Modelación y análisis de oleaje : desarrollos metodológicos y su aplicación al caso de Uruguay.
Supervisor(es): Solari, Sebastián
Resumen:
Este trabajo se plantea como una contribución a las tareas de modelación y análisis necesarias para proveer información de oleaje a las actividades de ingeniería y ciencia que se desarrollan en la zona costera y el espacio marítimo. Específicamente, se trabajó con la generación de datos de oleaje a partir de simulaciones en modo hindcast y la síntesis e interpretación de los mismos en términos climatológicos. Los problemas abordados derivan de: i) modelar oleaje en ambientes complejos a los efectos de realizar un hindcast de alta resolución y alta calidad; ii) reducir la escala de un hindcast desde aguas profundas a un sitio costero cuantificando la incertidumbre asociada a este procedimiento; y iii) maximizar el aprovechamiento de los espectros de oleaje para caracterizar y comprender la climatología del oleaje a lo largo de la costa. En este sentido, se propusieron desarrollos metodológicos que aportan en estos tres ítems y cuya aplicación permitió mejorar tanto cualitativamente como cuantitativamente la información de oleaje disponible para Uruguay En primer lugar se realizó un hindcast de oleaje para Uruguay con foco en el Río de la Plata, el cual se complementó con el análisis de la distribución espacial del peso relativo de los distintos procesos involucrados en la transformación del oleaje en la zona. El Río de la Plata es un ambiente estuarino cuyas particularidades complejizan la modelación. Estas dificultades están asociadas a factores como la incidencia de la hidrodinámica del estuario en la transformación del oleaje que se propaga en él, la relevancia que adquieren los procesos de interacción con el fondo debido a la poca profundidad, y la relevancia del proceso de generación del oleaje en zonas de predomino del oleaje local. Para afrontarlas, se incorporaron campos de corrientes y niveles de mar no estacionarios en la modelación, y se contempló al proceso de disipación de energía por interacción con el fondo en la etapa de calibración. Posteriormente, a partir del modelo calibrado se realizaron experimentos numéricos para analizar la importancia relativa que tienen distintos procesos en la transformación del oleaje en la zona de estudio. Este tipo de experimento consiste en desactivar el proceso a analizar, dejando todo el resto tal como fue utilizado en el hindcast. Luego, para cada punto de grilla, se contrastan los resultados obtenidos con los del hindcast (i.e. resultados de referencia), lo cual posibilita la visualización de la distribución espacial del impacto en los resultados del modelo de no considerar un determinado proceso. Esto permitió observar la relevancia de la disipación por fricción de fondo en todo el Río de la Plata medio e interior, mostró que la influencia de la disipación por rotura inducida por el fondo está limitada a los alrededores de los grandes bancos de arena del estuario, permitió ver que la influencia de las corrientes se extiende a la plataforma continental en las zonas donde hay concentración de flujo, así como apreciar el alcance del mar de fondo dentro del estuario. A partir de las series temporales de espectros bidimensionales de oleaje generadas en el hindcast en nodos equidistantes entre ellos y próximos a la costa, se realizó un análisis climatológico en base a un abordaje que combina el análisis de parámetros integrales, espectros promediados y sistemas de oleaje. Este análisis permitió explicar la transición gradual del clima de olas entre dos ambientes significativamente distintos como los que conforman los dos extremos de la costa uruguaya. Por un lado, una costa abierta al océano, y por otro una costa en la zona interior de un estuario. Al centrarse en el área costera y con el propósito de brindar un insumo para la gestión de la misma, se prestó particular atención al flujo medio de energía del oleaje por su contribución a explicar la dinámica costera en escalas de mediano y largo plazo. Este parámetro fue calculado a partir del espectro, incluyéndose su magnitud y dirección dentro del conjunto de parámetros descriptores del oleaje en los que se analizó la variabilidad intra- e inter-anual así como las tendencias de largo plazo. La distinción entre sistemas de oleaje de largo plazo, permitió esclarecer y profundizar en el clima de olas, pero también relacionarlo con aspectos climáticos de mayor escala. En este sentido, los sistemas se utilizaron para explorar el vínculo con patrones climáticos de reconocida influencia en la zona, y se delimitaron las zonas del océano Atlántico involucradas con la generación del