Prisma ODS Revista Científica Multidisciplinar
Volumen 4, Número 2 - Año 2025
Página | 1
PORTADA
(Elaborada por la revista)
Prisma ODS Revista Científica Multidisciplinar
Volumen 4, Número 2 - Año 2025
Página | 215
Incidencia de la Expansión Agropecuaria en la Erosión de la
Microcuenca Río Quera
Impact of Agricultural Expansion on Erosion in the Quera River Micro-
Watershed
Hugo Enrique Añazco Loaiza
hanazco@utmachala.edu.ec
https://orcid.org/0000-0001-6090-7155
Universidad Técnica de Machala
Machala - Ecuador
Nehemias David Figueroa Moreno
nfigueroa1@utmachala.edu.ec
https://orcid.org/0009-0007-6855-1596
Universidad Técnica de Machala
Machala - Ecuador
Fernando David Garate Sánchez
fgarate1@utmachala.edu.ec
https://orcid.org/0009-0005-9463-4593
Universidad Técnica de Machala
Machala - Ecuador
Misshel Skarleth Eras Fuentes
meras4@utmachala.edu.ec
https://orcid.org/0009-0003-1581-9254
Universidad Técnica de Machala
Machala - Ecuador
Karina Jamilet Rodriguez Cuenca
Krodrigue11@utmachala.edu.ec
https://orcid.org/0009-0001-5426-463X
Universidad Técnica de Machala
Machala - Ecuador
Artículo recibido: 15/11/2025
Aceptado para publicación: 16/12/2025
Conflictos de Intereses: Ninguno que declarar
Prisma ODS Revista Científica Multidisciplinar
Volumen 4, Número 2 - Año 2025
Página | 216
RESUMEN
El trabajo analiza como la expansión agropecuaria afecta a la erosión de la microcuenca
del río Quera, ubicado en la provincia de El Oro, Ecuador. La metodología empleada fue el
modelo RUSLE, herramientas SIG, Python y el software IBM SPSS Statistics para determinar
y evaluar los factores que intervienen en la erosión del suelo. La microcuenca caracterizada
por su relieve montañoso y sus pendientes, presenta una vulnerabilidad fluvial moderada.
Como resultado se obtuvo que en el periodo de 1990 a 2022 existió una disminución de
cobertura boscosa, mientras que la cobertura de tierras agropecuarias aumentó, resultando en
una pérdida de vegetación nativa en ciertas zonas. Se resalta que el factor con mayor
correlación a la pérdida de suelo de la microcuenca es el factor LS (Pendiente y longitud de
ladera). A comparación de la cobertura boscosa, las tierras agropecuarias poseen un mayor
porcentaje de erosión muy alta lo que afecta negativamente a la cobertura de la microcuenca.
Los hallazgos del trabajo indican la necesidad de implementar prácticas agrícolas sostenibles
para evitar que la erosión siga incrementándose protegiendo la microcuenca y biodiversidad.
Este estudio aporta información valiosa para la gestión integrada de los recursos hídricos en
las cuencas hidrográficas en Ecuador.
Palabras clave: erosión del suelo, RUSLE, microcuenca río quera, tierras
agropecuarias, SIG
Prisma ODS Revista Científica Multidisciplinar
Volumen 4, Número 2 - Año 2025
Página | 217
ABSTRACT
The study analyzes how agricultural expansion affects erosion in the Quera River
micro-basin, located in the province of El Oro, Ecuador. The methodology used was the
RUSLE model, GIS tools, Python, and IBM SPSS Statistics software to determine and evaluate
the factors involved in soil erosion. The micro-basin, characterized by its mountainous terrain
and slopes, has moderate fluvial vulnerability. The results show that between 1990 and 2022
there was a decrease in forest cover, while agricultural land cover increased, resulting in a loss
of native vegetation in certain areas. It should be noted that the factor most closely correlated
with soil loss in the micro-basin is the LS factor (slope and length of slope). Compared to forest
cover, agricultural land has a higher percentage of very high erosion, which negatively affects
the cover of the micro-basin. The findings of this study indicate the need to implement
sustainable agricultural practices to prevent further erosion and protect the micro-watershed
and biodiversity. This study provides valuable information for the integrated management of
water resources in Ecuador's watersheds.
Keywords: soil erosion, RUSLE, quera river micro-basin, agricultural lands, GIS
Prisma ODS Revista Científica Multidisciplinar
Volumen 4, Número 2 - Año 2025
Página | 218
INTRODUCCIÓN
Las microcuencas hidrográficas son unidades naturales fundamentales para la regulación de
los recursos hídricos, la conservación de la biodiversidad y la protección de los suelos. En
Ecuador, las microcuencas desempeñan un papel crucial en el equilibrio ecológico y en la
mitigación de fenómenos climáticos extremos como las inundaciones y sequías (Macas Cobeña
et al., 2023). La microcuenca del río Quera forma parte de la Cuenca Jubones y es crucial para
el abastecimiento de agua en tres cantones de la provincial de El Oro. Su relieve montañoso y
las pendientes pronunciadas favorecen la erosión fluvial y la escorrentía superficial durante la
temporada de lluvias.
Sin embargo, en las últimas décadas, las microcuencas, incluyendo la del Río Quera han sufrido
transformaciones aceleradas debido al crecimiento urbano y los cambios drásticos en el uso del
suelo tal como la deforestación, la conversión de bosques en áreas agrícolas y pastizales e
incluso la minería (Calero et al., 2023; Chaparro et al., 2023; Ríos et al., 2021). Estos cambios
han provocado un aumento en la escorrentía y una disminución de la infiltración de agua en el
subsuelo intensificando así la erosión y desertificación de los suelos (Chaparro et al., 2023).
La gestión integrada de los recursos hídricos (GIRH) es considerado un enfoque clave para el
manejo sostenible de las cuencas hidrográficas, dado que, en la creciente demanda de agua
generada por el crecimiento poblacional, la urbanización y actividades agrícolas intensivas, la
implementación eficiente de estrategias de gestión es urgente (Moran-González et al., 2024;
Ríos et al., 2021). Sin embargo, la erosión del suelo, exacerbada por la expansión agropecuaria,
representa uno de los principales retos para la GIRH en cuencas como la del río Quera, donde
la pérdida de cobertura vegetal y la degradación del recurso suelo genera un impacto directo
en la calidad y cantidad de los cuerpos hídricos disponibles.
