Análisis espaciotemporal de estimaciones de precipitación y temperaturas de Chirps y Worldclim en la cuenca del río Sonora, México

Ildefonso Narvaez Ortiz; Rocío Alexandra  Ortiz-Paz; Claudio Cesar Hernandez-Vásquez

doi:10.22490/21456453.8484

Vol. 17 Núm. 1 (2026)

Publicado 02-12-2025

Licencia

Derechos de autor 2025 Revista de Investigación Agraria y Ambiental

Esta obra está bajo una licencia internacional Creative Commons Atribución-NoComercial-CompartirIgual 4.0.

Cuando RIAA recibe la postulación de un original por parte de su autor, ya sea a través de correo electrónico o postal, considera que puede publicarse en formatos físicos y/o electrónicos y facilitar su inclusión en bases de datos, hemerotecas y demás sistemas y procesos de indexación. RIAA autoriza la reproducción y citación del material de la revista, siempre y cuando se indique de manera explícita el nombre de la revista, los autores, el título del artículo, volumen, número y páginas. Las ideas y conceptos expresados en los artículos son responsabilidad de los autores y en ningún caso reflejan las políticas institucionales de la UNAD

Área Ambiental

Cambio climático

Conservación

Análisis espaciotemporal de estimaciones de precipitación y temperaturas de Chirps y Worldclim en la cuenca del río Sonora, México

DOI: https://doi.org/10.22490/21456453.8484

Ildefonso Narvaez Ortiz Unitrópico

Rocío Alexandra Ortiz-Paz Agrosavia

Claudio Cesar Hernandez-Vásquez Universidad Autónoma Chapingo

PDF

Resumen
Referencias

Contextualización: se analizan las estimaciones de precipitación y temperatura en la cuenca del río Sonora, México, utilizando datos ráster de Chirps y WorldClim. Con estas plataformas se puede suplir la ausencia de datos debido a la baja o nula instrumentación, aportando información para la planificación y toma de decisiones a nivel territorial.

Vacío de conocimiento: a pesar de la información generada a partir de sensores remotos que facilitan la interpolación y estimación de variables climáticas en áreas sin mediciones directas, persisten dudas sobre la precisión de los datos interpolados en rásters en comparación con los registros climatológicos obtenidos en tierra, especialmente en áreas de baja densidad de estaciones y diversidad geográfica.

Propósito: el objetivo principal es evaluar la precisión de las estimaciones de precipitación de Chirps y de las temperaturas máxima y mínima de WorldClim, usando registros mensuales de 19 estaciones climatológicas en la cuenca del río Sonora durante el periodo 1981-2013.

Metodología: se recopilaron datos de Chirps y WorldClim, comparándolos con registros de estaciones climatológicas mediante el Valor Absoluto del Error Relativo (PBIAS) y la relación de la Desviación Estándar (RSR). Se utilizaron rutinas de código en R.

Resultados y conclusiones: los resultados muestran que las estimaciones de Chirps y WorldClim presentan un ajuste "Bueno" a "Muy bueno". No obstante, se identificaron casos de subestimación y sobreestimación principalmente en las temperaturas. Las estimaciones de temperaturas mostraron un alto grado de ajuste, mientras que las de precipitación fueron más dispersas. Las plataformas con datos en ráster son confiables para estudios climáticos y de planificación en la región.

Palabras clave: clima, hidrología, python , satelite, sensores remotos

Bai, L., Chen, Z., Xu, J., & Li, W. (2016). Multi-scale response of runoff to climate fluctuation in the headwater region of Kaidu River in Xinjiang of China. Theoretical and Applied Climatology, 125(3–4), 703–712. https://doi.org/10.1007/s00704-015-1539-2

Bai, L., Shi, C., Li, L., Yang, Y., & Wu, J. (2018). Accuracy of CHIRPS Satellite-Rainfall Products over Mainland China. Remote Sensing, 10(3), 362. https://doi.org/10.3390/rs10030362