oleaje que conforma cada sistema. Por último se implementó un método basado en inferencia Bayesiana, para ser utilizado en la reducción de escala de un hindcast de oleaje a un sitio donde se dispone de una serie de mediciones de corto plazo. El algoritmo propuesto permite calibrar automáticamente los parámetros del modelo de propagación utilizado en la reducción de escala del hindcast. A su vez, este tipo de algoritmos consideran la incertidumbre asociada al desconocimiento del valor de los parámetros del modelo como una variable aleatoria, y los caracterizan con una función de distribución de probabilidad, la cual ajustan en función de las observaciones disponibles. La caracterización de los parámetros en estos términos, permite a posteriori estimar directamente la incertidumbre en los resultados del modelo. El método propuesto incluye aspectos novedosos orientados: a hacerlo más eficiente; a incluir el tratamiento de la incertidumbre asociada a los forzantes; y a la consideración de los espectros en la evaluación de la performance del modelo. Dado que el algoritmo empleado recurre a simulaciones de Monte Carlo, para viabilizar su aplicación en el contexto de un proyecto de ingeniería, la metodología propuesta incluyó etapas tendientes a reducir el costo computacional de cada simulación individual así como a disminuir la cantidad necesaria de simulaciones totales, sin que esto afecte los resultados finales. En lo que refiere a los forzantes, se identificó que sus errores son una fuente de incertidumbre en los resultados del modelo, con similar o mayor peso que la asociada a la elección de los valores de los parámetros del modelo. En este sentido, se propuso incluir el tratamiento de ambas fuentes de incertidumbre en un mismo marco de referencia. Para ello, se definió un modelo de corrección del forzante cuyos parámetros reciben, por parte del algoritmo de calibración, el mismo tratamiento que los parámetros del modelo. Finalmente, se definió un error espectral para cuantificar las diferencias entre modelo y observación, el cual fue incluido en la función objetivo del algoritmo de calibración para orientarlo en la búsqueda de una configuración del modelo que mejore integralmente su performance. La metodología propuesta se aplicó a un caso de estudio en la costa Atlántica de Uruguay, donde se cuenta con una serie de varios meses de mediciones de oleaje. Demostrándose su uso para llevar al sitio costero de interés, los datos del hindcast global ERA-Interim.
2020 | |
Oleaje WAVEWATCH III Hindcast Rio de la Plata Costa Atlantica de Uruguay Climatologia Sistemas de oleaje Metodos Bayesianos Cadenas de Markov Montecarlo (MCMC) Error espectral Analisis de incertidumbre Caracterización de incertidumbre en modelos Calibración automática Clima de olas |
|
Español | |
Universidad de la República | |
COLIBRI | |
https://hdl.handle.net/20.500.12008/26559 | |
Acceso abierto | |
Licencia Creative Commons Atribución - No Comercial - Sin Derivadas (CC - By-NC-ND 4.0) |
_version_ | 1807522946481127424 |
---|---|
author | Alonso Hauser, Rodrigo |
author_facet | Alonso Hauser, Rodrigo |
author_role | author |
bitstream.checksum.fl_str_mv | 6429389a7df7277b72b7924fdc7d47a9 a006180e3f5b2ad0b88185d14284c0e0 36c32e9c6da50e6d55578c16944ef7f6 1996b8461bc290aef6a27d78c67b6b52 ec41d9ddc3b582188794236ed09c73a8 |
bitstream.checksumAlgorithm.fl_str_mv | MD5 MD5 MD5 MD5 MD5 |
bitstream.url.fl_str_mv | http://localhost:8080/xmlui/bitstream/20.500.12008/26559/5/license.txt http://localhost:8080/xmlui/bitstream/20.500.12008/26559/2/license_url http://localhost:8080/xmlui/bitstream/20.500.12008/26559/3/license_text http://localhost:8080/xmlui/bitstream/20.500.12008/26559/4/license_rdf http://localhost:8080/xmlui/bitstream/20.500.12008/26559/1/Alo20.pdf |
collection | COLIBRI |
dc.contributor.filiacion.none.fl_str_mv | Alonso Hauser Rodrigo, Universidad de la República (Uruguay). Facultad de Ingeniería. |
dc.coverage.spatial.es.fl_str_mv | Río de la Plata, Uruguay. |
dc.creator.advisor.none.fl_str_mv | Solari, Sebastián |
dc.creator.none.fl_str_mv | Alonso Hauser, Rodrigo |
dc.date.accessioned.none.fl_str_mv | 2021-02-19T15:56:42Z |
dc.date.available.none.fl_str_mv | 2021-02-19T15:56:42Z |
dc.date.issued.none.fl_str_mv | 2020 |