El presente trabajo tiene como objetivo analizar la incidencia de la expansión agropecuaria en
la erosión de la microcuenca del Río Quera, buscando identificar las áreas más vulnerables a
este fenómeno por medio de un análisis detallado de los cambios en el uso del suelo y su
correlación con índices de erosión.
METODOLOGÍA
El presente trabajo es de tipo descriptivo y se utiliza un enfoque mixto, enfocándonos en la
identificación y análisis de los diferentes factores que caracterizan la erosión en la microcuenca
del río Quera. En este caso, se desarrolló fórmulas matemáticas universales y también el uso
de Sistemas de Información Geográfica (SIG), extrayendo la base de datos de cartografía
temática sobre cobertura y uso de tierra descargada del Visor Geográfico de la página del
Prisma ODS Revista Científica Multidisciplinar
Volumen 4, Número 2 - Año 2025
Página | 219
Ministerio del Ambiente, Agua y Transición Ecológica (MAATE). También, se dirigió a la
página de Nasa (ASF Data Search) aplicando los diferentes filtros y fechas del satélite ALOS
PALSAR para obtener el Modelo Digital de Elevación (DEM) del área de estudio donde se
realizará en el programa ArcGis.
Área de Estudio
La microcuenca del río Quera se localiza en la provincia de El Oro, en la parroquia Casacay
cruzando por el cantón Pasaje y Chilla. Esta se encuentra dentro de la Cuenca Jubones. el Rio
Quera es un proveedor de agua de buena calidad que abastece al consumo humano, agricultura
y ganadería que están cerca del caudal, incluyen a comunidades rurales (Loiza Machado et al.,
2023). La microcuenca del Rio Quera se caracteriza por su relieve montañoso y áreas de
pendiente pronunciada, lo que favorece la erosión fluvial y la escorrentía superficial cuando es
temporada de lluvia. Estos factores ayudan a la biodiversidad local, alberga una variedad de
especies vegetales y animales adaptadas de bosque tropical y subtropical que lo rodean, se
puede observar en la Figura 1.
Figura 1. Mapa de Área de Estudio de la Microcuenca Río Quera
Fuente: Elaboración propia.
Materiales y Métodos
En este trabajo, se aplicará la fórmula universal llamada La Revisión de Ecuación Universal de
Pérdida de Suelo RUSLE (Revised Universal Soil Loss Equation), la versión mejorada por los
creadores Wischmeier y Smith en la década de 1980. Esta ecuación es una herramienta
ampliamente utilizada para estimar la tasa de erosión del suelo, basada en diferentes factores
Prisma ODS Revista Científica Multidisciplinar
Volumen 4, Número 2 - Año 2025
Página | 220
que afectan la pérdida de suelo debido a las precipitaciones o agua de lluvia, la fórmula RUSLE
como se muestra en la Ecuación 1 usa diferentes factores (Renard et al., 1997)
 (1)
Donde:
A: Pérdida Anual del Suelo (t/ha*año), R: Factor erosividad de precipitación (MJ*mm/ha*h),
K: Factor de erodabilidad del suelo (t/ha/año), LS: Factor de pendiente y longitud de la ladera
(adimensional), C: Factor de cobertura y uso del suelo (adimensional) y P: Factor de prácticas
de manejo (adimensional).
Factor R
Este factor, representa la erosividad de la lluvia, es decir, la capacidad de las precipitaciones
para causar erosión en el suelo, esto depende de la cantidad y la intensidad de las lluvias fuertes
y concentradas, son las que tienen mayor potencial de erosión (Renard et al., 1997). Esta
variable se obtuvo mediante una base de datos pluviométricos de estaciones meteorológicas
cercanas a la microcuenca del Rio Quera, esto es importante para determinar las precipitaciones
medias que caen en el área de estudio, en la Tabla 1, se encuentran las estaciones
meteorológicas junto las coordenadas y precipitación media que recopila.
Tabla 1. Estaciones Meteorológicas dentro de la microcuenca Rio Quera
N°
Código
Estaciones
Meteorológicas
Altura
msnm
X
Y
Precipitación
(mm)
1
M040
Pasaje
40
635322
9631878
1060.3
2
M180
Zaruma
1100
654213
9591035
1405.4
3
M483
Rio Negro
30
629244
9624814
749.2
4
MA73
El Porvenir
424
645383
9628149
1459.2
5
M481
Uzhcurrumi
312
655922
9632548
705.6
6
M738
Guanazan
2640
667550
9617697
858.1
7
M744
Paccha
1559
648311
9603206
1890.9
8
M747
Río Chico-El Oro
80
625042
9615685
961.7
9
M185
Machala-UTM
13
640761
9662797
1220.5
Fuente: Elaboración Propia.
El cálculo del factor R se realizó mediante la Ecuación 2, en lugares donde no se dispone datos
exactos de la intensidad de precipitación se puede aplicar el Índice Modificado de Fournier
debido a su alta correlación con el factor R (R2=0.88) que se calcula mediante la suma de la
Prisma ODS Revista Científica Multidisciplinar
Volumen 4, Número 2 - Año 2025
Página | 221
precipitación mensual al cuadrado en un año, con respecto a la precipitación media anual
(Crettaz et al., 2016).



(2)
Donde:
=Índice modificado de Fournier, para el año j; = Precipitación mensual, del mes i
(mm), del año j y =Precipitación media anual (mm).
Factor K
Refleja la susceptibilidad del suelo a la erosión, dependiendo de sus propiedades físicas y
químicas, se basa en la textura del suelo, estructura y la cantidad de materia orgánica, la fórmula
para determinar el factor K es la siguiente (Wischmeier & Smith, 1978):
 (3)
 Fracción de arena y arcilla, Contenido materia orgánica, Estructura del suelo y
Permeabilidad del suelo
El factor K, es crucial para estimar la presión de la erosión en áreas agrícolas o forestales,
donde el suelo es más susceptible a la erosión debido al uso agrícola (Wischmeier & Smith,
1978).
