Claudio Cesar Hernandez-Vásquez

Claudio Cesar Hernandez-Vásquez

Auto-generated profile, based on publicly available information

Claudio Cesar Hernandez-Vásquez

Universidad Autónoma Chapingo, Texcoco, México

Research Focus & Metrics

Academic Career Length

5Years (2022-Present)

(Calculated once Scilit publication data is synced: current year − year of first publication + 1)

Representative Publications

View All Publications
2 May 2022 in Tecnología y ciencias del agua
Verified
Journal Article
Open access
PDF file
TCTexcoco Universidad Autónoma Chapingo
Texcoco Universidad Autónoma Chapingo
CHClaudio César Hernández-Vásquez
Claudio César Hernández-Vásquez
LCLaura Alicia Ibañez Castillo
Laura Alicia Ibañez Castillo
RARamon Arteaga-Ramirez
Ramon Arteaga-Ramirez
AMAlejandro Ismael Monterroso-Rivas
Alejandro Ismael Monterroso-Rivas
CMCoatlinchán Campo Experimental Valle de México-Inifap
Coatlinchán Campo Experimental Valle de México-Inifap
Droughts are hydrometeorological hazards that are characterized by an abnormal and persistent humidity deficit. In the last years, this hazard has been present more frequently and with more severity levels, producing negative impacts on the ecosystem, agriculture, livestock, and society. Therefore, its monitoring and forecast, must be part of integral planning, preparation, and mitigation of its adverse effects at local, regional, and national levels. In Mexico, most of the drought studies are focused on characterization and analysis. Thus, in this research, we evaluated the application of artificial neural networks (ANN) to forecast the meteorological droughts in the medium and high parts of the Sonora River watershed. SPI and SPEI index were used, on scales of 3, 6, 12, and, 24 months, for the 1974 to 2013 period of years. Forecast results showed that ANN has a satisfactory level of prediction, with an average determination coefficient (R2) in the validation phase, of 0.76. It was observed that the statistical efficiency of SPEI was better than that of SPI, and that this efficiency increased with the longer temporal scale; maybe because in a short term, climate variability is greater. Las sequías son un fenómeno hidrometeorológico extremo que se caracteriza por la deficiencia de humedad de manera anormal y persistente. En los últimos años, este fenómeno se ha presentado con mayor frecuencia y con niveles de gravedad cada vez más intensos, lo que ha provocado numerosos impactos negativos en los sistemas ecológicos, agrícolas, ganaderos y sociales. Por lo tanto, su monitoreo y pronóstico deben ser parte integral de la planeación, preparación y mitigación de sus efectos adversos a nivel local, regional e incluso nacional. En México, los estudios se han enfocado mayoritariamente en la caracterización y el análisis de los eventos de sequía, por lo que el objetivo de este estudio fue evaluar la aplicabilidad de las redes neuronales artificiales (RNA) para pronosticar las sequías meteorológicas en la parte media y alta de la cuenca del río Sonora, México. Para ello se utilizaron los índices SPI y SPEI a escalas temporales de 3, 6, 12 y 24 meses, para el periodo de 1974 a 2013. De manera general, los resultados mostraron que las habilidades predictivas de los modelos de RNA fueron satisfactorias, con un coeficiente de determinación (R2) promedio de 0.76 en la etapa final de validación de los modelos. Se observó que el rendimiento estadístico de los modelos para el pronóstico del SPEI fue superior al SPI y que éste aumentaba conforme la escala temporal era mayor, probablemente debido a que a corto plazo existe mayor variabilidad de las condiciones climáticas.

2 December 2025 in Revista de Investigación Agraria y Ambiental
Verified
Journal Article
Open access
IOIldefonso Narvaez Ortiz
Ildefonso Narvaez Ortiz
RORocío Alexandra Ortiz-Paz
Rocío Alexandra Ortiz-Paz
CHClaudio Cesar Hernandez-Vásquez
Claudio Cesar Hernandez-Vásquez
Contextualización: se analizan las estimaciones de precipitación y temperatura en la cuenca del río Sonora, México, utilizando datos ráster de Chirps y WorldClim. Con estas plataformas se puede suplir la ausencia de datos debido a la baja o nula instrumentación, aportando información para la planificación y toma de decisiones a nivel territorial. Vacío de conocimiento: a pesar de la información generada a partir de sensores remotos que facilitan la interpolación y estimación de variables climáticas en áreas sin mediciones directas, persisten dudas sobre la precisión de los datos interpolados en rásters en comparación con los registros climatológicos obtenidos en tierra, especialmente en áreas de baja densidad de estaciones y diversidad geográfica. Propósito: el objetivo principal es evaluar la precisión de las estimaciones de precipitación de Chirps y de las temperaturas máxima y mínima de WorldClim, usando registros mensuales de 19 estaciones climatológicas en la cuenca del río Sonora durante el periodo 1981-2013. Metodología: se recopilaron datos de Chirps y WorldClim, comparándolos con registros de estaciones climatológicas mediante el Valor Absoluto del Error Relativo (PBIAS) y la relación de la Desviación Estándar (RSR). Se utilizaron rutinas de código en R. Resultados y conclusiones: los resultados muestran que las estimaciones de Chirps y WorldClim presentan un ajuste "Bueno" a "Muy bueno". No obstante, se identificaron casos de subestimación y sobreestimación principalmente en las temperaturas. Las estimaciones de temperaturas mostraron un alto grado de ajuste, mientras que las de precipitación fueron más dispersas. Las plataformas con datos en ráster son confiables para estudios climáticos y de planificación en la región.