Beruflich Dokumente
Kultur Dokumente
UNIDAD MÉRIDA
Maestra en Ciencias
en
Fisicoquímica
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.
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
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. 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.
iv
A mi famila.
Al Dr. Francisco Martı́n Esquivelzeta Rabell por todas y cada una de sus en-
señanzas.
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.
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
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
4.3. Proceso de inversión . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 33
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
5.2. Proceso de inversión . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 41
5.3. Determinación de conductos . . . . . . . . . . . . . . . . . . . . . . . . . . . . 45
5.4. Cálculo de probabilidad . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 49
5.5. Trabajo a futuro . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 54
Conclusiones 55
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).
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
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.
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
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.
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.
5
Capı́tulo 1
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).
H
θ= (1.1.1)
V
6
1.2. Propiedades de la roca caliza
7
Capı́tulo 1. Karst, laboratorio de procesos fisicoquı́micos
8
1.3. Estructura de un acuı́fero kárstico
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).
9
Capı́tulo 1. Karst, laboratorio de procesos fisicoquı́micos
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).
1
Depósitos minerales secundarios formados en cuevas, tras la génesis de estas.
10
1.5. Yucatán como sistema kárstico
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
Capı́tulo 1. Karst, laboratorio de procesos fisicoquı́micos
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).
12
1.5. Yucatán como sistema kárstico
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).
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
Capı́tulo 1. Karst, laboratorio de procesos fisicoquı́micos
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).
14
1.6. Análisis de sistemas kársticos
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
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).
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
# #
J = σE (2.2.5)
El factor proporcional σ es una constante empı́rica que varı́a de un material a otro.
∆V
R= (2.2.7)
I
1 me
ρ= = 2 (2.2.9)
σ ne τ
E = −∇φ (2.2.10)
J = −σ ∇φ (2.2.11)
I
∇⋅J= δ(x − xs )δ(y − ys )δ(z − zs ) (2.2.12)
∆υ
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
ρI
φ= (2.2.14)
2πr
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).
2π
k= (2.2.16)
1 1 1 1
− − +
rA M rB M rA N rB N
∆φ
ρa = k = kR (2.2.17)
I
Figura 2.1: Arreglo convencional de cuatro electrodos paa medir resistividad. Adaptado
de Loke (2005).
19
Capı́tulo 2. Tomografı́a de Resistividad Eléctrica (TRE)
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).
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
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:
21
Capı́tulo 2. Tomografı́a de Resistividad Eléctrica (TRE)
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:
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.
Con los datos crudos de voltaje y resistividad, además del factor geométrico se cal-
cula (usando la ecuación 2.2.17) ρmedida .
22
2.5. Proceso de inversión
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 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.
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.
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.
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.
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:
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 3.7 (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 3.9 (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
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
H = mı́n Hi (M )
iM
ν i (j, k)
bi ≡ ∑ (3.3.10)
j≠k ν(j, k)
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.
donde
Y1 = {y Y ∶ φ(y) = 1 }
29
Capı́tulo 4
Metodologı́a
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.
31
Capı́tulo 4. Metodologı́a
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:
32
4.3. Proceso de inversión
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.
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
Capı́tulo 4. Metodologı́a
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.
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
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):
α = λγ
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
Capı́tulo 4. Metodologı́a
De este modo, cuando se tienen dos nodos, cenote (s) - conducto (t), el valor de q se
calcula como:
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).
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).
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.
38
5.1. Adquisición de Tomografı́a de Resistividad Eléctrica
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
39
Capı́tulo 5. Resultados y Discusión
40
5.2. Proceso de inversión
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.
41
Capı́tulo 5. Resultados y Discusión
42
5.2. Proceso de inversión
Figura 5.7: Transecto 4 (T4). Fecha de adquisición 17 de Marzo de 2014. Terreno con
abundante laja.
43
Capı́tulo 5. Resultados y Discusión
Figura 5.10: Transecto 7 (T7). Fecha de adquisición 21 de Febrero de 2014. Lluvias intensas
durante el proceso de medición.
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
5.3. Determinación de conductos
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
45
Capı́tulo 5. Resultados y Discusión
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
5.3. Determinación de conductos
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.
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
47
Capı́tulo 5. Resultados y Discusión
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
5.4. Cálculo de probabilidad
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).
49
Capı́tulo 5. Resultados y Discusión
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.
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
5.4. Cálculo de probabilidad
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
Enlaces: 23 Enlaces: 22
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
Enlaces: 18 Enlaces: 11
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
5.4. Cálculo de probabilidad
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.
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
53
Capı́tulo 5. Resultados y Discusión
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
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.
55
Apéndice A
Tabla A.1: Vector q. Cada valor del vector q representa la probabilidad de que el nodo i
esté conectado con el nodo j.
57
Apéndice A. Lista de incidencia y valores q
58
Tabla A.1 – Continúa de página previa
Número de enlace Nodo i Nodo j q
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
60
Geophysical Research Abstracts
Vol. 16, EGU2014-2234, 2014
EGU General Assembly 2014
© Author(s) 2014. CC Attribution 3.0 License.
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.
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.
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.
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.
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.
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.
63
Referencias
Gillieson, D. (2009), Caves: processes, development and management, John Wiley & Sons.
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.
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.
Jones, M. R. (1952), Map of the ruins of Mayapan, Yucatan, Mexico, Carnegie Institution
of Washington, Department of Archaeology.
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.
64
Referencias
65
Referencias
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.
66