La información climatológica es importante en la aplicación e investigación en distintas disciplinas relacionadas con los recursos naturales y el medio ambiente, sin embargo su adquisición puede ser difícil y demandar mucho tiempo, particularmente en zonas montañosas (Kouwen et al., 2005). Las estaciones meteorológicas terrestres no siempre representan de modo adecuado el clima que ocurre en las regiones de estudio o cuenca hidrográficas por su falta de cobertura geográfica, además de que presentan vacíos de información en sus series de datos. Ante tal problemática, en el presente trabajo de investigación se evaluaron datos mensuales de precipitación, temperatura máxima y mínima provenientes del conjunto de datos meteorológicos globales denominado “Reanálisis del Sistema de Predicción del Clima” (CFSR, por sus siglas en inglés), como una fuente de información de uso alternativo frente a las observadas in situ en estaciones convencionales (CLICOM), mediante un análisis estadístico en la cuenca alta del río Mayo, Chihuahua, México. Los indicadores estadísticos que se emplearon (sesgo porcentual, raíz del error cuadrático medio, error promedio absoluto y coeficiente de determinación) mostraron que, en general, existe un buen desempeño del CFSR en el modelamiento de la precipitación, temperatura máxima y mínima en época seca, y una sobreestimación durante los meses de lluvia.

The availability of water resources has significantly decreased in recent years. Therefore, it is essential to design comprehensive management strategies at the watershed level. This study included a methodological novelty by combining morphometric analysis with multicriteria analysis to prioritize sub-watersheds in the Las Flores Watershed (LFW), located in Chiapas, Mexico. The LFW catchment area covers 2517.96 km² and was divided into 29 sub-watersheds. Morphometric analysis, based on physical characteristics (shape, stream network, and relief), allows us to infer the level of susceptibility to erosion of a watershed. However, to improve the prioritization of sub-watersheds, the erosion rate (EA) was estimated using the Universal Soil Loss Equation (USLE), as well as rainfall intensity and curve number. The results show that sub-watersheds SW₂₀ and SW₁₅ have the highest predicted EA values, that is, 234.76 and 222.10 t ha⁻¹, respectively. The final prioritization framework established that the sub-watersheds classified as very high priority were SW₂₀, SW₂₈, SW₁₅, SW₂₁, and SW₀₉, covering an area of 734.19 km², corresponding to 29.16% of the total area of LFW. Therefore, in these sub-watersheds, the immediate implementation of water regulation structures and conservation practices is required to minimize their susceptibility to water erosion.

La información climatológica es importante en la aplicación e investigación en distintas disciplinas relacionadas con los recursos naturales y el medio ambiente, sin embargo, su adquisición puede ser difícil y demandar mucho tiempo, particularmente en zonas montañosas (Kouwen et al., 2005). Las estaciones meteorológicas terrestres no siempre representan adecuadamente el clima que ocurre en las regiones de estudio o cuenca hidrográficas, por su falta de cobertura geográfica, además de que presentan vacíos de información en sus series de datos. Ante tal problemática, en el presente trabajo de investigación se evaluaron datos mensuales de precipitación, temperatura máxima y mínima provenientes del conjunto de datos meteorológicos globales denominado “Reanálisis del Sistema de Predicción del Clima”, (CFSR, por sus siglas en inglés) como una fuente de información de uso alternativo frente a las observadas in situ en estaciones convencionales (CLICOM), mediante un análisis estadístico en la cuenca alta del río Mayo, Chihuahua, México. Los indicadores estadísticos que se emplearon (sesgo porcentual, raíz del error cuadrático medio, error promedio absoluto y coeficiente de determinación) mostraron que, en general, existe un buen desempeño del CFSR en el modelamiento de la precipitación, temperatura máxima y mínima en época seca, y una sobreestimación durante los meses de lluvia.

Currently, water erosion represents one of the main environmental degradation issues in tropical watersheds. Therefore, the main objective of this research was to determine the spatial distribution of erosion susceptibility by integrating multi-criteria decision-making (MCDM) and Geographic Information Systems (GIS) in the “Las Flores” Watershed, Chiapas, Mexico, which covers an area of 2519 km². The Analytic Hierarchy Process (AHP) was implemented in combination with twelve spatial variables: watershed curve number (CNW), topographic wetness index (TWI), sediment transport index (STI), slope (SLP), soil type (STF), distance to rivers (DTR), precipitation (PCP), drainage density (DDN), terrain curvature (CUR), land use and vegetation cover (LCI), normalized difference vegetation index (NDVI), and normalized difference water index (NDWI). The model was evaluated using a Receiver Operating Characteristic (ROC) curve based on 135 erosion points identified through multitemporal image analysis. The results reveal that the variables of SLP (19.30%), PCP (16.70%), CNW (11.89%), and LCI (10.04%) had the most influence on the modeling of erosion susceptibility. In this regard, the high and very high susceptibility categories encompass a significant portion of the basin’s territory, representing 29.20% (735.41 km²), mostly concentrated in areas near the watershed, where the highest precipitation occurs, soils with shallower layers, and areas dedicated to pastures and agriculture. The model achieved very good predictive performance, with an area under the ROC curve (AUC) of 0.82. Therefore, the resulting zoning indicates that spatial modeling can reliably represent erosion susceptibility, serving as an essential technical tool for decision-makers to optimize resource distribution and develop intervention plans in high-priority areas.