Regiones
13
hidrológicas analizadas
Periodo
251
meses · 2002-04 – 2026-01
Mayor pérdida
-8.6 mm/año (X)
tendencia secular más negativa
Mayor ganancia
+3.1 mm/año (XII)
tendencia secular más positiva
Meses sequía severa
269
z-score < −1.5 en todas las regiones
Validación de datos
✓ Unidades: cm (lwe_thickness attrs)
✓ Conversión ×10 aplicada (cm → mm)
✓ Gain factors CLM4.0 (scale_factor embebido)
✓ CRI-filtered (leakage costero corregido)
✓ SHA-1: e9b4d3e16e09… (integridad del archivo)
✓ CRS áreas: EPSG:6933 (Equal Earth — igual-área)
Distribución geográfica — Tendencia secular TWSA
Haz clic en una región para ir a su análisis detallado.
Tendencias seculares por región
| ID | Nombre | Área (km²) | Tendencia | Incert. | Amp. anual (mm) | Amp. semi-anual (mm) | Meses | Sequía severa | Calidad |
|---|---|---|---|---|---|---|---|---|---|
| X | Golfo Centro | 104,780 | -8.63 mm/año | ±1.76 | 153.4 | 20.6 | 251 | 20 | ~ caution |
| IV | Balsas | 119,234 | -7.97 mm/año | ±1.17 | 114.7 | 18.9 | 251 | 23 | ~ caution |
| XI | Frontera Sur | 101,219 | -7.34 mm/año | ±2.46 | 143.9 | 7.0 | 251 | 19 | ~ caution |
| VI | Río Bravo | 379,582 | -7.21 mm/año | ±1.32 | 12.0 | 6.6 | 251 | 27 | ✓ safe |
| II | Noroeste | 206,454 | -6.80 mm/año | ±1.07 | 9.3 | 8.0 | 251 | 23 | ✓ safe |
| III | Pacífico Norte | 151,976 | -6.43 mm/año | ±1.50 | 54.0 | 23.1 | 251 | 23 | ~ caution |
| VIII | Lerma Santiago Pacífico | 190,733 | -6.17 mm/año | ±1.48 | 125.7 | 29.0 | 251 | 17 | ~ caution |
| VII | Cuencas Centrales del Norte | 202,459 | -5.63 mm/año | ±1.28 | 32.3 | 11.2 | 251 | 22 | ✓ safe |
| XIII | Aguas del Valle de México | 16,423 | -5.20 mm/año | ±1.16 | 70.5 | 11.3 | 251 | 22 | ! context |
| V | Pacífico Sur | 77,506 | -5.12 mm/año | ±0.99 | 107.8 | 12.7 | 251 | 23 | ! context |
| IX | Golfo Norte | 127,120 | -3.97 mm/año | ±0.98 | 30.5 | 6.4 | 251 | 21 | ~ caution |
| I | Península de Baja California | 147,630 | -2.14 mm/año | ±0.37 | 2.7 | 3.2 | 251 | 21 | ~ caution |
| XII | Península de Yucatán | 138,697 | +3.11 mm/año | ±1.86 | 76.2 | 2.8 | 251 | 8 | ~ caution |
Calidad GRACE según área de la región (Handbook JPL L3, §7.3): ✓ safe ≥ 200,000 km² — señal confiable; ~ caution 100,000–200,000 km² — usar con precaución; ! context < 100,000 km² — SNR bajo, posible contaminación por leakage. Resolución nativa del mascon JPL: ~300–350 km (~110,000 km² por celda).
