anÁlisis del riesgo ante el cambio climÁtico · mesa de trabajo anÁlisis del riesgo ante el...
TRANSCRIPT
Mesa de trabajo ANÁLISIS DEL RIESGO ANTE EL CAMBIO CLIMÁTICO
APLICACIÓN DE UN MODELO MATEMATICO EN LA GESTION DE ACUIFEROS
GENERALIDADESCiudad turística (costera) Argentinapor excelencia, ubicada a 400 km alsur de Buenos Aires, con unapoblación estable de 650.000habitantes. Dicha población puedellegara a duplicarse en meses deverano.Desde sus orígenes, se abastecepara los usos urbano, agrícola eindustrial, exclusivamente delacuífero. Obras Sanitarias S.E(OSSE), es el gestor del recursohídrico en la zona.
La evolución demográfica más importante inició en la década de 1950, con una tasa de 10.000 h/año.
Efectos no deseados:•Descenso de niveles•Intrusión Marina•Abandono de pozos salinizados•Recuperación de nivel en pozos abandonados (inundación de sótanos y afectación de estructuras edilicias)
0
50
100
150
200
250
300
350
1930 1940 1950 1960 1970 1980 1990 2000
Pumping wells Abandoned wells Total wells
Recuperación de niveles en más de 20 m en un área de 25 km2.
Inundación de sótanos (Peroutka & Pedroche, 2008) y deterioro de estructuras de hormigón (Ricci,
2007)
RECUPERACIÓN DE NIVELES EN ÁREAS CON INTRUSIÓN MARINA
InteracciónWATER CLIMATE LAC
OSSE requiere una herramienta, que permita gestionar el recurso hídrico
subterráneo• Limitar el avance de la intrusión salina• Optimizar el uso del Sistema Acueducto
Oeste (SAO). • Modelar la respuesta del acuífero ante
diferentes escenarios de aprovechamiento y condiciones
climatológicas.
FUENTES DE DATOS
¿Qué tenemos?
Modelo conceptualPozos (1913 - !!!!)Datos de caudalTransmisividadesValores de recargaGeologíaTopografía
R_Lod_DtmR_Lod_Dtd
R_Dcp_Dnv
R_Lod_Dcp
R_ALA_DPA
R_LOD_ALA
R_Lod_Dca
R_Lod_Dpm
R_Lod_Dpd
Dpd_Precipitacion_Diaria
Dpd_Fecha
Dpd_Valor_Precipitacion
Dpd_Observaciones
Lod_Lugar_Origen
Lod_Lugar_Origen
Lod_Nombre_Lugar
Lod_Latitud
Lod_Longitud
Lod_Observaciones
Dpm_Precipitacion_Mensual
Dpm_Mes
Dpm_Ano
Dpm_Valor Precipitacion
Dpm_ObservacionesDca_Datos_Caudal_Aforo
Dca_Fecha
Dca_Hora_Inicial
Dca_hora_Final
Dca_Caudal
Dca_Observaciones
Dpa_Parametros
pfb_codigo
pfb_parametro
pfb_valor
pfb_unidad
pfb_observacion
Ala_Analis is_Laboratorio
ala_fecha
ala_Laboratorio
ala_observacion
Dnv_Niveles
Dnv_fecha
Pst_Tipo Nivel
Dnv_Hora
Dnv_Descenso
Dnv_Altura
DnV_Observaciones
Dcp_Datos_Pozo
Dcp_Codigo
Dcp_Nom bre
Dcp_Cota
Dcp_Profundidad
Dcp_Localizacion
Dcp_Fotografia
Dtd_Tem peratura_diaria
Dtd_Fecha
Dtd_Hora
Dtd_Valor
Dtd_Observaciones
Dtm _Temperatura_Mensual
Dtm _Id
Dtm _Mes
Dtm _Ano
Dtm _Valor
Dtm _Observarciones
RESULTADOS DE LA MODELACIÓN
2346 62
133
303
547
433
332302
251
0
100
200
300
400
500
600
-31 -26 -20 -14 -9 -3 2 8 14 19 25
Máximo 22.041605Mínimo -34.42166138 promedio -0.531559037
Primer aplicación concreta 1er escenario
Que pasa si continuáramos usando el mismo campo de pozos para satisfacer la demanda creciente en los próximos 20 años?
MODELOS CLIMÁTICOS GLOBALESlos modelos CCSM4, CESM1-CAM5 y HadGEM2-CC los que muestran los mejores resultados, siendo en particular el último de ellos el que muestra el mejor ajuste
teniendo en cuenta conjuntamente los distintos análisis.
Para satisfacer la demanda de agua se simularon 20 pozos en la zona de SAN.
DESCENSO DE NIVELES
Posibles efectos:- Mayores requerimientos de energía.- Se deberían abandonar pozos.- Posible intrusión marina (gradientes muy altos).- Afectación de zonas urbanas.- Año critico 2024.
1. Los datos de calidad son clave para la toma de decisiones ante el riesgo climático: que se puede hacer cuando no existen los datos necesarios a nivel local para apoyar dicho proceso?
2. Cuales metodologías o enfoquesrecomendaría para abordar el análisis delriesgo ante el cambio climático de la mejormanera posible y como lo implementaríaconcretamente?
Preguntas guía: