Análisis de Conectividad Entre Cenotes Con Tomografía de Resistividad Eléctrica y Teoría de Redes

CENTRO DE INVESTIGACIÓN Y DE ESTUDIOS AVANZADOS
DEL INSTITUTO POLITÉCNICO NACIONAL
UNIDAD MÉRIDA
DEPARTAMENTO DE FÍSICA APLICADA
Análisis de la conectividad entre cenotes a través de Tomografía de

Resistividad Eléctrica y Teoría de Redes
Tesis que presenta
Mariana Patricia Gómez Nicolás
para obtener el grado de
Maestra en Ciencias
en
Fisicoquímica
Directores de Tesis: Dr. Rodrigo Huerta Quintanilla
Dr. Mario Rebolledo Vieyra
Mérida, Yucatán Agosto 2014

Abstract
The ring of cenotes (AC) is an alignment of numerous cenotes (in a semicircular form
with a diameter of 180 km), located in northwestern Yucatan, Mexico. Approximately
coincides with a concentric ring of the buried Chicxulub structure, which has been identi-
fied as the product of a meteor impact. Secondary permeability generated by the fracturing
and faulting of the sedimentary sequence in the Chicxulub impact, has favored the kars-
tification process and therefore the development of underground rivers that carry water
from the mainland to the sea.
This work implements network theory to the study of hydrological connectivity in a

cluster of 11 cenotes within the AC. Eight transects of electrical resistivity tomography
(ERT) were used as an empirical basis. Each transect was acquired directly in the field,
with the equipment SuperSting R1 / IP using a dipole-dipole configuration. As a theore-
tical model, an adapted version of the algorithm of reliability in communication networks
was used.
The methodology used allow us to assign a probability value for the connection between
cenotes, based on the length separating them and the number and size of conduits which
can be located via (ERT).
It was found that the connectivity between cenotes occurs preferentially (36 % more likely)
in the east-west direction, however, a number of improvements are discussed to account
for the error associated with this estimate.
ii
Resumen
El anillo de cenotes (AC) es una alineación de abundantes cenotes, en forma semicircu-

lar (180 km de diámetro), ubicada en el noroeste de Yucatán, México. Coincide aproxima-
damente con un anillo concéntrico de la estructura enterrada de Chicxulub, que ha sido
identificada como producto del impacto de un meteorito. La permeabilidad secundaria
generada por el fracturamiento y fallamiento de la secuencia sedimentaria en el impacto
de Chicxulub, ha favorecido el proceso de karstificación y por lo tanto el desarrollo de rı́os
subterráneos que llevan agua desde el continente hacia el mar.
Este trabajo implementa la teorı́a de redes al estudio de la conectividad hidrológica en

un cúmulo de 11 cenotes dentro del AC. Se utilizan como base empı́rica, ocho transectos
de tomografı́a de resistividad eléctrica (TRE), los cuales fueron adquiridos en trabajo de
campo con el equipo SuperSting R1/PI empleando una configuración dipolo-dipolo. Como
modelo teórico se emplea una versión adaptada del algoritmo de confiabilidad en redes de
comunicación.
La metodologı́a permite asignar un valor de probabilidad para la conexión entre ceno-

tes, basándose en la longitud que los separa y en el número y tamaño de conductos que
se pueden localizar vı́a TRE.
Se encontró que la conectividad entre cenotes se da preferencialmente (36 % más pro-

babilidad) en la dirección este - oeste, sin embargo, una serie de mejoras son discutidas
para dar cuenta del error asociado a esta estimación.
iii
Agradecimientos
Al Dr. Rodrigo Huerta Quintanilla, por ofrecer todo lo que estuvo al alcance de su
mano en aras de que el trabajo se realizara. Por su ingenio, carisma y gran calidad humana.
Al Dr. Mario Rebolledo Vieyra, por su disposición, experiencia y trato. Porque

con sus desafı́os hizo de este trabajo, una experiencia de aprendizaje que trascendió lo
académico.
Al Dr. Oscar Eduardo Arés Muzio, por ser ejemplo de lo que un cientı́fico debe ser.
Al Dr. Román Castro Rodrı́guez, por sus valiosos comentarios como sinodal.
Al M. en C. Efrain Canto Lugo, por participar en esta tesis de maestrı́a con sus
habilidades como programador, su ojo clı́nico como revisor y su nı́tido pensamiento ma-
temático.
Al CONACyT por el apoyo económico brindado en mis estudios de maestrı́a.
Al CINVESTAV por abrirme las puertas.
Al CICY por la hospitalidad y accesibilidad en el uso de sus recursos.
Al Arqlgo. Carlos Peraza Lope y la Arqlga. Eunice Uc González por su apoyo

en el trabajo de campo dentro de la zona de Mayapán.
iv
A mi famila.
Al Dr. Francisco Martı́n Esquivelzeta Rabell por todas y cada una de sus en-
señanzas.
A Pablo Emmanuel Ochoa Sandoval, porque mejor compañero de campo no pude

haber tenido.
Al Sr. Acrelio Pacheco, por facilitarnos el acceso a sus terrenos.
Al Ing. Ramón Contreras, Sr. Florentino Garcı́a Garcı́a, Sr. Victor Manuel
Ceh Caamaly Sr. Wilberth Enrique Pool Canul, por las facilidades en el préstamo
de vehı́culos.
A Fernando Jesus Rubio Escalante, Graciano Antonio Puch y Jorge, por su

ayuda en las salidas de campo.
A Bertha Maribel Pech Polanco, por las traducciones maya - español.
A Said Jalife Jacobo, por hacerme tan Said.
A mis amigos de la maestrı́a, especialmente a Alba Margarita Vargas Caamal y

José Alberto Rosales Pérez, por hacer de la vida un carnaval de risas.
v
Contenido
Abstract II
Resumen III
Agradecimientos IV
Introducción 1
Motivación . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 1
Antecedentes . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 2
Importancia . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 4
Objetivo general . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 4
Objetivos especı́ficos . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 4
Estructura de la tesis . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 5
1. Karst, laboratorio de procesos fisicoquı́micos 6

1.1. Conceptos básicos . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 6
1.2. Propiedades de la roca caliza . . . . . . . . . . . . . . . . . . . . . . . . . . . . 7
1.2.1. Propiedades fı́sicas . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 8
1.2.2. Propiedades quı́micas . . . . . . . . . . . . . . . . . . . . . . . . . . . . 8
1.3. Estructura de un acuı́fero kárstico . . . . . . . . . . . . . . . . . . . . . . . . . 9
1.4. Evolución del karst . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 9
1.5. Yucatán como sistema kárstico . . . . . . . . . . . . . . . . . . . . . . . . . . 10
1.5.1. Geologı́a . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 11
1.5.2. Hidrologı́a . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 12
1.5.3. Anillo de cenotes . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 13
1.6. Análisis de sistemas kársticos . . . . . . . . . . . . . . . . . . . . . . . . . . . 14
2. Tomografı́a de Resistividad Eléctrica (TRE) 16

2.1. Propiedades eléctricas de las rocas . . . . . . . . . . . . . . . . . . . . . . . . 16
2.2. Ley de Ohm . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 17
2.2.1. Resistividad aparente . . . . . . . . . . . . . . . . . . . . . . . . . . . . 19
2.3. Arreglo Dipolo - Dipolo . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 20
2.4. Adquisición de datos . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 20
2.5. Proceso de inversión . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 21
vi
Contenido
3. Teorı́a de redes 24
3.1. Una poderosa herramienta . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 25
3.2. Teorı́a de Redes y Geofı́sica . . . . . . . . . . . . . . . . . . . . . . . . . . . . 25
3.3. Elementos de teorı́a de redes . . . . . . . . . . . . . . . . . . . . . . . . . . . . 26
3.4. Confiabilidad de la red . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 28
4. Metodologı́a 30
4.1. Selección de cenotes . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 30
4.2. Adquisición de Tomografı́a de Resistividad Eléctrica . . . . . . . . . . . . . . 31
4.4. Determinación de conductos . . . . . . . . . . . . . . . . . . . . . . . . . . . . 34
4.5. Cálculo de probabilidad . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 35
5. Resultados y Discusión 37
5.1. Adquisición de Tomografı́a de Resistividad Eléctrica . . . . . . . . . . . . . . 39
5.3. Determinación de conductos . . . . . . . . . . . . . . . . . . . . . . . . . . . . 45
5.4. Cálculo de probabilidad . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 49
5.5. Trabajo a futuro . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 54
Conclusiones 55
A. Lista de incidencia y valores q 56
B. European Geosciences Union General Assembly 2014 60
vii
Introducción
La mayor parte del agua dulce no congelada del planeta es agua subterránea almace-
nada en los acuı́feros (Langmuir et al., 1997). Las aguas subterráneas son el recurso más
importante de agua dulce del mundo ası́ como el más explotado (Ford y Williams, 1989).
Se utilizan intensivamente por el hombre; son la principal fuente de abastecimiento de
agua potable y de riego, y por tanto, fundamentales para la seguridad alimentaria global
(Goldscheider y Drew, 2007).
En muchas áreas del mundo, formaciones kársticas que cubren cerca del 20 % de la
superficie mundial tienen recursos de agua subterránea importantes (Borghi et al., 2012).
Aunque la calidad natural de ésta es a menudo excelente, los acuı́feros kársticos son más
vulnerables a la contaminación que otros tipos de acuı́feros, pues sus caracterı́sticas hidro-
geológicas únicas, tales como la presencia de conductos, permiten que el agua subterránea
fluya rápidamente a lo largo de grandes distancias (Goldscheider y Drew, 2007).
Motivación
En México, un acuı́fero kárstico de enorme interés es la penı́nsula de Yucatán, cu-
ya caracterı́stica topográfica más sobresaliente la constituyen los cenotes (Perez-Ceballos
et al., 2012), los cuales pueden ser encontrados a través de toda la penı́nsula, pero son
particularmente abundantes en una formación semi-circular en la porción norte del estado
de Yucatán: El anillo de cenotes (AC) (Perry et al., 1995).
Debido a la naturaleza geológica del material que conforma la Penı́nsula de Yucatán

y a su elevada permeabilidad, toda el agua que llueve sobre ésta, se infiltra al subsuelo,
por lo que no existen corrientes de agua superficial y consecuentemente la única fuente
de agua para todos los usos en la Penı́nsula de Yucatán es el agua subterránea (siendo
los cenotes una vı́a importante a través de la cual buena parte de la población extrae el
recurso hı́drico) (Diario Oficial de la Federación, 2013).
Por tratarse de un acuı́fero costero con reducido espesor de agua dulce apta para con-
sumo humano, existe un riesgo importante de que el agua salina ascienda y salinice el agua
subterránea. A este riesgo se suma el de la contaminación que se produce a través de gran-
jas, viveros, descargas de agua residual, poblados sin sistemas de drenaje, zona agrı́colas
en las que se emplean intensivamente agroquı́micos, basureros, gasolineras, gaseras, entre
1
Contenido
otros (Marı́n et al., 2000).
Existen muchas preguntas abiertas acerca del funcionamiento de este acuı́fero y el

posible impacto que diferentes escenarios de cambio climático o crecimiento poblacional
puedan ejercer sobre él. La dificultad para responder estas preguntas estriba en que se
trata de un sistema altamente heterogéneo, poseedor de fracturas, conductos y una matriz
carbonatada, que en conjunto almacena y transporta agua (Borghi et al., 2012).
La propuesta de este trabajo es abordar el problema de la conectividad hidráulica en

un subsistema de la penı́nsula de Yucatán, implementando una técnica que ha demostra-
do ser exitosa analizando estructuras de sistemas complejos: la teorı́a de redes. En esta
aproximación, el patrón de conexiones en un sistema dado puede ser representado como
una red que, en su forma más simple, es un conjunto de puntos unidos en pares a través
de lı́neas. En el argot de esta disciplina cada punto se conoce como nodo y las lı́neas como
enlaces (Newman, 2010).
La idea es tratar cenotes y conductos como nodos de la red y buscar un algoritmo

que permita asignar una probabilidad de conexión entre nodos. Este serı́a el primer paso
para en un futuro, hacer predicciones matemáticas sobre los procesos dinámicos que tienen
lugar dentro de la red.
Antecedentes
La penı́nsula de Yucatán es una de las cinco zonas fisiográficas de la República Me-
xicana y cuenta con aproximadamente 300,000 km2 (Beddows et al., 2007). El acuı́fero
Penı́nsula de Yucatán, es un acuı́fero libre, costero, kárstico, muy permeable y notable-
mente heterogéneo respecto a sus propiedades hidráulicas (Diario Oficial de la Federa-
ción, 2013). Por sus caracterı́sticas, este sistema se enfrenta al problema de la eliminación
de aguas negras, ya que la dureza y la pequeña pendiente topográfica de la roca calcárea,
hacen prácticamente imposible o elevadamente costosa la instalación de redes de alcanta-
rillado, ası́ que las aguas residuales domésticas son descargadas directamente al terreno,
fosas sépticas o infiltradas crudas al subsuelo a través de pozos de absorción, provocando
la contaminación de la única fuente de abastecimiento de agua para consumo humano de
la región (Marı́n et al., 2000; Diario Oficial de la Federación, 2013).
Desde hace más de una década, Marı́n et al. (2000) apuntaba que la penı́nsula de Yu-
catán se enfrenta a una situación muy grave en cuanto a suministro de agua potable y
disposición de industriales y efluentes domésticos. Desde entonces se señalaba la necesidad
de monitorear el agua subterránea, regular los desechos e incluso la creación de una zona
de reserva hidrogeológica.
Como ya se mencionó, el acuı́fero Penı́nsula de Yucatán, es un acuı́fero kárstico y

estos se pueden describir como una red de conductos embebidos en, e interactuando con,
2
Contenido
una matriz de roca (Goldscheider y Drew, 2007). El flujo en los conductos es rápido (con
frecuencia > 100 km / h) y, en ocasiones turbulenta, mientras que las velocidades de flujo
en la matriz son mucho más bajas (Borghi et al., 2012; Goldscheider y Drew, 2007; Vuilleu-
mier et al., 2013). Sin embargo, el almacenamiento de agua en los conductos es limitado
(un pequeño porcentaje del volumen de acuı́fero), mientras que el almacenamiento signifi-
cativo se produce en la matriz (Vuilleumier et al., 2013). La existencia de conductos es la
gran diferencia y el gran problema en comparación con otros tipos de acuı́feros, que sólo
contienen poros y / o fracturas intergranulares. En consecuencia, todos los estudios hidro-
geológicos kársticos deben considerar los conductos (Borghi et al., 2012). Investigaciones
espeleológicas permiten observar directamente el flujo de agua en las cuevas. Sin embargo,
estas no son siempre accesibles y, en cualquier caso, sólo representan una fracción de la
red de conductos total (Goldscheider y Drew, 2007).
Los métodos geofı́sicos, tales como tomografı́a de resistencia eléctrica, permiten ver en
la tierra sin excavar o perforar. En hidrogeologı́a kárstica, dichas técnicas son particular-
mente útiles para identificar las zonas de fractura y otras estructuras por debajo de una
cubierta de sedimentos, y para localizar sitios adecuados para perforar pozos de bombeo
(Goldscheider y Drew, 2007; Kirsch, 2006).
Por otro lado, los modelos matemáticos son herramientas poderosas para simular el
flujo de las aguas subterráneas y el transporte de contaminantes en acuı́feros granulares, y
también se pueden utilizar para hacer una predicción fiable, por ejemplo, sobre el impacto
de la extracción de agua o la liberación de contaminantes (Poulter et al., 2008). En los
acuı́feros kársticos, tales predicciones generalmente son problemáticas, sobre todo porque
la red de conductos y fracturas rara vez es lo suficientemente bien conocida (Goldscheider
y Drew, 2007).
Sólo unas cuantas técnicas se han desarrollado para modelar la estructura de las redes
de conductos kársticos. Los más avanzados son los modelos basados en la fisicoquı́mica de
la espeleogénesis (Dreybrodt et al., 2005; Kaufmann y Braun, 2000). Este enfoque permite
la comprensión de la cinética de la evolución del karst, sin embargo es difı́cil de aplicar prin-
cipalmente porque es complicado reconstruir las condiciones paleoclimáticas y geológicas
prevalentes durante su formación y además, son computacionalmente muy exigentes. Otras
aproximaciones consideran modelos puramente estadı́sticos (Henrion et al., 2008; Henrion
et al., 2010), de percolación (Ronayne y Gorelick, 2006) e inclusive modelos estocásticos
pseudogenéticos que contemplan tanto la geologı́a e hidrologı́a del sistema ası́ como la
hipótesis de que el agua y los conductos siguen trayectorias de mı́nimo esfuerzo (Borghi
et al., 2012).
El uso de redes complejas en el estudio de sistemas geofı́sicos ha tenido gran éxito debi-
do a que estos son tı́picamente caracterizados por procesos inherentemente no lineales con
interacciones complejas entre múltiples subsistemas y variables dinámicas que difı́cilmente
pueden ser cubiertas por métodos estándar de análisis (Donges, 2013). Las redes comple-
jas actúan como macroscopios, instrumentos cientı́ficos que condensan la información en
3
Contenido
lugar de magnificarla (Donges, 2013), ya que muchas veces no es falta de información lo

que dificulta el análisis de un sistema sino la incapacidad de extraer de éste los patrones
clave. El éxito de las redes complejas se extiende en campos como: climatologı́a, sismo-
logı́a, ciencias del suelo, geomorfologı́a, series de tiempo, entre otros (Donner et al., 2010).
Hasta el momento de finalizar este trabajo, no se encontró antecedente alguno del uso de
redes complejas en el estudio de sistemas kársticos.
Importancia
Uno de los Objetivos de Desarrollo del Milenio (ODM)1 tiene como una de sus metas
reducir a la mitad, la proporción de personas sin acceso sostenible al agua potable y a
servicios básicos de saneamiento (United Nations, 2014).
México, tiene aún enormes retos para lograr cumplir y mantener estos objetivos. El
acuı́fero de la penı́nsula de Yucatán, actualmente provee de agua a más de 4 millones de
habitantes pero se trata de un sistema particularmente vulnerable a la salinización (por
ser un acuı́fero costero) y a la contaminación (Diario Oficial de la Federación, 2013). Es
por ello que para la explotación y la gestión racional de los recursos de agua subterránea
que provee este acuı́fero resulta necesario conocer a fondo su funcionamiento.
Objetivo general
El objetivo principal es implementar la teorı́a de redes al estudio de la conectividad
hidrológica en un cúmulo de cenotes dentro del AC, usando como base empı́rica, imágenes
de resistividad eléctrica adquiridas en trabajo de campo. Como modelo teórico se usa una
versión adaptada del estudio de fiabilidad o confiabilidad en redes de comunicación.
Objetivos especı́ficos
Ubicar, teniendo en cuenta las bases de datos existentes de SEDUMA (Secretarı́a
de Desarrollo Urbano y Medio Ambiente del Gobierno del Estado de Yucatán), una
zona dentro del anillo de cenotes que cumpla con los requisitos de fácil acceso y alta
densidad de cenotes.
Georeferenciar los cenotes a estudiar empleando el equipo GPS (Global Positioning
System) Trimble Recon.
Aprender el funcionamiento del equipo Supersting R1/IP.
Planear y ejecutar las salidas de campo necesarias para la adquisición de las tomo-
grafı́as de resistividad eléctrica.
1
Los Objetivos de Desarrollo del Milenio son ocho propósitos de desarrollo humano fijados en el año
2000, que los 189 paı́ses miembros de las Naciones Unidas acordaron conseguir para el año 2015.
4
Contenido
Aprender a manipular el software Agi Earth Imager 2D para llevar a cabo los procesos
de inversión de imágenes que permiten trasladar datos de resistividad aparente en
modelos geológicos del subsuelo.
Adaptar algoritmo de confiabilidad de la red al problema especı́fico de conectividad

entre cenotes.
Estructura de la tesis
El capı́tulo 1 profundiza en la definición de topografı́a kárstica como un sistema fisi-
coquı́mico. Además contiene una descripción geológica e hidrológica de la penı́nsula
de Yucatán, poniendo especial énfasis en el anillo de cenotes.
La evidencia empı́rica para el cálculo de la probabilidad de conexión entre cenotes se

obtuvo mediante la técnica geofı́sica de tomografı́a de resistividad eléctrica (TRE).
Los fundamentos teóricos de la técnica ası́ como sus alcances y limitaciones son dis-
cutidos en el capı́tulo 2.
El capı́tulo 3 presenta una breve revisión de conceptos generales de teorı́a de redes y

una revisión del algoritmo que se empleó en el análisis de conectividad entre cenotes.
Este algoritmo es una adaptación a un problema clásico de “confiabilidad de la red”.
La metodologı́a empleada tanto en la adquisición de datos como en la generación del

algoritmo de conectividad es presentada en el capı́tulo 4.
Los resultados y la discusión se encuentran en el capı́tulo 5.
Finalmente, el último apartado está destinado a las conclusiones del trabajo.
5
Capı́tulo 1
Karst, laboratorio de procesos

fisicoquı́micos
Kárstico proviene del vocablo alemán “karst”, que a su vez deriva del vocablo eslo-
veno “kras”, que es una región localizada entre Eslovenia, Croacia e Italia (Gams, 1993).
Originalmente, en el siglo XIX, karst hacı́a referencia a una zona deforestada, rocosa y
árida, localizada entre estos paı́ses. Más tarde, ésta región ha sido referencia de las carac-
terı́sticas topográficas de un karst, la cual, actualmente, se refiere a un terreno de calizas
con estructuras de disolución, fracturas y colapsos originados por la circulación de agua
subterránea (Gams, 1993).
Ya que la zona de estudio, dentro de la penı́nsula de Yucatán, está definida como un

sistema kárstico (Vuilleumier et al., 2013; Finch, 1965; Garcı́a y González, 2010; Perez-
Ceballos et al., 2012; Perry et al., 1995) conviene revisar algunos de los fundamentos que
caracterizan esta topografı́a. El capı́tulo inicia con los términos más comunes asociados
al karst (sección 1.1), en seguida se presenta un breve listado de las propiedades fı́sicas y
quı́micas de las rocas calizas (sección 1.2), componente importante de un sistema kárstico.
El apartado 1.3 describe la estructura de un acuı́fero kárstico, en tanto que sus procesos de
evolución son descritos en la sección 1.4. Referencias a la geologı́a e hidrologı́a del estado
de Yucatán se encuentran en la sección 1.5. El capı́tulo concluye con un listado de los
principales métodos de estudio empleados en sistemas kársticos (1.6).
1.1. Conceptos básicos

Acuı́fero. Son formaciones rocosas capaces de almacenar grandes cantidades de
agua. Los acuı́feros son caracterizados por su espesor, área, almacenamiento de agua
o propiedades para transmitir y mantener la calidad del agua (Gillieson, 2009).
Porosidad. La porosidad de una roca es la fracción de volumen ocupado por poros

o espacios vacı́os (Gillieson, 2009).
H
θ= (1.1.1)
V
6
1.2. Propiedades de la roca caliza
en donde H son poros o espacios vacı́os y V es el volumen de la roca en bulto.
Porosidad primaria. Es el resultado del empaquetamiento de los minerales que

conforman una roca durante su formación y está asociado a los espacios intersticia-
les.
Porosidad secundaria. Se refiere a la porosidad generada a través de la altera-
ción de la roca, normalmente a través de procesos tales como la dolomitización, la
disolución y el fracturamiento (Goldscheider y Drew, 2007).
Permeabilidad. Es la habilidad de una roca para transmitir un fluido (Goldscheider

y Drew, 2007). Una roca debe ser porosa para transmitir fluido, pero los poros deben
estar conectados para que esto ocurra (Gillieson, 2009). Dentro de la gran variedad
de litologı́as carbonatadas dentro de las cuales se forman los acuı́feros kársticos se
pueden reconocer dos miembros generales. Por un lado están las rocas compactas,
altamente endurecidas, que datan comúnmente del Paleozoico. En estos acuı́feros,
donde la porosidad primaria es comúnmente un pequeño porcentaje, la mayorı́a del
flujo es a través de fracturas y conductos, el flujo capilar dentro de los espacios in-
tersticiales es cuantitativamente insignificante. Por el contrario, dentro de las calizas
más jóvenes, sobre todo en las zonas costeras, el flujo a través de zonas con porosidad
primaria puede superar el 50 % (Goldscheider y Drew, 2007).
1.2. Propiedades de la roca caliza

Las rocas kársticas pertenecen a tres clases: los minerales de carbonato (por ejemplo,
calcita, dolomita), minerales de sulfato (yeso, anhidrita) y minerales de halogenuros (ha-
lita) (Oates, 1998). Los minerales carbonatados se componen del anión carbonato CO32− y
diferentes cationes bivalentes. La piedra caliza compuesta de calcita (CaCO3 ) es el mineral
kárstico más importante (Fairchild y Baker, 2012).
Los componentes quı́micos del carbonato de calcio están extensamente distribuidos. El

calcio es el quinto elemento más abundante en la corteza terrestre, en tanto que el dióxido
de carbono conforma alrededor del 0.03 % del volumen de la atmósfera terrestre y se en-
cuentra disuelto tanto en agua salada como en agua dulce (Oates, 1998). La combinación
de iones disueltos de calcio y dióxido de carbono resultan en el depósito de sedimentos de
carbonato de calcio, los cuales consecuentemente se convierten en roca caliza (Fairchild y
Baker, 2012).
Las propiedades fı́sicas y quı́micas de la caliza varı́an enormemente dependiendo de

la ruta a través de la cual se formaron (Oates, 1998). A continuación se listan algunas
de las propiedades fı́sicas y quı́micas que resultan relevantes para este trabajo, las cuales
fueron tomadas de Oates (1998). Las propiedades eléctricas se mencionan brevemente en
el capı́tulo 2.
7
Capı́tulo 1. Karst, laboratorio de procesos fisicoquı́micos
1.2.1. Propiedades fı́sicas

De acuerdo a Oates (1998), la caliza tiene las siguientes propiedades fı́sicas:
Gravedad especı́fica. La gravedad especı́fica de las formas cristalinas del carbonato
g g g
de calcio a 20 °C son: calcita 2.72 3 , aragonita 2.94 3
y dolomita 2.86 3 .
cm cm cm
Porosidad. La porosidad de la caliza varı́a considerablemente en relación al grado de
compactación de la estructura. Valores tı́picos por volumen van del 0.1 al 30 %.
Absorción de agua. Depende de la porosidad y la distribución del tamaño de poro.
Una caliza densa puede contener 0.4 % de su peso en agua mientras que una creta,
caliza blanca, porosa y blanda, puede contener alrededor del 20 %.
1.2.2. Propiedades quı́micas

De acuerdo a Oates (1998), la caliza tiene las siguientes propiedades quı́micas:
Solubilidad. La solubilidad de la calcita en agua destilada libre de dióxido de carbono
mg mg
es 14 a 25° C y 18 a 75°C.
l l
Reacción con dióxido de carbono. El incremento en la solubilidad de la caliza en
presencia de dióxido de carbono es debido a la reacción reversible mostrada en la
ecuación 1.2.1, en la que se forman bicarbonatos de calcio. Por ejemplo, a 20°C
mg
aproximadamente 30 de calcita se disuelve en agua destilada en equilibrio con
l
dióxido de carbono atmosférico.
CaCO3 + H2 O + CO2 → Ca(HCO3 )2 (1.2.1)
Al calentar una solución de bicarbonato de calcio, dióxido de carbono es producido

y carbonato es precipitado.
pH en agua. En términos generales general, las calizas tienen valores de pH entre 8
y 9.
Reacciones con ácidos acuosos. Las calizas reaccionan prontamente con ácidos y son
usados para neutralización ácida en agua.
Calor de reacción con ácidos. El calor de reacción de la calcita con ácido clorhı́drico
kJ
es de 18.8 .
mol
Reacción con gases ácidos. Las calizas reaccionan fácilmente con cloruro de hidrógeno
gasesoso y floruro de hidrógeno formando cloruro y floruro de calcio respectivamente.
Descomposición térmica. El carbonato de calcio se descompone en óxido de calcio y
dióxido de carbono cuando es calentado. El calor de disociación del CaCO3 a 25°C
KJ
es de 1,781 .
Kg
8
1.3. Estructura de un acuı́fero kárstico
1.3. Estructura de un acuı́fero kárstico

El sistema de drenaje Karst puede ser dividido en zonas, cada una de las cuales tie-
ne caracterı́sticas hidráulicas, quı́micas e hidrológicas distintivas (Fairchild y Baker, 2012):
El agua se infiltra en el Karst a través del suelo dentro de la porción denominada

epikarst, una porción de cama rocosa de entre 10 a 30 metros de grosor (Fairchild y Ba-
ker, 2012). A partir de aquı́, el agua se mueve hacia abajo por gravedad hasta que alcanza
la zona en la que todos los poros están llenos de agua. La superficie de separación entre
poros llenos de aire y poros llenos de agua se denomina nivel freático (Gillieson, 2009).
La roca saturada por debajo del nivel freático se llama zona freática, mientras que la
roca que se encuentra en gran parte llena de aire por encima de la capa freática recibe el
nombre de zona no saturada o vadosa (Fairchild y Baker, 2012; Finch, 1965).
Dentro de un karst, el agua se moverá lentamente desde las áreas de recarga, donde
el nivel freático es alto, hacia las áreas de descarga, donde el nivel freático es más bajo.
Este movimiento se produce a lo largo de un gradiente hidráulico que es la diferencia
de altura dividido por la distancia (Fairchild y Baker, 2012).
Figura 1.1: Estructura de un acuı́fero kárstico. Se distinguen tres zonas principales, epikarst
la externa, zona vadosa ( no saturada) y zona freática (saturada). Modificado de Fairchild
y Baker (2012).
1.4. Evolución del karst

Como ya se mencionó, el karst es el resultado de un proceso de disolución de la roca
caliza por aguas naturales a lo largo de rutas previstas por la estructura geológica (Borghi
et al., 2012). La ecuación 1.2.1 es la ecuación fundamental de esta reacción de disolu-
ción, pero la figura 1.2 muestra un esquema más completo, que incluye la formación de
9
espeleotemas1 . El proceso tı́picamente inicia en el suelo, con una alta presión parcial
de dióxido de carbono (PCO2 ) la cual es alta debido a la respiración y descomposición de
materia orgánica. Cuando agua con alta PCO2 alcanza minerales carbonatados, estos serán
disueltos, incrementando la concentración de calcio en solución. Si no hay renovación de
CO2 el agua sigue un ”sistema cerrado”hasta el punto de saturación B, en tanto que si
el CO2 es regenerado manteniendo la PCO2 constante, entonces la saturación alcanzará el
punto C. Conforme el agua desciende dentro de la estructura del sistema kárstico, en algún
punto se encontrará con espacios de aire bajos en PCO2 (respecto a los niveles del suelo),
por lo tanto, el agua desgasifica CO2 entrando en la región sobresaturada y precipitando
CaCO3 (lı́nea discontı́nua C - D) (Fairchild y Baker, 2012).
Figura 1.2: Reacciones quı́micas ocurriendo en el interior del karst.
1.5. Yucatán como sistema kárstico
La penı́nsula de Yucatán es una de las cinco zonas fisiográficas de la República Mexi-

cana y cuenta con aproximadamente 300,000 km2 (Beddows et al., 2007). Consiste de una
gran plataforma carbonatada localizada entre el Golfo de México y el Mar Caribe (figura
1.3).
1
Depósitos minerales secundarios formados en cuevas, tras la génesis de estas.
10
Figura 1.3: Mapa de la Penı́nsula de Yucatán. Se muestra esquemáticamente la posición

del anillo de cenotes, cuya desembocadura al mar ocurre en dos puntos, Celestún y Bocas
de Dzilam. En el anillo de cenotes, dentro de las ruinas de la antigua ciudad de Mayapán,
se ubica la zona de estudio del presente trabajo.
1.5.1. Geologı́a
La geologı́a superficial de Yucatán se caracteriza por la poca existencia de suelo y se
compone en su mayor parte, de una caliza muy dura formada por la solución y precipitación
de carbonato de calcio que cementa granos y fragmentos de conchas cerca de la superficie
del terreno (Garcı́a y González, 2010). Las calizas en la superficie se encuentran formando
una coraza calcárea o reblandecida: en ambos casos resultado del intemperismo quı́mico
que las ha modificado. La coraza calcárea conocida localmente con los nombres de laja o
11
chaltún, es de extrema dureza y constituye la superficie del relieve en grandes territorios