Peores meses de estrés hídrico (z-score < −1.5)
| Región | Nombre | Mes | TWSA | Z-score |
|---|---|---|---|---|
| VIII | Lerma Santiago Pacífico | Sep 2023 | -142.2 mm | -2.91 🔴 |
| VIII | Lerma Santiago Pacífico | Aug 2023 | -175.1 mm | -2.79 🔴 |
| VIII | Lerma Santiago Pacífico | Oct 2023 | -108.9 mm | -2.74 🔴 |
| IV | Balsas | Oct 2023 | -122.5 mm | -2.71 🔴 |
| XIII | Aguas del Valle de México | Oct 2023 | -123.2 mm | -2.68 🔴 |
| V | Pacífico Sur | Oct 2023 | -65.2 mm | -2.68 🔴 |
| V | Pacífico Sur | Jul 2023 | -177.5 mm | -2.62 🔴 |
| XIII | Aguas del Valle de México | Jul 2023 | -175.0 mm | -2.61 🔴 |
| VIII | Lerma Santiago Pacífico | May 2024 | -345.3 mm | -2.60 🔴 |
| V | Pacífico Sur | Nov 2023 | -70.1 mm | -2.58 🔴 |
| XIII | Aguas del Valle de México | Sep 2023 | -137.9 mm | -2.54 🔴 |
| X | Golfo Centro | Nov 2023 | -125.3 mm | -2.54 🔴 |
| XIII | Aguas del Valle de México | Aug 2023 | -147.0 mm | -2.53 🔴 |
| V | Pacífico Sur | Apr 2024 | -229.9 mm | -2.51 🔴 |
| I | Península de Baja California | Feb 2025 | -64.6 mm | -2.50 🔴 |
| II | Noroeste | Feb 2025 | -191.2 mm | -2.49 🔴 |
| IX | Golfo Norte | Aug 2023 | -110.3 mm | -2.48 🔴 |
| III | Pacífico Norte | Feb 2025 | -238.5 mm | -2.48 🔴 |
| V | Pacífico Sur | Dec 2023 | -103.7 mm | -2.46 🔴 |
| X | Golfo Centro | Oct 2023 | -150.0 mm | -2.45 🔴 |
Z-score estandarizado por mes calendario. Muestra los 20 meses más severos.
Volumen de anomalía TWSA — México total (km³)
Metodología — Conversión TWSA a volumen
(1 mm de agua × 1 km² = 10⁻³ m × 10⁶ m² = 10³ m³ = 10⁻⁶ km³)
Las áreas se calculan a partir de los polígonos reprojectados a EPSG:6933 (WGS 84 / Equal Earth), proyección cilíndrica de igual área que conserva superficies con error < 0.1% en latitudes medias. El volumen total de México es la suma directa de las 13 RHA (regiones no traslapadas).
Equivalente metodológico: Khorrami et al. (2023, GRL) — convierte mascon TWS a km³/año multiplicando por el área de los tiles JPL.
V [km³] = TWSA [mm] × A [km²] × 10⁻⁶(1 mm de agua × 1 km² = 10⁻³ m × 10⁶ m² = 10³ m³ = 10⁻⁶ km³)
Las áreas se calculan a partir de los polígonos reprojectados a EPSG:6933 (WGS 84 / Equal Earth), proyección cilíndrica de igual área que conserva superficies con error < 0.1% en latitudes medias. El volumen total de México es la suma directa de las 13 RHA (regiones no traslapadas).
Equivalente metodológico: Khorrami et al. (2023, GRL) — convierte mascon TWS a km³/año multiplicando por el área de los tiles JPL.
