pág. 3427
CARACTERIZACIÓN HISTÓRICA Y
PRONÓSTICO DE SEQUÍA EN LAS
SUBCUENCAS DEL VALLE DEL MEZQUITAL
(1990–2050)
HISTORICAL CHARACTERIZATION AND FORECASTING OF
DROUGHT IN THE SUB-BASINS OF THE MEZQUITAL
VALLEY (1990–2050)
Raúl Escalante-Notario
Universidad Autónoma de Tlaxcala, México
Hipólito Muñoz Nava
Universidad Autónoma de Tlaxcala, México
Silvia Chamizo Checa
Universidad Autónoma de Tlaxcala, México
Elena María Otazo Sánchez
Consejo de Ciencia, Tecnología e Innovación de Hidalgo
Jorge Luis Yáñez Hernández
Universidad Autónoma de Tlaxcala, México
Juan Suárez Sánchez
Universidad Autónoma de Tlaxcala, México
pág. 3428
DOI: https://doi.org/10.37811/cl_rcm.v10i5.26214
Caracterización Histórica y Pronóstico de Sequía en las Subcuencas del
Valle del Mezquital (1990–2050)
RESUMEN
Este estudio evalúa la vulnerabilidad hidroclimática y las tendencias de la sequía meteorológica en las
subcuencas del Valle del Mezquital, con el propósito de fortalecer la alerta temprana y la gestión
integrada del agua. Para ello, se homogeneizaron series históricas de precipitación mensual de
diecinueve estaciones climatológicas y se determinó el Índice Estandarizado de Precipitación e
integrándolo a nivel de subcuenca mediante polígonos de Thiessen. También se empleó un modelo de
suavizado exponencial para pronosticar la tendencia inercial del índice a largo plazo y se utilizó la
interpolación por distancia inversa para mapear la redistribución espacial del riesgo. Los resultados
mostraron una estabilidad histórica representada por valores normales con orientación negativa, alterada
recientemente por eventos secos extremos y excepcionales. El modelo predictivo fue útil para aislar la
variabilidad interanual y pronosticar tendencias a largo plazo, y mostró un descenso progresivo de la
precipitación que conducirá a la mayoría de las subcuencas a condiciones de sequía moderada y severa
hacia mediados de siglo. En conclusión, la investigación demostró una reconfiguración territorial del
déficit pluvial, en la que las zonas históricamente húmedas pasarán a condiciones de sequía en el norte,
el centro y el sur de la región. Este patrón intensificará la presión sobre la extracción de agua subterránea,
lo que afectará las actividades agropecuarias, y demostrará la necesidad de implementar estrategias de
planificación sustentable ante el incremento sostenido de la aridez.
Palabras clave: Índice estandarizado de precipitación, vulnerabilidad hidroclimática, suavizado
exponencial, interpolación espacial
1
Autor principal
Correspondencia: silvia.chamizo.c@uatx.mx
Raúl Escalante-Notario1
20254409@uatx.mx
https://orcid.org/0009-0008-7189-9128
Facultad de Agrobiología. Universidad
Autónoma de Tlaxcala
Hipólito Muñoz Nava
hipolito78@hotmail.com
https://orcid.org/0000-0001-8792-2208
Facultad de Agrobiología, Universidad
Autónoma de Tlaxcala
Silvia Chamizo Checa
silvia.chamizo.c@uatx.mx
https://orcid.org/0000-0002-8750-6615
Facultad de Agrobiología, Universidad
Autónoma de Tlaxcala
Elena María Otazo Sánchez
elenamariaotazo@gmail.com
https://orcid.org/0000-0001-9324-8926
Consejo de Ciencia, Tecnología e Innovación
de Hidalgo
Jorge Luis Yáñez Hernández
joorgee@hotmail.com
https://orcid.org/0009-0004-8910-4953
Facultad de Agrobiología, Universidad
Autónoma de Tlaxcala
Juan Suárez Sánchez
lab.recursos.naturales@uatx.mx
https://orcid.org/0000-0002-9127-7413
Facultad de Agrobiología, Universidad
Autónoma de Tlaxcala
pág. 3429
Historical characterization and forecasting of drought in the sub-basins of
the Mezquital Valley (1990–2050)
ABSTRACT
This study evaluated the hydroclimatic vulnerability and meteorological drought trends in the sub-basins
of the Mezquital Valley to strengthen early warning systems and integrated water resources
management. To achieve this, quality control and homogenization were applied to the historical monthly
precipitation series from nineteen climatological stations, calculating the Standardized Precipitation
Index and integrating it at the sub-basin level using Thiessen polygons. Likewise, an exponential
smoothing model was used to forecast the long-term inertial trend of the index, and inverse distance
weighting interpolation was employed to map the spatial redistribution of risk. The results showed
historical stability represented by normal values with a negative trend, which has been recently altered
by extreme and exceptional dry events. The predictive model proved suitable for isolating interannual
variability and forecasting long-term trends, determining a progressive decline in precipitation that will
lead most sub-basins toward moderate and severe drought conditions by mid-century. In conclusion, the
research demonstrated a territorial reconfiguration of the rainfall deficit, where historically humid areas
will shift into dry cores in the north, center, and south of the region. This pattern will intensify pressure
on groundwater extraction and impact agricultural activities, reaffirming the need to implement
sustainable planning strategies in the face of a sustained increase in aridity.