Factor LS
El cálculo del factor LS se realizó mediante la metodología descrita por Renard et al. (1997),
la Ecuación 4 indica el cálculo del factor pendiente:
󰇡
󰇢(4)
Donde:
= Longitud de pendiente (m) y m=Exponente influenciado por la longitud y cambio de
pendiente.
Para el cálculo de landsat se utilizó el DEM (Digital Elevation Model) y la Ecuación 5 (Bolton
et al., 1995).
󰇡
 󰇢(5)
El área acumulada de flujo calcula el flujo acumulado a cada pixel en relación a las áreas que
contribuyen aguas arriba (Gomes Moreira, 2023). Se determinó mediante la herramienta Arc
Map 10.8 como se evidencia en la Figura 2.
La variable m se calcula:
 (6)
Prisma ODS Revista Científica Multidisciplinar
Volumen 4, Número 2 - Año 2025
Página | 222
El valor de se obtiene mediante la Ecuación 7:
󰇛󰇜
󰇟󰇛󰇜󰇠 (7)
Donde:
=Pendiente de la microcuenca
El factor S cuantifica la erosión del suelo en relación al gradiente de pendiente, mediante
ecuaciones actuales que predicen S para pendiente de mayor pronunciamiento (Mulengera,
2008). La Ecuación 8 se utilizó para el cálculo de este factor (Renard et al., 1997).
󰇛 󰇜 
󰇛 󰇜 (8)
Figura 2. Flujo de trabajo para el cálculo del Factor LS
Fuente: Elaboración Propia.
Factor C
El factor cobertura y uso de suelo representa la relación entre la erosión del suelo y el manejo
que existe en la cobertura vegetal, este factor evidencia principalmente como la cobertura del
suelo incide en la pérdida de suelo y disipando la energía pluvial con vegetación (Asadi et al.,
2022). Para conocer el valor del factor C se debe determinar el Índice de Vegetación Diferencial
Normalizada NDVI, tal y como se muestra en la Ecuación 9 se utiliza las bandas de infrarrojo
cercano y de onda corta, obteniendo información sobre la cobertura vegetal y biomasa (Singh
& Javeed, 2021).
 
(9)
Donde:
SWIR= Infrarrojo de onda corta y NIR= Infrarrojo cercano
Arc Map10.8 Correción DEM
Raster calculator
Spatial analyst
tools
Hidrology
Fill
DEM "Microcuenca
Quera"
Spatial analyst
tools
Surface
"Slope"
Spatial analyst
tools
Raster calculator
(Ec. 4,5,6,7,8)
Factor LS
Prisma ODS Revista Científica Multidisciplinar
Volumen 4, Número 2 - Año 2025
Página | 223
El NDVI es un índice de teledetección que sirve para examinar la vegetación, monitorear los
cultivos (Wang et al., 2024). Para calcular el factor C se utilizó el NDVI en la Ecuación 10 se
observa cómo este índice es directamente proporcional con el factor C (Durigon et al., 2014).

(10)
Factor P
El factor P representa las prácticas de conservación de suelo que reduce la pérdida de suelo,
como la agricultura de terrazas o contorno (Rizac et al., 2025). Los valores de P van a variar
dependiendo del porcentaje de pendiente que tienen las tierras agropecuarias como se observa
en la Tabla 2 (Wischmeier & Smith, 1978). A la vegetación herbácea y arbustiva, zona
antrópica y bosque se le asignó un valor de P=1 por no ser tierra agrícola (Shekar & Mathew,
2024).
Tabla 2. Valor de P según el Slope
Factor P
0.10
0.12
0.14
0.19
0.25
0.33
1.00
Fuente: (Shekar & Mathew, 2024).
Base de datos
En la Tabla 3, se encuentra los diferentes recursos o base de datos que se obtuvo para
determinar los diferentes factores para la fórmula RUSLE, mientras que la .
Figura 3 demuestra el procedimiento sintetizado que se realizó para obtener los factores antes
de realizar la Ecuación 1
Prisma ODS Revista Científica Multidisciplinar
Volumen 4, Número 2 - Año 2025
Página | 224
Tabla 3. Base de datos para la implementación de la fórmula de erosión del suelo
N°
Base de Datos
Descripción
Cita bibliográfica
1
Bandas Satelitales
Landsat Collection
level 2 (30x30)
(EarthExplorer, 2015)
2
Modelo Digital de
Elevación
Satélite Alos Palsar
(30x30)
(ASF Data Search Vertex, 2011)
3
MAATE
Capa de Cobertura y
uso de tierra
(Ministerio del Ambiente, Agua y
Transición Ecológica, 2023)
4
Cartografía Temática
Estaciones
pluviométricas
(Cartografía Temática | Sistema
Nacional de Información de Tierras
Rurales e Infraestructura Tecnológica,
2015)
Fuente: Elaboración Propia.
Figura 3. Esquema metodológico del Factor A.
Fuente: Elaboración Propia.
ESQUEMA DE FACTORES DE
EROSIÓN
Referencia
Método
Resultado
Factor C
Factor LS
Página de ASF
Data Search
Vertex
Se descargó
el modelo
digital de
elevación
(DEM), se
calculó con la
Ecuación 4 y
8 de Renard
(1997)
(USGS)
Science for a
changing world
Se extrajeron
las bandas del
sitio web
mencionado, el
cálculo se
realizó con la
Ecuación 10
usando el
NDVI.
