Curso CENIZAS VOLCÁNICAS

Slides:



Advertisements
Presentaciones similares
DÍA DA PAZ: O Poder dos xestos..
Advertisements

CAPACITACIÓN PARA LA APLICACIÓN Y CUMPLIMIENTO DE LA NORMATIVA
5. UNITATEA: INGURUNE HOTZAK, BEROAK ETA EPELAK
Necesidades de Interconexión y Particularidades de Operación
Ondas.
REFLEXIÓN Y REFRACCIÓN, LEY DE SNELL
INERCIA DE ROTACIONES.
1. Que es Cosmologia? 1.1 Horizontes
DEPARTAMENTO DE CIENCIAS ECONÓMICAS, ADMINISTRATIVAS Y DE COMERCIO CARRERA DE ADMINISTRACIÓN TURÍSTICA Y HOTELERA TRABAJO DE TITULACIÓN, PREVIO A LA.
UNIVERSIDAD MAYOR DE SAN ANDRÉS
“DISEÑO, CONSTRUCCIÓN E IMPLEMENTACIÓN DE UN EQUIPO MEDIDOR DE FUERZA DE IMPACTO, CON SISTEMA DE ELEVACIÓN, FRENADO Y HMI PARA EL LABORATORIO DE MECÁNICA.
FUNDAMENTOS DE PROGRAMACION DANIELA RODRIGUEZ L.
ERRORES E INCERTIDUMBRES
Asignatura: FÍSICA Carreras: Ingeniería Agronómica Bromatología.
CASO CLÍNICO DE LABORATORIO
BIG DATA + BI Creando Empresas Inteligentes con Valor
Dpto. de Física y Química
optaciano Vásquez UNIVERSIDAD AUTÓNOMA DEL ESTADO DE MÉXICO
Tesis de grado previa a la obtención del título de Ingeniería en Administración Turística y Hotelera PLAN PARA EL APROVECHAMIENTO DE LOS RECURSOS NATURALES.
Una Clase Inusual sobre Ciencia y Fe en una Universidad Secular
La Planeación y Control Financiero
MAT289 – Laboratorio de Modelación II
PROPIEDADES DE LOS NÚMEROS REALES
ANÁLISIS DEL DESEMPEÑO DE UN SISTEMA MIMO EN UN CANAL NO LINEAL COMPLEJO DIVIDIDO EN SUBBANDA CON SERIES DE VOLTERRA AUTOR: VALERIA IMBAQUINGO DIRECTOR:
DEPARTAMENTO DE CIENCIAS ECONÓMICAS ADMINISTRATIVAS Y DE COMERCIO
DEPARTAMENTO DE CIENCIAS ECONÓMICAS ADMINISTRATIVAS Y DE COMERCIO
ACCIONES SOBRE PUENTES DE CARRETERAS - Curso Proyecto
DESNUTRICIÓN Dr. Edgar Játiva MD. Msc..
DIMENSIÓN FRACTAL: APARICIÓN Y CÁLCULO MEDIANTE EL MÉTODO BOX COUNTING EN DISTINTOS ÁMBITOS AUTORES: CONCEPCIÓN CARMONA CHAVERO , AMINE CHAGHIR CHIKHAOUI.
AUTOR: LAURA VANESSA CEVALLOS PARRAGA
Regresión y Correlación Múltiple: El modelo de regresión múltiple.
Capitulo 6 – La historia termica del Universo
Investigación de operaciones
CARRERA DE INGENIERÍA MECÁNICA ABEDRABBO HAZBUN, ANIBAL FARUK
UNIVERSIDAD DE LAS FUERZAS ARMADAS ESPE
PROBLEMAS ARITMÉTICOS Tema 4 4º ESO Op A
Conceptos Matemáticos
Departamento de eléctrica y electrónica
Dpto. de Física y Química
6. EJEMPLOS DE REACCIONES QUÍMICAS Dpto. de Física y Química
  TRABAJO DE TITULACIÓN, PREVIO A LA OBTENCIÓN DEL TÍTULO DE INGENIERO EN FINANZAS –CONTADOR PÚBLICO-AUDITOR  TEMA: ESTUDIO ECONÓMICO FINANCIERO PARA LA.
Julio César Torres Varela
Principios mendelianos
Robótica Modular Libre
UNIVERSIDAD DE LAS FUERZAS ARMADAS “ESPE”
UNIVERSIDAD DE LAS FUERZAS ARMADAS ESPE
Subastas de Largo Plazo: Diseño y Resultados
The Future of Extractives Industries in LAC and The Role of STI
AUTOR Paredes Gordillo Marco Antonio
QUÍMICA/QUÍMICA GENERAL LEYES DE LOS GASES
“ANÁLISIS DE DESEMPEÑO DE MEZCLAS ASFÁLTICAS TIBIAS”
TEMA 8: ácidos y bases QUÍMICA IB.
Investigación de operaciones
Planificación y Optimización de Consultas
2.-DESCRIBIR FENOMENOS CONOCIDOS POR LAS FUNCIONES MATEMATICAS
DEPARTAMENTO DE CIENCIAS ECONÓMICAS ADMINISTRATIVAS Y DE COMERCIO   CARRERA DE INGENIERÍA EN MERCADOTECNIA   TRABAJO DE TITULACIÓN, PREVIO A LA OBTENCIÓN.
DEPARTAMENTO DE CIENCIAS DE LA TIERRA Y LA CONSTRUCCIÓN CARRERA DE INGENIERÍA GEOGRÁFICA Y DEL MEDIO AMBIENTE TRABAJO DE TITULACIÓN PREVIO A LA OBTENCIÓN.
Tema 8 Las fuerzas IES Padre Manjón Prof: Eduardo Eisman.
Presentado por: Juan David Chimarro
DEPARTAMENTO DE CIENCIAS ECONÓMICAS, ADMINISTRATIVAS Y DE COMERCIO CARRERA DE INGENIERÍA COMERCIAL SISTEMA DE COOPERACIÓN DE LA FUERZA AÉREA ECUATORIANA.
LXV Reunión anual de Comunicaciones Científicas- UMA-2016 Universidad Nacional del Sur – Bahía Blanca Modelización Estructural de Series de Tiempo de.
*CN.Q Analizar disoluciones de diferente concentración, mediante la elaboración de soluciones de uso común. SOLUCIONES.
TITULO DEL CASO CLÍNICO:
DESIGNADO DE LA CARRERA DESIGANDO DEL DEPARTAMENTO
Introducción a los Polímeros
Gabriela Pazmiño Vaneza Zambrano Octubre
TESIS DE GRADO MAESTRÍA DE PLANIFICACIÓN Y DIRECCIÓN DE MARKETING TEMA: SISTEMA DE GESTIÓN DE SERVICIOS DE CAPACITACIÓN PROFESIONAL Y EMPRESARIAL BAJO.
INCERTIDUMBRE LABORATORIO FUNDAMENTOS DE MECÁNICA.
Introducción Universidad Industrial de Santander
Transcripción de la presentación:

