XXIII C ON G R E S O N A C I O N A L AMH DE H I D R Á U LI C A PUERTO VALLARTA, JALISCO, MÉXICO, OCTUBRE 2014 AMH ESTIMACIÓN DE LA VULNERABILIDAD POR INUNDACIÓN BAJO CONDICIONES DE AMENAZAS INCIERTAS López López Edgar Eduardo, Rodríguez Rincón Juan Pablo y Pedrozo Acuña Adrián Instituto de Ingeniería, Universidad Nacional Autónoma de México. Circuito Escolar S/N, Edificio 5, Ciudad Universitaria, Del. Coyoacán, México D.F., México. C.P. 04510 [email protected], [email protected], [email protected] Introducción Las inundaciones extremas son poco frecuentes y muy difíciles de predecir; en la actualidad los modelos existentes no siempre pronostican de forma adecuada estos fenómenos. Sin embargo, es posible mejorar los resultados de pronóstico de estos modelos, a través de su uso combinado con información obtenida por medio de herramientas de percepción remota (ej. satélites, radares hidrológicos, etc.), esta información tiene una creciente disponibilidad de datos espaciales que son accesibles a nivel mundial y libremente (Di Baldassarre and Uhlenbrook 2012). A pesar de estos avances, cada etapa del proceso de modelado de eventos de inundación induce errores, por ejemplo, fallas en las observaciones y en la habilidad de los modelos para representar la realidad (Pappenberger et al. 2005). Es por ello, que estudios recientes han comenzado a explorar la implementación de metodologías probabilistas que consideran a la incertidumbre en la estimación tanto de avenidas extraordinarias (Shrestha and Solomatine 2008), como en el cálculo de áreas de afectación por inundaciones (Rodriguez-Rincon et al. 2012; PedrozoAcuña et al. 2013). Dentro de este contexto, es importante revisar el impacto de utilizar información que no siempre es confiable para la toma de decisiones. De esta manera, el trabajo de investigación propuesto tiene como objetivo principal ilustrar la influencia de esta incertidumbre en la determinación de cierto nivel de vulnerabilidad ante un evento de inundación extrema. Para ello, se utiliza una metodología probabilista que permite la caracterización de la amenaza (e.g. hidrograma de diseño) a través de N eventos; los resultados identificarán los diferentes niveles de vulnerabilidad que se podrían esperar para un evento de diseño dado. Para ello, se utilizarán los datos de un evento de inundación reciente que corresponde al desbordamiento del río La Sabana, como resultado de la incidencia de la tormenta tropical Manuel en septiembre de 2013. Este tipo de metodologías coadyuvan en la estimación del riesgo por inundación en zonas urbanas, tomando en cuenta la ocurrencia de eventos posibles o históricos así como características de cierta infraestructura expuesta. El marco de trabajo empleado en el presente estudio comprende la utilización de un enfoque de modelación escalonada compuesto por un modelo de predicción numérica del tiempo (NWP), un modelo de precipitación-escorrentía y un modelo hidrodinámico 2D así como la representación numérica del terreno mediante una nube de puntos LiDAR de alta resolución (INEGI 2008). La incertidumbre es considerada en el modelo WRF utilizando una técnica de conjunto multi-física de dieciséis diferentes esquemas de parametrización, este tipo de metodología se basa en los sistemas de predicción por ensambles (EPS) ampliamente utilizados en los pronósticos meteorológicos. Los resultados de este trabajo, reflejados en llanuras de inundación son utilizados para la caracterización de zonas vulnerables en función de los tirantes máximo y mínimo del ensamble. Zona de estudio La zona de estudio presentada en este trabajo es delimitada por la llanura de inundación asociada al río La Sabana en inmediaciones de la ciudad de Acapulco, estado de Guerrero (Ilustración 1). Históricamente la población de la zona noreste de la ciudad de Acapulco, se ha visto afectada por inundaciones, principalmente como consecuencia de precipitaciones pluviales, eventos hidrometeorológicos que han generado crecientes significativas del río La Sabana y en algunas