dc.description.abstract.none.fl_txt_mv | Este trabajo se plantea como una contribución a las tareas de modelación y análisis necesarias para proveer información de oleaje a las actividades de ingeniería y ciencia que se desarrollan en la zona costera y el espacio marítimo. Específicamente, se trabajó con la generación de datos de oleaje a partir de simulaciones en modo hindcast y la síntesis e interpretación de los mismos en términos climatológicos. Los problemas abordados derivan de: i) modelar oleaje en ambientes complejos a los efectos de realizar un hindcast de alta resolución y alta calidad; ii) reducir la escala de un hindcast desde aguas profundas a un sitio costero cuantificando la incertidumbre asociada a este procedimiento; y iii) maximizar el aprovechamiento de los espectros de oleaje para caracterizar y comprender la climatología del oleaje a lo largo de la costa. En este sentido, se propusieron desarrollos metodológicos que aportan en estos tres ítems y cuya aplicación permitió mejorar tanto cualitativamente como cuantitativamente la información de oleaje disponible para Uruguay En primer lugar se realizó un hindcast de oleaje para Uruguay con foco en el Río de la Plata, el cual se complementó con el análisis de la distribución espacial del peso relativo de los distintos procesos involucrados en la transformación del oleaje en la zona. El Río de la Plata es un ambiente estuarino cuyas particularidades complejizan la modelación. Estas dificultades están asociadas a factores como la incidencia de la hidrodinámica del estuario en la transformación del oleaje que se propaga en él, la relevancia que adquieren los procesos de interacción con el fondo debido a la poca profundidad, y la relevancia del proceso de generación del oleaje en zonas de predomino del oleaje local. Para afrontarlas, se incorporaron campos de corrientes y niveles de mar no estacionarios en la modelación, y se contempló al proceso de disipación de energía por interacción con el fondo en la etapa de calibración. Posteriormente, a partir del modelo calibrado se realizaron experimentos numéricos para analizar la importancia relativa que tienen distintos procesos en la transformación del oleaje en la zona de estudio. Este tipo de experimento consiste en desactivar el proceso a analizar, dejando todo el resto tal como fue utilizado en el hindcast. Luego, para cada punto de grilla, se contrastan los resultados obtenidos con los del hindcast (i.e. resultados de referencia), lo cual posibilita la visualización de la distribución espacial del impacto en los resultados del modelo de no considerar un determinado proceso. Esto permitió observar la relevancia de la disipación por fricción de fondo en todo el Río de la Plata medio e interior, mostró que la influencia de la disipación por rotura inducida por el fondo está limitada a los alrededores de los grandes bancos de arena del estuario, permitió ver que la influencia de las corrientes se extiende a la plataforma continental en las zonas donde hay concentración de flujo, así como apreciar el alcance del mar de fondo dentro del estuario. A partir de las series temporales de espectros bidimensionales de oleaje generadas en el hindcast en nodos equidistantes entre ellos y próximos a la costa, se realizó un análisis climatológico en base a un abordaje que combina el análisis de parámetros integrales, espectros promediados y sistemas de oleaje. Este análisis permitió explicar la transición gradual del clima de olas entre dos ambientes significativamente distintos como los que conforman los dos extremos de la costa uruguaya. Por un lado, una costa abierta al océano, y por otro una costa en la zona interior de un estuario. Al centrarse en el área costera y con el propósito de brindar un insumo para la gestión de la misma, se prestó particular atención al flujo medio de energía del oleaje por su contribución a explicar la dinámica costera en escalas de mediano y largo plazo. Este parámetro fue calculado a partir del espectro, incluyéndose su magnitud y dirección dentro del conjunto de parámetros descriptores del oleaje en los que se analizó la variabilidad intra- e inter-anual así como las tendencias de largo plazo. La distinción entre sistemas de oleaje de largo plazo, permitió esclarecer y profundizar en el clima de olas, pero también relacionarlo con aspectos climáticos de mayor escala. En este sentido, los sistemas se utilizaron para explorar el vínculo con patrones climáticos de reconocida influencia en la zona, y se delimitaron las zonas del océano Atlántico involucradas con la generación del oleaje que conforma cada sistema. Por último se implementó un método basado en inferencia Bayesiana, para ser utilizado en la reducción de escala de un hindcast de oleaje a un sitio donde se dispone de una serie de mediciones de corto plazo. El algoritmo propuesto permite calibrar automáticamente los parámetros del modelo de propagación utilizado en la reducción de escala del hindcast. A su vez, este tipo de algoritmos consideran la incertidumbre asociada al desconocimiento del valor de los parámetros del modelo como una