ENEGEOL ATACAMA 2017, 6-10 DE NOVIEMBRE

Análisis de efectos climáticos y reológicos en la deformación

cortical en Chile
Sebastián Cabrera(1)*, Camila Jiménez(2), Andrés Tassara(1)

(1) Departamento de Ciencias de la Tierra, Facultad de Ciencias Químicas, Universidad de Concepción, Víctor Lamas 1290, Barrio
Universitario, Casilla 160-C, Concepción, Chile
(2) Departamento de Geofísica, Facultad de Ciencias Matemáticas, Universidad de Concepción, Víctor Lamas 1290, Barrio Universitario,
Casilla 160-C, Concepción, Chile
*Email de contacto: secabrera@udec.cl

Abstract (Analysis of climatic and rheological effects on crustal deformation in Chile): Crustal deformation is adjusted with
trajectory models, which can modulate different signals of movement. In this way, it has been possible to adjust annual variations
in the GPS time series, which might be a response to climate or crustal rheology. With the purpose of to determine the spatial
influence of these variables, a first approach is correlate the precipitation and vertical displacement amplitudes. A perfect inverse
correlation (value -1) between both amplitudes, show that seasonal deformation is strongly marked by hydrological cycle,
whereas that areas without direct correlation could indicate that other factors would be modulating it. There is a marked inverse
correlation in the most part of area, with values between -0.6 to -0.9, however, occur some sectors where the correlation value
is 0 to 0.5, which could be influenced by crustal rheology or other causes.

Key words: Seasonal deformation, rheology, time series gps, hydrological cycle

Palabras clave: Deformación estacional, reología, series de tiempo gps, ciclo hidrológico

1. Introducción

La deformación cortical puede ser estudiada utilizando herramientas geodésicas, entra ellas, modelos de trayectoria GPS. Estos
modelos ajustan la posición de las estaciones gps en el tiempo, donde todas las fuentes que originan el movimiento son vinculadas en
una ecuación. De esta manera, utilizamos el modelo de trayectoria propuesto por Bevis y Brown (2014), a partir de cual aislamos el
movimiento estacional oscilatorio ajustado por series de Fourier (ecuación 1).

𝑛𝑛
𝑓𝑓
𝑥𝑥(𝑡𝑡) = ∑𝑘𝑘=1 𝑠𝑠𝑘𝑘 𝑠𝑠𝑠𝑠𝑠𝑠(𝑤𝑤𝑘𝑘 𝑡𝑡) + 𝑐𝑐𝑘𝑘 𝑐𝑐𝑐𝑐𝑐𝑐(𝑤𝑤𝑘𝑘 𝑡𝑡) (ecuación 1)

Donde 𝑛𝑛𝑓𝑓 es el número de frecuencias usadas para modelar el desplazamiento anual, 𝑠𝑠𝑘𝑘 y 𝑐𝑐𝑘𝑘 son las amplitudes de la curva, 𝑤𝑤𝑘𝑘 es el
periodo de la curva y 𝑡𝑡 es el tiempo.
Esta deformación estacional se asocia ampliamente a la carga producida por el ciclo hidrológico (Heki et al, 2001). Este autor además
concluye que la carga estacional modula parcialmente la deformación intersísmica al noreste de Japón.
Nuestro estudio se encuentra focalizado entre los 32°S y 47°S, donde Miller (1976) señala que la precipitación anual en la región
varía desde 100 a 2000 mm (citado en Rojas, 2006), por lo tanto, deberíamos esperar un comportamiento modulado por la carga de
precipitación de norte a sur. Además, la deformación que ocurre en la corteza está en función de los esfuerzos aplicados y constantes
reológicas del medio: módulo de Young (E) y coeficiente Poisson(ν) (Turcotte y Schubert, 1982). Una representación directa de estos
parámetros es el valor del espesor elástico, el cual varía entre 4-30km en el área (Tassara et al, 2007).
Entonces, la deformación estacional estaría dada por el efecto de la carga del ciclo hidrológico y una componente intrínseca del medio
asociada a su rigidez.
 ENEGEOL ATACAMA 2017, 6-10 DE NOVIEMBRE
2. Metodología