(Garcı́a y González, 2010; Michel y Aguilar, 2011). También existen calizas blandas que
llevan el nombre maya de sascab (tierra blanda). Este material corresponde a rocas sin
consolidar. El espesor de esta capa puede variar desde centı́metros a metros (Garcı́a y
González, 2010).
En términos geológicos el subsuelo del estado de Yucatán está constituido por una
secuencia de sedimentos calcáreos de origen marino del Terciario Reciente. El cuaternario
aflora hacia las zonas costeras (Perry et al., 1995). Los sedimentos terciarios se encuentran
prácticamente en posición horizontal. Aproximadamente los primeros 120 m corresponden
a las calizas masivas, recristalizadas y cavernosas de buena permeabilidad, las cuales se
encuentran cubriendo calizas prácticamente impermeables cuyo espesor alcanza centena-
res de metros hacia la parte noroeste de la penı́nsula (Garcı́a y González, 2010; Perry
et al., 1995).
Debido a las condiciones geológicas imperantes, el acuı́fero es considerado como libre,

excepto en una franja estrecha paralela a la costa (Perry et al., 1995). Esta delgada capa
con espesor entre 0.5 - 1.40 m se extiende a lo largo de 250 Km de costa en una franja
de 2 a 20 Km de ancho. Es prácticamente impermeable, con una porosidad menor al 1 %,
actuando como una barrera que impide el movimiento del agua subterránea hacia el mar
(Garcı́a y González, 2010; Perez-Ceballos et al., 2012).
Descripciones completas de todos los aspectos geológicos de la penı́nsula de Yucatán
pueden encontrarse en (Garcı́a y González, 2010; Vuilleumier et al., 2013; Perry et al., 1995;
Diario Oficial de la Federación, 2013; Michel y Aguilar, 2011; Chávez et al., 2010; Bauer-
Gottwein et al., 2011).
1.5.2. Hidrologı́a
El agua subterránea se mueve de las zonas de mayor precipitación - ubicadas al sur del
estado - hacia las costas, dispersándose hacia el noroeste, noreste y norte, donde se realiza
la descarga natural del acuı́fero rumbo a Celestún (noroeste) y Dzilam de Bravo (noreste)
(Perez-Ceballos et al., 2012). Los flujos preferenciales de agua ocurren principalmente en
aquellos horizontes del acuı́fero que están fracturados (Vuilleumier et al., 2013). Existe una
correlación entre las direcciones de máxima conductividad hidráulica y las orientaciones
del desarrollo preferencial de las cavidades de disolución (Garcı́a y González, 2010). La pro-
fundidad al nivel freático varı́a desde 8 m a 15 m hacia el centro de la penı́nsula, hasta unos
pocos metros en el litoral costero (Perez-Ceballos et al., 2012; Garcı́a y González, 2010).
La hidrodinámica de las aguas subterráneas es caracterı́stica de los acuı́feros fuertemente
karstificados (Garcı́a y González, 2010; Vuilleumier et al., 2013).
Descripciones detalladas de todos los aspectos hidrológicos de la penı́nsula de Yucatán

pueden encontrarse en (Garcı́a y González, 2010; Vuilleumier et al., 2013; Perry et al.,
1995; Marı́n et al., 2000; Bauer-Gottwein et al., 2011).
12
1.5.3. Anillo de cenotes
La palabra cenote viene del vocablo maya ts’ono’ot o d’zonot, que significa “caverna
con depósito de agua” (Beddows et al., 2007). También conocidos como Ch’e’en (plural
Ch’e’enob) los cenotes tienen su origen en el proceso de disolución de la roca que se explicó
en el apartado 1.4. Partiendo de un sistema de circulación horizontal (cueva inundada)
se puede formar una gruta o bien un cenote tipo cántaro por derrumbe o hundimiento
parcial del techo (Beddows et al., 2007). El proceso avanza desde arriba, por infiltración
pluvial, y desde abajo por circulación subterránea. Posteriormente, la totalidad del techo
se derrumba dando lugar a un cenote cilı́ndrico; del cenote cilı́ndrico se puede generar
un cenote tipo aguada por azolve y por hundimiento lento de la zona adyacente (figura
1.4)(Beddows et al., 2007). El número aproximado de cenotes en el estado de Yucatán va
de los 7 000 a los 8 000 cenotes (Beddows et al., 2007).
El anillo de cenotes es la expresión superficial (porción terrestre) del cráter de impacto

Chicxulub (figura 1.3), compuesto de cenotes alineados sobre rocas del Terciario en la
porción noroeste del estado de Yucatán, México (Perry et al., 1995). La geometrı́a del
cráter ha sido verificada vı́a satélite (Pope et al., 1996). Forma una banda de 5 - 20 Km
de ancho que se extiende en un semicı́rculo de alrededor 90 Km de radio centrada en el
puerto de Chicxulub (Perry et al., 1995).
Investigaciones recientes han demostrado que la presencia del anillo de cenotes le con-
fiere al acuı́fero propiedades hidrogeológicas especiales: una alta descarga de agua sub-
terránea en las regiones donde el anillo intercepta la costa; y la presencia de diferentes
medidas de niveles piezométricos en las regiones dentro y fuera del anillo (Rebolledo-Vieyra
et al., 2011; Gondwe et al., 2010; Perry et al., 1995).
13
Figura 1.4: Evolución geológica en la formación de los cenotes y tipos de cenotes. a) Cueva
anquihalina, b) cenote tipo cántaro lótico, c) cenote de paredes verticales, d) cenote tipo
léntico, e) azolve y hundimiento de paredes, f) cenote tipo aguada. Tomado de Beddows
et al., (2007).
1.6. Análisis de sistemas kársticos

Los acuı́feros kársticos requieren técnicas especiales de investigación pues estos son
diferentes de otros ambientes hidrogeológicos (Goldscheider y Drew, 2007). A continuación
se listan algunas de las técnicas más empleadas en su estudio según Goldscheider y Drew
(2007):
Espeleologı́a. Las investigaciones espeleológicas hacen posible el estudio de la red

de conductos y la adquisición directa de muestras de agua subterránea. Sin embargo,
las cuevas no siempre están presentes o no se han explorado y por lo general, no son
representativas de todo el sistema.
Técnicas hidrológicas. Se enfocan en la caracterización y cuantificación de la

recarga y descarga del acuı́fero, estableciendo balances de agua.
Técnicas hidráulicas. Incluyen la construcción de mapas piezométricos y pruebas

hidráulicas en pozos.
Investigaciones hidroquı́micas y microbiológicas. Se realizan principalmen-

te para evaluar la calidad del agua y abordar problemas de contaminación. Los
parámetros hidroquı́micos también pueden ser utilizados como trazadores naturales
para determinar el origen del agua, tiempos de residencia, interacciones agua-roca,
entre otros.
14
1.6. Análisis de sistemas kársticos
Parámetros isotópicos. Utilizados como trazadores naturales, ellos pueden pro-

porcionar información sobre la altitud de la zona de recarga, el origen, edad y tiempo
de residencia del agua subterránea.
Trazadores. El empleo de tintes fluorescentes u otras sustancias son a menudo el

único método que es capaz de proporcionar una evidencia clara y detallada acerca
de las conexiones subterráneas.
Técnicas geofı́sicas. Tienen el potencial de identificar zonas de fractura, conductos,

espesor de capas de la tierra, sitios adecuados para perforar pozos de bombeo entre
otras estructuras por debajo de una cubierta de sedimentos, sin excavar o perforar.
Modelos matemáticos. Los modelos matemáticos son herramientas poderosas pa-

ra simular el flujo de las aguas subterráneas y de contaminantes. En los acuı́feros
kársticos, las predicciones son generalmente problemáticas. Sin embargo, los modelos
pueden ayudar a una mejor comprensión de estos procesos.
Como se aprecia, el esquema de estudio de un sistema kárstico es amplio. Y como

ya se mencionó, la dificultad central en la caracterización de estos sistemas es su enorme
heterogeneidad. El elemento clave de esta heterogeneidad la constituyen los conductos, a
través de los cuales ocurre más del 90 % del flujo (Borghi et al., 2012), de ahı́ que sea
crucial la investigación acerca de la red de drenaje formada por los conductos.
Sólo unas cuantas técnicas se han desarrollado para modelar la estructura de las redes
de conductos kársticos (Borghi et al., 2012). Los más avanzados son los modelos basados
en la fisicoquı́mica de la espeleogénesis (Dreybrodt et al., 2005; Kaufmann y Braun, 2000).
Este enfoque permite la comprensión de la cinética de la evolución del karst, sin embar-
go, es difı́cil de aplicar principalmente porque es complicado reconstruir las condiciones
paleoclimáticas y geológicas prevalentes durante su formación y además, son computacio-
nalmente muy exigentes. Otras aproximaciones consideran modelos puramente estadı́sticos
(Henrion et al., 2008; Henrion et al., 2010), de percolación (Ronayne y Gorelick, 2006) e
inclusive modelos estocásticos pseudogenéticos que contemplan tanto la geologı́a e hidro-
logı́a del sistema ası́ como la hipótesis de que el agua y los conductos siguen trayectorias
de mı́nimo esfuerzo (Borghi et al., 2012).
En el capı́tulo 3 se discute la propuesta de este trabajo, que es, incluir la teorı́a de re-
des como una técnica novedosa para sintetizar y analizar la información que proporcionan
todas las técnicas anteriores y traducirla en probabilidades de conexión. En particular, este
trabajo se centra en el uso de la técnica geofı́sica tomografı́a de resistividad eléctrica
(TRE) como input del modelo de conectividad.
15
Capı́tulo 2
Tomografı́a de Resistividad Eléctrica

(TRE)
Como se refirió en el capı́tulo 1, los métodos geofı́sicos son herramientas usadas común-
mente en el estudio de sistemas kársticos (Goldscheider y Drew, 2007). Una de estas técni-
cas, conocida como tomografı́a de resistividad eléctrica (TRE) emplea fuentes artificia-
les de corriente, las cuales son introducidas en el suelo a través de electrodos (Basheer
et al., 2014). El procedimiento consiste en medir una diferencia de potencial en la vecin-
dad del flujo de corriente y con ello determinar un valor de resistividad aparente el cual
puede ser mapeado en un modelo geológico del subsuelo (Loke, 2001).
En este capı́tulo se discuten los fundamentos de la técnica, comenzando por una revisión
de las propiedades eléctricas de las rocas calizas (apartado 2.1) seguido de las bases teóricas
tanto del proceso de adquisición de datos (apartados 2.2 a 2.4), como del proceso de
inversión (apartado 2.5).
2.1. Propiedades eléctricas de las rocas

La corriente eléctrica puede propagarse en rocas y minerales en tres formas: electrónica,
electrolı́tica y dieléctrica (Telford y Sheriff, 1990). La primera es tı́pica de materiales con
electrones libres como los metales. En un electrolito la corriente es transportada por iones.
La conducción dieléctrica tiene lugar en conductores pobres o aislantes en donde bajo la
influencia de un campo eléctrico externo, se crean ligeros desplazamientos de los electrones
externos respecto a los del núcleo, creando una polarización dieléctrica y produciendo por
tanto una corriente de desplazamiento (Telford y Sheriff, 1990; Griffiths y College, 1999).
En este trabajo se empleó una fuente de corriente continua, por lo tanto, la corriente de
desplazamiento no participa.
Ya que muchas rocas son pobres conductores eléctricos, las resistividades serı́an ex-
tremadamente grandes de no ser por el hecho de que las rocas son usualmente porosas
y los poros están llenos de fluidos, principalmente agua (Telford y Sheriff, 1990). Co-
mo resultado, las rocas son conductores electrolı́ticos, y por tanto, la resistividad varı́a
16
2.2. Ley de Ohm
con la movilidad, la concentración y el grado de disociación de los iones (Samouëlian

et al., 2005; Kirsch, 2006; Telford y Sheriff, 1990). Una tabla con los valores promedio
de resistividad para diferentes minerales se puede encontrar en Telford y Sheriff (1990,
p.285) y una discusión acerca de como depende la resistividad respecto a la porosidad de
los materiales se halla en Hersir y Árnason (2009).
2.2. Ley de Ohm

Para comprender la técnica de TRE es necesario retomar algunos conceptos de elec-
tricidad. A continuación se listan las ecuaciones más relevantes, tomadas de Sen-ben Liao
(2004).
Corriente eléctrica I se define como:

dQ
I= (2.2.1)
dt
Velocidad de drift v#d de un electrón en un conductor es:
#
#
v =
e Eτ
(2.2.2)
d
me
donde me es la masa de un electrón, τ es el tiempo promedio entre colisiones sucesivas

#
y E es el vector de campo eléctrico.
Corriente promedio en un conductor Iprom es:
Iprom = nqvd A (2.2.3)
donde n es el número de los portadores de carga, q es la carga de cada portador, vd

es la velocidad de drift y A es el área de la sección transversal.
#
La densidad de corriente J a través del área de la sección transversal de un alambre
es:
#
J = nq v#d (2.2.4)
La ley de Ohm microscópica dice que la densidad de corriente es proporcional al

campo eléctrico y la constante de proporcionalidad es llamada conductividad σ:
# #
J = σE (2.2.5)
El factor proporcional σ es una constante empı́rica que varı́a de un material a otro.
El recı́proco de la conductividad σ es llamado resistividad ρ:

1
ρ= (2.2.6)
σ
17
Capı́tulo 2. Tomografı́a de Resistividad Eléctrica (TRE)
La ley de Ohm macroscópica dice que la resistencia R de un conductor es el cociente

de la diferencia de potencial ∆V entre las terminales del conductor y la corriente I:
∆V
R= (2.2.7)
I
La resistencia está relacionada a la resistividad a través de

ρl
R= (2.2.8)
A
donde l es la longitud y A el área de la sección transversal del conductor.
La resistividad de un metal está relacionada a τ por:
1 me
ρ= = 2 (2.2.9)
σ ne τ
De la ecuación ∇ × E = 0, segunda ecuación de Maxwell en electrostática (Jackson,

1962), se puede expresar el vector de campo eléctrico como el gradiente de un potencial,
i.e.
E = −∇φ (2.2.10)
Combinando las ecuaciones 2.2.5 y 2.2.10 se obtiene
J = −σ ∇φ (2.2.11)
La relación entre la densidad de corriente J y la corriente I cuando las fuentes de

corriente son puntuales es (Dey y Morrison, 1979):
I
∇⋅J= δ(x − xs )δ(y − ys )δ(z − zs ) (2.2.12)
∆υ
en donde ∆υ es un elemento de volumen alrededor de la fuente de corriente I, localizada

en (xs , ys , zs ).
De las ecuaciones 2.2.11 y 2.2.12 se obtiene la ecuación fundamental para la distribución

de potencial debida a una fuente puntual de corriente:
I
−∇ ⋅ [σ(x, y, z) ∇φ(x, y, z)] = δ(x − xs )δ(y − ys )δ(z − zs ) (2.2.13)
∆υ
18
2.2. Ley de Ohm
2.2.1. Resistividad aparente

La ecuación 2.2.13 se puede resolver analı́ticamente en unos cuantos casos especı́ficos,
por ejemplo, si la fuente de corriente es colocada en la superficie de un medio homogéneo
e isotrópico y el aire por encima de ésta tiene conductividad cero, se puede demostrar que
el potencial está dado por (Telford y Sheriff, 1990):
ρI
φ= (2.2.14)
2πr
en donde r es la distancia de un punto en el medio hasta el electrodo (fuente de

corriente). Como en la práctica se emplean arreglos de cuatro electrodos, la diferencia de
potencial en un medio homogéneo se calcula como (Telford y Sheriff, 1990; Loke, 2001;
Samouëlian et al., 2005):
ρI 1 1 1 1
∆φ = ( − − + ) (2.2.15)
2π rA M rB M rA N rB N
en donde los términos similares a rA M se refieren a la distancia entre el electrodo A y el
electrodo M. El electrodo A es el electrodo de corriente positivo, B electrodo de corriente
negativo, M electrodo de potencial positivo y N electrodo de potencial negativo (figura 2.1).
Se denomina factor geométrico k (Loke, 2001) al término
2π
k= (2.2.16)
1 1 1 1
− − +
rA M rB M rA N rB N
Si el medio NO es homogéneo, entonces lo que se puede calcular es la resistividad

aparente (ρa ), por lo tanto, la ecuación 2.2.15 adquiere la forma (Loke, 2001):
∆φ
ρa = k = kR (2.2.17)
I
Figura 2.1: Arreglo convencional de cuatro electrodos paa medir resistividad. Adaptado
de Loke (2005).
19
2.3. Arreglo Dipolo - Dipolo

