Sistema Piloto de Alertamientos Hidrometeorológicos para la CDMX

 

El desarrollo se enmarca dentro del proyecto SECTEI/145/2024, resultado de la colaboración interinstitucional entre la Secretaría de Educación, Ciencia, Tecnología e Innovación de la Ciudad de México (SECTEI), el Instituto de Ciencias de la Atmósfera y Cambio Climático de la UNAM y la Universidad Autónoma de México, Unidad Iztapalapa. Este proyecto aborda la temática del Eje 3 "Gestión del riesgo para la reducción de desastres", y además contribuye a los ejes 1 "Ciencias, tecnologías y gestión del agua", y 2 "Desarrollo sustentable y adaptación al cambio climático", de la Convocatoria SECTEI 2024.

 

1. Introducción

    1.1 Objetivos y metas

    1.2 Participantes

 2. Desarrollo del sistema piloto

    2.1. Diseño

    2.2 Modelos empleados

    2.3 Alcances y limitaciones

    2.3.1 Evaluación de modelos

 3. Pronóstico de inundaciones

    3.1 Volumen de inundación

4. Tormenta severa

    4.1 Temperatura de brillo y actividad eléctrica

    4.2 Convección diurna

    4.3 Microfísica nocturna

    4.4 Fase de nubes

    4.5 Detección de saltos en la actividad eléctrica

5. Alertamiento por precipitación acumulada diaria

6. Precipitación

    6.1 Precipitación horaria

    6.2 Precipitación acumulada diaria

    6.3 Precipitación acumulada total

7. Viento en superficie

8. Otros productos

    8.1 Inventario de inundaciones

    8.2 Inventario de tormentas severas

Anexo A: Contribuciones académicas y de formación de recursos humanos

    A.1 Producción científica

    A.2 Formación de recursos humanos

    A.3 Difusión de la ciencia

    A.4 Divulgación de la ciencia

Anexo B: Descargables

Referencias

 

1. Introducción

Un sistema de alertamiento es un conjunto de procedimientos, tecnologías y mecanismos diseñados para detectar y comunicar de manera rápida y efectiva eventos o situaciones que puedan amenazar la seguridad y el bienestar de una población. Estos sistemas han sido utilizados en todo el mundo para alertar sobre diversos peligros e impactos a nivel global o regional. Su objetivo principal es proporcionar información a las personas que se encuentran en riesgo; así como apoyar en la generación e implementación de medidas preventivas y de mitigación a los tomadores de decisiones (Sorensen, 2000; WMO, 2010; Neubner, 2021).

Los eventos hidrometeorológicos, como las tormentas severas, lluvias e inundaciones, siempre han formado parte de la vida cotidiana, ya que son una parte de la variabilidad climática. De acuerdo con el Intergovernmental Panel on Climate Change (IPCC) en su sexto reporte, el cambio climático generado por causas antropogénicas ya está afectando a muchas condiciones meteorológicas y climáticas extremas en varias regiones del mundo, teniendo como consecuencia impactos adversos generalizados, pérdida de vidas humanas  y daños en la infraestructura. Además, históricamente las poblaciones más vulnerables son quienes han contribuido menos al cambio climático actual y resultan ser las poblaciones más afectadas.

Particularmente, la Zona Metropolitana del Valle de México (ZMVM) se ve afectada cada año por sistemas meteorológicos tropicales y de latitudes medias, siendo particularmente vulnerable a eventos hidrometeorológicos extremos. Lo anterior expone cada año al 17.3% de la población nacional residente en la ZMVM a eventos de precipitación extrema y tormentas severas con potencial de afectaciones por inundación.

Es importante contar con sistemas de alertamiento para eventos asociados a diferentes impactos hidrometeorológicas, que desempeñan un papel importante en la protección de la vida, la reducción de los riesgos y la preparación ante situaciones de emergencia (WMO, 2010; Neubner, 2021). Para ello, es fundamental contar con sistemas de pronóstico meteorológico más precisos, y particularmente tener un pronóstico de precipitación con menor error, ya que a mayor precisión en el pronóstico, mayor será la confianza en la información presentada y aumentará así la eficacia en los sistemas de alerta, así como de los productos derivados, facilitando la toma de decisiones. Además, la Organización Meteorológica Mundial recomienda que los pronósticos desarrollen la capacidad de pronosticar impactos. Por ejemplo, además de pronosticar la precipitación se pronostica si generará una inundación.

En México, se han logrado avances significativos en la generación de pronósticos de diversa índole, gracias a las mejoras en la vigilancia de eventos, instrumentación, recolección y procesamiento de datos. Parte de estos avances también se han conseguido gracias a las mejoras en teorías y modelos, pero aún queda mucho por hacer para reducir el error del pronóstico de precipitación y sus impactos. Para continuar avanzando en la obtención de mejores pronósticos de precipitación, es necesario trabajar en aspectos como la precisión, la resolución espacial y temporal, la asimilación de datos, el pronóstico a muy corto y largo plazo, así como realizar una evaluación continua del desempeño de los modelos numéricos empleados para realizar el pronóstico de precipitación. Avances desarrollados en estos aspectos contribuirían en la  generación de pronósticos de precipitación más confiables para la toma de decisiones, para la protección de la sociedad y en general para los sistemas de alerta basados en productos derivados de sistemas de pronóstico meteorológico.

En particular, en la Ciudad de México existen diversos tipos de alertamientos para hacer frente a diversas situaciones de riesgos. Aunque estos sistemas son efectivos, es necesario continuar avanzando en mejorar los pronósticos mediante el uso de herramientas y técnicas actualizadas. Esto incluye, la integración de datos provenientes de sensores remotos, el uso de modelos que simulen el volumen de escurrimiento en áreas urbanas, la generación de pronósticos de muy corto o largo plazo y el uso de nuevos métodos de la inteligencia artificial, entre otros métodos, para abordar de manera más completa y precisa estos eventos en un horizonte temporal que incluya el muy corto plazo y también en un horizonte largo. Asimismo, es importante el desarrollo de una plataforma para el sistema de alertamientos que incluya información de múltiples riesgos hidrometeorológicos y que sea de fácil acceso a la población y a los tomadores de decisiones. 

Este proyecto desarrolló de un sistema piloto de alertamientos hidrometeorológicos para la Ciudad de México con una resolución espacial a nivel de alcaldía, centrándose específicamente en inundaciones y tormentas severas, que implicó el uso modelos numéricos atmosféricos, hidrológicos, del uso de sensores remotos y el uso de métodos de inteligencia artificial. Esta propuesta busca aumentar la capacidad de anticipación y respuesta ante estos eventos, utilizando enfoques innovadores que permiten una mayor eficacia en la protección y bienestar de la población de la Ciudad de México.

 

    1.1 Objetivos y metas

 

Objetivo general

Desarrollar un sistema piloto de alertamientos hidrometeorológicos como inundaciones y tormentas severas para la CDMX, utilizando tecnologías innovadoras como el uso de productos satelitales, métodos de inteligencia artificial y modelos numéricos.

 

Objetivos específicos

1. Mejorar la precisión y la resolución espacial y temporal de los pronósticos meteorológicos en la CDMX.

2. Generar pronóstico hidrometeorológico para identificación de inundaciones en la CDMX utilizando los modelos Weather Research and Forecasting (WRF), Storm Water Management Model (SWMM) y datos observacionales.

