Proyección metodológica de sequías en Bravo-Conchos, México, con técnicas combinadas
DOI:
https://doi.org/10.24850/j-tyca-2026-05-06Keywords:
sequía, zona árida, gestión de los recursos hídricos, equilibrio hídrico, método Svanidze, índice de Falkenmark, modelos CMIP5, abastecimiento de agua, cuenca fluvial, modelo matemático, cambio climático, relaciones bilaterales, aguas transfronterizas, MéxicoAbstract
La escasez de agua es un problema crítico, agravado por el crecimiento poblacional, el cambio climático y la creciente demanda de agua. La región hidrológica Bravo-Conchos, ubicada a lo largo de la frontera entre EUA y México, enfrenta severas condiciones de sequía que amenazan la disponibilidad de agua y la estabilidad económica. En esta investigación se aplicó un enfoque híbrido, que combinó el método Svanidze para la generación de datos sintéticos y el análisis tradicional de sequías para proyectar escenarios futuros de esta situación meteorológica. La metodología incluye la evaluación del estrés hídrico mediante el índice Falkenmark, el análisis de proyecciones climáticas con modelos CMIP5 y la caracterización de sequías plurianuales. Los resultados indican una disminución proyectada de la precipitación y un aumento de las temperaturas, lo que intensifica la frecuencia y severidad de las sequías. Se encontró que la región debe adaptarse a una precipitación promedio de aproximadamente 243.35 mm, lo que representa el 78.82 % de la precipitación media histórica, considerando futuras sequías y fluctuaciones climáticas. Los hallazgos resaltan la urgente necesidad de políticas adaptativas de gestión del agua, cooperación transfronteriza y mejoras de infraestructura para mitigar los impactos del cambio climático. Esta investigación también proporciona herramientas de fácil acceso para la toma de decisiones, apoyando las políticas públicas y la gestión sostenible de los recursos hídricos en regiones con escasez de datos.
References
Apurv, T., Sivapalan, M., & Cai, X. (2017). Understanding the role of climate characteristics in drought propagation. Water Resources Research, 53(9), 9304-9329. https://doi.org/10.1002/2017WR021445
Arganis, M., Domínguez, R., Mendoza, A., Osnaya, J., Carrizosa Elizondo, E., Macario, I., Valencia-Esteban, R., & Juan-Diego, E. (2023). Método de Svanidze modificado aplicado a volúmenes de ingreso a hidroeléctricas en cascada. En: Memorias de las VII Jornadas de Ingeniería del Agua (18-19 de octubre). Cartagena, España. https://repositorio.upct.es/server/api/core/bitstreams/6aeeb09f-a2d9-4300-8106-98a7a342019d/content
Conagua, Comisión Nacional del Agua. (2021). Estadísticas del agua en México 2021. Secretaría de Medio Ambiente y Recursos Naturales. https://files.conagua.gob.mx/conagua/publicaciones/Publicaciones/EAM%202021.pdf
Conde, A., & López, J. (2016). Variabilidad y cambio climático: impactos, vulnerabilidad y adaptación. Secretaría de Medio Ambiente y Recursos Naturales. https://biblioteca.semarnat.gob.mx/janium/Documentos/Ciga/Libros2013/CD002498.pdf
Cook, E. R., Seager, R., Cane, M. A., & Stahle, D. W. (2007). North American drought: Reconstructions, causes, and consequences. Earth-Science Reviews, 81(1-2), 93-134. https://doi.org/10.1016/j.earscirev.2006.12.002
Chetverikov, D., Liao, Z., & Chernozhukov, V. (2021). On cross-validated Lasso in high dimensions. The Annals of Statistics, 49(3), 1300-1317. https://doi.org/10.1214/20-AOS2000
Dai, A. (2011). Drought under global warming: A review. WIREs Climate Change, 2(1), 45-65. https://doi.org/10.1002/wcc.81
