El impacto de la corta | Fuzhou COHose Co., Ltd

Scientific Reports volumen 13, número de artículo: 14095 (2023) Citar este artículo

170 Accesos

3 altmétrico

Detalles de métricas

El delta del Cauvery, el "cuenco de arroz" de la India, sigue un patrón de cultivo probado en el tiempo en varias zonas de riego. Sin embargo, en esta era del Antropoceno, ahora está bien establecido que episodios de precipitaciones intensas y de corta duración azotarán las llanuras aluviales año tras año. El propósito de este primer estudio es, por tanto, cuantificar los impactos que tales episodios pueden tener en las llanuras aluviales del delta del Cauvery y las amenazas concomitantes a la histórica presa de Kallanai. Los eventos de precipitación durante el período monzónico del noreste son impulsados no sólo por la microfísica de la lluvia cálida, sino también por grandes hidrometeoros congelados que caen desde nubes profundas y causan inundaciones indeseables en la región en una extensión del 66%. Además, a partir de una evaluación de los cabezales de velocidad y las profundidades del agua de inundación, este estudio proyecta una mayor vulnerabilidad. La extensión total de inmersión a lo largo de las riberas de los ríos y otros caminos de flujo se estimó en 145,98 \({\mathrm{km}}^{2}\) de los cuales el 65,14% del área sumergida es tierra agrícola. El avance conceptual más importante establecido en este documento es que las subzonas de las principales cuencas hidrográficas que actualmente son seguras se inundarán en el escenario de calentamiento RCP8,5 en 2050.

La suficiencia de cereales alimentarios del sur de la India se atribuye principalmente a la gestión de los recursos hídricos en su "distrito Rice Bowl". Durante dos milenios, el delta del Cauvery ha sido un brillante ejemplo de prácticas de riego bien gestionadas con patrocinio real mejorado con ajustes de ingeniería durante el Raj. La obra maestra de Cholan (siglo I-II d.C.), popularmente llamada 'Presa Kallanai' o Gran Anaicut, es una joya dentro del paisaje palimpsesto del Delta del Cauvery repleto de importancia histórica. Los reyes Chola eran fervientes constructores y eran conocidos en todo el sur de Asia. Este artículo revisa una obra maestra de Cholan, es decir, la presa Kallanai, encargada por el rey Cholan (Rajaraja I), que funciona hasta la fecha regulando el agua en el delta del Cauvery. Es una estructura de desviación de agua por excelencia y se ubica hombro con hombro con estructuras existentes en otros lugares. Los antiguos cimientos de Kallanai consistían simplemente en cantos rodados hundidos y sin labrar de origen local y reforzados con estructuras de dos pisos colocadas estratégicamente de modo que las aguas de las inundaciones durante los períodos monzónicos del suroeste y del noreste disminuyen significativamente su velocidad y se extienden a través de un aliviadero para fomentar el cultivo de arroz en la cuenca que incluye un área de 81,155 \({\mathrm{km}}^{2}\). Sin embargo, este acuerdo podría estar en riesgo debido a la preponderancia de inundaciones extremas de corta duración provocadas por el calentamiento global. La estructura ya había sido dañada una vez por inundaciones, cuya veracidad casi nunca se repitió1. Sin embargo, en los últimos cinco años, la región sufrió dos fuertes inundaciones y se emitieron alertas de inundaciones2,3,4,5,6.

Apenas existen estudios sobre la duración y la intensidad de los episodios de elevadas precipitaciones en la cuenca del Cauvery. Además, los estudios que han explorado el acoplamiento entre los procesos microfísicos y dinámicos para proporcionar pronósticos precisos de extremos futuros son limitados. Se proporciona un discurso de cita bibliográfica sobre dos temas, es decir, insuficiencias relacionadas con los estudios de modelización climática en el sur de la India e insuficiencias relacionadas con la modelización hidrológica.

Estudios fundamentales sobre precipitaciones extremas en la India peninsular, incluidos los trabajos de Roxy et al.7, Singh et al.8 y Ghosh et al.9, han puesto de relieve un aumento en la intensidad de las rachas húmedas en la región. Estos estudios son útiles porque recopilaron información de conjuntos de datos climáticos y de lluvia para explicar las principales condiciones sinópticas y resaltaron la importancia de las respuestas dinámicas para explicar los efectos de las inundaciones. Sin embargo, no han investigado el efecto adverso del calentamiento global en la cuantificación de los recursos hídricos en esta zona. Además, los estudios sobre la duración y la intensidad de los episodios de elevadas precipitaciones en la cuenca de Cauvery son limitados. Goswami et al.10 aplicaron técnicas paleohidrológicas en los tramos superiores de la cuenca Cauvery y encontraron un aumento en los niveles de lluvia que causaron inundaciones extremas en esta región. Otros estudios, incluidos los trabajos de Sushant et al.11, sólo han analizado la variabilidad y las tendencias de las precipitaciones en la cuenca del Cauvery durante el siglo XX (1901-2002), pero no han explicado los patrones de precipitación e inundaciones en las principales zonas de las cuencas. Los episodios de precipitaciones extremas inducidos por el calentamiento del planeta pueden afectar negativamente al cultivo de arroz y banano a través de la inmersión indebidamente prolongada de las llanuras aluviales, con pérdidas económicas estimadas en un 68% de los daños causados por desastres totalmente naturales, y con frecuencia los agricultores se ven obligados a suicidarse12,13.

Sólo unos pocos estudios han explorado el impacto del cambio climático inducido por el hombre en los sitios patrimoniales de todo el mundo. En un estudio reciente de O'Neill et al.14, los autores desarrollaron un marco de evaluación de riesgos que combina simulaciones de modelos climáticos de alta resolución con elicitación de expertos para recopilar información procesable que podría ser utilizada por las partes interesadas relevantes para salvaguardar los bienes del patrimonio cultural. En otro estudio de Kotova et al.15, (2023), los autores utilizaron un conjunto de simulaciones climáticas para analizar variaciones en la climatología de eventos extremos en dos sitios del patrimonio cultural en Alemania. Aunque el estudio anterior proporciona intensidades de precipitación proyectadas para futuros eventos extremos, no proporciona un discurso sobre la evaluación de la vulnerabilidad de las estructuras patrimoniales en la región. Apenas existen estudios sobre la gravedad y el impacto de los fenómenos meteorológicos extremos en los sitios patrimoniales de la India, influenciados principalmente por un escenario de calentamiento.

Los modelos de llanuras aluviales evolucionaron con el tiempo desde modelos agrupados hasta modelos hidrológicos basados físicamente16,17,18. Los modelos hidrológicos recientes han incorporado el uso de modelos digitales de elevación (DEM), sensores remotos y sistemas de información geográfica (SIG)19,20. Aunque estos modelos pueden simular inundaciones en cuencas con pocos parámetros de entrada, su capacidad para predecir con precisión la velocidad del flujo que resulta en inundaciones significativas es bastante limitada21. Los modelos hidrodinámicos pueden usarse como un método alternativo para determinar la hidrografía, la profundidad y la velocidad de las inundaciones para compensar estas deficiencias18. Según Betrie et al.22, uno de los modelos hidrodinámicos más utilizados es el Centro de Ingeniería Hidrológica-Sistema de Análisis de Ríos (HEC-RAS). Hay artículos publicados que predicen precipitaciones extremas e inundaciones utilizando el modelo HEC-RAS. Sin embargo, sólo unos pocos estudios combinan los riesgos de inundaciones cerca de las represas con eventos de fuertes lluvias locales inducidos por el cambio climático. El propósito de este estudio fue investigar los efectos potenciales de los picos de afluencia y las inundaciones posteriores mediante el acoplamiento de un modelo de investigación y pronóstico del tiempo (WRF) ampliamente utilizado con el modelo HEC-RAS para que facilitara el detalle de las profundidades de las inundaciones, áreas potenciales. de perturbaciones y posibles impactos en las comunidades aguas abajo alrededor de la presa Kalanai bajo dos eventos de lluvia extrema: uno reciente en 2022 y el segundo, un evento cálido futuro en 2050.

Este estudio se basa en un estudio de caso real de un evento de precipitación intensa de corta duración durante octubre de 2022. Un modelo climático por primera vez arrojó la naturaleza de la precipitación de las nubes convectivas profundas sobre el Kallanai y encontró que la lluvia estaba mediada igualmente por temperaturas cálidas. Microfísica de la lluvia y el hielo. Se utilizaron intensidades de precipitación modeladas para generar un perfil hidrológico integral de las regiones de Kallanai y Mookumbo del delta de Cauvery (Fig. 2) y mostraron por primera vez que los cabezales de velocidad en las zonas sumergidas están muy por encima del umbral prescrito y es probable que causen represas. incumplimientos. Este caso se contrastó con un escenario climático futuro, es decir, 2050, cuando se espera que la región se caliente aún más en 1,5 \(^\circ \mathrm{C},\), provocando episodios de lluvias intensas de corta duración aún más frecuentes. Aunque las prácticas actuales de gestión de los recursos hídricos han facilitado la suficiencia de cereales alimentarios en el sur de la India, los estudios han demostrado que el calentamiento atmosférico futuro puede aumentar el riesgo de inundaciones al alterar la distribución y la intensidad de las precipitaciones23,24,25,26. Las represas modifican la duración y el momento de las inundaciones mediante técnicas de regulación del agua24. Por lo tanto, se ha vuelto cada vez más importante comprender el papel de las represas en la gestión de eventos de precipitación extrema de corta duración en escenarios climáticos actuales y futuros. Kallanai todavía puede mantenerse sobre antiguas piedras hundidas, pero puede requerir modernización para mantener su robusta capacidad de resistencia a inundaciones, de modo que la agricultura continúe floreciendo, ya que se construyó la presa para desviar el agua de la inundación del Cauvery hacia el río Kollidam (Fig. 2) durante las precipitaciones intensas. eventos cuando el nivel del agua superó la cresta del río27,28. Se informó que durante los días 22 y 23 de agosto de 2018, nueve de las cuarenta y cinco contraventanas de Grand Anaicut (otro nombre de la presa Kallanai) habían sido arrastradas por un diluvio masivo, provocando un fuerte flujo de agua que al mismo tiempo debilitó los muelles contiguos5. 6. Se pidió a los habitantes de las orillas del río Kollidam que se alejaran tras un aumento repentino del nivel del agua.

