Estimate of the (R)USLE rainfall erosivity factor from monthly precipitation data in mainland Spain

Resumen

La necesidad de disponer de un registro continuo de la precipitación dificulta el cálculo del índice de erosión pluvial (factor R) del modelo (R)USLE en zonas sin un buen registro temporal. En la España peninsular, el Instituto para la Conservación de la Naturaleza (ICONA) determinó el factor R en un reducido número de pluviógrafos, por lo que es de gran interés disponer de una herramienta que permita estimar el factor R de manera sencilla. Los objetivos de este estudio fueron: (1) identificar un estimador del factor R en la España peninsular; (2) discutir la aplicabilidad de un único modelo de estimación global a partir de los resultados obtenidos a nivel regional; (3) analizar el efecto de la longitud del intervalo de cálculo en la precisión y exactitud de las estimaciones; y (4) evaluar el modelo de regresión disponible propuesto por ICONA. Para ello se calcularon cuatro estimadores basados en la precipitación mensual en 74 estaciones pluviométricas repartidas por la geografía peninsular. El análisis de regresión llevado a cabo demostró que el índice de Fournier modificado (MFI) es el mejor estimador. La aplicabilidad del modelo global generado inicialmente se evaluó mediante la comparación con resultados obtenidos a nivel regional. Se observó que tres comunidades autónomas del este peninsular (Cataluña, Comunidad Valenciana y Región de Murcia) presentaban un régimen de precipitaciones diferente al resto de la Península, por lo que se efectuó un nuevo análisis de regresión dividiendo el territorio en dos zonas: zona Este y resto de la península. A partir del estudio comparativo de los resultados, se concluyó que el modelo bizonal basado en el índice de Fournier modificado para un intervalo de 10 años permite obtener, de manera sencilla, una estimación lo suficientemente precisa y exacta del factor R en la España peninsular. Finalmente, se determinó que el modelo disponible propuesto por ICONA tiende a sobreestimar el factor R en aproximadamente un 19%.