1. Introducción

El corredor de Conservación Transfronterizo Abiseo-Cóndor-Kutokú, ubicado en el norte del Perú y el sur de Ecuador cuenta con una alta diversidad biológica y fue establecido para proteger la conectividad y la resiliencia de los ecosistemas distribuidos entre las Áreas Naturales Protegidas (ANP) y otras unidades de conservación de ambos países (Servicio Nacional de Áreas Naturales Protegidas por el Estado [SERNANP], 2025). Debido a su variado relieve altitudinal, el Santuario Nacional Cordillera de Colán (SNCC) y el Bosque de Protección Alto Mayo (BPAM), que forman parte de este corredor, presentan diversos ecosistemas y albergan una alta diversidad de flora y fauna, e incluso endemismo (Edquén, 2024; Ministerio del Ambiente [MINAM], 2021; Elliot, 2009).

En este contexto, el análisis de parámetros físicos, como las altitudes y pendientes, es fundamental debido a que su relieve accidentado influye directamente en la distribución de la biodiversidad, la vulnerabilidad de los suelos ante procesos erosivos y su degradación por actividades antropogénicas como la deforestación, agricultura y ganadería extensiva. El presente proyecto tiene como finalidad procesar un Modelo Digital de Elevación del Terreno (DEM) utilizando el software RStudio para generar un mapa de pendientes y un histograma de elevaciones para un área de estudio que engloba al Bosque de Protección Alto Mayo y el Santuario Nacional Cordillera de Colán.

2. Antecedentes

Los DEM son la representación digital de la superficie topográfica y son herramientas importantes en la hidrología, geomorfología, climatología y biodiversidad (Liu et al., 2022). Pueden ser utilizados para modelamientos hidrológicos, evaluación de riesgos de movimientos en masa e inundaciones, planeamiento urbano, y para el cálculo de pendientes, aspecto y sombreado (Ibrahim et al., 2020). Diversas misiones de observación de la tierra han generado DEM de distinta resolución espacial, resolución temporal y cobertura territorial (Polidori & El Hage et al., 2020), destacando ASTER GDEM, SRTM, ALOS World 3D, TanDEM-X y Copernicus, este último muestra gran detalle en la representación del terreno, sin embargo, su precisión puede ser afectada por la cobertura del suelo y en un menor nivel por la pendiente del terreno (Li et al., 2022).

Investigaciones en el BPAM han analizado la influencia de factores microambientales como la pendiente y elevación en la abundancia y composición de orquídeas (Edquén, 2024; Acuña-Tarazona et al. 2022) o como la altura puede influenciar la biomasa de los árboles y su altura (Heckmann, 2006). Camacho-Zorogastúa et al. (2023) modelaron la pérdida de suelo en la cuenca del río Mayo (San Martín), determinando que las pendientes y la cobertura vegetal, están directamente relacionadas a la tasa de erosión del suelo. Estos antecedentes evidencian que el relieve del área no es solo una característica física, sino un factor importante para la biodiversidad y los procesos ecológicos, justificando el análisis de pendientes en el área de estudio.

3. Descripción del área de estudio

Se delimitó el área de estudio incluyendo las áreas de las ANP SNCC y el BPAM, más un buffer de 20km (Figura 01), abarcando un total de 11912.66 km². El área de interés se encuentra en los departamentos de Amazonas y San Martín en el norte peruano.

A lo largo del área delimitada se encuentran diversas ANP, como la Zona Reservada Rio Nieva, la Reserva Comunal Chayu Naín, el Área de conservación Regional Vista Alegre-Omia y las Áreas de Conservación Privada Copallín, La Pampa del Burro, Abra Patricia - Alto Nieva, Hierba Buena - Allpayacu y Bosque de Palmeras de la Comunidad Campesina Taulia Molinopampa, que contribuyen a la conectividad entre las ANP seleccionadas para el presente estudio (SERNANP, 2010).

4. Objetivos del proyecto

a. Objetivo general:

Utilizar el software RStudio para procesar un DEM, generar productos cartográficos y analizar las principales características topográficas del área de estudio.

b. Objetivos específicos:

• Generar mapa de pendientes del área de estudio a partir de un DEM utilizando el software RStudio.
• Generar el histograma de distribución de altitudes del DEM para analizar las características topográficas del área de estudio.