Existen muchas posibles configuraciones en las que se pueden disponer los electrodos
A, B, M y N (Telford y Sheriff, 1990; Kirsch, 2006; Loke y Barker, 1996). En este trabajo,
se empleó el arreglo dipolo-dipolo (figura 2.2), cuyo factor geométrico puede deducirse
de la ecuación 2.2.16 si se toma en cuenta que rA M = na y que tanto rB A = rM N = a con
a longitud de dipolo y n factor de espaciamiento:
k = πn(n + 1)(n + 2)a (2.3.1)
El arreglo dipolo-dipolo tiene la ventaja de poseer una alta sensibilidad lateral, por lo cual,
resulta más sencillo mapear estructuras como cavernas o conductos (Telford y Sheriff, 1990;
Loke, 2001). Una discusión detallada acerca de la profundidad de penetración de la técnica
se puede encontrar en Edwards (1977).
Figura 2.2: Arreglo dipolo - dipolo. Adaptado de Loke (2005).
2.4. Adquisición de datos

Como se ve de la figura 2.2 hay tres parámetros que se pueden variar en el arreglo:
número de electrodos, a y n. Es importante distinguir entre la separación de electrodos l
y el parámetro a, el cual representa la longitud del dipolo.
Para suministrar corriente y medir potencial, se emplean largos cables conteniendo los
electrodos (véase figura 4.2). Normalmente, el fabricante dispone los electrodos con una
separación predeterminada (l) (en este trabajo se empleó una separación entre electrodos
l = 5m). Para el arreglo dipolo-dipolo la medición inicia con una separación de dipolo
a = 1l. La primera secuencia de medidas es hecha con n = 1 seguido de la secuencia con n = 2
manteniendo la separación de dipolo a = 1l constante. Para subsecuentes medidas, el factor
de espaciamiento n incrementa hasta un máximo de 5. Para incrementar la profundidad
de investigación, la longitud del dipolo incrementa a = 2l, y se realiza otra serie de medidas
con diferentes valores de n (véase figura 2.3) (Loke, 2001; Advanced Geosciences, 2009;
Kirsch, 2006).
20
2.5. Proceso de inversión
Figura 2.3: Arreglo dipolo - dipolo. Adaptado de Loke (2005).

Las teorı́as fı́sicas permiten hacer predicciones: dada una descripción completa de un
sistema fı́sico, podemos predecir los resultados de algunas mediciones. Este problema de
predecir el resultado de las mediciones lo denominamos modelado directo. El problema
inverso consiste en usar los resultados de una medida dada para inferir los valores de los
parámetros que caracterizan el sistema (Tarantola, 2005).
Mientras que el modelado directo tiene (en fı́sica determinista) una solución única, el
problema inverso no lo tiene. Como un ejemplo, se puede considerar el campo gravitacional
alrededor del planeta Tierra: dada una distribución de masa dentro del planeta, se puede
predecir unı́vocamente los valores del campo gravitatorio alrededor del planeta (modela-
do directo), pero existen diferentes distribuciones de masa que producen exactamente el
mismo campo gravitacional. Por lo tanto, el problema inverso - de inferir la distribución
de masa a partir de las observaciones de campo gravitacional- tiene múltiples soluciones
(de hecho, un número infinito) (Tarantola, 2005).
Sea G el sistema fı́sico bajo estudio, en nuestro caso, el subsuelo. El procedimiento
cientı́fico para estudiar este sistema se puede dividir en tres pasos:
Parametrización del sistema. Establecer un conjunto mı́nimo de parámetros (model

parameters) cuyos valores caractericen por completo el sistema. La elección de los
model parameters usada para describir un sistema en general no es única. Pero para
discusiones cuantitativas del sistema, se debe elegir una parametrización especı́fica,
lo cual significa definir un conjunto de procedimientos experimentales que permitan,
al menos en principio, medir las cantidades fı́sicas que caracterizan al sistema.
21
Modelado directo. Usando leyes fı́sicas, se hacen predicciones de los resultados de

las mediciones sobre los parámetros observables (para un conjunto dado de model
parameters).
Modelado directo
Ley fı́sica + parámetros del sistema ⇒ DATOS sintéticos (o predichos)
Modelado Inverso. Para obtener información sobre los model parameters, se tienen
que realizar observaciones durante algún experimento fı́sico, i.e., mediciones sobre
algún parámetro observable. El modelado inverso usa los resultados de las medi-
ciones sobre los parámetros observables para inferir los valores reales de los model
parameters.
Modelado inverso
DATOS medidos (voltaje y corriente) ⇒ Model parameters (distribución de
resistividad subterránea)
Para comparar la calidad entre los datos reales y los predichos son útiles las siguientes
cantidades:
RMS. La calidad de un ajuste de datos puede ser caracterizada por el parámetro

de raı́z cuadrática media o root mean squared (RMS) definido como:
¿
Á N dPi red − dM ed
Á∑ ( i
)
Á i=1
Á
À dM ed
RM S = i
(2.5.1)
N
Donde N es el número total de mediciones, dP red son los datos que se predicen
mientras que dM ed son los datos medidos.
Norma L2. Como el RMS es otra medida de ajuste de datos dada por:
N
dPi red − dM ed
L2 = ∑( i
)2 (2.5.2)
i=1 Wi
Donde N es el número total de mediciones, dP red son los datos que se predicen
mientras que dM ed son los datos medidos y Wi es el peso de datos.
El proceso de inversión puede entonces esquematizarse de la siguiente manera (Advanced Geos-

ciences, 2009):
Con los datos crudos de voltaje y resistividad, además del factor geométrico se cal-
cula (usando la ecuación 2.2.17) ρmedida .
22
Se toma una distribución promedio de ρmedida y la nombramos A.
Se lleva a cabo el proceso de modelado directo, entonces, partiendo de A, arreglo de

electrodos (k), y la corriente que se inyectó al sistema (I) se puede resolver la ecua-
ción 2.2.13 y obtener ρpredicha 0 , una distribución de resistividad aparente predicha.
Se calcula el RMS entre ρmedida y ρpredicha 0 .
Se aplica el proceso de inversión a ρpredicha 0 , es decir, ahora se busca una nueva

distribución de resistividad del subsuelo A1 .
Se aplica nuevamente modelado directo a la distribución A1 para generar ρpredicha 1
Se calcula el valor RMS entre ρmedida y ρpredicha 1 .
El proceso continúa hasta que cualquiera de los criterios de convergencia se satisface

(estos criterios deben especificarse al inicio del proceso de inversión). Por ejemplo,
uno de los criterios usados para detener el proceso de iteración fue que el RMS fuera
menor al 5 %.
Detalles sobre el proceso de inversión, los diferentes métodos y técnicas de resolución

pueden encontrarse en Loke (2001), Tarantola (2005), Constable et al. (1987), Dey
y Morrison (1979) y Loke y Barker (1996).
23
Capı́tulo 3
Teorı́a de redes
¿Qué se entiende por sistemas complejos? Este término posee diferentes significados
según la disciplina. Carece de una definición rigurosa fuera de un contexto especı́fico.
Amaral y Ottino (2004) hacen la siguiente distinción entre sistemas simples, complicados
y complejos:
Los sistemas simples tienen un pequeño número de componentes, los cuales

actúan de acuerdo a leyes bien entendidas. El péndulo es quizá el prototipo
de un sistema simple. El número de partes es pequeño y puede ser descrito a
través de las ecuaciones de Newton aunque, no obstante, sea capaz de generar
una dinámica compleja.
Los sistemas complicados tienen un gran número de componentes cada uno de

las cuales tiene un rol especı́fico y son gobernados por leyes bien entendidas.
Poseen un rango limitado de respuestas a cambios del entorno. Un avión o
barco son ejemplos de sistemas complicados.
Los sistemas complejos tienen un gran número de componentes, los cuales pue-
den actuar de acuerdo a reglas que cambian en el tiempo y que pueden ser no
bien entendidas; la conectividad de los componentes puede ser flexible y los
roles pueden ser fluidos. Son sistemas adaptables que responden al entorno. El
mercado de valores, una colonia de termitas, las ciudades, el cerebro humano
son sistemas complejos.
La caja de herramientas actual utilizada para hacer frente a los sistemas com-
plejos involucra tres categorı́as principales (i) dinámica no lineal, (ii) fı́sica
estadı́stica y (iii) teorı́a de redes.
Este capı́tulo está dedicado precisamente a hablar sobre la teorı́a de redes, y se ha

estructurado de la siguiente forma:
24
3.1. Una poderosa herramienta
El apartado 3.1 discute las diversas ventajas del uso de redes en el análisis de sistemas
complejos y en 3.2 se ofrecen algunos ejemplos de esto en el caso particular de sistemas
geofı́sicos.
Como las redes pueden ser estudiadas desde diferentes ángulos, la sección 3.3 presenta
una lista con las principales definiciones y medidas que a menudo son empleadas en su
análisis. El capı́tulo cierra con la sección 3.4 en donde se explica el algoritmo para un pro-
blema de confiabilidad de la red mismo que será empleado en este trabajo para el cálculo
de probabilidad de conexión entre cenotes.
3.1. Una poderosa herramienta

Las redes son reconocidas como estructuralmente simples, aunque poderosas represen-
taciones de la diversidad de sistemas complejos encontrados en la naturaleza, tecnologı́a y
sociedad humana. Los ejemplos van desde redes neuronales, redes de regulación genética
en biologı́a, hasta el internet y redes sociales en sociologı́a (Albert y Barabási, 2002; New-
man, 2010).
La teorı́a de redes complejas permite una detallada y cuantitativa investigación de la
topologı́a y evolución de sistemas interconectados (Costa et al., 2007) ası́ como explorar
la interacción entre la estructura de la red y la dinámica de los elementos que interactúan
(Arenas et al., 2008). La idea fundamental detrás de esta teorı́a es descubrir qué aspectos
de la conducta compleja observada de los sistemas en red del mundo real se puede explicar,
centrándose en su estructura de interacción y dejar de lado la mayorı́a de los otros detalles
como los diferentes tipos de interrelaciones entre o dinámicas sobre los subcomponentes
(Donges, 2013).
3.2. Teorı́a de Redes y Geofı́sica

Muchos fenómenos geofı́sicos pueden ser descritos como sistemas complejos, por ejem-
plo, aquellos que involucran eventos extremos que a menudo no siguen una distribución
gaussiana, la cual se esperarı́a si se tratara de sucesos azarosos y no correlacionados co-
mo en el caso de los terremotos (Bak y Tang, 1989; Bak, 1997), ejemplos del “efecto
Noah”(llamado ası́ por Benoit Mandelbrot en relación a las excepcionalmente fuertes llu-
vias en el diluvio bı́blico). Watkins (2013) ofrece una visión general de algunos de los
modelos matemáticos que han sido utilizados para estudiarlos.
Son cada vez más los trabajos que incluyen análisis de redes en la búsqueda de patrones,
por ejemplo, Boers et al. (2014) lo aplican a la predicción de lluvias extremas en el sur
de América, especı́ficamente al este de los Andes Bolivianos y en el norte de Argentina
logrando una predicción mayor al 60 % (90 % bajo condiciones de El Niño) y sólo 1 % de
falsas alarmas. Por su parte, Seybold y Rothman (2014) analizan más de un millón de rı́os
mapeados digitalmente dentro del territorio continental de Estados Unidos encontrando
que existen ángulos crı́ticos en los que la ramificación se correlaciona fuertemente con la
25
Capı́tulo 3. Teorı́a de redes
recarga del agua subterránea. Poulter et al. (2008) emplean algoritmos de teorı́a de redes
para investigar de forma eficiente el manejo de grandes sistemas de drenaje en la costa
del Norte de Carolina, E.U. demostrando que la teorı́a de redes puede ser aplicada para la
planeación en el manejo y monitoreo de problemas asociados a incrementos del nivel mar.
3.3. Elementos de teorı́a de redes

La siguiente es una lista, tomada de Vega-Redondo (2007), con las principales defini-
ciones y conceptos que se aplican en teorı́a de redes.
Definición 3.1 (Red). Una red Γ = (N, L) está dada por un conjunto finito de nodos
N = {1, 2, ..., n} y un conjunto de enlaces L ⊆ N × N . En este trabajo estamos interesados
en redes en donde, como máximo, existe un enlace entre dos pares de nodos, los enlaces
son ponderados y no existen loops (i.e. (i, i) ∉ L). Las redes puedes ser directas o indi-
rectas. Si son directas la existencia de un enlace (i,j) de i a j no implica que el enlace
inverso (j,i) exista. Una red indirecta es tal que si (i, j) L entonces (j, i) L. Se dice
que una red es completa si los (n2 ) enlaces posibles existen.
Definición 3.2 (Matriz de adyacencia). Matriz de n × n que cumple:
1 si (i, j) ∈ L
aij = { (3.3.1)
0 en otro caso
Definición 3.3 (Vecindad). Conjunto de nodos que están conectados a un nodo dado
i∈N
η i = j ∈ N ∶ (i, j) ∈ L (3.3.2)
Una red, sea aleatoria o determinista, tiene varias caracterı́sticas y medidas, a continua-
ción se mencionan las más importantes, las cuales son referidas en capı́tulos posteriores.
Definición 3.4 (Grado). Para cualquier nodo dado i ∈ N , se define su grado como:
Z i = ∣η i ∣ = ∣{j ∈ N ∶ (i, j) ∈ L}∣, (3.3.3)
donde η i es la vecindad de primer orden, esto es, los nodos que están inmediatamente
conectados con i, también denotado por η1i .
Usaremos la notación < Z1 >=< k > para referirnos al grado promedio de una red.
Definición 3.5 (Distribución de grado). Para cualquier red Γ = (N, L), su distribución
de grado p(.), se especifica para cada k = 0, 1, ..., n − 1 como
1
p(k) = ∣{i ∈ N ∶ Z i = k}∣. (3.3.4)
n
26
3.3. Elementos de teorı́a de redes
Definición 3.6 (Densidad). La densidad de una red es el grado promedio dividido

entre n-1.
Definición 3.7 (Distancia geodésica). La distancia geodésica d(i, j) está definida como
el mı́nimo número de enlaces que se necesitan para conectar dos nodos i y j. Si tal ruta
no existe se utiliza la convención d(i, j) = ∞, por simplicidad se asume que en toda red
siempre habrá una ruta que une dos nodos cualesquiera, por lo tanto la distancia entre
cualquier par de nodos es finita y se puede construir la distribución w̄ especificando la
fracción w̄(r) de pares de nodos que están a la distancia r, esto es
∣{(i, j) ∈ N × N ∶ d(i, j) = r}∣
w̄(r) = , (3.3.5)
n(n − 1)
donde ∑r>0 w̄(r) = 1. Con base en la distribución w̄, el promedio de la distancia geodésica
de la red puede calcularse como
d¯ = ∑ rw̄(r) (3.3.6)
0<r<∞
Definición 3.8 (Diámetro). El diámetro se refiere a la máxima distancia geodésica

que existe entre cualquier par de nodos de la red, está dado por
dˆ = max{r ∶ w̄(r) > 0} (3.3.7)
Definición 3.9 (Clustering). Para cada nodo i ∈ N que tiene al menos dos vecinos, su
clustering C i está definido como la fracción de pares de vecinos de i que son vecinos entre
sı́. Para introducir esta noción formalmente, se debe notar que para cualquier nodo i ∈ N ,
el número de posibles parejas de vecinos es Z (Z2 −1) . Entonces el clustering está dado por
i i
∣{(j, k) ∈ L ∶ (i, j) ∈ L ∧ (i, k) ∈ L}∣