Keywords: Standardized precipitation index, hydroclimatic vulnerability, exponential smoothing, spatial
interpolation
Artículo recibido 12 septiembre 2026
Aceptado para publicación: 15 octubre 2026
pág. 3430
INTRODUCCIÓN
Las cuencas hidrográficas son sistemas naturales clave que sostienen el equilibrio ecológico y
suministran servicios ecosistémicos fundamentales para el desarrollo socioeconómico humano (Muñoz
et al., 2025). Al ser sistemas dinámicos, interactúan con el suelo, el agua y el conjunto de organismos
vivos de la zona. La gestión integral de estos sistemas permite equilibrar los diversos usos de la tierra
articulando la conservación ambiental con el desarrollo sostenible. Este enfoque coordinado actúa como
un nexo fundamental para resolver las complejas interdependencias ecológicas, sociales y económicas
en un territorio determinado (Zerga, 2025).
La sostenibilidad de los recursos hídricos en zonas áridas y semiáridas, caracterizadas por
precipitaciones escasas e información hidrométrica limitada, depende de comprender el ciclo
hidrológico local mediante el análisis del proceso de captación y la dinámica de lluvia-escorrentía
(Soomro et al., 2026). En estos entornos, la variabilidad climática condiciona un régimen pluviométrico
irregular que determina una dinámica hidrológica fuertemente contrastante entre avenidas y estiajes
prolongados, patrón típico de las cuencas áridas. Ante dicha variabilidad, las cabeceras de cuenca
resultan críticas para amortiguar el impacto climático mediante el almacenamiento natural, la infiltración
y la regulación de la escorrentía (Bernal y Vizcarra, 2026).
Las sequías son eventos climáticos periódicos caracterizados por falta de agua y precipitaciones escasas
(Khan et al., 2025), cuya frecuencia e intensidad se ven agravadas por el cambio climático al modificar
las temperaturas y la evaporación (Liang et al., 2026). Dado que la variación climática y las actividades
humanas constituyen los factores más influyentes en la cantidad y calidad del agua, afectando el
abastecimiento hídrico y la dinámica de los ecosistemas, resulta necesario integrar las actividades
socioeconómicas de la cuenca en el paradigma de estudio de los procesos ecohidrológicos (Cao et al.,
2022).
En el Valle del Mezquital, la presión sobre los recursos hídricos se ha agudizado debido a la
sobreexplotación de los acuíferos, el uso intensivo del agua en la agricultura e industria, y la degradación
de su calidad por descargas residuales (Marín et al., 2019; Chamizo-Checa et al., 2020; Hernández-
Espinosa et al., 2024). Esta situación se complica por la ocurrencia de sequías derivadas de una marcada
irregularidad pluvial, donde las lluvias escasas y altamente variables limitan la recarga natural de las
pág. 3431
fuentes subterráneas. Así, el déficit hídrico persistente, articulado con la sobreexplotación y la continua
dependencia de aguas residuales, acentúa la degradación ambiental, la pérdida de biodiversidad y la
vulnerabilidad socioeconómica en la región.
Ante los riesgos que la irregularidad pluvial representa para la seguridad hídrica del Valle del Mezquital,
este estudio caracteriza la variabilidad de la precipitación y la dinámica de los eventos secos (frecuencia,
duración e intensidad) en las subcuencas de Actopan, Alfajayucan, El Salto-Tepeji, Salado y Tula. A
partir del Índice Estandarizado de Precipitación (IEP) correspondiente al periodo histórico 1990-2025,
se evaluaron las tendencias de la sequía hacia el horizonte 2026-2050, mediante un modelo de suavizado
exponencial (ETS/Holt-Winters). El aporte del estudio radica en generar líneas de base confiables y un
modelo prospectivo replicable, orientados a fortalecer la alerta temprana, la planificación territorial y
gestión sustentable del recurso hídrico de la región.
METODOLOGÍA
Área de estudio
El Valle del Mezquital (Hidalgo, México) es una región semiárida de 4853.49 km². Está integrado por
cinco subcuencas: Tula (2166.78 km²), Actopan (1300.95 km²), Alfajayucan (842.78 km²), El Salto-
Tepeji (297.44 km²) y Salado (245.54 km²). Predomina el clima semiseco con temperatura media de 18
°C y precipitación anual entre 400 y 600 mm (Figura 1) (Contreras et al., 2025). A pesar de su relevancia
agrícola y socioeconómica, la región enfrenta una severa crisis hídrica por la sobreexplotación de
acuíferos, la demanda intensiva del sector agroindustrial y la contaminación por aguas residuales (Marín
et al., 2019; Chamizo-Checa et al., 2020; Hernández-Espinosa et al., 2024).
pág. 3432
Figura 1. Ubicación geográfica, distribución de la red de estaciones climatológicas y distribución
espacial de la precipitación media anual en las subcuencas del Valle del Mezquital, Hidalgo, México.
