGHBOR (477.8%) y el mayor CV lo tiene el interpolador 
SPLINES (770.6%) (Cuadro 138). 
Cuadro 37. Variación de la desviación estándar con distintos niveles de confianza 
CARTA NACIONAL (IGN) NIVEL DE CONFIANZA (m) 
INTERPOLADORES a (m) 95% 98% 99% 
IDW 8.495494925 0.87395977 1.03715838 1.14863285 
KRIGING 6.948220388 0.71380398 0.84709595 0.93814237 
NATURAL NEIGHBOR 8.620885507 0.91771557 1.08908490 1.20614046 
SPLINES 6.676274156 0.68966627 0.81845088 0.90641852 
TIN 7.090729885 0.79190239 0.93977804 1.04078600 
Fuente: Elaboración propia 
En el Cuadro 37 se muestra que el interpolador KRIGING tiene una menor 
desviación estándar (6.95 m), por lo tanto el nivel de confianza también es 
95 
relativamente bajo, mientras que el interpolador NATURAL NEIGHBOR tiene una 
mayor desviación estándar (8.62 m), estos valores altos indican que los resultados 
obtenidos por la Carta Nacional (IGN) no son confiables. LEY (1986) y ENDRENY 
(2000) estableció que con 150 puntos tomados para la contrastación, la garantía de la 
precisión en los modelos obtenidos fluctúa en un 10% de la desviación estándar 
obtenida; posteriormente Ll (1991) y HUTCHINSON (2001) demostró estadísticamente 
que la fiabilidad de 150 puntos muestrales era un poco inferir a un 6%; esto quiere 
entonces que el modelo de elevación de terreno generado por la Carta Nacional tiene 
· un alto error medio cuadrático (EMC). 
Para visualizar la distribución de la diferencia altitudinal se ha generado 
un diagrama de caja, un diagrama de dispersión y un histograma de frecuencias como 
se puede ver en la Figura 28 y 29. 
Diagrama de ca.la; 
KRIGING 
30T )'¡( 
• ~ ll o o 
• 20 8 
• g 
tl 
o 
.1) 
-20 8 
• ~ .. 
-30 
IDW NATURAL NBGHBOR 
SPUNES 
JI( 
1 
X 
o 
o 
o 
~ 
11 
o 
o 
X 
)'¡( 
o 
• 8 
o 
TIN 
Figura 28. Diagrama de caja de las altitudes (zestimat!a - zrea') - IGN 
En la Figura 29 se muestra que en mayor frecuencia de la diferencia 
altitudinal se encuentra entre los rangos de- 5.0 m - 0.0 m, y siendo el interpolador TIN 
quien supera a los demás interpoladores en encontrarse en este rango diferencial, 
96 
seguido por el interpolador NATURAL NEIGHBOR y finalmente se encuentra el 
interpolador IDW y KRIGING. Este análisis es importante porque permite establecer 
que la mayor parte de la superficie del Parque Nacional Tingo María tiene una 
desviación estándar de - 2.5 m aproximadamente, lugar donde no ha sido afectado por 
la reflectancia en la imagen raster (materia prima para la elaboración de la carta 
nacional) (JARVIS, 2004 y JAUREGUI, 1998), y la menor parte de la superficie es 
mayor a- 6.0 m y a 0.0 m como desviación estándar, la cual ha sido afectada por la 
reflectancia de las nubes (KAMP, 2003). 
¡.!!! ¡g 
al 
::::¡ 
~ 
u. 
Histoprama> 
80 í~-~ ~- ~~ ~~ -~--·--~--~ -- ~~--T--~-- ~ ~-------- ~--------- ' 
70 
6C· 
50 
40 
30 1 
' 
20 
' 
' 
'Oj 
! 
o 
·30 ~20 ~1l 
----IDW 
i 
t 
t 
o 'O 20 
----KRIGING 
NATURALNE~BOR ----SPUNES 
----TIN 
30 40 
Figura 29. Histograma de frecuencias de las altitudes (z.estimada - zreal) - IGN 
' Cuadro 38. Matriz de correlación de Pearson de los interpoladores - IGN 
Variables IDW KRIGING NATURAL SPLINES TIN NEIGHBOR 
IDW 1.000 0.879 0.744 0.688 0.734 
KRIGING 0.879 1.000 0.787 0.733 0.823 
NATURAL 0.744 0.787 1.000 0.646 0.816 NEIGHBOR 
SPLINES 0.688 0.733 0.646 1.000 0.695 
TIN 0.734 0.823 0.816 0.695 1.000 
Fuente: Elaboración propia 
En el Cuadro 38 se muestra el grado de correlación de las diferencias 
altitudinales con respecto a los interpoladores usados en el presente trabajo de 
97 
investigación. Se muestra que el interpolador IOW tiene baja correlación con el 
interpolador SPLINES, de igual manera sucede con los interpoladores SPLINES con el 
TI N. 
Mapa de las correlaciones 
IDW 
KRIGING 
NATURALNEIGHBOR 
SPLINES 
TIN 
:;:¡: e:¡ ..JO: iJ) ;¡; 
º 
2 <CO Uf 1-a o: m 2 
iE :::¡:¡: :::¡ 1-CJ 0.. 
:lo<: <(- iJ) 2w 2 
Figura 30. Mapa de correlación entre los interpoladores - IGN 
De acuerdo a la Figura 30 se muestra que por diferencia de colores el 
interpolador IOW con el interpolador SPLINES tienen baja correlación estadística, así 
como el interpolador SPLINES con el interpolador TIN, mientras que los demás 
interpoladores muestran una correlación estadística. 
4.1.3.4. A partir de la imagen SRTM 
En el Cuadro 39 se muestra las estadísticas descriptivas de las 
contrastaciones de las diferencias altitudinales generadas a partir del GPS como altitud 
real con respecto a las altitudes generadas por la imagen del SRTM y con las altitudes 
respectivas de los interpoladores (IOW, KRIGING, NATURAL NEIGHBOR, SPLINES y 
TI N) usados en este trabajo de investigación. 
98 
Cuadro 39. Estadísticas descriptivas de las altitudes (zesumada - zrea') - SRTM 
Estadística IDW KRIGING NATURAL SPLINES TIN 
NEIGHBOR 
N° de observaciones 367.000 367.000 367.000 367.000 367.000 
Amplitud 57.218 57.038 57.383 56.321 56.370 
Media R802 9~154 10.074 10.084 10.995 
Varianza (n) 180.757 179.978 184.623 193.587 157.431 
Varianza (n-1) 181.533 180.738 185.454 194.371 158.230 
Desviación tlpica (n} 13.445 13.416 13.588 13.914 12.547 
Desviación típica (n-1) 13.473 13.444 13.618 13.942 12.579 
Coeficiente de variación 1.527 1.466 1.349 1.380 1.141 
Error estándar de la media 0.881 0.871 0.912 0.885 0.894 
Desviación absoluta media 11.256 11.097 11.121 11.471 10.202 
Desviación absoluta mediana 10.509 9.893 10.177 10.194 9.043 
Fuente: Elaboración propia 
En cuanto a la distribución de deferencia de· altitudes generadas por los 
interpoladores de la imagen del SRTM en función de las altitudes reales, se muestra 
que todos tienen un coeficiente de variación mayor al 5 %, la cual PIMENTEL (1996) y 
KAMP (2005) establece que cuando esta variación es mayor al 5%, los resultados 
difieren entre si, por lo tanto existe estadísticamente una diferencia altamente 
significativa, siendo no confiables, el menor coeficiente de variación lo tiene el 
interpolador TIN (114.1%), seguido por el interpolador NATURAL NEIGHBOR (134.9%) 
y el mayor CV lo tiene el interpolador IDW (152.7%) (Cuadro 39). 
Cuadro 40. Variación de la desviación estándar con distintos niveles de confianza 
JMEGEN SRTM 
INTERPOLADORES 
IDW 
KRIGING 
NATURAL NEIGHBOR 
SPLINES 
TIN 
Fuente: Elaboración propia 
o(m) 
13.47342743 
13.44387178 
13.61815704 
13.94168660 
12.57896301 
NIVEL DE CONFIANZA (m) 
95% 98% 99% 
1.72633959 2.04870708 2.26890346 
1.70801608 2.02696194 2.24482113 
1.78740092 2.12117069 2.34915550 
1.73518405 2.05920311 2.28052761 
1.75213803 2.07932299 2.30280998 
En el Cuadro 40 se muestra que el interpolador TIN tiene una menor 
desviación estándar (12.58 m), por lo tanto el nivel de confianza también es 
relativamente bajo, mientras que el interpolador SPLINES tiene una mayor desviación 
estándar (13.94 m), estos valores altos indican que los resultados obtenidos por la 
99 
imagen SRTM no son confiables. LEY (1986) y LEBERL (1983) estableció que con 150 
puntos tomados para la contrastación, la garantía de la precisión en los modelos 
obtenidos fluctúa en un 10% de la desviación estándar obtenida; posteriormente Ll 
(1991) demostró estadísticamente que la fiabilidad de 150 puntos muestrales era un 
poco inferir a un 6%; esto quiere entonces que el modelo de elevación de terreno 
generado por la imagen SRTM tiene un alto error medio cuadrático (EMC). Igualmente, 
RABUS et al. (2003) y RAUP (2000) determinan que debido al bajo ángulo de vista del 
SRTM (55°), ocurre una pérdida de datos y que a pesar del proceso de mosaico 
elaborado con los trayectos ascendentes y descendentes, con miras a disminuir los 
sectores de pérdida de datos, éstos se reducen mucho aunque no se corrigen 
completamente; como el Parque Nacional Tingo María es una zona de alta pendiente 
generada por la cadena montañosa de la bella durmiente, este se ve afectada, de esta 
manera alterando la información attitudinal de la superficie (KHALSA et al., 2004). Para 
visualizar la distribución de la diferencia altitudinal se ha generado un diagrama de 
caja, un diagrama de dispersión y un histograma de frecuencias como se puede ver en 
la Figura 31 y 32. 
Diagrama de ca.ia~ 
KRIGING SPLINE:; 
20 1 1 
+ + + + + 
o l. 
-'ll 
-20 
-30 
IDW NATURAL NEIGHBOR TIN 
Figura 31. Diagrama de caja de las altitudes ~a- zrea')- SRTM 
100 
En la Figura 32 se muestra que en mayor frecuencia de la diferencia 
altitudinal se encuentra entre los rangos de 8.0 m- 12.0 m, y siendo el interpolador TIN 
quien supera a los demás interpoladores en encontrarse en este rango diferencial, 
seguido por el interpolador IDW y finalmente se encuentra el interpolador KRIGING y 
SPLINES. Este análisis es importante porque permite establecer que la mayor parte de 
la superficie del Parque Nacional Tingo María tiene una desviación estándar de 10.0 m 
aproximadamente, lugar donde no ha sido afectado debido al bajo ángulo de vista del 
SRTM (55°) (RABUS, 2003 y RICHARDUS, 1993), donde ocurrió una pérdida de datos, 
y la menor parte de la superficie es mayor a 12.0 m como desviación estándar, la cual 
ha sido afectada por el bajo ángulo de vista del SRTM (55°). 
1 IG u 
e: 
Ql 
::::1 
u 
1!! 
u. 
130 
130 
14(. 
120 
-o o 
80 
60 
40 
20 
o : 
-30 
Histogramas 
·- ---~ . - ------·- ·- --- ¡- ----- ·--
t 
..... 
...........,.. ,¡;~ n_ -m~ 
-20 -1J o -o 20 30 
--IDW --KRIGING 
NA lURAL NBGHBOR --SRJNES 
--TIN 
¡ 
i 
; 
1 
i 
i 
' i 
1 
i 
¡ 
i 
40 
Figura 32. Histograma de frecuencias de las altitudes (zestimada - zrea~) - SRTM 
Cuadro 41. Matriz de correlación de Pearson de los interpoladores - SRTM 
Variables IDW KRIGING NATURAL SPLINES TIN 
IDW 1.000 0.908 
KRIGING 0.908 1.000 
NATURAL NEIGHBOR 0.795 0.886 
SPLINES 0.811 0.914 
TIN 0.765 0.853 
Fuente: Elaboración propia 
NEIGHBOR 
0.795 
0.886 
1.000 
0.901 
0.868 
0.811 
0.914 
0.901 
1.000 
0.839 
0.765 
0.853 
0.868 
0.839 
1.000 
101 
En el Cuadro 41 se muestra el grado de correlación de las diferencias 
altitudinales con respecto a los interpoladores usados en el presente trabajo de 
investigación. Se muestra que el interpolador IDW tiene baja correlación con el 
interpolador TI N, de igual manera sucede con los interpoladores IDW con el NATURAL 
NEIGHBOR, y el interpolador IDW con el SPLINES. 
Mapa de fas correlaciones 
KRIGING 
NATURALNEIGHBOR 
SPLINES 
TIN 
~ (!l _,a: (/) 2 
º 
2 <(Q IJJ ¡::: 
B a: m 2 
~ ::.::¡; :::; ~~ 0.. 
2!;!! 
(/) 
Figura 33. Mapa de correlación entre los interpoladores - SRTM 
De acuerdo a la Figura 33 se muestra que por diferencia de colores el 
interpolador IDW con el interpolador TIN tienen baja correlación estadística, así como 
el interpolador IDW con el interpolador NATURAL NEIGHBOR, mientras que los demás 
interpoladores muestran una correlación estadística. 
4.1.3.5. Análisis de correlación de las imágenes en estudio 
Como se puede notar en el Cuadro 42, entre las imágenes trabajadas, 
ninguno tiene una correlación estadística en función de los interpoladores, pero la 
mayor correlación que existe es la imagen SRTM interpolador TIN con la imagen del 
GOOGLE EARTH con el interpolador IDW (0.431); y el menor grado de correlación lo 
tiene la carta nacional (IGN) interpolador IDW, con la imagen ASTER interpolador 
KRIGING (0.101). 
102 
Cuadro 42. Matriz de correlación de Pearson de los interpoladores e imágenes 
IDW KRIGING NATURAL SPLINES TIN 
Variables (ASTER) (ASTER) NEIGHBOR (ASTER) (ASTER) 
{ASTER} 
IDW(ASTER) 1 0.976 0.880 0.845 0.890 
. KRIGING (ASTER) 0:976 1 0.903 0.828 0.859 
NATURAL NEIGHBOR (ASTER) 0.880 0.903 1 0.798 0.879 
SPLINES (ASTER) 0;845 0;828 0.798 1 0.829 
TIN (ASTER) 0.890 0.859 0.879 0.829 1 
IDW(GE) 0;262 0.256 0.280 0.302 0.283 
KRIGING (GE) 0.263 0.258 0.292 0.286 0.280 
NATURAL NEIGHBOR (GE) 0.260 0.259 0:304 0:300 0;284 
SPLINES (GE) 0.251 0.248 0.287 0.325 0.314 
TIN(GE) 0:212 0.197 0.230 0.259 0:252 
JDW(IGN) 0.112 0.101 0.121 0.111 0.103 
KRIGING (IGN) 0.143 0;137 0.165 0.131 0;122 
NATURAL NEIGHBOR (IGN) 0.182 0.179 0.232 0.157 0.148 
SPLINES (IGN) 0.151 0:136 0;144 0.155 0.141 
TIN (IGN) 0.208 0.204 0.236 0.195 0.181 
IDW(SRTM) 0.228 0.251 0.273 0.237 0.195 
KRIGING (SRTM) 0.300 0.320 0.332 0.300 0.269 
NATURAL NEIGHBOR (SRTM) 0.254 0.270 0;310 0:235 0:244 
SPLINES (SRTM) 0.270 0.286 0.312 0.257 0.243 
TIN ~SRTM} 0.270 0.287 0.295 0.250 0.265 
KRIGING NATURAL SPLINES TIN 
Variables IDW(GE) (GE) NEIGHBOR (GE) (GE) 
GE 
IDW(ASTER) 0.262 0.263 0;260 0;251 0.212 
KRIGING (ASTER) 0.256 0.258 0.259 0.248 0.197 
NATURAL NEIGHBOR (ASTER) 0.280 0.292 0:304 0.287 0.230 
SPLINES (ASTER) 0.302 0.286 0.300 0.325 0.259 
TIN(ASTER) 0283 0;280 0.284 0.314 0.252 
IDW(GE) 1 0.898 0.903 0.774 0.889 
KRIGING·(GE) 0:898 1 0.930 0.817 0.905 
NATURAL NEIGHBOR (GE) 0.903 0.930 1 0.793 0.933 
SPliNES (GE) 0.774 0.817 0.793 1 0.799 
TIN {GE)" 0.889 0.905 0.933 0.799 1 
IDW(IGN) 0.224 0.197 0.185 0;169 0.214 
KRIGING (IGN) 0.220 0.206 0.201 0.165 0.211 
NATURAL NEIGHBOR {IGN) 0:242 0.263 0.253 0.194 0.227 
SPLINES (IGN) 0.201 0.193 0.174 0.158 0.196 
TIN (IGN) 0:250 0.262 0:263 0.215 0.261 
IDW{SRTM) 0.377 0.335 0.381 0.279 0.356 
KRIGING {SRTM) 0.404 0.358 0.392 0.301 0.368 
NATURAL NEIGHBOR (SRTM) 0.410 0.368 0.404 0.305 0.377 
::>PUNES (SRTM) 0,386 0.351 0;373 0.269 0.348 
TIN !SRT~ 0.431 0.384 0.418 0.315 0.424 
KRIGING NATURAL SPLINES 
Variables IDW{IGN) (IGN) NEIGHBOR (IGN) TIN {IGN) 
IGN 
IDW(ASTER) 0.112 0.143 0.182 0.151 0.208 
KRIGING (ASTER) 0.101 0.137 0.179 0.136 0.204 
NATURAL NEIGHBOR {ASTER) 0.121 0.165 0.232 0.144 0.236 
SPLINES {ASTER} 0.111 0.131 0.157 0.155 0.195 
•'' 
103 
TIN (ASTER) 0.103 0.122 0.148 0.141 0.181 
IDW"(GE) 0:224 ·o:22o "0:242 0.201 0.250 
KRIGING (GE) 0.197 0.206 0.263 0.193 0.262 
NATURAL NE1GHBOR (GE) 0.185 0.201 0.253 0.174 0.263 
SPLINES (GE) 0.169 0.165 0.194 0.158 0.215 
TIN (GE) 0.214 0.211 0.227 0.196 0.261 
IDW(IGN) 1 0.879 0.744 0.688 0.734 
KRIGING (IGN) 0.879 1 0.787 0.733 0.823 
NATURAL NEIGHBOR (IGN) 0.744 0.787 1 0.646 0.816 
SPLINES (IGN) 0.688 0.733 0.646 1 0.695 
TIN (IGN) 0.734 0.823 0.816 0.695 1 
IDW(SRTM) 0.216 0:204 0.204 0.174 0.182 
KRIGING (SRTM) 0.218 0.206 0.210 0.196 0.198 
NATURAL NEIGHBOR (SRTM) 0.229 0.225 0.265 0:225 0.199 
SPLINES (SRTM) 0.216 0.216 0.219 0.231 0.198 
TIN!SRTM! 0.209 0.214 0.213 0.231 0.244 
IDW KRIGING NATURAL SPLINES 
Variables (SRTM) (SRTM) NEIGHBOR (SRTM) TIN (SRTM) 
(SRTM} 
IDW (ASTER) , 0.228 0.300 0.254 0.270 0.270 
KRIGING (ASTER) 0.251 0.320 0.270 0.286 0.287 
NATURAL NEIGHBOR (ASTER) 0.273 0.332 0.310 0.312 "0.295 
SPLINE$ (ASTER) 0.237 0.300 0.235 0.257 0.250 
TIN (ASTER) 0.195 0.269 0.244 0.243 0.265 
IDW(GE) 0.377 0.404 0.410 0.386 0.431 
KRIGING (GE) 0.335 0.358 0.368 0.351 0.384 
NATURAL NEIGHBOR (GE) 0.381 0.392 0.404 0.373 0.418 
SPLINES (GE) 0:279 0:301 0.305 0.269 0.315 
TIN (GE) 0.356 0.368 0.377 0.348 0.424 
lDW(IGN) 0.216 0.218 0.229 0.216 0.209 
KRIGING (IGN) 0.204 0.206 0.225 0.216 0.214 
NATURAL NEIGHBOR (IGN) 0.204 0.210 0.265 0.219 0.213 
SPLINES (IGN) 0.174 0.196 0.225 0.231 0.231 
TIN (IGN) 0.182 0.198 0.199 0.198 0.244 
IDW(SRTM) 1 0.908 0.795 0.811 0.765 
KRIGING (SRTM) 0.908 1 0.886 0.914 0.853 
NATURAL: NEIGHBOR (SRTM) 0.795 0.886 1 0.901 0.868 
SPLINES (SRTM) 0.811 0.914 0.901 1 0.839 
TIN (SRTM} 0.765 0.853 0.868 0.839 1 
Fuente: Elaboración propia 
De acuerdo a la Figura 34, se muestra que el grado de correlación entre 
las imágenes ASTER, GOOGLE EARTH, IGN y SRTM son bajos, pero de acuerdo a la 
coloración notamos que los interpoladores de las imágenes ASTER con la carta 
nacional (IGN), los interpoladores de la carta nacional (IGN) con la imagen GOOGLE 
EARTH, y parte de los interpoladores de la carta nacional (IGN) con la imagen SRTM, 
muestran la coloración más baja, indicando una correlación relativamente nula, y los 
104 
demás muestran una correlación media, mientras que los interpoladores entre las 
mismas imágenes muestran una correlación positiva, esto indica entonces que entre 
las imágenes existe una diferencia altamente significativa, por lo tanto la altitud que 
genera las imágenes varían entre sí, mientras que los interpoladores que generan las 
altitudes pero de una misma imagen no son significativas estadísticamente. 
Mapa de las correlaciones 
IDW(ASTERl 
.. ~~ .. ~~~~ .. ~~~~ 
KRIGING (ASTER¡ 
-.~~.-~-.~~.-~~~~ 
~ ...... ~~~~~~~4-+-+-~~-
NATURAL NEIGHBOR (ASTER) 
SPLINES (ASTER) 
~~~~~~~ .. ~~~~~· 
~~~~~~~~~-
TIN(ASTER) 
IDW(GE) 
~~~~~~~-4-+~ 
KRIGING (GE) 
NATURAL NEIGHBOR (GE) 
~~~~+-~~-.~· 
SPLINES (GE) 
-4-+-+-+-.~~~~~-
TIN(GE) 
~~~ .......... -4 
IDW(IGN) 
~!!ilii!I-....... ~~-4-
..... 
<( 
0:: 
:::> 
1-
<( 
z 
KRIGING OGN) 
............... ..¡ 
_... ......... ""'"' 
i!lo ........... ....r 
..... 
<( 
0:: 
:::> 
1-
<( 
z 
NATURAL NEIGHBOR (IGN) 
SPLINES (IGN) 
TIN(IGN) 
IDW(SRTM) 
KRIGING (SRTM) 
NATURAL NEIGHBOR (SRTM) 
SPLINES (SRTM) 
TIN(SRTM) 
Figura 34. Mapa de las correlaciones de las imágenes e interpoladores 
105 
4.2. Análisis de los parámetros morfométricos de las microcuencas del PNTM 
Los parámetros morfométrlcos fueron tomados a partir de la imagen 
ASTER, Carta Nacional (IGN), SRTM y del levantamiento topográfico, de las 
quebradas: Río Tres de Mayo, Río Colorado y Río Oro. 
4.2.1. Microcuenca Río Tres de Mayo 
Las magnitudes calculadas para los parámetros correspondientes a la 
variable escala de la cuenca, cuyas apreciaciones dependen precisamente de la escala 
de la base cartográfica utilizada para tales mediciones, en conjunto denotan un sistema 
hidrogeomorfológico de pequeñas dimensiones (Cuadro 43), que lo califican bajo la 
categoría de microcuenca o cuenca pequeña (GUEVARA y CARTAYA, 1991). La 
pequeña área por sí sola de esta microcuenca, supone menores tiempos de 
concentración de la escorrentía superficial y mayor susceptibilidad a experimentar 
crecidas con hidrogramas de picos pronunciados y corta duración (CARMONA, 2002). 
Este valor areal también denota que la superficie fuente de contribución a la 
escorrentía superficial es pequeña, y que en presencia de una tormenta de extensión 
considerable (FUENTES, 2003), toda el .área se activa y aporta agua, lo que favorece 
la generación de hidrogramas con las características arriba mencionadas. Además del 
área, los valores de ancho y longitud de la microcuenca (Cuadro 43) también sugieren 
un sistema de drenaje pequeño con mayor tendencia al crecimiento longitudinal que 
lateral, lo cual puede interpretarse como una respuesta a la predominancia de la 
erosión regresiva del curso principal de la quebrada Tres de Mayo, sobre el trabajo 
erosivo de los cursos de agua que drenan perpendicular y oblicuamente hacia ésta a lo 
largo de su canal, condicionado por una litología que ofrece poca resistencia a los 
procesos erosivos, el control de los sistemas de fracturas y la pendiente topográfica 
local de la vertiente este del Huallaga. Los valores del diámetro y del perímetro (Cuadro 
43) de la microcuenca también corroboran las pequeñas dimensiones de este sistema 
del PNTM. 
106 
Cuadro 43. Parámetros morfométricos de la microcuenca Río Tres de Mayc 
Variable Parámetros ASTER IGN SRTM CV(%) 
A (Km2) 50.453 51.263 50.504 0.894 
P (Km) 41.457 42.801 40.252 3.073 
Escala de la L(Km) 12.821 12.264 12.434 2.280 Mieroeuenea 
W(Km) 9.834 9.321 9.266 3.307 
D(Km) 8.015 8.079 8.019 0.447 
H (msnm) 2100.000 1900.000 2165.000 6.721 
h (msnm) 800.000 700.000 705.000 7.666 
Hmd(msnm) 1357.295 1334.355 1355.565 0.947 
Gradiente y forma del Hb(msnm) 1300.000 1200.000 1460.000 9.936 
relieve de la R 0.101 0.098 0.117 9.878 
mieroeuenca 
Smd(%) 33.459 30.192 40.870 15.704 
Sm(%) 9.147 10.951 9.341 10.092 
e 0.835 0.811 0.922 6.823 
Se 0.554 0.584 0.572 2.626 
Se 34.065 35.736 32.080 5.389 
Re 0.563 0.613 0.562 5.041 
Forma de la 
Rf 0.307 0.341 0.327 5.237 mieroeuenca 
la 1.304 1.316 1.342 1.479 
Km (mlkm2) 26.902 26.030 26.841 1.832 
Kc 1.634 1.674 1.586 . 2.699 
Lq,(Km) 5.585 5.680 5.844 2.295 
Ct(Km) 8.747 10.753 7.276 19.555 
Extensión de la red Dd(Km/Km2) 0.173 0.210 0.144 18.727 
de drenaje Te (min) 45.998 50.199 45.102 5.n8 
Le (Km) 2.485 2.642 3.004 9.820 
Cmc(Km2/Km) 5.768 4.767 6.941 18.677 
u 2.000 3.000 2.000 24.744 
N u 4.000 7.000 3.000 44.607 
Rb 1.333 3.500 1.500 57.112 
Lu(Km) 1.543 1.087 1.999 29.551 
Ltu(Km) 4.750 5.931 3.379 27.253 
Orden y magnitud de 
lmu(Km) 1.187 0.847 1.126 17.208 la red de drenaje 
Lmau(Km) 1.334 0.519 1.950 56.612 
RL 0.891 1.635 0.578 52.472 
Co (%) 3.651 3.473 3.638 2.768 
qs (Tn/año) 2.103 2.086 2.102 0.473 
CT (1/Km2") 0.079 0.137 0.059 43.661 
Fuente: Elaboración propia 
107 
Las alturas en el área están comprendidas desde los 735 msnm (altura 
mínima), con un coeficiente de variación de 7.7%, que corresponde a la cota en la que 
desemboca la quebrada Tres de Mayo directamente al Río Huallaga, encontrándose al 
sur del Parque Nacional Tingo María, y 2055 msnm (altura máxima), con un coeficiente 
de variación de 6. 7%, correspondiente a la cota en la que nace la quebrada Tres de 
Mayo, al suroeste del perímetro de la microcuenca Bella. La diferencia entre estas dos 
alturas extremas definen un relieve máximo de 1320 msnm, con un coeficiente de 
variación de 9.9%, que sugiere alturas y pendientes significativas favorables a la 
génesis y activación de procesos erosivos y de transporte de materiales. 
