Modelación de la distribución espacial de la precipitación en el valle de la Ciudad de México usando técnicas geoestadísticas

Abstract

La mayor parte de la precipitación en la Ciudad de México es producida por tormentas convectivas, caracterizadas por una alta variabilidad espacial, lo cual implica un alto grado de complejidad en la modelación de su comportamiento. La precipitación es uno de los factores principales del ciclo hidrológico y el conocimiento de su distribución espacial es fundamental para la predicción de otras variables ambientales íntimamente relacionadas como son: el escurrimiento, las inundaciones, la recarga de los acuíferos, etc. En la presente tesis se propone la aplicación de técnicas geoestadísticas para modelar la distribución espacial de la precipitación en el caso de tormentas convectivas. Con este fin se aplican los procedimientos geoestadísticos de estimación conocidos como Kriging, Cokriging Ordinario y Cokriging Colocado a datos de lluvia. En particular, se usa una modificación del método de estimación conjunta usando pluviómetros y radar, que fuera introducido por Krajewski en 1987. A diferencia del procedimiento usado por Krajewski, se incluye en el método de Cokriging Ordinario la dependencia espacial conjunta de radar-pluviómetros mediante un modelo de corregionalización lineal. Además, se modela la variabilidad espacial de la precipitación usando un método de simulación estocástica con enfoque geoestadístico, el método Secuencial Gaussiano. La metodología propuesta es probada usando datos de pluviómetros y de radar de una tormenta ocurrida en el valle de la Ciudad de México y los resultados son comparados.______Most of Mexico City rainfall is produced by convective storms, characterized by high spatial variability, which implies a high degree of complexity when modeling its behavior. Precipitation is one of the main factors of the hydrologic cycle and the knowledge of its spatial distribution is fundamental for prediction of other environmental variables which are close related, such as: runoff, flooding, aquifer recharge, etc. In the present thesis, geostatistical techniques for modeling the rainfall spatial distribution in convective storms are proposed. To this end, geostatistical estimation procedures known as: Kriging, Ordinary Cokriging and Colocated Cokriging are applied to rainfall data. In particular, a modification of the geostatistical procedure for spatial rainfall estimation introduced by Krajewski (1987), which applies the ordinary cokriging combining a meteorological radar image with gages data. Here, unlike the Krajewski’s procedure, in the ordinary cokriging method the joint radar-raingages spatial dependence is considered by a linear coregionalization model. In addition, the rainfall spatial variability using a geostatistical stochastic simulation method, the Sequential Gaussian Simulation, is modeled. The proposed methodology is tested using radar and gages data from a storm occurred in the Mexico City Valley and the results are compared.