Caracterización de tormentas severas usando imágenes satelitales GOES-16 y procesamiento en paralelo
DOI:
https://doi.org/10.22201/dgtic.26832968e.2026.15.146Palabras clave:
tormentas severas, procesamiento paralelo, imágenes GOES-16, ciclo de vida convectivo, convección profundaResumen
Las tormentas severas asociadas a convección profunda representan un riesgo importante en regiones urbanas como la Ciudad de México por su potencial para generar lluvia intensa, granizo y actividad eléctrica, fenómenos vinculados a inundaciones y daños urbanos. Este trabajo desarrolla un flujo computacional para la caracterización de tormentas severas a partir de observaciones del satélite GOES-16, integrando variables térmicas y eléctricas de los sensores Advanced Baseline Imager (ABI) y Geostationary Lightning Mapper (GLM). El análisis se aplicó a 169 eventos de tormenta severa ocurridos entre 2020 y 2023, utilizando esquemas de procesamiento en paralelo en infraestructura de cómputo de alto rendimiento. La metodología se basa en la estimación de la temperatura de brillo del tope de nube y la actividad eléctrica de las tormentas severas, con el fin de identificar los umbrales del ciclo de vida convectivo. Los umbrales estimados son: −33°C, asociado al inicio de la actividad eléctrica, y −55°C, vinculado con la transición hacia la fase madura de desarrollo. Asimismo, se implementó una adaptación regional de la composición RGB, desarrollada previamente para latitudes medias, permitiendo mejorar la identificación de la convección profunda para la Ciudad de México. Los productos resultantes operan actualmente para el monitoreo de tormentas severas en tiempo casi real.
Descargas
Citas
[1] H. R. Byers and R. R. Braham, The Thunderstorm. Washington, DC, USA: U.S. Government Printing Office, 1949.
[2] C. A. Doswell III, “Severe convective storms—An overview,” in Severe Convective Storms, Meteorological Monographs, vol. 28, no. 50. Boston, MA, USA: American Meteorological Society, 2001, pp. 1–26.
[3] J. M. Wallace and P. V. Hobbs, Atmospheric Science: An Introductory Survey, 2nd ed. Amsterdam, The Netherlands: Elsevier, 2006, doi: 10.1016/C2009-0-00034-8.
[4] W. R. Cotton, G. H. Bryan, and S. C. van den Heever, “Cumulonimbus clouds and severe convective storms,” in Storm and Cloud Dynamics, Int. Geophys., vol. 99, pp. 315–454, 2011, doi: 10.1016/S0074-6142(10)09914-6.
[5] R. A. Houze Jr., “Cumulonimbus and severe storms,” in Cloud Dynamics, 2nd ed., Int. Geophys., vol. 104. Oxford, U.K.: Academic Press, 2014, pp. 187–236, doi: 10.1016/B978-0-12-374266-7.00008-1.
[6] Instituto Nacional de Estadística y Geografía (INEGI), Censo de Población y Vivienda 2020. Mexico City, Mexico, 2020. [Online]. Available: http://www.inegi.org.mx
[7] Secretaría de Desarrollo Agrario, Territorial y Urbano (SEDATU), Consejo Nacional de Población (CONAPO), and Instituto Nacional de Estadística y Geografía (INEGI), Delimitación de las zonas metropolitanas de México 2015. Mexico City, Mexico, 2018. [Online]. Available: https://www.gob.mx/sedatu
[8] Y. Chen and A. M. Bilton, “Water stress, peri-urbanization, and community-based water systems: A reflective commentary on the metropolitan area of Mexico City,” Frontiers in Sustainable Cities, vol. 4, p. 790633, 2022, doi: 10.3389/frsc.2022.790633.
[9] J. M. Montero-Martínez and M. Andrade-Velázquez, “Effects of urbanization on extreme climate indices in the Valley of Mexico Basin,” Atmosphere, vol. 13, no. 5, p. 785, 2022, doi: 10.3390/atmos13050785.
[10] S. Q. Kidder and T. H. Vonder Haar, Satellite Meteorology: An Introduction. San Diego, CA, USA: Academic Press, 1995.
[11] T. J. Schmit et al., “A closer look at the ABI on the GOES-R series,” Bull. Amer. Meteor. Soc., vol. 98, no. 4, pp. 681–698, Apr. 2017, doi: 10.1175/BAMS-D-15-00230.1.
[12] E. R. Williams et al., “The behavior of total lightning activity in severe Florida thunderstorms,” Atmospheric Research, vol. 51, no. 3–4, pp. 245–265, 1999.
[13] C. J. Schultz, W. A. Petersen, and L. D. Carey, “Lightning and severe weather: A comparison between total and cloud-to-ground lightning trends,” Weather and Forecasting, vol. 26, no. 5, pp. 744–755, Oct. 2011, doi: 10.1175/WAF-D-10-05026.1.
[14] S. J. Goodman et al., “The GOES-R Geostationary Lightning Mapper (GLM),” Atmospheric Research, vol. 125–126, pp. 34–49, 2013, doi: 10.1016/j.atmosres.2013.01.006.
[15] K. C. Thiel, K. M. Calhoun, A. E. Reinhart, and D. R. MacGorman, “GLM and ABI characteristics of severe and convective storms,” J. Geophys. Res.: Atmospheres, vol. 125, no. 17, p. e2020JD032858, 2020, doi: 10.1029/2020JD032858.
[16] National Oceanic and Atmospheric Administration, “GOES-16 Data on AWS,” Amazon Web Services S3 Open Data Repository. [Online]. Available: https://noaa-goes16.s3.amazonaws.com/index.html
Descargas
Publicado
Cómo citar
Número
Sección
Licencia
Derechos de autor 2026 Dra. Erika D. López Espinoza, Lic. Jimena Ortiz Villalva, M. en C. Dulce R. Herrera Moro, Dr. Jorge Zavala Hidalgo, Juan Manuel De Santiago Rodríguez
Esta obra está bajo una licencia internacional Creative Commons Atribución-NoComercial 4.0.
TIES, Revista de Tecnología e Innovación en Educación Superior, es una publicación semestral de acceso abierto bajo la licencia Creative Commons Atribución-No Comercial 4.0 Internacional (CC BY-NC 4.0).
ISSN 22683-2968 • © 2026 Universidad Nacional Autónoma de México. TIES, Revista de Tecnología e Innovación en Educación Superior es editada por la Universidad Nacional Autónoma de México a través de la Dirección General de Cómputo y de Tecnologías de Información y Comunicación (DGTIC). Circuito exterior s/n, Ciudad Universitaria, Alcaldía Coyoacán, C.P. 04510, Ciudad de México, México • Reserva de Derechos de Autor otorgado por INDAUTOR: 04-2019-011816190900-203.
El contenido de los artículos es responsabilidad de los autores y no refleja el punto de vista del Comité editorial, del Editor o de la Universidad Nacional Autónoma de México. Hecho en México, 2026.
