Predicción a medio-largo plazo de la evolución de derrames de hidrocarburos en el medio marino

Abstract

RESUMEN: La tesis presenta dos metodologías estocásticas (Cadenas de Markov y Modelo Logístico) para proporcionar la predicción probabilística de un derrame de hidrocarburos a medio-largo plazo (15 días - < 6 meses). La evolución de un derrame está relacionada con las condiciones océano-atmosféricas, la metodología propuesta proporciona predicciones a medio-largo plazo de tales condiciones para simular las trayectorias del derrame de hidrocarburos en el medio marino. La metodología desarrollada se basa en la combinación de extensas bases de datos meteorológicas y oceanográficas, métodos de agrupamiento, metodologías estocásticas y el uso de modelos numéricos de transporte de hidrocarburos. En caso de un accidente, la posible evolución de las condiciones metoceánicas se obtiene utilizando uno de los modelos estocásticos, que proporcionan los posibles patrones de evolución de estas condiciones durante el periodo de predicción. Finalmente, el resultado se utiliza para forzar el modelo de transporte TESEO para caracterizar las trayectorias en términos probabilísticos durante el periodo de predicción seleccionado.

ABSTRACT: The thesis presents two stochastic methodologies (Markov Chain and logistic Model) to provide medium-long term (15 days - < 6 months) probabilistic oil spill forecasts. Since the trajectories of oil spills are related to the ocean-atmospheric conditions, the proposed methodology provides medium-long term forecast of metocean conditions, which are used to simulate the corresponding oil spill trajectories. Therefore, the method is based on the combination of extensive meteorological and oceanographic databases, clustering methods, stochastic methodologies and oil spill numerical modelling. In case of an accident, the possible metocean conditions evolution are obtained by using one of the stochastic models, which provide with the possible patterns of evolution of these conditions during the forecasting period. Finally, the result is used to force the TESEO oil spill transport model to characterize trajectories in probabilistic terms during the forecast period.