Universidad Nacional Autónoma de México

UNIVERSIDAD NACIONAL AUTÓNOMA DE MÉXICO
PROGRAMA DE MAESTRÍA Y DOCTORADO EN INGENIERÍA

INGENIERÍA CIVIL – GEOTECNIA
ANÁLISIS GEOESTADÍSTICO DEL SUBSUELO DE

LA ZONA LACUSTRE DEL VALLE DE MÉXICO
TESIS
QUE PARA OPTAR POR EL GRADO DE:
DOCTOR EN INGENIERÍA
PRESENTA:
MOISÉS JUÁREZ CAMARENA
TUTOR PRINCIPAL
Dr. GABRIEL AUVINET GUICHARD, INSTITUTO DE INGENIERÍA, UNAM
COMITÉ TUTOR
Dr. DANIEL RESÉNDIZ NÚÑEZ, INSTITUTO DE INGENIERÍA, UNAM
Dr. EFRAÍN OVANDO SHELLEY, INSTITUTO DE INGENIERÍA, UNAM
Dr. ALBERTO JAIME PAREDES, INSTITUTO DE INGENIERÍA, UNAM
Dr. RIGOBERTO RIVERA CONSTANTINO, FACULTAD DE INGENIERÍA, UNAM
MÉXICO, D. F., DICIEMBRE DE 2015

UNAM – Dirección General de Bibliotecas
Tesis Digitales
Restricciones de uso
DERECHOS RESERVADOS ©
PROHIBIDA SU REPRODUCCIÓN TOTAL O PARCIAL
Todo el material contenido en esta tesis esta protegido por la Ley Federal
del Derecho de Autor (LFDA) de los Estados Unidos Mexicanos (México).
El uso de imágenes, fragmentos de videos, y demás material que sea

objeto de protección de los derechos de autor, será exclusivamente para
fines educativos e informativos y deberá citar la fuente donde la obtuvo
mencionando el autor o autores. Cualquier uso distinto como el lucro,
reproducción, edición o modificación, será perseguido y sancionado por el
respectivo titular de los Derechos de Autor.
DEDICATORIA
Dedico este trabajo a mi esposa Flor por brindarme su amor y compañía, doy gracias a
Dios porque tu estás conmigo.
AGRADECIMIENTOS
Expreso mis agradecimientos:
A la División de Posgrado de la Facultad de Ingeniería de la UNAM por brindarme la

oportunidad en mi formación académica.
Al Instituto de Ingeniería de la UNAM (II-UNAM) por las facilidades en el uso de sus

instalaciones para la realización de esta tesis.
A la DGAPA por su apoyo, Investigación realizada gracias al programa UNAM-DGAPA-

PAPIIT, a través del proyecto “Caracterización de anomalías geotécnicas en la zona
lacustre del Valle de México” con No. IN-105412-3.
Al Laboratorio de Geoinformática de la Coordinación de Geotecnia del II-UNAM por el

uso de sus instalaciones.
Al Doctor Gabriel Auvinet por su disponibilidad, esfuerzo, empeño para dirigir esta tesis,
así también, por permitirme formar parte de su grupo de trabajo y especialmente por su
apoyo en mi desarrollo profesional.
A los integrantes del comité revisor: Dr. Daniel Reséndiz Núñez, Efraín Ovando Shelley,
Dr. Alberto Jaime Paredes y Dr. Rigoberto Rivera Constantino por contribuir a la revisión
de esta tesis que con sus comentarios y aportaciones importantes contribuyeron a
mejorar el trabajo.
Al M. en I. Edgar Méndez Sánchez, por su amistad y apoyo, pero sobre todo por sus
valiosos comentarios que permitieron incrementar mejorar mi trabajo.
ANÁLISIS GEOESTADÍSTICO DEL SUBSUELO DE LA ZONA LACUSTRE DEL VALLE DE MÉXICO
ANÁLISIS GEOESTADÍSTICO DEL SUBSUELO

DE LA ZONA LACUSTRE DEL VALLE DE MÉXICO
CONTENIDO
Página
LISTA DE FIGURAS ............................................................................................................. v

LISTA DE TABLAS ............................................................................................................. xv
SÍMBOLOS Y NOTACIÓN................................................................................................ xvii
RESUMEN......................................................................................................................... xix
ABSTRACT ....................................................................................................................... xxi
1. INTRODUCCIÓN ............................................................................................................. 3
1.1 Antecedentes ........................................................................................................................ 3
1.2 Objetivo ................................................................................................................................ 7
1.3 Alcances ............................................................................................................................... 7
2. DESCRIPCIÓN DEL ÁREA DE ESTUDIO .................................................................... 11
2.1 Ubicación ............................................................................................................................ 11
2.2 Fisiografía ........................................................................................................................... 12
2.3 Información histórica ........................................................................................................... 13
2.4 Toponimia ........................................................................................................................... 16
2.5 Cartografía urbana .............................................................................................................. 18
2.6 Topografía .......................................................................................................................... 19
2.7 Imágenes de satélite ........................................................................................................... 22
2.8 Geología ............................................................................................................................. 23
2.9 Información geotécnica ....................................................................................................... 30
2.9.1 Estratigrafía ............................................................................................................ 30
2.9.2 Zonificación geotécnica .......................................................................................... 35
2.9.3 Profundidad de los Depósitos Profundos ................................................................ 44
2.9.4 Hundimiento regional .............................................................................................. 47
2.9.5 Sondeos geotécnicos.............................................................................................. 48
2.10 Sistema de Información Geográfica para Sondeos Geotécnicos....................................... 50
3. DESCRIPCIÓN DE LOS SUELOS PARA FINES GEOTÉCNICOS .............................. 55
3.1 Propiedades relevantes del suelo ....................................................................................... 55
3.2 Representación tradicional.................................................................................................. 57
3.3 Incertidumbre en las propiedades geotécnicas del subsuelo .............................................. 61
3.4 Descripción estadística ....................................................................................................... 62
3.4.1 Análisis cuantitativo de variabilidad ......................................................................... 63
i
Tesis Digitales

CONTENIDO
3.4.2 Descripción de grupos de variables ......................................................................... 66

3.4.3 Correlación múltiple ................................................................................................. 70
3.5 Métodos de interpolación y estimación espacial .................................................................. 72
3.6 Conceptos fundamentales de la Geoestadística ................................................................... 85
3.6.1 Modelado de medios geológicos mediante campos aleatorios ................................ 85
3.6.2 Metodología y criterios para la aplicación práctica................................................... 97
3.6.3 Aplicaciones de la geoestadística en la geotecnia ................................................. 105
3.6.3.1 Problema del muestreo ............................................................................... 105
3.6.3.2 Mapeo ......................................................................................................... 106
3.6.3.3 Selección de parámetros de diseño ............................................................ 107
3.6.4 Algoritmos optimados y desarrollados ................................................................... 109
4. ANÁLISIS GEOESTADÍSTICO DEL SUBSUELO LACUSTRE .................................. 115
4.1 Análisis de la distribución espacial del contenido de agua en un sondeo (1D) .................. 116
4.2 Análisis de la distribución espacial de la profundidad de la capa dura (2D) ....................... 128
4.3 Análisis de la distribución espacial del contenido de agua en el subsuelo (3D) ................. 138
4.4 Análisis de la distribución espacial de las propiedades del suelo lacustre ......................... 152
4.4.1 Análisis geoestadístico de las propiedades del subsuelo en la zona norte ............ 153
4.4.1.1 Análisis de la distribución espacial del contenido de agua .......................... 153
4.4.1.2 Análisis de la distribución espacial del número de golpes en SPT .............. 169
4.4.1.3 Análisis de la distribución espacial de la profundidad de la FAS ................. 184
4.4.1.4 Análisis de la distribución espacial de la profundidad de la CD ................... 189
4.4.1.5 Análisis de la distribución espacial del espesor de la FAI ............................ 195
4.4.1.6 Análisis de la distribución espacial de la profundidad de los DP .................. 200
4.4.1.7 Propuesta de zonificación geotécnica para la zona norte ............................ 205
4.4.2 Análisis geoestadístico de las propiedades del subsuelo en la zona poniente ....... 207
4.4.2.2 Análisis de la distribución espacial del espesor de la FAS .......................... 225
4.4.2.4 Distribución espacial del espesor de la FAI ................................................. 236
4.4.2.5 Distribución espacial de la profundidad de los DP ....................................... 242
4.4.2.6 Propuesta de zonificación geotécnica ......................................................... 247
4.4.3 Análisis geoestadístico de las propiedades del subsuelo en la zona oriente ......... 252
4.4.3.2 Análisis de la distribución espacial de qc en CPT ........................................ 266
4.4.3.5 Análisis de la distribución espacial de la profundidad de la FAI ................... 289
4.4.3.6 Análisis de la distribución espacial de la profundidad de los DP. ................. 294
4.4.3.7 Distribución espacial del espesor de la CS .................................................. 299
4.4.3.8 Distribución espacial del espesor de la FAS ................................................ 300
4.4.3.9 Distribución espacial del espesor de la CD ................................................. 301
4.4.3.10 Distribución espacial del espesor de la FAI ............................................... 302
4.4.3.11 Modelo digital 3D de las formaciones del subsuelo .................................... 303
4.4.3.12 Zonificación geotécnica propuesta ............................................................ 305
ii
4.4.4 Análisis geoestadísitico de las propiedades del subsuelo en la zona sur .............. 306
4.4.4.4 Análisis de la distribución espacial de la profundidad de la FAI .................. 328
4.4.4.5 Análisis de la distribución espacial de la profundidad de los DP .................. 333
4.4.4.6 Zonificación geotécnica propuesta.............................................................. 338
4.4.5 Análisis geoestadístico de las propiedades del suelo en el centro de la ciudad de
México ............................................................................................................................ 341
4.4.5.1 Análisis de la distribución espacial del espesor de rellenos superficiales.... 341
4.4.5.2 Análisis geoestadístico de la distribución espacial del contenido de agua .. 347
4.4.5.3 Análisis geoestadístico de la distribución espacial de qc en CPT ................ 353
4.4.6 Propuesta de zonificación geotécnica para el valle de México .............................. 360
4.4.7 Aplicaciones en obras de infraestructura .............................................................. 367
4.4.7.1 Túnel profundo ........................................................................................... 367
4.4.7.2 Planta de tratamiento de aguas residuales .................................................. 380
4.4.7.3 Línea del Sistema de Transporte Colectivo ................................................. 385
4.5 Comentarios sobre las ventajas y desventajas de la metodología geoestadística ............. 391
5. CONCLUSIONES ......................................................................................................... 397
REFERENCIAS ................................................................................................................ 401
ANEXO A. PROCESOS ESTOCÁSTICOS ...................................................................... 411
A.1 Definición ......................................................................................................................... 411
A.2 Descripción de un proceso estocástico............................................................................. 413
A.2.1 Función de distribución y densidad de probabilidad ............................................. 413
A.2.2 Media y varianza .................................................................................................. 414
A.2.3 Función de autocovarianza y autocorrelación ....................................................... 414
A.3 Procesos con características especiales .......................................................................... 415
A.3.1 Procesos estacionarios ........................................................................................ 415
A.3.1.1 Procesos estacionarios en el sentido estricto (s. e.) ................................... 415
A.3.1.2 Procesos estacionarios en el sentido amplio (s. a.) .................................... 416
A.3.1.3 Procesos de incrementos independientes .................................................. 416
A.4 Ergodicidad ...................................................................................................................... 417
A.4.1 Promedios temporales.......................................................................................... 417
A.4.2 Condiciones de ergodicidad ................................................................................. 418
ANEXO B. REGRESIÓN LINEAL ..................................................................................... 421
B.1 Caso unidimensional ........................................................................................................ 422
B.2 Caso bidimensional .......................................................................................................... 422
B.3 Caso tridimensional .......................................................................................................... 423
ANEXO C. FUENTES DE SONDEOS GEOTÉCNICOS .................................................. 425
iii
LISTA DE FIGURAS
Página
Figura 2.1. Ubicación de la cuenca de México y del área de estudio. ....................................... 11
Figura 2.2. Fisiografía de la Cuenca de México (DDF, 1975). .................................................. 12
Figura 2.3. Evolución de los lagos de la cuenca de México (Schilling, 1963). ........................... 13
Figura 2.4. Panorama del lago de México y la Isla de Tenochtitlán-Tlatelolco en 1519, pintura
de Luis Covarrubias (Arqueología Mexicana, 2004). ................................................................. 14
Figura 2.5. Mapa del Lago de México y la isla de Tenochtitlan-Tlatelolco hacia 1521. (Academia
Mexicana de Ciencias, 2007). ................................................................................................... 14
Figura 2.6. Plano de los lagos del Valle de México (Espinoza, 1900). ...................................... 15
Figura 2.7. Plano reconstructivo de la región de Tenochtitlan (González-Aparicio, 1968). ........ 17
Figura 2.8. Representación de la cartografía urbana. ............................................................... 18
Figura 2.9. Extensión urbana del área de estudio..................................................................... 19
Figura 2.10. Representación topográfica del área de estudio, modelo MRS. ............................ 20
Figura 2.11. Imagen de satélite (Landsat, 2010)....................................................................... 22
Figura 2.12. Geología y morfología de la cuenca de México (Mooser, en TGC, 2005). ............ 24
Figura 2.13. Sección geológica del modelo conceptual (norte-sur). .......................................... 25
Figura 2.14. Sección geológica del modelo conceptual (oeste-este). ....................................... 25
Figura 2.15. Mapa geológico del área de estudio (adaptado de Mooser, 1996). ....................... 29
Figura 2.16. Sucesos Geológicos de la cuenca de México (Bryan, 1948)................................. 31
Figura 2.17. Perfil del suelo del centro de la ciudad (Zeevaert, 1952). ..................................... 32
Figura 2.18. Corte geológico correspondiente a la Alameda Central (Zeevaert, 1952). ............ 33
Figura 2.19. Cortes estratigráficos de la ciudad de México (Marsal y Mazari, 1959). ................ 34
Figura 2.20. Secuencia estratigráfica debajo de la ciudad de México (Mooser, en TGC, 2005).
.................................................................................................................................................. 34
Figura 2.21. Primera zonificación de la ciudad de México (Marsal, 1952)................................. 36
Figura 2.22. Zonificación geotécnica (Marsal y Mazari, 1959). ................................................. 37
Figura 2.23. Zonificación geotécnica para el Distrito Federal (DDF, 1966). .............................. 38
Figura 2.24. Zonificación geotécnica de la Ciudad de México (Schmitter, 1968). ..................... 39
Figura 2.25. Zonificación geotécnica de la Ciudad de México (DDF, 1987). ............................. 40
Figura 2.26. Zonificación geotécnica de la Ciudad de México (COVITUR, 1987). .................... 41
Figura 2.27. Zonificación geotécnica de la Ciudad de México (DDFb, 1995). ........................... 42
Figura 2.28. Mapa de zonificación geotécnica para el Distrito Federal (GDFb, 2004). .............. 43
Figura 2.29. Curvas de igual profundidad a los depósitos profundos actualizada a 1987 (Jaime
1987; Jaime et al., 1989). .......................................................................................................... 44
Figura 2.30. Profundidad de Depósitos Profundos en 2004 (adaptado de Juárez et al, 2009). . 45
Figura 2.31. Espesores medidos de arcilla lacustre, acuitardo, DGCOH (CIGSA, 2000). ......... 46
Figura 2.32. Velocidad de hundimiento, periodo 2000-2005 (adaptado de Juárez et al., 2009).
.................................................................................................................................................. 47
Figura 2.33. Número de sondeos por tipo de exploración geotécnica....................................... 49
Figura 2.34. Modelo conceptual del SIG-SG (adaptado de ESRI, 1995). ................................. 50
v
LISTA DE FIGURAS
Figura 2.35. Funcionamiento del SIG-SG, consulta de sondeos............................................... 51

Figura 2.36. Distribución de sondeos en el área de estudio. .................................................... 52
Figura 3.1. Localización del sondeo en el sitio Plaza Río de Janeiro. ....................................... 58
Figura 3.2. Perfil estratigráfico del sondeo continuo, sitio Plaza Río de Janeiro, (Jaime y Romo,
1987b). ...................................................................................................................................... 59
Figura 3.3. Corte estratigráfico (CFE, 1998). ............................................................................ 60
Figura 3.4. Curvas de aproximación ......................................................................................... 66
Figura 3.5. Formas típicas de correlación lineal........................................................................ 67
Figura 3.6. Curva de ajuste con distancias mínimas. ................................................................ 68
Figura 3.7. Curva de regresión (Marsal y Mazari, 1959). .......................................................... 70
Figura 3.8. Polígonos de Thiessen. .......................................................................................... 74
Figura 3.9. Una vista en perspectiva que muestra las discontinuidades inherentes en la
estimación con polígonos (adaptado de Isaaks y Srivastava, 1989). ......................................... 74
Figura 3.10. Áreas de influencia en el método de vecino natural. ............................................. 76
Figura 3.11. Influencia del exponente en la interpolación IWD (Calipsa, 2013). ....................... 77
Figura 3.12. Validación y selección del valor de p. ................................................................... 78
Figura 3.13. Criterios para obtener un conjunto de puntos para la estimación. ......................... 78
Figura 3.14. Método de triangulación con interpolación lineal................................................... 81
Figura 3.15. Topología neuronal (García y Romo, 2013). ......................................................... 83
Figura 3.16. Resultados de estimaciones con técnicas geoestadísticas y cálculos con RNs
(García y Romo, 2004). ............................................................................................................. 84
Figura 3.17. Representación esquemática de un campo aleatorio (Medina, 2001). ................... 86
Figura 3.18. Modelado de un correlograma experimental típico. ............................................... 89
Figura 3.19. Diagrama de bloques general para el análisis geoestadístico. .............................. 98
Figura 3.20. Procedimiento para la generación de archivos de datos numéricos...................... 99
Figura 3.21. Esquema representativo de la evaluación de la estacionaridad. ......................... 101
Figura 3.22. Definición de tolerancias (Deutch, 1992). ........................................................... 102
Figura 3.23. Malla de estimación para el caso del análisis en un plano (2D). ......................... 103
Figura 3.24. Malla de estimación para el caso del análisis en un volumen (3D). .................... 104
Figura 3.25. Ejemplo de vecindad de búsqueda para el caso anisótropo (Díaz y Casar, 2009).
................................................................................................................................................ 104
Figura 3.26. Zapata de cimentación (Auvinet, 2002). ............................................................. 107
Figura 3.24. Programa SAAG (Auvinet et all, 2000). .............................................................. 109
Figura 3.25. Programa MESCAL 2000 (Laboratorio de Geoinformática, 2000)....................... 110
Figura 3.26. Programa MESCAL 2012 (Laboratorio de Geoinformática, 2012)....................... 111
Figura 4.1. Perfil de contenido de agua, sondeo en el sitio CUPJ. ......................................... 116
Figura 4.2. Histogramas del contenido de agua, sitio CUPJ. .................................................. 118
Figura 4.3. Perfil del contenido de agua, sitio CUPJ (Jaime y Romo, 1986). .......................... 119
Figura 4.4. Perfil del contenido de agua en la FAS, sitio CUPJ (Jaime y Romo, 1986). .......... 120
Figura 4.5. Correlogramas del contenido de agua del sondeo completo, sitio CUPJ. ............. 121
Figura 4.6. Correlogramas del contenido de agua en la FAS, sitio CUPJ. .............................. 121
Figura 4.7. Correlogramas del contenido de agua, sitio CUPJ................................................ 122
vi
Figura 4.8. Perfil estimado del contenido de agua para el sondeo completo, sitio CUPJ. ....... 124
Figura 4.9. Perfil estimado del contenido de agua en la FAS, sitio CUPJ. .............................. 125
Figura 4.10. Resultados de la validación cruzada del contenido de agua, sitio CUPJ. ........... 126
Figura 4.11. Resultados de simulación del contenido de agua, sitio CUPJ. ............................ 127
Figura 4.12. Área de estudio y distribución de datos de la profundidad de la CD. .................. 128
Figura 4.13. Superficie de regresión lineal de la CD. .............................................................. 129
Figura 4.14. Correlogramas experimentales direccionales de la profundidad de la CD. ......... 130
Figura 4.15. Correlogramas experimentales y exponenciales de la profundidad de la CD. ..... 131
Figura 4.16. Elipse de anisotropía para la profundidad de la CD. ........................................... 131
Figura 4.17. Superficie de la profundidad estimada de la CD. ................................................ 133
Figura 4.18. Varianza de estimación de la profundidad de la CD. .......................................... 134
Figura 4.19. Supercie de la profundidad simulada de la CD. .................................................. 135
Figura 4.20. Resultados de la validación cruzada de la profundidad de la CD. ....................... 136
Figura 4.21. México Tenochtilán y Catedral metropolitana de la ciudad de México. ............... 137
Figura 4.22. Ubicación de sondeos con mediciones de contenido de agua. ........................... 138
Figura 4.23. Tendencia de los datos de contenido de agua con respecto a la profundidad. ... 141
Figura 4.24. Correlogramas experimentales en la dirección vertical. ...................................... 142
Figura 4.25. Correlogramas verticales del contenido de agua. ............................................... 143
Figura 4.26. Correlogramas experimentales en la dirección horizontal. .................................. 144
Figura 4.27. Correlogramas horizontales del contenido de agua. ........................................... 145
Figura 4.28. Ubicación de los ejes preferenciales de estimación. ........................................... 146
Figura 4.29. Distribución espacial estimada del contenido de agua sobre el eje “A”. .............. 148
Figura 4.30. Distribución espacial estimada del contenido de agua sobre el eje 2. ................. 148
Figura 4.31. Secciones transversales simuladas de contenido de agua sobre el eje A........... 149
Figura 4.32. Secciones transversales simuladas de contenido de agua sobre el eje 2. .......... 150
Figura 4.33. Validación cruzada del contenido de agua en un sondeo. .................................. 151
Figura 4.34. División del área de estudio en el Valle de México. ............................................ 152
Figura 4.35. Ubicación de sondeos con mediciones de contenido de agua, zona norte. ........ 153
Figura 4.36. Histograma de los datos de contenido de agua, zona norte................................ 154
Figura 4.37. Correlogramas direccionales del contenido de agua, zona norte. ....................... 155
Figura 4.38. Ubicación de ejes preferenciales de estimación del contenido de agua, zona norte.
................................................................................................................................................ 155
Figura 4.39. Resultados de la validación cruzada del sondeo 293, zona norte. ...................... 156
Figura 4.40. Distribución espacial del contenido de agua sobre el eje 1, zona norte. ............. 157
Figura 4.46. Distribución espacial del contenido de agua sobre el eje A, zona norte. ............. 163
Figura 4.47. Distribución espacial del contenido de agua sobre el eje B, zona norte. ............. 164
Figura 4.48. Distribución espacial del contenido de agua sobre el eje C, zona norte. ............. 165
vii
LISTA DE FIGURAS
Figura 4.49. Distribución espacial del contenido de agua sobre el eje D, zona norte. ............. 166
Figura 4.50. Distribución espacial del contenido de agua sobre el eje E, zona norte. ............. 167
Figura 4.51. Modelo 3D de la distribución espacial del contenido de agua, zona norte. ......... 168
Figura 4.52. Ubicación de sondeos con mediciones de número de golpes, zona norte. ......... 169
Figura 4.53. Histograma de los datos del número de golpes, zona norte. .............................. 170
Figura 4.54. Correlogramas direccionales del contenido de agua .......................................... 171
Figura 4.55. Distribución espacial del número de golpes sobre el eje 1, zona norte. .............. 172
Figura 4.61. Distribución espacial del número de golpes sobre el eje A, zona norte. .............. 178
Figura 4.62. Distribución espacial del número de golpes sobre el eje B, zona norte. .............. 179
Figura 4.63. Distribución espacial del número de golpes sobre el eje C, zona norte. ............. 180
Figura 4.64. Distribución espacial del número de golpes sobre el eje D, zona norte. ............. 181
Figura 4.65. Distribución espacial del número de golpes sobre el eje E, zona norte. .............. 182
Figura 4.66. Modelo 3D de la distribución espacial del número de golpes, zona norte. .......... 183
Figura 4.67. Distribución de datos de la profundidad de la FAS, zona norte. .......................... 184
Figura 4.68. Histograma de la profundidad de la frontera superior de la FAS, zona norte. ..... 185
Figura 4.69. Plano de regresión lineal de la profundidad de la FAS, zona norte. .................... 186
Figura 4.70. Correlogramas direccionales de la profundidad de la FAS, zona norte. .............. 186
Figura 4.71. Elipses de anisotropía de la profundidad de la FAS, zona norte. ........................ 187
Figura 4.72. Mapa de contornos de la profundidad estimada de la FAS, zona norte. ............. 188
Figura 4.73. Superficie de la profundidad estimada de la FAS, zona norte. ............................ 189
Figura 4.74. Distribución de datos de la profundidad de la CD, zona norte............................. 190
Figura 4.75. Histograma de la profundidad superior de la CD, zona norte. ............................. 191
Figura 4.76. Plano de regresión lineal de la profundidad de la CD, zona norte. ...................... 191
Figura 4.77. Correlogramas direccionales de la profundidad de la CD, zona norte. ................ 192
Figura 4.78. Elipses de anisotropía de la profundidad de la CD, zona norte. .......................... 193
Figura 4.79. Mapa de contornos de la profundidad estimada de la CD, zona norte. ............... 194
Figura 4.80. Superficie de la profundidad estimada de la CD, zona norte............................... 195
Figura 4.81. Distribución de datos de la profundidad de la FAI, zona norte. ........................... 196
Figura 4.82. Histograma de la profundidad superior de la FAI, zona norte. ............................ 196
Figura 4.83. Plano de regresión lineal de la profundidad de la FAI, zona norte. ..................... 197
Figura 4.84. Correlogramas direccionales de la profundidad de la FAI, zona norte. ............... 198
Figura 4.85. Elipses de anisotropía de la profundidad de la FAI, zona norte. ......................... 198
Figura 4.86. Mapa de contornos de la profundidad estimada de la FAI, zona norte................ 199
Figura 4.87. Superficie de la profundidad estimada de la FAI, zona norte. ............................. 200
Figura 4.88. Distribución de datos de la profundidad de los DP, zona norte. .......................... 201
Figura 4.89. Histograma de la profundidad de los DP, zona norte. ......................................... 201
Figura 4.90. Plano de regresión lineal de la profundidad de los DP, zona norte. .................... 202
viii
Figura 4.91. Correlogramas direccionales de la profundidad de los DP, zona norte. .............. 203
Figura 4.92. Elipses de anisotropía de la profundidad de los DP, zona norte. ........................ 203
Figura 4.93. Mapa de contornos de la profundidad estimada de los DP, zona norte. ............. 204
Figura 4.94. Superficie de la profundidad estimada de los DP, zona norte. ............................ 205
Figura 4.95. Mapa propuesto de zonificación geotécnica para la zona norte. ......................... 206
Figura 4.96. Ejes preferenciales de estimación de contenido de agua, zona poniente. .......... 208
Figura 4.97. Distribución espacial del contenido de agua sobre el eje A, zona poniente. ....... 209
Figura 4.98. Distribución espacial del contenido de agua sobre el eje B, zona poniente. ....... 209
Figura 4.99. Distribución espacial del contenido de agua sobre el eje C, zona poniente. ....... 210
Figura 4.100. Distribución espacial del contenido de agua sobre el eje 1, zona poniente. ...... 210
Figura 4.105. Modelo 3D del contenido de agua, dirección Oriente-Poniente, zona poniente. 213
Figura 4.106. Modelo 3D del contenido de agua, dirección Norte-Sur, zona poniente. ........... 213
Figura 4.107. Modelo 3D de la distribución espacial del contenido de agua, zona poniente. .. 214
Figura 4.108. Simulaciones del contenido de agua sobre el eje A, zona poniente. ................. 215
Figura 4.109. Simulaciones del contenido de agua sobre el eje B, zona poniente. ................. 216
Figura 4.110. Simulaciones del contenido de agua sobre el eje C, zona poniente.................. 217
Figura 4.111. Simulaciones del contenido de agua sobre el eje 1, zona poniente. ................. 218
Figura 4.116. Perfiles de validación cruzada de contenido de agua, zona poniente. .............. 223
Figura 4.117. Interpretación estratigráfica de las secciones transversales estimadas de w. ... 224
Figura 4.118. Distribución de datos del espesor de la FAS, zona poniente. ........................... 226
Figura 4.119. Histograma de los datos del espesor de la FAS, zona poniente. ...................... 227
Figura 4.120. Plano de regresión lineal del espesor de la FAS, zona poniente. ..................... 227
Figura 4.121. Correlogramas direccionales de la profundidad de la FAS, zona poniente. ...... 228
Figura 4.122. Elipses de anisotropía del espesor de la FAS, zona poniente........................... 229
Figura 4.123. Mapa de contornos del espesor estimado de la FAS, zona poniente. ............... 230
Figura 4.124. Superficie del espesor estimado de la FAS, zona poniente. ............................. 230
Figura 4.125. Distribución de datos de la profundidad de la CD, zona poniente. .................... 231
Figura 4.126. Histogramas de datos de la profundidad de la CD, zona poniente. ................... 232
Figura 4.127. Plano de regresión lineal de la profundidad de la CD, zona poniente. .............. 233
Figura 4.128. Correlogramas direccionales de la profundidad de la CD, zona poniente. ........ 234
Figura 4.129. Elipses de anisotropía de la profundidad de la CD, zona poniente. .................. 234
Figura 4.130. Mapa de contornos de la profundidad estimada de la CD, zona poniente......... 235
Figura 4.131. Superficie de la profundidad estimada de la CD, zona poniente. ...................... 236
Figura 4.132. Distribución de datos del espesor de la FAI, zona poniente. ............................. 237
ix
LISTA DE FIGURAS
Figura 4.133. Histograma de datos del espesor de la FAI, zona poniente. ............................. 238
Figura 4.134. Plano de regresión lineal del espesor de FAI, zona poniente............................ 238
Figura 4.136. Elipses de anisotropía del espesor de la FAI, zona poniente. ........................... 240
Figura 4.137. Mapa de contornos del espesor estimado de la FAI, zona poniente. ................ 241
Figura 4.138. Superficie del espesor estimado de la FAI, zona poniente. ............................... 241
Figura 4.139. Distribución de datos de la profundidad de los DP, zona poniente.................... 242
Figura 4.140. Histogramas de datos de la profundidad de los DP, zona poniente. ................. 243
Figura 4.141. Plano de regresión lineal de la profundidad de los DP, zona poniente. ............. 244
Figura 4.142. Correlogramas direccionales de la profundidad de la DP, zona poniente. ........ 245
Figura 4.143. Elipses de anisotropía de la profundidad de los DP, zona poniente. ................. 245
Figura 4.144. Mapa de contornos de la profundidad estimada de los DP, zona poniente. ...... 246
Figura 4.145. Superficie de la profundidad estimada de los DP, zona poniente...................... 247
Figura 4.146. Modificaciones propuestas al mapa de zonificación geotécnica, zona poniente.
................................................................................................................................................ 249
Figura 4.147. Caracterización estratigráfica de sondeos geotécnicos, zona poniente. ........... 250
Figura 4.148. Mapa de zonificación geotécnica propuesto para la zona poniente del valle de
México. .................................................................................................................................... 251
Figura 4.149. Distribución de sondeos con medición de contenido de agua, zona oriente. .... 252
Figura 4.150. Histograma de los datos de contenido de agua, zona oriente. .......................... 253
Figura 4.151. Mediciones de contenido de agua respecto a la profundidad, zona oriente. ..... 254
Figura 4.152. Correlogramas direccionales del contenido de agua, zona oriente. .................. 254
Figura 4.153. Distribución espacial del contenido de agua sobre el eje A, zona oriente. ........ 256
Figura 4.154. Distribución espacial del contenido de agua sobre el eje B, zona oriente. ........ 257
Figura 4.155. Distribución espacial del contenido de agua sobre el eje C, zona oriente. ........ 258
Figura 4.156. Distribución espacial del contenido de agua sobre el eje D, zona oriente. ........ 259
Figura 4.157. Distribución espacial del contenido de agua sobre el eje 1, zona oriente.......... 260
Figura 4.162. Modelo 3D de la distribución espacial del contenido de agua, zona oriente. ..... 265
Figura 4.163. Distribución de sondeos CPT disponibles, zona oriente. .................................. 266
Figura 4.164. Histograma de los datos de qc, zona oriente. .................................................... 267
Figura 4.165. Distribución de mediciones de qc, zona oriente. ................................................ 268
Figura 4.166. Correlogramas direccionales de qc en CPT; zona oriente. ................................ 268
Figura 4.167. Distribución espacial de qc sobre el eje A, zona oriente. ................................... 270
Figura 4.168. Distribución espacial de qc sobre el eje B, zona oriente. ................................... 271
Figura 4.169. Distribución espacial de qc sobre el eje C, zona oriente. ................................... 272
Figura 4.170. Distribución espacial de qc sobre el eje D, zona oriente. ................................... 273
Figura 4.171. Distribución espacial de qc sobre el eje 1, zona oriente. ................................... 274
x
Figura 4.174. Distribución espacial de qc eléctrico sobre el eje 4, zona oriente. ..................... 277
Figura 4.176. Modelo 3D de la distribución espacial de qc, zona oriente. ............................... 279
Figura 4.177. Distribución de datos de la profundidad de la FAS, zona oriente. ..................... 280
Figura 4.178. Histograma de la profundidad de la FAS, zona oriente. .................................... 280
Figura 4.179. Superficie de regresión lineal de la profundidad de la FAS, zona oriente.......... 281
Figura 4.180. Correlogramas direccionales de la profundidad de la FAS, zona oriente. ......... 282
Figura 4.181. Distribución espacial de la profundidad estimada de la FAS, zona oriente. ...... 283
Figura 4.182. Superficie de la profundidad estimada de la FAS, zona oriente. ....................... 284
Figura 4.183. Distribución de datos de la profundidad de la CD, zona oriente. ....................... 285
Figura 4.184. Histograma de la profundidad de la CD, zona oriente. ...................................... 286
Figura 4.185. Superficie de regresión lineal de la profundidad de la CD, zona oriente. .......... 286
Figura 4.186. Correlogramas direccionales de la profundidad de la CD, zona oriente. ........... 287
Figura 4.187. Mapa de contornos de la profundidad estimada de la CD, zona oriente. .......... 288
Figura 4.188. Superficie de la profundidad estimada de la CD, zona oriente. ......................... 289
Figura 4.189. Distribución de datos de la profundidad de la FAI, zona oriente. ...................... 290
Figura 4.190. Histograma de la profundidad de la FAI, zona oriente. ..................................... 290
Figura 4.191. Superficie de regresión lineal de la profundidad de la FAI, zona oriente. .......... 291
Figura 4.192. Correlogramas direccionales de la profundidad de la FAI, zona oriente............ 292
Figura 4.193. Mapa de contornos de la profundidad estimada de la FAI, zona oriente. .......... 293
Figura 4.194. Superficie de la profundidad estimada de la FAI, zona oriente. ........................ 294
Figura 4.195. Distribución de datos de la profundidad de los DP, zona oriente. ..................... 295
Figura 4.196. Histograma de la profundidad de la frontera superior de los DP, zona oriente. . 295
Figura 4.197. Superficie de regresión lineal de la profundidad de los DP, zona oriente. ......... 296
Figura 4.198. Correlogramas direccionales de la profundidad de la DP, zona oriente. ........... 297
Figura 4.199. Mapa de contornos de la profundidad estimada de los DP, zona oriente. ......... 298
Figura 4.200. Superficie de la profundidad estimada de los DP, zona oriente. ....................... 299
Figura 4.201. Mapa de contornos de isopacas de la CS, zona oriente. .................................. 300
Figura 4.202. Mapa de contornos de isopacas de la FAS, zona oriente. ................................ 301
Figura 4.203. Mapa de contornos de isopacas de la CD, zona oriente. .................................. 302
Figura 2.204. Mapa de contornos de isopacas de la FAI, zona oriente. .................................. 303
Figura 4.205. Modelo 3D de la estratigrafía, zona oriente. ..................................................... 304
Figura 4.206. Mapa de zonificación geotécnica propuesto, zona oriente del valle de México. 306
Figura 4.207. Distribución de sondeos con medición de contenido de agua, zona sur. .......... 307
Figura 4.208. Histograma de los datos experimentales de contenido de agua, zona sur. ....... 308
Figura 4.209. Tendencia de los datos de contenido de agua, zona sur. ................................. 309
Figura 4.210. Correlogramas direccionales del contenido de agua, zona sur. ........................ 309
Figura 4.211. Localización de los ejes de estimación, zona sur. ............................................. 310
Figura 4.212. Resultado de validación cruzada, zona sur. ...................................................... 311
Figura 4.213. Distribución espacial del contenido de agua sobre el eje 1, zona sur. .............. 312
xi
LISTA DE FIGURAS
Figura 4.217. Distribución espacial del contenido de agua sobre el eje A, zona sur. .............. 314
Figura 4.218. Distribución espacial del contenido de agua sobre el eje B, zona sur. .............. 314
Figura 4.219. Distribución espacial del contenido de agua sobre el eje C, zona sur. .............. 315
Figura 4.220. Distribución espacial del contenido de agua sobre el eje D, zona sur. .............. 315
Figura 4.221. Distribución espacial del contenido de agua sobre el eje E, zona sur. .............. 316
Figura 4.222. Distribución espacial del contenido de agua sobre el eje F, zona sur. .............. 316
Figura 4.223. Distribución espacial del contenido de agua sobre el eje G, zona sur. .............. 317
Figura 4.224. Modelo 3D de la distribución espacial del contenido de agua, zona sur............ 317
Figura 4.225. Ubicación de datos de la profundidad de la FAS, zona sur. .............................. 318
Figura 4.226. Plano de regresión lineal de la profundidad de la FAS, zona sur. ..................... 319
Figura 4.227. Correlogramas direccionales de la profundidad de la FAS, zona sur. ............... 320
Figura 4.228. Elipses de anisotropía de la profundidad de la FAS, zona sur. ......................... 321
Figura 4.229. Mapa de contornos de la profundidad estimada de la FAS, zona sur. .............. 322
Figura 4.230. Superficie estimada de la frontera superior de la FAS, zona sur. ...................... 323
Figura 4.231. Ubicación de datos de la profundidad de la CD, zona sur. ................................ 323
Figura 4.232. Plano de regresión lineal de la profundidad de la CD, zona sur. ....................... 324
Figura 4.233. Modelos de correlación espacial de la profundidad de la CD, zona sur. ........... 325
Figura 4.234. Elipses de anisotropía de la profundidad de la CD, zona sur. ........................... 326
Figura 4.235. Mapa de contornos de la profundidad estimada de la CD, zona sur. ................ 327
Figura 4.236. Superficie estimada de la profundidad de la CD, zona sur. ............................... 328
Figura 4.237. Ubicación de datos de la profundidad de la FAI, zona sur. ............................... 329
Figura 4.238. Plano de regresión lineal de la profundidad de la FAI, zona sur. ...................... 329
Figura 4.239. Modelos de correlación espacial de la profundidad de la FAI, zona sur. ........... 330
Figura 4.240. Elipses de anisotropía de la profundidad de la FAI, zona sur. ........................... 331
Figura 4.241. Mapa de contornos de la profundidad estimada de la FAI, zona sur. ................ 332
Figura 4.242. Superficie estimada de la profundidad de la FAI, zona sur. .............................. 333
Figura 4.243. Ubicación de los datos de la profundidad de los DP, zona sur. ......................... 333
Figura 4.244. Plano de regresión lineal de la profundidad de los DP, zona sur. ..................... 334
Figura 4.245. Modelos de correlación espacial de la profundidad de los DP, zona sur. .......... 335
Figura 4.246. Elipses de anisotropía de la profundidad de los DP, zona sur. ......................... 336
Figura 4.247. Mapa de contornos de la profundidad estimada de los DP, zona sur. ............... 337
Figura 4.248. Perspectiva de la superficie estimada de los DP, zona sur. .............................. 338
Figura 4.249. Modificaciones propuestas al mapa de zonificación geotécnica, zona sur. ....... 340
Figura 4.250. Sondeos geotécnicos que validan los cambios al mapa de zonificación
geotécnica. .............................................................................................................................. 340
Figura 4.251. Mapa de zonificación geotécnica propuesto, zona sur. ..................................... 341
Figura 4.252. Ubicación de datos de la profundidad de rellenos superficiales, zona centro. ... 342
Figura 4.253. Histograma de los valores del espesor de rellenos superficiales, zona centro. . 343
Figura 4.254. Superficie de regresión lineal del espesor de rellenos superficiales, zona centro.
................................................................................................................................................ 343
Figura 4.255. Correlogramas direccionales del espesor de rellenos superficiales, zona centro
xii
................................................................................................................................................ 344
Figura 4.256. Elipses de anisotropía del espesor de rellenos superficiales, zona centro. ....... 344
Figura 4.257. Mapa de contornos de la profundidad estimada de rellenos superficiales, zona
centro. ..................................................................................................................................... 346
Figura 4.258. Superficie estimada del espesor de los rellenos superficiales, zona centro. ..... 347
Figura 4.259. Ubicación de sondeos con datos de contenido de agua, zona centro. .............. 348
Figura 4.260. Histograma de los datos experimentales de contenido de agua, zona centro. .. 348
Figura 4.261. Distribución de datos de contenido de agua respecto a la profundidad, zona
centro. ..................................................................................................................................... 349
Figura 4.262. Correlogramas direccionales del contenido de agua, zona centro. ................... 350
Figura 4.263. Localización de los ejes preferenciales para la estimación, zona centro. .......... 350
Figura 4.264. Distribución espacial del contenido de agua sobre el eje 3, zona centro........... 351
Figura 4.265. Distribución espacial del contenido de agua sobre el eje C, zona centro. ......... 351
Figura 4.266. Modelo 3D de la distribución espacial del contenido de agua, zona centro. ...... 352
Figura 4.267. Distribución espacial de sondeos de cono eléctrico, zona centro...................... 353
Figura 4.268. Histograma de los datos de qc en CPT, zona centro. ........................................ 354
Figura 4.269. Distribución de mediciones de qc en CPT, zona centro. .................................... 355
Figura 4.270. Correlogramas direccionales de qc en CPT, zona centro. ................................. 355
Figura 4.271. Ubicación de ejes preferenciales para la estimación de qc, zona centro. .......... 356
Figura 4.272. Distribución espacial de qc sobre el eje B, zona centro. .................................... 357
Figura 4.273. Distribución espacial de qc sobre el eje 2, zona centro. .................................... 357
Figura 4.274. Integración de la información para la definición de la zonificación geotécnica. . 359
Figura 4.275. Mapa de zonificación geotécnica propuesto, centro de la ciudad de México. ... 359
Figura 4.276. Área de estudio y ubicación de datos de la profundidad de los DP, Valle de
México. .................................................................................................................................... 360
Figura 4.277. Histograma de profundidad de los depósitos profundos, valle de México. ........ 361
Figura 4.278. Superficie de regresión lineal de la profundidad de los DP, valle de México. .... 362
Figura 4.279. Correlogramas direccionales de la profundidad de los DP, valle de México. .... 362
Figura 4.280. Mapa de contornos de los DP en el Valle de México. ....................................... 364
Figura 4.281. Superficie de la profundidad estimada de los DP, valle de México. .................. 365
Figura 4.282. Mapa propuesto de zonificación geotécnica para la ciudad de México (2014). . 366
Figura 4.283. Ubicación de obras de infraestructura. ............................................................. 367
Figura 4.284. Localización del túnel profundo al norte del valle de México. ............................ 368
Figura 4.284. Información básica de ingeniería para el túnel profundo. .................................. 369
Figura 4.285. Ubicación de sondeos con mediciones de contenido de agua, túnel profundo. 371
Figura 4.286. Correlogramas direccionales del contenido de agua, de L0 a L5. ..................... 373
Figura 4.287. Correlogramas direccionales del contenido de agua, de L5 a L19. ................... 373
Figura 4.288. Distribución espacial del contenido de agua estimado, de L0 a L19. ................ 375
Figura 4.289. Distribución espacial del contenido de agua, de L0 a L5 .................................. 376
Figura 4.290. Modelo 3D de la distribución espacial del contenido de agua a lo largo del túnel.
................................................................................................................................................ 376
Figura 4.291. Ubicación de sondeos con mediciones del número de golpes en SPT. ............ 377
xiii
LISTA DE FIGURAS
Figura 4.292. Correlogramas direccionales del número de golpes en SPT, de L0 a L5. ......... 378
Figura 4.293. Correlogramas direccionales del número de golpes en SPT, de L5 a L19. ....... 378
Figura 4.294. Distribución espacial del número de golpes estimado en SPT, de L0 a L19. .... 379
Figura 4.295. Localización de sondeos existentes con mediciones de contenido de agua. .... 380
Figura 4.296. Correlogramas direccionales del contenido de agua, túnel de conexión. .......... 380
Figura 4.297. Localización de los sondeos estimados y sondeos complementarios. .............. 381
Figura 4.298. Sección transversal estimada del contenido de agua con sondeos existentes.. 382
Figura 4.299. Sección transversal estimada del contenido de agua con un sondeo
complementario (SPT-1). ........................................................................................................ 383
Figura 4.300. Sección transversal estimada del contenido de agua con dos sondeos
complementarios (SPT-1 y SM-2). .......................................................................................... 384
Figura 4.301. Ubicación de sondeos con datos de contenido de agua, Línea del STC. .......... 386
Figura 4.302. Correlogramas direccionales del contenido de agua, Línea del STC. ............... 387
Figura 4.303. Sección transversal del contenido de agua estimado, Línea del STC. .............. 388
Figura 4.304. Ubicación de datos de sondeos con medición de qc en CPT, Línea del STC. ... 389
Figura 4.305. Correlogramas direccionales de qc en CPT, Línea del STC. ............................. 390
Figura 4.306. Modelo 3D de la distribución espacial de qc en CPT, Línea del STC. ............... 390
xiv
LISTA DE TABLAS
Página
Tabla 2.1. Elevaciones principales localizadas dentro del área de estudio. .............................. 21
Tabla 2.2. Descripción de las formaciones geológicas (Mooser et al., 1996). ........................... 28
Tabla 2.3. Campos que definen la estructura de la base de datos. .......................................... 49
Tabla 2.4. Elementos para la caracterización geotécnica de un sitio (Méndez, 2003). ............. 51
Tabla 3.1. Datos experimentales de las propiedades del suelo, sitio Plaza Río de Janeiro
(Jaime y Romo, 1987b). ............................................................................................................ 58
Tabla 3.2. Funciones de autocorrelación (Vanmarcke, 1983). .................................................. 89
Tabla 3.3. Técnicas de predicción. ........................................................................................... 92
Tabla 4.1. Parámetros estadísticos del contenido de agua en el sitio CUPJ. .......................... 117
Tabla 4.2. Distancias de correlación del contenido de agua en el sitio CUPJ. ........................ 120
Tabla 4.3. Parámetros de la malla de estimación, sitio CUPJ. ................................................ 123
Tabla 4.4. Parámetros estadísticos de la profundidad de la CD. ............................................ 129
Tabla 4.5. Distancias de correlación direccionales de la profundidad de la CD. ..................... 130
Tabla 4.6. Parámetros estadísticos del contenido de agua en la zona lacustre. ..................... 139
Tabla 4.7. Coordenadas de los sondeos empleados en el análisis de correlación espacial. ... 140
Tabla 4.8. Distancias de correlación vertical según el número de sondeos. ........................... 142
Tabla 4.9. Distancias de correlación horizontal variando la cantidad de sondeos. .................. 144
Tabla 4.10. Sondeos empleados para el análisis de contenido de agua, zona norte. ............. 153
Tabla 4.11. Parámetros estadísticos de los datos de contenido de agua, zona norte. ............ 154
Tabla 4.12. Sondeos empleados para el análisis del número de golpes en SPT, zona norte. 169
Tabla 4.13. Parámetros estadísticos de los datos de número de golpes N, zona norte. ......... 170
Tabla 4.14. Parámetros estadísticos de la profundidad de la FAS, zona norte. ...................... 185
Tabla 4.15. Distancias de correlación de la profundidad superior de la FAS, zona norte. ....... 186
Tabla 4.16. Parámetros estadísticos de la profundidad de la CD, zona norte. ........................ 190
Tabla 4.17. Distancias de correlación de la profundidad superior de la CD, zona norte.......... 192
Tabla 4.18. Parámetros estadísticos de la profundidad de la FAI, zona norte. ....................... 196
Tabla 4.19. Distancias de correlación de la profundidad superior de la FAI, zona norte. ........ 197
Tabla 4.20. Parámetros estadísticos de la profundidad de los DP, zona norte. ...................... 200
Tabla 4.21. Distancias de correlación de la profundidad de los DP, zona norte. ..................... 202
Tabla 4.22. Parámetros estadísticos del espesor de la FAS, zona poniente........................... 226
Tabla 4.23. Distancias de correlación del espesor de la FAS, zona poniente. ........................ 228
Tabla 4.24. Parámetros estadísticos de la profundidad de la CD, zona poniente. .................. 232
Tabla 4.25. Distancias de correlación de la profundidad de CD, zona poniente. .................... 233
Tabla 4.26. Parámetros estadísticos del espesor de la FAI, zona poniente. ........................... 237
Tabla 4.27. Distancias de correlación del espesor de la FAI, zona poniente. ......................... 239
Tabla 4.28. Parámetros estadísticos de la profundidad de los DP, zona poniente. ................. 243
Tabla 4.29. Distancias de correlación de la profundidad de los DP, zona poniente. ............... 244
Tabla 4.30. Parámetros estadísticos de los datos de contenido de agua, zona oriente. ......... 253
Tabla 4.31. Parámetros estadísticos de los datos de qc, zona oriente. ................................... 267
xv
LISTA DE TABLAS
Tabla 4.32. Descripción estadística, profundidad de la FAS. .................................................. 280

