Maritza Liliana Arganis Juárez

El presente trabajo lleva a cabo la evaluación y corrección del sesgo de las estimaciones de precipitación del producto de reanálisis ERA5-Land mediante observaciones de estaciones meteorológicas terrestres ubicadas en la cuenca de aportación al embalse de la presa Peñitas (Central Hidroeléctrica Ángel Albino Corzo), una de las regiones hidrológicamente más importantes del sureste de México. Se compararon series diarias de precipitación correspondientes al evento extremo ocurrido entre el 27 de septiembre y el 6 de octubre de 2020, empleando como métricas el coeficiente de correlación de Pearson (r), el error cuadrático medio (RMSE) y el coeficiente de eficiencia de Nash-Sutcliffe (NSE). Los resultados mostraron que ERA5-Land reproduce adecuadamente la variabilidad espacial de la precipitación, aunque presenta una subestimación sistemática de los valores observados, reflejada en un NSE de −0.80, un RMSE de 25.1 mm d⁻¹ y un coeficiente de correlación de 0.44. Para reducir este sesgo se desarrolló una función de transferencia lineal basada en observaciones terrestres, obteniéndose mejoras sustanciales en el desempeño estadístico del producto corregido (NSE = 0.77, RMSE = 7.9 mm d⁻¹ y r = 0.88). Los resultados demuestran que la corrección propuesta incrementa significativamente la confiabilidad de ERA5-Land para aplicaciones hidrológicas en cuencas con escasa instrumentación meteorológica. La metodología es reproducible y puede aplicarse en otras cuencas tropicales con características fisiográficas similares.

En este artículo se destaca la importancia de realizar un análisis riguroso de la calidad de los datos registrados en estaciones climatológicas, aspecto fundamental para abordar los desafíos hidrológicos e hidráulicos en la ingeniería. Se analizaron los registros de precipitación mensual de la estación 9048 Tacubaya, México, reconocida por contar con más de un siglo de datos históricos. Se aplicaron medidas estadísticas de tendencia central, dispersión, distribución de frecuencias y asimetría para evaluar la consistencia y precisión de las series. Asimismo, se incorporaron comparaciones temporales y espaciales apoyadas en herramientas de sistemas de información geográfica (SIG), lo que permitió identificar valores atípicos en meses de estiaje e invierno (enero, febrero, marzo, noviembre y diciembre), varios de los cuales fueron validados mediante registros de estaciones vecinas. Esta investigación no solo documenta líneas de trabajo vigentes en el control de calidad hidroclimático, sino que también sienta las bases para futuros estudios en áreas críticas como la planificación hídrica, la gestión del riesgo de desastres y la adaptación climática.

Fluctuating hydraulic pressure in municipal drinking water networks is a critical yet frequently overlooked dimension of socio-spatial inequality, where marginalized urban communities disproportionately bear the burden of deficient service. This study addresses this gap by developing and applying the Urban Water Vulnerability Index (UWVI), a composite indicator that pairs empirical hydraulic performance (normalized operational water pressure) with multidimensional socioeconomic conditions (Social Development Index, SDI) within the Intergovernmental Panel on Climate Change (IPCC) vulnerability framework. Evaluated across four boroughs in Mexico City Coyoacán, Xochimilco, Benito Juárez, and Tlalpan and interpreted through the Pressure–State–Response (PSR) heuristic, the UWVI demonstrates marked spatial heterogeneity. Coyoacán exhibits the most acute condition, where extensive network pressure losses intersect with high social marginalization (mean UWVI: 0.64; 53% of BGA classified as high vulnerability). Xochimilco exhibits moderate challenges linked to peri-urban network fragmentation (mean UWVI: 0.51; 23% high vulnerability). In contrast, Benito Juárez (mean UWVI: 0.35; 0% high vulnerability) displays localized service imbalances despite high socioeconomic status, while Tlalpan (mean UWVI: 0.38; 0% high vulnerability) demonstrates stable baseline performance. Sensitivity and uncertainty analyses confirm the robustness of the index across alternative weighting schemes, demonstrating 94% classification stability and statistically significant correlations with independent administrative indicators, including citizen complaints and emergency tanker dispatches (r = 0.38–0.56, p < 0.05). The UWVI functions as an objective spatial screening and prioritization tool, establishing an evidence-based foundation for four distinct intervention archetypes to guide equitable urban water planning.

Schematic workflow showing hydrology data inputs, preprocessing, artificial intelligence models, and a hybrid physics-informed block combining hydrological knowledge and machine learning, leading to applications such as flood prediction, reservoir operation, groundwater management, and decision-making. Integrated framework linking hydrologic data, AI/ML methods, and physics-informed modeling. Source: Human-designed concept, AI-assisted rendering. This review synthesizes the methodological evolution of artificial intelligence and evolutionary computation in hydrology and hydraulics, from early machine learning (artificial neural networks, support vector machines, fuzzy systems, metaheuristics) to recent advances, including deep learning (long short-term memory, Convolutional Neural Network (CNN), Convolutional Long Short-Term Memory (ConvLSTM), graph neural networks), symbolic regression, and physics-informed modeling. Evidence is organized by application domain: model calibration, streamflow forecasting, hydrological regionalization, reservoir operation, and surrogate models for hydraulic simulation. We emphasize that algorithm selection should reflect hydrologic understanding, data constraints, and operational needs – not model complexity. Beyond cataloging techniques, the shift from purely data-driven prediction toward hybrid, physics-aware, uncertainty-quantified frameworks is described here. Case studies from Mexico illustrate end-to-end workflows, including reservoir operation using dynamic programming and genetic algorithms, guide-curve optimization in the Cutzamala System, stochastic dual dynamic programming applications in the Miguel Alemán-Cerro de Oro system, and flood mapping with U-Net using Sentinel-1 imagery. A public repository provides reproducible scripts and a structured reference database. This review concludes with a research agenda addressing extreme events, uncertainty, interpretable surrogates, and standardized multibasin evaluation.