Contribución por región hidrológica (km³)
| ID | Nombre | Área (km²) | TWSA mín (km³) | TWSA máx (km³) | std (km³) |
|---|---|---|---|---|---|
| VI | Río Bravo | 379,582 | -77.614 | 24.391 | 22.824 |
| VIII | Lerma Santiago Pacífico | 190,733 | -65.867 | 42.118 | 22.055 |
| X | Golfo Centro | 104,780 | -43.020 | 38.504 | 15.187 |
| II | Noroeste | 206,454 | -39.946 | 11.920 | 11.640 |
| IV | Balsas | 119,234 | -39.751 | 25.537 | 13.094 |
| VII | Cuencas Centrales del Norte | 202,459 | -38.689 | 24.622 | 11.890 |
| III | Pacífico Norte | 151,976 | -38.322 | 28.686 | 11.985 |
| XI | Frontera Sur | 101,219 | -37.387 | 33.077 | 14.371 |
| XII | Península de Yucatán | 138,697 | -22.840 | 38.780 | 12.102 |
| V | Pacífico Sur | 77,506 | -20.232 | 16.362 | 7.317 |
| IX | Golfo Norte | 127,120 | -18.052 | 12.672 | 5.935 |
| I | Península de Baja California | 147,630 | -9.533 | 4.095 | 2.785 |
| XIII | Aguas del Valle de México | 16,423 | -3.784 | 2.771 | 1.254 |
Detalle por región
TWSA mínimo
-410.6 mm
TWSA máximo
367.5 mm
Z mínimo
-2.54 🔴
Sequía severa
20 meses
Sequía moderada
20 meses
Peor mes
Nov 2023
Z-score mensual (pasa el cursor sobre cada celda)
sequía severa moderada normal excedente
TWSA mínimo
-333.4 mm
TWSA máximo
214.2 mm
Z mínimo
-2.71 🔴
Sequía severa
23 meses
Sequía moderada
22 meses
Peor mes
Oct 2023
Z-score mensual (pasa el cursor sobre cada celda)
sequía severa moderada normal excedente
TWSA mínimo
-369.4 mm
TWSA máximo
326.8 mm
Z mínimo
-2.16 🔴
Sequía severa
19 meses
Sequía moderada
20 meses
Peor mes
Sep 2019
Z-score mensual (pasa el cursor sobre cada celda)
sequía severa moderada normal excedente
TWSA mínimo
-204.5 mm
TWSA máximo
64.3 mm
Z mínimo
-2.37 🔴
Sequía severa
27 meses
Sequía moderada
25 meses
Peor mes
Feb 2025
Z-score mensual (pasa el cursor sobre cada celda)
sequía severa moderada normal excedente
TWSA mínimo
-193.5 mm
TWSA máximo
57.7 mm
Z mínimo
-2.49 🔴
Sequía severa
23 meses
Sequía moderada
28 meses
Peor mes
Feb 2025
Z-score mensual (pasa el cursor sobre cada celda)
sequía severa moderada normal excedente
TWSA mínimo
-252.2 mm
TWSA máximo
188.8 mm
Z mínimo
-2.48 🔴
Sequía severa
23 meses
Sequía moderada
20 meses
Peor mes
Feb 2025
Z-score mensual (pasa el cursor sobre cada celda)
sequía severa moderada normal excedente
TWSA mínimo
-345.3 mm
TWSA máximo
220.8 mm
Z mínimo
-2.91 🔴
Sequía severa
17 meses
Sequía moderada
25 meses
Peor mes
Sep 2023
Z-score mensual (pasa el cursor sobre cada celda)
sequía severa moderada normal excedente
TWSA mínimo
-191.1 mm
TWSA máximo
121.6 mm
Z mínimo
-2.26 🔴
Sequía severa
22 meses
Sequía moderada
27 meses
Peor mes
May 2025
Z-score mensual (pasa el cursor sobre cada celda)
sequía severa moderada normal excedente
TWSA mínimo
-230.4 mm
TWSA máximo
168.7 mm
Z mínimo
-2.68 🔴
Sequía severa
22 meses
Sequía moderada
15 meses
Peor mes
Oct 2023
Z-score mensual (pasa el cursor sobre cada celda)
sequía severa moderada normal excedente
TWSA mínimo
-261.0 mm
TWSA máximo
211.1 mm
Z mínimo
-2.68 🔴
Sequía severa
23 meses
Sequía moderada
17 meses
Peor mes
Oct 2023
Z-score mensual (pasa el cursor sobre cada celda)
sequía severa moderada normal excedente
TWSA mínimo
-142.0 mm
TWSA máximo
99.7 mm
Z mínimo
-2.48 🔴
Sequía severa
21 meses
Sequía moderada
24 meses
Peor mes
Aug 2023
Z-score mensual (pasa el cursor sobre cada celda)