ocasiones el desbordamiento del mismo. Precisamente, en septiembre de 2013, México sufrió la incidencia simultánea de dos tormentas tropicales, la tormenta tropical Manuel en el Pacífico y el huracán Ingrid en el Golfo de México, estos dos fenómenos generaron gran cantidad de lluvias entre el 13 y 20 de septiembre en esta región (~ 700 mm / 48 horas), lo que tuvo como consecuencia el desbordamiento del río afectando principalmente el complejo turístico de Acapulco-Diamante. Ilustración 1. Delimitación de la zona de estudio. AMH XXIII C ON G R E S O N A C I O N A L DE H I D R Á U LI C A PUERTO VALLARTA, JALISCO, MÉXICO, OCTUBRE 2014 Estimación de ensambles; para un evento meteorológico extremo Modelo meteorológico En el trabajo propuesto se considera la utilización de ensambles EPS de los resultados de modelaciones climáticas obtenidas por medio de un modelo numérico meteorológico; el WRF (Weather Research and Forecasting model), WRF es un modelo de tipo no-hidrostático regional que resuelve las ecuaciones primitivas de la circulación atmosférica. El modelo representa el estado de la atmósfera en una retícula o red tridimensional que sigue la topografía en términos de las variables; temperatura, presión, humedad y tres componentes de viento. En términos generales el modelo WRF es una herramienta capaz de representar el estado de la atmósfera y predecir la precipitación asociada a un fenómeno meteorológico (Dudhia et al. 2008). Para representar adecuadamente el evento completo de precipitación, se simuló el periodo del 12 al 20 de septiembre de 2013, en dos dominios numéricos anidados de diferente resolución: el Dominio 1 con un tamaño de malla de 20 km, y el Dominio 2 con tamaño de malla de 4km. Como datos de entrada, se utilizaron los datos del Análisis Final Global (Global Final Analysis, FNL) a intervalos de 6 horas, suministrados por el Centro Norteamericano para Predicción del Medio Ambiente (National Center for Environmental Prediction, NCEP). Dentro del sistema de modelado con el modelo WRF, el uso de diferentes parametrizaciones permite la creación de un ensamble que limita la incertidumbre en las predicciones. El ensamble multi-fisica, para este caso de estudio, se realizó siguiendo algunas recomendaciones encontradas en la literatura para pronóstico de lluvias extremas (Bukovsky and Karoly 2009; Evans et al. 2012; Efstathiou et al. 2013; Cintineo et al. 2014), y otros estudios de la atmósfera en la región (López-Espinoza et al. 2012). La ilustración 2 muestra cada modelación realizada donde se describe la precipitación acumulada para el periodo mencionado. Es evidente la precipitación en la región sur de México, donde se registraron los valores mayores (~600 mm) por causa de la tormenta tropical Manuel. AMH Modelo hidrológico El modelo hidrológico utilizado para la generación de los hidrogramas en el río La Sabana es el Modelo para Pronóstico de Escurrimiento (MPE) desarrollado en el Instituto de Ingeniería de la Universidad Nacional Autónoma de México, el cual pronostica los escurrimientos de una cuenca mediante un modelo de parámetros distribuidos (Domínguez et al. 2008). El modelo determina la relación lluvia-escurrimiento basado en el método del Número de Curva del Soil Conservation Service (SCS-CN) (USDA 1972), con una modificación que permite considerar el secado progresivo del suelo después de la ocurrencia de una tormenta, para calcular un hidrograma en cada celda de una malla. El MPE es capaz de reproducir la precipitación media de la cuenca en un hietograma, la lluvia en exceso, las pérdidas asociadas a la evapotranspiración e infiltración y el hidrograma de salida de la cuenca. Una de las ventajas del MPE es la reproducción numérica de los efectos de la evaporación en la saturación del suelo con el tiempo, lo que resulta favorable en simulaciones que duran varios días. Este modelo ha resultado útil en el estudio de otras cuencas en México (Rodriguez-Rincon et al. 2012; Pedrozo-Acuña et al. 2013). Dicho modelo considera información detallada