Página de
ASF Data
Search
Vertex
Se realizó
un Slope en
ArcMap
10.8, se
tomaron
valores de
referencia
de Shekar y
Mathew,
2014)
Factor P
Se obtuvo la
capa de uso de
suelo del
Ecuador. La
Ecuación 3
para obtener la
erodabilidad
del suelo es de
Wishcmmer y
Smith (1978)
Factor K
Cartografía de
Uso de Suelo
(MAATE)
Capa de la
Cartografía
temática
Revisar la
precipitación
de cada
estación
meteorológica
Se uso la
Ecuación 2
de
Crettaz (2016)
Factor R
Prisma ODS Revista Científica Multidisciplinar
Volumen 4, Número 2 - Año 2025
Página | 225
Para categorizar los datos se utilizó la clasificación establecida por FAO (1980) que se muestra
en la Tabla 4 en la cual se colocaron 4 tolerancias para conocer el nivel de erosión de la
microcuenca del río Quera.
Tabla 4. Clasificación de la erosión establecido por la FAO.
Nivel de erosión
Pérdida de suelo (tn/ha*año)
Erosión nula o ligera
Menor a 10
Erosión moderada
10.01-50
Erosión alta
50.01-200
Erosión muy alta
Mayor a 200
Fuente: FAO (1980).
Análisis de datos
Para el análisis de datos se utilizaron herramientas SIG, programación y software estadístico
para obtener resultados precisos y gráficos representativos.
El software ArcMap 10.8 fue fundamental para el cálculo de los factores que intervienen en la
erosión, Estos análisis se basaron principalmente en el análisis de capas rasters como el DEM
y capas vectoriales, que ayudaron a determinar la pendiente, la precipitación, la erodabilidad y
el NDVI de la microcuenca.
Para analizar la correlación entre factores se utilizó Python, utilizando la biblioteca Pandas y
NumPy. Se destaca a Pandas como una biblioteca fuerte de Python en los que se refiere al
análisis y manipulación de datos (Muddana & Vinayakam, 2024).
La representación de datos se realizó mediante IBM SPSS Statistics, que sirve para crear
gráficos transparentes que permiten observar las distribuciones de datos, siendo más eficiente
que las estadísticas resumidas tradicionales (Loffing, 2022). Este software fue útil para realizar
gráficos circulares que representan porcentualmente resultados y gráficos de barras para indicar
la extensión de la erosión.
RESULTADOS Y DISCUSIÓN
En el año 1990, la Figura 4 muestra una gran parte de la zona muestra una cobertura boscosa
significativa, representada de color verde, los bosques dominan el paisaje, siendo bueno para
la salud del ecosistema natural y mostrando menor intervención humana, el uso agropecuario
de color naranja, ocupa una gran extensión. En el año 2000 se observa una ligera disminución
de bosques, ganando espacio la expansión de las tierras agropecuarias, la expansión de estas
áreas continúa considerando el aumento de la producción agrícola y ganadera indicando una
mayor explotación de suelo en estas áreas, las zonas de vegetación arbustiva herbácea, podrían
Prisma ODS Revista Científica Multidisciplinar
Volumen 4, Número 2 - Año 2025
Página | 226
estar relacionadas con áreas agrícolas menos productivas o de regeneración natural. En el año
2014, la pérdida de bosque es más evidente, lo que se podría dar una deforestación más
agresiva, la zona antrópica presente en el área se daría por las áreas urbanas, infraestructuras o
diferentes actividades realizadas por intervención humana, indicando un mayor desarrollo
humano cerca del Rio Quera, la expansión agropecuaria sigue ocupando áreas donde antes
había bosques, lo que podría afectar a la biodiversidad local. En el año 2022, se puede apreciar
una disminución significativa de bosques debido a la expansión de zonas antrópicas y también
de tierras agropecuarias, perjudicando la microcuenca del Rio Quera por las diferentes
actividades que se podrían ir dando por el ser humano, aunque hay ciertas áreas recuperándose
debido a las áreas de vegetación arbustiva y herbáceas, es decir, el resultado de la regeneración
natural en zonas donde la actividad humana ha cesado o han sido menos productivas.
En el estudio de (N.E.González-Valerio-Calle et al., 2025) demostraron que el cambio de
bosques y páramos en tierras agrícolas y urbanas ha tenido un impacto importante en la
biodiversidad y el ciclo hídrico, en la cuenca del río Cinto en Perú, entre 2000 al 2022, se
observó una reducción del 22% en las áreas de páramo y del 10% en el bosque nativo, sin
embargo, las áreas agrícolas experimentaron un aumento notable del 30%, estos cambios han
llevado a un incremento en la escorrentía superficial y a una mayor frecuencia de eventos
hidrológicos extremos, como inundaciones y deslizamientos de tierra.
Figura 4. Cambio de cobertura de suelo en el periodo 1990-2022.
Fuente: Elaboración Propia.
Prisma ODS Revista Científica Multidisciplinar
Volumen 4, Número 2 - Año 2025
Página | 227
La Figura 5 ilustra la erosión en la microcuenca del Río Quera, y su distribución espacial de
erosión del suelo medida en toneladas por hectárea por año (Tn/ha*año), utilizando el Factor
A del método RUSLE. Se observan los diferentes rangos de erosión en la microcuenca, en la
mayor parte del área de la microcuenca predomina un bajo nivel de erosión de 0 a 10 toneladas
por hectáreas anuales perdidas, reflejando que la cobertura vegetal y las condiciones del suelo
favorecen a su conservación. De igual manera se identifican pequeñas áreas con pérdidas de
suelo anuales de 10,001 a 50 toneladas por hectáreas, que podrían estar vinculadas a un uso
agrícola inadecuado. Por otro lado, se observan zonas puntuales donde la presión antrópica y
características topográficas incrementan la vulnerabilidad de este recurso y representan
sectores críticos con una pérdida anual de 50,001 a 200 toneladas por hectáreas. No obstante,
se observan áreas con valores significativos de pérdida de suelo, dando como resultado una
erosión muy alta que puede ir desde 200,01 a las 39,402 toneladas de hectáreas perdidas por
año, dejando en alerta puntos de atención prioritaria que comprometen de forma directa la salud
de ecosistemas, productividad agrícola y calidad de los recursos.