sequía severa moderada normal excedente
TWSA mínimo
-64.6 mm
TWSA máximo
27.7 mm
Z mínimo
-2.50 🔴
Sequía severa
21 meses
Sequía moderada
35 meses
Peor mes
Feb 2025
Z-score mensual (pasa el cursor sobre cada celda)
sequía severa moderada normal excedente
TWSA mínimo
-164.7 mm
TWSA máximo
279.6 mm
Z mínimo
-2.16 🔴
Sequía severa
8 meses
Sequía moderada
37 meses
Peor mes
Oct 2009
Z-score mensual (pasa el cursor sobre cada celda)
sequía severa moderada normal excedente
Metodología y reproducibilidad
1. Datos de entrada
Archivo GRACE
GRCTellus.JPL.200204_202601.GLO.RL06.3M.MSCNv04CRI.ncSHA-1 (integridad)
e9b4d3e16e09…ProductoJPL GRACE/GRACE-FO RL06.3 V4 · Mascon CRI-filtered
Variable leída
lwe_thickness — Liquid Water Equivalent ThicknessUnidades originalescm (confirmado en atributo
units del NetCDF)Conversión a mm× 10 (1 cm = 10 mm)
Periodo temporal2002-04-01 → 2026-01-01 (251 meses; 0 meses sin datos)
Resolución nativa~300–350 km (mascon de ~3° de soporte; la resolución efectiva varía con la latitud); muestreado en grilla 0.5°
2. Anomalía de almacenamiento (TWSA)
Referencia interna JPL
El archivo ya es anomalía: JPL removió la media de 2004.000 to 2009.999
(atributo
time_mean_removed). No se lee TWS absoluto.Baseline del pipeline
2004-01-01 / 2009-12-01 — Se calcula la media regional en este periodo
y se sustrae de toda la serie. Si coincide con el periodo JPL, la sustracción es ≈ 0 (neutro).
Si difiere, re-centra la anomalía. Incluso cuando coinciden, el paso garantiza consistencia
a nivel de agregación regional, ya que el promedio espacial ponderado puede introducir
desviaciones leves respecto a cero.
Fórmula
No es una anomalía de TWS absoluto, sino un re-centrado de la anomalía JPL a un periodo de referencia diferente.
TWSAusuario(t) = TWSAJPL(t) − mean(TWSAJPL, baseline)No es una anomalía de TWS absoluto, sino un re-centrado de la anomalía JPL a un periodo de referencia diferente.
Nota sobre tws_mm vs twsa_mm
La columna
tws_mm en los CSV es TWSAJPL:
la agregación directa de lwe_thickness × 10, cuya media temporal ha sido removida
por JPL para el periodo 2004.0–2009.999. twsa_mm es el re-centrado al baseline
especificado por el usuario. Ambas columnas son anomalías (no almacenamiento absoluto);
la diferencia es únicamente el periodo de referencia.Componentes físicos incluidos
TWSA representa la anomalía del almacenamiento terrestre de agua
integrado verticalmente, incluyendo: aguas subterráneas, humedad del suelo, agua
superficial (ríos, lagos, humedales), nieve y agua en el dosel vegetal.
GRACE no separa estas componentes individualmente; interpolar la señal como
"déficit de agua subterránea" exclusivamente constituye una sobreinterpretación.
3. Factores de ganancia (Gain Factors CLM4.0)
AplicadosSí — scale_factor embebido (CLM4.0, JPL RL06.3 V4)
Propósito
Recuperan la amplitud de la señal TWS atenuada por el filtrado
espacial de la solución mascon. Factor espacialmente variable (un valor por pixel de 0.5°),
derivado del modelo CLM4.0 (Community Land Model).
Fórmula
lwe_corr(x,y,t) = lwe(x,y,t) × scale_factor(x,y)
— aplicado pixel a pixel antes del promedio regional.CRI (Coastline Resolution Improvement)
El archivo
GRCTellus.JPL.200204_202601.GLO.RL06.3M.MSCNv04CRI.nc incluye el filtro CRI
(CRIv04) que reduce el leakage entre tierra y océano en regiones costeras.
