Universidad Nacional Del Centro Del Perú

Facultad De Ingeniería Química

Evaluación del efecto de la deposición del carbono

negro en el albedo superficial de la nieve a partir
del modelado radiativo en el glaciar
Huaytapallana
Presentado por:
VILCHEZ HUALPARUCA Judith
LEON CONDOR Roxana Nohely
Docente: GUEVARA YANQUI, Pascual Victor
Agosto del 2018-Huancayo, Perú
 CARACTERIZACIÓN DE LA PROBLEMÁTICA

El Perú:
Glaciares:
Reservas Mas de 20 glaciares
importantes
Agua

Junín: Huaytapallana
Importancia: ABASTECE DE AGUA
POTABLE A LOS POBLADORES DE Extensión: 22,406.5
HUANCAYO (501 384 HAB.) hectáreas
 Causa:
Huaytapallana disminuyó en calentamiento global
56% en los últimos 27 años.

Gases de efecto invernadero Los aerosoles: carbono negro

 Efecto del carbono negro

En suspensión: Aumenta la En la superficie de los hielos y

temperatura atmosférica nieves: reduce su albedo acelera
global el derretimiento
Rayo
incid
ente

calor

calor calor

calor
T Alredores ()
 ALBEDO ()
Capacidad de una
superficie para reflejar
energía solar a la
Atmósfera y se mide en
(%)
Mar en calma 2-5
Mar Agitado 2-10
Selva Ecuatorial 5-15
Determinar cuantitativamente albedo
Bosque Boreal en
10-20
Verano MEDICIONES MODELOS
DIRECTAS VALIDADOS
Prados y Campos 15-20
Casi imposibles de A partir de parámetros
Sabana Tropical 20-25 realizar por las de entradas:
Arena Seca 25-30 condiciones SNICAR: Modelo Basado
Nieve Vieja 50-70 extremas de en el Forzamieno
glaciares Radiativo
Nieve Fresca 80-90
 FORMULACION DEL PROBLEMA
 PROBLEMA GENERAL:
¿De qué manera influye la concentración del carbono negro en el albedo superficial
de la nieve a partir del modelamiento radiativo en el glaciar Huaytapallana?
 PREGUNTAS ESPECIFICAS:
 ¿Cómo caracterizado la concentración del carbono negro en la nieve de glaciar
Huaytapallana?
 ¿Cómo se podrá evaluar el efecto del carbono negro en el albedo superficial del
glaciar Huaytapallana con el modelo SNICAR?
 ¿Como validar el modelo SNICAR para las condiciones ambientales del glaciar
Huaytapallana?
 ¿Cuántas simulaciones se habrán hecho para predecir el albedo superficial de la
nieve del glaciar Huaytapallana?
 JUSTIFICACIÓN

Legal
 No hay regulación de emisión de carbono negro;
 El trabajo establecería un antecedente importante para las
normas.

Ambiental
 Entender mejor el impacto del carbono negro en la desglaciación
 Base para las decisiones de políticas de cuidado ambiental

Económico
 Modelos validados: ahorra tiempo y recurso.
 Objetivo
General
Evaluar el efecto de la concentración del carbono negro en el albedo
superficial de la nieve a partir del modelado radiativo en el Glaciar
Huaytapallana 

Objetivos Específicas
Caracterizar la variación temporal de la concentración del carbono negro en la nieve glaciar de
Huaytapallana

Determinar la factibilidad del modelo SNICAR para evaluar el efecto de la concentración

carbono en el albedo superficial de la nieve con el modelo SNICAR

Validar y Simular el albedo superficial de la nieve en diferentes concentraciones del

carbono negro con el modelo SNICAR
MARCO TEORICO

 ANTECEDENTES
 MARCO TEORICO
 MARCO CONCEPTUAL
 Autor Título Trabajo Variables Resultados
A
A Model
Model for
for the
the Presentan
Presentan un
un modelo
modelo para
para calcular
calcular el
el Tamaño
Tamaño dede Grano
Grano El
El modelo
modelo predice
predice albedos
albedos hasta
hasta un
un
Warren
Warren Spectral Albedo
Spectral Albedo albedo espectral de la nieve que
albedo espectral de la nieve que sese de la Nieve
de la Nieve 15% más alto que los que realmente
15% más alto que los que realmente
Wiscombe,
Wiscombe, of
of Snow.
Snow. I:
I: Pure
Pure puede
puede utilizar
utilizar aa cualquier
cualquier longitud
longitud de
de Espesor
Espesor de
de capa
capa de
de se
se observan.
observan.
(1980)
(1980) Snow
Snow onda
onda enen el
el espectro
espectro nieve
nieve   

