informacion@xxixcongresolatinohidraulica.com

Este curso presenta una descripción de los aspectos teóricos, técnicos y prácticos de una serie de herramientas orientadas a la visualización y pos-procesamiento de resultados de mediciones, tanto de variables hidráulicas como sedimentológicas en ríos. Se hará una breve revisión teórica de los métodos de cálculo que se aplican y una validación con casos prácticos. A lo largo del curso se verán las ventajas y desventajas presentes en la aplicación de estas herramientas. Al final del curso el participante contará con un conocimiento básico para la aplicación y análisis de resultados

​

TEMARIO DEL CURSO:

​

-Rectification of Image Velocity Results RIVeR. Desarrollado por CONICET-UNC http://riverdischarge.blogspot.com/
-Introducción a la velocimetría por imágenes a gran escala
-Captura y tratamiento básico de vídeos
-Ejemplos de aplicación
-Workflow de la obtención de un caudal a partir de un video
-Velocity Mapping Toolbox (VMT). Desarrollado por USGS https://hydroacoustics.usgs.gov/movingboat/VMT/VMT.shtml
-Introducción a la medición con ADCP
-Procesamiento y visualización de la estructura de flujo (Flujo primario y secundario).
-Análisis del patrón de corrientes en planta.
-Workflow de procesamiento de mediciones con ADCP utilizando VMT
-RiverPyTools. Desarrollado por CONICET-UNL. Librería para el posprocesamiento de datos relevados en campo
desarrollada en Python
-Visualización de datos. Creación de mapas interactivos en entornos Jupyter Lab (Librería Plotly y Dash).
-Acoustic Sediment Estimation Toolbox (ASET). Desarrollado por CONICET-UNL https://asetoolbox.blogspot.com/
-Introducción a la teoría acústica aplicada al cálculo de sedimentos suspendidos
-Aplicación de la calibración de la señal acústica.
-Workflow de procesamiento de mediciones acústicas en diferentes sistemas hidráulicos utilizando ASET.
-Conclusiones generales, limitaciones y trabajos a futuro.

​

Requisitos:

Conocimientos básicos del manejo de instrumental acústico ADCP. Equipo de cómputo con al menos 8 Gb en RAM con Windows 10, Matlab® 2015b MCR v9.0. (https://www.mathworks.com/products/compiler/matlabruntime.html) y Python 3.8 o 3.9 en entorno Jupyter Notebook o Jupyter- Lab. Con bibliotecas Numpy, Pandas, Matplotlib, Plotly y Dash.

En caso de dudas ponerse en contacto al correo ldominguez@fich.unl.edu.ar