23001 
2100 
1900 
• e 
.. 
.5. 
• ;; ,. 
e 
.., 
'ª '~] ... " 
1300 
1100 
900 
700 
o 20 40 60 80 100 
Área acumulada(%) 
Figura 35. Altura de la microcuenca Tres de Mayo en función del área acumulada 
El valor obtenido de altura media {Cuadro 43) es 1349.072 msnm con un 
coeficiente de variación de 0.95%, significa que un 50% del área de la microcuenca 
posee alturas por encima de esta cota y un 50 % por debajo de ella. El incremento de 
la altura por encima del valor de la mediana es brusco y abrupto {sector montañoso) 
(Figura 35); por el contrario, el descenso en la altura por debajo de la mediana exhibe 
una pendiente más suave (sector de abanico aluvial), (Figura 35). Estos contrastes 
108 
altimétricos implican el predominio de procesos erosivos y de generación de 
precipitaciones asociadas al ascenso orográfico forzado de masas de aire por encima 
del valor de la altura mediana, y de procesos de transporte y depositación por debajo 
de ella (GREGORY y WALLING, 1973). 
El radio del relieve (Cuadro 43) indica que por cada kilómetro de longitud 
de la cuenca existe un incremento promedio en altura de 106 m, con un coeficiente de 
variación de 9.88%, lo cual es un valor significativo y de esperar para una microcuenca 
cuya mayor extensión se asienta sobre un relieve montañoso, por lo tanto este 
parámetro es un indicador del incremento de la pendiente a medida que se asciende 
en altura y, por ende, del potencial erosivo en la microcuenca. El valor obtenido de 
pendiente mediana (Cuadro 145) (34.84 %, con un coeficiente de variación de 15.7 %), 
indica que un 50 % del área de la mícrocuenca posee pendientes iguales y/o por 
encima de este valor y un 50 % por debajo de él. 
El incremento del valor de la pendiente media acumulada por encima del 
valor de la mediana es ligeramente más brusco y abrupto (sector montañoso), (Cuadro 
43), mientras que el descenso del valor de la pendiente media acumulada por debajo 
de la mediana exhibe una inclinación más suave (sector de abanico aluvial); pero en la 
parte más baja de la microcuenca Tres de Mayo, también muestra pendientes bruscos 
(Figura 35), asf como en la parte más alta de la microcuenca. Estos contrastes de 
valores de pendiente media acumulada al igual que el de altura, indican la 
predominancia de procesos erosivos por encima del valor de la pendiente mediana, y 
de transporte y depositación por debajo de ella (GUEVARA y CARTAYA, 1991). La 
presencia de mayores alturas y elevados valores de pendientes en la parte alta de la 
microcuenca, por encima de sus respectivos valores medianos, condicionan menores 
tiempos de concentración, asr como un mayor potencial erosivo y de arrastre de 
sedimentos. 
109 
En líneas generales, las pendientes topográficas en toda la microcuenca 
de la quebrada Tres de Mayo oscilan entre O% y 110 o/o (Figuras 36). En el tramo final 
del curso de la quebrada hacia su desembocadura, las pendientes están entre O % y 
10% correspondiéndose con una topografía plana ondulada a suave. En el valle de la 
quebrada las pendientes presentan valores entre 10% y 50%, correspondiéndose con 
topografías medianas a accidentadas, y en el resto del sector montañoso de la 
microcuenca las pendientes oscilan entre 50 o/o y 110 %, definiendo topografías 
accidentadas a muy fuertes. 
o 
~ 
" E
~ 60 
.!!! , 
.. 
E 
~ 
~ 40 
e 
:. 
20 
o 20 40 60 
Area acumulada(%) 
80 
Figura 36. Pendiente media de la microcuenca Tres de Mayo 
100 
La quebrada Tres de Mayo realiza un recorrido de 5.703 Km, con un 
coeficiente de variación de 2.3 %; mientras que el recorrido con el levantamiento 
topográfico de 6.691 Km, desde su naciente hasta su desembocadura, a lo largo del 
cual describe un perfil longitudinal que exhibe fuertes cambios de gradiente topográfico 
(Figura 37), arrojando una pendiente media de 9.81 %, con un coeficiente de variación 
de 10.1 %, y una pendiente media con levantamiento topográfico de 9.44 %; condición 
que refleja el control de la litología y del relieve en la morfología del mismo. La 
110 
pendiente media del perfil y el fuerte contraste de pendiente entre sus segmentos, son 
indicadores de la alta probabilidad de esta quebrada a experimentar crecidas con 
hidrogramas de caudales picos elevados y de corta duración, altas velocidades medias 
del flujo, mayor capacidad de transporte de m~teriales y menores tiempos de 
concentración (HENAO, 1998). 
1240 
1140 
'E 1040 
e 
.. 
~ 
"O 
" 
., 
., 940 
<( 
840 
740 
640 
o 1000 2000 3000 4000 6000 7000 
Distancia acumulada (m) 
Figura 37. Perfil longitudinal de la microcuenca Tres de Mayo 
Con relación al valor de concavidad (Cuadro 43) del perfil longitudinal de 
la quebrada Tres de Mayo, éste indica un avanzado estadio de incisión o erosión 
vertical del flujo de la quebrada (Figura 37), probablemente condicionado por el 
levantamiento tectónico del área y el consecuente rejuvenecimiento del relieve y la 
poca resistencia de la litología aflorante a los procesos erosivos (HORTON, 1995). La 
curva hipsométrica (Figura 38} obtenida refleja un área cuyo relieve se encuentra en un 
estadio erosiona! joven, por lo que su potencial morfodinámico para experimentar 
procesos erosivos y movimientos de masa en vertientes es muy alto (LEOPOLD, 
GORDON y MILLER, 1994}. La forma de la curva denuncia claramente una fuerte 
111 
influencia del componente tectónico en el levantamiento vertical del área como agente 
endógeno constructor de relieve, lo cual se traduce en el rejuvenecimiento de éste 
determinando un balance tectónico-erosiona! positivo (MONSALVE, 2000). 
x 
e:. 
., 
~ 
1ii 
e 
.. 
~ 
:¡¡; 
1 
O,l\ 1 
1 
0,41 
0,2 
0~--------~--------~----------~--------~--------~· 
o 0,2 0,4 • 0,6 
Area relativa (alA) 
0,8 
Figura 38. Curva hipsométrica de la microcuenca Tres de Mayo 
La expresión morfológica del trazado del perímetro de la microcuenca de 
la quebrada Tres de Mayo sobre la base cartográfica de análisis, evidencia la forma 
alargada del sistema con una orientación este-oeste y perpendicular al río Huallaga. El 
valor de elongación 0.57 con un coeficiente de variación de 2.63% (Cuadro 43) 
calculado indica que la microcuenca presenta una forma media alargada con tendencia 
a una configuración rectangular (LEOPOLD, GORDON y MILLER, 1994); además este 
valor es representativo de microcuencas emplazadas en relieves montañosos. Los 
valores del perímetro relativo de crenulación de 33.96 con un coeficiente de variación 
de 5.4%; y del radio de crenulación 0.58 con un coeficiente de variación de 5.04 % 
(Cuadro 43), también indican una tendencia de la forma hacia el alargamiento. El valor 
del factor de forma de la cuenca es relativamente bajo (0.325), con un coeficiente de 
112 
variación de 5.24%, lo que implica de igual manera una mediana tendencia al 
alargamiento (SMITH, 1978), y bajas probabilidades de experimentar frecuentes 
crecidas, debido a que su forma no permite exponer toda su superficie al radio de 
acción de una determinada tormenta (LEOPOLO, GORDON y MILLER, 1994). Sin 
embargo, estas afirmaciones son relativas, ya que ello depende del tamaño o extensión 
de la tormenta, de la duración e intensidad de la misma y de las magnitudes extremas 
del fenómeno, considerando que se trata de un sistema hidrogeomorfológico bastante 
pequeño (PASTRANA, 2003). El coeficiente de compasidad muestra un valor de 1.631, 
con un coeficiente de variación estadística de 2. 7 %, que define a la forma de la 
microcuenca como oval-oblonga a rectangular-oblonga (MONSALVE, 2000), lo que 
indica que la forma de ésta dista en gran medida de la circularidad, por lo que su 
probabilidad a experimentar crecidas frecuentes es baja (SENCIALES, 1998), y los . 
tiempos de concentración son mayores en comparación con otra cuenca de igual área 
pero de forma más circular (GARDINER, 1981). De cualquier modo, la probabilidad de 
que se presenten crecidas con hidrogramas de picos pronunciados y de corta duración 
es alta, aunado a las características del relieve ya discutidas (MAIDMENT, 1992). Por 
otro lado, la forma de la microcuenca según su índice de compasidad, tiende a producir 
hidrogramas de crecidas asimétricos (MONSALVE, 1981), es decir, con tiempo al pico 
desde e• inicio de la crecida mayor que el tiempo desde el pico a la recesión del 
hidrograma. El índice de alargamiento de la microcuenca Tres de Mayo 1.321, con un 
coeficiente de variación estadística de 1.48%, clasificándose como una microcuenca 
poco alargada; mientras que el coeficiente de masicividad es de 26.59 m/Km:z, con un 
coeficiente de variación estadística de 1.83%, clasificándose la microcuenca como una 
zona muy montañosa (PEREZ s/f. a; y VÉLEZ, slf.b.) 
La red de drenaje de la rnicrocuenca de la quebrada Tres de Mayo está 
constituida por cauces o corrientes de agua de corto recorrido y régimen intermitente 
113 
con una longitud total de 8.925 Km, con un coeficiente de variación estadística de 
19.6% que en conjunto muestran un patrón de drenaje de tipo subdendrítico (Figura 
38). La existencia de sistemas de fracturas (diaclasas y fallas) y los desniveles 
topográficos entre bloque tectónicos, también ejercen control en la disposición y 
distribución de las corrientes que conforman la red de drenaje (ORTIZ, 2004). El 
parámetro más importante en la definición de la extensión de un sistema de drenaje 
natural es su densidad que es 0.176 Km/Km2, con un coeficiente de variación de 
18. 7%, que para el caso que nos ocupa este valor es bajo (Cuadro 43), con una textura 
alta (HENAO, 1998). Entre los factores que la controlan en el área, el de mayor peso 
está representado por la baja susceptibilidad de la litología a los procesos erosivos y el 
fracturamiento del material. La densidad de drenaje media en esta área indica que la 
menor parte de la superficie de la microcuenca experimenta escorrentía concentrada, 
por lo que es de suponer una baja tasa de erodabilidad en toda su extensión, 
estabilidad morfogenética, gastos sólidos no significativos, hidrogramas de picos bajos 
y altos tiempos de concentración, condicionados por las características del relieve 
(pendiente), el tamaño de la micrc;>cuenca, y las características (extensión, intensidad y 
duración de las lluvias) de las tormentas que las puedan generar. El coeficiente de 
mantenimiento del canal muestra un valor de 5.825 Km2/Km, con un coeficiente de 
variación estadística de 18.7% medio a alto (Cuadro 43), lo que significa que por cada 
kilómetro de cauce existe un área de drenaje promedio de 5.825 Km2 , indicando la no 
prevalencia de la escorrentía concentrada sobre la escorrentía laminar (MÉNDEZ y 
MARCUCCI, 2005). La microcuenca de la quebrada Tres de Mayo corresponde a un 
sistema hidrogeomorfológico de orden 3, con un coeficiente de variación estadística de 
24.7% (Figura 39), siendo esta magnitud de cierta manera un indicador importante de 
la extensión y ramificación de la red de drenaje, considerando la pequeña superficie del 
sistema, así como de mediana probabilidad a experimentar crecidas con hidrogramas 
de picos significativos (HORTON, 1995). 
o 381000 384000 387000 o 390000 393000 396000 o o 
o CX) 
CD 
en 
,_ ., -· ··J --- ---- -·"'J.;.,.;;-- .ap..¡··.:.;.;.~-.-lo• .~~~~;~-:o-::·_4.\-_~-:;~·~=~::-._;.--;.~~·:··!<B""::':""::_-..~:-~---:::;=e=::-:!-:.-.~_-,.":._ ... ~._·>.ti' \ , 1 ' -~~ 
CX), N W+E 
S 
Microcuenca Bella 
o ¡ BELLAALTAe o 
o 
., 
CD 
en 
co 
~l l V .,.j :7' ~icrocuenca lf. ~ ~ 'res de Mayo 
o 
o 
~~ - 1 ., 
~ 
UNIVERSIDAD NACIONAL AGRARIA DE LA SELVA 
PARQUE NACIONAL TINGO MARIA 
MICROCUENCA TRES DE MAYO 
Ublcla6n 
Cludtd : Thgo Mlrl1 
Distrito : Mlrt1no Dlllrnaso Btr10n 
Provincia : LeonOio PlldQ 
Oepart1mento : Huénuco 
EllbotldO por: 
Luis E. Oré Cierto 
1cunnn 
ZONA 18L DATUM WGS 84 
ESCALA 1:60000 
Arel Perlmetro 
5074.00 Ha. 41503.00 m.l. 
Revludo por: FiCh•: 
lng. Luis Flores c. Mayo del2010 
~AAnnn 
Leyenda 
e centros poblados 
o Quebrada Tres de Mayo (LD 
--Camino lntemo del PNTM 
- Rlos Principales 
- Vlas de ccmunlcaclón 
-- ASTER (Rio Tres de Mayo) 
-- IGN (Rio Tres de Mayo) 
-- SRTM (Rio Tres de Mayo) 
8 ASTER (Microcuenca Tres de Mayo) IGN (Microcuenca Tres de Mayo) t .. ~ SRTM (Microcuenca Tres de Mayo) 
CPNTM 
~87000 390000 
Dist. Mariano Dámaso B. 
NUEVO SAN MARTIN8 
en 
co 
o 
o 
~ 
CD 
en 
co 
o 
o 
~ .. _,..-;_:_-·_ • .. ·.:-:-':.".'~ 1-~ 
393000 
~ 
o 
o 
~-----------------1---~~ .,
~ 
4.000 
Meters 
396000 
115 
la relación de bifurcación entre los distintos órdenes de corrientes de la 
red de drenaje es bastante uniforme en todo el sistema, con un valor de relación de 
bifurcación media de 2.11 (Figura 39), que señala mediana probabilidad de 
experimentar crecidas con caudales pico importantes (MONSAL VE, 2000). Para el 
caso de las relaciones de longitud y de área, en ambas el último valor de relación entre 
las corrientes de orden 1 y la corriente de orden 2 no se corresponde con los rangos de 
valores característicos. 
Los tiempos de concentración y las velocidades de flujo calculadas para la 
microcuenca del río Tres de Mayo, se muestran en el Cuadro 43. Según los resultados 
obtenidos, en la desembocadura del sistema se registra un tiempo de concentración de 
47.1 m in, con un coeficiente de variación estadística de 5.8 %, con una velocidad 
promedio del flujo de 2.018 m/seg. Los tiempos de concentración estimados, 
corroboran las afirmaciones que sobre este parámetro se realizaron, a partir del 
análisis de las características moñométricas de la microcuenca, a la vez que tales 
magnitudes tienen correspondencia con la moñología y la geometría del sistema 
hidrológico de interés en este estudio (VERSTAPPEN, 1983). El potencial de 
degradación especifica de la microcuenca Tres de Mayo es de 2.097 Tn/año, con un 
coeficiente de variación estadística de 0.47 %, perteneciendo a una degradación 
geológica natural (PASTRANA, 2003); 
4.2.2. Microcuenca Río Oro 
Las magnitudes calculadas para los parámetros correspondientes a las 
variables escala de la cuenca, cuyas apreciaciones dependen precisamente de la 
escala de la base cartográfica utilizada para tales mediciones, en conjunto denotan un 
sistema hidrogeomoñológico de pequeñas dimensiones (Cuadro 44), que lo califican 
bajo la categoría de microcuenca muy pequeña (GUEVARA y CARTA YA, 1991). 
116 
Cuadro 44. Parámetros morfométricos de la microcuenca Río ur:. 
Variable Parámetros ASTER IGN SRTM CV(%) 
A(Km2) 4.638 4.767 4.879 2.532 
Escala de la 
P (Km) 9.921 9.869 10.414 2.986 
Microcuenca L(Km) 3.715 3.377 4.003 8.484 
W(Km) 2.343 2.817 2.155 13.992 
D(Km) 2.430 2.464 2.492 1.267 
H (msnm) 1720.000 1680.000 1715.000 1.278 
h (msnm) 700.000 680.000 679.285 1.713 
Hmd(msnm) 1104.561 1120.076 1090.237 1.351 
Gradiente y forma Hb(msnm) 1020.000 1000.000 1035.715 1.757 
del relieve de la 
R 0.275 0.296 0.259 6.801 
microcuenca 
Smd(%) 46.376 48.687 44.878 4.114 
Sm(%) 11.003 14.288 11.014 15.646 
e 0.858 0.865 0.844 1.250 
Se 0.580 0.647 0.552 8.229 
Se 21.223 20.432 22.229 4.230 
Forma de la Re 
0.354 0.323 0.347 4.823 
· microcuenca Rt 0.336 0.418 0.304 16.639 
la 1.586 1.199 1.858 21.408 
Km (m/km2) 238.155 234.962 223.461 3.328 
Kc 1.290 1.266 1.320 2.113 
Lq,(Km) 3.270 3.174 3.454 4.305 
Ct(Km) 4.261 5.270 4.067 14.247 
Extensión de la red Dd(Km/Km2) 0.919 1.106 0.834 14.598 
de drenaje Te (min) 24.311 23.581 26.138 5.336 
Le (Km) 1.101 0.975 1.112 7.163 
Cmc(Km2/Km) 1.088 0.905 1.199 14.000 
u 2.000 2.000 2.000 0.000 
N u . 2.000 4.000 2.000 43.301 
Rb 2.000 4.000 2.000 43.301 
lu(Km) 1.026 1.307 0.933 17.878 
Orden y magnitud 4u(Km) 2.025 3.378 1.561 40.663 
de la red de drenaje lmu(Km) 1.012 0.844 0.780 13.630 
lmau(Km) 3.249 2.737 3.287 9.933 
RL 0.453 0.446 0.311 19.770 
Co(%) 26.306 26.317 24.363 4.385 
qs (Tnlaf\o) 2.597 2.597 2.581 0.365 
CT (1/Km2) 0.431 0.839 0.410 43.184 
Fuente: Elaboración propia 
... 
117 
El área (4.761 Km~) por sí sola de esta microcuenca, supone menores 
tiempos de concentración (24.67 min) de la escorrentía superficial y mayor 
susceptibilidad a experimentar crecidas con hidrogramas de picos pronunciados y corta 
duración (CARMONA, 2002). Este valor areal también denota que la superficie fuente 
de contribución a la escorrentía superficial es pequeña, y que en presencia de una 
tormenta de extensión considerable (FUENTES, 2003), toda el área se activa y aporta 
agua, lo que favorece la generación de hidrogramas con las características 
mencionadas anteriormente. Además del área, los valores de ancho (2.44 Km) y 
longitud (3.69 Km) de la microcuenca (Cuadro 44) también sugieren un sistema de 
drenaje pequeño con mayor tendencia al crecimiento longitudinal que lateral, lo cual 
puede interpretarse como una respuesta a la predominancia de la erosión regresiva del 
curso principal de la quebrada Río Oro, sobre el trabajo erosivo de los cursos· de agua 
que drenan perpendicular y oblicuamente hacia ésta a lo largo de su canal, 
condicionado por una litología que ofrece poca resistencia a los procesos erosivos, el 
control de los sistemas de fracturas y la pendiente topográfica local (46.65 %) de la 
vertiente este del Río Bella. Los valores del diámetro (2.46 Km) y del perímetro (10.07 
Km) (Cuadro 44) de la microcuenca también corroboran las pequeñas dimensiones de 
este sistema. 
Las alturas en el área están comprendidas desde los 686.43 msnm (altura 
mínima), con un coeficiente de variación de 1.71%, que corresponde a la cota en la 
que desemboca la quebrada Río Oro directamente al Río Bella, encontrándose al Norte 
del Parque Nacional Tingo Maria, y 1705 msnm (altura máxima), con un coeficiente de 
variación de 1.28%, correspondiente a la cota en la que nace la quebrada Río Oro, al 
sureste del perímetro de la microcuenca Tres de Mayo. La diferencia entre estas dos 
alturas extremas definen un relieve máximo de 1 018.57 msnm, con un coeficiente de 
118 
variación de 1.76%, que sugiere alturas y pendientes significativas favorables a la 
génesis y activación de procesos erosivos y de transporte de materiales. 
1700 l 
16tl~ 1 
;500 1 
\ 
§ 
14001 
¡¡¡ 1300 
.§. 
.. 
'¡¡ 
1200 E 
~ 
~ 1100 
1000 
~j 
800 
700 
o 20 40 60 80 100 
Área gumuJ:octa ('lo l 
Figura 40. Altura de la microcuenca .Río Oro en función del área acumulada 
El valor obtenido de altura media (Cuadro 44) es 1104.96 msnm con un 
coeficiente de variación de 1.35%, significa que un 50 % del área de la microcuenca 
posee alturas por encima de esta cota y un 50 % por debajo de ella. El incremento de 
la altura por encima del valor de la mediana es brusco y abrupto (sector montañoso) 
(Figura 40); por el contrario, el descenso en la altura por debajo de la mediana exhibe 
una pendiente más suave (sector de abanico aluvial), (Figura 40). Estos contrastes 
altimétricos implican el predominio de procesos erosivos naturales y de generación de 
precipitaciones asociadas al ascenso orográfico forzado de masas de aire por encima 
del valor de la altura mediana (1104.96 msnm), y de procesos de transporte y 
depositación por debajo de ella (GREGORY y WALLING, 1973). 
El radio del relieve (0.276) (Cuadro 44) indica que por cada kilómetro de 
longitud de la cuenca existe un incremento promedio en altura de 276 m, con un 
~ , .. 
119 
coeficiente de variación de 6.8 %, lo cual es un valor significativo y de esperar para una 
microcuenca cuya mayor extensión se asienta sobre un relieve montañoso, por lo tanto 
este parámetro es un indicador del incremento de la pendiente a medida que se 
asciende en altura y, por ende, del potencial erosivo en la microcuenca. El valor 
obtenido de pendiente mediana (Cuadro 44) (46.65 %, con un coeficiente de variación 
de 4.11 %), indica que un 50 % del área de la microcuenca posee pendientes iguales 
y/o por encima de este valor y un 50 % por debajo de él. 
El incremento del valor de la pendiente media acumulada por encima del 
valor de la mediana es ligeramente más brusco y abrupto'(sector montañoso), (Cuadro 
44), mientras que el descenso del valor de la pendiente media acumulada por debajo 
de la mediana exhibe una inclinación más suave (sector de abanico aluvial); pero en la 
parte más baja de la microcuenca Río Oro, también muestra pendientes ligeramente 
bruscos (Figura 40), así como en la parte más alta de la microcuenca. Estos contrastes 
de valores de pendiente media acumulada al igual que el de altura, indican la 
predominancia de procesos erosivos por encima del valor de la pendiente mediana, y 
de transporte y depositación por debajo de ella (GUEVARA y CARTAYA, 1991). La 
presencia de mayores alturas y elevados valores de pendientes en la parte alta de la 
microcuenca, por encima de sus respectivos valores medianos, condicionan menores 
tiempos de concentración, así como un mayor potencial erosivo y de arrastre de 
sedimentos. En lineas generales, las pendientes topográficas en toda la microcuenca 
de la quebrada Río Oro oscilan entre O% y 105 % (Figuras 41). En el tramo final del 
curso de la quebrada hacia su desem~ocadura, las pendientes están entre O % y 15 % 
correspondiéndose con una topografía plana ondulada a suave. En el valle de la 
quebrada las pendientes presentan valores entre 15 % y 55 %, correspondiéndose con 
topografías medianas a accidentadas, y en el resto del sector montañoso de la 
120 
microcuenca las pendientes oscilan entre 55 % y 105 %, definiendo topografías 
accidentadas a muy fuertes. 
~ 
.. 
-g 
:; 
E 
::r 
!;! 60 
.!!! 
'O 
.. 
E 
~ 
.!! 
'O 
~ 40 
20 
o 20 40 60 
Átea acumulada (% 1 
80 
Figura 41. Pendiente media de la microcuenca Río Oro 
100 
La quebrada Río Oro realiza un recorrido de 3.299 Km, con un coeficiente 
de variación de 4.305 %; mientras que el recorrido con el levantamiento topográfico fue 
de 4.688 Km, desde su naciente hasta su desembocadura, a lo largo del cual describe 
un perfil longitudinal que exhibe fuertes cambios de gradiente topográfico (Figura 42), 
arrojando una pendiente media de 12.102 %, con·un coeficiente de variación de 15.65 
%, y una pendiente media con levantamiento topográfico de 6.83 %; condición que 
refleja el control de la litología y del relieve en la morfología del mismo. 
La pendiente media del perfil y el fuerte contraste de pendiente entre sus 
segmentos, son indicadores de la alta probabilidad de esta quebrada va ha 
experimentar crecidas con hidrogramas de caudales de picos elevados y de corta 
121 
duración, altas velocidades medias del flujo, mayor capacidad de transporte de 
materiales y menores tiempos de concentración (HENAO, 1998). 
11501 
1100 i 
1050 
1000 
950 
e 
1: 
.. 
!§. 900 
.., 
" 
"' ~ 850 
800 
750 
700 
l ~zsRi\'. .-.-ZASTER 
--ZIGN 
650 +------,~-~--~-----.---~---,~-~--~---,---~ 
o 500 1000 1500 2000 2500 3000 3500 4000 4500 5000 
Distancia acumulada (m) 
Figura 42. Perfil longitudinal de la microcuenca Río Oro 
Con relación al valor de concavidad (Cuadro 146) del perfil longitudinal de 
la quebrada Río Oro, éste indica un avanzado estadio de incisión o erosión vertical del 
flujo de la quebrada (Figura 42), probablemente condicionado por el levantamiento 
tectónico del área y el consecuente rejuvenecimiento del relieve y la poca resistencia 
de la litología aflorante a los procesos erosivos (HORTON, 1995). 
La curva hipsométrica (Figura 43) obtenida refleja un área cuyo relieve se 
encuentra en un estadio erosiona! joven, por lo que su potencial morfodinámico para 
experimentar procesos erosivos y movimientos de masa en vertientes es muy alto 
(LEOPOLD, GORDON y MILLER, 1994). La forma de la curva denuncia claramente 
una fuerte influencia del componente tectónico en el levantamiento vertical del área 
como agente endógeno constructor de relieve, lo cual se traduce en el 
122 
rejuvenecimiento de éste determinando un balance tectónico-erosiona! positivo 
(MONSALVE, 2000). 
~ 
~ 
.. 
> ~ 
é 
E 
:1 
"" <(
0,8 i 
1 
1 
1 
0,6 ~ 
1 
0,4 
0.2 
o~--------~--------~--------~~--------~--------~--
0 0,2 0,4 0,6 
Área relativa (alA) 
0,8 
Figura 43. Curva hipsométrica de la microcuenca Río Oro 
La expresión morfológica del trazado del perímetro de la microcuenca de 
la quebrada Río Oro sobre la base cartográfica de análisis, evidencia la forma alargada 
del sistema con una orientación Norte-Sur y perpendicular al río Bella. El valor de 
elongación 0.59 con un coeficiente de variación de 8.23% (Cuadro 44) calculado indica 
que la microcuenca presenta una forma media alargada con tendencia a una 
configuración rectangular (LEOPOLD, GORDON y MILLER, 1994}; además este valor 
es representativo de microcuencas emplazadas en relieves montañosos. Los valores 
del perímetro relativo de crenulación de 21.29 con un coeficiente de variación de 
4.23%; y del radio de crenulación 0.341 con un coeficiente de variación de 4.82 % 
(Cuadro 44), también indican una tendencia de la forma hacia el alargamiento (SMITH, 
1978). El valor del factor de forma de la cuenca es relativamente bajo (0.353), con un 
coeficiente de variación de 16.63%, lo que implica de igual manera una mediana 
tendencia al alargamiento, y bajas probabilidades de experimentar frecuentes crecidas, 
123 
debido a que su forma· no permite exponer toda su superficie al radio de acción de una 
determinada tormenta {LEOPOLD, GORDON y MILLER, 1994). Sin embargo, estas 
afirmaciones son relativas, ya que ello depende del tamaño o extensión de la tormenta, 
de la duración e intensidad de la misma y de las magnitudes extremas del fenómeno, 
considerando que se trata de un sistema hidrogeomorfológico bastante pequeño 
(PASTRANA, 2003). El coeficiente de compasidad muestra un valor de 1.292, con un 
coeficiente de variación estadistica de 2.11 %, que define a la forma de la microcuenca 
como oval-oblonga a rectangular-oblonga {MONSALVE, 2000), lo que indica que la 
forma de ésta dista en gran medida de la circularidad, por .lo que su probabilidad a 
experimentar crecidas frecuentes es baja (SENCIALES, 1981 ), y los tiempos de 
concentración son mayores en comparación con otra cuenca de igual área pero de 
forma más circular (GARDINER, 1981). De cualquier modo, la probabilidad de que se 
presenten crecidas con hidrogramas de picos pronunciados y de corta duración es alta, 
aunado a las características del relieve ya discutidas. Por otro lado, la forma de la 
microcuenca según su índice de compasidad, tiende a producir hidrogramas de 
crecidas asimétricos (MONSALVE, 1981), es decir, con tiempo al pico desde el inicio 
de la crecida mayor que el tiempo desde el pico a la recesión del hidrograma. El índice 
de alargamiento de la microcuenca Rfo Oro es de 1.547, con un coeficiente de 
variación estadística de 21.41%, clasificándose como una microcuenca poco alargada; 
mientras que el coeficiente de masicividad es de 232.19 m/Km2, con un coeficiente de 
variación estadística de 3.33%, clasificándose la microcuenca como una zona muy 
montañosa {PÉREZ s/f. a; y VÉLEZ, s/f.b.). 
