Introducción
En el Ômbito del ODS 11: Alcanzar que las ciudades y los asentamientos humanos sean inclusivos, seguros, resilientes y sostenibles, la meta 11.5 dice: Dentro de 2030, reducir significativamente el número de muertes causadas por los desastres, incluidos los relacionados con el agua, y de personas afectadas por ellos, y reducir considerablemente las pérdidas económicas directas provocadas por los desastres en comparación del producto interno bruto mundial, haciendo especial énfasis en la protección de los pobres y las personas en situaciones de vulnerabilidad.
Siguiendo en el trabajo de búsqueda y evaluación de indicadores que midan los ODS a nivel municipal, como hemos visto en la nota técnica 6, una de las problemÔticas recurrentes en España es la de las inundaciones provocadas por lluvias torrenciales. Por eso, estamos investigando datos que nos puedan permitir diseñar una ratio para cuantificar de forma clara objetiva el posible perjuicio que el riesgo de inudación entraña.
Con dicha finalidad testaremos los datos estimados sobre zonas con riesgo de inundación del Servicio de Gestión de Emergencias Copernicus - CEMS-Floods y las del SIOSE - Sistema de Información de Ocupación del Territorio. Esto nos deberĆa permitir obtener una tasa de zona residencial inundable para cada municipio.
Los datos del Servicio de Gestión de Emergencias Copernicus - CEMS-Floods
CEMS-Floods dispone de un conjunto de datos globales y paneuropeos de resolución de 3 segundos de arco (90 m aprox) de inundaciones para diferentes escenarios de periodo de retorno (RP) (10, 20, 50, 75 , 100, 200, 500 años). Estos datos se utilizan para producir la capa de mapas de inundaciones a partir de las previsiones.
ĀæQuĆ© es el perĆodo de retorno? Un evento de 10 aƱos de PR tiene una probabilidad 0,1, es decir del 10% de ser igualado o superado en un aƱo cualquiera (probabilidad de superación = 1/periodo de retorno = 1/10). Para un perĆodo de retorno de 100 aƱos, que es el que hemos seleccionado para este trabajo, la probabilidad serĆ” del 1%.
Descripción del dataset
Los mapas globales de riesgo de inundaciones fluviales son un dataset en cuadrĆcula que representa las inundaciones a lo largo de la red fluvial, para siete perĆodos de retorno de inundaciones diferentes. Los datos de caudal fluvial de entrada para los nuevos mapas se generan mediante el modelo hidrológico de código abierto LISFLOOD, mientras que las simulaciones de inundaciones se realizan con el modelo hidrodinĆ”mico LISFLOOD-FP.
LISFLOOD es un modelo que simula el ciclo completo del agua, desde la lluvia hasta llegar a rĆos, lagos y aguas subterrĆ”neas. Simula los efectos combinados de los cambios meteorológicos y climĆ”ticos, el uso del suelo, los cambios socioeconómicos en la demanda de agua, asĆ como las medidas polĆticas para el ahorro de agua o el control de inundaciones. El modelo se utiliza para estudios hĆdricos y climĆ”ticos, asĆ como para la previsión de inundaciones y sequĆas.
LISFLOOD-FP es un modelo hidrodinĆ”mico bidimensional diseƱado especĆficamente para simular inundaciones en llanuras aluviales de una manera computacionalmente eficiente sobre una topografĆa compleja. Es capaz de simular cuadrĆculas de hasta 106 celdas para eventos de inundación dinĆ”micos y puede aprovechar nuevas fuentes de información del terreno provenientes de tĆ©cnicas de teledetección como la altimetrĆa lĆ”ser aerotransportada y el radar interferomĆ©trico satelital. El modelo predice las profundidades del agua en cada celda de la cuadrĆcula en cada paso de tiempo y, por lo tanto, puede simular la propagación dinĆ”mica de las ondas de inundación sobre llanuras aluviales fluviales, costeras y estuarinas. Es un código de investigación no comercial desarrollado como parte de un esfuerzo por mejorar nuestra comprensión fundamental de la hidrĆ”ulica de inundaciones, la predicción de inundaciones y la evaluación del riesgo de inundaciones.