Esto hace que las RHA costeras (Noroeste, Frontera Sur, Pacífico Norte/Sur,
Golfo Norte/Centro, Yucatán) sean más confiables que con productos sin CRI.
Ref: Wiese et al. (2016, Water Resources Research).Advertencia
CLM4.0 no incluye agua subterránea ni actividad humana.
Esta limitación puede afectar tanto la magnitud como la distribución espacial
de las tendencias seculares, así como la comparabilidad con estudios que usan otros
modelos de gain factors (p. ej. WGHM, VIC). El impacto es mayor en regiones con
extracción intensa de agua subterránea (p. ej. Valle de México, Río Bravo), donde
el factor CLM4.0 podría sub-corregir la señal
(Handbook JPL L3 §7.3; Landerer & Swenson 2012).
Incertidumbre
NO se aplican gain factors a la variable
uncertainty:
la incertidumbre formal del mascon ya está en el espacio observacional
(Watkins et al. 2015; Wiese et al. 2016).4. Áreas de las regiones hidrológicas
Origen
Calculadas en el pipeline a partir de los polígonos del GPKG,
no leídas de un atributo pre-existente del shapefile.
CRS de cálculo
EPSG:6933 — WGS 84 / Equal Earth.
Proyección cilíndrica de igual área (Šavrič et al. 2019).
Error de superficie < 0.1% en latitudes medias.
Fórmula:
área_km² = geometry.area / 1e6 después de reprojectar.Promedio regional
Promedio ponderado por área de las celdas GRACE que intersectan
cada región. Peso de celda = fracción del área de la celda dentro del polígono.
Los pesos se precalculan y almacenan en caché (.npz).
Supuesto en propagación de incertidumbre
La incertidumbre regional se propaga como raíz del promedio ponderado
de varianzas, asumiendo independencia entre celdas mascon. En realidad, los errores
GRACE exhiben correlación espacial, por lo que la incertidumbre formal podría estar
ligeramente subestimada para regiones grandes.
| ID | Nombre | Área EPSG:6933 (km²) | Celdas GRACE | Soporte efectivo (km²) | Leakage index | Cobertura baseline | Calidad |
|---|---|---|---|---|---|---|---|
| I | Península de Baja California | 147,630 | 107 | 147,630 | 1.00 | 100.0% | ~ caution |
| II | Noroeste | 206,454 | 108 | 206,454 | 1.00 | 100.0% | ✓ safe |
| III | Pacífico Norte | 151,976 | 89 | 151,976 | 1.00 | 100.0% | ~ caution |
| IV | Balsas | 119,234 | 67 | 119,234 | 1.00 | 100.0% | ~ caution |
| IX | Golfo Norte | 127,120 | 70 | 127,120 | 1.00 | 100.0% | ~ caution |
| V | Pacífico Sur | 77,506 | 50 | 77,506 | 1.00 | 100.0% | ! context |
| VI | Río Bravo | 379,582 | 189 | 379,582 | 1.00 | 100.0% | ✓ safe |
| VII | Cuencas Centrales del Norte | 202,459 | 111 | 202,459 | 1.00 | 100.0% | ✓ safe |
| VIII | Lerma Santiago Pacífico | 190,733 | 104 | 190,733 | 1.00 | 100.0% | ~ caution |
| X | Golfo Centro | 104,780 | 59 | 104,780 | 1.00 | 100.0% | ~ caution |
| XI | Frontera Sur | 101,219 | 52 | 101,219 | 1.00 | 100.0% | ~ caution |
| XII | Península de Yucatán | 138,697 | 83 | 138,697 | 1.00 | 100.0% | ~ caution |
| XIII | Aguas del Valle de México | 16,423 | 13 | 16,423 | 1.00 | 100.0% | ! context |
Leakage index = soporte efectivo / área región (~1.0 = cobertura completa; <0.9 = posible subestimación de señal). Cobertura baseline = % de meses del periodo de referencia con datos válidos.
