Documentos de Académico
Documentos de Profesional
Documentos de Cultura
08 PDF
08 PDF
Los modelos espectrales de evolución de oleaje son una fuente necesaria para el
completo estudio de la hidrodinámica marítima, y sus predicciones son utilizadas para
muchas aplicaciones ingenieriles, entre otras. Por otro lado, los modelos paramétricos
también son una fuente importante para el conocimiento de la morfología del espectro. En
consecuencia, la modelización debe ser muy detallada. Entre los muchos parámetros que
deben incluir, deben estar las olas capilares (surfaces ripples), estado direccional del mar
(incluyendo parámetros de estado tradicionales como por ejemplo velocidad de fase y wave
age), interacción ola-ola, entre otros (Bourassa et al. 1999). Por eso es importante un
análisis de diferentes parámetros espectrales (capítulo II) relacionados con la
caracterización del oleaje.
60
Capítulo V Análisis de la aproximación de los modelos espectrales
Uno de los puntos donde el espectro escalar podría ser poco eficiente es en
presencia de varios tipos de oleaje distintos propagándose y, como ya se ha comentado, uno
de los tipos de oleaje más abundante en las tormentas estudiadas es el II-1, con dos sistemas
de olas separados, dentro del espectro direccional, tanto en la frecuencia como en la
dirección. Por eso es importante hacer un estudio determinado de este tipo de oleaje. Por
otro lado, dentro de este tipo de oleaje debe tenerse en cuenta que habitualmente habrá un
oleaje que domine y esto hace que se tienda a considerar únicamente el más importante. El
oleaje II denota la presencia de picos secundarios aportando energía no despreciable,
mostrando la importancia de la direccionalidad y de la multimodalidad.
Esta simplicidad relacionada con que los espectros teóricos sean definidos para unas
condiciones determinadas (oleaje de viento completamente desarrollado, fetch limitado...),
proporciona deficiencias. Los espectros de oleaje de dos o más picos pueden ser observados
cuando un sistema swell se combina con un sistema de viento conducido. Mientras que los
estados de mar producidos por viento representan una situación física específica que puede
ser descrita por un modelo espectral similar (Kitaigorodskii, 1962), el estado swell tiene
una descripción que depende de la trayectoria seguida.
Por otro lado, parece que persiste algún tipo de reserva entre los ingenieros a
emplear un espectro de oleaje direccional para las aplicaciones direccionales, debido en
parte a la irresuelta cuestión de la fórmula estándar de la función de dispersión direccional
D(θ,f). Ciertamente, las bases de datos de los espectros direccionales medidos no es tan
grande como la de los espectros frecuenciales, debido a que la rutina de las medidas de los
espectro direccionales ha empezado relativamente hace poco tiempo. Los espectros
direccionales pueden exhibir una distribución multimodal (casos de oleaje II ó III). Las
transformaciones del oleaje espectral con una dispersión multimodal direccional son algo
diferentes de las transformaciones con una dispersión unimodal direccional. La diferencia,
sin embargo, no será tan grande como la existente entre las aproximaciones direccionales y
las escalares.
61
Capítulo V Análisis de la aproximación de los modelos espectrales
El oleaje tipo II-1 se caracteriza por dos sistemas de olas simultáneamente con un
espectro variado con separación tanto en la frecuencia como en la dirección.
En el primer pico de la tormenta de noviembre del 2001 que es donde este tipo de
espectro tiene más relevancia, se observa la presencia, principalmente, de un pico swell con
frecuencia menor a 0,15 Hz, que está alrededor de 0,1 Hz y con una dirección de 75º,
mientras que el otro pico sea se observa por encima de 0,15 Hz, alrededor de 0,21 Hz y con
una dirección de 335º, (ωpico2, θpico2) = (0,21 Hz, 335º). Se puede observar que ambos picos
pueden tener alguna variación de frecuencia y/o dirección a lo largo de los registros ya que
los valores anteriores son valores promedio de la orientación y la frecuencia de ambos
picos. El valor límite de 0,15 Hz ha sido tomado después de analizar los diferentes
espectros como valor de separación de altas frecuencias, asociadas a oleaje sea, y de bajas
frecuencias, asociadas a oleaje swell.
120
60
40
20
0
10/11/01 10/11/01 11/11/01 11/11/01 12/11/01 12/11/01 13/11/01
0:00 12:00 0:00 12:00 0:00 12:00 0:00
Fig. V.1 – Evolución temporal de la relación oleaje swell – oleaje sea en el primer pico de la tormenta
(Fuente: Elaboración propia)
62
Capítulo V Análisis de la aproximación de los modelos espectrales
S pico sea
Fecha y hora %= ·100
S pico swell
10/11/01 1:00 125.47
10/11/01 3:00 128.72
10/11/01 5:00 107.47
10/11/01 7:00 24.89
10/11/01 9:00 15.00
10/11/01 16:00 7.65
10/11/01 17:00 6.68
10/11/01 18:00 7.61
Tabla V.1 – Relación pico sea – pico swell
Se aprecia que hacia el final de este periodo el pico sea disminuye su aporte en
relación con el swell.
Posteriormente se suceden varios registros no válidos, entre las 12:00 horas del
10/11 y las 20:00 horas del 10/11, pero en dichos registros domina el oleaje tipo swell
respecto al oleaje sea. A partir de las 22:00 se observa otra vez una contribución energética
más importante del oleaje tipo sea, que continúa siendo la dominante.
