Proclamación candidaturas provisionales Fuerteventura

XXIII C ON G R E S O N A C I O N A L
AMH
DE
H I D R Á U LI C A
PUERTO VALLARTA, JALISCO, MÉXICO, OCTUBRE 2014
AMH
ESTIMACIÓN DE LA VULNERABILIDAD POR INUNDACIÓN BAJO CONDICIONES DE
AMENAZAS INCIERTAS
López López Edgar Eduardo, Rodríguez Rincón Juan Pablo y Pedrozo Acuña Adrián
Instituto de Ingeniería, Universidad Nacional Autónoma de México. Circuito Escolar S/N, Edificio 5,
Ciudad Universitaria, Del. Coyoacán, México D.F., México. C.P. 04510
elopezl@iingen.unam.mx, jrodriguezri@iingen.unam.mx, apedrozoa@iingen.unam.mx
Introducción
Las inundaciones extremas son poco frecuentes y muy
difíciles de predecir; en la actualidad los modelos existentes
no siempre pronostican de forma adecuada estos fenómenos.
Sin embargo, es posible mejorar los resultados de pronóstico
de estos modelos, a través de su uso combinado con
información obtenida por medio de herramientas de
percepción remota (ej. satélites, radares hidrológicos, etc.),
esta información tiene una creciente disponibilidad de datos
espaciales que son accesibles a nivel mundial y libremente (Di
Baldassarre and Uhlenbrook 2012). A pesar de estos avances,
cada etapa del proceso de modelado de eventos de inundación
induce errores, por ejemplo, fallas en las observaciones y en la
habilidad de los modelos para representar la realidad
(Pappenberger et al. 2005). Es por ello, que estudios recientes
han comenzado a explorar la implementación de metodologías
probabilistas que consideran a la incertidumbre en la
estimación tanto de avenidas extraordinarias (Shrestha and
Solomatine 2008), como en el cálculo de áreas de afectación
por inundaciones (Rodriguez-Rincon et al. 2012; PedrozoAcuña et al. 2013).
Dentro de este contexto, es importante revisar el impacto de
utilizar información que no siempre es confiable para la toma
de decisiones. De esta manera, el trabajo de investigación
propuesto tiene como objetivo principal ilustrar la influencia
de esta incertidumbre en la determinación de cierto nivel de
vulnerabilidad ante un evento de inundación extrema. Para
ello, se utiliza una metodología probabilista que permite la
caracterización de la amenaza (e.g. hidrograma de diseño) a
través de N eventos; los resultados identificarán los diferentes
niveles de vulnerabilidad que se podrían esperar para un
evento de diseño dado. Para ello, se utilizarán los datos de un
evento de inundación reciente que corresponde al
desbordamiento del río La Sabana, como resultado de la
incidencia de la tormenta tropical Manuel en septiembre de
2013. Este tipo de metodologías coadyuvan en la estimación
del riesgo por inundación en zonas urbanas, tomando en
cuenta la ocurrencia de eventos posibles o históricos así como
características de cierta infraestructura expuesta.
El marco de trabajo empleado en el presente estudio
comprende la utilización de un enfoque de modelación
escalonada compuesto por un modelo de predicción numérica
del tiempo (NWP), un modelo de precipitación-escorrentía y
un modelo hidrodinámico 2D así como la representación
numérica del terreno mediante una nube de puntos LiDAR de
alta resolución (INEGI 2008). La incertidumbre es
considerada en el modelo WRF utilizando una técnica de
conjunto multi-física de dieciséis diferentes esquemas de
parametrización, este tipo de metodología se basa en los
sistemas de predicción por ensambles (EPS) ampliamente
utilizados en los pronósticos meteorológicos. Los resultados
de este trabajo, reflejados en llanuras de inundación son
utilizados para la caracterización de zonas vulnerables en
función de los tirantes máximo y mínimo del ensamble.