Del análisis de los registros meteorológicos desde 1950 en adelante, se observa que la frecuencia de precipitaciones intensas (cuando más de 20 \(\mathrm{mm}/\mathrm{h}\)) aumentó marcadamente durante 2015. Mientras que durante los años 50, En los años 60, 70 y 80 la precipitación máxima se produjo durante varios días al mes, durante 2015 y en años posteriores las intensidades a menudo se duplicaron y se limitaron a un máximo de dos picos en 30 días. Esta tendencia está claramente en sincronía con la última observación del IPCC de que la nueva norma será una duración más corta pero con cantidades de lluvia más intensas23. En la Fig. 1, esta tendencia es inmediatamente evidente cuando se compara la precipitación durante octubre en los últimos años (2015, 2019), mostrando menos picos distintos con casi el doble de cantidades de lluvia en comparación con los datos del mismo mes (1958, 1982).

Cantidades de precipitación de octubre obtenidas de data.gov.in. Registros meteorológicos del distrito de Tiruchirapalli durante 1958, 1982, 2015 y 2019. Tenga en cuenta las precipitaciones intensas durante períodos cortos durante 2015 y 2019 (creado con MATLAB R2022a (licencia académica). https://www.mathworks.com).

Lo que actualmente se llama Mukkombu (o Upper Anaicut) es una estructura de 685 \(\mathrm{m}\) de largo construida más recientemente durante el siglo XIX por Sir Arthur Cotton y está a 30 \(\mathrm{kms}\) de distancia. de la presa Kallanai del siglo II construida durante el período Chola. La isla de Srirangam está cerca del Alto Anaicut, entre el delta de Thanjavur, y cientos de aldeas se enfrentan a amenazas inminentes con cada vez más frecuencia. Consulte la Fig. 2 que muestra un mapa que marca Kallanai, Mukkambu, Kaveri, Kollidam y Srirangam y una videografía con drones complementaria (S1) que muestra una descripción general de las partes aguas arriba y aguas abajo de la presa Kallanai.

(a) Imagen de Google Map de la India peninsular que muestra la vista ampliada de la cuenca Kaveri encerrada en un cuadro azul (creada con Origin Pro 2023b (Learning Edition) URL: https://www.originlab.com/). (b) Vista aérea de la presa de Kallanai y la región de la cuenca debajo de ella tomada desde una cámara montada en un dron multirotor. (c) Una vista más cercana del Kallanai (Fotos: Autores).

Las descripciones anteriores atestiguan que a medida que las precipitaciones extremas pero de corta duración se convierten en la nueva norma, el frágil ecosistema alimentado por los antiguos cholans hace dos milenios se está volviendo cada vez más vulnerable debido a las recurrentes amenazas de inundaciones. Dado que varias contraventanas fueron arrastradas por una lluvia monzónica en el Alto Anaicut en el pasado, no está claro hasta qué punto la icónica y antigua presa de Kallanai resistirá las furias de las inundaciones y continuará sirviendo como regulador de agua a lo largo de las fértiles llanuras de Kaveri.

Un estudio anterior realizado por Goswami y sus coautores exploró importantes inundaciones en la cuenca superior de Kaveri debido a tormentas de alta intensidad y corta duración mediante técnicas de datación29. Gupta y Dhanya30 se han basado en información obtenida por satélite junto con datos de lluvia y temperatura para estimar el potencial de inundaciones en partes de la cuenca de Kaveri. Sin embargo, hasta la fecha, no ha habido ningún estudio para caracterizar los atributos microfísicos que causan tales diluvios en esta región, ni tampoco ha habido ningún modelo hidrológico de escenarios presentes y futuros para explorar cuantitativamente las áreas más vulnerables que comprenden tierras de riego y hábitats humanos y, en particular, también las partes más vulnerables del Alto Anaicut y el histórico Kallanai.

Los principales objetivos de este estudio son:

Comprender la caracterización sinóptica y microfísica de un reciente evento de precipitaciones fuertes de corta duración ocurrido en octubre de 2022 y conocer los principales procesos (lluvia cálida sola o junto con la microfísica del hielo) involucrados. Esta separación es crucial porque recientemente se ha descubierto que los procesos del hielo producen gotas de lluvia gigantes con velocidades de impacto más altas31,30,33.

¿Cuál fue la profundidad del agua de la inundación en las regiones río arriba y río abajo a lo largo de ambas represas y cómo se comparan con los umbrales prescritos por el gobierno?

Por último, ¿hasta qué punto existe una amenaza de daños a los cultivos y dónde están las zonas más vulnerables?

La Figura 2b muestra la vista aérea de la presa Kallanai y el área circundante tomada desde diferentes distancias usando una cámara montada en un dron multirotor. En la Fig. 2b, también se observan inundaciones río arriba mediadas por el aumento del nivel del agua, sumergiendo la tierra agrícola a ambos lados del embalse.

La región de estudio en cuestión recibió intensas lluvias durante octubre de 2022. Se emitieron alertas de inundaciones a lo largo del río Kollidam, un distribuidor norte del río Cauvery (ver Fig. 2b; 2,3). Los ríos desbordados inundaron los cultivos de arroz y banano en cientos de acres en Panayapuram, Uthamarseeli y Kilikoodu a lo largo de la carretera Kallanai Trichy e invadieron las calles de Nadhalpadugai, Mudhalaimeduthittu y Vellamanal cerca del tramo Kollidam (ver Fig. 2b;2,3).

El esquema del documento es el siguiente:

Primero se describe un evento de precipitación de alta intensidad (5 de octubre de 2022) que causó inundaciones catastróficas en la región de estudio con un discurso meteorológico completo sobre las condiciones sinópticas predominantes.

La morfología de las nubes observada se compara con los resultados de un modelo numérico de predicción meteorológica a escala real, que incluye un esquema microfísico de doble momento con nueve variables de pronóstico para cinco clases de hidrometeoros. A esto le sigue la validación de los atributos microfísicos modelados con observaciones derivadas de satélites.

Se utiliza un modelo de elevación digital (DEM) basado en SIG para demarcar subcuencas en el delta de Cauvery. Se determinan los parámetros hidrológicos, incluidos los números de las curvas, para cuantificar los potenciales de escorrentía de aguas pluviales en cada subcuenca.

Las intensidades de precipitación derivadas de modelos y la información de elevación digital se utilizan para configurar un modelo hidrológico basado en SIG para predecir la profundidad de las inundaciones y las velocidades de descarga en la cuenca en los escenarios de 2022 y 2050 con una evaluación de las amenazas y vulnerabilidades relacionadas con el riego y los asentamientos humanos.

Los estudios sólo han hablado cualitativamente sobre el fracaso de las estructuras de las presas en general, sin vincularlo con las amenazas del cambio climático en un escenario de calentamiento. Además, los estudios sobre el acoplamiento detallado de los modelos climáticos con los modelos hidrológicos son escasos. El presente artículo supera esta falta de cuantificación rigurosa de los riesgos proyectados a través de un protocolo de tres niveles. Primero, se utilizó un modelo de elevación digital basado en SIG para cuantificar variaciones topográficas, patrones de uso de la tierra y mapas de suelos. En segundo lugar, hemos utilizado un modelo climático avanzado de alta resolución probado en el tiempo sobre el delta del Cauvery. Para una caracterización microfísica completa se utiliza un detalle microfísico riguroso que utiliza un esquema de doble momento (en el que se tienen en cuenta las proporciones de mezcla de hidrometeoros y los recuentos numéricos). En tercer lugar, las cantidades de lluvia producidas por hora se combinan con un modelo hidrológico robusto para mapear las llanuras aluviales que abarcan un área cubierta de 7861 \({\mathrm{km}}^{2}\). Esta reducción de escala de tres niveles no sólo es completamente novedosa, sino también el prototipo de modelado más completo posible para una cuantificación definitiva de las inundaciones en el delta del Cauvery en escenarios de calentamiento actuales y futuros. Estos detalles de procedimiento también abordan los grandes significados ambientales y se describen como un breve subtítulo de sección:

La importancia medioambiental de un estudio de este tipo es enorme. No sólo es oportuno sino que también es definitivo porque ha proporcionado detalles del impacto de un reciente evento de precipitación intensa, de corta duración, que aborda la contribución relativa de varias clases de hidrometeoros (hielo, nieve, graupel y nube líquida) sobre Cauvery. Delta. Estos eventos de corta duración causan inundaciones tanto en las regiones aguas arriba como en las regiones aguas abajo de una importante estructura de desviación de agua. Esto afecta al cultivo de arroz y plátanos y a la seguridad de las viviendas habitadas en zonas bajas. Es probable que lo que ocurre ahora se exacerbe enormemente en las próximas dos décadas. Es necesario estimar con detalles la velocidad del flujo de agua en las regiones inundadas sobre áreas cercanas a los sitios de represas, porque esto puede erosionar las tierras agrícolas, lo que resulta en pérdida de suelo y disminución de la fertilidad. Además, ese flujo de agua a alta velocidad puede causar daños físicos a las estructuras, particularmente a las ubicadas cerca de las orillas de los ríos.