El estudio de Arias-Muñoz et al. (2024), indica que la cuenca media-alta del río Mira, que se
encuentra al noroeste del Ecuador y suroeste de Colombia, se ha determinado el cambio y la
proyección a futuro de los usos de la cobertura del uso de suelo, como el crecimiento urbano y
demográfico, la expansión de la agricultura y la ganadería, la infraestructura vial, estos factores
podrían intensificar los problemas de erosión del suelo, pérdida de la biodiversidad y la
alteración del ciclo hídrico de la cuenca.
Figura 5. Erosión de la microcuenca del río Quera en Tn/ha*año.
Fuente: Elaboración Propia.
Prisma ODS Revista Científica Multidisciplinar
Volumen 4, Número 2 - Año 2025
Página | 228
El mapa demostrado en la Figura 6 muestra la erosión anual de las tierras agropecuaria en la
microcuenca Rio Quera, la mayor parte del territorio presenta la erosión nula que esta de color
verde, esto quiere decir que estas zonas están protegidas, sin embargo, algunas áreas muestran
erosión moderada que esta de color verde claro y erosión alta de color amarillo, esto hay una
diferencia debido a que la pérdida de suelo podría estar afectando la productividad del suelo a
largo plazo, y erosión alta de color rojo, estas hectáreas significan que esta superficie están
experimentando una perdida significativa de suelo, esto podría comprometer la calidad de tierra
y su capacidad para soportar cultivos de manera sostenible que puede ocasionar una
contaminación a los diferentes caudales que pasan por la microcuenca.
Estos hallazgos coinciden con lo reportado por Yang et al. (2025), donde señalan que la erosión
del suelo es uno de los factores más importantes en la degradación ambiental, ya que provoca
una disminución notable de la materia orgánica y de la capacidad del suelo para retener agua,
estos componentes son fundamentales para preservar la fertilidad y el funcionamiento del
suelo.
Figura 6. Nivel de erosión de la cobertura Tierras agropecuarias
Fuente: Elaboración Propia.
La matriz de correlación entre los seis factores en la Figura 7 evidencia que el Factor K tiene
una correlación de 0.05 con el Factor A, lo que señala una relación positiva y muy baja,
prácticamente irrelevante en términos de impacto. De igual forma, el Factor R muestra una
correlación de 0.04 con el Factor A, lo que demuestra que su vínculo es débil y prácticamente
inexistente. El Factor C, por otro lado, tiene un valor de 0.03, lo que señala igualmente una
Prisma ODS Revista Científica Multidisciplinar
Volumen 4, Número 2 - Año 2025
Página | 229
correlación mínima y sin un impacto importante en el comportamiento del Factor A. El Factor
P posee una correlación baja de 0.19 la cual incide de manera mínima en el factor erosión.
El Factor LS sobresale entre los otros factores que tienen valores bajos, ya que tiene una
correlación de 0.66 con el Factor A, lo cual sugiere una relación sólida y evidente entre ambos.
En otras palabras, el Factor LS se convierte en el elemento que tiene más impacto en la
conducta del Factor A, ya que cualquier cambio que ocurra en LS se refleja de manera clara y
constante en A.
En el estudio de (Roy-García et al., 2019), se observa la correlación entre variables
relacionadas con el rendimiento que puede variar según el contexto y las características de la
muestra, este estudio destaca la importancia de considerar factores contextuales y
metodológicos al interpretar matrices de correlación.
Figura 7. Matriz de correlación entre los factores RUSLE.
Fuente: Elaboración Propia.
La Figura 8 se muestran el total de hectáreas afectadas por diferentes niveles de erosión en el
recurso suelo de la cobertura de tierras agropecuarias de la microcuenca del Río Quera. Como
se puede observar en el diagrama la Erosión nula o ligera con 2732.31 hectáreas (ha) es la que
mayor área posee, seguida a esta tenemos que 315.10 ha son abarcadas por Erosión muy alta y
Erosión alta que ocupa 9.31 ha, ambas zonas representan una alta preocupación a lo largo de
toda la distribución de estas tierras. Por otro lado, la erosión moderada tiene un nivel de erosión
del suelo anual de 1.15 hectáreas siendo está la más mínima.
La zona de alta erosión es de suma preocupación, Andrade-Carreño et al. (2025) informaron
en su investigación sobre la vulnerabilidad del terreno por erosión hídrica en Manabí
Prisma ODS Revista Científica Multidisciplinar
Volumen 4, Número 2 - Año 2025
Página | 230
(Ecuador), donde hallaron que el 68 % de los cantones tienen un riesgo medio a alto de erosión
debido principalmente a la reducción del área boscosa y al aumento de las actividades
agropecuarias, los autores sostienen que las zonas agrícolas son particularmente vulnerables a
los procesos de erosión porque el terreno está expuesto directamente a lluvias fuertes y al
trabajo constante lo cual origina una mayor pérdida de nutrientes esenciales y partículas finas,
no solo la productividad agrícola se ve afectada por esta situación, sino que también perjudica
la estabilidad de los ecosistemas y contribuye a que los terrenos en zonas rurales se degradan
poco a poco.
Figura 8. Nivel de erosión del suelo de las Tierras agropecuarias en hectáreas.
Fuente: Elaboración Propia.
La cobertura de Tierras Agropecuarias presenta un nivel de erosión nula o ligera de 2732.31
hectáreas siendo la de mayor superficie tal y como se observa en la Tabla 5, lo que sugiere
prácticas agrícolas que no provocan una degradación severa del suelo en la zona. Sin embargo,
de esta cobertura 1.15 ha muestra un nivel de erosión moderada. indicando que ciertas áreas
han empezado a experimentar signos de degradación. No obstante, la extensión de áreas con
erosión alta es de 9.31 hectáreas, lo que sugiere que el manejo agrícola ha logrado aumentar
efectos de erosión en esta superficie. Aun así, el nivel de erosión más preocupante es la muy
alta que abarca 315.10 ha de la cobertura, reflejando que una porción significativa de las tierras
está siendo afectada seriamente por la erosión. Por otro lado, el Bosque refleja mayor
estabilidad en cuanto a sus niveles de erosión, con 399,35 hectáreas ocupadas por erosión nula
o ligera en esta cobertura refleja que está bien conservada y el suelo recibe buena protección
Prisma ODS Revista Científica Multidisciplinar
Volumen 4, Número 2 - Año 2025
Página | 231
por parte de la cobertura vegetal. Su nivel de erosión moderada es de 0.07 ha, y su erosión alta
abarca 0,12 hectáreas lo que indica que ciertas áreas forestales han empezado a sufrir efectos
de la erosión de manera más serias pero la superficie que abarca es casi nula. Pese a esto, se
observa que 32.98 ha de la cobertura Bosque se encuentran con erosión muy alta lo que genera
preocupación ante la posible deforestación, expansión agrícola e incluso paso de ganado en
ciertas zonas.
