|
REBI.
Revista Boliviana de Ingeniería Volumen 8
| No. 1 | Enero - junio 2026 Páginas
19 - 37 http://doi.org/10.62319/rebi.v.8i3.30 |
|
Un análisis de modelos hidrodinámicos y una propuesta de
cambio cultural basada en predicciones: el caso de la inundación del Rio Grande
do Sul, Brasil
An analysis of hydrodynamic
models and a proposal for cultural change based on predictions:
the case of the flooding of
Rio Grande do Sul, Brazil
Cristiano De Angelis
cristiano.deangelis@skema.edu
https://orcid.org/0000-0002-8025-7871
Skema Business School Santa Catarina, Brasil
Recibido el 01 de febrero de 2025 / Arbitrado el 15 de
agosto de 2025 / Aceptado el 14 de febrero de 2026 / Publicado el 18 de febrero
de 2026
RESUMEN
Después de
las fuertes inundaciones que azotaron Rio Grande do Sul, la pregunta es cuáles
son las necesidades de investigación e infraestructura en un contexto de
planificación urbana desordenada.Con el cambio climático
y los intensos cambios en la cubierta vegetal de las cuencas urbanas, existe
una tendencia a que aumente la intensidad y frecuencia de las inundaciones.Al utilizar una metodología de revisión de la
literatura, este trabajo presenta soluciones de modelos matemáticos que pueden
ser utilizados para la prevención y control de inundaciones, haciendo una
crítica constructiva de las soluciones presentadas en la mayor inundación de
Rio Grande do Sul, proponiendo soluciones alternativas. Los modelos hidrodinámicos
requieren condiciones de entrada que dependen de datos de estaciones
hidrométricas, que son escasas y han comprometido la precisión en eventos
extremos. Con el enfoque de relacionar medidas estructurales (por ejemplo,
aumentar la infiltración y recarga de aguas subterráneas que ayuden a controlar
y dirigir adecuadamente la escorrentía de agua de lluvia) con medidas no
estructurales (por ejemplo, políticas para reducir la generación de escorrentía
superficial) y desarrollar un plan de emergencia.Esta
pregunta de investigación conduce a la propuesta de un modelo de Inteligencia
Cultural, Gestión del Conocimiento y Participación Social con el fin de crear
un plan ideal de control de inundaciones.El principal
resultado es la selección del modelo cGAN-Flood como
el más adecuado para predecir inundaciones en Rio Grande do Sul.
Palabras Claves: Cultura; Gestión
del Conocimiento; Modelo Biodinámico; Modelo Hidrodinámico; Inteligencia
Organizacional
ABSTRACT
After the severe floods that struck Rio Grande do Sul, the question arises
as to what research and infrastructure needs exist within
a context of disorganized urban planning.
With climate change and the intense changes in vegetation cover of urban watersheds,
there is a trend toward increased
intensity and frequency of floods.Using a literature review methodology, this work presents mathematical
model solutions that can be used for flood prevention
and control, offering constructive criticism of the
solutions presented in
response to the largest flood in Rio Grande do
Sul, and proposing alternative solutions.
Hydrodynamic models require input conditions that depend on
data from hydrometric stations, which are scarce and have compromised accuracy in extreme events. The approach involves relating structural measures (e.g., increasing infiltration and groundwater recharge to help
control and properly direct
rainwater runoff) with non-structural measures (e.g., policies to reduce surface runoff generation) to develop an emergency
plan. This research question leads to the proposal of
a model of Cultural Intelligence, Knowledge Management, and Social Participation to create an ideal flood control plan.The main result is
the selection of the cGAN-
Flood model as the most suitable for
predicting floods in Rio
Grande do Sul.
Keywords: Culture; Knowledge Management; Biodynamic
Model; Hydrodynamic Model; Organizational
Intelligence.
INTRODUCCIÓN
El
principal objetivo de este trabajo es estudiar la relación entre la lucha
contra las inundaciones y las medidas estructurales y no estructurales.
Este
trabajo estudia lo siguiente Pregunta de investigación: ¿Cuál es el impacto de
la cultura en la gestión del conocimiento de las inundaciones (por ejemplo,
modelos hidrodinámicos) y las inundaciones (por ejemplo, drenaje)?
Rio Grande
do Sul, como todo Brasil, sufre mucho por inundaciones. En particular, los
modelos de pronóstico del cambio climático señalan a Rio Grande do Sul como uno
de los estados brasileños que más sufrirá inundaciones importantes en el
futuro.
En cuanto a
la falla del sistema de protección de Porto Alegre, si se hubiera realizado la
operación y mantenimiento, los efectos de la inundación se habrían minimizado.
El sistema cuenta con varias bombas y compuertas y la falla de solo una de
ellas podría provocar el colapso del sistema. En particular, en el evento de
mayo de 2024, una de las compuertas falló y el sistema eléctrico de la sala de
máquinas no estaba diseñado para funcionar inundado. En este caso, para evitar
el riesgo de descarga eléctrica, se apagó todo el sistema de bombeo, provocando
un efecto cascada.
Además de
los procesos de operación y mantenimiento del sistema, un modelo de pronóstico
de inundaciones es de gran valor para la gestión de inundaciones. Es posible,
con un horizonte de previsión de 1-2 días, predecir con cierta precisión el
impacto de las inundaciones en las ciudades.
Según
Nonnemacher y Fan (2023), por cada real gastado en sistemas de prevención de
inundaciones, se pueden ahorrar alrededor de R$ 40,00 reduciendo los posibles
daños por inundaciones en Rio Grande do Sul. Para una correcta prevención, un
sistema que cuente con nuevas estaciones pluviométricas con densidad adecuada,
un equipo de seguimiento, modelado y generación de resultados.
A nivel de
pronóstico, es necesario no sólo pronosticar las precipitaciones, sino también
el nivel del agua, la profundidad de las calles, manzanas y todo el sistema de
infraestructura de las ciudades. En las ciudades que no cuentan con sistemas de
protección contra inundaciones (es decir, diques), la previsión y la alerta,
especialmente a la hora de viajar, son esenciales para reducir los impactos de
las inundaciones. Para ello se necesitan datos precisos de estaciones de
seguimiento y modelos adecuados y rápidos para predecir los efectos de la
inundación. La acción conjunta de unas adecuadas previsiones y un correcto
seguimiento de las estructuras de protección es la estrategia ideal para la
gestión de inundaciones.
Según una
nota técnica titulada “Criterios hidrológicos para la adaptación al cambio
climático: Lluvias e inundaciones extremas en la Región Sur de Brasil”
publicada recientemente por Paiva et al. (2024) los proyectos de
infraestructura o planificación a gran escala, para los cuales se suelen
adoptar tiempos de retorno de 50 años o más, deben poder superar la mayor
inundación de la historia, independientemente del tiempo de retorno estimado
para esta inundación.
Por
definición, un tiempo de retorno (TR) es un intervalo de tiempo en años en el
que una inundación ocurre en promedio al menos una vez. Sin embargo, con el
cambio climático y la intensa alteración de la cobertura vegetal de las cuencas
urbanas, se tiende a aumentar la intensidad y frecuencia de los eventos de
inundación, los cuales son la combinación de varios factores como (i) la
condición inicial de humedad de la cuenca, (ii)
intensidad y duración del evento de lluvia, (iii)
distribución espacial de la precipitación, entre otros. Esta combinación de
efectos altamente no lineales convierte la precipitación en escorrentía
superficial, que se desplaza a lo largo de las superficies hasta encontrarse
con los ríos, que eventualmente se desbordan debido al gran y rápido volumen
que llega a sus lechos.