Encontraron una buena fidelidad del

Encontraron una buena fidelidad del
Concentración carbono modelo al reproducir la reflectancia de la
Flanner, Present-day Concentración carbono modelo al reproducir la reflectancia de la
Flanner, Present-day negro, propiedades nieve observada.
climate forcing and Desarrollaron y Simularon la transferencia negro, propiedades nieve observada.
Zender, climate forcing and Desarrollaron y Simularon la transferencia ópticas, fracción de la El CN reduce fuertemente el albedo de la
Zender, response from radiativa en la capa de nieve con SNICAR ópticas, fracción de la El CN reduce fuertemente el albedo de la
Randerson, & response from radiativa en la capa de nieve con SNICAR nieve cubierta por nieve en el rango visible, pero tiene una
Randerson, & black carbon in   nieve cubierta por nieve en el rango visible, pero tiene una
Rasch (2007) black carbon in   nubes, Angulo Zenital influencia insignificante en longitudes de
Rasch (2007) snow nubes, Angulo Zenital influencia insignificante en longitudes de
snow   onda más allá de 1 mm
  onda más allá de 1 mm
 
 

Concentraciones más altas en sitios

Black Carbon (BC) inferiores posiblemente debido al efecto
Black Carbon
in the snow (BC)
of Midieron la concentración de CN en de la topografía
Ming et al. in the snow of Midieron  
Ming et al. glaciers in west muestras de la concentración
nieves recogidasdeenCN en
algunos   Ecuación para determinar la cantidad de
(2009) glaciers in west
China and its muestras seleccionados
glaciares de nieves recogidas
al oesteendealgunos
China
Concentración de
CN
(2009)
  China and its on glaciares seleccionados al oeste de China
Concentración
Carbono Negrode
potential effects durante 2004-2006 Carbono Negro Donde : % de reducción de albedo y X:
  potential effects on durante 2004-2006
albedos Log(CN), CN (g kg-1)
albedos  
 Autor Título Trabajo Variables Resultados

Al incrementar el tamaño de los granos

Midieron la perturbación del de nieve disminuyó el albedo de la
albedo de nieve obtenida en Cantidad de nieve y amplificó la perturbación
Hadley &
Black-carbon reduction laboratorio con Carbono Negro radiactiva del carbón negro
Kirchstetter
of snow albedo concentraciones conocidas de Tamaño de Grano La contaminación con carbono negro
(2012)
CN de 395 a 950 nm de de la Nieve reduce apreciablemente el albedo de
radiación nieve a cantidades que se han
encontrado en entornos naturales

La técnica LAHM proporciona una forma

Midieron partículas absorbentes de precisa, útil y económica de medir partículas
luz en las montañas de la que absorben la luz en la nieve en términos
Measurements of light- Cordillera Blanca en Perú con una de carbono negro efectivo (eCN)
Schmitt et al.
absorbing particles on the nueva técnica una de medición de Se encontró que las concentraciones de eCN
(2015) glaciers in the Cordillera partículas absorbentes de luz
 
van desde 0 hasta 70 (ng-eCN g-H2O-1 o
  Blanca, Perú (Método termo/óptico de ppb)
Calentamiento por absorción de La concentración de partículas absorbentes
luz (LAHM) de luz fue más alta cerca de Huaraz, la
ciudad más grande en la región.
 Autor Título Trabajo Resultados

Determinaron la
concentración de CN A menor altura se encontraron mayores
Concentrations
recogidos en de la concentraciones de carbono negro a menor altura
and source
región Karakoram- La concentración de carbono negro encontrado
regions of light
Himalaya del norte de fue 2130 ± 1560 ngg-1 en muestras de verano,
absorbing
Pakistán durante 2015 y 2883 ± 3439 ngg-1 en muestras de otoño y 992 ±
Gul et al. impurities in
2016, usando el método 883 ngg-1 en muestras, con el cual el albedo
(2017) snow/ice in
de "manos limpias- medio diario se redujo en 0.07-12.0%.
northern Pakistan
manos sucias“. Los resultados del modelo SNICAR presentan
and their impact
Utilizaron el modelo buena reproducción de
on snow albedo.
SNICAR para sus datos observados tienen una buena.
 
