K-means clustering and principal component analysis (PCA) are widely used in water quality analysis and management. Nevertheless, numerous studies have pointed out that K-means with the squared Euclidean distance is not suitable for high-dimensional datasets. We evaluate a methodology (K-means based on PCA) for water quality evaluation. It is based on the PCA method to reduce the dataset from high dimensional to low for the improvement of K-means clustering. For this, a large dataset of 28 hydrogeochemical variables and 582 wells in the coastal aquifer are classified with K-means clustering for high dimensional and K-means clustering based on PCA. The proposed method achieved increased quality cluster cohesion according to the average Silhouette index. It ranged from 0.13 for high dimensional k-means clustering to 5.94 for K-means based on PCA and the practical spatial geographic information systems (GIS) evaluation of clustering indicates more quality results for K-means clustering based on PCA. K-means based on PCA identified three hydrogeochemical classes and their sources. High salinity was attributed to seawater intrusion and the mineralization process, high levels of heavy metals related to domestic-industrial wastewater discharge and low heavy metals concentrations were associated with industrial wastewater punctual discharges. This approach allowed the demarcation of natural and anthropogenic variation sources in the aquifer and provided greater certainty and accuracy to the data classification.

El frijol (Phaseolus vulgaris) es el segundo cultivo más importante en México, después del maíz por la superficie sembrada; sin embargo, de acuerdo con datos oficiales, en las últimas décadas han disminuido la superficie y producción, lo cual puede estar relacionado con la variabilidad del clima, en especial de la precipitación, en los ciclos de producción primavera-verano y otoño-invierno. El objetivo del presente estudio fue analizar la evolución de la superficie de producción de frijol en temporal en México y la relación entre la sequía y el rendimiento en el periodo 1980-2016. Con información de las bases de datos disponibles del cultivo se analizó la evolución del área sembrada, cosechada y siniestrada, y del rendimiento de grano, y con información del clima se calculó el índice de sequía, que consiste en la desviación de la precipitación con respecto a la media normal (DP) para el periodo estudiado. Con base en la DP se fijó una variable de clasificación “Dummy” de sequía en una base de datos de 37 años, para 21 estados de México en el ciclo de primavera-verano y 10 en el ciclo de otoño-invierno. La DP y la variable de clasificación se analizaron mediante un modelo econométrico de efectos fijos. Con respecto a la evolución del cultivo, hubo incremento del área siniestrada y disminución tanto del área sembrada como del rendimiento. El modelo estimado para el ciclo primavera-verano fue significativo a una P ≤ 0.05, con una R2 de 0.55, que indica que la sequía reduce el rendimiento en 53 kg ha-1. El bajo ajuste de los modelos sugiere que hay otros factores, además de la precipitación, que afectan la producción de frijol de temporal en México.