El maremoto notable de 1746

Descripción del Articulo

La región del Callao y Lima Metropolitana están asentadas en una zona con alta probabilidad de exposición ante la ocurrencia de sismos y maremotos. Una de las mayores catástrofes ocurrió el 28 de octubre de 1746, la ciudad de Lima y el Callao fueron remecidas por un fuerte terremoto que dio origen a...

Descripción completa

Detalles Bibliográficos
Autor: Jiménez Tintaya, César Omar
Formato: tesis de maestría
Fecha de Publicación:2015
Institución:Universidad Nacional Mayor de San Marcos
Repositorio:UNMSM-Tesis
Lenguaje:español
OAI Identifier:oai:cybertesis.unmsm.edu.pe:20.500.12672/4188
Enlace del recurso:https://hdl.handle.net/20.500.12672/4188
Nivel de acceso:acceso abierto
Materia:Maremoto - 1746
Maremoto
https://purl.org/pe-repo/ocde/ford#1.03.00
id UNMS_cd0e3487406fc79a979d1f6c9a0db5fd
oai_identifier_str oai:cybertesis.unmsm.edu.pe:20.500.12672/4188
network_acronym_str UNMS
network_name_str UNMSM-Tesis
repository_id_str 410
dc.title.none.fl_str_mv El maremoto notable de 1746
title El maremoto notable de 1746
spellingShingle El maremoto notable de 1746
Jiménez Tintaya, César Omar
Maremoto - 1746
Maremoto
https://purl.org/pe-repo/ocde/ford#1.03.00
title_short El maremoto notable de 1746
title_full El maremoto notable de 1746
title_fullStr El maremoto notable de 1746
title_full_unstemmed El maremoto notable de 1746
title_sort El maremoto notable de 1746
author Jiménez Tintaya, César Omar
author_facet Jiménez Tintaya, César Omar
author_role author
dc.contributor.advisor.fl_str_mv Ocola Aquise, Leonidas Ceferino
dc.contributor.author.fl_str_mv Jiménez Tintaya, César Omar
dc.subject.none.fl_str_mv Maremoto - 1746
Maremoto
topic Maremoto - 1746
Maremoto
https://purl.org/pe-repo/ocde/ford#1.03.00
dc.subject.ocde.none.fl_str_mv https://purl.org/pe-repo/ocde/ford#1.03.00
description La región del Callao y Lima Metropolitana están asentadas en una zona con alta probabilidad de exposición ante la ocurrencia de sismos y maremotos. Una de las mayores catástrofes ocurrió el 28 de octubre de 1746, la ciudad de Lima y el Callao fueron remecidas por un fuerte terremoto que dio origen a un maremoto que destruyó la ciudad del Callao y produjo la muerte de más de 5,000 personas, quedando sólo 200 sobrevivientes (4%). De los 23 barcos anclados en el puerto, 19 fueron hundidos y 4 llevados por las olas tierra adentro; uno de ellos, el bergantín San Fermín, fue varado en lo que ahora corresponde a la esquina del mercado del Callao. Hoy en día, un evento de esta naturaleza alteraría el orden demográfico, social y económico de la Región Callao y de Lima Metropolitana. En este trabajo, se ha diseñado la metodología para elaborar los mapas de inundación relacionada con la ocurrencia de un maremoto (o tsunami) debido a un sismo de gran magnitud. Una forma de determinar las zonas de inundación de un posible maremoto local o distante, y, a partir de eso, estimar el potencial daño, es mediante la simulación numérica. La importancia del presente trabajo está enmarcada dentro de la previsión y mitigación de un posible desastre por maremoto, para lo cual es necesaria la utilización de modelos numéricos de simulación de la dinámica de maremotos. La metodología consiste en utilizar el modelo numérico TUNAMI (del proyecto TIME: Tsunami Inundation Modelling Exchange), el cual requiere como datos de entrada el modelo digital de elevación (topografía y batimetría) de Callao y Lima Metropolitana y el modelo de la fuente sísmica que proporcionará la condición inicial del maremoto. La salida del modelo corresponde a los parámetros como: altura de la ola en la