Sistema de alerta de inundaciones en tiempo casi real usando percepción remota para el río Tumbes en Perú

• Autores: Metzger Terrazas, Luis, Xuan, Yunqing
• Formato: artículo
• Fecha de Publicación: 2010
• Institución: Servicio Nacional de Meteorología e Hidrología del Perú
• Repositorio: SENAMHI-Institucional
• Lenguaje: español
• OAI Identifier: oai:repositorio.senamhi.gob.pe:20.500.12542/1048
• Enlace del recurso: https://hdl.handle.net/20.500.12542/1048
• Nivel de acceso: acceso abierto
• Materia: Prevención de Inundaciones; ENSO; Control de Inundación; Sistemas de Alerta; Satélite; Fenómenos Meteorológicos; Lluvia; Zonas Costeras; https://purl.org/pe-repo/ocde/ford#1.05.11; inundaciones - Clima y Eventos Naturales

La costa noroeste del Perú es una región que está expuesta a la ocurrencia de fenómenos extremos (inundaciones) que afectan como por ejemplo la ciudad de Tumbes, y ocasionan daños socioeconómicos severos. Estos efectos son con frecuencia atribuidos al impacto de El Niño (ENSO). Por otro lado, el escaso número de estaciones pluviométricas, limita la utilización de sistemas convencionales que dependen de las mediciones in situ de las lluvias. En este estudio, se hace uso de la tecnología de percepción remota como la fuente principal para construir un sistema de alerta de inundación en tiempo casi real basado en web. La carencia de datos en tiempo casi real de la red de estaciones pluviométricas, no permite un monitoreo y modelamiento óptimo del río Tumbes para propósitos de Alerta Temprana. Este problema se puede superar utilizando la percepción remota como una fuente de datos para la estimación de la lluvia areal. Para ello se ha creado el modelo Sacramento (SAC-SMA). Es un modelo hidrológico que permite generar descargas diarias en la estación El Tigre. Este modelo recibe las estimaciones de lluvia mejoradas del satélite y de la estación automática. Además, se ha desarrollado un sistema de diseminación basado en web para visualizar los resultados del modelo y mensajes de alerta. El estudio permite usar la tecnología de percepción remota para el monitoreo de la lluvia en áreas con poca información. La mayor contribución, es la implementación de una nueva metodología “detección del caudal pico” para mejorar la calidad de los datos TRMM.