variable aleatoria, y los caracterizan con una función de distribución de probabilidad, la cual ajustan en función de las observaciones disponibles. La caracterización de los parámetros en estos términos, permite a posteriori estimar directamente la incertidumbre en los resultados del modelo. El método propuesto incluye aspectos novedosos orientados: a hacerlo más eficiente; a incluir el tratamiento de la incertidumbre asociada a los forzantes; y a la consideración de los espectros en la evaluación de la performance del modelo. Dado que el algoritmo empleado recurre a simulaciones de Monte Carlo, para viabilizar su aplicación en el contexto de un proyecto de ingeniería, la metodología propuesta incluyó etapas tendientes a reducir el costo computacional de cada simulación individual así como a disminuir la cantidad necesaria de simulaciones totales, sin que esto afecte los resultados finales. En lo que refiere a los forzantes, se identificó que sus errores son una fuente de incertidumbre en los resultados del modelo, con similar o mayor peso que la asociada a la elección de los valores de los parámetros del modelo. En este sentido, se propuso incluir el tratamiento de ambas fuentes de incertidumbre en un mismo marco de referencia. Para ello, se definió un modelo de corrección del forzante cuyos parámetros reciben, por parte del algoritmo de calibración, el mismo tratamiento que los parámetros del modelo. Finalmente, se definió un error espectral para cuantificar las diferencias entre modelo y observación, el cual fue incluido en la función objetivo del algoritmo de calibración para orientarlo en la búsqueda de una configuración del modelo que mejore integralmente su performance. La metodología propuesta se aplicó a un caso de estudio en la costa Atlántica de Uruguay, donde se cuenta con una serie de varios meses de mediciones de oleaje. Demostrándose su uso para llevar al sitio costero de interés, los datos del hindcast global ERA-Interim. |
dc.format.extent.es.fl_str_mv | 137 p. |
dc.format.mimetype.es.fl_str_mv | application/pdf |
dc.identifier.citation.es.fl_str_mv | Alonso Hauser, R. Modelación y análisis de oleaje : desarrollos metodológicos y su aplicación al caso de Uruguay [en línea]. Tesis de doctorado. Montevideo : Udelar. FI. IMFIA, 2020 |
dc.identifier.issn.none.fl_str_mv | 1688-2776 |
dc.identifier.uri.none.fl_str_mv | https://hdl.handle.net/20.500.12008/26559 |
dc.language.iso.none.fl_str_mv | es spa |
dc.publisher.es.fl_str_mv | Udelar.FI. |
dc.rights.license.none.fl_str_mv | Licencia Creative Commons Atribución - No Comercial - Sin Derivadas (CC - By-NC-ND 4.0) |
dc.rights.none.fl_str_mv | info:eu-repo/semantics/openAccess |
dc.source.none.fl_str_mv | reponame:COLIBRI instname:Universidad de la República instacron:Universidad de la República |
dc.subject.es.fl_str_mv | Oleaje WAVEWATCH III Hindcast Rio de la Plata Costa Atlantica de Uruguay Climatologia Sistemas de oleaje Metodos Bayesianos Cadenas de Markov Montecarlo (MCMC) Error espectral Analisis de incertidumbre Caracterización de incertidumbre en modelos Calibración automática Clima de olas |
dc.title.none.fl_str_mv | Modelación y análisis de oleaje : desarrollos metodológicos y su aplicación al caso de Uruguay. |
dc.type.es.fl_str_mv | Tesis de doctorado |
dc.type.none.fl_str_mv | info:eu-repo/semantics/doctoralThesis |
dc.type.version.none.fl_str_mv | info:eu-repo/semantics/acceptedVersion |
description | Este trabajo se plantea como una contribución a las tareas de modelación y análisis necesarias para proveer información de oleaje a las actividades de ingeniería y ciencia que se desarrollan en la zona costera y el espacio marítimo. Específicamente, se trabajó con la generación de datos de oleaje a partir de simulaciones en modo hindcast y la síntesis e interpretación de los mismos en términos climatológicos. Los problemas abordados derivan de: i) modelar oleaje en ambientes complejos a los efectos de realizar un hindcast de alta resolución y alta calidad; ii) reducir la escala de un hindcast desde aguas profundas a un sitio costero cuantificando la incertidumbre asociada a este procedimiento; y iii) maximizar el aprovechamiento de los espectros de oleaje para caracterizar y comprender la climatología del oleaje a lo largo de la costa. En este sentido, se propusieron desarrollos metodológicos que aportan en estos tres ítems y cuya aplicación permitió mejorar tanto cualitativamente como cuantitativamente la información de oleaje disponible para Uruguay En primer lugar se realizó un hindcast de oleaje para Uruguay con foco en el Río de la Plata, el cual se complementó con el análisis de la distribución espacial del peso relativo de los