En un primer intento por evaluar las componentes que modulan la deformación estacional, fueron utilizadas 85 series de tiempo GPS
(Figura 1), las cuales tienen un rango de tiempo entre el 2009 y 2015. Estas fueron ajustadas con el modelo de trayectoria de Bevis y
Brown (2014), del cual se extrajo solamente la componente estacional de las series de tiempo, permitiendo obtener los valores de
periodo y amplitud del desplazamiento en cada estación en la componente norte, este y vertical.

También realizamos una calificación semicuantitativa de los datos, basándonos en tres criterios esenciales: (1) buen ajuste de la curva
a los datos de posicionamiento diario, (2) intervalo de tiempo de los datos mayor o igual a dos años y (3) proporción entre datos de
posición y ventanas de tiempo sin información mayor a uno. De esta manera, las estaciones fueron incluidas en tres grupos, designados
arbitrariamente como A, B y C, donde la calidad de la estación disminuía desde A a C. Solo utilizamos los datos de las estaciones de
los grupos A y B (Figura 1), descartando también las estaciones ubicadas en el Archipiélago de Juan Fernández y las presentes en la
pampa argentina.

Para comparar las series de tiempo de precipitación, que fueron generadas a partir de los datos de precipitación obtenidos de la base
de datos del explorador climático implementado por Meteodata, y el desplazamiento vertical, se realizó una correlación simple entre
ellas, donde las series a correlacionar tienen una relación espacial y temporal, por lo cual fue necesario ajustar ambas series a la misma
longitud de tiempo de los datos presentes en cada una de ellas. De esta correlación surge el coeficiente de correlación de Pearson, el
cual toma valores entre -1 y 1, donde -1 indica una correlación negativa perfecta, 0 indica que no hay relación y 1 indicaría una
correlación positiva perfecta.

Un ejemplo de correlación espacial y temporal entre serie de tiempo gps y de precipitación es representada en la Figura 2, la cual
muestra los datos para la zona de Antuco, en la región del Bío Bío.

Finalmente, con los datos de amplitudes de desplazamiento, generamos mapas 2D de éstas utilizando una interpolación lineal cúbica
con el fin de analizar la distribución espacial en la zona.

3. Resultados y Discusión

Una vez filtradas las estaciones y calculadas las amplitudes, obtuvimos que las mayores amplitudes se presentan en la componente
vertical, con valores que llegan hasta los 26 mm de variación anual en la estación cercana a Pelluhue y valores promedio de 10mm
para toda el área. La Figura 3c muestra los valores de las amplitudes de desplazamiento para la componente vertical, ubicando los
valores de mayor amplitud (15 a 21 mm) entre los 35°S y los 37°S aproximadamente. Estos valores están en una zona de bajo espesor
elástico al compararlo con valores aledaños (Figura 4), con valores entre 8-12 km, lo cual estaría modulando el desplazamiento vertical.
Sin embargo, si prestamos atención al coeficiente de Pearson (Figura 5), vemos que en esta misma zona los valores son cercanos a -1,
lo cual también indicaría una relación entre la carga por precipitación y la deformación vertical.

Inmediatamente al sur de esta zona, los valores disminuyen entre 12 a 3 mm, justo donde el valor del espesor elástico es mayor a 20
km, además, el coeficiente de Pearson muestra poca o nula correlación entre la precipitación y los desplazamientos verticales. Esto se
produce en una franja norte sur emplazada sobre los lagos glaciares al pie de la Cordillera de los Andes. Una explicación es que la
corteza no responde inmediatamente a la recarga de precipitación u otro fenómeno climático puede estar operando en la deformación
estacional en esta zona. Al sur de los 42°S los valores de amplitudes siguen siendo bajos, pero el análisis pierde significado puesto que
solamente hay 3 estaciones a más de 100 km de distancia entre ellas.