3. Desarrollar un pronóstico de corto plazo (minutos) que permita alertar sobre el desarrollo de tormentas convectivas intensas que puedan generar inundaciones, a partir de análisis automatizados de información satelital y métodos de inteligencia artificial. 

 

Metas

1. Generar un pronóstico de extensión de inundaciones en la CDMX y zona metropolitana con el modelo WRF, SWMM y datos observacionales. 

2. Integrar la información generada con los pronósticos y observaciones en un sistema de alertamiento hidrometeorológico.

3. Desarrollar un pronóstico de muy corto plazo para predecir tormentas severas en la CDMX.

4. Crear una plataforma web para consultar el sistema piloto de alertamiento y las bases de datos generadas de los modelos de pronóstico.

 

    1.2 Participantes

 

Instituciones participantes

	Secretaría de Educación, Ciencia, Tecnología e Innovación de la Ciudad de México (SECTEI)
	Instituto de Ciencias de la Atmósfera y Cambio Climático de la UNAM (ICAyCC-UNAM)
	Universidad Autónoma Metropolitana, Unidad Iztapalapa (UAM-I)
	Universidad Estatal de Florida (FSU-EUA)

 

Responsables

• Erika Danaé López Espinoza, Investigadora ICAyCC-UNAM, Responsable técnica
• Erick Raul Olvera Prado, Investigador UAM-I, Responsable UAM-I

Participantes

• Jorge Zavala Hidalgo, Investigador ICAyCC, UNAM
• Eugenio Gomez Reyes, Investigador UAM-I
• Dulce Rosario Herrera Moro, Técnica Académica ICAyCC-UNAM 
• Katia Denis Trujillo Rojas, Técnica Académica ICAyCC-UNAM 
• Olmo Zavala Romero, Investigador FSU-EUA 

Servicios profesionales especializados

• Andrea Isabel Anguiano García
• Pavel Oropeza Alfaro 
• Vania De Jesús Galindo
• Ana Elena Martínez Melgarejo

Consultora logística

• Angélica Pedraza Díaz

Estudiantes

• Jimena Ortiz Villalva, tesista de maestría del Posgrado en Ciencias de la Tierra de la UNAM
• Mario Adolfo Marquez Rodriguez, tesista de licenciatura en Ciencias Atmosféricas de la UAM-I 
• Eliza Ruiz Diego, tesista de Ingeniería Geofísica del IPN
• Juan Manuel De Santiago Rodríguez, prácticas profesionales y tesista de licenciatura en Geografía Aplicada de la ENCiT de la UNAM 
• Vania De Jesús Galindo, prácticas profesionales de la licenciatura en Ciencias de la Tierra de la ENCiT de la UNAM 
• Damaris Tellez Alvarez, servicio social de licenciatura en Ingeniería Hidrológica de la UAM-I
• Ricardo Antonio Valencia, estudiante de licenciatura en Ingeniería Hidrológica de la UAM-I

 

2. Desarrollo del sistema piloto

Para alcanzar los objetivos y metas del proyecto se    

 

    2.1 Diseño

Diagrama general de las diferentes actividades que se realizan en el sistema SPAH-CDMX, con el fin de identificar previamente el flujo de datos y las actividades de cada participante dentro del proyecto. 

 

 

 

 

    2.2 Modelos empleados

 

Modelo WRF  

El pronóstico meteorológico se realiza utilizando el modelo Weather Research and Forecasting Model (WRF) en su versión la 4.2.1. El modelo WRF es un modelo de predicción numérica del tiempo diseñado para la investigación y para aplicaciones operativas. Diversas instituciones han contribuido y siguen contribuyendo a su desarrollo, con el firme objetivo de construir el modelo de pronóstico numérico de mesoescala de la siguiente generación, para lograr un avance en el entendimiento de los procesos atmosféricos y en la predicción de tiempo. El modelo WRF ha sido diseñado principalmente por el National Center for Atmospheric Research (NCAR), la National Oceanic and Atmospheric Administration (NOAA), el National Center for Environmental Prediction (NCEP), el Earth System Research Laboratory (ESRL), la Air Force Weather Agency (AFWA), el Naval Research Laboratory (NLR), el Center for Analysis and Prediction of Storms (CAPS) y la Federal Aviation Administration (FAA). El código del modelo está abierto a la comunidad y ha sido optimizado de manera que puede ser adaptado tanto en supercomputadoras que trabajan en paralelo como en computadoras portátiles de reciente generación. El modelo es muy versátil y se puede usar en una gran diversidad de aplicaciones, tales como simulaciones ideales, simulaciones reales (predicción numérica en tiempo real), modelación de la calidad del aire y estudios de interacción océano-atmósfera mediante el acoplamiento con modelos oceánicos.

El WRF Software Infrastructure (WFS) contiene los códigos que incorporan la física al modelo (dynamic solvers) y los paquetes físicos que constituyen la interfaz con los códigos. También se localizan aquí los códigos necesarios para realizar asimilación de datos y para emplear algunas opciones del modelo relacionadas con la química atmosférica. Fuera del WSF, se encuentra la parte de pre-procesamiento y post-procesamiento de las simulaciones numéricas. El modelo cuenta con dos núcleos que resuelven su física, el Advanced Research WPS (ARW) y el Nonhydrostatical Mesoscale Model (NMM). En la configuración desarrollada para este sistema se utiliza el núcleo ARW el cual se describe brevemente la versión del WRF con este núcleo.

Núcleo ARW

El núcleo ARW es la componente del modelo, donde se lleva a cabo la integración numérica del dominio principal y de los anidamientos.

Las características del núcleo ARW, son las siguientes:

• Ecuaciones: Modelo totalmente compresible, no-hidrostático, basado en flujo euleriano, con una opción hidrostática.
• Coordenada híbrida vertical: Coordenada que sigue el terreno cerca de la superficie terrestre y se vuelve isobárica a un cierto nivel de la atmósfera permitiendo un estiramiento en los niveles verticales. El tope del modelo es una superficie de presión constante.
• Malla horizontal: Malla escalonada tipo Arakawa C.
• Integración en tiempo: Runge-Kutta de 2do y 3er orden con paso de tiempo menor para ondas acústicas y de gravedad.
• Discretización espacial: Opcional de 2do y 6to orden en la horizontal y vertical.
• Condiciones de frontera laterales: Periódicas, abiertas y simétricas.
• Condiciones de frontera en superficie: Física o free-slip.
• Anidamientos: Unidireccionales interactivos, bi-direccionales interactivos y móviles, estos últimos pueden usarse a través de movimientos especificados por el usuario o con un algoritmo que sigue el movimiento de un vórtice
• Malla Global: Cuenta con capacidad para realizar simulaciones globales.
• Microfísica: Esquemas simplificados para simulaciones idealizadas y esquemas complejos que incorporan explícitamente procesos de precipitación, vapor de agua y nubes.
• Parametrizaciones de cúmulus: Diversos esquemas para modelos de mesoescala modificados y adaptados para el modelo.
• Capa límite planetaria: Esquema de energía cinética turbulenta y esquemas no locales.

WRF Preprocessing System (WPS). Esta componente del modelo es utilizada para simulaciones reales. Aquí, el usuario puede definir los dominios de la simulación, interpolar los datos terrestres a los dominios (por ejemplo topografía, tipo de suelo, uso de suelo, etcétera), así como decodificar e interpolar los datos meteorológicos que alimentan al modelo.