Sin embargo, cabe destacar que, aunque el oleaje tipo swell aporta más energía que
el oleaje sea, la densidad energética de este último puede llegar a ser un 32% de la energía
que aporta el swell (este es el caso del registro de las 23:00 horas del 10/11, momento en el
cual se produce el máximo de la tormenta). En consecuencia, siendo el momento máximo
del temporal, parecía razonable no despreciar similar aporte de energía, aunque secundario
no despreciable. Las relaciones entre ambos picos aparecen en la tabla V.2.
S pico sea
Fecha y hora %= ·100
S pico swell
10/11/01 23:00 31.49
11/11/01 1:00 18.63
11/11/01 3:00 9.99
11/11/01 5:00 20.67
11/11/01 7:00 15.24
11/11/01 8:00 11.43
11/11/01 11:00 11.58
11/11/01 16:00 7.45
11/11/01 17:00 13.03
11/11/01 20:00 5.81
11/11/01 22:00 13.13
11/11/01 23:00 22.01
12/11/01 1:00 22.31
12/11/01 3:00 38.24
12/11/01 5:00 114.90
12/11/01 7:00 122.48
12/11/01 9:00 124.22
12/11/01 11:00 83.62
63
Capítulo V Análisis de la aproximación de los modelos espectrales
En los últimos registros la energía de ambos picos mengua y ambos llegan a tener
una relación bastante próxima a la unidad. En la tabla V.2 se ha marcado en rojo el registro
donde se produce el pico de densidad energética máxima del temporal.
80
Pico Sea
60 Pico Swell
S (m^2/Hz)
40
20
0
15-11-01 0:00 15-11-01 12:00 16-11-01 0:00 16-11-01 12:00
Fig. V.2 – Evolución temporal de la relación oleaje swell – oleaje sea en el segundo pico de la tormenta de
noviembre (Fuente: Elaboración propia)
Se observa en la figura V.2 que, a parte del breve periodo donde el swell llega a
tener máximos alrededor de 80 m2/Hz, el oleaje sea y swell tienen una aportación similar a
lo largo del temporal.
Por otro lado, el primer pico de la tormenta de marzo-abril del 2002 se caracteriza
por un oleaje unimodal. Debido a eso, no se va a estudiar.
64
Capítulo V Análisis de la aproximación de los modelos espectrales
20
pico SWELL
18
pico SEA
16
14
12
S (m2/Hz)
10
8
6
4
2
0
2/4/02 22:00 3/4/02 10:00 3/4/02 22:00 4/4/02 10:00
Fig. V.3 – Evolución temporal de la relación oleaje swell – oleaje sea en el primer pico de la tormenta de marzo-abril
(Fuente: Elaboración propia)
En la figura V.3 se observa que en los registros entre las 7:00 horas y las 15:00
horas del día 3 de abril los registros presentan distorsiones. Se observa que la aportación del
pico sea es mínima en el inicio pero que en la evolución del temporal dicho oleaje presenta
una aportación superior al pico swell.
Para reflejar la aportación del oleaje secundario frente a la aportación del oleaje
principal se valora el % unitario del segundo pico de la densidad energética frente al pico
principal obteniendo la figura V.4.
1
%unitario (pico secundario/pico ppral)
0,8
0,6
0,4
0,2
0
02/04 22:00 03/04 04:00 03/04 10:00 03/04 16:00 03/04 22:00 04/04 04:00
65
Capítulo V Análisis de la aproximación de los modelos espectrales
Fig. V.5.a – Espectro del modelo de predicción1 Fig. V.5.b – Espectro real1
(Fuente: LIM-UPC) (Fuente: Elaboración propia)
2
Debe comentarse que la dirección del modelo de predicción (figura V.5.a) indica hacia donde se propagan
las olas, mientras que en el registro real (figura V.5.b) se indica la dirección de donde vienen las olas. Ambas
direcciones se relacionan mediante la suma de 180º.
66
Capítulo V Análisis de la aproximación de los modelos espectrales
En el gráfico del espectro direccional del modelo se observa el pico con frecuencia
alrededor de los 0.12 Hz y que viene de la dirección 70º. La dirección de donde viene el
viento que se produjo para tal registro es 330º, en consecuencia ese pico no pertenece a un
oleaje generado por el mismo. La energía se reparte hacia frecuencias más altas.
Si comparamos el modelo con el registro observamos que existen dos picos bien
diferenciados. Uno de ellos coincide con el pico del modelo de predicción. En las figuras
V.6.a y b se puede ver la relación entre los picos y se observa que el que corresponde al
pico sea en frecuencia a 0.21 Hz y dirección (de donde viene) 330º, no se observa
correctamente definido por el modelo de predicción aunque sí lo sitúa en la misma posición
de frecuencia y dirección.
Fig. V.6.a – Espectro del modelo de predicción Fig. V.6.b – Espectro real
(Fuente: LIM-UPC) (Fuente: Elaboración propia)
En el registro real, se obtiene que el valor energético del pico es de 7.07 m2/Hz y
para el segundo pico no detectado por la predicción su aportación es de 2.65 m2/Hz. Esta
última aportación energética secundaria es un 37 % respecto el pico principal, es decir es
una aportación bastante significativa que no se aprecia bien en el modelo de predicción.