tanto de las características de la cuenca como de datos de lluvia. Específicamente, para determinar el número de curva en la cuenca, se necesitan: el tipo y uso de suelo, edafología y dirección del flujo dentro de la cuenca. Respecto a la lluvia, los datos de entrada del MPE fueron cada uno de los 16 miembros del ensamble del modelo meteorológico, de esta forma es posible propagar la incertidumbre de ese modelo al hidrológico para la estimación de la escorrentía. La ilustración 3 muestra el ensamble hidrológico para la cuenca del río La Sabana, resultante para la tormenta tropical Manuel. Ilustración 3. Resultados de 16 campos de precipitación acumulada, Tormenta Tropical Manuel 2013. Estimación de llanuras de inundación Modelo hidrodinámico Ilustración 2. Resultados de 16 campos de precipitación acumulada, Tormenta Tropical Manuel 2013. Para llevar a cabo la estimación de las llanuras de inundación asociadas a los hidrogramas mínimo y máximo característicos del evento hidrometeorológico Manuel, se utilizó el modelo hidrodinámico MIKE21. Dicho modelo considera la solución numérica de las ecuaciones promediadas de Reynolds en dos dimensiones, asumiendo hipótesis de incompresibilidad, XXIII C ON G R E S O N A C I O N A L AMH DE H I D R Á U LI C A PUERTO VALLARTA, JALISCO, MÉXICO, OCTUBRE 2014 suposiciones de flujo de Boussinesq y presión hidrostática. Esta herramienta desarrollada por el Danish Hydraulic Institute (DHI, 2012) resuelve las ecuaciones de continuidad, cantidad de movimiento, temperatura, salinidad, y densidad, y tiene un esquema de cierre de turbulencia. Una vez estimados y definidos los dos hidrogramas característicos para el río La Sabana, es necesario considerar la información topo-batimétrica, a fin de obtener una malla numérica lo suficientemente detallada y estable para la correcta simulación de flujos de inundación dentro de la zona en estudio. Esta malla comprende la discretización numérica de la información de elevaciones y profundidades para la región delimitada. En primer término, para la definición de las elevaciones del terreno, se construyó un Modelo Digital de Elevaciones (MDE) de la zona a partir de datos LiDAR del INEGI, en combinación con datos del Shuttle Radar Topographic Mission de la Agencia Espacial Estadounidense (NASA, por sus siglas en inglés). AMH tirantes inundables desde 10 cm hasta tirantes de inundación que alcanzaron los 2 o más metros de altura. De igual forma en ambas ilustraciones se visualizan los polígonos representativos de los AGEBs (Áreas Geoestadísticas Básicas) que integran la zona de estudio. Los AGEBs son polígonos generados por el CONEVAL (Consejo Nacional de evaluación de la Política de Desarrollo Social) con el objetivo de mostrar, en colaboración con el Instituto Nacional de Estadística y Geografía (INEGI), una serie de indicadores sobre la población y las viviendas, los cuales son utilizados en este trabajo para determinar el nivel de vulnerabilidad asociado a la zona de estudio. El objetivo del modelo hidrodinámico es entre otras variables determinar las llanuras de inundación asociadas con los dos hidrogramas de entrada, ambos asociados a la información hidrometeorológica obtenida, en la modelación en cascada propuesta. En la Tabla 1 se documentan los gastos estimados para los hidrogramas mínimo y máximo considerados en la modelación hidrodinámica. Tabla 1. Gastos estimados para los hidrogramas mínimo y máximo en el río La Sabana. 