Zona de estudio
La zona de estudio presentada en este trabajo es delimitada
por la llanura de inundación asociada al río La Sabana en
inmediaciones de la ciudad de Acapulco, estado de Guerrero
(Ilustración 1).
Históricamente la población de la zona noreste de la ciudad de
Acapulco, se ha visto afectada por inundaciones,
principalmente como consecuencia de precipitaciones
pluviales, eventos hidrometeorológicos que han generado
crecientes significativas del río La Sabana y en algunas
ocasiones el desbordamiento del mismo. Precisamente, en
septiembre de 2013, México sufrió la incidencia simultánea de
dos tormentas tropicales, la tormenta tropical Manuel en el
Pacífico y el huracán Ingrid en el Golfo de México, estos dos
fenómenos generaron gran cantidad de lluvias entre el 13 y 20
de septiembre en esta región (~ 700 mm / 48 horas), lo que
tuvo como consecuencia el desbordamiento del río afectando
principalmente el complejo turístico de Acapulco-Diamante.
Ilustración 1. Delimitación de la zona de estudio.
AMH
XXIII C ON G R E S O N A C I O N A L
DE
H I D R Á U LI C A
PUERTO VALLARTA, JALISCO, MÉXICO, OCTUBRE 2014
Estimación de ensambles; para un evento
meteorológico extremo
Modelo meteorológico
En el trabajo propuesto se considera la utilización de
ensambles EPS de los resultados de modelaciones climáticas
obtenidas por medio de un modelo numérico meteorológico; el
WRF (Weather Research and Forecasting model), WRF es un
modelo de tipo no-hidrostático regional que resuelve las
ecuaciones primitivas de la circulación atmosférica. El modelo
representa el estado de la atmósfera en una retícula o red
tridimensional que sigue la topografía en términos de las
variables; temperatura, presión, humedad y tres componentes
de viento. En términos generales el modelo WRF es una
herramienta capaz de representar el estado de la atmósfera y
predecir la precipitación asociada a un fenómeno
meteorológico (Dudhia et al. 2008).
Para representar adecuadamente el evento completo de
precipitación, se simuló el periodo del 12 al 20 de septiembre
de 2013, en dos dominios numéricos anidados de diferente
resolución: el Dominio 1 con un tamaño de malla de 20 km, y
el Dominio 2 con tamaño de malla de 4km. Como datos de
entrada, se utilizaron los datos del Análisis Final Global
(Global Final Analysis, FNL) a intervalos de 6 horas,
suministrados por el Centro Norteamericano para Predicción
del Medio Ambiente (National Center for Environmental
Prediction, NCEP). Dentro del sistema de modelado con el
modelo WRF, el uso de diferentes parametrizaciones permite
la creación de un ensamble que limita la incertidumbre en las
predicciones. El ensamble multi-fisica, para este caso de
estudio, se realizó siguiendo algunas recomendaciones
encontradas en la literatura para pronóstico de lluvias
extremas (Bukovsky and Karoly 2009; Evans et al. 2012;
Efstathiou et al. 2013; Cintineo et al. 2014), y otros estudios
de la atmósfera en la región (López-Espinoza et al. 2012). La
ilustración 2 muestra cada modelación realizada donde se
describe la precipitación acumulada para el periodo
mencionado. Es evidente la precipitación en la región sur de
México, donde se registraron los valores mayores (~600 mm)
por causa de la tormenta tropical Manuel.
AMH
Modelo hidrológico
El modelo hidrológico utilizado para la generación de los
hidrogramas en el río La Sabana es el Modelo para Pronóstico
de Escurrimiento (MPE) desarrollado en el Instituto de
Ingeniería de la Universidad Nacional Autónoma de México,
el cual pronostica los escurrimientos de una cuenca mediante
un modelo de parámetros distribuidos (Domínguez et al.
