Estimación de mapas de peligrosidad mediante generación de...

Estimación de mapas de peligrosidad mediante generación de tormentas sintéticasmediante generación de tormentas sintéticas

Gianbattista Bussi (1), Félix Francés(1), José Luis Salinas(1), Rafael García-Bartual(1), Lucas Pujol(2), Vicente Guna(2), Enrique Ortiz(2)

(1) Universitat Politècnica de València(2) Hidrogaia S.L.

Introducción

En estudios de inundabilidad es exigible la máxima En estudios de inundabilidad es exigible la máxima precisión por sus implicacioneseconómicas y socialeseconómicas y sociales

Cañete (Cuenca - España), 2011

Tabasco (México) 2008

XXV Congreso Latinoamericano de Hidráulica – Septiembre 2012, San José, Costa Rica

Tabasco (México), 2008 Pakistán, 2010

Introducción

Tradicionalmente se basa en el concepto de “Tormenta de pDiseño”

Análisis estadístico de Pd => Tormenta de diseño de T => Simulación hidrológica

Ventaja “pírrica”: Una sola simulaciónVentaja pírrica : Una sola simulación

Inconvenientes específicos:pDistribución temporal y espacial de la precipitaciónEstado inicial único¿QT lo genera PdT?


Introducción

¿Una única tormenta uniforme en el espacio y simple en el ¿Una única tormenta uniforme en el espacio y simple en el tiempo + un sólo estado inicial dará el resultado correcto? NO!

Distribución empírica de Qmax en R.Poyo en A7 situación actual con la Distribución empírica de Qmax en R.Poyo en A7 situación actual con la


probabilidad de la tormenta sintéticaprobabilidad de la tormenta sintética

Metodología

1 - Estimación frecuencia de las Pd máximas anuales2 - Construcción de un modelo estocástico de tormentas y

generación sintética de un número elevado de eventosg v v3 - Implementación de un modelo hidrológico distribuido4 Asignación de probabilidad final mediante un modelo 4 - Asignación de probabilidad final mediante un modelo

estadístico multivariado5 Estimación de calados y velocidades5 - Estimación de calados y velocidades


Caso de estudio

Comarcas de la Marina Alta y de la Marina Baja (Alicante, España)

Más de 200 puntos analizados en 500 km2

Plan de Gestión del Riesgo de Inundación según la gDirectiva Marco 2007/60 de la C.E.)

Sólo peligrosidad en esta presentación


Análisis pluviométrico

Análisis regional con 45 estaciones AEMET y SAIH => Análisis regional con 45 estaciones AEMET y SAIH > 1054 años equivalentesComprobación homogeneidad mediante test de Fisher Comprobación homogeneidad mediante test de Fisher sobre el coeficiente de variación

Modelos estadísticos:R l bl d d dfRegionalización por variable índice + diversas cdfs(incluyendo con límite superior)Regionalización Gumbel y ajuste TCEV



Resultados:Resultados:

TCEV con reg. Gumbel


Generación de tormentas sintéticas

RAINGEN: Las tormentas son RAINGEN: Las tormentas son una superposición de “celdas”, cuya intensidad se determina cuya intensidad se determina según procesos estocásticos en el espacio y en el tiempo

Modelo de Rodriguez-Iturbe y Eagleson (1987) mejorado por Salsón y García Bartualpor Salsón y García Bartual(2003)



Estimación de parámetros a partir de tormentas SAIH:Estimación de parámetros a partir de tormentas SAIH:

Autocorrelación espacial- octubre 20001

Autocorrelación espacial- octubre 20001

0.4

0.6

0.8

1Observada

Corregida

Teórica0.4

0.6

0.8

1Observada

Corregida

TeóricaOctubre - 20001

Octubre - 20001

-0.2

0

0.2

0 10 20 30 40 50 60 70 80-0.2

0

0.2

0 10 20 30 40 50 60 70 800 4

0.6

0.8 observadoajustado

0 4

0.6

0.8 observadoajustado

Media normalizada - octubre 2000

1

Media normalizada - octubre 2000

1

distancia (km)distancia (km)

0

0.2

0.4

0 10 20 30 40 50 60 700

0.2

0.4

0 10 20 30 40 50 60 700.4

0.6

0.8

0.4

0.6

0.8

0 10 20 30 40 50 60 70

kT(minutos)

0 10 20 30 40 50 60 70

kT(minutos)

