Investigadores instan a reemplazar modelos arcaicos en el análisis de riesgo de inundaciones.

MadridInvestigadores de la Universidad de California, Irvine, y la Universidad de Bristol advierten que es necesario abandonar los métodos antiguos para analizar los riesgos de inundación. Tradicionalmente, se supone que las inundaciones se expanden uniformemente, lo cual no siempre es correcto. Recomiendan el uso de métodos más avanzados que incluyan modelos dinámicos para mejorar las predicciones de inundaciones. Estos modelos actualizados emplean ecuaciones científicas para ofrecer una imagen más precisa de los posibles eventos de inundación, lo que puede ayudar a tomar mejores decisiones tanto en políticas públicas como a nivel personal.
Los modelos de bañera presentan importantes desventajas, ya que no toman en cuenta numerosos factores esenciales.
Inundaciones pueden ser mitigadas naturalmente mediante la ralentización del flujo del agua y la fricción que encuentra en su camino. En zonas costeras, las mareas pueden aumentar de tamaño. Existen estructuras como los diques y muros de contención que ayudan a proteger contra las inundaciones. Los niveles de agua subterránea pueden elevarse y llegar a la superficie debido a cambios en las condiciones. En algunas áreas, es común bombear el agua subterránea para evitar inundaciones.
Los modelos de bañera no son muy precisos para predecir resultados, como lo demuestra su bajo índice de éxito crítico (CSI), que suele ser inferior a 0.5. Este bajo puntaje indica que estos modelos a menudo fallan en hacer pronósticos fiables que puedan ser utilizados en situaciones del mundo real. De hecho, depender de estos modelos puede ser tan impredecible como hacer suposiciones.

2 de febrero de 2025 · 20:32
La contaminación por plomo en la antigua Grecia revela cambios socioeconómicos revolucionarios
Título: Los modelos de bañera fallan en predicciones confiables, revela bajo índice de éxito.
Para comprender y abordar mejor los riesgos de inundación, es fundamental utilizar modelos avanzados. Estos modelos no solo son más precisos, sino que también son esenciales para trabajar de manera efectiva con las comunidades afectadas por las inundaciones. Ayudan a identificar las áreas más vulnerables y facilitan la elaboración de planes más eficaces para adaptarse a estas situaciones. El uso de modelos incorrectos puede desorientar a los responsables de la toma de decisiones, lo que se traduce en proyectos de infraestructura mal concebidos, políticas de seguros inadecuadas y políticas públicas ineficaces.
Técnicas de modelado más avanzadas son esenciales para realizar predicciones precisas sobre inundaciones y ayudar a las personas en áreas de riesgo. Estos modelos mejorados permiten a las comunidades confiar en la información y tomar mejores decisiones sobre cómo manejar los riesgos de inundación. Actualizarse de métodos antiguos a nuevos y avanzados puede mejorar considerablemente la preparación y respuesta de la sociedad ante las inundaciones.
En resumen, mejorar los modelos de riesgo de inundación es crucial para mitigar los efectos de futuras inundaciones. Esta medida contribuirá a desarrollar métodos más justos y eficaces para prevenir inundaciones, asegurando que las comunidades estén mejor preparadas para enfrentar los desafíos del cambio climático.
El estudio se publica aquí:
http://dx.doi.org/10.1029/2024EF005164y su cita oficial - incluidos autores y revista - es
Brett F. Sanders, Oliver E. J. Wing, Paul D. Bates. Flooding is Not Like Filling a Bath. Earth's Future, 2024; 12 (12) DOI: 10.1029/2024EF005164

1 de febrero de 2025 · 19:28
La influencia de la violencia televisiva en el comportamiento futuro de los niños: revelaciones impactantes.

31 de enero de 2025 · 12:46
El poder del contacto afectuoso en la construcción de sociedades cooperativas

30 de diciembre de 2024 · 2:54
Físicos usan bootstrap para confirmar la teoría de cuerdas y unificar la física cuántica y la relatividad

29 de diciembre de 2024 · 22:47
Neurona láser revolucionaria acelera la inteligencia artificial con un procesamiento mil millones de veces más rápido
Compartir este artículo