2008). El modelo determina la relación lluvia-escurrimiento
basado en el método del Número de Curva del Soil
Conservation Service (SCS-CN) (USDA 1972), con una
modificación que permite considerar el secado progresivo del
suelo después de la ocurrencia de una tormenta, para calcular
un hidrograma en cada celda de una malla. El MPE es capaz
de reproducir la precipitación media de la cuenca en un
hietograma, la lluvia en exceso, las pérdidas asociadas a la
evapotranspiración e infiltración y el hidrograma de salida de
la cuenca. Una de las ventajas del MPE es la reproducción
numérica de los efectos de la evaporación en la saturación del
suelo con el tiempo, lo que resulta favorable en simulaciones
que duran varios días. Este modelo ha resultado útil en el
estudio de otras cuencas en México (Rodriguez-Rincon et al.
2012; Pedrozo-Acuña et al. 2013).
Dicho modelo considera información detallada tanto de las
características de la cuenca como de datos de lluvia.
Específicamente, para determinar el número de curva en la
cuenca, se necesitan: el tipo y uso de suelo, edafología y
dirección del flujo dentro de la cuenca. Respecto a la lluvia,
los datos de entrada del MPE fueron cada uno de los 16
miembros del ensamble del modelo meteorológico, de esta
forma es posible propagar la incertidumbre de ese modelo al
hidrológico para la estimación de la escorrentía. La ilustración
3 muestra el ensamble hidrológico para la cuenca del río La
Sabana, resultante para la tormenta tropical Manuel.
Ilustración 3. Resultados de 16 campos de precipitación
acumulada, Tormenta Tropical Manuel 2013.
Estimación de llanuras de inundación
Modelo hidrodinámico
Ilustración 2. Resultados de 16 campos de precipitación
acumulada, Tormenta Tropical Manuel 2013.
Para llevar a cabo la estimación de las llanuras de inundación
asociadas a los hidrogramas mínimo y máximo característicos
del evento hidrometeorológico Manuel, se utilizó el modelo
hidrodinámico MIKE21. Dicho modelo considera la solución
numérica de las ecuaciones promediadas de Reynolds en dos
dimensiones, asumiendo hipótesis de incompresibilidad,
XXIII C ON G R E S O N A C I O N A L
AMH
DE
H I D R Á U LI C A
PUERTO VALLARTA, JALISCO, MÉXICO, OCTUBRE 2014
suposiciones de flujo de Boussinesq y presión hidrostática.
Esta herramienta desarrollada por el Danish Hydraulic
Institute (DHI, 2012) resuelve las ecuaciones de continuidad,
cantidad de movimiento, temperatura, salinidad, y densidad, y
tiene un esquema de cierre de turbulencia.
Una vez estimados y definidos los dos hidrogramas
característicos para el río La Sabana, es necesario considerar
la información topo-batimétrica, a fin de obtener una malla
numérica lo suficientemente detallada y estable para la
correcta simulación de flujos de inundación dentro de la zona
en estudio. Esta malla comprende la discretización numérica
de la información de elevaciones y profundidades para la
región delimitada. En primer término, para la definición de las
elevaciones del terreno, se construyó un Modelo Digital de
Elevaciones (MDE) de la zona a partir de datos LiDAR del
INEGI, en combinación con datos del Shuttle Radar
Topographic Mission de la Agencia Espacial Estadounidense
(NASA, por sus siglas en inglés).
AMH
tirantes inundables desde 10 cm hasta tirantes de inundación
que alcanzaron los 2 o más metros de altura. De igual forma
en ambas ilustraciones se visualizan los polígonos
representativos de los AGEBs (Áreas Geoestadísticas Básicas)
que integran la zona de estudio. Los AGEBs son polígonos
generados por el CONEVAL (Consejo Nacional de evaluación
de la Política de Desarrollo Social) con el objetivo de mostrar,
en colaboración con el Instituto Nacional de Estadística y
Geografía (INEGI), una serie de indicadores sobre la
población y las viviendas, los cuales son utilizados en este
trabajo para determinar el nivel de vulnerabilidad asociado a la
zona de estudio.