5. Procedimiento

a. Adquisición de datos

Se utilizó el Copernicus DEM GLO-30 (versión DGED 2023_1), obtenido de OpenTopography, que es un Modelo Digital de Superficie capturado entre 2011-2015 y de resolución de 30 metros. Asimismo, se obtuvieron los datos vectoriales (shapefiles) de las ANP SNCC y BPAM de GEO ANP de SERNANP.

b. Preparación del entorno de trabajo

Se estableció la ruta de trabajo, y se instalaron los siguientes paquetes: terra, para la manipulación de datos raster; sf, para el manejo de datos vectoriales; whitebox, para procesamiento de rasters; dplyr, para el filtrado y manipulación de datos tabulares; ggplot2, tidyterra y ggnewscale, para la visualización cartográfica; y RColorBrewer, para crear paletas de colores estandarizadas.

c. Definir área de interés

Se cargaron los datos vectoriales correspondientes a las ANP y se filtraron las unidades correspondientes al SNCC y BPAM, para luego proceder a la unión geométrica de ambos vectores. Se delimitó el área de interés generando un buffer de 20km alrededor de las ANP seleccionadas, no sin antes reproyectar el vector a UTM Zona 18S (EPSG:32718).

d. Procesamiento del Ráster

Se creó el objeto Spatraster a partir del mosaico DEM que será manipulado por el programa. El corte del DEM al tamaño del área de interés se realizó utilizando el vector previamente reproyectado al sistema de coordenadas del mosaico. Los DEM sin procesar presentan "sumideros" o depresiones artificiales que pueden sesgar el cálculo de pendientes y flujos, por lo cual, se utilizó whitebox para rellenar estas imperfecciones.

e. Calcular pendientes y sombreado

Se calculó la pendiente en grados para posterior reclasificación y se generó un hillshade (sombreado), a partir del aspecto y pendiente, para mejorar la visualización.

f. Reclasificar pendientes

Se reproyectaron las pendientes a UTM 18S y se convirtieron de grados a porcentaje, para su reclasificación según los rangos establecidos por FAO (2009), para facilitar la interpretación de resultados.

g. Graficar mapa de pendientes

Previo a realizar el mapa de pendientes, se reproyectaron los resultados del cálculo de sombreado y los datos vectoriales correspondientes a las Cordillera de Colán y Alto Mayo, a UTM 18S para asegurar la precisión en su mapeo.

h. Generación de histograma

Se realizó la conversión del ráster a un data frame para su procesamiento en ggplot2 para la generación del histograma de distribución de alturas.

6. Resultados

El mapa de pendientes (Figura 02) y la tabla 01, muestran que las zonas de mayor pendiente (de moderadamente escarpado a muy escarpado) se encuentran en la zona norte y oeste del área de estudio. Las pendientes escarpadas (30-60%) y moderadamente escarpadas (15-30%), concentran la mayor parte de la superficie, con 39.54% y 23.30%, respectivamente. Adicionalmente, la categoría muy escarpado (>60%) representa un 18.80% del territorio. En conjunto, estas tres clases abarcan aproximadamente el 81.64% del área total, lo que nos indica que el paisaje está dominado por pendientes pronunciadas y relieve montañoso.

Las áreas con pendientes de plano a fuertemente inclinado se encuentran en la zona sur-este al BPAM, y representan solo el 18.37% del área de estudio, de las cuales, el 9.97% del área representa las pendientes intermedias (5-15%) y el 8.4% está cubierto por pendientes suaves (0-5%) que representan las zonas de transición de áreas montañosas a zonas de pendientes reducidas de la selva baja.

Tabla 01: Clases de gradientes de las pendientes en el área de estudio, según clasificación FAO (2009).

En el histograma de valores de elevación (Figura 03), se observa una distribución asimétrica positiva. La moda se ubica en 916.7 m.s.n.m., mientras que la mediana (1571.3 m) y la media (1738.5 m) se desplazan hacia valores de elevación mayores. La desviación estándar (761.4 m) refleja una alta variabilidad altitudinal en el área de estudio.

Las altitudes máximas (de hasta 3998 m.s.n.m.), y las altitudes mínimas (de hasta 332 m.s.n.m.) representan una superficie relativamente reducida. Solo el 10% de la superficie total se ubica por debajo de los 849.7 m y por encima de 2915.7 m., los cuales corresponden a los valles más bajos y las cumbres más elevadas. Asimismo, el 80% central de la superficie se distribuye entre estos valores.

7. Conclusiones

• Se generó el mapa de pendientes del área de interés a partir de un Modelo Digital de Elevación DEM, encontrándose que el 62.8% de las pendientes en el área de estudio se encuentran en el rango de moderadamente escarpadas a escarpadas, y el 18.8% son terrenos muy escarpados. El porcentaje restante (18.4%) representa pendientes con menos de 15% de inclinación.
• Se analizó la distribución de elevaciones mediante histograma, encontrándose una alta variabilidad altitudinal (SD =761.4 m), con valores entre 332 y 3998 m.s.n.m. El área presenta una distribución asimétrica positiva, con mayor concentración de celdas en el tercio inferior del rango altitudinal (moda: 916.7 m), disminuyendo progresivamente hacia las zonas de mayor elevación.