Determinación de la sequía
Para caracterizar la sequía en la zona de estudio, se utilizó el Índice Estandarizado de Precipitación (IEP)
propuesto por McKee et al. (1993), que permite medir la severidad de la sequía durante un periodo de
tiempo, empleando series mensuales continuas de precipitación de por lo menos 30 años (Esquivel-
Arriaga et al., 2019). Se evaluaron escalas acumuladas de 12 meses para reflejar el impacto de los
déficits de lluvia. El cálculo mensual consistió en ajustar los datos a una función de probabilidad
Gamma, que posteriormente se transformaron mediante la distribución normal estándar inversa. El valor
resultante es un índice estandarizado (μ=0, σ=1), cuyas intensidades de sequía se categorizaron según
la clasificación de la Organización Meteorológica Mundial (OMM) (Tabla 1). El cálculo del IEP en
escala de 12 meses (IEP-12) para evaluar la sequía se implementó en R/R-Studio utilizando el paquete
oficial SPEI (Montes-Vega et al., 2023; Méndez et al., 2025).
pág. 3433
Tabla 1. Clasificación de las categorías de sequía y humedad según los rangos del Índice Estandarizado
de Precipitación (IEP)
Valores de IEP
Categoría de sequía
> 2.00
Extremadamente húmedo
1.50 a 1.99
Muy húmedo
1.00 a 1.49
Moderadamente húmedo
-0.99 a 0.99
Normal o aproximadamente normal
-1.00 a -1.49
Moderadamente seco
-1.50 a -1.99
Severamente seco
< -2.00
Extremadamente seco
Fuente: Adaptado de Organización Meteorológica Mundial (OMM).
Conjuntos de datos de precipitación
La Tabla 2, detalla las 19 estaciones climatológicas distribuidas en la zona de estudio. Los datos de
precipitación mensual acumulada (1990–2025) se obtuvieron del Servicio Meteorológico Nacional
(CONAGUA, 2026). Para cumplir con los criterios de la Organización Meteorológica Mundial, se
seleccionaron estaciones con un registro mínimo de 30 años y una disponibilidad de datos continuos
superior al 80 % durante el periodo de análisis.
Tabla 2. Ubicación geográfica, elevación y periodo de registro de las estaciones climatológicas
seleccionadas
ID
Mapa
Código
SMN
Periodo
Altitud
(m)
Latitud
(° decimales)
Longitud
(° decimales)
1
13013
1990-2025
1702
20.480
-99.224
2
13018
1990-2025
2004
20.229
-99.215
3
13060
1990-2025
2016
20.265
-98.958
4
13064
1990-2025
2122
20.289
-99.411
5
13068
1990-2025
2178
19.936
-99.284
6
13069
1990-2025
1810
20.433
-99.149
7
13070
1990-2025
2297
20.664
-99.137
8
13075
1990-2025
2061
19.990
-99.332
9
13080
1990-2025
2035
20.155
-99.355
10
13081
1990-2025
1876
20.441
-99.374
11
13084
1990-2025
2123
19.964
-99.312
12
13090
1990-2025
1993
20.190
-99.255
13
13105
1990-2025
2043
20.615
-99.116
14
13109
1990-2025
2029
20.381
-98.964
15
13111
1990-2025
2139
20.099
-99.122
16
13125
1990-2025
1930
20.380
-99.350
17
13128
1990-2025
2355
20.118
-98.885
18
13148
1990-2025
2040
20.639
-99.328
19
13149
1990-2025
2369
19.960
-99.457
Fuente: Servicio Meteorológico Nacional, CONAGUA.
pág. 3434
Homogeneización de los datos de precipitación
Para garantizar la validez de los resultados y corregir errores por fallas en sensores, transcripción,
captura o reubicación de estaciones, las bases de datos de precipitación se sometieron a control de
calidad, homogeneización y relleno de datos faltantes siguiendo la metodología desarrollada por
Guijarro (2018). Este procedimiento se ejecutó con el paquete Climatol (versión 3.1.1) en R, conforme
a lo implementado recientemente por Pita-Díaz y Ortega-Gaucin (2020) y Cruz-González et al. (2023).
Ponderación del IEP por subcuenca
En la gestión de cuencas, los datos puntuales de las estaciones meteorológicas requieren un
procedimiento de regionalización para obtener representatividad espacial continua. Para integrar el IEP
a nivel de subcuenca, el índice se obtuvo primero por estación y posteriormente se agregó mediante
polígonos de Thiessen. Este método determina el valor medio del IEP asignando a cada estación
climatológica un peso proporcional a su área de influencia en una red de polígonos trazada mediante
mediatrices entre estaciones adyacentes. Dicha metodología preserva las anomalías y extremos
climáticos locales en regiones heterogéneas, evitando la subestimación de eventos críticos en el análisis
de riesgo territorial (Juliani y Okawa 2017; Song y Park, 2021).
La delimitación de las áreas de influencia de las 19 estaciones de las cinco subcuencas se realizó en
QGIS. Los coeficientes de ponderación espacial obtenidos se aplicaron a los valores mensuales del IEP
calculados en R, generando las series temporales integradas por subcuenca.