La red de drenaje de la microcuenca de la quebrada Río Oro está 
constituida por cauces o corrientes de agua de corto recorrido y régimen intermitente 
con una longitud total de 4.533 Km, con un coeficiente de variación estadística de 
14.25% que en conjunto muestran un patrón de drenaje de tipo subdendrítico (Figura 
' 
124 
43). la existencia de sistemas de fracturas (diaclasas y fallas) y los desniveles 
topográficos entre bloque tectónicos, también ejercen control en la disposición y 
distribución de las corrientes que conforman la red de drenaje (ORTIZ, 2004). El 
parámetro más importante en la definición de la extensión de un sistema de drenaje 
natural es su densidad que es 0.953 Km/Km¿, con un coeficiente de variación de 
14.59%, que para el caso que nos ocupa este valor es bajo (Cuadro 44), con una 
textura baja (HENAO, 1998). Entre los factores que la controlan en el área, el de mayor 
peso está representado por la baja susceptibilidad de la litologfa a los procesos 
erosivos y el fracturamiento del material. 
la densidad de drenaje media en esta área indica que la mayor parte de 
la superficie de la microcuenca no experimenta escorrentía concentrada, por lo que es 
de suponer una baja tasa de erodabilídad en toda su extensión, estabilidad 
morfogenética, gastos de sólidos no significativos, hidrogramas de picos bajos y altos 
tiempos de concentración, condicionados por las características del relieve (pendiente), 
el tamaño de la microcuenca, y las características (extensión, intensidad y duración de 
las lluvias) de las tormentas que las puedan generar. El coeficiente de mantenimiento 
del canal muestra un valor de 1.064 Km;¿/Km, con un coeficiente de variación 
estadistica de 14.0% medio a alto (Cuadro 44), lo que significa que por cada kilómetro 
de cauce existe un área de drenaje promedio de 1.064 Km2, indicando la no 
prevalencia de la escorrentía concentrada sobre la escorrentía laminar (MpNDEZ y 
MARCUCCI, 2005). la microcuenca de la quebrada Río Oro corresponde a un sistema 
hidrogeomorfológico de orden 2, con un coeficiente de variación estadística de 0.0% 
(Figura 44), siendo esta magnitud de cierta manera un indicador importante de la 
extensión y ramificación de la red de drenaje, considerando la pequeña superficie del 
sistema, así como de mediana probabilidad a experimentar crecidas con hidrogramas 
de picos significativos (HORTON, 1995). 
o 
o 
'1111' 
CD 
CD 
en 
co 
o 
·O 
. 
CD 
10 
CD 
en 
co 
o 
o 
co 
'1111' 
CD 
en 
= 
385600 386400 387200 388000 
N 
vv~~.~~~---/---~~~~~~~--~~~~------~=--~-----+---~~~--~~ 
S = 
Leyenda 
f) Centros poblados 
o Quebrada Río Oro (L T) 
-- Camino interno del PNlM 
-Ríos principales 
- Vías de comunicación 
-- SRTM (Río Oro) 
-- IGN (Río Oro) 
-- ASTER (Río Oro) 
c:J ASTER (Microcuenca Río Oro) 
c:J IGN (Microcuenca Río Oro) 
o SRTM (Microcuenca Río Oro) 
h.i·:IPNlM 
UNIVERSIDAD NACIONAL AGRARIA DE LA SELVA 
PARQUE NACIONAL TINGO MARIA 
MICROCUENCA RIO ORO 
ZONA 18l DATUM WGS 84 
:DigoMint. ESCALA 1:16000 
385600 386400 387200 388000 
o 
o 
o 
co 
CD 
en 
= 
o 
o 
'1111' 
CD 
CD 
en 
= 
o 
o 
CD 
11) 
CD 
en 
= 
126 
La relación de bifurcación entre los distintos órdenes de corrientes de la 
red de drenaje es bastante uniforme en todo el sistema, con un valor de relación de 
bifurcación media de 2.67 (Figura 44), que señala mediana . probabilidad de 
experimentar crecidas con caudales pico importantes (MONSALVE, 2000). Para el 
caso de las relaciones de longitud y de área, en ambas el último valor de relación entre 
las corrientes de orden 1 y la corriente de orden 2 no se corresponde con los rangos de 
valores característicos. 
Los tiempos de concentración y las velocidades de flujo calculadas para la 
microcuenca del río Oro, se muestran en el Cuadro 44. Según los resultados obtenidos, 
en la desembocadura del sistema se registra un tiempo de concentración de 24.68 min, 
con un coeficiente de variación estadística de 5.34 %, con una velocidad promedio del 
flujo de 2.228 m/seg. Los tiempos de concentración estimados, corroboran las 
afirmaciones que sobre este parámetro se realizaron, a partir del análisis de las 
características moñométricas de la microcuenca, a la vez que tales magnitudes tienen 
correspondencia con la moñología y la geometría del sistema hidrológico de interés en 
este estudio (VERSTAPPEN, 1983). El potencial de degradación especifica de la 
microcuenca Río Oro es de 2.592 Tn/año, con un coeficiente de variación estadística 
de 0.37 %, perteneciendo a una degradación geológica natural (PASTRANA, 2003). 
4.2.3. Microcuenca Río Colorado 
Las magnitudes calculadas para los parámetros correspondientes a la 
variable escala de la cuenca, cuyas apreciaciones dependen precisamente de la escala 
de la base cartográfica utilizada para tales mediciones, en conjunto denotan un sistema 
hidrogeomoñológico de pequeñas dimensiones (Cuadro 45), que lo califican bajo la 
categoría de microcuenca o cuenca muy pequeña (GUEVARA y CARTA YA, 1991) del 
Parque Nacional Tingo María. 
127 
Cuadro 45. Parámetros morfométricos de la microcuenca Río C01orac~ 
Variable Parámetros ASTER JGN SRTM cv (%) 
A(Km2) 2.931 2.165 2.526 15.085 
Escala de la 
P(Km) 7.471 t679 7.223 3.061 
Microcuenca L(Km) 2.552 2.476 2.500 ·1.534 
W(Km) 2.186 2.027 1.957 5.714 
D(Km) 1.932 1.660 1.793 7.564 
H (msnm) 1720.000 1680.000 1713.462 1.259 
h (msnm) 1040.000 1044.645 1076.763 1.900 
Hmd(msnm) 1273.400 1226.546 1268.068 2.042 
Gradiente y forma Hb(msnm) 680.000 635.355 636.699 3.903 
del relieve de la R 0.266 0.257 0.255 2.452 
microcuenca 
smd (%) 34.608 31.396 33.285 4.878 
Sm(%) 8.801 8.884 7.010 12.863 
e 0.905 0.879 0.912 1.935 
Se 0.671 0.594 0.636 6.063 
Se 19.040 27.232 20.652 19.454 
Forma de la Re 
0.086 0.064 0.085 15.796 
microcuenca R, 0.450 0.353 0.404 12.070 
la 1.167 1.222 1.278 4.524 
Km (mlkm2) 434.424 566.499 502.030 13.183 
Kc 1.222 1.461 1.272 9.568 
Lq,(Km) 1.504 1.590 1.357 7.944 
C1(Km) 1.941 2.412 1.632 19.699 
Extensión de la red Dd(Km/Km2) 0.662 1.114 0.646 32.907 
de drenaje Te (min) 10.044 11.529 9.017 12.384 
Lc(Km) 0.357 0.322 0.385 8.900 
Cmc (Km2/Km) 1.510 0.898 1.548 27.686 
u 2.000 2.000 2.000 0.000 
N u 2.000 2.000 2.000 0.000 
Rb 2.000 2.000 2.000 0.000 
Lu(Km) 0.638 0.824 0.642 15.162 
Orden y magnitud Ltu(Km) 1.072 1.730 0.890 35.934 
de la red de Lmu(Km) 0.536 
drenaje 0.865 0.445 35.934 
Lmau(Km) 1.405 1.547 1.187 13.146 
RL 0.617 1.270 0.600 46.083 
Co (%) 55.320 69.484 63.661 11.333 
qs (Tn/al'lo) 2.752 2.799 2.781 0.849 
CT (1/Km2) 0.682 0.924 0.792 15.124 
Fuente: Elaboración propia 
128 
La pequeña área (2.541 Km~) con un coeficiente de variación estadística 
de 15.1% por sf sola de esta microcuenca, supone menores tiempos de concentración 
(10.196 min, con un coeficiente de variación de 12.4%) de la escorrentía superficial y 
mayor susceptibilidad a experimentar crecidas con hidrogramas de picos pronunciados 
y corta duración (CARMONA, 2002). Este valor areal también denota que la superficie 
fuente de contribución a la escorrentfa superficial es pequeña, y que en presencia de 
una tormenta de extensión considerable (FUENTES, 2003), toda el área se activa y 
aporta agua, lo que favorece la generación de hidrogramas con las características 
arriba mencionadas. Además del área, los valores de ancho (2.057 Km) y longitud 
(2.51 Km) de la microcuenca (Cuadro 45) también sugiére_n un sistema de drenaje 
pequeño con mayor tendencia al crecimiento longitudinal que lateral, lo cual puede 
interpretarse como una respuesta a la predominancia de la erosión regresiva del curso 
principal de la quebrada Río Colorado, sobre el trabajo erosivo de los cursos de agua 
que drenan perpendicular y oblicuamente hacia ésta a lo largo de su canal, 
condicionado por una litología que ofrece poca resistencia a los procesos erosivos, el 
control de los sistemas de fracturas y la· pendiente topográfica local de la vertiente este 
del Río Santa. Los valores del diámetro (1.795 Km) y del perímetro (7.457 Km) (Cuadro 
147) de la microcuenca también corroboran las pequeñas dimensiones de este 
sistema.· Las alturas en el área están comprendidas desde los 1053.8 msnm (altura 
mínima), con un coeficiente de variación de 1.9%, que corresponde a la cota en la que 
desemboca la quebrada Río Colorado directamente al Río Santa, encontrándose al 
Oeste del Parque Nacional Tingo María, y 1704.5 msnm (altura máxima), con un 
coeficiente de variación de 1.3%, correspondiente a la cota en la que nace la quebrada 
Rfo Colorado, al noroeste del perímetro de la microcuenca Bella. La diferencia entre 
estas dos alturas definen un relieve máximo de 650.7 msnm, con un coeficiente de 
variación de 3.9%, que sugiere alturas y pendientes significativas favorables a la 
génesis y activación de procesos erosivos y de transporte de materiales. 
129 
1700 l 
1600 J 
1 
1500j 
~ 1 
!1! 
1400 i E. .. 
'6 
" E
.. 
~ 1300 
1200 
1100 
1000 
o 20 40 60 80 100 
Área acumulada (% l 
Figura 45. Altura de la microcuenca Río Colorado en función del área acumulada 
El valor obtenido de altura media (Cuadro 45) es 1256.005 msnm con un 
coeficiente de variación estadística de 2.04%, significa que un 50 % del área de la 
microcuenca posee alturas por encima de esta cota y un 50 % por debajo de ella. El 
incremento de la altura por encima del valor de la mediana es brusco y abrupto (sector 
montañoso) (Figura 45); por el contrario, el descenso en la altura por debajo de la 
mediana exhibe una pendiente más suave (sector de abanico aluvial), (Figura 45). 
Estos contrastes altimétricos implican el predominio de procesos erosivos y de 
generación de precipitaciones asociadas al ascenso orográfico forzado de masas de 
aire por encima del valor de la altura mediana, y de procesos de transporte y 
depositación por debajo de ella (GREGORY y WALLING, 1973). 
El radio del relieve (0.259) (Cuadro 45) indica que por cada kilómetro de 
longitud de la cuenca existe un incremento promedio en altura de 259 m, con un 
coeficiente de variación de 2.45%, lo cual es un valor significativo y de esperar para 
una microcuenca cuya mayor extensión se asienta sobre un relieve montañoso, por lo 
130 
tanto este parámetro és un indicador del incremento de la pendiente a medida que se 
asciende en altura y, por ende, del potencial erosivo en la microcuenca. El valor 
obtenido de pendiente mediana (Cuadro 45) (33.096 %, con un coeficiente de variación 
de 4.88 %), indica que un 50% del área de la microcuenca posee pendientes iguales 
y/o por encima de este valor y un 50 % por debajo de él. 
El incremento del valor de la pendiente media acumulada (33.096 %) por 
encima del valor de la mediana es ligeramente más brusco y abrupto (sector 
montañoso), (Cuadro 45), mientras que el descenso del valor de la pendiente media 
acumulada por debajo de la mediana exhibe una inclinación más suave (sector de 
abanico aluvial); pero en la parte más baja de la microcuenca Río Colorado, también 
muestra pendientes bruscos (Figura 45), asf como en la parte más alta de la 
microcuenca. Estos contrastes de valores de pendiente media acumulada al igual que 
el de altura, indican la predominancia de procesos erosivos por encima del valor de la 
pendiente mediana, y de transporte y depositación por debajo de ella (GUEVARA y 
CARTAYA, 1991). La presencia de mayores alturas y elevados valores de pendientes 
en la parte alta de la microcuenca, por encima de sus respectivos valores medianos, 
condicionan menores tiempos de concentración, así como un mayor potencial erosivo y 
de arrastre de sedimentos. En lineas generales, las pendientes topográficas en toda la 
microcuenca de la quebrada Tres de Mayo oscilan entre O % y 11 O % (Figura 46). En el 
tramo final del curso de la quebrada hacia su desembocadura, las pendientes están 
entre O % y 8 % correspondiéndose con una topografía plana ondulada a suave. En el 
valle de la quebrada Río Colorado las pendientes presentan valores entre 8 % y 40 %, 
correspondiéndose con topografras medianas a accidentadas, y en el resto del sector 
montañoso de la microcuenca Río Colorado las pendientes oscilan entre 40% y 110 %, 
definiendo topografías accidentadas a muy fuertes, que son características propias de 
la zona estudiada. 
1 
~ 80 J 
~ 
Jl! 
:S 
E 
:S 
~ 60 Jl! 
.., 
.. 
E 
~ 
.!! 
.., 
e 40 .. 
... 
o 20 40 60 
Area acumulada (% l 
80 
Figura 46. Pendiente media de la microcuenca Río Colorado 
131 
100 
La quebrada Río Colorado realiza un recorrido de 1.483 Km, con un 
coeficiente de variación de 7.9 %; mientras que el recorrido con el levantamiento 
topográfico de 2. 704 Km, desde su naciente hasta su desembocadura, a lo largo del 
cual describe un perfil longitudinal que exhibe fuertes cambios de gradiente topográfico 
(Figura 47), arrojando una pendiente media de 8.23 %, con un coeficiente de variación 
de 12.86 %, y una pendiente media con levantamiento topográfico de 10.64%; 
condición que refleja el control de la litología y del relieve en la morfología de la 
microcuenca Río Colorado. 
La pendiente media del perfil y el fuerte contraste de pendiente entre sus 
segmentos, son indicadores de la alta probabilidad de esta quebrada a experimentar 
crecidas con hidrogramas de caudales picos elevados y de corta duración, altas 
velocidades medias del flujo, mayor capacidad de transporte de materiales y menores 
tiempos de concentración (HENAO, 1998). 
1350 l 
1300 J 
1250 
'E 
e 
.. 
.§. 1200 , 
:o 
"' .. < 
1150 
1100 
1050 
1000 
o 
·~ZSRTM 
---+-- Z ASTER 
-+-ZIGN 
-+-ZREAL 
500 1000 1500 2000 2500 
Distancia acumulada (m) 
Figura 47. Perfil longitudinal de la microcuenca Río Colorado 
132 
i 
1 
3000 
Con relación al valor de concavidad (0.899) (Cuadro 45) del perfil 
longitudinal de la quebrada Río Colorado, éste indica un avanzado estadio de incisión o 
erosión vertical del flujo de la quebrada (Figura 47), probablemente condicionado por el 
levantamiento tectónico del área y el consecuente rejuvenecimiento del relieve y la 
poca resistencia de la litología aflorante a los procesos erosivos (HORTON, 1995). 
La curva hipsométrica (Figura 48) obtenida refleja un área cuyo relieve se. 
encuentra en un estadio erosiona! joven, por lo que su potencial morfodinámico para 
experimentar procesos erosivos y movimientos de masa en vertientes es muy alto 
(LEOPOLD, GORDON y MILLER, 1994). La forma de la curva denuncia claramente 
una fuerte influencia del componente tectónico en el levantamiento vertical del área 
como agente endógeno (propia de la zona estudiada) constructor de relieve, Jo cual se 
traduce en el rejuvenecimiento de éste determinando un balance tectónico-erosiona! 
positivo. 
133 
1 1 
l 
1.8 ~ ¡ 
1 
g 
:. 0,6 
.. 
~ 
1ü 
! 
1! 
::r 
~ 
0,4 
0,2 
0~--------~----------~--------~----------~--------_. 
o 0,2 0,4 0,6 0,8 
Árn relativa (alA) 
Figura 48. Curva hipsométrica de la microcuenca Río Colorado 
La expresión morfológica del trazado del perímetro de la microcuenca de 
la quebrada Río Colorado sobre la base cartográfica de análisis, evidencia la forma 
alargada del sistema con una orientación Norte-Sur y perpendicular al río Santa. El 
valor de elongación 0.634 con un coeficiente de variación de 6.06% (Cuadro 45) 
calculado indica que la microcuenca presenta una forma media alargada con tendencia 
a una configuración rectangular (LEOPOLD, GORDON y MILLER, 1994); además este 
valor es representativo de microcuencas emplazadas en relieves montañosos. Los 
valores del perímetro relativo de crenulación de 22.31 con un coeficiente de variación 
de 19.5%; y del radio de crenulación 0.078 con un coeficiente de variación de 15.79 o/o 
(Cuadro 45), también indican una tendencia de la forma hacia el alargamiento. El valor 
del factor de forma de la cuenca es relativamente bajo (0.402), con un coeficiente de 
variación de 12.07%, lo que implica de igual manera una mediana tendencia al 
alargamiento (SMITH, 1978), y bajas probabilidades de experimentar frecuentes 
crecidas, debido a que su forma no permite exponer toda su superficie al radio de 
134 
acción de una determinada tormenta {LEOPOLD, GORDON y MILLER, 1994). Sin 
embargo, estas afirmaciones son relativas, ya que ello depende del tamaño o extensión 
de la tormenta, de la duración e intensidad de la misma y de las magnitudes extremas 
del fenómeno, considerando que se trata de un sistema hidrogeomorfológico bastante 
pequeño (PASTRANA, 2003). 
El coeficiente de compasidad muestra un valor de 1.318, con un 
coeficiente de variación estadística de 9.6 %, que define a la forma de la microcuenca 
como oval-oblonga a rectangular-oblonga, lo que indica que la forma de ésta dista en 
gran medida de la circularidad, por lo que su probabilidad a experimentar crecidas 
frecuentes es baja, y los tiempos de concentración son mayores en comparación con 
otra cuenca de igual área pero de forma más circular {GARDINER, 1981). De cualquier 
modo, la probabilidad de que se presenten crecidas con hidrogramas de picos 
pronunciados y de corta duración es alta, aunado a las características del relieve ya 
discutidas (MAIDMENT, 1992). Por otro lado, la forma {0.402) de la microcuenca según 
su índice de compasidad, tiende a producir hidrogramas de crecidas. asimétricos 
(MONSALVE, 1981), es decir, con tiempo al pico desde el inicio de la crecida mayor 
que el tiempo desde el pico a la recesión del hidrograma. El indice de alargamiento de 
la microcuenca Río Colorado 1.222, con un coeficiente de variación estadística de 
4.52%, clasificándose como una microcuenca poco alargada; mientras que el 
coeficiente de masicividad es de 500.98 m/Km2, con un coeficiente de variación 
estadistica de 13.18%, clasificándose la microcuenca como una zona muy montañosa 
(PÉREZ s/f. a.; y VÉLEZ, s/f.b.). 
La red de drenaje de la microcuenca de la quebrada Río Colorado está 
constituida por cauces o corrientes de agua de corto recorrido y régimen intermitente 
con una longitud total de 1.995 Km, con un coeficiente de variación estadística de 
135 
19.7% que en conjunto muestran un patrón de drenaje de tipo subdendrítico (Figura 
48). La existencia de sistemas de fracturas (diaclasas y fallas) y Jos desniveles 
topográficos entre bloque tectónicos, también ejercen control en la disposición y 
distribución de las corrientes que conforman la red de drenaje (ORTIZ, 2004). El 
parámetro más importante en la definición de la extensión de un sistema de drenaje 
natural es su densidad que es 0.807 Km/Km", con un coeficiente de variación de 
32.91 %, que para el caso que nos ocupa este valor es bajo (Cuadro 45), con una 
textura alta (HENAO, 1998). Entre los factores que la controlan en el área, el de mayor 
peso está representado por la baja susceptibilidad de la litología a Jos procesos 
erosivos y el fracturamiento del material. La densidad de drenaje media en esta área 
indica que la menor parte de la superficie de la microcuenca experimenta escorrentía 
concentrada, por Jo que es de suponer una baja tasa de erodabilidad en toda su 
extensión, estabilidad morfogenética, gastos sólidos no significativos, hidrogramas de 
picos bajos y altos tiempos de concentración, condicionados por las características del 
relieve (pendiente), el tamaño de la microcuenca, y las características (extensión, 
' 
intensidad y duración de las lluvias) de las tormentas que las puedan generar. El 
coeficiente de mantenimiento del canal muestra un valor de 1.319 Km:!/Km, con un 
coeficiente de variación estadística de 27.7% medio a alto (Cuadro 45), lo que significa 
que por cada kilómetro de cauce existe un área de drenaje promedio de 1.319 Km2, 
indicando la no prevalencia de la escorrentía concentrada sobre la escorrentía laminar 
(MÉNDEZ y MARCUCCI, 2005). La microcuenca de la quebrada Río Colorado 
corresponde a un sistema hidrogeomorfológico de orden 2, con un coeficiente de 
variación estadistica de 0.0% (Figura 49), siendo esta magnitud de cierta manera un 
indicador importante de la extensión y ramificación de la red de drenaje, considerando 
la pequeña superficie del sistema, así como de mediana probabilidad a experimentar 
crecidas con hidrogramas de picos significativos (HORTON, 1995). 
e 
e 
385800 
W+E 
S 
Microcuenca Río Oro 
386400 387000 387600 
. :::::.-:~-:.::¡:_:,~~-:v~::-~~:::_o:._: .-.-;.:-::::·:-:::·:: ::-_: .... ;.::::: 
Dist. Mariano Dámaso B. 
: ,.._~.; :.-" · · ;.: ·:·.· ··r·~· ·::· · · ;·:.-:·· ··-· ·.· ·::_·: ;.·.-:· · :·-· ·.· ·:: · · ;.: 1:· · ··-· ... ·:: · · ;·: ·:· ·,:·-~ ''--:'" ··-1 
en 
CIO 
e 
e 
~ ~ .- ~ "'- o o_y .,. .. : U) ...-~ -.. 
en 
CIO 
e 
Microcuenca 
Río Colorado 
Ubk:lolón 
Ciudad :TingoMarla 
Leyenda 
o Quebrada Rlo Colorado (Ln 
-- Camino Interno del PNTM 
- Rlos prlnelpal$8 
-- SRTM (Rio Colorado) 
-- tGN (Rio Colorado) 
--ASTER (RIO Colorado) §ASTER (Microcuenca Rlo Colorado) IGN (Microcuenca Rlo Colorado) SRTM (Microcuenca Rlo Colorado) 
Diltrllo : Marllno Dl.muo Btf'lilln Perlmetro 
Pfovlncll :LeonoiOPrtdo -··~"""w'"~""~ 7457.00 m.l.' .• 254.10 Ha. 
Reviqdo por: Fecht: , • .' 
lng. •uls Flores C. Mayo del2010 :·:: 
··• '• • ...... -_,_, •o,-;:o"'.,'.;·.:-,•,;..~,· .. •:'"o: 
~ ..J ...... ~ ~ r¡~g,:.-:-:.~s 
~ 
CIO 
~icrocuenca Tres de 110 220 440 660 880 ~ Meters 
385800 386400 387000 387600 
e 
e 
: 
en 
CIO 
8 
N 
~ 
en 
CIO 
e 
e 
U) 
M 
U) 
en 
CIO 
•" 
137 
La relación ·de bifurcación entre los distintos órdenes de corrientes de la 
red de drenaje es bastante uniforme en todo el sistema, con un valor de relación de 
bifurcación media de 2.00 {Figura 49), que señala mediana probabilidad de 
experimentar crecidas <:en caudales pico importantes (MONSALVE, 2000). Para el 
caso de las relaciones de longitud y de área, en ambas el último valor de relación entre 
las corrientes de orden 1 y la corriente de orden 2 no se corresponde con los rangos de 
valores característicos. 
Los tiempos de concentración y las velocidades de flujo calculadas para la 
microcuenca del río Colorado, se muestran en el Cuadro 45. Según los resultados 
obtenidos, en la desembocadura del sistema se registra un tiempo de concentración de 
10.196 min, con un coeficiente de variación estadística de 12.38 %, con una velocidad 
promedio del flujo de 2.424 m/seg. Los tiempos de concentración estimados, 
corroboran las afirmaciones que sobre este parámetro se realizaron, a partir del 
análisis de las características moñométricas de la microcuenca, a la vez que tales 
magnitudes tienen correspondencia con la moñología y la geometría del sistema 
hidrológico de interés en este estudio {VERSTAPPEN, 1983). 
· El potencial de degradación especifica de la microcuenca Río Colorado es 
de 2. 778 Tn/año, con un coeficiente de variación estadística de 0.85 %, perteneciendo 
a una degradación geológica natural (PASTRANA, 2003). 
4.3. Análisis fisiográfico del Parque Nacional Tingo María 
De acuerdo a la interpretación de imagen satelital, el modelo de elevación 
de terreno (MET), trabajo de campo, y de acuerdo a la interpolación del área de estudio 
se obtuvo el Cuadro 46 y Figura 50 y 51, la cual muestra la zonificación del Parque 
Nacional Tingo Maria con sus respectivas áreas. 
138 
Cuadro 46. Leyenda fisiográfica de la zona del PNTM 
Zonificación Símbolo Área (ha) Porcentaje (%) 
Montaña denudacionat Mdfd 2.762 0.058. fuertemente disectada 
Montaña denudacional 
• Mdmd 238.793 4.998 moderadamente disectada 
Montaña sedimentario fuertemente Msfd 2334.319 48.861 disectada 
Montaña sedimentario ligeramente Msld 1401.019 29.325 disectado 
Montaña sedimentario Msmd 709.734 14.856 
moderadamente disectada 
Terraza baja Tb 0.082 0.002 
Terraza media Tm 3.314 0.069 
Terraza media denudacional lmd 8.808 0.184 
Terraza media ondulada Tmo 45.047 0.943 
Valle intercolinoso Vi 27.372 0.573 
RIO Río 6.248 o~t31 
IOTAL 4777.498 100.000 
Fuente: Elaboración propia 
En la zona del Parque Nacional Tingo María, el elemento de paisaje de 
mayor área es la montaña sedimentario fuertemente disectado (48.86%) con un área 
de 2334.3 Ha, seguido por la montaña sedimentario ligeramente disectado (29.3%) con 
un área de 1401.02 Ha, y el elemento de paisaje de menor área es la terraza baja 
(0.002 %) con un área de 0.082 Ha, seguido por el elemento de paisaje de la montaña 
denudacional fuertemente disectada (0.058%) con un área de 2.76 Ha. 