Ci = Z i (Z i −1)
(3.3.8)
2
Para cada nodo i ∈ N con menos de dos vecinos, o sea Z i < 2, se define C i = 0. Por lo
tanto, el promedio del clustering de todos los nodos, llamado ı́ndice de clustering de la red
está definido como
1 n
CΓ = ∑ C i (3.3.9)
n i=1
Definición 3.10 (Cohesividad). Dada una red Γ = (N, L), sea M ⊂ N un subconjunto
de nodos. Para cada i ∈ M la fracción de sus conexiones que caen dentro de M está dada
por:
∣ij L ∶ j M ∣
Hi (M ) =
zi
27
Capı́tulo 3. Teorı́a de redes
de este modo, la cercanı́a se define como
H = mı́n Hi (M )
iM
Definición 3.11 (Intermediación). Si se asume que la red es conexa, entonces se consi-

deran todos los caminos más cortos uniendo cualquiera dos nodos j y k (j ≠ k) y denotamos
por ν(j, k) = ν(k, j) el número total. Sea ν i (j, k) el número de aquellos caminos que no solo
conectan j y k, sino que también atraviesan un nodo particular i(i ≠ j ≠ k ≠ i). Entonces
la intermediación del nodo i está dado por:
ν i (j, k)
bi ≡ ∑ (3.3.10)
j≠k ν(j, k)
Y la intermediación de toda la red:

1 n i
bΓ = ∑b (3.3.11)
n i=1
Definición 3.12 (Cercanı́a). Este parámetro mide la distancia promedio de cualquier

vértice a otros vértices. Sea dij la longitud de una trayectoria geodésica desde i hasta j,
1
entonces li = ∑j dij es la distancia geodésica promedio desde i hasta j promediada sobre
n
todos los vértices j de la red. La cercanı́a se define como el inverso de la cantidad anterior:
1
Ci = (3.3.12)
li
3.4. Confiabilidad de la red

Un modelo popular en informática y teorı́a de la comunicación es el de confiabilidad de
la red. Se trata de una red con nodos y enlaces en la que los enlaces están sujetos a fallas. El
principal objeto de estudio en tal problema es la probabilidad de que un conjunto especial
de k nodos, llamados terminales permanezcan conectados uno con otro (Gertsbakh y
Shpungin, 2011). En análisis “estándar”de confiabilidad, incluso una pequeña red es un
sistema con un gran número de estados. Por ejemplo, una red completa con 10 nodos
tiene 245 , 45 = 10 C 2 diferentes estados binarios, que es un número enorme, y por tanto
el cálculo “directo”de confiabilidad es impracticable. Encontrándose con éstas y similares
situaciones, los esfuerzos en investigación se han dirigido hacia el uso de la simulación
Monte Carlo (MC). El método MC es un experimento especialmente diseñado a través
del cual es posible obtener una estimación de los parámetros de confiabilidad de la red
de interés. A continuación se enuncia el problema de confiabilidad de la red tal y como
aparece en Fishman (1996):
Sea G una red indirecta con un conjunto de vértices V y un conjunto de enlaces

E = 1, ..., m. Nodos y enlaces representan componentes de un sistema en donde
28
3.4. Confiabilidad de la red
los nodos son perfectos pero los enlaces fallan aleatoria e independientemente.
Sea 1 − qi la probabilidad de que el enlace i falle, i E . Sea yi = 1 si el enlace i
opera e yi = 0 si el enlace i falla. Entonces y = (y1 , ..., ym ) denota el estado de
los m enlaces y Y el conjunto de todos los vectores y.
Considere dos nodos s y t en V y sea
φ(y) = 1 si s y t en V están conectados cuando el estado y ocurre
φ(y) = 0 de otra manera
P (y, q) = ∏ qiyi (1 − qi )1−yi (3.4.1)

iE
g(q) = ∑ φ(y)P (y, q) (3.4.2)

y Y
g(q) = probabilidad de que s y t estén conectados

que alternativamente se puede escribir como:
g(q) = ∑ P (y, q) (3.4.3)

y Y1
donde
Y1 = {y Y ∶ φ(y) = 1 }
La ecuación 3.4.3 representa la base del cálculo de la probabilidad de conexión entre

cenotes. En el apartado 4.5 se detalla el proceso para obtener tanto los enlaces como los
valores del vector q.
29
Capı́tulo 4
Metodologı́a
4.1. Selección de cenotes
Tomando como punto de partida una base de datos proveniente de la Secretarı́a de

Desarrollo Urbano y Medio Ambiente de Yucatán (SEDUMA) se eligió una zona dentro del
anillo de cenotes que fuera tanto cercana a la ciudad de Mérida, alta en densidad de cenotes
y de fácil acceso. La zona elegida, a 40 kilómetros al sureste de Mérida, resultó pertenecer
a lo que fuera el centro polı́tico primado de la cultura maya durante el perı́odo Posclásico
Tardı́o, la ciudad amurallada de Mayapán (Russell, 2013). Gracias a esta casualidad, fue
posible echar mano de la información que equipos de arqueólogos han hecho en esta región.
Resultó particularmente útil la información proporcionada por el mapa topográfico de
Jones (1952). Como se puede apreciar en la figura 4.1, el mapa proporciona una noción
de la ubicación de los cenotes más no las coordenadas que permiten cálculos precisos de
distancias. Fue necesario entonces, realizar diversas salidas de campo con el fin de localizar
cada cenote y geoposicionarlo. El equipo empleado en tal tarea fue un Trimble Recon 400X,
adquiriendo coordenadas UTM1 basado en el datum WGS 84 (World Geodetic System 84).
La numeración de los cenotes va del 1 al 11 y hay cinco cenotes etiquetados con letras.
Estos últimos no participaron en el análisis de conectividad, pero nos pareció relevante
incluir al menos sus coordenadas como una aportación de este trabajo a la actualización
de la base de datos de SEDUMA.
1
Universal Transversa Mercator, véase (Fernández-Coppel, 2001).
30
4.2. Adquisición de Tomografı́a de Resistividad Eléctrica
Figura 4.1: Conocida como “Bandera de los Mayas” , la ciudad amurallada de Mayapán
es considerada como la última gran capital maya. En el centro de dicha muralla yace el
templo de Kukulkán, una réplica del Castillo de Chichén Itzá pero en menor dimensión.
En la figura se muestra el mapa topográfico de las ruinas de Mayapán, Yucatán, México
que data de 1952 a cargo de la Carnegie Institution (Jones, 1952). Los cenotes incluidos
en el estudio se han numerado del 1 al 11. Los cenotes etiquetados con letra únicamente
fueron georeferenciados.
4.2. Adquisición de Tomografı́a de Resistividad Eléctri-

ca
La disposición espacial de los transectos se decidió, en buena medida, en base a la fa-
cilidad de acceso en el terreno aprovechando senderos y caminos ya existentes y al mismo
tiempo procurando que cada nuevo transecto aportara información acerca de la conectivi-
dad entre cenotes. La disposición final de los ocho perfiles tomados (T1,T2,T3. . . T8) ası́
como las coordenadas de los electrodos iniciales (electrodo 1) y finales (electrodo 71) de
cada transecto se especifican en el capı́tulo 5.
En la adquisición de imágenes por resistividad eléctrica (también llamados transectos
o perfiles) se empleó el equipo Super Sting R1/IP de Agiusa. El aparato es capaz de medir
en un rango de +/- 10V con una resolución máxima de 30 nV, una intensidad de corriente
de salida de 1mA – 2000 mA continua, voltaje de salida 800 Vp-p (aunque el voltaje
real del electrodo depende de la corriente transmitida y de la resistividad del terreno) y
31
Capı́tulo 4. Metodologı́a
potencia de salida de 200 W.
Figura 4.2: Montaje de todos los componentes del SuperSting R1/IP. Fı́sicamente, consta
de los siguientes elementos: Consola de instrumentos SuperSting, switch box (sistema de
conmutación central que tiene la capacidad de cambiar los electrodos a cualquier función
A, B, M o N) (véase apartado 2.2)), cable pasivo (355 m) con electrodos numerados del 1
al 72 con una separación de 5 metros uno de otro (el electrodo # 72 no funcionaba debido
a que se encuentra dañado), estacas de acero inoxidable (72). El procedimiento para cada
medición comienza con el tendido del cable sobre el terreno de estudio. Es importante
cuidar que la numeración de los electrodos sea consecutiva y que los electrodos centrales,
es decir, el electrodo 36 y 37 queden en el centro del transecto y conectados al switch
box. Enseguida se colocan las estacas (algunas veces es necesario perforar el terreno con
taladro) y se sujetan los electrodos a estas mediante los resortes de acero inoxidable.
Para especificarle al equipo cómo realizar las mediciones, se creó, previo a las salidas de
campo, un único archivo de comandos (*.cmd) mediante el Agi Super Sting Administrator
(versión 1.3.4.207.). Los parámetros empleados fueron los siguientes:
Número de electrodos: 71 (pues el electrodo #72 no funcionaba debido a fallas en el

equipo)
Tipo de arreglo: dipolo-dipolo
Cobertura de datos extendida: Activa

A−M
Max n: 5 (cociente de distancias )
A−B
Max Dipolo: 10
32
Número de ciclos: 2
El SuperSting R1/PI sólo cuenta con un canal, esto significa que tiene un único re-
ceptor, de modo que para cada inyección de corriente, el potencial sólo puede ser medido
entre dos electrodos. Por lo tanto, sólo cuatro electrodos, dos para la corriente y dos para
el potencial, se utilizan en cada medición. Considerando lo anterior, y bajo el esquema
antes listado, los 2,175 comandos o lecturas fueron adquiridos en un tiempo promedio de
6 horas (por transecto).
Para invertir los datos se empleó el software Agi Earth Imager 2D version 2.4.0.
EarthImager denomina pseudosección de resistividad aparente medida a la gráfica que re-
sulta de abrir los datos crudos. Después de atravesar por todo el proceso de inversión, se
obtiene una sección de resistividad invertida. Los parámetros que determinan como ha de
realizarse el proceso de inversión se pueden clasificar en tres grupos: iniciales, simulación
directa e inversión.
Los ajustes iniciales permiten establecer los criterios para la remoción de datos espu-
rios, por ejemplo, es posible asignar cotas superiores e inferiores a los valores de voltaje
medidos y ası́ discriminar señales con buena intensidad de aquellas que sólo representan
ruido ambiental. En este trabajo se eliminaron señales que satisficieran cualquiera de los
siguientes criterios: voltaje < 0.2 mV, ρa < 0.01 Ohm-m, ρa > 1 × 105 Ohm-m.
Para la simulación directa se eligió el método de elementos finitos, descomposición de

Cholesky y condiciones de frontera tipo Dirichlet.
El método de inversión elegido fue smooth model el cual se detalla en Constable et al.
(1987). El modelo inicial está basado en un semiespacio homogéneo con un valor de resis-
tividad igual a la media de todos los valores de resistividad aparente (AVG AppRes).
Finalmente, se estableció una escala universal de colores a fin de que los resultados
entre transectos fueran fácilmente comparables entre sı́. La escala puede apreciarse en la
figura 4.3.
33
Figura 4.3: Propiedades de color y contorno. Se asoció a cada color un intervalo de resisti-
vidad. Son 16 colores en total dispuestos con sus respectivos valores en escala logarı́tmica.
4.4. Determinación de conductos

La adquisición de TRE se realizó con la finalidad de brindar información sobre con-
ductos que potencialmente puedan contener agua y de esta forma conectar un cenote con
otro. El siguiente paso fue extraer de las ocho secciones de resistividad invertida (figuras
5.4 a 5.11 ) aquellas regiones cuya resistividad pudiera ser representativa de un cuerpo
de agua. Gracias a la literatura (Perez-Ceballos et al., 2012) sabemos que el agua en la
zona de estudio presenta una resistividad de entre 6 a 12 Ohm-m, sin embargo, debido a
la incertidumbre en el proceso de inversión, se consideró un intervalo más amplio, 1 a 47
Ohm-m. Los conductos ası́ elegidos, se muestran numerados en la figura 5.12 (la razón de
que la numeración inicie en 12 se explica en el apartado 4.5).
El área de cada conducto se calculó de dos diferentes formas, área total y área pondera-
da (mediante el programa Image J 1.48v). El área total es el área del conducto considerando
el intervalo completo de 1 a 47 Ohm-m. El área ponderada se calcula de la ecuación
5
Z = ∑ Wi Ai (4.4.1)
i=1
en donde cada Ai representa el área del conducto relativa al color ai (figura 4.3) y los
Wi son los pesos que describen el porcentaje de agua que un material con resistividad ai
puede tener. Tomando como referencia Telford y Sheriff (1990, p. 285) y Bauer-Gottwein
et al. (2011), se acordó asignar los siguientes valores para W: W1 = 0.8 (porque es un
valor de resistividad caracterı́stico de agua salina, W2 = 0.9 (porque 3 - 6 Ohm-m es un
valor de resistividad común en agua con mayor contenido de sales), W3 = 1 (porque 6 -12
Ohm-m es el valor de resistividad medido para agua libre directamente en cenotes de la
región Perez-Ceballos et al. (2012)), W4 = 0.5 y W5 = 0.3 porque la probabilidad de que el
material contenga agua libre disminuye y en cambio, aumenta la probabilidad de que se
trate de agua atrapada en una matriz rocosa.
34
4.5. Cálculo de probabilidad

El cálculo de la probabilidad de conexión entre cenotes se efectuó con base en el algorit-
mo descrito en la sección 3.4. Trasladar nuestro problema a un problema de confiabilidad
de la red implicó determinar todos los elementos de la ecuación (3.4.2). i.e. nodos, enlaces
y vector q.
Se decidió que los nodos estuvieran conformados tanto por cenotes como por los con-
ductos determinados según el apartado 4.4. En total, 11 cenotes (numerados del 1 al 11)
y 23 conductos (numerados del 12 al 34).
En cuanto a los enlaces, decimos que existe un enlace entre dos nodos s y t si es posible
trazar una lı́nea recta que una a s y t sin que ésta atraviese ningún transecto 2 . Con este
criterio se obtuvo un número de enlaces m = 138, cada enlace fue numerado para repre-
sentar unı́vocamente la interacción entre dos nodos especı́ficos, por ejemplo, el enlace 114
es aquel que une los nodos 17 y 32. La lista completa de incidencia puede encontrarse en
el apéndice A mientras que una representación gráfica de los enlaces se encuentra en la
figura 5.14.
Finalmente, a cada uno de los 138 enlaces, fue necesario asignarle un valor qi , i.e., la
probabilidad de que el enlace i “opere”(que en este contexto se refiere a la probabilidad
de que el enlace exista). Esta probabilidad se construyó a partir de dos funciones D(X)
y A(Z), la primera dependiendo de la distancia entre nodos X = X(s, t) y la segunda del
área ponderada de los conductos Z = Z(t) (véase ecuación 4.4.1):
D(X) = e−αX(s,t) (4.5.1)
A(Z) = 1 − e−βZ(t) (4.5.2)

en donde
α = λγ
λ = inverso de la distancia promedio entre nodos
ln(0.01)
γ=
−3000
β = ητ
2
Sin que ambos sean cenotes y tampoco, en el caso de los conductos, que se encuentren sobre el mismo
transecto
35
η = 1 = parámetro que define área crı́tica
τ = inverso del área promedio de los conductos