WRF-Var. Este programa es opcional y se encarga de incorporar observaciones a los análisis interpolados creados por el WPS (por ejemplo datos de superficie, radiosondeos, datos de radar, etcétera), generando un ajuste en las condiciones iniciales del modelo.

Post-procesamiento y visualización. Esta componente del modelo depende totalmente del usuario pues existe una gran cantidad de herramientas gráficas que pueden ser utilizadas para visualizar las simulaciones numéricas. Algunas de estas opciones son: NCAR Command Language (NCL), Read/Interpolate/Plot (RIP4), Grid Analysis and Display System (GrADS), Vis5D, Visualization and Analysis Platform for Ocean, Atmosphere, and Solar Researchers (VAPOR), General Equilibrium Modelling Software (GEMPAK) y MATrix LABoratory (MATLAB).

Parametrizaciones físicas

• Esquema RRTMG para radiación de onda corta y larga. Una versión más reciente del RRTM (Rapid Radiative Transfer Model). Incluye el método MCICA para representar la variabilidad de la nube a escala de submalla. Este esquema utiliza ecuaciones en función del tiempo que representan los procesos de onda larga debidos al vapor de agua, ozono, CO2 y gases traza (si existen), considerando también las propiedades ópticas de la nube en función de su profundidad.
• Esquema de Kain-Fritsch Multiescala para la parametrización de cúmulus. Es utilizado para representar los procesos convectivos por medio de un modelo que considera las corrientes verticales de aire húmedo en ambos sentidos, utilizando una escala de tiempo de ajuste dinámico en función de la resolución horizontal.
• Esquema Yonsei University para la capa límite planetaria. Este esquema se encarga de representar los flujos verticales pequeños que son resultado del transporte turbulento en toda la columna atmosférica.
• El modelo Noah-MP para el modelo de superficie. Este esquema considera la parte superior e inferior del dosel, el radio, ramas, hojas y raíces de los árboles dentro de la cobertura vegetal. A su vez, considera la estructura vertical de la vegetación. Además Meza (2018) encontró que reduce el error sobre las temperaturas mínimas en comparación con el esquema Noah y TD.

 

Modelo SWMM  

El pronóstico hidrológico 

 

 

    2.3 Alcances y limitaciones

 

Los alcances del SAPH. 

 

    2.3.1 Evaluación de modelos

 

La evaluación de los modelos. 

 

3. Pronóstico de inundaciones

Un sistema de alertamiento es un conjunto de procedimientos, tecnologías y mecanismos diseñados para detectar y comunicar de manera rápida y efectiva eventos o situaciones que puedan amenazar la seguridad y el bienestar de una población. Estos sistemas han sido utilizados en todo el mundo para alertar sobre diversos peligros e impactos a nivel global o regional. Su objetivo principal es proporcionar información a las personas que se encuentran en riesgo; así como apoyar en la generación e implementación de medidas preventivas y de mitigación a los tomadores de decisiones (Sorensen, 2000; WMO, 2010; Neubner, 2021).

 

    3.1 Volumen de inundación

 

La evaluación de los modelos. 

 

4. Tormenta severa

Las nubes convectivas profundas, en particular los cumulonimbos, son sistemas nubosos de gran desarrollo vertical asociadas con tormentas severas capaces de generar lluvia intensa, granizo, vientos fuertes y descargas eléctricas. Cuando las tormentas severas se desarrollan sobre áreas urbanas densamente pobladas, como la Ciudad de México, representan un riesgo debido a su capacidad para afectar a la población y provocar inundaciones.

Estas nubes se caracterizan por la presencia de corrientes ascendentes intensas, topes nubosos muy fríos y una estructura interna donde coexisten agua líquida y partículas de hielo. Su estudio es relevante para comprender mejor las tormentas severas que afectan a la Ciudad de México, así como para fortalecer la gestión de riesgos hidrometeorológicos y optimizar el aprovechamiento de los recursos hídricos.

Las nubes convectivas profundas se originan a partir de cúmulos en crecimiento, cumulus congestus, que evolucionan en ambientes húmedos e inestables. En su etapa madura son las cumulonimbus y se caracterizan por su gran extensión vertical, su estructura interna compleja y su capacidad para generar precipitaciones intensas. Dependiendo de la latitud, pueden alcanzar alturas entre 10 y 17 km, llegando incluso a la tropopausa. Su tope nuboso al dejar de ascender suele expandirse horizontalmente formando el característico yunque de hielo.

 

A medida que la nube crece, se organiza internamente y experimenta distintas etapas que determinan su estructura, comportamiento e intensidad. El ciclo de vida de una tormenta convectiva unicelular comprende tres etapas principales:

• Desarrollo: esta etapa tiene una duración promedio de entre 5 y 10 minutos. Predominan las corrientes ascendentes que transportan aire cálido y húmedo. Conforme la nube crece verticalmente, la parte superior alcanza niveles con temperaturas inferiores a 0°C formándose los primeros cristales de hielo. El diámetro de la celda convectiva suele estar entre 2 y 8 km, muy cercano del límite de detección espacial de algunos sensores satelitales. Al final de esta etapa suele observarse la mayor intensidad de actividad eléctrica y el incremento en la frecuencia de las descargas eléctricas suele coincidir con un aumento en la producción de lluvia y granizo. Este fenómeno es conocido como lightning jump (salto eléctrico), y ha sido ampliamente documentado como un indicador temprano del fortalecimiento de la tormenta severa.
• Madurez: la tormenta alcanza su mayor desarrollo y actividad. Tiene una duración típica de alrededor de 30 minutos y se presenta la precipitación más intensa, lluvias fuertes y granizo. Coexisten corrientes ascendentes y descendentes y la nube alcanza su mayor altura, extendiéndose hasta niveles cercanos a la tropopausa. Pueden observarse overshooting tops, estructuras asociadas con corrientes ascendentes muy intensas. Su aparición suele coincidir con los momentos de mayor intensidad de la tormenta.
• Disipación: durante este etapa desaparece el suministro de humedad y las corrientes ascendentes comienzan a debilitarse hasta desaparecer. Como consecuencia predominan las corrientes descendentes, la precipitación se reduce y la nube pierde su estructura convectiva.

 

La actividad eléctrica constituye una característica fundamental de las tormentas severas. Las descargas eléctricas en las tormentas convectivas pueden ocurrir dentro de la nube (intranube) o entre la nube y la superficie terrestre. La frecuencia de descargas eléctricas por minuto es un indicador útil de la intensidad y evolución de la tormenta, ya que suele incrementarse durante el proceso de intensificación convectivo y, en algunos casos, preceder al máximo de precipitación.

 

Para estudiar y dar seguimiento a las nubes convectivas profundas en la Ciudad de México utilizamos datos del satélite geoestacionario GOES-16. El monitoreo se realiza mediante información térmica y espectral obtenida por el instrumento Advanced Baseline Imager (ABI), empleando el modo de escaneo Full Disk, que proporciona una resolución temporal de 10 minutos y una resolución espacial de 2 km. Estas observaciones permiten identificar y seguir la evolución de las estructuras convectivas a lo largo de su ciclo de vida.