La
planificación urbana de las ciudades generalmente establece riesgos tolerables
asociados a estos sistemas, de manera que los sistemas de microdrenaje
(es decir, galerías pluviales, drenajes pluviales) se diseñan para tiempos de
retorno del orden de 10 a 25 años, mientras que las obras de macrodrenaje, es decir, las asociadas Los ríos y canales
con mayor magnitud suelen estar diseñados para tiempos de retorno del orden de
50 a 100 años. Con el cambio climático se debe revisar el concepto de riesgo
tolerable para los proyectos de drenaje debido a la no estacionariedad de las
precipitaciones. Es decir, es necesario un gran Proyecto de Macrodrenaje
Urbano para hacer frente a incidentes de inundaciones.
Conceptualmente,
es claro que es necesario disminuir el caudal de los cuatro ríos que fluyen
sobre el lago Guaíba y luego sobre las seis EBAB
(cinco en Guaíba y una en Jacuí), y también sobre las
seis represas (tres en Bento Goncalves). Para ello es necesario elaborar
estudios detallados sobre el comportamiento hidrológico-hidráulico de las
cuencas de cada uno de los ríos que sirvan de base para un enfoque integrado de
la planificación de las cuencas hidrológicas, en particular de las aguas
superficiales y subterráneas.
Hay 18
represas en Rio Grande do Sul, y en mayo de 2024 seis se encuentran en
situación de emergencia, con riesgo inminente de falla, una de las cuales ya se
ha roto parcialmente. Debido a la gran pendiente de la cuenca del río Taquari-Antas, un gran volumen de escorrentía llega
rápidamente al complejo de presas, especialmente cuando las lluvias se
distribuyen con mayor intensidad en la cabecera de la cuenca, como ocurrió con
este evento en mayo de 2024. Según la nota Según una técnica publicada
recientemente por el Instituto de Investigaciones Hidráulicas (IPH), algunas
estaciones pluviómetros registraron acumulaciones de lluvia superiores a los
1000 mm en dos semanas. En varias temporadas, el volumen de precipitación en
este corto período de tiempo fue superior al 40% del volumen esperado para todo
el año.
Algunos
procesos de descarga de inundaciones pueden gestionarse en pequeños embalses a
lo largo del río. Estos embalses no sólo atenúan los volúmenes de escorrentía,
sino que también reducen la alta concentración de contaminantes transportados
por la escorrentía y, por tanto, sus impactos en las operaciones de las plantas
potabilizadoras. Sin embargo, en el caso de una gran inundación como la
ocurrida en mayo de 2024, la solución de medidas estructurales como el uso de
embalses es prácticamente inviable dado el gran volumen que sería necesario
almacenar para tener mínimos efectos de mitigación. Las medidas no
estructurales pueden ser el camino más coherente para el futuro y, en el caso
particular de las medidas estructurales, se deben realizar estudios detallados
para evitar posibles daños e impactos ambientales.
Este
trabajo se divide en cinco secciones. La primera sección habla de la
metodología. La sección dos proporciona un análisis comparativo de modelos
hidrodinámicos. La sección 3 revisa la literatura sobre modelos hidrodinámicos.
La sección 4 aborda la importancia de los planes de emergencia estándar para la
gestión de riesgos y la participación social basados en las prácticas de GC e
IO. La sección 5 finalmente presenta los modelos Cultura – Conocimiento –
Inteligencia (CCI) con base en lo expuesto en las secciones anteriores.
METODOLOGÍA
La
metodología elegida es una revisión de la literatura y un análisis exploratorio
de la mayor inundación de Rio Grande do Sul.
Las
revisiones de la literatura tradicional a menudo carecen de exhaustividad y
rigor y se llevan a cabo ad hoc en lugar de seguir una metodología específica.
Este
trabajo realiza una revisión integradora de la literatura. La integración
ocurre no sólo en la revisión bibliográfica en sí, en la que la intersección
entre estos conceptos se demuestra a través de diferentes fuentes, sino también
a través del modelo de investigación en el que todos los constructos están
presentes.
Además de
la revisión de la literatura, este trabajo utiliza la metodología de
investigación acción. La investigación acción es un método de investigación que
tiene como objetivo investigar y resolver simultáneamente un problema. En otras
palabras, como sugiere el nombre, la investigación- acción realiza
investigaciones y actúa al mismo tiempo. La investigación-acción es simplemente
una forma de investigación autorreflexiva llevada a cabo por participantes en
situaciones sociales con el fin de mejorar la racionalidad y la justicia de sus
propias prácticas, su comprensión de esas prácticas y las situaciones en las
que se llevan a cabo.
Revisión de
literatura; se establecieron los siguientes indicadores:
1. Un análisis comparativo de modelos
hidrodinámicos: Según Rennó y Suares (2022), un
modelo hidrológico puede definirse como una representación matemática del flujo
de agua y sus constituyentes sobre alguna parte de la superficie y/o subsuelo
de la Tierra. Por lo tanto, los modelos matemáticos hidrodinámicos que resuelven
ecuaciones fundamentales de flujo se pueden utilizar para predecir el
comportamiento de las inundaciones.
Existe una
estrecha relación entre la modelización hidrológica, biológica y ecológica, ya
que el transporte de materiales a través del agua está influenciado por
actividades biológicas que pueden aumentar o disminuir la cantidad de estos
materiales en el agua, y el régimen de flujo del agua puede afectar diferentes
hábitats.
Los modelos
hidrodinámicos se construyen para discutir qué sucede cuando los fluidos
fluyen, sin restringirlos a fluidos que fluyen de forma “laminar”, sino
buscando aquellos que fluyen de forma “turbulenta”, como es el caso de las
grandes inundaciones.
Los modelos
hidrodinámicos ambientales son herramientas esenciales para la gestión y
planificación de actuaciones en cuerpos de agua naturales, ya que permiten
analizar procesos relacionados con tres fenómenos de interés (Rosman, 2001):
• Circulación Hidrodinámica: evalúa
cambios en las Cantidades de Movimiento (masa × velocidad), que generan
variaciones en los niveles y corrientes del agua;
• Calidad del Agua: evalúa el transporte
de sustancias que generan cambios en los constituyentes del agua y su calidad;
• Procesos Sedimentológicos: evalúa los
ciclos de erosión, transporte y deposición de sedimentos que generan la
evolución de la morfología o morfodinámica.
El objetivo
de los modelos es computar movimientos, transportes, caudales y flujos de agua
y sus constituyentes, como gases, salinidad, nutrientes, calor, sedimentos,
etc. Según Stokes Oceanografía (2023), el proceso de Modelación se divide en 10
pasos: Armar un modelo conceptual del fenómeno de interés; Buscar datos de
entrada; Definir los límites del dominio numérico; Digitalizar el litoral o, en
el caso de cuencas fluviales, utilizar modelos de elevación del terreno;
Construir la grilla numérica que discretiza el espacio en intervalos finitos
donde se resuelven las ecuaciones fundamentales de conservación de masa y
energía; Generar la batimetría de ríos, canales y embalses; Definir los
escenarios de simulación y las condiciones de contorno del modelo; Montar y
configurar las rondas; Analizar los resultados; Repetir el proceso hasta que
los resultados simulados se acerquen a los observados y Presentar los
resultados.
En Brasil,
la fuente de datos más utilizada en estudios hidrológico-hidrodinámicos es el
Portal HidroWeb, que es una herramienta que pone a
disposición toda la información recopilada por la Red Hidrometeorológica
Nacional (RHN), toda coordinada por la Agencia Nacional del Agua (ANA). Datos
como series históricas de caudales observados en ríos, batimetría, entre otros,
son de libre disposición. Sin embargo, estas observaciones de flujo no son los
únicos datos de entrada que necesitan los modelos hidrológico-hidrodinámicos.