8. Recomendaciones

• Se recomienda complementar el estudio evaluando la relación entre pendientes y factores como la deforestación, erosión y cambio de uso de suelo.
• Se recomienda evaluar el uso de FABDEM, una versión del Copernicus GLO-30 que remueve la vegetación y edificaciones, para obtener una representación más precisa del terreno en zonas de alta cobertura forestal.

9. Referencias bibliográficas

1. Acuña-Tarazona, M., Mehltreter, K., Toledo-Aceves, T., Sosa, V. J., Flores-Palacios, A., & Kessler, M. (2022). Effects of microenvironmental factors on the diversity and composition of fern and orchid assemblages in an Andean paramo in Peru. Flora, 293, 152107. https://doi.org/10.1016/j.flora.2022.152107
2. Camacho-Zorogastúa, K. del C., Cesar Minga, J., Gómez-Lora, J. W., Gallo-Ramos, V. H., & Garcés Díaz, V. (2023). Evaluation of Soil Loss and Sediment Yield Based on GIS and Remote Sensing Techniques in a Complex Amazon Mountain Basin of Peru: Case Study Mayo River Basin, San Martin Region. Sustainability, 15(11), 9059. https://doi.org/10.3390/su15119059
3. Edquén, J. D. (2024). Diversidad de la familia orchidaceae asociada a gradientes altitudinales en el bosque de protección alto mayo, Perú [UNIVERSIDAD NACIONAL TORIBIO RODRÍGUEZ DE MENDOZA DE AMAZONAS]. https://hdl.handle.net/20.500.14077/4395
4. Elliot, J. (2009). Conservación y desarrollo sostenible en el corredor Abiseo-Cóndor-Kutukú: Nororiente peruano y suroriente ecuatoriano (1. ed).
5. Heckmann, M. (2006). The upper montane forests of the Yuracyacu: Soils and vegetation (Bosque de Protección Alto Mayo, Northern Perú). https://doi.org/10.13140/2.1.1611.0080
6. Ibrahim, M., Al-Mashaqbeh, A., Koch, B., & Datta, P. (2020). An evaluation of available digital elevation models (DEMs) for geomorphological feature analysis. Environmental Earth Sciences, 79. https://doi.org/10.1007/s12665-020-09075-3
7. Li, H., Zhao, J., Yan, B., Yue, L., & Wang, L. (2022). Global DEMs vary from one to another: An evaluation of newly released Copernicus, NASA and AW3D30 DEM on selected terrains of China using ICESat-2 altimetry data. International Journal of Digital Earth, 15(1), 1149-1168. https://doi.org/10.1080/17538947.2022.2094002
8. Liu, X., Ran, M., Xia, H., & Deng, M. (2022). Evaluating Vertical Accuracies of Open-Source Digital Elevation Models over Multiple Sites in China Using GPS Control Points. Remote Sensing, 14(9), 2000. https://doi.org/10.3390/rs14092000
9. Ministerio del Ambiente. (2010). Resolución Ministerial N°187-2010-MINAM. https://sinia.minam.gob.pe/sites/default/files/sinia/archivos/public/docs/1374.pdf#:~:text=Alto%20Mayo%2C%20el%20Santuario%20Nacional%20Cordillera%20de,Abra%20Patricia%2DAlto%20Nieva%2C%20como%20un%20corredor%20de.
10. OpenTopography. (2021). Copernicus GLO-30 Digital Surface Model. OpenTopography. https://doi.org/10.5069/G9028PQB
11. Organización de las Naciones Unidas para la Alimentación y la Agricultura. (2012). Guía para la descripción de suelos (Cuarta edición, Vol. 1). Organización de las Naciones Unidas para la Agricultura y la Alimentación. https://openknowledge.fao.org/handle/20.500.14283/a0541s
12. Polidori, L., & El Hage, M. (2020). Digital Elevation Model Quality Assessment Methods: A Critical Review. Remote Sensing, 12(21), 3522. https://doi.org/10.3390/rs12213522
13. Servicio Nacional de Áreas Naturales Protegidas por el Estado. (s. f.-a). GEO ANP. GEO ANP - Visor de las Áreas Naturales Protegidas. Recuperado 7 de marzo de 2026, de https://geo.sernanp.gob.pe/visorsernanp/#
14. Servicio Nacional de Áreas Naturales Protegidas por el Estado. (2021). Santuario Nacional Cordillera de Colán. Refugio de Biodiversidad y Cultura. Recuperado 10 de marzo de 2026, de https://sinia.minam.gob.pe/documentos/santuario-nacional-cordillera-colan-refugio-biodiversidad-cultura
15. Servicio Nacional de Áreas Naturales Protegidas por el Estado. (2025). Mapa de Corredores de Conservación Transfronterizos [Map]. https://geoportal.sernanp.gob.pe/wp-content/uploads/2022/11/Mapa-Corredores-de-Conservacion-Transfronterizos-1.pdf