Es el título del artículo publicado en la prestigiosa revista Coastal Engineering.

El trabajo fue desarrollado por María Fernanda Estrada como parte de su Magíster en Ingeniería por la PUC, y fue coescrito con los académicos Rodrigo Cienfuegos de la UC, Patricio Catalán de la UTFSM, el investigador de CIGIDEN Alejandro Urrutia y el académico de nuestra Escuela de Ingeniería Oceánica e investigador COSTA-R. Patricio Winkcler.

El resumen del artículo es el siguiente:

Se implementa y evalúa un modelo simplificado que utiliza perfiles topobatimétricos para generar mapas de inundación de tsunamis. El enfoque es una modificación de un método simple (Energy Grade Line Analysis, EGLA) para estimar la inundación de tsunamis, que se encuentra disponible en el código de diseño ASCE/SEI 7-22. La innovación consiste en utilizar el método desde mar a tierra y, en forma iterativa converger a una solución de manera muy eficiente. Por ello, hemos denominado a este método extendido como Forward Energy Grade Line Analysis. FEGLA podría ser utilizado para mejorar la evaluación de amenaza de tsunamis, que en aplicaciones de ingeniería y evacuación se efectúa para uno o pocos escenarios (enfoque determinístico), a un análisis probabilístico que rescata de manera mucho más elaborada la física de la fuente sísmica y los procesos de propagación de tsunamis a la costa.

La metodología modificada se implementa en tres ciudades costeras del centro de Chile (Viña del Mar, Valparaíso y Cartagena-Las Cruces) y se compara con 5400 simulaciones de tsunamis obtenidas mediante un modelo (más complejo pero costoso) basado en las ecuaciones no lineales de onda larga SWE. El parámetro de calibración del FEGLA se basa en el número de Froude, para el cual se prueban tres parametrizaciones y un rango de valores. Los resultados muestran que las diferencias en la estimación del área de inundación entre FEGLA y SWE son tan bajos como el 4%, pero su ejecución demora una mínima fracción de tiempo. Por ende, FEGLA ofrece costes computacionales reducidos en comparación con simulaciones completas de tsunamis, e incluso bajo los necesarios para entrenar otros modelos sustitutos mediante el aprendizaje automático.

El enlace para acceder al artículo es el siguiente:

https://www.sciencedirect.com/science/article/pii/S0378383924002217