Se necesitan especialmente modelos más completos que incluyan el comportamiento
de las cuencas fluviales, las condiciones sobre el contenido de humedad del
suelo, las propiedades topográficas y el uso y cobertura de la tierra y datos
sobre la distribución temporal y espacial de las precipitaciones, lo que hace
que el proceso de modelización sea aún más complejo. En países como Estados
Unidos, series completas y mapas, en alta resolución, están disponibles
gratuitamente en todo el país, lo que facilita la construcción de modelos de
predicción de inundaciones.
Además, las
series medidas para el río y período deseado no siempre estarán disponibles.
Los ríos muy pequeños no están incluidos en la red de monitoreo de ANA. Pero a
menudo es posible obtener esos datos indirectamente mediante cálculos de
proporcionalidad de área de cuencas fluviales cercanas o a partir de curvas de
lluvia y escorrentía. Estas “regionalizaciones” sirven en cierta medida para
determinar caudales más recurrentes en los ríos; sin embargo, en eventos
extremos este tipo de análisis no es aplicable.
Getirana et al. (2012)
explican que las superficies de aguas abiertas dependen estrechamente de la
geometría y topografía de los ríos. La geometría define si puede ocurrir un
desbordamiento del río y la topografía, que prescribe el perfil de la
superficie de la llanura aluvial dentro del dominio de alcance, determina el
área inundada dado un volumen de agua desbordado. Pero ambos tienen
limitaciones debido a problemas con los datos de entrada necesarios. Los
errores en los modelos digitales de elevación (MDE) siguen siendo una de las
principales fuentes de incertidumbre al modelar las interacciones entre ríos y
llanuras aluviales, comúnmente conocidas como llanuras aluviales. Los MDE
actuales basados en satélites no son adecuados para proporcionar perfiles
precisos de elevación de llanuras aluviales. En particular, el enfoque de
“quema de llanuras aluviales”, que tiene en cuenta mapas de ríos y llanuras
aluviales, puede ser una forma eficaz de cambiar gradualmente las elevaciones
de los píxeles de alta resolución en zonas inundadas.
Gomes
Júnior et al. (2023) explican que los modelos hidrológicos, hidrodinámicos y de
transporte de contaminantes son herramientas fundamentales para la toma de
decisiones sobre mitigación de inundaciones y mala calidad del agua (Fan y Collischonn, 2014). En la literatura existen varios modelos
que ayudan a cuantificar procesos hidrodinámicos a diferentes escalas
temporales y espaciales.
A la escala
de eventos de respuesta rápida y cuencas urbanas, el modelo 2D de autómatas
celulares ponderados (WCA2D) (Guidolin et al., 2016)
utiliza el enfoque de autómatas celulares para distribuir la escorrentía y
estimar mapas de inundación de la superficie del agua. Estos autores
demostraron que el modelo de análisis rápido de inundaciones WCA2D podría
usarse para realizar simulaciones de inundaciones 2D a gran escala debido a su
alto rendimiento computacional y bajo requisito de memoria con un compromiso
mínimo en precisión y una cantidad significativamente grande de simulaciones
(por ejemplo, para análisis de riesgos). Este modelo 2D para el modelado de
inundaciones terrestres está integrado con el modelo 1D CADDIES para el
modelado de redes de alcantarillado desarrollado por Jamali et al. (2018), para
producir un modelo de drenaje urbano rápido y simplificado para el modelado de
inundaciones urbanas. Sin embargo, en grandes inundaciones, el efecto del microdrenaje se reduce en relación con los grandes volúmenes
de precipitación y escorrentía generados.
Un enfoque
reciente de los juegos serios es el desarrollado en Gomes Jr. (2024). Los
autores crearon un juego que simula el colapso de una presa y permite a los
usuarios comprender la fuerza del agua que llegaría a la ciudad, su altura y
velocidad. El juego se aplicó a 21 represas, incluidas Brumadinho
y la represa 14 de Julho. Gomes Junior et al. (2023)
también destaca el modelo HydroPol2D que contribuye al campo de los modelos
hidrológicos e hidrodinámicos, permitiendo el modelado 2D de inundaciones y la calidad
del agua con la simulación de la transferencia de impulso de las llanuras de
inundación, el cálculo de la infiltración y la evapotranspiración distribuida
espacialmente y la simulación del transporte y destino de los contaminantes. .
Estos enfoques permiten un análisis más integrado del comportamiento
hidrológico de las cuencas fluviales que contribuyen a la escorrentía de los
ríos.
El software
HEC-RAS, desarrollado por el Cuerpo de Ingenieros de los Estados Unidos de
América, permite la representación de flujos bidimensionales a partir de la
solución numérica de ecuaciones de aguas someras. Representa los términos de
inercia, gradiente de presión y efectos gravitacionales, fricción, turbulencia
y efectos Coriolis (curva que tienen las corrientes de agua y aire en
diferentes hemisferios). La gran dificultad del modelo HEC-RAS es su alto coste
computacional para simular inundaciones en alta resolución. Los detalles de las
formulaciones y esquemas numéricos utilizados en el modelo (versión 6.1.0) se
pueden encontrar en Brunner (2016). Se produjo un mapa topográfico compuesto
fusionando múltiples bases de datos. En el río Amazonas y áreas de aguas
abiertas de la llanura aluvial, la topografía estimada por Fassoni-Andrade et
al. (2020a) se utilizó una resolución espacial de 30 m (disponible en
data.mendeley.com/datasets/vn599y9szb/1). Este mapeo
se creó al digitalizar cartas náuticas de ríos y utilizando el método
Flood2Topo (Fassoni- Andrade et al., 2020) a través
de datos ópticos satelitales (Gomes Júnior et al., 2023).
Lago et al.
(2024) evaluaron el desempeño del modelo propuesto en relación con un modelo
del Sistema de Análisis de Ríos (RAS) del Centro de Ingeniería Hidrológica
(HEC) con una resolución de 3 m – modelo HEC-RAS – en siete cuencas fluviales
de las ciudades. de San Antonio y São Paulo. Los resultados indican que el MAP
junto con cGAN-Inundação mejoró la precisión del mapa
de inundaciones, identificando primero las células húmedas y luego estimando
las profundidades del agua, a través de la distribución de un volumen de
inundación, subestimando a veces el volumen total a distribuir (vt). Otra desventaja es que cGAN-Flood
no puede predecir velocidades, un parámetro crítico para crear mapas de riesgo.
Además, cGAN-Flood solo fue entrenado en expansión de
inundaciones. Desafortunadamente, esto restringe su aplicación en situaciones
donde la resolución de los datos varía o en escenarios que requieren
pronósticos de inundaciones más detallados.
Aun así, cGAN-Flood fue 50 y 250 veces más rápido que WCA2D y
HEC-RAS, respectivamente. Sin embargo, cGAN-Flood
tiene limitaciones y se necesitan investigaciones futuras para mejorar su
aplicabilidad. El uso de herramientas de inteligencia artificial que
normalmente no cuentan con un aprendizaje profundo sobre el comportamiento
hidrológico de las cuencas fluviales debe hacerse con cautela, dada la escasez
de un gran volumen de datos observados. La aplicación a gran escala de estas
técnicas requiere un escenario de amplios datos de monitoreo de inundaciones
donde sería posible entrenar modelos de aprendizaje automático con
observaciones confiables del comportamiento de las cuencas.