 

Complementariamente, el seguimiento de la actividad eléctrica asociada a las tormentas severas se lleva a cabo mediante los datos del Geostationary Lightning Mapper (GLM), sensor que detecta la actividad eléctrica total sin distinguir entre descargas intranube y nube-tierra. Gracias a su resolución temporal de 20 segundos, el GLM permite analizar con gran detalle la evolución espacial y temporal de la actividad eléctrica, proporcionando información valiosa sobre los procesos de intensificación y desarrollo de las tormentas severas.

 

A continuación se presentan los diferentes productos generados, los cuales se encuentran implementados de forma operativa en el Sistema piloto de alertamiento hidrometeorológico para la Ciudad de México. Para una descripción detallada de la metodología empleada en el desarrollo y obtención de cada producto consultar la tesis de maestría Caracterización de nubes convectivas asociadas a eventos de tormenta severa mediante GOES-16 para la Ciudad de México.  

 

    4.1 Temperatura de brillo y actividad eléctrica

 

Este producto integra la temperatura del tope de nube (ABI) y la actividad eléctrica detectada (GLM) mostrando la distribución de las descargas eléctricas en las regiones más frías. Se distinguen dos umbrales de topes de nube, -33°C (inicio de electrificación) y -55°C (nubes más altas). El primer umbral de -33°C marca el inicio sistemático de la actividad eléctrica asociada a nubes convectivas en fase temprana de desarrollo. Además, pueden registrarse eventos GLM de manera recurrente indicando que la nube empieza a alcanzar un desarrollo vertical suficiente para activar los procesos de electrificación. En el contexto del ciclo de vida convectivo, descrito en la sección anterior, este umbral se asocia a etapas tempranas del desarrollo, previas a la intensificación máxima del sistema.

 

El segundo umbral, en torno a -55°C, se relaciona con un aumento notable en la actividad eléctrica y con la presencia de nubes con topes muy fríos, indicativas de un crecimiento vertical más profundo. Este valor marca la transición hacia una etapa de convección más intensa, cercana a la fase madura, en la que los procesos microfísicos responsables de la separación de cargas son más eficientes y la frecuencia de descargas eléctricas es mayor. El intervalo térmico comprendido entre -33°C y -55°C marca una etapa de transición en la evolución de la convección. En ese intervalo, la actividad eléctrica va aumentando a medida que la nube continúa creciendo en altura, y ese aumento se refleja en una mayor frecuencia de descargas, incluidos aumentos abruptos que anteceden a la fase de mayor intensidad de la tormenta convectiva. Esto hace que este intervalo sea útil para seguir la evolución temporal de las tormentas y detectar procesos de intensificación.

 

De manera operativa el producto se ve como el de la Figura XXX. Se puede apreciar que se marcan en contornos magenta las regiones con temperaturas de brillo menores a -33°C, colores verdes. Los tonos naranja a rojos más intensos corresponden a temperaturas inferiores a -55°C asociadas con una etapa más avanzada del desarrollo convectivo. Asimismo, en el producto se resalta la actividad eléctrica: eventos, grupos y flashes. Al incorporar eventos y flashes del GLM se tiene información complementaria sobre la distribución de la actividad eléctrica. Los eventos permiten ubicar con mayor detalle dónde aparece la señal, mientras que los flashes ayudan a reconocer dónde esa actividad ya se presenta de forma más organizada.

Figura XXX. Producto combinado ABI-GLM de actividad eléctrica sobre cimas frías para el evento del 12 de junio de 2022. La línea magenta delimita las regiones con temperatura de brillo ≤ -33°C, mientras que los tonos naranjas más intensos representan temperaturas cercanas o inferiores a -55°C. En la figura se muestran eventos y flashes del GLM, cuya visualización conjunta permite identificar la localización y el grado de organización de la actividad eléctrica sobre los núcleos convectivos más fríos. Para visualizar el producto de manera operativa ir al siguiente enlace.

 

    4.2 Convección diurna

 

Otro producto que se pone a disposición para distinguir las distintas etapas del desarrollo convectivo, débil, moderado o fuerte, fue el que realiza una combinación de bandas del instrumento ABI, nombrado Day Convection RGB (A.1.2). Esta composición fue diseñada para resaltar convección con corrientes ascendentes intensas y partículas pequeñas de hielo en el tope nuboso, rasgos que suelen caracterizar tormentas en rápido desarrollo. 

 

La interpretación es la siguiente: los tonos amarillos se asocian con convección fuerte, etapa de madurez, mientras que los tonos naranja a la convección moderada, etapa de desarrollo o intensificación, y los tonos rojos a la convección débil, etapa de desarrollo temprano o disipación. Los colores en tonalidades rosas es nubosidad alta delgada y los colores morados representan cero convección o nubosidad baja. 

 

En el producto los tonos amarillos se asocian con convección fuerte (etapa de madurez), mientras que los tonos naranja con convección moderada (etapa de desarrollo/intensificación) y los rojos se asocian con convección débil (etapa de desarrollo temprano/disipación). Los tonos rosados corresponden a nubosidad alta delgada y los morados a regiones sin convección significativa o con nubosidad baja.

 

En el ejemplo de la Figura YYY se observa a las 10:40 h una señal convectiva importante sobre la zona de estudio. Predominan tonos morados y algunas áreas rosadas, sin agrupaciones relevantes de píxeles naranja o amarillos. En esta hora se observa una situación previa al desarrollo convectivo. A las 16:40 h, cerca de la Ciudad de México, ya se distinguen regiones en tonos rojizos y naranjas, consistentes con convección débil a moderada. Esto sugiere que la convección ya está en desarrollo. A las 17:40 h, la señal convectiva se intensifica. Se observan con mayor claridad píxeles en tonos amarillos, lo que indica regiones con convección fuerte. En comparación con las horas previas, la nubosidad convectiva aparece más organizada y con una señal más intensa.

 

Este producto es especialmente útil para analizar la iniciación convectiva y las primeras etapas de intensificación, pero tiene limitaciones claras. Lo más importante y lo que puede ocurrir en los diferentes eventos de tormenta severa que ocurren por la tarde es que su utilidad disminuye. Esto se debe a que depende de bandas con contribución de radiación solar. Por ello, conforme disminuye la iluminación solar, la interpretación de los colores se vuelve menos confiable y el producto deja de ser adecuado para seguir las tormentas durante la transición al anochecer y durante la noche. La guía operativa de este producto señala además que el color amarillo puede aparecer no solo en convección intensa, sino también por aire contaminado o cuando hay polvo transportado en altura.

 

Esto es relevante en una ciudad como la Ciudad de México, donde la atmósfera suele presentar una carga importante de contaminantes. En consecuencia, algunos tonos de la composición pueden no depender únicamente del desarrollo convectivo, sino también del ambiente en el que la nube se forma. Este producto de convección diurna puede ser empleado principalmente para analizar la etapa de desarrollo convectivo, mientras que el seguimiento posterior del sistema se puede complementar con la composición de microfísica nocturna descrita más adelante.  

 

Figura XXX. Producto de convección diurna del 12 de junio de 2022 en la región de la Ciudad de México. A la derecha se incluye la paleta de colores empleada para la interpretación. Para visualizar el producto de manera operativa ir al siguiente enlace.

 

    4.3 Microfísica de noche

 

Para dar continuidad al monitoreo de la nubosidad durante la noche se empleó la composición Nighttime Microphysics RGB. A diferencia de las composiciones que dependen de la radiación como la de convección de día y fase de nubes, este producto muestra la nubosidad que se desarrolla por la noche porque no depende de radiación solar reflejada, sino únicamente de las temperaturas de brillo medidas en las bandas del infrarrojo térmico. 