El Parque Nacional Tingo María, por ser un Area Natural Protegida, sus 
características fisiográficas están muy relacionadas con las montañas, y por el hecho 
de tener pendientes muy fuertes de 50 a 90 %, compensa a tener rocas calcareas 
139 
sedimentarias, que es una característica común en montañas de fuertes pendientes 
(INRENA - ANPTM, 2002). 
60 
50 48.860 
n 
40 
....... 
~ 29.325 o 
........ 30 
Q) 
'(lj' 
e: 
Q) 20 e 
o 14.855 
a.. ~ 10 4.998 0.002 0.069 0.184 0.942 0.572 0.130 ...r.:::! .,.. 
~o ~~o ~;¡¡.o ~C1)1' ~'Q ~<S' A...# A... <S-o --S- ~o ~~ 
Figura 50. Porcentaje de elementos de paisaje del PNTM 
En la Figura 51 se muestra el mapa de interpretación del Parque Nacional 
Tingo María, donde la cadena de montaña que corresponde a la formación de la Bella 
Durmiente, de acuerdo a la interpretación fisiográfica le confiere al elemento 
paisajístico de montaña sedimentaria fuertemente, medianamente y ligeramente 
disectado (PLAN MAESTRO, 2002). 
De acuerdo al Cuadro 47, se puede observar el error en área de cada 
estrato, exclusivamente de la interpretación de la imagen satelital y del modelo de 
elevación de terreno generado; en el caso de la montaña denudacional fuertemente 
disectada, el error de 13.179% es relativamente bajo, esto se debe a que esta zona es 
relativamente fácil diferenciable o identificable, así como también sucede en el estrato 
~···· 
140 
de montaña sedimentaria fuertemente disectada (5.301 %), montaña sedimentaria 
ligeramente disectado (5.086 %), montaña sedimentario moderadamente disectado 
(11.664 %) y la montaña denudacional moderadamente disectado (20.492 %) 
• (MELLE U X, 1982). 
Cuadro 47. Cálculo del error en área de cada estrato 
Zonificación Símbolo S(ai)Pe(%) Área Corregida {ha) 
Montaña denudacional Mdfd 13.179 52.428 fuertemente disectada 
Montaña denudacional Mdmd 20.492 384.071 
moderadamente disectada 
Montaña sedimentario fuertemente Msfd 5.301 1950.093 disectada 
Montaña sedimentario ligeramente Msld 5.086 1529.198 disectado 
Montaña sedimentario Msmd 11.664 711.691 
moderadamente disectada 
Terraza baja Tb 27.507 59.210 
Terraza media Tm 232.855 3.169 
Terraza media denudacional Tmd 121.581 8.450 
Terraza media ondulada · Tmo 37.867 39.902 
Valle intercolinoso Vi 30.598 33.034 
R(O Río o~ooo 6~248 
TOTAL 4777.498 
S(aj)Pe(%) : Error de interpretación en % 
Fuente : Elaboración propia 
Sin embargo la terraza baja (27.507 %), terraza media (232.855 %), 
terraza media denudacional (121.581 %), terraza media ondulada (37.867 %) y· el valle 
intercolinoso (30.598 %), muestran errores de interpretación muy altas; la identificación 
se complica algo cuando los parámetros tienen dos características definidas (pequeñas 
áreas y parcelas de verificación) (MELLEUX, 1982). 
o 
o 
o 
N 
CD 
Q) 
00 
o 
'O 
o 
o 
CD 
Q) 
00 
386000 388000 
Leyenda 
O Montaña denudacional fuertemente disectada (Mdfd) 
llliiiiiJ Montaña denudacional moderadamente disectada (Mdmd) 
O Montaña sedimentaria fuertemente diseclada (Msfd) 
O Montaña sedimentaria ligeramente disectada (Msld) 
O Montaña sedimentaria moderadamente disectada(Msmd) 
c::JRio 
O Terrasa baja (lb) 
lrl.fl!fííJ Terrasa media (Tm) 
O Terrasa media denudacional (Tmd) 
O Terrasa media ondulada (Tmo) 
- Valle intercolinoso (Vi) CJ Perimetro del PNTM 
386000 388000 
390000 
390000 
392000 
Dist. Mañano Dámaso Beraún 
o 
o 
o 
00 
CD 
Q) 
00 
o 
o 
o 
\-----------------~CD 
392000 
CD 
Q) 
00 
142 
4.4. Análisis del potencial maderable del PNTM 
4.4.1. Composición florística 
En el Cuadro 48 y Figura 52, se presenta la composición florrstica de las 
especies forestales del bosque del PNTM que arrojaron una densidad de 540 
individuos pertenecientes a 101 especies, la cual está representada por 61 individuos 
de la especie Chimicua, seguido por 60 individuos de la especie Cumala, y 8 individuos 
de la especie cedro huasca; y en menor proporción está representada por 48 especies 
con una solo individuos, asi como: alcanfor moena, anonilla, bolaina, caimitillo, 
catahua, catahua amarilla, estoraque, favorito, huimba blanca, etc. Así mismo 
MOSTACERO et al. (1996), menciona que el Perú, en relación a otros países 
latinoamericanos y del mundo es uno de los que posee la mayor diversidad de 
especies de flora silvestre. 
Cuadro 48. Composición florística del Parque Nacional Tingo Mana 
filO Nombre Vulgar Nombre cientlfico Abundancia 
1 Chimicua Pseudolmedia faevis (R. et P.) Macbride 61 
2 Cuma la Virola pavonis (A. OC . .) A .. C. Smith 60 
3 Shimbillo fnga sp. 37 
4 Moena amarilla Nectandra globosa (Aubl.) Mez 30 
5 Requia Guarea multiflora A. Juss. 22 
6 Manchinga Brosimum alicastrum Swartz 21 
7 lshanga Urera sp. 20 
8 Re naco Ficussp. 1.8' 
9 Espintana Guatteria citriodora Ducke 16 
1.0 Clusia Clw~ia sp. 15 
11 Moena negra Aniba perutilis Hemsley 15 . 
12_ Shimbillo blanco lngasp. 14 
13 Yanavarilla Oliganthes sp. 13 
1.4 Cedro huasca Cedre.fa sp. 8_ 
15 Cumala colorada lryanthera sp. 8 
16 lcoja Unonopsis floribunda Diels 7 
17 lsmamoena Endlicheria wiffiamsii O. C. Schmidt 7 
18 Quillobordon Aspidosperma vargasii A. DC. 7 
19 Azucar huayo Hymenaea obfongifolia Huber 6 
20 N.N 6. 
21 Palo azufre Symphonia globulifera L. f. 6 
22 Sacha uvilla Pourouma sp. 6. 
23 Tulpay Clarisia racemosa R. et P. 6 
24 Anacaspi Aputeia molaris Spruce ex Benth. 5 
25 Quina Cinchona officinalis L. 5 
Total general 540 
~ 
u 
.. 
60 
50 
g-40 
" ...., 
.!!! 
u 
e g 30 
e 
::1 
.a 
<( 
20 
10 
143 
~ 
r-
-
r-
,.... 
- ,.... 
e-
,....... 
,..... r- e-
-
n n n n n n 
Especies representatiVas 
Figura 52. Abundancia absoluta del PNTM 
4.4.2. Cociente de Mezcla 
Presenta un cociente de mezcla especies- individuos de 1/5.34, lo que 
indica que existen en promedio 5 individuos por cada especie en un área de 20000 m2 . 
Lo que quiere decir que es una mezcla sumamente intensiva y representa a un bosque 
muy heterogéneo. 
4.4.3. Abundancia Absoluta y Relativa 
En el Cuadro 49 y Figura 53, según nuestros resultados se ha encontrado 
540 individuos, de las cuales se encuentran distribuidas 101 especies, donde el mayor 
abundancia relativa lo presenta la especie Chimicua con 11.29 %, seguido por la 
especie Cumala con 11.11 %, mientras que el Cedro huasca se encuentra en una 
abundancia relativa de 1.48 %, como son: Iguana caspi, Leche caspi, Cedro lila, Moena 
rosada, Manchinga colorada, Paloma micuna, Papaya caspi, Quina colorada, Renaco, 
etc.; y en menor proporción relativa se encuentran 48 especies con una abundancia 
relativa de 0.18% cada especie. Asimismo ODUM (1998), afirma que la diversidad en 
144 
un ecosistema suele ser alta en comunidades más viejas y bajas en las de nuevo 
establecimiento. 
Cuadro 49. Abundancia Relativa del Parque Nacional Tingo María 
NO Nombre Vulgar Nombre científico Abundancia relativa(%) 
1 Chimicua Pseudo/media laevis (R. et P.) Macbride 11.2963 
2 Cumala Virola pavonis (A. OC.) A. C. Smith 11.1111 
3 Shimbillo lngasp. 6.8519 
4 Moena amarilla Nectandra globosa (Aubl.) Mez 5.5556 
5 Requia Guarea multiflora A. Juss. 4.0741-
6 Manchinga Brosimum a/icastrum Swartz 3.8889 
7 lshanga Urerasp. 3.7037 
8 Renaco Ficussp. 3.3333 
9 Espintana Guatteria citriodora Oucke 2.9630 
10 Clusia Clusia sp. 2.7778 
11 Moena negra Aniba perutilis Hemsley 2.7778 
12 Shimbillo blanco lngasp. 2.5926 
13 Yanavarilla 0/iganthes sp. 2.4074 
14 Cedro huasca Cedrela sp. 1.4815 
15 Cumala colorada lryanthera sp. 1.4815 
16 lcoja Unonopsis floribunda Oiels 1.2963 
17 lsma moena Endlicheria W11liamsii O. C. Schmidt 1.2963 
18 Quillobordon Aspidosperma vargasii A. OC. 1.2963 
19 Azucarhuayo Hymenaea oblongifolia Huber 1.1111 
Total general 100,0000 
12,00 l 
r-
r-
10,00 
·- 8,00 é 
~ 
,..... :¡:¡ 
"' e! 
"' 
6,00 
r-ü e 
"' 'O e 
" .<> 
.- r-
.-
oC( 4,00 
r-
,...... 
r- r- ,..... 
r-
2,00 
0,00 n n n n n o 
Especies representativas 
Figura 53. Abundancia relativa del PNTM 
145 
4.4.4. Frecuencia absoluta y relativa 
En el Cuadro 50 y Figura 54, según los resultados obtenidos, la frecuencia 
absoluta total de las especies por subparcelas es de 1460.0 %, donde la especie 
sobresaliente es la Chimicua con 5.82%, seguido por la especie Cumala con 5.47 %, 
mientras que el Cedro huasca tiene una frecuencia relativa de 2.39 o/o, y las 51 
especies restantes tienen una frecuencia relativa de 0.34 %. 
Cuadro 50. Frecuencia relativa del Pargue Nacional Tingo María 
NO Nombre Nombre Frecuencia absoluta Frecuencia relativa 
Vulgar cientfflco (%) {%} 
1 Chimicua Pseudo/media laevis (R. et P.) Macbride 85 5.8219 
2 Cumala Virola pavonís (A. OC.) A. C. Smith 80 5.4795 
3 Moena amarilla Nectandra globosa (Aubl.) Mez 70 4.7945 
4 Manchinga Brosímum aHcastrum Swartz 60 4.1096 
5 Renaco Fícussp. 45 3.0822 
6 Shimbillo lngasp. 45 3.0822 
7 Espintana Guatteria cítriodora Oueke 40 2.7397 
8 Cedro huasca Cedrelasp. 35 2.3973 
9 Clusia Clusíasp. 35 2.3973 
10 Quillobordon Aspídosperma vatgasíí A. oc. 35 2.3973 
11 Requia Guares multiftora A. Juss. 35 2.3973 
12 Shimbillo blanco lngasp. 35 2.3973 
13 Cumala colorada lryanthera sp. 30 2.0548 
14 lshanga Urerasp. 30 2.0548 
Total general 1460 100.0000 
7,00 l 
1 
6,00 
.-
,....., 
5,00 
~ 
"' ~ 4,00 
1!! 
f 
1!! 
" e ~ 3,00 
.. 
u: 
,...-
2,00 
r 
1,00 
Especies representativas 
Figura 54. Frecuencia relativa del PNTM 
146 
4.4.5. Clases de frecuencia absoluta 
En el Cuadro 51, según los resultados obtenidos se muestra las clases 
obtenidas para el PNTM, donde: A > B > C > D > E, este evento indica o quiere decir 
que el bosque no ha sido intervenido por la mano del hombre. Así mismo LAMPRECHT 
(1990), menciona que la ley de frecuencias de Rahnkiaer establece: A> B >e::. D <E, 
> 
solo que en este caso D > E, indicando una degradación geológica natural, dentro de 
los ecosistemas forestales del PNTM. 
Cuadro 51. Clases de Frecuencia Abso,uta del PNTM 
Clase 
A mayorque: 
8 Mayor que: 
C menor, igual o mayor que: 
D menor que: 
E 
TOTALES 
Frecuencia Absoluta 
(%) 
o -20 
21 -40 
41-60 
61-80 
81 -100 
4.4.6. Dominancia o cobertura 
Especie 
No (%)Total 
80 79.21 
15 14.85 
3 2.97 
2 1.98 
1 0.99 
101 100.00 
En el Cuadro 52 y Figura 55, se muestra los cálculos de los resultados de 
la expansión horizontal o también conocida como la dominancia de las diferentes 
especies en base al área basal, donde se señala que la especie más representativa 
por su área basal y dominancia relativa, es la Cumala con una dominancia relativa de 
14.55 %, seguido por la especie Chimicua con 10.85 %, mientras que el Cedro huasca 
tiene una dominancia relativa de 3.06 %, · y el Cedro colorado tiene una dominancia 
relativa de 5.36 %. 
Cuadro 52. Dominancia o Cobertura del Parque Nacional Tinge María 
N° Nombre 
vulgar 
1 Cumala 
2 Chimicua 
3 Manchinga 
4 Shimbillo 
Nombre 
científico 
Virola pavonis (A. DC.) A. C. Smith 
Pseudo/media laevis (R. et P.) Macbride 
Brosimum alicastrum Swartz 
lngasp. 
Área basal 
(m2) 
3.8832 
2.8971 
1.5737 
1.57t5 
Dominancia 
relativa(%) 
14.5517 
10.8566 
5;8971 
5.8890 
5 
6 
7 
8 
9 
10 
11 
12 
13 
14 
15 
16 
17 
18 
19 
20 
21 
22 
23 
16,00 
14,00 
12,00 
;!!. 
;- 10,00 
> 
i 
e 
~ 
" "' 
" 'E 
o Q 
8,00 
6,00 
4,00 
2,00 
0,00 
Requia 
Renaco 
Cedro colorado 
Moena amarilla 
Cedro huasca 
Shimbillo blanco 
lshanga 
Sapote 
Cumala colorada 
lsma moena 
Moena negra 
Palo blanco 
Azucar huayo 
Tulpay 
Yanavarilla 
Espintana 
Chamiza 
Quina 
Clusia 
' ·~ 
Guarea multiflora A Juss. 
Rcussp. 
Cedrela odorata 
Nectandra globosa (Aubl.) Mez 
Cedre/a sp. 
lngasp. 
Urerasp. 
Quararibea cordata (H. et B.) Vischer 
lryanthera sp. 
Endlicheria williamsiiO. C. Schmidt 
Aniba perutilis Hemsley 
Alseis peruviana Stand! 
Hymenaea oblongifo/ia Huber 
C/arisia raoemosa R et P. 
0/iganthes sp. 
Guatteria citriodora Ducke 
Anthodiscus peruanus Baillon 
Cínchona officinafís L. 
Clusia sp. 
Total general 
Especies representaiiVas 
1.5052 
1.4496 
1.4314 
1.1272 
0.8177 
0.7044 
0.6961 
0.5081 
0.4413 
0.4404 
0.4251 
0.4026 
0.3923 
0.3442 
0.3407 
0.3134 
0.2863 
0.2823 
0.2534 
26.6653 
Figura 55. Dominancia relativa del PNTM 
4.4. 7. Índice de valor de importancia (lVI) 
5.6407 
5.4323 
5.3640 
4.2241 
3.0642 
2.6398 
2.6087 
1.9041 
1.6537 
1.6504 
1.5932 
1.5087 
1.4701 
1.2900 
1.2767 
1.1743 
1.0728 
1.0578 
0.9498 
100.0000 
147 
En el Cuadro 53 y Figura 56, el índice de valor de importancia de fustales, 
encontramos que de un total de 101 especies representativas, 1 O de ellas son de 
mayor importancia ecológica: Cumala (31.14 %), Chimicua (27.97 %), Shimbillo (15.82 
%), Moena amarilla (14.57 %), Manchinga (13.89 %), Requia (12.11 %), Renaco (11.84 
148 
%), lshanga (8.36 %), Shimbillo blanco (7.63 %) y Cedro huasca (6.94 %); englobando 
un valor de importancia de 150.31 %, sobrepasando el 50% de los 200 % que 
corresponde la suma de abundancia y dominancia relativa. Lo que indica que estas 
diez especies utilizan la mayoría de los recursos del lugar y en consecuencia, excluyen 
a las demás especies que puede estar relacionada con diferentes factores, 
principalmente luz y factores edáficos (ODUM, 2005). 
Cuadro 53. Índice de Valor de Importancia del Parque Nacional Tingo Maria 
ND Nombre Vulgar Ar(%) Fr{%) Dr{%) lVI (%) 
1 Cumala . 11.1111 5.4795 14.5517 31.1422 
2 Chimicua 11.2963 5.8219 10.8566 27.9749 
3 Shimbillo 6.8519 3.0822 5.8890 15.8230 
4 Moena amarilla 5.5556 4.7945 4.2241 14.5742 
5 Manchinga 3.8889 4.1096 5.8971 13.8956 
6 Requia 4.0741 2.3973 5.6407 12.1120 
7 Renaco 3.3333 3.0822 5.4323 11.8478 
8 lshanga 3.7037 2.0548 2.6087 8.3672 
9 Shimbillo blanco 2.5926 2.3973 2.6398 7.6297 
10 Cedro huasca 1.4815 2.3973 3.0642 6.9429 
11 Espintana 2.9630 2.7397 1.1743 6.8770 
12 Moena negra 2.7778 2.0548 1.5932 6.4258 
13 Clusia 2.7778 2.3973 0.9498 6.1248 
14 Cedro colorado 0.1852 0.3425 5.3640 5.8916 
15 Yanavarilla 2.4074 1.7123 1.2767 5.3964 
16 Cumala colorada 1.4815 2.0548 1.6537 5.1900 
17 lsma moena 1.2963 1.7123 1.6504 4.6590 
18 Quillobordon 1.2963 2.3973 0.8515 4.5450 
19 Tulpay 1.1111 1.7123 1.2900 4.1134 
20. Azucarhuayo 1.1111 1.3699 1.4701 3.9511 
21 Sacha uvilla 1.1111 2.0548 0.4247 3.5906 
22 Sapote 0.9259 0.6849 1.9041 3.5150 
23 Palo azufre 1.1111 1.7123 0.6831 3.5066 
24 lcoja 1.2963 1.7123 0.4787 3.4873 
25 N.N 1.1111 1.3699 0.8993 3.3803 
26 Quina 0.9259 1.3699 1.0578 3.3536 
27 Palo blanco 0.5556 0.6849 1.5087 2.7492 
28 Pucapalo 0.9259 1.3699 0.4271 2.7229 
29 Shiringuilla 0.9259 1.0274 0.4700 2.4234 
30 Anacaspi 0.9259 0.6849 0.6466 2.2575 
31 Chamiza 0.3704 0.6849 1.0728 2.1281 
32 Chontaquiro 0.5556 1.0274 0.5251 2.1080 
33 Cumala blanca 0.5556 1.0274 0.4606 2.0436 
34 Rifarillo 0.7407 1.0274 0.2502 2.0183 
35 Vismia 0.7407 1.0274 0.2378 2.0059 
Total general 100.0000 100.0000 100.0000 300.0000 
35,00 l 
30.00 
;;; 
;. 25,00 
e. 
.!!! 
~ 
~ 8. 20,00 
§ 
.. 
.., 
.2 
~ 
., 
.., 
., 
.!! 
.., 
..: 
15,00 
10,00 
5,00 
0,00 
r-
149 
r- r 
r-
- r- r r 
r n n n n 
Especies representativas 
Figura 56. Índice de Valor de Importancia (l. V. l.) del PNTM 
V. CONCLUSIONES 
5.1. El análisis de calidad a partir de los puntos con GPS: imagen ASTER, el 
interpolador Kriging tiene un error medio cuadrático de 14.58 m, y eiiDW tiene un 
EMC de 14.679 m; imagen Google Earth, el interpolador IDW tiene un error 
medio cuadrático de 11.384 m, y el Kriging tiene un EMC de 11.975 m; imagen 
IGN, el interpolador Splines tiene un error medio cuadrático de 6.676 m, y el 
Kriging tiene un EMC de 6.948 m; y la imagen SRTM, el interpolador TIN tiene un 
error medio cuadrático de 12.579 m, y el Kriging tiene un EMC de 13.444 m. 
5.2. Los parámetros morfométricos del Río Tres de Mayo son: área 50.74 Km"; altitud 
máxima 2055 msnm y mínima 735 msnm; pendiente media de la microcuenca 
34.84 %; pendiente media del cauce principal 9.813%; forma 0.325; longitud del 
cauce principal de 5.703 Km; tiempo de concentración de 47.1 minutos; y 
potencial de degradación de 2.097 TM/año. Río Oro son: área 4.76 Km"; altitud 
máxima 1705 msnm y mínima 686 msnm; pendiente media de la microcuenca 
46.647 %; pendiente media del cauce principal 12.102%; forma 0.353; longitud 
del cauce principal de 3.29 Km; tiempo de concentración de 24.68 minutos; y 
potencial de degradación de 2.592 TM/año. Y Río Colorado son: área 2.54 Km";. 
altitud máxima 1704.5 msnm y mínima 1053.8 msnm; pendiente media de la 
microcuenca 33.05 o/o; pendiente media del cauce principal 8.23%; forma 0.402; 
longitud del cauce principal de 1.483 Km; tiempo de concentración de 10.196 
minutos; y potencial de degradación de 2. 777 TM/año. 
151 
5.3. Se caracterizó fisiográficaméhte el PNTM; encontrando: Montaña denudacional 
fuertemente disectada; montaña denudacional moderadamente disectada; 
montaña sedimentaria fuertemente disectada; montaña sediementaria 
ligeramente disectada; montaña sediementaria moderadamente disectada; 
terraza baja; terraza media; terraza media denudacional; terraza media ondulada; 
y valle intercolinoso. 
5.4. El potencial maderable en el PNTM, se ha encontrado 50 especies de clase fustal 
por hectárea, con 270 individuos/Ha, siendo de acuerdo al índice de valor de 
importancia (lVI): cumala (31.14%), chimicua (27.97%), shimbillo (15.82%), 
moena amarilla (14.57%), manchinga (13.89%), requia (12.11%), renaco 
(11.84%), ishanga (8.36%), shimbillo blanco (7.63%), y cedro huasca (6.94%). 
VI. RECOMENDACIONES 
6.1. Cuando se use la imagen ASTER y Google Earth para una evaluación del 
modelo de elevación de terreno es recomendable utilizar los interpoladores IDW y 
Kriging; cuando se use la imagen generado por el IGN {Instituto Geográfico 
Nacional) es recomendable usar el interpolador Splines y Krigin; y cuando se usa 
la imagen SRTM, es recomendable utilizar los interpoladores TIN y KRIGING. 
6.2. De acuerdo a los resultados de los parámetros moñométricos de . las micro 
cuencas del Parque Nacional Tingo Maria {Tres de Mayo, Oro y Colorado), existe 
una degradación natural media, por lo tanto es recomendable que se realice una 
reforestación en las cabeceras de las quebradas. 
6.3. Si se quiere tener estudios a mayor detalle de modelos de elevación de terreno, 
utilizar imágenes satelitales ya sea ASTER, SRTM y/o otros, con mayor 
resolución (5x5 m), ayudará a disminuir el error medio cuadrático de las altitudes. 
6.4. Para generar un manejo integral de las micro cuencas del Parque Nacional Tingo 
María {Tres de Mayo, Oro y Colorado), es recomendable generar una valoración 
económica total. 
6.5. Para mejorar los errores de estratificación realizar mayor numero de 
verificaciones en campo y disminuir el área de verificación, la cual permitirá 
disminuir el error estándar de estratificación. 
VIl. ABSTRACT 
The purpose of this study was to evaluate the terrain elevation model 
(TEM) and morphometric parameters of the National Park Tinge Maria (PNTM) which 
sought to develop strategies for conservation and protection of watersheds that are 
located around the protected area for lt raised the following objectives: To assess the 
quality of the terrain elevation model from ASTER, SRTM, GOOGLE EARTH National 
Charter (IGN), determine the morphometric parameters of the micro: Tres de Mayo, Rio 
Oro and Rio Colorado; physiographic map and determine the potential forest and 
National Park Tinge María (PNTM). 
The methodology was to carry out the extraction and analysis of the 
quality of different terrain elevation models (MEn for PNTM generated by their 
evaluation with a number of control points obtained by GPS Receiver Garmin eTrex 
Vista HCx, with different levels of accuracy. For this task were generated by severa! 
interpolators (IDW, Kriging, splines, TIN, and Natural Neighbor:), starting from the same 
source data (ASTER. SRTM, Google earth and digitized National Charter), and 
comparad with the control points (data from GPS), which we assume in principie that is 
relatively free of errors. 
According to the results obtained in the analysis of quality from the GPS 
points, the IGN image with spline interpolation, had the mean square error of 6676 m, 
and EMC Kriging has a 6948 m, where the more reliable than other interpolators and 
images. The morphometric parameters of the Rio Tres de Mayo are: area 50.7 4 km2, 
... 
154 
maximum altitude 2055 m and 735 m mínimum, average slope of 34.84% average 
gradient of the longitudinal profile of the main channel9813% 0325 form, main channel 
length of 5703 km ; time concentration of 47.1 minutes, and potential degradation of 
2097 MT 1 year. Gold River are 4. 76 km2 area, maximum altitude 1705 m and 686 m 
mínimum, average slope of 46 647% average slope of the longitudinal profile of the 
m a in channel 12 102% form 0353, main channel length of 3.29 km, time of 
concentration of 24.68 minutes, and potential degradation of 2592 MT 1 year. And the 
Colorado River are: Area 2.54 km2, maximum altitude and mínimum m 1053.8 1704.5 
m, average slope of 33.05% average gradient of the longitudinal profile of the main 
channel8.23%, as 0402; main channellength of 1483 km, time of concentration 10,196 
minutes, and degradation potential of 2777 tons per year. 
This characterized the PNTM physiographically, finding: Mountain 
denudacional heavily dissected and. moderately dissected; sedimentary strongly 
dissected mountain, slightly to moderately dissected, Jow terrace, half terrace, terrace 
denudacional half wavy and intercolinoso valley. And the potential timber in PNTM was: 
cumala (31.14%), chimicua (27.97%), shimbillo (15.82%), yellow moena (14.57%}, 
Manching (13.89%), requirements (12.11%), renaco (11.84%), lshango (8.36%), white 
shimbillo (7.63%), and cedro huasca (6.94%). 
VIII. REFERENCIAS BIBLIOGRÁFICAS 
ACHUY, J. 2006. ArcGis; Manual de sistema de información geográfica. Lima- Perú. 
Editorial Grupo Universitario S.A.C. 321 p. 
AGUILAR, F., AGUILAR, M., CARVAJAL, F., AGÜERA, F, SANCHEZ, P. 2002. 
Efectos de la morfología del terreno, densidad muestra! y métodos de 
interpolación en la calidad de modelos digitales de elevaciones. In: XIV 
Congreso Internacional de Ingeniería Gráfica. Universidad de Almería. [En 
linea]: (http:/l.departamentos.unican.es. febrero del 2006). 
ARACIL, J. 1986. Máquinas, sistemas y modelos. Un ensayo sobre sistémica. Tecnos. 
Madrid. 282 p. 