determinar la reducción  
de albedo.
 MARCO TEÓRICO
CARBONO NEGRO o BLACK CARBON (BC)
Fuentes
 Según IPCC: Contaminante Climático de Vida
Corta (CCVC)
 Diámetro aerodinámico < a 2.5 µm.
 Insoluble.
 Absorbe fuertemente la luz visible (400-800 nm).
 Implicancias Generales del Carbono Negro

Causa infecciones respiratorias (Caso

mas grave: Londres 1952; 12 000
muertes, mas de 100,000 enfermos)

Son un potente forzante climático,

mediante la absorción de radiación solar,
que vuelven a emitir en forma de calor
 Albedo
Capacidad general de las superficies de reflejar energía solar a la
Atmósfera.

Calor

Refleja el mas del 80 %

Solo se refleja el 10 %
 Espectralmente

2,500
  ∫ α ( λ ) i ( λ ) dλ
300 𝑛𝑚
𝛼= 2,500

∫ i ( λ ) dλ
300 𝑛𝑚

Más del ~99% del flujo solar superficial está contenido en la

región espectral entre 300 y 2.500 nm
 Modelo SNICAR
Proporciona el albedo de la nieve para nieve con o sin contenido de
impurezas como carbono negro, polvo y ceniza volcánica

Medición de
Albedo
Modelo
SNICAR
  Se basa en la interacción entre la luz y la materia
 Entradas del Modelo SNICAR
PARÁMETRO DE ENTRADA UNIDAD RANGO
El tipo de la radiación incidente no tiene difusa o directa
El ángulo cenital solar grados (°) 0-89
El radio efectivo del grano de la nieve micrómetros (µm) 30-1500

kilogramo por metro cubico (Kg m-

La densidad de la nieve -
3
)
El espesor de la capa de nieve Metros (m) -
La concentración de CN Partes por billón -
La concentración del polvo Partes por millón -
La contracción de ceniza volcánica Partes por millón -
 Hipótesis
La cantidad del carbono negro depositado en la nieve del glaciar Huaytapallana
disminuye el albedo superficial de la nieve, contribuyendo a una mayor
retención de energía acelerando el retroceso del glaciar Huaytapallana 

Existe una variación temporal de la cantidad carbono negro depositado en la

E
S nieve del glaciar de Huaytapallana.
P
E
C Es viable determinar el efecto de la concentración carbono negro en el albedo
Í superficial de la nieve en el Glaciar Huaytapallana mediante el modelo
F SNICAR
I
C
A Es valido el modelo SNICAR para las condiciones observadas en el Glaciar
S Huaytapallana
 VARIABLES
 Variable independiente
 Concentración de carbón negro
 Deposición del carbono negro (ppb).
 Densidad de la nieve (kg m-3).
 Radio efectivo del grano de la nieve (nm).
 Angulo cenit solar (°).
 Profundidad de la capa de nieve (m).

 Variable dependiente
 Albedo de la nieve (%).
OPERACIONALIZACION DE
VARIABLES UNIDAD DE INSTRUMENTO
VARIABLE INDICADOR
MEDICIÓN PARA MEDIR
Radiación incidente
sobre una
Albedo superficie que es Adimensional Espectrómetro
reflejada hacia el
exterior
Concentración Acumulación de
Partes por
De Carbono carbono negro en LAHM
millón (ppm)
Negro la capa de Nieve
Temperatura De Grado Celsius
Temperatura de
Superficie De La (°C), Kelvin Termómetro
Ambiente
Nieve (°K)
Diámetro
Tamaño Efectivo Micrómetros
aproximado de los espectrómetro
De La Nieve (m)
cristales de Nieve
Masa de la capa de
Densidad De La
nieve, por unidad Kg/m3 técnica tradicional
Nieve
de volumen.
Estaca graduada
Profundidad De Grosor de la capa Centímetros
para medir
La Nieve de Nieve (cm)
profundidad
Ángulo de posición Grado
Ángulo Cenital
del sol relativa a la Sexagesimal Algoritmo
Solar
normal local (°)
 MATRIZ DE
CONSISTENCIA
Problema General Objetivo General Hipótesis General Variables Metodología