Las condiciones sinópticas durante este período se caracterizaron por depresiones de baja presión en el noroeste, que eventualmente inundaron el distrito de Tiruchirappalli y otras regiones vecinas (Fig. 3a). La Figura 3b muestra la cobertura de nubes sobre la India peninsular el 5 de octubre de 2022 a las 15:00, IST (Fuente: Centro de Archivo de Datos de Satélites Meteorológicos y Oceanográficos, Centro de Aplicaciones Espaciales, ISRO).

(Fuente: https://www.newindianexpress.com/states/tamil-nadu/2022/oct/19/kollidam-block-villages-in-mayiladuthurai-hit-by-flood-for-fifth-time-this-year -2509571.html)2. (b) Nubosidad sobre la provincia sur de la India el 5 de octubre de 2022 a las 09:30 IST. Tenga en cuenta la amplia cobertura de nubes sobre el distrito de Trichy (10,7905 °N, 78,7047 °E) (Fuente: Centro de Archivo de Datos de Satélites Meteorológicos y Oceanográficos, Centro de Aplicaciones Espaciales, ISRO. https://www.mosdac.gov.in/).

(a) Regiones sumergidas en la región del delta durante las inundaciones de octubre de 2022 \(^\circ \mathrm{N}\)\(^\circ \mathrm{E}\)

El sistema de nubes asociado se modela con el modelo Weather Research and Forecasting (WRF)34. El modelo WRF (versión: 3.8.1) se configuró para ejecutarse con dos dominios, es decir, un dominio interno anidado con una resolución más fina (1 \(\times\) 1 \(\mathrm{km}\)) y extensión espacial de 240 \(\mathrm{km}\) \(\times\) 240 \(\mathrm{km}\), que cubre la presa Kallanai y las regiones de Kollidam, e incrustado dentro de una resolución más gruesa (padre) (3 \(\ mathrm{km}\)) dominio exterior con un área de 597 \(\mathrm{km}\) \(\times\) 597 \(\mathrm{km}\) que cubre todo el sur de la India peninsular (ver Fig. 4 ).

(a) Dominios exterior e interior para simulaciones WRF. El dominio exterior (D01) cubre la extensión espacial de 597 \(\mathrm{km}\times\) 597 \(\mathrm{km}\) con una resolución de 3 \(\mathrm{km}\), y subsume un dominio interior más fino que cubre un área de 240 \(\mathrm{km}\) \(\times\) 240 \(\mathrm{km}\) con una resolución de 1 \(\mathrm{km}\). (b) Un dominio interior ampliado con las aldeas vulnerables identificadas en rojo. Además, tenga en cuenta la ubicación de la presa Kallanai y Kollidam en el mapa (creado con Origin Pro 2023b (edición de aprendizaje) https://www.originlab.com/ y VAPOR: un paquete de visualización adaptado para analizar datos de simulación en ciencia del sistema terrestre v 3.6.0 http://www.vapor.ucar.edu/).

Las simulaciones del modelo se realizan para dos escenarios, es decir, (1) Un escenario real de un evento de precipitación que abarca del 2 al 6 de octubre de 2022 en la región de estudio. (2) Una futura campaña de octubre de 2050 se centrará en un escenario de calentamiento, también caracterizado por altas emisiones, lo cual es un resultado probable si no se hacen esfuerzos concertados para reducir las emisiones. Los datos meteorológicos en tiempo real (datos NCEP FNL 1° × 1°) para el "caso real" requerido para inicializar el modelo se recuperaron del archivo de datos de investigación del Laboratorio de Sistemas de Información y Computación del Centro Nacional de Investigación Atmosférica (NCAR). El conjunto de datos anterior se prepara operativamente a partir del Sistema Global de Asimilación de Datos (GDAS), cada 6 h (https://rda.ucar.edu/datasets/ds083.2/). La simulación avanzó desde el 2 de octubre de 2022 de las 0000 \(h\) UTC (0530 IST) hasta el 6 de octubre de 2022 de las 1800 \(\mathrm{h}\) UTC (2350 IST), cuando se observó una actividad distinta de las nubes. observado. La configuración del modelo comprendía 50 niveles verticales y posteriormente se integró con un paso de tiempo de 6 \(\mathrm{s}\).

Las variables meteorológicas para inicializar el modelo WRF para el caso de calentamiento futuro se obtuvieron del Modelo del Sistema Terrestre Comunitario (CESM) del NCAR, que participó en la fase V del Experimento de Intercomparación de Modelos Acoplados (CMIP5) y apoyó la Quinta Evaluación del Panel Intergubernamental sobre Cambio Climático. Informe (IPCC AR5)35. Las variables disponibles en intervalos de seis horas se interpolan en 26 niveles de presión y se corrigen los sesgos utilizando el reanálisis provisional (ERA-Interim) del Centro Europeo de Pronósticos Meteorológicos a Plazo Medio (ECMWF)36,37. Hay archivos disponibles para tres escenarios futuros de la Vía de Concentración Representativa (RCP) (RCP4.5, RCP6.0 y RCP8.5) que abarcan el período 2006-2100. En el presente estudio, sólo hemos considerado el caso RCP8.5, es decir, el "escenario de altas emisiones", que es un resultado probable si la sociedad no hace grandes esfuerzos para reducir las emisiones.

La convección de cúmulos se modeló únicamente en el dominio exterior mediante el ampliamente utilizado esquema Kain-Fritsch basado en el enfoque del flujo de masa para nubes poco profundas y profundas, mientras que esta opción no se empleó para el dominio interior de resolución de nubes38. La estructura vertical de la capa límite se resolvió a través de la capa límite planetaria (PBL) del esquema TKE de nivel MYNN 2.539. Además, se cuantificó el calentamiento atmosférico debido a las radiaciones entrantes de onda corta y salientes de onda larga utilizando los esquemas del modelo de transferencia radiativa rápida. Para tener en cuenta la masa y la concentración numérica de los hidrometeoros, se utilizó el esquema de microfísica de doble momento de Morrison dentro del ámbito del modelo WRF, que presenta cinco clases de hidrometeoros: nube líquida, hielo, nieve, graupel y lluvia40.

Para examinar el alcance de la inmersión de áreas vulnerables y realizar estudios de evaluación de impacto frente a eventos de precipitación extrema, se requiere un marco de acoplamiento para vincular los resultados de los modelos atmosféricos de múltiples escalas con la hidrología terrestre, lo que permitirá una predicción confiable del caudal en cuencas y subcuencas. . En la Fig. 5 se muestra un acoplamiento metodológico entre los resultados del modelo climático y un código hidrológico.

Diagrama esquemático que muestra el acoplamiento metodológico de los resultados del modelo WRF a un código hidrológico terrestre, es decir, HEC-RAS (Sistema de Análisis de Ríos del Centro de Ingeniería Hidrológica). El uso de la tierra, el mapa del suelo, la humedad del suelo, los datos del terreno y las características de la precipitación son algunos de los datos principales del modelo HEC-RAS (creado con Origin Pro 2023b (Learning Edition). https://www.originlab.com/).

En las secciones siguientes se proporcionan detalles adicionales sobre la naturaleza del acoplamiento entre los conjuntos de modelos utilizados en este análisis.

Cuantificar el perfil de uso y cobertura del suelo (LULC) fue esencial para delimitar estrechamente las regiones cultivadas y no cultivadas. El mapa LULC para la cuenca del área de estudio se preparó para indicar cinco categorías de tierra, incluidas masas de agua, cobertura vegetal, tierras agrícolas, áreas urbanizadas y tierras baldías/matorrales. Esto se hizo importando el mapa LULC de ESRI (Environmental Systems Research Institute, Inc.) en el entorno ArcGIS y luego utilizando procedimientos de detección remota basados en satélites que implican el uso de imágenes del Landsat-8 Operational Land Imager (OLI) recuperadas de los Estados Unidos. Servicio Geológico (USGS)41. Los mapas LULC se desarrollaron a partir de imágenes Geo TIFF multiespectrales de alta resolución (10 \(\mathrm{m}\) resolución espacial) que cubren siete bandas de longitud de onda visibles e infrarrojas cercanas (VNIR) que oscilan entre 0,43 y 2,29 \(\mathrm{ \mu m}\) usando ArcGIS Pro42,43. El primer paso implicó apilar las imágenes multiespectrales recuperadas para formar un ráster multibanda compuesto para su posterior análisis. Se utilizó un algoritmo de clasificación supervisado para obtener muestras de entrenamiento relevantes para clasificar imágenes en función de firmas espectrales asociadas.