Según
Fassoni-Andrade et al. (2023) en un estudio para comprender la dinámica de los
complejos sistemas hidrológicos de la Amazonía y las inundaciones de
comunidades ribereñas, el modelo HEC-RAS utiliza una malla computacional no
estructurada en la que la orientación y el tamaño de las celdas pueden variar
según la topografía, de modo que se puedan incluir saltos para definir la
orientación de las caras de las celdas computacionales. Los investigadores
añaden pausas considerando una digitalización manual de los contornos
topográficos de las riberas de los ríos. En las zonas de llanura aluvial, las
isolíneas formadas por los umbrales de frecuencia de inundaciones del 90% y 60%
del mapa de frecuencia de inundaciones preparado por Fassoni-Andrade et al.
(2020).
Los errores
en la cartografía topográfica, las condiciones de los límites aguas abajo y la
falta de representación de los procesos hidrológicos en la llanura aluvial,
como la infiltración local, la precipitación, la evaporación y el flujo de
aguas subterráneas, pueden ser fuentes de incertidumbre en la cartografía
hidrodinámica de la extensión de las inundaciones. especialmente durante los
períodos de escasez de agua (Fassoni-Andrade et al., 2023)
Según Long
et al. (2023) su estudio mejoró la simulación de flujo al combinar modelos
hidrológicos e hidrodinámicos. Construyeron un modelo hidrológico a partir de
la herramienta de evaluación del agua de la cuenca del lago Dongting
(SWAT) para simular el flujo actual en áreas con pocos datos, que además se
combinó con el sistema hidrodinámico MIKE21, un modelo con condiciones de
contorno adicionales, que observa las escalas características de los datos de
entrada.
Largo y col.
(2023) encontraron que un enfoque ampliamente utilizado es la regionalización
(Arsenault et al., 2019), que es un proceso de transferencia de información
hidrológica desde el área de medición a áreas con escasez de datos (Bao et al., 2012; Yang et al., 2020).Jillo et al. (2017)
aplicaron un modelo de lluvia-escorrentía al área de observación de la
escorrentía y estimaron aproximadamente la producción de agua en el área
restante con escasos datos utilizando el método de regionalización, pero los
resultados no fueron validados.
En el río
Amazonas y en las zonas de aguas abiertas de la llanura aluvial, la topografía
estimada por el investigador de Rio Grande do Sul Fassoni-Andrade et al. (2020)
se utilizó una resolución espacial de 30 m (disponible en data.mendeley.com/datasets/vn599y9szb/1). Este mapeo se creó digitalizando
cartas náuticas de ríos y utilizando el método Flood2Topo (Fassoni-Andrade et
al., 2020). El investigador chino Yuannan Long y sus
colegas combinaron modelos hidrológicos e hidrodinámicos. El modelo hidrológico
se elaboró utilizando la herramienta de evaluación del agua de la cuenca del
lago Dongting (SWAT) para simular el flujo actual en
áreas con pocos datos y además se combinó con el sistema hidrodinámico MIKE21,
un modelo con condiciones de contorno adicionales, que observa las escalas
características de los datos de entrada. Sugiere revisar decisiones operativas
como la construcción de presas en el sitio de captación y nuevas ETA cuando las
existentes operan por encima de su capacidad, que es el caso.
Dada la
amplia disponibilidad de modelos y soluciones numéricas, los modelos que sean
capaces de abordar la falta de datos, a menudo recurrente, en grandes cuencas
pueden ser una solución rápida para la predicción de inundaciones.
En este
sentido, De Angelis y Gomes Júnior (2024) encontraron que el modelo HydroPol2D
puede ser una solución de bajo costo para predecir el comportamiento
hidrológico-hidráulico de las cuencas fluviales, en particular estimando mapas
de inundaciones que contienen profundidades de agua en calles, manzanas,
barrios, canales y, en consecuencia, en toda la cuenca hidrográfica. Además,
investigaciones recientes utilizan el modelo HydroPol2D para evaluar el riesgo
de que las personas sean arrastradas, generando mapas de riesgo cada 15 minutos
que pueden utilizarse para ayudar en la toma de decisiones. Sin embargo, la
calidad de los resultados del modelo se puede mejorar si hay más datos
disponibles. Actualmente, RS cuenta con 1.700 estaciones pluviométricas (miden
la lluvia que cae en la cuenca de los ríos), estaciones fluviométricas
(miden el nivel y caudal de los ríos) y sólo el 25% transmite datos en tiempo
real. Sólo así se pueden alimentar los modelos hidrodinámicos, si no se basan
en datos proporcionados por la propia población enviados a través de videos y
fotografías (De Angelis y Gomes Júnior, 2024).
2. El modelo
Cultura–Conocimiento–Inteligencia(CCI): Roland (2000) compartió algunas
explicaciones prácticas sobre la formación de culturas y la relación del Estado
con el conocimiento y la inteligencia.
Fincher et
al. (2008) y Murray y Schaller (2010) encontraron que los países donde había
una fuerte presencia de patógenos antes del siglo XX desarrollaron culturas más
colectivistas.
Nuevamente,
la idea es que en áreas con alta presencia de
patógenos, aquellas comunidades que desarrollan normas más colectivistas,
restringiendo el comportamiento individual y mostrando una actitud menos
abierta hacia los forasteros tienden a tener mayores posibilidades de sobrevivir.
Otras explicaciones del origen del individualismo frente al colectivismo
implican la mayor frecuencia de cultivos de arroz sobre otros cultivos de
trigo, ya que el arroz requiere más mano de obra y requiere una mejor coordinación
(Talhelm et al., 2014) o una mayor presencia de Riego (Buggle,
2015), en el espíritu de Wittfogel (1957). Por otro
lado, Knudsen (2017) encontró que una fuerte dependencia de la pesca para su
sustento a lo largo de la historia está más asociada con el individualismo
(Roland, 2000).
Roland
(2000) explicó que la geografía puede haber jugado un papel importante a la
hora de determinar si las sociedades antiguas se convertirían a sistemas
estatistas o de mercado. Este autor demostró que los países que hoy sólo pueden
ser gobernados por sistemas estadísticos tienen una cultura más colectivista,
mientras que los países donde se desarrollaron sistemas de mercado en el pasado
tienen una cultura más individualista. Estas sociedades sudamericanas tienen
sistemas legales que se centran más en los conflictos entre ciudadanos, como
los conflictos de propiedad.
La primera
definición de cultura que se formuló desde un punto de vista antropológico
pertenece a Edward Tylor, en el primer párrafo de su libro Primitive Culture
(1871). Tylor también buscó demostrar que la cultura puede ser objeto de un
estudio sistemático, por ser un fenómeno natural que tiene causas y
regularidades, permitiendo su estudio y análisis con el objetivo de
proporcionar la formulación de leyes sobre el proceso y la evolución cultural.
Para
Kroeber, la cultura es un proceso acumulativo, resultante de toda la
experiencia histórica de las generaciones anteriores. Este proceso limita o
estimula la acción creativa del individuo.
Félix
Keesing y Alfred Kroeber coinciden en que no existe correlación entre genética
y cultura, por ejemplo, cualquier persona nacida, sin importar dónde nació,
absorbió la cultura del lugar donde creció. Kroeber va más allá y afirma que el
hombre sólo se diferencia de los animales gracias a la cultura. Porque el
hombre es un ser que está por encima de sus limitaciones orgánicas, la cultura
es un proceso acumulativo, se dice, el hombre acumula experiencias y, por
tanto, cultura.
a. La
cultura, además de la herencia genética, determina el comportamiento del hombre
y justifica sus logros.