línea de costa, mareograma sintético, tiempo de arribo y mapa de inundación de la zona a modelar. Se debe considerar las limitaciones del modelo numérico debido a la resolución del modelo digital de elevación y a la transferencia de energía del medio sólido (corteza terrestre) al medio líquido (océano). En este estudio, se ha tomado un evento sísmico de referencia similar al del terremoto de Callao de 1746 (magnitud ≈ 9.0 Mw), con área de ruptura desde Chimbote (Ancash) hasta Paracas (Ica). Es el mayor evento sísmico que ha ocurrido en la región central del Perú y uno de los mayores que podría ocurrir. En materia de gestión de riesgos y preparación ante desastre, se debería considerar el maremoto provocado por un terremoto de magnitud más probable, es decir un sismo de magnitud 8.5 Mw. Sin embargo es importante no olvidar que un evento de mayor magnitud, aunque excepcional y poco probable a la escala de una vida humana, podría ocurrir. Los resultados del estudio determinan que las zonas de mayor inundación son: Ventanilla (3.0 km de máxima inundación horizontal), Callao Puerto (1.5 km de inundación horizontal), Villa Chorrillos (2.6 km de inundación horizontal) y Lurín (3.3 km de inundación horizontal). La zona de menor inundación está comprendida desde Punta Hermosa hasta Pucusana. Para un maremoto local en la zona de Lima y Callao, el tiempo de viaje de la primera ola sería de alrededor de 23 minutos (al Callao), lo cual proporciona poco tiempo para realizar una evacuación. Mientras que la máxima amplitud de la ola en la línea de costa para la zona del Callao (Chucuito y la zona del puerto) es de alrededor de los 10 m. Para el caso de prevención de desastres tiene que tomarse en cuenta la llamada evacuación vertical para la zona de Chucuito y La Punta. La presencia de la Isla San Lorenzo no supone una barrera natural de defensa ante el impacto de un maremoto, debido a que la longitud de onda del maremoto (en el orden de las decenas de km) es comparable a las dimensiones de la Isla (produciéndose el fenómeno de difracción de ondas), dichas ondas se desviarán y bordearán a la Isla, atacando al distrito de la Punta desde 2 frentes: nor-oeste y sur-este. En base a estos resultados, las autoridades correspondientes deben priorizar los planes de emergencia y evacuación en caso de ocurrir un gran sismo y maremoto en Lima. La mejor manera de prevenir y mitigar los desastres por fenómenos naturales es mediante la educación a la población.
publishDate 2015
dc.date.accessioned.none.fl_str_mv 2015-05-04T14:12:28Z
dc.date.available.none.fl_str_mv 2015-05-04T14:12:28Z
dc.date.issued.fl_str_mv 2015
dc.type.none.fl_str_mv info:eu-repo/semantics/masterThesis
format masterThesis
dc.identifier.uri.none.fl_str_mv https://hdl.handle.net/20.500.12672/4188
url https://hdl.handle.net/20.500.12672/4188
dc.language.iso.none.fl_str_mv spa
language spa
dc.relation.ispartof.fl_str_mv SUNEDU
dc.rights.none.fl_str_mv info:eu-repo/semantics/openAccess
dc.rights.uri.none.fl_str_mv https://creativecommons.org/licenses/by-nc-sa/4.0/
eu_rights_str_mv openAccess
rights_invalid_str_mv https://creativecommons.org/licenses/by-nc-sa/4.0/
dc.publisher.none.fl_str_mv Universidad Nacional Mayor de San Marcos
dc.publisher.country.none.fl_str_mv PE
publisher.none.fl_str_mv Universidad Nacional Mayor de San Marcos
dc.source.none.fl_str_mv Repositorio de Tesis - UNMSM
Universidad Nacional Mayor de San Marcos
reponame:UNMSM-Tesis
instname:Universidad Nacional Mayor de San Marcos
instacron:UNMSM
instname_str Universidad Nacional Mayor de San Marcos
instacron_str UNMSM
institution UNMSM
reponame_str UNMSM-Tesis
collection UNMSM-Tesis
