Altura de ola extrema en la zona exterior del estuario de Bahía

Altura de Ola Extrema en la Zona Exterior del Estuario de Bahía Blanca,
Pcia. de Buenos Aires, Argentina
Andrés E. Pescio (1), Paula B. Martin (1,2,3) y Walter C. Dragani (1,2,3)
(1) Servicio de Hidrografía Naval, Argentina (SHN)
(2) Departamento de Ciencias de la Atmósfera y los Océanos, (FCEyN-UBA)
(3) Consejo Nacional de Investigaciones Científicas y Técnicas (CIMA-CONICET)
E-mail: [email protected]
RESUMEN: Con el objeto de estudiar la altura de ola extrema en la zona exterior del estuario de Bahía
Blanca, se aplicó estadística de extremos a la serie de alturas significativas máximas (Hs-max) anuales
obtenidas a partir de simulaciones numéricas y se obtuvieron los valores de alturas de olas para distintos
períodos de retorno, necesarios para realizar cualquier emprendimiento costero u “offshore”. El sitio
seleccionado para el análisis posee una profundidad aproximada de 12 m y se encuentra en 39.12º S 61.61º
W, a 13 km de la costa, en las proximidades de una zona reservada para maniobras y ejercicios navales de la
Armada Argentina y con intenso tráfico marítimo.
Dado que en el lugar no se cuenta con series prolongadas de observaciones directas de oleaje, se implementó
el modelo SWAN para realizar una simulación de 35 años de duración (1971-2005) de la altura significativa
de las olas en el área de estudio, utilizando como forzante vientos provenientes de la base de datos de
NCEP/NCAR.
Se probó el ajuste de las funciones de distribución de probabilidad teóricas de Fisher-Tippet I y Weibull con
k = 0.75, 1, 1.4 y 2 con la serie de Hs-max anuales, siendo la Weibull con k = 1.4 la que presento el mejor
ajuste (r = 0.99). Considerando esta función, se calculó la altura de ola para periodos de retorno de 5, 10, 20,
50 y 100 años con sus respectivos intervalos de confianza. En particular la ola centenaria resultó de 2.1 m ±
0.3 m. Si bien no existen mediciones sistemáticas de olas en la región, se presume que los resultados
obtenidos en este trabajo podrían estar subestimando los eventos severos de oleaje durante tormentas.
INTRODUCCIÓN Y OBJETIVO
Los responsables de la gestión y del manejo ambiental son los encargados de planificar el mejoramiento y el
desarrollo de la infraestructura costera y, además, tienen la difícil tarea de trabajar en la prevención de los
posibles daños relacionados con las fuerzas de la naturaleza como, por ejemplo, los ocurridos durante
tormentas o episodios extremos. Los eventos de oleaje severo afectan a las obras de ingeniería costeras y
“off-shore” (por ejemplo, construcciones portuarias, defensas costeras o plataformas petroleras) las cuales
son generalmente diseñadas por los ingenieros, según el caso, para soportar olas extremas de 50 a 100 años
de recurrencia.
Para desarrollar cualquier tipo de emprendimiento tal como el dragado o el emplazamiento de defensas
costeras es indispensable conocer el clima de olas, pero más importante, aún, es conocer la altura máxima o
extrema de la ola, su probabilidad de recurrencia, el período de retorno y su intervalo de confianza. El
análisis de extremos involucra ciertas decisiones y consideraciones basadas en la experiencia y en el
proyecto particular, la selección del periodo a analizar, las distribuciones probabilísticas consideradas y la
evaluación de incertidumbres. Resulta de gran utilidad la estimación de los intervalos de confianza de las
alturas obtenidas para así poder aplicar los resultados estadísticos en los diferentes proyectos de ingeniería
costera. En dichos proyectos los resultados obtenidos son interpretados desde el punto de vista ambiental,
ingenieril y económico.
Hoy en día se cuenta con modelos numéricos que constituyen una herramienta invalorable para resolver el
grave problema de la falta de datos. Estos pueden emplearse para simular series muy prolongadas (décadas)
de parámetros de olas. Sin embargo, deben realizarse esfuerzos para implementar y validar dichos modelos
en las áreas de interés, lo cual requiere de mediciones de campo para contrastar las simulaciones.