distintos procesos involucrados en la transformación del oleaje en la zona. El Río de la Plata es un ambiente estuarino cuyas particularidades complejizan la modelación. Estas dificultades están asociadas a factores como la incidencia de la hidrodinámica del estuario en la transformación del oleaje que se propaga en él, la relevancia que adquieren los procesos de interacción con el fondo debido a la poca profundidad, y la relevancia del proceso de generación del oleaje en zonas de predomino del oleaje local. Para afrontarlas, se incorporaron campos de corrientes y niveles de mar no estacionarios en la modelación, y se contempló al proceso de disipación de energía por interacción con el fondo en la etapa de calibración. Posteriormente, a partir del modelo calibrado se realizaron experimentos numéricos para analizar la importancia relativa que tienen distintos procesos en la transformación del oleaje en la zona de estudio. Este tipo de experimento consiste en desactivar el proceso a analizar, dejando todo el resto tal como fue utilizado en el hindcast. Luego, para cada punto de grilla, se contrastan los resultados obtenidos con los del hindcast (i.e. resultados de referencia), lo cual posibilita la visualización de la distribución espacial del impacto en los resultados del modelo de no considerar un determinado proceso. Esto permitió observar la relevancia de la disipación por fricción de fondo en todo el Río de la Plata medio e interior, mostró que la influencia de la disipación por rotura inducida por el fondo está limitada a los alrededores de los grandes bancos de arena del estuario, permitió ver que la influencia de las corrientes se extiende a la plataforma continental en las zonas donde hay concentración de flujo, así como apreciar el alcance del mar de fondo dentro del estuario. A partir de las series temporales de espectros bidimensionales de oleaje generadas en el hindcast en nodos equidistantes entre ellos y próximos a la costa, se realizó un análisis climatológico en base a un abordaje que combina el análisis de parámetros integrales, espectros promediados y sistemas de oleaje. Este análisis permitió explicar la transición gradual del clima de olas entre dos ambientes significativamente distintos como los que conforman los dos extremos de la costa uruguaya. Por un lado, una costa abierta al océano, y por otro una costa en la zona interior de un estuario. Al centrarse en el área costera y con el propósito de brindar un insumo para la gestión de la misma, se prestó particular atención al flujo medio de energía del oleaje por su contribución a explicar la dinámica costera en escalas de mediano y largo plazo. Este parámetro fue calculado a partir del espectro, incluyéndose su magnitud y dirección dentro del conjunto de parámetros descriptores del oleaje en los que se analizó la variabilidad intra- e inter-anual así como las tendencias de largo plazo. La distinción entre sistemas de oleaje de largo plazo, permitió esclarecer y profundizar en el clima de olas, pero también relacionarlo con aspectos climáticos de mayor escala. En este sentido, los sistemas se utilizaron para explorar el vínculo con patrones climáticos de reconocida influencia en la zona, y se delimitaron las zonas del océano Atlántico involucradas con la generación del oleaje que conforma cada sistema. Por último se implementó un método basado en inferencia Bayesiana, para ser utilizado en la reducción de escala de un hindcast de oleaje a un sitio donde se dispone de una serie de mediciones de corto plazo. El algoritmo propuesto permite calibrar automáticamente los parámetros del modelo de propagación utilizado en la reducción de escala del hindcast. A su vez, este tipo de algoritmos consideran la incertidumbre asociada al desconocimiento del valor de los parámetros del modelo como una variable aleatoria, y los caracterizan con una función de distribución de probabilidad, la cual ajustan en función de las observaciones disponibles. La caracterización de los parámetros en estos términos, permite a posteriori estimar directamente la incertidumbre en los resultados del modelo. El método propuesto incluye aspectos novedosos orientados: a hacerlo más eficiente; a incluir el tratamiento de la incertidumbre asociada a los forzantes; y a la consideración de los espectros en la evaluación de la performance del modelo. Dado que el algoritmo empleado recurre a simulaciones de Monte Carlo, para viabilizar su aplicación en el contexto de un proyecto de ingeniería, la metodología propuesta incluyó etapas tendientes a reducir el costo computacional de cada simulación individual así como a disminuir la cantidad necesaria de simulaciones totales, sin que