bitstream.url.fl_str_mv https://cybertesis.unmsm.edu.pe/bitstreams/e10fca8e-7c3b-4252-9342-68b3ec06d025/download
https://cybertesis.unmsm.edu.pe/bitstreams/1b8a3f9e-4374-4a12-ba7a-6ffa7172e8e0/download
https://cybertesis.unmsm.edu.pe/bitstreams/66923594-fcbe-4950-939e-0357ac964b56/download
https://cybertesis.unmsm.edu.pe/bitstreams/f7b128b2-1473-4fa1-9695-1c541bfb2b0c/download
bitstream.checksum.fl_str_mv 3b00519c22a79a23e841625e425c4f47
8a4605be74aa9ea9d79846c1fba20a33
a583ae68b753356e08904f68cf33db1b
f0750fcc6208476d871db5947a52d751
bitstream.checksumAlgorithm.fl_str_mv MD5
MD5
MD5
MD5
repository.name.fl_str_mv Cybertesis UNMSM
repository.mail.fl_str_mv cybertesis@unmsm.edu.pe
_version_ 1853596229255036928
spelling Ocola Aquise, Leonidas CeferinoJiménez Tintaya, César Omar2015-05-04T14:12:28Z2015-05-04T14:12:28Z2015https://hdl.handle.net/20.500.12672/4188La región del Callao y Lima Metropolitana están asentadas en una zona con alta probabilidad de exposición ante la ocurrencia de sismos y maremotos. Una de las mayores catástrofes ocurrió el 28 de octubre de 1746, la ciudad de Lima y el Callao fueron remecidas por un fuerte terremoto que dio origen a un maremoto que destruyó la ciudad del Callao y produjo la muerte de más de 5,000 personas, quedando sólo 200 sobrevivientes (4%). De los 23 barcos anclados en el puerto, 19 fueron hundidos y 4 llevados por las olas tierra adentro; uno de ellos, el bergantín San Fermín, fue varado en lo que ahora corresponde a la esquina del mercado del Callao. Hoy en día, un evento de esta naturaleza alteraría el orden demográfico, social y económico de la Región Callao y de Lima Metropolitana. En este trabajo, se ha diseñado la metodología para elaborar los mapas de inundación relacionada con la ocurrencia de un maremoto (o tsunami) debido a un sismo de gran magnitud. Una forma de determinar las zonas de inundación de un posible maremoto local o distante, y, a partir de eso, estimar el potencial daño, es mediante la simulación numérica. La importancia del presente trabajo está enmarcada dentro de la previsión y mitigación de un posible desastre por maremoto, para lo cual es necesaria la utilización de modelos numéricos de simulación de la dinámica de maremotos. La metodología consiste en utilizar el modelo numérico TUNAMI (del proyecto TIME: Tsunami Inundation Modelling Exchange), el cual requiere como datos de entrada el modelo digital de elevación (topografía y batimetría) de Callao y Lima Metropolitana y el modelo de la fuente sísmica que proporcionará la condición inicial del maremoto. La salida del modelo corresponde a los parámetros como: altura de la ola en la línea de costa, mareograma sintético, tiempo de arribo y mapa de inundación de la zona a modelar. Se debe considerar las limitaciones del modelo numérico debido a la resolución del modelo digital de elevación y a la transferencia de energía del medio sólido (corteza terrestre) al medio líquido (océano). En este estudio, se ha tomado un evento sísmico de referencia similar al del terremoto de Callao de 1746 (magnitud ≈ 9.0 Mw), con área de ruptura desde Chimbote (Ancash) hasta Paracas (Ica). Es el mayor evento sísmico que ha ocurrido en la región central del Perú y uno de los mayores que podría ocurrir. En materia de gestión de riesgos y preparación ante desastre, se debería considerar el maremoto provocado por un terremoto de magnitud más probable, es decir un sismo de magnitud 8.5 Mw. Sin embargo es importante no olvidar que un evento de mayor magnitud, aunque excepcional y poco probable a la escala de una vida humana, podría ocurrir. Los resultados del estudio determinan