Investigación,
docencia y desarrollo tecnológico para el sector hidroagrícola.

Calibración y validación operativa de la AppCanales-MV (LSPIV móvil) en canales secundarios de un módulo de riego

La velocimetría por imágenes a gran escala (LSPIV) permite estimar la velocidad superficial del agua a partir de video, evitando el uso de molinetes o ADCP en aforos rutinarios. Este trabajo busca llevar la AppCanales-MV (desarrollada en el IMTA) de un prototipo a una herramienta operativa, mediante una campaña sistemática de aforos pareados contra métodos tradicionales en canales secundarios de un módulo de riego seleccionado.

El alcance incluye caracterizar el efecto de variables que comprometen la medición (iluminación, sombras, vegetación flotante, altura y ángulo de cámara, turbulencia y carga de sedimentos), establecer rangos de validez, ajustar parámetros internos del algoritmo y derivar un protocolo estandarizado de aforo con smartphone que pueda ser adoptado por personal técnico de distritos de riego sin formación especializada en hidrometría.

Detección automatizada de pozos clandestinos o no concesionados mediante segmentación semántica de imágenes satelitales de alta resolución y energía eléctrica reportada

La sobreconcesión y la extracción no autorizada son dos de los problemas más graves de la gestión del agua subterránea en México. Esta tesis propone integrar dos fuentes de información complementarias: por un lado, segmentación semántica con redes neuronales convolucionales aplicada a imágenes de alta resolución (PlanetScope, Maxar o aéreas) para detectar infraestructura típica de pozos (caseta, equipo de bombeo, cárcamo, parcela regada) en zonas declaradas de no concesión.

Por otro lado, validación cruzada con consumo eléctrico reportado y con el padrón REPDA. El producto será un flujo metodológico replicable y un mapa probabilístico de pozos potencialmente irregulares en un acuífero piloto, idealmente en Zacatecas o Guanajuato donde ya existe vínculo institucional.

Cuantificación y dinámica temporal de maleza acuática en infraestructura hidroagrícola usando series multitemporales Sentinel-2 y modelos de clasificación supervisada

La maleza acuática (principalmente lirio) reduce la capacidad de conducción de canales y embalses, incrementa la evapotranspiración improductiva y dificulta la operación. Los trabajos previos en el IMTA, incluida la tesis de Aguilar Vera (2025) sobre el sistema Humaya, se han concentrado en clasificación puntual.

Esta tesis escala el enfoque a series multitemporales Sentinel-2 cubriendo todo un sistema hidroagrícola durante uno o dos ciclos anuales, con el fin de modelar la dinámica de crecimiento, propagación y respuesta a acciones de control mediante clasificadores supervisados (Random Forest, XGBoost, redes convolucionales). El producto es un sistema de monitoreo continuo que permita programar control biológico, mecánico o químico de manera focalizada y costo-eficiente.

Conteo automatizado de plantas y evaluación de densidad de siembra en cultivos en hilera usando dron RGB y deep learning (YOLO, Faster R-CNN)

La densidad de siembra es una variable agronómica crítica que afecta directamente la demanda hídrica y el rendimiento. Su evaluación tradicional requiere muestreo manual extensivo, lo que limita su uso operativo. Esta tesis aplica modelos de detección de objetos en tiempo real (familia YOLO, Faster R-CNN o variantes recientes basadas en transformers) sobre ortomosaicos RGB obtenidos con dron, para contar plantas individualmente y calcular densidades reales por subparcela.

Se incluye un análisis de sensibilidad de la altura de vuelo, traslape, resolución y etapa fenológica, así como la generación de un dataset etiquetado para uno o dos cultivos prioritarios (por ejemplo, maíz o caña en etapa temprana). El producto puede integrarse como módulo a la cadena de procesamiento fotogramétrico que ya maneja el grupo de investigación.

Red de sensores LoRaWAN de bajo costo para monitoreo distribuido de humedad de suelo y programación de riego en parcelas demostrativas

La programación del riego con base en humedad de suelo es ampliamente reconocida como la práctica más eficiente, pero su adopción en México es marginal por el costo de las redes comerciales. Esta tesis aborda el diseño, integración y validación de una red de sensores capacitivos o tensiométricos de bajo costo, comunicados vía LoRaWAN a una pasarela y a una plataforma web.

El componente de investigación incluye protocolos de calibración por tipo de suelo, evaluación de cobertura y consumo energético, comparación contra equipos comerciales, y formulación de reglas simples de decisión de riego que el productor pueda interpretar. Se prevé el despliegue en una o dos parcelas demostrativas dentro de un módulo de riego con el que ya se tenga relación institucional (Morelos o Sinaloa).