esto afecte los resultados finales. En lo que refiere a los forzantes, se identificó que sus errores son una fuente de incertidumbre en los resultados del modelo, con similar o mayor peso que la asociada a la elección de los valores de los parámetros del modelo. En este sentido, se propuso incluir el tratamiento de ambas fuentes de incertidumbre en un mismo marco de referencia. Para ello, se definió un modelo de corrección del forzante cuyos parámetros reciben, por parte del algoritmo de calibración, el mismo tratamiento que los parámetros del modelo. Finalmente, se definió un error espectral para cuantificar las diferencias entre modelo y observación, el cual fue incluido en la función objetivo del algoritmo de calibración para orientarlo en la búsqueda de una configuración del modelo que mejore integralmente su performance. La metodología propuesta se aplicó a un caso de estudio en la costa Atlántica de Uruguay, donde se cuenta con una serie de varios meses de mediciones de oleaje. Demostrándose su uso para llevar al sitio costero de interés, los datos del hindcast global ERA-Interim. |
eu_rights_str_mv | openAccess |
format | doctoralThesis |
id | COLIBRI_3a4755dc64adbd53d97b2f42a0185d01 |
identifier_str_mv | Alonso Hauser, R. Modelación y análisis de oleaje : desarrollos metodológicos y su aplicación al caso de Uruguay [en línea]. Tesis de doctorado. Montevideo : Udelar. FI. IMFIA, 2020 1688-2776 |
instacron_str | Universidad de la República |
institution | Universidad de la República |
instname_str | Universidad de la República |
language | spa |
language_invalid_str_mv | es |
network_acronym_str | COLIBRI |
network_name_str | COLIBRI |
oai_identifier_str | oai:colibri.udelar.edu.uy:20.500.12008/26559 |
publishDate | 2020 |
reponame_str | COLIBRI |
repository.mail.fl_str_mv | mabel.seroubian@seciu.edu.uy |
repository.name.fl_str_mv | COLIBRI - Universidad de la República |
repository_id_str | 4771 |
rights_invalid_str_mv | Licencia Creative Commons Atribución - No Comercial - Sin Derivadas (CC - By-NC-ND 4.0) |
spelling | Alonso Hauser Rodrigo, Universidad de la República (Uruguay). Facultad de Ingeniería.Río de la Plata, Uruguay.2021-02-19T15:56:42Z2021-02-19T15:56:42Z2020Alonso Hauser, R. Modelación y análisis de oleaje : desarrollos metodológicos y su aplicación al caso de Uruguay [en línea]. Tesis de doctorado. Montevideo : Udelar. FI. IMFIA, 20201688-2776https://hdl.handle.net/20.500.12008/26559Este trabajo se plantea como una contribución a las tareas de modelación y análisis necesarias para proveer información de oleaje a las actividades de ingeniería y ciencia que se desarrollan en la zona costera y el espacio marítimo. Específicamente, se trabajó con la generación de datos de oleaje a partir de simulaciones en modo hindcast y la síntesis e interpretación de los mismos en términos climatológicos. Los problemas abordados derivan de: i) modelar oleaje en ambientes complejos a los efectos de realizar un hindcast de alta resolución y alta calidad; ii) reducir la escala de un hindcast desde aguas profundas a un sitio costero cuantificando la incertidumbre asociada a este procedimiento; y iii) maximizar el aprovechamiento de los espectros de oleaje para caracterizar y comprender la climatología del oleaje a lo largo de la costa. En este sentido, se propusieron desarrollos metodológicos que aportan en estos tres ítems y cuya aplicación permitió mejorar tanto cualitativamente como cuantitativamente la información de oleaje disponible para Uruguay En primer lugar se realizó un hindcast de oleaje para Uruguay con foco en el Río de la Plata, el cual se complementó con el análisis de la distribución espacial del peso relativo de los distintos procesos involucrados en la transformación del oleaje en la zona. El Río de la Plata es un ambiente estuarino cuyas particularidades complejizan la modelación. Estas dificultades están asociadas a factores como la incidencia de la hidrodinámica del estuario en la transformación del oleaje que se propaga en él, la relevancia que adquieren los procesos de interacción con el fondo debido a la poca profundidad, y la relevancia del proceso de generación del oleaje en zonas de predomino del oleaje local. Para afrontarlas, se incorporaron campos de corrientes y niveles de mar no estacionarios en la modelación, y se contempló al proceso de disipación de energía por interacción con el fondo en la etapa de calibración. Posteriormente, a partir del modelo calibrado se realizaron experimentos numéricos para analizar la importancia relativa que tienen distintos procesos en la transformación del oleaje en la zona de estudio. Este tipo de experimento consiste en desactivar el proceso