Para su interpretación los colores en tonos rojo a rojo-amarillo moteado representan a las nubes altas, gruesas y muy frías, los tonos morados a azules a las nubes altas delgadas de hielo y los tonos cian representan la nubosidad muy baja y cálida. Los tonos en lilas representan a la superficie libre de nubes.

Este producto resulta útil cuando las composiciones basadas en bandas visibles y del infrarrojo cercano dejan de ser aplicables para la noche y permite continuar el seguimiento de la nubosidad convectiva durante la noche, complementando al producto de convección diurna de la sección anterior. De esta forma de manera operativa la animación del producto de convección de día y microfísica de noche se muestran en una misma animación. 

Figura XXX. Producto de microfísica nocturna para el 12 de junio de 2022. A la derecha se incluye la paleta de colores empleada para la interpretación. Para visualizar el producto de manera operativa ir al siguiente enlace.

 

    4.4 Fase de nubes

 

Este producto se basa en la composición Day Cloud Phase Distinction RGB del sensor ABI. Su utilidad principal radica en que combina información térmica y de reflectancia de tal manera que cada color representa una respuesta espectral distinta de las nubes o de la superficie. Distingue entre topes nubosos dominados por gotas de agua y topes dominados por partículas de hielo.

 

En el producto los tonos amarillos representan nubes gruesas de gran altitud con partículas de hielo, los tonos rojo-anaranjados representan las nubes altas delgadas con partículas de hielo y los tonos cian o lavanda representan las nubes bajas con gotas de agua. La superficie terrestre aparece en tonos azules, mientras que los cuerpos de agua extensos pueden verse muy oscuros o negros.

 

Al igual que la composición de convección diurna, este producto deja de ser útil al acercarse el atardecer y durante la noche. Esto se debe a que parte de la bandas que se emplea dependen de la radiación solar.  

Figura XXX. Producto para la distinción de fase de nubes correspondiente al evento del 12 de junio de 2022 sobre el Valle de México. A la derecha se incluye la paleta de colores empleada para la interpretación. Para visualizar el producto de manera operativa ir al siguiente enlace.

 

    4.5 Detección de saltos en la actividad aléctrica

 

La evaluación de los modelos. 

  

5. Alertamiento por precipitación acumulada diaria

 

La información de precipitación utilizada para obtener el alertamiento por preciptación acumulada diaria proviene de 150 estaciones de monitoreo correspondiente al periodo de 1930 a 2020. Estas estaciones pertenecientes a la red de estaciones de la Secretaría de Gestión Integral del Agua (SEGIAGUA), anteriormente el Sistema de Aguas de la Ciudad de México (SACMEX), y a la red de estaciones climáticas superficiales CLICOM, administradas por el Servicio Meteorológico Nacional (SMN). Los datos CLICOM se obtuvieron a través de la herramienta web que desarrolló el CICESE (Centro de Investigación Científica y de Educación Superior de Ensenada, Baja California) https://cucapa-clicom.cicese.mx/ y fueron complementados para los años recientes con información proporcionada por el SMN (Figura 2a). Las estaciones de CLICOM abarcan registros que comprenden un periodo de 1930 a 2020, mientras que las de SEGIAGUA de 1988 a 2020. El desarrollo de este alertamiento se basa en resultados previos obtenidos en los proyectos PAPIITIT102120 y PAPIIT IT101823.

El alertamiento se muestra en un mallado continuo para toda la ZMVM considerando únicamente aquellas estaciones con más de 20 años de información histórica (Figura 2b y 2c). En total se incorporaron datos de 101 estaciones de la red CLICOM y de 49 estaciones de SEGIAGUA.

a) Distribución de las estaciones empleadas para generar el alertamiento por precipitación acumulada diaria.

 

b) Estaciones CLICOM que muestran el número de años en un periodo de 1930 a 2020.

c) Estaciones SACMEX/SEGIAGUA que muestran el número de años en un periodo de 1988 a 2020.

Figura 2. Estaciones de monitoreo empleadas para el cálculo de los umbrales de precipitación extrema.  a) Ubicación de las estaciones de monitoreo, estaciones CLICOM (b) y SACMEX (c)  donde se indica el número de años totales de observación. 

 

Umbrales de precipitación extrema  

Un percentil es una medida estadística que representa el valor por debajo del cual se encuentra un porcentaje determinado de observaciones en un conjunto de datos ordenado. Por ejemplo, el percentil 90 (P90) corresponde al valor que deja por debajo al 90% de los datos (Reyes Trujillo, 2025). En estudios de precipitación extrema, los percentiles P90, P95 y P99 se emplean ampliamente para definir umbrales de eventos extremos. En este proyecto, los umbrales de precipitación extrema para la ZMVM se estimaron mediante los percentiles 90, 95 y 99, calculados con el método empírico (Reyes Trujillo, 2025). Este procedimiento consiste en ordenar las observaciones de menor a mayor y determinar directamente el valor asociado a cada percentil en cada estación de precipitación (Figura 2a). Esta metodología permite identificar eventos extremos con base en la distribución observada de la precipitación considerando las particularidades climatológicas de la región de estudio y de cada estación de monitoreo (Figura 3). Posterior al cálculo de los percentiles se interpola la información para obtener el mallado a una resolución igual a la del dominio 3 del pronóstico de precipitación de 1.67 km. La Figura 3 muestra el percentil P90, P95 y P99 estimado a partir de la información de ambas redes de monitoreo.

Figura 3. Umbrales de precipitación extrema estimados a partir de información de estaciones de monitoreo de la red de SEGIAGUA y CLICOM a partir del periodo de 1930 a 2020. Para visualizar el producto obtenido da clic en este enlace.

 

El alertamiento por precipitación acumulada diaria (Figura 4) se construye a partir de la comparación entre los umbrales de precipitación extrema y el pronóstico de precipitación acumulada diaria (subsección 6.2). Las regiones donde la precipitación pronosticada excede los percentiles P90, P95 y P99 se representan mediante una escala de colores asociada a distintos niveles de alerta: amarillo, naranja y rojo, respectivamente.

Figura 4. Alertamiento de precipitación acumulada diaria haciendo uso de los umbrales de precipitación extrema estimados a partir de información de estaciones de monitoreo y el pronóstico de precipitación acumulada diaria. Para visualizar el producto obtenido da clic en este enlace.

6. Precipitación

Los productos de precipitación que se visualizan se encuentran a una resolución de 1.67 km, la cual corresponde a la resolución del dominio 3 del modelo atmosférico. En las siguientes secciones se presenta la precipitación horaria, precipitación acumulada diaria y precipitación acumulada total de toda la simulación. Las cuales de manera operativa se pueden visualizar en este enlace. Revisar la subsección 2.2 para mayores detalles sobre la configuración y periodo de simulación del modelo atmosférico WRF.

 

    6.1 Precipitación horaria

 

La Figura 5 presenta el producto de precipitación horaria pronosticada [mm/h] obtenido mediante el modelo WRF. La información se despliega con una resolución temporal horaria, comenzando a las 00:00 UTC y cubriendo los tres días considerados en el pronóstico para el dominio 3.

  Figura 5. Pronóstico de precipitación horaria que se puede visualizar de manera operativa en el siguiente enlace.