La falta de datos de olas en el litoral marítimo argentino es generalizada, disponiéndose de observaciones
directas en tan solo un puñado de puntos específicos del vasto litoral. Por ejemplo, la zona exterior del
estuario de Bahía Blanca, siendo el acceso al principal complejo portuario de aguas profundas de la
argentina, es un área donde la escasez de mediciones de olas es significativa y, a la vez, llamativa. Por dicha
razón, cualquier estudio que apunte a la estimación del oleaje extremo en dicha zona debe realizarse
valiéndose de modelos numéricos y de la estadística.
El objetivo de este trabajo es obtener los valores de altura de olas extremas en el área exterior del estuario de
Bahía Blanca. Dado que no se cuenta con series de observaciones directas, se realizó una simulación
numérica de treinta y cinco años de duración y se obtuvo la serie de alturas máximas anuales. Sobre la
misma se aplicó teoría estadística de extremos, se determinaron las alturas para distintos períodos de retorno
y se calcularon los correspondientes intervalos de confianza.
ÁREA DE ESTUDIO
El área de estudio se ubica en la zona exterior del estuario de Bahía Blanca, al sudeste de la provincia de
Buenos Aires, en las cercanías del canal de ingreso al complejo portuario y a la zona de seguridad del
polígono de artillería de la estación de experiencia de Puerto Belgrano (Figura 1), reservada para maniobras y
ejercicios de la Armada Argentina. En esta zona todos los años se realizan ejercicios navales (a veces en
conjunto con otras fuerzas) involucrando centenares de hombres y contando con situaciones de apoyo de
juego aéreo, evacuación médica, apoyo logístico, comunicaciones, saltos y desembarco, entre otras
actividades y movilizando helicópteros, botes de goma, vehículos anfibios, avisos y transportes navales. El
estuario de Bahía Blanca constituye, de acuerdo a la clasificación morfológica de Fairbridge un estuario de
planicie costera por ser un ambiente de relieve bajo con valles bifurcados y una planicie en forma de embudo
(Perillo, 1995). Según la Convención Ramsar como humedal marino/costero es uno de los 37 humedales más
importantes (Canevari et al., 1998).
Figura 1.- Zona en estudio. Se detallan el nodo del modelo SWAN donde fueron extraídos los datos de oleaje (rojo) y
la zona reservada para maniobras de la Armada Argentina (amarillo). Fuente: elaboración propia a partir de imagen
Landsat.
METODOLOGÍA Y DATOS
Se utilizó el modelo SWAN (Simulating WAves Nearshore) Cycle III versión 40.85 (última versión estable
disponible a la fecha) para simular la altura, el período y la dirección de las olas en el área seleccionada.
SWAN es un modelo numérico de tercera generación utilizado para obtener buenas estimaciones de los
parámetros de olas en aguas someras costeras a partir del viento, la batimetría y campos hidrodinámicos
(Booij et al., 1999; Ris et al., 1999; Delft University of Technology, 2004). Este modelo se basa en la
ecuación de balance de la acción de olas (“wave action”) considerando fuentes y sumideros. Se representan
explícitamente, como en otros modelos de tercera generación, la generación del viento, la formación de
burbujas (“whitecapping”), efectos no lineales (“quadruplets”), interacciones entre olas y la disipación por
fricción en el fondo. Además, pueden agregarse interacciones entre olas del tipo “triads” y rompientes
inducidas por profundidad. SWAN simula olas aleatorias cortas en áreas costeras, lagos y estuarios, por lo
tanto es el modelo más apropiado para la región considerada en este estudio. Las salidas de SWAN se
aplican para la gestión de puertos, el diseño de instalaciones “offshore”, el desarrollo y manejo costero y
diagnóstico y pronóstico de olas. Es utilizado en aproximadamente en 50 países y está registrado en más de
700 institutos y centros de investigación.