Por otro lado, la predicción concluye que el pico tiene una potencia de 3 m2/Hz,
aproximadamente un 50% del valor real del pico (7.07 m2/Hz) es decir que tampoco hace
una buena predicción de la potencia energética de los picos.
67
Capítulo V Análisis de la aproximación de los modelos espectrales
registro real; pero existe otro pico mal definido por la predicción; este se caracteriza por
(0.175 Hz, 335º).
Fig. V.7.a – Espectro del modelo de predicción Fig. V.7.b – Espectro real
(Fuente: LIM-UPC) (Fuente: Elaboración propia)
Fig. V.8.a – Espectro del modelo de predicción Fig. V.8.b – Espectro real
(Fuente: LIM-UPC) (Fuente: Elaboración propia)
68
Capítulo V Análisis de la aproximación de los modelos espectrales
Por otro lado, en la figura del espectro real (fig. V.8.b) se puede observar la forma
típica de un oleaje sea que presenta bidireccionalidad en las frecuencias más altas (ver
apartado V.5.1). Esta situación no se puede observar en el espectro del modelo de
predicción.
Fig. V.9.a – Espectro del modelo de predicción Fig. V.9.b – Espectro real
(Fuente: LIM-UPC) (Fuente: Elaboración propia)
69
Capítulo V Análisis de la aproximación de los modelos espectrales
En este caso el pico de la predicción coincide con el pico real, tanto en dirección
como en frecuencia. El valor del pico energético en ambos casos también coincide en 2.3
m2/Hz. Aunque debe mencionarse que en la predicción no puede observarse la dispersión
direccional del oleaje sea, aunque el aporte de energía de dicha dispersión es bajo para las
aplicaciones ingenieriles.
Fig. V.10.a – Espectro del modelo de predicción Fig. V.10.b – Espectro real
(Fuente: LIM-UPC) (Fuente: Elaboración propia)
La predicción vuelve a ser acertada tanto en dirección, como frecuencia para el pico.
Como en la predicción anterior, el valor energético predicho se acerca mucho al valor real
aunque en este caso tampoco puede observarse la dispersión direccional del oleaje sea para
frecuencias más grandes que el pico.
Fig. V.11.a – Espectro del modelo de predicción Fig. V.11.b – Espectro real
(Fuente: LIM-UPC) (Fuente: Elaboración propia)
70
Capítulo V Análisis de la aproximación de los modelos espectrales
Fig. V.12.a – Espectro del modelo de predicción Fig. V.12.b – Espectro real
(Fuente: LIM-UPC) (Fuente: Elaboración propia)
Otra buena aproximación a la forma espectral real del oleaje, donde todavía domina
el sea. En este registro se observa que los valores energéticos son muy bajos y que la
predicción se acerca más a la dispersión direccional del oleaje sea lejos del pico espectral,
hecho que en los registros anteriores para la misma tormenta no sucedía.
Fig. V.13.a – Espectro del modelo de predicción Fig. V.13.b – Espectro real
(Fuente: LIM-UPC) (Fuente: Elaboración propia)
71
Capítulo V Análisis de la aproximación de los modelos espectrales
Fig. V.14.a – Espectro del modelo de predicción Fig. V.14.b – Espectro real
(Fuente: LIM-UPC) (Fuente: Elaboración propia)
La predicción se acerca bien a la realidad. En este caso se observan dos picos, uno
es de tipo swell siendo el que aporta menor energía, y el otro es de tipo sea, siendo el
principal. Los aportes energéticos son de 3.76 m2/Hz para el pico sea y de 2.2 m2/Hz para el
swell.
Fig. V.15.a – Espectro del modelo de predicción Fig. V.15.b – Espectro real
(Fuente: LIM-UPC) (Fuente: Elaboración propia)
72
Capítulo V Análisis de la aproximación de los modelos espectrales
Buena predicción de la forma del espectro. Sin embargo, en la realidad el pico swell
es más grande que el sea aunque la predicción no lo indique de este modo. Pero el error es
pequeño dado que el aporte de energía en este registro es muy bajo.
Fig. V.16.a – Espectro del modelo de predicción Fig. V.16.b – Espectro real
(Fuente: LIM-UPC) (Fuente: Elaboración propia)
► Conclusiones
73
Capítulo V Análisis de la aproximación de los modelos espectrales
V.3. Descripción de modelos espectrales escalares. Comparación con los espectros reales
S(f)=8.10*10-3(2π)-4g2f-5exp[-0.74(g/2πfU)4] [V.1]
Entonces Mitsuyasu (1970) ajustó los valores de los coeficientes, así que las
relaciones teóricas entre el espectro del oleaje y la altura de las olas y los periodos
estadísticos pudieran ser satisfechas. La forma ajustada es conocida en Japón como el
espectro de Bretschneider- Mitsuyasu y se expresa como sigue:
74
Capítulo V Análisis de la aproximación de los modelos espectrales
donde H1/3 y T1/3 denotan la altura y periodo significantes, respectivamente. El periodo del
pico espectral Tp o el inverso de la frecuencia pico fp fue correlacionado con T1/3 por
Mitsuyasu (1970) basado en datos de campo por la siguiente ecuación:
Tp = 1.05T1/3 [V.3]
La misma forma funcional del espectro de frecuencia fue adoptado por el Congreso
Internacional de Estructuras de Barcos (1967) entre otros, introduciendo el periodo medio
del oleaje en lugar del periodo significante del oleaje.
