http://tesis.pucp.edu.

pe/repositorio/bitstream/handle/123456789/5456/ALVAREZ_PONCE_VI
CTOR_MAR_TSUNAMIS.pdf?sequence=1&isAllowed=y

han derivado, a partir de dos décadas de mediciones geodésicas en Perú y Chile, la

deformación intersísmica acumulada a lo largo de la zona de subducción desde Lima, Perú
hasta Antofagasta, Chile (Fig. 1).

Las áreas de alto deslizamiento sísmico concuerdan con las porciones de alto acoplamiento
sísmico (ISC), demostrando efectividad en la evaluación de la ubicación, el tamaño y la
magnitud de futuros terremotos de gran magnitud en zonas de subducción. En el caso de Perú
Central, el área se rompió después de 1746 (Mw8.6-8.8) liberó parte de la tensión elástica
acumulada hasta el momento. Sin embargo, resultó en una pequeña cantidad de la tensión
elástica acumulada esperada [5]. Por lo tanto, es posible que ocurra un terremoto de magnitud
de magnitud Mw> 8.5 en esta área de alto ISC (Fig. 1)

Con base en este modelo de distribución ISC, dos áreas fuertemente acopladas se encuentran
en las costas de las ciudades de Lima y Pisco (Fig. 1)

El impacto del tsunami de este modelo fuente fue estudiado por Adriano et al. [7].

además, para simulaciones de movimiento fuerte fue necesario agregar heterogeneidades de

longitud de onda corta al deslizamiento de fuente para simular movimientos de tierra de alta
frecuencia: las asperezas de larga longitud de onda ya estaban presentes en el modelo original
del terremoto. Posteriormente ,pullido et
 Modelo y dominios de deslizamiento para la simulación de tsunamis. El modelo de error de
deslizamiento desarrollado por [2] (izquierda) y el resultado de simulación de tsunami
reportado en [7] (derecha) En este estudio, utilizamos los mismos dominios de grillas anidadas
para simular los 12 escenarios de terremotos de gran magnitud que se muestran en la Fig. 3

calculó doce distribuciones de deslizamiento diferentes de la fuente de déficit de

deslizamiento original combinando el modelo de deslizamiento geodésico (GSM) con varias
distribuciones de deslizamiento de longitud de onda corta. Los detalles de la simulación de
movimiento fuerte se pueden encontrar en [6] 1

La Fig. 3 muestra los 12 escenarios de mega terremoto. Los resultados de la simulación de

movimiento fuerte en [6] sugieren que el deslizamiento con el valor pico promedio más
profundo a lo largo del golpe (Modelo 5) genera la PGA más grande en Lima-Callao (≈1000 cm
/ s2). En consecuencia, para comprender el riesgo de tsunami que plantean tales mega
terremotos en Tabla 1. Parámetros de origen de 12 fuentes de terremoto de megathing [1]
utilizadas para la modelización de tsunamis en este estudio y la profundidad máxima de
inundación resultante de la simulación.
Escenarios de mega terremotos. Distribución de deslizamiento para 12 escenarios de débito de
deslizamiento en Perú Central [19]. El pequeño rectángulo muestra el área de estudio para las
simulaciones de tsunami
Lima-Callao, evaluamos el impacto del tsunami y las diferencias en las características
espaciales de las fuentes de deslizamiento en lo que se refiere a la inundación del tsunami

Modelado Numérico del Tsunami

En este estudio, se utilizó el modelo de análisis numérico de la Universidad de Tohoku para la

investigación del tsunami de campo cercano n. ° 2 (TUNAMI-N2). Las ecuaciones no lineales de
aguas someras se discretizaron utilizando un esquema escalonado de diferencia finita de salto
[20].

La simulación numérica se realizó utilizando el modelo de análisis numérico de la Universidad de Tohoku

para la investigación del tsunami de campo cercano número 2 (TUNAMI-N2) basado en la teoría de
aguas poco profundas y un sistema de coordenadas cartesianas desarrollado por el Centro de
Investigación de Control de Desastres (DCRC). Universidad de Tohoku, Japón. El conjunto de
regresiones no lineales bajas (Eqs. (1), (2) y (3)) se discretizan usando un esquema de diferencias fijas de
salto-sapo escalonado [18],
Donde M y N son el flujo de descarga en las direcciones xey, respectivamente; η es el nivel del agua yh
es la profundidad del agua con respecto al nivel del marino. Para realizar modelado de inundación por
tsunami, el área computacional se divide en cinco dominios para construir un sistema de grilla anidado
(ver Fig. 2). Los datos de batimetría / topografía para el primer y segundo dominio se remuestrean desde
Donde M y N son el flujo de descarga en las direcciones xey, respectivamente; η es el nivel del agua yh
es la profundidad del agua con respecto al nivel del marino. Para realizar modelado de inundación por
tsunami, el área computacional se divide en cinco dominios para construir un sistema de grilla anidado
(ver Fig. 2). Los datos de batimetría / topografía para el primer y segundo dominio se remuestrean a partir
de los datos de cuadrícula de GeneralBathymetryChartoftheOcean (GEBCO) 30 segundos. Los datos de
batimetría para los dominios tercero a quinto se construyen a partir de una carta náutica proporcionada
por DHN y los datos de topografía se fusionan con los datos de trama de resolución de segundo orden y
datos de contorno de resolución de 5 m del gobierno regional de Callao. El tamaño de la red varía de 405
ma 5 m