5. Conversión a volumen (km³)
Fórmula
Derivación: 1 mm × 1 km² = 10⁻³ m × 10⁶ m² = 10³ m³ = 10⁻⁶ km³
V [km³] = TWSA [mm] × A [km²] × 10⁻⁶Derivación: 1 mm × 1 km² = 10⁻³ m × 10⁶ m² = 10³ m³ = 10⁻⁶ km³
Supuesto espacial
La conversión asume distribución espacialmente uniforme de la
anomalía dentro de cada región. Esto es una aproximación dado que la resolución nativa
del mascon JPL es ~300–350 km y las regiones son heterogéneas internamente.
Total México
Suma directa de
twsa_km3 de las 13 RHA (regiones
no traslapadas). Esta agregación asume independencia espacial entre regiones;
sin embargo, la solución mascon JPL exhibe correlación espacial y leakage residual
que puede introducir un sesgo menor en la suma nacional.
Equivalente metodológico: Khorrami et al. (2023, GRL) —
suma de mascon tiles JPL convertidos a km³/año.Columna en CSV
twsa_km3 en TWSA_baseline_*.csv6. Tendencia secular
Modelo
Mínimos cuadrados ordinarios (OLS) con modelo estándar GRACE:
donde t = años decimales. El ajuste simultáneo del ciclo anual y semi-anual elimina su influencia sobre el coeficiente secular b (Rodell et al. 2018 Nature; Scanlon et al. 2018 Nature Comm.).
TWSA(t) = a + b·t + c·sin(2πt) + d·cos(2πt) + e·sin(4πt) + f·cos(4πt)donde t = años decimales. El ajuste simultáneo del ciclo anual y semi-anual elimina su influencia sobre el coeficiente secular b (Rodell et al. 2018 Nature; Scanlon et al. 2018 Nature Comm.).
Incertidumbre
1σ de la matriz de covarianza OLS, corregida por autocorrelación
temporal AR(1):
σ_b_corr = σ_b × √VIF,
donde VIF = (1+φ)/(1−φ) y φ es el coeficiente AR(1) de los residuos
(Tourian et al. 2018, JGR). Solo se aplica cuando hay ≥ 6 pares consecutivos.Mínimo de datos
24 meses válidos para estimar tendencia.
Descomposición estacional
El mismo ajuste OLS entrega la amplitud del ciclo anual
A_anual = √(c²+d²) y semi-anual A_semianual = √(e²+f²).
La amplitud anual refleja la recarga estacional (precipitación verano − evapotranspiración).
Regiones con A_anual alta (~100–150 mm: Balsas, Lerma, Golfo Centro) tienen ciclo
estacional dominante; las áridas (Noroeste, Baja California, Río Bravo: < 15 mm)
tienen ciclo débil. Estas amplitudes se reportan en la tabla de tendencias.| ID | Nombre | Tendencia (mm/año) | Incertidumbre 1σ | N meses |
|---|---|---|---|---|
| I | Península de Baja California | -2.14 | ±0.37 | 251 |
| II | Noroeste | -6.80 | ±1.07 | 251 |
| III | Pacífico Norte | -6.43 | ±1.50 | 251 |
| IV | Balsas | -7.97 | ±1.17 | 251 |
| IX | Golfo Norte | -3.97 | ±0.98 | 251 |
| V | Pacífico Sur | -5.12 | ±0.99 | 251 |
| VI | Río Bravo | -7.21 | ±1.32 | 251 |
| VII | Cuencas Centrales del Norte | -5.63 | ±1.28 | 251 |
| VIII | Lerma Santiago Pacífico | -6.17 | ±1.48 | 251 |
| X | Golfo Centro | -8.63 | ±1.76 | 251 |
| XI | Frontera Sur | -7.34 | ±2.46 | 251 |
| XII | Península de Yucatán | +3.11 | ±1.86 | 251 |
| XIII | Aguas del Valle de México | -5.20 | ±1.16 | 251 |
7. Z-score mensual (estrés hídrico)
Fórmula
donde μ_mes y σ_mes son la media y desviación estándar de todos los valores del mismo mes calendario (enero, febrero, …) para cada región. Elimina la estacionalidad y expresa cuán anómalo es cada mes en relación a ese mes históricamente.
z(t) = (TWSA(t) − μ_mes) / σ_mesdonde μ_mes y σ_mes son la media y desviación estándar de todos los valores del mismo mes calendario (enero, febrero, …) para cada región. Elimina la estacionalidad y expresa cuán anómalo es cada mes en relación a ese mes históricamente.