0.06238
βJ ≈ ·[1.094 − 0.01915·ln γ ] [V.5]
0.23 + 0.0336·γ − 0.185·(1.9 + γ ) −1
0.07 : f ≤ f p
σ= [V.6]
0.09 : f > f p
donde γ es el factor de intensificación del pico. Hasselmann et al. (1973) mostraron que el
valor de γ se encontraba en un rango entre 1 y 7 con una media de 3.3. Sin embargo, las
formulaciones empíricas de las ecuaciones de [V.4] a [V.6] han sido derivadas dentro de un
rango de γ entre 1 a 20. Las simulaciones numéricas de los perfiles fueron llevadas a cabo
por la técnica de Monte Carlo con el intervalo de toma de datos de ∆t = Tp/12 o fmax = 6fp, y
dos mil perfiles de olas fueron simuladas para cada condición espectral (Goda, 1999). Por
último debe comentarse que el espectro JONSWAP extiende el espectro Pierson-
Moskowitz, propuesto para mares completamente desarrollados, a incluir mares con fetch
limitado.
75
Capítulo V Análisis de la aproximación de los modelos espectrales
Es una de las formas del espectro del oleaje más funcionales para ser usado en aguas
de profundidad finita. En extensión del espectro de equilibrio de Phillips de f-5 en aguas de
profundas, Kitaigorodoskii et al. (1975) derivó la forma funcional del espectro de equilibrio
en aguas de profundidad finita. Bouws et al. (1985) lo probó con los datos de oleaje
llamados Texel, MARSEN y ARSLOE, y verificaron su aplicabilidad. Propusieron la
siguiente forma espectral con el nombre de espectro TMA:
donde SJ(f) es el espectro JONSWAP, φ es una función dando un límite más alto del rango
de equilibrio de espectro de Kitaigorodoskii et al. (1975), y k es número de ola de acuerdo
con la relación de dispersión con la frecuencia f en las aguas de profundidad h. La función
φ está dada por la ecuación [V.8] (ver Tucker 1994).
El espectro TMA implícitamente incluye los procesos de atenuación del oleaje por la rotura
del oleaje por profundidad limitada. Tucker (1994) demostró que la atenuación del espectro
TMA en aguas shoaling mediante ejemplos numéricos.
Considerando cada una de las componentes espectrales está bien representada por
un modelo espectral JONSWAP el cual es definido aquí por Hogben et al. (1976):
76
Capítulo V Análisis de la aproximación de los modelos espectrales
S i ( f ) = S PM ( f )·γ q [V.9]
(TPi · f − 1) 2
q = exp −
[V.11]
2·σ 2
Guedes Soares propone evaluar la ecuación [V.10] para el espectro swell y sea, y su
suma será el espectro de ajuste. La altura de ola para cada uno de los dos sistemas de olas
será estimado mediante las ecuaciones propuestas en el apartado (V.3.3.).
77
Capítulo V Análisis de la aproximación de los modelos espectrales
donde Sin es el suministro de energía a partir del viento, Snl, son las interacciones no
lineales y Sds es la disipación de la energía.
El término que representa el suministro de energía a partir del viento, Sin, se escribe
en los modelos de tercera generación (WAM o SWAN) mediante la suma de un
crecimiento lineal y otro exponencial (Phillips, 1957; Miles, 1957).
Este modelo ha sido adaptado para su utilización para altas resoluciones espaciales
principalmente en zonas costeras. El WAM es utilizado en diferentes partes del mundo por
investigadores y en centros de predicciones climáticas, sin embargo el conocimiento de su
validez en el mediterráneo es limitado, uno de los pocos trabajos realizados con él son la
implementación por Cavaleri L., Bertotti L., Lionello P. (1991), Dell’Osso et al. (1992) y
donde la verificación del modelo con mediciones mostró que para obtener predicciones
confiables es necesario tener resoluciones horizontales altas, con tamaño de celda de al
menos 40 km (Massel, 1996). El modelo WAM con que se trabajará en el resto del presente
trabajo se considerará de malla gruesa con la misma metodología que se encuentra en el
SMC.
En resumen podemos hacer notar tres principales diferencias entre los modelos
WAM y SWAN, una es la interacción entre triadas que es posible calcular en el SWAN, la
segunda es las técnicas numéricas utilizadas y la tercera que se refiere a la cola espectral.
Además existen diferentes formulaciones implementados en uno u otro, ya sea para el
aporte de viento, disipación de energía y transmisión bloqueo de energía por obstáculos.
78
Capítulo V Análisis de la aproximación de los modelos espectrales
Por otro lado, la interacción entre ondas para el WAM es de sólo 4 y para el SWAN es de 3
y de 4. El modelo SWAN con que se trabajará en el resto del presente trabajo se
considerará de malla gruesa.