    6.2 Precipitación acumulada diaria

 

La Figura 6 muestra la precipitación acumulada diaria pronosticada [mm/día] para dos días de pronóstico (hora local).  

Figura 6. Pronóstico de precipitación acumulada diaria que se puede visualizar de manera operativa en el siguiente enlace.

    6.3 Precipitación acumulada total

 

Finalmente, otro producto que se muestra es la precipitación acumulada total de toda la simulación (Figura 7). 

Figura 7. Pronóstico de precipitación acumulada total que se puede visualizar de manera operativa en el siguiente enlace.

7. Viento en superficie

El viento en superficie pronosticado por el modelo WRF para el dominio 3, igualmente a una resolución de 1.67 km se muestra de manera operativa con salidas horarias (Figura 8).

 

Figura 8. Pronóstico de viento en superficie horario que se puede visualizar de manera operativa en el siguiente enlace.

8. Otros productos

Dentro del proyecto se desarrollaron dos inventarios, uno de eventos de inundación para el periodo de 2020 a 2024 y otro con eventos de tormenta severa para el periodo de 2024 a 2025. Los eventos de ambos inventarios de registraron en un excel por año y a continuación se describe cada uno, sin embargo, tanto el inventario como el reporte de cada uno de ellos puede descargarse en el  Anexo C: Descargables.

 

    8.1 Inventario de inundaciones

 

Los 839 eventos de inundación que recopila el inventario para el periodo de 2020 a 2024 están distribuidos en diferentes puntos de la Ciudad de México. Para determinar los eventos ocurridos en este periodo se utilizó la base de datos sobre el impacto socioeconómico de los daños y pérdidas ocasionados por desastres en México para el periodo de 2000 a 2023. Esta base es elaborada por la Subdirección de Estudios Económicos y Sociales de la Dirección de Análisis y Gestión de Riesgo y es producto del análisis de información recabada de diversas fuentes del sector público y privado, así como de visitas de campo y consultas directas con autoridades locales. Los datos son obtenidos por el Centro Nacional de Comunicación y Operación de Protección Civil (CENACOM) y la información que se empleó para el inventario fue la siguiente:

• Fecha de inicio del evento
• Fecha de fin del evento
• Alcaldías afectadas
• Daños: defunciones, población afectada, viviendas afectadas, hospitales, comercios, áreas de cultivos y total de daños en millones de pesos.

 

Debido a que la base de datos del CENACOM únicamente abarcaba hasta 2023, el inventario de eventos de inundación se completó con información de noticias en periódicos y redes sociales para el año de 2024. Sin embargo, para los años previos también se consideró información de medios de comunicación, con el objetivo de enriquecer la información y complementar con eventos no registrados por el CENACOM. Los datos se obtuvieron de periódicos de circulación nacional, de boletines de la Secretaría de Gestión Integral de Riesgos y Protección Civil del Gobierno de la Ciudad de México (SGIRPC) y del Sistema de Aguas de la Ciudad de México (SACMEX), ahora Secretaría de Gestión Integral del Agua (SEGIAGUA), así como de reportes de televisoras, videos de YouTube y redes sociales (X). La información adicional fue la siguiente:

• Hora de inicio y fin del evento
• Duración del evento
• Alcaldías afectadas
• Daños: Defunciones, población afectada, viviendas afectadas, hospitales, comercios, áreas de cultivos, total de daños en millones de pesos.

 

Posteriormente, se incorporó información del registro de inundaciones que compila el Atlas de Riesgos de la Ciudad de México para las fechas coincidentes. Cabe mencionar que la información del Atlas es recabada por dependencias oficiales de la Ciudad de México como el Sistema de Videovigilancia C5, el Heroico Cuerpo de Bomberos de la Ciudad de México, la Secretaría de Seguridad Ciudadana de la Ciudad de México (SSC) y la Secretaría de Gestión Integral de Riesgos y Protección Civil. Con esta información fue posible tener características como descripción del evento, es decir, posibles causas de las inundaciones, espejo de agua (metros cuadrados), tirante (cm), ubicación (calles y colonias), hora, coordenadas y categorización del tipo de evento en:

• Encharcamientos
• Inundaciones pluviales
• Inundaciones fluviales

Esta categorización se complementó con información disponible en medios de comunicación o redes sociales, sólo para los eventos en los cuales el Atlas no tenía dicha información. 

 

Además, con base a los boletines de alertamiento temprano por fenómenos meteorológicos emitidos por la SGIRPC, se recopiló el valor de lluvia pronosticada (mm) para conocer la precipitación esperada en las fechas y alcaldías donde se presentaron las inundaciones. Asimismo, a partir del boletín se obtuvo la duración pronosticada (h) de los eventos de precipitación, es decir, la hora de inicio y hora de fin. Con la metodología propuesta se complementa la base de datos del Atlas de la SGIRPC en un 12.3% adicional de información.

 

A partir del inventario se elaboraron mapas de ocurrencia de encharcamientos, inundaciones pluviales e inundaciones fluviales por año y para todo el periodo, un mapa puntual de los eventos recopilados con coordenadas geográficas y gráficas que analizan la información de los alertamientos de la SGIRPC. El análisis de los resultados y los mapas pueden ser consultados en el reporte (Reporte de inundaciones). 

 

A continuación se muestra el análisis realizado al inventario para obtener las zonas críticas o con persistencia de eventos de inundación. 

 

Para el análisis de empleó el algoritmo de aprendizaje automático (Machine Learning) llamado Density-Based Spatial Clustering of Applications with Noise (DBSCAN), con el cual se estiman las zonas críticas que presentan una mayor persistencia de eventos de inundación durante el periodo 2020 a 2024. Una zona crítica se definió a partir de la ocurrencia de un mínimo de cinco eventos de inundación durante el periodo de análisis, considerando una distancia de 300 m entre ellos. El análisis proporcionó 36 zonas con eventos persistentes sobre la Ciudad de México (zonas identificadas en colores). Se puede observar que Tlalpan es la alcaldía con más zonas críticas (10), seguida de Iztapalapa (9). Sin embargo, existe una zona con mayor persistencia que se ubica bajo el anillo periférico, entre camino a Santa Teresa y frente al hospital de PEMEX Picacho, antes de la calle Línea 6. Esta zona agrupa 18 eventos de inundación, los cuales se presentan en las alcaldías de Alvaro Obregón, Tlalpan y La Magdalena Contreras. Por otro lado, existen zonas críticas con persistencia de más de diez eventos de inundación que se localizan en la alcaldía Gustavo A . Madero, Benito Juárez e Iztapalapa. En la Gustavo A. Madero se encuentra una zona crítica con 12 eventos de inundación sobre la avenida Emiliano Zapata entre la calle Lázaro Cárdenas y antes de entroncar con la calle Arbolillo. En la alcaldía Benito Juárez se encuentra otra zona crítica de 13 eventos, entre la Calzada de Tlalpan, la Avenida División del Norte y la Avenida Popocatépetl y la calle General Emiliano Zapata. Finalmente en Iztapalapa se presentan tres zonas críticas con 11, 13 y 14 eventos de inundación. Una localizada sobre la Calzada Ignacio Zaragoza entre la calle Amador Salazar y antes de la desviación a la Calzada Ermita Iztapalapa, otra sobre la calle Emiliano Zapata hacia la Calzada Ermita Iztapalapa y por último sobre la Calzada Ermita Iztapalapa con entronque con la Avenida las Torres.