Pronóstico del IEP mediante suavizado exponencial
El modelo de Suavizado Exponencial en Espacio de Estados (ETS, por sus siglas en inglés) es un marco
estadístico que descompone series temporales en nivel, tendencia y estacionalidad, asignando pesos
exponencialmente decrecientes a las observaciones pasadas. Mediante tres parámetros de suavizado,
nivel (α), tendencia (β) y estacionalidad (γ), el método Holt-Winters aditivo, o suavizado exponencial
triple, ajusta la serie en cada periodo (Hyndman y Athanasopoulos, 2018), lo que permite capturar
dinámicas complejas y tendencias en índices como el IEP (Raha y Gayen, 2020; Tihi y Popov, 2023).
El sistema se compone de una ecuación de observación (pronóstico a m periodos) y tres ecuaciones de
estado (nivel ℓt, tendencia bt y estacionalidad st):
pág. 3435
Observación:
 󰇛󰇜
Nivel: 󰇛
󰇜󰇛 󰇜󰇛 󰇜
Tendencia: 󰇛 󰇜󰇛 󰇜
Estacionalidad: 󰇛
 󰇜󰇛 󰇜
Donde Yt es el valor observado y M representa la longitud del ciclo estacional, y α, β, γ [0,1] son los
parámetros de suavizado estimados mediante la minimización del error de pronóstico.
La modelación predictiva se estructuró en dos etapas utilizando la herramienta de previsión de Microsoft
Excel, con un intervalo de confianza del 95%. En la fase de validación retrospectiva, el modelo se
entrenó con la serie 1990-2020 para evaluar su desempeño predictivo frente a las observaciones de 2021-
2025 mediante las siguientes métricas: el Error Escalado Absoluto Medio (MASE), que mide la
precisión respecto a un modelo de referencia; el Error Absoluto Medio (MAE), que cuantifica la
desviación promedio absoluta; y la Raíz del Error Cuadrático Medio (RMSE), que penaliza los errores
de mayor magnitud e identifica las subcuencas con mayor incertidumbre. En la fase de pronóstico, el
modelo se reentrenó con la serie histórica completa (1990-2025) para prever el IEP-12 en el periodo
2026-2050. En ambos casos, los parámetros α y β se optimizaron automáticamente, mientras que γ se
fijó en 0.00 debido a la naturaleza anual acumulada del índice.
Análisis espacial del IEP
Para mapear el comportamiento del IEP histórico y pronosticado en la zona de estudio para los
horizontes 2025 y 2050, se empleó el método de Ponderación de Distancia Inversa (IDW, por sus siglas
en inglés) en QGIS, utilizando la configuración predeterminada del software. Como método
determinista de interpolación espacial, el IDW se emplea con frecuencia en el mapeo de índices de
sequía gracias a su efectividad con redes de estaciones densas o limitadas. Su idoneidad radica en su
sencillez de implementación, eficiencia computacional y capacidad para generar resultados consistentes
(Tsesmelis et al., 2023; Jahangir et al., 2026).
pág. 3436
RESULTADOS Y DISCUSIÓN
Caracterización histórica del IEP-12 por subcuenca (1990-2025)
El análisis de la serie histórica del IEP-12 de 1990-2025 en el Valle del Mezquital (Figura 2) muestra
una estabilidad predominante en la precipitación a largo plazo, concentrándose en el rango de
normalidad (-0.99 a 0.99) con frecuencias entre 72 % (El Salto-Tepeji) y 92 % (Tula). No obstante, la
distribución exhibe un sesgo constante hacia la franja neutra negativa (0.00 a -0.99), indicando un estado
basal orientado hacia el déficit hídrico. Durante las primeras décadas, se observó una alternancia de
eventos húmedos destacando El Salto-Tepeji en 1992 (1.49), Salado en 2002 (1.43), Tula en 2004 (1.25)
y Actopan en 2007 (1.42) con periodos secos moderados en 1996, 1999, 2000 y 2012. La persistencia
histórica en valores neutros-negativos refleja un estado basal de aridez latente en el territorio, el cual
coincide con el incremento generalizado en la tendencia e intensidad de la aridez reportado para los
ecosistemas de México (López-Teloxa et al., 2026).
El comportamiento del régimen pluviométrico se alteró a partir de 2019, cuando episodios de sequía
extrema (IEP-12 < -2.0) representaron severas desviaciones puntuales en la región. En la subcuenca El
Salto-Tepeji se registró el evento más crítico del registro con una sequía extrema en 2020 (-3.14),
seguida por déficit severo en 2022 (-2.25) y 2023 (-2.06). La subcuenca Salado mantuvo una fase
prolongada de escasez entre 2019 y 2023, alcanzando picos secos en 2020 (-1.43) y 2023 (-1.27),
mientras que Actopan atravesó un trienio seco continuo (2020-2023) con valores severos en 2022 (-
1.54) y 2023 (-1.68), antes de recuperarse hacia 2025 (1.04). Por su parte, Alfajayucan y Tula
experimentaron su mayor estrés hídrico durante el periodo 2022-2024; Alfajayucan paso de una sequía
severa en 2022 (-1.82) a un máximo extremo en 2023 (-2.35), concluyendo en 2024 (-1.03), en tanto
que Tula registró un evento inédito de sequía extrema consecutiva en 2022 (-2.38) y 2023 (-2.24),
constituyendo el mayor déficit acumulado de la serie histórica.