Tabla 4.33. Distancias de correlación de la profundidad superior de la FAS, zona oriente. .... 281
Tabla 4.34. Descripción estadística de la profundidad de la CD, zona oriente. ....................... 285
Tabla 4.35. Distancias de influencia, profundidad de la CD, zona oriente............................... 287
Tabla 4.36. Descripción estadística, profundidad de la FAI, zona oriente. .............................. 290
Tabla 4.37. Distancias de influencia, profundidad de la FAI, zona oriente. ............................. 291
Tabla 4.38. Descripción estadística, profundidad de los DP, zona oriente. ............................. 295
Tabla 4.39. Distancias de influencia, profundidad de los DP, zona oriente. ............................ 296
Tabla 4.40. Parámetros estadísticos de contenido de agua, zona sur. ................................... 307
Tabla 4.41. Parámetros estadísticos de la profundidad de la FAS, zona sur. .......................... 319
Tabla 4.42. Distancias de correlación de la profundidad de la FAS, zona sur. ........................ 320
Tabla 4.43. Parámetros estadísticos de la profundidad de la CD, zona sur. ........................... 324
Tabla 4.44. Distancias de correlación de la profundidad de la CD, zona sur. ......................... 325
Tabla 4.45. Parámetros estadísticos de la profundidad de la FAI, zona sur............................ 328
Tabla 4.46. Distancias de correlación de la profundidad de la FAI, zona sur. ......................... 330
Tabla 4.47. Parámetros estadísticos de la profundidad de los DP, zona sur. ......................... 334
Tabla 4.48. Distancias de correlación de la profundidad de los DP, zona sur. ........................ 335
Tabla 4.49. Parámetros estadísticos del espesor de rellenos superficiales, zona centro. ....... 342
Tabla 4.50. Distancias de correlación de la profundidad de rellenos superficiales, zona centro.
................................................................................................................................................ 344
Tabla 4.51. Parámetros estadísticos de los datos de contenido de agua, zona centro. .......... 348
Tabla 4.52. Parámetros estadísticos de los datos de qc en CPT, zona centro. ....................... 354
Tabla 4.53. Parámetros estadísticos de los datos de la profundidad de los DP, valle de México.
................................................................................................................................................ 361
Tabla 4.54. Distancias de correlación de la profundidad de los DP, valle de México. ............. 363
Tabla 4.55. Sondeos realizados sobre el trazo del túnel profundo. ......................................... 371
Tabla 4.56. Sondeos empleados para el análisis geoestadísitico de la distribución espacial del
contenido de agua, túnel profundo. ......................................................................................... 372
Tabla 4.57. Distancias de correlación espacial del contenido de agua a lo largo del túnel. .... 372
Tabla 4.58. Sondeos empleados para el análisis geoestadístico del número de golpes en SPT.
................................................................................................................................................ 377
Tabla 4.59. Distancias de correlación espacial para el número de golpes en SPT, túnel........ 378
Tabla 4.60. Número de sondeos por tipo, línea de transporte colectivo metro. ....................... 385
Tabla 4.61. Distancias de correlación del contenido de agua, Línea del STC......................... 387
Tabla 4.62. Número de sondeos por tipo, Línea del STC. ...................................................... 388
Tabla 4.63. Distancias de correlación de qc en CPT, Línea del STC. ..................................... 389
xvi
SÍMBOLOS Y NOTACIÓN
 peso volumétrico, t/m3

w contenido de agua, %
cuu resistencia no-drenada al esfuerzo cortante, kg/cm2
L longitud de un sondeo, m
n número total de datos en una muestra
 sumatoria algebráica para funciones discretas
x media de una muestra de datos

s x2 varianza de una muestra de datos
sx desviación estándar de una muestra de datos

cv coeficiente de variación de una muestra de datos
V(X) campo aleatorio
x, y, z coordenadas de un punto dentro de una región Rp, también representadas
simplemente por X, m
V  X  desviación estándar de un campo aleatorio
EV ( X ) esperanza de un campo aleatorio
CV  X  coeficiente de variación de un campo aleatorio

h separación vectorial entre dos puntos X1 y X2, m
RV h  , RV  X 1, X 2  función de autocorrelación
CV h  , CV  X 1, X 2  función de autocovarianza
V h  , V  X 1, X 2  coeficiente de autocorrelación
u vector unitario en la dirección en la que se evalúa la autocovarianza
CV u función de autocovarianza a lo largo de una dirección u
2 u momento de segundo orden de un proceso incremental a lo largo de una dirección

u
V u coeficiente de correlación a lo largo de una dirección u
 dirección (Azimut) en que se estiman las funciones de variabilidad espacial, grados
(°)
 distancia de influencia o correlación, m
 coeficiente o peso de influencia en estimaciones por la técnica del Kriging
xvii
SÍMBOLOS Y NOTACIÓN
E experimento
S espacio de resultados del experimento
X(t,X(t) proceso estocástico
 resultado de un experimento
t parámetro indicador
 dominio de un campo aleatorio (longitud, área, volumen), m, m2, m3
xviii
RESUMEN
Esta tesis presenta una descripción geográfica y física del Valle de México basada en
información básica de ingeniería (topografía, geología, geomorfología, hidrología, entre otras).
Con base en esta información se presenta una caracterización de los depósitos lacustres del
subsuelo. La interpretación de detalle se realizó a partir de la información puntual recopilada
sobre el subsuelo consistente en más de 10,000 sondeos geotécnicos.
Mediante el uso de herramientas de la informática y empleando la información básica de

ingeniería, incluyendo los perfiles de los sondeos geotécnicos, se construyó un Sistema de
Información Geográfica para Sondeos Geotécnicos (SIG-SG) para el Valle de México. El SIG-
SG aprovecha las ventajas que ofrecen las tecnologías de la información y la eficiencia de las
nuevas computadoras que, al combinarse, facilitan el manejo simultáneo de mapas temáticos
(cartografía, geología, topografía, etc.) e información alfanumérica (bases de datos).
La caracterización detallada del subsuelo se realizó empleando como herramienta principal la

metodología Geoestadística adaptada a la Geotecnia. Para ello, se desarrollaron códigos
computacionales que facilitan la aplicación práctica de la Geoestadística en la Geotecnia. La
metodología propuesta y las herramientas computacionales desarrolladas se emplearon para
analizar la distribución espacial de las propiedades geotécnicas (contenido de agua, resistencia
de punta en CPT, número de golpes en SPT) y geométricas (profundidad y espesor) de las
principales formaciones del subsuelo dentro de las profundidades de interés para los ingenieros
geotecnistas. Se pusieron en evidencia los parámetros estadísticos y la estructura de
correlación que presentan estas formaciones consideradas como campos aleatorios. Como
resultado de los análisis geoestadísticos, se presenta un conjunto de modelos gráficos (perfiles,
secciones transversales, mapas de contornos, mapas de superficie) que describen la
distribución espacial de las propiedades analizadas en diferentes zonas o sub-áreas de estudio.
Con base en la información disponible y los resultados de los análisis geoestadísticos se

elaboró un nuevo mapa de zonificación geotécnica para el Valle de México, que se presenta
como una propuesta de actualización para la nueva versión de las Normas Técnicas
Complementarias para Diseño y Construcción de Cimentaciones para el Distrito Federal de
2015.
Por otra parte, se ilustra la aplicación de las mismas técnicas a la caracterización del subsuelo
en algunas obras de infraestructura y se propone una metodología que ayuda a definir los
valores de los parámetros geotécnicos para fines de diseño de obras geotécnicas.
Finalmente, se presentan las conclusiones del trabajo, así como recomendaciones para la
aplicación de la metodología propuesta y el uso de las herramientas implementadas en este
trabajo para su aplicación en futuros estudios y en otras ciudades.
xix
Tesis Digitales

ABSTRACT
This thesis presents a geographical and physical description of Mexico Valley, based on basic
engineering information (topography, geology, geomorphology, hydrology, etc.). From this
information, a preliminary characterization of the lacustrine deposits of the subsoil is presented.
The detailed interpretation was performed using punctual information on the subsoil obtained
from a data base consisting of more than 10,000 geotechnical borings.
Using tools of the information technologies and using basic information, including soil profiles of
geotechnical borings, a Geographic Information System for Geotechnical Borings (GIS-GB) for
the Mexico Valley was build. The GIS-GB combines the advantages of information technologies
and the efficiency of new computers allowing the simultaneous handling of thematic maps
(cartography, geology, topography, etc.) and alphanumeric information (databases).
The detailed characterization of the lacustrine subsoil is performed using as a tool the
Geostatistics methodology adapted to Geotechnics. Computer codes were developed to
facilitate the practical implementation of this methodology in Geotechnics. Both the implemented
methodology and the developed computational tools were used to analyze the spatial
distribution of the geotechnical properties (water content, resistance in CPT, number of blows in
SPT) and geometrical properties (depth and thickness) of the main subsoil layers within the
depth of interest for geotechnical engineers. The statistical parameters and the correlation
structure of these layers considered as random fields were determined. As a result of
geostatistical analyses, a set of graphical models (profiles, cross sections, contour maps,
surface maps) that describe the spatial distribution of the properties analyzed in different zones
of study area is presented.
From the basic engineering information and the results of geostatistical analyses, a new
geotechnical zoning map for the Mexico Valley was drawn and is presented as a proposed
updated map for the new version of the Complementary Technical Norms for Design and
Construction of Foundations for the Distrito Federal of 2015.
On the other hand, some examples that illustrate the application of the implemented techniques
to characterization of the subsoil in some infrastructure constructions are also included, and a
methodology is proposed to help defining the values of the geotechnical parameters for design
of geotechnical works.
Finally, conclusions and recommendations for the practical application of the methodology and
use of the computer tools implemented in this thesis for future studies and in other cities are
presented.
xxi
CAPÍTULO 1
1
Tesis Digitales

CAPÍTULO 1
1. INTRODUCCIÓN
1.1 Antecedentes
La historia de la evolución de los conocimientos sobre el subsuelo del Valle de México se
encuentra estrechamente ligada a la de las grandes obras que, en diferentes épocas, se
realizaron en el valle para construir la ciudad de México, proporcionarle los servicios que requiere
y protegerla contra distintos riesgos naturales. En la época moderna, numerosos trabajos se han
realizado con el propósito de incrementar el conocimiento sobre el subsuelo (Auvinet et al., 1997)
En 1948, Bryan presenta el trabajo “Los suelos complejos y fósiles de la altiplanicie de México en
relación a los cambios climáticos” en el que, con base en los estudios realizados por De Terra,
Arellano y Bryan, se aportan algunas ideas sobre climatología, sucesión estratigráfica y
telecorrelación de las formaciones que afloran al poniente de la Ciudad de México.
En 1952, Leonardo Zeevaert publicó el trabajo “Estratigrafía y problemas de ingeniería en los

depósitos de arcilla lacustre de la ciudad de México”, donde la sucesión estratigráfica propuesta
por Bryan (1948) se aplica a la clasificación característica generalizada de los depósitos en
conjunto con las propiedades índice de consistencia, compresibilidad y contenido de agua de los
materiales. En el trabajo también se aborda el comportamiento del subsuelo como consecuencia
de la extracción de agua de los acuíferos profundos.
En 1959, Marsal y Mazari publicaron el libro “El Subsuelo de la Ciudad de México” donde con
base en un número considerable de sondeos y ensayos de más de 10,000 ejemplares extraídos
del subsuelo se comienza a tener una idea más correcta de la distribución de los materiales y de
sus propiedades mecánicas, se instalan las primeras estaciones piezométricas en varios puntos
de la ciudad a fin de conocer las alteraciones en las presiones hidrostáticas y sus nexos con el
hundimiento regional. En este trabajo, de extraordinario alcance y acuciosidad, se propone una
división del área urbana en tres zonas: lomas, transición y lago.
En 1968, se inaugura la primera línea del metro subterráneo, otra obra que da un impulso
considerable a los conocimientos sobre el subsuelo del valle de México.
Por su parte, la Sociedad Mexicana de Mecánica de Suelos (SMMS), a través de sus Reuniones
Nacionales y de diversos simposios (1970-88), organizó trabajos de recopilación y análisis de
información geotécnica con el fin de actualizar el estado del conocimiento del subsuelo de más de
cuarenta ciudades del país.
Entre los diversos trabajos publicados sobre la Mecánica de Suelos en el Valle de México,
destacan dos documentos de síntesis que han resultado de enorme utilidad para los ingenieros
3
CAPÍTULO 1. INTRODUCCIÓN
geotécnicos. El primero presenta información sobre las características del subsuelo y la práctica
de la ingeniería de cimentaciones en la Ciudad de México y en particular los resultados resumidos
de 412 sondeos realizados entre 1959 y 1970 (Reséndiz et al., 1970). El segundo es un estado
del conocimiento sobre el subsuelo y la ingeniería de cimentaciones en el área urbana del Valle
de México (Diversos autores, SMMS, 1978), que por primera vez no solamente se interesa en la
Ciudad de México sino en el valle propiamente dicho al cubrir zonas ya densamente pobladas
pero consideradas hasta ese momento como periféricas: Naucalpan, Tlalnepantla, Ecatepec,
Atizapan, Cuautitlan, Tepozotlan, Xochimilco y Chalco.
Otro esfuerzo por recopilar y ordenar perfiles geotécnicos de los estudios de mecánica de suelos
en el Distrito Federal, es la publicación elaborada por la Dirección General de Obras Públicas del
Departamento del Distrito Federal, DDF, durante el sexenio 1971-1976.
A raíz de los sismos de septiembre de 1985, las autoridades del Departamento del Distrito
Federal, en cooperación con la Organización de las Naciones Unidas, patrocinan la creación del
primer Banco de datos computarizado para la ciudad de México en materia de sondeos
geotécnicos, realizado por el Centro de Investigación Sísmica de la Fundación Javier Barrios
Sierra. Este trabajo se concentra principalmente en sondeos localizados dentro de la antigua traza
de la ciudad (Ovando et al., 1988).
También a raíz de los sismos de 1985, se realizan exploraciones en diferentes sitios del valle
(Jaime y Romo, 1987), cuyos resultados, combinados con la información recopilada
anteriormente, permitieron definir un nuevo mapa de zonificación geotécnica, que fue básicamente
el que se introdujo en el Reglamento de Construcciones de 1987. En este mapa, se conserva la
división del Distrito Federal en tres zonas principales (lomas, transición y lago), más una “zona
poco conocida desde el punto de vista de la mecánica de suelos” coincidente con la parte del
Distrito Federal localizada en la Sierra de Chichinautzin.
Sin embargo, en forma prácticamente simultánea, se publica una zonificación geotécnica con
criterios distintos, basada principalmente en las exploraciones realizadas para la construcción del
metro, que recibe buena aceptación por la relación útil que establece entre la historia geológica, el
uso histórico del suelo y las características actuales del subsuelo (COVITUR, 1988). Se
introducen distinciones entre diferentes partes de la zona lacustre (lago virgen, Centro I, Centro II)
y de la zona de transición (Transición alta y Transición baja). Se pierde la sencillez de la división
en tres zonas pero se gana en precisión en la descripción de la estratigrafía. Se observa que esta
zonificación no incluye las zonas lacustres del Sur.
Otra contribución significativa al conocimiento sobre el subsuelo del valle son los sondeos
profundos realizados por Petróleos Mexicanos y los estudios geofísicos realizados en la misma
época (CFE, 1988) que confirman en particular la existencia en el subsuelo de un cuerpo arcilloso
al oriente del Cerro de la Estrella correspondiente al antiguo cauce que comunicaba los lagos de
Xochimilco y Texcoco a través de una franja de aproximadamente 2km de ancho.
Por otra parte, en su obra “El subsuelo de la ciudad de México” (Marsal y Mazari, 1959), los
autores recurrieron ampliamente a la estadística para la descripción de las propiedades de los
suelos de las diferentes zonas.
4
Actualmente, se cuenta con nuevas herramientas estadísticas con gran potencial pero que hasta
ahora en Geotecnia se han usado poco. Una de estas herramientas es la geoestadística, nombre
bajo el cual se entiende la aplicación de la teoría de las funciones aleatorias (en este caso
espaciales) y del tratamiento de las señales a la descripción de las condiciones estratigráficas y a
la distribución espacial de las propiedades de los materiales geológicos. La geoestadística permite
tomar en cuenta la dependencia espacial entre propiedades en puntos cercanos a través del
concepto de función de autocovarianza o de variograma. Con estas herramientas es posible
resolver en forma racional problemas tales como la estimación de espesores de estratos, o de
valores de las propiedades en un sitio dado o en una zona determinada, a partir de la información
de los sondeos existentes con base en técnicas de estimación optimizadas como el “Kriging”
(obtención de estimadores lineales de mínima varianza).
En sus orígenes, en la década de los cincuenta, la aplicación principal de la Geoestadística fue en

el área de la exploración minera, buscando desarrollar una herramienta para estimar la
distribución espacial del mineral por explotar, que permitiera una mejor planeación de la
exploración y evaluación de las minas. En la práctica se comprobó que esta metodología
proporcionaba buenos resultados conduciendo a establecer la formulación teórica de estas
técnicas.
El primero en usar la palabra Geoestadística y en dar formalidad a esta teoría fue Matheron quien,
en 1962, estableció las bases teóricas principales de la misma, aunque siempre pensando en la
aplicación a la minería. Definió la geoestadística como: “La aplicación de las funciones aleatorias
al reconocimiento y estimación de fenómenos naturales”. Journel (1986) definió por su parte la
Geoestadística como: "Una rama de la Estadística que trata con fenómenos espaciales". Meyers
(1987), por otra parte, la definió como: "Una rama de los procesos estocásticos y de la estadística
siendo sus intereses primordiales los problemas de estimación, predicción y simulación en
diversas disciplinas".
En los últimos 30 años la geoestadística ha probado su potencial en la minería como método de

estimación de reservas, su aplicación en la industria del petróleo es más reciente pero ha
demostrado su utilidad para modelar y simular la compleja heterogeneidad de las reservas de
hidrocarburos. Su empleo también se ha extendido a otros campos, tales como, el
medioambiente, la hidrogeología, la agricultura e incluso la medicina.
En el área de Mecánica de Suelos, algunas primeras aplicaciones prácticas se encuentran

publicadas en memorias de Congresos Internacionales y revistas o boletines (ASCE, 1984;
CEEOP, 1985). Entre las principales aplicaciones potenciales de Geoestadística en Mecánica de
Suelos se pueden citar las siguientes: Geotecnia vial, para describir la variabilidad de los
parámetros geotécnicos de los suelos; Bancos de datos geotécnicos, para el estudio de los
materiales de la base de datos de calidad y la agrupación de la información con base a un criterio
establecido; Control de calidad de obras de tierra, en la elaboración de planes de muestreo por
variables y atributos, con base en resultados de ensayes habitualmente utilizados; Estabilidad de
taludes, análisis de seguridad y análisis de esfuerzos efectivos; Ingeniería de Cimentaciones, en
la determinación de factores de seguridad en problemas de capacidad de carga.
En México, durante los últimos decenios, se han realizado varios trabajos de geoestadística
aplicada a la interpretación de exploraciones geotécnicas y a la distribución espacial de
propiedades (físicas, mecánicas y geométricas) del subsuelo. La teoría de las funciones aleatorias
5
se ha aplicado a la estimación de los espesores de yacimientos de carbón (Auvinet, 1984), a la

descripción de la estructura de los medios granulares (Auvinet, 1986) y al control de compactación
de obras térreas (Auvinet y Abaziou, 1993). En 2001, se presentan los trabajos “Geostatistical
interpretation of soil exploration” (Auvinet et al., 2001), “Interpretación geoestadística de campañas
de reconocimiento del subsuelo” (Medina, 2001).
Las bases de la Geoestadística aplicada a la Geotecnia, el problema del muestreo, el mapeo de

propiedades geométricas del suelo (espesor y profundidad) y mecánicas se examinan en Auvinet
(2002). Con base en los planteamientos de esta publicación, surgen varios trabajos entre ellos el
titulado “Análisis geoestadístico del subsuelo en el norte de la zona lacustre del Valle de México”
(Pantoja, 2002) donde se realiza un análisis geoestadístico del subsuelo determinando la
configuración espacial de algunas propiedades del suelo (contenido de agua, resistencia de cono
eléctrico y número de golpes en prueba de penetración estándar); en ese mismo año se presenta
el trabajo “Análisis geoestadístico de la estratigrafía del subsuelo marino de un área de la Sonda
de Campeche” (Valdéz, 2002), en el que se realiza la caracterización estratigráfica del subsuelo
marino en dicha zona. Este último trabajo fue retomado y ampliado posteriormente bajo el título
“Evaluación geoestadística y geotécnica del estrato del fondo marino de la Sonda de Campeche
afectado por emanaciones de hidrocarburos” (Galván 2009).
En el último decenio, se han publicado varios trabajos sobre el valle de México, entre los que
destacan “Aplicación de la Geoestadística a la descripción estratigráfica del subsuelo de la zona
sur de la Cuenca de México” (Morales, 2004), “Caracterización geoestadística del subsuelo de la
zona poniente del valle de México” (Jiménez, 2007), “Contribución a la zonificación geotécnica de
la zona norte del Valle de México” (Valencia, 2007), “Caracterización geotécnica del subsuelo del
centro histórico de la ciudad de México (Tenorio, 2008), “Modelado del hundimiento de la zona
lacustre del valle de México, Aspectos estratigráficos y piezométricos” (Pérez, 2009), Estudio
geotécnicos del subsuelo del lago de Texcoco y sus pareas de influencia“ (Rodríguez, 2010),
“Comportamiento del suelo en la zona próxima al cerro del marqués y sus efectos en obras de
infraestructura“ (Hinojosa, 2010), “Caracterización geotécnica del subsuelo de la zona norte de la
cuenca de México” (Hernández, 2013), “Caracterización geotécnica del subsuelo de la zona sur
del valle de México con aplicación a una obra de infraestructura” (Eyssautier, 2013),
“Cimentaciones en suelos con características aleatorias” (Cosme, 2010) en ellos se presentan un
conjunto de cortes estratigráficos del contenido de agua y mapas de contornos que describen la
configuración espacial de algunos estratos típicos del subsuelo (capa dura, formación arcillosa
superior y depósitos profundos). Adicionalmente, esta herramienta ha sido empleada en varios
proyectos de ingeniería importantes entre los que pueden mencionarse el Puente Rion-Antirion,
Grecia (Auvinet, 1998); el Nuevo Aeropuerto Internacional de la Ciudad de México (Romo et al.,
2001) y la reconfiguración de la Refinería Lázaro Cárdenas en Minatitlán, Veracruz (Vázquez,
2007). Túnel Emisor Oriente (Auvinet et al., 2012; Juárez, 2012), Metro Línea 12 (Auvinet, 2012).
Los resultados de los trabajos anteriormente descritos han sido satisfactorios y muestran que la
Geoestadística es una herramienta que puede emplearse en forma sistemática para caracterizar
los materiales geológicos del subsuelo y elaborar modelos de las formaciones típicas y de sus
propiedades, así como mapas detallados de zonificación geotécnica.
Un trabajo que antecede directamente al presente es el titulado “Aplicación de la geoestadística a

la descripción estratigráfica del subsuelo del Valle de México” (Juárez, 2001), cuyo objetivo fue
explorar la aplicación de la geoestadística a la descripción cuantitativa de las propiedades y
6
características del subsuelo del Valle de México, mediante análisis preliminares de las
formaciones estratigráficas del subsuelo, basados en el estudio de la variabilidad espacial de sus
propiedades y características del subsuelo a partir de la información de sondeos. En ese trabajo
se presentan algunos ejemplos sencillos de aplicación (una muestra de suelo, cuatro sondeos
individuales y análisis en un área de 27.5 km2 correspondiente al centro de la ciudad de México y
considerando 13 sondeos), los cuales fueron realizados con el propósito de evaluar la eficacia del
método geoestadístico aplicado a la Geotecnia. Los resultados obtenidos fueron satisfactorios y
mostraron que efectivamente la geoestadística puede ser empleada en forma sistemática para la
caracterización del subsuelo en grandes áreas.
Por lo anterior, en este nuevo trabajo se emplea la Geoestadística para la caracterización del
subsuelo de la zona lacustre del Valle de México considerando un área de 1100 km2
aproximadamente y empleando como soporte de datos la información de más de 10,000 sondeos
geotécnicos. Asimismo, se emplean herramientas computacionales más robustas y adaptadas a la
Geotecnia, mismas que fueron desarrolladas como parte de este mismo trabajo y que facilitan la
aplicación práctica del método Geoestadístico. Los resultados consisten en modelos (secciones
transversales y superficies) que describen la distribución espacial de las propiedades geotécnicas
del subsuelo.
1.2 Objetivo
El objetivo del trabajo es la elaboración de modelos sobre la distribución espacial de las
formaciones geológicas típicas y de las propiedades (índice, mecánicas y geométricas) del suelo
lacustre del Valle de México, basados en conceptos geoestadísticos y a partir de información de
sondeos geotécnicos existentes. Como resultado se presentan perfiles y secciones transversales
de las propiedades analizadas, así como mapas de contornos y superficies de las principales
formaciones típicas del subsuelo. Asimismo, se propone una metodología que ayude a definir los
valores de los parámetros geotécnicos para fines de diseño de obras geotécnicas.
1.3 Alcances
Los alcances del trabajo son:
1. Revisar los estudios antecedentes sobre la descripción del subsuelo del Valle de México.
2. Recopilar la información básica de ingeniería (Geología, Morfología, Topografía, etc.) que
permita entender el origen y distribución de los materiales del subsuelo.
3. Construir un Sistema de Información Geográfica para sondeos Geotécnicos, incluyendo la
información básica de ingeniería.
4. Adaptar el fundamento teórico de los campos aleatorios y de la Geoestadística al modelado
de las propiedades (índice, mecánicas y geométricas) del subsuelo.
5. Implementar algoritmos de computadora que faciliten la aplicación de las técnicas
Geoestadísticas.
6. Realizar una caracterización estratigráfica del subsuelo con base en los sondeos disponibles.
7. Implementar una metodología que permita capturar en forma automatizada las propiedades
del subsuelo en forma numérica a partir de los perfiles geotécnicos disponibles.
8. Construir una base de datos de las propiedades del subsuelo.
7
9. Establecer los modelos de correlación espacial de las propiedades (índice, mecánicas y

geométricas) del subsuelo para diferentes zonas del Valle de México.
10. Construir modelos (mapas de contornos, superficies y modelos 3D) de la distribución espacial
de las propiedades geotécnicas del subsuelo.
11. Definir mapas de zonificación geotécnica detalladas para diferentes zonas del Valle de
México.
12. Proponer una metodología que permita definir los valores de los parámetros geotécnicos y la
incertidumbre asociada para fines de diseño de obras geotécnicas.
8
CAPÍTULO 2
9
Tesis Digitales

CAPÍTULO 2
2. DESCRIPCIÓN DEL ÁREA DE ESTUDIO
2.1 Ubicación
La Cuenca de México es una cuenca endorreica (cerrada), está situada en la parte central de la
provincia fisiográfica denominada "Eje Neovolcánico Transmexicano", entre los meridianos 98°15’
y 99°30’ y los paralelos 19°00’ y 20°15’ (fig. 2.1). Al sur poniente de esta cuenca se ubica el área
de estudio conocida como Valle de México que corresponde a una depresión ubicada entre los
19°20’ de latitud norte y 99°05’ de longitud oeste, tiene una elevación promedio de 2,240 msnm y
ocupa un área aproximada de 8,000 km2. Actualmente, se emplea también el término de zona o
área metropolitana de la ciudad de México para referirse al área urbanizada del valle de México.
El área de estudio abarca la superficie que ocupaban los antiguos lagos, incluyendo la mayor
parte del Distrito Federal y parcialmente los municipios del estado de México que lo rodean (fig.
2.2).
Figura 2.1. Ubicación de la cuenca de México y del área de estudio.
11
CAPÍTULO 2. DESCRIPCIÓN DEL ÁREA DE ESTUDIO
2.2 Fisiografía
La extensión superficial, según la Comisión Hidrológica de la Cuenca del Valle del México
(CHCVM), es de 9600 km2, extensión que incluye el Distrito Federal y parcialmente área de las
entidades federativas Estado de México, Puebla, Tlaxcala e Hidalgo.
Los límites naturales más sobresalientes de la cuenca de México son (CONAGUA, 2002): al norte,
La Sierra de Pachuca, con altura máxima de 3,000 m; al noreste las Sierras de Chichucuatlán y
del Tepozán, que se derivan de la Sierra Madre Oriental; al este y al sureste, la Sierra Nevada,
donde destacan en su porción septentrional los cerros Tláloc, Telapón y el Papayo, que
sobrepasan los 3,500 m. y en el meridional, el Iztaccíhuatl, de 5,286 metros de altura; y el
Popocatéptl, de 5,452 m. al sur, la Sierra de Chichinautzin, cuya cumbre más alta es el Pico del
Águila (3,952 m) en el Ajusco; al suroeste, la Sierra de la Cruces; al oeste, las Sierras de Monte
Alto y Monte Bajo; y al noroeste, la Sierra de Tezontlalpan o Tolcayuca, que al conectarse con la
de Pachuca, complementa el circuito. En el interior de la cuenca se encuentran otras formaciones
orográficas: al norte, la Sierra de Guadalupe, cuya mayor altura es el Cerro del Sombrero (3,000
m), marca el extremo septentrional de la Ciudad de México; al este, la Sierra de Santa Catarina
formada por una sucesión de volcanes extintos que se extiende desde la Sierra Nevada y termina
en el Cerro de la Estrella y la Caldera, el volcán de Xico y el Cerro del Pino, en la jurisdicción de
Chalco; y dentro del perímetro urbano, el Peñón de los Baños, el Peñón del Marqués (fig. 2.2).
Área de estudio
Figura 2.2. Fisiografía de la Cuenca de México (DDF, 1975).
12
La Cuenca de México presenta valles intermontañosos, mesetas y cañadas, así como terrenos
semiplanos, en lo que alguna vez fueron los lagos de Texcoco, Xochimilco y Chalco. De la
superficie total, aproximadamente 3080 km2 corresponden a áreas de montaña y 2050 km2 a
partes bajas, las primeras con altitudes superiores a 200m sobre el fondo del Valle y las
segundas, ubicadas entre 0 y 50m. La planicie central tiene una altitud que varía entre 2240 m en
el sur, y 2390 m en el norte. La altitud de la zona más baja es de aproximadamente 2224 msnm
(SACM, 2005).
2.3 Información histórica

Algunos de los aportes de los documentos históricos (litografías, mapas históricos y fotografías
aéreas antiguas) tienen un alto significado geotécnico y geológico para la descripción de las
características del subsuelo, como son: cauces de antiguos ríos y barrancas; trazo y cruce de
canales; configuración o distribución en extensión de ex-lagos y lagunas (encharcamientos
eventuales); bordos o diques; calzadas; etc. En este contexto se ilustra brevemente la información
histórica que puede ser útil para el estudio geotécnico que se pretende realizar en este trabajo. La
fig. 2.3 muestra, según Shilling Kiel, la evolución de los lagos en la cuenca desde la época diluvial.
Figura 2.3. Evolución de los lagos de la cuenca de México (Schilling, 1963).
En la fig. 2.4 se presenta una pintura de Luis Covarrubias que muestra un panorama del Lago de
México y la isla de Tenochtitlan-Tlatelolco hacia 1519 (Arqueología Mexicana, 2004) y en la fig.
2.5 se presenta otra pintura que muestra un mapa del Lago de México y la isla de Tenochtitlan-
Tlatelolco hacia 1521 (Academia Mexicana de Ciencias, 2007). En las figuras 2.4 y 2.5 se observa
la extensión de la isla, así como, las tres calzadas que conectaban a la Isla con tierra firme y los
albarradones de Nezahualcoyotl y de Ahuízotl.
En la fig. 2.6 se presenta un plano elaborado por Luís Espinosa en 1879 titulado “Una parte de los
lagos del Valle de México” (DDF, 1975), en el que aparece el trazo del proyecto del “Gran Canal y
el Túnel del Desagüe para la Ciudad de México”, se observa también la configuración de los lagos
del norte en esa época, la localización de los islotes de Xaltocan y Tonanitla, así como, la
trayectoria del albarradón de San Cristóbal.
13
Figura 2.4. Panorama del lago de México y la Isla de Tenochtitlán-Tlatelolco en 1519, pintura de
Luis Covarrubias (Arqueología Mexicana, 2004).
Figura 2.5. Mapa del Lago de México y la isla de Tenochtitlan-Tlatelolco hacia 1521. (Academia
Mexicana de Ciencias, 2007).
14
Figura 2.6. Plano de los lagos del Valle de México (Espinoza, 1900).
El conocimiento de la configuración antigua de los lagos orienta para definir en forma aproximada
la extensión y configuración de los antiguos lagos, donde se encuentra el suelo lacustre.
Asimismo, el estudio de cauces de antiguos ríos y barrancas; trazo y cruces de antiguos canales;
configuración o distribución en extensión de ex-lagos y lagunas (encharcamientos eventuales);
bordos o diques; antiguas calzadas; entre otros; puede contribuir al análisis de la historia de
cargas en determinados predios, ayudando a comprender muchas de las causas del mal
comportamiento de algunas estructuras. En el centro de la Ciudad de México varios edificios se
construyeron sobre rellenos y estructuras prehispánicas de lo que fue la ciudad de Tenochtitlan, la
heterogeneidad de los materiales de los rellenos y la historia de cargas aplicadas al subsuelo se
reflejan en muchas edificaciones, sobre todo en los edificios construidos en la época novohispana.
15
2.4 Toponimia
La Toponimia es la disciplina que se encarga del estudio, origen y significado de los nombres
propios de lugar. La palabra proviene de la etimología griega, topos: lugar, suelo y onoma:
nombre; siendo la toponimia una rama de la lingüística, la cual se ocupa del análisis de la lengua
que procede el término, puede ser un idioma oficial, un idioma de una minoría o alguna lengua
desaparecida. En el caso del Valle de México los topónimos son de origen náhuatl. A diferencia
del término “nombre geográfico”, el topónimo sugiere las particularidades del lugar, es decir, es el
nombre que se le da según sus características inherentes (León-Portilla, 1982; Auvinet et al.,
2011).
En la fig. 2.7, se presenta el “Plano reconstructivo de la región de Tenochtitlan” (González-

Aparicio, 1973), en el mapa aparece el nombre prehispánico (en náhuatl) y significado de los
principales lugares del Valle de México, algunos de ellos aún se conservan.
En este trabajo se presenta una breve relación de la toponimia de algunas localidades del valle de
México:
Atenco: de atl, agua; tentli, orilla y co, lugar; significa “en la orilla del agua”.
Azcapotzalco: de azcatl, hormiga; potzoa o potzalli, montículo y co, lugar; significa “en el
hormiguero” o “lugar de hormigas”.
Chalco: de Challi, borde de lago y co, lugar; significa “en el borde del lago”.
Chiautla: de chiahuitl, lodo o grasiento y tla, tierra; significa “lugar pantanoso”.
Chicoloapan: de chicoltic, cosa torcida; at, agua y pan, en; significa “agua torcida”, el nombre
alude a un arroyo o río que tuerce o desvía su curso, en unos o varios lugares.
Cuemanco: cuemitl, tierra labrada, herencia y co, en; significa “en los surcos de la tierra”.
Ecatepec: de ehecatl, viento o aire y tepetl, cerro; significa “en el cerro del viento o del aire".
Iztapalapa: de iztapalli, losas o lajas (piedra lisa blanca); atl, agua y apan, río; significa “en el río
de las lajas blancas”.
Nextlalpan: de nextli, ceniza; tlalli, tierra o suelo y pan sobre; significa “sobre el suelo de ceniza”.
Tizayuca o tizayocan: de tizatl, cierta tierra blanca; yo, posesivo y can, lugar de; significa “lugar de
los que tienen tiza”.
Tecamac: de tetl, piedra; camatl, boca y la terminación c, que denota lugar; significa “en la boca
de piedra”.
Tecamachalco: de tetl, piedra y camachalli, quijada; significa “en las quijadas de piedra”.
Tepepan: de tepetl, cerro y pan, sobre; significa “sobre el cerro”.
Tepeyac: de tepetl cerro y yacatl, nariz; significa “la nariz (punta) de la montaña”.
Tequixquiac (Tequisquiac): de tequixquitl, salitre o tequesquite (carbonato de sosa); atl, agua, c,
lugar; significa “lugar de las aguas salitrosas o tequesquitosas”.
Texcoco: de tlacolt, jarilla y texcall, peñasco o risco; significa “en la jarilla de los riscos”.
Tezonco: de tezontli, piedra volcánica roja, liviana y porosa; co, en; significa “en la piedra (tierra)
roja”.
Tezoyuca: de tezontli, piedra volcánica roja, liviana y porosa; yutl, desinencia que expresa la
plenitud del ser que denota la cosa y de “can”, lugar; significa en el “lugar lleno de tezontle”.
16
Tlalnepantla: de tlalli, tierra; nepantla, en medio; significa Tierra de en medio.

