Evaluación multirriesgo y calibración de los modelos
Este mapa reúne áreas con peligro de inundación, susceptibilidad a deslizamientos y registros de incendios. No calcula las consecuencias que esos eventos podrían tener sobre las comunidades. 3,5,6,124 Un mapa multirriesgo busca estimar las posibles consecuencias de distintas amenazas sobre las personas, los edificios, la infraestructura y los servicios. Para estimar esas consecuencias se consideran la amenaza, la exposición y la vulnerabilidad. La amenaza incluye la probabilidad y la intensidad del evento. La exposición identifica quiénes o qué podrían verse afectados. La vulnerabilidad describe las condiciones que hacen que esas personas, edificios o servicios puedan sufrir más o menos daños. 63,119
Las capacidades para afrontar los impactos y responder pueden incorporarse al análisis de vulnerabilidad mediante indicadores como la disponibilidad de alertas y el acceso a refugios. Debe explicarse cómo se incorporan para evitar contarlas nuevamente como un componente independiente. 129 Las relaciones entre amenazas se analizan mediante escenarios de un mismo evento. Por ejemplo, se pueden estimar las inundaciones y los deslizamientos asociados a una lluvia intensa y evaluar sus consecuencias conjuntas. El mapa permitiría identificar las zonas afectadas por ambos procesos y los lugares donde un deslizamiento podría bloquear una carretera necesaria para evacuar una comunidad inundada. 120 La calibración de los modelos que sustentan una evaluación multirriesgo se basa en observaciones de eventos reales. Por ejemplo, para ajustar localmente el modelo de pronóstico de caudal cuyos resultados se presentan en Google Flood Hub, se comparan los caudales calculados con los medidos en estaciones del río. Se revisa si el modelo calculó un caudal mayor o menor que el registrado y si pronosticó el máximo de la crecida antes o después del momento observado. Estas comparaciones ayudan a ajustar el modelo para reducir los errores en la cantidad de caudal pronosticada y en el momento del máximo de la crecida. Después se prueba con registros de otras crecidas que no se usaron para ajustarlo, para comprobar si sus pronósticos también son acertados en esos eventos. 126,130,131
Preguntas para la discusión
¿Cómo podríamos mejorar el detalle de este mapa con datos de campo más completos y precisos, y qué beneficios tendría esa mejora en la práctica?
¿Cómo podrían los datos que ustedes generan en sus investigaciones, comunidades o trabajos contribuir a validar y mejorar los modelos y productos presentados?