En primer lugar, el espectro del estado del mar S puede ser representado por la suma
de estas dos componentes:
y sus momentos estadísticos cero pueden ser iguales a la suma de los momentos de sus
componentes:
Desde el momento espectral de orden cero está relacionado con la altura de ola
significante (Hs) por:
Hs = 4 · (m0)1/2 [V.16]
Los valores de la altura de ola significante, del periodo pico de la componente sea
(Tpw) y del periodo pico de la componente swell (Tps) son estimados de los datos
procedentes de la boya. La relación SR de las componentes energéticas espectrales a la
frecuencia pico son también estimadas procedentes de los mismos datos tomados.
Entonces, los valores de los parámetros espectrales:
79
Capítulo V Análisis de la aproximación de los modelos espectrales
80
Capítulo V Análisis de la aproximación de los modelos espectrales
Una medida para apreciar el grado de aproximación de los métodos teóricos con la
realidad puede ser el Índice de Desviación (DI) propuesto por Liu (1983). Este se define
como:
−
N S ( fi ) − S( fi ) −
DI = ∑ 100· · S ( f i )·∆f [V.22]
i =1
− m0
S( fi )
−
donde S es el espectro real de los datos medidos por la boya y S es el espectro teórico.
Dado que el ajuste del modelo es diferente según el valor del parámetro gamma,
mejor en unos casos y peor en otros, el objetivo en primer lugar, es encontrar el valor
óptimo de dicho parámetro que nos producirá un mejor aproximación. Las gráficas V.17 y
V.18 muestran la relación de DI con gamma para los modelos JONSWAP y Guedes Soares
(considerando ambos la bimodalidad), respectivamente, que son los dos que dependen de
dicho parámetro directamente.
80
70
60
50
20 marzo-abril 02 (1º
pico)
10 marzo-abril 02 (2º
pico)
0
0 2 4 6 8 10 12
Gamma
81
Capítulo V Análisis de la aproximación de los modelos espectrales
200
180
160
140
120
nov. 01 (1º pico)
100
DI
Fig. V.18 – Evolución del parámetro DI (Guedes Soares) para los diferentes picos de las tormentas
(Fuente: Elaboración propia)
Debe observarse en las figuras V.17 y V.18, que las diferentes evoluciones
presentan un mínimo que implica la mejor aproximación del modelo a la realidad. Para la
comparación entre los diferentes modelos se toma el valor medio de los mínimos de las
gráficas. Para JONSWAP se tomará un valor de γ = 2,55 y para Guedes Soares se tomará
un valor γ = 1,73. Recordar aquí que el valor medio típico del parámetro gamma en el caso
del espectro JONSWAP es 3,3.
- Modelos paramétricos
En las figuras V.19 y V.20 se puede ver la evolución de DI para los dos picos de la
tormenta de noviembre, y en la tabla V.19 se puede ver la media de dicho parámetro para
los cuatro modelos.
80 Densidad energética
70 máxima para este periodo
60
Guedes
50
So ares
(gamma 1,73)
40
DI
JONSWA P
(Gama 2,55)
30
B retschneider
20
TM A
10
0
10/11/01 00:00 10/11/01 12:00 11/11/01 00:00 11/11/01 12:00 12/11/01 00:00 12/11/01 12:00
Fig. V.19 – Evolución del parámetro DI para diferentes modelos y para el primer pico de la tormenta de noviembre
(Fuente: Elaborción propia)
82
Capítulo V Análisis de la aproximación de los modelos espectrales
120
JONSWA P
(Gamma 2,55)
40 B retschneider
20 TM A
0
15/11/01 00:00 15/11/01 12:00 16/11/01 00:00 16/11/01 12:00
Fig. V.20 – Evolución del parámetro DI para diferentes modelos y para el segundo pico de la tormenta de noviembre
(Fuente: Elaboración propia)
Para el segundo pico de la tormenta, figura V.20, la primera mitad está dominada en
gran parte por oleaje swell sobre el sea (recuérdese la bimodalidad presente en ambos picos
de la tormenta), hecho que se corresponde en la figura con un valor de DI aceptable. En
comparación con la primera tormenta, allí también, el oleaje dominante también era tipo
swell y el valor de DI también estaba por debajo del valor considerado como aceptable.
Teniendo en cuenta que para la segunda mitad del periodo considerado del segundo pico de
noviembre domina el oleaje sea, se puede observar que los modelos pasan a tener valores
de DI mucho más altos y que en consecuencia los modelos se alejan de la realidad. Por otro
lado, los modelos que mejor predicen la solución para la primera mitad del pico son el
espectro JONSWAP y el TMA (como variante del primero) y para la segunda mitad es el
modelo Bretschneider.
83
Capítulo V Análisis de la aproximación de los modelos espectrales
80
60
Guedes
So ares
(gamma 1,73)
DI
40 JONSWA P
(Gamma 2,55)
B retschneider
20
TM A
0
28/03/2002 12:00 29/03/2002 00:00 29/03/2002 12:00 30/03/2002 00:00 30/03/2002 12:00
Fig. V.21 – Evolución del parámetro DI para diferentes modelos y para el primer pico de la tormenta de marzo-abril
(Fuente: Elaboración propia)
80
60
Guedes
So ares
(gamma 1,73)
40
DI
JONSWA P
(Gamma 2,55)
B retschneider
20
TM A
0
02/04/02 12:00 03/04/02 00:00 03/04/02 12:00 04/04/02 00:00 04/04/02 12:00
Fig. V.22 – Evolución del parámetro DI para diferentes modelos y para el segundo pico de la tormenta de marzo-
abril(Fuente: Elaboración propia)
Para el último pico también existe bimodalidad. Aquí se presentan Spico mayores
para la primera mitad (con dominio swell) que para la segunda (con dominio sea). De la
figura V.22 se observa que los valores de DI sean más altos para la primera mitad que para
la segunda. Observar que los modelos que mejor se adecuan son el JONSWAP y el TMA.