Tlalpan: de tlalli, tierra y pan, encima; significa “encima de la tierra” o “lugar de tierra firme”.
Tlaltenco: de tlalli, tierra y atenco, a la orilla del agua; significa “tierra a la orilla del agua”.
Tlatelolco: de tlaltelli, montecito de tierra; co; en; significa “en el montecito de tierra”.
Tultitlan: de tollin o tullin, tule y titlan, entre o junto; significa “lugar entre tules”.
Xalpan o Xaxalpán: de xalli, arena y pan, en, sobre; significa “en las arenas” o “sobre el suelo
arenoso”.
Xaltocan: de xalli, arena y tocani, sembraron; significa “siembra en la arena”.
Figura 2.7. Plano reconstructivo de la región de Tenochtitlan (González-Aparicio, 1968).
17
2.5 Cartografía urbana

La cartografía urbana representa el soporte necesario para la ubicación de los sondeos
geotécnicos. Para este trabajo, se construyó un marco cartográfico digital a partir de la
información magnética editada por el Instituto Nacional de Estadística Geografía e Informática
denominada “Datos vectoriales” (INEGI, 2004). El marco cartográfico digital define la traza de la
extensión urbanizada del Valle de México a nivel de calles y manzanas (fig. 2.8), referido al
sistema Universal Transversa de Mercator (UTM) en proyección WGS84.
Figura 2.8. Representación de la cartografía urbana.
El marco cartográfico elaborado para el área de estudio está constituido por un mosaico de 96
cartas urbanas en escala 1:10,000 que cubre una superficie aproximada de 3574 km², el mosaico
cartográfico del área de estudio abarca las 16 Delegaciones del Distrito Federal y parcialmente los
municipios conurbados del Estado de México que lo circundan (Fig. 2.9).
18
Figura 2.9. Extensión urbana del área de estudio.
2.6 Topografía
La información topográfica es básica para la interpretación de los rasgos generales de la
superficie del relieve (abrupto, medio, suave y plano), lo que ayuda a definir la extensión de los
depósitos de suelo, rellenos y formaciones geológicas. La representación típica de la topografía es
mediante líneas de contornos indicando su cota, referida al nivel medio del mar. Actualmente, se
cuenta con técnicas avanzadas para construir modelos que representan la topografía general del
terreno y que permiten una fácil interpretación del relieve. En la fig. 2.10 se presenta un modelo de
relieve sombreado (MRS) que representa la configuración topográfica regional dentro del área de
estudio, elaborado a partir de la información topográfica editada por el INEGI (2005).
19
Figura 2.10. Representación topográfica del área de estudio, modelo MRS.
En el área de estudio se identifican algunas variaciones de la superficie topográfica, la mayor

parte presenta una superficie prácticamente horizontal, con una ligera pendiente hacia el
nororiente (exlago de Texcoco). La altura media de la planicie es considerada de 2,240 metros
sobre el nivel del mar (msnm), la parte más baja en la zona del aeropuerto internacional de la
ciudad de México a una elevación aproximada de 2230m. Se distinguen también áreas
montañosas que se encuentran entre las altitudes de 2,240 y 3930 msnm. Entre las zonas de
montaña y la planicie se encuentran a configuraciones abruptas y áreas denominadas de pie de
monte, es decir, las partes altas de los cerros. La porción plana corresponde a la zona lacustre de
los antiguos lagos de Texcoco, Chalco y Xochimilco y la parte sur del lago de México, con una
altitud media de 2235 msnm.
20
Dentro del área de estudio se encuentran algunas de las sierras principales de la cuenca de
México. Al norte la Sierra Santa Catarina, al sur la Sierra Chichinautzin, al poniente la Sierra de
las Cruces. Cabe aclarar que parte del material constitutivo de la sierra Santa Catarina y Las
Cruces es aprovechado para la construcción y a su vez el espacio es ocupado principalmente
para la expansión del área urbana hacia el área montañosa. En la superficie plana, se encuentran
también diferentes elevaciones importantes entre las que destacan; al norte los cerros Tultepec,
Huatepec y Tepetzingo, al centro el Cerro Peñón de los Baños, de Cerro Peñón del Marqués o
Peñón Viejo y el Cerro de La Estrella. Al sur se encuentra el Cerro de Xico y el Cerro de
Tlapacoya (el elefante). En la tabla 2.1 se indican las elevaciones principales localizadas en el
área de estudio.
Tabla 2.1. Elevaciones principales localizadas dentro del área de estudio.
Elevación
Nombre
(msnm)
Peñón viejo o del Marqués 2346
Cerro de La Estrella o Citlaltepetl 2460
Volcán Guadalupe 2734
Volcán Tecuautzin 2590
Volcán Xaltepec 2536
Volcán Yuhualixqui o San Nicolás 2410
Cerro Tetecón 2450
Volcán La Caldera 2480
Cerro El Pino 2680
Cerro Tlapacoya (El Elefante) 2460
Cerro de Xico 2340
Volcán Tioca 2700
Volcán Teuhtli 2710
Zacatépetl 2420
Cerro del Judío 2770
Cerro Sasacapa 3240
Cerro Xochitepec 2500
Volcán Xitle 3120
Cerro Zacazontela 3270
Cerro Tarumba 3460
Cerro Ocotal 3520
21
2.7 Imágenes de satélite

Las imágenes de satélite permiten identificar y detallar rasgos del entorno físico geográfico de la
superficie terrestre, mostrando cambios cuantitativos y cualitativos en tiempo real provocados por
fenómenos naturales, o bien, aquellos atribuibles a la actividad humana a lo largo del tiempo. En
la imagen de satélite de la cuenca de México (fig. 2.11), se distingue la extensión del área urbana
y algunos rasgos generales de la corteza terrestre, como las sierras que dan forma a la Cuenca
de México; la localización de cuerpos de agua, como la Laguna de Zumpango, El Lago Nabor
Carrillo, la zona salina conocida como “El Caracol” en Texcoco, entre otros.
Figura 2.11. Imagen de satélite (Landsat, 2010).
22
2.8 Geología
La información geológica representa la base fundamental para la descripción de las
características del subsuelo lacustre del valle de México, este tema ha sido tratado por varios
autores, como Bryan (1948), Arellano (1953), Mooser (1956, 1957, 1975), de Cserna et al. (1988),
Vázquez y Jaimes (1989), Enciso de la Vega (1992), Mooser et al. (1996). La información
geológica aportada por Mooser ha sido empleada en varios proyectos de ingeniería civil, por tal
motivo, esa es la considerada en este trabajo.
Mooser (1975) explica en siete fases la evolución que este territorio ha tenido a lo largo del tiempo
geológico y que define la configuración del relieve de la actual Cuenca de México.
La primera fase se desarrolla en el Terciario Inferior, originando rocas volcánicas que no afloran
en la superficie, pero que existen a una profundidad de 2, 265 m. La segunda fase ocurre en el
Oligoceno Medio, y se caracteriza por la existencia de numerosas coladas de lava de composición
intermedia y ácida, con afloramientos representativos en la región de Huehuetoca y el poblado de
Coyotepec.
El Oligoceno Superior es el escenario de la tercera fase, en ella tiene desarrollo la base de lo que
más tarde serán las Sierras Mayores localizadas al este y oeste de la actual Cuenca de México. El
tipo de roca que caracteriza este periodo es de composición ácida y forma grandes depósitos de
dacitas y riolitas principalmente. Son de esta época pequeñas elevaciones aisladas: Peñón de los
Baños, Tlapacoya, Zacaltépetl y Chapultepec. Durante el Mioceno aparece la sierra de
Guadalupe, misma que marca el inicio de la cuarta fase, este complejo volcánico está constituido
de lavas intermedias y ácidas. Otras estructuras asociadas son la Sierra de Tepotzotlán, Los
Pitos, Patlachique y El Tepozan.
Al término del Mioceno inicia la quinta fase volcánica, con la formación de las Sierras Mayores, al
oeste la de las Cruces, Monte Alto y Monte Bajo, al este la Sierra Nevada y Río Frío. Estas sierras
son resultado de una actividad volcánica de composición intermedia y ácida.
El Pleistoceno es el escenario donde se desarrolla la sexta fase volcánica, donde hubo

predominio de materiales andesito-basálticos que formaron los cerros de Chimalhuacan,
Chiconautla, el Peñón del Marqués, el cerro de La Estrella y el cerro Gordo.
La séptima fase culmina en el Cuaternario Superior con la formación de la Sierra de Chichinautzin

hace un millón de años aproximadamente, la cual fue resultado de la edificación de más de un
centenar de conos, derrames lávicos y material piroclástico. Debido a la formación de este
conjunto volcánico, en la parte sur del antiguo Valle de México durante esta etapa, quedan
establecidos los rasgos morfológicos actuales que dieron origen a la Cuenca de México (fig. 2.12).
El origen de la planicie lacustre, sobre la que está construida la mayor parte de la Ciudad de
México, se explica a partir del paulatino azolvamiento del vaso de la cuenca recién formada, al
cerrarse por el sur el antiguo valle, debido a la aparición de la Sierra de Chichinautzin. El
azolvamiento de productos volcánicos y acarreo fluvial en todo este territorio, al alcanzar una
superficie y altura considerables, propició nuevas condiciones que favorecieron la existencia de
grandes lagos al interior de la Cuenca de México.
23
El fondo de la cuenca se azolvó intercalando distintos tipos de materiales, entre los que destacan
los proluviales (limos y arenas), los lacustres (arcillas y limos), así como arenas y cenizas
volcánicas, que al intemperizar generan arcillas altamente compresibles.
La erosión de laderas, el acarreo fluvial y los depósitos de materiales de origen volcánico, fueron
un relleno que de manera constante sepultó un relieve irregular; esto determino una variación en
el espesor de los azolves, aumentando la potencia de los depósitos de norte a sur. En las
cercanías de la ciudad de Pachuca se tienen ±30 m de espesor, en la porción central de la cuenca
son ±200 m y al sur de la Cuenca de México, cerca de la Sierra del Chichinautzin, alcanzan los
600 m aproximadamente. Las cenizas producto de erupciones volcánicas, depositadas en el seno
del lago junto con los acarreos fluviales, constituyeron a través del tiempo un suelo arcilloso
sumamente compresible que actualmente se conoce como arcilla del Valle de México.
La descripción, que a continuación se presenta, sintetiza el estado actual del conocimiento de la

estratigrafía del subsuelo de la zona metropolitana del valle de México (zmvm), esta descripción
está basada en la revisión y síntesis realizada por Mooser y Molina (figs. 2.13 y 2.14).
Figura 2.12. Geología y morfología de la cuenca de México (Mooser, en TGC, 2005).
24
Figura 2.13. Sección geológica del modelo conceptual (norte-sur).
Figura 2.14. Sección geológica del modelo conceptual (oeste-este).
- Arcillas lacustres superficiales
El área cubierta por estos estratos es cercana al 23.3% (848km) de la superficie total de la
subcuenca (3,632 km2). En el norte son delgados (fig. 2.13); hacia el sur, en los frentes de la
sierra Chichinautzin, alcanzan espesores de 200 a 300 m, y están interestratificados con lavas
basílicas. En el centro de la ciudad de México, en el interior de la arcilla y a una profundidad de
alrededor de 30 m, existe un estrato apropiadamente llamado capa dura (CD), que durante
muchos años se ha usado para cimentar edificios grandes mediante pilotes. En otras partes del
valle existen capas similares a profundidades diversas. El examen de núcleos provenientes de
25
pozos revela que esta roca es un depósito de ceniza volcánica de finura similar a un limo, densa y
cementada, y de permeabilidad suficiente para funcionar como acuífero. Este estrato es capaz de
soportar pozos de gasto reducido y en él se inició la explotación del agua subterránea en la ciudad
de México, en el siglo XIX.
- Rellenos aluviales
Alcanzan espesores máximos de 300 a 400 m. Son importantes en el sur y se acuñan en el norte.
En el poniente sobreyacen a la base de la formación Tarango, donde sepultan una red de valles
erosionados; en el centro descansan sobre aglomerados volcánicos estratificados
correlacionables con la formación Tepozteco; y también sepultan una red de valles.
Las propiedades hidráulicas de esta formación se han estudiado ampliamente y se les conoce
bien. Poseen alta permeabilidad y capacidad de almacenamiento, por lo que constituyen un
acuífero de buenas características.
- Basaltos del Pleistoceno y Reciente
Los basaltos de la hilera volcánica de la sierra de Santa Catarina están interestratificados con los
depósitos lacustres (1) y con los rellenos aluviales (2).
Similarmente, en el sur las lavas de la sierra Chichinautzin están interestratificadas con los
depósitos lacustres (1) y con los rellenos aluviales (2); también forman la potente barrera que en
el Pleistoceno Superior, hará unos 600,000 años, represó el antiguo sistema doble de valles que
drenaba la cuenca hacia la parte alta del río Amacuzac. Estas formaciones constituyen acuíferos
excelentes, ya que su permeabilidad y capacidad de almacenamiento secundarias, debidas a
fracturas, son muy altas.
- Formación Tarango
La formación Tarango (4) representa los abanicos volcánicos que se extienden en las
estribaciones de las sierras elevadas (4a), que limitan la cuenca al oriente y al poniente.
Consiste en tobas, flujos piroclásticos, lahares, depósitos fluviales, capas de piedra pómez y
suelos (4). Estos materiales se encuentran principalmente en la base de los depósitos aluviales
(2), aunque sus elementos superiores (arenas azules) están interestratificados con ellos. La
formación Tarango también posee buenas propiedades hidráulicas.
- Cuerpos volcánicos basáltico-andesíticos
Elementos que forman las elevaciones aisladas del cerro de la Estrella, del peñón de los Baños,
del cerro de Chimalhuacán y de los cuerpos dómicos basálticos del sureste de la sierra de
Guadalupe. Estos cuerpos yacen directamente sobre la secuencia estratificada.
- Secuencia estratificada
Depósitos volcánicos claramente estratificados que progradan del centro de la cuenca hacia el
sur, con espesores en el norte de 100 a 200 m, y que en el sur aumentan hasta 600 m. Estos
26
depósitos desaparecen bajo la sierra Chichinautzin y afloran en la sierra del Tepozteco, al oriente
de Cuernavaca. El conocimiento que se tiene de estos estratos es reducido. De afloramientos en
otras partes, se les conoce como porosos y con permeabilidad secundaria, debido principalmente
a fracturas. Existen algunos pozos que alcanzan esta formación, y en ellos se han realizado
pruebas de bombeo. Los valores que se han obtenido para la conductividad hidráulica y el
almacenamiento específico indicarían que la importancia de esta formación en el comportamiento
hidráulico no es grande. Sin embargo, hacen falta más estudios para llegar a conclusiones
definitivas.
- Sierras pliocénicas
Elevaciones volcánicas de mediana altura que en parte están intercaladas y parcialmente en la

base de la secuencia estratificada (6). Sus elementos en la cuenca de México son las sierras de
Tepotzotlán, de las Pitallas, de Guadalupe y de Patlachique; son conjuntos de volcanes
estratificados y de domos espectaculares.
- Depósitos lacustres del Plioceno inferior
Formación que consiste en arcillas lacustres, generalmente de consolidación avanzada. Afloran

en el norte de la cuenca por Huehuetoca, Taximay y Requena. Hacia el sur desaparecen bajo los
rellenos aluviales (2) y las lavas pliocénicas intermedias y ácidas de las sierras de Tepotzotlán y
de Guadalupe (7). Se registran espesores de 200 a 300 m bajo la ciudad de México, y subyacen a
la secuencia estratificada (6). Al sur de la cuenca afloran bajo los elementos orientales de la sierra
del Tepozteco. Su reducida permeabilidad, aunada a su escasa capacidad de almacenamiento
debida a lo avanzado de su consolidación, le confieren características de acuitardo. Sin embargo,
el conocimiento de esta formación aún es insuficiente.
- Vulcanitas del Mioceno
Forman un grueso paquete de rocas lávicas, elásticas y lacustres, generadas a consecuencia de

las primeras erupciones volcánicas ligadas al principio de la subducción de la Placa de Cocos.
Sus elementos más elevados afloran poco en el centro de la cuenca de México. Forman las
elevaciones volcánicas de Barrientos y del cerro del Tepeyac (domo), en el norte de la ciudad.
Parecen constituir eminencias dadas al NNO, en cuyos espacios intramontanos se acumularon la
secuencia estratificada (6) y los depósitos lacustres del Plioceno (8).
- Vulcanitas del Oligoceno
Importantes espesores de vulcanitas que se adscriben al Oligoceno, subyacen a la formación

anterior (9). Afloran en muy pocos puntos de la cuenca: en el centro poniente, en la sierra del
Tigre (Atizapán de Zaragoza); y en el centro oriente, en la sierra de Tlaixpan (Texcoco).
Ambas elevaciones representan calderas que como la mayoría de los elementos de esta época,
están característicamente falladas al NNO. Así, el graben de Mixhuca, principal estructura
tectónica del Oligoceno, se extiende bajo la ciudad de México; irrumpe desde la estribación
septentrional de la sierra Chichinautzin hacia el NNO. La traza del flanco oriental de este graben
se sumerge bajo del cerro de La Estrella y su flanco occidental aflora en la sierra del Tigre.
27
Los depósitos de la formación Balsas (10a): tobas, paleosuelos, yesos, conglomerados y lavas, no
se distinguen sísmicamente, por lo que en esta descripción están incluidas en las vulcanitas del
Oligoceno (10).
- Basamento sedimentario marino
Bajo las vulcanitas de la cuenca de México se encuentran formaciones marinas del Cretácico;
están plegadas y cabalgadas al oeste, hecho discernible en los perfiles sísmicos. Asimismo, en
los sismogramas analizados por Mooser y Molina, es bastante reconocible el contacto de las
vulcanitas (incluyendo la formación Balsas (10a) en la base del complejo oligocénico con lutitas,
margas (11a) y calizas marinas (11b). Dos de los cuatro pozos perforados por Pemex alcanzaron
este basamento, lo cual les permitió a dichos autores identificar en la mayoría de las líneas
sísmicas el contacto vulcanitas-depósitos marinos.
La información de la geología empleada en este trabajo se tomó de el “Nuevo mapa geológico de

las cuencas de México, Toluca y Puebla” (Mooser et all, 1996). El mapa correspondiente adaptado
para el área considerada en este trabajo se muestra en la fig. 2.15 y la descripción de las
formaciones geológicas se presenta en la tabla 2.2.
Dentro del área que ocupa la planicie lacustre, sobresalen diversas formaciones como el Cerro de
la Estrella, Peñón del Marqués, el Pedregal, así como la cadena de conos volcánicos de la Sierra
de Santa Catarina, el cerro de Xico y el de Tlapacoya. Asimismo, sobre esta superficie, se
distinguen zonas geológicas aisladas, tales como, formaciones volcánicas de lavas basálticas y
andesíticas, aluviales y lacustres pertenecientes al período Cuaternario. En estas zonas se
distinguen volcanes cineríticos, superficies de piroclastos, de relieve volcánico efusivo; así como
las coladas de lava del Xitle en la zona suroeste y un relieve acumulativo lacustre en la mayor
parte del área estudiada.
Tabla 2.2. Descripción de las formaciones geológicas (Mooser et al., 1996).
Formación Descripción geológica
Qal Depósitos aluviales del cuaternario

Qic Cono de lavas, vulcanitas del cuaternario inferior
Qid Domo, vulcanitas del cuaternario inferior
Qiv Vulcanitas del cuaternario inferior
Qivc Cono, vulcanitas del cuaternario inferior
Ql Depósitos lacustres del cuaternario
Qv Vulcanitas del cuaternario superior
Qvc Cono, vulcanitas del cuaternario superior
Qvd Domo, vulcanitas del cuaternario superior
28
Figura 2.15. Mapa geológico del área de estudio (adaptado de Mooser, 1996).
La formación de Depósitos Lacustres (Ql) que pertenecen al período Cuaternario es predominante

en el área de estudio; su configuración es resultado del característico relieve acumulativo,
representativo de la planicie, y que en la actualidad es ocupada por parte importante de la Ciudad
de México. Esta unidad está constituida principalmente por arcillas y limos con algunas
intercalaciones de gravas y arenas, y con escasos horizontes de tobas mal definidos.
29
La Formación Aluvial (Qal), pertenece al período Cuaternario con menor extensión que la
superficie lacustre. Se encuentra entre las laderas de reciente formación de la Sierra de Santa
Catarina y del Cerro de la Estrella, así como en las laderas noroeste y suroeste del Pedregal y al
pie de la sierra Chichinautzin.
Esta formación representa un relieve acumulativo aluvial equivalente a las condiciones de un

proceso fluvial, que se refiere a las formas de erosión superficial, originadas en las
desembocaduras de los pequeños cauces. Dichos depósitos se caracterizan en perfil, por la
alternancia de capas correspondientes a fases de acumulación de piroclastos, residuos rocosos,
material arenoso y limos en ocasiones interestratificadas con lavas. Estos materiales, por lo
general, presentan espesores de entre uno y dos metros y hasta de diez con pendientes ligeras.
2.9 Información geotécnica
2.9.1 Estratigrafía
La fig. 2.16 describe los sucesos geológicos en la Cuenca de México con la terminología
propuesta por de Bryan, Arellano y De Terra, puede verse que en las márgenes de la cuenca la
formación gruesa volcánica de rocas andesíticas desintegradas y tobas duras viene a representar
principalmente la Formación Tarango. La formación Tacubaya queda constituida por los aluviones,
tobas y brechas pómez compactos y depósitos gruesos de polvos volcánicos depositados en las
orillas de cuenca, así como los suelos pedálferos (alfédafos) fósiles amarillo morenos y limoníticos
y arcillosos.
La formación Becerra queda definida por aluvión en los márgenes de la cuenca y polvo volcánico
en las lomas, así como suelos alfédafos de material limonítico arcilloso que contienen algunas
veces concreciones de limonita, además se caracteriza por la gran cantidad de fósiles del
Pleistoceno que vienen a definir este periodo geológico que termina con el desarrollo de Caliche
Barrilaco, que presenta un clima árido importante en la cuenca. La formación Totoltsingo está
constituida por arcilla café limosa o negra con gran cantidad de humus pero sin tepalcates; el
periodo Arqueológico, es decir, de Zacatenco a Azteca tiene todos aquellos materiales
superficiales como arena, aluvión, polvo eólicos, suelos prietos humíticos y materiales de relleno
con gran cantidad de tepalcates donde aparecen siempre huellas de alguna cultura antigua del
hombre de la Cuenca de México.
En 1952 Zeevaert presentó el trabajo “Estratigrafía y problemas de ingeniería en los depósitos de

arcilla lacustre de la ciudad de México”, basado en los estudios geológicos y unos cuantos
sondeos geotécnicos (Zeevaert, 1952). Este trabajo incluye un perfil del suelo del centro de la
ciudad, el cual presenta una correlación tentativa de los sucesos geológicos en la región lacustre
de la cuenca de México presentados por Bryan, Arellano y De Terra. La fig. 2.18 muestra un corte
geológico correspondiente a la Alameda Central, indicando la clasificación de los materiales.
30
Nombres geológicos y Capas de aluvión en Depósitos del Lago y Acumulaciones de Suelos desarrollados Clima inferido. Correlación con la
arqueológicos las márgenes de la de ciénagas en el polvo y polvo en roca y en cronología glacial.
Cuenca centro y márgenes volcánico en faldas depósitos no muy
de la Cuenca de cerros y lomas. cementados.
AZTECA Y Formación Noche Arenas, suelos, etc. Polvo y arena Suelos prietos. Fluctuaciones de Incluye un periodo
TEOTIHUACANO Buena. Aluvión y Con tepalcates eólicos (no clima. frío concluido en
depósitos en gradas diferenciado). 1750 A. D.
ZACATENCO con tepalcates. Turbas y arcilla con
humus.
(en algunas
localidades divisible Arcilla del lago y Tierra café y limo.
TOTOLSINGO en dos partes). turbas.
Falta Se supone que Falta Caliche en capas y Seco. Post glacial árido
BARRILACO existe en el centro en vetas. 4,500-7,500 años
de la Cuenca. atrás.
HUNDIMIENTO DEL CENTRO DE LA CUENCA
Becerra Superior El Risco Polvo volcánico. Alfédafos: Material Subestadiales

Aluvión, 1 a 16m. Arena y arcilla. Polvo derivado de limonítico y Wisconsin 3:
Elephas, Equus, Homo, Elephas, del lago arcilloso, en ciertos Húmedo Mankato y
se puede diferenciar
Frecuentemente no
Bison, etc. Equus, etc. generalmente lugares Cochrane. Quizá

(Armenta) moreno y gris concreciones de Becerra Superior
BECERRA Disconformidad y moreno. limonita. Horizonte Seco sea equivalente a
caliche. Disconformidad y B de suelo viejo. Cochrane (10,000
caliche. Se supone que años atrás)
Becerra Inferior existe en el centro Húmedo
Se supone que de la Cuenca.
Aluvión, 1 a 10m. existe en el centro
de la Cuenca.
HUNDIMIENTO DEL CENTRO DE LA CUENCA Y EROSIÓN DE CAÑONCITOS EN PARTES DE LAS LOMAS
Se supone que Interestadial

MORALES Falta existe en el centro Falta Caliche Seco W 2/W 3
de la Cuenca.
Formación Se supone que Polvo volcánico y Alfédafos: amarillo Subestadiales

Tacubaya de 1 a existe en el centro otros polvos de moreno, limoníticos Wisconsin 2:
10m. de la Cuenca. color grullo y y arcillosos. Húmedo Tazewell-Cary.
TACUBAYA Aluvión compacto moreno en faldas Horizonte-B de
con color amarillo de lomas y cerros, suelo viejo.
moreno. y pómez.
MOVIMIENTOS CENTRALES EN LOS ALREDEDORES DE LA CUENCA Y EROSIÓN DE VALLES ANCHOS EN LAS LOMAS
Formación volcánica Probablemente

gruesa, depositada está representada
TARANGO en agua: tobas, en el centro de la ? ? ? ¿Plistoceno?
brechas volcánicas, Cuenca.
pómez, etc.
LOS ACONTECIMIENTOS MÁS ANTIGUOS NO SE CONSIDERAN
Figura 2.16. Sucesos Geológicos de la cuenca de México (Bryan, 1948).
31
SECUENCIA GEOLOGICA y PROPIEDADES INDICES

DE LOS MATERIALES DEL SUBSUELO EN LA REGION
LACUSTRE DE LA CUENCA DEL VALLE DE MEXICO
CONTENIDO
DEPOSITOS PROF. CLASIFICACION DEL SUELO DE AGUA CONSIS¡ENC~ C(jjf1lE~iIU~1D
~?~,,: i
100 200 300 400
MEDIANA
ARENAS LIMOS YLIMOS ARCILLOSOS NEGROS MUY SUAVE
A
ARQUEOlOOICO A
OCAFES CON HUMUS YTEPALCATES MUY BAJA
,
I
11 I
(fJ , , , ,
\1 DURA
- , , ,
, I
~ ARC ILLA I
.19 0 ,"
,
,
, .,' , 1'-- ¡--., MUY SUAVE ~:"'LTA
<{
>- 01-
~
"''':''''''~''''A
W ARC ILLA I
-
ARCILLA MONTMORI L ONITICA GAFE y GAFE I=- ~ ~~~'R'G'DA AA:T~LTA
..:;,; ;
..... E .... .. EGftIo.
Z~ ~
ROJIZO CONCHITAS MICROSCOPICAS
, ,, ,
~h
, ,
I rAI IN'o; II :e.~'2,Yf A
<{ -~ J00
,
~u SUAVE ALTA
ARCILLA II 1- ARCILLA MONTMORILONITICA VERDE OLIVO g. A A
al ~ 5 YCAFE
1-
20
lJJ ,
, ,
,
,.
-1 " SEMi ·RIGIDA MUY ALTA
~ p..
:l z O
~
,
01- , 1 1::::::
Ü~ ¡¡¡ SUAVE A
~O ARC ILLA IV ~ ARCILLA VERDE OLIVOYCAFE.CONCHITAS MICROSOOPICAS
I, 1...;; SEMI RIGIDA ALTA
<{ ~ ~ ~' ~ ' O =,c,",e, - , , , , ,
1- ~
~W
~
O
ARCILLA V ~Z ARCILLA VERDE OLIVO CONCHITAS MICROSCOPICAS ,>
~
SEMI RIGIDA A LTA
1--
00
W
[
ARENAl lJJ
SERIES DE DEPOSITOS DE ARENA y LIMOALUVIAL y LACUSTRE
CEMENTAOOS CON ARCILLA Y CARBONATOS DE CALCIO
CON GRAVILlAS y ARENASAN DESITICAS y DE CUARZO [ C:;Z
DURO
A
MUY DURO
MUY
BA JA
~ ARCILLA I ARCILLA LIMOSA MONTMORILONITICA

O J
Ü
, , ,
f--'-'--
I!D O LACUSTRE GRIS VERDOSO EN SU SUPERFICIE
AVERDE OLIVO EN LA BASE CON UNA CAPA
~
; :~
1.,;
I
RIGIDA
A
MUYRIGIDA
A LTA
~ ARCILLA I
4: GRUESA DE VIDRIO VOLCANICO AL CENTRO
~
(9 r r .=
00 O SERIES DE DEPOSITOS DEARENA, GRAVA Y
w
J
~- LIMOS ALUVIAL YLACUSTRE CEMENTADOS
Z ~ ARENAII
J O
CON ARCILLAOCARBONATOS DE CALCIO
CONTIENE EN LA PARTE SUPER IOR CONCRECIONES
MUYRIGIDA
A
MUY
BAJA
MUY DURA
«
J
~ EN FORMA DE LOSAS GENERALMENTE
00 Z SILlCOSAS CON DUREZA DE ROCA
O
t rJ
~
00 RIGIDA
~ ARCILLA 11 ARCILLA LIMOSA LACUSTRE CAFE CON
HUECOS DERAICES DE PLANTAS ACUATICAS <:
1> A MEDIANA
C..i:~::::,1
MUy'RIGIDA
lL
~ ,r.",m m,,,,,, '
« W
ARENAIII
O ARCILLA III zoO
1 1
ARCILLA LIMOSA LACUSTR E

1 ,re
:,-> ---
~:O;~~'6'~
RIGIDA
MUY~'G'DA
~~A
MEDIANA
r"
MONTMORILONITICA VERDE OLIVO
00
w ~
f- ~ SERIES DE DEPOSITOS A. N DESITI=S DE GRA.VA G RU ESA y
eoLEO, GRAVAS, ARENAS Y LIMOS ARCILLOSOS ti, 300 M T S MUY RIGIDA
m ARENAIV o. DE PROFU ND IDAD SE ENCUENTRA APARENTEMENTE UN

P ISO D E LA CU E NCA DE 20 MTS . DE ESP E SOR CONSTITU IDO
POR A R C ILLA G R IS LIMOSACON HUELLAS
DE TURBA. A MAYORES PROFU N D I DADES CONTINUAN
SERIES DE DEPOSITOS A L UV IALES DE A R ENA Y
MUY DURA
MUY
BAJA
BD MAT ERIALES MAS GRUESOS
Figura 2.17. Perfil del suelo del centro de la ciudad (Zeevaert, 1952).
32
Figura 2.18. Corte geológico correspondiente a la Alameda Central (Zeevaert, 1952).
Entre 1947 y 1955 se ejecuta un gran número de sondeos en forma sistemática y se hacen
ensayos sobre más de 10,000 ejemplares extraídos del subsuelo. Este largo periodo de estudios e
investigaciones sobre la distribución de los materiales del subsuelo y sus propiedades mecánicas,
culmina en la publicación del libro “El Subsuelo de la Ciudad de México” (Marsal y Mazari, 1959).
En este trabajo, de acuerdo con la procedencia de las muestras de suelo, se estableció la
siguiente clasificación estratigráfica típica del subsuelo: 1, manto superficial (MS), que abarca a
los suelos de las formaciones Arqueológica, Becerra, Barrilazo y algunos rellenos artificiales; 2,
manto o formación arcillosa superior (FAS), o sean los depósitos compresibles de la formación
Tacubaya; 3, capa dura (CD), constituida por estratos arenosos cementados o de arcilla muy
compacta y localizada a unos 30m bajo la superficie en la parte céntrica de la ciudad; 4, formación
arcillosa inferior (FAI), integrada por estratos de arcilla y limos relativamente blandos, subyacentes
a la capa dura; 5, depósitos profundos (DP), que incluyen a los materiales de diferentes capas
muestreados debajo de la formación arcillosa inferior. Los cortes estratigráficos de la fig. 2.19,
según dos ejes normales con direcciones N y WE que cruzan en el monumento a Colón, dan una
idea aproximada de la disposición de los estratos principales anteriormente descritos.
Recientemente Mooser (2006), conservando el mismo modelo estratigráfico de Marsal y Mazari,

ha propuesto una sección estratigráfica de mayor longitud del Valle de México (fig. 2.20). La
sección es trazada de poniente a oriente y cruza totalmente a la ciudad de México.
33
Figura 2.19. Cortes estratigráficos de la ciudad de México (Marsal y Mazari, 1959).
Figura 2.20. Secuencia estratigráfica debajo de la ciudad de México (Mooser, en TGC, 2005).
34
El modelo propuesto por Marsal y Mazari (1959) en libro “El subsuelo de la ciudad de México” se
divide en las siguientes formaciones:
a) Costra Superficial (CS). Integrada por restos de construcciones, rellenos arqueológicos y

depósitos aluviales, con lentes de material eólico intercalados. El espesor es variable, como
ejemplo se tiene que en el templo mayor, la costra superficial tiene espesores de 10.0 m, mientras
que en otras zonas de la ciudad varía entre 2 y 5.0 m y en el centro del antiguo lago de Texcoco
desaparece.
b) Formación Arcillosa Superior (FAS). Constituida por arcillas de origen lacustre que, de acuerdo
con la profundidad y con los efectos de la consolidación inducida por sobrecargas superficiales y
por el bombeo profundo, se presentan como materiales preconsolidados o normalmente
consolidados. Dentro de la formación arcillosa superior se encuentran intercaladas con horizontes
de materiales endurecidos por secado solar y lentes de arena y vidrio volcánico.
c) Capa Dura (CD). Este depósito está constituido por limos arenosos cementados con poca
arcilla y, en ocasiones gravas. Su composición y espesor son heterogéneos. En las orillas del lago
presenta espesores de varios metros. En las zonas centrales disminuye considerablemente el
espesor, siendo en algunos sitios son menores de un metro y en algunos desaparece.
d) Formación Arcillosa inferior (FAI). Constituida por una secuencia de arcillas lacustres
intercaladas por lentes duros; su espesor es menor que el de la primera formación arcillosa,
típicamente del orden de ocho a cuatro metros; hacía el centro del lago puede ser 15.0 m. Suele
desaparecer en la cercanía de los cerros.
e) Depósitos profundos (DP). Formados por arenas y gravas limosas de origen aluvial contenidas
dentro de una matriz de arcilla; se han encontrado carbonatos de calcio en estos depósitos y
suelen presentar diversos grados de cementación
En algunos lugares, se ha encontrado una tercera formación arcillosa integrada por arcillas
volcánicas muy firmes, a 65 m de profundidad.
Los cortes estratigráficos de la fig. 2.19, según dos ejes normales con direcciones N y WE que
cruzan en el monumento a Colón, dan una idea aproximada de la disposición de los estratos
principales anteriormente descritos.
2.9.2 Zonificación geotécnica
Considerando que las propiedades de los suelos tienden a modificarse a través del tiempo debido
a fenómenos naturales o producidos por el hombre y que los conocimientos evolucionan conforme
se cuenta con mayor información, se hace necesario que la zonificación geotécnica se actualice
continuamente. Por tanto, en este apartado se mencionan las modificaciones importantes con
respecto a la geotecnia que ha tenido el Reglamento de Construcciones del Distrito Federal
(RCDF).
Con la información existente que se tenía hasta el año 1952, Raúl J. Marsal elaboró la primera
zonificación geotécnica para el área urbana de aquella época; en esta primera propuesta, el
35
subsuelo de la Cuenca de México se dividió en varias zonas geotécnicas (fig. 2.21). Tomando
como base las características del subsuelo fue posible dividir la Ciudad en cuatro regiones:
- La zona A, formada por terrenos limo-arenosos compactos, conglomerados y derrames

basálticos, en el sur de la ciudad, típicos de Las Lomas, parte de Tacubaya, Mixcoac y El
Pedregal.
- La zona B, de transición entre la zona A y el Lago de Texcoco, en la que se encuentran mantos
de arcilla en la parte superficial, de composición y características muy variables, debajo existen
depósitos de aluvión gruesos y compactos.
- Las zonas C y D, formadas por potentes estratos arcillosos son semejantes; las diferencias entre
ambas se deben al efecto de cargas superficiales y perturbaciones ocasionadas por el bombeo
en los acuíferos profundos.
Figura 2.21. Primera zonificación de la ciudad de México (Marsal, 1952).
De acuerdo con la geología de la cuenca de México y considerando las características

estratigráficas y mecánicas que presenta el subsuelo en el área urbana, Raúl Marsal y Marcos
Mazari (1959) elaboraron un plano de zonificación para la Ciudad de México (fig. 2.22), en el que
se distinguen 3 zonas principales:
36
Zona de lomas: Denominada así por su altitud relativa, está constituida fundamentalmente por las
rocas basálticas y andesíticas de las serranías que limitan la cuenca en sus extremos Norte y
Poniente, así como los derrames provenientes del Xitle al SSW. Su capacidad de carga es
elevada y no presenta capas de arcilla compresible.
Zona de transición: Se le denominó así a la franja que separa los materiales pétreos
(correspondientes a la zona de lomas) de los depósitos lacustres pertenecientes a la zona de
lago. Fundamentalmente está constituida por gravas, arenas y tobas con intercalaciones de capas
de arcilla volcánica muy compresibles en espesores variables. Su origen se debe a las
transgresiones y regresiones que experimentaba el antiguo lago, provocando que en la frontera se
alternaran estratos arcillosos de ambiente lacustre con suelos gruesos de origen aluvial.
Zona de lago: Se denomina así por ocupar topográficamente la parte más baja, cuyo mínimo
corresponde al lago de Texcoco. Esta zona es la de menor resistencia porque está compuesta por
capas arcillosas muy compresibles y saturadas entre las que se encuentra intercalada, a una
profundidad promedio de 33 m, la primera capa dura constituida por suelos limo - arenosos
compactos y rígidos con espesor promedio de 3 m. Subyaciendo a esta secuencia sedimentaria, a
una profundidad promedio de 45 m, se encuentran los depósitos profundos formados
principalmente por arenas y gravas con intercalaciones de limos y arcillas arenosas.
Figura 2.22. Zonificación geotécnica (Marsal y Mazari, 1959).
37
En el Reglamento de Construcciones para el Distrito Federal, publicado en el Diario Oficial de la

Federación el día 24 de enero de 1966, una zonificación geotécnica diferente a las antes
mencionadas, esta nueva zonificación divide el área urbana en zonas de baja y alta
compresibilidad. En este reglamento se incorporan dos mapas uno llamado "Plano de zonas de
compresibilidad del DF" y el otro "Plano de zonas de compresibilidad de la ciudad de México,
D.F.", ambos mapas se muestran en la fig. 2.23.
b) Plano de zonas de compresibilidad

del Distrito Federal.
a) Plano de zonas de compresibilidad
de la Ciudad de México, D.F.
Figura 2.23. Zonificación geotécnica para el Distrito Federal (DDF, 1966).
Posteriormente, las fronteras geotécnicas que establecieron Marsal y Mazari (1959), se incorporan
a los reglamentos de construcciones para el Distrito Federal de 1966 y 1976, con el propósito de
servir de referencia a las normas sobre seguridad estructural de las edificaciones. En estos
reglamentos se cambió la nomenclatura de las zonas de lomas, transición y lago, por zonas de
baja y alta compresibilidad, respectivamente, para cubrir la expansión de la mancha urbana hacia
sitios prácticamente inexplorados desde el punto de vista geotécnico.
38
El reglamento de construcción de diciembre de 1976 (GDF, 1976) definió cada una de las tres
zonas con relación al espesor de la capa compresible superficial. Se aceptó como zona de lomas
los lugares donde existe un máximo de 3.0 m de material compresible sobre roca o tepetate, zona
de transición la que tiene de 3 a 20 m de material compresible y zona de lago cuando hubiera más
de 20 m de arcilla compresible sobre las capas firmes profundas. El reglamento establecía la
realización de sondeos para que el ingeniero identificara la zona a la que pertenecía el predio
donde se pretendía construir.
En 1968, Schmitter propone una nueva zonificación geotécnica, a partir de información elaborada
en la Comisión Hidrológica de la Cuenca del Valle de México, la cual no se anexó en el
reglamento de 1976, dándose a conocer en el simposio “El subsuelo y la Ingeniería de
Cimentaciones en el Valle de México”, realizado en 1978. Como se observa en la fig. 2.24 en la
zonificación geotécnica se consideró el Distrito Federal (DF) y gran parte de los municipios del
Estado de México que colindan con el DF.
Figura 2.24. Zonificación geotécnica de la Ciudad de México (Schmitter, 1968).
39
En el simposio El subsuelo y la Ingeniería de Cimentaciones en el Valle de México (SMMS, 1978),

Rodolfo del Castillo aportó el trabajo titulado “Ciudad de México”, en el que se aporta cierta
información estratigráfica que complementa los estudios de Marsal y Mazari (1959) y de Reséndiz
(1970) en áreas donde la información era relativamente escasa. Se hace una discusión amplia de
la geología y estratigrafía de áreas urbanizadas recientemente, en la época, se presenta una
caracterización preliminar para las zonas de desarrollo incluidas en el trabajo, abarcando las
zonas de transición y pétrea en torno al Peñón del Marqués; Iztapalapa, Culhuacán, San Lorenzo
Tezonco, alrededor del Cerro de la Estrella; el antiguo Lago de Xochimilco y la zona aluvial con
sus transiciones entre los lagos de Texcoco y Xochimilco.
Por otra parte, a raíz de los sismos de 1985, se realizan exploraciones en diferentes sitios del
valle (Jaime y Romo, 1987), cuyos resultados, combinados con la información recopilada
anteriormente, permitieron definir el mapa mostrado en la fig. 2.25 (DDF, 1987), que fue
básicamente el que se introdujo en el Reglamento de Construcciones de 1987. En este mapa, se
conserva la división del Distrito Federal en tres zonas principales (Lomas, Transición y Lago), más
una zona poco conocida desde el punto de vista de la mecánica de suelos coincidente con la
parte del Distrito Federal localizada en la Sierra de Chichinautzin.
Figura 2.25. Zonificación geotécnica de la Ciudad de México (DDF, 1987).
40
La zonificación es similar a las establecidas en años anteriores, teniendo algunas diferencias

como la delimitación de cada una de las fronteras; una muy importante se observa al poniente del
cerro de la estrella donde en este reglamento se puede observar el paso que unía al lago de
México con el de Xochimilco - Chalco.
En forma prácticamente simultánea, en 1987 la Comisión de Vialidad y Transporte Urbano

(COVITUR) publica una zonificación geotécnica con criterios distintos, basada principalmente en
las exploraciones realizadas para la construcción del Metro, que recibe buena aceptación por la
relación útil que establece entre la historia geológica, el uso histórico del suelo y las
características actuales del subsuelo en esa época (fig. 2.26).
Figura 2.26. Zonificación geotécnica de la Ciudad de México (COVITUR, 1987).
Se introducen distinciones entre diferentes partes de la zona lacustre (lago virgen, Centro I,
Centro II) y de la zona de transición (Transición alta y Transición baja). Se pierde la sencillez de la
división en tres zonas pero se gana en precisión en la descripción de la estratigrafía. Sin embargo,
41
la existencia de dos zonificaciones introduce cierta fuente de confusión en la profesión. Se

observa por otra parte que la nueva zonificación no incluye las zonas lacustres del Sur. Parece
conveniente que se conserve una zonificación sencilla para fines de reglamentación y que por otra
parte se trabaje en un mapa geotécnico detallado. Es importante mencionar que este mapa de
COVITUR no abarca la zona aquí estudiada, debido a que esta zonificación está basada en los
trabajos realizados por esta dependencia gubernamental principalmente en las obras de
transporte colectivo metro.
Posteriormente, en las Normas Técnicas Complementarias para Diseño y Construcción de