1 Mínimo (m3/s) 0.00 Máximo (m3/s) 0.00 2 8.48 0.27 No. 3 58.97 1.30 4 1,017.13 66.31 5 2,532.72 722.24 6 2,377.87 1,495.69 7 1,796.48 954.17 8 570.96 281.44 9 151.75 70.36 10 102.91 17.59 11 32.79 4.40 Ilustración 4. Llanura de inundación asociada al hidrograma mínimo. Para la modelación de llanura inundable empleando el hidrograma máximo (Ilustración 5), destaca las afectaciones en prácticamente toda la zona destinada al aeropuerto. Resultados de las llanuras de inundación De acuerdo al tránsito de los gastos asociados con cada hidrograma es posible obtener los tirantes de inundación para el evento hidrometeorológico documentado en este trabajo. Con la intención de identificar tanto cualitativamente como cuantitativamente la distribución geográfica de las llanuras de inundación es necesario hacer uso de sistemas de información geográfica, con ello se logra identificar puntual y espacialmente las llanuras o planicies susceptibles de presentar algún nivel de inundación tras la modelación de los hidrogramas aquí documentados. Con base en lo anterior, en las ilustraciones 4 y 5 se representan las distribuciones espaciales de las llanuras de inundación asociadas a los hidrogramas mínimo y máximo, respectivamente. En ambas ilustraciones se emplea una degradación visual en color azul para representar el rango de Ilustración 5. Llanura de inundación asociada al hidrograma máximo. XXIII C ON G R E S O N A C I O N A L AMH DE H I D R Á U LI C A PUERTO VALLARTA, JALISCO, MÉXICO, OCTUBRE 2014 AMH De acuerdo con la estimación de los tirantes de inundación reflejados en las ilustraciones 4 y 5 resulta trascendente dejar expuesto el nivel de incertidumbre asociado al considerar la evaluación del hidrograma máximo o emplear el mínimo, ya que la superficie inundable tras la modelación de ambos hidrogramas representa una diferencia de casi 20 km2 aproximadamente. En otras palabras, la incertidumbre asociada entre ambos hidrogramas representa un incremento del 200% de llanura inundable. Un análisis como el presentado en este apartado hace posible detectar aquellas zonas y áreas urbanas susceptibles de inundación donde posiblemente se puedan generar implicaciones tanto económicas como sociales. Ello deja la pauta para continuar con el desarrollo entre otras cosas, de acciones estructurales como no estructurales que coadyuven con un óptimo ordenamiento territorial. Caracterización de niveles de vulnerabilidad El enfoque que se ha decidido darle en este trabajo en cuanto a vulnerabilidad se refiere está en función de la presencia de tirantes de inundación dentro de las superficies delimitadas por los AGEBs propensas a recibir cierto nivel de daño, en este caso, el daño está definido como el tirante de inundación que puede presentar un bien expuesto ante la modelación del fenómeno hidrometeorológico Manuel. Ilustración 6. AGEBs inundados producto de la simulación del hidrograma mínimo. Destacar de la Ilustración 6 que tras la modelación del hidrograma mínimo resultaron con cierto nivel de afectación 59 AGEBs. De manera análoga, en la Ilustración 7 son representados los 65 AGEBs que tras la modelación del hidrograma máximo presentaron algún nivel de inundación. Lo anterior deberá interpretarse en cinco niveles de vulnerabilidad (Tabla 2). Por tanto, en función del porcentaje de área inundable en cada AGEB éste representará la vulnerabilidad ante un tirante de inundación. Tabla 2. Vulnerabilidad a nivel AGEB ante un tirante inundable Superficie inundable 0 – 20 % Nivel de vulnerabilidad Muy bajo 20 – 40 % Bajo 40 – 60 % Medio 60 – 80 % Alto 80 – 100 % Muy alto Con base en lo anterior, el nivel de vulnerabilidad definido en este trabajo como Muy bajo representa a aquella superficie propensa de ser inundable desde el 0% al 20% del polígono delimitado como AGEB, en contraste, el nivel de vulnerabilidad Muy alto considera que la superficie será propensa de ser inundada desde el 80% hasta la totalidad de la misma, es decir la inundación podría cubrir el 100% de su extensión territorial. Por lo tanto en la Ilustración 6 se representan esquemáticamente los polígonos definidos como AGEBs que tras la modelación del hidrograma mínimo presentaron algún nivel de vulnerabilidad en función del porcentaje de superficie inundable. Ilustración 7. AGEBs inundados producto de la modelación del hidrograma máximo. Análisis de resultados De acuerdo con el total de polígonos definidos como AGEBs que presentaron algún nivel de inundación y con la intención de llevar a cabo una comparativa en cuanto al porcentaje de área que fue inundable tras la modelación de los dos hidrogramas, en