De la Fig. 6 se desprende claramente que las regiones que rodean el río Cauvery (en azul, que indica "agua") incluyen principalmente tierras agrícolas (en amarillo), y a través de este estudio, pretendemos demarcar las regiones vulnerables que corren un grave riesgo de inundación durante eventos de precipitaciones extremas. El siguiente paso fue delinear las subcuencas en el área de estudio para determinar la dirección del flujo y la acumulación entre zonas. Esto requirió descargar el modelo de elevación digital (DEM) del explorador terrestre del USGS en el formato de archivo de imagen de etiqueta (TIFF). Para desarrollar el modelo de elevación de la región de estudio elegida, se consideraron suficientes cuatro archivos TIFF que cubrían todo el tramo elegido. Además, se desarrolló un mosaico de toda la sección con la ayuda de la opción 'mosaico a nuevo ráster' disponible dentro del 'módulo de gestión de datos'. Finalmente, se generó la imagen DEM de toda la cuenca después de eliminar sumideros y picos utilizando la 'Herramienta de análisis espacial'. Se encontró que la elevación en el área de estudio varía de 1 a 1378 \(\mathrm{m}\). El DEM permitió un examen de la dirección del flujo y la acumulación dentro de la cuenca y las subcuencas, lo que ayudó aún más en la construcción de un mapa ráster de corrientes utilizando el método de orden de corrientes de STRAHLER. Luego, el mapa de arroyos se superpuso en cinco subcuencas (SW1–SW5) para tener una idea del mapa de ruta en las subcuencas y esto se muestra en la Fig. 7.

(a) La caracterización de la cobertura del suelo basada en SIG indica una extensión significativa de tierra agrícola en la región del delta (creada con ArcGIS, Esri42 https://www.arcgis.com/index.html). (b) Mapa que muestra la ubicación de la presa Kallanai, el río Kollidam y las zonas vulnerables, incluidas las aldeas en riesgo de inundación debido a fuertes precipitaciones (creado con Origin Pro 2023b (edición de aprendizaje) https://www.originlab.com/ y VAPOR : Un paquete de visualización diseñado para analizar datos de simulación en Earth System Science v 3.6.0 http://www.vapor.ucar.edu/).

(a) Mapa de la India que muestra la región elegida y el correspondiente Modelo de Elevación Digital (DEM) desarrollado en el entorno ArcGIS. (b) Orden de los arroyos y subcuencas en el delta del Cauvery. Los ríos más largos y troncales de cada subcuenca se identifican con líneas rojas y rosadas, respectivamente (creadas con ArcGIS, Esri42 https://www.arcgis.com/index.html).

La elevación media, el área total y la longitud del río más largo en cada subcuenca son, respectivamente, SW1 (489.63 \(\mathrm{m}\), 2901.4149 \({\mathrm{km}}^{2}\) , 107.526 \(\mathrm{m}\)), SW2 (726,5 \(\mathrm{m}\), 1750,8247 \({\mathrm{km}}^{2}\), 83.404,9 \(\mathrm{m } }\)), SW3 (311.717 \(\mathrm{m}\), 1254.8 \({\mathrm{km}}^{2}\), 73,238.7 \(\mathrm{m}\)), SW4 ( 74,5 \(\mathrm{m}\), 636,16298 \({\mathrm{km}}^{2}\), 52.376,8 \(\mathrm{m}\)), SW5 (256,64 \(\mathrm{m} \ ), 1318.6811 \({\mathrm{km}}^{2}\), 163,769 \(\mathrm{m}\)).

Los procedimientos de detección remota basados en SIG mencionados anteriormente para determinar el uso de la tierra, el tipo de suelo, la humedad del suelo y el perfil de elevación de la región fueron necesarios para estimar el 'número de curva (CN)', que es un parámetro hidrológico utilizado para examinar la tormenta. Potencial de escurrimiento de agua en áreas de drenaje. El mapa de suelo asociado necesario para estimar los CN se prepara utilizando la base de datos de suelos de la Organización para la Agricultura y la Alimentación (FAO) (https://www.fao.org/soils-portal/data-hub/soil-maps-and-databases/faounesco -mapa-de-suelos-del-mundo/es/) y se muestra en la Fig. 8.

Perfil del suelo en el delta de Cauvery (creado con ArcGIS, Esri42. https://www.arcgis.com/index.html).

Es interesante observar que el tipo de tierra que rodea el Cauvery que fluye constituye principalmente suelo arcilloso, lo que fomenta el cultivo de arroz y plátanos en la región (Fig. 8).

Con una evaluación basada en SIG de las subcuencas en el delta del Cauvery y una cuantificación de las intensidades de precipitación a partir de un sofisticado modelo CFD, es posible generar mapas de inundaciones para examinar las inundaciones regionales y locales en la región. Las tasas de lluvia se cuantifican mediante un sofisticado esquema microfísico de doble momento dentro del ámbito del modelo ampliamente utilizado de Investigación y Predicción Meteorológica (WRF), que también tiene en cuenta la concentración numérica de hidrometeoros. Los resultados microfísicos y dinámicos modelados se han comparado adecuadamente con observaciones satelitales en tiempo real para resaltar la solidez de la metodología de modelado y estos resultados se analizan en la sección "Resultados y discusión". Ahora describiremos la caracterización del código hidrológico que utilizó entradas del modelo WRF para producir contornos de inundación junto con perfiles de velocidad.

Los mapas de inundaciones son herramientas útiles para evaluar los riesgos de inundaciones y resaltar rutas de evacuación y refugios de emergencia para un rápido alivio de desastres durante las alertas de inundaciones. Hemos recurrido al Sistema de Análisis de Ríos del Centro de Ingeniería Hidrológica (HEC-RAS), un modelo hidráulico de código abierto para crear un mapa de inundaciones en 2-D sobre el delta de Kaveri y estimar las velocidades de flujo de las aguas de inundación durante este evento de fuertes lluvias44. Los datos hidrológicos y topográficos son los principales insumos del modelo. Se cargaron datos topográficos de un DEM junto con los archivos de proyección apropiados para iniciar el mapeo de áreas propensas a inundaciones, con las condiciones de contorno definidas mediante la creación de polilíneas vectoriales de entidades hidrológicas como ríos, caminos de flujo y bancos. A intervalos regulares se trazaron líneas de sección transversal perpendiculares al río, a la orilla del río y a lo largo del recorrido del flujo. Los parámetros hidráulicos, como la profundidad normal de las partes aguas arriba y aguas abajo, así como el coeficiente de rugosidad de Manning a lo largo de las orillas derecha e izquierda y a lo largo del curso del río, se estimaron a partir de la cobertura del suelo circundante. Las intensidades de precipitación previstas determinadas a partir del modelo WRF (descrito anteriormente) produjeron las descargas máximas en cada subcuenca y se utilizaron como datos de entrada para el modelo HEC-RAS para demarcar áreas propensas a inundaciones. Este es el primer estudio que combina el WRF con el modelo HEC-RAS aplicado en esta región estratégica que alberga una estructura patrimonial icónica, una región que también promueve el riego para producir arroz con el que alimentar a millones de personas. Las simulaciones arrojaron un flujo constante de modo que se pudo determinar la elevación de la superficie y la velocidad del flujo. Luego, los resultados se visualizaron también dentro del marco HEC-RAS con perfiles de profundidad y velocidad bien marcados junto con mapas de inundaciones. Estos atributos procesales se indican en la Fig. S2. El primer paso en este marco metodológico fue garantizar que, con las especificaciones anteriores, pudiéramos obtener todos los atributos generales correctos para continuar con configuraciones adicionales a pequeña escala.

Las simulaciones de alta resolución de Weather Research and Forecasting (WRF) arrojaron información detallada sobre la evolución de las tasas de lluvia entre el 5 y el 6 de octubre de 2022 y para un escenario futuro de 2050. La Figura 9a muestra el perfil temporal de las tasas de lluvia en cada subcuenca (de SW1 a SW5) con base en la precipitación máxima acumulada en cada zona. Se observa que la tasa máxima de lluvia de 5,79 \(\mathrm{mm}/\mathrm{h}\) se anota en SW4 (línea verde), y la duración total de la lluvia en esta cuenca entre el 5 y 6 de octubre de 2022 es de 7 \(\mathrm{h}\) (consulte la cantidad entre corchetes en la leyenda). La duración de la lluvia se puede estimar a partir de la figura contando los pasos de tiempo incrementales bajo la curva, donde cada paso de tiempo corresponde a 1 \(\mathrm{h}\). Por ejemplo, en SW4, se observaron precipitaciones entre los pasos de tiempo 74–75, 87–88 y 89–94, lo que equivale a 7 pasos de tiempo que equivalen a 7 \(\mathrm{h}\) de lluvia. La tasa máxima de lluvia y la duración de la lluvia en cada subcuenca se proporcionan en la leyenda. También se observa que las tasas de lluvia modeladas en la ventana de tiempo elegida concuerdan favorablemente con las observaciones promedio de área obtenidas del producto del modelo GLDAS de 3 horas (GLDAS_NOAH025_3H v2.1) sobre la región seleccionada (línea naranja de puntos y guiones). De hecho, los valores de precipitación modelados que se aproximan a 2,5 \(\mathrm{mm}/\mathrm{h}\) también concuerdan con las estimaciones de precipitación multisatélite calibradas por pluviómetros que se muestran en el gráfico de líneas cian de la Fig. 9a.