La drástica variación observada a partir de 2019 se alinea con la mayor variabilidad y frecuencia de
eventos extremos documentada en la región central del país (Magallanes-Quintanar et al., 2022; Pita-
Díaz y Ortega-Gaucin, 2020). Este patrón de intensificación del déficit pluviométrico se encuentra
estrechamente vinculado a forzamientos multianuales como el fenómeno El Niño (ENSO), cuyas fases
pág. 3437
cálidas suelen intensificar la escasez de lluvia e impactar la disponibilidad hídrica en el estado de
Hidalgo y cuencas aledañas (Esquivel-Arriaga et al., 2019; Quiróz-Jiménez et al., 2023).
Figura 2. Evolución temporal del Índice Estandarizado de Precipitación a escala de 12 meses (IEP-12)
en las subcuencas del Valle del Mezquital (1990–2025)
Evaluación y validación del Modelo ETS (2021-2025)
El modelo ETS se evaluó como herramienta de pronóstico inercial para el IEP-12 a largo plazo. Durante
la validación retrospectiva (2021-2025), las estimaciones se mantuvieron dentro del intervalo de
confianza del 95 % en la mayoría de las subcuencas, registrando valores inferiores a la unidad en la
métrica de referencia MASE (<1.0) y un RMSE (0.51 - 0.63).
La optimización de parámetros (β=0.00, γ=0.00) derivó en un Suavizado Exponencial Simple, donde
los valores de α (0.00 - 0.50) asignaron mayor peso al registro histórico de 36 años. Esta configuración
atenuó la sensibilidad del modelo ante variaciones extremas, aunque registró un incremento en los
indicadores de error en El Salto-Tepeji (MASE = 1.56; RMSE = 1.22), resultado de la oscilación entre
el valor de 2020 (-3.14) y la lectura de 2021 (1.20).
El margen de error obtenido en los valores de MAE (0.41 - 0.47) equivale a la amplitud de una categoría
del índice. Esta magnitud de desviación restringe la precisión del modelo para estimar valores anuales
específicos a corto plazo; sin embargo, permite aislar la variabilidad interanual para pronosticar la
pág. 3438
tendencia general del IEP-12 a largo plazo, proporcionando una línea de base inercial para la
planificación hídrica.
Pronóstico de la sequía a largo plazo (2026-2050)
El pronóstico del modelo de suavizado exponencial para el horizonte temporal 2026–2050 (Figura 3)
reflejan dinámicas pluviométricas contrastantes, prevé un escenario hidrológico caracterizado por la
prevalencia de trayectorias inerciales y un predominio generalizado de condiciones normales a
moderadamente secas.
El comportamiento de la subcuenca Actopan exhibe neutralidad hídrica a largo plazo con una trayectoria
horizontal cercana a cero (-0.14) en 2026 a (0.00) en 2050, tras el pico húmedo de 2025 (1.04), las cuatro
subcuencas restantes muestran tendencias decrecientes en la precipitación. Salado desciende de forma
paulatina dentro del rango de normalidad, pasa de -0.33 en 2026 a -0.91 en 2050, aproximándose al
umbral de sequía moderada sin retorno a condiciones húmedas. En contraste, Alfajayucan y Tula
consolidan un déficit hídrico al ingresar progresivamente a sequía moderada hacia los años 2038 (-1.02)
y 2049 (-1.01), concluyendo el horizonte de estudio con valores de -1.31 y -1.03 en 2050,
respectivamente. Por su parte, la subcuenca El Salto-Tepeji presenta el pronóstico más severo, partiendo
de -0.86 en 2026, alcanza sequía moderada en 2030 (-1.02) y evoluciona de manera continua hasta
registrar un estado de sequía severa en 2050 (-1.81).
En conjunto, las estimaciones confirman la intensificación sostenida del estrés hídrico en la mayor parte
de las subcuencas estudiadas. La capacidad de los modelos de suavizado exponencial para simular esta
degradación inercial concuerda con lo reportado por Raha y Gayen (2020) y Tihi y Popov (2023),
quienes validan la efectividad de estas técnicas para capturar tendencias de sequía meteorológica en
horizontes de mediano y largo plazo. Asimismo, la trayectoria descendente prevista hacia 2050 resulta
coherente con los escenarios climáticos CMIP6 evaluados para la cuenca del Pánuco y el territorio
nacional, los cuales prevén un incremento sostenido en la severidad y duración de los déficits de
precipitación (Velázquez-Zapata y Dávila-Ortiz, 2025).
pág. 3439
Figura 3. Pronóstico del IEP-12 (2026-2050) mediante el modelo ETS en las subcuencas del Valle del
Mezquital, a partir de la serie histórica observada (1990-2025)
Comportamiento espacial de la sequía (2025 vs. 2050)
La integración de ambos horizontes temporales del IEP evidencia una clara redistribución del riesgo
hídrico en el Valle del Mezquital, zonas antes normales o húmedas en 2025, como el centro y el norte
de la región, pasarán a enfrentar déficit hídrico en 2050, planteando nuevos desafíos para la gestión
sostenible bajo la variabilidad implícita del modelo.