 

En la imagen de abajo se puede acceder al mapa y visualizar las 36 zonas críticas, así como identificar los eventos aislados. El inventario de 2020 a 2024 se puede descargar en Anexo C: Descargables. Además, se ponen a disposición algunos casos de inundación que se presentaron durante 2025 y que sirvieron para validar algunas simulaciones numéricas realizadas en el proyecto.

 

Visualizador con las zonas críticas definidas a partir de eventos persistentes de inundación durante el periodo de 2020 a 2024

 

 

    8.2 Inventario de tormentas severas

 

Los 407 casos de tormenta severa que se recopilaron en el inventario corresponden a las ocurridas durante el periodo de 2020 a 2025. Al igual que el inventario de inundaciones, para el de tormentas severas, se consultaron diversas fuentes de información oficial: 1) los reportes del clima mensuales y anuales del Servicio Meteorológico Nacional y 2) los boletines del Sistema de Alerta Temprana por eventos hidrometeorológicos de la SGIRPC de la Ciudad de México. Dicha información permitió caracterizar las tormentas severas a parir de la fecha de inicio y termino, tiempo estimado (hora de inicio y fin), así como la ocurrencia pronosticada de lluvia, granizo o viento. Además, se registró para cada alcaldía el tipo de alerta emitida por la SGIRPC, la cual cuenta con un semáforo con cinco niveles de severidad que son: verde, amarillo, naranja, rojo y púrpura. 

Igualmente, se analizaron los mapas de la distribución de precipitación acumulada emitidos por la SGIRPC, con el objetivo de obtener para cada evento de tormenta severa un estimado de la precipitación acumulada diaria máxima ocurrida en la CDMX. Cabe destacar que estos mapas integran información proveniente de diversas redes instituciones, entre ellas la SGIRPC, la SEGIAGUA, la Comisión Nacional del Agua (CONAGUA) y la UNAM.  

A partir del inventario se elaboraron mapas de la distribución de la ocurrencia de los eventos por alcaldía, así como gráficas con la frecuencia mensual y horaria. El análisis de los resultados puede ser consultado en (PONER LIGA A TESIS)

A continuación se muestra un análisis sobre los eventos de tormenta severa recopilados en el inventario con el objetivo de determinar los tipos de tormenta severa que se han presentado en la Ciudad de México. Se considera la ocurrencia de granizo, lluvia, viento, mes de ocurrencia y severidad por alcaldía. 

Para el análisis se empleó el algoritmo de aprendizaje automático k-Prototypes, el cual permite trabajar con datos mixtos, tanto categóricos como numéricos. A partir de este análisis se identificaron cuatro tipos recurrentes de tormenta severa para el periodo de 2020 a 2025:  

• Tormenta con granizo y lluvia: Este tipo de tormentas se presentan con mayor frecuencia entre julio y septiembre, meses en los que se concentran el 61% de los eventos registrados para este grupo. Afectan entre seis y ocho alcaldías y generan principalmente alertas amarillas emitidas por la SGIRPC. Del total de casos de tormenta severa analizados en el inventario el 36% de los casos se encuentran en esta categoría.
• Tormenta con granizo, lluvia y viento: Estas tormentas ocurren con mayor frecuencia entre junio y agosto, meses en los que se concentra el 70% de los eventos registrados en este grupo. Impactan entre siete y diez alcaldías, y se asocian en un 98% con la emisión de alertas amarillas. Del total de los casos analizados en el inventario el 31% se encuentran en esta categoría.
• Tormenta de amplia cobertura con granizo y lluvia: Este tipo de tormentas se presentan principalmente entre julio y septiembre. Se caracterizan por su mayor impacto territorial sobre la Ciudad de México. En el 88% de los casos se emiten alertas amarillas y hasta el 11% alertas naranjas. Del total de los casos analizados en el inventario el 24% se encuentran en esta categoría.
• Tormenta de amplia cobertura con granizo y lluvia: Estas tormentas ocurren principalmente entre los meses de junio y septiembre. Al igual que el grupo anterior, impactan a todas las alcaldías de la Ciudad de México. Se distinguen por la mayor emisión de alertas rojas y púrpuras, a diferencia de los otros grupos. Son menos probables de ocurrir debido a que un 9% del total de casos analizados se encuentran en esta categoría.

 En la siguiente imagen se puede acceder al visualizador de los tipos de tormenta severa identificados en la Ciudad de México.

 

Visualizador de los tipos de tormenta severa identificados durante el periodo de 2020 a 2025

 

  

Anexo A. Publicaciones y participación en eventos académicos

Los resultados generados dentro del contexto del proyecto han dado lugar a diversas contribuciones académicas y de formación de recursos humanos. Entre ellas se incluyen publicaciones en revistas científicas, tesis de licenciatura y posgrado, así como trabajos desarrollados por estudiantes de servicio social o de prácticas profesionales. Asimismo, los resultados se han difundido en congresos científicos y actividades de divulgación. A continuación, se presentan todos los productos que incluyen el reconocimiento explícito a la Secretaría de Educación, Ciencia, Tecnología e Innovación y al financiamiento otorgado.