la Tabla 3 se relacionan los 65 AGEBs y su porcentaje de área inundable tanto para la modelación del hidrograma máximo como para el mínimo, de igual forma en la Tabla 3 se presenta en la última columna el porcentaje representativo de la diferencia de la superficie inundable entre la modelación del hidrograma máximo y el mínimo. XXIII C ON G R E S O N A C I O N A L AMH DE H I D R Á U LI C A AMH PUERTO VALLARTA, JALISCO, MÉXICO, OCTUBRE 2014 Tabla 3. Ponderación de áreas inundables a nivel AGEB. Clave AGEB Área AGEB [km2] 11348 6.070 Área inundable hid máx. [%] 77.5 Área inundable hid mín. [%] 14.7 11371 3.316 31.7 21.1 10.5 11386 3.319 22.1 0.0 22.1 11583 1.671 27.7 12.2 15.5 11812 0.856 79.2 73.7 5.6 13575 0.386 51.7 5.8 45.9 13772 2.206 20.2 0.0 20.2 13787 1.311 29.9 0.0 29.9 14501 0.275 59.6 55.6 4.0 14944 4.473 76.5 69.8 6.6 14959 0.159 10.8 5.1 5.7 14982 0.215 29.5 1.7 27.8 14997 0.293 26.9 2.0 24.9 15001 2.398 44.8 21.7 23.1 15815 0.141 87.8 71.7 16.1 15976 0.062 23.2 0.0 23.2 15980 0.193 11.9 9.2 2.7 15995 0.027 56.5 24.1 32.4 16052 0.133 99.1 94.3 4.8 16315 0.054 99.9 97.3 2.7 16334 0.110 99.9 98.1 1.9 16349 0.076 100.0 95.1 4.9 16353 0.066 99.8 32.6 67.1 16368 0.088 82.1 25.0 57.2 16372 0.054 80.1 66.3 13.9 16387 1.067 26.0 0.0 26.0 16391 0.494 82.9 61.0 22.0 16404 0.240 96.4 92.7 3.6 16419 0.083 100.0 95.9 4.5 16461 0.175 99.5 98.9 0.6 16508 0.180 99.9 98.1 1.8 16550 0.045 98.6 98.6 0.0 16565 0.033 100.0 93.3 6.8 16584 0.071 91.5 88.6 2.9 16599 0.088 98.6 97.9 0.7 16669 0.050 98.1 94.8 3.3 16739 0.146 16.7 9.7 6.9 16743 0.074 92.0 55.0 37.0 16758 0.138 84.8 82.5 2.4 16762 0.048 100.0 100.0 0.0 16781 0.074 44.2 0.0 44.2 16796 0.074 67.9 0.8 67.1 16809 0.154 74.7 36.1 38.6 16813 0.104 27.3 0.0 27.3 16828 0.173 12.3 2.7 9.5 16851 0.079 26.2 18.1 8.1 Diferencia [%] 62.8 0.017 Área inundable hid máx. [%] 98.9 Área inundable hid mín. [%] 96.4 16870 0.051 73.8 60.8 16885 0.037 74.1 65.3 8.8 16917 0.063 16.0 0.0 16.0 16936 0.017 85.3 77.9 7.4 16955 0.063 51.5 44.3 7.3 16974 0.044 100.0 98.9 1.4 61795 0.948 29.4 0.0 29.4 64075 0.329 83.1 0.3 82.8 85266 0.856 45.4 6.3 39.1 1358A 1.511 74.0 11.3 62.8 1493A 0.401 42.8 35.5 7.3 1575A 1.014 74.8 38.3 36.5 1600A 0.223 98.2 93.8 4.4 1632A 0.225 86.7 59.0 27.7 1657A 0.183 98.3 95.8 2.5 1689A 0.019 95.5 49.9 45.6 6408A 0.494 77.7 0.0 77.7 8664A 0.014 98.8 6.0 92.8 Clave AGEB Área AGEB [km2] 16866 Diferencia [%] 2.5 13.0 Análisis del nivel de vulnerabilidad Muy Alto Con la intención de dejar reflejado el nivel de vulnerabilidad muy alto, en la Ilustración 8 se representa esquemáticamente en color verde la distribución espacial de los 19 AGEBs que ante la modelación de los dos hidrogramas aquí documentados presentaron una superficie inundada del orden de 80 al 100% de su extensión territorial. Situación que deriva en identificar a esta región como prioritaria en la toma de decisiones y evitar posibles daños tras el paso de fenómenos naturales de características similares a las del evento Manuel. Ilustración 8. AGEBs inundados producto de la simulación del hidrograma máximo. AMH XXIII C ON G R E S O N A C I O N A L DE H I D R Á U LI C A PUERTO VALLARTA, JALISCO, MÉXICO, OCTUBRE 2014 AMH Finalmente, es importante destacar que tras la modelación y estimación de las llanuras de inundación para ambos hidrogramas los tirantes medios máximos calculados, se estimaron para el hidrograma máximo 3.16 m en el AGEB 16550 y 2.59 m para el hidrograma mínimo en el AGEB 1657A (Ilustración 8, polígonos rojo y morado, respectivamente). Ambos AGEBs comprenden dentro de sus límites al Fraccionamiento Las Gaviotas, superficie que de acuerdo a noticias y algunos informes fue de las más afectadas tras el paso del fenómeno hidrometeorológico Manuel. Domínguez, M., G. Esquivel, et al. (2008). "Manual del Modelo para Pronostico de Escurrimiento." Serie Manuales, Instituto de Ingeniería, UNAM. Conclusiones y comentarios Evans, J. P., M. Ekström, et al. (2012). "Evaluating the performance of a WRF physics ensemble over South-East Australia." Climate