2. El
hombre actúa según normas culturales. Sus instintos quedaron parcialmente
anulados por el largo proceso evolutivo de lo sucedido.
c. Al adquirir la cultura, el hombre pasó
a depender mucho más del aprendizaje que de la actuación a través de actitudes
determinadas genéticamente.
d. Como sabe la humanidad desde la
Ilustración, es este proceso de aprendizaje (socialización o endocultura, no importa cuál sea el término) el que
determina tu comportamiento y tu capacidad artística o profesional.
e. La cultura es un proceso acumulativo,
resultante de toda la experiencia histórica de las generaciones anteriores.
Este proceso limita o estimula la acción creativa del individuo.
En general,
los académicos sugieren que los gobiernos deben garantizar que la ciencia esté
a la vanguardia de la estrategia para la recuperación económica y el
crecimiento económico. Para ellos, la ciencia produce conocimiento y, por
tanto, produce innovación, lo que mejora la calidad de vida, la democracia, el
crecimiento económico y la capacidad de resolver problemas mayores. Sin
embargo, Rothberg y Erickson (2004) afirman que el conocimiento es estático y,
en última instancia, sólo tiene valor si la gente lo utiliza.
En 1989,
Richard Ackoff estableció una taxonomía simple de estímulos ambientales que fue
ampliamente adoptada con respecto a la Gestión del Conocimiento - KM,
sosteniendo que existen cuatro clases de entradas a cualquier sistema: datos,
información, conocimiento e inteligencia (Ackoff, 1989).
Davenport y
Pruzak (1998) realizaron un importante estudio sobre
las diferencias entre datos, información y conocimiento.
Los datos
son un conjunto de temas discretos y objetivos sobre eventos. En un contexto
organizacional, los datos se describen más útilmente como registros
estructurados de transacciones.
Como muchos
investigadores que han estudiado la información, la describiremos como un
mensaje, generalmente en forma de documento o comunicación audible o visible.
Como todo mensaje, tienes un remitente y un destinatario de la información.
La mayoría
de las personas tienen una sensación intuitiva de que el conocimiento es más
amplio, más profundo y más rico que los datos o la información.
El
conocimiento es una mezcla fluida de experiencia marcada, valores, información
contextual y conocimiento especializado que proporciona un marco para evaluar e
incorporar nuevas experiencias e información. Se origina y se aplica en la
mente de quienes saben. Lo que esta definición deja inmediatamente claro es que
el conocimiento no es claro ni simple. Es una mezcla de varios elementos; es
fluido y formalmente estructurado; es intuitivo y, por lo tanto, difícil captar
palabras o comprender completamente términos lógicos (Davenport et al., 1998).
La
transformación del conocimiento en inteligencia es una operación que realiza la
capacidad humana de interpretar, analizar, integrar, predecir y actuar.
La
información se analiza en el contexto de los estándares, criterios y
expectativas personales de quien toma las decisiones para adquirir
conocimientos. Finalmente, quien toma las decisiones aplica el conocimiento de
una situación específica para crear inteligencia.
Rothberg y
Erickson (2004) afirman que el conocimiento se construye socialmente a través
de actividades colaborativas, pero el acceso a este conocimiento no tiene éxito
en la toma de decisiones, ya que el conocimiento sin aplicación es inofensivo.
En resumen, el conocimiento es la base de la inteligencia y la inteligencia es
el conocimiento en acción para resolver problemas.
Rothberg y
Erickson (2004) sostienen que el conocimiento es estático y, en última
instancia, sólo tiene valor si la gente lo utiliza.
Choo (2002)
define la Inteligencia como un ciclo continuo de actividades que incluye sentir
el entorno, desarrollar conocimiento y crear significado a través de la
interpretación, utilizando la memoria de experiencias pasadas para actuar sobre
las interpretaciones desarrolladas.
Con base en
los fundamentos teóricos anteriores se construye el modelo Cultura-
Conocimiento-Inteligencia (CCI), el cual se muestra en la Figura 1.
Las
premisas del modelo CCI son:
• La cultura está formada por creencias,
valores, supuestos y tradiciones de una sociedad (Shein, 1985).
• El argumento central es que, para que
la educación tenga éxito en sus tareas, el currículo como su núcleo debe ser
reestructurado o reformulado en torno a los cuatro pilares del aprendizaje:
aprender a conocer, aprender a hacer, aprender a vivir juntos y aprender a ser
(Nan-Zhao, 2000).
• Los tres pilares de la inteligencia
son: predicción, estrategia y acción (Rothberg y Erickson, 2004).
El modelo
CCI se basa en tres hipótesis (Tabla 1):
Figura 1. El modelo
cultura-conocimiento-inteligencia (adaptado de Choo, 1998)
Tabla 1. Hipóteses del modelo CCI
|
Hipóteses |
Fuentes |
Resultados |
|
La cultura
tiene un impacto positivo en el
conocimiento |
El éxito de la implementación
de un sistema de gestión del conocimiento depende estrechamente de Análisis
crítico de la cultura organizacional existente (de Ré et al., 2017). |
Soportado |
|
El cambio
cultural tiene un impacto positivo en la inteligencia |
La cultura
afecta los comportamientos organizacionales y
sociales, cómo actuarán las personas en una situación determinada, como el
pensamiento y la toma de decisiones (Schein, 1985). |
Soportado |
|
El conocimiento
(KM) tiene un impacto positivo en la inteligencia |
Rothberg y
Erickson (2004) aclaran que el conocimiento sin aplicación es inofensivo. En
resumen, el conocimiento es la base de la inteligencia, ya que la
inteligencia es el conocimiento en acción para resolver problemas. |
Soportado |
El modelo
CCI mostró la relación entre cultura, conocimiento e inteligencia. En el caso
de la inundación de Rio Grande do Sul, quedó muy claro que la cultura de falta de
planificación (inmediatez) y de falta de inversión en mejoras que no atraen
votos de la población tuvo un fuerte impacto en el conocimiento, en particular
el conocimiento tácito. (la experiencia práctica es difícil de articular y
luego compartir y, por lo tanto, depende en gran medida de la confianza, el
compromiso y la identidad social), de los medios para reducir los daños
causados por las inundaciones. La inteligencia también se vio impactada por la
cultura, pues hubo gran dificultad para transformar la experiencia de algunos
técnicos y profesores-investigadores en resultados concretos antes y después
del momento de mayor necesidad: la inundación de las salas de máquinas y el
paso del agua sobre las presas.
3. Gestión del Conocimiento y Comunidades
de Práctica: La Gestión del Conocimiento es un intento de las organizaciones de
capturar, codificar, organizar y redistribuir las formas tácitas de
conocimiento de la organización y hacerlas explícitas (Rothberg y Erickson,
2004).
Para
abordar la interdisciplinariedad que existe entre los temas relacionados con
las inundaciones, es necesario crear espacios públicos de calidad para la
colaboración entre investigadores, formuladores de políticas y comunidades y la
conciencia social sobre el cambio climático y sus consecuencias. La
participación ciudadana es crucial para garantizar que las soluciones
implementadas sean apropiadas y aceptadas por la comunidad. De hecho, las
hipótesis sobre el comportamiento humano y las decisiones basadas en
predicciones cualitativas comprobables dependen del fortalecimiento de la
colaboración interdisciplinaria entre diferentes áreas del conocimiento.
Es
importante señalar que el índice de vulnerabilidad social de CUTTER sirve como
indicador para prevenir daños ambientales (Cutter et al., 2012) y ayuda a
comprender los impactos de los desastres en las comunidades y ecosistemas,
evaluar las necesidades de recuperación o desplazamiento y el desarrollo de
comunidades tempranas. sistemas de alerta.