La estimación hidrológica mediante cópulas se ha consolidado como una herramienta eficaz para representar la dependencia entre variables hidrológicas extremas. Este estudio presenta una metodología mejorada para la estimación de hidrogramas de avenidas extremas caracterizados por el caudal máximo y el volumen acumulado, presentando los criterios de Gasto Prioridad (QP) y Volumen Prioridad (VP) para selección de datos conjunta. Las funciones de probabilidad marginales empíricas, obtenidas mediante el método de rangos, se utilizan para construir cópulas de la familia arquimediana (Gumbel–Hougaard, Frank y Clayton) y definir la estructura de dependencia conjunta. El análisis de duración se extiende de 5 a 35 días, determinando un tiempo base óptimo de 18 días con base en un criterio de variación de volumen respecto a la duración. Isolíneas conjuntas de probabilidad se calcularon con el periodo de retorno tipo OR, seleccionando la cópula Gumbel–Hougaard para QP y Frank para VP como las de mejor ajuste según las pruebas de Kolmogórov–Smirnov y Anderson–Darling. La metodología se aplicó a la presa La Angostura (Sonora, México), donde los hidrogramas generados y transitados mostraron niveles máximos de alrededor de 833 m.s.n.m., confirmando la capacidad de laminación del embalse y la consistencia del modelo bivariado. El enfoque propuesto ofrece una representación más realista de los eventos extremos y constituye una herramienta robusta para el diseño hidráulico y la gestión del riesgo hidrológico en sistemas de almacenamiento.

En este artículo se destaca la importancia de realizar un análisis riguroso de la calidad de los datos registrados en estaciones climatológicas, lo cual es fundamental para abordar los desafíos hidrológicos e hidráulicos que enfrentan los ingenieros. Se analizaron los registros de precipitación mensual de la estación 9048 Tacubaya, México, reconocida por contar con más de un siglo de datos históricos. Se aplicaron medidas estadísticas de tendencia central, dispersión, distribución de frecuencia y asimetría, con el objetivo de evaluar la consistencia y precisión de los datos. Así mismo, se incluyeron comparaciones tanto temporales como espaciales, apoyadas en herramientas de sistemas de información geográfica (SIG), esto permitió identificar datos atípicos en los meses de enero, febrero y noviembre, varios de los cuales fueron validados mediante estaciones cercanas. Esta investigación no solo documenta líneas de trabajo vigentes, sino que también impulsa la generación de nuevos estudios en esta área crítica para la planificación hídrica, la gestión de riesgos y la adaptación climática.

Safe operation of aging dam infrastructure requires regular updates to design flood estimates and spillway operating rules. This paper presents a semi-automated methodology for updating design floods for return periods of 10 to 10,000 years, utilizing a suite of open-source software tools. The framework was applied to the El Caracol, Infiernillo, and Villita dams within the Balsas River hydroelectric system in Mexico. The methodology is based on the Engineering Institute of National Autonomous University of Mexico (IIUNAM) procedure, incorporating frequency analysis of daily mean flows and the generation of design hydrographs using the AX and IIHIDRODIS programs. Flood routing was subsequently performed under various operational policies using the Trate, HEC-HMS, and Traven programs to develop safe and effective strategies. Key recommendations include: for El Caracol dam, a staggered discharge policy for floods exceeding a 50-year return period (Tr); for Infiernillo dam, limiting discharges to 6000 m³/s during frequent floods (Tr < 100 years) and up to 12,000 m³/s for extreme events; and for La Villita dam, operating at 6000 m³/s, potentially increasing to 10,000 m³/s under extreme conditions while respecting downstream channel capacity. The proposed sequential automation markedly reduces processing times, in particular during the sequence involved in constructing a design flood. Previously, this task required approximately one or two days; it can now be completed in just a few minutes, demonstrating a significant advancement in the state of knowledge for studies on dam safety reassessment.

Water scarcity is a critical issue exacerbated by population growth, climate change, and increasing water demand. The Bravo-Conchos hydrological region, located along the U.S.-Mexico border, faces severe drought conditions that threaten water availability and economic stability. This research applied a hybrid approach, combining the Svanidze method for synthetic data generation with traditional drought analysis to project future drought scenarios. The methodology includes assessing water stress using the Falkenmark Index, analyzing climate projections with CMIP5 models, and characterizing multiyear droughts. Results indicate a projected decrease in precipitation and rising temperatures, intensifying drought frequency and severity. The region should adapt to an average precipitation of approximately 243.35 mm, which is 78.82% of the historical mean precipitation, considering future droughts and climate fluctuations. Findings highlight the urgent need for adaptive water management policies, cross-border cooperation, and infrastructure improvements to mitigate climate change impacts. This research also provides accessible and cost-effective tools for decision-making, supporting public policies and sustainable water resource management in data-scarce regions.