Curso CENIZAS VOLCÁNICAS www.wmo-sat.info/vlab Esta sería la portada.

Clase 2: parte 2 Modelado de dispersión de cenizas volcánicas: Incertidumbre en los modelos de dispersión Lic. María Soledad Osores CONICET-CONAE-SMN

Condiciones Iniciales Incertidumbre en los modelos de dispersión Incertidumbre: No tener certeza. Ejemplo: error de las observaciones o conocimiento parcial de la física del problema (diferentes ecuaciones o parametrizaciones que intentan resolver esos procesos). Posibles fuentes de incertidumbre Condiciones Iniciales Meteorológicas Volcanológicas Ubicación del volcán (lat-lon, altitud) Altura de columna eruptiva y sus variaciones Inicio y fin de la erupción Granulometría Variedad de Modelos meteorológicos. Errores en las condiciones iniciales Parametrizaciones físicas Modelo de Pluma - ecuaciones de distribución vertical de la ceniza emitida (término fuente) Deposito húmedo (interacción partículas - hidrometeoros) Deposito seco (gravitatorio+ interacción con flujo de aire) Agregación entre partículas (húmeda o seca) Difusión turbulenta Etc.

Incertidumbre en los modelos de dispersión Para la generación de pronósticos de dispersión de ceniza se requieren los siguientes inputs en orden de importancia (VAAC ‘Inputs and Outputs’ (Ins and Outs) Dispersion Modelling Workshop)- Washington 2012): Altura de la pluma Predicción numérica del tiempo Tasa de masa emitida (MER) Inicio y fin de erupción (áreas remotas no monitoreadas) Distribución vertical de la masa Distribución de tamaños de partícula Densidad Esfericidad

Incertidumbre en los modelos de dispersión Efectos de la incertidumbre en los pronósticos Altura de la pluma snmm Altura del volcán snmm 1) Incertidumbre en la altura del volcán 2) Incertidumbre en la altura de la columna eruptiva al inicio de la erupción 3) Incertidumbre en las variaciones de la altura de la columna eruptiva Tiempo (hs) Altura columna eruptiva (m) 13 junio 15:00:59 13 junio 15:15:59 13 junio 15:49:59 4) Incertidumbre en la granulometría 5) Incertidumbre en las parametrizaciones de pluma

Incertidumbre en los modelos de dispersión Incertidumbre: Altitud del volcán 12 km 1) Incertidumbre en la altura del volcán Nos informan una altura de columna de 12 km FL050 (~1,5 km) FL300 (~9 km) Altura cráter: 2,2 km Altura cráter: 3,2 km Altura cráter: 1,2 km Pronóstico de concentración [g/m3] a 72 horas

Incertidumbre en los modelos de dispersión Incertidumbre: Altura de columna eruptiva al inicio de la erupción 2) Nos informan diferentes altura de la columna eruptiva al inicio de la erupción. Misma altura de cráter. Altura pluma: 4.7 km Altura pluma: 7.2 km Altura pluma: 8.7 km Altura pluma: 12.2 km Pronóstico de concentración [g/m3] a 72 horas en FL050 (~1,5 km)