84
Capítulo V Análisis de la aproximación de los modelos espectrales
Como conclusión es necesario destacar que los modelos espectrales deberían tener
una buena representación de la distribución de la energía alrededor de las frecuencias pico
dentro de los registros (Guedes Soares, 1984), para tener una buena representación de la
energía total del oleaje.
Por otro lado, es necesario destacar que, pese a la adecuación de los modelos
unimodales, el hecho que se presente un oleaje bimodal en la costa hace mucho más difícil
de aproximar la forma de los espectros. Otras situaciones que hacen más difíciles de
encontrar la forma real del espectro son: cuál de ambos oleajes es el dominante, orden de
magnitud de los picos energéticos… Se establece una relación entre la calidad de los
modelos paramétricos con la relación porcentual entre los oleajes sea y swell, siendo el
valor de DI, por otro lado, más grande cuanto mayor es la energía de los picos.
- Modelos de predicción
WAM
150 SWAN
Primer pico del
temporal
100
DI
Fig. V.23 – Evolución de DI para los modelos WAM y SWAN a lo largo de la primera tormenta
(Fuente: Elaboración propia)
200
WAM
Primer pico del Segundo pico del
SWAM
150
temporal temporal
100
DI
50
0
26/03/02 00:00 28/03/02 00:00 30/03/02 00:00 01/04/02 00:00 03/04/02 00:00 05/04/02 00:00 07/04/02 00:00
Fig. V.24 – Evolución de DI para los modelos WAM y SWAN a lo largo de la segunda tormenta
(Fuente: Elaboración propia)
85
Capítulo V Análisis de la aproximación de los modelos espectrales
En la gráfica V.24 también pueden observarse los dos picos existentes; puede
considerarse que ambos tienen una buena aproximación. El primero de ellos debe
recordarse que era unimodal. En el resto de periodos de la tormenta considerados como no
picos es donde la tormenta tiene valores DI más altos. En el periodo entre los dos picos de
la tormenta de marzo-abril, periodo con oleaje unimodal, las direcciones del oleaje y del
viento están especialmente separadas. Esto es que las olas no han tenido el suficiente
tiempo para responder al viento y continúa dominando el swell. Esto puede conllevar que el
modelo prediga un oleaje sea desarrollado en frecuencias más altas que el oleaje swell
dominante no alineado con el viento, produciendo una mala aproximación y en
consecuencia una valor de DI alto.
De la tabla V.2, se puede extraer que, en general, el modelo WAM tiene una mejor
aproximación que el modelo SWAN. Para ambos modelos se observa especialmente una
mala aproximación al 2º pico de la tormenta de noviembre.
Varios pueden ser los motivos por los que los modelos de predicción y la realidad
no concuerden. Uno de ellos ha sido ya mencionado a lo largo de este apartado que es la
separación entre la dirección del viento y del oleaje por un cambio de dirección del primero
y que el segundo no reaccione rápidamente. Otros casos pueden ser producidos debido a la
interacción entre el oleaje sea y el swell; este y otros temas serán tratados en los apartados
siguientes.
86
Capítulo V Análisis de la aproximación de los modelos espectrales
Por último mencionar que para un mejor estudio hubiera sido mejor trabajar con la
dirección de tensión ejercida por el viento en el lugar de toma de datos de la boya, en lugar
de la toma de datos en la Isla de Buda.
1.- En el primer periodo estudiado producido entre las 00:00 horas del día 8/11/2001 y las
23:00 horas del día 10/11/2001, donde domina el viento de mestral o del noroeste, y en
alguna ocasión el viento de tramontana. En el primer periodo de análisis, la frecuencia pico
es la producida por el oleaje tipo sea generado por el viento.
2.- El segundo periodo se trata del primer pico de la tormenta considerado a lo largo del
presente trabajo y en dicho periodo también domina el viento de componente noroeste. En
3
La velocidad del viento a la cual se hará referencia durante todo el estudio es la tomada a 10 metros de
altura, U10
87
Capítulo V Análisis de la aproximación de los modelos espectrales
el segundo periodo de análisis se produce la aparición de un oleaje swell que pasa a ser el
dominante en la mayoría de registros, siendo el sea el secundario.
3.- El tercer periodo se trata del periodo existente entre el primer y el segundo pico de la
tormenta. Este periodo concierne el periodo existente entre las 00:00 del día 13/11/2001 y
las 22:00 horas del día 14/11. En este periodo de tiempo también se produce el dominio del
viento de componente noroeste. Vuelve a dominar un oleaje tipo sea producido por dicho
viento pero existe un oleaje tipo swell que en algún registro llega a tener importancia
similar al pico sea dada su aportación.
4.- El cuarto periodo está relacionado con el segundo pico considerado de la tormenta. En
este periodo se produce una alta variabilidad en la dirección del viento con un amplio rango
de direcciones. Se presenta un predominio de oleaje tipo sea.