D. N. Moriasi, J. G. Arnold, M. W. Van Liew, R. L. Bingner, R. D. Harmel, & T. L. Veith. (2007). Model Evaluation Guidelines for Systematic Quantification of Accuracy in Watershed Simulations. Transactions of the ASABE, 50(3), 885–900. https://doi.org/10.13031/2013.23153

Dinku, T. (2019). Challenges with availability and quality of climate data in Africa. En Extreme Hydrology and Climate Variability (pp. 71–80). Elsevier. https://doi.org/10.1016/B978-0-12-815998-9.00007-5

Fick, S. E., & Hijmans, R. J. (2017). WorldClim 2: new 1‐km spatial resolution climate surfaces for global land areas. International Journal of Climatology, 37(12), 4302–4315. https://doi.org/10.1002/joc.5086

Funk, C., Peterson, P., Landsfeld, M., Pedreros, D., Verdin, J., Shukla, S., Husak, G., Rowland, J., Harrison, L., Hoell, A., & Michaelsen, J. (2015). The climate hazards infrared precipitation with stations—a new environmental record for monitoring extremes. Scientific Data, 2(1). https://doi.org/10.1038/sdata.2015.66

Hempel, S., Frieler, K., Warszawski, L., Schewe, J., & Piontek, F. (2013). A trend-preserving bias correction – the ISI-MIP approach. Earth System Dynamics, 4(2), 219–236. https://doi.org/10.5194/esd-4-219-2013

Hernández-Vásquez, C. C., Ibáñez-Castillo, L. A., Gómez-Díaz, J. D., & Arteaga-Ramírez, R. (2020). Analysis of meteorological droughts in the Sonora River Basin, Mexico. Atmósfera. https://doi.org/10.20937/ATM.52954

Herrera Oliva, C. S., Campos Gaytán, J. R., & Carrillo González, F. M. (2017). Estimación de datos faltantes de precipitación por el método de regresión lineal: Caso de estudio Cuenca Guadalupe, Baja California, México. Investigación y Ciencia de la Universidad Autónoma de Aguascalientes, 71, 34–44. https://doi.org/10.33064/iycuaa201771598

Hijmans, R. J., Cameron, S. E., Parra, J. L., Jones, P. G., & Jarvis, A. (2005). Very high resolution interpolated climate surfaces for global land areas. International Journal of Climatology, 25(15), 1965–1978. https://doi.org/10.1002/joc.1276

Infante, S., & Zárate, G. (2012). Métodos estadísticos: un enfoque interdisciplinario (2a ed.). La Gaya Ciencia.

Katsanos, D., Retalis, A., & Michaelides, S. (2016). Validation of a high-resolution precipitation database (CHIRPS) over Cyprus for a 30-year period. Atmospheric Research, 169, 459–464. https://doi.org/10.1016/j.atmosres.2015.05.015

Kyrgyzbay, K., Kakimzhanov, Y., & Sagin, J. (2023). Climate data verification for assessing climate change in Almaty region of the Republic of Kazakhstan. Climate Services, 32, 100423. https://doi.org/10.1016/j.cliser.2023.100423

López-Bermeo, C., Montoya, R. D., Caro-Lopera, F. J., & Díaz-García, J. A. (2022). Validation of the accuracy of the CHIRPS precipitation dataset at representing climate variability in a tropical mountainous region of South America. Physics and Chemistry of the Earth, Parts A/B/C, 127, 103184. https://doi.org/10.1016/j.pce.2022.103184

Méndez, R. (2016). Productos de precipitación satelital de alta resolución espacial y temporal en las zonas de topografía compleja [Magister]. Pontificia Universidad Católica de Chile.

OMM. (2018). Guía de prácticas climatológicas (OMM-N° 100). Organización Meteorológica Mundial.