En 2025 (Figura 4a), el Valle del Mezquital exhibió condiciones pluviométricas favorables
caracterizadas por valores normales a moderadamente húmedos del IEP en la mayoría de las subcuencas,
alcanzando máximos de humedad (valores cercanos a 2.00) en el oriente de Actopan, parte de Salado y
Tula. A diferencia de la subcuenca El Salto-Tepeji y sectores de Alfajayucan y Tula que registró ligeros
matices de déficit hídrico. Para 2050 (Figura 4b), la distribución espacial del IEP revela un
comportamiento espacial dominado por una transición generalizada hacia la aridez. La intensidad de la
sequía adquiere una clara polarización geográfica, las subcuencas de Tula, Alfajayucan y el norte de
Actopan, transitan hacia niveles de sequía severa a extrema (IEP cercano a -2.00), constituyendo el
núcleo más vulnerable del territorio. Paralelamente, la subcuenca El Salto-Tepeji en el sur consolida un
pág. 3440
foco secundario de sequía severa. En contraste, únicamente la franja oriental de Actopan conserva
condiciones normales a moderadamente húmedas.
La redistribución del riesgo espacial concuerda con lo planteado por Tsesmelis et al. (2023) sobre la
variabilidad espaciotemporal que caracteriza al IEP al ser aplicado a escala regional. Asimismo, este
pronóstico tendencial tiene implicaciones socioeconómicas y ambientales. Pese a que la región depende
estructuralmente de los volúmenes de aguas residuales exportados desde la Zona Metropolitana del Valle
de México para sostener su sistema agrícola (García-Salazar, 2019; Hernández-Espinosa et al., 2024;
Rosas-Baños y García-Salazar, 2024), el aumento pronosticado en la sequía meteorológica incrementará
la presión sobre la extracción de los acuíferos subterráneos (Téllez et al., 2026), amenazando la
rentabilidad agrícola y la seguridad hídrica regional (Tapia y Mendoza, 2025; Santacruz-De León et al.,
2022). Dichos hallazgos acentúan la necesidad de implementar estrategias de gestión integrada de
cuencas que permitan amortiguar los efectos de la aridez inercial en el horizonte 2026–2050 (Zerga,
2025).
Figura 4. Distribución espacial del IEP en las subcuencas del Valle del Mezquital: a) histórico al año
2025; b) pronosticado al año 2050
CONCLUSIONES
Se evaluó la vulnerabilidad del Valle del Mezquital ante la sequía para prevenir riesgos futuros por
subcuenca. La metodología ofreció una herramienta replicable para la gestión sustentable y la alerta
temprana. El Índice Estandarizado de Precipitación mostró periodos normales históricos con sesgo
pág. 3441
negativo. Sin embargo, en los años recientes la escasa precipitación y las sequías intensas confirmaron
un clima cada vez más seco. El modelo de suavizado exponencial demostró ser adecuado para calcular
la tendencia a futuro. Su configuración permitió suavizar cambios repentinos de un año a otro para
enfocarse en el comportamiento a largo plazo.
El pronóstico determinó que la falta de lluvia se incrementará con los años. Salvo una subcuenca que
mantuvo condiciones de neutralidad, la mayor parte del territorio pasará gradualmente de condiciones
normales hacia fases de sequía. La cartografía evidenció una reconfiguración territorial del déficit de
lluvia. Las zonas donde existían regímenes de lluvia superiores a 400 mm al año se volverán secas, lo
que incrementará la presión sobre los acuíferos para sostener las actividades regionales.
REFERENCIAS BIBLIOGRÁFICAS
Bernal, V. R. A. y Vizcarra, S. L. M. (2026). Dinámica Hidrológica del Río Osmore en Periodos de
Estiaje y Avenida. Tecnohumanismo, 100(1), 358–375. https://doi.org/10.53673/th.v100i1.561
Cao, Z., Wang, S., Luo, P., Xie, D., y Zhu, W. (2022). Watershed Ecohydrological Processes in a
Changing Environment: Opportunities and Challenges. Water, 14(9), 1502.
https://doi.org/10.3390/w14091502
Chamizo-Checa, S., Otazo-Sánchez, E., Gordillo-Martínez, A., Suárez-Sánchez, J., González-Ramírez,
C., y Muñoz-Nava, H. (2020). Megacity Wastewater Poured into A Nearby Basin: Looking for
Sustainable Scenarios in A Case Study. Water, 12(3), 824. https://doi.org/10.3390/w12030824
CONAGUA (Comisión Nacional del Agua). (2026). Información Estadística Climatológica.
https://smn.conagua.gob.mx/es/climatologia/informacion-climatologica/informacion-estadistica-
climatologica. Fecha de consulta: 10 de junio de 2026.