a analizar, dejando todo el resto tal como fue utilizado en el hindcast. Luego, para cada punto de grilla, se contrastan los resultados obtenidos con los del hindcast (i.e. resultados de referencia), lo cual posibilita la visualización de la distribución espacial del impacto en los resultados del modelo de no considerar un determinado proceso. Esto permitió observar la relevancia de la disipación por fricción de fondo en todo el Río de la Plata medio e interior, mostró que la influencia de la disipación por rotura inducida por el fondo está limitada a los alrededores de los grandes bancos de arena del estuario, permitió ver que la influencia de las corrientes se extiende a la plataforma continental en las zonas donde hay concentración de flujo, así como apreciar el alcance del mar de fondo dentro del estuario. A partir de las series temporales de espectros bidimensionales de oleaje generadas en el hindcast en nodos equidistantes entre ellos y próximos a la costa, se realizó un análisis climatológico en base a un abordaje que combina el análisis de parámetros integrales, espectros promediados y sistemas de oleaje. Este análisis permitió explicar la transición gradual del clima de olas entre dos ambientes significativamente distintos como los que conforman los dos extremos de la costa uruguaya. Por un lado, una costa abierta al océano, y por otro una costa en la zona interior de un estuario. Al centrarse en el área costera y con el propósito de brindar un insumo para la gestión de la misma, se prestó particular atención al flujo medio de energía del oleaje por su contribución a explicar la dinámica costera en escalas de mediano y largo plazo. Este parámetro fue calculado a partir del espectro, incluyéndose su magnitud y dirección dentro del conjunto de parámetros descriptores del oleaje en los que se analizó la variabilidad intra- e inter-anual así como las tendencias de largo plazo. La distinción entre sistemas de oleaje de largo plazo, permitió esclarecer y profundizar en el clima de olas, pero también relacionarlo con aspectos climáticos de mayor escala. En este sentido, los sistemas se utilizaron para explorar el vínculo con patrones climáticos de reconocida influencia en la zona, y se delimitaron las zonas del océano Atlántico involucradas con la generación del oleaje que conforma cada sistema. Por último se implementó un método basado en inferencia Bayesiana, para ser utilizado en la reducción de escala de un hindcast de oleaje a un sitio donde se dispone de una serie de mediciones de corto plazo. El algoritmo propuesto permite calibrar automáticamente los parámetros del modelo de propagación utilizado en la reducción de escala del hindcast. A su vez, este tipo de algoritmos consideran la incertidumbre asociada al desconocimiento del valor de los parámetros del modelo como una variable aleatoria, y los caracterizan con una función de distribución de probabilidad, la cual ajustan en función de las observaciones disponibles. La caracterización de los parámetros en estos términos, permite a posteriori estimar directamente la incertidumbre en los resultados del modelo. El método propuesto incluye aspectos novedosos orientados: a hacerlo más eficiente; a incluir el tratamiento de la incertidumbre asociada a los forzantes; y a la consideración de los espectros en la evaluación de la performance del modelo. Dado que el algoritmo empleado recurre a simulaciones de Monte Carlo, para viabilizar su aplicación en el contexto de un proyecto de ingeniería, la metodología propuesta incluyó etapas tendientes a reducir el costo computacional de cada simulación individual así como a disminuir la cantidad necesaria de simulaciones totales, sin que esto afecte los resultados finales. En lo que refiere a los forzantes, se identificó que sus errores son una fuente de incertidumbre en los resultados del modelo, con similar o mayor peso que la asociada a la elección de los valores de los parámetros del modelo. En este sentido, se propuso incluir el tratamiento de ambas fuentes de incertidumbre en un mismo marco de referencia. Para ello, se definió un modelo de corrección del forzante cuyos parámetros reciben, por parte del algoritmo de calibración, el mismo tratamiento que los parámetros del modelo. Finalmente, se definió un error espectral para cuantificar las diferencias entre modelo y observación, el cual fue incluido en la función objetivo del algoritmo de calibración para orientarlo en la búsqueda de una configuración del modelo que mejore integralmente su performance. La metodología propuesta se aplicó a un caso de estudio en la costa Atlántica de Uruguay, donde se cuenta con una serie de varios meses de mediciones de