5.- En el quinto periodo se considera el periodo que comprende el periodo final del registro
de la tormenta. En este periodo vuelve a dominar el viento de componente noroeste aunque
en algún registro se observa oscilaciones importantes en la dirección. Se presentan una
alternancia entre el oleaje tipo sea y swell.
15
velocidad viento (m/s)
10
0
08/11/01 08/11/01 09/11/01 09/11/01 10/11/01
00:00 12:00 00:00 12:00 00:00
En este primer periodo considerado el oleaje swell no será muy importante, siendo
el pico espectral en todos los registros un oleaje tipo sea. La aparición de la bimodalidad se
producirá en los registros del final del periodo considerado. Después de obtener las
direcciones del pico sea se observa la siguiente evolución en la figura V.26.
88
Capítulo V Análisis de la aproximación de los modelos espectrales
a) b)
350 350
330
320
310
Dirección
Viento
290 290
230 230
08/11/01 0:00 08/11/01 09/11/01 0:00 09/11/01 10/11/01 0:00 230 260 290 320 350
12:00 12:00 Oleaje sea
En la figura V.26.a se observa una tendencia del oleaje tipo sea a estar desplazado
en el sentido positivo de las agujas del reloj (de donde vienen) respecto la dirección del
viento. La media de la diferencia entre la dirección del oleaje y la dirección del viento es de
+13.79º (nótese el valor positivo).
89
Capítulo V Análisis de la aproximación de los modelos espectrales
15
0
10/11/01 10/11/01 11/11/01 11/11/01 12/11/01 12/11/01
00:00 12:00 00:00 12:00 00:00 12:00
a) b)
360 360
Pico sea
350
Direccion viento
340 340
Dirección
Viento
330
320 320
310
300 300
10/11/01 10/11/01 11/11/01 11/11/01 12/11/01 12/11/01 300 320 340 360
0:00 12:00 0:00 12:00 0:00 12:00
Oleaje sea
90
Capítulo V Análisis de la aproximación de los modelos espectrales
15
Velocidad viento (m/s)
10
0
13/11/01 00:00 13/11/01 12:00 14/11/01 00:00 14/11/01 12:00 15/11/01 00:00
En este caso, se observa otra vez una tendencia del oleaje tipo sea a estar desplazado
en el sentido positivo de las agujas del reloj respecto la dirección del viento. La media de la
diferencia entre la dirección del oleaje y la dirección del viento es de +7.02º. Dicha
tendencia se puede observar también en las figuras V.30.a y V.30.b.
360
350
340
330
320
310
300
290 Pico sea
Viento
280
270
13/11/01 0:00 13/11/01 12:00 14/11/01 0:00 14/11/01 12:00 15/11/01 0:00
Fig. V.30.a - Evolución dirección sea – dirección viento (Fuente: Elaboración propia)
91
Capítulo V Análisis de la aproximación de los modelos espectrales
360
350
340
330
Viento
320
310
300
290
290 300 310 320 330 340 350 360
Oleaje Sea
Fig. V.30.b – Relación entre las direcciones del viento y del oleaje sea (de donde vienen) (Fuente: Elaboración propia)
Fig. V.30.c – Direcciones medias de viento y oleaje creado por el viento (Fuente: Elaboración propia)
20
Velocidad viento (m/s)
15
10
0
15/11/01 00:00 15/11/01 12:00 16/11/01 00:00 16/11/01 12:00
92
Capítulo V Análisis de la aproximación de los modelos espectrales
a) b)
350 360
Viento
200 180
150
120
100
60
50
0
0
0 60 120 180 240 300 360
15/11/01 0:00 15/11/01 12:00 16/11/01 0:00 16/11/01 12:00 Oleaje Sea
Dirección de donde viene el viento (194) Dirección de donde viene el oleaje sea (167)
93
Capítulo V Análisis de la aproximación de los modelos espectrales
10
0
18/11/01 00:00 18/11/01 12:00 19/11/01 00:00 19/11/01 12:00 20/11/01 00:00
a) b)
370 Pico sea 365 Pico sea
Viento Viento
360
350
350
340 335
330 320
320
305
310
300 290
18/11/01 0:00 18/11/01 12:00 19/11/01 0:00 19/11/01 0:00 19/11/01 12:00 20/11/01 0:00
Fig. V.34.a.1 y V.34.a.1 - Evolución dirección sea – dirección viento (Fuente: Elaboración propia)
a) b)
350 350
330 330
Viento
Viento
310 310
290 290
270 270
270 290 310 330 350 270 290 310 330 350
Oleaje sea Oleaje sea
Fig. V.34.b.1 y V.34.b.2 – Relación entre las direcciones del viento y del oleaje sea (de donde vienen)
(Fuente: Elaboración propia)
94
Capítulo V Análisis de la aproximación de los modelos espectrales
Fig. V.34.c.1 – Direcciones medias de viento y oleaje creado por el viento (Fuente: Elaboración propia)
Fig. V.34.c.2 – Direcciones medias de viento y oleaje creado por el viento(Fuente: Elaboración propia)
10
0
0 2 /0 4 /0 0 3 /0 4 /0 0 3 /0 4 /0 0 3 /0 4 /0 0 3 /0 4 /0 0 3 /0 4 /0 0 4 /0 4 /0 0 4 /0 4 /0
2 2 2 :0 0 2 0 2 :4 8 2 0 7 :3 6 2 1 2 :2 4 2 1 7 :1 2 2 2 2 :0 0 2 0 2 :4 8 2 0 7 :3 6
Para tal situación se estudia la tendencia de la dirección del oleaje relacionada con el
viento (figura V.36.a.).
