Considerant el risc que podria suposar a les costes del mar balear un vessament d’hidrocarbur originat a la Plataforma Casablanca, en el present treball es busca estudiar quines serien les conseqüències d’un vessament d’aquest caire. D’aquesta manera, amb l’ajuda del Model GNOME, es busca avaluar quines són les zones de la costa que presenten més opcions de ser afectades així com la quantitat d’hidrocarbur amb la que haurien de treballar en cas d’afectació. Per altra banda, també es busca analitzar el temps que restaria entre l’origen del vessament i l’arribada d’aquest a la costa. Amb això, es busca determinar quines són les zones de la costa que presenten un major risc d’afectació davant d’un succés d’aquest estil per tal de poder conèixer en quins punts s’hauria de realitzar una actuació amb més urgència, per tal de poder protegir-les de manera adequada i evitar problemes majors. Per a fer aquest anàlisi, s’han usat dades de models numèrics contrastats per obtenir els forçaments hidrodinàmics i atmosfèrics. L’aproximació utilitzada s’ha basat en un anàlisi probabilístic a partir d’un conjunt de simulacions, cosa que ha permès establir patrons estacionals.

Considering the risk that could lead to the shores of the Balearic Sea caused by a spill in Casablanca platform, it is considered to study which would be the consequences of a spill of this nature. Thus, with the help of Model GNOME, it is pretended to assess which areas of the coast would have more options, taking into account the amount of oil that should work in the event of impact. On the other hand, it is needed to analyze the time remaining between the source of the spill and the arrival on the coast. With this, we seek to determine which areas of the coast have a greater risk in front of an event of this kind in order to know at which points should make action more urgently in order to protect it properly and avoid greater problems. To do this analysis, it has been used data from numerical models which provides hydrodynamic and atmospheric forcing. The approach used is based on a probabilistic analysis, taking into account a set of simulations, which have allowed to establish seasonal patterns.