BAMLER, R. 1999. The SRTM mission: A worldwide 30m resolution DEM from SAR 
lnterferometry in 11 days. Proc. 47 the Photogrammetric Week. 145-154. 
Stuttgart-Aiemania. 
1 
BANZA TTO, D. 1995. Experimentacao Agrícola. 3ra Edición. Facultad de Ciencias 
Agrarias y Veterinaria (FCAV), Brasil. 246p. 
BOHAM-CARTER. 1996. Geographic lnformation System for Geoscientistic. Pergamon 
(eds). 398 p. 
BOSQUE, J. 1992. Sistemas de Información Geográfica. E~iciones Rialp S.A., Madrid, 
1992. 
BRACK, A. 1986. Las ecorregiones del Perú. En: Boletín de Lima, Vol. VIII, N°44: 57-
70. Lima. 
156 
CARMONA A. J. H. 2002. Balance Hídrico y Clasificación Climática para el 
Departamento de Caldas. 
CARTER, J. R. 1988. Digital representation of topographic surfaces. Phtogrametric 
Engineering & Remote Sensing, vol 54, N° 11, pp 1577-1580. 
CHENG, P. and L. McBEAN. 2002. Fly-through data generation of Afghanistan. Earth 
Observation Magazine. 
DECLERCQ, F. A. N. 1996. lnterpolation methods for scattered saple data: accuracy, 
spatial pattems, processing time. Cartography and Geographic lnfomation 
Systems, 23 {3): 128-144. 
Dlf<AU, R. 1992. Aspects of constructing a digital geomorphological base map. 
Geological Joumal. {A122): 357-370. 
DINNERSTEIN et al., 1995. Una evaluación del estado de conservación de las 
ecorregiones terrestres de América Latina y el Caribe. WWF, World Bank. 
Washington D. C. 
ELACHI, CH. 2004. Space imaging radar in planetary exploration and earth 
observation. Vol. 39, No 4, 553 - 563. 
ENDRENY, T.; WOOD, E. y A. HSU. 2000. Correction of errors in SPOT -derivad DEM's 
using GTOP030 data. IEEE Transactions on Geoscience and Remote 
Sensing. Vol. 38, No 3, 1234 - 1241. 
FALLAS, J. 2003a. Modelo de elevación digital para hojas cartográficas 
;11 
Titarán y 
Juntas Escala 1: 50,000 del Instituto Geográfico Nacional. Universidad 
Nacional. Programa Regional en Manejo de vida silvestre y Ciencias 
Ambientales. [En línea]: {http://.www. icomvis.una.ac.cr/telesig/-cursos/curso-
med. Febrero del 2006). 
FELICISIMO, A. M. 1994. Paramétric statistical meted for error detection in digital 
elevatiom models. ISPRS Jornal of Photogrammetry and Remote Sensing. [En 
línea]: {http://www.etsimo.uniovi.es/-feli/SIGIICA95.html, 15 de Abril del2007). 
157 
FUENTES, J. J. y BOCCO, G. 2003. El Agua: dinámica y análisis regional. En: 
Velásquez A., Torres A. y Boceo G. (Comps.). Las Enseñanzas de San Juan. 
Investigación participativa para el manejo integral de recursos naturales. 
Instituto Nacional de Ecologia-SEMARNAP, Gobierno del Estado de 
Michoacán. México. 603 p. 
FUJISADA, H., BAILEY, G. B., KELLY, G. G., HARA, S., ABRAMS, M. J. 2005. ASTER 
DEM performance, IEEE Transactions on Geoscience and Remote Sensing, 
43, pp. 2707-2714. 
GARDINER, V. 1981. Drainage basin morphometry. En: A. Goudie (ed.). 
Geomorphological Techniques. 47-55. George Allen & Unwin. Londres .. 
GEUDTNER, D.; ZINK, M.; GIERULL, C. y S. SCHAFFER. 2002. lnterferometric 
alignment of the X-SAR antenna system on the spaceshuttle radar topography 
mission. IEEE Transactions on Geoscience and Remote Sensing. Vol. 40, No 
5, 995 - 1006. 
GONZALEZ, P.A. y SOSA, C.M. 2003. Análisis de la vegetación del área de protección 
de flora y fauna Cañón de Santa Elena (desierto chihuahuense, México) 
utilizado Modelos Digitales de Elevación. Ecosistemas 2003/2. (En línea]: 
{URL: http:l/www.aeet.ora/ecosistemas/0321investigacion1.htm Noviembre del 
2009). 
GREGORY, J. K. y WALLING, E. D. 1985. Drenaige Bassin Analysis. The Bath Press. 
Victoria, Australia. 451 p. 
GUEVARA, E. y CARTAYA, H. 1991. Hidrología: Una introducción a la ciencia 
hidrológica aplicada. GUECA. Valencia-'Venezuela. 358 p. 
HENAO, J. 1998. Introducción al manejo de cuencas hidrográ.cas. Universidad Santo 
Tomás. Santafé de Bogotá-Colombia. 396p. 
HOLDRIDGE, L. 1987. Ecología Basada en Zonas de Vida. Instituto Interamericano de 
Cooperación para la Agricultura. San José de Costa Rica, 216 P. 
158 
HORTON, R. 1995. Erosiona/ development of streams and their drainage basins: 
Hydrophysical approach to quantitative morphology. Geological Society of 
America Bulletin. 56: 275-370. 
HUTCHINSON, M. F. 2001. Advances in locally adaptive interpolation of digital 
elevation models. En: Dems and Geomorphology. Special publication of the 
Geography lnformation System Association (GISA). Tokyo-Japan. 
JARVIS, A.; RUBIANO, J.; NELSON, A.; FARROW, A. and M. MULLIGAN. 2004. 
Practica! use of SRTM data in the tropics - Comparisons with digital elevation 
models generated from cartographic data. Centro Internacional de Agricultura 
Tropical (CIAT). Working document. No 198. Cali-Colombia. 
JAUREGUI, M.; VÍLCHEZ, J. y CHACON LEIRA. 1998b. A procedure for updating 
using digital mono-plotting and DTMs. ISPRS Commission IV Symposium 
"GIS-Between Visions and Applications. Stuttgart-Germany. 
JOLY, F. 1988. La cartografía. Oikos-Tau. Barcelona. 
KAMP, U., BOLCH, T., OLSENHOLLER, J. 2003. DEM generation form ASTER 
satellite data for geomorphometric analysis of cerro Sillajhuay, Chile/Bolivia, 
ASPRS Annual Conference Proceedings, Anchorage, Alaska. 
KAMP, U.; BOLCH, T. and J. OLSENHOLLER. 2005. Geomorphometry of Cerro 
Sillajhuay {Andes, Chile/Bolivia): Comparison of Digital Elevation Models 
{DEMs) from ASTER Remote Sensing Data and Contour Maps. Geocarto 
lntemational. Vol. 20, No 1, 23-33. 
KEVIN. 2001. Johnston et al Using Arcgis geoestatistical Analyst. 
KHALSA, S.; DYURGEROV, M.; KHROMOVA, T.; RAUP, B. and B. BARRY. 2004. 
Spacebased mapping of glacier changes using ASTER and GIS tools. IEEE 
Transactions on Geoscience and Remote Sensing. Vol. 42, N°, 10, 2177-2183. 
159 
KNAP, W.; BROCK, B.; OERLEMANS, J. and l. WILUS. 1999. Comparison of Landsat 
TMderived and ground-based albedos of Haut Glaciar d'Arolla, Switzerland. 
lnternational Journal of RemoteSensing, 20, 3293-3310. 
KREBS, CH. 1985. Ecología: Estudio de la Distribución y Abundancia. 28 edc. 
Edit. Harper & row Latinoamericana, S. A. México. 
LAMPRECHT, H. 1990. Silvicultura en los Trópicos. Deutsche Gesellschaft 
fur Technische Zunsammenarbeit. Berlin, Alemania. 335p. 
LANG, H. R., WELCH, R. 1999. Algorithm Theoretical, Basis Oocument for ASTER 
Digital Elevation Models (Standard product AST14) Version 3.0, NASA EOS 
publication ATBDAST- 08. 
LEBERL, F. 1993. lnterpolation in square grid DTM. ITC. Journal. U Z. 1994. A 
comparativa study of the accuracy of digital terrain models (DTMs) based on 
various data models. ISPRS. Journal of Photogra-mmetry and Remote 
Sensing. 49 (1): 2-11. 
LEOPOLD, L.; GORDON, M. and MILLER, J. 1994. Fluvial processes in 
Geomorphology. W. H. Freeman and Company. San Francisco-USA. 872 p. 
LEY, R. 1986. Accuracy assessment of digital terrain models. Proceedings, Autoto 
Carto London, 1 :455-464. 
U ZHIUN. 1992. Variation of the accuracy of Digital Terrain Models with sampling 
interval In Phtogrametric Record. 
MAIDMENT, D. R. 1992. Handbook of Hydrology. McGraw Hill. New York. 
MALLEUX, J. 1982. Inventarios Forestales en Bosques Tropicales Universidad 
Nacional Agraria la Molina. Departamento de Manejo Forestal. Lima 198. 
MARK, P. 1994: An intensiva comparison of Triangulated Irregular Networks (TIN) and 
Digital Elevation Models (DEMs). Cartographica. 31 (2). PDVSA. 1990. Manual 
especificaciones técnicas de Geodesia. Caracas. 
160 
MARTiNEZ, R. 2001. Análisis de las metodologias habituales para la generación de 
modelos digitales del terreno Mapping N° 71. 
MEJIA F. Fernándo, PACHÓN G. John A 2006. Monitoreo del clima para prevención 
de desastres en Manizales. Agenda Ciudadana del Medio Ambiente de 
Caldas. pp. 35-45. 
MÉNDEZ, W. y MARCUCCI, E. 2005. Análisis Morfométrico de la Microcuenca de la 
quebrada Curucutí, Estado Vargas, Venezuela. Vol 47(1). [En línea]: 
(http://www .fvl-unex.com/foroii;)Ublicaciones/norba/.les/1 O/p1 O . pdf; Junio del 
2006). 
MONSALVE, G. 2000. Hidrologia en la lngenieria. Escuela Colombiana de lngenierfa. 
Santafé de Bogotá-Colombia. 382 p. 
MORENO GARCIA, M. C. 1999. Climatología Urbana. Departamento de Geografia 
Física. Textos docentes 160. Ediciones de la Universidad de Barcelona. 
Primera edición. 
MOSTACERO, L; MEJIA, C; Y PElAEZ, F. 1996. Fitogeografía del norte del Perú. 
CONCYTEC. Universidad Nacional de Trujillo - Perú. 
MURRAY, R. 1991. Spiegel Estadistica Ed. McGraw-Hill, 28 ed. 
ODUM, E. 1998. Ecología. Edit McGraw-Hill lnteramericana. 1 ra Edición. 
México, 343p. 
ORTIZ O. 2004. Evaluación hidrológica. HIDRORED - Red Latinoamericana de Micro 
energia. Editorial ITDG, Perú. 
PACHECO, C. 2003. Evaluación~ de factores de escala en los métodos de 
digitalización e interpolación para la elaboración de un modelo digital de 
elevaciones (MDE) en cuencas montañosas. Tesis Magíster Scientiae en 
Manejo de cuencas hidrográficas. Mérida, Venezuela. Universidad de los 
Andes. [En línea]: (http:l/.www.saber.ula.ve. Febrero del2006). 
161 
PASTRANA, S. 2003. Análisis topológico de cuencas. [En línea]: .{h~p://club.telepolis. 
com/geografo/geomorfologia/analcuen.htm, Junio del2007) 
PEREZ, R. 2000. Selección óptima del método de interpolación en el tratamiento de 
· las bases de datos: una aplicación en la construcción de las cartas 
magnéticas. Rev. Cs. Tierr y Esp. La Habana - Cuba. N° 1/2000. Art. 5. [En 
línea]: (http://.www.iga.cu/revis~a/cte 01/art- 05. Enero del 2006). 
PÉREZ, D. s/f. Fundamentos de geomorfologfa dinámica con énfasis en los procesos 
fluviales. Venezuela, Ministerio del Ambiente y de los Recursos Naturales 
Renovables, Dirección General de Información e Investigación del Ambiente, 
Dirección de Hidrología. Caracas -Venezuela. 70 p. 
PIMENTEL, F. 1996. Estadistica Experimental. 12ava edic. Edit Livraria Novel. Univ. 
Sao Paulo. Paracicaba, Estado do Sao Paulo-Brasil. 
PIONG, X. 2003. Digital elevation model extraction from ASTER in support of coal fire 
and environmental research project, China, MSc. Thesis, ITC, Holland. 
PLAN MAESTRO. 2002. Instituto Nacional de los Recursos Naturales. Plan Maestro del 
Parque Nacional Tingo María. 
POPPER, R. 1984. Post Scriptum a La lógica de la investigación científica. Vol. 11. El 
universo abierto. Un argumento a favor del indeterminismo. Tecnos, Madrid. 
PUERTA; R. 2007. Modelo Digital de Elevación del Bosque Reservado de la 
Universidad Nacional Agraria de la Selva, Tingo María- Perú. Tesis Ms.C. en 
Agroecologia mención Gestión Ambiental- Tingo Maria - UNAS. 63p. 
RABUS, B.; EINEDER, M.; ROTH, A. and R. BAMLER. 2003. The SRTM- a new class 
of digital elevation models adquired by spaceborne radar. ISPRS Joumal of 
Photogrammetry and Remote Sensing. No 57, 241-262. 
RAUP, B. H.; KIEFFER, H. H.; HARE, T. M. and J. S. KARGE L. 2000. Generation of 
data acquisition requests for the ASTER satellite instrument for monitoring a 
' 
162 
globally distributed target Glaciers. iEEE Transactions on Geoscience and 
Remete Sensing, 38, 1105-1112. 
RICHARDUS, P. 1973. The precision of contour lines and contour intervals of large-and 
medium- scale maps. Photogrammetria. (3): 81-107. 
RIGON, R. and A. COZZINI. 2001. Exploring the complexity of mountain landscape: A 
digital perspectiva. Fith lnternational Conference of Geomorphology. Vol1, pp. 
52-53. Tokyo- Japan. (September, 22-29). 
SENCIALES, J. 1998. El análisis morfológico de las cuencas .uviales aplicado al 
estudio hidrográ.co. Norba. X: 155-183. [En línea]: (http://www.fyl-
. ' 
unex.com/foro/publicaciones/norba/.les/1 O/p1 O .pdt,· Agosto del 2006) 
SHEPARD, D. 1998. "A two-dimensional interpolation functions for irregularly-spaced 
data". Proceedings ofthe 1968 ACM National Conference. pp. 517-524. 
SMITH, D. and STOPP, P. 1978. The river basin: An introduction to the study of 
hydrology. Cambridge University Press. Cambridge- Great Britain. 273 p. 
STANLEY, H. 1975. Terrain parameters directly from a digital terrain model. Canadian 
Surveyor. 29 (5). 
STRAHLER, A. 1998. Quantitative Geomorphology. En: R. Fairbridge (ed.). The 
Encyclopedia of Geomorphology (Encyclopedia of Earth Sciences Series, T. 
3). 898-912. Dowden, Hutchinson & Ross. Pennsylvania-USA. 
TOUTIN, T. 2002. lmpact of terrain slope and aspect on radargrammetric DEM 
accuracy. ISPRS Journal of Photogrammetry and Remote Sensing, No 57, 
228-240. 
TOUTIN, T. 2004. Comparison of stereo-extracted DTM from different high-resolution 
sensors: SPOT-5, EROS-A, lkonos-11 and QuickBird. IEEE Transactions on 
Geoscience and Remote Sensing. Vol. 42, No 10, 2121-2129. 
TURNER, J.C. 1970. Matemática moderna aplicada. Probabilidades, estadística e 
investigación operativa. Alianza Editorial, Madrid. 550 p. 
163 
USGS. 2000. Shuttlé Radar Topography Mission, 1 Are Second scene 
SRTM_f03_s005w081, filled finished 2.0, Global Land Cover Facility, 
University of Maryland. College Park, Maryland. 
US GEOLOGICAL SURVEY (USGS). 2006. Shuttle Radar Topography Misión. [En 
línea]: (http://srtm.usgs.gov/, Septiembre 23, 2006). 
VAN WESTEN. 1994. GIS in landslide hazard zonation: a review, with examples from 
the Anes of Colombia. En: Taylor and Francis, Mountain Environments and 
GIS. 135-165. Basingstoke, UK. 
VÉLEZ, M., y VÉLEZ, J. s/f.b. La cuenca hidrográfica. En: M. Vélez y J. Vélez (eds.). 
Hidrología (1-1060): Notas del curso de Hidrología de la profesora María 
Victoria Vélez O. Universidad Nacional de Colombia, Facultad de Minas, Sede 
Medellín, Unidad de Hidráulica. [En línea]: 
http://poseidon.unalmed.edu.co!Materiasflivelez/moñometría cuenca.doc, 
Noviembre del 20087). 
VERSTAPPEN, H. T. 1983. Applied Geomorphology. Geomorphological Surveys for 
Environmental Development.ITC. Enschede, The Netherlands. 437 p. 
VILCHEZ, J. 2000. Evaluación de la exactitud de los modelos de elevación digital de 
malla regular generados a partir de curvas de nivel. Universidad de los Andes. 
[En línea]: (http://.www.saber.ula.ve. Enero del 2006). 
XIAOJUN, Y. 2000. Visual and statistical comparisons of suñace modeling techniques 
for point-based environmental date In Cartography and Geographic lnformation 
Science, vol27, N° 2, pp 165-175. 
IX. ANEXO 
•.. 
165 
Anexo 1. Cotas del Parque Nacional Tingo María 
Cuadro. 54. Cotas realizadas con GPS en el PNTM 
NO ESTE NORTE z 
1 391465 8960684 1796 
2 389307 8967274 1435 
3 389324 8965172 1206 
4 390161 8962758 1271 
5 392784 8958439 978 
6 390890 8959507 1269 
7 392722 8960549 989 
8 391625 8960683 1744 
9 392005 8961444 1076 
10 392114 8963030 1158 
11 391029 8962861 1706 
12 390046 8961905 1377 
13 391078 8962057 1650 
14 390722 8961390 1553 
15 391808 8960526 1657 
16 391805 8964983 1104 
17 390111 8965387 1613 
18 389410 8965370 1221 
19 387817 8964217 1612 
20 388141 8964877 1406 
21 390141 8965834 1534 
22 389976 8966655 1347 
23 389341 8967605 1340 
24 387577 8967830 1325 
25 386418 8967099 880 
26 386645 8968272 903 
27 387176 8966996 1367 
28 386367 8965971 1084 
29 386600 8965213 1321 
30 387304 8965360 1687 
31 387365 8966081 1495 
32 389378 8963647 1144 
33 392107 8959294 1410 
34 391539 8959502 1579 
35 391365 8958682 1114 
36 389599 8960628 1345 
37 390544 8959398 1142 
38 391236 8958655 1049 
39 390231 8960889 1356 
40 392833 8959189 982 
41 390122 8964608 1411 
42 391242 8964324 1119 
43 390703 8963632 1435 
44 391614 8963845 1139 
45 391438 8966545 858 
46 390859 8967566 820 
47 390022 8968616 865 
48 391795 8966348 758 
49 388649 8968582 754 
166 
50 387865 8966843 1431 
51 388894 8966902 1426 
52 389291 8966292 1287 
53 388558 8966046 1438 
54 388996 8965567 l,j/4 
55 388896 8964169 1242 
Anexo 2. Levantamiento topográfico de las microcuencas del PNTM 
Cuadro 55. Levantamiento toeográfico de ia microcuenca Tres áe Ma~o 
Puntos Distancia (m) Distancia Azimut (grados) Pendiente horizontal (m} {grados} 
o 0.00 0.00 0.00 
1 25.35 25.35 195.00 0.70 
2 14.70 "14.69 210.00 2.00 
3 30.30 30.28 225.00 2.00 
4 30.20 30.13 260.00 4.00 
5 16.00 15.98 285.00 3.00 
6 30.30 30.26 240.00 3.00 
7 29.00 28.98 255.00 2.00 
8 28.30 28.29 270.00 1.50 
9 17.40 17.40 250.00 1.00 
10 20.00 19.98 265.00 2.50 
11 30.20 30.20 275.00 1.00 
12 19.20 19.19 245.00 2.00 
13 30.10 30.08 230.00 2.00 
14 17.40 17.38 275.00 3.00 
15 23.50 23.48 220.00 2.50 
16 26.40 26.34 195.00 4.00 
17 30.10 30.09 215.00 1.50 
18 23.70 23.69 235.00 2.00 
19 30.10 30.08 270.00 2.00 
20 21.80 21.79 235.00 2.00 
21 16.50 16.45 175.00 4.50 
22- 22.70 22.67 225.00 3.00 
23 21.00 20.95 215.00 4.00 
24 30.10 30.07 190.00 2.50 
25 26.80 26.77 175.00 2.50 
26 20.30 20.26 195.00 3.50 
27 29.90 29.88 240.00 2.00 
28 29.40 29.37 255.00 2.50 
29 27.50 27.47 245.00 2.50 
30 30.40 30.36 235.00 3.00 
31 23.00 22.99 230.00 2.00 
32 27.00 26.98 225.00 2.00 
33 21.10 21.09 220.00 2.00 
34 24.40 24.32 245.00 4.50 
35 19.60 19.55 220.00 4.00 
36 19.60 19.54 210.00 4.50 
37 10.40 10.37 245.00 4.50 
38 30.50 30.44 270.00 3,50 
39 26.70 26.68 265.00 2.00 
167 
40 27.40 27:27 230.00 5.50 
41 10.40 10.40 280.00 0.50 
42 21.00 20.97 210.00 3.00 
43 14.00 13.88 225.00 7.50 
44 23.50 23.48 260.00 2.50 
45 13.00 12.96 265.00 4.50 
46 23.40 23.38 215.00 2.50 
47 30.00 29.98 220.00 2.00 
48 27.70 27.66 275.00 3.00 
49 19.00 18.82 325.00 8.00 
50 26.80 26.76 345.00 3.00 
51 21.70 21.30 315.00 11.00 
52 20.50 20;50 340.00 1.00 
53 30.10 30.06 295.00 3.00 
54 25.70 25~60 280.00 5.00 
55 24.30 24.24 270.00 4.00 
56 18.30 18.20 305.00 6.00 
57 8.10 8.09 245.00 3.00 
58 26.30 26.24 210.00 4.00 
59 15.50 15.49 250.00 2.50 
60 19.00 18.77 245.00 9.00 
61 9.90 9.88 280.00 4.00 
62 12.50 12.47 240.00 4.00 
63 18.50 14.77 345.00 37.00 
64 10.00 9.90 310.00 8.00 
65 12.00 11.85 285.00 9.00 
66 8.80 8.80 280.00 0.00 
67 15.30 15.27 320.00 3.50 
68 5.00 5.00 270.00 1.00 
69 9.00 7.95 245.00 28.00 
70 14.70 14.35 265.00 12.50 
71 12.00 10.39 255.00 30.00 
72 10.00 9.95 265.00 6.00 
73 30.00 29.96 270.00 3.00 
74 11.70 11.70 255.00 1.50 
75 16.10 15.40 260.00 17.00 
76 10.20 10.06 210.00 9.50 
77 29.30 19.61 240.00 48.00 
78 17.80 16.50 230.00 22.00 
79 23.40 23.40 305.00 1.00 
80 11.00 10.43 270.00 18.50 
81 16.00 15.91 300.00 6.00 
82 15.50 15.24 290.00 10.50 
83 16.70 15.69 260.00 20.00 
84 11.70 11.66 290.00 4.50 
85 20.00 19.75 305.00 9.00. 
86 14.30 13.75 325.00 16.00 
87 18.00 17.98 330.00 3.00 
88 22.00 21.99 295.00 2.00 
89 27.80 27.79 310.00 1.50 
90 30.50 30.44 315.00 3.50 
91 30.00 29.93 300.00 4.00 
92 24.00 23.93 275.00 4.50 
168 
93 11.00 16.94 260.00 5.00 
94 12.50 12.49 275.00 2.00 
95 21.00 20.92 215.00 5.00 
96 10.80 10.80 245.00 1.50 
97 27.00 26.98 275.00 2.00 
98 24.50 24.49 255.00 1.50 
99 26.70 26.67 280.00 2.50 
100 18.50 18.47 265.00 3.00 
101 23.50 23.41 395.00 5.00 
102 27.00 26.97 320.00 2.50 
103 11.50 11.49 305.00 2.00 
104 17.70 17.70 290.00 1.00 
105 30.50 30.49 280.00 1.50 
106 21.00 20.99 265.00 2.00 
107 23.90 23.90 280.00 1.00 
108 30.40 30.36 255.00 3.00 
109 19.70 19.70 295.00 0.00 
110 11.00 10.94 290.00 6.00 
111 30.40 30.39 305.00 1.50 
112 30.50 30.49 300.00 1.50 
113 30.50 30.49 305.00 1.50 
114 20.60 20.57 300.00 3.00 
115 30.50 30.48 320.00 2.00 
116 26.40 26.40 340.00 1.00 
117 16.60 16.58 305.00 3.00 
118 27.40 27.38 255.00 2.00 
119 18.80 18.79 245.00 1.50 
120 30.50 30.49 265.00 1.50 
121 30.50 30.47 260.00 2.50 
122 19.80 19.80 290.00 1.00 
123 30.50 30.50 330.00 0.50 
124 21.70 21.68 310.00 2.50 
125 30.50 30.49 305.00 1.50 
126 24.20 24.19 310.00 1.50 
127 27.00 26.97 330.00 2.50. 
128 30.50 30.49 310.00 1.50 
129 30.50 30.47 300.00 2.50 
130 16.30 16.29 320.00 2.00 
131 12.30 12.28 300.00 3.00 
132 6.10 6.10 280.00 0.00 
133 27.20 27.18 325.00 2.00 
134 24.30 24.28 295.00 2.50 
135 19.80 19.79 330.00 2.00 
136 9.00 9.00 320.00 0.50 
137 30.50 30.46 265.00 3.00 
138 10.80 10.80 325.00 1.50 
139 20.00 20.00 355.00 0.50 
140 2.60 2.60 5.00 3.50 
141 16.80 16.78 300.00 3.00 
142 18.50 18.48 265.00 2.50 
143 11.80 11.80 215.00 0.50 
144 15.10 15.09 210.00 1.50 
145 17.20 17.19 235.00 2.00 
169 
146 23.40 23.40 280.00 0.00 
147 16.20 16.19 340.00 2.00 
148 14.20 14.20 315.00 1.50 
149 24.50 24.48 345.00 2.50 
150 16.70 16:70 310.00 1.00 
151 24.50 24.49 285.00 1.50 
152 18.30 18.28 320.00 2.50 
153 30.50 30.47 . 295.00 2.50. 