 ¿Cómo influye la  Evaluar el efecto de la  La cantidad del carbono negro Diseño de investigación:
concentración del carbono concentración del carbono depositado en la nieve del glaciar No Experimental
negro en el albedo negro en el albedo superficial Huaytapallana disminuye el albedo Diseño transaccional explicativo
superficial de la nieve a de la nieve a partir del superficial de la nieve, contribuyendo a Variable Dependiente: Diseño transaccional descriptivo
partir del modelamiento modelado radiativo en el una mayor retención de energía   POBLACIÓN Y MUESTRA:
radiativo en el glaciar glaciar Huaytapallana acelerando el retroceso del glaciar.  Albedo de la nieve Población:
Huaytapallana? Cordillera Huaytapallana ubicado a
una latitud 75° 02’ 32’’ O, longitud
11° 02’ 32’’ S y altitud de 5100
msnm con una extensión aproximada
Problemas Específicos Objetivos Específicos Hipótesis Específico: Variable Independiente:
3 hectáreas (ha).Muestra:
Nuestra población será 3 glaciares de
 ¿Cómo estará caracterizado  Caracterizar la variación  Existe una variación temporal de la la Cordillera Huaytapallana
la concentración del carbono temporal de la concentración cantidad carbono negro depositado en la escogidas estratégicamente
negro en la nieve de glaciar del carbono negro en la nieve nieve del glaciar de Huaytapallana. TECNICA E INSTRUMENTO
Huaytapallana? glaciar de Huaytapallana.  Es viable determinar el efecto de la Muestreo:“Mano Limpia-Mano
 ¿Cómo se podrá evaluar el  Determinar la factibilidad del concentración carbono negro en el Sucia” (Gul et al., 2017)
efecto de la deposición del modelo SNICAR para evaluar albedo superficial de la nieve en el Filtrado: Para determinar cantidad de
carbono negro en el albedo el efecto de la concentración Glaciar Huaytapallana mediante el CN (Gul et al., 2017)
superficial del glaciar carbono en el albedo modelo SNICAR INSTRUMENTO:
Huaytapallana con el superficial de la nieve con el  Es válido el modelo SNICAR para las Espectrómetro Maya 2000-Pro.
modelo SNICAR? modelo SNICAR condiciones observadas en el Glaciar • Balanza de campo.
 ¿Cómo será válido el modelo  Validar el modelo SNICAR Huaytapallana. • Multiparametro de campo.
SNICAR para las para las condiciones  No existe aún simulaciones para predecir • Cable de fibra óptica con difusor
condiciones ambientales del observadas en el glaciar el albedo superficial de la nieve del VIS/NIR
 
glaciar Huaytapallana? Huaytapallana. glaciar Huaytapallana • Filtros de cuarzo.
 Concentración de
 ¿Cuántas simulaciones se  Simular el albedo superficial  
carbón negro.
habrán hecho para predecir de la nieve en diferentes
el albedo superficial de la concentraciones del carbono
nieve del glaciar negro con el modelo
Huaytapallana? SNICAR.
METODOLOGÍA
 POBLACION DE ESTUDIO

 El área del estudio es el glaciar Huaytapallana ubicado en la Cordillera Huaytapallana que se

encuentra en los Andes centrales del Perú (11,95°-11,83°S, 75,01°-74,99'W). Para el este se
encuentra el Amazonas de Brasil y Perú, y el sureste de Bolivia. Estas regiones están afectadas
por grandes ocurrencias de incendios de vegetación abierta. Las emisiones de estas regiones se
transportan a los Andes (Bourgeois et al., 2015). La Cordillera Huaytapallana es posiblemente
afectada por estas masas de aire enriquecidas en CN producidas en estas regiones.
 Recolección de Datos y Muestras: Cordillera Huaytapallana ubicado a una latitud 75° 02’
32’’ O, longitud 11° 02’ 32’’ S y altitud de 5100 msnm con una extensión aproximada 3
hectáreas (ha). Para evaluar las propiedades físicas de la nieve y la concentración de carbono
negro en el glaciar Huaytapallana
 Preparación y Análisis de Muestras: En el laboratorio de la facultad de ingeniería química
de la Universidad Nacional del Centro del Perú.
 Cantidad de CN
Muestreo de Nieve y Filtrado de la muestra para Análisis de filtros
Medición de propiedades separar las partículas de CN
físicas de Nieve (una vez al
mes)

La nieve fundida se filtra en

filtros de cuarzo de diámetro
de 25 mm y porosidad de 0.7 Mediante la técnica
µm LAHM
Medición de Albedo
Utilizando un Espectrómetro Maya2000-Pro
 Validación del Modelo
Análisis de Medidas de Desviación