Cimentaciones, de febrero de 1995 (DDF, 1995) se publica un nuevo mapa de zonificación
geotécnica (fig. 2.27). En esta zonificación hubo un cambio importante en la zona oriente del cerro
de la estrella que une los sedimentos lacustres de los antiguos lagos de México con el de
Xochimilco-Chalco, dejando al cerro de la estrella como un promontorio aislado.
Figura 2.27. Zonificación geotécnica de la Ciudad de México (DDFb, 1995).
Actualmente, en las NTC-DCC (GDFb, 2004) aparece publicado el mapa de zonificación

geotécnica vigente para el Distrito Federal (fig. 2.28).
42
Figura 2.28. Mapa de zonificación geotécnica para el Distrito Federal (GDFb, 2004).
En el artículo 170 del Reglamento de Construcciones para el Distrito Federal (GDFa, 2004) se
definen las tres zonas geotécnicas con las siguientes características generales:
Zona I. Lomas, formadas por rocas o suelos generalmente firmes que fueron depositados fuera
del ambiente lacustre, pero en los que pueden existir, superficialmente o intercalados, depósitos
arenosos en estado suelto o cohesivos relativamente blandos. En esta Zona, es frecuente la
presencia de oquedades en rocas y de cavernas y túneles excavados en suelo para explotar
minas de arena;
Zona II. Transición, en la que los depósitos profundos se encuentran a 20 m de profundidad, o

menos, y que está constituida predominantemente por estratos arenosos y limo-arenosos
intercalados con capas de arcilla lacustre, el espesor de éstas es variable entre decenas de
centímetros y pocos metros;
43
Zona III. Lacustre, integrada por potentes depósitos de arcilla altamente comprensible, separados
por capas arenosas con contenido diverso de limo o arcilla. Estas capas arenosas son de
consistencia firme a muy dura y de espesores variables de centímetros a varios metros. Los
depósitos lacustres suelen estar cubiertos superficialmente por suelos aluviales y rellenos
artificiales; el espesor de este conjunto puede ser superior a 50 m.
2.9.3 Profundidad de los Depósitos Profundos
Como se ha mostrado en este trabajo, el subsuelo del valle de México ha sido conceptualizado
por una configuración de estratos (GDF, 2004a): costra superficial (CS), formación arcillosa
superior (FAS), capa dura (CD), formación arcillosa inferior (FAI) y depósitos profundos (DP). En
la fig. 2.29 se presenta el mapa de curvas de igual profundidad de DP actualizada a 1987 (Jaime,
1987; Jaime et al., 1989), este mapa incluido en las NTC para diseño por sismo para el DF de
1987, abarca gran parte de la ciudad de México.
Figura 2.29. Curvas de igual profundidad a los depósitos profundos actualizada a 1987 (Jaime
1987; Jaime et al., 1989).
44
Actualmente, el Laboratorio de Geoinformática (II-UNAM) cuenta con una amplia base de sondeos
geotécnicos, a partir de los cuales se obtienen los datos puntuales de la profundidad de los
Depósitos Profundos y recurriendo a la metodología geoestadística se ha elaborado el mapa de
contornos mostrado en al fig. 2.30, adaptado al área de estudio.
Figura 2.30. Profundidad de Depósitos Profundos en 2004 (adaptado de Juárez et al, 2009).
En la fig. 2.30, se observa que el mayor espesor de arcilla con 60m se ubica en la zona suroriente
del aeropuerto de la ciudad de México. Así también; al sur del valle de México, al norte del cerro
Xico y al sur del Cerro de la Estrella se ubican también dos sitios con espesor significativo de
arcilla uno con 55m y el otro con 45m respectivamente. En la zona próxima a las lomas y sierras,
el espesor disminuye gradualmente.
45
Por otra parte, el material que se encuentra entre la superficie del terreno y los depósitos
profundos es en general arcilla de alta compresibilidad, baja resistencia y permeabilidad muy baja.
Este material se le denomina acuitardo. El material de los depósitos profundos se le denomina
acuífero.
Existen algunos trabajos en los que aparece información sobre el espesor del acuitardo, algunas
capas típicas, tal es el caso del mapa mostrado en la fig. 2.31, donde se indica que el espesor de
arcilla lacustre varía desde unos cuantos centímetros en el perímetro de la Cuenca hasta 100 m
en el lago de Xochimilco–Chalco y de y 200 m en el lago de Texcoco (CIGSA, 2000). En la zona
de Tláhuac, Jaime y Romo (1987a) han reportado espesores de arcilla de más de 90m, uno de los
sitios se indicados en la fig. 2.31.
Arcilla con más de

90m de espesor
(Jaime y Romo, 1987)
Figura 2.31. Espesores medidos de arcilla lacustre, acuitardo, DGCOH (CIGSA, 2000).
La configuración de la profundidad de los DP (fig. 2.30) o espesor del Acuitardo (fig. 2.31) sirven
de base para establecer correlaciones con otras variables, especialmente con el hundimiento
regional. De esta forma, con esta configuración se puede adquirir una mejor sensibilidad del
hundimiento regional que se presenta en el valle de México.
46
2.9.4 Hundimiento regional
A partir de las nivelaciones topográficas de la red de bancos (2073) de nivel realizadas por el
Sistema de Aguas de la Ciudad de México (SACM), durante el periodo 1983 2005, es posible
determinar la magnitud y velocidad de hundimiento en periodos de tiempo previamente
establecidos. La mayoría de los bancos se ubican dentro del Distrito Federal y escasamente
algunos en el Estado de México. Con el propósito conocer la distribución espacial de la velocidad
de hundimiento en el Distrito Federal, se empleando la metodología geoestadística para construir
un mapa de contornos de la velocidad de hundimiento considerando los datos del periodo 2000-
2005 (fig. 2.32).
Figura 2.32. Velocidad de hundimiento, periodo 2000-2005 (adaptado de Juárez et al., 2009).
47
En la fig. 2.32 se observa claramente que los datos cubren parcialmente el área de estudio,
concentrándose en el Distrito Federal, se observa también que en al poniente la velocidad de
hundimiento es menor de 5cm/año. En la zona centro y sur de la superficie lacustre, la velocidad
es de aproximadamente 5 a 15 cm/año. En la zona entre el cerro del Peñón y el lago Nabor
Carrillo, la velocidad es de 30 a 35cm/año. En la zona sur, en Xochimilco y Chalco, la superficie
de velocidad es de 10 a 15cm/año y de 30 a 35cm/año respectivamente.
2.9.5 Sondeos geotécnicos
Para este trabajo, se recurrió a la información proveniente de exploraciones geotécnicas directas y

puntuales del subsuelo. Los sondeos proporcionan la variación con la profundidad sobre la
estratigráfica y las propiedades índice y mecánicas, esta información constituye la base principal
para realizar el análisis de la distribución espacial de las propiedades del subsuelo.
Para este trabajo se realizaron numerosas campañas de recopilación de sondeos geotécnicos

aportados por diversas empresas, dependencias e instituciones. Actualmente se cuenta con un
acervo de más de 10000 sondeos.
Con el propósito de organizar los sondeos geotécnicos recopilados, éstos se han agrupados de
acuerdo con sus características propias en una base de datos desarrollada desde hace ya varios
años en el Instituto de Ingeniería de la UNAM, en colaboración con la SMMS (actualmente SMIG).
Para este fin se diseñó una base de datos (Auvinet et al., 1998), la cual contiene los datos
generales de cada sondeo de acuerdo con los campos indicados en la tabla 2.3. Asimismo, los
perfiles de estos sondeos son también almacenados en formato electrónico. En la fig. 2.33 se
indica el número de sondeos almacenados en la base de datos de acuerdo con el tipo de
exploración.
La información geotécnica disponible para este estudio presenta en algunos casos ciertas
limitaciones que deben considerarse, entre otras:
- Sondeos con información de baja calidad o incompletos.
- Sondeos realizados a poca profundidad.
- Sondeos reportados falsamente, cuando se repite el perfil de un sondeo realizado en otro
lugar.
- Sondeos ficticios, elaborados con conocimientos de la zona intuyendo la estratigrafía.
- Falta del croquis de localización de los sondeos.
- Falta de exploraciones en zonas de interés.
Además de las limitaciones anteriores, debe tenerse presente la variación de las propiedades del
subsuelo debido a la consolidación de los suelos por extracción de agua que se manifiesta por
hundimiento regional, sobre todo considerando que éste fenómeno no es uniforme en el valle de
México, tal como se ilustra en la fig. 2.32. Por lo anterior, en este trabajo se optó por considerar
los sondeos con una antigüedad no mayor de 15 años, a partir del año 2011, admitiendo
subjetivamente que las propiedades no han cambiado en ese lapso. En caso de intentar tomar en
cuenta rigurosamente la variación de las propiedades por el hundimiento regional, obligaría a
reducir significativamente la separación de sondeos en el tiempo, por tanto, esto reduciría
drásticamente el número de datos. Esta es una limitación que se refleja en los resultados de este
trabajo.
48
Tabla 2.3. Campos que definen la estructura de la base de datos.
Campo Descripción
Número que identifica a cada uno de los sondeos integrados dentro

Clave
del sistema.
Mes Mes en que se realizó la exploración.
Año Año en que se realizó la exploración.
Tipo Tipo de sondeo exploratorio.
Ejecutor Indica la fuente, empresa que realizó el sondeo.
Calle y número
Colonia
Delegación o
Datos referidos al domicilio donde se realizó el sondeo.
Municipio
Ciudad
Entidad
Federativa
Coordenadas: Correspondientes a la localización geográfica de los sondeos, en
X, Y y Z; sistema UTM, proyección WGS84.
Profundidad del
Profundidad máxima de exploración alcanzada por el sondeo.
sondeo
Profundidad del
Profundidad a la que se encontró el nivel de aguas freáticas (NAF).
NAF
Zona Se refiere a la zona geotécnica en que se localiza el sondeo
Se registran datos relevantes respecto a la localización o ejecución
Observaciones del sondeo, como el tipo de obra para el que se realizó el estudio,
el número o clave asignado por el ejecutor.
Imagen Indica la ruta donde se almacena la imagen del sondeo.
Figura 2.33. Número de sondeos por tipo de exploración geotécnica.
49
2.10 Sistema de Información Geográfica para Sondeos Geotécnicos

Una de las tecnologías principales de la Geoinformática son los manejadores de bancos o bases
de datos de índole espacial, denominados Sistemas de Información Geográfica (SIG), este tipo de
sistemas están orientados a la administración de grandes volúmenes de información como los
empleados en este trabajo. Esta administración implica contar con sistemas que contengan
funciones o capacidades que permitan capturar, almacenar, manejar, procesar y recuperar
eficientemente la información espacial.
La integración de la información en un SIG consiste en arreglar y agrupar ordenadamente la

información en estratos o capas de diferente clases o temas, llamadas capas temáticas, para su
correcta referencia geográfica bajo un sistema de coordenadas proveniente de una proyección
geográfica; esto permite manejar el despliegue simultáneo de dos o más capas temáticas con el
fin de realizar la mejor interacción entre ellas (según convenga) y, con ello, sintetizar por medio de
la integración vertical de capas de Información algún hecho, resultado o conclusión de un estudio
o investigación.
Para incorporar la información básica disponible a un SIG y para poder realizar cualquier
modelado, la información que integra los marcos de referencia geográfico y físico respectivamente
requiere de un pre-procesamiento; es decir, debe ser tratada o convertida. Esto implica cambiarla
de formato analógico a un formato digital que puede ser: de tipo raster (información celdarizada) o
de tipo vector (información numerizada) dentro de un marco de referencia de coordenadas
geográficas, proyección y parámetros coherente. En la fig. 2.34 se presenta el modelo conceptual
del SIG-SG.
Figura 2.34. Modelo conceptual del SIG-SG (adaptado de ESRI, 1995).
Los datos geográficos contenidos en un SIG se definen como:
 Datos espaciales, son aquellos que se encuentran distribuidos en un área o superficie y

que proporcionan la localización de los elementos geográficos bajo un sistema de
referencia geográfico de coordenadas X, Y y Z. Se traducen en objetos geométricos como
puntos, líneas, polígonos, retículas, etc.
50
 Datos de atributo, son registros que sirven para describir los elementos geográficos; por
ejemplo, el nombre del ejecutor de un sondeo, la longitud o profundidad del sondeo, el
nombre del propietario de un predio etc.
Para el área de estudio se construyó un sistema denominado “Sistema de Información Geográfica

para Sondeos Geotécnicos (SIG-SG)”, este sistema se construyó con el programa comercial
llamado ArcMap de ArcGIS ver. 9.0 (ESRI, 2008). Actualmente, el sistema cuenta con las capas
temáticas indicadas en la tabla 2.4, incluyendo las bases de datos sobre la información de los
sondeos y de las imágenes de los perfiles geotécnicos.
Tabla 2.4. Elementos para la caracterización geotécnica de un sitio (Méndez, 2003).
Marco geográfico Marco físico
Permite comprender la naturaleza de los Permite comprender la naturaleza de los

elementos tanto naturales como depósitos de suelo, rellenos y formaciones
artificiales construidos por el hombre y geológicas que se asientan en el territorio
que se encuentran distribuidos a lo largo de la Cuenca de México.
de la superficie del terreno de la Cuenca
de México.
Capas temáticas: Capas temáticas:
- Mapas históricos - Geología
- Cartografía - Hundimiento regional
- Topografía (modelo MRS) - Geotecnia (Zonificación geotécnica y
- Imagen de Satélite sondeos)
La fig. 2.35 ilustra, mediante una vista parcial del área de estudio, el funcionamiento del SIG-SG;
en ella se observa que tomando como mapa base el MRS es posible visualizar la cartografía y los
sondeos geotécnicos (representados por puntos) en forma simultánea. La visibilidad de cada capa
puede ser activada o desactivada de acuerdo con la información de interés que se desee
consultar en un momento dado.
Figura 2.35. Funcionamiento del SIG-SG, consulta de sondeos.
51
En la fig. 2.36 se presenta un mapa que ilustra de manera general la distribución de sondeos en el
área de estudio. Como se observa en esta figura, en el centro de la ciudad densidad de sondeos
es alta, asimismo se identifican las áreas donde hay ausencia de sondeos, particularmente al
norte y al sur del área estudiada.
o
o
o
o
ro
N
O
O
O
O
00
N
O
O
O
O
~
E
>' oo
•ro
,... .
u
ro
e
•
o
o
00
N · ..
• ••.¡¡-
,
• 1 .0
",,~i! ~o ~.
•
o
"o
o
U o
o
• o" "" • • •
. .. ' ' ·0 0°
• • ",og
o o 0°
SIMBOLOGíA
o peA
o
o
00 • ePT
N
Q SPT
o Continuo
o
o • Mixto
o
o • Verificación
~
N
• Fuente bibliográfica
o Cono dinámico
o o Avance controlado
o
o
o • Selec tivo
~
N o Piezocono
470000 480000 490000 500000 510000

Coord enadas X(m)
o5,000 10,000 15,000 aJ,OOO mara>

Figura 2.36. Distribución de sondeos en el área de estudio.
52
CAPÍTULO 3
53
Tesis Digitales

CAPÍTULO 3
3. DESCRIPCIÓN DE LOS SUELOS PARA FINES GEOTÉCNICOS
En muchos casos de la práctica geotécnica, la caracterización del subsuelo no resulta sencilla,

dada la complejidad y la variabilidad espacial que presenta en la naturaleza. La práctica usual
para caracterizar el subsuelo en un sitio particular consiste en extraer muestras, analizarlas y
determinar sus propiedades. Recientemente, la obtención directa de las propiedades del suelo en
el lugar mediante pruebas de campo ha tomado importancia. En ambos casos, la caracterización
se basa en conocimiento de la geología, la interpretación de los datos cuantitativos, la experiencia
y la intuición.
Como resultado se presenta una descripción del dominio de suelo estudiado, sus características y
la variación de sus propiedades mediante formas convencionales estándares como tablas, perfiles
geotécnicos y cortes estratigráficos. Los perfiles y cortes se establecen generalmente en forma
intuitiva o en algunos casos recurriendo a alguna técnica matemática de interpolación. Este tipo
de representaciones dan una idea de la variación espacial de las características del subsuelo.
La variación espacial de las propiedades y las características estratigráficas del subsuelo están
asociadas de alguna manera al proceso de formación geológica. En algunos casos la complejidad
es tal que podría llegar a ser caótica.
3.1 Propiedades relevantes del suelo

Las propiedades relevantes del subsuelo se determinan siguiendo los procedimientos de campo y
laboratorio generalmente aceptados (SARH, 1967; IMTA, 1990). Desde el punto de vista
geotécnico, estas propiedades se clasifican en índice, mecánicas, hidráulicas y dinámicas. A
pesar de que muchos son los parámetros que pueden ser determinados, el estudio de la
variabilidad espacial del subsuelo requiere de una selección cuidadosa de los parámetros o
variables que conviene analizar. Es recomendable seleccionar propiedades para las cuales existe
un número abundante de mediciones confiables y que sean fácilmente correlacionables con
propiedades de otro tipo. En este trabajo se considera que para describir la variabilidad espacial
del suelo, las propiedades que se describen a continuación son las más representativas.
a) Propiedades índice
Entre este tipo de propiedades, la que más destaca es el contenido de agua, w, (especialmente
para materiales cohesivos), debido a las correlaciones que presenta con las propiedades
mecánicas; además, es la propiedad que se determina en mayor número y a menor costo en un
estudio geotécnico. Para el caso particular del subsuelo del Valle de México, el contenido de agua
es una propiedad que contrasta para los diferentes tipos de suelos, lo cual hace que ésta sea una
propiedad adecuada para la caracterización estratigráfica del subsuelo.
55
CAPÍTULO 3. DESCRIPCIÓN DE LOS SUELOS PARA FINES GEOTÉCNICOS
El peso volumétrico, , puede también utilizarse. El inconveniente de esta propiedad es que en

algunos estudios geotécnicos el número de determinaciones de este parámetro es reducido. En
muchos casos  es similar para suelos de diferente comportamiento mecánico y compresibilidad,
por lo que, no es conveniente emplear este parámetro como base para la caracterización
estratigráfica.
Otra propiedad que se determina comúnmente en la práctica es la relación de vacíos, e, sobre la

cual puede también realizarse estudio de variabilidad. Sin embargo, la desventaja de este
parámetro es que representa la relación entre el volumen de sólidos y el volumen de vacíos y, por
tanto, presenta fuertes efectos de escala (Auvinet, 1986). Una propiedad que mejor representa la
proporción de los vacíos es la porosidad, n. Una limitación de este parámetro es que en la práctica
el número de ensayes para su determinación es muy bajo.
El límite líquido, wL, y el límite plástico, wP, son otros parámetros que pocas veces son
determinados, por tanto, la información sobre éstos parámetros es escasa.
b) Propiedades mecánicas
La resistencia al esfuerzo cortante es uno de los parámetros más representativos de las

propiedades mecánicas. Las pruebas de campo son las que más datos aportan, por ejemplo la
prueba de veleta que puede ser aplicada en diferentes profundidades, a diferencia de una prueba
de compresión triaxial en laboratorio que usualmente únicamente es determinada en especímenes
de suelo obtenidos en algunas profundidades de interés.
El número de golpes N obtenido en la prueba de penetración estándar (SPT), aporta datos

abundantes aunque, en cierta forma, son valores promedio en un intervalo de longitud
(comúnmente 60cm).
La resistencia de punta qc obtenida en prueba de penetración estática de cono proporciona un

gran número de datos prácticamente continuos.
La compresibilidad es otra propiedad mecánica relevante del suelo. A pesar de ser una propiedad
importante, en un estudio geotécnico el número de pruebas efectuadas es reducido, por
consiguiente se tiene una insuficiencia de datos que imposibilitan realizar un análisis de
variabilidad espacial con esta variable. En muchos casos, los datos de este parámetro no pueden
ser considerados como representativos debido a que existe incertidumbre sobre si la muestra de
suelo ensayada es o no representativa de la formación estratigráfica de donde procede y con el
volumen total de suelo estudiado.
c) Propiedades hidráulicas
La propiedad hidráulica más representativa de los suelos es la permeabilidad, k. En realidad es

poco usual realizar pruebas de campo o laboratorio para determinar esta propiedad. Esto se debe
principalmente al tiempo que tarda en realizarse una prueba en el laboratorio para determinar el
parámetro. Además, se considera que los datos obtenidos no son muy confiables, dado que la
muestra de suelo sobre la que se realizar la prueba no es representativa comparada con el
56
volumen total de suelo en estudio. Las pruebas de campo son las que aportan más datos y son
las más confiables. Sin embargo solo se efectúan para obras especiales.
c) Propiedades dinámicas
Una propiedad dinámica que se determina con mayor frecuencia, principalmente en la ciudad de
México, es la velocidad de transmisión de ondas de cortante, Vs. Estas pruebas aportan datos
suficientes que en muchos casos es necesario hacer un filtrado previamente antes de efectuar un
análisis de variabilidad espacial sobre esta propiedad.
Pretender realizar un análisis geoestadístico directamente sobre las propiedades mecánicas o

hidráulicas, generalmente no es recomendable, debido a que, en la mayoría de los casos, se
cuenta con un número limitado de valores de estas propiedades que hayan sido efectivamente
medidos. En algunos casos, es posible pasar de los campos de variables índice, principalmente
de contenido de agua, a propiedades mecánicas o hidráulicas a través de correlaciones.
3.2 Representación tradicional

Los datos obtenidos en las etapas de exploración de campo y ensayes de laboratorio, son
organizados y presentados de tal forma que permitan ilustrar en forma clara y entendible las
características naturales del subsuelo. Las técnicas convencionales empleadas en la Geotecnia
para la presentación de los datos de las propiedades del suelo son: las tablas, los perfiles
geotécnicos y los cortes estratigráficos.
Las tablas constituyen la forma más sencilla para organizar y presentar los datos experimentales
de las propiedades del suelo, estas consisten en la ordenación de los datos mediante un sistema
de filas y columnas. Convencionalmente en la primera columna se registran las profundidades en
las que se efectuaron mediciones y en las columnas siguientes se registran los valores de las
propiedades. En las filas se registran las profundidades y los valores de las propiedades
determinadas a esas profundidades.
En la fig. 3.1. se indica la ubicación de un sondeo continuo realizado en el sitio Plaza Río de
Janeiro y en la tabla 3.1, se muestran los datos de algunas propiedades determinadas
experimentalmente en muestras de suelo a diferentes profundidades (Jaime & Romo, 1987b).
Contar con una tabla de este tipo es útil, puesto que permite tener en forma ordenada y
concentrada los datos de los parámetros o variables de suelo, determinados tanto en campo como
en laboratorio, pero contribuye poco a la descripción o evaluación de la variabilidad espacial de
los parámetros del suelo.
En Geotecnia, los perfiles geotécnicos son la forma típica para presentar los datos experimentales
de las propiedades del suelo, su utilidad consiste en que permiten tener una idea clara de la
distribución vertical de los materiales y de la variación de las propiedades a lo largo de la
profundidad explorada. En la fig. 3.2 se muestra el perfil estratigráfico del sondeo continuo
realizado en el sitio Plaza Río de Janeiro (Jaime y Romo, 1987).
57
Figura 3.1. Localización del sondeo en el sitio Plaza Río de Janeiro.
Tabla 3.1. Datos experimentales de las propiedades del suelo, sitio Plaza Río de Janeiro (Jaime y
Romo, 1987b).
Peso Contenido Resistencia Peso Contenido Resistencia
Profundidad Profundidad
volumétrico de agua al corte, Cuu volumétrico de agua al corte, Cuu
h (m) h (m)
(t/m3) w (%) (kg/cm2) (t/m3) w (%) (kg/cm2)
2.37 1.786 71 0.44 21.37 1.264 202 0.33
3.37 1.560 67 0.30 22.37 1.252 254 0.61
4.37 1.526 89 0.48 23.12 1.202 295 0.50
5.12 1.338 127 0.25 23.87 1.209 343 0.71
5.87 1.335 159 0.46 24.87 1.227 301 0.21
6.87 1.148 405 0.21 25.37 1.186 216 0.66
7.37 1.139 464 0.22 25.87 1.327 160 0.48
8.12 1.123 463 0.24 26.87 1.372 159 0.69
8.87 1.173 388 0.32 27.62 1.269 204 0.68
9.37 1.193 315 0.22 28.12 1.284 195 0.25
10.37 1.181 387 0.36 28.62 1.306 140 0.50
11.12 1.178 375 0.35 29.37 1.224 244 0.76
12.12 1.198 308 0.34 30.12 1.278 269 0.48
12.62 1.225 293 0.43 30.62 1.222 298 0.89
13.37 1.393 114 0.65 31.37 1.297 185 1.34
14.37 1.303 197 0.49 32.37 1.252 231 1.20
14.87 1.167 350 0.57 33.37 1.384 131 1.22
15.37 1.167 370 0.33 34.37 1.408 122 0.86
16.62 1.205 319 0.41 35.62 1.545 94 0.68
17.12 1.171 413 0.34 37.12 1.320 180 1.24
18.12 1.278 208 0.50 38.12 1.319 185 1.32
18.37 1.292 207 0.32 38.87 1.241 159 1.50
19.62 1.219 271 0.45 39.62 1.298 156 1.79
20.37 1.226 277 0.60 40.62 1.447 113 1.08
20.87 1.228 249 0.70
58
w(%)  (kg/cm3) Cuu (kg/cm2) qc (kg/cm2)

0 100 200 300 400 500 600 0.8 1.0 1.2 1.4 1.6 1.8 2.0 0.0 0.4 0.8 1.2 1.6 2.0 0 5 10 15 20 25
Profundidad, (m)
Figura 3.2. Perfil estratigráfico del sondeo continuo, sitio Plaza Río de Janeiro, (Jaime y Romo,
1987b).
Los perfiles geotécnicos adoptan en forma implícita la interpolación lineal, por el hecho de unir con
líneas rectas los puntos de datos. Por este motivo, la percepción de la variabilidad espacial que
aportan puede ser dudosa, principalmente cuando las determinaciones se encuentran muy
separadas.
Para el caso del sondeo de la fig. 3.2, existe un gran contraste de w entre las diferentes capas de
suelo. Por ello, que, es la propiedad que permite definir de mejor forma las fronteras de las
diferentes capas de suelo. Asimismo, cuando se tiene un perfil con alto número de datos (ensayos
prácticamente continuos) no tiene sentido realizar interpolaciones.
Una de las variables que mejor definen la variabilidad espacial mediante perfiles geotécnicos de
suelos cohesivos es el contenido de agua, por ser la variable que más se mide y la que más
59
contrasta con los diferentes tipos de suelo en el Valle de México. De esta forma, las
determinaciones de esta variable generalmente están separadas a cortas distancias. Por tanto, la
percepción de variabilidad espacial (en este caso unidimensional) para esta variable suele ser
más confiable.
Cuando para algunas propiedades se dispone de escasos datos y se dificulta realizar una
caracterización estratigráfica, lo mejor es considerar los datos de otros parámetros medidos en
mayor número, como lo es la resistencia de punta del cono eléctrico (qc). Este parámetro ayuda a
identificar la secuencia de capas de suelos blandos y rígidos.
Los cortes estratigráficos son otra forma gráfica de presentar los datos geotécnicos. Están
constituidos por la integración de un conjunto de perfiles geotécnicos individuales ubicados a lo
largo de una línea o eje de estudio. La elaboración de un corte estratigráfico parte de un croquis
de localización en el cual se indica la ubicación de los sondeos y la línea por donde pasa eje del
corte. A partir de la integración de los sondeos individuales, los estratos de suelo pueden ser
bosquejados. En la fig. 3.3 se muestra un corte estratigráfico típico de un estudio realizado en la
zona norte de la ciudad de México (CFE, 1998).
Figura 3.3. Corte estratigráfico (CFE, 1998).
La adecuada elaboración e interpretación de los cortes estratigráficos permite conocer la

distribución horizontal de los materiales en el subsuelo, los espesores y los niveles piezométricos.
Entre más corta sea la distancia entre sondeos, más preciso será el corte estratigráfico. Sin
embargo, en la práctica no siempre es posible contar con sondeos ubicados a distancias
cercanas. Un problema que frecuentemente ocurre es que cuando los sondeos se encuentran
muy separados, puede presentarse incertidumbre en la continuidad horizontal de los estratos
60
típicos identificados, dando como consecuencia una caracterización estratigráfica dudosa. Las
incertidumbres encontradas en los tramos entre sondeos, generalmente se indican en los cortes
estratigráficos mediante líneas discontinuas.
En la práctica, los cortes estratigráficos se elaboran con base en la experiencia y eventualmente

en forma subjetiva. Aun cuando existen técnicas de interpolación, éstas prácticamente no son
utilizadas para estos fines.
3.3 Incertidumbre en las propiedades geotécnicas del subsuelo

En general, puede decirse que los valores de las propiedades de los suelos determinadas
directamente en campo o laboratorio tienen asociado un cierto grado de incertidumbre originado
por diversas causas.
En los trabajos experimentales realizados para la determinación de propiedades, pueden

presentarse distintos tipos de errores (Auvinet, 2002):
- Errores aleatorios en los que se incurre durante los ensayes realizados.
- Errores sistemáticos debidos a un sesgo en la medición, frecuentemente inherente al
ensayo realizado (se observan por ejemplo diferencias sistemáticas entre la resistencia al
corte medida con veleta y en la cámara triaxial) o producidos por el remoldeo de las
muestras u otros factores similares.
Los errores humanos en el proceso de obtención e interpretación de datos de campo constituyen

también una fuente importante de incertidumbre pero se encuentran entre los factores difícilmente
cuantificables.
Eventualmente, se introduce también un sesgo cuando los parámetros del suelo se evalúan, como
es común en la práctica de la geotecnia, de manera parcialmente subjetiva (opinión de “expertos”)
o usando correlaciones estadísticas aproximadas, por ejemplo, entre propiedades físicas y
mecánicas. Este sesgo, generalmente mal conocido, es una fuente importante de incertidumbre.
Existe también otro tipo de incertidumbre debida a la variación espacial, en este caso, las
dificultades que se encuentran para llegar a un cuerpo coherente de conocimientos y de modelos
en geotecnia tienen su explicación principal en la naturaleza compleja de los geomateriales. Se
trata en efecto de materiales polifásicos y extremadamente heterogéneos cuyas propiedades,
como la permeabilidad, pueden a veces variar de un punto a otro en varios órdenes de magnitud
(Auvinet, 2002).
La estructura de los medios geotécnicos varía además en forma considerable dependiendo de la

escala a la que se observan. Lo anterior dificulta la definición de las propiedades físicas,
mecánicas e hidráulicas requeridas para caracterizar estos materiales. A determinada escala,
estas propiedades pueden llegar a presentar un valor relativamente estable cuando el volumen de
material es suficientemente grande para que pueda ser considerado como “representativo”. Sin
embargo, la estabilización alcanzada a una escala determinada resulta precaria. A escalas
mayores, otras variaciones o defectos importantes como boleos, lentes o grietas suelen aparecer
si, como es usual, el material no es homogéneo. Puede presentarse entonces eventualmente,
pero no necesariamente, una nueva estabilización a una escala mayor correspondiente a un
volumen representativo de dimensiones también mayores, y así sucesivamente. Este efecto de
escala es un fenómeno que origina muchas dificultades en mecánica de suelos. Escoger una
61
escala adecuada para un modelo geotécnico y alimentarlo con parámetros mecánicos realmente
representativos es de hecho una de las partes más delicadas del trabajo del ingeniero especialista
en suelos. Desgraciadamente, en muchas situaciones, la escala del problema impuesta por las
dimensiones de la obra (zapata de cimentación, talud, etc.) y la estructura de la masa de suelo es
diferente de la escala de los ensayes comunes de laboratorio o de campo.
Para apreciar la variabilidad espacial de las masas de suelo, el geotecnista cuenta generalmente
con una información escasa obtenida en campañas de reconocimiento en las cuales el tiempo
disponible y el costo siempre imponen limitaciones drásticas. Surge entonces el riesgo de no
detectar ciertos rasgos importantes del dominio en estudio, incluyendo los detalles geológicos
menores que, frecuentemente, como lo subraya Terzaghi (1955), condicionan el comportamiento
de la masa térrea. Además, una exploración limita implica el riesgo de un error estadístico, es
decir la posibilidad de subestimar o sobreestimar el valor medio y la dispersión de las propiedades
del medio debido al número insuficiente de muestras obtenidas.
Por otra parte, Jaime y Montoya (2008) al hablar sobre la influencia de la estratigrafía del suelo en
los análisis de confiabilidad afirman que generalmente los estratos de suelo varían de punto a
punto en el sitio, incluso pueden desaparecer una o varias de las capas de suelo y pudiendo
aparecer otras. Asimismo, señalan también que las propiedades mecánicas de los suelos varían
también puntualmente y a lo largo del espesor de un mismo estrato de suelo. Por ello, el
geotecnista, tradicionalmente, con base en la información geológica, en los datos de campo y
laboratorio, su experiencia y usando el juicio ingenieril hace un modelo tridimensional idealizado
del suelo en el sitio, desde la superficie hasta la profundidad de interés. Por tal motivo, para el
diseño los especialistas asignan valores de espesores medios y de propiedades medias del suelo.
En el mismo trabajo, los autores indican que además de la variabilidad intrínseca del material
habría que agregar la dispersión causada por manipulación en el campo y en el laboratorio.
Primero, por la alteración causada al suelo al extraerlo y, segundo, debido a los métodos de
ensaye y medición en laboratorio. Habría que añadir otros factores más, tales como:
a) Muestreo del suelo escaso (pocos sondeos, y pocas muestras);

b) Orientación de la muestra, anisotropía y tamaño;
c) Tiempo de carga en el laboratorio vs tiempo de carga del proyecto en la realidad, ensayes de
deformación controlada o de esfuerzo controlado; y
Jaime y Montoya (2008) mencionan también que para obtener una representación cuantitativa de
la incertidumbre de los suelos en sus propiedades índices y mecánicas, puede recurrirse al
análisis estadístico de los resultados de las pruebas de campo y de laboratorio. Añadiendo que, el
análisis estadístico de las propiedades de los suelos se ha realizado a lo largo de la práctica
geotécnica en diferentes grados. Es común que el valor del parámetro de interés se determine con
base en la experiencia calculando su promedio o mediante el ajuste de la tendencia de los datos
obtenidos. En esta forma de trabajo tiene gran relevancia la experiencia de la persona que lo
realiza. Por tanto, los resultados obtenidos pueden variar de forma considerable de persona a
persona. Este método es el de mayor difusión y aplicación en la práctica.
3.4 Descripción estadística
62
En el pasado, numerosos esfuerzos se han realizado con el fin de alcanzar una descripción
satisfactoria de las variaciones espaciales de las propiedades y características estratigráficas del
subsuelo de la ciudad de México. Para tal propósito, tradicionalmente se ha recurrido al uso de las
herramientas la estadística descriptiva tradicional (tablas, histogramas, gráficas, correlaciones),
las cuales permiten ordenar y procesar los datos disponibles para su interpretación. Un ejemplo
notable de la aplicación de la estadística descriptiva a la Geotecnia es el libro “El subsuelo de la
ciudad de México” (Marsal y Mazari, 1959), en el cual los autores recurrieron por primera vez
ampliamente a esta técnica para describir las propiedades medias índices y mecánicas de las
arcillas, asimismo, identifican y caracterizan los distintos estratos y subestratos arcillosos dentro
de la ciudad.
En este apartado, se presentan algunas conceptos básicos de la estadística descriptiva

comúnmente empleadas en Geotecnia para el análisis cuantitativo y gráfico de la variabilidad de
las propiedades del subsuelo.
3.4.1 Análisis cuantitativo de variabilidad
En la estadística descriptiva, al medir experimentalmente cualquier propiedad (variable) del suelo

en forma repetida se obtiene un conjunto de datos que es llamado muestra de datos que pueden
ser analizadas cuantitativamente mediante estimaciones numéricas conocidas como parámetros
estadísticos o estadísticas de la muestra.
Los parámetros estadísticos se clasifican en medidas de tendencia central y medidas de

dispersión o variación. Muchos son los parámetros que pueden ser estimados; sin embargo, en
este trabajo se presentan los que se consideran de mayor relevancia (Spiegel, 1970).
a) Medidas de tendencia central
Un promedio es un valor típico o representativo de un conjunto de datos. Como tales valores

suelen situarse hacia el centro del conjunto de datos ordenados por magnitud, los promedios se
conocen como medidas de tendencia central. Se definen varios tipo, los más comunes son la
media, la mediana y la moda.
El valor de tendencia central más útil asociado a un conjunto de datos es su valor medio, o media
aritmética. Si la sucesión de valores medidos es denotada por x1, x2,..., xn, la media de la muestra
x es simplemente:
x
1
x i (3.1)
n i 1
Frecuentemente, la media se interpreta como el valor típico o representativo de la muestra.
La mediana de un conjunto de números ordenados en magnitud es el valor central o la media de

los dos valores centrales. Geométricamente, la mediana es el valor de X (abscisa) que
corresponde a la recta vertical que divide a un histograma en dos partes de igual área.
63
La moda de un conjunto de números es el valor que ocurre con mayor frecuencia; es decir, el
valor más frecuente. La moda puede no existir, e incluso no ser única en caso de existir.
Si un conjunto de datos está ordenado por magnitud, el valor central (o la media de los dos
centrales) que divide al conjunto en dos mitades iguales, es la mediana. Extendiendo esta idea,
puede pensarse en aquellos valores que dividen al conjunto en cuatro partes iguales. Esos
valores, denotados Q1, Q2 y Q3, se llaman primer, segundo y tercer cuartiles, respectivamente. El
Q2 coincide con la mediana.
b) Medidas de variación o dispersión
La dispersión o variación de los datos intenta dar una idea de cuán esparcidos se encuentran
éstos. Hay varias medidas de tal dispersión, siendo las más comunes el rango, la varianza y la
desviación estándar y el coeficiente de variación.
El rango de un conjunto de números es la diferencia entre el mayor y el menor de todos ellos.
La varianza (s2) de un conjunto de datos experimentales se define como:
 x  x
1 2
s2  i (3.2)
n i 1
Este valor es análogo al momento de inercia dado que consiste en una suma de cuadrados de
distancias respecto a un centro de gravedad que es simplemente la media.
La varianza intenta dar una idea de la dispersión de los datos. El valor mínimo que puede tomar
s 2 es cero, y eso sólo sucede si toda la población toma un único valor; esto es, si los valores x1,
x2,..., xn son constantes. La varianza se hace más grande en la medida que más se dispersan los
datos.
La desviación estándar, s, es la raíz cuadrada de la varianza.
s  s2 (3.3)
La varianza eleva al cuadrado las unidades de medida, mientras que la desviación estándar es
una medida que conserva las unidades originales.
La desviación estándar, referida a la media, da el coeficiente de variación, cv:
s
cv  (3.4)
x
Este coeficiente es una medida adimensional de la dispersión.
c) Análisis gráfico de variabilidad
64
Las características de las propiedades del suelo pueden ser también analizadas a través de
métodos gráficos estadísticos, siendo los más usuales el histograma, el polígono de frecuencias y
la distribución de frecuencia relativa (Spiegel, 1970).
Para obtener cualquiera de estas gráficas es necesario realizar previamente una ordenación
tabular de los valores de los puntos de datos en orden creciente o decreciente de magnitud y
estimar el rango, definido como la diferencia entre el mayor y el menor de los valores de los
puntos de datos. El rango es dividido en intervalos de igual tamaño, llamados clases. La
frecuencia de clase definida como el número valores pertenecientes a cada una de las clases es
también determinada.
Un histograma o histograma de frecuencias, consiste en un conjunto de rectángulos con: (a)

bases en el eje X horizontal, centros en las marcas de clase y longitudes iguales a los tamaños de
los intervalos de clase y (b) áreas proporcionales a las frecuencias de clase. Si los intervalos de
clase tienen todos la misma anchura, las alturas de los rectángulos son proporcionales a las
frecuencias de clase, y entonces es costumbre tomar las alturas iguales a las frecuencias de
clase. En caso contrario, deben ajustarse las alturas.
El histograma proporciona información importante acerca de la variabilidad en el conjunto de

datos; muestra el rango de los datos, los valores de los datos que ocurren con mayor frecuencia y
el grado de dispersión alrededor de los valores medios del conjunto de datos. También se
observan los valores de la media, mediana y moda. En el caso de la mediana se aprecia
visualmente la forma de como divide al histograma en dos áreas iguales.
Hay varios aspectos a considerar en la definición del histograma. Uno de ellos es el número de
clases a emplear. Desgraciadamente no hay reglas rigurosas para determinar el número
apropiado de clases a emplear. Un número pequeño de clases puede ocultar la distribución real
del conjunto de datos, mientras que un número muy grande puede dejar sin observaciones
algunas de las clases, limitando de esta forma su utilidad. El número de clases que se emplea
para clasificar los datos en un conjunto depende del total de observaciones en éste. Si el número
de observaciones es relativamente pequeño, el número de clases a emplear será cercano a cinco,
pero generalmente nunca menor que este valor. Si existe una cantidad sustancial de datos, el
número de clases puede encontrarse entre ocho y doce y generalmente no existirán más de 15
clases.
Un polígono de frecuencias es un gráfico de línea trazado sobre las marcas de clase. Puede
obtenerse uniendo los puntos medios de los techos de los rectángulos en el histograma. Se
acostumbra prolongar el polígono hasta las marcas de clase inferior y superior inmediatas, que
corresponderían a la clase de frecuencia cero. En tal caso, la suma de las áreas de los
rectángulos del histograma es igual al área total limitada por el polígono de frecuencias y el eje de
las abscisas.
La frecuencia relativa de una clase es la frecuencia de la clase dividida por el total de frecuencias
de todas las clases y se expresa generalmente como porcentaje. La suma de las frecuencias
relativas de todas las clases es evidentemente 1 ó 100 %.
Las representaciones gráficas de distribuciones de frecuencia relativa pueden obtenerse del

histograma o del polígono de frecuencias, sin más que cambiar la escala vertical de frecuencia a
65
frecuencia relativa, conservándose exactamente el mismo diagrama. Los gráficos que resultan se
llaman histogramas de frecuencias relativas o histogramas porcentuales y polígonos de
frecuencias relativos o polígonos porcentuales, respectivamente.
3.4.2 Descripción de grupos de variables
Cuando en la práctica se cuenta con dos (o más) grupos o muestras de datos de diferente tipo es
posible intentar establecer una relación entre ellos. El grado de relación lineal existente entre dos
grupos de datos se llama correlación simple y el grado de relación existente entre tres o más
grupos de datos se llama correlación múltiple. Frecuentemente, es deseable expresar esta
relación mediante una ecuación matemática que ligue los datos de los diferentes grupos. A
continuación, se aborda el tema de la correlación simple, el cual sirve de base para la correlación
múltiple.
Correlación simple
Para llegar a determinar una ecuación que relacione dos muestras de datos relativas a las
variables X y Y, un primer paso es representar los mediante puntos (X1, Y1), (X2, Y2),..., (Xn, Yn) en
un sistema de coordenadas rectangulares. El sistema de puntos resultante se conoce como
diagrama de dispersión. A partir de este diagrama es posible representar una curva que se
aproxime a los datos. Tal curva se llama curva de aproximación. En la fig. 3.4(a), por ejemplo se
ve que los datos se aproximan bien a una línea recta y se dice que entre las muestras existe una
relación lineal. Sin embargo, en la fig. 3.4(b) aunque existe una relación entre las variables, ésta
no es lineal y se dice que existe una relación no lineal (Spiegel, 1970).
Si los valores de Y tienden a incrementarse cuando se incrementan los de X, como en la fig.