154 21.10 21.08 300.00 2.50 
155 16.00 15.99 310.00 2.00 
156 12.00 11.99 350.00 2.00 
157 19.30 19.25 225.00 4.00 
158 16.40 16.36 20.00 4.00 
159 23.10 23.09 345.00 1.50 
160 21.10 21.09 320.00 1.50 
161 15.50 15.45 305.00 4.50 
162 19.50 19.46 260.00 3.50 
163 28.40 28.36 310.00 3.00 
164 30.30 30.24 340.00 3.50 
165 8.50 8.49 25.00 3.00 
166 11.40 11.38 290.00 3.50 
167 7.70 7.69 255.00 2.50 
168 26.90 26.57 275.00 9.00 
169 20.50 20.50 315.00 0.00 
170 15.00 14.96 300.00 4.00 
171 29.70 29.67 235.00 2.50 
172 8.70 8.70 270.00 0.00 
173 8.00 8.00 265.00 0.50 
174 17.40 17.40 355.00 0.50 
175 7.60 7.60 325.00 0.00 
176 8.50 8.50 270.00 0.00 
177 13.60 13.57 225.00 3.50 
178 7.80 7.80 260.00 0.00 
179 15.80 .15.78 330.00 3.00 
180 14.50 14.49 340.00 2.50 
181 24.00 24.00 280.00 1.00 
182 16.20 16.20 30.00 0.50 
183 18.00 18.00 255.00 0.00 
184 19.60 19.60 280.00 0.50 
185 20.00 20.00 270.00 0.00 
186 22.90 22.90 165.00 0.50 
187 20.60 20.60 245.00 1.00 
188 22.10 22.10 280.00 1.00 
189 27.00 27.00 320.00 0.50 
190 7.00 7.00 265.00 1.00 
191 15.00 15.00 10.00 1.00 
192 12.90 12.90 25.00 0.00 
193 20.20 20.19 55.00 2.00 
194 13.30 13.30 60.00 0.50 
195 18.80 18.79 350.00 1.50 
196 13.50 13.50 325.00 0.00 
197 15.60 15.60 280.00 0.50 
198 13.40 13.40 305.00 0.50 
170 
199 15.60 15.60 5.00 1.00 
200 10.40 10.40 350.00 0.10 
201 20.10 20:10 305.00 0.20 
202 17.20 17.20 275.00 1.00 
203 30.50 30.50 290.00 1.00 
204 30.50 30.49 315.00 1.50 
205 21.80 21.80 310.00 0.50 
206 22.40 22.40 295.00 0.50 
207 15.60 15.59 225.00 2.00 
208 25.60 25.60 315.00 0.50 
209 30.50 30.49 335.00 1.50 
210 19.30 19.30 350.00 1.00 
211 15.00 15.00 55.00 0.50 
212 9.00 9.00 95.00 0.10 
213 8.50 8.50 45.00 0.10 
214 30.50 30.49 290.00 1.50 
215 30.50 30.50 310.00 0.50 
216 25.40 25.40 275.00 0.50 
217 8.70 8.70 270.00 0.50 
218 20.50 20.50 320.00 1.00 
219 16.00 16.00 295.00 0.50 
220 14.50 14.48 320.00 3.00 
221 21.30 21.29 335.00 1.50 
222 23.40 23.39 340.00 1.50 
223 30.50 30.50 325.00 1.00 
224 17.30 17.29 285.00 2.00 
225 9.60 9.60 230.00 0.00 
226 11.60 11.57 5.00 4.00 
227 11.00 10.98 45.00 3.00 
228 6.40 6.36 50.00 6.00 
229 21.80 21.79 350.00 2.00 
230 29.00 28.99 230.00 1.50 
231 23.90 23.88 300.00 2.50 
232 19.60 19.57 320.00 3.00 
233 11.00 11.00 330.00 0.00 
234 15.60 15.58 325.00 3.00 
235 12.00 12.00 345.00 1.50 
236 9.00 9.00 330.00 1.00 
237 9.00 9.00 310.00 0.50 
238 6.90 6.90 235.00 0.50 
239 8.50 8.50 250.00 0.20 
240 7.50 7.50 265.00 1.00 
241 19.20 19.19 260.00 1.50 
242 8.60 8.60 285.00 0.50 
243 6.40 6.40 325.00 0.50 
244 22.40 22.40 290.00 1.00 
245 8.30 8.30 345.00 0.50 
246 9.40 9.40 245.00 0.50 
247 10.40 10.40 305.00 1.00 
248 8.00 8.00 315.00 1.50 
249 7.60 7.60 265.00 1.00 
250 6.20 6.20 260.00 1.00 
251 7.20 7.17 310.00 5.00 
171 
252 16.40 16.37 320.00 3.50 
253 6.20 6.19 345.00 3.00 
254 14.00 14.00 280.00 1.50 
255 8.50 8.49 285.00 2.50 
256 5.30 5.30 345.00 1.50 . 
257 8.50 8.49 5.00 2.00 
258 10.50 10.50 10.00 0.50 
259 13.90 13.90 345.00 1.50 
260 7.20 7.20 350.00 1.50 
261 6.20 6.20 325.00 0.50 
262 11.40 11.39 315.00 2.00 
263 11.00 11.00 345.00 1.50 
264 15.00 14.99 320.00 1.50 
265 14.20 14.20 350.00 1.00 
266 7.00 7.00 345.00 2.00 
267 9.30 9.29 320.00 2.00 
268 10.30 10.30 275.00 1.50 
269 6.70 6.70 320.00 1.50 
270 10.60 10.59 315.00 2.00 
271 10.80 10.80 270.00 1.00 
272 6.60 6.60 265.00 1.00 
273 11.20 11.19 295.00 2.50 
274 9.80 9.80 345.00 0.50 
275 8.50 8;50 315.00 0.50 
276 7.20 7.20 330.00 1.00 
277 8.30 8.29 280.00 3.00 
278 9.10 9.09 320.00 2.00 
279 11.40 11.40 40.00 1.00 
280 6.00 . 5.99 345.00 3.00 
281 8.70 8.69 310.00 2.00 
282 9.20 9.19 265.00 2.00 
283 8.90 8.89 240.00 2.50 
284 6.40 6.40 255.00 1.00 
285 15.60 15.59 320.00 2.00 
286 15.10 15.09 355.00 1.50 
287 15.80 15.80 330.00 1.00 
288 12.00 11.99 300.00 2.00 
289 16.60 16.59 30.00 1.50 
290 14.60 14.60 40.00 1.00 
291 12.80 12.79 350.00 2.00 
292 8.40 8.40 50.00 0.50 
293 11.80 11.79 55.00 2.00 
294 16.60 16.60 50.00 1.00 
295 19.10 19.09 30.00 1.50 
296 20.40 20.39 75.00 2.00 
297 8.70 8.70 20.00 1.00 
298 10.70 ·10.70 340.00 1.00 
299 9.00 9.00 330.00 0.50 
300 9.10 9.10 80.00 1.00 
301 8.70 8.69 120.00 2.00 
302 14.00 13.99 75.00 2.00 
303 9.50 9.49 140.00 2.00 
304 10.30 10.29 160.00 2.50 
172 
305 6.60 6.60 100.00 2.00 
306 13.00 12.99 90.00 2.50 
307 17.80 17.77 160.00 3.50 
308 12.30 12.29 80.00 2.00 
309 11.30 11.28 45.00 3.50 
310 8.50 8.50 35.00 1.00 
311 17.50 17.47 80.00 3.50 
312 8.30 8.29 75.00 2.50 
313 16.00 15.99 55.00 2.00 
314 21.00 20.98 105.00 2.50 
315 12.00 11.99 70.00 2.00 
316 6.30 5.99 35.00 18.00 
317 11.00 10.86 80.00 9.00 
318 7.00 6.44 75.00 23.00 
319 10.80 10.79 55.00 2.50 
320 29.50 15.63 70.00 58.00 
321 15.00 12.86 85.00 31.00 
322 16.50 16.20 85.00 11.00 
323 18.50 15.86 95.00 31.00 
324 8.70 8.62 105.00 8.00 
325 9.70 8.14 110.00 33.00 
326 8.00 7.97 80.00 5.00 
327 9.80 9.70 75.00 8.00 
328 6.80 6.79 80.00 3.50 
329 6.50 6.33 175.00 13.00 
330 12.20 9.87 50.00 36.00 
331 7.80 7.46 95.00 17.00 
332 13.70 13.29 130.00 14.00 
333 8.70 6.66 90.00 40.00 
334 11.10 10.99 115.00 8.00 
335 9.30 9.13 50.00 11.00 
336 10.60 10.59 120.00 2.50 
337 10.60 10.53 45.00 6.50 
338 6.70 6.70 100.00 2.00 
339 7.80 7.70 20.00 9.00 
340 9.30 9.30 60.00 1.50 
341 13.80 11.70 50.00 32.00 
342 14.50 14.47 60.00 3.50 
343 10.30 8.39 35.00 35.50 
344 17.80 17.53 30.00 10.00 
345 9.60 9.42 5.00 11.00 
346 9.20 9.16 325.00 5.00 . 
347 12.00 11.95 55.00 5.00 
348 23.70 23.63 350.00 4.50 
349 14.90 14.72 355.00 9.00. 
350 14.00 13.90 315.00 7.00 
351 8.60 8.53 25.00 7.50 
352 12.50 12.23 340.00 12.00 
353 9.70 9.12 370.00 20.00 
354 5.10 4.02 340.00 38.00 
355 7.00 6.85 305.00 12.00 
356 20.30 20.15 345.00 7.00 
357 10.70 10.50 10.00 11.00 
173 
358 16.30 16.14 15.00 8.00 
359 17.20 17.07 330.00 7.00 
360 6.70 5.74 45.00 31.00 
361 16.00 15.88 350.00 7.00 
362 13.00 12~56 355.00 15.00 
363 6.70 6.70 340.00 2.00 
364 9.60 9.59 35.00 3.00 
365 8.60 8.51 55.00 8.50 
366 15.80 15.71 5.00 6.00 
367 13.80 13.75 40.00 5.00 
368 19.60 19.49 355.00 6.00 
369 6.50 6.28 345.00 15.00 
370 8.50 8.41 350.00 8.50 
371 4.00 3.97 5.00 7.00 
372 8.50 8.08 355.00 18.00 
373 6.70 6.63 350.00 8.00 
374 6.00 5,91 335.00 10.00 
375 12.80 8.06 5.00 51.00 
376 16.10 15.69 300.00 13.00 
377 8.15 7.13 29.00 29.00 
378 16.54 16.24 35.00 11.00 
379 23.84 23.32 60.00 12.00 
380 6.37 5.95 115.00 21.00 
381 15.38 14.99 80.00 13.00 
382 10.50 10.27 90.00 12.00 
383 12.37 12.22 80.00 9.00 
384 6.92 5.80 60.00 33.00 
385 13.76 13.41 40.00 13.00 
386 9.30 9.19 100.00 9.00 
387 8.34 8.24 80.00 9.00 
388 20.22 19.53 70.00 15.00 
389 16.61 16.18 40.00 13.00 
390 12.43 11.60 60.00 21.00 
391 7.55 6.33 20.00 33.00 
392 14.83 13.75 40.00 22.00 
393 12.21 10.68 100.00 29.00 
394 6.12 5.94 40.00 14.00 
395 13.98 11.31 30.00 36.00 
396 8.80 8.27 10.00 20.00 
397 19.20 16.46 60.00 31.00 
398 10.10 9.91 80.00 11.00 
399 6.33 6.17 40.00 13.00 
400 7.72 6.94 70.00 26.00 
401 9.03 5.31 80.00 54.00 
402 10.64 9.93 65.00 21.00 
403 7.76 6.65 50.00 31.00 
404 7.83 7.26 10.00 22.00 
405 10.53 10.43 40.00 8.00 
406 10.28 10.12 20.00 10.00 
407 8.84 8.71 90.00 10.00 
408 14.83 14.51 50.00 12.00 
409 8.03 7.79 30.00 14.00 
410 8.52 8.44 40.00 8.00 
,•' 
174 
411 11.04 10.76 50.00 13.00 
412 7.79 7.22 30.00 22.00 
413 12.08 11.82 70.00 12.00 
414 8.63 8.57 60.00 7.00 
415 6.38 6.35 110.00 6.00 
416 5.03 5.02 40.00 4.00 
417 8.49 7.87 85.00 22.00 
418 14.05 13.03 60.00 22.00 
419 11.00 10.40 50.00 19.00 . 
420 9.23 8.43 51.00 24.00 
421 8.43 7.92 40.00 20.00 
422 8.22 7.19 55.00 29.00 
423 11.26 10.93 50.00 ·i4.úü 
424 13.69 12.69 25.00 22.00 
Cuadro 56. Levantamiento toeoaráfico de la microcuenca Río Oro 
Puntos Distancia (m) Distancia Azimut Pendiente horizontal {m} {grados} (grados} 
o 0.00 0.00 0.00 
1 8.20 8.18 182.00 4.00 
2 16.40 16.38 220.00 3.00 
3 3.30 3.29 195.00 3.50 
4 21.80 21.79 175.00 2.00 
5 16.00 15.99 150.00 2.00 
6 14.70 14.69 160.00 1.50. 
7 21.00 20.95 155.00 4.00 
8 18.50 18.43 175.00 5.00 
9 18.70 18.67 170.00 3.50 
10 10.40 10.39 140.00 2.00 
11 15.10 15.09 150.00 2.00 
12 11.20 11.19 155.00 2.00 
13 17.30 17.28 90.00 3.00 
14 8.70 8.69 80.00 3.00 
15 12.90 12.89 150.00 2.50 
16 21.70 21.69 190.00 1.50 
17 23.80 23.76 180.00 3.50 
18 13.40 13.37 210.00 4.00 
19 7.00 6.97 240.00 5.00 
20 15.70 15.69 300.00 2.00 
21 13.00 13.00 255.00 1.50 
22 23.80 23.80 190.00 1.00 
23 22.10 22.06 180.00 3.50 
24 26.70 26.67 135.00 2.50 
25 16.30 16.28 130.00 3.00 
26 12.20 12.19 140.00 2.50 
27 10.30 10.29 210.00 2.00 
28 27.00 26.96 265.00 3.00 
29 6.80 6.77 230.00 5.00 
30 10.00 9.99 170.00 3.00 
31 12.60 12.57 220.00 4.00 
32 10.40 10.40 260.00 0.50 
33 10.30 10.29 320.00 2;50 
34 18.70 18.67 155.00 3.50 
175 
35 8.30 8.28 120.00 4.00 
36 14.00 13.95 90.00 5.00 
37 14.10 14.09 120.00 2.50 
38 20.00 19.92 190.00 5.00 
39 21.30 21.29 . 230.00 2.00 
40 17.00 16.98 230.00 3.00 
41 11.80 11.77 175.00 4.00 
42 23.90 23.84 140.00 4.00. 
43 20.80 20.72 200.00 5.00 
44 27.00 26.98 140.00 2.00 
45 28.00 27.93 160.00 4.00 
46 24.50 24.48 190.00 2.50 
47 9.60 9.60 200.00 1.00 
48 25.60 25.54 130.00 4.00 
49 26.80 26.78 160.00 2.00 
50 13.60 13.57 200.00 4.00 
51 21.20 21.16 240.00 3.50. 
52 17.90 17.89 215.00 2.00 
53 13.20 13.18 190.00 3.00 
54 15.10 15.06 245.00 4.00 
55 13.80 13.79 225.00 2.50 
56 17.20 17.19 180.00 2.00 
57 25.10 25.09 220.00 1.50 
58 6.10 6.08 300.00 5.00 
59 24.40 24.40 170.00 1.00 
60 13.50 13.47 230.00 4.00 
61 19.30 19.27 290.00 3.00 
62 13.00 12.98 230.00 3.00 
63 18.00 17.99 200.00 2.00 
64 13.70 13.69 230.00 2.00 
65 15.80 15.78 250.00 3.00 
66 25.50 25.44 195.00 4.00 
67 18.20 18.16 150.00 4.00 
68 13.20 13.19 125.00 2.50 
69 24.60 24.60 130.00 1.00 
70 11.00 10.99 145.00 2.00 
71 11.60 11.60 110.00 1.50 
72 20.50 20.50 155.00 1.00 
73 17.10 17.09 135.00 1.50 
74 11.50 11.49 110.00 2.00 
75 29.50 29.48 150.00 2.00 
76 19.70 19.68 140.00 2.50 
77 10.80 10.80 120.00 0.50 
78 16.60 16.59 160.00 2.00 
79 13.50 13.50 130.00 1.50 
80 13.30 13.30 110.00 1.50 
81 12.30 12.30 120.00 0.50 
82 21.70 21.69 90.00 1.50 
83 11.70 11.70 75.00 1.00 
84 26.80 26.80 140.00 1.00 
85 23.30 23.26 135.00 3.50 
86 30.20 30.20 150.00 0.00 
87 22.30 22.29 170.00 1.50 
176 
88 18.80 18.79 180.00 1.50 
89 6.60 6.60 175.00 0.50 
90 11.70 11.68 230.00 3.00 
91 26.10 26.09 170.00 1.50 
92 7.30 7.25 185.00 7.00 
93 12.60 12.46 230.00 8.50 
94 16.70 16.69 165.00 1.50 
95 11.00 10.99 110.00 2.00 
96 25.80 25.76 190.00 3.00 
97 6.40 6.38 235.00 4.00 
98 19.80 19.80 180.00 0.50 
99 6.50 6.50 200.00 2.00 
100 9.80 9.80 110.00 1.50 
101 8.60 8.60 155.00 0.00 
102 8.00 8.00 185.00 1.00 
103 15.80 15.80 170.00 1.00 
104 13.10 13.09 200.00 2.00 
105 9.10 9.10 140.00 1.50 
106 8.00 8.00 180.00 1.00 
107 14.40 14.40 165.00 0.50 
108 7.40 7.40 220.00 1.00 
109 20.70 20.70 235.00 1.00 
110 29.10 29.08 190.00 2.00 
111 13.10 13.09 185.00 2.00 
112 14.40 14.40 235.00 1.00 
113 25.00 25.00 200.00 1.00 
114 23.20 23.17 230.00 3.00 
115 22.70 22.69 290.00 2.00 
116 18.60 18.59 270.00 2.00 
117 23.60 23.60 245.00 0.50 
118 12.90 12.90 195.00 1.00 
119 19.60 19.60 150.00 1.00 
120 13.20 13.20 160.00 1.00 
121 9.80 . 9.78 110.00 4.00 
122 9.10 9.09 155.00 2.00 
123 20.00 19.99 200.00 1.50 
124 19.80 19.77 230.00 3.00 
125 18.10 18.09 170.00 2.00 
126 19.40 19.40 190.00 0.50 
127 29.10 29.10 200.00 1.00 
128 14.40 14.40 185.00 0.50 
129 29.40 29.40 155.00 1.00 
130 18.00 18.00 190.00 0.50 
131 19.00 19.00 130.00 0.20 
132 10.60 10.60 100.00 0.30 
133 23.00 23.00 130.00 1.00 
134 23.60 23.57 120.00 3.00 
135 29.30 29.30 125.00 1.00 
136 13.10 13.09 140.00 2.00 
137 17.10 16.89 130.00 9.00 
138 23.80 23.79 90.00 2.00 
139 18.70 18.69 70.00 2.00 
140 11.50 11.49 145.00 2.00 
177 
141 9.40 9.39 100.00 2.00 
142 13.60 13.60 155.00 0.40 
143 21.70 21.70 135.00 1.00 
144 18.60 18.60 160.00 1.00 
145 30.30 30.30 65.00 0.50 
146 19.00 . 19.00 135.00 1.00 
147 23.00 23.00 150.00 1.00 
148 18.30 18.29 140.00 1.50 
149 11.10 11.10 75.00 1.00 
150 8.30 8.30 95.00 1.00 
151 16.00 16.00 130.00 1.00 
152 11.10 11.10 35.00 1.00 
153 7.80 7.80 200.00 1.00 
154 16.60 16.60 185.00 1.00 
155 20.00 19.97 250.00 3.00 
156 16.70 16.70 270.00 1.00 
157 16.40 16.24 230.00 8.00 
158 7.00 7.00 180.00 0.50 
159 15.50 15.50 150.00 1.00 
160 10.50 10.50 200.00 1.00 
161 11.10 11.10 190.00 0.20· 
162 18.50 18.50 165.00 0.50 
163 16.00 16.00 ·125.00 1.00 
164 19.50 . 19.50 110.00 0.50 
165 8.70 8.70 160.00 0.50 
166 15.00 14.99 175.00 1.50 
167 11.50 11.50 160.00 0.50 
168 19.00 19.00 230.00 0.50. 
169 12.40 12.38 160.00 3.00 
170 13.00 12.99 170.00 2.50 
171 8.50 8.50 230.00 1.00 
172 18.00 17.99 160.00 2.00 
173 9.30 9.30 140.00 1.00 
174 11.20 11.20 90.00 0.20 
175 19.00 19.00 125.00 0.20 
176 25.70 25.66 140.00 3.00 
177 20.00 20.00 170.00 1.00 
178 15.30 15.28 170.00 3.00 
179 21.50 21.45 200.00 4.00 
180 11.20 11.19 150.00 2.00 
181 8.10 8.10 195.00 1.00 
182 11.30 11.27 230.00 4.50 
183 21.20 21.20 190.00 0.50 
184 28.70 28.67 215.00 2.50 
185 11.70 11.70 190.00 1.00 
186 19.60 19.60 110.00 1.00 
187 26.30 26.30 105.00 1.00 
188 23.70 23.70 150.00 1.00 
189 16.00 16.00 180.00 0.50 
190 20.70 20.67 240.00 3.00 
191 15.50 15.49 170.00 2.00 
192 19.00 19.00 235.00 1.00 
193 24.00 Z3.99 210.00 2.00 
... 
178 
194 18.80 18.78 230.00 2.50 
195 7.50 7.47 240.00 5.00 
196 4.00 3.98 215.00 5.00 
197 13.60 13.60 280.00 1.00 
198 8.70 8.70 220.00 1.00 
199 8.50 8.47 170.00 5.00 
200 10.40 10.39 220.00 2.00 
201 5.80 5.80 275.00 2.00 
202 22.00 21.95 230.00 4.00 
203 8.00 8.00 190.00 1.50 
204 11.70 11.67 140.00 4.00 
205 10.80 10.77 195.00 4.00 
206 12.10 12.09 240.00 2.50 
207 12.30 12.28 215.00 3.00 
208 11.40 11.37 210.00 4.00 
209 15.50 15.46 225.00 4.00 
210 20.70 20.69 235.00 2.00 
211 5.60 5.60 165.00 1.50 
212 8.90 8.88 170.00 4.00 
213 14.70 14.64 150.00 5.00 
214 10.90 10.90 240.00 0.50 
215 15.50 15.48 175.00 3.00 
216 14.00 13.99 200.00 2.50 
217 8.80 8.80 270.00 1.50 
218 14.90 14.88 210.00 3.00 
219 14.00 13.97 205.00 3.5Q 
220 18.80 18.78 190.00 2.50 
221 14.50 14.48 245.00 3.00 
222 11.00 10.99 205.00 2.00 
223 12.30 12.25 200.00 5.00 
224 14.30 14.29 195.00 2.00· 
225 6.60 6.60 150.00 2.00 
226 9.90 9.89 190.00 2.00 
227 17.40 17.30 215.00 6.00 
228 15.00 14.99 170.00 2.00 
229 7.90 7.87 185.00 5.00 
230 11.50 11.48 265.00 3.50 
231 14.80 14.74 190.00 5.00 
232 16.50 16.48 205.00 3.00 
233 14.00 13.95 240.00 5.00 
234 14.60 14.52 130.00 6.00 
235 17.00 16.96 190.00 4.00 
236 11.30 11.27 200.00 4.00 
237 18.50 18.47 165.00 3.50 
238 18.20 17.80 160.00 12.00 
239 16.00 15.84 200.00 8.00 
240 19.30 19.09 185.00 8.50 
241 7.20 7.16 140.00 6.00 
242 8.70 8.44 225.00 14.00 
243 8.30 8.27 230.00 5.00 
244 14.20 14.12 225.00 6.00 
245 14.90 ·14.17 180.00 18.00 
246 18.00 17.97 220.00 3.50 
, .. 
•.. 