El objetivo del modelo hidrodinámico es entre otras variables
determinar las llanuras de inundación asociadas con los dos
hidrogramas de entrada, ambos asociados a la información
hidrometeorológica obtenida, en la modelación en cascada
propuesta. En la Tabla 1 se documentan los gastos estimados
para los hidrogramas mínimo y máximo considerados en la
modelación hidrodinámica.
Tabla 1. Gastos estimados para los hidrogramas mínimo y
máximo en el río La Sabana.
1
Mínimo
(m3/s)
0.00
Máximo
(m3/s)
0.00
2
8.48
0.27
No.
3
58.97
1.30
4
1,017.13
66.31
5
2,532.72
722.24
6
2,377.87
1,495.69
7
1,796.48
954.17
8
570.96
281.44
9
151.75
70.36
10
102.91
17.59
11
32.79
4.40
Ilustración 4. Llanura de inundación asociada al hidrograma
mínimo.
Para la modelación de llanura inundable empleando el
hidrograma máximo (Ilustración 5), destaca las afectaciones
en prácticamente toda la zona destinada al aeropuerto.
Resultados de las llanuras de inundación
De acuerdo al tránsito de los gastos asociados con cada
hidrograma es posible obtener los tirantes de inundación para
el evento hidrometeorológico documentado en este trabajo.
Con la intención de identificar tanto cualitativamente como
cuantitativamente la distribución geográfica de las llanuras de
inundación es necesario hacer uso de sistemas de información
geográfica, con ello se logra identificar puntual y
espacialmente las llanuras o planicies susceptibles de
presentar algún nivel de inundación tras la modelación de los
hidrogramas aquí documentados.
Con base en lo anterior, en las ilustraciones 4 y 5 se
representan las distribuciones espaciales de las llanuras de
inundación asociadas a los hidrogramas mínimo y máximo,
respectivamente. En ambas ilustraciones se emplea una
degradación visual en color azul para representar el rango de
Ilustración 5. Llanura de inundación asociada al hidrograma
máximo.
XXIII C ON G R E S O N A C I O N A L
AMH
DE
H I D R Á U LI C A
PUERTO VALLARTA, JALISCO, MÉXICO, OCTUBRE 2014
AMH
De acuerdo con la estimación de los tirantes de inundación
reflejados en las ilustraciones 4 y 5 resulta trascendente dejar
expuesto el nivel de incertidumbre asociado al considerar la
evaluación del hidrograma máximo o emplear el mínimo, ya
que la superficie inundable tras la modelación de ambos
hidrogramas representa una diferencia de casi 20 km2
aproximadamente. En otras palabras, la incertidumbre
asociada entre ambos hidrogramas representa un incremento
del 200% de llanura inundable.
Un análisis como el presentado en este apartado hace posible
detectar aquellas zonas y áreas urbanas susceptibles de
inundación donde posiblemente se puedan generar
implicaciones tanto económicas como sociales. Ello deja la
pauta para continuar con el desarrollo entre otras cosas, de
acciones estructurales como no estructurales que coadyuven
con un óptimo ordenamiento territorial.
Caracterización de niveles de vulnerabilidad
El enfoque que se ha decidido darle en este trabajo en cuanto a
vulnerabilidad se refiere está en función de la presencia de
tirantes de inundación dentro de las superficies delimitadas
por los AGEBs propensas a recibir cierto nivel de daño, en
este caso, el daño está definido como el tirante de inundación
que puede presentar un bien expuesto ante la modelación del
fenómeno hidrometeorológico Manuel.
Ilustración 6. AGEBs inundados producto de la simulación del
hidrograma mínimo.
Destacar de la Ilustración 6 que tras la modelación del
hidrograma mínimo resultaron con cierto nivel de afectación
59 AGEBs. De manera análoga, en la Ilustración 7 son
representados los 65 AGEBs que tras la modelación del
hidrograma máximo presentaron algún nivel de inundación.