Este patrón coincide con lo que hallado por Reta Roba et al. (2025), quienes realizaron una
investigación sobre la erosión a partir de la variación en el uso y la cobertura del suelo en la
cuenca de Dumuga-Etiopía, a lo largo de tres décadas, los investigadores demostraron que
el incremento de la superficie destinada a la agricultura y la reducción el área forestal genera
un cambio significativo en el equilibrio hidrológico y en la estabilidad estructural del terreno,
debido a esto, se produce más escorrentía superficial, aumenta la pérdida de partículas finas y
la cantidad de sedimentos, esto señala que el suelo tiene mayor probabilidad de deteriorarse y
es menos fértil.
Tabla 5. Hectáreas de erosión de la cobertura Tierras Agropecuarias y Bosque.
Cobertura
Nivel de erosión
Hectáreas
Tierras
Agropecuarias
Erosión nula o ligera
2732.31
Erosión moderada
1.15
Erosión alta
9.31
Erosión muy alta
315.10
Bosque
Erosión nula o ligera
399.35
Erosión moderada
0.07
Erosión alta
0.12
Erosión muy alta
32.98
Fuente: Elaboración Propia.
La Figura 9 se muestra la distribución de los diferentes niveles de erosión del suelo en tierras
agropecuarias y bosque. En las tierras agropecuarias, predomina la erosión nula o ligera que
comprende el 89.35% de la superficie, mientras que la erosión muy alta ocupa el 10.30%,
transformándose en un punto clave de inquietud para la protección del suelo en esta área. El
hecho de que en las tierras agrícolas la erosión sea más alta puede deberse a factores como el
uso inadecuado de maquinaria, la deforestación, el sobrepastoreo, las prácticas intensivas en
agricultura y la escasa aplicación de técnicas conservadoras. Estos factores disminuyen la
Prisma ODS Revista Científica Multidisciplinar
Volumen 4, Número 2 - Año 2025
Página | 232
cobertura vegetal y permiten que el agua, el viento arrastren partículas (Heras-Heras et al.,
2024).
En lo que respecta al bosque, el 92.33 % de la superficie tiene erosión nula o ligera, lo que
indica un estado de conservación más elevado, la cobertura de bosque favorece que el agua se
infiltre, estabiliza las pendientes y protege el suelo de la lluvia directa (Yousefi et al., 2024).
No obstante, hay áreas con una erosión muy alta del 7.63% que pueden estar vinculadas a la
apertura de caminos, la recolección selectiva de madera, las intervenciones humanas en lugares
específicos o las pendientes abruptas. Estas prácticas dejan el suelo expuesto y lo vuelven más
susceptible a los procesos de erosión (Yousefi et al., 2024).
Figura 9. Diagrama porcentual del nivel de erosión de coberturas.
Fuente: Elaboración Propia.
Diversos autores han señalado resultados que respaldan lo observado en la microcuenca del río
Quera, (Borrelli et al., 2020), muestra que la erosión aumenta de manera significativa cuando
se pasa de uso del suelo a tierras agrícolas, debido a que las prácticas intensivas y la
disminución de la cobertura vegetal modifican la estructura del suelo, lo vuelven más
susceptible a arrastrar partículas y escorrentía. Adicionalmente (Nave et al., 2024) indica que,
si bien los bosques generalmente protegen el suelo al disminuir la escorrentía y aumentar la
infiltración, las alteraciones humanas localizadas pueden crear puntos de erosión severa en el
bosque.
CONCLUSIÓN
El análisis realizado en la microcuenca del río Quera evidencia la incidencia de la expansión
agropecuaria, y refleja una transformación significativa en el periodo de 1990 a 2022 la cual
intensificó procesos de erosión. Herramientas como la ecuación RUSLE Y los Sistemas de
Prisma ODS Revista Científica Multidisciplinar
Volumen 4, Número 2 - Año 2025
Página | 233
Información Geográfica (SIG), permitieron identificar que aquellas zonas con erosión alta y
muy alta son de menor extensión a diferencia de gran parte del territorio que presenta niveles
de erosión nula o ligera, poniendo en preocupación la calidad del suelo y su productividad
agrícola. Sin embargo, la correlación entre factores resaltó que el principal determinante en la
pérdida de suelo por la influencia del relieve en la dinámica erosiva de la cuenca es la pendiente
y longitud de la ladera (LS). Este estudio demuestra la falta de implementación de prácticas
sostenibles, dado que los resultados exponen el riesgo alto de degradación que ha dejado la
disminución de la cobertura de bosques al ser sustituida por tierras agropecuarias y zonas
antrópicas.
REFERENCIAS BIBLIOGRAFICAS
Andrade-Carreño, I., Gutiérrez, D. D., & Vivas, M. G. (2025). Evaluación de la vulnerabilidad
del suelo por erosión hídrica en la provincia de Manabí (Ecuador) mediante la
aplicación de un modelo geoespacial. Investigaciones Geográficas, 83, 109–128.
https://doi.org/10.14198/INGEO.27414
Arias-Muñoz, P., Saz, M. Á., & Escolano, S. (2024). Tendencias de cambio de usos y
coberturas de suelo en la cuenca hidrográfica media-alta del río Mira en Ecuador.