3.5(a), la correlación se dice positiva o correlación directa. En cambio, si los valores de Y tienden
a disminuir cuando se incrementan los de X, como en la fig. 3.5(b) la correlación se dice Negativa
o correlación inversa.
Si no existe alguna relación entre las muestras de datos, como en la fig. 3.5(c), se dice que no hay
correlación entre ellas, es decir, no están correlacionadas.
(a) relación lineal (b) relación no lineal

Figura 3.4. Curvas de aproximación
66
Y Y Y
X X X
a)(a) relación lineal
Correlación linealpositiva
positiva (b)Correlación
b) Correlación lineal
lineal negativa
negativa (c)
c) No hay correlación
correlación
Figura 3.5. Formas típicas de correlación lineal.
Medidas de correlación
a) Método libre de ajuste de curvas
Una forma de determinar de una manera cualitativa lo bien que una recta o curva dada describe la
relación entre las dos muestras, es la observación directa del diagrama de dispersión. Esto se
llama método libre de ajuste de curvas. En este caso el juicio de cada persona es la base para
aproximar gráficamente una curva al conjunto de puntos de datos. El método tiene la desventaja
de que diferentes observadores obtendrán diferentes curvas y ecuaciones. Por ejemplo, se
observa que para los datos de la fig. 3.5(a) la recta representada describe mucho mejor la relación
entre X e Y que, la de la fig. 3.5(b) lo hace para los suyos, debido al hecho de que hay menos
dispersión alrededor de la recta de la fig. 3.5(a).
b) Ecuaciones de curvas de aproximación
Si se trata el problema de la dispersión de los datos de la muestra alrededor de rectas o curvas de

una manera cuantitativa, será necesario definir unas medidas de correlación. En este caso, el
problema general de encontrar ecuaciones de curvas de aproximación que se ajusten al conjunto
de datos es el buscar la curva de ajuste.
Los tipos más comunes de curvas de aproximación se presentan a continuación, en las

ecuaciones, X e Y se conocen como la variable independiente y dependiente, respectivamente,
aunque pueden intercambiarse. Todas las letras distintas a X e Y representan constantes.
(1) Y  a0  a1 X Línea recta

(2) Y  a0  a1 X  a2 X 2
Parábola o curva cuadrática
(3) Y  a0  a1 X  a2 X 2  a3 X 3 Curva cúbica
(4) Y  a0  a1 X  a2 X 2    a3 X 3 Curva de grado n
1
(5) Y Hipérbola
a0  a1 X
(6) Y  ab X o log Y  log a  log bX Curva exponencial
(7) ln Y  a0  a1 ln X Curva Logarítmica
67
Método de mínimos cuadrados
Para evitar el juicio personal en la construcción de rectas, parábolas u otras curvas de

aproximación, en el ajuste a colecciones de datos es preferible obtener una definición de la mejor
recta, parábola o curva de ajuste. Para llegar a una posible definición, considérese en la fig. 3.6
los datos dados por (X1, Y1), (X2, Y2),..., (Xn, Yn). Para un valor dado de X, por ejemplo, X1 habrá
una diferencia entre el valor Y1 y el correspondiente valor de la curva C. Como se indica en la fig.
3.6, se denota esta diferencia por D1, que se conoce a veces como desviación, error o residuo y
puede ser positivo, negativo o cero. Análogamente, para los valores D2,..., Dn se obtienen las
desviaciones D2,..., Dn.
Figura 3.6. Curva de ajuste con distancias mínimas.
Una medida de la bondad del ajuste de la curva C a los datos dados está dada por la cantidad:
D12  D22    Dn2 . Si este valor es pequeño, el ajuste es bueno, si es grande, el ajuste es malo.
De aquí que de todas las curvas de aproximación a una serie de datos puntuales, la curva que
tiene la propiedad:
D12  D22    Dn2 = valor mínimo (3.5)
se conoce como la mejor curva de ajuste.
Una curva que presente esta propiedad se dice se ajusta a los datos por mínimos cuadrados y se
llama curva de mínimos cuadrados. Así, a las líneas con esta propiedad se les llama recta de
mínimos cuadrados; parábola de mínimos cuadrados, etc.
Recta de mínimos cuadrados
La recta de mínimos cuadrados que aproxima el conjunto de puntos (X1, Y1), (X2, Y2),..., (Xn, Yn)
tiene por ecuación:
Y  a0  a1 X (3.6)
68
donde las constantes a0 y a1, se obtienen al resolver simultáneamente el sistema de ecuaciones:



X a na X
0 1
(3.7)

  XY  a  X  a  X
0 1
2
que se llaman ecuaciones normales para la recta de mínimos cuadrados (2.7). Las constantes ao y
a1 de las ecuaciones (3.7) pueden hallarse, si se desea, de las fórmulas:
a0 
 X  X    X  XY 
2
a1 
n  XY   X Y  (3.8)
n  X   X  n  X   X 
2 2 2 2
Parábola de mínimos cuadrados
La parábola de aproximación de mínimos cuadrados a la serie de puntos (X1, Y1), (X2, Y2),..., (Xn,
Yn) tiene la ecuación
Y  a0  a1 X  a2 X 2 (3.9)
donde las constantes ao, a1 y a2 se determinan resolviendo simultáneamente el sistema de

ecuaciones:


X a n 0 X
 a1 X
 a2 2

  XY  a  X
0 a X 1
2
a X
2
3
(3.10)


 X Y a X
2
0
2
a X
1
3
a X
2
4
llamadas ecuaciones normales de la parábola de mínimos cuadrados.
Regresión
Frecuentemente, basándose en los datos de las muestras, se desea estimar un valor de Y

correspondiente a un valor dado de X. Esto puede conseguirse estimando el valor de Y de la
curva de mínimos cuadrados que ajusta los datos de las muestras. La curva resultante se llama
curva de regresión de Y sobre X, puesto que Y se estima a partir de X.
Si se desea estimar un valor de X a partir de uno dado de Y, se utiliza la curva de regresión de X

sobre Y, que proviene de intercambiar las variables en el diagrama de dispersión de modo que X
sea la variable dependiente e Y la variable independiente. Esto equivale a sustituir las
desviaciones verticales en la definición de la curva de mínimos cuadrados por las desviaciones
horizontales.
En general, la recta o curva de regresión de Y sobre X no es la misma que la recta o curva de

regresión de X sobre Y. La fig. 3.7 ilustra una curva de regresión que relaciona las variables
contenido de agua y resistencia a la compresión simple. Esta curva muestra que entre las dos
69
variables existe una relación no lineal negativa; es decir, que la relación entre las dos variables no
es una línea recta y que conforme aumenta la resistencia a la compresión el contenido de agua
disminuye.
600
500
400
300
200
Contenido de agua, w, en %
100
90
80
70
60
50
40
30
0.1 0.2 0.5 1 2 3 4 5 10 20 30 40 50 100
Resistencia a la compresión simple, qu , en kg/cm²
Figura 3.7. Curva de regresión (Marsal y Mazari, 1959).
3.4.3 Correlación múltiple
El grado de relación existente entre tres o más grupos de datos de diferente tipo se llama
correlación múltiple. Los principios fundamentales implicados en los problemas de correlación
múltiple son análogos a los de la correlación simple.
Ecuación de regresión y plano de regresión
Una ecuación de regresión es una ecuación para estimar una variable dependiente, por ejemplo,
X1, a partir de las variables independientes X2, X3,..., Xn y se llama ecuación de regresión de X1,
sobre X2, X3,..., Xn. Con una notación funcional esto puede escribirse brevemente como X1 = F(X2,
X3,..., Xn).
Para el caso de tres variables, la ecuación de regresión más sencilla de X1, sobre X2, y X3, tiene la
forma:
X1  a0  a1 X 2  a2 X 3 (3.11)
70
Esta ecuación es llamada ecuación de regresión lineal de X1, sobre X2 y X3. En un sistema
tridimensional de coordenadas rectangulares, representa un plano llamado plano de regresión y
es una generalización de la recta de regresión para dos variables.
Ecuaciones normales para el plano de regresión de mínimos cuadrados
Así como existen rectas de regresión de mínimos cuadrados que aproximan un conjunto de n
puntos de datos (X, Y) en un diagrama de dispersión de dos dimensiones, existen también los
planos de regresión de mínimos cuadrados que se ajustan a una serie de n puntos de datos (X1,
X2, X3) en un diagrama de dispersión de tres dimensiones.
El plano de regresión de mínimos cuadrados de X1, sobre X2, y X3, tiene la Ecuación (3.11), donde
ao, a1 y a2 se determinan resolviendo simultáneamente el siguiente sistema de ecuaciones
normales.


X 1  a0 n X
 a1 2 X
 a2 3

 X X1 2 
 a0 X2 a X
1 2
2
a X
2 2 X3 (3.12)


 X X1 3 a X
0 3 a X
1 2 X3 a X
2
2
3
Estas pueden obtenerse formalmente multiplicando ambos lados de la ecuación 2.11 por 1, X2 y
X3 sucesivamente y sumando en ambos lados. Pueden igualmente considerarse ecuaciones más
complicadas que (3.11), las cuales también representan superficies de regresión. Si el número de
grupos de datos es mayor de tres, se pierde la intuición geométrica, puesto que se requeriría un
espacio de cuatro, cinco,..., n dimensiones. Sin embargo, una opción es que mediante planos
puede generalizarse la estimación de la tendencia a cuatro dimensiones.
Los problemas relacionados con la estimación de un valor de un grupo de datos a partir de dos o
más conjuntos de datos son los problemas llamados de regresión múltiple.
Es importante resaltar algunas limitaciones de la estadística descriptiva. Una de ellas es que al

describir estadísticamente una propiedad del suelo, a partir de una muestra o conjunto de valores
obtenidos en forma experimental, los datos de la muestra se mezclan y por tanto se pierde todo
control sobre su procedencia (ubicación).
Otra limitante es que considera los datos de una muestra como independientes entre sí, es decir,
que no se toma en consideración la posible correlación espacial existente entre los datos, lo cual
no es tan válido puesto que intuitivamente es de esperarse que si los datos de una muestra
corresponden a una formación estratigráfica, entonces los datos deben tener un cierto parecido y
por lo tanto deben estar correlacionados.
Por las sencillas suposiciones anteriores, la estadística descriptiva es limitada y no es capaz de

describir adecuadamente la variabilidad espacial de las características estratigráficas del
subsuelo. Actualmente se cuenta con nuevas herramientas matemáticas que toman en cuenta las
deficiencias anteriores y ayudan a describir en forma más racional las características del
subsuelo. Estas herramientas son el objetivo del presente trabajo y se presentan en el siguiente
capítulo.
71
3.5 Métodos de interpolación y estimación espacial

En la Geotecnia, las mediciones de una variable o parámetro del suelo, generalmente, se realizan
en muestras de suelo separadas una de otra por distancias relativamente grandes. En conjunto
constituyen una muestra de un dominio que no puede ser medido en todas partes y se quiere
mapear la distribución espacial de estas variables.
La mayoría de las técnicas de estimación espacial son de tipo matemático, basadas en la

geometría y alguna apreciación de la naturaleza física de los fenómenos. La mayoría toma en
cuenta sólo la variación sistemática o determinista, pero no algún error. En este aspecto, son
limitados y no satisfacen con lo que en la práctica se necesita.
La interpolación es el procedimiento que consiste en estimar los valores de una variable o

propiedad (V) dentro de un dominio (línea, polígono o volumen) en puntos donde no hay medición,
a partir de las mediciones existentes dentro del dominio. La estimación de valores fuera del
dominio se denomina extrapolación.
Los métodos o técnicas de interpolación espacial pueden clasificarse de varias maneras (Díaz y
Casar, 2010):
a) Interpoladores puntuales y por bloques

- Interpolación puntual consiste en emplear el conjunto de datos conocidos (alguna propiedad del
suelo) para interpolar en los nodos de una malla de puntos, cuya su posición está referida a un
sistema coordenado. La interpolación se realiza punto a punto.
- Interpolación por bloques se refiere a que dado un conjunto de datos ubicados en un dominio
se estima el valor del parámetro a interpolar para diferentes subdominos. Por ejemplo, dado un
conjunto de datos del algún parámetro del suelo en un sondeo, estimar la el parámetro para un
estrato en particular.
b) Interpoladores globales y locales

- Interpoladores globales: se determinan mediante una sola función, la cual es empleada en todo
el dominio. Un cambio en un valor de entrada afecta a todo el dominio. Tienden a producir
superficies suavizadas, sin cambios abruptos.
- Interpoladores locales: utilizan un algoritmo específico para un cierto número de datos, menor
al conjunto total de datos. Un cambio en un valor de entrada afecta solamente al resultado de
un subdominio. Eventualmente, un interpolador local puede extenderse hasta incluir el total del
dominio y de esta manera cambia su carácter de local a global.
c) Interpoladores exactos y aproximados

- Interpoladores exactos: respetan los datos en los que se basa la interpolación. En el caso de
interpolar sobre una superficie, la superficie resultante debe pasar a través de todos los puntos
de datos. En algunas aplicaciones es importante respetar los datos puntuales.
- Interpoladores aproximados: no respetan los datos en que se basa la interpolación.
Considerando la interpolación sobre una superficie, ésta no pasa necesariamente a través de
todos los puntos de datos. Se utiliza cuando se tiene incertidumbre sobre los datos y cuando se
72
sospecha de la presencia de tendencias globales. Presentan un efecto de suavizado, con el fin

de reducir el error en la superficie resultante.
d) Interpoladores graduales y abruptos

- Interpoladores graduales: producen resultados con cambios graduales, en este grupo se
encuentran los interpoladores de promedios móviles ponderados con la distancia (inverso de la
distancia). Pero, cuando se tiene un número reducido de datos, el resultado puede resultar con
cambios abruptos.
- Interpoladores abruptos: generan resultados con cambios abruptos, son útiles cuando se
requiere incluir barreras en el proceso de interpolación, tales como barreras impermeables en
el subsuelo o fallas geológicas.
e) Interpoladores deterministas, estadísticos y estocásticos

- Interpoladores deterministas: no incorporan conceptos de Probabilidad y Estadística en el
proceso. Como ejemplos se tiene el método inverso de la distancia (promedios móviles
ponderados con la distancia) y el método de Splines.
- Interpoladores estadísticos: incorporan conceptos de la Estadística. De los interpoladores
estadísticos pueden incluirse el Análisis de Superficies de Tendencia (trend surface analysis),
análisis de Fourier.
- Interpoladores estocásticos: incorporan conceptos de la Estadística y la Probabilidad. En este
grupo se encuentra la técnica de estimación con Probabilidad condicional y el Kriging (con
todas sus variantes), este último garantiza una mínima variancia de la estimación y permite
estimar el grado de incertidumbre de los valores estimados.
En general, la mayoría de los métodos de predicción se pueden considerar como promedios

ponderados de los datos. Por tanto, la fórmula general de predicción es (Webster y Oliver, 2001):
N
V * ( x0 )   V (x )
i 1
i i (3.13)
donde x0 es un punto dentro de un dominio donde interesa estimar un valor, los V(xi), para i = 1, 2,
..., N, en las posiciones xi, son los datos medidos; y i, son los pesos asignados a ellos. En lo que
sigue se exponen algunos métodos para realizar la predicción V*(x0). En primer lugar se examina
cómo se asignan los pesos empleando algunos métodos comunes, y más adelante se presenta la
técnica del Kriging.
Polígonos de Thiessen (Polígionos de Voronoi, Mosaico de Dirichlet)
El método de Polígonos de Thiessen consiste en dividir el dominio muestreado en N subregiones

o zonas de influencia en torno a cada medición, formando polígonos o áreas de influencia con
baldosas (Isaaks y Srivastava, 1989). Thiessen ideó el método para el análisis de datos
meteorológicos, pero también puede emplearse para otras variables. Para un grupo de datos se
construye una malla irregular de triángulos (TIN) que cumpla la condición de Delaunay: “La
circunferencia circunscrita de cada triángulo no contiene ningún vértice de otro triángulo”.
Posteriormente, se generan las mediatrices perpendiculares para cada lado del triángulo,
73
formando los lados de los polígonos (fig. 3.8). Se asume que el valor es constante al interior de
cada polígono o celda, por lo que, en cada polígono todos los puntos están más cerca de su punto
de muestreo que cualquier otro.
Figura 3.8. Polígonos de Thiessen.
La predicción en cada punto en ai; es el valor medido en xi; es decir, V*(x0) = V(xi). Los pesos para
la ec. 3.13 son:
1 si x i  ai
i   (3.14)
0 para los demás
Las limitaciones del método son evidentes, cada predicción se basa en una sola medición, no
existe una estimación del error, los datos de los puntos vecinos se ignoran. Cuando se utiliza para
mapear el resultado es burdo; la superficie interpolada consiste en una serie de pasos. Tiene un
aspecto de patio con baldosas, desnivelado, con cambios bruscos entre puntos vecinos (fig. 3.9).
+ 696
+ 646
600
Valor Estimado
+ 477 500
400
300
+ 227 200
100
0
Figura 3.9. Una vista en perspectiva que muestra las discontinuidades inherentes en la
estimación con polígonos (adaptado de Isaaks y Srivastava, 1989).
74
Triangulación
Otro método de interpolación básico es por triangulación. Los puntos de muestreo están
vinculados a sus vecinos por líneas rectas para crear triángulos que no contienen cualquiera de
los puntos. Los valores medidos son considerados como verticales por encima del plano de base
a una altura proporcional a los valores, de modo que todo el conjunto de datos forma un poliedro
que consta de planos triangulares más o menos inclinados. El objetivo es determinar la altura del
plano en V*0 a partir de los vértices de los triángulos y por medio de interpolación lineal (fig. 3.9).
Esto puede ser representado como un promedio ponderado con pesos determinados de la
siguiente manera: se indican las coordenadas de los tres vértices por {x1, y1}, {x2, y2}, y por {x3, y3},
y las del punto destino por {x0, y0}. Entonces, los pesos están dados por (Webster y Oliver, 2001):
1 
x 0  x 3 y 2  y 3   y 0  y 3 x 2  x 3  (3.15)
x1  x 3 y 2  y 3   y 1  y 3 x 2  x 3 
Análogamente se obtienen expresiones para 2 y 3. Los demás pesos son 0.
La técnica es simple y local. Las desventajas son que, a pesar de que es algo mejor que el
método de Thiessen, cada predicción depende de sólo tres de datos; no que hace uso de los
datos más alejados, y también no hay medida de error. A diferencia del método de Thiessen, la
superficie resultante es continua, pero tiene cambios bruscos de pendiente en los márgenes de
los triángulos. Si el objetivo principal es predecir en lugar de hacer un mapa de isolíneas suaves
entonces las discontinuidades en la derivada son irrelevantes. Otra dificultad es que la malla de
triángulos no es única, y por tanto, no es obvio que la triangulación definida sea mejor que
cualquier otra; incluso para una rejilla rectangular hay dos opciones.
Vecino natural (Natural neighbor)
Sibson (1981) combina las mejores características de los dos métodos anteriores en lo que él
llama "interpolación de vecino natural". El primer paso es realizar una triangulación de los datos
por el método de Delaunay en el que los vértices de los triángulos son los puntos de muestreo de
las baldosas adyacentes de Dirichlet. Esta triangulación es única, excepto que los datos están en
una malla rectangular regular. Para determinar el valor en cualquier otro punto, x0, este punto se
inserta en el mosaico, y sus vecinos, el conjunto T (los puntos dentro de sus límites de los
mosaicos de Dirichlet), son utilizados para la interpolación. Sibson llama a esos puntos “vecinos
naturales". Recientemente Watson (1999) ha presentado más trabajos sobre el tema.
Para cada vecino se calcula el área, ai, de la porción del mosaico original de Dirichlet
incorporando el mosaico del nuevo punto. Estas áreas, cuando son estandarizadas suman 1 y se
convierten en pesos. Esto puede representarse por la fórmula general (Webster y Oliver, 2001):
N
ai
i   para i = 1, 2, 3, …, N (3.16)
i 1 A
75
Esto significa que si un punto xi es un vecino natural, es decir xi  T, entonces ai tiene un valor y
el punto tiene un peso positivo. Si xi no es un vecino natural, entonces no tiene área en común con
el polígono y su peso, ai, es cero.
Este interpolador es continuo y suave, excepto en los puntos de datos donde su derivada es
discontinua. Sibson lo llamó interpolador de vecino natural. A él no le gustó el cambio abrupto de
la superficie en los puntos de datos, por lo que, elaboró el método mediante el cálculo de los
gradientes estadísticos en la superficie a partir de sus vecinos naturales. Estos gradientes se
combinaron con las mediciones ponderadas para proporcionar la altura en el nuevo punto. El
resultado es una superficie lisa, una vez diferenciable. Al igual que la simple interpolación
poliédrica, devuelve los valores reales en los puntos medidos, es decir, es un interpolador exacto.
Sibson mostró que reproduce fielmente las funciones matemáticas continuas. Sin embargo, se ha
encontrado (Laslett et al., 1987) que el método produce resultados inaceptables en que los datos
tienen ruido. Una representación gráfica de estos parámetros se muestra en la fig. 3.10.
Figura 3.10. Áreas de influencia en el método de vecino natural.
Funciones de distancia inversa
Algo más elaborado que la triangulación, y mucho más popular, son los métodos basados en
funciones de distancia inversa en la que los pesos están definidos por (Webster y Oliver, 2001):
1
i  p
con p > 0 (3.17)
xi  x0
y nuevamente estandarizados de modo que la suma de los pesos es 1. El resultado es que los
puntos de datos cercanos al punto de estimación tienen un peso mayor que los más alejados. La
opción más popular de p es 2, por lo que, los datos son ponderados inversamente con el
cuadrado de la distancia.
n

i 1
i vi
V*  n
(3.18)

i 1
i
76
Al igual que en la triangulación, sí x0 coincide con cualquier xi, entonces i tiende a infinito, los
otros pesos son irrelevantes y V(x0) toma el valor de V(xi). La estimación es exacta. Una
característica atractiva de la ponderación por el cuadrado de la distancia inversa es que los pesos
relativos disminuyen rápidamente a medida que la distancia aumenta, y por lo que la interpolación
es sensiblemente local. Además, debido a que los pesos nunca llegan a ser cero no hay
discontinuidades. Sus desventajas son que la elección de la función de ponderación es arbitraria,
y no hay ninguna medida de error. Además, no toma en cuenta la configuración ración del
muestreo. Entonces, dónde se agrupan los datos dos o más pueden estar aproximadamente a la
misma distancia y dirección de x0, y cada punto tendrá el mismo peso que un punto aislado a una
distancia similar, pero en una dirección diferente. Claramente esto no es deseable, por lo que,
algunas implementaciones para el mapeo se han elaborado para superar el esquema. La
superficie interpolada tendrá un gradiente de cero en los puntos de datos, y los máximos y
mínimos sólo allí pueden ocurrir.
Influencia de la ponderación: El exponente determina la tasa de decremento del peso. Si p=0, no

hay decremento del peso con la distancia, por tanto, el valor interpolado será el promedio de todos
los datos del dominio (fig. 3.11). En la medida que p aumenta los pesos de los puntos distantes
disminuye. Para valores extremadamente altos de p solo los puntos más cercanos toman
influencia en la predicción (fig. 3.11).
Por tanto, la selección del valor de p no es fácil. Usualmente se emplea un valor de 2. En este
caso se conoce como inverso de la distancia cuadrada. No existe justificación para el uso de este
valor. Antes de elegir un valor se deben hacer pruebas y validación de los resultados obtenidos.
Se utiliza un indicador del error y se emplea el valor que los minimiza (fig. 3.12).
p=10 p=15 p=10 p=100

p=100
p=1 p=0.5 p=0.2 p=0p=0
Figura 3.11. Influencia del exponente en la interpolación IWD (Calipsa, 2013).
77
Indicador
del error
Valor
p
óptimo
Figura 3.12. Validación y selección del valor de p.
Medias móviles ponderadas por la distancia
El método de medias móviles ponderadas por la distancia consiste en estimar el valor de una
variable (V*), en un punto x0, con base en una función de distancia inversa (ec. 3.18), utilizando
para la selección de los datos un vecindario circular o elíptico de radio conocido. Por tanto, este
método se basa en la idea intuitiva de que las observaciones más cercanas a un punto de
interpolación x0 deben tener más influencia en la estimación, se trata de un método exacto y local.
Para decidir qué puntos cercanos formarán parte del conjunto de datos se emplean los siguientes
criterios (fig. 3.13):
- Los n puntos más cercanos al punto de interpolación.

- Aquellos puntos cuya distancia al punto de estimación sea inferior a un valor máximo r.
1 r
2 4
n=6
a) Los n puntos más cercanos b) Puntos ubicados dentro de una distancia máxima
Figura 3.13. Criterios para obtener un conjunto de puntos para la estimación.
78
Superficies de tendencia
El método de superficies de tendencia se hizo popular entre los especialistas de ciencias de la

tierra, especialmente los geólogos petroleros, cuando por primera vez tuvieron acceso a las
computadoras. El método es una forma de regresión múltiple en el que los predictores son las
coordenadas espaciales (Webster y Oliver, 2001). Por ejemplo:
V * x, y   f x, y    (3.19)
donde V*(x, y) es el valor estimado en (x, y) y f denota una función de las coordenadas
espaciales. El modelo contiene un término de error aleatorio,  , que en la regresión es
considerado como independiente y con distribución simétrica, con media = 0 y varianza  2 .
Usualmente, algunas funciones como los polinomios simples, tales como planos, cuadráticas o
cúbicas, son ajustadas por mínimos cuadrados a las coordenadas espaciales, y la ecuación de
regresión resultante se emplea para la predicción. Así, para un plano de la ecuación de regresión
será:
V * x, y   ax  by  c (3.19)
y para una superficie cuadrática:
V * x, y   ax  by  cx 2  dy 2  exy  f (3.19)
La ec. 3.19 puede describir una elevación (cerro) o una hondonada (valle).
El estimador puede expresarse como un promedio ponderado de los datos utilizados para obtener
la superficie de tendencia como sigue. Se representan las coordenadas espaciales y sus
potencias por una matriz W con n filas de los N puntos de muestreo y tantas columnas m, así
como como los coeficientes (a, b, c, d, e, f) a estimar. Para una superficie de primer orden se
pueden escribir las coordenadas espaciales en forma matricial:
 1 x1 y1 
 
1 x2 y2 
W (3.20)
    
 
 1 xN yN 
donde la primera columna es una variable de relleno con valor de 1, y los valores medidos de V en
esas posiciones como el vector:
 V x1, y 1  
  
 V x2, y 2  
V (3.21)
  
 
V x N , y N 
Los coeficientes K (a, b, c, d, e, f) se obtienen a partir de la multiplicación de la matriz:

79
K = (WT W)-1 WT V (3.22)
y las estimaciones están dadas por:
V*0 = x0 K (3.22)
Donde x0 es la línea del vector (1 x0 y0) y los pesos están dados por la ec. 3.22. Para una
superficie más compleja simplemente se extiende la matriz W agregando más columnas para las
potencias adicionales de x e y.
Inicialmente este método parecía atractivo, pero el entusiasmo pronto se convirtió en decepción.
En la mayoría de los casos la variación espacial es tan compleja que es necesario un polinomio
de orden muy alto para describirlo, y las ecuaciones matriciales resultantes son generalmente
inestables. Los residuos de la tendencia están autocorrelacionados, por lo que, se viola uno de los
supuestos de la regresión. Como consecuencia, los errores calculados por la fórmula habitual
(Webster y Oliver, 1990) no son correctos. Generalmente, la componente aleatoria es grande y
oculta la tendencia determinista, y el ajuste de una parte del dominio afecta a las predicciones en
cualquier posición. Así, en un área donde hay zonas con valores altos y bajos (montañas y
llanuras) las estimaciones en las zonas bajas (llanuras) serán determinadas por fluctuaciones
mucho mayores de los valores altos (montañas). Las superficies de tendencia no son
suficientemente locales y no devuelven los valores en los puntos de datos.
Algunos factores que pueden afectar negativamente a las superficies de tendencia son:
- El número de datos que debe ser suficiente para realizar un análisis estadísticamente
significativo. El problema radica en que el número de datos determina los grados de libertad del
análisis, por lo que, si se aproxima al número de coeficientes de la ecuación, ésta pierde
significado estadístico.
- Resultados con alta incertidumbre en las estimaciones realizadas sobre la periferia: si se

requiere realizar extrapolaciones (cuando el punto de estimación no está rodeado por datos, sino
que éstos se sitúan lateralmente), los valores marginales pueden alcanzar dimensiones
extremadamente altas o bajas, el problema se agrava al elevar el grado de la ecuación.
- Si los datos no representan a un área similar, la superficie de tendencia se alargará

paralelamente a su patrón de distribución. Por este motivo, las distribuciones regulares y
aleatorias darán habitualmente buenos resultados, mientras que la tendencia al agrupar los
datos será perjudicial.
Mínima curvatura (Splines)
Una función de curvatura mínima o Spline se compone de polinomios, cada polinomio es local y
de grado p. Los polinomios Splines describen secciones de una línea o superficie suavemente
unidas, y su p-1 derivadas son continuas. Las posiciones donde las secciones se unen son
conocidas como “nodos”, la elección de estos nodos confiere una cierta arbitrariedad en la
técnica. Los Splines son obligados a pasar por los puntos de los datos. Alternativamente,
80
eligiendo nodos alejados de los puntos de datos que pueden ajustarse por mínimos cuadrados o
algún otro método para producir Splines suavizados. Típicamente, los Splines son de grado 3, por
tanto, los Splines son cúbicos.
Este método se considera un interpolador local y exacto. Utiliza polinomios con el fin de
proporcionar un conjunto de elementos o piezas, en el caso de un análisis en un plano (2D) dan
como resultado una superficie que presenta la primera y segunda derivadas continuas. Por tanto,
se asegura continuidad en: elevación (que la superficie no tenga picos), en gradiente (que la
superficie no tenga cambios de pendiente abruptos) y en curvatura (que la superficie posea
mínima curvatura).
Triangulación con interpolación lineal
Es un método exacto de interpolación basado en la generación previa de una malla irregular de

triángulos (TIN), aplicando el criterio de triangulación de Delaunay, cuyos vértices coinciden con
los puntos conocidos. La interpolación se realiza suponiendo que dichos puntos pertenecen a la
superficie plana de primer orden que se apoya en los vértices de cada triángulo (fig. 3.14). Los
valores máximos y mínimos se conservan. En ocasiones los mapas presentan el llamado "efecto
de borde", cuando los triángulos son demasiado oblicuos.
Figura 3.14. Método de triangulación con interpolación lineal.
Redes neuronales
Recientemente, el método de redes neuronales (RNs), se han convertido en una atractiva

alternativa a los métodos estadísticos tradicionales cuando se trata de modelar sistemas no
lineales de extrema complejidad con información incierta y/o vaga, donde toma importancia la
integración de componentes cualitativos a los modelos matemáticos.
Desde el primer prototipo propuesto por McCulloch y Pitts en 1943, más de 50 diferentes modelos
de RNs han sido desarrollados, evaluados y difundidos en diversos campos del conocimiento
(García y Romo, 2004). En el modelo de las primeras neuronas artificiales, los parámetros de la
red fueron propuestos y no se disponía de algún método de entrenamiento (McCulloch y Pitts,
1943). Más adelante se desarrolló la red neuronal llamada perceptrón (Rosenblatt, 1958), en la
que se presentaba una regla de aprendizaje para entrenar a la red. Sin embargo, todavía la red
perceptrón tenía limitaciones (Minsky y Papert, 1969), las cuales se superaron con la aparición del
81
perceptrón multi-capa (PMC) y las reglas de aprendizaje asociadas. A partir de entonces, la red
perceptrón multi-capa es una de las clases de redes neuronales más comúnmente usadas. Las
redes PMC se emplean en la clasificación de patrones y aproximación de funciones. Uno de los
casos con los que se demostró la capacidad de este tipo de redes, y al mismo tiempo significó el
renacimiento de la técnica de redes en general, fue la solución del problema clásico exclusor,
XOR (Rumelhart y McClelland, 1986), que es un claro ejemplo de clasificación de dos categorías
linealmente separables. Una de las redes más poderosas y bien documentadas es la de
arquitectura de alimentación al frente y aprendizaje por propagación del error hacia atrás, también
referida como Perceptrón Multicapa (PMC) de Propagación hacia Atrás (PA) (Rumelhart et al.
1986a,b).
En 2004, García y Romo presentaron un trabajo con aplicación en geotecnia titulado “Sistema de
Información Geográfica y Redes Neuronales”, donde muestran la aplicación de redes neuronales
para modelar la interacción y clasificación espacial de datos geotécnicos. En éste trabajo, los
autores presentan como ejemplo la configuración estimada de la primera capa dura del valle de
México para mostrar que esta técnica del cómputo aproximado puede integrarse exitosamente a
un Sistema de Información Geográfica para interpretar bancos de datos geotécnicos y evaluar la
variabilidad de propiedades en el subsuelo, lo que a fecha no se ha logrado.
La aplicación de García y Romo (2004) se realizó empleando modelos neuronales desarrollados

bajo las siguientes características topológicas PMC de PA:
- Estructura. Una red es una clase de computadora paralela que consiste de un cierto número
de elementos de procesamiento menores (EPs) o nodos, intercomunicados y organizados en
capas de neuronas. En la capa de entrada se presentan a la red las variables de descripción
del fenómeno, a la de salida se dirigen las respuestas calculadas de acuerdo con entradas
específicas, y uno o más estratos componen lo que se llaman capas ocultas (fig. 3.15a). Los
EPs pueden estar parcial o totalmente conectados. Cada una de las conexiones se asocia con
un peso que se ajusta de acuerdo a la importancia de la conexión sobre el resultado final de la
red.
- Operaciones. En el PMC de PA, la propagación de los datos en la red comienza con un patrón
de entrada o estímulo que fluye a través de todas las capas y es operado por los EPs hasta
que alcanza el estrato de salida (fig. 15b). Cada EP o nodo recibe las salidas pesadas (W jiXi)
desde el EP en la capa anterior, la cual se suma para producir la entrada del nodo (net j) (fig.
3.15b).
La entrada del nodo (netj) pasa a través de una función no-lineal (f (netj)) para generar la
salida del nodo (Yj), que se convertirá en el patrón de entrada de los nodos a los que esté
conectado, es decir:
netj  ΣWj iXi (3.21)
donde W ji representa los pesos entre el nodo i y el nodo j y Xi es la salida desde el nodo i. La
salida desde el nodo j es calculada usando:
   
Y j  f net j  1 1  exp - net j  b  (3.22)
82
Los coeficientes b (unidades de sesgo) y W (pesos) son modificados por medio de un

algoritmo de aprendizaje para minimizar las desviaciones entre los valores objetivos y las
estimaciones neuronales.
a) Estructura
b) Proceso de cálculo
Figura 3.15. Topología neuronal (García y Romo, 2013).
La entrada del nodo (netj) pasa a través de una función no-lineal (f (netj)) para generar la
salida del nodo (Yj), que se convertirá en el patrón de entrada de los nodos a los que esté
conectado, es decir:
netj  ΣWj iXi (3.21)
donde W ji representa los pesos entre el nodo i y el nodo j y Xi es la salida desde el nodo i. La
salida desde el nodo j es calculada usando:
   
Y j  f net j  1 1  exp - net j  b  (3.22)
Los coeficientes b (unidades de sesgo) y W (pesos) son modificados por medio de un

algoritmo de aprendizaje para minimizar las desviaciones entre los valores objetivos y las
estimaciones neuronales.
- Aprendizaje y entrenamiento. El entrenamiento es el proceso mediante el cual la red aprende.

El aprendizaje consiste en hacer cambios sistemáticos para mejorar la actuación de la red
(respuestas calculadas) hasta alcanzar niveles aceptables si se le compara con una tarea
objetivo. Las redes aprenden ajustando los pesos que conectan a los EPs, comienzan
encontrando relaciones lineales entre las variables (red con un nodo), y conforme la
complejidad de la red crece (mayor número de nodos y capas ocultas) se establecen
relaciones no lineales entre las entradas y las salidas del modelo. El entrenamiento entonces
83
se reduce al proceso de encontrar el conjunto de pesos que minimizan el error entre los
cálculos neuronales Y(t) y las salidas declaradas como objetivo A(t). En esta investigación se
utiliza el error cuadrático medio para tal evaluación:
E(t)  1 (Y (t )  A(t ))2 (3.23)

2
Los resultados se presentan en la fig. 3.16a, donde se observa que en algunas zonas las curvas
de isovalores (contornos) presentan cambios irregulares e inesperados, asimismo, al comparar los
valores estimados por la RN y los medidos en exploración directa (fig. 3.16c) se observa que las
diferencias varían de entre 0.04 a 1.77 m.
a)
2149000 -31.0
2148800 c)
-32.0
Y (m)
2148600
30.15 31.11 32.00 31.85
2148400
-33.0 -35.0 -36.0
2149000
-34.0
2148200 A 32.95 31.82
34.40 34.42
2148800
484600 484800 485000 485200 485400 485600 485800 486000 31.35 31.31
33.30 33.37
36.80 36.59
Y (m)
X (m) 2148600
SONDEOS 30.40 28.63

36.45 36.36
36.85 36.03
b) 2148400
30.25 29.94
35.00 34.92
2148200
2149000
-35.0 -34.0
-33.0
-31.0 484600 484800 485000 485200 485400 485600 485800 486000
-32.0
2148800
-34.0
X (m)
Y (m)
37.00 36.60
2148600
-37.0
-35.0
-30.0
2148400 MEDIDOS RN
-36.0
-36.0
2148200 A
484600 484800 485000 485200 485400 485600 485800 486000
X (m)
Figura 3.16. Resultados de estimaciones con técnicas geoestadísticas y cálculos con RNs
(García y Romo, 2004).
Una desventaja de esta técnica es que se desconoce el tratamiento de los datos dentro de los
algoritmos de cálculo, por lo que, no se tiene un control sobre los datos a lo largo del
procedimiento.
En general, las técnicas de interpolación anteriormente descritas no son totalmente satisfactorias

para la geotecnia, puesto que, toman en cuenta únicamente la información de tipo geométrico
para la estimación, principalmente las distancias que existen entre los puntos de datos y el punto
a estimar. Su limitación radica principalmente en que no consideran la continuidad o correlación
espacial de la variable en estudio. En efecto, aun cuando su fundamento matemático sea
adecuado, carecen de un fundamento físico y no permiten tomar en cuenta la estructura de
correlación espacial de los datos, incluyendo la anisotropía.
84
Actualmente, se cuenta con otros métodos de estimación con gran potencial pero que se han
usado poco hasta ahora para describir la distribución espacial las propiedades del subsuelo. La
geoestadística permite tomar en cuenta la continuidad o dependencia espacial entre propiedades
en puntos cercanos a través del concepto de función de autocovariancia o de variograma. Con
estas herramientas es posible resolver en forma racional problemas tales como la estimación de
espesores de estratos o de valores de las propiedades en un sitio dado o en una zona
determinada a partir de la información de los sondeos existentes con base en técnicas de
estimación optimizadas como el “Kriging” (obtención de estimadores lineales de mínima
variancia).
3.6 Conceptos fundamentales de la Geoestadística

La Geoestadística, a diferencia de la estadística y del enfoque de variable aleatoria simple,
permite analizar datos de fenómenos naturales distribuidos en el tiempo o en el espacio (como es
el caso del presente trabajo), para lo cual se toma en cuenta la posición relativa que guardan los
datos de la muestra. La palabra Geoestadística es un nombre asociado a un conjunto de técnicas
basadas en la teoría de los campos aleatorios y del tratamiento de las señales aplicadas a la
descripción de las condiciones estratigráficas y a la distribución espacial de las propiedades de los
materiales geológicos.
En este trabajo se emplea la metodología Geoestadística, adaptada al análisis de las propiedades

geotécnicas del subsuelo. Esta metodología se apoya en la teoría de los campos aleatorios, que
permite describir en forma racional y la variabilidad espacial de las propiedades y las
características estratigráficas de las formaciones geológicas.
3.6.1 Modelado de medios geológicos mediante campos aleatorios
La geoestadística considera que los valores de la variable de interés en diferentes puntos de un

medio geológico de interés constituyen una familia o campo de variables aleatorias V(X). Estas
variables distribuidas dentro de un espacio R (longitud, superficie, volumen) pueden ser llamadas
variables aleatorias regionalizadas, y al fenómeno representado por las variables aleatorias
regionalizadas se le denomina regionalización o función aleatoria espacial o campo aleatorio
(Auvinet, 1988). La fig. 3.17 muestra la representación gráfica de un campo aleatorio.
Como se observa en la fig. 3.17, generalmente el valor experimental de la variable de interés se

conoce únicamente en algunos puntos del dominio. Además, los valores están referidos a un
sistema coordenado, con el fin de asociar una posición a los valores que toma esta variable dentro
de un espacio geométrico.
Sea V(X) una variable geotécnica de interés de tipo físico (i.e contenido de agua), mecánico (i.e.
cohesión) o geométrico (i.e. espesor de algún estrato) definida en los puntos X del dominio Rp (p =
1, 2, ó 3). En cada punto del dominio, esta variable puede considerarse como aleatoria, debido al
rango de posibles valores que puede tomar (fig. 3.16), el conjunto de estas variables aleatorias
constituye una función espacial aleatoria o campo aleatorio (Vanmarcke, 1983; Auvinet, 2002).
Para describir este campo pueden emplearse los siguientes parámetros y funciones (Auvinet,
2002).
85
Región (R)
S3
Y S2
S1
X
V2(x2, y2, z2)
V3(x3, y3, z3)

V1(x1, y1, z1)
Z
Figura 3.17. Representación esquemática de un campo aleatorio (Medina, 2001).
En el caso de sondeos continuos, aceptando que el campo es estadísticamente homogéneo y

ergódico (es decir, que sus parámetros pueden ser estimados a partir de una sola realización del
mismo), el valor esperado o esperanza matemática puede ser evaluado utilizando la aproximación
(Auvinet, 1988):
EV ( X )  V  X   V x dx
1 L
L 0 (3.24)
donde L es la longitud del sondeo y x una abscisa definida sobre el eje del registro. La ec 3.24
representa el valor esperado o esperanza matemática de una variable aleatoria discreta, V, con
distribución de probabilidad pV   .
Función de autocovarianza
En la misma forma, es posible estimar la covarianza (y a partir de ella el coeficiente de

autocorrelación) a lo largo de la dirección u como:
CV u  V x V x  udx  V2

1 L
L 0
(12)
donde, u es el vector unitario en la dirección en la que se evalúa la covarianza y  es un escalar.
La autocovarianza representa el grado de dependencia (parecido) lineal existente entre los

valores de la propiedad de interés en dos puntos diferentes del medio.
CV  X1, X 2   Cov [V ( X1 ),V ( X 2 )]  E {[V ( X1 )  V ( X1 )][V ( X 2 )  V ( X 2 )]} (3.25)
86
Una posible interpretación física de este concepto es que refleja el procedimiento de

sedimentación del material. Una alta correlación puede corresponder a la pertenencia de los
puntos X1 y X2 a un lente o subestrato.
Su estimador estadístico para todo el medio es:
N
CV  X 1, X 2   
1
[V ( X 1 )  V ( X 1 )][V ( X 2 )  V ( X 2 )] 
N i 1
(3.26)
N
V ( X )V ( X
1
 1 2)  V ( X 1 )V ( X 2 )
N i 1
donde N es el número de pares de datos.
Cuando es posible aceptar la hipótesis de que el valor esperado de la variable de interés es

constante en todo el dominio (eventualmente después de haber removido la tendencia) y que la
autocovarianza espacial depende solamente de la distancia entre los puntos X 1 y X 2 , se dice
que el campo es estacionario en el sentido amplio y se cumple:
CV  X 2 , X1   CV  X 2  X1   CV h (3.27)
donde h es un escalar igual a la distancia entre los puntos X 1 y X 2 .
La ec. 3.27 implica que la varianza de V  X  es también constante en todo el dominio.
Variograma
Otra técnica alternativa para describir la estructura de correlación espacial de las propiedades del
suelo es utilizar el momento de segundo orden del incremento del campo aleatorio V(X) o
variograma, estimado en la forma siguiente:
2 u 
1 L
V  X  u  V  X  2 dx
L 0
(3.28)
El estimador estadístico está dado por la semivarianza:
N
 h     X1, X 2    V X   V X 
1 2
1 2 (3.28)
2N i 1
El variograma puede interpretarse como un parámetro que también indica la dependencia lineal
existente entre los valores de la propiedad de interés en dos puntos diferentes del medio con base
en la varianza. Algunos autores, especialmente en las aplicaciones mineras, recomiendan usar el
concepto de variograma de preferencia al de autocovarianza; sin embargo, el uso de este
concepto no trae ventajas para el tipo de aplicaciones consideradas en este estudio, por lo que se
usará siempre la función de autocovarianza y el coeficiente de autocorrelación en las aplicaciones
presentadas en este trabajo.
87
Coeficiente de autocorrelación
La autocovarianza representa el grado de dependencia lineal existente entre los valores de la

propiedad de interés en dos puntos diferentes del medio. Se puede escribir bajo la forma de un
coeficiente de autocorrelación adimensional, cuyo valor queda siempre comprendido entre -1 y +1.
En la misma forma, el coeficiente de correlación puede escribirse como:
CV  X 1, X 2 
V  X 1, X 2    V h  (3.29)
 V X1   V X 2 
En muchas aplicaciones, sin embargo, será más realista admitir que la relación anterior solamente
es válida a lo largo de una dirección determinada, es decir, que la estructura de correlación del
medio es anisótropa. En este caso, se pueden usar las notaciones CV hu  y V hu  , donde u es
un vector unitario en la dirección considerada.
Correlograma experimental
La función de autocovarianza puede ser normalizada y expresada mediante un coeficiente, para lo

cual se estima un valor de (u) para cada valor de C(u). Con los valores obtenidos se construye
una gráfica con (u) y h=(u) en un sistema coordenado; en este trabajo la curva resultante es
llamada correlograma experimental (fig. 3.18).
Distancia de correlación
Para estimar la correlación espacial en forma cuantitativa se introduce el término distancia de

correlación (también conocida como alcance, influencia o rango), que es la distancia a partir de la
cual las variables aleatorias regionalizadas V  X 1  y V  X 2  son independientes para cualquier
X    R p , de aquí que se interprete como zona de influencia.
La distancia de correlación, = 2a, se estima a partir del correlograma experimental, definiéndose
a como:
c
a   u d (3.30)
0
siendo: c es el valor crítico de  donde  se anula por primera vez (fig. 3.18).
Correlograma teórico
Los correlogramas teóricos se definen ajustando los correlogramas experimentales a una función
matemática que incluya las correspondientes distancias de correlación. En la tabla 3.2 se
describen las funciones comúnmente empleadas.
88
Tabla 3.2. Funciones de autocorrelación (Vanmarcke, 1983).