Por estas
razones y hallazgos, la práctica de gestión del conocimiento aplicada en este
trabajo son Comunidades de Práctica o Foros Comunitarios.
Morgado da
Silva y Araújo (2019) señala que los Foros Comunitarios son una propuesta capaz
de contribuir en gran medida a la construcción y ejercicio de la ciudadanía.
Primero, porque debe ser un ambiente democrático y participativo donde se
revelen, analicen y debatan los conflictos éticos y sociales de la comunidad
con el objetivo de transformar la realidad. Este entorno se crea a partir de la
práctica de gestión del conocimiento conocida como “Comunidades de Práctica –
CoPs. Sin embargo, el debate debe estar mediado por expertos para evitar
provocar una comprensión incompleta o una avalancha de información.
Oliveira y Villardi (2014) explican que para incentivar la formación
de CoP es necesario considerar, como advierte
Gherardi (2003), que las personas, sus emociones y deseos influyen directamente
en las interacciones sociales y en la forma en que se perciben a sí mismas y a
los grupos de trabajo. para el autor, las personas también están motivadas por
la búsqueda de conocimiento como un fin en sí mismo. Sin embargo, Moura (2009)
señala que la CoP rara vez ha sido estudiada desde
una perspectiva crítica, aunque.
Lave y
Wenger (1991) reconocen la dimensión de poder involucrada en las COP, y Wenger
(2000) recomienda entender o no las COP con una visión romántica, ya que “Son
la cuna del espíritu humano, pero también pueden ser sus prisiones”. (Wenger,
2000, p. 230) Participando en contextos de aprendizaje, dialogando con las
personas, negociando significados a partir de sus experiencias profesionales y
cotidianas, promoviendo sus procesos de reflexión individuales y contribuyendo
a la reflexión de los demás. Así, la reflexividad, el aprendizaje y la
competencia social del grupo se expanden colectivamente y se pueden establecer
comunidades de práctica (CoP) en las organizaciones
(Souza-Silva y Davel, 2007).
Tres
elementos deben estar presentes en una CoP: dominio,
comunidad y práctica (a) Dominio, una CoP presenta
una identidad definida por un conjunto compartido de intereses, miembros
comprometidos que comparten habilidades, aprenden unos de otros, se destacan y
son valorados por esto. competición colectiva, no sólo un club de amigos; (b)
Comunidad, la participación en una COP implica participar y discutir
actividades conjuntas, ayudarse mutuamente y compartir información entre los
miembros debido a su interés en el dominio. Para mantener esto, los CDP
construyen relaciones que les permiten aprender unos de otros, incluso si no
trabajan juntos a diario; (c) La práctica es característica de una CoP porque sus miembros son practicantes y comparten
experiencias, historias, herramientas, formas de resolver problemas, es decir,
llevan a cabo una práctica compartida (Wenger, 2006). en la comunidad se
realiza mediante su participación progresiva, participando en prácticas
colectivas a través de su "participación periférica legítima" (PPL)
que perpetúa una CoP a través de la cual los
estudiantes aprenden y socializan hasta que poco a poco son reconocidos como
miembros de esa comunidad (Gherardi et al. ., 1998) La adhesión al entorno
informal de interacción social y la participación colectiva en la CoP son importantes para construir, transmitir
conocimientos y promover el aprendizaje grupal ubicado (anclado) en la práctica
(GHERARDI et al., 1998).
Se sugiere
la creación de una Comunidad de Prácticas para discutir mejores prácticas y
lecciones aprendidas para contener inundaciones y la designación de un experto
en cada tema (comunidad) para analizar, facilitar, motivar y entregar
propuestas para la toma de decisiones.
Uno de los
resultados de estas comunidades de práctica es el cambio cultural.
En este
punto, según De Angelis (2023), es importante resaltar tres grandes desafíos:
(i) La creación de una cultura de intercambio de conocimientos dentro y fuera
de la administración pública para la co-creación e
implementación de políticas, programas, proyectos y actividades; (ii) Motivar y facilitar la expresión concisa y organizada
en el debate en línea, utilizar herramientas y sistemas inteligentes
especializados para transformar la información en conocimiento
(contextualización) y sabiduría (aplicación).
Reconocimiento
de la importancia de la participación activa de los ciudadanos, el sector
privado y los funcionarios públicos para crear nuevo conocimiento, así como de
sistemas inteligentes y expertos para facilitar/orientar la colaboración y
analizar este nuevo conocimiento generado.
El tema del
cambio cultural beneficia fuertemente un plan de Emergencia basado en prácticas
de Gestión del Conocimiento (Comunidades de Práctica) e Inteligencia
Organizacional (análisis por expertos de cada grupo temático).
De Angelis
(2024) señala que los planes de emergencia deben basarse en la selección de
medidas proactivas, tanto estructurales (por ejemplo, obras de ingeniería
hidráulica) como no estructurales (por ejemplo, políticas públicas de
transferencia de conocimiento a la sociedad), que reduzcan la potencial pérdida
de pérdidas de vidas y económicas.
De Angelis
y Gomes Júnior (2024) destacan que el software HAZUS de Mapeo de riesgo de
inundaciones y fallas de presas (FEMA) del gobierno de EE. UU. permite a los
planificadores de mitigación utilizar información sobre fallas de presas para
estimar daños potenciales y realizar análisis de costo-beneficio para las áreas
de población más vulnerables y luego permite el desarrollo de proyectos de
infraestructura y esfuerzos de rezonificación.
Araújo
(2024) encontró que según FEMA, el 40% de las empresas no reabren después de
haber sido golpeadas por una catástrofe; otro 25% acaba cerrando actividades en
el plazo de un año. Otro tema planteado es la necesidad de desenlodar la cuenca
de Taquari, tema que se viene discutiendo desde hace
cuarenta años.
Wendland et
al. (2023) descubrieron que los materiales sintéticos pueden diseñarse para
aumentar la eficiencia y la sostenibilidad de la producción, el almacenamiento
y el uso de energía.
Por
ejemplo, las células solares avanzadas, las baterías y los catalizadores
eficientes pueden ayudar a reducir la dependencia actual de los combustibles
fósiles y mitigar el cambio climático.
En cuanto
al transporte, en particular el transporte público, responsable de una gran
emisión de CO2, los costes de producción del hidrógeno verde (renovable) siguen
siendo mucho más elevados que los del hidrógeno obtenido a partir de fuentes
fósiles, que emiten gases de efecto invernadero. Sin embargo, según estudios y
prácticas en este ámbito, este coste tiende a igualar al de los combustibles
fósiles en el corto plazo.
El
hidrógeno verde se produce por electrólisis y la electricidad proviene de
fuentes de energía renovables, como la solar, eólica, hidráulica, geotérmica,
mareomotriz, entre otras. El hidrógeno renovable también se puede producir
utilizando biogás (en lugar de gas natural) o conversión bioquímica de biomasa,
siempre que cumpla con los requisitos de sostenibilidad.
Los costes,
los relacionados con los costes de producción, siguen siendo muy superiores a
los del hidrógeno obtenido de fuentes fósiles, que emiten gases de efecto
invernadero.
4. El Modelo Biodinámico – Hidrodinámico:
La agricultura biodinámica, que utiliza polvo de roca para reducir la fuerte
necesidad de fertilizantes químicos, tiene el potencial de mejorar los
indicadores climáticos y hídricos.
Como hemos
visto, los fertilizantes químicos, además de contaminar el agua, aumentan el
secuestro de carbono en el suelo, lo que ayuda a aumentar las temperaturas y
por tanto las precipitaciones.
Los modelos
hidrodinámicos se utilizan en casos de inundaciones e inundaciones para
predecir la densidad del agua cerca del aliviadero y crear un plan de descarga
de inundaciones ideal.