Paredes Trejo, F. J., Álvarez Barbosa, H., Peñaloza-Murillo, M. A., Moreno, M. A., & Farias, A. (2016). Intercomparison of improved satellite rainfall estimation with CHIRPS gridded product and rain gauge data over Venezuela. Atmósfera. https://doi.org/10.20937/ATM.2016.29.04.04

Paredes-Trejo, F., Alves Barbosa, H., Venkata Lakshmi Kumar, T., Kumar Thakur, M., & de Oliveira Buriti, C. (2021). Assessment of the CHIRPS-Based Satellite Precipitation Estimates. En Inland Waters - Dynamics and Ecology. IntechOpen. https://doi.org/10.5772/intechopen.91472

Peng, F., Zhao, S., Chen, C., Cong, D., Wang, Y., & Ouyang, H. (2020). Evaluation and comparison of the precipitation detection ability of multiple satellite products in a typical agriculture area of China. Atmospheric Research, 236, 104814. https://doi.org/10.1016/j.atmosres.2019.104814

Perrin, G., Rapinel, S., Hubert-Moy, L., & Bioret, F. (2020). Bioclimatic dataset of Metropolitan France under current conditions derived from the WorldClim model. Data in Brief, 31, 105815. https://doi.org/10.1016/j.dib.2020.105815

Poggio, L., Simonetti, E., & Gimona, A. (2018). Enhancing the WorldClim data set for national and regional applications. Science of The Total Environment, 625, 1628–1643. https://doi.org/10.1016/j.scitotenv.2017.12.258

QGIS Development Team. (2023). QGIS Geographic Information System. Open Source Geospatial Foundation Project. https://qgis.org.

R Core Team. (2023). R: A language and environment for statistical computing. R Foundation for Statistical Computing. Vienna, Austria. http://www.R-project.org/. https://www.r-project.org/

Rivera, J. A., Hinrichs, S., & Marianetti, G. (2019). Using CHIRPS Dataset to Assess Wet and Dry Conditions along the Semiarid Central-Western Argentina. Advances in Meteorology, 2019, 1–18. https://doi.org/10.1155/2019/8413964

Saba, I., Ortega, J., & Cedeño Fernando. (2008). Estimación de datos faltantes en estaciones meteorológicas de Venezuela vía un modelo de redes neuronales. Revista de Climatología, 8, 51–70.

Shen, Z., Yong, B., Gourley, J. J., Qi, W., Lu, D., Liu, J., Ren, L., Hong, Y., & Zhang, J. (2020). Recent global performance of the Climate Hazards group Infrared Precipitation (CHIRP) with Stations (CHIRPS). Journal of Hydrology, 591, 125284. https://doi.org/10.1016/j.jhydrol.2020.125284

Shrestha, N. K., Qamer, F. M., Pedreros, D., Murthy, M. S. R., Wahid, S. Md., & Shrestha, M. (2017). Evaluating the accuracy of Climate Hazard Group (CHG) satellite rainfall estimates for precipitation based drought monitoring in Koshi basin, Nepal. Journal of Hydrology: Regional Studies, 13, 138–151. https://doi.org/10.1016/j.ejrh.2017.08.004

SMN. (2019). Sistema de Información Climática Computarizada CLICOM. Servicio Metereologico Nacional. http://clicom-mex.cicese.mx/malla/index.php

Van Rossum, G., & Drake, F. L. (2009). Python 3 Reference Manual. CreateSpace.

Zakeri, F., & Mariethoz, G. (2024). Synthesizing long-term satellite imagery consistent with climate data: Application to daily snow cover. Remote Sensing of Environment, 300, 113877. https://doi.org/10.1016/j.rse.2023.113877

Licencia

Cómo citar

Narvaez Ortiz, I., Ortiz-Paz, R. A. ., & Hernandez-Vásquez , C. C. (2025). Análisis espaciotemporal de estimaciones de precipitación y temperaturas de Chirps y Worldclim en la cuenca del río Sonora, México. Revista De Investigación Agraria Y Ambiental, 17(1), 319-343. https://doi.org/10.22490/21456453.8484

Descargar cita

Almétricas

Métricas

Cargando métricas ...