Dobler-Morales, C., & Bocco, G. (2021). Social and environmental dimensions of drought in Mexico: An integrative review. International Journal of Disaster Risk Reduction, 55, 102067. https://doi.org/10.1016/j.ijdrr.2021.102067
Dodig, A., Stankovic, V., Stankovic, L., & Stojkovic, M. (2024). Enhancement of hydrological time series prediction with real-world time series generative adversarial network-based synthetic data and deep learning models. SSRN. https://doi.org/10.2139/ssrn.5022039
Domínguez-Mora, R., Valencia, C., & Arganis-Juárez, M. L. (2005). Importancia de la generación de muestras sintéticas en el análisis del comportamiento de políticas de operación de presas. Ingeniería del Agua, 12(1), 1-14https://doi.org/10.4995/ia.2005.2548
Enqvist, J. P., & Ziervogel, G. (2019). Water governance and justice in Cape Town: An overview. WIREs Water, 6(4), e1354. https://doi.org/10.1002/wat2.1354
Escalante-Sandoval, C., & Reyes-Chávez, L. (2013). Meteorological drought analysis in northern Mexico. In: Proceedings of the 2013 IAHR World Congress (pp. 1-12). https://www.iahr.org/library/infor?pid=14746
Escalante-Sandoval, C., & Núñez-García, P. (2017). Meteorological drought features in northern and northwestern parts of Mexico under different climate change scenarios. Journal of Arid Land, 9(1), 65-75. https://doi.org/10.1007/s40333-016-0022-y
Estrada, F., Calderón-Bustamante, Ó., Raga, G., Torres, V., & Zavala-Hidalgo, J. (n.d.). Análisis del cambio climático observado y proyectado para México. Universidad Nacional Autónoma de México, Programa de Investigación en Cambio Climático (PINCC). https://datapincc.unam.mx/datapincc/
FAO, Food and Agriculture Organization of the United Nations. (2025). Water scarcity means less water for agriculture production, which in turn means less food available, threatening food security and nutrition. https://www.fao.org/newsroom/detail/water-scarcity-means-less-water-for-agriculture-production-which-in-turn-means-less-food-available-threatening-food-security-and-nutrition/es
Hernández-Romero, P., & Patiño-Gómez, C. (2017). Perspectiva actual y futura de los recursos hídricos de la cuenca del río Bravo. Entorno UDLAP, 5, 42-51. https://entorno.udlap.mx/perspectiva-actual-y-futura-de-los-recursos-hidricos-en-la-cuenca-del-rio-bravo/
IBWC, International Boundary and Water Commission. (2022). Treaty between the United States and Mexico relating to the utilization of waters of the Colorado and Tijuana Rivers and of the Rio Grande. https://www.ibwc.gov/wp-content/uploads/2022/11/1944Treaty.pdf
INEGI, Instituto Nacional de Estadística y Geografía. (2020). Censo de población y vivienda 2020. https://www.inegi.org.mx/programas/ccpv/2020/
Jain, M., Singh, V., & Kumar, P. (2021). Water management challenges in Chennai: A case of a rapidly urbanizing city. Urban Water Journal, 18(4), 313-323. https://doi.org/10.1080/1573062X.2020.1862622
James, R., Washington, R., Schleussner, C., Rogelj, J., & Conway, D. (2017). Characterizing half-a-degree difference: A review of methods for identifying regional climate responses to global warming targets. WIREs Climate Change, 8(2), e457. https://doi.org/10.1002/wcc.457
Karimanzira, D. (2024). Mass conservative time-series GAN for synthetic extreme flood-event generation: Impact on probabilistic forecasting models. Stats, 7(3), 808-826. https://doi.org/10.3390/stats7030049
Ledolter, J. (1976). ARIMA models and their use in modelling hydrologic sequences. Institute for Applied Systems Analysis. https://pure.iiasa.ac.at/id/eprint/615/1/RM-76-069.pdf