Tipo Coeficiente de autocorrelación, FDA ( (x,y,z))
0. Exponencial 
 dx   dz  
k k

exp -      
 x   z  
 
I. Exponencial simple   dx dz  
exp - 2  
   x  z
II. Exponencial cuadrada   dx 2 dz 2  

 
exp -   2  2  
x  
  z  
III. Modelo autoregresivo de   dx dz   4dx   4dy 

exp - 4     1  1  
segundo orden   
x z  x  y 
IV. Exponencial cosenoidal   dx dz   dx dz

exp -     cos cos

 x z   x z
x y z son respectivamente la distancia de correlación en la dirección horizontal y vertical.
dx = (xi  xj) 2  (yi  yj) 2 y dz = zi  zj son respectivamente las distancias horizontal y vertical entre diferentes
puntos de la masa del suelo; xi, yi y zi son las coordenadas de estos puntos.
Como se verá más adelante, en este trabajo, se muestra que una función de tipo exponencial
simple es la que mejor se ajusta para las propiedades del subsuelo analizado:
ρ = e-(2h/δ) (3.31)
Eventualmente esta distancia de correlación puede ser modificada ligeramente para mejorar el
ajuste de la función teórica con el correlograma experimental (fig. 3.18).
ρ = e-(2h/δ)
Figura 3.18. Modelado de un correlograma experimental típico.
89
Tendencia o deriva
Cuando la esperanza matemática es una función no constante de las coordenadas x, y, z, se dice

que el campo aleatorio presenta una tendencia o deriva. Las varianzas y otros momentos así
como las funciones de distribución de probabilidad pueden también presentar variaciones
espaciales.
Si las derivas no son apreciables, es posible aceptar la hipótesis de que el campo es estacionario,
por lo menos en sentido amplio; se dice entonces que el medio es estadísticamente homogéneo.
Si las derivas son significativas, conviene separar la parte determinista (variación funcional de la
propiedad) de la parte aleatoria y trabajar con el residuo obtenido restando de los datos el valor de
la tendencia obtenida por ejemplo por ajuste lineal o no lineal de mínimos cuadrados (inciso
2.3.3.1). Este campo residual puede además normalizarse introduciendo una nueva función
aleatoria de tipo:
V  X   V  X 
V ' X   (3.32)
V X 
Esta función aleatoria tiene una esperanza nula y una varianza unitaria.
Es más fácil que el campo residual así obtenido cumpla con las condiciones requeridas para que
pueda considerarse como estacionario en el sentido amplio. Un proceso iterativo para definir la
tendencia y verificar que el residuo pueda considerarse como estacionario ha sido propuesto por
Kulatilake (1987).
Conviene observar por otra parte que es posible también realizar estimaciones sin remover la
tendencia en la forma indicada más adelante (ec. 2.52).
Efecto de escala
El conocimiento de los parámetros principales del campo aleatorio representativo de las

variaciones de las propiedades permite evaluar la esperanza y dispersión de los valores medios
de dichas propiedades en áreas o volúmenes contenidos dentro del medio. Así, en un campo
estacionario, la esperanza del valor medio V de la propiedad de interés en un volumen  es
(Papoulis, 1984):
1 
E V   E   V  X dX   E V ( X ) (3.33)
  
y su varianza:
 
Var V   E V2  E 2 V  (3.34)
es decir:
Var V  
1
2
E

 V X dX  V X dX  E  V X dX  
  
2
(3.35)
90
lo que puede escribirse como:
Var V     E V  X V  X dX  E V  X E V  X dX

1
dX 2   dX 2 (3.36)
2
1 2 1 1 2 1
   
es decir:
Var V   CV  X 1, X 2 dX1dX 2

1
2  
 
(3.37)
En la misma forma, se muestra que la covarianza entre valores medios de la propiedad en dos
dominios 1 y 2, con o sin traslape, es:

Cov V1 ,V2   1
1  2  
1 2
Cv  X 1, X 2  dX1 dX 2 (3.38)
La ecuación 2.30 puede también escribirse:
Var V ( X )
Var V     V  X 1, X 2  dX1 dX 2 (3.39)
2 
Dado que el coeficiente de correlación es inferior o igual en valor absoluto a la unidad, se observa
que la varianza del valor medio de una propiedad aleatoria estacionaria en un dominio dado tiende
a disminuir cuando las dimensiones de dicho dominio crecen (excepto en el caso trivial de la
correlación perfecta). Esta formulación fue utilizada por Auvinet (1986) para estudiar el efecto de
escala geométrico en los medios granulares.
En la literatura, este fenómeno se conoce también como “reducción de varianza”. Soulié (1983) ha
hecho notar que, debido a este efecto, es indispensable indicar las dimensiones de los
especímenes cuando se proporciona el valor de la dispersión de los resultados de ensayes físicos
o mecánicos sobre un material dado, para tomar en cuenta el efecto d escala.
Predicción
A partir de un conjunto de datos (puntos de medición) es posible realizar predicciones:

- Estimación, consiste en obtener el valor esperado de una variable en un punto sin medición.
- Simulación, consiste en obtener el valor posible de una variable en un punto sin medición.
El Kriging es una técnica de estimación espacial desarrollada por Matheron en los sesentas a
partir de los trabajos de Daniel G. Krige, quién fue pionero en el uso de la correlación espacial
para propósitos de predicción de reservas de oro, por lo que Matheron le da el nombre en su
honor. La técnica del kriging, ampliamente usada en ingeniería minera consiste en obtener el
mejor estimador lineal sin sesgo y de mínima varianza (en inglés: Best Linear Unbiased Estimation
o ”BLUE”). Mejor, porque los factores de ponderación se determinan de tal forma, que la varianza
de estimación es mínima; Lineal, porque es una combinación lineal ponderada de los datos; Sin
sesgo, porque el error de estimación tendrá una media igual a 0, o cercano.
91
En la tabla 3.3 se indican las técnicas de kriging y simulación comúnmente empleadas para la
predicción.
Tabla 3.3. Técnicas de predicción.
Estimación Simulación
- Matricial (LU)
- Probabilidad Condicional
- Espectral
- Kriging Simple
- Bandas Rotantes
- Kriging Ordinario
- Secuencia Gaussiano
- Kriging Universal
- Secuencial Indicador
- Kriging Indicador
- Gaussiano Truncado
- Co-Kriging
- Recocido (Annealing) Simulado
- Validación Cruzada
En la literatura, existen varios trabajos que tratan sobre el tema de confiabilidad aplicada a la
ingeniería civil, en los que para la estimación puntual se emplean procedimientos similares a los
de algunas de estas técnicas (Kriging ordinario o Kriging simple) pero sin darles estos nombres
(Harr, 1996).
Las técnicas que a continuación se describen brevemente son las empleadas para el desarrollo de
este trabajo (Kriging Ordinario, Kriging Simple, Cokriging y Simulación Matricial (LU),
considerando el caso de la predicción puntual.
Kriging Simple
La técnica del Kriging Simple (Krige, 1962; Matheron, 1965; Krige, 1962; Matheron, 1965;
Vanmarcke, 1983; Deutsch, 1992; Auvinet, 2002) se basa en la hipótesis de que se conoce la
media y la covarianza del campo aleatorio. Supóngase que se hacen mediciones de una variable
de interés V en los puntos Xi, (i = 1, 2,..., n), del campo aleatorio estudiado, es decir, se tienen
realizaciones de las variables V(X1), ..., V(Xn), y se desea predecir o estimar V*(X), en el punto X
donde no hubo medición. En esta circunstancia, el método kriging simple propone que el valor de
la variable puede predecirse como una combinación lineal de las n variables aleatorias así:
n
V * X   a     V X 
i i (3.40)
i 1
Para determinar el coeficiente a y los ponderadores (i, i=1, ... , n} se examinan las condiciones de
ausencia de sesgo y de varianza mínima.
Condición de ausencia de sesgo: El valor esperado del error de estimación es:
n n
E V *  X   V  X   a     EV X   EV X   a     
i i i V  V (3.42)
i 1 i 1
92
para que este valor esperado sea nulo, se debe plantear:
 n

a  1    i V
 i 1  (3.43)
Condición de varianza mínima: La varianza del error de estimación se expresa en función de la

covarianza.
  
varV *  X   V  X   var V *  X   2  cov V *  X , V  X   varV  X   (3.44)
 i  j covV X i , V X j   2   i covV X , V X i   C0

n n n
 (3.45)
i 1 j 1 i 1
 i  j CX i  X j   2   i CX  X i   C0

n n n
 (3.46)
i 1 j 1 i 1
Los ponderadores óptimos (que minimizan la varianza del error) pueden determinarse tomando
derivadas parciales con respecto a los ponderadores.
[ ]
  C X  X j   2  C  X  X i ,
n
 2 i  1,...n (3.47)
i
j i
j 1
e igualándola a cero:
  C X  X j   C  X  X i ,
n
j i i  1,...n (3.48)
j 1
Este sistema de n ecuaciones con n ponderadores desconocidos es el sistema de kriging simple

(KS). En notación matricial:
 CX1  X1   CX1  X n    1   CX1  X  

     
            (3.49)
 C  X  X   C  X  X     C  X  X 
 n 1 n n   n  n 
correlaciones entre los datos correlaciones entre los datos y

el valor a estimar
o bien, puede escribirse también en términos del coeficiente de autocorrelación:
  X1  X1    X1  X n    1    X1  X  

     
            (3.50)
   X  X     X  X       X  X 
 n 1 n n   n  n 
93
Por tanto, el estimador se escribe como:
n
 n

V * X    i  V  X i   1   i   V
i 1  i 1  (3.51)
La media aparece con un ponderador que es el complemento de la ponderación acumulada de los

datos. Entre más lejos se encuentre de los datos el punto a estimar, X, más bajos serán sus
ponderadores y mayor será la ponderación de la media. En cierta forma, la media “compensa” la
falta de datos.
Varianza de estimación: Asimismo, se determina el valor de la varianza del error (minimizado)

asociado a la estimación, también conocida como “varianza de estimación”:
n
 E2  X   VarV  X      i  C  X  X i 
i 1 (3.52)
Puede demostrarse que esta varianza siempre es menor o igual a VarV  X  .
El kriging simple es de hecho rigurosamente equivalente a la técnica de estimación condicional en

un campo Gaussiano (Auvinet, 2002).
Kriging Ordinario
La técnica del Kriging Ordinario (Krige, 1962; Matheron, 1965; Vanmarcke, 1983; Deutsch, 1992;
Auvinet, 2002) considera que no se conoce la media V del campo aleatorio. Esto permite
generalizar el kriging a situaciones donde esta media no es constante en el espacio: la media
puede variar de una región a otra, siempre que sea aproximadamente constante en cada vecindad
de kriging. Sólo se conoce la función de covarianza C(h) o el variograma γ(h).
Partiendo de la ec. 3.51, es posible encontrar un estimador lineal, sin sesgo y de mínima varianza
que no requiera el conocimiento de la media V , imponiendo la condición:
n

i 1
i =1 (3.53)
Condición de ausencia de sesgo: El valor esperado del error de estimación es:
n n
EV *  X   V  X   a   i  EV X i   EV X   a   i  V  V (3.54)
i 1 i 1
Siendo V desconocido, para que este valor esperado sea nulo se debe plantear
n
a0 
i 1
i 1 (3.55)
94
Condición de varianza mínima: La varianza del error de estimación se expresa en función de la

covarianza.
 i  jCX i  X j   2   iCX  X i   C0

n n n
varV *  X   V  X = (3.56)
i 1 j 1 i 1
Los ponderadores óptimos (que minimizan la varianza del error, condicionando que la suma de los
ponderadores sea igual a 1) pueden determinarse introduciendo un multiplicador de Lagrange  .
     CX  Xj  2
 
n n n n
var V *  X   V  X   i j i  i C  X  X i   C 0  2   i  1 (3.57)
i 1 j 1 i 1 i 
1

0
y anulando las derivadas parciales con respecto a los ponderadores y con respecto al
multiplicador de Lagrange. Las derivadas parciales son:
[ ]
  C X  X j   2  C  X  X i   2   , i  1,...n
n
 2
i
j i
j 1
(3.58)
[ ]  n 

 2   
i  1
 i 1 
A partir de estas derivadas se llega al sistema de ecuaciones del kriging ordinario (KO):
n
  jC X i  X j     C  X  X i , i  1,... n

 j 1
n (3.59)


 i  1
 i 1
En notación matricial:
 CX1  X1   CX1  X n  1  1   CX1  X  

     
          
C  X  X  
1    C  X  X  (3.60)
 CX n  X n 
 n 1   n  n 
  0     
 1 1    1 
correlaciones entre los datos correlaciones entre los datos

y el valor a estimar
También puede escribirse en términos del coeficiente de autocorrelación:
95
  X1  X1    X1  X n  1  1    X1  X  

     
          
  X  X   (3.61)
  X n  X n  1      X  X 
 n 1   n  n 
  0     
 1 1    1 
Varianza de estimación: La varianza del error de estimación (varianza de estimación) es:
 n

 E2  X    2   i  C  X i  X     (3.62)
 i 1 
 n

 E2  X    2   i    X i  X     (3.63)
 i 1 
En ocasiones, esta varianza puede ser mayor que VarV  X  .
Estimación cruzada
La técnica conocida con el nombre de Cokriging permite obtener en la práctica la estimación de

una propiedad de interés a partir de la información de la propia variable además de las
correlacionadas con ella. El caso más frecuente es cuando dos o más variables han sido
muestreadas pero una está menos muestreada que las otras. El uso de esta técnica permite un
mejor aprovechamiento de los datos obtenidos en sondeos y en pruebas de laboratorio.
Validación Cruzada
En la estimación, una forma sencilla de verificar la consistencia de los resultados es comparar los
valores de la estimación con valores de datos cercanos. La forma más objetiva de evaluar la
consistencia de las estimaciones es mediante la técnica de validación cruzada que consiste en
suprimir un valor medido y estimarlo a partir del resto aplicando la técnica del Kriging; comparando
los dos valores, entre menor sea la diferencia la estimación tendrá mayor aproximación, es decir,
la estimación es consistente.
Simulación
La simulación es el proceso por medio del cual se genera una posible configuración de un campo
aleatorio compatible con sus parámetros descriptivos (simulación incondicional) o con estos
parámetros y, además, con los datos disponibles (simulación condicional). Se puede generar así
una serie de realizaciones o imágenes del campo que permiten apreciar, en particular, valores
extremos potencialmente problemáticos.
La forma más sencilla de simular un campo aleatorio consiste en considerar que el mismo está
representado por n puntos X1, X 2 ,, X n donde se deben obtener realizaciones del grupo de
variables aleatorias V  X1 ,V  X 2 ,,V  X n  , con la estructura correcta del campo en cuanto a
esperanza y matriz de covarianza. La simulación se realiza generalmente sobre una malla de
96
puntos en el dominio de interés y se reduce por tanto a generar un cierto número de variables
aleatorias conjuntamente distribuidas. A continuación se presenta una introducción a este tema.
Simulación incondicional
Este tipo de simulación requiere inicialmente la generación de una secuencia de variables

aleatorias estándar independientes distribuidas normalmente (con media cero y varianza unitaria),
obtenidas a partir de dos variables aleatorias, U i y U i 1 , distribuidas uniformemente entre 0 y 1
(Fogli, 1980):
Z i   2 ln1  U i  cos2 U i 1 
(3.64)
Z i 1   2 ln1  U i  sen2 U i 1 
Por otra parte, la matriz de correlación, ρ , constituida por los elementos:
CV X i , X j 
V X i , X j  
 V  X i   V X j 
(3.65)
puede descomponerse en el producto de una matriz triangular inferior y de su traspuesta:
LLT =  (3.66)
Esta operación, conocida como descomposición de Cholesky, LU (Alabert, 1987), presenta ciertas
desventajas: no puede realizarse cuando algunas de las V  X i  están perfectamente
correlacionadas entre sí, es difícil de calcular cuándo el número de puntos en el campo es
demasiado grande, y tiende a generar errores de redondeo numérico. Sin embargo, existen
algoritmos estándar eficientes para su cálculo.
A partir de la matriz L de la ec. 3.66, se puede obtener un campo aleatorio normal estándar
correlacionado, como una combinación lineal de las variables normales estándar independientes,
Zj :
i
G X i   L ij Z j ; i = 1, 2, …, n (3.67)
j 1
Finalmente, se introducen los valores conocidos de la media y la varianza para generar

realizaciones de V  X i  , lo cual proporciona la simulación del campo:
V  X i   V  X i    V  X i G X i  (3.68)
Cuando la simulación del campo aleatorio V(X) ya haya sido generada, esta realización puede
utilizarse como punto de partida para un análisis determinista. La simulación puede repetirse
tantas veces como se desea para evaluar la variabilidad del resultado del mismo como parte de
un análisis de Monte Carlo.
3.6.2 Metodología y criterios para la aplicación práctica
97
El fundamento teórico descrito en la sección previa puede adaptarse al análisis de la distribución

espacial de las propiedades del suelo lacustre del Valle de México. Para tal fin, se necesario
considerar la realización de diversas actividades a realizar en forma ordenadas. En la fig. 3.19 se
indican las diferentes etapas o procedimiento general a seguir para los análisis geoestadísticos de
la distribución espacial de las propiedades del subsuelo.
Figura 3.19. Diagrama de bloques general para el análisis geoestadístico.
a) Recopilación de la información geotécnica
Como punto de partida se reunió un considerable número de sondeos geotécnicos realizados

dentro del área de estudio. Se recopiló también información adicional (geología, topografía,
cartografía, etc.) con el propósito de complementar la caracterización del subsuelo. Los sondeos
geotécnicos, así como la información adicional disponible fueron capturados en archivos
electrónicos para facilitar su almacenamiento, manejo e interpretación.
98
Los sondeos geotécnicos, la cartografía, el mapa geológico, así como los demás mapas
disponibles fueron georeferenciados bajo un mismo sistema geográfico; en este trabajo se empleó
el sistema UTM en la proyección WGS84.
b) Construcción de bases de datos
A partir de los sondeos geotécnicos, para este trabajo se diseñaron y construyeron un conjunto de
bases de datos (BD) referidas a:
- Información particular de los sondeos, archivos que guardan la información particular de los
sondeos registrados. Previamente se revisa y evalúa la calidad y coherencia de la información
recabada con el propósito de eliminar aquellos datos incompletos o inciertos.
- Imágenes de perfiles de sondeos, integrada por las imágenes de los sondeos previamente
registrados.
- Propiedades geotécnicas, constituida por un conjunto de archivos donde se almacenan los
valores numéricos de las propiedades geotécnicas (contenido de agua, resistencia de punta
de cono eléctrico, Número de golpes de SPT) obtenidos a partir de los perfiles geotécnicos.
Para este trabajo, se implementó un procedimiento parcialmente automatizado (fig. 3.20) Los
datos numéricos se encuentran organizados en forma tabular, bajo el siguiente orden:
coordenada X, coordenada Y, profundidad Z y el valor del parámetro.
- En general, la estructura de los archivos de datos consiste de una tabla de tres columnas por n
número de líneas:
- Estratigrafía, constituida por un conjunto de archivos donde se registra la profundidad y
espesor de las capas típicas del subsuelo en la zona lacustre (CD, FAS, CD, FAI, DP).
Coordenada X: 496183.49
Coordenada Y: 2166920.69
Figura 3.20. Procedimiento para la generación de archivos de datos numéricos.
99
Los errores intrínsecos asociados a los datos experimentales, como se expone en el aparto 3.3,
no son considerados en este trabajo. Por tanto, los datos numéricos provenientes de los perfiles
geotécnicos se consideran como valores reales del medio estudiado.
c) Análisis estadístico
Análisis estadísticos tradicionales. Con el propósito de tener un conocimiento previo del

comportamiento de los datos se realizarán un análisis estadístico tradicional de los datos de las
propiedades analizadas para la caracterización del subsuelo lacustre. Este análisis combinado
con las evidencias geológicas permitirá definir si el medio puede representarse mediante un
modelo único o si al contrario debe dividirse en varios subdominios. Los parámetros principales
que se estiman son:
- valor esperado
- varianza
- desviación estándar
- coeficiente de variación
- Histograma
En la muestra es posible que existan valores atípicos (outliers, en inglés), su detección y posible
eliminación es importante, puesto que, pueden influir significativamente en los resultados de las
etapas posteriores. Debe considerar dos categorías de outliers (Díaz y Casar, 2004):
- los distribucionales que son los que tienen valores que se alejan significativamente del valor
medio de la muestra.
- y los espaciales son los que tienen un valor muy diferente al de sus vecinos más cercanos
Además, se realiza también un análisis de la distribución espacial de los datos muestrales a fin de
conocer si están distribuidos en forma homogénea en el área de estudio o si presenta una
distribución preferencial por zonas o en alguna dirección.
Definición de tendencias. Si en el medio geológico considerado, la esperanza, la varianza y los

demás parámetros son constantes, se dice que es estadísticamente homogéneo. En este caso, se
acepta generalmente que el campo es ergódico (es decir, que sus parámetros pueden ser
estimados a partir de una sola función muestra o realización; Auvinet, 2002). Si algunos
parámetros como la esperanza y la varianza del campo no son constantes se dice que presentan
cierta tendencia o deriva, es decir, que el campo es no estacionario.
La determinación de la tendencia se realiza generalmente mediante el ajuste de un modelo lineal

(hiperplano en los casos de 2D y 3D) de la forma:
V * x   ax en una línea (1D)
V * x, y   ax  by  c en un plano (2D) (3.36)
V * x, y, z   ax  by  cz  d en un volumen (3D)
donde a, b, c, d son los coeficientes de regresión.
La tendencia puede evaluarse a partir de los coeficientes de regresión lineal, se construye una
gráfica de regresión (recta o plano) que representa la tendencia. En la fig. 3.21 se presenta un
100
ejemplo de regresión lineal para un análisis de datos distribuidos en un plano (2D). A partir de esta
representación gráfica, el criterio para valorar si el campo es o no estacionario es:
1. Si el plano de regresión exhibe una pendiente prácticamente nula se dice que el campo no
presenta tendencia y, por tanto, es estacionario.
2. Si el plano de regresión exhibe una pendiente considerable se dice que el campo presenta
tendencia y, por tanto, es no estacionario.
3. Cuando es posible aceptar la hipótesis de que el valor esperado de la variable de interés es
constante en todo el dominio (eventualmente después de haber removido la tendencia) y que la
autocovarianza espacial depende solamente de la distancia entre los puntos X1 y X2, se dice
que el campo es estacionario en el sentido amplio.
SI NO
¿Existe tendencia?
z  ax  by  c
Transformarción
Campo no estacionario Campo estacionario
(campo residual
(Con tendencia) (Sin tendencia)
estacionario)
Campo original Campo residual
Figura 3.21. Esquema representativo de la evaluación de la estacionaridad.
d) Análisis estructural
El propósito del análisis estructural, en este trabajo también llamado de correlación espacial es
determinar cuantitativamente la dependencia espacial de las mediciones del campo y definir
modelos de correlación espacial representativos de dicho campo.
Por tanto, el análisis estructural consiste en determinar los parámetros y funciones

(autocorrelación, autocovarianza, coeficiente de autocorrelación) que describen un campo
aleatorio, a partir de los datos disponibles. En este trabajo, los parámetros y funciones se estiman
a partir de los resultados “discretos” (muestras aisladas) o “continuos” (sondeos) de las campañas
de exploración, considerando diferentes incrementos de desplazamiento hi, tomando como valor
inicial la distancia típica que existe entre los datos y hasta un incremento máximo hmáx del 60% de
la distancia que existe entre los datos más distantes.
Otra técnica para describir la estructura de correlación espacial de las propiedades del suelo
consiste en utilizar el momento de segundo orden del incremento del campo aleatorio V(X) o
101
variograma. En la práctica su interpretación podría ser un tanto subjetiva, por lo que, en este
trabajo se emplea el correlograma, puesto que, su interpretación es menos subjetiva.
e) Anisotropía
En el caso de un estudio en dos o tres dimensiones, es importante determinar el grado de

anisotropía de cualquier propiedad del suelo V(X) dentro del medio. Para estimar la anisotropía,
se determina la función de autocovarianza en varias direcciones. Si el valor de la distancia de
correlación permanece constante en todas las direcciones estimadas, entonces se dice que el
campo es isótropo; en cambio, si esta distancia es variable para las diferentes direcciones, se dice
entonces, que el campo es anisótropo. La anisotropía de un campo aleatorio puede
frecuentemente representarse en forma geométrica a través de una elipse, llamada elipse de
anisotropía.
En este trabajo para identificar la anisotropía, las funciones (autocorrelación, autocovarianza,

coeficiente de autocorrelación) se calculan, en diferentes direcciones preferenciales, de acuerdo
con el tipo de dominio o región estudiado:
- Para un plano (2D): en cuatro direcciones referidas al azimut geográfico: Az = 0°, 45°, 90° y
135°.
- Para un volumen (3D): por sencillez se consideran únicamente las direcciones vertical y
horizontal.
En el caso de que los datos se encuentren distribuidos en forma aleatoria es necesario

proporcionar algunos parámetros que definen ciertas tolerancias lineales y angulares (fig. 3.22)
para la conformación de pares de datos que permitan calcular las anteriores funciones lo mejor
posible.
Ancho de banda
Dirección del h5
vector
h4
h3
h2
h1
Tolerancia angular
X
Figura 3.22. Definición de tolerancias (Deutch, 1992).
Finalmente, con base en las distancias de correlación y adoptando una función matemática de tipo
exponencial (ec. 3.30) se obtiene un modelo de correlación espacial. Este modelo constituye un
102
elemento importante en la etapa de predicción. En el caso de dos variables de interés

correlacionadas se determinarán sus correlogramas cruzados.
Cuando el campo aleatorio por estudiar es muy grande o incluye diferentes medios geológicos, lo
mejor es subdividir el dominio y definir un modelo de correlación para cada zona o medio
geológico, los cuales deberán emplearse para estimación y/o simulación en cada subdominio en
forma correspondiente. Procediendo de esta forma, se tendrá mejores resultados que al
considerar un modelo global para todo el campo estudiado.
f) Predicción
Para la predicción (estimación o simulación) se requiere:
1. Definir una malla de estimación: Si bien no hay restricciones para definir la malla de estimación,
para el caso de un análisis en un plano (2D), usualmente se eligen mallas regulares (fig. 3.23),
debido a que su geometría facilita la representación gráfica de los resultados en forma de mapas
de contornos, relieves, etc. Una recomendación práctica respecto al tamaño de la celda de la
malla es que debe ser de un orden aproximadamente igual a la distancia mínima de separación de
los datos, puesto que ésta es la resolución de la información que se dispone. Para el caso del
análisis en un volumen (3D), se requiere definir la posición de los puntos a lo largo de un eje, en
los que se estimarán valores a lo largo de la profundidad (fig. 3.24), es decir, la malla de
interpolación definirá la generación de perfiles estimados (virtuales) del parámetro que se analiza.
Por tanto, en este caso la malla de estimación estará definida por:
- Las coordenadas de los puntos inicial (x1, y1) y final (x2, y2) del eje de estimación.
- El número de puntos a estimar a lo largo del eje.
- Distancia o paso de cálculo a lo largo de la profundidad, z.
70
60
Coordenada Y (m)
50
40
30
20
10
0
0 10 20 30 40 50 60 70
Cordenada X (m) Puntos de datos

Puntos de estimación
Figura 3.23. Malla de estimación para el caso del análisis en un plano (2D).
103
Eje preferencial
Sondeo 1
y
Sondeo 2
x
z
V(X1)
V(X2)
V*(Xi)
Figura 3.24. Malla de estimación para el caso del análisis en un volumen (3D).
2. Definir una vecindad de búsqueda: La vecindad de búsqueda se define con respecto al punto a
estimar y determina cuales puntos vecinos potencialmente serán tomados en la estimación.
• Caso isotrópico: tomar una circunferencia con centro en el punto a estimar y radio igual o
menor a la distancia de correlación.
• Caso anisotrópico: tomar una elipse con centro en el punto a estimar y semiejes iguales o
menores a las distancias de correlación del correlograma anisotrópico (fig. 3.25).
Figura 3.25. Ejemplo de vecindad de búsqueda para el caso anisótropo (Díaz y Casar, 2009).
El Radio de búsqueda podrá ser igual a la distancia de correlación, un radio mayor que esta
distancia no tiene sentido, puesto que, ya no existe correlación.
3. Parámetros de correlación espacial: Se definen las distancias de correlación, en cada una de

las direcciones preferenciales de cálculo, así como, la función de ajuste del correlograma
experimental.
104
En el caso de que el análisis se realice con el campo residual, la estimación o simulación del
campo aleatorio se realiza considerando los datos del campo estacionario y, posteriormente, al
campo resultante se le agrega la tendencia eliminada.
g) Visualización
La interpretación de los resultados numéricos de la estimación (interpolación) o simulación

ordenados en forma tabular, no es sencilla; por lo que, en este trabajo se recurre a técnicas de
graficación avanzadas (programas comerciales) para construir perfiles, secciones transversales
(cortes), mapas de contornos o modelos de superficies, a partir de los valores puntualmente
estimados. Las representaciones gráficas permiten apreciar visualmente la distribución espacial
de las propiedades estudiadas. Asimismo, se tiene la ventaja de identificar zonas de
concentraciones de valores máximos y mínimos.
3.6.3 Aplicaciones de la geoestadística en la geotecnia
Los principios y técnicas de la geoestadística, definidos en el capítulo anterior, pueden ser

aprovechados en las aplicaciones prácticas de la geotecnia. En este capítulo se revisa el uso
potencial de estas herramientas, poniendo énfasis en el problema del muestreo, el mapeo de
propiedades y la definición de parámetros de diseño.
3.6.3.1 Problema del muestreo
Las consideraciones presentadas en los incisos anteriores permiten definir un marco conceptual
útil para el problema del muestreo, al que se enfrenta el geotecnista.
Al pretender definir una de las propiedades geotécnicas de un cierto dominio del subsuelo, el
geotecnista suele dividir dicho dominio en zonas (generalmente estratos) de características
aproximadamente homogéneas o cuya heterogeneidad siga una ley sencilla. Si V es la propiedad
de interés, se acepta entonces que, en cada zona, es posible asociar a cada punto del medio un
valor único de la propiedad de interés y que ésta varía en el espacio básicamente de acuerdo con
alguno de los modelos siguientes (Auvinet, 1986):
- La propiedad V es homogénea y determinista. En este caso, basta con una sola muestra para
determinarla.
- La propiedad V es determinista y sigue una ley de variación espacial simple (variación lineal por
ejemplo). Un número reducido de muestras es suficiente para definir totalmente la propiedad de
interés.
- La propiedad V es una variable aleatoria cuya función de densidad de probabilidad se supone
frecuentemente gaussiana y puede definirse mediante dos parámetros: esperanza E V y
varianza V2 . Por muestreo aleatorio o sistemático, en los que se admite que en cada punto se
repite el mismo experimento y que las muestras son independientes entre sí, se obtienen
estimadores de los parámetros de interés. El número de muestras requerido depende de la
precisión y del nivel de confianza con el que se quieran conocer los parámetros (Cochran, 1977).
- La propiedad es una función aleatoria espacial V(x, y, z). Si esta función se considera
estacionaria y no correlacionada en el espacio, esta hipótesis equivale a la del inciso anterior. Si
105
la misma función se considera perfectamente correlacionada en el espacio, al igual que en el

modelo determinista, basta con una muestra única para levantar la incertidumbre. Sin embargo,
en el caso general existirá una correlación espacial que se expresará mediante la función de
autocorrelación. En ocasiones, será posible admitir que la función aleatoria tiene incrementos
estacionarios o que sigue otra ley de variación simple. El número de muestras requerido
depende entonces de la ley aplicable y se determina con consideraciones análogas a las del
inciso anterior.
Otro aspecto de gran relevancia es establecer las dimensiones mínimas que debe tener una
muestra para ser representativa del dominio de suelo en estudio. La definición de estas
dimensiones mínimas se basa usualmente en consideraciones puramente empíricas. Por lo que
se refiere a las características estructurales del medio, para las cuales el efecto de escala es
puramente geométrico, es posible abordar este problema en forma racional con base en el
concepto de efecto de escala geométrico o de reducción de varianza.
3.6.3.2 Mapeo
En geoestadística además de emplear herramientas numéricas también se recurre al empleo de

herramientas gráficas para describir la variabilidad de las variables del suelo.
En el caso de la estimación puntual en dos dimensiones, la técnica del kriging proporciona valores
esperados en puntos donde no se conoce el valor del campo, a partir de puntos de datos
generalmente espaciados en forma irregular. En el caso de contar con un número suficiente de
estimaciones puntuales puede recurrirse a la técnica llamada de mapeo que consiste en la
elaboración de mapas de contornos o de superficies tridimensionales que permiten realizar una
interpretación en forma visual de la variación espacial de las propiedades de interés (Hohn, 1988).
a) Mapa de contornos
Los valores estimados puntualmente V(x, y) sobre los nodos de una malla regular dentro de un
campo aleatorio, pueden representarse gráficamente mediante un diagrama denominado mapa de
contornos. Este mapa consiste en un conjunto de líneas que unen puntos de igual valor (líneas de
isovalores o de contornos) del campo aleatorio.
En el caso de la estimación, los mapas de contornos describen gráficamente los valores esperados
de una variable de interés. El espaciamiento relativo entre líneas indica la variación del campo
aleatorio. Además, permiten identificar zonas de concentración de valores máximos y mínimos del
campo.
Por otra parte, al aplicar la técnica de estimación de kriging se obtiene también un valor de
varianza o desviación estándar del estimador, con los cuales se puede asimismo construir un
mapa de contornos de la incertidumbre asociada a la estimación. Así, la geoestadística
proporciona una medida gráfica de incertidumbre que permite establecer intervalos de confianza
alrededor de los valores esperados, resaltando las zonas de mayor y menor incertidumbre sobre
la estimación. Las zonas de mayor incertidumbre de mapas indican que se requiere más
información.
106
Una aplicación derivada de la técnica de mapeo puede presentarse en el caso de un programa de

reconocimiento del subsuelo, donde un mapa de contornos de incertidumbre puede ayudar a
identificar puntos donde se requiere realizar más sondeos.
En el caso de la simulación también puede construirse un mapa de contornos con los resultados
obtenidos, generando así una posible realización o imagen del campo que permite apreciar en
particular valores extremos potencialmente problemáticos.
b) Superficies tridimensionales
A partir de los mismos resultados de la estimación del campo aleatorio, es posible elaborar mapas de
superficies en tres dimensiones, asignando como coordenada z (de elevación) el valor puntual
estimado. En forma visual, estas superficies permiten apreciar en mejor forma las variaciones
espaciales del campo aleatorio.
Las elevaciones y depresiones que se generan sobre las superficies tridimensionales indican
respectivamente las zonas donde se concentran los valores máximos y mínimos del campo aleatorio,
por otra parte dan una idea de la variación en magnitud de la variable analizada.
También puede elaborarse una superficie tridimensional de la varianza o desviación estándar de la

estimación, la cual permite distinguir visualmente el grado de incertidumbre asociado a la estimación,
de igual forma, los valores máximos generarán elevaciones mientras que los mínimos depresiones.
3.6.3.3 Selección de parámetros de diseño
Una de las aplicaciones directamente relacionadas con la geotecnia es la selección de los

parámetros de diseño mediante un criterio geoestadístico. En Geotecnia, la selección de los
parámetros de diseño es un problema que no está resuelto en forma satisfactoria. Como ejemplo
ilustrativo se considera el diseño de la zapata de cimentación desplantada sobre un estrato de
suelo cohesivo considerado, por sencillez, como estadísticamente homogéneo, fig. 3.26.
Puntos de estimación Línea de falla

de la cohesión
Suelo cohesivo
(Estadísticamente homogéneo)
Figura 3.26. Zapata de cimentación (Auvinet, 2002).
107
De acuerdo con el ejemplo, con las Normas Técnicas Complementarias para Diseño y
Construcción de Cimentaciones para el Distrito Federal (NTC-DCC-DF), debe realizarse la
revisión de capacidad de carga a corto plazo y de los asentamientos de la zapata. Para efectuar
estas dos revisiones, comúnmente se cuenta con pocas determinaciones experimentales de los
parámetros involucrados: para la capacidad de carga el valor de la cohesión determinada en
pruebas triaxiales no drenadas y para los asentamientos los valores de la compresibilidad.
En la práctica, existen criterios muy diversos para pasar de los datos disponibles a los parámetros
de diseño. Por ejemplo, es común que se adopte como representativo el valor más desfavorable
determinado o bien el promedio de los datos disponibles, sin que exista una justificación clara
para ello. Estos criterios empíricos no son satisfactorios, lo cual hace necesario recurrir a nuevas
técnicas.
La selección de los parámetros de diseño puede realizarse en forma más racional recurriendo a
los conceptos de la geoestadística presentados en los capítulos anteriores.
Retomando el problema de la zapata, las dos revisiones que establecen las NTC-DCC-DF pueden
realizarse bajo los siguientes criterios:
a) Para la capacidad de carga, se sabe que la resistencia a la falla está dada por la cohesión a lo
largo de la superficie de falla, por lo que es importante conocer el parámetro a lo largo de dicha
superficie. Para ello, si se recurre a un modelado geoestadístico de la cohesión es posible
estimar puntualmente varios valores del parámetro a lo largo de dicha superficie de falla
(kriging puntual), fig. 3.23, tomando en cuenta la correlación espacial entre los datos
experimentales del parámetro. Como alternativa, es posible estimar la cohesión media a lo
largo de la superficie de falla (kriging global).
En realidad el problema es más complejo, puesto que no es únicamente estadístico sino también
mecánico. Así, en el caso de materiales que pueden presentar falla progresiva, el promedio de las
cohesiones (resistencias de pico) a lo largo de la superficie de falla no es representativo para el
cálculo de la capacidad de carga. Además, en rigor, las pruebas de laboratorio representativas
dependen de la posición del punto considerado sobre la superficie de falla y su orientación, por lo
que, las pruebas representativas van desde pruebas de compresión triaxial a pruebas de corte
directo y pruebas de extensión. Sin embargo, aún en caso de considerar modelos que tomen en
cuenta los aspectos anteriores, el efecto de reducción de variancia tiene una gran importancia.
b) para la estimación de los asentamientos, se requiere conocer el valor de la compresibilidad del

suelo bajo la zapata, pero en muchos casos se cuenta con este valor en forma puntual. Una
mejor estimación del asentamiento puede obtenerse considerando el valor medio de todo el
volumen de suelo bajo la zapata. Para lo anterior, puede recurrirse también al modelado
geoestadístico de la compresibilidad y estimar el valor medio del parámetro del volumen de
suelo involucrado (kriging global).
Además de las estimaciones puntuales o globales, la geoestadística proporciona una medida de la

incertidumbre que puede tomarse en cuenta en análisis de confiabilidad de la cimentación
considerada.
108
3.6.4 Algoritmos optimados y desarrollados
Con el fin de facilitar la estimación de todos los parámetros y funciones definidas en los capítulos
anteriores para la aplicación práctica del presente trabajo, se revisaron y optimaron un conjunto de
programas algorítmicos para computadora, elaborados en diferentes lenguajes de programación.
a) Programa Geostatistics Software Library (GSLIB)
El conjunto de programas denominado GSLIB fueron desarrollados en el lenguaje de

programación Fortran (Deutsch, 1992). Estos programas permiten realizar un análisis estructural
de uno o más campos aleatorios en forma simultánea, opcionalmente se puede estimar la función
de autocovarianza, la función de segundo orden del proceso incremental. Realiza estimación
puntual mediante la técnica de Kriging y adicionalmente permite también realizar simulación
condicional.
b) Programa Sistema de Apoyo al Análisis Geoestadístico (SAAG)
El programa denominado SAAG (fig. 3.24) fue desarrollado en leguaje de programación C-Builder
(Dávalos, Medina y Auvinet, 2001). El programa permite calcular la función de correlación
espacial, la estimación puntual mediante la técnica de probabilidad condicional (Kriging simple) y
la simulación de perfiles de la propiedad del interés del subsuelo, a partir de los datos de sondeos.
Una limitante de este programa es que los análisis se realizan por etapas, en las que el usuario
toma participación directa al realizar algunos cálculos en forma personal fuera del programa, lo
que amplía el tiempo para realizar un análisis.
Figura 3.24. Programa SAAG (Auvinet et all, 2000).
109
c) Programa Modelado, Estimación y Simulación de Campos Aleatorios (MESCAL)
Existen dos versiones de este programa:
MESCAL 2000 (Laboratorio de Geoinformática, 2000): desarrollado en lenguaje de programación

VisualBasic 5 y empleado particularmente en el trabajo Aplicación de la Geoestadística a la
Descripción del Subsuelo del Valle de México (Juárez, 2000). Este programa (fig. 3.25) está
basado en un conjunto de programas originalmente desarrollados en lenguaje Turbo Basic
(Auvinet, 1988) para un estudio de extracción de carbón en paneles horizontales de minas, por lo
que, en un inicio fue llamado CARBON. El programa permite:
- realizar interpolación lineal para generar archivos de datos continuos en 1D y 2D.
- calcular la regresión lineal de un campo aleatorio en 1D y 2D.
- calcular la función de autocovarianza y el coeficiente de autocorrelación para un campo aleatorio
en 1D y 2D.
- realizar el ajuste exponencial a los datos de la función de autocorrelación 1D y 2D.
- estimar la esperanza y la varianza condicional de un campo aleatorio en 1D y 2D.
Figura 3.25. Programa MESCAL 2000 (Laboratorio de Geoinformática, 2000).
Este programa tiene algunas limitaciones:

- en cada etapa, el usuario toma participación para realizar algunos cálculos en forma
personalizada fuera del programa.
- maneja un bajo número de datos.
- no incluye el análisis de correlación espacial y la estimación en 3D.
- no emplea la técnica de Kriging Ordinario para la estimación en 1D y 2D.
- no incluye realizar simulaciones.
110
MESCAL 2012 ((Laboratorio de Geoinformática, II-UNAM, 2012): desarrollado en lenguaje de

programación VisualBasic (Visual Studio, 2010) como parte del presente trabajo para facilitar los
análisis geoestadísticos de las propiedades geotécnicas del subsuelo (fig. 3.26).
Figura 3.26. Programa MESCAL 2012 (Laboratorio de Geoinformática, 2012).
El programa permite realizar análisis completos en forma guiada, lo cual facilita y reduce el tiempo
de los análisis, ya que permite:
- Capturar y generar archivos de datos en forma ágil y eficiente.
- Leer y editar archivos de datos existentes.
- Realizar el análisis estadístico de los datos de un campo aleatorio.
- Calcular la regresión lineal sobre una línea (1D), un plano (2D) o un volumen (3D).
- Calcular las funciones: autocorrelación, autocovariancia y coeficiente de autocorrelación sobre
una línea (1D), un plano (2D) o un volumen (3D).
- Graficar y modelar el correlograma experimental.
- Realizar predicciones: estimación (Kriging Ordinario) y simulación (condicional) sobre una línea
(1D), un plano (2D) o un volumen (3D).
Las ventajas de este programa sobre la versión anterior son:

- El usuario realiza el análisis completo dentro del mismo programa.
- maneja un alto número de datos.
- incluye el análisis de correlación espacial en 1D, 2D y 3D.
- realiza la estimación en 1D, 2D y 3D.
- emplea la técnica de Kriging Ordinario para la estimación en 1D, 2D y 3D.
- incluye realizar simulaciones en 1D, 2D y 3D.
- menor tiempo de cálculo.
111
CAPÍTULO 4
113
Tesis Digitales

CAPÍTULO 4
4. ANÁLISIS GEOESTADÍSTICO DEL SUBSUELO LACUSTRE
En este apartado se presenta la aplicación de la geoestadística al análisis de la distribución

espacial del subsuelo lacustre del valle de México, tomando como variables geotécnicas el
contenido de agua, la resistencia de punta de cono eléctrico y en número de golpes en SPT, así
como el espesor y profundidad de las diferentes capas típicas del subsuelo.
El análisis de la distribución espacial de las propiedades índice, mecánicas y geométricas del

subsuelo del suelo lacustre se realizó con base en los perfiles geotécnicos integrados en el SIG-
SG (Laboratorio de Geoinformática, II-UNAM, 2012), el fundamento teórico y la metodología
descrita en el capítulo precedente. Como resultado, se elaboran modelos que representan la
distribución espacial de las propiedades analizadas, para algunos sitios y zonas estudiadas.
Los datos experimentales se obtuvieron de los perfiles geotécnicos integrados en el SIG-SG. La

selección de los sondeos se basó principalmente en la antigüedad de los sondeos. Para este
trabajo, se consideró incluir datos de sondeos realizados de 1990 a 2012. Después de seleccionar
los sondeos se procedió a digitalizar los datos pasando de información analógica (imagen del
perfil geotécnico) a información numérica de los valores de la variable, por ejemplo el contenido
de agua, w(%) y su profundidad correspondiente. La caracterización estratigráfica de los sondeos
geotécnicos se realizó con base en el modelo estratigráfico propuesto por Marsal y Mazari (1959).
Los primeros tres ejemplos presentados en este capítulo para 1D, 2D y 3D, ilustran la metodología
de la aplicación práctica para diferentes espacios, asimismo, con ellos se pretende también
establecer algunos criterios para el modelado de la dependencia espacial y la predicción. Una vez
definidos los criterios, en los ejemplos subsecuentes, la metodología se aplica en forma
sistemática a un alto volumen de datos con el propósito de obtener modelos que describan la
distribución espacial de las propiedades del subsuelo.
Debe señalarse que debido al fenómeno del hundimiento regional las profundidades actuales de
las capas típicas del subsuelo pueden ser sensiblemente menores a las registradas en los
sondeos más antiguos. Asimismo, se adoptó como límite del dominio estudiado la Zona
Geotécnica I (Zona de lomas) propuesta en las Normas Técnicas Complementarias para Diseño y
Construcción de Cimentaciones (GDF, 2004b).
Por limitaciones de espacio, el tamaño de los mapas y modelos generados en este trabajo es
reducido. Por tal motivo, en algunos de ellos no es posible apreciar con detalle la información que
contienen. Para obtener un mayor detalle sobre los mapas y modelos, se sugiere consultar la
versión electrónica de este mismo trabajo.
115
CAPÍTULO 4. ANÁLISIS GEOESTADÍSTICO DEL SUBSUELO LACUSTRE
4.1 Análisis de la distribución espacial del contenido de agua en un

sondeo (1D)
Para ilustrar el análisis de distribución espacial de las propiedades geotécnicas del subsuelo en
sondeos geotécnicos individuales (1D), se emplean los datos del contenido de agua tomados de
un sondeo realizado en el sitio Centro Urbano Presidente Juárez (CUPJ). El contenido de agua,
w(%), es la propiedad índice de los suelos que más destaca, especialmente para materiales
cohesivos, debido a las correlaciones que presenta con el tipo de material y con las propiedades
mecánicas. En la fig. 4.1, se muestra la ubicación del sondeo y el perfil del contenido de agua
(Jaime y Romo, 1986), donde se observa que se realizó un alto número de ensayes para
determinar esta propiedad.
Contenido de agua, w(%)

0 100 200 300 400 500 600
0
Contenido de agua
Media
Tendencia
10
FAS
(FORMACIÓN
TACUBAYA)
15
20
Profundidad, Z(m)
25
30
35
40
45
Figura 4.1. Perfil de contenido de agua, sondeo en el sitio CUPJ.