Como
encontró Angelis (2014), un plan de emergencia depende de la variabilidad de
las propiedades hidráulicas e hidrológicas, ya que los indicadores hidráulicos
se ven impactados por el uso de la tierra y luego por el cambio climático.
Este
trabajo sugiere las siguientes Comunidades de Práctica para compartir
conocimientos y experiencias para mejorar el proceso de toma de decisiones:
1-
Agricultura y Cambio Climático 2- Modelos hidrodinámicos y datos necesarios 3-
Mejora de la previsión en casos de inundaciones 4- Planes de emergencia y
relación con la población
5-
Estructuras eléctricas de salas de máquinas.
Con base en
esta revisión de la literatura, se construye el modelo de relación entre el
modelo de Agricultura Biodinámica y el Modelo Hidrodinámico:
Figura 2. El Modelo
Biodinámico – Hidrodinámico
Es importante
destacar en este modelo que las mejoras en los datos agrícolas han mejorado los
datos hidrológicos e hidrodinámicos, considerando la relación con el cambio
climático e incluso el respeto al medio ambiente.
RESULTADOS Y DISCUSIÓN
El
principal resultado de esta revisión bibliográfica fue considerar el modelo
HydroPol2D como una solución económica para predecir el comportamiento
hidrológico-hidráulico de las cuencas hidrográficas de Rio Grande do Sul, en
particular para estimar mapas de inundaciones que contienen la profundidad del
agua en calles, manzanas, barrios, canales y, en consecuencia, en toda la
cuenca.
Y no solo
eso. Como hemos visto, el modelo HydroPol2D puede utilizarse para evaluar el
riesgo de arrastre de personas, generando mapas de riesgo cada 15 minutos que
pueden utilizarse para facilitar la toma de decisiones.
Sin
embargo, este trabajo destaca la necesidad de datos de estaciones
pluviométricas y de aforo fluvial, y sugiere una mejor estructuración de estas
estaciones, así como la construcción de nuevas por parte de las autoridades
públicas.
Es
importante destacar que la cuestión del cambio cultural es aún más importante
que el propio modelo HydroPol2D. Esto se debe a que se observó el uso de
soluciones paliativas tanto en las inundaciones de 2023 como en las de 2024, lo
que agravó la situación y dejó 151 muertos, más de 100 desaparecidos y más de
600 desplazados.
Las alertas
meteorológicas de fuertes lluvias se emitieron con unos cinco días de
antelación. No hubo mantenimiento en las estructuras existentes para proteger
contra las inundaciones,
incluidos
diques, compuertas y bombas, hasta el punto de que el sistema colapsó antes de
alcanzar el límite de inundación de 6 m. Como vimos, las bombas, que estaban
inundadas, no pudieron bombear agua fuera de la ciudad debido a su
imposibilidad de funcionar con exceso de agua.
Obviamente
también hubo una falta de trabajo en equipo multidisciplinario para gestionar
mejor la urbanización y el sellado del suelo, particularmente en comunidades
que viven cerca de zonas de inundación.
Sin un plan
de Gestión del Conocimiento e Inteligencia Organizacional, faltó una buena
comunicación por parte de las autoridades públicas para instruir a la población
sobre cómo reducir riesgos y cómo actuar en situaciones de emergencia.
CONCLUSIONES
El artículo
presenta dos modelos de investigación que se retroalimentan: el modelo CCI y el
modelo de gestión de riesgos con participación social. El primer modelo
demuestra la importancia de aprender de otras culturas, la inteligencia
cultural, como incluyendo que el tema de las inundaciones es un problema global
y por ende la necesidad de intercambiar conocimientos y experiencias con otros
países, en particular Argentina.
Los efectos
del cambio climático, asociado a la ocupación de zonas inundables, hacen que
eventos como el de mayo de 2024 puedan ser cada vez más frecuentes. Sin
embargo, la capacidad matemática actual de los modelos de previsión permite,
con un intervalo razonable del orden de unos pocos días, predecir el impacto de
las inundaciones con cierta precisión y servir de base para planes de actuación
de emergencia. Para ello, es necesario recopilar datos de elevación,
precipitaciones, batimetría y otros que sirvan como información de entrada para
los modelos de pronóstico. Estados como Santa Catarina o Pernambuco cuentan con
información de este tipo. Estas y otras medidas fueron sugeridas por
investigadores del Instituto de Investigaciones Hidráulicas a finales de 2023
tras las inundaciones de noviembre, pero no fueron seguidas por los organismos
públicos responsables.
Los
investigadores también denuncian la cuestión gubernamental del mantenimiento de
las obras (diques de contención y barreras antiinundaciones).
Los sistemas de protección, especialmente en Porto Alegre, requieren una
intensa movilización de agentes capacitados para el correcto funcionamiento de
compuertas y salas de máquinas. Preservar la memoria de las personas sobre los
impactos sin precedentes de la inundación de 2024 no solo debe servir como una
advertencia para la población, sino también presentarse en acciones adecuadas y
frecuentes para la operación y mantenimiento de los sistemas de protección.
La
formación de equipos responsables de gestionar los sistemas de protección con
frecuencia y no sólo durante las inundaciones debe ser una prioridad. Este
trabajo pretende buscar pautas para una solución sin necesariamente encontrar
culpables. La población afectada es la que más sufre al tener que desplazarse
desde zonas previamente estables, y esto trae consigo la importancia de la
inteligencia y sus tres pilares 1. predicción (responsabilidad del modelo
hidrodinámico), 2. estrategia y acción (responsabilidad del plan de emergencia
con participación social).
Como se
analiza en este trabajo, es necesaria una mejor relación entre la universidad y
el gobierno con la participación de la población para que quienes tienen
conocimiento y experiencia puedan tener mejores datos hidrológicos, no solo de
precipitaciones, sino también de niveles de agua en toda la infraestructura de
las ciudades. sistema para alimentar sus modelos de predicción, estrategia y
acción. Además, se necesita un plan de emergencia estándar para todo el Estado
que pueda replicarse en todo Brasil, considerando la educación de la población,
particularmente de las poblaciones ribereñas y ribereñas.
REFERENCIAS
Araújo, L.
(2024). Emergência climática traz
necessidade de mudança em parâmetros de risco de desastres. Jornal do Comércio. https://www.jornaldocomercio.com/cadernos/empresas-e-
negocios/2024/05/1155968-emergencia-climatica-traz-necessidade-de-mudanca-em-
parametros-de-risco-de-desastres.html
Arsenault,
R., Breton-Dufour, M., Poulin, A., Dallaire, G., & Romero-Lopez, R. (2019). Streamflow prediction in ungauged basins: Analysis of regionalization methods in a hydrologically heterogeneous region of Mexico. Hydrological Sciences Journal, 64(11),
1297–1311. https://doi.org/10.1080/02626667.2019.1643617
Bao, Z., et al. (2012). Comparison of regionalization
approaches based on regression and similarity for predictions in ungauged catchments under multiple hydro-climatic conditions. Journal of Hydrology, 466, 37–46.
https://doi.org/10.1016/j.jhydrol.2012.07.030
Brunner, G.
W. (2016). HEC-RAS river analysis
system: 2D modeling user’s manual. U.S. Army Corps of Engineers, Hydrologic Engineering Center.
https://www.hec.usace.army.mil/software/hec-ras/documentation.aspx
Choo, C. W.
(1998). The knowing organization:
How organizations use information
to construct meaning, create knowledge, and make decisions. Oxford University
Press.
