Aproximación a la modelación estocástica del viento de turbonadas en la ciudad de Mérida, Yucatán

  • Carlos E. Zetina Moguel UADY
  • Ann Wellens
Palabras clave: Turbonadas, modelos estocásticos, viento, ingeniería, riesgo.

Resumen

Las turbonadas son eventos de tormenta, que en la planicie norte de Yucatán producen afectaciones notables en las áreas urbanas. El objetivo de este trabajo es describir sus características de duración, velocidad y dirección del viento y proponer modelos estocásticos útiles en ingeniería. Se hizo una revisión de notas periodísticas que registraron daños en la infraestructura urbana de la ciudad de Mérida, ocasionados por turbonadas (de 2012 a 2019). Se usaron datos meteorológicos de seis turbonadas (4 de la época de lluvias y 2 de la época de nortes) analizando duración, velocidad y dirección de los vientos. De manera complementaria, se analizaron datos históricos de las velocidades de viento máximas mensuales de 1998 a febrero de 2019. El análisis de las variables incluyó cálculos estadísticos y pruebas de bondad de ajuste de modelos probabilísticos univariados. Se encontró que la duración de las turbonadas puede modelarse con las distribuciones Loglogística y Lognormal (con parámetros = 1.713; = 0.763 y = 0.898; = 0.453, respectivamente) y la velocidad media del viento con la distribución Weibull ( = 1.824 y = 11.540). La velocidad de las rachas de viento se puede modelar con la distribución de valor extremo más grande ( = 27.800 y = 6.973) y la dirección correspondiente con frecuencias relativas acumuladas y secuencias aleatorias con una dirección inicial y probabilidades asociadas al cambio de ángulo de incidencia del viento. Los modelos propuestos tienen un uso potencial en ingeniería estructural y biomecánica experimental.

Biografía del autor/a

Carlos E. Zetina Moguel, UADY
Profesor Inestigador de la FIUADY.

Citas

Alfonso, A. P. (1994), “Climatología de las tormentas locales severas de Cuba. Cronología”, Editorial Academia, La Habana, Cuba.
Bryan G.H. and H. Morrison (2012), Sensitivity of a Simulated Squall Line to Horizontal Resolution and Parameterization of Microphysics. Monthly Weather Review Volume 140. DOI: 10.1175/MWR-D-11-00046.1.
Casanova H. (2018). Graficación Estadística y Visualización de Datos. Vol. 21, No. 3, 2017, ISSN: 2448-8364.
D’Agostino R. B., Stephens M. A. (1986). Goodness-of-Fit Techniques. 1st edition. Marcel Dekker. New York. ISBN: 0-8247-7487-6.
Delignette-Muller M.L. and Dutang C. (2015), fitdistrplus: An R Package for Fitting Distributions. Journal of Statistical Software, 64(4), pp. 1-34.
Delignette-Muller M.L. and Dutang C. (2018). fitdistrplus: An R Package for Fitting Distributions. Paper accepted in the Journal of Statistical Software. https://cran.r-project.org/web/packages/fitdistrplus/vignettes/paper2JSS.pdf (01/Feb/2019).
Futyan, J.M. & Anthony D. Del Genio (2007), "Deep Convective System Evolution over Africa and the Tropical Atlantic", Journal of Climate 20, pp. 5041-5060.
García C.O., H.U. Ramírez, J. Alcalá, A. Meulenert, M. E. García (2007). Investigaciones Geográficas, Boletín del Instituto de Geografía-UNAM 63, pp. 7-16.
Houze R.A (1977). Structure and dynamics of a tropical squall-line system. Monthly weather review 105, pp. 1540-1567.
Horváth A., I. Geresdi, P. Németh, K. Csirmaz and F. Dombai (2008) Numerical modeling of severe convective storms occurring in the Carpathian basin. Atmospheric Research 93, pp. 221–237.
Newton C.W. (1950). Structure and mechanism of the prefrontal squall line. Journal of meteorology 7, pp. 210-222.
Oarda T.B.M.J., C. Charron, J.Y. Shin, P.R. Marpu, A.H. Al-Mandoos, M.H. Al-Tamimi, H. Ghedira and T.N. Al Hosary (2015). Probability distributions of wind speed in the UAE. Energy Conversion and Management 93, pp. 414-434.
Ojeda-Tuz M. (2016). Modelación probabilista de velocidades de viento para el diseño estructural en la península de Yucatán. Tesis de Maestría en Ingeniería. Facultad de Ingeniería-UADY. Mérida, México.
OMM (2010). Comité de huracanes de la AR IV trigésima segunda reunión, Hamilton, Bermudas. RA IV/HC-XXXII/Doc. 6 (2.III.2010). Original: INGLÉS.
Peters, K., and C. Hohenegger (2017): On the Dependence of Squall Line Characteristics on Surface Conditions. J. Atmos. Sci. doi:10.1175/JAS-D-160290.1, in press. doi: 10.1175/JAS-D-16-0290.1
Posselt, D. (2015): A Bayesian Examination of Deep Convective Squall Line Sensitivity to Changes in Cloud Microphysical Parameters. J. Atmos. Sci. doi:10.1175/JAS-D-15-0159.1, in press. doi: 10.1175/JAS-D-15-0159.1
Stull R.B. (1988), An Introduction to Boundary Layer Meteorology, 1st ed. Kluwer Academic Publishers.
Tao W., X. X. Qiu, R. J. Wu, et al. (2019): Role of differences in surface diurnal–nocturnal thermodynamics over complex terrain in a squall line process. J. Meteor. Res. 33(1), pp. 1–17, doi: 10.1007/s13351-0198052-y.
Tamura Y. and S. Cao (2009). Climate Change and Wind-Related Disaster Risk Reduction. https://www.researchgate.net/publication/267411937_Climate_Change_and_Wind-Related_Disaster_Risk_Reduction.
Valencia A., R. Zuluaga y J. Cruz (2013). La Biomecánica de las plantas como referente para el diseño de materiales y estructuras. Revista Colombiana de Materiales N. 5 pp. 1-6. VII Congreso Internacional de Materiales. Medellín, Colombia. file:///C:/Users/caeze/AppData/Local/Packages/Microsoft.MicrosoftEdge_8wekyb3d8bbwe/TempState/Downloads/19408-69262-1-PB%20(1).pdf (fecha de consulta 09-01-2019).
Van der Hoven I. (1957). Power spectrum of horizontal wind speed in the frequency range from 0.0007 to 900 cycles per hour. Journal of Meteorology. 14:160-4.
Zetina-Moguel C.E., Sánchez y Pinto I., González-Herrera R., Osorio-Rodríguez J.H., Barceló-Quintal I.D. y Méndez-Novelo R.I. (2018) Modelación estocástica del nivel freático en pozos de la ciudad de Mérida, Yucatán, México. Ingeniería Vol. 22, No. 2, 2018, ISSN: 2448-
Publicado
2019-09-10
Sección
Artículos de Investigación