Climate change (CC) is a growing threat to water security in agricultural regions, particularly in semi-arid areas. This study evaluates the impact of CC on reference evapotranspiration (ET₀) in Irrigation District 001 Pabellón de Arteaga, Aguascalientes (DR 001), with the aim of strengthening its sustainable management. We used historical data (2002–2023) and future projections (2026–2100) from 22 CMIP6 global climate models, previously corrected for bias under the scenarios SSP2-4.5 and SSP5-8.5. The evaluation of the correction methods showed that PTF-scale performed best in correcting precipitation, solar radiation, relative humidity, and wind speed, although the latter showed a low correlation. The maximum, mean, and minimum temperatures showed a better fit with the RQUANT and QUANT methods. The ACCESS-ESM1-5 model displayed the best performance in six of the nine corrected variables; therefore, it was the most suitable model to estimate ET₀. The uncertainty analysis showed that the FAO-56 method, although characterized by a higher current error, is more robust for future projections. A progressive increase in ET₀ is projected under both CC scenarios, ranging from 13.0 to 15.8% (SSP2-4.5), and between 12.5 and 20.4% (SSP5-8.5). The results highlight the urgent need to implement water adaptation strategies in DR 001 and make informed decisions to achieve resilient water management in the face of CC.

El recurso agua es cada día más limitado, siendo la agricultura el sector que mayor demanda tiene, por lo que es necesario contar con infraestructura de riego capaz de optimizar y suministrar el agua que recibe la planta. El presente trabajo tuvo como objetivo rediseñar y optimizar la sección 01 del distrito de riego 001 (DR 001) Pabellón de Arteaga, Aguascalientes para que la red pueda satisfacer los requerimientos de agua de los cultivos con el sistema de suministro del riego a la demanda. Se aplicó la primera fórmula de Clément para la capacidad hidráulica de los tramos de la red y programación lineal para el determinar los diámetros óptimos de la red presurizada, minimizando el costo de la tubería que es uno de los componentes de mayor presupuesto en un sistema de riego, se utilizó como restricciones la velocidad mínima y máxima, longitud de cada tramo, presión mínima en los nodos y un caudal mínimo a circular de 20 L s-1. Los resultados sugieren modificaciones importantes con respecto a lo instalado, actualmente los tramos de la red son clase 5 y el rediseño asignó en su mayoría clase 7 y 10, un 61% de los tramos incrementaron su diámetro, con un costo total mínimo de $ 6 968 266 en cuanto a tubería de policloruro de vinilo (PVC), también se eliminó la restricción de las 4 válvulas reguladoras de presión (VRP) existentes dentro de la sección 01 para que opere con la totalidad de la presión que recibe a la entrada de la sección.

La modernización del Distrito de Riego 001 inició en 2004, actualmente sigue en proceso de construcción y operando las secciones de riego completamente terminadas. El proyecto presenta cambios constructivos y de operación respecto al original, por lo que se planteó como objetivo analizar el comportamiento hidráulico de la red de distribución de la sección 01 en siete escenarios de operación, para identificar el más idóneo para el manejo del riego. La demanda de los 126 hidrantes de la sección de estudio se obtuvo por gasto modular, asignando aleatoriamente uno de los cultivos del patrón. Se consideraron el patrón de cultivos e intervalo de riego actuales, y una precipitación nula en todos los escenarios. Los tres primeros escenarios consideran una distribución por turnos, con diferencias en las necesidades de riego y en las láminas horarias de los emisores. El cuarto escenario consideró una distribución mixta por turnos y a la demanda. Estos cuatro escenarios consideraron un intervalo de riego de 48 horas, tiempo de riego de 3.2 horas por turno y fueron simulados en el programa EPANET. El quinto, sexto y séptimo escenario consideraron una distribución a la demanda, aplicando la primera fórmula generalizada de Clément, con una garantía de suministro de 90, 95 y 99 %, respectivamente, con un intervalo de riego diario, y se implementaron en MATLAB. Los resultados indicaron que la red no está capacitada para operar con un riego a la demanda y que, ante el patrón actual de cultivos, un riego por turnos estrictos es una mejor opción.

The spatial variability of soil physicochemical properties significantly influences irrigation efficiency, nutrient availability, and the long-term sustainability of irrigated agriculture in semi-arid regions. This study aimed to quantify and model the spatial distribution of soil properties in a semi-arid irrigation district in central Mexico (Irrigation District 001 “Pabellón de Arteaga”, Aguascalientes), providing spatially explicit information for differential irrigation and fertilization management. Ninety-seven crop and four natural sampling sites were established under a stratified random design at two soil depths (0–30 and 30–60 cm). Geostatistical and machine learning models (Ordinary Kriging, OK; Generalized Additive Models, GAM; and Random Forest, RF) were applied to predict spatial patterns, and their performance was evaluated using statistical metrics. The findings reveal high spatial and vertical variability, with most properties (such as organic matter, total nitrogen, and texture) showing significant stratification with depth. In contrast, others (pH and electrical conductivity, EC) remained remarkably homogeneous vertically. Correlation patterns were identified, highlighting the negative influence of alkaline pH (≈8.0) on the availability of micronutrients (Fe²⁺ and Mn²⁺) and the positive association between EC and soluble cations (Ca²⁺, K⁺, and Na⁺). Moran’s Index confirmed significant spatial autocorrelation for most properties, reducing the effective sample size by 30–70%. The comparative evaluation of predictive models demonstrated the superiority of RF over OK and GAMs for predicting chemical properties, thanks to its ability to capture nonlinear relationships and complex interactions. However, the overall predictive performance was moderate, reflecting the multifactorial complexity of the edaphic system. This study lays the foundation for the development of an accessible, low-cost Decision Support System by providing a robust methodological framework for spatial soil characterization and contributing to more sustainable, resilient agriculture, where decision-making is based on quantitative data and predictive models.