Valores Observados

Valores Simulados
 Simulación del Modelo
Implementación de los Rodar SNICAR, con
parámetros en Matlab los parámetros Análisis de
para rodar SNICAR obtenidos en campo Resultados

1
FECHA HORA
30/1/2018,8:0
0.9 30/1/2018,9:0
30/1/2018,10:0
30/1/2018,11:0
0.8 30/1/2018,12:0
30/1/2018,13:0
30/1/2018,14:0
0.7 30/1/2018,15:0
30/1/2018,16:0
28/2/2018,8:0
0.6 28/2/2018,9:0
28/2/2018,10:0
28/2/2018,11:0
Albedo

28/2/2018,12:0
0.5
28/2/2018,13:0
28/2/2018,14:0
28/2/2018,15:0
0.4 28/2/2018,16:0

0.3

0.2

0.1

0
0 0.5 1 1.5 2 2.5 3 3.5 4 4.5 5
Longitud Onda
 Parámetros del Modelo SNICAR
 
 Concentración de carbono negro: Método LAHM (Schmitt
et al., 2015)
 Tamaño de grano de nieve: inspección visual en hojas de
cuadrícula milimétrica con una lupa (Wang et al., 2017)
 Tipo de Radiación: En función al espesor óptico de la nube
(IGP)
 Densidad de Nieve: Técnica clásica de masa sobre su volumen
 Ángulo Cenital Solar: Algoritmo de Reda-Andreas (Reda &
Andreas, 2004)
 Validación de Modelo: Análisis de Medidas de Desviación
(Medina, Vargas-Villamil, Navarro-Alberto, Canul-Pech, &
Peraza-Romero, 2010)
Punto 2

SITIO DE
ESTUDIO
Punto 1
 Resultados
Cantidad de Carbono Negro
90

80

70

60

50
CN (ppb)

40

30

20

10

0
Noviembre Diciembre Enero Febrero Marzo Abril Mayo Junio Julio Agosto Setiembre Octubre

Mes

1 ra Campaña
 Variación de albedo
0.88
2018/01/30
2018/02/28
0.86

0.84

0.82

0.8
Albedo

0.78

0.76

0.74

0.72

0.7
8 9 10 11 12 13 14 15 16
Hour
 RESUMEN

El presente proyecto cuantificará como las actividades

antrópicas generadoras de CN contribuyen con el retroceso
del glaciar Huaytapallana mediante el modelo SNICAR, el
cual servirá como sustento del impacto negativo para que
los organismos correspondientes del estado propongan
políticas a fin de reducir las emisión de este contaminante.
CRONOGRAMA DE ACTIVIDADES
7 2018 2018
N D E F M M J
Adquisición de equipos, X X
materiales e insumos
Implementación del laboratorio X
Análisis
Reconocimiento de los puntos X
para toma de muestras
Toma de muestras en el glaciar X X X X X X X
Huaytapallana
Análisis de las muestras X X X X X X X
Adquisión del X
espectrorradiometro FieldSpec 4
Hi-Res
Medición del albedo de la
superficie en el glaciar
Huaytapallana
Medición de propiedades físicas X X X X X X X
de la nieve del glaciar
Huaytapallana
Implementación del modelo X X X X X
SNICAR
Presentación de plan de tesis
Validación Del Modelo
Presentación de tesis
Presentación de informe final de
resultados
PRESUPUESTO