(a) Tasas de lluvia modeladas y observadas en subcuencas durante los días 5 y 6 de octubre de 2022 (\(\mathrm{mm}/\mathrm{h}\)). Tenga en cuenta que el modelo configurado con el esquema de doble momento de Morrison es capaz de reproducir razonablemente las variaciones diurnas en las tasas de lluvia en la región de estudio durante la ventana de tiempo elegida. Las tasas de lluvia observadas promedio del área se obtuvieron del producto del modelo GLDAS de 3 horas (GLDAS_NOAH025_3H v2.1) sobre la región seleccionada 78.4277 E, 10.1045 N, 80.2954 E, 12.0161 N. (b) Precipitación acumulada modelada en subcuencas durante 5 y 6 de octubre de 2022. (c) Tasas de lluvia modeladas (\(\mathrm{mm}/\mathrm{h}\)) en subcuencas durante octubre de 2050. Tenga en cuenta la duración corta (1–3 \(\mathrm {h}\)) aumentaron los eventos de lluvia en SW1, SW3 y SW5. (d) Lluvia acumulada modelada en subcuencas durante el 5 y 6 de octubre de 2050. (e) Distribución espacial de la precipitación acumulada recibida (\(\mathrm{mm}\)) sobre la región de estudio elegida (dominio interior) durante el 2do. –6 de octubre de 2022. (f) Distribución espacial de la precipitación recibida acumulada (\(\mathrm{mm}\)) sobre la región de estudio elegida (dominio interior) durante octubre de 2050 (creada con MATLAB R2022a (licencia académica) https:// www.mathworks.com y Origin Pro 2023b (Edición de aprendizaje) https://www.originlab.com/).

Las tasas de lluvia modeladas no solo se validan con observaciones derivadas de satélites para el escenario 2022, sino que también comparamos los componentes dinámicos del viento del modelo WRF con las observaciones de MERRA-2 y encontramos una concordancia razonable (ver Fig. 10).

Perfiles de viento modelados y observados en el dominio interior. Tenga en cuenta que los componentes del viento modelados (líneas continuas) concuerdan favorablemente con los valores observados (puntos de dispersión) (creados con MATLAB R2022a (licencia académica) https://www.mathworks.com).

La Figura 9b muestra el perfil temporal de la precipitación máxima acumulada en cada zona. Se observa que la profundidad máxima de lluvia de 14 \(\mathrm{mm}\) se anota en SW 4 (línea verde), donde se registró la máxima tasa de lluvia. El punto de fluidez 1 está en SW1, donde solo se observaron 3 \(\mathrm{mm}\) de lluvia.

También mostramos las intensidades de precipitación y la profundidad de lluvia acumulada para un evento de lluvia futuro en octubre de 2050 según el escenario de emisiones más altas, es decir, RCP8.5 (Fig. 9c yd). La Figura 9c tipifica los extremos de lluvia de corta duración (1–3 \(\mathrm{h}\)) en la región de estudio, lo que corrobora los resultados publicados relacionados con la intensificación de los excesos de lluvia de corta duración en escenarios futuros45. Es interesante observar que la tasa máxima de lluvia a lo largo de las llanuras de Kallanai y Mokkambu (SW3) se acerca a 5,75 \(\mathrm{mm}/\mathrm{h}\) en el caso de 2050 (gráfico de línea azul en la Fig. 9c). ) en comparación con un valor 59,4% menor de 2,33 \(\mathrm{mm}/\mathrm{h}\) recibido en la ejecución de 2022 (gráfico de línea azul en la Fig. 9a). Como mostraremos más adelante, tasas de precipitaciones de moderadas a fuertes tienen una mayor tendencia a causar inundaciones locales, lo que puede causar daños físicos a las estructuras, particularmente aquellas ubicadas cerca de las orillas de los ríos. En esta etapa también debe discutirse la distribución espacial de la precipitación acumulada en los dos escenarios. SW1, SW3 y SW5 encuentran mayores intensidades de precipitación que están más localizadas a finales de 2050, y otras subcuencas, es decir, SW2 y SW4, registran tasas de precipitación reducidas de hasta un 35,3% y un 21,5%, respectivamente (Fig. 9e y f). ). Estas intensidades de lluvia diferenciadas durante períodos cortos en las subcuencas pueden causar una rápida inmersión de las tierras agrícolas adyacentes al cinturón del río Kaveri, y esto puede tener implicaciones hidrológicas no intuitivas, que se discutirán más adelante.

Ahora discutimos la naturaleza de la precipitación de nubes convectivas profundas sobre la región de estudio. Se observa en la Fig. S3 que el dominio interno (ID) centrado alrededor de la región de Kallanai contenía más cantidades de nubes y lluvia (gráficos de líneas continuas) que las observadas en el dominio externo (OD). También se observa que la masa de lluvia aumenta con una fuerte caída en la cantidad de masa de nubes, debido a procesos eficientes de autoconversión y acreción. En esta etapa, es esencial discutir los perfiles verticales de las proporciones de mezcla de hidrometeoros promediadas por dominio y la estructura de temperatura integrada. La Figura S3a distingue entre las regiones cálidas y frías de la nube observada, separadas por una isoterma de 0 °C (~ 4,5 \(\mathrm{km}\)). Se observa una base de nube clara en 1 \(\mathrm{km}\) en el dominio interior (línea negra continua). La nube líquida (marcada en líneas negras) abarca un rango vertical entre 1 y 8 \(\mathrm{km}\), donde la microfísica de la lluvia cálida prevalece sobre las regiones situadas por debajo de 5 \(\mathrm{km}\) y los procesos de nubes frías. operar más arriba. Otros hidrometeoros fríos, como graupel, hielo y nieve, también contribuyeron a las cantidades de lluvia observadas.

Se observa que las precipitaciones sobre el área de estudio estuvieron mediadas por procesos de nubes cálidas y frías. De hecho, las observaciones LIDAR también indicaron nubes de fase mixta que se extendían hasta 15 \(\mathrm{km}\) sobre la región para este día (https://www-calipso.larc.nasa.gov/products/lidar/browse_images /exp_index.php). Una representación 3D del volumen de nubes y la precipitación superficial acumulada resultante el 6 de octubre de 2022, que se muestra en la Fig. 11, indica más precipitaciones en el tramo de Kollidam que en la región de Kallanai, como también se informó2,3. La cizalladura del viento del noroeste también es evidente en esta figura.

Una imagen renderizada en 3D que muestra el volumen de las nubes y la precipitación superficial sobre el dominio interior el 5 de octubre de 2022 a las 0900 UTC (creada con VAPOR: un paquete de visualización adaptado para analizar datos de simulación en Earth System Science v 3.6.0 http://www .vapor.ucar.edu/).

Las Figuras 12a yb respectivamente muestran la comparación del escenario actual con un escenario futuro. Las proporciones máximas de mezcla de nubes líquidas y lluvia en el escenario futuro son hasta un orden de magnitud mayores que en el escenario actual. Con proporciones de mezcla de nubes tan altas, se anticipa que las cantidades de lluvia también serán mayores que en el escenario actual, como se esperaba (ver Fig. 12b), lo que indica que las alertas de inundaciones tendrán que emitirse con precisión en el futuro. Además, con tales cantidades de lluvia desplazadas, los patrones de cultivo tendrán que recalibrarse en el delta de Kaveri.

(a) Perfiles de hidrometeoros para escenarios presentes y futuros. (b) Evolución temporal de las proporciones de mezcla de hidrometeoros promediadas por dominio en el dominio interior para los escenarios presentes y futuros. Tenga en cuenta los muchos casos en los que la cantidad de nubes es mayor en el escenario de 2050 que en el caso de 2022. También se observan picos de lluvia más altos en períodos cortos en el caso de 2050, lo que implica una mayor probabilidad de inundaciones repentinas en la región en cuestión (creado con MATLAB R2022a (licencia académica) https://www.mathworks.com).

En la Fig. S4 se presenta un gráfico de sección transversal con la trayectoria del flujo de agua de inundación. La geometría de los límites para el análisis se especifica en términos de los perfiles de la superficie del suelo, es decir, secciones transversales, que son perpendiculares a las líneas de flujo y están ubicadas a intervalos específicos a lo largo del flujo de una corriente para determinar la capacidad de transporte de flujo de la corriente y de las áreas adyacentes. llanuras aluviales.

Para obtener mapas de perfiles de profundidad y velocidad fue necesario enviar los resultados del HEC-RAS al software ArcGIS. En las figuras 13a y b se observa que tanto el río Kollidam como el río Kaveri estaban inundados. La extensión total de inmersión a lo largo de las riberas de los ríos y otros caminos de flujo fue de 145,98 \({\mathrm{km}}^{2}\) de los cuales el 65,14% del área sumergida era tierra agrícola. Los porcentajes que comprenden terrenos baldíos, zonas urbanizadas y zonas con vegetación fueron del 21,47%, 11,64% y 1,74%, respectivamente. Es desconcertante que el porcentaje de áreas urbanizadas fuera bastante alto y que las invasiones devoraran preciosas áreas con vegetación durante varias décadas. Esto agrava los riesgos de inundaciones y como se señaló en la introducción; Recientemente fue necesaria una evacuación de emergencia para trasladar a las personas a zonas más seguras.

(a) Mapa del perfil de profundidad del área propensa a inundaciones junto con LULC. (b) Mapa de la velocidad.

perfil del área propensa a inundaciones junto con LULC (creado con ArcGIS, Esri42 https://www.arcgis.com/index.html).