que las zonas de mayor inundación son: Ventanilla (3.0 km de máxima inundación horizontal), Callao Puerto (1.5 km de inundación horizontal), Villa Chorrillos (2.6 km de inundación horizontal) y Lurín (3.3 km de inundación horizontal). La zona de menor inundación está comprendida desde Punta Hermosa hasta Pucusana. Para un maremoto local en la zona de Lima y Callao, el tiempo de viaje de la primera ola sería de alrededor de 23 minutos (al Callao), lo cual proporciona poco tiempo para realizar una evacuación. Mientras que la máxima amplitud de la ola en la línea de costa para la zona del Callao (Chucuito y la zona del puerto) es de alrededor de los 10 m. Para el caso de prevención de desastres tiene que tomarse en cuenta la llamada evacuación vertical para la zona de Chucuito y La Punta. La presencia de la Isla San Lorenzo no supone una barrera natural de defensa ante el impacto de un maremoto, debido a que la longitud de onda del maremoto (en el orden de las decenas de km) es comparable a las dimensiones de la Isla (produciéndose el fenómeno de difracción de ondas), dichas ondas se desviarán y bordearán a la Isla, atacando al distrito de la Punta desde 2 frentes: nor-oeste y sur-este. En base a estos resultados, las autoridades correspondientes deben priorizar los planes de emergencia y evacuación en caso de ocurrir un gran sismo y maremoto en Lima. La mejor manera de prevenir y mitigar los desastres por fenómenos naturales es mediante la educación a la población.TesisspaUniversidad Nacional Mayor de San MarcosPEinfo:eu-repo/semantics/openAccesshttps://creativecommons.org/licenses/by-nc-sa/4.0/Repositorio de Tesis - UNMSMUniversidad Nacional Mayor de San Marcosreponame:UNMSM-Tesisinstname:Universidad Nacional Mayor de San Marcosinstacron:UNMSMMaremoto - 1746Maremotohttps://purl.org/pe-repo/ocde/ford#1.03.00El maremoto notable de 1746info:eu-repo/semantics/masterThesisSUNEDUMagíster en Física con mención en GeofísicaUniversidad Nacional Mayor de San Marcos. Facultad de Ciencias Físicas. Unidad de PosgradoMaestríaFísica con mención en Geofísica08809608https://purl.org/pe-repo/renati/level#maestrohttps://purl.org/pe-repo/renati/type#tesisORIGINALJiménez_tc.pdfJiménez_tc.pdfapplication/pdf6350162https://cybertesis.unmsm.edu.pe/bitstreams/e10fca8e-7c3b-4252-9342-68b3ec06d025/download3b00519c22a79a23e841625e425c4f47MD51LICENSElicense.txtlicense.txttext/plain; charset=utf-81748https://cybertesis.unmsm.edu.pe/bitstreams/1b8a3f9e-4374-4a12-ba7a-6ffa7172e8e0/download8a4605be74aa9ea9d79846c1fba20a33MD52TEXTJiménez_tc.pdf.txtJiménez_tc.pdf.txtExtracted texttext/plain273409https://cybertesis.unmsm.edu.pe/bitstreams/66923594-fcbe-4950-939e-0357ac964b56/downloada583ae68b753356e08904f68cf33db1bMD53THUMBNAILJiménez_tc.pdf.jpgJiménez_tc.pdf.jpgGenerated Thumbnailimage/jpeg9583https://cybertesis.unmsm.edu.pe/bitstreams/f7b128b2-1473-4fa1-9695-1c541bfb2b0c/downloadf0750fcc6208476d871db5947a52d751MD5420.500.12672/4188oai:cybertesis.unmsm.edu.pe:20.500.12672/41882021-09-25 16:49:31.326https://creativecommons.org/licenses/by-nc-sa/4.0/info:eu-repo/semantics/openAccessopen.accesshttps://cybertesis.unmsm.edu.peCybertesis UNMSMcybertesis@unmsm.edu.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
score 13.406609
Nota importante:
La información contenida en este registro es de entera responsabilidad de la institución que gestiona el repositorio institucional donde esta contenido este documento o set de datos. El CONCYTEC no se hace responsable por los contenidos (publicaciones y/o datos) accesibles a través del Repositorio Nacional Digital de Ciencia, Tecnología e Innovación de Acceso Abierto (ALICIA).