Investigaciones Geográficas, 81, 155–179. https://doi.org/10.14198/INGEO.25248
Asadi, H., Dastorani, M. T., Khosravi, K., & Sidle, R. C. (2022). Applying the C-Factor of the
RUSLE Model to Improve the Prediction of Suspended Sediment Concentration Using
Smart Data-Driven Models. Water, 14(19), 3011. https://doi.org/10.3390/w14193011
Bolton, P., Bradbury, P. A., Lawrence, P., & Atkinson, E. (1995). CALSITE Version 3.1
Calibrated Simulation of Transported Erosion. User Manual.
Borrelli, P., Robinson, D. A., Panagos, P., Lugato, E., Yang, J. E., Alewell, C., Wuepper, D.,
Montanarella, L., & Ballabio, C. (2020). Land use and climate change impacts on global
soil erosion by water (2015-2070). Proceedings of the National Academy of Sciences,
117(36), 21994–22001. https://doi.org/10.1073/pnas.2001403117
Calero, J. M. G., Baque, D. A. C., Mora, J. J. M., Forte, Y. B., & Zambrano, K. C. H. (2023).
Caracterización y diagnóstico ambiental de la microcuenca hidrográfica Río de Oro.
Agrosilvicultura y Medioambiente, 1(2), 14–26.
https://doi.org/10.47230/agrosilvicultura.medioambiente.v1.n2.2023.14-26
Prisma ODS Revista Científica Multidisciplinar
Volumen 4, Número 2 - Año 2025
Página | 234
Cerretelli, S., Castellanos, E., González-Mollinedo, S., Lopez, E., Ospina, A., & Haggar, J.
(2023). A scenario modelling approach to assess management impacts on soil erosion
in coffee systems in Central America. CATENA, 228, 107182.
https://doi.org/10.1016/j.catena.2023.107182
Chaparro, J. C. M., Borges, E. E. H., & Mora, L. L. M. (2023). Mapa de riesgos de inundación
en la Microcuenca Hidrográfica 24 de junio, Tuxtla Gutiérrez, Chiapas, México.
Revista de Estudios Latinoamericanos sobre Reducción del Riesgo de Desastres
REDER, 7(1), 116–130. https://doi.org/10.55467/reder.v7i1.111
Crettaz, E., Gvozdenovich, J., & Saluzzio, M. (2016). Cálculo del Factor R de la USLE a través
del Índice Modificado de Fournier. INTA Paraná. 7pp.
Durigon, V. L., Carvalho, D. F., Antunes, M. A. H., Oliveira, P. T. S., & Fernandes, M. M.
(2014). NDVI time series for monitoring RUSLE cover management factor in a tropical
watershed. International Journal of Remote Sensing, 35(2), 441–453.
https://doi.org/10.1080/01431161.2013.871081
Fao. (1980). Metodología provisional para la evaluación de la degradación de los suelos.
Gomes Moreira, V. O. (2023). Uso de ferramentas do software ArcGIS na delimitação da bacia
hidrográfica do Rio Curu – CE. Revista Tecnologia, 43, 10.
https://doi.org/10.5020/23180730.2022.11521
Heras-Heras, M. C., Moreno-López, J. A., Quevedo-Amay, D. V., Cuichan-Paucar, S. H.,
Heras-Heras, M. C., Moreno-López, J. A., Quevedo-Amay, D. V., & Cuichan-Paucar,
S. H. (2024). Pérdida de cobertura vegetal y los cambios de uso del suelo en la
Amazonia ecuatoriana. Agroecología Global. Revista Electrónica de Ciencias del Agro
y Mar, 6(10), 89–104. https://doi.org/10.35381/a.g.v6i10.3579
Jahun, B. G., Ibrahim, R., Dlamini, N. S., & Musa, S. M. (2015). Review of Soil Erosion
Assessment using RUSLE Model and GIS. Journal of Biology.
Loffing, F. (2022). Raw Data Visualization for Common Factorial Designs Using SPSS: A
Syntax Collection and Tutorial. Frontiers in Psychology, 13, 808469.
https://doi.org/10.3389/fpsyg.2022.808469
MAATE. (2023). Ministerio del Ambiente, Agua y Transición Ecológica.
https://www.ambiente.gob.ec/
Prisma ODS Revista Científica Multidisciplinar
Volumen 4, Número 2 - Año 2025
Página | 235
Macas Cobeña, M., Bonilla Zambrano, M., Carriel Reyes, W., Parrales Carriel, J., Riofrio
Arrobo, J., & Zambrano Flores, N. (2023). Caracterización hidrológica de la
microcuenca del estero Hondo, cantón La Maná, Ecuador. Ciencia y Tecnología, 16(2),
35–48. https://doi.org/10.18779/cyt.v16i2.634
Moran-González, M. R., Guerrero-Calero, J. M., Mieles-Giler, J. W., & Cabrera-Verdesoto, C.
A. (2024). Evaluación de Indicadores para la Gestión Integrada de Recursos Hídricos
en Cuencas Hidrográficas. Journal of Economic and Social Science Research, 4(4), 25–
38. https://doi.org/10.55813/gaea/jessr/v4/n4/129
Muddana, A. L., & Vinayakam, S. (2024). Data Manipulations with Pandas. En A. L. Muddana
& S. Vinayakam, Python for Data Science (pp. 171–200). Springer Nature Switzerland.
https://doi.org/10.1007/978-3-031-52473-8_9
Mulengera, M. K. (2008). An Equation for Estimating the (r) Use Slope Steepness Factors.
Tanzania Journal of Engineering and Technology, 31(2), 95–100.
https://doi.org/10.52339/tjet.v31i2.434
NASA. (2011). ASF Data Search Vertex.
https://search.asf.alaska.edu/#/?zoom=3.000&center=-
97.494,39.673&dataset=ALOS-2
NASA. (2015). EarthExplorer. https://earthexplorer.usgs.gov/
Nave, L. E., DeLyser, K., Domke, G. M., Holub, S. M., Janowiak, M. K., Keller, A. B., Peters,
M. P., Solarik, K. A., Walters, B. F., & Swanston, C. W. (2024). Land use change and
forest management effects on soil carbon stocks in the Northeast U.S. Carbon Balance
and Management, 19(1), 5. https://doi.org/10.1186/s13021-024-00251-7
N.E.González-Valerio-Calle, S.A.Pineda-Guachichullca, Teresa Palacios, & Antonio Jodar-
Abellan. (2025). Impacto del cambio en los usos del suelo sobre el comportamiento
hidrológico y el paisaje de la cuenca hidrográfica del Río Cinto (Ecuador).