Se seleccionó coordenadas esféricas ya que son convenientes tanto para escala pequeña como grande y es la
más recomendable para anidar. En este trabajo se utilizaron grillas regulares, uniformes y rectangulares para
todos los forzantes y las salidas del modelo. Para el presente estudio se implementó el SWAN utilizando tres
grillas anidadas. Una grilla regional de baja resolución 0.2644º x 0.2078º (aproximadamente 23 km x 23 km)
con 87 x 77 nodos que cubre la zona de 47º a 31º de latitud sur y de 68º a 45º de longitud oeste y una
resolución temporal de 180 minutos. Una grilla intermedia de 0.0833º x 0.0600º de resolución
(aproximadamente 7 km x 7 km) con 96 x 75 nodos que cubre la zona de 42.5º a 38º de latitud sur y de 66º a
58º de longitud oeste y una resolución temporal de 60 minutos y, finalmente, una grilla cercana a la zona de
interés con resolución de 0.0339º x 0.0268º de resolución (aproximadamente 3 km x 3 km) con 38 x 27
nodos que cubre la zona de 39.45º a 38.75º de latitud sur y de 62.38º a 61.12º de longitud oeste y una
resolución temporal de 30 minutos. Dragani et al. (2008) implementó y validó el modelo numérico SWAN,
en la zona de la plataforma continental bonaerense, uruguaya y sud brasileña, en un dominio computacional
de baja resolución similar al utilizado en este trabajo.
En la región descripta se dispone de una muy baja cobertura espacial de estaciones meteorológicas costeras o
en el mar adyacente (boyas MET-OCEAN), con lo cual los datos disponibles medidos en forma directa son
insuficientes para generar campos de viento realistas para ser utilizados como forzante de un modelo de olas.
Debido a esto y considerando que los datos de viento provistos por satélite tienen una baja resolución
temporal y son de corta data, en este trabajo se utilizaron las componentes NS y EW (10 m de altura)
correspondientes al reanálisis de NCEP/NCAR de las 0, 6, 12 y 18 UTC. Esta base de datos ha sido usada
para numerosos trabajos como por ejemplo el análisis de variabilidad de viento realizado por (Simionato et
al., 2005a, c; 2006a, b; 2007) o el estudio niveles de agua y corrientes para el Río de la Plata y plataforma
continental adyacente (Simionato et al., 2005b; 2006c).
La base de datos de NCEP/NCAR, aunque de baja resolución, tiene la gran ventaja de cubrir un muy
prolongado período de tiempo (desde 1948 a la fecha) y de ser un modelo global, abarcando un dominio
computacional mucho más extenso que el del área de interés de este trabajo. Estos reanálisis no son
observaciones directas sino el resultado de un análisis objetivo combinando radiosondeos, observaciones de
sensores remotos y modelos numéricos (Kalnay et al., 1996). El resultado de este análisis es un conjunto de
datos de grilla con resolución espacial 1.875º en longitud y 1.905º en latitud y una resolución temporal de 6
horas. Las principales ventajas de este reanálisis son su consistencia física y su relativamente alta cobertura
temporal (más de cincuenta años). La validación de este modelo fue presentada por Simmonds y Keay
(2000).
Se realizó una simulación de 35 años de duración (1971-2005) utilizando como forzante vientos provenientes
de la base de datos de NCEP/NCAR. Se obtuvieron las alturas horarias para dicho período y se seleccionaron
los máximos anuales correspondientes a un sitio ubicado en la zona exterior del estuario de Bahía Blanca a
aproximadamente 13 km “off-shore” de la costa, en 39.13º S 61.60° W, y con una profundidad de 12 m
aproximadamente. Sobre dicha serie de máximos anuales se aplicó la teoría estadística de extremos y se
calcularon los correspondientes intervalos de confianza.
Sobre la serie de Hs-max anuales, se aplicaron técnicas de extrapolación estadística de valores extremos
considerando distintos períodos de retorno. Para ello, se requiere encontrar una distribución de probabilidad
condicional que ajuste a la serie de alturas máximas anuales. Se considera que las 35 alturas máximas
anuales son muestras aleatorias de alguna distribución de probabilidades que en principio es desconocida. Se
supone entonces que los valores extremos extrapolados (más allá del lapso en que fueron recabados los
datos) pertenecen también al total de la población de las alturas extremas de olas de tormentas.
Las distribuciones consideradas para este estudio fueron: Fischer Tipett 1 y Weibul con k= 0.75 , 1, 1.4 y 2.
Siendo la distribución de Weibull con k=1.4 la que presentó el mejor ajuste (r=0.99) y por lo tanto la
empleada para realizar el presente trabajo. Adicionalmente, se calcularon los intervalos de confianza de la
altura de ola extrema obtenida para los distintos períodos de retorno con un 90% de confianza utilizando la
metodología descripta por Goda (2000) considerando que estos siguen una distribución normal.
