Análisis espaciotemporal de la sequía con SPEI en el Estado de México

Abstract

El cambio climático y la creciente demanda de agua están agravando los problemas de abastecimiento en la Ciudad de México y el Estado de México. La escasez de datos meteorológicos completos complica el análisis de fenómenos como las sequías. Para abordar esta limitación, se utilizaron datos climáticos históricos de Climate Engine (1981–2023) para calcular el índice SPEI a diferentes escalas temporales (1 a 24 meses). Los análisis estadísticos revelaron mayor homogeneidad en los datos de temperatura que en los de precipitación. La prueba de Mann–Kendall mostró un aumento significativo en la temperatura, pero no en la precipitación. Las sequías se han intensificado en la última década, con mayor frecuencia en el oeste del Estado de México y el suroeste de la Ciudad de México, especialmente en 2017, 2019, 2020, 2021 y 2023. El estudio comparó tres modelos de predicción del SPEI: el Filtro de Kalman con variables exógenas (DKF-ARX-Pt), redes neuronales GRU y redes NARX. La evaluación se basó en métricas como MAE, MSE, RMSE, R², NSE y KGE. El modelo DKF-ARX-Pt fue el más preciso y estable en todas las escalas, mientras que las redes GRU tuvieron un desempeño aceptable en escalas largas (SPEI12 y SPEI24), pero inestable en escalas cortas. Las redes NARX presentaron el peor desempeño, con altos errores y baja eficiencia. Se concluye que los modelos basados en filtros de Kalman son herramientas eficaces para predecir condiciones de sequía y apoyar la gestión hídrica en regiones vulnerables.