95
Capítulo V Análisis de la aproximación de los modelos espectrales
360
Pico sea
350
Viento
340
330
Dirección
320
310
300
290
280
02/04/02 22:00 03/04/02 10:00 03/04/02 22:00 04/04/02 10:00
Es necesario destacar que en los primeros registros se produce un dominio del oleaje
swell sobre el sea. Para tal situación se observa un oleaje desplazado en el sentido negativo
de las agujas del reloj (considerando como dirección aquella de donde vienen).
Hasta las 15:00 horas del día 3 de abril no se obtienen más registros. Se detecta que
el oleaje sea gana importancia respecto el swell siendo el oleaje que aporta mayor energía
en la mayoría de los registros. Para esta nueva situación se observa que el oleaje está
desplazado en el sentido positivo de las agujas del reloj.
350
340
330
320
310
swell>sea
300
sea>swell
290
290 300 310 320 330 340 350 360
Fig. V.36.b – Relación entre las direcciones del viento y del oleaje sea (de donde vienen) (Fuente: Elaboración propia)
96
Capítulo V Análisis de la aproximación de los modelos espectrales
Como conclusión después de los análisis de las 2 tormentas se puede decir, como se
observa, que la presencia de swell tiene una influencia en la tensión ejercida por el viento.
Tal y como Geernaert et al. (1993) y Rieder et al. (1994) predicen, la dirección de tensión
del viento debe ser influenciada a su vez por la dirección del oleaje a lo largo de un amplio
rango de frecuencias.
97
Capítulo V Análisis de la aproximación de los modelos espectrales
Fig. V.38 – Ejemplo de desplazamiento (4:00 horas del 3 de abril 2002) (Fuente: Elaboración propia)
98
Capítulo V Análisis de la aproximación de los modelos espectrales
Por otro lado, la predicción de este tipo de bimodalidad es probable que no sea
significante dentro del estado de mar activo. De este modo parece que los cálculos
ingenieriles pueden hacer uso de una descripción unimodal simple para la distribución
direccional para el tipo de bimodalidad aquí tratada (Ewans, 1997), aunque puede
producirse que debido a la dispersión, la bimodalidad pueda volverse más significante en la
predicción de swell en un punto situado a una distancia de la fuente y a ángulos
relativamente más grandes de la dirección del campo de viento de la fuente. En tal punto, la
magnitud del swell podría ser más grande que la predicha por los modelos numéricos.
Incluso en un punto situado directamente en línea con el campo de viento de la fuente, sería
de esperar, debido otra vez a la dispersión, que la energía del swell debería atenuarse más
rápidamente que el tiempo predicho por los modelos. Por eso, tal fenómeno debería ser
tenido en cuenta por los modelos.
99
Capítulo V Análisis de la aproximación de los modelos espectrales
Para los modelos de predicción debe destacarse que se detecta en general una mala
predicción del oleaje sea, sobre todo en cuanto a su disposición del rango de frecuencias, y
esto puede ser debido en parte a la interacción sea-swell, la desviación de la dirección del
viento y la bimodalidad.
En tercer lugar, un motivo que afecta tanto los modelos de predicción como los
modelos paramétricos es la bimodalidad. Esta cuestión afecta principalmente el segundo
tipo de modelos (la mayoría de modelos son unimodales y la bimodalidad se supone como
la superposición lineal de dos espectros unimodales).
100
Capítulo V Análisis de la aproximación de los modelos espectrales
Estos conceptos también están relacionados con el error que se produce dando una
única dirección del oleaje, ya que si considerando el oleaje desglosado en componentes no
se obtiene una buena aproximación, la consideración de una dirección media por registro da
una idea todavía más errónea. Además debe tenerse en cuenta que tanto los modelos de
predicción como los paramétricos no tienen en cuenta otros fenómenos como la dispersión
direccional del oleaje sea en frecuencias dos veces la frecuencia pico: es necesario observar
que la densidad de energía espectral de las frecuencias altas es poca comparada con la
aportación de la región alrededor del pico pudiendo parecer al principio que este tipo de
dispersión tenga poco impacto para las aplicaciones ingenieriles, pero no es así; las olas con
frecuencias más altas afectan a las olas más grandes debido a la tensión de transmisión de
energía del viento a la ola y también por la interacción ola-ola. Su interés está relacionado
con la modelización correcta del oleaje.
Por lo que respecta a los modelos de predicción sería necesario una mejora de la
descripción del viento y su relación con la creación de oleaje y con oleajes remotos y
además una mejora del sistema sinóptico.
Por otro lado comentar que los métodos basados en la aproximación escalar del
oleaje suele producir una apreciable cantidad de error en la estimación de la transformación
del oleaje y de las respuestas estructurales. La completa introducción del espectro
direccional de cualquier forma debe ayudar a remediar las estimaciones de los errores
resultado del uso de los métodos escalares. Las distribuciones unimodales no pueden
describir la distribución direccional en una frecuencia dada en el cual las componentes de
las olas llegan de diferentes direcciones.
101