Maestría en Gestión de Riesgos y Cambio Climático

Análisis de los registros sísmicos del CMVS

Thu, 25 Sep 2025 00:00:00 GMT

Análisis de los registros sísmicos del CMVS Séneca Falcón, Omar El objetivo de este proyecto fue evaluar el desempeño de una red de estaciones sísmicas de bajo costo (Raspberry Shake), implementada por el Centro de Monitoreo Vulcanológico y Sismológico (CMVS) en Chiapas, México, a través de la detección y caracterización de sismicidad de baja magnitud (M < 3.5) en una región que presenta diversas fuentes sismogénicas, lo que la hace importante para el monitoreo sísmico. El trabajo empleó un enfoque metodológico integral que combinó algoritmos tradicionales de detección automática, basados en STA/LTA (Short-Term Average/Long-Term Average), con algoritmos modernos de aprendizaje automático (PhaseNet y EQTransformer) estos últimos a través del entorno de desarrollo de SeisBench. Para ello, se descargaron los datos correspondientes al periodo del 18 de enero del 2021 al 28 de febrero del 2021, los cuales fueron segmentados en ventanas de 3600 segundos, para optimizar el análisis, normalizados y filtrados por un pasa bandas entre 1.0 a 9.0 Hz, rango optimo para la detección de sismos locales según pruebas preliminares. La detección automática de los eventos se realizo mediante la implementación comparativa de cuatro variantes del algoritmo STA/LTA (Clásica, Recursiva, Retardada y Z-Detector). Cada algoritmo fue calibrado para optimizar su sensibilidad a eventos de baja magnitud, determinando parámetros clave como la duración de las ventanas de análisis y los umbrales de activación y desactivación. Posteriormente, se aplicaron los modelos de aprendizaje profundo PhaseNet y EQTransformer, cuyos umbrales de probabilidad fueron configurados para la identificación de fases sísmicas de eventos de baja intensidad. Los resultados demostraron que el algoritmo STA/LTA Clásico presentó un mejor desempeño teniendo un balance entre sensibilidad y precisión superior a las demás variantes, detectando 132 nuevos eventos no reportados por el Servicio Sismológico Nacional, cuyas magnitudes oscilaron entre los 1.0 <= Mc <= 3.2. Por otro lado, los modelos de PhaseNet y EQTransformer mostraron mayor precisión en la identificación de fases sísmicas, permitiendo la detección de 192 nuevos eventos en conjunto, 139 de PhaseNet y 53 de EQTransformer, a costa de una sensibilidad menor en comparación con los métodos tradicionales. The objective of this project was to evaluate the performance of a low-cost seismic station network (Raspberry Shake) deployed by the Volcanological and Seismological Monitoring Center (CMVS) in Chiapas, Mexico. The study focused on detecting and characterizing low-magnitude seismicity (M < 3.5) in a region with diverse seismogenic sources, making it critical for seismic monitoring. The methodology integrated traditional automated detection algorithms (STA/LTA – Short-Term Average/Long-Term Average) with modern machine learning models (PhaseNet and EQTransformer) using the SeisBench framework. Data from January 18 to February 28, 2021, were segmented into 3600 second windows to optimize analysis, then normalized and bandpass-filtered (1.0–9.0 Hz), this been the optimal range for local earthquake detection based on preliminary tests. Automated event detection was performed using four STA/LTA algorithm variants (Classic, Recursive, Delayed, and Z-Detector), each calibrated to enhance sensitivity to low-magnitude events by adjusting key parameters like window lengths and activation/deactivation thresholds. Subsequently, the deep learning models PhaseNet and EQTransformer were applied, with probability thresholds configured for low-magnitude phase identification. Results showed that the Classic STA/LTA demonstrated the most favorable trade-off between detection sensitivity and event precision. It detected 132 new events unreported by the National Seismological Service (SSN), with magnitudes ranging from 1.0 ≤ Mc ≤ 3.2. In contrast, PhaseNet and EQTransformer achieved higher phase-picking precision, jointly detecting 192 new events (139 by PhaseNet, 53 by EQTransformer), though with slightly lower sensitivity than traditional methods. Location analysis revealed that most detected events were shallow (depths <50 km), clustered primarily in regions associated with transform and reverse fault provinces (northwest and northeast of the state, respectively), and minimally near the Tonalá fault. Network sensitivity was assessed using the SENSI program, whose results aligned with the network’s empirical detection/location capabilities—though empirical data showed the network could record events of lower magnitudes than those predicted by SENSI.

El estado de vulnerabilidad desde la percepción de pobladores del municipio de Acapetahua Chiapas frente al fenómeno de inundaciones

Fri, 19 Sep 2025 00:00:00 GMT

El estado de vulnerabilidad desde la percepción de pobladores del municipio de Acapetahua Chiapas frente al fenómeno de inundaciones Cortés Pérez, Yessica El presente estudio tuvo como objetivo valorar cuantitativa y cualitativamente la vulnerabilidad de la población del municipio de Acapetahua, Chiapas frente al fenómeno de inundaciones en su territorio. La investigación se sustentó en el enfoque social de los desastres, que considera los riesgos como construcciones sociales. Metodológicamente, se aplicaron métodos cuantitativos y cualitativos para analizar la vulnerabilidad: el primero permitió un análisis cartográfico basado en valores numéricos, mientras que el segundo se centró en la interpretación de la percepción de los participantes. Se estudiaron dos variables principales: la percepción local de la vulnerabilidad y la capacidad institucional de la Secretaría de Protección Civil Municipal para realizar acciones de gestión integral de riesgos. Para ello, se aplicaron encuestas dirigidas a la población civil y al Secretario de Protección Civil. Los resultados cuantitativos arrojaron que el municipio de Acapetahua se encuentra delimitado espacialmente por dos grandes zonas de vulnerabilidad, baja y media, definidas por la percepción local; por vulnerabilidad muy baja, debido al conjunto de recursos humanos, materiales e instrumentos administrativos con los que dispone la Secretaría de Protección Civil Municipal para la gestión integral del riesgo; y por vulnerabilidad baja y media, tras la integración de la percepción local de la vulnerabilidad con la capacidad institucional de dicha Secretaría.