Asistente conversacional (LLM) especializado para técnicos de distritos de riego, con base de conocimiento en planes directores, manuales operativos y normativa CONAGUA

La rotación de personal en distritos de riego y CONAGUA implica pérdida constante de conocimiento operativo, en buena medida porque la documentación está dispersa en planes directores, manuales, lineamientos y oficios. Esta tesis propone construir un asistente conversacional basado en un modelo de lenguaje grande con arquitectura de recuperación aumentada (RAG), alimentado con un corpus institucional curado: planes directores de distritos de riego, manuales del SISTAG y PlanDR, normativa de la Ley de Aguas Nacionales y reglamentos.

El trabajo comprende la curación del corpus, el diseño del esquema de chunking y embeddings, la selección del modelo base (preferentemente abierto), la evaluación cuantitativa de la calidad de respuestas mediante un banco de preguntas-respuesta validado por expertos, y un piloto con técnicos de un distrito de riego. Es un tema de alta novedad en el sector hidroagrícola mexicano y de gran potencial de transferencia.

Sistema de alerta temprana de sobreexplotación de acuíferos basado en aprendizaje automático interpretable (XAI) y series multitemporales GRACE-FO + InSAR

La actualización del estatus de los acuíferos en México depende de balances con datos puntuales y desfasados publicados en el DOF, lo que limita la oportunidad de la respuesta administrativa. Esta tesis propone un marco de alerta temprana que integra tres fuentes complementarias de información satelital y terrestre: anomalías de almacenamiento de agua subterránea derivadas de GRACE-FO, subsidencia detectada con interferometría radar (InSAR de Sentinel-1) como proxy físico de extracción excesiva, y datos in situ de niveles piezométricos y volúmenes concesionados.

Los modelos de aprendizaje automático se entrenan para predecir trayectorias de déficit con varios meses de anticipación, e incorporan técnicas de inteligencia artificial explicable (SHAP, LIME, contrafactuales) que permiten a la autoridad fundamentar decisiones administrativas con evidencia interpretable. El aporte de frontera radica en la fusión multifuente, en la cuantificación rigurosa de la incertidumbre y en el diseño de un protocolo de alerta operacionalmente útil para CONAGUA. Se prevén dos a tres publicaciones JCR y al menos una estancia internacional con un grupo experto en teledetección hidrogeológica.

Gemelo digital (digital twin) de un distrito de riego como herramienta para la seguridad hídrica

Un gemelo digital es una representación virtual de un sistema físico que se actualiza en tiempo casi real con datos observados y permite simular escenarios operativos y de planeación. Esta tesis desarrolla, valida y documenta el primer gemelo digital de un distrito de riego mexicano, integrando en una sola arquitectura software los componentes que históricamente han operado de manera aislada: la red hidráulica georreferenciada, los datos de IoT de pozos y compuertas, las mediciones LSPIV de canales (AppCanales-MV), las imágenes satelitales para evapotranspiración y patrón de cultivos, los planes de riego (PlanDR) y modelos de demanda basados en aprendizaje automático.

El componente original incluye el diseño de la arquitectura de acoplamiento de modelos físicos y de aprendizaje, la formalización de un esquema de actualización (data assimilation), la validación contra un ciclo agrícola completo y la generación de escenarios de seguridad hídrica (sequía, falla de fuente, cambio de patrón de cultivos). Es un tema con alto potencial de impacto institucional y de publicación, dado que los gemelos digitales en sistemas de riego son una frontera activa a nivel internacional con poca aplicación documentada en América Latina.

Optimización multiobjetivo del patrón de cultivos considerando huella hídrica, ingreso económico y resiliencia ante sequía mediante algoritmos evolutivos

Esta tesis es la extensión natural y madura de la propia tesis doctoral del director (GenSRT, 2014), que abordó la optimización del patrón de cultivos como un problema de un solo objetivo (maximización del ingreso). El estado del arte exige hoy un planteamiento multiobjetivo que reconozca tensiones legítimas entre productividad económica, sustentabilidad del recurso y robustez ante variabilidad climática.

La propuesta utiliza algoritmos evolutivos modernos de la familia NSGA-II, NSGA-III y MOEA-D para encontrar el frente de Pareto entre tres objetivos: ingreso neto, huella hídrica azul y verde, y resiliencia ante escenarios de sequía generados con proyecciones climáticas regionalizadas (CMIP6). Se incorporan modelos no lineales de rendimiento entrenados con minería de datos sobre series históricas del SISTAG, restricciones realistas de superficie, infraestructura y derechos de agua, y un análisis de gobernanza sobre cómo distintas configuraciones del frente de Pareto se traducen en decisiones aceptables para los usuarios.

El producto es un marco metodológico generalizable y aplicado a dos o tres distritos de riego con condiciones contrastantes (norte semiárido vs. centro-sur). Tiene potencial para dos publicaciones JCR y vincula directamente la tradición del IMTA en planeación de riego con la agenda contemporánea de seguridad hídrica.