La figura 4.4 muestra el comportamiento de las dos funciones. En particular se puede
apreciar que la finalidad del parámetro γ es obligar a la exponencial D(X) a asumir el
valor de 0.01 cuando la separación entre cenotes es de 3000 m, en tanto que el parámetro
η establece un valor crı́tico de área de conducto por encima del cual la probabilidad de
que ésta contenga agua es del 50 %. Ambos son parámetros arbitrarios que se eligieron
en base a la experiencia que se tiene con el sistema de cavernas en el estado de Yucatán
(Bauer-Gottwein et al., 2011).
Figura 4.4: Funciones de probabilidad.
De este modo, cuando se tienen dos nodos, cenote (s) - conducto (t), el valor de q se
calcula como:
q(s, t) = e−αX(s,t) (1 − e−βZ(t) ) (4.5.3)
Mientras que en el caso conducto - conducto q viene dado por:
q(s, t) = e−αX(s,t) (1 − e−βZ(s) )(1 − e−βZ(t) ) (4.5.4)
Para implementar la ecuación 3.4.2 se necesita especificar el vector y, el cual denota

el estado de los m enlaces. ¿Cuántas configuraciones posibles existen para el vector y?
equivale a preguntar ¿De cuántas formas se pueden acomodar ceros y unos en m casilleros?
La respuesta es 2m y ya que m = 138, 2138 ∼ 3.48 × 1041 por lo que resulta impracticable
hacer un muestreo de todos los posibles vectores y.
En lugar de eso, se formaron seis clusters con un número máximo de enlaces de 23 y
además se crearon de forma aleatoria 5 × 106 vectores y para realizar el muestreo. Los
resultados de todo este proceso se muestra en la tabla 5.6.
36
Capı́tulo 5
Resultados y Discusión
La mayorı́a de los cenotes de Mayapán son cenotes de paredes verticales cuyo acceso
serı́a posible sólo con equipo de rappel. Encontrarlos no resultó fácil, la apertura exte-
rior es apenas de unos cuantos metros de diámetro, pero a menudo, grandes y frondosos
árboles ayudaban a identificarlos (figura 5.1a), pues estos suelen crecer justo en el exterior
con enormes raı́ces que penetran el subsuelo hasta alcanzar el manto freático (figura 5.1b).
(a) Álamo en el exterior del

cenote (b) Dentro del cenote
Figura 5.1: Cenote 4: X-te toloc. En el exterior de la mayorı́a de los cenotes se pueden
encontrar árboles frondosos (a) cuyas extensas raı́ces se extienden hasta alcanzar el manto
freático (b).
En este capı́tulo, y en la misma secuencia que se presentó la metodologı́a, se discuten

todos los resultados del trabajo. En primer lugar la lista de todos los cenotes explorados
y la posición de los transectos de TRE. A continuación, las ocho imágenes obtenidas por
TRE y la subsecuente delimitación de conductos que de ellas se extrajo. El capı́tulo cierra
con los resultados que la implementación del algoritmo de confiabilidad arrojó para la red
de cenotes.
La figura 5.2 presenta el mapa final de cenotes y transectos. Se puede apreciar que
se trata de una región de aproximadamente 800 m × 600 m. Los transectos T1, T2, T5,
T6 Y T7 se colocaron sobre senderos ya existentes, en tanto que para los transectos T3,
T4 y T8 fue necesario abrir brecha. Desde luego, por las dificultades del terreno, resultó
imposible colocar los transectos en estricta lı́nea recta, pero considerarlos ası́ es una muy
37
Capı́tulo 5. Resultados y Discusión
buena aproximación.
Figura 5.2: Configuración final de los cenotes y transectos incluidos en el análisis de co-
nectividad.
Los transectos T1, T2 y T3 fueron traslapados deliberadamente con el fin de cubrir la

información deficiente que un sólo transecto tiene debido a efectos de borde, y en añadidura,
servirá más adelante para discutir que tan comparables son unas mediciones respecto a
otras midiendo con el mismo equipo, en el mismo sitio, pero en diferentes dı́as. La posición
en coordenadas UTM del primer y último electrodo, ası́ como la fecha de adquisición se
encuentran en la tabla 5.1.
38
5.1. Adquisición de Tomografı́a de Resistividad Eléctrica
Tabla 5.1: Coordenadas UTM (Zona 16 Q) de cada transecto. Se especifica la ubicación

del primer y último electrodo.
Coordenadas
Transecto Fecha de adquisición Electrodo 1 Electrodo 71
Coordenada este Coordenada norte Coordenada este Coordenada norte
mE mN mE mN
T1 7 de Febrero 2014 243493.86 2282411.90 243513.46 2282742.58
T2 12 de Febrero 2014 243496.32 2282285.47 243511.30 2282620.32
T3 13 de Febrero 2014 243464.29 2282181.28 243503.75 2282480.09
T4 17 de Marzo 2014 243514.67 2282650.07 243733.74 2282413.81
T5 18 de Febrero 2014 243726.23 2282227.82 243771.33 2282541.29
T6 25 de Febrero 2014 243277.29 2282214.13 243614.63 2282240.59
T7 21 de Febrero 2014 243276.30 2282224.89 243310.06 2282518.69
T8 4 de Marzo 2014 243308.26 2282509.86 243622.20 2282540.55
El mapa de Jones (1952) muestra los cenotes (1, 2, 4, 5, 7, 10, 11, a, b, c y e) con sus
respectivos nombres en maya. La tabla 5.2 presenta la lista de los cenotes preservando el
nombre original y en los casos donde el cenote no aparecı́a nombrado, se le asignó uno.
El cenote 6 no aparece en el mapa original de Jones (1952), su ubicación se debió a la
colaboración del Sr. Acrelio Pacheco, dueño de esas tierras y que amablemente nos condujo
hasta él.
Tabla 5.2: Coordenadas UTM (Zona 16 Q) de cenotes. Se incluyen nombres en maya y
español.
Coordenada este Coordenada norte
Etiqueta Nombre Maya Nombre español
mE mN
1 Yo Dzonot 243447.55 2282336.06 Encima del Cenote (yóok’ ts’ono’ot)
2 Xut zum ch’en 243719.15 2282503.86 El cenote de la cuerda cortada.
3 Ts’ono’otil che’ lúuba’an 243913.37 2282424.16 Cenote del árbol caı́do
4 X-te toloc 243500.61 2282603.32 El cenote del Tolok (lagartija verde con cresta)
5 Yax nab 243429.45 2282614.47 El primer mar / primer cenote
6 Ts’ono’otil chan x nook’ol 243704.15 2282380.91 Cenote del gusanito
7 Ch’en pie 243439.15 2282517.96 Al pie del pozo
8 Ts’ono’otil ch’ı́ich’o’ob 243472.50 2282330.69 Cenote de las aves
9 Ts’ono’otil xuuxo’ob 243135.13 2282378.12 Cenote de las avispas
10 Ch’en kulu 243424.61 2282157.07 Cenote del mapache
11 Ch’en carro 243869.20 2282296.56 —
a Xleth 244095.81 2282862.49 —
b Cosil 244239.88 2282631.46 Cenote arrollado
c Zuytum Cab 244115.25 2282610.08 Cenote del centro de piedra vı́bora
d Ts’ono’otil moots 244040.39 2282624.84 Cenote de una raı́z
e Sac Uayum 244724.71 2282570.87 El cenote del árbol de huayas blancas
5.1. Adquisición de Tomografı́a de Resistividad Eléctri-

ca
La complicación mayor de la técnica TRE es la instalación del transecto. Este proceso
dura desde 2.5 hasta 7 horas, según el terreno. La principal dificultad consiste en enterrar
los electrodos y tratar de mantener la configuración en lı́nea recta, pues a menudo la po-
sición de las estacas coincide con extensas placas de laja o chaltún, caliza seca que forma
39
corazas de extrema dureza (Zúñiga y Palacio, 2005).
Una medida de la calidad de la instalación del electrodo se obtiene a través de la re-

sistencia de contacto. Se trata de un test previo a la verdadera adquisición de datos, y
se realiza para asegurar que todos los electrodos están conectados apropiadamente con
una resistencia de contacto razonablemente baja (Advanced Geosciences, 2005). Cuando
el test comienza, el instrumento manda una corriente entre los primeros dos electrodos y
al mismo tiempo mide el voltaje entre estos. La medición es mostrada en pantalla, y si ésta
es significativamente alta, se revisa el par de electrodos, se vuelven a instalar o inclusive,
se añade agua con sal en el sitio donde la estaca es plantada. La figura 5.3 muestra las
resistencias de contacto de los ocho transectos.
En el manual del Supersting R1/IP Advanced Geosciences (2005) no se menciona

ningún valor umbral para la resistencia de contacto por encima del cual se deba reinstalar
el electrodo, por ello, durante la adquisición de datos no se reparó en este aspecto. Más
tarde, al iniciar la siguiente etapa de procesamiento de imágenes, se encontró la siguiente
especificación en el manual del software Advanced Geosciences (2009, p. 34) “un valor
de resistencia de contacto por encima de 10,000 Ohms es un clara señal de un electrodo
pobremente instalado”. Esta información no se tomó en cuenta sino hasta que se llegó
al proceso de inversión y se revisó el manual. Por ello, existen transectos con electrodos
cuya resistencia de contacto es de hasta 55,000 Ohms. Sin embargo, de haberse tratado de
una falta de cuidado en la instalación, este error se habrı́a presentado sistemáticamente
en todos los transectos, pero hay una tendencia, los transectos cuyos electrodos tuvieron
peor contacto son en orden decreciente T6, T4, T7 y T8 y justamente fueron estos los que
estuvieron colocados sobre laja que hubo que perforar incluso con taladro. En el apartado
5.2 se discute como afectó esta situación al proceso de inversión de datos.
Es importante mencionar también, que las salidas de campo se realizaron en el trans-

curso de un mes, durante ese tiempo, las condiciones de temperatura y humedad en la zona
de estudio no fueron las mismas. Por ejemplo, los transectos T2 y T7 se adquirieron an-
tes, durante y después de precipitaciones intensas. El instrumento y los electrodos pueden
soportar condiciones de lluvia, sin embargo, la humedad en la consola o en los conectores
aumenta la oportunidad de fuga de corriente eléctrica, además, después de una tormenta,
el agua se filtra y al moverse a través del suelo crea streaming potentials que son registrados
por el equipo, afectando por tanto, la calidad de los datos (Advanced Geosciences, 2005).
40
Figura 5.3: Resistencia de contacto en TRE. Se puede observar que los transectos con peor
contacto son en orden decreciente T6, T4, T7 y T8. Esto se atribuye a las condiciones del
terreno.

Las ocho imágenes por TRE son presentadas en las figuras 5.4 a 5.11. Hay varios
elementos que se pueden discutir en estas gráficas. Primero, el contraste en resistividad
permite identificar la zona no saturada (colores cálidos 1000 - 100000 Ohm-m) de la
matriz saturada con agua. Los colores frı́os pueden interpretarse como la zona saturada,
especı́ficamente los colores cyan-verde (100 -1000 Ohm-m) pueden asociarse a roca caliza
micro fracturada (Telford y Sheriff, 1990). Para la escala de colores veáse la figura 4.3.
41
Figura 5.4: Transecto 1 (T1). Fecha de adquisición 7 de febrero de 2014
Figura 5.5: Transecto 2 (T2). Fecha de adquisición 12 de Febrero de 2014. Durante la

medición se presentó tormenta eléctrica.
Figura 5.6: Transecto 3 (T3). Fecha de adquisición 13 de Febrero de 2014.
42
Figura 5.7: Transecto 4 (T4). Fecha de adquisición 17 de Marzo de 2014. Terreno con
abundante laja.
43
Figura 5.10: Transecto 7 (T7). Fecha de adquisición 21 de Febrero de 2014. Lluvias intensas
durante el proceso de medición.
Figura 5.11: Transecto 8 (T8). Fecha de adquisición 4 de Marzo de 2014.
En la tabla 5.3 se listan los valores RMS, número de iteraciones y norma L2 para cada
uno de los 8 transectos, en todos los casos, excepto en los transectos T4 y T6 el valor
RMS fue < al 13 %, lo cual según Basheer et al. (2014) es considerado un buen signo en
la calidad de los datos. Los transectos T4 y T6, como se explicó en la sección anterior,
presentaron problemas en la resistencia de contacto, esto sin duda debió afectar el proceso
de inversión reflejándose en el alto RMS exhibido.
44
Tabla 5.3: Valores RMS y L2 por transecto
RMS
Transecto Iteración L2
%
1 9 4.89 0.96
2 10 6.69 1.77
3 10 6.42 1.65
4 10 55.42 30.71
5 10 6.3 1.6
6 10 30.6 9.36
7 10 10.33 4.26
8 6 9.86 0.97
En campo, mediante una sonda de nivel estático se midió la profundidad a la que

se encontraba el agua subterránea dentro de los cenotes. Esta distancia medida desde la
superficie del terreno hasta la superficie del agua en el subsuelo arrojó un valor promedio de
14 m. Como se aprecia en las TRE, el nivel freático se encuentra dentro de un rango de 12 -
20 m de profundidad. Este hecho apoya de cierta manera la hipótesis de un modelo en dos
dimensiones para abordar el problema de conectividad, al menos en primera aproximación.
Siguiendo el proceso descrito en el apartado 4.4 del capı́tulo de metodologı́a, fueron

identificados 34 conductos (figura 5.12).
45
Figura 5.12: Conductos determinados a partir de valores de resistividad en el rango 1 a 47

Ohm-m .
El área total y ponderada para cada conducto según la ecuación 4.4.1 se lista en la tabla
5.4. A primera vista, se puede concluir que los transectos T1, T2, T3, T5 Y T7 revelan un
mayor flujo de agua en la dirección este - oeste, respecto a la que presentan los transectos
T8 y T6 (dirección norte - sur). Sin embargo, harı́a falta un mayor número de transec-
tos en esta última orientación para poder contrastar la direccionalidad de flujo, y verificar
si efectivamente ésta se da en el sentido del anillo de cenotes (Bauer-Gottwein et al., 2011).
46
Tabla 5.4: Área total y área ponderada de los conductos halladas en mediciones de TRE
obtenidas según se explica en el apartado 4.4.
Caverna Área Total Área ponderada (Z)

m2 m2
12 22 7
13 171 52
14 262 92
15 318 131
16 12 7
17 79 36
18 159 50
19 76 23
20 170 62
21 346 157
22 774 296
23 42 15
24 55 19
25 22 12
26 297 125
27 299 106
28 174 61
29 201 68
30 17 9
31 599 310
32 38 28
33 295 96
34 271 107
Finalmente, se agregó un cálculo para las coordenadas UTM (x,y) de cada conducto,
basándonos en la separación del centro geométrico del conducto al primer electrodo del
transecto (figura 5.13). Se empleó la siguiente ecuación:
√
d2
x= + x0 (5.3.1)
1 + m2t
y = m t x + bt (5.3.2)
en donde
d = separación horizontal del centro geométrico del conducto al electrodo 1
47
mt = pendiente del transecto
bt = ordenada al origen del trasecto
x0 = coordenada x del electrodo 1
Figura 5.13: Para el cálculo de las coordenadas UTM de los conductos se usó como refe-
rencia el primer electrodo de cada transecto.
48
Tabla 5.5: Coordenadas UTM de conductos
Coordenada este Coordenada norte

Etiqueta
mE mN
12 243498.00 2282481.77
13 243510.13 2282686.41
14 243499.67 2282360.40
15 243508.61 2282560.20
16 243472.15 2282240.76
17 243474.77 2282260.59
18 243491.13 2282384.51
19 243545.27 2282617.07
20 243572.46 2282587.74
21 243599.66 2282558.41
22 243736.20 2282297.11
23 243745.46 2282361.45
24 243749.02 2282386.19
25 243750.44 2282396.09
26 243486.64 2282230.55
27 243506.58 2282232.11
28 243561.41 2282236.41
29 243591.32 2282238.76
30 243284.29 2282294.43
31 243288.29 2282329.20
32 243296.28 2282398.74
33 243304.27 2282468.29
34 243307.12 2282493.12

En este apartado se muestran los resultados del cálculo de probabilidad de conexión en-
tre cenotes, usando las definiciones del vector q y el vector y explicadas en el apartado 4.5.
En la figura 5.14 se han representado nodos y enlaces. Los nodos de color rojo (1 a
11) representan cenotes y, en azul (12 a 34), están representados los conductos. Hay en
total 138 enlaces (lı́neas negras) y con diferentes recuadros se han enmarcado los 6 clus-
ters analizados. Cada uno de los enlaces, tiene una probabilidad de existir calculada según
se explicó en el apartado 4.5. En el apéndice A se encuentra la lista completa de estos
valores. Nótese que en esta figura no hay enlaces cenote-cenote, pues como se explicó con
anterioridad, la probabilidad de que exista un enlace entre cenotes se calculó en base al
algoritmo de confiabilidad (véase 3.4).
La tabla 5.6 contiene el resultado central de este trabajo de tesis, la probabilidad de

conexión entre cenotes. Como se explicó en el capı́tulo 4, el tiempo de cómputo limitó el
tamaño de los clusters, por ello, en vez de tomar todas las combinaciones posibles de ce-
49
notes y analizarlas, se formaron seis clusters con un número máximo de enlaces de 23 cada
uno. De las 55 parejas que se pueden formar con 11 cenotes, en este trabajo se analizaron
30, el resto no se revisó por razones de tiempo.
Son particularmente interesantes los clusters 6 y 5, ya que el primero, orientado en

dirección este - oeste, muestra en promedio 36 % más probabilidad de conexión entre ce-
notes que el cluster 5, orientado en dirección norte a sur. No obstante, serı́a necesario un
mayor número de transectos orientados este - oeste para poder contrastar la direccionali-
dad de flujo, y verificar si efectivamente ésta se da en el sentido del anillo de cenotes como
Bauer-Gottwein et al. (2011) han propuesto.
Otro punto de interés sobre la tabla 5.6, es que para una misma pareja de cenotes, se
tienen varias probabilidades de conexión, por ejemplo, si se elige la pareja formada por los
cenotes 3 y 6, analizando el cluster 3 vemos que la probabilidad de conexión es de 0.661 en
tanto que el cluster 6 arroja el valor de 0.035. Es evidente que estos valores no tendrı́an por
qué ser iguales, dado que cada cluster refleja trayectorias diferentes dentro del subsuelo, y
éste, como se explicó en el capı́tulo 1, es altamente heterogéneo. Ası́ que, a pesar de que
se asumieron trayectorias en lı́nea recta para establecer los enlaces, dividir el sistema en
clusters permite discernir las direcciones preferenciales sobre las que los nodos se conectan.
50
Figura 5.14: En la figura se muestran 3 elementos diferentes: Nodos, enlaces y clusters.

