Delimitación de zonas con potencial geotérmico aplicando técnicas de percepción remota que correlacionan las características físicas de temperatura de superficie terrestre y densidad del subsuelo: Caso de estudio Nayarit

Main Article Content

Guillermo Isaac Nájera Rocha http://orcid.org/0000-0003-4649-1653
Ernesto Caetano http://orcid.org/0000-0002-9142-5340
Verónica Totolhua http://orcid.org/0000-0002-9457-4771

Resumen

En el contexto actual, donde los combustibles fósiles generan un grave problema ambiental, se han buscado nuevas fuentes de energía alternativa más amigables con el medio ambiente, entre ellas se encuentran la energía solar, eólica, de oleaje y geotérmica; esta última no depende de las condiciones climáticas ni del tiempo meteorológico de la región donde se aplique. En México, las condiciones geológicas del territorio favorecen la existencia de potencial geotérmico, lo cual lo ha destacado actualmente como el 4° país con mayor capacidad geotérmica-eléctrica instalada con 958 [MW]; se estima que el potencial total del país alcanza los 9,686 [MW] diferidos en 276 localidades de México. Un problema existente para la delimitación de estas localidades geotérmicas es que se requieren estudios muy puntuales y costosos que no cubren el potencial de una región; como consecuencia, en este trabajo se propone una técnica para conocer esta información con el uso de imágenes satelitales, a las cuales les serán aplicadas técnicas de percepción remota y análisis en sistemas de información geográfica para correlacionar características físicas de la Tierra, tales como la temperatura de superficie terrestre y la densidad del subsuelo mediante anomalías gravimétricas que sirven como indicadores de actividad geotérmica. La técnica propuesta funciona como una prospección inicial de muy bajo costo para futuros estudios de campo más detallados; además fue utilizada para delimitar tres zonas geotermales en Nayarit, México

Article Details

Como citar
NÁJERA ROCHA, Guillermo Isaac; CAETANO, Ernesto; TOTOLHUA, Verónica. Delimitación de zonas con potencial geotérmico aplicando técnicas de percepción remota que correlacionan las características físicas de temperatura de superficie terrestre y densidad del subsuelo: Caso de estudio Nayarit. Quivera Revista de Estudios Territoriales, [S.l.], v. 25, n. 1, p. 67-95, dic. 2022. ISSN 2594-102X. Disponible en: <https://quivera.uaemex.mx/article/view/17272>. Fecha de acceso: 11 nov. 2025 doi: https://doi.org/10.36677/qret.v25i1.17272.
Sección
Artículos de investigación

Citas

Aguirre, R. (2002). Los mares mexicanos a través de la percepción remota. Instituto de Geografía, Universidad Nacional Autónoma de México. Recuperado de: http://www.publicaciones.igg.unam.mx/index.php/ig/catalog/book/57

Avdan, U. y Jovanovska, G. (2016). algorithm for automated mapping of land surface temperature using LANDSAT 8 Satellite Data. Journal of Sensors, 2016 (1480307), 1-4. Recuperado de: https://www.hindawi.com/journals/js/2016/1480307/

Benestad, R., Hanssen-Bauer, I. y Chen, D. (2008). Empirical-Statistical Downscaling. World Scientific Publishing Company. 2008, 1-3. https://doi.org/10.1142/6908

Buntebarth, G. (1994). Geotermia, Introducción a los Aspectos Aplicados y Teóricos de la Conducción del Calor en la Tierra. México: Grafos Editores

Centro de Investigaciones en Ciencias de Información Geoespacial. (2022). Percepción Remota. Recuperado de: https://www.centrogeo.org.mx/investigacion/percepcion-remota

Centro Nacional de Prevención de Desastres. (2022). Tecnología Espacial y Percepción Remota en la Prevención de Desastres. Recuperado de: https://www.gob.mx/cenapred/articulos/tecnologia-espacial-y-percepcion-remota-en-la-prevencion-de-desastres#:~:text=La%20percepci%C3%B3n%20remota%20o%20teledetecci%C3%B3n,1987).