Dynamics 39(6): 1241-1258. El presente trabajo proporciona escenarios asociados a la modelación de dos hidrogramas (máximo y mínimo) que representan la incertidumbre hidrometeorológica asociada a un evento extremo. El parámetro utilizado para representar un nivel de vulnerabilidad es el porcentaje de área inundable a escala de AGEBs. De acuerdo con lo reflejado en este documento y en base a los resultados obtenidos tras la simulación en cascada, es trascendente la influencia de la incertidumbre asociado a una correcta caracterización de amenaza, prueba de ello es la significativa cifra del 200% de incremento de superficie inundable al considerar una metodología probabilista que caracterice a una amenaza. Estudios como el presente enfatizan una continua investigación y desarrollo en el tema de vulnerabilidad. En este sentido, metodologías como la presentada en este trabajo contribuyen con el avance del estudio y análisis de fenómenos hidrometeorológicos y sus posibles consecuencias. Si bien la metodología presentada en este artículo considera cierta simplificación al evaluar un nivel de vulnerabilidad a escala AGEB. Líneas futuras de trabajo dentro de este ámbito deberán considerar tanto materiales de construcción como sistemas estructurales y de esta manera estimar el riesgo por inundación en la infraestructura expuesta. Resultados como los presentados en este trabajo permiten a través de un nivel de incertidumbre que instituciones o dependencias logren incorporar dentro de la planificación territorial ciertas medidas o acciones que contribuyan con la mitigación de la vulnerabilidad para la zona aledaña al cauce del río La Sabana. Referencias Bukovsky, M. S. and D. J. Karoly (2009). "Precipitation simulations using WRF as a nested regional climate model." Journal of applied Meteorology and Climatology 48(10): 2152-2159. Cintineo, R., J. A. Otkin, et al. (2014). "Evaluating the performance of planetary boundary layer and cloud microphysical parameterization schemes in convectionpermitting ensemble forecasts using synthetic GOES-13 satellite observations." Monthly Weather Review 142(1): 163182. Di Baldassarre, G. and S. Uhlenbrook (2012). "Is the current flood of data enough? A treatise on research needs for the improvement of flood modelling." Hydrological Processes 26(1): 153-158. Dudhia, J., D. Gill, et al. (2008). A description of the advanced research WRF version 3, NCAR technical note, NCAR/TN–475+ STR. Efstathiou, G., N. Zoumakis, et al. (2013). "Sensitivity of WRF to Boundary Layer Parameterizations in Simulating a Heavy Rainfall Event using Different Microphysical Schemes. Effect on Large-Scale Processes." Atmospheric Research. INEGI (2008). "Nube de Puntos LIDAR ajustada al Terreno, Bloque conformado por las cartas 1:50,000: E15A75, E15A76, E15A85, E15A86 del Instituto Nacional de Estadística." Geografía e Informática. López-Espinoza, E., J. Zavala-Hidalgo, et al. (2012). "Weather forecast sensitivity to changes in urban land covers using the WRF model for central Mexico." Atmósfera 25(2): 127-154. Pappenberger, F., K. Beven, et al. (2005). "Cascading model uncertainty from medium range weather forecasts (10 days) through a rainfall-runoff model to flood inundation predictions within the European Flood Forecasting System (EFFS)." Hydrology and Earth System Sciences 9(4): 381393. Pedrozo-Acuña, A., J. P. Rodríguez-Rincón, et al. (2013). "Estimation of probabilistic flood inundation maps for an extreme event: Pánuco River, México." Journal of Flood Risk Management: n/a-n/a. Rodriguez-Rincon, J., A. Pedrozo-Acufia, et al. (2012). "Probabilistic estimation of flood maps: An ensemble approach." Comprehensive Flood Risk Management: Research for Policy and Practice: 183. Shrestha, D. L. and D. P. Solomatine (2008). "Data‐driven approaches for estimating uncertainty in rainfall‐runoff modelling." International Journal of River Basin Management 6(2): 109-122. USDA, S. (1972). "National Engineering Handbook, Section 4: Hydrology." Washington, DC.
© Copyright 2024