FAS Formación Arcillosa Superior
116
Definición del dominio del campo aleatorio
Los valores del contenido de agua, w(%), se consideran como un campo aleatorio V(X), distribuido
dentro de un espacio Rp, con p=1 (sondeo, 1D). El conjunto de valores medidos dentro del
dominio Rp, constituye una muestra de ese campo aleatorio. La profundidad es asociada a la
coordenada Z.
De acuerdo con los valores de contenido de agua mostrados en la fig. 4.1, se observa que los
valores altos se ubican en la parte superior, que corresponden a la FAS. La magnitud decrece
progresivamente con la profundidad; en la FAI se encuentran los valores bajos de contenido de
agua de la arcilla lacustre, eventualmente también aparecen intercalados valores de baja
magnitud que corresponden a lentes de suelos rígidos (limo y arena).
Por lo anterior, con el propósito de evaluar la correlación espacial en campos con características
homogéneas y heterogéneas, el análisis se realiza considerando dos campos aleatorios, uno
heterogéneo (sondeo completo) y otro homogéneo (FAS).
Análisis estadístico
A partir de los datos experimentales y aceptando la hipótesis de ergodicidad de los campos

aleatorios considerados, se estiman sus principales parámetros estadísticos. Los resultados se
presentan en la tabla 4.1.
Tabla 4.1. Parámetros estadísticos del contenido de agua en el sitio CUPJ.

Valor
Parámetro
Sondeo completo FAS
No. de datos 299 189
Media, m(%) 189.45 231.1
Varianza, 2(%)2 13462.78 13247.7
Desviación estándar, S(%) 116.03 115.1
Coeficiente de variación, CV 0.61 0.50
Rango (%) 490.68 445.7
En la fig. 4.2 se presentan los histogramas para los campos analizados. Se observa que el
histograma del contenido de agua del sondeo completo presenta una distribución de frecuencia
con sesgo a la izquierda, en cambio, el histograma de la FAS presenta una distribución
aproximadamente simétrica, de tipo normal. Por tanto, puede decirse que para el caso del
contenido de agua, al subdividir el campo aleatorio en subdominios con características físicas
prácticamente homogéneas se obtendrán histogramas con distribución normal.
117
60 35
50 30
25
Número de sondeos
Número de sondeos
40
20
30
15
20
10
10
5
0 0
0 50 100 150 200 250 300 350 400 450 500 550 50 100 150 200 250 300 350 400 450 500 600
Contenido de agua, w(%) Contenido de agua, w(%)
a) Sondeo completo b) FAS

Figura 4.2. Histogramas del contenido de agua, sitio CUPJ.
Análisis de correlación espacial
Un análisis de regresión buscando ajustar a los datos una recta de ecuación V = ax+b, se
obtienen los coeficientes de regresión lineal siguientes:
Para el sondeo completo: a = -4.081 y b = 272.871

Para la FAS: a = -3.289 y b = 297.087
Con los anteriores coeficientes de regresión lineal se representa gráficamente la tendencia de los
campos aleatorios mediante una línea de regresión, como se muestra en las figs. 4.3 y 4.4; en
ellas se observa que existe una tendencia negativa con respecto a la profundidad, es decir, en
ambos casos se trata de campos aleatorios no estacionarios.
Para determinar la correlación espacial es necesario convertir los campos aleatorios no

estacionarios a otros que si lo sean. Esto se logra eliminando la tendencia del campo original,
obteniendo así un campo aleatorio residual que será estacionario, como se muestra en las figs.
4.3 y 4.4, donde se observa que la línea de tendencia, al no tener pendiente, coincide con la
media.
En el caso particular de este trabajo, con el propósito de evaluar la incidencia de la tendencia en

la correlación espacial, la función del coeficiente de autocorrelación se calcula de acuerdo con las
funciones presentadas en la sección 3.6, considerando cuatro alternativas:
- Sondeo completo: campo aleatorio estacionario y no estacionario.

- FAS: campo aleatorio estacionario y no estacionario
A partir de los correlogramas experimentales se calculan las distancias de correlación, =2a, los
resultados se presentan en la tabla 4.2, donde se observa que las distancias de correlación son
mayores para los campos aleatorios no estacionarios.
118
Contenido de agua. w(%)

O , 00 :¡{lO ::00 400 500 600
O~~ _ orun"""" ...

____ M''''"
-- ,~
",--1
20 "
E
~ N
~
~
• •
~
~
,e " ~
~
e
~ "e
~
+
'"
"L---"_--'-_'------'-_~_
b) FAS, campo original c) FAS, campo residual

Figura 4.3. Perfil del contenido de agua, sitio CUPJ (Jaime y Romo, 1986).
119
a) Sondeo completo b) FAS, campo original c) FAS, campo residual

Figura 4.4. Perfil del contenido de agua en la FAS, sitio CUPJ (Jaime y Romo, 1986).
Tabla 4.2. Distancias de correlación del contenido de agua en el sitio CUPJ.

Parámetro  (m)
Sondeo completo, campo original (no estacionario) 2.8
Sondeo completo, campo residual (estacionario) 2.1
FAS, campo original (no estacionario) 1.0
FAS, campo residual (estacionario) 0.8
Por otra parte, con el propósito de obtener el mejor modelo de correlación espacial, las diferentes
funciones presentadas en la tabla 3.2 son ajustadas a cada uno de los correlogramas
experimentales, empleando en cada caso la distancia de correlación correspondiente, tabla 4.2.
En las figs. 4.5(a) y 4.6(a) se presentan los correlogramas experimentales con seis modelos o
funciones de ajuste y en las figs. 4.5(b) y 4.6(b) se presentan los mismos correlogramas
experimentales con los tres modelos de correlación que mejor se ajustan.
120
Correlograma de contenido de agua en la FAS Correlograma de contenido de agua en la FAS
1 1
Correlograma experimental Correlograma experimental
Lineal Exponencial simple
0.8 0.8
Exponencial Exponencial cuadrada
Exponencial simple Exponencial cosenoidal
Coeficiente de autocorrelación, 
0.6 Exponencial cuadrada 0.6
Exponencial cosenoidal
0.4 Exponencial cuadrada Gaussiana
0.4
0.2 0.2
0 0
0 2 4 6 8 10 12 14 16 18 20 0 2 4 6 8 10 12 14 16 18 20
-0.2 -0.2
-0.4 -0.4
-0.6 -0.6
 = 2.8m  = 2.8m
-0.8 -0.8
Distancia, h(m) Distancia, h(m)
a) Campo no estacionario
Correlograma con
de contenido de agua en laseis
FAS modelos b) Campo no estacionario
Correlograma con
de contenido de aguatres modelos
en la FAS
1 1
0.8 0.8
Exponencial Exponencial cuadrada
Exponencial simple Exponencial cosenoidal
0.4
0.2 0.2
0 0
0 2 4 6 8 10 12 14 16 18 20 0 2 4 6 8 10 12 14 16 18 20
-0.2 -0.2
-0.4 -0.4
-0.6 -0.6
 = 2.1m  = 2.1m
-0.8 -0.8
a) Campo estacionario con seis modelos b) Campo estacionario con tres modelos
Figura 4.5. Correlogramas del contenido de agua del sondeo completo, sitio CUPJ.
Correlograma de contenido de agua en la FAS Correlograma de contenido de agua en la FAS
1
1
Lineal
0.8 0.8
Exponencial simple
Exponencial
Exponencial cuadrada
Exponencial simple
0.6 Exponencial cosenoidal

Exponencial cuadrada 0.6

0.4
0.2 0.2
0 0
0 1 2 3 4 5 6 7 8 9 10 0 1 2 3 4 5 6 7 8 9 10
-0.2 -0.2
-0.4 -0.4
-0.6 -0.6
 = 1m  = 1m
-0.8 -0.8
a) Campo no estacionario
Correlograma con
de contenido de agua en laseis
FAS modelos b) Campo no estacionario
Correlograma con
de contenido de aguatres modelos
en la FAS
1 1
0.8 0.8
Exponencial
Exponencial cuadrada
Exponencial simple

0.4
0.2 0.2
0 0
0 1 2 3 4 5 6 7 8 9 10 0 1 2 3 4 5 6 7 8 9 10
-0.2 -0.2
-0.4 -0.4
-0.6 -0.6
 = 0.8m  = 0.8m
-0.8 -0.8
a) Campo estacionario con seis modelos b) Campo estacionario con tres modelos
Figura 4.6. Correlogramas del contenido de agua en la FAS, sitio CUPJ.
121
En las gráficas anteriores se observa que la función que mejor ajusta a los correlogramas
experimentales es la de tipo exponencial simple (VanMarcke, 1984), por lo que este modelo es el
que se adopta para los ejemplos de aplicación realizados en este trabajo:
 2h 
 h 
  
  exp (4.1)
Debe tenerse presente que en geoestadística se trabaja con datos correlacionados, por tanto, al
definir el modelo teórico de correlación se busca que el ajuste sea representativo en los primeros
metros del modelo experimental, ya que éstos definen la dependencia lineal entre sondeos. Por
tanto, los modelos de correlación espacial a emplear para la predicción se muestran en la fig. 4.7
Correlograma de contenido de agua en la FAS
1
0.8 Exponencial simple
0.6
0.4
0.2
0
0 2 4 6 8 10 12 14 16 18 20
-0.2
-0.4
 = 2.1m
-0.6
-0.8
Distancia, h(m)
a) Sondeo completo
1
0.8 Correlograma exponencial
0.6
0.4
0.2
0
0 2 4 6 8 10 12 14
-0.2
 = 0.8m
-0.4
-0.6
Distancia, h (m)
Separación, h(m)
b) FAS
Figura 4.7. Correlogramas del contenido de agua, sitio CUPJ.
122
Predicción
La estimación del contenido de agua se realiza empleando la técnica del Kriging Ordinario, con los
datos del campo residual y las distancias de correlación obtenidas. La estimación final del campo
se obtiene reincorporando la tendencia a los resultados de la estimación puntual. La malla de
estimación para cada caso queda definida por los parámetros de la tabla 4.3.
Tabla 4.3. Parámetros de la malla de estimación, sitio CUPJ.

Parámetro Valor
Coordenada Z, del punto inicial (m) 4.5
Coordenada Z, del punto final (m) 29.5
Número de puntos a estimar 126
Separación entre puntos (cm) 20
Los resultados obtenidos de la estimación son los valores estimados V*(X) y la varianza de
estimación, en cada punto de la malla; la varianza de estimación eventualmente puede cambiarse
por la desviación estándar.
Validación cruzada
Como se indicó en la sección 3.6, en la geoestadística, la forma más objetiva de evaluar la

consistencia de las estimaciones es mediante la técnica de validación cruzada que consiste en
retirar un dato y estimarlo a partir del resto aplicando la técnica del Kriging Ordinario y
comparando los dos valores; entre menor sea la diferencia la estimación tendrá mayor
aproximación, es decir, la estimación será consistente.
Simulación
Recurriendo a la técnica de simulación condicional y empelandolos resultados del análisis

estructural, se construye una realización del campo a partir de los datos experimentales. La
simulación condicional se realiza sobre la misma malla definda para la estimación, asimismo, se
considera que el campo simulado se ajusta exactamente a los valores conocidos.
Visualización
A partir de los resultados numéricos de la estimación y recurriendo a técnicas de graficación se

elabora un perfil estimado (virtual) del contenido de agua que permite visualizar la distribución
espacial del parámetro analizado. En la fig. 4.8 se presentan los resultados de la estimación
puntual del sondeo completo y en la fig. 4.9 los resultados de la estimación para la FAS. De igual
forma, a partir de los valores de la desviación estándar de estimación se construye un perfil que
representa la incertidumbre asociada a la estimación (figs. 4.8 y 4.9).
En la fig. 4.10 se presentan los resultados de validación cruzada para el sondeo completo y para
la FAS, donde el perfil estimado y el de desviación estándar de estimación representan la
integración de los resultados individuales de validación cruzada obtenidos para cada uno de los
datos experimentales.
123
Los resultados puntuales de la simulación son mostrados en la fig. 4.11, los cuales representan
una posible configuración del contenido de agua dentro del campo (a lo largo de la profundidad).
Conten ido de agua, w(%) Desviación estándar de estimación

O 100 200 300 400 500 600 O 20 40 60
O O
Datos experime ntales L- Des viación es tá ndar de esti mación
~r
- Estimación
t2-=-
"
5 5 ~
~ •
~
r~
..:5
=-
~
10 10
t,
~
15 15 -~
r--
20
M-
-=e 20 ~
E
G21
1- E
N
"'ti 25
ro
"O ~~
~ N
"'ti 25
ro
"O
1f=-
'~
"O '6
~
e e
¡;" ~ ¡;"
"- 3 O "- 30 ~
~,
l' :ti
~
35 I -
ff3, 35 ?
j~
r r
~
4O 4O
~
45 45
Figura 4.8. Perfil estimado del contenido de agua para el sondeo completo, sitio CUPJ.
124
Figura 4.9. Perfil estimado del contenido de agua en la FAS, sitio CUPJ.
125
a) Validación cruzada, sondeo completo
b) Validación cruzada, FAS

Figura 4.10. Resultados de la validación cruzada del contenido de agua, sitio CUPJ.
126
a) Sondeo completo b) FAS

Figura 4.11. Resultados de simulación del contenido de agua, sitio CUPJ.
Interpretación de resultados
Como se observa en las figs. 4.8 y 4.9, las estimaciones se aproximan en gran medida a los datos
experimentales. Por otra parte, se observa que la varianza de estimación se aproxima a cero
cuando la distancia entre un punto de dato y un punto de estimación es muy corta, en cambio,
cuando esta distancia aumenta, la varianza de estimación también aumenta.
Los perfiles simulados de la fig. 4.11 representan una posible configuración de contenido de agua
dentro del campo (profundidad en el subsuelo), en él se observa que los perfiles simulados
presentan una mayor irregularidad que en el caso de la estimación.
127
4.2 Análisis de la distribución espacial de la profundidad de la capa

dura (2D)
La profundidad de la frontera superior de la capa dura (CD) representa un campo aleatorio V(X),
distribuido dentro de un espacio RP, con p = 2 (área de estudio). El conjunto de valores medidos
dentro del dominio RP, constituye una muestra de ese campo aleatorio. La aplicación se realiza en
un área aproximada de 27.5 km2, en el centro de la ciudad de México, mostrada en la fig. 4.12.
En la misma fig. 4.12, se indica la ubicación de los sondeos utilizados como soporte de datos
experimentales, donde las coordenadas (x, y) definen la posición de los sondeos en el sistema de
referencia UTM, Datum WGS84, Zona 14 Norte. Para este análisis se consideran únicamente
sondeos realizados aproximadamente en la misma época (1980-2000). Por otra parte, debe
señalarse que en el área de estudio se cuenta con más sondeos que los indicados en la fig. 4.12
pero la mayoría son poco profundos y no alcanzan la profundidad de la CD.
Figura 4.12. Área de estudio y distribución de datos de la profundidad de la CD.
128
Aceptando las condiciones de homogeneidad y ergodicidad (es decir, que sus parámetros pueden
ser estimados a partir de una sola realización del campo aleatorio en estudio), se estiman sus
principales parámetros estadísticos (tabla 4.4):
Tabla 4.4. Parámetros estadísticos de la profundidad de la CD.

Parámetro Valor
No. de datos 79
Media, m(m) 31.72
Varianza, 2(m2) 12.96
Desviación estándar, S(m) 3.6
Coeficiente de variación, CV 0.11
Un análisis de regresión lineal buscando ajustar a los datos un plano de ecuación V = ax+by+c, da
los coeficientes siguientes:
a = -0.00261322 b = 0.00096499 c = -838.400117
Con los anteriores coeficientes se representa la tendencia del campo aleatorio mediante una
superficie de regresión lineal (fig. 4.13).
Figura 4.13. Superficie de regresión lineal de la CD.
La fig. 4.13 muestra que al poniente la CD se encuentra a menor profundidad y se profundiza

hacia el centro de la ciudad de México. Esta tendencia es considerada en el análisis de
correlación espacial y en la estimación.
En este caso en particular, existen dos opciones para estimar los correlogramas experimentales
direccionales. La primera es considerar el campo aleatorio original (con tendencia) y la segunda
eliminar es convertir el campo aleatorio no estacionario a uno que si lo sea. Esto puede lograrse
eliminando la tendencia del campo original, obteniendo así un campo aleatorio estacionario, es
decir sin tendencia.
129
En ambos casos, las funciones de autocorrelación direccionales se estiman en cuatro direcciones

principales, definidas como sigue: 1 = Azimut 0° (N-S, eje Y); 2 = Azimut 45° (NE-SW); 3 =
Azimut 90° (E-W, eje X); 4 = Azimut 135° (SE-NW), con un paso de cálculo; h = 100 m. En la
fig. 4.14 se presentan los correlogramas experimentales direccionales para los campos original y
residual.
Correlogramas direccionales
1
Dir. AZ = 0°
0.8 Dir. AZ = 45°
Coeficiente de autocorrelació, 
Dir. AZ = 90°
0.6 Dir. AZ = 135°
0.4
0.2
0
0 500 1000 1500 2000 2500 3000
-0.2
-0.4
Distancia, h (m) Distancia,
Distancia h (m)
de separación, h (m)
a) Campo original (no estacionario) b) Campo residual (estacionario)

Figura 4.14. Correlogramas experimentales direccionales de la profundidad de la CD.
En la fig. 4.14(a) se observa que en las direcciones Az = 0° y Az = 90° no es posible estimar con
precisión las distancias de influencia, puesto que las funciones del coeficiente de autocorrelación
no logran alcanzar el valor cero. En cambio en las direcciones Az = 45° y Az = 135° las distancias
de correlación son más cortas y se definen con mayor claridad. En la fig. 4.14(b) se observa que
al eliminar la tendencia del campo aleatorio los correlogramas estimados resultan más adecuados
para estimar las distancias de influencia en todas direcciones, las cuales resultan más cortas.
Las distancias de influencia o correlación direccionales (), presentadas en la tabla 4.5, son
estimadas a partir de las funciones de los correlogramas experimentales direccionales de la
fig.4.14.
Tabla 4.5. Distancias de correlación direccionales de la profundidad de la CD.

Dirección (grados)  (m)
Az = 0° 1076
Az = 45° 730
Az = 90° 1112
Az = 135° 570
Los correlogramas experimentales direccionales de la fig. 4.14 son ajustados a una función de tipo
exponencial simple, los cuales se muestran en la fig. 4.15.
De acuerdo con los resultados de la tabla 4.5, la mayor correlación de los datos se presenta en la
dirección E-W y la menor en la dirección NE-SW. Para la estimación presentada a continuación se
emplean conservadoramente las distancias de correlación correspondientes a las direcciones Az =
45° y Az = 135°. Bajo esta consideración, en la fig. 4.16 se muestra la elipse de anisotropía
construida para el campo aleatorio definido por la profundidad de la CD, en la que se observa, que
la elipse de anisotropía definida por las distancias de correlación es prácticamente un círculo. Por
tanto, puede decirse que el campo es isótropo.
130
Correlograma dirección Az = 0° Correlograma dirección Az = 45°

1.00 1.00
Correl. Experimental Correl. Experimental
0.80 0.80 Correl. Exponencial
Correl. Exponencial
Coef. de autocorrelación, 
0.60 0.60
0.40 0.40
0.20 0.20
0.00 0.00
0 500 1000 1500 2000 2500 3000 0 500 1000 1500 2000 2500 3000
-0.20 -0.20
-0.40 -0.40
Distancia,
Distancia h (m) h (m)
de separación, Distancia,
de separación,
a) Correlograma dirección Az = 0° b) Correlograma dirección Az = 45°

Correlograma dirección Az = 90° Correlograma dirección Az = 135°
1.00 1.00
Correl. Experimental Correl. Experimental
0.80 Correl. Exponencial 0.80 Correl. Exponencial
0.60 0.60
0.40 0.40
0.20 0.20
0.00 0.00
0 500 1000 1500 2000 2500 3000 0 500 1000 1500 2000 2500 3000
-0.20 -0.20
-0.40 -0.40
Distancia,
de separación, Distancia,
de separación,
c) Correlograma dirección Az = 90° d) Correlograma dirección Az = 135°

Figura 4.15. Correlogramas experimentales y exponenciales de la profundidad de la CD.
Y= 0°
Dir. 45°
m
0
73
= °
45
0 135
X= 0°
° =
57
0
m
°
Dir. 135
Figura 4.16. Elipse de anisotropía para la profundidad de la CD.
Estimación
La estimación del campo aleatorio se realiza empleando la técnica del Kriging Ordinario, con los
datos del campo residual y las distancias de correlación obtenidas. La estimación final del campo
se obtiene reincorporando la tendencia a los resultados de la estimación puntual.
131
La malla de estimación queda definida por los parámetros:

 Coordenadas de los puntos opuestos que definen el área rectangular de la estimación:
p1(482500, 2145000); p2(487500, 2150500)
 Número de puntos a estimar:
- en dirección 1 = 0° (eje y) = 56
- en dirección 3 = 90° (eje x) = 51
- separación entre puntos = 100 m, en ambas direcciones.
 Anisotropía estructural:
- distancia de influencia en dirección 2 = 45°; 2 = 730m
- distancia de influencia en dirección  = 135°; 4 = 571m
Los resultados de la estimación consisten en un conjunto de valores tabulados ordenados en la

forma: coordenada X e Y, el valor estimado V*(X) y la varianza de estimación, para cada punto de
la malla. La varianza de estimación eventualmente puede sustituirse por la desviación estándar.
Simulación
Recurriendo a la técnica de simulación condicional se construye una realización del campo a partir
de los datos experimentales (fig. 4.12). Para la simulación condicional se emplea la misma malla
definda para la estimación. El campo simulado se ajusta exactamente a los valores conocidos.
Validación
Para evaluar la coherencia de los resultados obtenidos con ésta metodología, se aplica la técnica
de validación cruzada descrita en la sección 3.6 de este trabajo.
Visualización
La interpretación de los resultados numéricos obtenidos en la estimación no es sencilla, por lo

que, conviene recurrir a la técnica de mapeo y construir un mapa de contornos a partir de los
valores puntuales estimados que permita apreciar fácilmente, en forma visual, la distribución
espacial de la profundidad de la CD dentro del área estudiada, fig. 4.17(a). En la misma figura, se
ha trazado con línea discontinua la frontera entre las zonas geotécnicas II (de transición) y III (de
lago). Como puede observarse, en las zonas donde las curvas cruzan por esta frontera presentan
valores de menor profundidad, lo cual es razonable, puesto que en la zona II de transición la capa
dura se encuentra a menor profundidad. La varianza de estimación, que representa la
incertidumbre o error asociado a la estimación, se presenta en la fig. 4.18. Otra forma de
representar los resultados de la estimación, es mediante la construcción de una superficie
estimada, tomando el valor de la propiedad estimada como coordenada vertical (elevación) en
cada punto, fig. 4.17(b).
132
a) Mapa contornos
b) Superficie
Figura 4.17. Superficie de la profundidad estimada de la CD.
133
2150500
2150000
Varianza de
estimación
2149500
7
6.5
2149000
6
5.5
2148500
5
Y(m)
CoordenadaY(m)
4.5
2148000
Coordenasa
4
3.5
2147500
3
2.5
2147000
2
1.5
2146500
1
0.5
2146000
0
2145500
2145000
482500 483000 483500 484000 484500 485000 485500 486000 486500 487000 487500
Coordenada
CoordenadaX(m)
x(m)
Figura 4.18. Varianza de estimación de la profundidad de la CD.
Asimismo, los resultados puntuales de la simulación son representados por el mapa de contornos
de la fig. 4.19(a). El mapa de contornos generado representa una posible configuración de la
profundidad de la capa dura dentro del campo. Se observa que las curvas de contornos presentan
una mayor irregularidad que en el caso de la estimación. A fin de identificar los valores máximos y
mínimos en forma visual, puede también construirse una superficie tridimensional con los
resultados de la simulación, tomando los valores de la simulación como la coordenada vertical fig.
4.19(b).
De igual forma, en la fig. 4.20 se presentan los resultados de la validación cruzada.
134
a) Mapa de contornos
b) Superficie
Figura 4.19. Supercie de la profundidad simulada de la CD.
135
SIMBOLOGÍA
-35.5 Dato
-35.4 Valor estimado
a) Datos y estimaciones
2150500
2.931
3.564
2.488
5.003
2150000
4.481
4.771
4.583
2149500 5.1
4.469 2.462
2.447
4.479 4.9
2149000 4.34 3.416 2.533
3.61 2.138 4.7
3.031 2.924
3.026
2.961 3.008 3.655 4.125 4.5
2148500 2.786
2.832 4.3
3.911
3.911 2.725
3.938
3.719 3.533 4.1
Coordenada Y(m)
2.632
2148000 2.954 3.227
3.7343.427
3.912 3.344 4.024 3.9
2147500 3.7
4.648 4.474
3.464 3.5
3.11 4.745 3.3
2147000
4.426 3.884 3.1
4.119
2146500 4.603 2.9
3.921 2.7
4.965
2146000 2.5
3.184
3.267 2.3
2145500
4.52 3.41
3.424 4.996
5.019
2145000
2144500
482000 482500 483000 483500 484000 484500 485000 485500 486000 486500 487000 487500
Coordenada X(m)
b) Varianza de estimación
Figura 4.20. Resultados de la validación cruzada de la profundidad de la CD.
136
Interpretación de los resultados
Como se observa en las figs. 4.17(b) y 4.19(b), la superficie de la profundidad de la CD estimada

presenta un aspecto suavizado. En efecto, la técnica del kriging proporciona el valor esperado en
cada punto y por tanto suaviza la estimación. Asimismo, en las figs. 4.17(a) y 4.19(a), se observa
la configuración espacial de la capa dura particularmente en la cercanía de la línea de frontera
entre las zonas geotécnicas de lago y transición, lo cual ayuda a interpretar mejor la trayectoria de
dicha línea de frontera.
Por otra parte, los círculos trazados en las figs. 4.17(b) y 4.19(b), enmarcan una hondonada, la
cual corresponde en planta, al área del zócalo y alrededores, esto se debe a que en esta zona
donde tiene su origen la ciudad de México, se encuentran rellenos artificiales de espesores
considerables que producen un aumento de carga en la superficie del terreno al igual que el peso
de las primeras edificaciones construidas en esa zona, fig. 4.21. Dicho incremento de carga
aparentemente ha afectado a la Formación Arcillosa Inferior (FAI) lo que puede explicar la
existencia de esta depresión.
Figura 4.21. México Tenochtilán y Catedral metropolitana de la ciudad de México.
Si se realizan varias simulaciones del mismo campo es posible identificar zonas críticas, es decir,
valores máximos y mínimos, que puede tomar el campo en puntos específicos. Estos valores
pueden tener una gran relevancia desde el punto de vista de la ingeniería de cimentaciones.
Las curvas de igual profundidad y los modelos de superficie presentados en las figs. 4.17 y 4.19
son sólo ejemplos y están sujetas a revisión y verificación. La falta de certeza se debe
principalmente a varios factores entre los que se pueden mencionar la evolución de la estratigrafía
con el tiempo, la ubicación precisa de los sondeos y el criterio de interpretación estratigráfica.
Además, en algunos casos no es posible contar con los sondeos y sólo se cuenta con datos
específicos de profundidad y espesor de los diferentes estratos típicos del subsuelo.
137
4.3 Análisis de la distribución espacial del contenido de agua en el

subsuelo (3D)
Como se ha mencionado con anterioridad, el contenido de agua es la propiedad de los suelos que
más destaca (especialmente para materiales cohesivos), debido a las correlaciones que presenta
con las propiedades mecánicas. Por tal motivo, en esta sección se ilustra la aplicación de la
metodología geoestadística para el análisis de un volumen (3D) empleando como variable el
contenido de agua.
Para este análisis se consideran 95 sondeos distribuidos en forma aleatoria (fig. 4.22), dentro de
la zona lacustre en un área ubicada entre el centro y poniente de la ciudad de México, en el
contexto de la zonificación geotécnica vigente (GDFb, 2004).
Los valores del contenido de agua (w %) se considera como un campo aleatorio V(X), distribuido
dentro de un espacio Rp, con p = 3 (volumen de suelo, 3D). El conjunto de valores medidos dentro
del dominio Rp, constituye una muestra de ese campo aleatorio. El análisis geoestadístico del
contenido de agua se realizó en una área aproximada de 144.19 km 2, en una zona de suelo de
origen lacustre.
1322
3481
3476
EJE
567
1P
1948 4253
TE.
AL
1949
3528
CION
950
CAL
1947 3632
Z
O NA
. VA
2187
2155000
LLE
ECNIC
1160
E.
JO
NT
ES
POLIT
3616 4134 1405

NT
2284
GE
UR
3499
UTO
4350 3507
NS
3504
INSTIT
.I
1946
AV
496
COORDENADA Y (m)
CTO. IN 4393
TERIO 3579
R AV. RIO
498 1124 CONS
3628 3573 ULADO
4540
2152 1958
UNION
3519 1959 5308 3664

ZONA I
AV
1977 5305
RESO DE LA
3524
.M
CA
SUAREZ
2150000
AS
AR
LZ 5323
.M
IN
RO CARDEN
EX 5303 3817
A
4167 ICO
NA
61 1978 -T
AC 5251
C
5158 1979
E TLALPA JOSE MARIA PINO
IO
UB
AV. H. CONG
A 5094
NA
244 A 4505 5300

ONCOSO
L
2121 5479 FORM ZONA II

E
AR
RAL LAZA
5116
E L 3666 5164
OD
5488 SE
PA EPEC 5247
PULT
PASO Y TR
5527 5154
TE
2116 CH A
AV. 5630 4580
EJE 2 ORIEN
EJE CENT
N
UR
5641 5624 4556

SS
6138 5700
6037 ZONA III
O DEL
NTE
6137 4583 1957

5698
RGE
CALZ. D
1484 4270 3631

FRANCISC
5835 4271
INSU
3466
6326 3830
560 1027 VIADUCTO MIGUEL 1000 3000 5000
AV.
ALEMAN
2145000 6324 3669
3750 0 2000 4000
480000 485000
COORDENADA X (m)
Figura 4.22. Ubicación de sondeos con mediciones de contenido de agua.
138
A partir de los datos experimentales y aceptando las condiciones de homogeneidad y ergodicidad

de los campos aleatorios considerados, se estiman sus principales parámetros estadísticos (tabla
4.6):
Tabla 4.6. Parámetros estadísticos del contenido de agua en la zona lacustre.

Parámetro Valor
No. de datos 2088
Media, m(%) 181.40
Varianza, 2(%2) 14878.43
Desviación estándar, S(%) 121.98
Coeficiente de variación 0.67
El propósito del análisis de correlación espacial es determinar cuantitativamente la dependencia

espacial de las mediciones del campo y definir modelos de correlación espacial representativos de
dicho campo. En general, el campo está definido en tres dimensiones, sin embargo, por sencillez
el problema se reduce a la generación de dos modelos uno horizontal y otro vertical que
representen la correlación espacial del campo.
En este caso particular, para el estudio se cuenta con 46 sondeos que contienen un número
suficiente de mediciones y alcanzan una profundidad de exploración mayor a 15m. Por tal motivo,
con el propósito de obtener modelos de correlación espacial representativos del campo,
únicamente se emplean los datos de estos 46 sondeos (tabla 4.7) y para la estimación se
emplean los datos de los 95 sondeos.
La tendencia del campo se representa por un hiperplano con ecuación lineal V(X) = ax+by+cz+d,
donde “z” es la profundidad, “a, b, c, d” son los coeficientes de regresión lineal, que en este caso
resultan:
a = 0.0218 b =-0.0035 c =-1.8944 d = -2789.5337
Con los anteriores coeficientes de regresión se define la tendencia del campo aleatorio. Esta
tendencia es considerada para el cálculo de la correlación espacial. En la fig. 4.23, se representa
la dispersión de los datos de contenido de agua y tendencia con respecto a la profundidad, es
decir, en una dimensión. Aunque en la fig. 4.23 se observa que no existe una tendencia lineal
significativa del campo con respecto a la profundidad, el campo es considerado como no
estacionario y se transforma a un campo residual, con base en la tendencia previamente definida.
Con el propósito de tener una mejor definición de la correlación espacial, se obtiene la media de
los coeficientes de autocorrelación únicamente en dos direcciones principales una vertical y otra
horizontal.
139
Tabla 4.7. Coordenadas de los sondeos empleados en el análisis de correlación espacial.

Coord. X Coord Y Prof.
Clave Ubicación
(m) (m) (m)
4505 ISABEL LA CATOLICA NO 21 485708.17 2148603.87 45.60
4580 MERIDA No.50 483541.11 2147401.98 42.00
5094 CALLE HUMBOLDT Y AV. JUAREZ 484461.55 2148750.98 46.55
5116 INDEPENDENCIA Y SANJUAN DE LETRAN 485190.82 2148541.78 39.50
5154 JUAN DE LA GRANJA, ENTRE GENERAL ANAYA Y JUAN DE SAN CIPRIAN 487353.09 2147849.87 31.00
5158 TACUBA Y MARCONI 485333.19 2148875.67 39.00
5164 AV. BUCARELI No. 134 484038.30 2148012.86 44.00
5247 AV. CHAPULTEPEC Y DR. LUCIO 484224.00 2147746.15 42.90
5251 SAN IDELFONSO, DEL CARMEN Y VENEZUELA 486465.33 2148922.41 50.70
5300 REPUBLICA DE GUATEMALA Y REPUBLICA DE ARGENTINA 486169.24 2148761.11 51.10
5303 EJE 1 NORTE RAYON 486805.11 2149681.02 53.05
5305 COMONFORT No. 721 485818.68 2150060.46 34.10
5308 CALZADA RICARDO FLORES MAGON Y AV. INSURGENTES NORTE 484203.88 2150923.11 30.00
5479 CALLE RIO DANUBIO No. 56 482330.14 2148467.03 26.90
5624 TABASCO No. 93 483531.34 2147086.15 32.50
5630 LIVERPOOL No. 136 Y GENOVA 482897.37 2147600.35 38.40
5641 COZUMEL Y DURANGO 482047.84 2147010.19 32.70
6138 AMSTERDAM Y POPOCATEPETL 482486.07 2146529.18 29.60
3669 CAFETAL 489345.63 2144829.88 39.00
1027 VIADUCTO MIGUEL ALEMAN 204 482639.90 2145079.86 21.35
3750 ADOLFO PRIETO NO. 1393 482523.22 2144220.44 18.90
4393 NORTE 74 489201.07 2152595.21 28.30
1405 AV. CIEN METROS 485351.58 2154333.00 19.80
1484 LAREDO 17 Y 19. 482151.61 2146310.56 30.00
1957 DR. ARCE NO. 46 484703.59 2146447.44 25.00
1958 CIPRES NO. 380 483625.50 2151326.00 19.00
1959 DR ATL NO.138 483717.15 2150606.71 28.00
1978 ITZCOATL NO. 41 482041.22 2149100.12 15.00
1979 TAPICERIA NO. 114 487706.06 2149348.21 39.00
2116 RIO MISSISSIPI Y PASEO DE LA REFORMA 481960.00 2147730.00 45.00
3504 JOYAS 2910 488251.70 2153062.33 33.35
3519 LAURO AGUIRRE 90 482701.70 2150631.78 30.20
3524 PELUQUEROS 12 487401.18 2150056.52 30.88
3573 PAGANINI 82 486045.12 2152098.62 23.60
3579 JULIETA 23 487248.48 2152154.81 29.00
3604 AV. INSTITUTO POLITECNICO NACIONAL, ESQ. PROLONG. RIO BLANCO 485849.13 2153842.62 21.00
3628 PASEO DE LAS JACARANDAS 483791.51 2151846.86 24.00
3631 LIC. LAZARO PAVIA 488099.65 2146111.98 40.30
3632 CALZADA TICOMAN 487203.06 2155284.27 25.60
3664 N. MONTE DE PIEDAD, SUC. 21 486346.97 2150609.89 36.00
3666 RIO RHIN 482757.35 2148343.15 29.50
3817 EDUARDO MOLINA 488098.17 2149434.38 54.80
3830 ING. BARAJAS LOZANO 485119.21 2145385.40 44.50
4134 PONIENTE 116 Y CALLETULA 483827.12 2154068.28 34.00
4270 EJE 1 ORIENTE 486607.36 2145900.19 38.00
4271 CALZADA DE LA VIGA 486807.28 2145683.45 39.00
140
Contenido de agua, w (%)

0 100 200 300 400 500 600
0
Medición
Media
5 Tendencia
10
15
20
Profundidad, Z (m)
25
30
35
40
45
50
Figura 4.23. Tendencia de los datos de contenido de agua con respecto a la profundidad.
Modelo de correlación vertical
Para obtener la correlación vertical del campo, se calcula el coeficiente de autocorrelación vertical
(ver) asociado a cada sondeo, esta función indica el grado de dependencia lineal que guardan los
datos de una realización (datos de un perfil) consigo mismo conforme se desfasa el perfil
verticalmente una distancia constante (hver). Asimismo, con el propósito de evaluar las variaciones
de los modelos de correlación espacial con respecto a la cantidad de información, se obtuvieron
correlogramas experimentales para diferentes números de sondeos (10, 15, 20, 25, 30, 35 40 y
46) distribuidos en forma aleatoria y con un paso de cálculo vertical de 25cm; estos correlogramas
se muestran en la fig. 4.24.
141
1.0
Experimental con 10 sondeos
0.8
Coeficiente de autocorrelación, ver

0.6 Experimental con 30 sondeos
0.4
0.2
0.0
0 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20
-0.2
-0.4
-0.6
Distancia, hver (m)
Figura 4.24. Correlogramas experimentales en la dirección vertical.
A partir de los correlogramas experimentales se estiman las distancias de correlación vertical

(ver), obtenidas al evaluar el área bajo la curva del correlograma experimental cuando se anula
por primera vez. En la tabla 4.8 se muestran las distancias de correlación vertical obtenidas para
cada correlograma experimental de la fig. 4.24.
Tabla 4.8. Distancias de correlación vertical según el número de sondeos.