Este estudio arrojó perfiles bien marcados de profundidad y velocidad del agua de inundación en la región de estudio (Fig. 14a-d) para los escenarios presentes y futuros. Al comparar las figuras 14a y b, se observa que la cobertura espacial de las inundaciones es mayor en el caso RCP8.5 con una mayor cobertura de las zonas azules que indican hasta dos veces más inundaciones que en el escenario actual. Esto se evidencia por el cambio en los gradientes de color en las zonas \(A{\prime}\) y \(B{\prime}\) del azul claro (hasta 0,3 \(\mathrm{m}\)) en el 2022 al azul oscuro (0,6 \(\mathrm{m}\) y superior) en el caso 2050. Además, hay que contrastar la ausencia de regiones de color azul claro a lo largo del lado aguas arriba de la presa Kallanai durante 2022 con su presencia durante 2050, lo que indica varias zonas propensas a inundaciones repentinas en futuros escenarios de calentamiento. Las profundidades estimadas de las inundaciones para estos dos casos deben discutirse en el contexto de las directrices emitidas por el Centro Nacional de Investigación Costera del Gobierno de la India46. Se desarrolló un atlas rojo como un calculador listo para la mitigación de desastres por inundaciones en el que las regiones con una profundidad de agua de inundación en el rango de 0,3 a 0,6 \(\mathrm{m}\) se clasifican como 75% vulnerables a una rápida inmersión. Las altas profundidades de las inundaciones observadas durante 2050 indican una mayor vulnerabilidad a las inundaciones de las localidades habitadas en estas regiones.

(a) Perfil de profundidad en regiones inundadas alrededor de la presa Kallanai para el caso de 2022. (b) Perfil de profundidad en regiones inundadas alrededor de la presa Kallanai para el caso 2050. (c) Perfil de velocidad alrededor de la presa Kallanai para el caso de 2022. (d) Perfil de velocidad alrededor de la presa Kallanai para el caso 2050 (creado con ArcGIS, Esri42 https://www.arcgis.com/index.html).

El mapa de perfil de velocidad para el recorrido de 2022 que se muestra en la Fig. 14c revela que la velocidad del agua que fluye en las regiones inundadas a veces excede 3 \(\mathrm{m}/\mathrm{s}\) en algunas áreas cercanas a la presa. sitios. Este flujo de alta velocidad puede erosionar las tierras agrícolas, provocando la pérdida de suelo y una disminución de la fertilidad. Además, ese flujo de agua a alta velocidad puede causar daños físicos a las estructuras, particularmente a las ubicadas cerca de las orillas de los ríos. El impacto del agua a alta velocidad puede ser particularmente severo durante inundaciones importantes cuando la velocidad del flujo de agua puede incluso exceder 4 \(\mathrm{m}/\mathrm{s}\) (región magenta) como se observa en las figuras anteriores. Se prevé que estas amenazas probablemente se agravarán durante 2050 y esto se confirma con una comparación de los perfiles de velocidad en los dos casos. Se observa en la Fig. 14d que es probable que los cabezales de velocidad en las regiones inundadas durante el futuro caso de 2050 sean hasta dos veces mayores (obsérvese el cambio en los gradientes de color desde rosa pálido (hasta 2 \(\mathrm{ m}/\mathrm{s}\)) en el caso de 2022 a magenta (3–4 \(\mathrm{m}/\mathrm{s}\) y superior) en el caso de 2050), lo que indica una clara inmersión de todas las bajas -pueblos situados alrededor de las principales cuencas hidrográficas, es decir, SW3 y SW4.

Se observa que las regiones río arriba adyacentes a la presa Mukkombu (marcada con B en la Fig. 15) son más propensas a inundaciones durante escenarios futuros con alturas de velocidad cercanas a 2 \(\mathrm{m}/\mathrm{s}\) en comparación con 'no' inundaciones observadas en el caso de 2022. Además, el flanco sureste de la presa Mukkombu (marcado A en las Fig. 15a y b), que comprende áreas urbanizadas que albergan a agricultores involucrados en actividades agrarias en las áreas adyacentes, es más susceptible a las inundaciones en las zonas con altas emisiones. 'escenario.

(a) Perfil de profundidad en las regiones inundadas alrededor de la presa Mukkombu para el caso de 2022. (b) Perfil de profundidad en regiones inundadas alrededor de la presa Mukkombu para el caso 2050. (c) Perfil de velocidad alrededor de la presa Mukkombu para el caso de 2022. (d) Perfil de velocidad alrededor de la presa Mukkombu para el caso 2050 (creado con ArcGIS, Esri42 https://www.arcgis.com/index.html).

Es necesario cuantificar las vulnerabilidades asociadas con los peligros de inundaciones para evaluar la naturaleza de la estabilidad en la región frente al movimiento de personas a través de las inundaciones y la ubicación de refugios. El grado de peligro varía con la gravedad de la inundación y su comportamiento hidráulico, es decir, las alturas de velocidad del flujo de agua en las zonas sumergidas, la extensión de la inundación, la topografía y la población en riesgo. El potencial de las inundaciones para causar daños se puede indexar en función de curvas de vulnerabilidad vinculadas a umbrales de peligro significativos47. El potencial de peligro se puede evaluar simplemente multiplicando el nivel de inundación por las cabezas de velocidad en esas regiones. Por ejemplo, se estima que el potencial de peligro de inundación cerca de la presa de Kallanai (Fig. 14) es menor o igual a 0,6 en 2022. Esto varía en el rango de 0,9 a 2,4 durante 2050. Mientras que en el caso anterior de 2022, la vulnerabilidad al peligro El nivel de clasificación es H2 (inseguro para vehículos pequeños), en este último la amenaza aumenta a H5 (inseguro para vehículos y personas donde los edificios son vulnerables a daños estructurales y algunos pueden estar sujetos a fallas). De hecho, algunas otras regiones incluso alcanzan H6, lo que indica los niveles más altos de amenaza a la propiedad y a las vidas. De manera similar, en el área de la presa de Mukamboo, los índices son 1,8 (2022) y se duplicarán a 3,6 en 2050 con clasificaciones de vulnerabilidad a peligros de H4 (inseguro para vehículos y personas) y H5 (Fig. 15). Estos nuevos resultados indican un potencial de peligro de inundaciones hasta dos veces mayor relacionado con eventos de precipitación de alta intensidad en futuros escenarios de calentamiento. Los resultados producidos a partir de los presentes análisis pueden servir como un calculador listo para respaldar las decisiones de priorizar el apoyo de emergencia en zonas vulnerables y también permitir la planificación futura, es decir, la construcción de viviendas de refugio y el cambio de actividades agrícolas en las áreas menos vulnerables.

El problema de las invasiones indeseables en la región ya está precipitando un problema humanitario. Hemos demostrado a través del mapeo SIG que se espera que las principales cuencas hidrográficas enfrenten graves amenazas por inundaciones en los ríos Cauvery y Mukamboo. El Gobierno de la India tiene un programa de inspección periódica de la presa para reforzar no sólo las contraventanas sino también las zonas más vulnerables de la propia estructura. Esto se hizo en el pasado durante el Raj británico. Un documento reciente del Gobierno de la India ha proporcionado un calculador en forma de mapas de contorno de un índice de vulnerabilidad clasificado por colores47. Esta es una guía cualitativa muy útil y hemos visto que es probable que los niveles potenciales de peligro aumenten desde los niveles más bajos actuales hasta grados de vulnerabilidad mucho más altos en el futuro. Este estudio propuso que las directrices gubernamentales deben actualizarse periódicamente para tener en cuenta los efectos de futuros eventos de precipitaciones intensas. Las políticas y protocolos de gestión óptimos también deben estar relacionados con los sistemas de alerta temprana. Puede que no siempre sea posible dar plazos suficientes para la evacuación durante fenómenos climáticos extremos. Sin embargo, un conocimiento previo de las zonas de inmersión más vulnerables será de gran ayuda48. Este conocimiento previo se puede evaluar mediante el procedimiento que hemos adoptado combinando SIG y modelos climáticos de alta resolución con un modelo hidrológico. Se sugiere que los resultados que emanan de los institutos de investigación se pongan a disposición de todos los interesados a través de una plataforma web común. Se trata de un asunto grave para un país superpoblado como la India, que se alimenta en gran medida del cultivo de arroz. La inmersión de cultivos durante períodos prolongados provoca su pudrición y afecta el PIB del país49,50.