0

0.2

0 1000 2000 3000 4000 5000

minutos

Observada Ajustada

0

0.2

0 1000 2000 3000 4000 5000

minutos

Observada Ajustada


minutosminutos


Se generaron unas 500 tormentas sintéticas en una Se generaron unas 500 tormentas sintéticas en una cuadrícula de 60x65 km con discretización de 1km y 10 min

500

600

700LIMITE INM ALC T500 RECORDSMARINA oct-07 ALC oct 82 ALC 97

HIETOGRAMA Y PLUVIOGRAMA - EPISODIO SINTÉTICO # 106. Cuenca GIR03: Rio Girona hasta embalse de Isbert

80

90

100

80

90

100

200

300

400

mm

/h

30

40

50

60

70

i en

mm

/h

30

40

50

60

70

P en

mm

0

100

0 20 40 60 80 100 120Minutos

0

10

20

0 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20

horas

0

10

20

… y se seleccionaron 368


El modelo hidrológico TETIS

Desarrollado por la UPV desde 1994 (v 8 2 4 en la web)Desarrollado por la UPV desde 1994 (v 8.2.4 en la web)Distribuido en el espacio:

> R d ió i bilid d i l d l Ci l Hid ló i=> Reproducción variabilidad espacial del Ciclo Hidrológico

=> Reducción del efecto de escala espacial=> Explotación de toda la información espacial existente


Modelación hidrológica con TETIS

Calibración: Caudal salida y nivel en embalse simulado y Calibración: Caudal salida y nivel en embalse simulado y observado del evento de Abril 2003 en la estación SAIH “Isbert”

40

45

50

182

184

25

30

35

Q (m

3 /s)

176

178

180

Q (m

3 /s)

10

15

20

Q

172

174

Q

0

5

10 20 30 40 50 60 70

Tiempo (horas)

b

168

170

10 20 30 40 50 60 70

Tiempo (horas)


Q obs Q sim N obs N sim

Modelación hidrológica con TETIS

Validación espacio-temporalValidación espacio temporal

70

80

100

120

40

50

60

m3 /s)

60

80

m3 /s)

20

30

0

Q (m

40

60

Q (m

0

10

25 35 45 55 65 75

Tiempo (horas)

0

20

0 10 20 30 40 50 60

Tiempo (horas)p ( )

Q obs Q sim

Estación de aforo de Marina Baixa, evento Estación de aforo de Guadalest, evento de

Tiempo (horas)

Q obs Q sim


de Mayo 2002 Octubre 2007

Análisis estado de humedad inicial

Ajuste modelo diario en Rambla GallineraAjuste modelo diario en Rambla GallineraSimulación continua 1943-2010A áli i f i d Análisis frecuencia estados para Pd>30mm 300

350

50

60

3 estados de humedad:Seco (10%) P= 0,3 150

200

250

30

40

. acumulada

recuen

cia

Medio (40%) P= 0,4Húmedo (80%) P= 0,3 0

50

100

0

10

20

FrecFr

(80%) 0,3 00

10% 20% 30% 40% 50% 60% 70% 80% 90% 100%

Grupos

Histograma y distribución acumulada de humedad antecedente en el


suelo obtenidos por simulación continua en la Rambla Gallinera

Simulación de hidrogramas sintéticos

368 tormentas x 3 estados de humedad = 1104 eventos368 tormentas x 3 estados de humedad 1104 eventosEn algunas cuencas además x escenarios futuros que afecten la hidrologíaafecten la hidrología

250

10 2‐014

80 1 222

100

150

200

250

300

350

400

450

500

80 1‐222

500

600

700

80 1‐596

350

80 1‐633

0

50

0 100 200 300 400 500 600

0

50

100

150

200

250

0 100 200 300 400 500 600100

200

300

400

500

150

200

250

300

…0

0 100 200 300 400 500 600

0

50

100

0 100 200 300 400 500 600

Hid d l d b d d l Gi (B i b i 03d)


Hidrogramas generados en la desembocadura del Girona (Benairbeig03d)

Caudales pico en función de T(Pd-eq)

Resultados en la desembocadura río Girona

600

BENIARBEIG03d

600

BENIARBEIG03d

Resultados en la desembocadura río Girona

300

400

500

-eq)

(año

s)

500

s)

0

100

200

0 100 200 300 400 500 600

T(Pd

300

400

d-eq

) (añ

os

Pd-eq (mm/día)

100

200T(Pd

00 500 1000 1500

Qmax (m3/s)