Cabe destacar, la intensa señal de amplitud en el eje este-oeste que se genera en la parte distal de la cuenca del río Bío-Bío, y de manera
secundaria en la cuenca del río Maule ubicada un poco más al norte (Figura 3b). Estas variaciones en la horizontal son subparalelas al
flujo de estos causes de agua, por lo cual estas señales estarían indicando que los cambios en el régimen de flujo de estos importantes
ríos chilenos deforman la corteza de manera estacional, del mismo modo que Heki (2001) postula al ciclo hidrológico como agente
principal en la deformación estacional. Además, estas zonas se relacionan espacialmente con los valores del coeficiente de Pearson
entre 0 y 1, lo cual estaría indicando que estas zonas están más influenciadas por los afluentes superficiales que por la precipitación en
sí misma.
 ENEGEOL ATACAMA 2017, 6-10 DE NOVIEMBRE
Por último, en la Figura 6 se muestra la relación entre el espesor elástico y las amplitudes medidas en cada estación, de esta puede
desprenderse que los valores de amplitudes en las 3 componentes no tienen una relación tan clara con el espesor elástico.

4. Conclusiones

La deformación estacional entre los 33°S y los 42°S puede ser ajustada con modelos de trayectoria de estaciones GPS, obteniendo
valores de amplitudes de 10mm en promedio. Con los valores de correlación del coeficiente de Pearson, es posible determinar las
zonas en que la precipitación es el agente principal en la deformación anual; esto ocurre entre los 35° y 37°S y en las zonas costeras
al sur de los 37°S. En contraposición, las zonas restantes que no presentan una correlación favorable para esta conclusión, pueden
presentar otros fenómenos que deformen la corteza a la escala de tiempo anual, lo que puede deberse a un mayor espesor, como ocurre
en la península de Arauco y extendiéndose hacia el interior del continente, o a otro fenómeno climático. Finalmente, los cambios en
el flujo de agua en los ríos principales de esta zona también deforman la corteza en el plano horizontal a lo largo de sus cauces.

5. Agradecimientos

Agradecemos a Francisco García y al profesor Aldo Montecinos por su ayuda en el tratamiento de los datos en el trascurso del
semestre.

6. Referencias.

Bevis, M., & Brown, A. (2014). Trajectory models and reference frames for crustal motion geodesy. Journal of Geodesy, 88(3), 283-
311.

Heki, K. (2001). Seasonal modulation of interseismic strain buildup in northeastern Japan driven by snow loads. Science, 293(5527),
89-92.

Rojas, M. (2006). Multiply nested regional climate simulation for southern South America: Sensitivity to model resolution. Monthly
weather review, 134(8), 2208-2223.

Tassara, A., Swain, C., Hackney, R., & Kirby, J. (2007). Elastic thickness structure of South America estimated using wavelets and
satellite-derived gravity data. Earth and Planetary Science Letters, 253(1), 17-36.

Turcotte, D. L., & Schubert, G. (1982). Geodynamics: Applications of continuum mechanics to geological problems. New York.
 ENEGEOL ATACAMA 2017, 6-10 DE NOVIEMBRE
7. Anexos

Figura 1. Ubicación de las estaciones gps.

Figura 2. Ejemplo de correlación entre series de tiempo de precipitación y

desplazamiento de la estación Antuco.
 ENEGEOL ATACAMA 2017, 6-10 DE NOVIEMBRE

Figura 3. Valores interpolados de las amplitudes en la componente norte-sur(a), este-oeste(b) y vertical(c).

Figura 4. Valores del espesor elástico, datos extraídos de Tassara et al.,2007.

 ENEGEOL ATACAMA 2017, 6-10 DE NOVIEMBRE

Figura 5. Correlación entre las series de tiempo de

precipitación y desplazamiento vertical, medida a través del
coeficiente de Pearson.

Figura 6. Relación entre espesor elástico y amplitudes de desplazamiento vertical (azul),

norte-sur (amarillo) y este-oeste(rojo).