RESULTADOS
Con la metodología descripta previamente se estimó la altura de ola significativa máxima esperada (Hr) para
cada uno de los periodo de retorno propuestos en este trabajo (r: 5, 10, 20, 50 y 100 años). El valor de Hr
resultó de la extrapolación de la recta ajustada y su valor “verdadero” o más probable estará contenido en un
cierto intervalo de confianza determinado por el error calculado con la metodología descripta anteriormente.
En la tabla 1 se detallan las alturas máximas calculadas para los siguientes períodos de retorno: 5, 10, 20, 50
y 100 años y el error estimado correspondiente.
Tabla 1.- Hr calculada para distintos periodos de retorno
Período de Retorno
(años)
Hr (m)
Error (m)
5
1.5
± 0.1
10
1.6
± 0.1
20
1.8
± 0.2
50
1.9
± 0.2
100
2.1
± 0.3
En la figura 2 se presenta el ajuste de la recta de valores extremos adoptada (Weibull con k=1.4) con la serie
de Hs-max anuales resultantes de la modelación. Adicionalmente se detallan los períodos de retornos para
los cuales se calculó Hr y cuyo valor se detalla en la Tabla 1.
Figura 2.- Ajuste de la recta de regresión adoptada con los valores de Hs-max anuales resultantes de la modelación. Los
símbolos ♦ representan los períodos de retorno en años para los cuales se estimó la altura de ola.
CONCLUSIONES
Debido a los altos costos y riesgos involucrados al construir obras de ingeniería en la costa y en aguas
abiertas (“offshore”) es necesario contar con estadísticos confiables que estimen las alturas de ola extremas
en el lugar de interés teniendo en cuenta los errores involucrados. Actualmente se cuenta con una
herramienta útil para resolver el grave problema de la carencia de datos: los modelos matemáticos y, en
particular, el modelo SWAN. Con este modelo, y a la espera de mediciones para su contrastación y
calibración, se pueden simular series largas de alturas de olas y, juntamente a la aplicación de estadística de
extremos pueden estimarse valores confiables para la ola de diseño los cuales constituyen un aporte valioso
para la gestión y el manejo costero.
Con las alturas extremas y sus errores presentados en la Tabla 1 se calcularon los intervalos de confianza (en
m) con el 90% de confianza para los períodos de retorno comprendidos entre 5 y 100 años. Se encontró que
en para la zona en estudio la ola centenaria es de 2.1 m ± 0.3 m, es decir, comprendida entre 1.8 m y 2.4 m.
Debe destacarse que los resultados aquí obtenidos parecerían estar subestimados ya que en regiones costeras
relativamente cercanas como Quequén se han registrado Hs superiores a 4 m. Consecuentemente podría
inferirse que la base de reanálisis de baja resolución utilizado (NCEP/NCAR) no sería capaz de capturar las
intensidades del viento en condiciones de tormentas severas. En este sentido, como futura línea de trabajo se
prevé, por un lado, la incorporación de bases de datos de reanálisis de viento de mayor resolución (CFSR:
Climate Forecast System Reanalysis – NOAA) como forzantes del modelo SWAN y, por otro lado, realizar
una validación y eventual calibración del modelo utilizando mediciones altimétricas de olas en la región.
Finalmente, se concluye que la arquitectura de modelación aquí implementada es muy razonable pero, sin
embargo, se debería realizar una investigación más exhaustiva en la búsqueda de un forzante atmosférico
más realista, sobre todo en lo que respecta a la caracterización de eventos meteorológicos severos.
Cabe aclarar que cálculos preliminares de altura de ola mediante el método publicado en el “Shore Protection
Manual” (CERC, 1984), empleando vientos provenientes de tierra, dan como resultado alturas levemente
superiores a las obtenidas mediante la modelación. Por otro lado, corridas exploratorias del modelo SWAN
efectuadas en modo estacionario arrojan valores de Hs hasta un 45% superiores. Por lo tanto, adoptando un
criterio conservador, se recomendaría la implementación del SWAN en modo estacionario hasta tanto
existan mediciones que verifiquen su validez.
Agradecimientos.