oleaje. Demostrándose su uso para llevar al sitio costero de interés, los datos del hindcast global ERA-Interim.Submitted by Ribeiro Jorge (jribeiro@fing.edu.uy) on 2021-02-18T21:40:05Z No. of bitstreams: 2 license_rdf: 23149 bytes, checksum: 1996b8461bc290aef6a27d78c67b6b52 (MD5) Alo20.pdf: 32299110 bytes, checksum: ec41d9ddc3b582188794236ed09c73a8 (MD5)Approved for entry into archive by Machado Jimena (jmachado@fing.edu.uy) on 2021-02-19T15:48:17Z (GMT) No. of bitstreams: 2 license_rdf: 23149 bytes, checksum: 1996b8461bc290aef6a27d78c67b6b52 (MD5) Alo20.pdf: 32299110 bytes, checksum: ec41d9ddc3b582188794236ed09c73a8 (MD5)Made available in DSpace by Luna Fabiana (fabiana.luna@fic.edu.uy) on 2021-02-19T15:56:42Z (GMT). No. of bitstreams: 2 license_rdf: 23149 bytes, checksum: 1996b8461bc290aef6a27d78c67b6b52 (MD5) Alo20.pdf: 32299110 bytes, checksum: ec41d9ddc3b582188794236ed09c73a8 (MD5) Previous issue date: 2020137 p.application/pdfesspaUdelar.FI.Las obras depositadas en el Repositorio se rigen por la Ordenanza de los Derechos de la Propiedad Intelectual de la Universidad de la República.(Res. Nº 91 de C.D.C. de 8/III/1994 – D.O. 7/IV/1994) y por la Ordenanza del Repositorio Abierto de la Universidad de la República (Res. Nº 16 de C.D.C. de 07/10/2014)info:eu-repo/semantics/openAccessLicencia Creative Commons Atribución - No Comercial - Sin Derivadas (CC - By-NC-ND 4.0)OleajeWAVEWATCH IIIHindcastRio de la PlataCosta Atlantica de UruguayClimatologiaSistemas de oleajeMetodos BayesianosCadenas de Markov Montecarlo (MCMC)Error espectralAnalisis de incertidumbreCaracterización de incertidumbre en modelosCalibración automáticaClima de olasModelación y análisis de oleaje : desarrollos metodológicos y su aplicación al caso de Uruguay.Tesis de doctoradoinfo:eu-repo/semantics/doctoralThesisinfo:eu-repo/semantics/acceptedVersionreponame:COLIBRIinstname:Universidad de la Repúblicainstacron:Universidad de la RepúblicaAlonso Hauser, RodrigoSolari, SebastiánUniversidad de la República (Uruguay). Facultad de Ingeniería.Doctor en Ingeniería (Mecánica de los Fluídos Aplicada)LICENSElicense.txtlicense.txttext/plain; charset=utf-84267http://localhost:8080/xmlui/bitstream/20.500.12008/26559/5/license.txt6429389a7df7277b72b7924fdc7d47a9MD55CC-LICENSElicense_urllicense_urltext/plain; charset=utf-850http://localhost:8080/xmlui/bitstream/20.500.12008/26559/2/license_urla006180e3f5b2ad0b88185d14284c0e0MD52license_textlicense_texttext/html; charset=utf-838616http://localhost:8080/xmlui/bitstream/20.500.12008/26559/3/license_text36c32e9c6da50e6d55578c16944ef7f6MD53license_rdflicense_rdfapplication/rdf+xml; charset=utf-823149http://localhost:8080/xmlui/bitstream/20.500.12008/26559/4/license_rdf1996b8461bc290aef6a27d78c67b6b52MD54ORIGINALAlo20.pdfAlo20.pdfapplication/pdf32299110http://localhost:8080/xmlui/bitstream/20.500.12008/26559/1/Alo20.pdfec41d9ddc3b582188794236ed09c73a8MD5120.500.12008/265592021-02-19 12:56:42.666oai:colibri.udelar.edu.uy:20.500.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Universidadhttps://udelar.edu.uy/https://www.colibri.udelar.edu.uy/oai/requestmabel.seroubian@seciu.edu.uyUruguayopendoar:47712024-07-25T14:34:05.243445COLIBRI - Universidad de la Repúblicafalse |
spellingShingle | Modelación y análisis de oleaje : desarrollos metodológicos y su aplicación al caso de Uruguay. Alonso Hauser, Rodrigo Oleaje WAVEWATCH III Hindcast Rio de la Plata Costa Atlantica de Uruguay Climatologia Sistemas de oleaje Metodos Bayesianos Cadenas de Markov Montecarlo (MCMC) Error espectral Analisis de incertidumbre Caracterización de incertidumbre en modelos Calibración automática Clima de olas |
status_str | acceptedVersion |
title | Modelación y análisis de oleaje : desarrollos metodológicos y su aplicación al caso de Uruguay. |
title_full | Modelación y análisis de oleaje : desarrollos metodológicos y su aplicación al caso de Uruguay. |
title_fullStr | Modelación y análisis de oleaje : desarrollos metodológicos y su aplicación al caso de Uruguay. |
title_full_unstemmed | Modelación y análisis de oleaje : desarrollos metodológicos y su aplicación al caso de Uruguay. |
title_short | Modelación y análisis de oleaje : desarrollos metodológicos y su aplicación al caso de Uruguay. |
title_sort | Modelación y análisis de oleaje : desarrollos metodológicos y su aplicación al caso de Uruguay. |
topic | Oleaje WAVEWATCH III Hindcast Rio de la Plata Costa Atlantica de Uruguay Climatologia Sistemas de oleaje Metodos Bayesianos Cadenas de Markov Montecarlo (MCMC) Error espectral Analisis de incertidumbre Caracterización de incertidumbre en modelos Calibración automática Clima de olas |
url | https://hdl.handle.net/20.500.12008/26559 |