Chan, H., Chang, C., y Dao, P. (2018). Geothermal anomaly mapping using landsat ETM+ Data in Ilan Plain, Northeastern Taiwan. Pure and Applied Geophysics. 175 (2018). 303-323. Recuperado de: https://doi.org/10.1007/s00024-017-1690-z

Demant, A. (1981). Plio-Quaternary Volcanism of The Santa Rosa Area, Baja California, Mexico. Geological Society of America. Cordilleran Section, Annual Meeting, 295-305.

Fernández S., A. (2018). Cálculo de temperatura de superficie a partir de imágenes NOAA, Landsat y Sentinel-3. RiuNet Repositorio UPV. 5-6. Recuperado de: https://riunet.upv.es/handle/10251/103166?show=full

García A., J. (1982). Estudio gravimétrico en la zona geotérmica de La Presita (Tesis de Maestría). Centro de Investigación Científica y de Educación Superior de Ensenada. Baja California, México. Recuperado de: http://cicese.repositorioinstitucional.mx/jspui/handle/1007/1418

Gastil, G., y Krummennacher, D. (1977). Reconnaissance Geology of Coastal Sonora between Puerto Lobos and Bahia Kino. Geological Society of America Bulletin. 88. (189-198).

Giordano, G., Pinton, A., Cianfarra, P., Baez, W., Chiodi, A., Viramonte, J., Norini, G., Gropelli, G. (2012). Structural control on geothermal circulation in The Cerro Tuzgle-Tocomar geothermal volcanic area (Puna Plateau, Argentina). Journal of Volcanology and Geothermal Research. (249). 77-94. Recuperado de: https://doi.org/10.1016/j.jvolgeores.2012.09.009

Goldstein, B.A., Hiriart L. B., G. Tester, J., Gutiérrez-Negrin, L. C., y Huenges, E. H. (2011). Great Expectations for Geothermal Energy to 2100. Proceedings 36th Workshop on Geothermal Reservoir Engineering (665), 1. Recuperado de: https://scholar.google.com/citations?view_op=view_citation&hl=es&user=EV0Va3EAAAAJ&citation_for_view=EV0Va3EAAAAJ:0EnyYjriUFMC

Gutiérrez-Negrín, L. .1988). La Primavera, Jalisco, Mexico: Geothermal Field. Transactions of the Geothermal Research Council. 12, 161-165.

Heredia, S., Malmond, A., Castro, C., y Tejada, S. (2016). Índice de Vegetación NDVI, para la Visualización de la Dinámica Espacial de Áreas en Expansión. Ponencias de las XI Jornadas IDERA. (140-141). República de Argentina.

Hiriart L. B., G. (2011). Evaluación de la energía geotérmica en México. Informe para el Banco Internacional de Desarrollo y la Comisión Reguladora de Energía, 49-56, 89-92. México. Recuperado de: https://www.cre.gob.mx/documento/2026.pdf

INEGI. (2020). Catálogo de datos Ixtlán F13-D42, Santa María del Oro F13-D32, Compostela F13-D41, Xalisco F13-D31, Las Varas F13-C49 y Jalcocotán F13-C39. Instituto Nacional de Estadística y Geografía Recuperado de: https://www.inegi.org.mx/temas

LaFehr, T.R. (1991). Standardization in Gravity Reduction. Geophysics. Society of Exploration Geophysicists.

Lagat, J. (2010). Hydrothermal alteration mineralogy in geothermal fields with case examples from Olkaria Domes Geothermal Field, Kenya. Short Course on Exploration for Geothermal Resources. 2-3. Recuperado de: http://hdl.handle.net/10802/13871

Lago, D., y Rodríguez, P. (2019). Detection of Geothermal Potential Zones Using Remote Sensing Techniques. Remote Sensing. 11 (20: 2403), 2-8. Recuperado de: https://doi.org/10.3390/rs11202403

Lira, J. (2003). La percepción remota: nuestros ojos desde el espacio. México: Fondo de Cultura Económica.