Davenport,
T. H., & Prusak, L. (2000). Working knowledge:
How organizations manage what they know
(2nd ed.). Harvard Business School Press.
Cutter, S.
L., Boruff, B. J., & Shirley, W. L. (2003). Social vulnerability
to environmental hazards.
Social Science Quarterly, 84(2),
242–261. https://doi.org/10.1111/1540-6237.8402002
De Angelis,
C. T. (2024). Um modelo e
plano de emergência padronizado
para as inundações. Jornal do Comércio.
https://www.jornaldocomercio.com/opiniao/2024/07/1165074-um-modelo-e-
plano-de-emergencia-padronizado-para-as-inundacoes.html
De Angelis,
C. T. (2023). Um plano de educação
ambiental baseado na educação infantil e participação
social: Um estudo de caso na Aldeia Tereré em Sidrolândia.
Revista Ambientale, Universidade Estadual de Alagoas.
https://periodicosuneal.emnuvens.com.br/ambientale/article/view/535
De Angelis,
C. T., & Gomes Júnior, M. N. (2024). Uma sugestão de modelo hidrodinâmico
para prever e gerir inundações. Jornal do Comércio.
https://www.jornaldocomercio.com/opiniao/2024/07/1160994-uma-sugestao-de-modelo-
hidrodinamico-para-prever-e-gerir-inundacoes.html
Do Lago,
C., Brasil, J., Nóbrega, M., Mendiondo, E., & Giacomoni, M. (2024).
Improving pluvial flood mapping
resolution of large coarse models
with deep learning. Hydrological Sciences Journal, 69(5), 607–621.
https://doi.org/10.1080/02626667.2024.2329268
Fassoni-Andrade,
A. C., Paiva, R. C., Rudorff, C. M., Barbosa, C. C., & Leão, E. M. (2020).
High- resolution mapping of floodplain topography
from space: A case study in the Amazon. Remote
Sensing of Environment,
251, 112056. https://doi.org/10.1016/j.rse.2020.112056
Fassoni-Andrade,
A. C., Durand, F., Azevedo, A., Bertin, X., Santos, L. G., Khan, J. U., Testut,
L., & Moreira, D. M. (2023). Seasonal to interannual variability of the tide in the
Amazon estuary. Continental Shelf
Research, 255, 104962.
https://doi.org/10.1016/j.csr.2023.104962
Getirana, A., Boone, A.,
Yamazaki, D., Decharme, B., Papa, F., & Mognard, N. (2012). The hydrological
modeling and analysis platform (HyMAP): Evaluation in the Amazon basin. Journal of Hydrometeorology, 13, 1641–1665.
https://doi.org/10.1175/JHM-D-12-021.1
Gomes
Júnior, M. N., Giacomoni, M. H., Richmond, F. A., & Mendiondo, E. M.
(2024). Global optimization-based calibration
algorithm for a 2D distributed hydrologic-hydrodynamic
and water quality model. Environmental Modelling & Software, 179, 106096.
https://doi.org/10.1016/j.envsoft.2024.106096
Gomes
Júnior, M. N., Lago, C. A., Rápalo, L. M., Oliveira, P. T., Giacomoni, M. H.,
& Mendiondo, E.M. (2023). HydroPol2D—Distributed hydrodynamic and water quality model: Challenges and opportunities in poorly-gauged catchments. Journal of Hydrology, 625(Part
A), 129958. https://doi.org/10.1016/j.jhydrol.2023.129958
Guidolin, M., Chen, A. S.,
Ghimire, B., Keedwell, E. C., Djordjevic, S., & Savic, D. A. (2016). A weighted cellular automata 2D inundation model for rapid
flood analysis. Environmental Modelling &
Software, 84, 378–394. https://doi.org/10.1016/j.envsoft.2016.07.008
Jamali, B.,
Löwe, R., Bach, P. M., Urich, C., Arnbjerg-Nielsen, K., & Deletic, A. (2018). A rapid urban flood inundation
and damage assessment model. Journal of Hydrology, 564, 1085–1098.
https://doi.org/10.1016/j.jhydrol.2018.07.064
Hu, D., Chen, Z., Li, Z., &
Zhu, Y. (2024). An implicit
1D–2D deeply coupled hydrodynamic model for shallow water
flows. Journal of Hydrology, 631, 130981.
https://doi.org/10.1016/j.jhydrol.2024.130981
Jillo, A.
Y., Demissie, S. S., Viglione, A., Asfaw, D. H., & Sivapalan,
M. (2017). Characterization of
regional variability of seasonal water balance within Omo-Ghibe River Basin, Ethiopia. Hydrological Sciences Journal, 62(8), 1200–1215. https://doi.org/10.1080/02626667.2017.1310080
Kroeber, A.
L. (1949). The concept of culture in science. The Journal of General Education, 3(3), 182– 196.
Li, G.,
Zhu, H., Jian, H., Zha, W., Wang, J., Shu, Z., Yao, S., & Han, H. (2023). A
combined hydrodynamic model and deep learning method to predict water
level in ungauged rivers. Journal of Hydrology, 625(Part A), 129999.
https://doi.org/10.1016/j.jhydrol.2023.129999
Long, Y.,
Chen, W., Jiang, C., Huang, Z., Yan, S., & Wen,
X. (2023). Improving streamflow simulation
in Dongting Lake Basin by coupling hydrological and hydrodynamic models and considering water yields in data-scarce areas. Journal of Hydrology: Regional Studies, 47, 101389.
https://doi.org/10.1016/j.ejrh.2023.101389
Morgado da
Silva, M., & Araújo, U. (2019). Aprendizagem-serviço
e fóruns comunitários: Articulações para a construção da
cidadania na educação ambiental. Revista de Educação
Ambiental, 24(1). https://periodicos.furg.br/ambeduc/article/view/8157
Nonnemacher,
L., & Fan, F. (2023). Análise da viabilidade econômica da previsão de cheias no Rio Grande
do Sul. Revista de Gestão de Água
da América Latina, 20, e8. https://doi.org/10.21168/rega.v20e8
Paiva, R., Collischonn, W., Miranda, P., Petry, I., Dornelles, F., Goldenfum, J., Fan, F., Ruhoff, A., & Fagundes, H.
(2024). Critérios hidrológicos para adaptação à mudança climática:
Chuvas e cheias extremas na
Região Sul do Brasil (Relatório IPH-UFRGS). https://www.ufrgs.br/iph/wp-
content/uploads/2024/05/CriteriosAdaptacaoMudancaClimaticaChuvasCheiasExtremasSul.pdf
Rennó, C. D., & Soares, J. V.
(2022). Modelos hidrológicos para gestão ambiental.
INPE.
http://www.dpi.inpe.br/geopro/modelagem/relatorio_modelos_hidrologicos.pdf
Rosman, P.
C. C. (2001). Um sistema computacional de hidrodinâmica ambiental. En Métodos numéricos em recursos
hídricos (Vol. 5, pp. 1–161). ABRH & Fundação
COPPETEC.
Rothberg,
H. N., & Erickson, G. S. (2004). From knowledge to intelligence: Creating competitive advantage in
the next economy. Butterworth-Heinemann.
Schein, E.
H. (1985). Organizational culture and leadership. Jossey-Bass.
Stokes Oceanografia. (2023). Estudos sobre modelos hidrodinâmicos.
http://stokesoceanografia.com.br/2020/08/07/modelos-hidrodinamicos1/
Yang, L.,
et al. (2022). Effects of the
Three Gorges Dam on the downstream
streamflow based on a large-scale hydrological and hydrodynamics coupled model. Journal of Hydrology:
Regional Studies, 40, 101039.
https://doi.org/10.1016/j.ejrh.2022.101039