Incertidumbre en los modelos de dispersión Incertidumbre: Altura de columna eruptiva al inicio de la erupción 2) Nos informan diferentes altura de la columna eruptiva al inicio de la erupción. Misma altura de cráter. Altura pluma : 4.7 km Altura pluma : 7.2 km Altura pluma : 8.7 km Altura pluma : 12.2 km Pronóstico de concentración [g/m3] a 72 horas en FL300 (~9 km)

Incertidumbre en los modelos de dispersión Incertidumbre: Altura de columna eruptiva durante la erupción 3) Variaciones de la altura de la columna eruptiva Misma Altura cráter 2 km b) Alturas de pluma variable cada 12 horas. Altura de pluma constante de 12 km Tiempo [hs] 72 12 24 36 48 60 72 FL050 FL300 Pronóstico de concentración [g/m3] a 72 horas

Incertidumbre en los modelos de dispersión Incertidumbre: Granulometría Φ=log 2 (𝑑𝑖á𝑚𝑒𝑡𝑟𝑜[𝑚𝑚]) 4) Incertidumbre en la granulometría Altura columna: 12 km Distribución Gaussiana variando las medias: A) 7 Φ (0,007812 mm) B) 4 Φ (0,0625 mm) C) 0 Φ (1 mm) Gruesa Muy fina A B C FL050 FL300 Domina ceniza muy fina Domina ceniza muy gruesa Pronóstico de concentración [g/m3] a 72 horas

Incertidumbre en los modelos de dispersión Incertidumbre: Término fuente La forma en que se distribuye la masa de ceniza sobre el volcán en la vertical tiene un fuerte impacto en el resultado de la simulación. Fuente Puntual Fuente Suzuki Fuente Pluma Solo inyecta ceniza alrededor de la altura observada Distribución impuesta durante toda la simulación. Parámetros que gobiernan la distribución son fijados por el operador. Interacción Pluma-Atmósfera Distribución de ceniza dependerá: Viento Humedad Estabilidad de la atmósfera

Incertidumbre en los modelos de dispersión Incertidumbre: Término fuente Pronóstico de concentración [g/m3] a 72 horas para FL050 Fuente Puntual Fuente Pluma Altura cráter: 2 km Altura columna: 10 km Fuente Suzuki A Fuente Suzuki B

Incertidumbre en los modelos de dispersión Incertidumbre: Término fuente Pronóstico de concentración [g/m3] a 72 horas para FL300 Fuente Puntual Fuente Pluma Altura cráter: 2 km Altura columna: 10 km Fuente Suzuki A Fuente Suzuki B

Verificación de los modelos de dispersión Cualitativas Respecto a imágenes satelitales (Osores et al 2012 (Tesis Lic)) Informes de ceniza en suspensión en estaciones de superficie (Osores et al 2012 (Chaitén)) Cuantitativas Respecto a algoritmos aplicados a datos satelitales en casos de detección de ceniza volcánica Respecto a estaciones de monitoreo de calidad de aire (Folch et al 2013) Respecto a visibilidad llevada a concentración (Folch et al 2013) Respecto a mediciones en campo (Osores et al 2012 (AAGG))

Verificación de los modelos de dispersión Pronóstico de dispersión de la nube volcánica producida por el Cordón Caulle Modis 14 UTC Masa total por unidad de área (Tn km-2) Imagen de satélite BTD SMN Cualitativa Masa total por unidad de área (Tn km-2) Pronóstico de dispersión de la nube volcánica producida por el Cordón Caulle Imágenes de satélite BTD SMN Fuente: Tesis Licenciatura Osores, 2012

Verificación de los modelos de dispersión Espesores medidos (cm) (Collini et al 2012) Espesor modelado con el FALL3D (cm) (Osores et al 2012) Cualitativa Puntos de muestreo suministrados por G. Villarosa (cant. 37, rojo). Comparación de los datos pronosticados con los medidos, recta de regresión lineal y R2 Cuantitativa Fuente: Osores et al 2012 (AAGG 2012)

Verificación de los modelos de dispersión Cualitativa Cuantitativa Fuente: Folch et al 2013

Conclusiones El problema que se intenta resolver tiene muchos parámetros inciertos (altura de la columna, distribución vertical de la ceniza, tamaños de partícula, etc). Es importante tener en cuenta la incertidumbre de los parámetros que se deben utilizar en el modelo de dispersión. Pero siempre se debe tener en cuenta la naturaleza caótica de la atmósfera. Es necesario la realización de pronósticos por conjuntos o ensembles, en lugar de pronósticos determinísticos (1 única salida de modelo), de manera tal de contemplar las posible variabilidad del problema. La verificación de los resultados, es importante para tener pronósticos más confiables. Y para llevar a cabo la verificación es importante tener en cuenta las limitaciones que tienen las observaciones con las que contrasto mis resultados, para así poder llegar a conclusiones correctas.

Muchas gracias! Lic. Soledad Osores msosores@smn.gov.ar