Hay dos tipos de nodos: cenotes (en rojo, numerados del 1 al 11) y conductos (en azul,
numerados del 12 al 34). Las lı́neas negras representan enlaces (en total 138). En diferentes
colores se enmarcan los 6 clusters analizados.
51
Tabla 5.6: Probabilidad de conexión entre cenotes calculada según algoritmo de confiabi-
lidad.
Cluster 1 Cluster 2
Nodos: 1, 7, 8, 9, 30, 31, 32, 33 y 34 Nodos: 2, 4, 5, 7, 12, 13, 15, 19, 20 y 21
Enlaces: 20 Enlaces: 18
N 1 7 8 9 N 2 4 5 7
1 0 0.875 0.877 0.878 2 0 0.594 0.575 0.003
7 0 0 0.861 0.873 4 0 0 0.672 0.004
8 0 0 0 0.870 5 0 0 0 0.003
9 0 0 0 0 7 0 0 0 0
Cluster 3 Cluster 4
Nodos: 2, 3, 6, 11, 12, 14, 18, 22, 23, 24 y 25 Nodos: 6, 8, 10, 16, 17, 22, 26, 27, 28 y 29
N 2 3 6 11 N 6 8 10
2 0 0.581 0.669 0.615 6 0 0.230 0.728
3 0 0 0.661 0.537 8 0 0 0.182
6 0 0 0 0.688 10 0 0 0
11 0 0 0 0
Cluster 5 Cluster 6
Nodos: 1, 4, 8, 10, 12, 14, 15, 17, 18, 26 y 27 Nodos: 1, 3, 6, 8, 9, 14, 18, 24 y 31
N 1 4 8 10 N 1 3 6 8 9
1 0 0.004 0.278 0.095 1 0 0.005 0.098 0.670 0.625
4 0 0 0.004 0.001 3 0 0 0.035 0.005 0.004
8 0 0 0 0.097 6 0 0 0 0.097 0.077
10 0 0 0 0 8 0 0 0 0 0.609
9 0 0 0 0 0
Suponiendo que todas las entradas del vector de probabilidad q son 1, se puede realizar
una estadı́stica con la red y generar sus medidas. También se puede hacer lo propio con la
red cuyo vector q tiene las entradas que se listan en el apéndice A. Las medidas de estas
redes se muestran en la tabla 5.7.
52
Tabla 5.7: Medidas de las redes. La columna 3 es el promedio de 100 redes aleatorias
tomando los valores de q mostrados en A.
Medida de la red q=1 q tomada del apéndice 1
Nodos 34 34
enlaces 138 36.07
<k> 8.118 1.98
Diámetro 5 3.42
Densidad 0.246 0.0605
Clustering 0.466 0.0932
Geodésicas 2.187 3.45
Intermediación 0.037 no es conexa
Cercanı́a 0.47 0.289
A continuación una serie de puntos importantes a discutir:
Tiempo de cómputo. Para hacer más eficiente el cálculo de la probabilidad es

necesario disminuir el tiempo de cómputo. En este trabajo ya se ha hecho una primera
simplificación al usar MC en la generación del vector y. Pero se podrı́a mejorar
aún más si se implementara la técnica de edge-disjoint cutsets y edge-disjoint paths
(Fishman, 1996). La idea general tras esta técnica es disminuir el espacio de muestreo.
El tiempo de cómputo es grande porque mientras más enlaces se consideran, la
dimensión del vector y incrementa y por lo tanto el número de trayectos posibles
entre un cenote y otro. Pero supongamos que se logra reconocer el conjunto mı́nimo
de enlaces capaces de desconectar al cenote i del cenote j. Entonces, en lugar de
muestrar sobre todas las posibilidades del vector y, el muestreo se hace sobre este
conjunto más pequeño. La dificultad estriba, sin embargo, en la construcción de los
algoritmos que permitan identificar estos conjuntos crı́ticos. En Fishman (1996) se
puede encontrar una discusión detallada de la metodologı́a detrás de los edge-disjoint
cutsets y edge-disjoint paths.
Incertidumbre. Hasta este punto, no ha habido ninguna discusión relativa al error

asociada a cada valor de probabilidad. Este valor de incertidumbre tendrı́a que con-
templar:
Error de posición. El error asociado a la posición de los nodos debido a la

resolución del GPS fue de ± 9 m.
Error en TRE. Este punto es en si mismo un área de investigación activa,
pues la información que brinda TRE (posición y tamaño de conductos) depende
fuertemente del proceso de inversión y ésta tiene problemas de no unicidad, es
decir, que para un mismo conjunto de datos de voltaje y corriente, el modelo
que del subsuelo se puede generar no es único.
53
Número de transectos. Serı́a necesario considerar algún tipo de parámetro

que diera cuenta de que tan extensivos fueron los mapeos de TRE entre un
cenote y otro, por ejemplo, supongamos dos casos. Caso 1: entre el cenote i y el
cenote j únicamente se coloca un transecto, obteniéndose P1 como probabilidad
de conexión. Caso 2: entre el cenote i y el cenote j se colocan 10 transectos, ob-
teniéndose P2 como probabilidad de conexión. Entonces es claro que P2 brinda
información más realista que P1 .
→ Propuesta. Como posible solución se propone estimar el error estableciendo

cotas máximas y mı́nimas. Es decir, una vez que se tenga idea de la incertidum-
bre en la posición y forma de los conductos, se puede correr el algoritmo para
los casos extremos y con ello se tendrı́a un rango en el que la probabilidad de
conexión puede variar.
Verificación en campo. Todo lo anterior arrojarı́a un valor de incertidumbre

asociado al método empleado. Pero como se discutió en el capı́tulo 4, hubo varias
consideraciones cuya validez únicamente podrı́an ser probadas con algún tipo
de medición directamente en campo, por ejemplo usando trazadores, análisis
quı́micos del agua o incluso si los cenotes lo permitieran, realizando exploracio-
nes de espeleobuceo dentro de ellos.
5.5. Trabajo a futuro

En un futuro se propone incorporar no sólo un valor de probabilidad de conexión, sino
una distribución de probabilidad, la cual ya contendrı́a en sı́ todas las fuentes de error, que
van desde errores en el proceso experimental (georeferenciación y adquisición de TRE),
hasta errores asociados al modelo teórico empleado (método de inversión y algoritmo de
confiabilidad).
También valdrı́a la pena explorar otros métodos para resolver el problema de confiabi-
lidad de la red, algunos de los cuales se detallan en Rebaiaia y Ait-Kadi (2013).
54
Conclusiones
La metodologı́a propuesta permite asignar un valor de probabilidad para la conexión

entre cenotes, basándose en la distancia que los separa y la evidencia empı́rica que se
pueda obtener a través de tomografı́a de resistencia eléctrica. Este valor no es único,
depende fuertemente de la dirección en que se analice la conexión, lo cual refleja la
anisotropı́a del sistema.
Aunque un cálculo muestra que en promedio hay 36 % más probabilidad de conexión

entre cenotes en la dirección este-oeste, es necesario realizar un mayor número de
transectos orientados este - oeste para poder contrastar la direccionalidad de flujo,
y verificar si efectivamente ésta se da en el sentido del anillo de cenotes.
A pesar de que la metodologı́a fue diseñada para trabajar con TRE, no está limitada
a ella, en un futuro se podrı́a incluir información obtenida por otras técnicas, lo cual
ayudarı́a a disminuir el error asociado a cada valor de probabilidad.
Hacer el algoritmo más eficiente, computacionalmente hablando, permitirı́a trabajar

con cúmulos más grandes de cenotes, pero antes, es necesario hacer una estimación
del error asociado a la probabilidad de conexión, misma que en este trabajo no se
calculó.
Finalmente, para probar la validez de los resultados aquı́ generados, se propone el

uso de trazadores, análisis quı́micos del agua o incluso, si los cenotes lo permitieran,
realizar exploraciones de espeleobuceo dentro de ellos.
55
Apéndice A
Lista de incidencia y valores q
Tabla A.1: Vector q. Cada valor del vector q representa la probabilidad de que el nodo i
esté conectado con el nodo j.
Número de enlace Nodo i Nodo j q

1 1 12 0.064676
2 1 16 0.073552
3 1 17 0.315129
4 1 18 0.41325
5 1 30 0.083262
6 1 31 0.765559
7 1 32 0.227018
8 1 33 0.514583
9 1 34 0.530198
10 2 13 0.308764
11 2 19 0.179533
12 2 20 0.409294
13 2 21 0.698725
14 2 22 0.708268
15 2 23 0.135253
16 2 24 0.170807
17 2 25 0.116993
18 3 22 0.696879
19 3 23 0.128293
20 3 24 0.15885
21 3 25 0.107834
22 4 13 0.415789
23 4 15 0.748144
24 5 13 0.40047
25 5 15 0.690616
26 5 19 0.206653
27 6 14 0.495105
Continúa de página previa
56
Tabla A.1 – Continúa de página previa
28 6 17 0.239492
29 6 22 0.848563
30 6 23 0.157489
31 6 24 0.192007
32 6 25 0.128971
33 6 26 0.523138
34 6 27 0.498751
35 6 28 0.388011
36 6 29 0.430028
37 7 12 0.073703
38 7 16 0.055732
39 7 17 0.239198
40 7 18 0.366594
41 7 30 0.071037
42 7 31 0.674782
43 7 32 0.21937
44 7 33 0.556693
45 7 34 0.596125
46 8 12 0.064774
47 8 16 0.074516
48 8 17 0.320044
49 8 18 0.418496
50 8 30 0.080351
51 8 31 0.736956
52 8 32 0.218419
53 8 33 0.497222
54 8 34 0.513291
55 9 30 0.082937
56 9 31 0.763954
57 9 32 0.227468
58 9 33 0.517202
59 9 34 0.533296
60 10 27 0.614721
61 10 28 0.415733
62 10 29 0.427285
63 11 22 0.794016
64 11 23 0.136315
65 11 24 0.163487
66 11 25 0.109564
67 12 15 0.058078
68 12 16 0.004832
69 12 17 0.020761
57
Apéndice A. Lista de incidencia y valores q

70 12 18 0.032226
71 12 30 0.005713
72 12 31 0.053815
73 12 32 0.017114
74 12 33 0.04222
75 12 34 0.044768
76 13 15 0.311677
77 13 19 0.103581
78 13 20 0.209657
79 13 21 0.317957
80 14 16 0.048091
81 14 17 0.20658
82 14 18 0.298057
83 14 21 0.453903
84 14 22 0.07862
85 14 23 0.095064
86 14 24 0.063945
87 14 25 0.436105
88 14 26 0.406276
89 14 27 0.290809
90 14 28 0.305246
91 15 19 0.178066
92 15 20 0.381545
93 15 21 0.594818
94 16 22 0.055043
95 16 23 0.009135
96 16 24 0.010893
97 16 25 0.00729
98 16 27 0.059062
99 16 30 0.006835
100 16 31 0.061156
101 16 32 0.017371
102 16 33 0.038471
103 16 34 0.039453
104 17 22 0.231467
105 17 23 0.038644
106 17 24 0.046165
107 17 25 0.030914
108 17 26 0.266276
109 17 27 0.243376
110 17 28 0.164531
111 17 29 0.168812
58
112 17 30 0.028561
113 17 31 0.256896
114 17 32 0.073574
115 17 33 0.163782
116 17 34 0.168175
117 18 25 0.283053
118 18 30 0.034836
119 18 31 0.323405
120 18 32 0.098773
121 18 33 0.231514
122 18 34 0.241052
123 22 26 0.514285
124 22 27 0.492237
125 22 28 0.388503
126 22 29 0.435369
127 23 26 0.084964
128 23 27 0.081166
129 23 28 0.063622
130 23 29 0.070933
131 24 26 0.101147
132 24 27 0.09654
133 24 28 0.075448
134 24 29 0.083947
135 25 26 0.067646
136 25 27 0.064541
137 25 28 0.05038
138 25 29 0.056012
59
Apéndice B
European Geosciences Union

General Assembly 2014
En el siguiente apartado se anexa el abstract y el póster del trabajo presentado en la

European Geosciences Union General Assembly 2014, celebrada en la ciudad de Viena,
Austria del 27 de Abril al 2 de Mayo del 2014.
60
Geophysical Research Abstracts
Vol. 16, EGU2014-2234, 2014
EGU General Assembly 2014
© Author(s) 2014. CC Attribution 3.0 License.
Connectivity among sinkholes and complex networks: The case of Ring of

Cenotes in northwest Yucatan, Mexico
Mariana Gomez-Nicolas (2), Mario Rebolledo-Vieyra (1), Rodrigo Huerta-Quintanilla (2), and Efrain
Canto-Lugo (2)
(1) Centro de Investigacion Cientifica de Yucatan, Unidad de Ciencias del Agua, Cancun, Mexico, marior@cicy.mx, (2)
CINVESTAV, Merida, Yucatan, Mexico
A 180-km-diameter semicircular alignment of abundant karst sinkholes (locally known as cenotes) in northwestern
Yucatán, México, coincides approximately with a concentric ring of the buried Chicxulub structure, a circular
feature manifested in Cretaceous and older rocks, that has been identified as the product of the impact of a
meteorite. The secondary permeability generated by the fracturing and faulting of the sedimentary sequence in
the Chicxulub impact, has favored the karstification process and hence the development of genuine underground
rivers that carry water from the continent to the sea.
The study of the structure and morphology of the crater has allowed researchers to understand the key role of the
crater in the Yucatán hydrogeology. It is generally accepted that the Ring of Cenotes, produced by the gravitational
deformation of the Tertiary sedimentary sequence within the crater, controls the groundwater in northern Yucatán.
However, today there is not solid evidence about the connectivity among cenotes, which is important because
if established, public policies could be designed to manage sanitary infrastructure, septic control, regulation of
agricultural and industrial activities and the protection of water that has not been compromised by anthropogenic
pollution. All these directly affect more than half a million people whose main source of drinking water lies
in the aquifer. In this contribution we investigated a set of 16 cenotes located in the vicinity of a gravimetric
anomaly of Chicxulub crater ring, using complex networks to model the interconnectivity among them. Data
from a geoelectrical tomography survey, collected with SuperSting R1/IP equipment, with multi-electrodes (72
electrodes), in a dipole-dipole configuration was used as input of our model.
Since the total number of cenotes on the ring structure amounts to about 2000, the application of graph theoretic
algorithms and Monte Carlo simulation to efficiently investigate network properties is proposed. We created a
digital network model representing the observation network topology.
Referencias
Advanced Geosciences, I. (2005), Instruction Manual for The SuperSting with Swift
automatic resistivity and IP system.
Advanced Geosciences, I. (2009), Instruction Manual for EarthImager 2D Version 2.4.0.