Nuestra elección
Hemos utilizado pues dichos datos para mapear el riesgo de inundaciones en CataluƱa con un perĆodo de retorno de 100 aƱos. Seguramente puede parecer exagerado medir efectos de eventos con ese bajo nivel de probabilidad; sin embargo creemos que puede ser importante por dos razones:
- Nos encontramos en un escenario nuevo: el cambio climĆ”tico pone en crisis las proyecciones sobre datos históricos. Eventos que se consideraban muy improbables hasta hoy podrĆan no serlo tanto, en futuro.
- El tema en si estĆ” muy relacionados con la planificación urbana que debe (o deberĆa) tener un horizonte muy a largo plazo.
Los datos descargados
Los datasets se pueden descargar en formato
.tif
en esta pĆ”gina, donde habrĆ” que elegir el perĆodo de
retorno (RP) y la banda long/lato (la nuestra serĆ” N50,
W0).
Para cada perĆodo de retorno y para cada ficha, estĆ”n disponibles dos mapas de riesgo: uno muestra la profundidad bruta del agua y el otro muestra la profundidad del agua categorizada.
Hay que tener en cuenta que las profundidades de agua muy elevadas pueden ser causadas por limitaciones en el modelo hidrÔulico o por sumideros artificiales. Por parte de los proveedores de los datos, se recomienda precaución al utilizar los valores de profundidad en estas Ôreas. A nosotros este aspecto nos va a afectar poco, ya que el indicador se crearÔ definiendo Ôreas inundables, indipendientemente de la profundidad del agua prevista.
El segundo elemento del indicador
Es evidente que simplemente medir la superficie municipal afectada por eventuales inundaciones es insuficiente para construir el indicador. Como ya destacamos, hay que definir una magnitud cercana a las personas.
En nuestra nota anterior ensayamos la posibilidad de utilizar el Exposure Mapping del Servicio de Gestión de Emergencias de Copernicus para mapear población residente en las celdas del raster del riesgo hidrÔulico. Sin embargo, descubrimos que, para construir nuestro indicador, ese dato es demasiado impreciso e inestable (en situaciones de ausencia de dato puede en cambio ser muy útil).
SIOSE - Sistema de Información de Ocupación del Territorio
Finalmente, decidimos obviar dicha falta utilizando una magnitud que indirectamente nos mida la posibilidad de daños personales y nos permita realizar comparaciones: la extensión del Ôrea residencial afectada. Para ello, hemos utilizado los datos del SIOSE.
TambiĆ©n el Institut CartogrĆ fic i Geològic de Catalunya - ICGC dispone de dichos datos, pero presenta algunas diferencias en la clasificación respecto al SIOSE, con lo cual, hemos utilizado esta fuente, para facilitar, ademĆ”s, la reproducibilidad de nuestra metodologĆa en otras Comunidades Autónomas.
Los datos se pueden descargar en esta pƔgina. En el marco de esta trabajo, utilizamos los datos SIOSE en lugar de los SIOSE AR, porque son mƔs Ɣgiles de descarga, aunque no tan definidos y actualizados.
Las coberturas que se han seleccionado son las estrictamente residenciales, esto es las clasificadas con los CODIIGE 111 - Casco, 112 - Ensanche y 113 - Discontinuo (urbanizaciones y similares), excluyendo todas las demƔs (Ɣrea verde urbana, industrial, servicio dotacional, aeropuerto, etc.), descritas en el manual de descarga (Anexo II).
Una primera visualización de las capas de datos creadas
El siguiente visor es una representación seguramente interesante. Por eso hemos optado por la imagen satelitar para el mapa base, ya que permite observar muy en detalle las situaciones que necesitan mucho acercamiento, jugando con las tres diferentes capas: la capa de inundabilidad, la capa de zonas residenciales, la de los perĆmetros municipales y la ortofoto satelital.
Visor de zonas inundables con perĆodo de retorno de 100 aƱos en zonas residenciales de diferente tipo