Lo anterior deberá interpretarse en cinco niveles de
vulnerabilidad (Tabla 2). Por tanto, en función del porcentaje
de área inundable en cada AGEB éste representará la
vulnerabilidad ante un tirante de inundación.
Tabla 2. Vulnerabilidad a nivel AGEB ante un tirante inundable
Superficie
inundable
0 – 20 %
Nivel de
vulnerabilidad
Muy bajo
20 – 40 %
Bajo
40 – 60 %
Medio
60 – 80 %
Alto
80 – 100 %
Muy alto
Con base en lo anterior, el nivel de vulnerabilidad definido en
este trabajo como Muy bajo representa a aquella superficie
propensa de ser inundable desde el 0% al 20% del polígono
delimitado como AGEB, en contraste, el nivel de
vulnerabilidad Muy alto considera que la superficie será
propensa de ser inundada desde el 80% hasta la totalidad de la
misma, es decir la inundación podría cubrir el 100% de su
extensión territorial.
Por lo tanto en la Ilustración 6 se representan
esquemáticamente los polígonos definidos como AGEBs que
tras la modelación del hidrograma mínimo presentaron algún
nivel de vulnerabilidad en función del porcentaje de superficie
inundable.
Ilustración 7. AGEBs inundados producto de la modelación del
hidrograma máximo.
Análisis de resultados
De acuerdo con el total de polígonos definidos como AGEBs
que presentaron algún nivel de inundación y con la intención
de llevar a cabo una comparativa en cuanto al porcentaje de
área que fue inundable tras la modelación de los dos
hidrogramas, en la Tabla 3 se relacionan los 65 AGEBs y su
porcentaje de área inundable tanto para la modelación del
hidrograma máximo como para el mínimo, de igual forma en
la Tabla 3 se presenta en la última columna el porcentaje
representativo de la diferencia de la superficie inundable entre
la modelación del hidrograma máximo y el mínimo.
XXIII C ON G R E S O N A C I O N A L
AMH
DE
H I D R Á U LI C A
AMH
PUERTO VALLARTA, JALISCO, MÉXICO, OCTUBRE 2014
Tabla 3. Ponderación de áreas inundables a nivel AGEB.
Clave
AGEB
Área
AGEB
[km2]
11348
6.070
Área
inundable
hid máx.
[%]
77.5
Área
inundable
hid mín.
[%]
14.7
11371
3.316
31.7
21.1
10.5
11386
3.319
22.1
0.0
22.1
11583
1.671
27.7
12.2
15.5
11812
0.856
79.2
73.7
5.6
13575
0.386
51.7
5.8
45.9
13772
2.206
20.2
0.0
20.2
13787
1.311
29.9
0.0
29.9
14501
0.275
59.6
55.6
4.0
14944
4.473
76.5
69.8
6.6
14959
0.159
10.8
5.1
5.7
14982
0.215
29.5
1.7
27.8
14997
0.293
26.9
2.0
24.9
15001
2.398
44.8
21.7
23.1
15815
0.141
87.8
71.7
16.1
15976
0.062
23.2
0.0
23.2
15980
0.193
11.9
9.2
2.7
15995
0.027
56.5
24.1
32.4
16052
0.133
99.1
94.3
4.8
16315
0.054
99.9
97.3
2.7
16334
0.110
99.9
98.1
1.9
16349
0.076
100.0
95.1
4.9
16353
0.066
99.8
32.6
67.1
16368
0.088
82.1
25.0
57.2
16372
0.054
80.1
66.3
13.9
16387
1.067
26.0
0.0
26.0
16391
0.494
82.9
61.0
22.0
16404
0.240
96.4
92.7
3.6
16419
0.083
100.0
95.9
4.5
16461
0.175
99.5
98.9
0.6
16508
0.180
99.9
98.1
1.8
16550
0.045
98.6
98.6
0.0
16565
0.033
100.0
93.3
6.8
16584
0.071
91.5
88.6
2.9
16599
0.088
98.6
97.9
0.7
16669
0.050
98.1
94.8
3.3
16739
0.146
16.7
9.7
6.9
16743
0.074
92.0
55.0
37.0
16758
0.138
84.8
82.5
2.4
16762
0.048
100.0
100.0
0.0
16781
0.074
44.2
0.0
44.2
16796
0.074
67.9
0.8
67.1
16809
0.154
74.7
36.1
38.6
16813
0.104
27.3
0.0
27.3
16828
0.173
12.3
2.7
9.5
16851
0.079
26.2
18.1
8.1
Diferencia
[%]
62.8
0.017
Área
inundable
hid máx.
