Análisis Histórico del Impacto de Tifones Tropicales en la isla de Guam

Abstract

RESUMEN: La población mundial está creciendo de manera exponencial, se espera que para el año 2100 la cifra ascenderá a 11.2 mil millones de habitantes. Consecuentemente, el número de personas viviendo en zonas expuestas a amenazas meteorológicas también se estima que crezca. En los últimos años millones de personas han sido evacuadas de sus hogares debido al riesgo que estos eventos físico-meteorológicos pueden causar. Los riesgos relacionados con este tipo de eventos extremos dependen de la probabilidad de ocurrencia de la amenaza, de la exposición de la zona y de la vulnerabilidad de la población. El presente estudio se centra en la probabilidad de ocurrencia y en el daño que suponen los fuertes vientos, lluvias y condiciones de mar que traen consigo eventos de estas características sobre la isla de Guam. El uso de una serie de datos de registros históricos obtenidos por medio de un análisis forense previo y procedentes de mediciones presentadas en la base de IBTrACS, que es la base de datos más larga y completa que existe actualmente a disposición del usuario proporcionando información de determinados parámetros a lo largo de la traza del tifón, ha permitido obtener un modelo que permita anticiparse a eventos futuros. El modelo se basa en la generación de unas “damage functions” o funciones de daño que representan la presión barométrica mínima asociada al evento meteorológico (eje de ordenadas) frente a la distancia mínima de aproximación a la isla (eje de abcisas), considerando además los daños producidos (desde eventos que han causado un daño inexistente a eventos que han causado una catástrofe). De tal manera, ante el comienzo del desarrollo de un tifón se podría estimar el daño que va a causar a la población de Guam conociendo su presión mínima barométrica y su distancia mínima de aproximación. Además, los resultados obtenidos indican que hay una estrecha relación entre los tifones más dañinos y su distancia de aproximación a la isla, y se propone considerar este parámetro en la escala de Saffir-Simpson, la cual considera otros muchos parámetros de carácter cualitativo y cuantitativo

ABSTRACT: The world population is growing exponentially and it is expected to reach 11.2 billion by 2100. Consequently, the number of people living in weather-prone areas is also expected to grow. In recent years millions of people have been evacuated from their homes due to the risk that these physical-meteorological events can cause. The risks related to these types of extreme events depend on the probability of occurrence of the hazard, the exposure of the area and the vulnerability of the population. The present study focuses on the probability of occurrence and the damage caused by strong winds, rainfalls and sea conditions that bring such events to the island of Guam. The use of a series of data taken from historical records obtained through previous forensic analysis and on measurements presented in the IBTrACS database, which is the largest and most complete database currently available to the user, providing information on certain parameters along the typhoon's path, has made it possible to obtain a model that allows for the anticipation of future events. The model is based on the generation of some "damage functions" that represent the minimum barometric pressure associated to the meteorological event (ordinate axis) versus the minimum approach distance to the island (abyssal axis), considering also the damages produced (from events that have caused a non-existent damage to events that have caused a catastrophe). Thus, when a typhoon starts to develop, the damage it will cause to the population of Guam could be estimated by having knowledge of its minimum barometric pressure and minimum approach distance. In addition, the results obtained, indicate that there is a close relationship between the most damaging typhoons and their approach distance to the island, and it is proposed that this parameter CAN be considered in the Saffir-Simpson scale, which considers many other qualitative and quantitative parameters.