Interpretación
El z-score es un indicador de anomalía relativa de almacenamiento,
no un déficit hídrico directo ni un índice de sequía operacional. Valores bajos indican
almacenamiento inusualmente bajo en relación al historial del mismo mes calendario,
lo que puede correlacionarse con condiciones de sequía pero no equivale a balance hídrico.
Umbrales
z < −1.5 → almacenamiento severo por debajo de lo normal |
−1.5 ≤ z < −1.0 → almacenamiento moderadamente por debajo de lo normal |
z > +1.5 → almacenamiento excepcionalmente alto
Salida
twsa_zscore en TWSA_baseline_*.csv;
drought_months.csv con todos los meses z < −1.08. Clasificación de calidad por región
Criterio
Área de la región vs resolución nativa del mascon JPL (~300–350 km ≈ 110,000 km²).
Niveles
✓ safe ≥ 200,000 km² — señal confiable (≥ 2 mascons completos)
~ caution 100,000–200,000 km² — usar con precaución (1–2 mascons)
! context < 100,000 km² — SNR bajo, posible leakage de señal adyacente
~ caution 100,000–200,000 km² — usar con precaución (1–2 mascons)
! context < 100,000 km² — SNR bajo, posible leakage de señal adyacente
Referencia
Handbook JPL L3 §7.3 (2021); Watkins et al. (2015, GRL);
Wiese et al. (2016, GRACE-FO).
9. Software y reproducibilidad
grace_mx versión
v1.2.0Fecha de procesamiento2026-03-27T03:31:08Z
Comando
python3 scripts/run_rha13.pyDependencias clave
xarray, geopandas, numpy, pandas, matplotlib, pyproj, shapely
Correcciones pre-aplicadas en L3
Geocentro (grado-1, Swenson et al. 2008), C₂₀ (SLR, Cheng et al. 2011),
GIA (modelo secular), atmósfera (ECMWF), océano (AOD1B),
destriping + filtrado gaussiano 300 km, corrección elipsoidal (V4).
SHA-1 del archivo GRACE
e9b4d3e16e099aeef82e4b6f5a3bc4563be9ca5510. Referencias
- Watkins, M.M. et al. (2015). Improved methods for observing Earth's time variable mass distribution with GRACE. JGR Solid Earth. doi:10.1002/2014JB011547
- Wiese, D.N. et al. (2016). Quantifying and reducing leakage errors in the JPL RL05M GRACE mascon solution. Water Resources Research. doi:10.1002/2016WR019344
- Landerer, F.W. & Swenson, S.C. (2012). Accuracy of scaled GRACE terrestrial water storage estimates. Water Resources Research. doi:10.1029/2011WR011453
- Rodell, M. et al. (2018). Emerging trends in global freshwater availability. Nature. doi:10.1038/s41586-018-0123-1
- Scanlon, B.R. et al. (2018). Global models underestimate large decadal declining and rising water storage trends. Nature Communications. doi:10.1038/s41467-018-04475-5
- Khorrami, M. et al. (2023). Groundwater Volume Loss in Mexico City. Geophysical Research Letters. doi:10.1029/2022GL101962
- Castellazzi, P. et al. (2016). Groundwater depletion in Central Mexico. Water Resources Research. doi:10.1002/2015WR018211
- Tourian, M.J. et al. (2018). A quantile function approach to discharge estimation from satellite altimetry. JGR. doi:10.1029/2018WR023166
- Šavrič, B. et al. (2019). The Equal Earth map projection. International Journal of Geographical Information Science. doi:10.1080/13658816.2018.1504949
- JPL GRACE Tellus (2021). GRACE-FO Level-3 Data Handbook. NASA Jet Propulsion Laboratory. GRACE D-103133.