A medida que los eventos de precipitaciones de corta duración pero intensas se convierten en la nueva norma en esta era del Antropoceno, es necesario evaluar el impacto de tales eventos en las poblaciones vulnerables. Alrededor de 5 millones de personas se dedican a la agricultura y a la pesca y sus vidas dependen de los recursos hídricos disponibles en la cuenca de arroz de Tamil Nadu, es decir, el delta del Cauvery. El Departamento de Ingresos del distrito estimó que los daños por inundaciones ascendieron a unos 70 millones de dólares durante el período 2004-201351. Las predicciones sobre el cambio climático son nefastas y proyectan una intensificación de las inundaciones. En un planeta más cálido, el aumento de las temperaturas aumentará la demanda de agua de los cultivos y exacerbará las pérdidas por evaporación. Se prevé que para 2050 habrá un aumento de las temperaturas máximas predominantes en el rango de 1,0 a 1,5 \(^\circ \mathrm{C}\). En este artículo, hemos mostrado por primera vez el alcance de las inundaciones a lo largo de las llanuras aluviales de esta región para 2050 y lo hemos comparado con el año de referencia de 2022 (Figs. 14 y 15). Se ha comprobado que la magnitud de las amenazas de inundaciones aumenta hasta dos veces. El agua para riego en el delta del Cauvery proviene del río Cauvery a través de la presa Kallanai o Grand Anicut. El sistema de riego ha evolucionado a lo largo de 2000 años con la primera presa construida por los Cholas y que le ha otorgado talla mundial. En el pasado (y hasta cierto punto incluso ahora) los ríos naturales se adaptaron para funcionar como canales de irrigación; el resultado general es una red que comprende canales y desagües naturales y artificiales. Es probable que este orden establecido se vea gravemente afectado por inundaciones de corta duración y podría debilitar catastróficamente los diques existentes. Creemos que los resultados de este estudio ayudarán a los formuladores de políticas en el Departamento de Recursos Hídricos, particularmente en lo que respecta a proporcionar intervenciones no estructurales. Los ejemplos incluyen una mejor toma de decisiones sobre los recursos hídricos, mapeo de inundaciones y una mejor gestión de los riesgos y amenazas de inundaciones, y también proporcionan pautas simples para la cuantificación de los peligros. Este último, por supuesto, es un estudio independiente que emprenderemos en el futuro.

Todos los datos generados o analizados durante este estudio se incluyen en este artículo publicado [y sus archivos de información complementaria].

Nainar, N. Los anicuts de Sir Arthur Thomas Cotton. El hindú https://www.thehindu.com/news/national/tamil-nadu/the-anicuts-of-cotton/article24845112.ece (2018).

Fernando, A. Kollidam bloquean aldeas en Mayiladuthurai afectadas por inundaciones por quinta vez este año. El nuevo expreso indio. https://www.newindianexpress.com/states/tamil-nadu/2022/oct/19/kollidam-block-villages-in-mayiladuthurai-hit-by-flood-for-fifth-time-this-year-2509571. HTML (2022).

Tamil Nadu: Las inundaciones causan estragos en los distritos del delta; 15 cabezas de ganado arrasadas. Los tiempos de la India (2022). https://timesofindia.indiatimes.com/city/trichy/floods-wreak-havoc-in-delta-dists-15-cattle-washed-away/articleshow/94930128.cms (2022).

Thangavelu, D. Sonó una advertencia de inundación en Tennessee cuando la presa Mettur alcanzó su capacidad máxima. menta https://www.livemint.com/Politics/cieWkSLwcjmys8eVVthUPN/Flood-warning-sounded-in-TN-as-Mettur-dam-reaches-full-capac.html (2018).

Manikandan, M. Agricultores de Trichy ansiosos después de que nueve de las 45 compuertas de la presa de Mukkombu fueran arrasadas. Tiempos del Indostán. https://www.hindustantimes.com/india-news/trichy-farmers-anxious-after-nine-of-45-gates-of-mukkombu-dam-washes-away/story-XCRSzOW46Se1opA4V4fVYI.html (2018).

Arockiaraj, DV Tamil Nadu: Ocho contraventanas del regulador Mukkombu fueron arrastradas. En The Times of India Tamil Nadu: Ocho contraventanas en la presa de Mukkombu arrasadas—Times of India (2018).

Roxy, MK y cols. Se triplicaron los fenómenos de lluvias extremas generalizadas en el centro de la India. Nat. Comunitario. 8, 708 (2017).

Artículo ADS CAS PubMed PubMed Central Google Scholar

Singh, D., Tsiang, M., Rajaratnam, B. y Diffenbaugh, NS Cambios observados en períodos extremos de humedad y sequía durante la temporada de monzones de verano del sur de Asia. Nat. Subir. Cambio 4, 456–461 (2014).

ADS del artículo Google Scholar

Ghosh, S., Das, D., Kao, S.-C. & Ganguly, AR Falta de tendencias uniformes pero variabilidad espacial creciente en las precipitaciones extremas observadas en la India. Nat. Subir. Cambio 2, 86–91 (2012).

Artículo ADS CAS Google Scholar

Goswami, K., Jaiswal, MK y Kale, V. Paleohidrología de inundaciones de gran magnitud en la cuenca superior de Kaveri, sur de la India: implicaciones para las variaciones climáticas del Holoceno tardío. https://meetingorganizer.copernicus.org/EGU2020/EGU2020-645.html, 10.5194/egusphere-egu2020-645 (2020).

Sushant, S., Balasubramani, K. & Kumaraswamy, K. Análisis espacio-temporal de la distribución y variabilidad de las precipitaciones en el siglo XX, en la cuenca de Cauvery, sur de la India. En Environmental Management of River Basin Ecosystems (eds. Ramkumar, M. et al.) 21–41 (Springer International Publishing, 2015). https://doi.org/10.1007/978-3-319-13425-3_2.

Parida, Y., Roy Chowdhury, J., Saini, S. y Dash, DP Papel de los ingresos y la capacidad de respuesta del gobierno en la reducción del número de muertes por inundaciones en los estados de la India. Ciencia. Rep. 12, 16978 (2022).

Artículo ADS CAS PubMed PubMed Central Google Scholar

Parida, Y., Dash, DP, Bhardwaj, P. & Chowdhury, JR Efectos de la sequía y las inundaciones en los suicidios de agricultores en los estados de la India: un análisis empírico. EconDisCliCha 2, 159–180 (2018).

Artículo de Google Scholar

O'Neill, S., Tett, SFB y Donovan, K. Evaluación del impacto del cambio climático y el riesgo de lluvias extremas para los sitios del Patrimonio Mundial de Edimburgo. Clima climático. Extremos 38, 100514 (2022).

Artículo de Google Scholar

Kotova, L. et al. Uso de la información climática para la preservación sostenible del patrimonio cultural: Aplicaciones al proyecto KERES. Herencia. Ciencia. 11, 18 (2023).

Artículo de Google Scholar

Nash, JE y Sutcliffe, JV Previsión del caudal de los ríos mediante modelos conceptuales, parte I: discusión de principios. J. hidrol. 10, 282–290 (1970).

ADS del artículo Google Scholar

Girard, C., Rinaudo, J.-D., Pulido-Velazquez, M. & Caballero, Y. Un marco de modelado interdisciplinario para seleccionar medidas de adaptación a escala de cuenca fluvial en un escenario de cambio global. Reinar. Modelo. Software. 69, 42–54 (2015).

Artículo de Google Scholar

Al-Fugara, A., Mabdeh, AN, Alayiash, S. & Khasawneh, A. Modelado hidrológico e hidrodinámico para escenarios de inundaciones repentinas y rotura de presas de terraplenes: mapeo de peligros de tormentas extremas. Sostenibilidad 15, 1758 (2023).

Artículo de Google Scholar

Vieux, BE & Gauer, N. Modelado de elementos finitos de la escorrentía de aguas pluviales utilizando GRASS GIS. Civilización asistida por ordenador. Infraestructura. Ing. 9, 263–270 (1994).

Artículo de Google Scholar

Tarboton, DG Un nuevo método para la determinación de direcciones de flujo y áreas cuesta arriba en modelos de elevación digitales de cuadrícula. Recurso Acuático. Res. 33, 309–319 (1997).

ADS del artículo Google Scholar

Martina, MLV, Todini, E. y Liu, Z. Preservación de los procesos físicos dominantes en un modelo hidrológico agrupado. J. hidrol. 399, 121-131 (2011).

ADS del artículo Google Scholar

Betrie, GD y cols. Vincular SWAT y SOBEK mediante una interfaz de modelado abierta (OpenMI) para la simulación del transporte de sedimentos en la cuenca del río Nilo Azul. Soy. Soc. Agrícola. Biol. Ing. 54, 1749-1757 (2011).

Google Académico

Masson-Delmotte, V. et al. Contribución del Grupo de Trabajo I al Sexto Informe de Evaluación del Panel Intergubernamental sobre el Cambio Climático 16 (2021).

Boulange, J., Hanasaki, N., Yamazaki, D. y Pokhrel, Y. Papel de las represas en la reducción de la exposición a las inundaciones globales bajo el cambio climático. Nat. Comunitario. 12, 417 (2021).

Artículo ADS CAS PubMed PubMed Central Google Scholar

Prein, AF y cols. La futura intensificación de las precipitaciones extremas por hora. Nat. Subir. Cambio 7, 48–52 (2017).

ADS del artículo Google Scholar

Milly, PCD, Wetherald, RT, Dunne, KA y Delworth, TL Riesgo creciente de grandes inundaciones en un clima cambiante. Naturaleza 415, 514–517 (2002).

Artículo CAS PubMed Google Scholar

Ghosh, S. Viajes inspirados: una memoria de viaje inspirada en el arte en entornos construidos por Satyajit Ghosh (Macmillan Publishers India Pvt. Ltd., 2022).

Ghosh, S. y Jaiswal, M. Arquitectura de la antigua Tamil Nadu: la historia de la presa Kallanai (Ane Books, 2017).

Goswami, K., Rawat, M., Jaiswal, MK y Kale, VS Cronología de luminiscencia de las paleoinundaciones del Holoceno tardío en la cuenca superior de Kaveri, India: una visión de la relación clima-inundación. El Holoceno 29, 1094-1104 (2019).

ADS del artículo Google Scholar

Gupta, D. & Dhanya, CT El potencial de GRACE en la evaluación del potencial de inundaciones de las cuencas de los ríos de la India peninsular. En t. J. Rem. Sens. 41, 9009–9038 (2020).