Fuente de
financiamiento
Universidad Nacional
Del Centro del Perú
 REFERENCIAS
BIBLIOGRAFICAS
Attribution, C. C., Gul, C., Kang, S., Puppala, S. P., Gul, C., & By, C. C. (2018). Supplement of Concentrations and source
regions of light-absorbing particles in snow / ice in northern Pakistan and their impact on snow albedo.
Doherty, S. J., Hegg, D. A., Johnson, J. E., Quinn, P. K., Schwarz, J. P., Dang, C., & Warren, S. G. (2016). Causes of variability
in light absorption by particles in snow at sites in Idaho and Utah. Journal of Geophysical Research: Atmospheres, 121(9),
4751–4768. https://doi.org/10.1002/2015JD024375
Flanner, M. G., Zender, C. S., Randerson, J. T., & Rasch, P. J. (2007). Present-day climate forcing and response from black
carbon in snow. Journal of Geophysical Research Atmospheres, 112(11), 1–17. https://doi.org/10.1029/2006JD008003
Gul, C., Puppala, S. P., Kang, S., Adhikary, B., Zhang, Y., Ali, S., … Li, X. (2017). Concentrations and source regions of light
absorbing impurities in snow/ice in northern Pakistan and their impact on snow albedo. Atmospheric Chemistry and Physics
Discussions, (August), 1–32. https://doi.org/10.5194/acp-2017-667
Hadley, O. L., & Kirchstetter, T. W. (2012). Black-carbon reduction of snow albedo. Nature Climate Change, 2(6), 437–440.
https://doi.org/10.1038/nclimate1433
He, C., Flanner, M. G., Chen, F., Barlage, M., Liou, K.-N., Kang, S., … Qian, Y. (2018). Black carbon-induced snow albedo
reduction over the Tibetan Plateau: Uncertainties from snow grain shape and aerosol-snow mixing state based on an
updated SNICAR model. Atmospheric Chemistry and Physics Discussions, (May), 1–32.
https://doi.org/https://doi.org/10.5194/acp-2018-476
Jacobson, M. Z. (2004). Climate response of fossil fuel and biofuel soot, accounting for soot’s feedback to snow and sea ice
albedo and emissivity. Journal of Geophysical Research D: Atmospheres, 109(21), 1–15.
https://doi.org/10.1029/2004JD004945
Medina, S., Vargas-Villamil, L., Navarro-Alberto, J., Canul-Pech, C., & Peraza-Romero, S. (2010). Comparación de medidas de
desviación para validar modelos sin sesgo, sesgo constante o proporcional. Universidad y Ciencia, 26(3), 255–263.
Retrieved from http://www.scielo.org.mx/scielo.php?script=sci_arttext&pid=S0186-29792010000300005
Ming, J., Xiao, C., Cachier, H., Qin, D., Qin, X., Li, Z., & Pu, J. (2009). Black Carbon (BC) in the snow of glaciers in west
China and its potential effects on albedos. Atmospheric Research, 92(1), 114–123.
https://doi.org/10.1016/j.atmosres.2008.09.007
Qian, Y., Yasunari, T. J., Doherty, S. J., Flanner, M. G., Lau, W. K. M., Ming, J., … Zhang, R. (2015). Light-absorbing
particles in snow and ice: Measurement and modeling of climatic and hydrological impact. Advances in Atmospheric
Sciences, 32(1), 64–91. https://doi.org/10.1007/s00376-014-0010-0
Reda, I., & Andreas, A. (2004). Solar position algorithm for solar radiation applications. Solar Energy, 76(5), 577–589.
https://doi.org/10.1016/j.solener.2003.12.003
Schmitt, C. G., All, J. D., Schwarz, J. P., Arnott, W. P., Cole, R. J., Lapham, E., & Celestian, A. (2015). Measurements of
light-absorbing particles on the glaciers in the Cordillera Blanca, Peru. Cryosphere, 9(1), 331–340.
https://doi.org/10.5194/tc-9-331-2015
Solaun, K., Sopelana, A., Arraibi, E., & Pérez, M. (2014). Series CO2: Black Carbon y sus efectos en el clima. Factor CO2.
Toon, O. B., McKay, C. P., Ackerman, T. P., & Santhanam, K. (1989). Rapid calculation of radiative heating rates and
photodissociation rates in inhomogeneous multiple scattering atmospheres. Journal of Geophysical Research, 94(D13),
16287. https://doi.org/10.1029/JD094iD13p16287
Urquidi, J. C., Bravo, C. R., Militar, G., Herman, I. G. M., Mardones, M. A., Sánchez, L., & Agricultura, M. De. (2005).
Glaciares Chilenos: Reservas estratégicas de Agua Dulce. Retrieved from https://research.csiro.au/gestionrapel/wp-
content/uploads/sites/79/2016/11/Glaciares-Chilenos-Reservas-Estratégicas-de-Agua-Dulce-para-la-sociedad-los-
ecosistemas-y-la-economía-2006.pdf
Wang, X., Pu, W., Ren, Y., Zhang, X., Zhang, X., Shi, J., … Chen, Q. (2017). Observations and model simulations of snow
albedo reduction in seasonal snow due to insoluble light-Absorbing particles during 2014 Chinese survey. Atmospheric
Chemistry and Physics, 17(3), 2279–2296. https://doi.org/10.5194/acp-17-2279-2017
Warren, S. G. (National C. for A. R., & Wiscombe, W. J. (1980). Warren y Wiscome II 1980.pdf. Journal of the Atmospheric
Sciences, 37, 2734–2745.
*Gracias*