180 
300 4.90 4.87 260.00 6.00 
301 12.30 11.88 230.00 15.00 
302 6.80 6.65 225.00 12.00 
303 7.90 7.63 275.00 15.00 
304" 14.40 12.34 265.00 31.00 
305 21.00 20.42 270.00 13.50 
306 12.20 9.99 275.00 35.00 
Cuadro 57. Levantamiento to~ográñco de ia microcuenca Río Colorado 
Puntos Distancia (m) Distancia Azimut Pendiente horizontal (m} (grados} (grados} 
o 0.00 0.00 0.00 
1 19.70 19.67 250.00 3.00 
2 33.15 33.10 310.00 3.00 
3 18.00 17.99 339.00 2.00 
4 33.30 33.25 248.00 3.00 
5 16.75 16.74 273.00 2.00 
6 18.90 18.89 320.00 2.00 
7 14.30 14.27 273.00 4.00 
8 8.20 8.20 260.00 2.00 
9 18.10 18.06 230.00 4.00 
10 10.40 10.39 280.00 3.00 
11 31.70 31.68 305.00 2.00 
12 12.55 12.48 268.00 6.00 
13 11.30 11.27 308.00 4.00 
14 21.05 20.66 299.00 11.00 
15 4.90 4.66 215.00 18.00 
16 7.00 6.99 246.00 3.00 
17 23.22 20.11 289.00 30.00 
18 16.00 . 15.98 11.00 3.00 
19 7.80 7.80 358.00 2.00 
20 5.30 5.30 315.00 2.00 
21 6.40 6.39 295.00 3.00 
22 26.95 26.91 256.00 3.00 
23 6.30 6.28 303.00 5.00 
24 32.20 27.89 338.00 30.00 
25 5.40 5.40 285.00 2.00 
26 14.40 14.38 220.00 3.00 
27 10.70 10.70 268.00 1.50 
28 7.50 7.50 320.00 2.00 
29 9.30 9.26 334.00 5.00 
30 15.45 15.41 304.00 4.00 
31 22.55 22.46 335.00 5.00 
32 5.20 5.20 275.00 2.00 
33 7.20 7.19 308.00 3.00 
34 27.90 27.88 240.00 2.00 
35 18.30 18.29 359.00 2.00 
36 10.40 10.39 12.00 2.00 
37 13.70 13.68 355.00 3.00 
38 13.50 13.47 15.00 4.00 
39 6.90 6.90 345.00 2.00 
40 6.80 6.80 323.00 1.úú 
41 10.00 9.99 71.00 2.00 
181 
42 8.40 8.40 40.00 1.00 
43 10.45 10.45 317.00 1.00 
44 15.80 15.78 294.00 3.00 
45 16.80 16.76 314.00 4.00 
46 4.44 4.43 310.00 3.00 
47 30.50 30.46 292.00 3.00 
48 10.00 10.00 272.00 1.00 
49 15.20 . 15.09 255.00 7.00 
50 6.00 5.99 285.00 3.00 
51 10.90 10.90 237.00 1.00 
52 7.20 7.20 260.00 2.00 
53 5.80 5.80 282.00 2.00 
54 7.50 7.49 309.00 2.50 
55 12.30 12.29 291.00 2.00 
56 7.20 7.20 267.00 1.00 
57 20.60 20.57 340.00 3.00 
58 16.95 16.94 322.00 2.00 
59 8.55 8.54 260.00 3.00 
60 10.30 10.30 275.00 1.00 
61 8.80 8.79 295.00 2.00 
62 10.70 10.69 284.00 3.00 
63 9.60 9.59 269.00 2.00 
64 15.65 15.64 279.00 2.00 
65 11.40 11.39 341.00 2.00 
66 12.10 12.08 370.00 3.00 
67 12.00 11.97 305.00 4.00 
68 8.50 8.50 330.00 1.00 
69 4.60 4.60 21.00 1.00 
70 9.07 9.07 19.00 1.00 
71 22.56 22.53 51.00 3.00 
72 5.15 5.15 345.00 2.00 
73 24.90 .24.88 317.00 2.00 
74 7.10 7.09 17.00 3.00 
75 7.85 7.68 2.00 12.00 
76 13.35 13.33 340.00 3.00 
77 12.50 12.31 7.00 10.00 
78 9.40 9.36 344.00 5.00 
79 17.00 16.98 348.00 3.00 
80 4.68 4.68 262.00 2.00 
81 16.75 16.74 224.00 2.00 
82 5.81 5.81 236.00 1.00 
83 15.22 15.20 330.00 3.00 
84 14.05 14.02 356.00 4.00 
85 11.40 11.38 331.00 3.00 
86 3.60 3.59 75.00 4.00 
87 7.20 7.18 350.00 4.00 
88 4.30 4.30 29.00 1.00 
89 11.00 10.99 357.00 2.00 
90 9.00 9.00 44.00 0.50 
91 13.00 12.98 318.00 3.00 
92 7.95 7.95 26.00 2.00 
93 8.00 8.00 15.00 1.00 
94 9.80 9.80 20.00 1.50 
•···· 
182 
95 5.60 5.59 346.00 3.00 
96 14.10 14.09 320.00 2.00 
97 8.70 8.69 281.00 2.50 
98 8.40 8.40 250.00 1.00 
99 12.20 12.18 255.00 3.50 
100 12.25 12.24 280.00 2.00 
101 12.90 12.86 360.00 4.50 
102 23.80 23.77 60.00 3.00 
103 21.35 21.30 345.00 4.00 
104 13.20 13.18 60.00 3.00 
105 15.20 15.17 321.00 3.50 
106 23.70 23.64 313.00 4.00 
107 7.65 7.63 290.00 4.00 
108 12.30 12.19 323.00 7.50 
109 27.80 27.76 2.00 3.00 
110 2.20 2.20 70.00 2.00 
111 11.00 10.97 6.00 4.00 
112 9.70 9.69 244.00 2.00 
113 7.10 7.09 326.00 2.50 
114 10.50 10.49 26.00 3.00 
115 11.40 11.35 50.00 5.50 
116 17.60 17.50 354.00 6.00 
117 15.40 15.34 12.00 5.00 
118 9.30 9.25 316.00 6.00 
119 12.50 12.38 338.00 8.00 
120 9.40 9.39 265.00 2.00 
121 31.80 29.88 292.00 20.00 
122 29.20 14.60 308.00 60.00 
123 15.10 15.07 222.00 3.50 
124 4.75 4.75 327.00 2.00 
125 6.90 6.89 275.00 3.00 
126 3.80 3.78 340.00 6.00 
127 7.00 6.98 280.00 4.50 
128 5.00 4.97 280.00 6.00 
129 6.30 6.16 355.00 12.00 
130 6.10 6.01 285.00 10.00 
131 25.40 24.16 300.00 18.00 
132 15.05 15.03 284.00 3.00 
133 12.10 12.07 343.00 4.00 
134 17.90 17.86 299.00 4.00 
135 34.40 34.27 352.00 5.00 
136 7.25 7.24 38.00 3.00 
137 10.30 10.30 8.00 1.00 
138 10.30 10.29 334.00 2.00 
139 12.00 12.00 84.00 1.00 
140 27.00 26.93 315.00 4.00 
141 16.70 16.68 50.00 3.00 
142 9.70 9.69 60.00 2.00 
143 12.20 12.19 25.00 2.50 
144 15.70 15.68 325.00 3.00 
145 13.70 13.65 341.00 5.00 
146 5.55 5.55 300.00 2.00 
147 4.30 4.30 345.00 2.50 
.-·· 
183 
148 14.80 14.79 45.00 2.00 
149 21.00 20.99 60.00 1.50 
150 21.40 21.38 356.00 2.50 
151 8.60 8.59 320.00 3.00 
152 14.50 14.48 27.00 3.00 
153 6.50 6:50 312.00 2.00 
154 7.20 7.16 354.00 6.00 
155 7.30 7.29 15.00 2.50 
156 8.80 8.79 40.00 3.00 
157 23.65 23.63 4.00 2.50 
158 3.20 3.20 342.00 2.00 
159 5.10 5.10. 324.00 2.00 
160 12.00 11.99 275.00 2.50 
161 13.00 12.99 304.00 2.00 
162 12.40 12.39 360.00 2.50 
163 15.80 15.78 319.00 2.50 
164 47.95 47.86 309.00 3.50 
165 21.35 21.32 294.00 3.00 
166 23.10 23.08 245.00 2 .. 50 
167 25.95 25.85 301.00 5.00 
168 12.85 12.84 341.00 2.50 
169 8.10 8.09 305.00 3.00 
170 9.30 9.29 271.00 2.00 
171 4.00 4.00 321.00 2.00 
172 11.00 10.98 290.00 3.00 
173 12.80 12.77 240.00 4.00 
174 15.50 15.48 301.00 3.00 
175 4.70 4.70 276.00 2.ÓO 
176 8.40 8.39 229.00 2.00 
177 7.70 7.66 284.00 6.00 
178 14.85 14.84 252.00 2.00 
179 14.10 14.09 346.00 2.00 
180 23.10 23.07 330.00 3.00 
181 16.25 16.23 268.00 3.00 
182 12.65 12.63 296.00 3.00 
183 3.10 3.10 249.00 2.50 
184 5.05 5.05 320.00 2.00 
185 12.00 11.98 295.00 3.00 
186 18.70 18.67 310.00 3.00 
187 16.60 16.54 297.00 5.00 
188 33.30 33.22 263.00 4.00 
189 17.15 17.11 332.00 4.00 
190 5.10 5.09 290.00 3.00 
191 6.50 6.48 329.00 4.50 
192 28.00 27.76 325.00 7~50 
193 8.00 7.92 299.00 8.00 
194 31.00 30.83 280.00 6.00 
195 24.00 23.64 5.00 10.0.0 
196 37.00 35.19 337.00 18.00 
197 38.30 37.46 349.00 12.00 
198 29.00 26.89 315.00 22.00 
199 22.00 16.35 345.00 42.00 
200 14.50 13.03 310.00 26.0ü 
184 
201 4.45 3.85 275.00 30.00 
202 5.80 5.71 324.00 10.00 
¿uJ 7.üü ·i.46 335.00 78.00 
Anexo 3. Potencial forestal del PNTM 
Cuadro 58. Inventario forestal oara determinar el ootencial forestal 
Altura Diámetro 
NO N.V NOMBRE CIENTIFICO FAMILIA {m} {cm} 
Requia Guarea multiflora A. Juss. MELIACEAE 17.0 25.5 
2 lshanga Urarasp. URTICACEAE 7.5 12.8 
3 Requia Guarea multiflora A. Juss. MELIACEAE 20.0 44.6 
4 Renaco Ficussp. MORACEAE 7.0 10.5 
~ lshanga Urera sp. URTICACEAE 6.0 10.8 
6 lshanga Urerasp. URTICACEAE 14.0 23.9 
7 lshanga Urerasp. URTICACEAE 12.0 26.4 
8 Cumala colorada lryanthera sp. MYRISTICACEAE 11.0 16.6 
9 Yanavarilla Oliganthes sp. COMPOSITAE 12.0 20.4 
10 Requia Guarea multiflora A. Juss. MELIACEAE 10.0 22.3 
11 Chimicua Pseudolmedia laevis (R. et P.) Macbride MORACEAE 9.0 14.3 
12 Re naco Ficussp. MORACEAE 11.0 15.0 
13 Shimbillo lnga sp. MIMOSOIDEAE ·10.0 17.5 
14 Requia Guarea multiflora A. Juss. MELIACEAE 12.0 14.6 
15 Sacha uvilla Pourouma sp. CECROPIACEAE 13.0 15.0 
16 Cumala colorada /ryanthera sp. MYRISTICACEAE 7.0 18.1 
17 Chimicua Pseudolmedia laevis (R. et P.) Macbride MORACEAE 15.0 26.7 
18 Chimicua Pseudolmedialaevis (R. et P.) Macbride MORACEAE 10.0 18.5 
19 lcoja Unonopsis floribunda Diels ANNONACEAE 6.0 12.4 
20 Espintana Guatteria citriodora bucke ANNONACEAE 10.0 16.9 
21 Chimicua Pseudolmedia laevis (R. et P.) Macbride MORACEAE 19.0 39.2 
22 Chimicua Pseudo/media /aevis (R. et P.) Macbride MORACEAE 6.0 12.4 
23 lsmamoena Endlicheria williamsii O. C. Schmidt LAURACEAE 8.0 15.9 
24 Chimicua Pseudolmedia laevis (R. et P.) Macbride MORACEAE 11.0 22.0 
25 Moena amarilla Nectandra globosa (Aubl.) Mez LAURACEAE 6.0 16.2 
26 Chimicua Pseudolmedia/aevis (R. et P.) Macbride MORACEAE 12.0 26.1 
27 Cuma la Virola pavonis (A. DC.) A. C. Smith MYRISTICACEAE 11.0 19.7 
28 Cuma la Virola pavonís (A. DC.) A. C. Smith MYRISTICACEAE 16.0 31.5 
29 Shimbillo lngasp. MIMOSOIDEAE 12.0 28.3 
30 Cumala Virola pavonis (A. DC.) A. C. Smith MYRISTICACEAE 6.0 10.8 
31 Requia Guarea multiflora A. Juss. MELIACEAE 14.0 25.2 
32 Requia Guarea multiflora A. Juss. MELIACEAE 13.0 26.1 
33 Requia Guarea multiflora A. Juss. MELIACEAE 10.0 17.2 
34 lshanga Urerasp. URTICACEAE 7.0 25.5 
35 Requia Guarea multiflora A. Juss. MELIACEAE s;o 14.6 
36 N.N 13.0 25.8 
37 Renaco Ficus sp. MORACEAE 12.0 18.1 
38 lshanga Urera se. URTICACEAE 5.0 10.8 
185 
39 lshanga Urerasp. URTICACEAE 5.0 11.8 
40 lshanga Urerasp. URTICACEAE 9.0 26.7 
41 Cumala colorada lryanthera sp. MYRISTJCACEAE 15.6 30.2 
42 Yanavarilla Olíganthes sp. COMPOSITAE 6.5 15.6 
43 Pucapalo 10.4 10.8 
44 Shimbillo lngasp. MIMOSOIDEAE 17.0 33.4 
45 Shimbillo lngasp. MIMOSOIDEAE 7.5 10.5 
46 Yanavarilla Olíganthes sp. COMPOSITAE 7.0 10.2 
47 Shimbillo lnga sp. MIMOSOIDEAE 10.5 24.2 
48 Requia Guama multiflora A. Juss. MELIACEAE 13.0 16.2 
49 Chimicua Pseudolmedíalaevis (R. et P.) Macbride MORACEAE 20.0 50.9 
50 Shimbillo lngasp. MIMOSOIDEAE 16.0 20.4 
51 lshanga Urerasp. URTICACEAE . 7.0 10.8 
52 lshanga Umrasp. URTICACEAE 11,5 13.7 
53 Requia Guama multiflora A. Juss. MELIACEAE 6.5 13.4 
54 lshanga Umrasp. URTICACEAE 9.0 22.0 
55 Shimbillo lngasp. MIMOSOIDEAE 10.5 17.8 
56 Shimbillo lngasp. MIMOSOIDEAE 10.5 13.7 
57 lshanga Urerasp. URTICACEAE 8.0 14.6 
58 lshanga Umrasp. URTICACEAE 6.0 15.6 
59 Yanavarilla Olíganthes sp. COMPOSITAE 18.0 13.1 
60 Azucar huayo Hymenaea oblongífolia Huber LEGUMINOCEAE 18.0 30.9 
61 Chlmicua Pseudolmedialaevís (R. et P.) Macbride MORACEAE 11.5 18.5 
62 Achuni caspi 6.0 10.8 
63 Chimicua Pseudolmedíalaevis (R. et P.) Macbride MORACEAE 9.0 16.2 
64 Yanavarllla 0/iganthes sp. COMPOSITAE 8.0 10.2 
65 Pucapalo 15.o· 24.5 
66 lcoja Unonopsis floribunda Diels ANNONACEAE 8.0 11.1 
67 Yanavarilla 0/íganthes sp. COMPOSITAE 12.5 10.5 
68 Chimicua Pseudo/media laevis (R. et P.) Macbride MORACEAE 13.0 26.7 
69 Shimbillo fnga sp. MIMOSOIDEAE 14.0 23.6 
70 Chimicua Pseudo/media /aevís (R. et P.) Macbrlde MORACEAE 16.0 21.7 
71 Canela moena Pfeurothyrium bifidum Nees LAURACEAE 12.0 10.2 
72 Renaco Ficussp. MORACEAE 18.0 11.8 
73 Renaco Ficussp. MORACEAE 25.0 86.6 
74 Shimbillo lngasp. MIMOSOIDEAE 5,5 14.6 
75 Moena negra Aniba perutilis Hemsley LAURACEAE 12.0 22.8 
76 Sacha uvilla Pourouma sp. CECROPIACEAE 10.0 10.5 
77 Cumala roja lryanthera sp. MYRISTICACEAE 13.0 24.8 
78 Sapote Quararibea cordata (H. et B.) VJScher BOMBACACEAE 14.0 13.1 
79 Cumala colorada lryanthera sp. MYRISTICACEAE 15.0 19.7 
80 Shimbillo lngasp. MIMOSOIDEAE 6.0 10.0 
81 Cuma la Virola pavonls (A. DC.) A. C. Smíth MYRISTICACEAE 7.0 10.0 
82 Requia Guama multiflora A. Juss. MELIACEAE 21:0 67.5 
83 Espintana Guatteria cítriodora Ducke ANNONACEAE 18;0 12.1 
84 lcoja Unonopsis floribunda Diels ANNONACEAE 12.0 15.9 
85 Moena negra Aniba perutilis Hemsley LAURACEAE 8.0 10.2 
186 
86 Pucapalo 9.0 11.5 
87 Shimbillo lngasp. MIMOSOIDEAE 10;0 10.5 
88 Chimicua Pseudolmedialaevis (R. et P.) Macbride MORACEAE 12.0 11.1 
89 lshanga Urerasp. URTICACEAE 8.0 11.8 
90 Chimicua Pseudo/media laevis (R. et P.) Macbride MORACEAE 9.0 17.8 
91 Chimicua Pseudo/media laevis (R. et P.) Macbride MORACEAE 12.0 12.1 
92 Renaco Ficussp. MORACEAE 22.0 41.4 
93 lshanga Urerasp. URTICACEAE 28.0 59.2 
94 Chimicua Pseudolmedialaevis (R. et P.) Macbride MORACEAE. 12.0 10.2 
95 Chimicua Pseudolmedialaevis (R. et P.) Macbríde MORACEAE 8.0 10.0 
96 Renaco Ficussp. MORACEAE 23.0 18.4 
97 Sapote Quararibea cordata (H. et B.) Vischer BOMBACACEAE 25.0 76.4 
98 Moena amarilla Nectandra globosa (Aubl.) Mez LAURACEAE 6.0 15.9 
99 Yanavarílla Oliganthes sp. COMPOSITAE 8.0 16.6 
100 Sapote Quararibea cordata (H. et B.) Vischer BOMBACACEAE 5.0 11.8 
101 Cuma la Virola pavonis (A. DC.) A. C. Smith MYRISTICACEAE 23.0 48.4 
102 Shimbillo lngasp. MIMOSOIDEAE 11.0 18.8 
103 Yanavarílla Oliganthes sp. COMPOSITAE 18.0 25.5 
104 Shimbillo lngesp. MIMOSOIDEAE 8.0 14.0 
105 Cumala colorada lryanthera sp. MYRISTICACEAE 15.0 10.5 
106 Chimicua Pseudo/medie laevis (R. et P.) Macbride MORACEAE 10.0 19.4 
107 Moena negra Aniba perutilis Hemsley LAURACEAE G.O 14.0 
108 Yanavarilla 0/iganthes sp. COMPOSJTAE 13.0 30.9 
109 Cetico Cecropia sp. MORACEAE 10.0 35.0 
110 Shimbillo lnga sp. MIMOSOIDEAE 12.0 10.8 
111 Sapote Quararibea cordata (H. et B.) Vischer BOMBACACEAE 11.0 12.1 
112 Renaco Ficussp. MORACEAE 16.0 14.0 
113 Cuma la Virola pavonls (A. DC.) A. C. Smith MYRISTICACEAE 24.0 76.4 
114 Yanavarilla 0/iganthes sp. COMPOSITAE 12.0 15.2 
115 Renaco Ficussp. MORACEAE 15.0 17.9 
116 Shimbillo lngasp. MIMOSOIDEAE 9.0 75.1 
117 Shimbillo lngasp. MIMOSOIDEAE 10.0 11.8 
118 Cuma la Virola pavonis (A. DC.) A. C. Smith MYRISTICACEAE 8!0 20.4 
119 Moena negra Aniba perutilis Hemsley LAURACEAE 12.0 21.0 
120 Shimbillo lngasp. MIMOSOIDEAE 8.0 15.0 
121 Copal Protium puncticu/atum Macbríde BURSERACEAE 5.0 15.0 
122 Cumala colorada lryanthera sp. MYRISTICACEAE 12.0 21.6 
123 Copal Protium puncticulatum Macbride BURSERACEAE 6.0 13.7 
124 Manchinga Brosimum e/icastrum Swartz MORACEAE 8.0 9.9 
125 lsmaMoena Endlicherie williamsil O. C. Schmldt LAURACEAE 9.0 14.6 
126 cedro lila Cedrela fissilis Vell. MELIACEAE 9.0 20.4 
127 Chimicua Pseudolmedielaevis (R. etP.) Macbride MORACEAE 12.0 10.5 
128 Azucar huayo Hymenaea oblongifo/ia Huber LEGUMINOSAE 12.0 14.3 
129 Sacha uvilla Pouroume sp. CECROPIACEAE 13.0 11.8 
130 Yanavarilla 0/iganthes sp. COMPOSITAE 20.0 26.4 
131 Shimbillo lnga sp. MIMOSOIDEAE 12.0 11.1 
132 Sinchona Cinchona sp. RUBIACEAE 14.0 17.2 
187 
133 lshanga Urerasp. URTICACEAE 9.0 12.4 
134 Moena negra Aniba perutilis Hemsley LAURACEAE 10.0 15.9 
135 Manchlnga Brosimum a/icastrum Swartz MORACEAE 13.0 44.6 
136 Shimbillo lngasp. MIMOSOIDEAE 20.0 27.4 
137 Shimbillo lngasp. MIMOSOIDEAE 11.0 33.4 
138 Shimbillo lnga sp. MIMOSOIDEAE 9.0 13.7 
139 Sapote Quararibea cordata (H. et B.) VIScher BOMBACACEAE 11.0 13.4 
140 lshanga Urera sp. URTICACEAE 6:o 12.7 
141 Moena negra Aniba perutilis Hemsley LAURACEAE 11.0 15.9 
142 Shimbillo lngasp. MIMOSOIDEAE 7.5 13.4 
143 Shimbillo lngasp. MIMOSOIDEAE 8.0 27.1 
144 Manchlnga Brosimum alicastrum Swartz MORACEAE 14.0 59.2 
145 Requia Guares multiflora A. Juss. MELIACEAE 8.0 21.0 
146 Palta moena Perseasp. LAURACEAE 11.0 19.4 
147 Shimbillo lngasp. MIMOSOIDEAE 7.0 14.3 
148 Renaco Ficussp. MORACEAE 7.0 41.4 
149 Chimicua Pseudo/media laevis (R. et P.) Macbride MORACEAE 13.0 29.9 
150 Moena negra Aniba perutilis Hemsley LAURACEAE 8.0 30.2 
151 lshanga Urerasp. URTICACEAE 6.0 14.0 
152 Sacha uvilla Pourouma so. CECROPIACEAE 12.0 22.9 
153 N.N 9.0 13.4 
154 Moena amarilla Nectandra globosa (Aubl.) Mez LAURACEAE 11.0 14.3 
155 Cuma la Virola pavonis (A. DC.} A. C. Smith MYRISllCACEAE 14.0 22.0 
156 Cumala Virola pavonis (A. DC.) A. C. Smith MYRISTICACEAE 8.0 17.5 
157 Requia Guares multiflora A. Juss. MELIACEAE 15.0 52.5 
158 Shimbillo lnqasp. MIMOSOIDEAE 12.0 17.5 
159 N.N 7.0 14.3 
160 E lecho 8.0 23.9 
161 lshanga Urera sp. URTICACEAE . 5.0 11.1 
162 Moena negra Aniba perutilis Hemsley LAURACEAE 10.0 12.7 
163 Shimbillo lngasp. MIMOSOIDEAE 12.0 13.1 
164 Yanavarilla 0/iganthes sp. COMPOSITAE 9.0 12.1 
165 Cuma la Virola pavonis (A. DC.) A. C. Smith MYRISllCACEAE 12.0 25.5 
166 Chimicua Pseudo/media laevis (R. et P.) Macbrlde MORACEAE ·5.0 11.1 
167 Requia Guares multiflora A. Juss. MELIACEAE 7.0 13.7 
168 Shimbillo lngasp. MIMOSOIDEAE 6.0 12.1 
169 Shimbillo lnga sp. MIMOSOIDEAE 18.0 19.7 
170 Cuma la Virola pavonis (A. DC.} A. C. Smith MYRISTICACEAE 9.0 16.9 
171 Cuma la Virola pavonis (A. DC.} A. C. Smith MYRISllCACEAE 17.0 32.8 
172 Moena negra Aniba perutilis Hemsley LAURACEAE 8.0 21.3 
173 Cetico Cecropia sp. MORACEAE 13.0 14.3 
174 Cuma la Virola pavonis (A. DC.} A. C. Smith MYRISTICACEAE 10.0 15.9 
175 Cuma la Virola pavonis (A. DC.) A. C. Smith MYRISTICACEAE 12.0 19.1 
176 Cuma la Virola pavonis (A. DC.) A. C. Smith MYRISTICACEAE 13.0 27.1 
177 Renaco Ficussp. MORACEAE 10.0 13.7 
178 Chimicua Pseudolmedia laevis (R. et P.) Macbrlde MORACEAE 12.0 27.1 
179 Cuma la Virola pavonis (A. DC.} A. C. Smith MYRISllCACEAE 12.5 22.9 
188 
180 Cuma la Virola pavonis (A. DC.) A. C. Smith MYRISTICACEAE 10.0 12.7 
181 Pucapalo 11.0 17.5 
182 Cumala Virola pavonls (A. DC.) A. C. Smíth MYRISTICACEAE 13.0 25.5 
183 Cuma la Virola pavonis (A. DC.) A. C. Smith . MYRISTICACEAE 12.0 23.9 
184 Espintana Guatteria citriodora Ducke ANNONACEAE 10.0 11.5 
185 Espintana Guatteria citriodora Ducke ANNONACEAE 13.0 23.9 
186 Azucar huayo Hymenaea oblongífolía Huber LEGUMJNOSAE 12~0 19.1 
187 Moena negra Aniba perutilis Hemsley LAURACEAE 11-.0 14.3 
188 Cuma la Virola pavonis (A. DC.) A. C. Smith MYRISTICACEAE 13.0 30.2 
189 Cumala Virola pavonís (A. DC.) A. C. Smith MYRISTICACEAE 16.0 19.7 
190 Requia Guarea multfflora A. Juss. MELIACEAE 9.0 12.1 
191 Azucarhuayo Hymenaea oblongífolia Huber LEGUMINOSAE 11.0 15.9 
192 Espintana Guatteria citriodora Ducke ANNONACEAE 10.0 19.1 
193 Cumala Virola oavonís (A. DC.) A. C. Smith MYRISTICACEAE 8.0 15.9 
194 lsmamoena Endlicheria wi/liamsii O. C. Schmidt LAURACEAE 7.0 12.7 
195 Requia Guarea multiflora A. Juss. MELIACEAE 9.0 22.3 
196 Requia Guarea multiflora A. Juss. MELIACEAE 19.0 57.3 
197 Cumala Virola pavonis (A. DC.) A. C. Smíth MYRISTICACEAE 14.0 14.3 
198 Cuma la Virola pavonis (A. DC.) A. C. Smíth MYRISTICACEAE 12.0 44.6 
199 Moena negra Aniba perutilís Hemsley LAURACEAE 9:0 19.7 
200 Cuma la Virola pavonis (A. DC.) A. C. Smith MYRISTICACEAE 10.0 38.2 
201 N.N 9.0 31.8 
202 lsmamoena Endlicheria williamsii O. C. Schmidt LAURACEAE 14.0 16.3 
203 Yanavarilla 0/iganthes sp. COMPOSITAE 13.0 15.5 
204 Chimicua Pseudolmedíalaevis (R. et P.) Macbride MORACEAE 15.0 17.6 
205 Cuma la Virola pavonis (A. DC.) A. C. Smith MYRISTICACEAE 10.0 10.8 
206 Sanango 7.0 14.1 
207 lshanga Urera sp. URTICACEAE 12.0 13.1 
208 Cuma la Virola pavonis (A. DC.) A. C. Smith MYRISTICACEAE 9.0 13.1 
209 Renaco Ficussp. MORACEAE 8.5 21.0 
210 Asna huayo 13.0 10.5 
211 Renaco Ficussp. MORACEAE 15.0 13.1 
212 Machete vaina Bauhínia tarapotensís Benth LEGUMINOSAE 1"(.0 15.0 
213 Chimicua Pseudolmedialaevis (R. et P.) Macbride MORACEAE 14.0 23.6 
214 Manchinga Brosimum alicastrum Swartz MORACEAE 25.0 43.9 
215 Chimicua Pseudolmedialaevis (R. et P.) Macbride MORACEAE 9.0 20.7 
216 Chimicua Pseudo/medía laevis (R. et P.) Macbride MORACEAE 1.0 14.0 
217 lcoja Unonopsis floribunda Diels ANNONACEAE 8.0 13.4 
218 Requia Guarea multiflora A. Juss. MELIACEAE 12.0 24.8 
219 Requia Guarea multiflora A. Juss. MELIACEAE 8.0 12.1 
220 Chimicua Pseudolmedialaevis (R. et P.) Macbride MORACEAE 10.0 21.0 
221 Chimicua Pseudolmedialaevis (R. et P.) Macbride MORACEAE 16.0 25.5 
222 lcoja Unonopsís floribunda Diels ANNONACEAE 15.0 16.6 
223 Espintana Guatteria citriodora Ducke ANNONACEAE 9.0 11.1 
224 Chimicua Pseudo/media /aevis (R. et P.) Macbride MORACEAE 12.0 15.3 
225 Chimicua Pseudolmedialaevís (R. et P.) Macbride MORACEAE 13.0 11.1 
226 lsmamoena Endlicheria wfl/iamsíí O. C. Schmidt LAURACEAE 7.0 15.3 
189 
227 Chimicua Pseudo/media laevis (R. et P.) Macbride MORACEAE 16.0 27.1 
228 Moena amarilla Nectandra globosa (Aubl.) Mez LAURACEAE 15.0 20.4 
229 Chlmicua Pseudo/media laevis (R. et P.) Macbride MORACEAE 6.0 15.6 
230 Cuma la Virola pavonis (A. DC.} A. C. Smith MYRISTICACEAE 8.0 15.6 
231 Cuma la Virola pavonis (A. DC.} A. C. Smith MYRISTICACEAE 18.0 23.9 
232 Chimicua Pseudo/media iaevis (R. et P.) Macbride MORACEAE 12.0 19.7 
233 Chimicua Pseudolmedialaevis (R. et P.) Macbride MORACEAE 13.0 18.8 
234 Chimicua (seco) Pseudo/media laevis (R. et P.) Macbride MORACEAE 10.0 19.1 
235 N.N 8.0 18.1 
236 N.N 21.0 25.8 
237 Chimicua Pseudo/media laevis (R. el P.) Macbride MORACEAE 13.0 16.6 
238 Chlmicua Pseudo/media laevis (R. et P.)Macbride MORACEAE 9.0 13.1 
239 lcoja Unonopsis fforibunda Diels ANNONACEAE 8.0 11.5 
240 Espintana Guatteria citriodora Ducke ANNONACEAE 10.0 12.1 