Artículo de Google Scholar

Wang, S. & Qiao, X. Impactos de la velocidad terminal en la predicción de la precipitación y la representación del error de la velocidad terminal en los pronósticos conjuntos. Atmos. Ciencia. Letón. 21, e974 (2020).

Artículo de Google Scholar

Stanford, MW y cols. Sensibilidad de la convección profunda simulada a un marco de microfísica de hielo estocástico. J. Adv. Modelo. Sistema Tierra. 11, 3362–3389 (2019).

ADS del artículo Google Scholar

Franklin, CN, Holland, GJ y May, PT Sensibilidad de las bandas de lluvia de ciclones tropicales a la microfísica de la fase de hielo. Lun. Tiempo Rev. 133, 2473–2493 (2005).

ADS del artículo Google Scholar

Skamarock, WC y cols. Una descripción de la versión 3 del WRF de investigación avanzada, vol. 27 3–27 (2008).

Hurrell, JW y cols. El modelo del sistema terrestre comunitario: un marco para la investigación colaborativa. Toro. Soy. Meteorito. Soc. 94, 1339-1360 (2013).

ADS del artículo Google Scholar

Simmons, A., Uppala, S., Dick, D. y Kobayashi, S. ERA-Interim: nuevos productos de reanálisis del ECMWF desde 1989 en adelante. CEMPM. https://www.ecmwf.int/en/elibrary/80315-era-interim-new-ecmwf-reanalysis-products-1989-onwards (2007).

Dee, DP y cols. El reanálisis ERA-Interim: Configuración y rendimiento del sistema de asimilación de datos. Meteorol QJR. Soc. 137, 553–597 (2011).

ADS del artículo Google Scholar

Mamá, L.-M. y Tan, Z.-M. Mejora del comportamiento de la parametrización de cúmulos para la predicción de ciclones tropicales: Activador de convección. Atmos. Res. 92, 190-211 (2009).

Artículo de Google Scholar

Nakanishi, M. & Niino, H. Un modelo Mellor-Yamada nivel 3 mejorado con física de condensación: su diseño y verificación. Encuadernado.-Capa Meteorol. 112, 1–31 (2004).

ADS del artículo Google Scholar

Morrison, H., Curry, JA y Khvorostyanov, VI Una nueva parametrización microfísica de doble momento para su aplicación en modelos climáticos y de nubes. Parte I: Descripción. J. Atmós. Ciencia. 62, 1665-1677 (2005).

ADS del artículo Google Scholar

Centro de Ciencia y Observación de los Recursos Terrestres (EROS). Productos de datos Collection-1 Landsat 8 OLI (Operational Land Imager) y TIRS (Sensor infrarrojo térmico) (2018). https://doi.org/10.5066/F71835S6.

Esri. Software de mapeo SIG, inteligencia de ubicación y análisis espacial. https://www.esri.com/en-us/home (2022).

Karra, K. y col. Uso/cobertura del suelo global con Sentinel 2 y aprendizaje profundo. En 2021 Simposio internacional de geociencia y teledetección del IEEE IGARSS 4704–4707 (2021). https://doi.org/10.1109/IGARSS47720.2021.9553499.

HEC-RAS. Sistema de Análisis de Ríos: Manual de referencia hidráulica. Versión USACE: 5.0. Cuerpo de Ingenieros del Ejército de EE. UU. CPD-68 (2016).

Fowler, HJ, Wasko, C. & Prein, AF Intensificación de precipitaciones extremas de corta duración e implicaciones para el riesgo de inundaciones: estado actual de la técnica y direcciones futuras. Filos. Trans. R. Soc. R: Matemáticas. Física. Ing. Ciencia. 379, 20190541 (2021).

ADS del artículo Google Scholar

Clima en Tejonmayam, U. Chennai: 30 cm de lluvia en un día podrían inundar la mayor parte de Chennai | Noticias de Chennai - Tiempos de la India. https://timesofindia.indiatimes.com/city/chennai/30cm-of-rainfallin-a-day-could-flood-most-parts-ofchennai/articleshow/72728786.cms (2019).

GOI. Directrices_para_clasificar_el_peligro_potencial_de_las_represas. Comisión Central del Agua, Ministerio de Jal Shakti, Departamento de Recursos Hídricos, Desarrollo de Ríos y Rejuvenecimiento del Ganges, Gobierno de la India. https://damsafety.cwc.gov.in/ecm-includes/PDFs/Guidelines_for_Classifying_the_Hazard_Potential_of_Dams.pdf (2020).

Gumber, S. y Ghosh, S. Predicciones rápidas de los tiempos de inicio y la cantidad de lluvia de las lluvias monzónicas en entornos urbanos construidos. Atmósfera 13, 370 (2022).

ADS del artículo Google Scholar

Los agricultores de Thanjavur se preocupan porque 200 acres de cultivos de plátanos quedaron bajo el agua de Cauvery durante nueve días: el New Indian Express. https://www.newindianexpress.com/states/tamil-nadu/2022/aug/12/thanjavur-farmers-worry-as-200-acres-of-banana-crop-under-cauvery-floodwater-for-nine- días-2486618.html (2022).

Las inundaciones en Cauvery-Hemavati dañan los cultivos. El hindú. https://www.thehindu.com/news/national/karnataka/floods-in-cauvery-hemavati-damage-crops/article29090262.ece (2019).

Banco Asiático de Desarrollo. Manual de Administración del Proyecto - Proyecto de Adaptación Climática en la Subcuenca de Vennar en el Delta del Cauvery. https://www.adb.org/sites/default/files/project-documents/44429/44429-013-pam-en.pdf (2017).

Descargar referencias

Los autores agradecen la visión y previsión del Dr. G. Viswanathan, Canciller del VIT, por realizar este estudio. Los autores dejan constancia del apoyo recibido por parte de los Decanos-Escuela de Ingeniería Mecánica y Civil. Sat Ghosh agradece a Arth Chowdhury (insideFPV), Juzer Ekhlas y al Dr. Jason R. Picardo por su entusiasmo y buenos deseos.

Escuela de Ingeniería Mecánica, Instituto de Tecnología de Vellore, Vellore, 632014, India

Satyajit Ghosh y Siddharth Gumber

Escuela de Tierra y Medio Ambiente, Universidad de Leeds, Leeds, Reino Unido

Satyajit Ghosh

Escuela de Ingeniería Civil, Instituto de Tecnología de Vellore, Vellore, 632014, India

Dillip Kumar Barik, Parimala Renganayaki, Sundarapandian Venkatesh y Dev Shree Saini

Departamento de Ingeniería Civil y Ambiental, Universidad Dankook, Yongin, Corea del Sur

Boosik Kang

Equipo de atmósfera, hielo y clima, British Antártida Survey, High Cross, Madingley, Cambridge, CB3 0ET, Reino Unido

Siddharth Gumber

Escuela de Ingeniería y Ciencias de la Computación, Instituto de Tecnología de Vellore, Vellore, 632014, India

Srichander Akunuri

También puedes buscar este autor en PubMed Google Scholar.

SG concibió, interpretó y escribió modelos climáticos. DB, PR, BK llevaron a cabo interpretaciones y modelamiento hidrológico y escritos relacionados. Modelado climático SG y escritos asociados. V. y DS SIG y modelización hidrológica. S. interpretación de datos de lluvia.

Correspondencia a Satyajit Ghosh.

Los autores declaran no tener conflictos de intereses.

Springer Nature se mantiene neutral con respecto a reclamos jurisdiccionales en mapas publicados y afiliaciones institucionales.

Acceso Abierto Este artículo está bajo una Licencia Internacional Creative Commons Attribution 4.0, que permite el uso, compartir, adaptación, distribución y reproducción en cualquier medio o formato, siempre y cuando se dé el crédito apropiado a los autores originales y a la fuente. proporcione un enlace a la licencia Creative Commons e indique si se realizaron cambios. Las imágenes u otro material de terceros en este artículo están incluidos en la licencia Creative Commons del artículo, a menos que se indique lo contrario en una línea de crédito al material. Si el material no está incluido en la licencia Creative Commons del artículo y su uso previsto no está permitido por la normativa legal o excede el uso permitido, deberá obtener permiso directamente del titular de los derechos de autor. Para ver una copia de esta licencia, visite http://creativecommons.org/licenses/by/4.0/.

Reimpresiones y permisos

Ghosh, S., Barik, DK, Renganayaki, P. et al. El impacto de las precipitaciones de corta duración sobre la histórica cuenca de Cauvery: un estudio sobre los patrones alterados de los recursos hídricos y las amenazas asociadas. Representante científico 13, 14095 (2023). https://doi.org/10.1038/s41598-023-41417-6

Descargar cita

Recibido: 29 de junio de 2023

Aceptado: 26 de agosto de 2023

Publicado: 29 de agosto de 2023

DOI: https://doi.org/10.1038/s41598-023-41417-6

Cualquier persona con la que comparta el siguiente enlace podrá leer este contenido:

Lo sentimos, actualmente no hay un enlace para compartir disponible para este artículo.

Proporcionado por la iniciativa de intercambio de contenidos Springer Nature SharedIt

Al enviar un comentario, acepta cumplir con nuestros Términos y pautas de la comunidad. Si encuentra algo abusivo o que no cumple con nuestros términos o pautas, márquelo como inapropiado.