[%]
98.9
Área
inundable
hid mín.
[%]
96.4
16870
0.051
73.8
60.8
16885
0.037
74.1
65.3
8.8
16917
0.063
16.0
0.0
16.0
16936
0.017
85.3
77.9
7.4
16955
0.063
51.5
44.3
7.3
16974
0.044
100.0
98.9
1.4
61795
0.948
29.4
0.0
29.4
64075
0.329
83.1
0.3
82.8
85266
0.856
45.4
6.3
39.1
1358A
1.511
74.0
11.3
62.8
1493A
0.401
42.8
35.5
7.3
1575A
1.014
74.8
38.3
36.5
1600A
0.223
98.2
93.8
4.4
1632A
0.225
86.7
59.0
27.7
1657A
0.183
98.3
95.8
2.5
1689A
0.019
95.5
49.9
45.6
6408A
0.494
77.7
0.0
77.7
8664A
0.014
98.8
6.0
92.8
Clave
AGEB
Área
AGEB
[km2]
16866
Diferencia
[%]
2.5
13.0
Análisis del nivel de vulnerabilidad Muy Alto
Con la intención de dejar reflejado el nivel de vulnerabilidad
muy alto, en la Ilustración 8 se representa esquemáticamente
en color verde la distribución espacial de los 19 AGEBs que
ante la modelación de los dos hidrogramas aquí documentados
presentaron una superficie inundada del orden de 80 al 100%
de su extensión territorial. Situación que deriva en identificar a
esta región como prioritaria en la toma de decisiones y evitar
posibles daños tras el paso de fenómenos naturales de
características similares a las del evento Manuel.
Ilustración 8. AGEBs inundados producto de la simulación del
hidrograma máximo.
AMH
XXIII C ON G R E S O N A C I O N A L
DE
H I D R Á U LI C A
PUERTO VALLARTA, JALISCO, MÉXICO, OCTUBRE 2014
AMH
Finalmente, es importante destacar que tras la modelación y
estimación de las llanuras de inundación para ambos
hidrogramas los tirantes medios máximos calculados, se
estimaron para el hidrograma máximo 3.16 m en el AGEB
16550 y 2.59 m para el hidrograma mínimo en el AGEB
1657A (Ilustración 8, polígonos rojo y morado,
respectivamente). Ambos AGEBs comprenden dentro de sus
límites al Fraccionamiento Las Gaviotas, superficie que de
acuerdo a noticias y algunos informes fue de las más afectadas
tras el paso del fenómeno hidrometeorológico Manuel.
Domínguez, M., G. Esquivel, et al. (2008). "Manual del
Modelo para Pronostico de Escurrimiento." Serie Manuales,
Instituto de Ingeniería, UNAM.
Conclusiones y comentarios
Evans, J. P., M. Ekström, et al. (2012). "Evaluating the
performance of a WRF physics ensemble over South-East
Australia." Climate Dynamics 39(6): 1241-1258.
El presente trabajo proporciona escenarios asociados a la
modelación de dos hidrogramas (máximo y mínimo) que
representan la incertidumbre hidrometeorológica asociada a un
evento extremo. El parámetro utilizado para representar un
nivel de vulnerabilidad es el porcentaje de área inundable a
escala de AGEBs.