Identificación de fuentes de emisión de partículas mediante trayectorias inversas en la ciudad de Tuxtla Gutiérrez, Chiapas

Fri, 26 Sep 2025 00:00:00 GMT

Identificación de fuentes de emisión de partículas mediante trayectorias inversas en la ciudad de Tuxtla Gutiérrez, Chiapas Bernardino Jiménez, Óscar Iván La presente investigación se desarrolló con la finalidad de identificar las posibles fuentes de emisión de partículas con diámetros aerodinámicos menores a 10µm (PM10) que afectan la calidad del aire en la ciudad de Tuxtla Gutiérrez durante la temporada de estiaje. Para ello, se empleó un modelo atmosférico meteorológico (HYSPLIT) para determinar trayectorias inversas de partículas y reconocer su origen, mediante el análisis de diferentes escenarios de contaminación que favorecieron altas concentraciones de contaminantes. La información se validó mediante una evaluación cuantitativa entre datos de simulación y de monitoreo (estadísticos), así como la evaluación cualitativa (con ayuda de imágenes de satélite y mapas de incendios).

Vulnerabilidad urbana por inundaciones en el arroyo 24 de junio de Tuxtla Gutiérrez, Chiapas

Wed, 17 Sep 2025 00:00:00 GMT

Vulnerabilidad urbana por inundaciones en el arroyo 24 de junio de Tuxtla Gutiérrez, Chiapas Gutiérrez Velazco, Daniel Alejandro La creciente exposición de las ciudades mexicanas a fenómenos hidrometeorológicos extremos ha puesto de manifiesto la necesidad de evaluar la vulnerabilidad urbana desde un enfoque integral que considere tanto los factores físicos como las condiciones sociales. En este contexto, la presente investigación analiza la vulnerabilidad socioambiental por inundaciones en la microcuenca del arroyo 24 de junio, específicamente en la calle Ricardo Flores Magón de Tuxtla Gutiérrez, Chiapas, un sector históricamente afectado por escurrimientos pluviales y deficiencias en infraestructura de drenaje. El estudio empleó una metodología multidisciplinaria que incluyó la generación de un Modelo Digital de Elevación mediante levantamientos con dron, la modelación hidrológica con HEC-HMS y la hidráulica con HEC-RAS, con el fin de simular la velocidad y el tirante del flujo para distintos periodos de retorno (5, 25 y 50 años). A esta caracterización física se incorporó el Índice Multidimensional de Habitabilidad Urbana (IMHU), el cual permitió valorar la capacidad de adaptación de la población a partir de variables socioeconómicas, ambientales y de infraestructura. La combinación de estos elementos dio lugar al Índice de Vulnerabilidad Urbana por Inundaciones (IVUI), que ofrece una representación espacial de la fragilidad de las manzanas urbanas frente a eventos de inundación. Los resultados evidencian que las áreas cercanas al cauce del arroyo y aquellas con menores condiciones de habitabilidad presentan los niveles más altos de vulnerabilidad, reflejados en daños potenciales a la infraestructura, afectaciones a la movilidad y limitaciones en la capacidad de respuesta comunitaria. La investigación aporta una herramienta metodológica innovadora que integra la dimensión física y social del riesgo, constituyendo un insumo valioso para la planificación urbana, el diseño de políticas públicas y la gestión integral del riesgo de desastres en contextos urbanos expuestos a fenómenos hidrometeorológicos. The growing exposure of Mexican cities to extreme hydrometeorological events has highlighted the need to assess urban vulnerability from a comprehensive perspective that considers both physical factors and social conditions. In this context, the present research analyzes the socio-environmental vulnerability to floods in the micro-basin of the Arroyo 24 de Junio, specifically along Ricardo Flores Magón Street in Tuxtla Gutiérrez, Chiapas, an area historically affected by stormwater runoff and deficiencies in drainage infrastructure. The study employed a multidisciplinary methodology that included the generation of a Digital Elevation Model through drone-based surveys, hydrological modeling with HEC-HMS, and hydraulic modeling with HEC-RAS to simulate flow velocity and water depth for different return periods (5, 25, and 50 years). This physical characterization was combined with the Multidimensional Urban Habitability Index (IMHU), which allowed for the assessment of the population’s adaptive capacity based on socioeconomic, environmental, and infrastructure-related variables. The integration of these components led to the construction of the Urban Vulnerability to Flooding Index (IVUI), providing a spatial representation of the fragility of urban blocks in the face of flood events. The results show that areas located near the stream channel and those with lower habitability conditions present the highest levels of vulnerability, reflected in potential infrastructure damage, mobility disruptions, and limitations in community response capacity. It is concluded that habitability constitutes a key factor in understanding inequalities in urban vulnerability, since its improvement can significantly reduce the impacts of floods. This research contributes an innovative methodological tool that integrates the physical and social dimensions of risk, serving as a valuable input for urban planning, public policy design, and comprehensive disaster risk management in urban contexts exposed to hydrometeorological events.