Contreras, L. C., Rodríguez, A. R., Ramírez, G. M. G., y Beltrán, M. Y. S. (2025). Caracterización del
territorio en el noreste del Valle del Mezquital con una metodología de análisis ambiental. En
Escobar, L. M. C., Cano, A. A. y Ortega, E. L. E. (Ed.). Ambiente y vida en los desiertos
mexicanos exploraciones sobre la producción del espacio (pp. 187-227). Universidad Autónoma
de Zacatecas.
Cruz-González, A., Arteaga-Ramírez, R., Sánchez-Cohen, I., Soria-Ruiz, J., Monterroso-Rivas, A. I., y
Flores-Magdaleno, H. (2023). Tendencia y variabilidad climática: Efecto en la producción de
pág. 3442
maíz en el Distrito de Desarrollo Rural Atlacomulco. Ecosistemas y Recursos Agropecuarios,
10(NEIII). https://doi.org/10.19136/era.a10nNEIII.3868
Esquivel-Arriaga, G., Cerano-Paredes, J., Sánchez-Cohen, I., Velásquez-Valle, M. A., Flores-López, F.,
y Bueno-Hurtado, P. (2019). Análisis temporal de sequías (1922-2016) en la cuenca alta del río
Nazas usando el SPI y su relación con ENSO. Tecnología y ciencias del agua, 10(5), 126-153.
https://doi.org/10.24850/j-tyca-imta
García-Salazar, E. M. (2019). El agua residual como generadora del espacio de la actividad agrícola en
el Valle del Mezquital, Hidalgo, México. Estudios sociales. Revista de alimentación
contemporánea y desarrollo regional, 29(54). https://doi.org/10.24836/es.v29i54.741
Guijarro, J. A. (2018) Homogeneización de series climáticas con Climatol. Versión 3.1.1. Agencia
Estatal de Meteorología (AEMET).
https://repositorio.aemet.es/bitstream/20.500.11765/12185/1/homog_climatol-es.pdf.
Hernández-Espinosa, A. K., Otazo-Sánchez, E. M., Román-Gutiérrez, A. D., y Romo-Gómez, C. (2024).
Estimación de los volúmenes históricos de las aguas residuales exportados por la megaciudad
de México al Valle del Mezquital de 1985 a 2020. Tecnología y ciencias del agua, 15(5), 452-
502. https://doi.org/10.24850/j-tyca-2024-05-10
Hyndman, R. J. y Athanasopoulos, G. (2018) Forecasting: principles and practice, 2nd edition, OTexts:
Melbourne, Australia. OTexts.com/fpp2.
Jahangir, M. H., Mahmoudi Aznaveh, A., y Yousefi, H. (2026). Comparation of different probability
distribution functions in order to drought assessment using standardized runoff index (SRI): A
case study. Geology, Ecology, and Landscapes, 10(2), 619-632.
https://doi.org/10.1080/24749508.2025.2563922
Juliani, B. H. T. y Okawa, C. M. P. (2017). Application of a Standardized Precipitation Index for
Meteorological Drought Analysis of the Semi-Arid Climate Influence in Minas Gerais, Brazil.
Hydrology, 4(2), 26. https://doi.org/10.3390/hydrology4020026
Khan, M. A., Barykin, S., Karpov, D., Lukashevich, N., Ochilov, A., y Munir, R. (2025). Stochastic
process-based drought monitoring and assessment system: A temporal switched weights
approach for accurate and precise drought determination. PLOS ONE, 20(2), e0307323.
pág. 3443
https://doi.org/10.1371/journal.pone.0307323
Liang, C., Flamig, Z., Kossin, J. P., y Kearns, E. J. (2026). A Global Probabilistic Framework for
Meteorological Drought Risk Assessment Using Self-Calibrating PDSI and Stochastic
Simulation. Climate, 14(6), 121. https://doi.org/10.3390/cli14060121
López-Teloxa, L. C., Ruiz-García, P., y Monterroso-Rivas, A. I. (2026). Ecosystems in Mexico Are
Experiencing an Increase in Trend and Intensity in Aridity. Environments, 13(4), 187.
https://doi.org/10.3390/environments13040187
Magallanes-Quintanar, R., Galván-Tejada, C. E., Galván-Tejada, J. I., Méndez-Gallegos, S. J., García-
Domínguez, A., y Gamboa-Rosales, H. (2022). Narx Neural Networks Models for Prediction of
Standardized Precipitation Index in Central Mexico. Atmosphere, 13(8), 1254.
https://doi.org/10.3390/atmos13081254
Marín, C. A. E., Ramos L. J. A., Martínez C. D. A., Tuxpan V. J., De Lara B. J., y Morán R. J. (2019).
Identification of the Hydrogeochemical Processes and Assessment of Groundwater Quality,
Using Multivariate Statistical Approaches and Water Quality Index in a Wastewater Irrigated
Region. Water, 11(8), Article 8. https://doi.org/10.3390/w11081702
Méndez, M. P., Franco, A. V., y Domínguez, N. A. (2025). Uso del índice estandarizado de precipitación
con R, para la evaluación de la intensidad de la sequía en la cuenca del río Papagayo, Guerrero.