Resistivity and IP Inversion Software.
Albert, R. y Barabási, A.-L. (2002), ‘Statistical mechanics of complex networks’, Reviews

of modern physics 74(1), 47.
Amaral, L. y Ottino, J. (2004), ‘Complex systems and networks: challenges and opportuni-
ties for chemical and biological engineers’, Chemical Engineering Science 59(8), 1653–
1666.
Arenas, A., Dı́az-Guilera, A., Kurths, J., Moreno, Y. y Zhou, C. (2008), ‘Synchronization
in complex networks’, Physics Reports 469(3), 93–153.
Bak, P. (1997), How nature works, Oxford university press Oxford.
Bak, P. y Tang, C. (1989), ‘Earthquakes as a self-organized critical phenomenon’, Journal

of Geophysical Research: Solid Earth (1978–2012) 94(B11), 15635–15637.
Basheer, A. A., Abdelmotaal, A. M., Mesbah, H. S. y Mansour, K. K. (2014), ‘Application

of geophysical methods for geotechnical parameters determination at new borg el-arab
industrial city, egypt’, Current Urban Studies 2014.
Bauer-Gottwein, P., Gondwe, B. R., Charvet, G., Marı́n, L. E., Rebolledo-Vieyra, M. y

Merediz-Alonso, G. (2011), ‘Review: The yucatán peninsula karst aquifer, mexico’,
Hydrogeology Journal 19(3), 507–524.
Beddows, P., Blanchon, P., Escobar-Briones, E. y Torres-Talamante, O. (2007), ‘Los ce-

notes de la penı́nsula de yucatán’, Arqueologı́a mexicana 14(83), 32–35.
Boers, N., Bookhagen, B., Barbosa, H., Marwan, N., Kurths, J. y Marengo, J. (2014),
Prediction of extreme floods in the Central Andes by means of Complex Networks,
in ‘EGU General Assembly Conference Abstracts’, Vol. 16 of EGU General Assembly
Conference Abstracts, p. 7173.
Borghi, A., Renard, P. y Jenni, S. (2012), ‘A pseudo-genetic stochastic model to generate

karstic networks’, Journal of Hydrology 414, 516–529.
62
Referencias
Chávez, R., Lara, F. y Sención, R. (2010), ‘El agua subterránea en méxico: condición actual
y retos para un manejo sostenible’, Boletı́n Geológico y Minero 117(1), 115–126.
Constable, S. C., Parker, R. L. y Constable, C. G. (1987), ‘Occam’s inversion: A prac-

tical algorithm for generating smooth models from electromagnetic sounding data’,
Geophysics 52(3), 289–300.
Costa, L. d. F., Rodrigues, F. A., Travieso, G. y Villas Boas, P. R. (2007), ‘Characterization

of complex networks: A survey of measurements’, Advances in Physics 56(1), 167–242.
Dey, A. y Morrison, H. (1979), ‘Resistivity modelling for arbitrarily shaped two-

dimensional structures’, Geophysical Prospecting 27(1), 106–136.
Diario Oficial de la Federación (2013), ‘Acuerdo por el que se dan a conocer los estudios
técnicos de aguas nacionales subterráneas del acuı́fero Penı́nsula de Yucatán, clave
3105, estados de Yucatán, Campeche y Quintana Roo’.
Donges, J. F. (2013), Functional network macroscopes for probing past and present
Earth system dynamics, PhD thesis, Humboldt-Universität zu Berlin, Mathematisch-
Naturwissenschaftliche Fakultät I.
Donner, R. V., Zou, Y., Donges, J. F., Marwan, N. y Kurths, J. (2010), ‘Recurrence net-
works—a novel paradigm for nonlinear time series analysis’, New Journal of Physics
12(3), 033025.
Dreybrodt, W., Gabrovšek, F. y Romanov, D. (2005), Processes of a Speleogenessis [sic]:

A Modeling Approach, Vol. 4, Založba ZRC.
Edwards, L. (1977), ‘A modified pseudosection for resistivity and ip’, Geophysics

42(5), 1020–1036.
Fairchild, I. J. y Baker, A. (2012), Speleothem science: from process to past environments,

Vol. 2, John Wiley & Sons.
Fernández-Coppel, I. A. (2001), ‘Localizaciones geográficas. las coordenadas geográficas

y la proyeccion utm (universal transversa mercator)’, Departamento de Ingenierı́a
Agrı́cola y Forestal. Universidad de Valladolid .
Finch, W. A. (1965), The karst landscape of Yucatan, National Academies.
Fishman, G. S. (1996), Monte Carlo, Springer.
Ford, D. C. y Williams, P. W. (1989), Karst geomorphology and hydrology, Vol. 601, Unwin
Hyman London.
Gams, I. (1993), ‘Origin of the term “karst,” and the transformation of the classical karst
(kras)’, Environmental Geology 21(3), 110–114.
Garcı́a, R. D. y González, M. E. M. (2010), ‘Biodiversidad y desarrollo humano en yu-

catán.’.
63
Referencias
Gertsbakh, I. B. y Shpungin, Y. (2011), Models of network reliability: analysis, combina-

torics, and Monte Carlo, CRC Press.
Gillieson, D. (2009), Caves: processes, development and management, John Wiley & Sons.
Goldscheider, N. y Drew, D. (2007), Methods in Karst Hydrogeology: IAH: International

Contributions to Hydrogeology, 26, CRC Press.
Gondwe, B., Lerer, S., Stisen, S., Marı́n, L., Rebolledo-Vieyra, M., Merediz-Alonso, G.
y Bauer-Gottwein, P. (2010), ‘Hydrogeology of the south-eastern yucatan peninsula:
new insights from water level measurements, geochemistry, geophysics and remote
sensing’, Journal of hydrology 389(1), 1–17.
Griffiths, D. J. y College, R. (1999), Introduction to electrodynamics, Vol. 3, Prentice hall

Upper Saddle River, NJ.
Henrion, V., Caumon, G. y Cherpeau, N. (2010), ‘Odsim: an object-distance simula-

tion method for conditioning complex natural structures’, Mathematical Geosciences
42(8), 911–924.
Henrion, V., Pellerin, J. y Caumon, G. (2008), A stochastic methodology for 3d cave system
modeling, in ‘Eighth Geostatistical Geostatistics Congress’, Vol. 1, pp. 525–533.
Hersir, G. P. y Árnason, K. (2009), ‘Resistivity of rocks’, Short Course on Surface Explo-

ration for Geothermal Resources”, organized by UNU-GTP and LaGeo, Santa Tecla,
El Salvador .
Jackson, J. D. (1962), Classical Electrodynamics, Vol. 3, Wiley New York.
Jones, M. R. (1952), Map of the ruins of Mayapan, Yucatan, Mexico, Carnegie Institution
of Washington, Department of Archaeology.
Kaufmann, G. y Braun, J. (2000), ‘Karst aquifer evolution in fractured, porous rocks’,

Water Resources Research 36(6), 1381–1391.
Kirsch, R. (2006), Groundwater geophysics, Vol. 493, Springer.
Langmuir, D., Hall, P. y Drever, J. (1997), Environmental Geochemistry, Prentice Hall,

New Jersey.
Loke, M. (2001), ‘Tutorial: 2-d and 3-d electrical imaging surveys’, Copyright (1996-2012)
.
Loke, M. y Barker, R. (1996), ‘Practical techniques for 3d resistivity surveys and data
inversion’, Geophysical prospecting 44(3), 499–523.
Marı́n, L. E., Steinich, B., Pacheco, J. y Escolero, O. A. (2000), ‘Hydrogeology of a conta-

minated sole-source karst aquifer, mérida, yucatán, mexico’, Geofı́sica Internacional
39(4), 359–365.
64
Referencias
Michel, E. F. K. y Aguilar, C. L. V. (2011), ‘Retos de la gestión de una cuenca construida:

La penı́nsula de yucatán en méxico’.
Newman, M. (2010), Networks: an introduction, Oxford University Press.
Oates, T. (1998), Lime and limestone, Wiley Online Library.
Perez-Ceballos, R., Pacheco-Avila, J., Euan-Avila, J. I. y Hernandez-Arana, H. (2012),
‘Regionalization based on water chemistry and physicochemical traits in the ring of
cenotes, yucatan, mexico’, Journal of Cave and Karst Studies 74(1), 90–102.
Perry, E., Marin, L., McClain, J. y Velazquez, G. (1995), ‘Ring of cenotes (sinkholes),
northwest yucatan, mexico: its hydrogeologic characteristics and possible association
with the chicxulub impact crater’, Geology 23(1), 17–20.
Pope, K. O., Ocampo, A. C., Kinsland, G. L. y Smith, R. (1996), ‘Surface expression of
the chicxulub crater’, Geology 24(6), 527–530.
Poulter, B., Goodall, J. L. y Halpin, P. N. (2008), ‘Applications of network analysis for
adaptive management of artificial drainage systems in landscapes vulnerable to sea
level rise’, Journal of hydrology 357(3), 207–217.
Rebaiaia, M.-L. y Ait-Kadi, D. (2013), Network Reliability Evaluation and Optimization:
Methods, Algorithms and Software Tools.
Rebolledo-Vieyra, M., Marin, L. E., Trejo-Garcia, A. y Sharpton, V. (2011), ‘The chicxulub
impact crater and its influence on the regional hydrogeology in northwest yucatan,
mexico’, Gulf of Mexico Origin, Waters, and Biota: Volume 3, Geology 3, 279.
Ronayne, M. J. y Gorelick, S. M. (2006), ‘Effective permeability of porous media containing
branching channel networks’, Physical Review E 73(2), 026305.
Russell, B. W. (2013), ‘Final report on the 2013 season of the mayapán taboo cenote
project’.
URL: http://www.academia.edu/5837542/Final_Report_on_the_2013_Season_
of_The_Mayapan_Taboo_Cenote_Project
Samouëlian, A., Cousin, I., Tabbagh, A., Bruand, A. y Richard, G. (2005), ‘Electrical
resistivity survey in soil science: a review’, Soil and Tillage research 83(2), 173–193.
Sen-ben Liao, Peter Dourmashkin, J. W. B. (2004), ‘Physics 8.02 electricity and magne-
tism’.
URL: http://web.mit.edu/8.02t/www/802TEAL3D/visualizations/
coursenotes/index.htm
Seybold, H. y Rothman, D. (2014), Climatic controls on stream network geometry, in
‘EGU General Assembly Conference Abstracts’, Vol. 16, p. 8885.
Tarantola, A. (2005), Inverse problem theory and methods for model parameter estimation,
siam.
65
Referencias
Telford, W. M. y Sheriff, R. E. (1990), Applied geophysics, Vol. 1, Cambridge university

press.
United Nations (2014), ‘Millennium development goals’.

URL: http://www.un.org/millenniumgoals/
Vega-Redondo, F. (2007), Complex social networks, number 44, Cambridge University

Press.
Vuilleumier, C., Borghi, A., Renard, P., Ottowitz, D., Schiller, A., Supper, R. y Cornaton,
F. (2013), ‘A method for the stochastic modeling of karstic systems accounting for
geophysical data: an example of application in the region of tulum, yucatan peninsula
(mexico)’, Hydrogeology Journal 21(3), 529–544.
Watkins, N. (2013), ‘Bunched black (and grouped grey) swans: Dissipative and non-
dissipative models of correlated extreme fluctuations in complex geosystems’, Geophy-
sical Research Letters 40(2), 402–410.
Zúñiga, F. B. y Palacio, A. G. (2005), Caracterización y manejo de los suelos de la Penı́nsu-

la de Yucatán: implicaciones agropecuarias, forestales y ambientales, Instituto Nacio-
nal de Ecologı́a.
66

Análisis de Conectividad Entre Cenotes Con Tomografía de Resistividad Eléctrica y Teoría de Redes

Hochgeladen von

Dokumentinformationen

Originaltitel

Copyright

Verfügbare Formate

Dieses Dokument teilen

Dokument teilen oder einbetten

Freigabeoptionen

Stufen Sie dieses Dokument als nützlich ein?

Sind diese Inhalte unangemessen?

Copyright:

Verfügbare Formate

Análisis de Conectividad Entre Cenotes Con Tomografía de Resistividad Eléctrica y Teoría de Redes

Hochgeladen von

Copyright:

Verfügbare Formate

CENTRO DE INVESTIGACIÓN Y DE ESTUDIOS AVANZADOS

DEL INSTITUTO POLITÉCNICO NACIONAL

DEPARTAMENTO DE FÍSICA APLICADA

Análisis de la conectividad entre cenotes a través de Tomografía de

Tesis que presenta

Mariana Patricia Gómez Nicolás

para obtener el grado de

Directores de Tesis: Dr. Rodrigo Huerta Quintanilla

Dr. Mario Rebolledo Vieyra

Mérida, Yucatán Agosto 2014

This work implements network theory to the study of hydrological connectivity in a

El anillo de cenotes (AC) es una alineación de abundantes cenotes, en forma semicircu-

Este trabajo implementa la teorı́a de redes al estudio de la conectividad hidrológica en

La metodologı́a permite asignar un valor de probabilidad para la conexión entre ceno-

Se encontró que la conectividad entre cenotes se da preferencialmente (36 % más pro-

Al Dr. Mario Rebolledo Vieyra, por su disposición, experiencia y trato. Porque

Al CONACyT por el apoyo económico brindado en mis estudios de maestrı́a.

Al CINVESTAV por abrirme las puertas.

Al CICY por la hospitalidad y accesibilidad en el uso de sus recursos.

Al Arqlgo. Carlos Peraza Lope y la Arqlga. Eunice Uc González por su apoyo

A Pablo Emmanuel Ochoa Sandoval, porque mejor compañero de campo no pude

Al Sr. Acrelio Pacheco, por facilitarnos el acceso a sus terrenos.

A Fernando Jesus Rubio Escalante, Graciano Antonio Puch y Jorge, por su

A Bertha Maribel Pech Polanco, por las traducciones maya - español.

A Said Jalife Jacobo, por hacerme tan Said.

A mis amigos de la maestrı́a, especialmente a Alba Margarita Vargas Caamal y

1. Karst, laboratorio de procesos fisicoquı́micos 6

2. Tomografı́a de Resistividad Eléctrica (TRE) 16

A. Lista de incidencia y valores q 56

B. European Geosciences Union General Assembly 2014 60

Debido a la naturaleza geológica del material que conforma la Penı́nsula de Yucatán

otros (Marı́n et al., 2000).

Existen muchas preguntas abiertas acerca del funcionamiento de este acuı́fero y el

La propuesta de este trabajo es abordar el problema de la conectividad hidráulica en

La idea es tratar cenotes y conductos como nodos de la red y buscar un algoritmo

Como ya se mencionó, el acuı́fero Penı́nsula de Yucatán, es un acuı́fero kárstico y

lugar de magnificarla (Donges, 2013), ya que muchas veces no es falta de información lo

Adaptar algoritmo de confiabilidad de la red al problema especı́fico de conectividad

La evidencia empı́rica para el cálculo de la probabilidad de conexión entre cenotes se

El capı́tulo 3 presenta una breve revisión de conceptos generales de teorı́a de redes y

La metodologı́a empleada tanto en la adquisición de datos como en la generación del

Los resultados y la discusión se encuentran en el capı́tulo 5.

Finalmente, el último apartado está destinado a las conclusiones del trabajo.

Karst, laboratorio de procesos

Ya que la zona de estudio, dentro de la penı́nsula de Yucatán, está definida como un

1.1. Conceptos básicos

Porosidad. La porosidad de una roca es la fracción de volumen ocupado por poros

en donde H son poros o espacios vacı́os y V es el volumen de la roca en bulto.

Porosidad primaria. Es el resultado del empaquetamiento de los minerales que

Permeabilidad. Es la habilidad de una roca para transmitir un fluido (Goldscheider

1.2. Propiedades de la roca caliza

Los componentes quı́micos del carbonato de calcio están extensamente distribuidos. El

Las propiedades fı́sicas y quı́micas de la caliza varı́an enormemente dependiendo de

1.2.1. Propiedades fı́sicas

1.2.2. Propiedades quı́micas

CaCO3 + H2 O + CO2 → Ca(HCO3 )2 (1.2.1)

Al calentar una solución de bicarbonato de calcio, dióxido de carbono es producido

1.3. Estructura de un acuı́fero kárstico

El agua se infiltra en el Karst a través del suelo dentro de la porción denominada

1.4. Evolución del karst

Figura 1.2: Reacciones quı́micas ocurriendo en el interior del karst.

1.5. Yucatán como sistema kárstico

La penı́nsula de Yucatán es una de las cinco zonas fisiográficas de la República Mexi-