Liu, Z., Cui, Y., Ding, C., Gan, Y., Luo, J., Luo, X., & Wang, Y. (2024). The characteristics of ARMA (ARIMA) model and some key points to be noted in application: A case study of Changtan Reservoir, Zhejiang Province, China. Sustainability, 16(18), 7955. https://doi.org/10.3390/su16187955
Liu, J., Yang, H., Gosling, S. N., Kummu, M., Flörke, M., Pfister, S., Hanasaki, N., Wada, Y., Zhang, X., Zheng, C., Alcamo, J., & Oki, T. (2017). Water scarcity assessments in the past, present, and future. Earth’s Future, 5(6), 545-559. https://doi.org/10.1002/2016EF000518
López-García, T., Manzano, M., & Ramírez, A. I. (2017). Disponibilidad hídrica bajo escenarios de cambio climático en el Valle de Galeana, Nuevo León, México. Tecnología y ciencias del agua, 8(1), 105-114. https://doi.org/10.24850/j-tyca-2017-01-08
Marusov, A., Grabar, V., Maximov, Y., Sotiriadi, N., Bulkin, A., & Zaytsev, A. (2024). Long-term drought prediction using deep neural networks based on geospatial weather data. Environmental Modelling & Software, 179, 106127. https://doi.org/10.1016/j.envsoft.2024.106127
Mishra, A. K., & Singh, V. P. (2010). A review of drought concepts. Journal of Hydrology, 391(1-2), 202-216. https://doi.org/10.1016/j.jhydrol.2010.07.012
Nguyen, D. T., & Chen, S. T. (2022). Generating continuous rainfall time series with high temporal resolution by using a stochastic rainfall generator with a copula and modified Huff rainfall curves. Water, 14(13), 2123. https://doi.org/10.3390/w14132123
Ortiz-Gómez, R., Cardona-Díaz, J. C., Ortiz-Robles, F. A., & Alvarado-Medellín, P. (2018). Characterization of droughts by comparing three multiscale indices in Zacatecas, Mexico. Tecnología y Ciencias del Agua, 9(3), 47-91. https://doi.org/10.24850/j-tyca-2018-03-03
Ramírez-Abundis, Y. (2024). Sequía e inundaciones: dos caras ante el cambio climático en México [tesis doctoral inédita]. Universidad Nacional Autónoma de México.
Shepard, D. (1968). A two-dimensional interpolation function for irregularly spaced data. In: Proceedings of the 1968 ACM National Conference (pp. 517-524). https://doi.org/10.1145/800186.810616
Semarnat, Secretaría de Medio Ambiente y Recursos Naturales. (2021). Programa hídrico regional 2021–2024. Secretaría de Medio Ambiente y Recursos Naturales. https://files.conagua.gob.mx/conagua/generico/PNH/PHR_2021-2024_RHA_VI_R_o_Bravo_.pdf
Soto, P. (2024). Impacto de la sequía en las aguas subterráneas. Revista IC Colegio de Ingenieros Civiles de México, 652, 12-16. https://www.researchgate.net/publication/381923026
Svanidze, G. G. (1980). Mathematical modeling of hydrologic series. Water Resources Publications.
Villazón-Bustillos, D., Rubio-Arias, H., & Ortega-Gutiérrez, J. A. (2015). Análisis en series de tiempo para el pronóstico de sequía en la región noroeste del estado de Chihuahua. Ecosistemas y Recursos Agropecuarios, 3(9), 307-315. https://www.scielo.org.mx/scielo.php?script=sci_arttext&pid=S2007-90282016000300307
Wang, H. R., Wang, C., Lin, X., & Kang, J. (2014). An improved ARIMA model for hydrological simulations. Nonlinear Processes in Geophysics Discussions, 1(2), 841-876. https://doi.org/10.5194/npgd-1-841-2014
Downloads
Published
Issue
Section
License
Copyright (c) 2026 Tecnología y ciencias del agua
This work is licensed under a Creative Commons Attribution-NonCommercial-ShareAlike 4.0 International License.
By Instituto Mexicano de Tecnología del Agua is distributed under a Creative Commons Attribution-NonCommercial-ShareAlike 4.0 International License. Based on a work at https://www.revistatyca.org.mx/. Permissions beyond what is covered by this license can be found in Editorial Policy.