Revista innova ingeniería, publicaciones técnicas de investigación, 1(10).
https://innovaingenieria.uagro.mx/innova/index.php/innova/article/view/339
Montes-Vega, M. J., Guardiola-Albert, C., y Rodríguez-Rodríguez, M. (2023). Calculation of the SPI,
SPEI, and GRDI Indices for Historical Climatic Data from Doñana National Park: Forecasting
Climatic Series (2030–2059) Using Two Climatic Scenarios RCP 4.5 and RCP 8.5 by IPCC.
Water, 15(13), 2369. https://doi.org/10.3390/w15132369
Muñoz, M. J. L., Medranda, Z. J., Calderon, C. J., y Paz, L. J. (2025). Servicios ecosistémicos de cuencas
hidrográficas en zonas urbanas y rurales: Beneficios ambientales y socioeconómicos clave para
el desarrollo sostenible. LATAM Revista Latinoamericana de Ciencias Sociales y Humanidades,
6(2). https://doi.org/10.56712/latam.v6i2.3797
pág. 3444
Pita-Díaz, O., y Ortega-Gaucin, D. (2020). Analysis of Anomalies and Trends of Climate Change Indices
in Zacatecas, Mexico. Climate, 8(4), 55. https://doi.org/10.3390/cli8040055
Quiróz-Jiménez, J. D., Debajyoti-Roy, P., Castelán, H. C., e Islas, S. A. (2023). Impacto del Fenómeno
de El Niño en la precipitación y agricultura del estado de Hidalgo, México. Revista de Estudios
Regionales, 1(1), 81-102. https://doi.org/10.59307/rerne1.13
Raha, S. y Gayen, S. K. (2020). Simulation of meteorological drought using exponential smoothing
models: A study on Bankura District, West Bengal, India. SN Applied Sciences, 2(5), 909.
https://doi.org/10.1007/s42452-020-2730-3
Rosas-Baños, M. y García-Salazar, E. M. (2024). Wastewater and agriculture in Mezquital valley
(Mexico): Analyzing alternatives from circular economy and ecological economy using
bibliometric review. Discover Water, 4(1), 61. https://doi.org/10.1007/s43832-024-00111-y
Santacruz-De León, G., Moran-Ramírez, J., y Ramos-Leal, J. A. (2022). Impact of Drought and
Groundwater Quality on Agriculture in a Semi-Arid Zone of Mexico. Agriculture, 12(9), 1379.
https://doi.org/10.3390/agriculture12091379
Song, Y. y Park, M. (2021). A Study on the Appropriateness of the Drought Index Estimation Method
Using Damage Data from Gyeongsangnamdo, South Korea. Atmosphere, 12(8), 998.
https://doi.org/10.3390/atmos12080998
Soomro, A. G., Memon, A. H., Mahar, G. A., Samoon, H. A., y Sadoozai, N. L. (2026). Geospatial
Rainfall–Runoff Modelling and Hydrological Assessment of an Ungauged Arid Mountain
Catchment Using GIS and HEC-HMS. International Journal of Economic and Environmental
Geology, 17(2), 75-81. https://doi.org/10.46660/int.j.econ.environ.geol..v17i2.830
Tapia, I. L. E. y Mendoza, M. E. Y. (2025). Impacto de la Sequía en la Disponibilidad de Agua y la
Producción Agrícola en la Región VII Actopan: Estrategias de Adaptación y Repercusiones
Socioeconómicas (2023-2024). Boletín Científico de las Ciencias Económico Administrativas
del ICEA, 14(27), 18-26. https://doi.org/10.29057/icea.v14i27.14517
Téllez, P. L., Expósito, C. J., Fonseca, M. O. R., y Esteller, A. M. (2026). Calidad del agua y su
distribución en la región sur del acuífero del Valle del Mezquital, Hidalgo. Geografía Aplicada,
2(1), 1-25. https://doi.org/10.36677/geografiaaplicada.v2i1.27552
pág. 3445
Tihi, N. y Popov, S. (2023). Application of Holt-Winters Exponential Smoothing Method in Urban
Drought Prediction. In Proceedings of Engineering Conference.
Tsesmelis, D. E., Leveidioti, I., Karavitis, C. A., Kalogeropoulos, K., Vasilakou, C. G., Tsatsaris, A., y
Zervas, E. (2023). Spatiotemporal Application of the Standardized Precipitation Index (SPI) in
the Eastern Mediterranean. Climate, 11(5), 95. https://doi.org/10.3390/cli11050095
Velázquez-Zapata, J. A., y Dávila-Ortiz, R. (2025). Projected Meteorological Drought in Mexico Under
CMIP6 Scenarios: Insights into Future Trends and Severity. Geosciences, 15(5), 186.
https://doi.org/10.3390/geosciences15050186
Zerga, B. (2025). Integrated watershed management: A review. Discover Sustainability, 6(1), 657.
https://doi.org/10.1007/s43621-025-01352-0