Análisis de frecuencia de los Qmáx

Modelo multivariado de:Modelo multivariado de:R = precipitación areal máxima de 24 horasX = d l i ( i bl d i t é )X = caudal pico (o variable de interés)M = Estado de humedad inicial del suelo

bl d ( d d )Variable discreta (tres estados en este estudio)

Finalmente la distribución empírica de X:Se conocen las marginales de R y MSi M es independiente de R

( ) ( ) ( ) ( )[ ]∑ ∑∞

+⎪⎭

⎪⎬⎫

⎪⎩

⎪⎨⎧

−≈3

1 01

j iii

ijX RFRF

Nan

PjaF


= = ⎪⎭⎪⎩1 0j i ijN

Análisis de frecuencia

Asignación de probabilidad desembocadura río GironaAsignación de probabilidad desembocadura río Girona

600

BENIARBEIG03d

600

BENIARBEIG03d

300

400

500

-eq)

(año

s)

500

600

)

0

100

200

0 100 200 300 400 500 600

T(Pd

300

400

max

) (añ

os)

Pd-eq (mm/día)

100

200T(Q

m

00 500 1000 1500

Qmax (m3/s)


Validación estadística

4

3

1

2

Ln(1‐1/T))

0‐Ln(‐L

OBSERVADO

‐2

‐1

0 10 20 30 40 50 60

OBSERVADO

TETIS

E t ió d f d G lli0 10 20 30 40 50 60

Q (m3/s)Estación de aforo de Gallinera. Funciones de distribución empíricas de los caudales máximos.


Explotación resultados hidrología

1400

Análisis eventos6000

CON PRESASIN PRESA

800

1000

1200

3‐015

3 067

4000

5000

m3/

s)

SIN PRESA

200

400

600

3‐067

3‐068

1000

1200

1400

2000

3000

Qm

ax (m

0

1 101 201 301

400

600

800

3‐076

3‐015

3‐028

0

1000

0 50 000 000 100 000 000 150 000 000 200 000 000 250 000 000

0

200

1 101 201 301

S l ió t Q t 400 500 ñ

0 50,000,000 100,000,000 150,000,000 200,000,000 250,000,000

Volumen (m3)


Selección eventos con Qp entre 400 y 500 años

Explotación resultados hidrología

Análisis estadísticos variable de interés:

CDF Caudalesmáximos

10000

ños)

CDF Caudales máximos

CDF Niveles máximos (eventos de T(Pd)>50)

100

1000

audal m

áxim

o) (añ

T(Qentrada) (años)

10000

mo) (año

s)

10

0 500 1000 1500 2000 2500 3000

T(Ca (años)

T(Qsalida) (años) 1000

T(Nivel máxim

Caudal máximo (m3/s)

100

170 171 172 173 174 175 176 177

Nivel máximo (m snm)


Modelación hidráulica

Objetivo: calados máximos de inundación jasociados a T = 10, 25, 50, 100 y 500 años

Input: hidrogramas de crecida de todos losInput: hidrogramas de crecida de todos los periodos de retorno (modelación hidrológica), pero número limitadopOutput: 5 mapas de calados máximos

Software: Infoworks RS 2D MDT d tid Lid 1 1MDT de partida: Lidar 1x1 mRugosidad: CORINE (mapa europeo) + Ortofoto


Modelación hidráulica: Río Girona

TopologíaTopología


Resultados Río Girona


Conclusiones

Modelación hidrológica distribuida permite g pfácilmente resultados en número elevado de puntosLidar + modelo hidráulico 2D obtienenLidar modelo hidráulico 2D obtienen simulaciones de inundación confiablesMetodología novedosa y alternativa al conceptoMetodología novedosa y alternativa al concepto de “tormenta de diseño”

Inclusión de variabilidad espacio-temporal deInclusión de variabilidad espacio-temporal de tormentasInclusión del estado de humedad inicialInclusión del estado de humedad inicialPosibilidad eventos muy baja frecuencia


GRACIAS POR SU ATENCIÓNGRACIAS POR SU ATENCIÓNProf. Félix Francés ([email protected])

Grupo de Investigación de Modelación Hidrológica y Ambiental (GIMHA)

http://lluvia.dihma.upv.es

Agradecimientos:

Confederación Hidrográfica del Júcar

Proyecto Flood-Med: Simulación y análisis de frecuencia de las crecidas con escenarios de cambios climáticos y

di bi t l dit ámedioambientales en cuencas mediterráneas

Estimación de mapas de peligrosidad mediante generación de...

Documents

Transcript of Estimación de mapas de peligrosidad mediante generación de...