De acuerdo con lo reflejado en este documento y en base a los
resultados obtenidos tras la simulación en cascada, es
trascendente la influencia de la incertidumbre asociado a una
correcta caracterización de amenaza, prueba de ello es la
significativa cifra del 200% de incremento de superficie
inundable al considerar una metodología probabilista que
caracterice a una amenaza.
Estudios como el presente enfatizan una continua
investigación y desarrollo en el tema de vulnerabilidad. En
este sentido, metodologías como la presentada en este trabajo
contribuyen con el avance del estudio y análisis de fenómenos
hidrometeorológicos y sus posibles consecuencias.
Si bien la metodología presentada en este artículo considera
cierta simplificación al evaluar un nivel de vulnerabilidad a
escala AGEB. Líneas futuras de trabajo dentro de este ámbito
deberán considerar tanto materiales de construcción como
sistemas estructurales y de esta manera estimar el riesgo por
inundación en la infraestructura expuesta.
Resultados como los presentados en este trabajo permiten a
través de un nivel de incertidumbre que instituciones o
dependencias logren incorporar dentro de la planificación
territorial ciertas medidas o acciones que contribuyan con la
mitigación de la vulnerabilidad para la zona aledaña al cauce
del río La Sabana.
Referencias
Bukovsky, M. S. and D. J. Karoly (2009). "Precipitation
simulations using WRF as a nested regional climate model."
Journal of applied Meteorology and Climatology 48(10):
2152-2159.
Cintineo, R., J. A. Otkin, et al. (2014). "Evaluating the
performance of planetary boundary layer and cloud
microphysical parameterization schemes in convectionpermitting ensemble forecasts using synthetic GOES-13
satellite observations." Monthly Weather Review 142(1): 163182.
Di Baldassarre, G. and S. Uhlenbrook (2012). "Is the current
flood of data enough? A treatise on research needs for the
improvement of flood modelling." Hydrological Processes
26(1): 153-158.
Dudhia, J., D. Gill, et al. (2008). A description of the
advanced research WRF version 3, NCAR technical note,
NCAR/TN–475+ STR.
Efstathiou, G., N. Zoumakis, et al. (2013). "Sensitivity of
WRF to Boundary Layer Parameterizations in Simulating a
Heavy Rainfall Event using Different Microphysical Schemes.
Effect on Large-Scale Processes." Atmospheric Research.
INEGI (2008). "Nube de Puntos LIDAR ajustada al Terreno,
Bloque conformado por las cartas 1:50,000: E15A75,
E15A76, E15A85, E15A86 del Instituto Nacional de
Estadística." Geografía e Informática.
López-Espinoza, E., J. Zavala-Hidalgo, et al. (2012).
"Weather forecast sensitivity to changes in urban land covers
using the WRF model for central Mexico." Atmósfera 25(2):
127-154.
Pappenberger, F., K. Beven, et al. (2005). "Cascading model
uncertainty from medium range weather forecasts (10 days)
through a rainfall-runoff model to flood inundation
predictions within the European Flood Forecasting System
(EFFS)." Hydrology and Earth System Sciences 9(4): 381393.
Pedrozo-Acuña, A., J. P. Rodríguez-Rincón, et al. (2013).
"Estimation of probabilistic flood inundation maps for an
extreme event: Pánuco River, México." Journal of Flood Risk
Management: n/a-n/a.
Rodriguez-Rincon, J., A. Pedrozo-Acufia, et al. (2012).
"Probabilistic estimation of flood maps: An ensemble
approach." Comprehensive Flood Risk Management:
Research for Policy and Practice: 183.
Shrestha, D. L. and D. P. Solomatine (2008). "Data‐driven
approaches for estimating uncertainty in rainfall‐runoff
modelling." International Journal of River Basin Management
6(2): 109-122.
USDA, S. (1972). "National Engineering Handbook, Section
4: Hydrology." Washington, DC.