Proyecto PIDDEF 046/11 SHN: “Estudio de las condiciones atmosféricas y del oleaje en la Zona de Seguridad del
Polígono de Artillería de la Estación de Experiencia de la Base Naval Puerto Belgrano, Bahía Blanca”. Proyecto
PIDDEF 043/10 SHN: “Estudio de olas, corrientes y niveles del mar en la Zona de Seguridad del Polígono de
Artillería de la Estación de Experiencia de la Base Naval Puerto Belgrano, Bahía Blanca”
REFERENCIAS
Canevari, P., Blanco, D.E., Bucher, E.H., Castro, G., y Davison, I., 1998. Los humedales de la Argentina: clasificación,
situación actual, conservación y legislación. Wetlands International Publication 46, Buenos Aires, Argentina, pp
208.
CERC, 1984. Wave and water level prediction. In Shore Protection Manual, vol. 1. US Army Coastal Engineering
Research Center, 143.
Booij, N., Ris, R. C. and Holthuijsen, L. H., 1999. A third generation wave model for coastal regions. Part 1: Model
description and validation. Journal of Geophysics Res., 104(C4), pp 7649-7666.
Delft University of Technology, 2004. SWAN User manual (ver. 40.31), Faculty of Coastal Engineering and
Geosciences, Netherland.
Dragani, W., Garavento, E., Simionato, C., Núñez, M., Martín, P., and Campos, M. I., 2008. Wave Simulation in the
Outer Río de la Plata Estuary: an evaluation of Swan Model. Journal of Waterway, Port, Coastal and Ocean
Engineering.
Goda, Y., 2000. Random Seas and Design of Maritime Structures. World Scientific Publishing Co. Pte. Ltd. pp 407.
Kalnay, E. y Coautores, 1996: The NCEP/NCAR 40 year reanalysis project. Bulletin of the American Meteorological
Society, 77, pp 437-471.
Perillo, G.M.E., 1995. Definitions and geomorphologic classifications of estuaries, Chapter 2. Geomotphology and
sedimentology of estuaries. Developments in sedimentology 53. Elsevier Science, pp 17- 47.
Ris, R. C., Holthuijsen, L. H., and Booij, N., 1999. A third generation wave model for coastal regions. Part 2: Model
description and validation. Journal of Geophysics Research,104 (C4), pp 7649-7666.
Simionato C, Vera C., y Siegismund, F., 2005a. Surface wind variability on seasonal and interannual scales over Río de
la Plata area, Journal of Coastal Research 21, 4, pp 770-783.
Simionato, C., Meccia, V., Dragani, W., y Nuñez, M., 2005b. Barotropic tide and baroclinic waves observations in the
Río de la Plata Estuary. Journal of Geophysical Research, vol. 110, C06008, doi: 10.1029/2004JC002842.
Simionato, C., Meccia, V., Dragani, W., Guerrero, R., y Núñez, M. 2005c. La respuesta barotropica del estuario del
Río de la Plata a la variabilidad del viento en las escalas sinoptica a intraestacional. IX Congreso Argentino de
Meteorología, CONGREMET IX, Buenos Aires, 3 al 7 de octubre de 2005.
Simionato, C., Meccia, V., Dragani, W., y Nuñez, M. 2006a. On the use of the NCEP/NCAR surface wind for
modelling barotropic circulation in the Río de la Plata estuary. Estuarine, Coastal and Shelf Science, 2006, (70), pp
195-206.
Simionato, C., Meccia, V., Dragani, W., Guerrero, R., y Nuñez, M.. 2006b. Río de la Plata estuary response to wind
variability in synoptic to intraseasonal scales: Barotropic response. Journal of Geophysical Research, vol. 111,
C09031, doi:10.1029/2005JC 003297.
Simionato, C., Meccia, V., Dragani, W., Guerrero, R., y Nuñez, M. 2006c. Recent advances in the knowledge of the
Río de la Plata estuary circulation, forcings and variability. 8th International Conference on Southern Hemisphere
Meteorology and Oceanography, Foz do Iguazú, Brasil. 23 al 28 de abril de 2006.
Simionato, C., Meccia V., Guerrero R., Dragani W. y Nuñez, M., 2007. Río de la Plata estuary response to wind
variability in synoptic to intra-seasonal scales. 2. Current’s vertical structure and its implications on the salt wedge
structure. Journal of Geophysical Research, 112, C07005, doi: 10.1029/2006JC 003815.
Simmonds, I., y Keay, K., 2000. Mean southern hemisphere extratropical cyclone behavior in 40 year NCEP_NCAR
reanalysis. Journal of Climate, 13, `pp 873-885.