El sismo no depende del clima¶
A diferencia de los incendios o el calor, la amenaza sísmica no cambia con los escenarios climáticos (SSP2-4.5 o SSP5-8.5), por lo que esta página no usa proyecciones CMIP6 Amadio, 2024. Los escenarios son de intensidad: cuatro niveles de aceleración sobre la misma exposición, que representan sismos más o menos frecuentes.
import pandas as pd
from sidro import exposicion, viz
from sidro.analisis import sismo
from sidro.config import parametros
from sidro.fetch import obtener_capa
edif = intentar(exposicion.edificaciones,
mensaje="No se pudo construir la exposición de edificaciones (catastro u OpenStreetMap)")
zonas = intentar(obtener_capa, "zonas_respuesta_sismica",
mensaje="Sin zonas de respuesta: se usa la aceleración en roca")Pérdida por escenario¶
Los factores multiplican la aceleración de cada zona. Los de Tr 31 y 225 años se derivan de la capa
oficial de IDIGER (AO_31, AO_225) y el de Tr 475 años es el del decreto; el de Tr 2475 años es una
extrapolación ilustrativa que no figura en el decreto y debe reemplazarse por el valor del modelo de
amenaza probabilista (SGC o GEM) en el sitio.
if edif is not None:
esc = sismo.escenarios(edif, zonas)
display(esc.assign(perdida_total_millones_cop=esc.perdida_total_cop / 1e6).drop(columns="perdida_total_cop").round(2))Curva de excedencia e impacto anual esperado¶
Con la probabilidad anual de excedencia de cada escenario se construye la curva de excedencia de la pérdida. El área bajo la curva es el impacto anual esperado, ecuación (2). Como en CCDR-tools, se calculan una cota inferior y una superior con sumas de Riemann por debajo y por encima de la curva, y se reporta su promedio Amadio, 2024.
if edif is not None:
curva = sismo.curva_excedencia(esc)
r = sismo.eai(esc)
display(pd.Series({k: v / 1e6 for k, v in r.items()}).round(1).to_frame("EAI (millones COP/año)"))import matplotlib.pyplot as plt
if edif is not None:
fig, ax = plt.subplots(figsize=(6, 3.5))
ax.step(curva.p_anual, curva.impacto / 1e6, where="post", color="#8c2d04")
ax.plot(curva.p_anual, curva.impacto / 1e6, "o", color="#8c2d04")
ax.set_xscale("log"), ax.invert_xaxis()
ax.set_xlabel("Probabilidad anual de excedencia"), ax.set_ylabel("Pérdida (millones COP)")
ax.grid(alpha=0.3)
fig
Personas afectadas¶
if edif is not None:
fig, ax = plt.subplots(figsize=(6, 3))
ax.barh(esc.escenario, esc.personas_en_dano_extenso_o_mas, color="#6c83b5")
ax.set_xlabel("Personas en edificaciones con daño extenso o completo (estimadas)")
fig
Las personas son residentes estimados: área construida de uso habitacional ÷ 110 m² brutos por residente, calibrados con las viviendas de la UAECD y las personas por hogar del DANE (ver config/parametros.yaml). No incluyen la población flotante de oficinas, comercio o colegios; cubren todo el búfer y su orden de magnitud es indicativo.
Guardar el resumen¶
if edif is not None:
from sidro import export
export.guardar_resumen("sismo_escenarios", {"escenarios": esc.to_dict("records"), "eai_cop": r})- Amadio, M. (2024). CCDR tools data and methodology. Global Facility for Disaster Reduction and Recovery (GFDRR), World Bank. https://gfdrr.github.io/CCDR-tools