Renard, K. G., USA, & USA (Eds.). (1997). Predicting soil erosion by water: A guide to
conservation planning with the revised universal soil loss equation (RUSLE).
Reta Roba, Z., Moisa, M. B., Purohit, S., Tsegay Deribew, K., & Obsi Gemeda, D. (2025).
Assessment of soil erosion and sediment yield in response to land use and land cover
changes using geospatial techniques in Dumuga Watershed, Ethiopia. All Earth, 37(1),
1–18. https://doi.org/10.1080/27669645.2025.2460917
Prisma ODS Revista Científica Multidisciplinar
Volumen 4, Número 2 - Año 2025
Página | 236
Ríos, J. G., Alvarado, G. del P. P., Gonzales, T. V. P., & Delgado, F. T. (2021). La Gestión de
recursos hídricos: Una revisión internacional de literatura. Sapienza: International
Journal of Interdisciplinary Studies, 2(1), 186–199.
https://doi.org/10.51798/sijis.v2i1.49
Rizac, A., Șandric, I., Bucharest, D. of R. G. and E., Faculty of Geography, University of,
Comănescu, L., Department of Geomorphology-Pedology-Geomatics, Faculty of
Geography, University of Bucharest, & Simion Mehedinți Doctoral School, Faculty of
Geography, University of Bucharest. (2025). REVISED UNIVERSAL SOIL LOSS
EQUATION (RUSLE) MODEL IN THE BÂSCA CHIOJDULUI RIVER BASIN
(SUBCARPATHIANS, ROMANIA). Carpathian Journal of Earth and Environmental
Sciences, 20(2), 373–384. https://doi.org/10.26471/cjees/2025/020/340
Roy-García, I., Rivas-Ruiz, R., Pérez-Rodríguez, M., & Palacios-Cruz, L. (2019). Correlación:
No toda correlación implica causalidad. Revista Alergia México, 66(3), 354–360.
https://doi.org/10.29262/ram.v66i3.651
Shekar, P. R., & Mathew, A. (2024). GIS-based assessment of soil erosion and sediment yield
using the revised universal soil loss equation (RUSLE) model in the Murredu
Watershed, Telangana, India. HydroResearch, 7, 315–325.
https://doi.org/10.1016/j.hydres.2024.05.003
Singh, P., & Javeed, O. (2021). NDVI Based Assessment of Land Cover Changes Using
Remote Sensing and GIS (A case study of Srinagar district, Kashmir). Sustainability,
Agri, Food and Environmental Research, 9(4). https://doi.org/10.7770/safer-V0N0-
art2174
Sistema Nacional de Información de Tierras Rurales e Infraestructura Tecnológica. (2015).
Cartografía Temática | Sistema Nacional de Información de Tierras Rurales e
Infraestructura Tecnológica. http://www.sigtierras.gob.ec/cartografia-tematica/
Loiza Machado, R. A., Cevallos Cisneros, K. M., Jaramillo Guanolique, Á. P., Apolo Apolo,
A. E., & Yaguana Eras, R. A. (2023). Evaluación del Índice de la Calidad de Aguas de
los Ríos de la Provincia de “El Oro". Revista de Investigaciones en Energía, Medio
Ambiente y Tecnología: RIEMAT ISSN: 2588-0721, 7(2).
https://doi.org/10.33936/riemat.v7i2.5220
Wang, J., Chen, C., Wang, J., Yao, Z., Wang, Y., Zhao, Y., Sun, Y., Wu, F., Han, D., Yang,
G., Liu, X., Sun, C., & Liu, T. (2024). NDVI Estimation Throughout the Whole Growth
Prisma ODS Revista Científica Multidisciplinar
Volumen 4, Número 2 - Año 2025
Página | 237
Period of Multi-Crops Using RGB Images and Deep Learning. Agronomy, 15(1), 63.
https://doi.org/10.3390/agronomy15010063
Wischmeier, W. H., & Smith, D. D. (1978). Predicting Rainfall Erosion Losses: A Guide to
Conservation Planning. Department of Agriculture, Science and Education
Administration.
Yang, X., Duan, X., Liu, B., Xie, Y., Siemann, E., Wang, H., Zhang, E., Rong, L., Li, Y., Feng,
D., & Lv, H. (2025). Quantifying water erosion’s impact on soil productivity of
croplands in China. National Science Open, 4(4), 20240050.
https://doi.org/10.1360/nso/20240050
Yousefi, S., Emami, S. N., Nekoeimehr, M., Rahmati, O., Imaizumi, F., Gomez, C., &
Valjarevic, A. (2024). A Hot-Spot Analysis of Forest Roads Based on Soil Erosion and
Sediment Production. Land, 13(10), 1583. https://doi.org/10.3390/land13101583
© Los autores. Este artículo se publica en Prisma ODS bajo la Licencia Creative Commons Atribución 4.0
Internacional (CC BY 4.0). Esto permite el uso, distribución y reproducción en cualquier medio, incluidos fines
comerciales, siempre que se otorgue la atribución adecuada a los autores y a la fuente original.
: https://doi.org/10.65011/prismaods.v4.i2.95
Cómo citar este artículo (APA 7ª edición):
Añazco Loaiza, H. E. ., Figueroa Moreno, N. D. ., Garate Sánchez, F. D. ., Eras Fuentes, M. S.
., & Rodriguez Cuenca, K. J. . (2025). Incidencia de la Expansión Agropecuaria en la Erosión
de la Microcuenca Río Quera. Prisma ODS: Revista Multidisciplinaria Sobre Desarrollo
Sostenible, 4(2), 215-237. https://doi.org/10.65011/prismaods.v4.i2.95