Asimilación de datos, validación e integración en gis de un modelo de simulación de incendios forestales
- Autores: Diego Prieto Herráez
- Directores de la Tesis: María Isabel Asensio Sevilla (dir. tes.), J. M. Cascón (codir. tes.), Luis Ferragut Canals (codir. tes.), Manuela Chaves Tolosa (tut. tes.)
- Lectura: En la Universidad de Salamanca ( España ) en 2018
- Idioma: español
- Tribunal Calificador de la Tesis: Manuel Marey Pérez (presid.), Diego González Aguilera (secret.), Gianni Pagnini (voc.)
- Programa de doctorado: Programa de Doctorado en Geotecnologías Aplicadas a la Construcción, Energía e Industria por la Universidad de Salamanca y la Universidad de Vigo
- Materias:
- Texto completo no disponible (Saber más ...)
- Resumen
Esta tesis doctoral se ha desarrollado dentro del contexto de la investigación de la simulación numérica de incendios forestales llevada a cabo dentro del grupo de investigación reconocido SINUMCC (Simulación Numérica y Cálculo Científico) de la Universidad de Salamanca.
En términos generales, el trabajo aquí recogido tiene por objeto continuar el desarrollo del modelo de simulación de incendios forestales PhyFire (Physical Forest Fire Spread) elaborado por el grupo de investigación mediante la integración de nuevas herramientas que mejoren su eficiencia, aplicabilidad y utilidad, a través de los siguientes objetivos: 1. Incorporación de técnicas de asimilación de datos basadas en el empleo del Filtro de Kalman. La asimilación de datos permite mejorar las predicciones obtenidas por el modelo mediante la incorporación de datos observados durante la evolución real del incendio, proporcionando de este modo predicciones más probables en los instantes siguientes.
2. Validación del modelo PhyFire mediante la simulación de fuegos experimentales llevados a cabo bajo condiciones controladas y el uso de técnicas de análisis de sensibilidad global. Estas técnicas permiten determinar los parámetros y variables de entrada del modelo que más influencia tienen en las variables de salida, validando el modelo y facilitando el diseño del procedimiento de ajuste de sus parámetros.
3. Ajuste de parámetros del modelo, mediante el uso de algoritmos de optimización iterativos en los que la función de coste compara la salida del modelo con medidas realizadas sobre fuegos experimentales.
4. Integración en SIG (Sistemas de Información Geográfica) de los modelos PhyFire y HDWind para mejorar su usabilidad y eficiencia al disminuir el tiempo necesario para llevar a cabo la simulación de un incendio real. Se ha creado una herramienta apta para la utilización por los potenciales usuarios, que incorpora toda la información espacial necesaria para llevar a cabo las simulaciones.
5. Simulación de incendios forestales reales, con el objetivo de validar el trabajo realizado.
