Mesa de trabajo ANÁLISIS DEL RIESGO ANTE EL CAMBIO CLIMÁTICO

APLICACIÓN DE UN MODELO MATEMATICO EN LA GESTION DE ACUIFEROS

GENERALIDADESCiudad turística (costera) Argentinapor excelencia, ubicada a 400 km alsur de Buenos Aires, con unapoblación estable de 650.000habitantes. Dicha población puedellegara a duplicarse en meses deverano.Desde sus orígenes, se abastecepara los usos urbano, agrícola eindustrial, exclusivamente delacuífero. Obras Sanitarias S.E(OSSE), es el gestor del recursohídrico en la zona.

La evolución demográfica más importante inició en la década de 1950, con una tasa de 10.000 h/año.

Efectos no deseados:•Descenso de niveles•Intrusión Marina•Abandono de pozos salinizados•Recuperación de nivel en pozos abandonados (inundación de sótanos y afectación de estructuras edilicias)

0

50

100

150

200

250

300

350

1930 1940 1950 1960 1970 1980 1990 2000

Pumping wells Abandoned wells Total wells

Recuperación de niveles en más de 20 m en un área de 25 km2.

Inundación de sótanos (Peroutka & Pedroche, 2008) y deterioro de estructuras de hormigón (Ricci,

2007)

RECUPERACIÓN DE NIVELES EN ÁREAS CON INTRUSIÓN MARINA

InteracciónWATER CLIMATE LAC

OSSE requiere una herramienta, que permita gestionar el recurso hídrico

subterráneo• Limitar el avance de la intrusión salina• Optimizar el uso del Sistema Acueducto

Oeste (SAO). • Modelar la respuesta del acuífero ante

diferentes escenarios de aprovechamiento y condiciones

climatológicas.

FUENTES DE DATOS

¿Qué tenemos?

Modelo conceptualPozos (1913 - !!!!)Datos de caudalTransmisividadesValores de recargaGeologíaTopografía

R_Lod_DtmR_Lod_Dtd

R_Dcp_Dnv

R_Lod_Dcp

R_ALA_DPA

R_LOD_ALA

R_Lod_Dca

R_Lod_Dpm

R_Lod_Dpd

Dpd_Precipitacion_Diaria

Dpd_Fecha

Dpd_Valor_Precipitacion

Dpd_Observaciones

Lod_Lugar_Origen

Lod_Lugar_Origen

Lod_Nombre_Lugar

Lod_Latitud

Lod_Longitud

Lod_Observaciones

Dpm_Precipitacion_Mensual

Dpm_Mes

Dpm_Ano

Dpm_Valor Precipitacion

Dpm_ObservacionesDca_Datos_Caudal_Aforo

Dca_Fecha

Dca_Hora_Inicial

Dca_hora_Final

Dca_Caudal

Dca_Observaciones

Dpa_Parametros

pfb_codigo

pfb_parametro

pfb_valor

pfb_unidad

pfb_observacion

Ala_Analis is_Laboratorio

ala_fecha

ala_Laboratorio

ala_observacion

Dnv_Niveles

Dnv_fecha

Pst_Tipo Nivel

Dnv_Hora

Dnv_Descenso

Dnv_Altura

DnV_Observaciones

Dcp_Datos_Pozo

Dcp_Codigo

Dcp_Nom bre

Dcp_Cota

Dcp_Profundidad

Dcp_Localizacion

Dcp_Fotografia

Dtd_Tem peratura_diaria

Dtd_Fecha

Dtd_Hora

Dtd_Valor

Dtd_Observaciones

Dtm _Temperatura_Mensual

Dtm _Id

Dtm _Mes

Dtm _Ano

Dtm _Valor

Dtm _Observarciones

TRABAJO CONJUNTO CON PERSONAL DE OSSE

RESULTADOS DE LA MODELACIÓN

2346 62

133

303

547

433

332302

251

0

100

200

300

400

500

600

-31 -26 -20 -14 -9 -3 2 8 14 19 25

Máximo 22.041605Mínimo -34.42166138 promedio -0.531559037

Primer aplicación concreta 1er escenario

Que pasa si continuáramos usando el mismo campo de pozos para satisfacer la demanda creciente en los próximos 20 años?

MODELOS CLIMÁTICOS GLOBALESlos modelos CCSM4, CESM1-CAM5 y HadGEM2-CC los que muestran los mejores resultados, siendo en particular el último de ellos el que muestra el mejor ajuste

teniendo en cuenta conjuntamente los distintos análisis.

Para satisfacer la demanda de agua se simularon 20 pozos en la zona de SAN.

Modelo 2016 - 2032

DESCENSO DE NIVELES

Posibles efectos:- Mayores requerimientos de energía.- Se deberían abandonar pozos.- Posible intrusión marina (gradientes muy altos).- Afectación de zonas urbanas.- Año critico 2024.

2do. escenarioModelo al 2037 incluyendo pozos

del SAO

Datos

Información

Conocimiento

sabiduría

Algo lógico, ¿No?

1. Los datos de calidad son clave para la toma de decisiones ante el riesgo climático: que se puede hacer cuando no existen los datos necesarios a nivel local para apoyar dicho proceso?

2. Cuales metodologías o enfoquesrecomendaría para abordar el análisis delriesgo ante el cambio climático de la mejormanera posible y como lo implementaríaconcretamente?

Preguntas guía: