Desarrollo de un esquema de interpolación de índices sísmicos en Lima Metropolitana, Perú

Autores/as

  • Roger Leonardo Garay Avendaño Facultad de Ingeniería Civil, Universidad Nacional de Ingeniería, Lima - Perú
  • Luis Angel Moya Huallpa GERDIS, Departamento de Ingeniería, Pontificia Universidad Católica del Perú
  • Carlos Eduardo Gonzales Trujillo Centro de Investigación en Ingeniería Sísmica y Mitigación de Desastres de Japón-Perú, Lima, Perú
  • Luis Fernando Lazares La Rosa Centro de Investigación en Ingeniería Sísmica y Mitigación de Desastres de Japón-Perú, Lima, Perú
  • Miguel Augusto Diaz Figueroa Centro de Investigación en Ingeniería Sísmica y Mitigación de Desastres de Japón-Perú, Lima, Perú
  • Carlos Alberto Zavala Toledo Centro de Investigación en Ingeniería Sísmica y Mitigación de Desastres de Japón-Perú, Lima, Perú
  • Fumio Yamazaki National Research Institute for Earth Science and Disaster Resilience, Tsukuba, Japan
  • Diana Lucia Calderon Cahuana Centro de Investigación en Ingeniería Sísmica y Mitigación de Desastres de Japón-Perú, Lima, Perú
  • Kevin Steve Huerta Gonzales Centro de Investigación en Ingeniería Sísmica y Mitigación de Desastres de Japón-Perú, Lima, Perú

DOI:

https://doi.org/10.21754/tecnia.v32i2.1346

Palabras clave:

Interpolación kriging, Movimiento fuerte, PGA

Resumen

En los últimos años, el desarrollo de redes sísmicas en Lima Metropolitana, administradas por instituciones públicas y privadas, ha recibido especial atención ya que permite cuantificar diferentes índices sísmicos ante la ocurrencia de sismos. Por lo tanto, la integración de la información tanto de los sensores de aceleración como de las condiciones del sitio de los estudios de microzonificación permite estimar la posible extensión del daño en tiempo casi real. En este estudio se reporta la implementación de un sistema para evaluar parámetros sísmicos en una grilla uniforme de 250 x 250 m2 de resolución. En este sentido, los valores de aceleración máxima del suelo (PGA) de los registros tiempo-historial disponibles se calculan y reducen al nivel de base de ingeniería. Luego, mediante la técnica de interpolación denominada Kriging Ordinario, en la que cada estación sísmica se considera como una variable aleatoria y la correlación entre un par de dichas variables aleatorias depende únicamente de la distancia entre sus coordenadas, se evalúa la distribución de la aceleración. Se aplican factores de amplificación para finalmente llevar el PGA al nivel de la superficie. Se realiza una evaluación cuantitativa de la precisión de nuestros resultados utilizando dos terremotos recientes con una magnitud de momento superior a 5: el terremoto de Lagunas de 8,0 Mw de 2019 y el terremoto de Mala de 6,0 Mw de 2021. Los resultados han reproducido en cierta medida la respuesta sísmica de los diversos depósitos geomorfológicos de Lima Metropolitana y sugieren la inclusión de un mayor número de estaciones de movimientos fuertes para reducir los errores de estimación.

Descargas

Los datos de descargas todavía no están disponibles.

Citas

[1] D.J. Wald, K.S. Jaiswal, K. Marano, M.G. Hearne, K. Lin, D. Slosky, K.E. Allstadt, E.M. Thompson, C.B. Worden, G.P. Hayes, y V. Quitoriano, “An update on USGS nearl-real-time earthquake shaking and impact products,” World Conference on Earthquake Engineering, Sendai, Japan, 2020, 12 pages.
[2] M. Matsuoka y N. Yamamoto, “Web-based quick estimation system of strong ground motion maps using engineering geomorphologic classification map and observed seismic records,” World Conference on Earthquake Engineering, Lisboa, Portugal, 2012, 10 pages.
[3] A.C. Zülfikar, N.Ö.Z. Fercan, S. Tunç, y M. Erdik, “Real-time earthquake shake, damage, and loss mapping for Istanbul metropolitan area,” Earth Planets Space, 69, 9, 2017.
[4] L. Moya, E. Mas, B. Adriano, S. Koshimura, F. Yamazaki, y W. Liu, “An Integrated Method to Extract Collapsed Buildings from Satellite Imagery, Hazard Distribution and Fragility Curves,” Int. J. Disaster Risk Reduct. 31, 1374-1384, 2018.
[5] L. Moya, L.R. Marval-Perez, E. Mas, B. Adriano, S. Koshimura, F. Yamazaki, “Novel Unsupervised Classification of Collapsed Buildings Using Satellite Imagery, Hazard Scenarios and Fragility Functions,” Remote Sens., 10, 296, 2018.
[6] L. Moya, C. Geiß, M. Hashimoto, E. Mas, S. Koshimura and G. Strunz, "Disaster Intensity-Based Selection of Training Samples for Remote Sensing Building Damage Classification," IEEE Transactions on Geoscience and Remote Sensing, vol. 59, no. 10, pp. 8288-8304, Oct. 2021.
[7] UNI-CIP-SENCICO (last accessed on December 2021) Red Acelerográfica [Online]. Available: http://www.red-acelerografica-peru.uni.edu.pe/es/main/home
[8] T. Sekiguchi, D. Calderon, S. Nakai, Z. Aguilar, y F. Lazares, “Evaluation of Surface Soil Amplification for Wide Areas in Lima, Peru”, J. Disaster Res., Vol.8, No.2, pp. 259-265, 2013.
[9] Instituto Geofísico del Perú (last accessed on December 2021) Red Acelerométrica [Online]. Available: https://www.igp.gob.pe/servicios/informacion-acelerometrica/red-acelerometrica
[10] Centro Peruano Japones de Investigaciones Sísmicas y Mitigación de Desastres (last accessed on December 2021) Centro de Observación para la Ingeniería Sísmica del CISMID/FIC/UNI [Online]. Available: http://www.cismid.uni.edu.pe/ceois/red/

Descargas

Publicado

2022-08-08

Cómo citar

[1]
R. L. Garay Avendaño, «Desarrollo de un esquema de interpolación de índices sísmicos en Lima Metropolitana, Perú», TEC, vol. 32, n.º 2, pp. 1–7, ago. 2022.

Número

Sección

Ingeniería Civil, Geotecnia y/o Sismoresistente