Molina, A. III., Honda, M., El-Qady, Gad., Ushijima, Keisuke. (2006). Exploration of Geotermal Reservoir of Cerritos Colorados, Jalisco, México, Using 1D and 2D Inversión of Resistivity Data. Geotermia. 19 (1), 3. Recuperado de: https://biblat.unam.mx/es/revista/geotermia/articulo/exploration-of-the-geothermal-reservoir-of-cerritos-colorados-jal-mexico-using-1-d-and-2-d-inversion-of-resistivity-data

National Oceanic and Atmospheric Administration, (2020). North America Mesoscale Forecast System. Recuperado de: https://www.ncei.noaa.gov/products/weather-climate-models/north-american-mesoscale

Nava, M. (2010). Modelado por Métodos Potenciales de Estructuras Salinas Inferidas por Sismología de Reflexión. (Tesis de Maestría). Universidad Nacional Autónoma de México, México. Recuperado de: https://repositorio.unam.mx/contenidos/102221

Nettleton, L.L. (1976). Gravity and Magnetics in Oil Prospecting. New York, United States: McGraw-Hill.

Richter, A. (2019). The Top 10 Geothermal Countries 2019 – based on installed generation capacity (MWe). Think Geoenergy. Recuperado de: https://www.thinkgeoenergy.com/the-top-10-geothermal-countries-2019-based-on-installed-generation-capacity-mwe/

Santoyo, E y Barragán-Reyes R. (2010). Energía geotérmica. Ciencia – Academia Mexicana de Ciencias. 61 (2), 40-51. Recuperado de: https://biblat.unam.mx/es/revista/ciencia-academia-mexicana-de-ciencias/articulo/energia-geotermica

Servicio Geológico Mexicano. (2020). Cartas Geológicas Ixtlán F13-D42, Santa María del Oro F13-D32, Compostela F13-D41, Xalisco F13-D31, Las Varas F13-C49 y Jalcocotán F13-C39. Banco de datos. Recuperado de: https://www.sgm.gob.mx/CartasDisponibles/

Servicio Geológico Mexicano (2017). ¿Qué es la geofísica? Museo virtual. Recuperado de: https://www.gob.mx/cms/uploads/attachment/file/157796/Que-es-la-Geofisica.pdf

USGS (2020a). What are the band designations for the Landsat satellites? United States Geological Survey. USGS cience for a changing world. Recuperado de: https://www.usgs.gov/faqs/what-are-band-designations-landsat-satellites?qt-news_science_products=0#qt-news_science_products

USGS (2020b). Earth Explorer. United States Geological Service, USGS science for a changing world. Recuperado de: https://earthexplorer.usgs.gov/

Ussher, G., y Schwimmer, A. (2016). Reduciendo el riesgo geotermal y los tiempos de ejecución para una campaña de exploración. Geotermia–Revista Mexicana de Geoenergía. 29 (1), 6-8. Recuperado de: https://www.geotermia.org.mx/app/assets/media/2017/11/Geotermia-Vol29-1.pdf

Valdés, B. (2015). Identificación de lineamientos minerales asociados a alteraciones hidrotermales en la Bahía de La Paz, Baja California Sur, México, mediante imágenes satelitales Landsat ETM (Tesis de Licenciatura). Universidad Nacional Autónoma de México, México. Recuperado de: http://132.248.52.100:8080/xmlui/handle/132.248.52.100/6838

Von Storch, H., Zorita, E., y Cubasch, U. (1993). Downscaling of global climate change estimates to regional scales: an application to Iberian Rainfall in Wintertime. Journal of Climate. 6.https://doi.org/10.1175/1520-0442(1993)006%3C1161:DOGCCE%3E2.0.CO;2