	Contribución	Tipo
1	Ortiz Villalva, J. , López-Espinoza, E. D., Herrera-Moro, D. R. , Zavala-Hidalgo, J. , & De Santiago Rodríguez, J. M. (2026). Caracterización de tormentas severas usando imágenes satelitales GOES-16 y procesamiento en paralelo. TIES, Revista de Tecnología e Innovación en Educación Superior, (15), 1-15.	Artículo	A.1 Producción científica
2	Ortiz Villalva, J. (2026) Caracterización de nubes convectivas asociadas a eventos de tormenta severa mediante GOES-16 para la Ciudad de México. Tesis de maestría en el Posgrado en Ciencias de la Tierra-UNAM. Asesora: López-Espinoza, E. D.	Tesis de maestría	A.2 Formación de recursos humanos
3	Márquez Rodriguez, M. A. (2025). Implementación del modelo Storm Water Management Model para simular el escurrimiento en la Ciudad de México. Licenciatura en Ciencias Atmosféricas, Universidad Autónoma Metropolitana, Unidad Iztapalapa. Asesor: Olvera Pardo, E. R.	Tesis de licenciatura
4	De Santiago Rodríguez, J. M. Caracterización espacio-temporal de las tormentas severas en la Ciudad de México para el periodo 2020-2025. Licenciatura en Geografía Aplicada en la Escuela Nacional de Ciencias de la Tierra, UNAM. Asesora: López-Espinoza, E. D.	Tesis de licenciatura (borrador)
5	Ruiz Diego Eliza. Análisis de las condiciones meteorológicas del 10 al 15 de junio de 2022 para la Ciudad de México. Licenciatura en Ingeniería Geofísica en el Instituto Politécnico Nacional. Asesora: López Espinoza, E. D.	Tesis de licenciatura (borrador)
6	Téllez Álvares C. D. Procesamiento de datos de la red de drenaje de la Zona Metropolitana del Valle de México (ZMVM) para su implementación en un modelo numérico. Licenciatura en Ingeniería Hidrológica en Universidad Autónoma Metropolitana, Unidad Iztapalapa. Asesor: Olvera Pardo, E. R.	Servicio social
7	De Jesús Galindo V. Inventario de inundaciones para la Ciudad de México para el periodo de 2020 a 2024. Licenciatura en Ciencias de la Tierra en la Escuela Nacional de Ciencias de la Tierra, UNAM. Asesora: López-Espinoza, E. D.	Prácticas profesionales
8	De Santiago Rodríguez, J. M. Inventario de tormentas severas para la Ciudad de México para el periodo de 2020 a 2025. Licenciatura en Geografía Aplicada en la Escuela Nacional de Ciencias de la Tierra, UNAM. Asesora: López-Espinoza, E. D.	Prácticas profesionales
9	De Santiago Rodríguez, J. M., López Espinoza E. D., Zavala Hidalgo J. (2026). Caracterización espacio-temporal de las tormentas severas en la Ciudad de México para el periodo 2020-2025. Foro sobre el Día Mundial del Agua. Ciudad de México, CDMX.	Cartel en congreso	A.3 Difusión de la ciencia
10	De Santiago Rodríguez, J. M., López Espinoza E. D., Zavala Hidalgo J. (2026). Caracterización espacio-temporal de las tormentas severas en la Ciudad de México para el periodo 2020-2025. XL Foro de Perspectivas Climáticas en la República Mexicana 2026. Ciudad de México, CDMX.	Cartel en congreso
11	Ortíz Villalva J., López Espinoza E.D., Zavala Hidalgo J., Herrera Moro D. R., De Santiago Rodríguez J. M. (2025). Caracterización de nubes convectivas asociadas a eventos de tormenta severa mediante GOES-16 para la Ciudad de México. Reunión Anual de la Unión Geofísica Mexicana. Pto. Vallarta, Jal.	Ponencia en congreso
12	De Jesús Galindo V., López Espinoza E. D., Zavala Hidalgo J. (2025). Inventario de eventos históricos de inundación en la Ciudad de México para el periodo de 2020 a 2024. Reunión Anual de la Unión Geofísica Mexicana. Pto. Vallarta, Jal.	Ponencia en congreso
13	Trujillo Rojas K. D., Zavala Hidalgo J., Oropeza Alfaro P. E., López Espinoza E. D. (2025). Implementación de anidamientos con el modelo WRF y evaluación del desempeño computacional y meteorológico para la ZMVM. Reunión Anual de la Unión Geofísica Mexicana. Pto. Vallarta, Jal.	Cartel en congreso
14	López Espinoza E.D., Zavala Hidalgo J., Ortíz Villalva J., Herrera Moro D. R., De Santiago Rodríguez J. M. (2025). Caracterización de tormentas severas usando imágenes satelitales GOES-16 y procesamiento en paralelo. Congreso Internacional de Supercómputo. Ciudad de México, CDMX.	Ponencia en congreso
15	López Espinoza E. D., Zavala Hidalgo J., Olvera Prado E. R., Trujillo Rojas K. D., Oropeza Alfaro P. E., Anguiano García A., Márquez Rodríguez M. A., Téllez Alvarez, C. D. Gómez Reyes E., Romero Centeno R.,De Jesús Galindo V. (2025). Sistema de alertamiento por inundaciones para la Ciudad de México. Congreso Internacional de Supercómputo. Ciudad de México, CDMX.	Ponencia en congreso
16	Márquez Rodriguez, M. A., Olvera Pardo, E. R. (2025). Implementación del modelo Storm Water Management Model para calcular el escurrimiento en la Ciudad de México. 1er Foro de Recursos Hídricos "Retos para la seguridad hídrica y desarrollo sostenible". Ciudad de México, CDMX.	Cartel en congreso
17	Reyes Trujillo G., López Espinoza E.D., Zavala Hidalgo J. (2024). Análisis de la precipitación en la Zona Metropolitana del Valle de México. Reunión Anual de la Unión Geofísica Mexicana. Pto. Vallarta, Jal.	Ponencia en congreso
18	De Santiago Rodríguez, J. M.(2026). Caracterización espacio-temporal de las tormentas severas sobre la Ciudad de México en el periodo 2020-2025. 1er Encuentro Interuniversitario en Ciencias de la Tierra UNAM 2026. Ucú, Yuc.	Ponencia en congreso	A.4 Divulgación de la ciencia
19	Ruiz Diego E., López Espinoza E.D., Zavala Hidalgo J. (2025). Evaluación del evento de precipitación de la CDMX del 10 al 15 de junio de 2022 obtenido con el modelo WRF. Cuarto Congreso Estudiantil del ICAyCC-UNAM. Ciudad de México, CDMX.	Ponencia en congreso
20	De Jesús Galindo V, López Espinoza E. D., Zavala Hidalgo J. (2025). Inventario de eventos históricos de inundación en la Ciudad de México para el periodo de 2020 a 2024. Cuarto Congreso Estudiantil del ICAyCC-UNAM. Ciudad de México, CDMX.	Ponencia en congreso
21	De Santiago Rodríguez J. M., López Espinoza E. D., Zavala Hidalgo J. (2025). Análisis de la distribución de tormentas severas en la ciudad de México durante el periodo de 2020 a 2024. Cuarto Congreso Estudiantil del ICAyCC-UNAM. Ciudad de México, CDMX.	Ponencia en congreso
22	Ortíz Villalva J., López Espinoza E. D., Zavala Hidalgo J., Herrera Moro D. R. (2025). Caracterización de nubes convectivas asociadas a eventos de tormenta severa mediante GOES-16 para la Ciudad de México. Cuarto Congreso Estudiantil del ICAyCC. Ciudad de México, CDMX.	Ponencia en congreso
23	Ortíz Villalva J. (2025). Monitoreo de tormentas severas mediante imágenes GOES-16. XIII Congreso Nacional de Estudiantes de Ciencias de la Tierra. Instituto de Geociencias UNAM, Campus Juriquilla, Qro.	Ponencia en congreso
24	De Santiago Rodríguez J. M. (2025). Creación de un inventario de eventos y análisis de la distribución de tormentas severas ocurridas en la Ciudad de México en el periodo 2020-2024. XIII Congreso Nacional de Estudiantes de Ciencias de la Tierra. Instituto de Geociencias UNAM, Campus Juriquilla, Qro.	Ponencia en congreso
25	De Jesús Galindo V. (2025). Creación de un inventario de eventos históricos de inundaciones en la Ciudad de México. XIII Congreso Nacional de Estudiantes de Ciencias de la Tierra. Instituto de Geociencias UNAM, Campus Juriquilla, Qro.	Ponencia en congreso
26	Ortíz Villalva J., López Espinoza E. D., Zavala Hidalgo J. (2024). Caracterización del evento de tormenta del 12 de junio de 2022 a través de imágenes satelitales GOES-16. Tercer Congreso Estudiantil del ICAyCC. Ciudad de México, CDMX.	Cartel en congreso

 

Anexo B. Descargables

A continuación se pone a disposición los inventarios generados en el proyecto.

 

Nombre	Descripción	Formato
Inventario de inundaciones 2020 a 2024	Archivo de excel con los casos de inundación documentados durante el periodo de 2020 a 2024.	Excel
README	Archivo con la descripción de la estructura del inventario de inundaciones 2020-2024.	TXT
Casos de estudio para 2025	Archivo de excel con algunos casos de estudio para 2025.	Excel
Reporte de inundaciones	Documento que describe la metodología, análisis y resultados obtenidos a partir del inventario de inundaciones.	PDF
Inventario de tormentas severas 2020 a 2025	Archivo de excel con los casos de tormentas severas documentados durante el periodo de 2020 a 2025.	Excel