241 Chimicua Pseudo/media /aevis (R. et P.) Macbride MORACEAE 12.0 13.4 
242 Chimicua Pseudo/media /aevis (R. et P.) Macbride MORACEAE 8.0. 10.2 
243 lsmamoena Endlicheria williamsii O. C. Schmidt LAURACEAE 5.0 51.6 
244 Chimicua Pseudo/media laevis (R el P.) Macbride MORACEAE 20.0 29.6 
245 Moena amarilla Nectandra globosa (Aubl.) Mez LAURACEAE 15.0 11.5 
246 Chimicua Pseudolmedialaevis (R. et P.) Macbride MORACEAE 12.0 12.1 
247 cuma la Virola pavonis (A. DC.} A. C. Smith MYRISTICACEAE 11.0 27.7 
248 cuma la Virola pavonis (A. DC.} A. C. Smith MYRISTICACEAE 22.0 29.9 
249 Chimicua Pseudo/media laevis (R. et P.) Macbride MORACEAE 17.0 14.0 
250 Moena negra Aniba perutilis Hemsley LAURACEAE 13.0 13.4 
251 Shimbillo lngasp. MIMOSOIDEAE 12.0 11.5 
252 Shimbillo lnga sp. MIMOSOIDEAE 8.0 19.4 
253 Chimicua 7.0 21.6 
254 Moena amarilla Nectandra globosa (Aubl.) Mez LAURACEAE 9.0 12.1 
255 E lecho 8.5 14.6 
256 Shimbillo lngasp. MIMOSOIDEAE 7.0 15.6 
257 Shlmbillo lngasp. MIMOSOIDEAE 6.0 15.0 
258 cuma la Virola pavonis (A. DC.} A. C. Smith MYRISTICACEAE 9.0 16.2 
259 Moena amarilla Nectandra globosa (Aubl.) Mez LAURACEAE 10.0 10.2 
260 Moena amarilla Nectandra globosa (Aubl.) Mez LAURACEAE 10.0 10.2 
261 Chimicua Pseudolmedia laevis (R. et P.) Macbride MORACEAE 22.0 0.5 
262 Pucapalo 16.0 17.2 
263 Espintana Guatteria citriodora Ducke ANNONACEAE 9.0 14.0 
264 lcoja Unonopsis fforibunda Diels ANNONACEAE 11.0 22.6 
265 Shimbillo lngasp. MIMOSOIDEAE 12.0 19.1 
266 Moena amarilla Nectandra globosa (Aubi.) Mez LAURACEAE 16.0 15.3 
267 Chlmicua Pseudolmedialaevis (R. et P.) Macbride MORACEAE 6.0 11.5 
268 Espintana Guatteria citriodora Ducke ANNONACEAE 23.0 0.4 
269 Moena amarilla Nectandra globosa (Aubl:) Mez LAURACEAE 22.0 23.9 
270 cuma la Virola pavonis (A. DC.} A. C. Smith MYRISTICACEAE 7.0 10.8 
271 Chimicua Pseudolmedialaevis (R. et P.) Macbride MORACEAE 12.0 0.6 
272 cumala Virola pavonis (A. DC.) A. C. Smith MYRISTICACEAE 5.0 11.5 
273 Regula Guares multiflora A. Juss. MELIACEAE 20.0 19.7 
190 
274 Moena amarilla Nectandra globosa (Aubl.) Mez LAURACEAE 16.0 14.3 
275 Moena negra Anfba perutilis Hemsley L.AURACEAE 10.0 27.4 
276 Moena amarilla Nectandra globosa (Aubl.) Mez LAURACEAE 13.0 14.6 
2n Chimicua Pseudolmedialaevis (R. et P.) Macbride MORACEAE 6.0 21.0 
278 Azucarhuayo Hymenaea oblongifo/ia Huber LEGUMINOSAE 20.0 45.8 
279 Renaco Ficussp. MORACEAE 22.0 41.1 
280 Chimicua Pseudolmedialaevis (R. et P.) Macbride MORACEAE 18.0 24.2 
281 Espintana Guatteria cítriodora Ducke ANNON"ACEAE 16.0 26.7 
282 Manchinga Brosimum alicastrum Swartz MORACEAE 15.0 22.0 
283 Shimbillo lngasp. MIMOSOIDEAE 12.0 11.1 
284 cuma la Virola pavonis (A. DC.) A. C. Smith MYRISTICACEAE 10.0 11.1 
285 Achunl caspi 6.0 10.5 
286 Moena negra Aniba perutiDs Hemsley LAURACEAE 16.0 17.5 
287 Chimicua Pseudolmedialaevis CR. et P.l Macbride MORACEAE 14.0 16.6 
288 lsmamoena Endlicheria wiffiamsii O. C. Schmidt LAURACEAE 25.0 42.7 
289 Re naco Ffcussp. MORACEAE 23.0 27.4 
290 Canela moena Pleurothyrium bifidum Nees LAURACEAE 12.0 10.2 
291 Paltamoena Perseasp. LAURACEAE 7.0 13.4 
292 Moena amarilla Nectandra globosa (Aubl.) Mez LAURACEAE 6.0 11.1 
293 Cuma la Virola pavonís (A. DC.) A. C. Smith MYRISTICACEAE 15.0 20.7 
294 Chimicua Pseudolmedia laevis (R. et P.) Macbride MORACEAE 10.0 22.6 
295 Requia Guama multiflora A. Juss. MELJACEAE 13.0 20.4 
296 Requia Guama multiflora A. Juss. MELJACEAE Hi.o 21.3 
297 Moena negra Aniba perutilis Hemsley LAURACEAE 12.0 16.9 
298 cuma la Virola pavonfs (A. DC.) A. C. Smith MYRISTICACEAE 13.0 17.2 
299 Espintana Guatteria citriodora Ducke ANNONACEAE 15.0 11.1 
300 Azucar huayo Hymenaea oblongifolia Huber lEGUMINOSAE 26.0 33.4 
301 Espintana Guatteria citriodom Ducke ANNONACEAE 8.0 13.4 
302 Cuma la Virola pavonis (A. DC.) A. C. Smith MYRISTICACEAE 24.0 51.9 
303 Cumala Virola pavonis (A. DC.) A. C. Smith MYRISTICACEAE 26.0 63.0 
304 Espintana Guatteria citriodora Ducke ANNONACEAE 12;0 13.1 
305 Requia Guares multiflom A. Juss. MELIACEAE 13.0 17.2 
306 Chimicua Pseudolmedia laevis (R. et P.) Macbrlde MORACEAE 26.0 29.3 
307 Shimbillo de altura lnga aftissima Ducke MIMOSOIDEAE 12.0 13.0 
308 Shiringuilla Heveasp. EUPHORBJACEAE 15.0 14.0 
309 Shimbillo blanco lngasp. MIMOSOIDEAE 10.0 18.0 
310 Quina colorada Myroxylon peruiferun L. f. RUBIACEAE 18.0 28.0 
311 Requia altura Guaras Kunthiana A. Juss. MELIACEAE 14.0 15.0 
312 Shlmbillo blanco lngasp. MIMOSOIDEAE 6.0 13.5 
313 Moena amarilla Nectandra globosa (Aubl.) Mez LAURACEAE 22.0 44.0 
314 Rifarillo marrón Termina/fa sp. COMBRETACEAE 15.0 18.0 
315 Rifarillo marrón Terminalia sp. COMBRETACEAE 12.0 16.0 
316 Clusia Clusia sp. CLUSJACEAE 10.0 16.0 
317 Vismia blanco Vismiasp. CLUSIACEAE 12.0 24.0 
318 Rifarillo blanco Terminalia oblonga (R. et P.) Eichler COMBRETACEAE 9.0 13.0 
· ~ .. ~9/'0dendron swfetenioides CGieason\ 
319 Sacha caoba Ducke · . BOMBACACEAE 15.0 18.0 
320 Clusia Clusfasp. CLUSIACEAE 8.0 11.0 
191 
321 Apacharama Humiria balsamifera (Aubl.) St. Hil. HUMIRIACEAE 7.0 10.0 
322 Chuchuhuasa Heisteria pallida Engler OLACACEAE 15.0 22.0 
323 Shiringuilla Heveasp. EUPHORBIACEAE 15.0 14.0 
324 Rifarillo Terminalia oblonga (R. et P.) Eichler · COMBRETACEAE 10.0 13.0 
325 Manchinga Brosimum alicastrum Swartz MO~CEAE 12.0 14.0 
326 Moena amarilla Nectandra globosa (Aubl.) Mez LAURACEAE 12.0 10.0 
327 Sacha uviDa Pourouma sp. CECROPIACEAE 9.0 11.0 
328 Manchinga Brosimum alicastrum Swartz MORA CEA E 15.0 21.0 
329 Palo aceite Copaifera sp. STERCULIACEAE 12.0 15.0 
330 Quillobordon Aspidosperma vargasii A .. OC. APOCYNACEAE 10.0 14.0 
331 Yacushapana Terminalia amazonfa (J. Gmel.) Exell COMBRETACEAE 8.0 15.0 
332 Manchlnga Brosimum a/icastrum Swartz MORACEAE 15.0 22.0 
333 Moena amarilla Nectandra globosa (Aubl.) Mez LAURACEAE 10.0 12.0 
334 Shimbillo blanco lngasp. MIMOSOIDEAE 12.0 18.0 
335 Palo azufre Symphonia globulifera L. f. GUTTIFERAE 18.0 22.0 
336 Cuma la Virola pavonis (A. DC.) A. C. Smith MYRISTICACEAE 15.0 27.0 
337 Cumala blanca Virola surinamensis (Rol.) Warb. MYRISTICACEAE 12.0 13.0 
338 Cumala Virola pavonis (A. DC.) A. C. Smith MYRISTICACEAE 18.0 22.0 
339 Clusia C/usfasp. CLUSIACEAE 12.0 12.0 
340 Palo azufre Symphonia g/obulifera L. f. GUTTIFERAE 15.0 17.0 
341 Clusia Clusia sp. CLUSIACEAE 10.0 18.0 
342 Pichlrina colorado Vismia cayennensis (Jacq.) Pers. CLUSIACEAE 10.0 11.0 
343 Rifarillo Termina/fa oblonga (R. et P.) Eichler COMBRETACEAE 8.0 14.0 
344 Shiringuilla Heveasp. EUPHQRBIACEAE 10.0 12.0 
345 Shimbillo blanco lngasp. MIMOSOIDEAE 12.0 14.0 
346 Canilla de vieja Pipar gaudichaudianum Kunth. PIPERACEAE 15.0 13.0 
347 Shimbillo blanco lngasp. MIMOSOIDEAE 10.0 14.0 
348 Sapote de monte Quararibea cordata (H. et B.) Vischer BOMBACACEAE 10.0 17.0 
349 Cedro huasca Cedrela sp. MELIACEAE 15.0 16.0 
350 Chontaquiro Diplotropis martiusii Bent. FABACEAE 12.0 26.0 
351 Renaco Ficussp. MORACEAE 9.0 11.0 
352 Paloma micuna Alchomea triplenervfa (Spreng.) Muell. Arg EUPHORBIACEAE 12.0 10.0 
353 Shimbillo blanco lngasp. MIMOSOIDEAE 12.0 24.0 
354 Cumala Virola pavonis (A. DC.) A. C. Smith MYRISTICACEAE 1o:o 11.0 
355 Cumala Virola pavonis (A. DC.} A. C. Smfth MYRISTICACEAE 9.0 12.0 
356 Moena rosada Aniba roseadora Ducke LAURACEAE 15.0 27.0 
357 Quina Cfnchona offiqinalfs L. RUBIACEAE 10.0 17.0 
358 Cumala Virola pavonis (A. DC.) A. C. Smith MYRISTICACEAE 12.0 27.0 
359 Calisaya Cinchona offlcinalis L. RUBIACEAE 10.0 13.0 
360 Sacha uvilla Pourouma sp. CECROPIACEAE 12.0 18.0 
361 Rlfarillo blanco Termina/la oblonga (R. et P.) Eichler COMBRETACEAE 10.0 11.0 
362 Canilla de vieja Pipar gaudichaudianum Kunth. PIPERACEAE 8:0 15.0 
363 Bolaina Muntingia calabura l. ELAEOCARPACEAE 12.0 12.0 
364 Cuma la Virola pavonfs (A. DC.} A. C. Smith MYRISTICACEAE 12.0 15.0 
365 Pashaco quillosisa Schizo/obium amazonicun Huber ex Ducke CAESALPINACEAE 10.0 12.0 
366 Cumala Virola pavonis (A. DC.} A. C. Smith MYRISTICACEAE 10.0 10.0 
367 Clusia C/usiasp. CLUSJACEAE 15.0 22.0 
192 
368 Requia altura Guarea Kunthiana A. Juss. MELJACEAE 12.0 12.0 
369 Cedro huasca Cedrelasp. MELIACEAE 12.0 11.0 
370 Moena amarilla Nectandra globosa (Aubl.) Mez LAURACEAE 15.0 17.0 
371 Rifarillo Termina/la oblonga (R. el P.) Eichler COM8RETACEAE 10.0 14.0 
372 Curriala Virola pavonis (A. DC.) A. C. Smith MYRISTICACEAE 15.0 24.0 
373 Manchinga Brosimum alicastrum Swartz MORACEAE 15.0 13.0 
374 Clusia Clusiasp. CLUSIACEAE 10.0 11.0 
375 Tulpay Clarisia racemosa R. et P. MORACEAE 15.0 37.0 
376 Manchinga Brosimum alicastrum Swartz MORACEAE 15.0 36.0 
377 Renaco Ficussp. MORACEAE 15.Q 26.0 
378 Yacushapana Terminalia amazonia (J. Gmel.) Exell COM8RETACEAE 10.0 16.0 
379 Shiringuilla Heveasp. EUPHOR81ACEAE 11.0 10.0 
380 Chimicua Pseudo/media laevis (R. et P.) Macbride MORACEAE 22.0 43.0 
381 Clusia Clusiasp. CLUSIACEAE 10.0 15.0 
382 Clusia Clusia sp. CLUSIACEAE 12.0 11.0 
383 Shimbillo blanco lnga sp. MIMOSOIDEAE 15.0 14.0 
384 Anacaspi Apuleia molaris Spruce ex Benth. CAESALPINACEAE 15.0 22.0 
385 Anacaspi Apuleia molaris Spruce ex 8enth. CAESALPINACEAE 15.0 19.0 
386 Remocaspi Aspidosperma excelsum Benth APOCYNACEAE 15.0 21.0 
387 Mashonaste Anonocarpus amazonicus Ducke MORACEAE 15.0 21.0 
388 Estoraque Myroxylon balsamum (l.) Hanns. LEGUMINOSAE 15.0 12.0 
389 Moena amarilla Nectandra globosa (Aubl.) Mez LAURACEAE 18.0 18.0 
390 Iguana caspi 10.0 22.0 
391 Quillobordon Aspidosperma vargasii A. DC. APOCYNACEAE 10.0 14.0 
392 Anacaspi Apulela molaris Spruce ex 8enth. CAESALPINACEAE 15.0 24.0 
393 Moena amarilla Nectandra globosa (Aubl.) Mez LAURACEAE 12.0 11.0 
394 Anacaspi Apuleia molaris Spruce ex Benth. CAESALPINACEAE 8.0 10.0 
395 Cumala blanca Virola surinamensis (Rol.) Warb. MYRISTLCACEAE 20.0 36.0 
396 Ucshaquiro Sclerolobium sp. LEGUMINOSAE 10.0 11.0 
397 Chimicua Pseudolmedia laevis (R. et P.) Macbñde MORACEAE 22.0 44.0 
398 Huayruro Ormosiasp. LEGUMINOSAE 15.0 12.0 
399 Huayruro Ormosiasp. LEGUMINOSAE 15.0 25.0 
400 Moena amarilla Nectandra globosa (Aubl.) Mez LAURACEAE 20.0 44.0 
401 Espintana Guatteria citriodora Ducke ANNONACEAE 10.0 17.0 
402 Umañ Poraqueiba sericea Tul. ICACINACEAE 12.0 18.0 
403 Renaquilio Ficussp. MORACEAE 10.0 12.0 
404 Tulpay Clarisia racemosa R. et P. MORACEAE 15.0 24.0 
405 Renaco Ficussp. MORACEAE 15.0 43.0 
406 Requia Guarea multmore A. Juss. MELJACEAE 10.0 45.0 
407 Chimicua Pseudolmedia laevis (R. et P.) Macbride MORACEAE 15.0 22.0 
408 Cascarilla Cinchona pubescens Vahl. RU81ACEAE 15.0 26.0 
409 shimbillo blanco lnqasp. MIMOSOIDEAE 22.0 35.0 
410 Anonilla 15.0 25.0 
411 Sapote de monte Quararibea cordata (H. et 8.) Vischer BOM8ACACEAE 10.0 12.0 
412 Manchinga Brosimum aficastrum Swartz MORACEAE 20.0 45.0 
413 Palo blanco Alseis peruviana Standl RU81ACEAE 12.0 13.0 
414 Sapote Quararibea cordata (H. et 8.) Vischer 80MBACACEAE 10.0 12.0 
193 
415 Cuma la Virola pavonis (A. DC.) A. C. Smith MYRISTICACEAE 10.0 13.0 
416 Vismia Vismiasp. CLUSIACEAE 10.0 16.0 
417 Huimba blanca Ceiba samauma (Mart.) K. Schum. BOMBACACEAE 20.0 22.0 
418 Cedro huasca Cedrelasp. MELIACEAE 10.0 16.0 
419 Quillobordon Aspidosperma vargasii A. OC. APOCYNACEAE 12.0 21.0 
420 Cumala colorada lryanthera sp. MYRISTICACEAE 12.0 18.0 
421 Palo blanco Alseis peruviana Standl RUBIACEAE 10.0 14.0 
422 Manchinga Brosimum alicastrum Swartz MORACEAE 10.0 12.0 
423 Tachigalia Tachigalia sp. CAESALPINACEAE 12.0 39.0 
424 Clusia C/usia sp. CLUSIACEAE 8.0 14.0 
425 Palo blanco Alseis peruviana Standl RUBIACEAE 25.0 69.0 
426 Achote caspi Bixa ore/lana L. BIXACEAE 10.0 15.0 
427 Clusia C/usia sp. CLUSIACEAE 8.0 13.0 
428 Clusia C/usiasp. CLUSIACEAE 8.0 10.0 
429 Vismia Vismiasp. CLUSIACEAE 10.0 18.0 
430 Moena amarilla Nectandra globosa (Aubl.) Mez LAURACEAE 10.0 11.0 
431 Shimbillo blanco lngasp. MIMOSOIDEAE 20.0 32.0 
432 Mashonaste Anonocarpus amazonicus Ducke MORACEAE 12.0 14.0 
433 Chlmicua Pseudo/media laevis (R. et P.) Macbride MORACEAE 20.0 39.0. 
434 Cedro huasca Cedrelasp. MELIACEAE 19.0 25.0 
435 Tulpay Clarisia racemosa R. et P. MORACEAE 15.0 21.0 
436 Manchinga Brosimum alicastrum Swartz MORACEAE 19.0 21.0 
437 Palo azufre Symphonia g/obulifera L. f. GUTTIFERAE 12.0 19.0 
438 Shimbillo blanco lnga sp. MIMOSOIDEAE 15.0 20.0 
439 Cumala Virola pavonis (A. DC.) A. C. Smith MYRISTICACEAE 15.0 25.0 
440 Cumala blanca Virola surinamensis (Rol.) Watb. MYRISTICACEAE 10.0 10.0 
441 Cedro huasca Cedrelasp. MEUACEAE 20.0 52.0 
442 Apacharama Humiria balsamifera (Aubl.) St. Hil. HUMIRIACEAE 10.0 18.0 
443 Moena amarilla Nectandra globosa (Aubl.) Mez LAURACEAE 15.0 25.0 
444 Caimitillo Pouteria sp. SAPOTACEAE 15.0 17.0 
445 Carahuasca Guatteria hyposericea Diels ANNONACEAE 10.0 14.0 
446 Espintana Guatteria citriodora Ducke ANNONACEAE 12.0 18.0 
447 Alcanfor Crytocaria sp. LAURACEAE 12.0 18.0 
448 Vismia Vismiasp. CLUSIACEAE 9.0 18.0 
449 Chimicua Pseudo/media /aevis (R. et P.) Macbride MORACEAE 10.0 15.0 
450 Palo azufre Symphonia g/obulifera L. f. GUTTIFERAE 10.0 11.0 
451 Cumala Virola pavonis (A. DC.) A. C. Smith MYRISTICACEAE 15.0 21.0 
452 Moena amarilla Nectandra globosa (Aubl.) Mez LAURACEAE 12.0 17.0 
Manchinga 
453 colorada Brosimum sp. MORACEAE 15.0 22.0 
454 Moena amarilla Nectandra globosa (Aubl.) Mez LAURACEAE 22.0 53.0 
455 Quillobordon Aspidosperma vargasii A. OC. APOCYNACEAE 16.0 22.0 
456 Chamiza Anthodiscus peruanus Baillon CARYOCARACEAE 16.0 27.0 
457 Cuma la Virola pavonis (A. DC.) A. C. Smith MYRISTICACEAE 15.0 28.0 
458 Clusia Clusia sp. CLUSIACEAE 10.0 16.0 
459 Shimbillo lngasp. MIMOSOIDEAE 20.0 48.0 
460 Cedro huasca Cedrela sp. MELIACEAE 22.0 47.0 
461 Shimbillo tnga sp. MIMOSOIDEAE 15.0 21.0 
194 
462 Quina Cinchona officinalis L. RUBIACEAE 20.0 24.0 
463 Anacaspi Apu/eia mo/aris Spruce ex Benth. CAESALPINACEAE 15.0 26.0' 
464 Moena amarilla Nectandra globosa (Aubl.} Mez LAURACEAE 10.0 17.0. 
465 Moena amarilla Nectandra globosa (Aubl.) Mez LAURACEAE 20.0 34.0 
466 Cuma la Virola pavonis (A. DC.) A. C. Smith MYRISTICACEAE 10.0 34.0 
467 Cumala Virola pavonis (A. DC.) A. C. Smith MYRISTICACEAE 15.0 28.0 
468 Moena amarilla Nectandra globosa (Aubl.) Mez LAURACEAE 12.0 15.0 
469 Cumala colorada lryanthera sp. MYRISTICACEAE 15.0 53.0 
470 Chimicua Pseudo/media /aevis (R. et P.) Macbride MORACEAE 20.0 43.0 
471 Cuma la Virola pavonis (A. DC.) A. C. Smith MYRISTICACEAE 15.0 25.0 
472 Lechecaspl Couma macrocarpa Barb. Rodr. APOCYNACEAE 12.0 14.0, 
473 Cedro huasca Cedre/asp. MELIACEAE 10.0 12.0 
474 Chamiza Anthodiscus peruanus Baillon CARYOCARACEAE 25.0 54.0 
475 Cuma la Virola pavonis (A. DC.) A. C. Smith MYRISTICACEAE 22.0 54.0 
476 Cetico colorado Cecropiasp CECROPIACEAE. 15.0 22.0 
477 Achote caspi Bixa ore/lana L. 10.0 13.0 
4'78 Cuma la Virola pavonis (A. DC.) A. C. Smith MYRISTICACEAE 15.0 38.0 
479 Tulpay C/arisia racemosa R. et P. MORACEAE 15.0 28.0' 
480 Shiringuilla Heveasp. EUPHORBIACEAE 16.0 31.0 
481 Manchinga Brosimum alicastrum Swartz MORACEAE 20.0 46.0 
482 Clusia C/usia sp. CLUSIACEAE 10.0 13.0 
483 Chimicua Pseudolmedia/aevis (R. et P.) Macbride MORACEAE 22.0 52.0 
484 Clusia Clusia sp. CLUSIACEAE 10.0 10.(). 
485 Chontaquiro Diplotropis martiusii Bent. FABACEAE 15.0 18.0 
486 Favorito Osteophloem platyspermum (A. OC.) Warb. MYRISTICACEAE 20.0 41.0 
487 Vismia Vlsmiasp. CLUSIACEAE 10.0 14.0 
488 Palo azufre Symphonia g/obulifera l. f. GUTIIFERAE 12.0 15.0 
489 Catahua amarilla Hura crepitans l. EUPHORBIACEAE 25.0 52.0 
490 Manchinga Brosimum alicastrum Swartz MORACEAE 15.0 26.0 
491 Manchinga Brosimum alicastrum Swartz MORACEAE 12.0 25.0 
492 Tulpay Clarisia racemosa R. et P. MORACEAE 12.0 27.0 
493 Vismia Vismiasp. CLUSIACEAE 10.0 12.Ó 
494 Moena amarilla Nectandra globosa (Aubl.) Mez LAURACEAE 15.0 25.0 
495 Cumala Virola pavonis (A. DC.) A. C. Smith MYRISTICACEAE 16.0 35.0 
496 Quillobordon Aspidosperma vargasii A. OC. APOCYNACEAE 20.0 26.0 
497 Chimicua Pseudolmedialaevis (R. et P.) Macbride MORACEAE 10.0 15.0 
498 Caimito Pouteria sp. SAPOTACEAE 12.0 21.0 
499 Shimbillo blanco lnga sp. MIMOSOIOEAE 20.0 49.0 
500 Peine de mono Apeiba membranecea Spruce ex Benth. TILIACEAE 12.0 18.0 
501 Rifarillo Terminalia oblonga (R. et P.) Eichler COMBRETACEAE 12.0 17.0 
502 Chimicua Pseudolmedia/aevis (R. et P.) Macbride MORACEAE 15.0 52.0 
Sachamango 
503 amarillo Grias peruviana Miers LECYTHIOACEAE 12.0 36.0 
504 Chimicua Pseudo/media /aevis (R. et P.) Macbride MORACEAE 8.0 12.0 
505 Shimbillo blanco lnga sp. MIMOSOIOEAE 10.0 15.0 
506 Moena amarilla Nectandra globosa (Aubl.) Mez LAIJRACEAE 10.0 13.0 
507 Cedro huasca Cedrelasp. MELIACEAE 20.0 64.0 
508 Shimbillo blanco lnga se. MIMOSOIOEAE 15.0 38.0 
195 
509 Palo azufre Symphonia globulifera L. f. GUTTIFERAE 12.0 29.0 
510 Catahua Hura crepitans L. EUPHORBIACEAE 10.0 22.0 
511 Canilla de vieja Piper gaudichaudianum Kunth. PIPERACEAE 9.0 18.0 
512 Manchinga Brosimum alicastrum Swartz MORACEAE 15.0 24.0 
513 Cedro colorado Cedrela fissi/is Vell. MELIACEAE 25.0 135.0 
514 Quina Cinchona officinalis L. RUBIACEAE 10.0 26.0 
515 Papaya caspi 15.0 32.0 
516 Moena amarilla Nectandra globosa (Aubl.) Mez LAURACEAE 10.0 15.0 
517 Chimicua Pseudo/media Jaevis (R. et P.) Macbride MORACEAE 15.0 28.0 
518 Quillobordon Aspidosperma vargasii A. OC. APOCYNACEAE 12.0 18.0 
519 Quina Cinchona officinalis L. RUBIACEAE 10.0 17.0 
520 Ucshaquiro Sc/ero/obium sp. CAESALPINACEAE 10.0 13.0 
521 Cumala Virola pavonis (A. DC.) A. C. Smith MYRISTICACEAE 15.0 19.0 
522 Chontaquiro Diplotropis martiusii Bent. FABACEAE 12.0 28.0 
523 Cumala Virola pavonis (A. DC.) A. C. Smith MYRISTICACEAE . 15.0 26.0 
524 Cuma la Virola pavonis (A. DC.) A. C. Smith MYRISTICACEAE 20.0 24.0 
525 Manchinga Brosimum a/icastrum Swartz MORACEAE 16.0 29.0 
526 Chimicua Pseudo/media /aevis (R. et P.) Macbride MORACEAE 20.0 30.0 
527 Manchinga Brosimum alicastrum Swartz. MORACEAE 18.0 39.0 
528 Clusia C/usia sp. CLUSIACEAE 12.0 21.0 
529 Vismia Vismiasp. CLUSIACEAE 10.0 12.0 
530 Chimicua Pseudo/media /aevis (R. et P.) Macbride MORACEAE 15.0 28.0 
531 Catahua Hura crepitans L. EUPHORBIACEAE 18.0 38.0 
532 Quillobordon Aspidosperma vargasii A. OC. APOCYNACEAE 15.0 24.0 
533 Renaco Ficussp. MORACEAE 15.0 34.0 
534 Quina Cinchona officinalis L. RUBIACEAE 15.0 42.0 
535 Manchinga Brosimum a/icastrum Swartz MORACEAE 14.0 17.0 
536 Manchinga Brosimum alicastrum Swartz MORACEAE 15.0 14.0 
537 Shimbillo blanco lnga sp. MIMOSOIOEAE 18.0 16.0 
538 Cumala Virola pavonis (A. DC.) A. C. Smith MYRISTICACEAE 20.0 52.0 
539 Espintana Guatteria citriodora Oucke ANNONACEAE 10.0 15.0 
540 Tulpay Clarisia racamosa R. et P. MORACEAE 16.0 22.0 
Anexo 4. Modelo de elevación de terreno y variograma del PNTM 
'E 1500 1 
8959000· 8961000 8963000 8985000 8967000 8969000 
NORTE 
Figura 57. Interpolación Kriging de la imagen GE 
f 1500 . 
Q 
o ~ 1000 . 
~ 
ro 
E 
~ 
C) 
80000 
70000 
60000 
50000 
.g 40000 
~ 
30000 
20000 
10000 
1 
196 
#.,-~ 
"' 
1 1 Cl 8 ~ ! § 1 -o : 1 ········ ~ lZI g : ~ • 1 ~ 8 Cl ~ ESTE CID o o 1 Q 1 .. ; 1 i ~ 
.. 1 
Figura 58. Cadena montañosa con Kriging del PNTM (GE) 
500 1000 1500 2000 2500 3000 3500 4000 4500 
Distancia 
Figura 59. Variograma a partir de la carta nacional (IGN) 
90000 
80000 
70000 
60000 
~ 50000 
f! 
.g 
~ 
40000 
30000 
20000 
10000 
0+-----.---------~----.----.-----.----.-----.----
o 500 1000 1500 2000 2500 3000 3500 4000 
Distancia 
Figura 60. Variograma a partir de la carta nacional {SRTM) 
70000 
60000 
50000 
30000 
20000 
10000 
0+-----.----.----,----,,----.----.----,-----,----. 
o 500 1000 1500 2000 2500 3000 3500 4000 4500 
Distacia 
Figura 61. Variograma a partir de la imagen ASTER 
197 
198 
20000 
10000 
0+---~----~--~~--~----~--~----~--~----
0 500 1000 1500 2000 2500 3000 3500 4000 
Distancia 
Figura 62. Variograma a partir de la imagen Google earth 
Figura 63. Levantamiento topográfico de la microcuenca Río Oro