MODELACIÓN DE PRECIPITACIONES EMPLEANDO IMÁGENES

MODELACIÓN DE PRECIPITACIONES EMPLEANDO IMÁGENES DE
SATÉLITE
Luis Fernando Robles Aguilar Facultad de Ingeniería Civil de la Universidad de Colima,
[email protected]. Asesor Dr. M. Alfonso Gutiérrez López Centro de Investigaciones
del Agua (CIAQ) de la Universidad Autónoma de Querétaro, [email protected].
PLANTEAMIENTO DEL PROBLEMA
La ciudad de Querétaro es afectada con frecuencia por precipitaciones que han
generado desbordes en los drenes y por consiguiente inundaciones en zonas
vulnerables. Por lo cual ha aumentado la necesidad de estudiar la cantidad de
agua pluvial que llega a las zonas urbanas. Así es que la modelación de
precipitaciones incursiona con las imágenes satelitales, para conocer el
comportamiento de las lluvias en diferentes lugares, ya que es un campo
relativamente nuevo y poco estudiado, es importante concebir nuevas
herramientas basadas en estudios científicos.
METODOLOGIA
Iniciando con las imágenes infrarrojas del satélite estacionario GOES 13 es
posible introducirlas en un programa llamado “hidroestimador”; el cual es capaz de
identificar el brillo de cada uno de los pixeles de la imagen. Posteriormente con
ecuaciones de desagregación de lluvia se conoce la temperatura de nube fría y
finalmente la intensidad de la precipitación máxima probable.
Con una zona a estudiar dentro de la mancha urbana de Querétaro y tomando los
valores del brillo de cada pixel en dicho lugar, en diferentes imágenes de tiempos
consecutivos. Así podemos realizar un estudio espacio-temporal de la severidad
de la tormenta. Teniendo la precipitación podemos analizar la tormenta y generar
gráficos y grid de la zona para localizar el territorio de máxima variabilidad de
intensidad además de las constantes en máxima y mínima intensidad.
CONCLUSIONES
Este estudio representa un importante avance en la modelación espacio-temporal
de las precipitaciones. Los resultados de este trabajo permiten identificar algunas
de las circunstancias que propician las grandes precipitaciones, lo cual será de
gran ayuda para localizar las zonas más afectas y llegar a medidas preventivas.