Usando modelado hidráulico en 2D junto con SfM y YouTube para estimar caudal pico

Abstract

espanolA pesar de los grandes danos causados por los eventos de lluvia de El Nino-Oscilacion del Sur (ENSO), sigue habiendo una escasez de registros de caudales de inundaciones repentinas en Manta, una de las ciudades mas grandes de Ecuador. Para abordar tal brecha de datos, esta investigacion presenta una nueva linea de flujo de trabajo para hacer uso de datos de fuentes multiples; en especifico, combinamos modelos hidraulicos bidimensionales (2D) convencionales con Structure-from-Motion (SfM) y videos de YouTube para obtener estimaciones indirectas fiables de caudal maximo para un rio efimero no aforado. Las estimaciones se realizan posterior a las inundaciones. Se obtuvo un modelo de elevacion digital (DEM) de resolucion submetrica del tramo del rio utilizando SfM; los niveles de agua maximos observados de los videos de YouTube se compararon con varias simulaciones hidraulicas en 2D para encontrar el mejor ajuste dentro de 0.43 m. Las observaciones de la velocidad del agua confirmaron esas estimaciones de caudal. La investigacion en este documento indica que los flujos de trabajo novedosos que incluyen datos de codigo abierto disponibles gratuitamente en las plataformas de redes sociales pueden proporcionar estimaciones indirectas de caudales maximos y, en lo posterior, pueden convertirse en una herramienta para gestion de riesgo de inundaciones. EnglishDespite the major damages caused by El Nino South Oscillation (ENSO) rainfall events, there remains a paucity of discharge records for flash floods in Manta, one of Ecuador’s largest cities. To address this data gap, this research presents a new workflow pipeline to make use of crowd-sourced data; specifically, we couple conventional two dimensional (2D) hydraulic modelling with Structure-from-Motion (SfM) and YouTube videos to obtain reliable post-flood, indirect estimates of peak discharge for an ungauged ephemeral river. A sub-metre-resolution Digital Elevation Model (DEM) of the river reach was obtained using SfM; the estimated “observed” high water levels from YouTube videos were compared against several 2D hydraulic simulations to find the best fit of 0.43 m. Water velocity observations confirmed these discharge estimates. The research herein indicates that novel workflows, including open-source data freely available on social media platforms, can provide indirect peak discharge estimates and, looking further ahead, can become a tool for flood risk management.