Separación promedio
No. de ver
entre sondeos
sondeos (m)
(m)
10 6130.96 3.0
15 5323.62 3.1
20 5071.05 3.15
25 4799.51 3.25
30 4649.20 3.5
35 4451.28 3.6
40 4423.08 3.6
46 4327.79 3.6
Con base en estas distancias de correlación, se obtienen los modelos teóricos de las funciones de
autocorrelación ajustándolos a una función de tipo exponencial simple (VanMarcke, 1984).
 2hver 
  
 ver  e  ver 
(3.26)
142
1.0 1.0
Experimental Experimental
Exponencial Exponencial
0.8 0.8

0.6 0.6
0.4 0.4
0.2 0.2
0.0 0.0
0 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 0 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18
-0.2 -0.2
-0.4 -0.4
-0.6 -0.6
Distancia, hver(m) Distancia, hver(m)
a) Correlogramas con 10 sondeos b) Correlogramas con 15 sondeos

1.0 1.0
0.8 0.8

0.6 0.6
0.4 0.4
0.2 0.2
0.0 0.0
0 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 0 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18
-0.2 -0.2
-0.4 -0.4
-0.6 -0.6
c) Correlogramas con 20 sondeos d) Correlogramas con 25 sondeos

1.0 1.0
0.8 0.8
0.6 0.6
0.4 0.4
0.2 0.2
0.0 0.0
0 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 0 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18
-0.2 -0.2
-0.4 -0.4
-0.6 -0.6
e) Correlogramas con 30 sondeos f) Correlogramas con 35 sondeos

1.0 1.0
0.8 0.8
0.6 0.6
0.4 0.4
0.2 0.2
0.0 0.0
0 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 0 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18
-0.2 -0.2
-0.4 -0.4
-0.6 -0.6
g) Correlogramas con 40 sondeos h) Correlogramas con 46 sondeos

Figura 4.25. Correlogramas verticales del contenido de agua.
143
Modelo de correlación horizontal
Para obtener la correlación horizontal de los valores de contenido de agua, se evalúa la

correlación cruzada entre dos sondeos, es decir, las posibles combinaciones entre ellos tomados
de dos en dos. El coeficiente de correlación se define para una distancia de desfasamiento vertical
nula (hver=0), es decir, que todos los sondeos se encuentran a la misma elevación o profundidad.
El análisis de correlación horizontal se realizó también para diferentes números de sondeos. Para
definir los correlogramas experimentales en la dirección horizontal (fig. 4.26), los coeficientes de
correlación horizontal (hor) se promediaron en intervalos de 500m.
1.0
Coeficiente de autocorrelación, hor

0.4
0.2
0.0
0 2000 4000 6000 8000 10000 12000
-0.2
-0.4
Distancia, hhor (m)
Figura 4.26. Correlogramas experimentales en la dirección horizontal.
A partir de los correlogramas experimentales se calculan las distancias de correlación horizontal

(hor), de la misma forma que en el sentido vertical, los resultados se presentan en la tabla 4.9.
Tabla 4.9. Distancias de correlación horizontal variando la cantidad de sondeos.

Separación promedio
No. de hor
entre sondeos
sondeos (m)
(m)
10 6130.96 6750
15 5323.62 3250
20 5071.05 5000
25 4799.51 4700
30 4649.20 4500
35 4451.28 4250
40 4423.08 4000
46 4327.79 4000
Procediendo de igual forma, se genera un modelo teórico de correlación horizontal de tipo

exponencial simple, ahora considerando los valores hhor y hor; en la fig. 4.27 se muestran los
correlogramas teóricos en la dirección horizontal.
144
1.0 1.0

0.8 0.8
0.6 0.6
0.4 0.4
0.2 0.2
0.0 0.0
0 1000 2000 3000 4000 5000 6000 7000 8000 9000 10000 11000 12000 0 1000 2000 3000 4000 5000 6000 7000 8000 9000 10000 11000 12000
-0.2 -0.2
-0.4 -0.4
Distancia, hhor(m) Distancia, hhor(m)
a) Correlogramas con 10 sondeos b) Correlogramas con 15 sondeos

1.0 1.0
Series2 Exponencial
0.8 0.8

0.6 0.6
0.4 0.4
0.2 0.2
0.0 0.0
0 1000 2000 3000 4000 5000 6000 7000 8000 9000 10000 11000 12000 0 1000 2000 3000 4000 5000 6000 7000 8000 9000 10000 11000 12000
-0.2 -0.2
-0.4 -0.4
c) Correlogramas con 20 sondeos d) Correlogramas con 25 sondeos

1.0 1.0
0.8 0.8
0.6 0.6
0.4 0.4
0.2 0.2
0.0 0.0
0 1000 2000 3000 4000 5000 6000 7000 8000 9000 10000 11000 12000 0 1000 2000 3000 4000 5000 6000 7000 8000 9000 10000 11000 12000
-0.2 -0.2
-0.4 -0.4
e) Correlogramas con 30 sondeos f) Correlogramas con 35 sondeos

1.0 1.0
0.8 0.8
0.6 0.6
0.4 0.4
0.2 0.2
0.0 0.0
0 1000 2000 3000 4000 5000 6000 7000 8000 9000 10000 11000 12000 0 1000 2000 3000 4000 5000 6000 7000 8000 9000 10000 11000 12000
-0.2 -0.2
-0.4 -0.4
g) Correlogramas con 40 sondeos h) Correlogramas con 46 sondeos

Figura 4.27. Correlogramas horizontales del contenido de agua.
145
En las figs. 4.25 y 4.27, las gráficas muestran que a medida que aumenta el número de datos, los
correlogramas van adquiriendo mayor estabilidad geométrica y por tanto la distancia de
correlación tiende también a ser estable. Debe señalarse que lo anterior se cumple cuando la
distribución espacial de los datos es homogénea en el área de estudio; si presenta una
distribución preferencial por zonas o en alguna dirección, los correlogramas estimados podrían no
ser representativos del campo. En este caso particular, los sondeos se distribuyen de forma
homogénea en el área de estudio, por lo que los correlogramas tienden a ser más representativos
al incrementar el número de datos. En conclusión, puede decirse que los correlogramas dependen
principalmente de la distribución de los datos y en segundo término de la cantidad de datos
(sondeos). Con base en los resultados del análisis de correlación espacial, se opta por emplear
los modelos de las figs. 4.25(h) y 4.27(h), con distancias de correlación ver= 3.6 m en dirección
vertical yhor = 4000 m en dirección horizontal.
Predicción
Con las distancias de correlación espacial ver y hor, los modelos teóricos y los datos
experimentales de los 96 perfiles geotécnicos disponibles, se estimaron perfiles de contenido de
agua, w(%), a cada 200m a lo largo de los ejes preferenciales “A” y “2”, definidos en la fig. 4.28.
La propiedad se estimó puntualmente a lo largo de la profundidad con un paso de cálculo de
0.25m.
O
CH
MA
CA
ILA
AV
EL
NU
2160000 AV. MARI

O COLIN
. MA
VD
BL
A
Z
BA
IOS
O
EMED
AV
LOS R
EJE
E
RIO D
ST
GU
1P
VIA
TE.
CAL
AV
.A
Z
QU
. VA
AL
IL
LLE
ES
CION
SE
JO
RD
O NA
AN
2155000
ECNIC
E.
NT
ES
POLIT
NT
GE
Coordenada Y(m)
UR
UTO
NS
INSTIT
.I
AV
CT
O.
INT
ER
UBA IO R
O TAC
MEXIC
CALZ.
LA UNION
ZONA I
AV
.M
2150000 CA
SUAREZ
RDENAS
AR
NGRESO DE
LZ
.M
IN
EX
A
ICO
NA
BL
-T
AC
VD
CI
RIA PINO
LAZARO CA
U
ON
BA
.AD
AL
MA
TE AV. H. CO
SO
2
OL
OR ZONA II
EF
F
Y TRONCO
A R
O
EL
JOSE MA
LO
OD
SE
PE
PA PEC
ULTE
RAL
Z
AV. CHAP
MA
EJE 2 ORIEN
EJE CENT
TE
DEL PASO
R
TLALPA
OS
S SU
NTE
ES
ZONA III
NT
CALZ. DE
RGE
YE
FRANCISCO
T ITU
S
INSU
ON
.C
AV VIADUCTO MIGU
AV.
EL ALEMAN
2145000
480000 485000
Coordenada X(m)
Figura 4.28. Ubicación de los ejes preferenciales de estimación.
146
De igual forma, se simularon cinco perfiles de contenido de agua, w(%), a cada 200m a lo largo de
los ejes preferenciales “A” y “2”, definidos en la fig. 4.28. La propiedad se simuló puntualmente a
lo largo de la profundidad con un paso de cálculo de 0.25m. Como se sabe, cada simulación es
únicamente una posibilidad o realización estocástica, por tanto, todas serán diferentes y sus
variaciones serán mayores que en el caso de la estimación. Sin embargo, al construir una imagen
promedio de un número considerable de simulaciones esta tenderá a parecerse a la estimada.
Visualización
La secciones transversales estimadas de contenido de agua (figs. 4.29 y 4.30) se construyen

integrando los perfiles estimados (virtuales) a lo largo de cada uno de los ejes preferenciales. Al
construir la sección transversal, es importante asegurar que la herramienta de graficación no
realice algún tipo de interpolación sobre los valores estimados, puesto que, de ser así, se
produciría una imagen diferente de los resultados de la estimación original. De igual forma, a partir
de los valores de la Desviación estándar de estimación se construyen las secciones transversales
de incertidumbre asociada a la estimación.
Las secciones transversales simuladas de contenido de agua (figs. 3.31 y 3.32) se construyen de
la misma forma que las secciones estimadas. Estas secciones representan cuatro posibles
configuraciones del contenido de agua en el subsuelo a lo largo de los ejes A y 2.
Validación de la estimación
Para evaluar la consistencia de los resultados, se aplicó la técnica de validación cruzada en dos
sondeos (4270 y 1245) de la fig. 4.22. Los valores de contenido de agua se estiman a cada
0.25m, empleando los mismos modelos de correlación espacial pero retirando los datos de los
perfiles que se estiman, los resultados se presentan en la fig. 4.33, donde se observa una
aproximación aceptable entre los valores estimados y las mediciones, por tanto, puede decirse
que la consistencia del método de interpolación es aceptable.
En los cortes simulados se observa que los valores de contenido de agua crecen en dirección sur-
oriente, hacia el centro de la ciudad, donde los valores simulados llegan a ser mayores a 500%; lo
anterior permite identificar estratos altamente compresibles y de baja resistencia al esfuerzo
cortante potencialmente críticos que pueden influir desfavorablemente en el comportamiento de
las construcciones. Asimismo, en los cortes simulados se identifican zonas con bajos valores de
contenido de agua, característicos de la CS, CD y DP.
La heterogeneidad del subsuelo que se presenta hacia el poniente y hacia el norte, se refleja en la
distribución caótica del contenido de agua en los cortes simulados, por lo que es difícil identificar
zonas de valores críticos. Sin embargo, de forma general se observa que los valores simulados
tienden a ser menores de 100%.
147
Sur 5700 5300 3664 3573 3632

Norte
0 200 400 0 200 400 0 200 400 0 200 400 0 200 400
0
PROFUNDIDAD (m)
-10
-20
-30
-40
-50
2145000 2146000 2147000 2148000 2149000 2150000 2151000 2152000 2153000 2154000 2155000 2156000
COORDENADA "Y" (m)
0 50 100 150 200 250 300 350 400 450 500 550
a) Sección transversal estimada del contenido de agua.

0
PROFUNDIDAD (m)
-10
-20
-30
-40
-50
2145000 2146000 2147000 2148000 2149000 2150000 2151000 2152000 2153000 2154000 2155000 2156000
COORDENADA "Y" (m)
0 20 30 40 50 60 70 80 90 100 110 120 130 140
b) Desviación estándar de estimación

Figura 4.29. Distribución espacial estimada del contenido de agua sobre el eje “A”.
Poniente 5479 5094 5116 5300 Oriente

0 200 400 0 200 400 0 200 400 0 200 400 0 200 400 1979
0
PROFUNDIDAD (m)
-10
-20
-30
-40
-50
480500 481500 482500 483500 484500 485500 486500 487500
COORDENADAS "X" (m)
0 50 100 150 200 250 300 350 400 450 500 550
a) Sección transversal estimada del contenido de agua

0
PROFUNDIDAD (m)
-10
-20
-30
-40
-50
480500 481500 482500 483500 484500 485500 486500 487500
COORDENADA "X" (m)
0 20 30 40 50 60 70 80 90 100 110 120 130 140

Figura 4.30. Distribución espacial estimada del contenido de agua sobre el eje 2.
148
Sur Norte
0
PROFUNDIDAD (m) -10
-20
-30
-40
-50
Simulación 1
0
PROFUNDIDAD (m)
-10
-20
-30
-40
-50
Simulación 2
0
PROFUNDIDAD (m)
-10
-20
-30
-40
-50
Simulación 3
0
PROFUNDIDAD (m)
-10
-20
-30
-40
-50
Simulación 4
0
PROFUNDIDAD (m)
-10
-20
-30
-40
-50
2145000 2146000 2147000 2148000 2149000 2150000 2151000 2152000 2153000 2154000 2155000 2156000
COORDENADA "Y" (m)
Promedio de las simulaciones
0 50 100 150 200 250 300 350 400 450 500 550
Figura 4.31. Secciones transversales simuladas de contenido de agua sobre el eje A.
149
Poniente Oriente
0
PROFUNDIDAD (m)
-10
-20
-30
-40
-50
Simulación 1
0
PROFUNDIDAD (m)
-10
-20
-30
-40
-50
Simulación 2
0
PROFUNDIDAD (m)
-10
-20
-30
-40
-50
Simulación 3
0
PROFUNDIDAD (m)
-10
-20
-30
-40
-50
Simulación 4
0
PROFUNDIDAD (m)
-10
-20
-30
-40
-50
480500 481500 482500 483500 484500 485500 486500 487500
COORDENADA "X" (m)
0 50 100 150 200 250 300 350 400 450 500 550
Figura 4.32. Secciones transversales simuladas de contenido de agua sobre el eje 2.
150
3476
E.
C AL
AV
567
.A
Z. V
1948 4253
QU
AL
A
1949
IL
LLE
ES
950 3528
CION
SE
1947
JO
3632
RD
O NA
AN
2187
2155000
ECNIC
1160 Sondeo 4270
E.
5
NT
S
Contenido de Agua, w (%)
POLIT
3616 4134 1405
TE
2284
EN
0 100 200 300 400 500
G
UR
3499
UTO
4350 3507
0.00
NS
3504
.I
INSTIT
1946 Sondeo real
AV
496
4393
4 498 1124
CTO. IN
TERIO
R AV. RIO
3579
CONS
Sondeo estimado
3628 3573 ULADO

BA
O TACU 4540
-5.00
MEXIC
CALZ.
2152 1958
3519 1959 5308 3664
3
AV
1977 5305
3524
.M
2150000
AR
RDENAS
5323 -10.00
IN
5303 3817
A
4167
NA
BL
61 1978
C
VD
5158 5251 1979

IO
LAZARO CA
5094
.A
N
AL
DO
A 4505 5300
RM
2 2121 5479 O
LF
F
RE 5116
O
LA
DE 3666
LO
5164 -15.00
S EO
PE
5488 PA PEC 5247

ULTE 5154
RAL
Z
5527 2116 H A P
AV. C 5630
MA
Profundidad (m.)
4580 EJE CENT
TE
5641 5624 4556

OS
S SU
6138 5700
6037
1 1957
NTE
S 6137 4583
TE 5698 -20.00
EN
RGE
Y 1484
NS
TIT
U
5835 4270 4271
3631
INSU
3466
. CO 6326 3830
AV 560 1027 VIADUCTO MIGUEL
AV.
ALEMAN
2145000 6324 3669
a) ubicación del sondeo -25.00
480000 3750 485000
COORDENADA X (m.)
-30.00
-35.00
-40.00
b) Perfiles experimental y estimado

Figura 4.33. Validación cruzada del contenido de agua en un sondeo.
A partir del conjunto de los n cortes simulados, sobre un mismo eje preferencial, es posible
identificar zonas de valores críticos, es decir, zonas de valores máximos y mínimos del campo, las
cuales pueden ser consideradas como potencialmente problemáticas. En Mecánica de Suelos, el
conocimiento sobre la ubicación de zonas críticas ayuda a la toma de decisiones orientadas al
diseño de obras de ingeniería. Asimismo, al comparar secciones estimadas (figs. 4.29 y 4.30) con
las secciones promedio de las simulaciones (figs. 4.31 y.32) se observa que entre ellas existe un
cierto parecido. Por tanto, puede decirse que conforme aumente el número de simulaciones, su
promedio tenderá a parecerse cada vez más a la estimación.
151
4.4 Análisis de la distribución espacial de las propiedades del suelo

lacustre
El estudio de la distribución espacial de las propiedades índice, mecánicas y geométricas del
subsuelo del Valle de México se realizó con base en la información obtenida de los sondeos
geotécnicos existentes en el SIG-SG. Particularmente, se analizó la profundidad y espesores de
los estratos típicos del subsuelo, la distribución del contenido de agua y la resistencia de punta de
cono eléctrico, empleando como principal herramienta la metodología geoestadística.
Considerando que existe una cierta variación de las condiciones del suelo en diferentes zonas del
valle, el área lacustre del Valle de México se dividió en cuatro subzonas, fig. 4.34.
Figura 4.34. División del área de estudio en el Valle de México.
152
4.4.1 Análisis geoestadístico de las propiedades del subsuelo en la zona norte
4.4.1.1 Análisis de la distribución espacial del contenido de agua
Los valores de contenido de agua, w(%), medidos a partir de los sondeos exploratorios SC, SPT y
SM, se considera como un campo aleatorio V(X), distribuido dentro de un espacio Rp, con p=3
(volumen). El conjunto de valores medidos dentro del dominio Rp, constituye una muestra de ese
campo aleatorio. Para el análisis se emplearon 405 sondeos distribuidos en el área de estudio
como se muestra en la fig. 4.35; en la tabla 4.10 se indica el número de sondeos por tipo
empleados para el análisis.
SONDEOS
SM PCA DMT
SPT SC
Figura 4.35. Ubicación de sondeos con mediciones de contenido de agua, zona norte.
Tabla 4.10. Sondeos empleados para el análisis de contenido de agua, zona norte.
Tipo Número de sondeos
Mixto (SM) 238
Penetración Estándar (SPT) 150
Continuo (SC) 17
Total = 405
153
En el análisis estadístico de los datos se aceptan las condiciones de homogeneidad y ergodicidad,

se estiman los principales parámetros estadísticos (tabla 4.11) y se construye el histograma que
representa la variabilidad de los datos (fig. 4.36).
Tabla 4.11. Parámetros estadísticos de los datos de contenido de agua, zona norte.
Parámetro Valor
No. de datos 23200
Media, m(%) 74.23
Varianza,  (% )
2 2 5046.68
Figura 4.36. Histograma de los datos de contenido de agua, zona norte.
La tendencia de los valores de contenido de agua se evalúa mediante un análisis de regresión

lineal, buscando ajustar a los datos una ecuación de tipo V ( X )  ax  by  cz  d , se obtienen los
coeficientes de regresión lineal: a = -0.00039, b = --0.003066, c = -0.620342 y d = 6943.1575.
Con base en estos coeficientes se obtiene el campo residual de contenido de agua y se calculan
los correlogramas experimentales (fig. 4.37), las distancias de correlación resultantes son: hor =
4000m y ver = 3.5m. Con estos valores y adoptando una función de tipo exponencial simple se
determinan los modelos de correlación horizontal y vertical mostrados en la fig. 4.37.
154
1.0 1.0
Correlograma Experimental Correlograma Experimental
Coeficiente de autocorrelación, ρ
Correlograma Exponencial Correlograma Exponencial
0.8 0.8
0.6 0.6
0.4 0.4
0.2 0.2
0.0 0.0
0 5 10 15 20 0 5000 10000 15000 20000
-0.2 -0.2
Distancia , h (m) Distancia , h(m)
Correlograma vertical b) Correlograma horizontal
Figura 4.37. Correlogramas direccionales del contenido de agua, zona norte.
Predicción
Empleando los datos residuales de contenido de contenido de agua, las distancias de correlación
espacial (hor y ver), los modelos de correlación previamente definidos y recurriendo la técnica de
Kriging Ordinario, se estiman perfiles de contenido de agua a lo largo de los ejes definidos en la
fig. 4.38. Los perfiles se estiman con una distancia de separación de 500m y de 20cm a lo largo
de la profundidad. Las estimaciones finales se obtienen regresando la tendencia inicialmente
retirada.
Figura 4.38. Ubicación de ejes preferenciales de estimación del contenido de agua, zona norte.
155
Validación cruzada
Como un ejemplo de validación cruzada, en la figura 4.39 se presentan el perfil experimental y el

perfil estimado de contenido de agua del sondeo 293 indicado en la fig. 4.38, donde se observa
que los valores estimados tienen buena aproximación con los valores medidos, por lo que puede
decirse que el método de estimación es consistente.
Sodeo 293
0 100 200 300
0
4
Profundidad, z(m)
10
12
14
Medido Estimado
Figura 4.39. Resultados de la validación cruzada del sondeo 293, zona norte.
Visualización
Para facilitar la interpretación de los resultados, a partir de integrar los perfiles estimados
(interpolados) sobre cada uno de los ejes predefinidos recurriendo a técnicas de graficación se
construyen las secciones transversales presentadas en las figs. 4.40 a 4.50 para cada uno de los
ejes previamente definidos (fig. 4.38). Asimismo, en la figura 4.21 se integran las secciones
estimadas de contenido de agua formando una malla en 3D.
156
Teoloyucan
N
Cuautitlan
Tultitlan
Lago Zumpango
c) Localización de los sondeos estimados

Figura 4.40. Distribución espacial del contenido de agua sobre el eje 1, zona norte.
En la fig. 4.40, se observa que en el eje 1 predominan los materiales con valores de contenido de
agua menores a 100% (limos y arenas), por lo que se considera que está ubicado en una zona de
materiales aluviales; sin embargo, en algunas zonas se aprecian pequeñas acumulaciones de
agua que se deben a la cercanía con cuerpos de agua como el lago de Zumpango y la existencia
de un antiguo cuerpo de agua en la zona de Tultitlan.
157

N
Fuentes del Valle

Tultepec

En el eje 2 (fig. 4.41), aparece una delgada franja de materiales con alto contenido de agua a
menos de 10m de profundidad, estos materiales delimitan la extensión que ocupó el lago en esta
zona.
158
Lago Zumpango
Tultepec
N
Nextlalpan
Coacalco

En la fig. 4.42 (eje 3), se aprecia a muy poca profundidad un estrato de arcilla lacustre con
espesor de menos de 5m que corresponde a depósitos del lago de Xaltocan; además aparecen
intercalados otros lentes y estratos con valores de contenido de agua cercanos a 100% a
diferentes profundidades; estas capas corresponden a materiales de limos arenosos que reflejan
la influencia del lago de Xaltocan.
159
Nextlalpan
N
Ecatepec Tonanitla

En el eje 4 (fig. 4.43) se observa la existencia de materiales lacustres hasta una profundidad de
10.0m que delimita la extensión del antiguo lago de Xaltocan, se distinguen también otras
concentraciones de agua a mayor profundidad que reflejan la existencia de dicho lago.
160
Ecatepec
Ciudad Azteca Ojo de Agua N

Venta de Carpio

En la fig. 4.44 se aprecia una intercalación de materiales lacustres y aluviales de manera

escalonada que indican los límites del ex lago de Texcoco y más adelante se aprecia otro estrato
de arcilla lacustre de menor espesor que corresponde al ex-lago de San Cristóbal. Se aprecia
también que los valores de contenido de agua que aparecen en esta sección son mayores que en
las secciones anteriores que se encuentran más alejadas del ex lago de Texcoco.
161
Ecatepec
Cerro Gordo
Xalostoc Venta de Carpio

En el eje 6 (fig. 4.45) se aprecia una disminución gradual del espesor de arcilla intercalándose con
materiales aluviales que forman parte del Cerro Gordo y el cerro de Chiconautla; este cambio en
los materiales marca los límites del ex lago de Texcoco.
162
Lago Zumpango Jaltenco
Ojo de Agua
Coyotepec

Figura 4.46. Distribución espacial del contenido de agua sobre el eje A, zona norte.
En el eje A (fig. 4.46), cerca del lago de Zumpango, a poca profundidad se aprecia una capa
delgada de arcilla lacustre que se extiende hasta cerca de Jaltenco, este estrato corresponde a la
extensión de los lagos de Zumpango y Xaltocan. Más adelante, cerca de la localidad denominada
Ojo de Agua se aprecia la influencia del ex lago de San Cristóbal.
163
N
Tultepec
Ojo de Agua
Cuautitlán

Figura 4.47. Distribución espacial del contenido de agua sobre el eje B, zona norte.
En el eje B (fig. 4.47), al poniente del cerro de Tultepec aparece un lente delgado de arcilla que
indica la extensión del antiguo cuerpo de agua de Tultitlan, aunque en general predominan los
materiales aluviales con valores bajos de contenido de agua. En el corte del lado oriente, se
aprecian materiales con contenidos de agua que pueden asociarse a la influencia del ex lago de
Xaltocan.
164
Tultepec
Cuautitlan Ojo de Agua
N
Figura 4.48. Distribución espacial del contenido de agua sobre el eje C, zona norte.
En la fig. 4.48, (eje C), se observa la existencia de materiales aluviales al poniente del cerro de
Tultepec y al oriente un horizonte de arcilla del ex lago de Xaltocan y algunos estratos más
profundos con valores altos de contenido de agua que marcan la influencia del lago.
165
Tultitlan N Chiconautla
Coacalco

Figura 4.49. Distribución espacial del contenido de agua sobre el eje D, zona norte.
En el eje D (fig. 4.49), se define nuevamente la extensión e influencia del cuerpo de agua de
Tultitlan y del ex lago de Xaltocan.
166
Chiconautla
N
Ecatepec
Tezoyuca

Figura 4.50. Distribución espacial del contenido de agua sobre el eje E, zona norte.
En la fig. 4.50, en el lado poniente del perfil del eje E, se definen algunas intercalaciones de
materiales arcillosos con materiales más resistentes que corresponden a las faldas del cerro de
Chiconautla, lo cual indica el límite del lago de Texcoco, ya que hacia el oriente, se observa
únicamente la existencia de materiales aluviales.
167
CANAL DE DESAGÜE
Lago
Zumpango
Tultepec
Tultepec
Lago
Zumpango
Figura 4.51. Modelo 3D de la distribución espacial del contenido de agua, zona norte.
En la fig. 4.51, se integran los cortes que muestran la distribución espacial del contenido de agua
en la planicie de la zona de estudio, en la cual se observa que predominan los suelos con bajo
contenido de agua (limo y arena); se aprecia también que el espesor de arcilla en los lagos del
norte es menor que en el lago de Texcoco y el contenido de agua de estos materiales arcillosos,
también es menor en los lagos de San Cristóbal, Xaltocan y Zumpango.
168
4.4.1.2 Análisis de la distribución espacial del número de golpes en SPT
El valor del número de golpes (N) en SPT es un parámetro que ayuda a caracterizar el tipo de
materiales de acuerdo con su rigidez. La SPT es una de las pruebas más utilizadas en la
exploración del subsuelo y por consiguiente una de las que mayor número de datos aportan.
Los valores de número de golpes (N), medidos a partir de los sondeos exploratorios SPT y SM, se
considera como un campo aleatorio V(X), distribuido dentro de un espacio Rp, con p = 3
(volumen). El conjunto de valores medidos dentro del dominio Rp, constituye una muestra de ese
campo aleatorio. Para el análisis emplearon 237 sondeos distribuidos en el área de estudio como
se muestra en la fig. 4.52, en la tabla 4.12 se indica el número de sondeos por tipo.
SONDEOS
SPT
Mixto
Figura 4.52. Ubicación de sondeos con mediciones de número de golpes, zona norte.
Tabla 4.12. Sondeos empleados para el análisis del número de golpes en SPT, zona norte.
Tipo Número de sondeos
Mixto (SM) 106
Penetración Estándar (SPT) 131
Total = 237
169
Aceptando condiciones de homogeneidad y ergodicidad, se estiman los principales parámetros

estadísticos del campo aleatorio estudiado. Los resultados se muestran en la tabla 4.13 y en la fig.
4.53 se muestra el histograma del número de golpes, donde se observa que la distribución de los
datos es irregular; de 0 a 45 golpes se tiene una distribución con sesgo a la izquierda, y de 45 a
50 golpes se presenta una alta frecuencia. Claramente se observa que la distribución del número
de golpes se separa de la distribución normal. Por tanto, las estimaciones realizadas utilizando la
distribución original de los datos pueden ser no convenientes, puesto que, el estimador pierde la
propiedad de ser un predictor “exacto” de los momentos condicionales (esperanza y varianza
condicional).
Tabla 4.13. Parámetros estadísticos de los datos de número de golpes N, zona norte.
Parámetro Valor
No. de datos 11200
Media, m(N) 29.33
Varianza, 2(N2) 360.62
Desviación estándar, S(N) 18.99
Figura 4.53. Histograma de los datos del número de golpes, zona norte.
Para mejorar el desempeño del estimador es necesario convertir la distribución original de los
datos en una distribución Gaussiana antes de realizar las estimaciones. A este procedimiento se
le conoce como “anamorfosis” Gaussiana (Rosemblatt, 1952). En la literatura este mismo principio
se describe con diferentes nombres (Journel, 1980; Deutsch, 1992). Se pueden encontrar además
diferentes formalismos matemáticos capaces de lograr el mismo principio (Parzen, 1962; Chilès y
Delfiner, 1999). Una vez realizadas las estimaciones, los valores de la variable original se obtienen
realizando la operación inversa conocida como “anamorfosis inversa”. La aplicación de estas
técnicas requiere de su implementación numérica. Además, conviene explorar las diferentes
técnicas disponibles para evaluar su desempeño en distribuciones con determinadas
características. En este trabajo en particular, con el propósito de ilustrar la aplicación de las
170
técnicas de estimación, la implementación acoplada de la anamorfosis Gaussiana y su operación

inversa en las técnicas de estimación se deja para futuras contribuciones.
La tendencia de los valores de número de golpes en SPT se evalúa mediante un análisis de

regresión lineal por mínimos cuadrados, ajustando una ecuación de tipo V ( X )  ax  by  cz  d ,
se obtienen los coeficientes de regresión lineal:
a = -0.00000989721, b = 0.00056762, c = 0.468577598 y d = -1208.994602
Con base en estos coeficientes se obtiene el campo residual de número de golpes (N), el cual
puede además normalizarse introduciendo una función aleatoria de esperanza nula y varianza
unitaria, con lo que se logra que el campo aleatorio cumpla con las condiciones requeridas para
que pueda considerarse como campo estacionario en el sentido amplio (Auvinet, 1987). Los
correlogramas experimentales se calculan considerando el campo residual (fig. 4.54). Las
distancias de correlación resultantes son: hor = 3000m y ver = 3m. Con estos valores y adoptando
una función de tipo exponencial simple se determinan los modelos de correlación horizontal y
vertical mostrados en la fig. 4.54.
1.0
I ~--
1.0 Correlograma Experimental
Correlograma Experimental
1= i Correlograma Exponencial
Correlograma Exponencial 0.8

0.8
,,
,
0.6 0.6 ,,
,,
0.4 \ ,,
0.4
0.2
\ ~
,
0.0
0
"'-
5 10
-~ 15 20 25
,...",
30
0.2
0.0
0
\~~
" . ......
~
5000 10000
V~~
15000 20000 25000 30000
-0.2
Distancia, h (m) Distancia, h (m)
a) Correlograma vertical b) Correlograma horizontal
Figura 4.54. Correlogramas direccionales del contenido de agua
Estimación
La estimación de perfiles de número de golpes se realiza sobre los ejes indicados en la fig. 4.52,
con una distancia de separación de 500m y de 20cm a lo largo de la profundidad. Para la
estimación se consideran los datos del campo residual del número de golpes, las distancias de
correlación espacial (hor y ver), los modelos de correlación previamente definidos y empleando la
técnica de Kriging Ordinario. Los resultados finales de la estimación se obtienen regresando la
tendencia originalmente retirada al campo original.
Visualización
Recurriendo a técnicas de graficación se construyen las secciones transversales estimadas del

número de golpes y de desviación estándar presentadas en las figs. 4.55 a 4.65.
171
a) Sección transversal estimada del número de golpes
Teoloyucan
N
Cuautitlan
Tultitlan
Lago Zumpango
Figura 4.55. Distribución espacial del número de golpes sobre el eje 1, zona norte.
En la fig. 4.55, de acuerdo con la escala de colores, se observa que predominan los materiales
con resistencia a la penetración estándar mayor a 8 golpes, esta resistencia está asociada a
materiales aluviales, cerca de los extremos de este eje aparecen materiales lacustres (N < 8
golpes) que forman parte de un antiguo cuerpo de agua en Tultitlan (al sur) y del lago de
Zumpango (al norte).
172
Desviación estándar de estimación

N
Fuentes del Valle

Tultepec

En la fig. 4.56 se observa superficialmente, la presencia de materiales blandos con espesor menor
a 10.0m que disminuye hacia el norte delimitando la presencia del cerro de Tultepec. Estos
materiales blandos descansan sobre materiales aluviales de consistencia dura a muy dura.
173
Laguna de Zumpango
Tultepec
N
Nextlalpan
Coacalco

En la fig. 4.57 se superficialmente una capa delgada de materiales blandos con espesor menor a
5m que corresponde a depósitos lacustres del lago de Xaltocan, a mayores profundidades,
aparecen también algunas intercalaciones de materiales blandos y resistentes, que, a pesar de su
174
baja resistencia a la penetración, no forman parte de los depósitos lacustres. Esta es una de las
imprecisiones del método de exploración; sin embargo, también el mismo método permite conocer
el tipo de material atravesado con pruebas manuales y de laboratorio.
Nextlalpan
N
Ecatepec Tonatitla

En la parte sur de la fig. 4.58, se aprecia superficialmente una capa de materiales blandos con
espesor menor a 10m que corresponden a sedimentos del lago de San Cristóbal, el resto son
materiales aluviales de consistencia firme a dura.
175
Ecatepec
Ciudad Azteca Ojo de Agua

N
Venta de Carpio
En la fig. 4.59 se aprecia la existencia de dos capas de materiales blandos separadas por una
capa resistente, lo cual, de acuerdo con el modelo vertical de Marsal y Mazari (1959), corresponde
a las formaciones FAS, CD y FAI del lago de Texcoco. Estos materiales arcillosos disminuyen de
espesor rápidamente intercalándose con sedimentos aluviales provenientes del cerro de
Chiconautla y la sierra de Guadalupe. Los materiales aluviales forman una frontera que separa al
lago de Texcoco de los lagos del norte (San Cristóbal y Xaltocan), de los cuales también se
aprecia la extensión y profundidad que alcanzaron.
176
Ecatepec
Cerro Gordo
Xalostoc Venta de Carpio

En la fig. 4.60 en color amarillo se destaca el espesor que alcanza la arcilla del lago de Texcoco
sobre el eje 6, más adelante, se observa que esta capa de arcilla se intercala con materiales
resistentes, delimitando el límite del ex lago de Texcoco y el parteaguas de la unión entre la sierra
de Guadalupe y el cerro de Chiconautla.
177
Lago Zumpango Jaltenco
Ojo de Agua
Coyotepec

Figura 4.61. Distribución espacial del número de golpes sobre el eje A, zona norte.
En la fig. 4.61, se distinguen dos zonas con materiales blandos, la primera corresponde al lago de
Zumpango y la otra corresponde al lago de Xaltocan, el espesor en ambos casos no supera los
10m.
178
N
Tultepec
Ojo de Agua
Cuautitlán

Figura 4.62. Distribución espacial del número de golpes sobre el eje B, zona norte.
En la fig. 4.62 se observa que al poniente del cerro de Tultepec no aparecen rastros de materiales
arcillosos y por el contrario al oriente aparece una capa de materiales arcillosos correspondientes
al lago de Xaltocan.
179
Tultepec
Cuautitlan Ojo de Agua
N
Figura 4.63. Distribución espacial del número de golpes sobre el eje C, zona norte.
En la fig. 4.63 se observa una delgada capa de materiales lacustres a poca profundidad que
marcan el área que ocupó el lago de Xaltocan. Además aparecen otras concentraciones de
materiales de resistencia baja, que no forman parte de los sedimentos del lago.
180
Tultitlan N Chiconautla
Coacalco

Figura 4.64. Distribución espacial del número de golpes sobre el eje D, zona norte.
181
Chiconautla
N
Ecatepec
Tezoyuca

Figura 4.65. Distribución espacial del número de golpes sobre el eje E, zona norte.
En la fig. 4.65, se aprecian algunas intercalaciones de material lacustre con materiales aluviales
que se localizan hacia el poniente del cerro de Chiconautla delimitando la extensión del ex lago de
Texcoco en esa zona. Se observa que hacia el oriente únicamente aparecen materiales aluviales
del cerro de Chiconautla y la sierra Patlachique.
182
Lago CANAL DE DESAGÜE

Zumpango
Tultepec
Tultepec
Lago
Zumpango
Figura 4.66. Modelo 3D de la distribución espacial del número de golpes, zona norte.
En la Figura 4.66 se integran los cortes que muestran la distribución espacial del número de
golpes en la planicie de la zona de estudio, en la cual se observa que en general los lagos del
norte tuvieron poca profundidad (entre 1.0 y 10.0m), en comparación con el lago de Texcoco que
en la zona alcanzó profundidades de más de 30m. Se aprecia que anteriormente la extensión del
lago de Zumpango era mayor, se evidencia la existencia de un antiguo cuerpo de agua en la zona
de Tultitlan, se observan las extensiones de los ex lagos de Xaltocan y San Cristóbal y se marcan
los límites del lago de Texcoco, así como la existencia de una frontera entre la sierra de
Guadalupe y el cerro de Chiconautla que divide a los lagos del norte del lago de Texcoco.
183
4.4.1.3 Análisis de la distribución espacial de la profundidad de la FAS
La profundidad de la frontera superior de la FAS representa un campo aleatorio V(X), distribuido

dentro de un espacio RP, con p = 2 (área de estudio). El conjunto de valores medidos dentro del
dominio RP, constituye una muestra de ese campo aleatorio. En la fig. 4.67, se indica la ubicación
de los sondeos utilizados como soporte de datos experimentales, donde las coordenadas (x, y)
definen la posición de los sondeos en el sistema de referencia UTM, Datum WGS84, Zona 14
Norte. Para este análisis se consideran únicamente sondeos realizados aproximadamente en la
misma época (1990-2012).
Figura 4.67. Distribución de datos de la profundidad de la FAS, zona norte.
184

estadísticos del campo aleatorio estudiado (tabla 4.14). En la fig. 4.68 se muestra gráficamente la
variabilidad de los datos mediante un histograma y polígono de frecuencias acumuladas.
Tabla 4.14. Parámetros estadísticos de la profundidad de la FAS, zona norte.

Parámetro Valor
No. de datos 406
Media, m(m) 2.03
Figura 4.68. Histograma de la profundidad de la frontera superior de la FAS, zona norte.
La tendencia de la profundidad superior de la FAS se evalúa mediante un análisis de regresión,

lineal de mínimos cuadrados, ajustando una ecuación de tipo V ( X )  ax  by  c , se obtienen los
coeficientes de regresión lineal: a = -0.00000323, b = -0.0000299, c = 67.252238. La
representación gráfica del plano de regresión lineal se presenta en la fig. 4.69, donde se observa
que en general, la mayor profundidad de la FAS se encuentra al poniente y superficialmente al
poniente.
Después de remover la tendencia de los datos originales, con el campo residual se calculan los
correlogramas experimentales en cuatro direcciones preferenciales; Azimut 0°, 45°, 90° y 135°
(fig. 4.70). A partir de estos correlogramas se determinan las distancias de correlación
direccionales (), indicadas en la tabla 4.15.
Los correlogramas experimentales son ajustados a una función de tipo exponencial simple (fig.
4.70) empleando en forma correspondiente las distancias de correlación de la tabla 4.15.
185
Figura 4.69. Plano de regresión lineal de la profundidad de la FAS, zona norte.
Tabla 4.15. Distancias de correlación de la profundidad superior de la FAS, zona norte.

Az = 0° 2100
Az = 45° 1500
Az = 90° 1300
Az = 135° 3800
1.0 1.0
Correlograma Exponencial
0.8 Correlograma Exponencial

0.8
0.6 0.6
0.4 0.4
0.2 0.2
0.0 0.0
0 1000 2000 3000 4000 5000 6000 7000 8000 9000 10000 0 1000 2000 3000 4000 5000 6000 7000 8000 9000 10000
-0.2 -0.2
-0.4 -0.4

1.0 1.0
0.8 Correlograma Exponencial 0.8
0.6 0.6
0.4 0.4
0.2 0.2
0.0 0.0
0 1000 2000 3000 4000 5000 6000 7000 8000 9000 10000 0 1000 2000 3000 4000 5000 6000 7000 8000 9000 10000
-0.2 -0.2
-0.4 -0.4

Figura 4.70. Correlogramas direccionales de la profundidad de la FAS, zona norte.
186
La anisotropía geométrica del campo aleatorio estudiado se define por las distancias de
correlación en cada una de las cuatro direcciones preferenciales fig. 4.71(a). La forma geométrica
que resulta de unir las cuatro distancias de correlación representa la variabilidad espacial del
campo aleatorio.
Para la estimación se utilizan conservadoramente la elipse de anisotropía constituida por las

distancias de correlación más cortas fig. 4.71(b), en este caso es la que corresponde a las
direcciones de 0° y 90°, con distancias de correlación de 2100 m y 1300 m respectivamente.
NORTE NORTE
Az = 0° Az = 0°
 = 2100 m
 = 2100 m
 = 1300 m ESTE OESTE  = 1300 m ESTE

OESTE
Az = 90° Az = 90°
SUR SUR
a) Anisotropía del campo b) Anisotropía para la estimación

Figura 4.71. Elipses de anisotropía de la profundidad de la FAS, zona norte.
Predicción
La estimación de la profundidad de la frontera superior de la FAS se realiza en una malla de

puntos espaciados a cada 250m en ambas direcciones (X e Y), empleando los datos del campo
residual y la anisotropía definida en la fig. 4.71(b), y recurriendo a la técnica de Kriging Ordinario.
La estimación final se obtiene regresando la tendencia al campo residual estimado.
Visualización
Recurriendo a la técnica de mapeo, se construye un mapa de contornos de la profundidad

estimada de la FAS y otro de la varianza de estimación (fig. 4.72). Asimismo, en la fig. 4.73 se
presenta un modelo de superficie de la profundidad estimada de la FAS.
187
a) Contornos de la estimación

Figura 4.72. Mapa de contornos de la profundidad estimada de la FAS, zona norte.
188
Figura 4.73. Superficie de la profundidad estimada de la FAS, zona norte.
En la fig. 4.72 se observa una baja incertidumbre en los puntos donde se localizan los datos y
aumenta a en las zonas donde hay ausencia de datos. También se observa una línea de baja
incertidumbre en la periferia de la planicie, esto se debe a que en la estimación se consideró la
cota 2250 msnm como frontera de los depósitos lacustres.
En las figs. 4.72 y 4.73, entre la sierra de Guadalupe y el cerro de Chiconautla, se aprecia la
aparición de una frontera que divide los ex lagos de San Cristóbal y Texcoco (elipse en color rojo).
Dentro del área estudiada, la profundidad de la FAS es muy variable, en general, se encuentra
entre 1 y 2m de profundidad; en algunas zonas, alcanza 4.5m de profundidad.
4.4.1.4 Análisis de la distribución espacial de la profundidad de la CD
La profundidad de la frontera superior de la primera Capa Dura (CD) representa un campo

aleatorio V(X), distribuido dentro de un espacio RP, con p = 2 (área de estudio). El conjunto de
valores medidos dentro del dominio RP, constituye una muestra de ese campo aleatorio. En la fig.
4.74, se indica la ubicación de los sondeos utilizados como soporte de datos experimentales,
donde las coordenadas (x, y) definen la posición de los sondeos en el sistema de referencia UTM,
Datum WGS84, Zona 14 Norte. Para este análisis se consideran únicamente sondeos realizados
en el periodo 1990-2012.
189

estadísticos del campo aleatorio estudiado (tabla 4.16). La variabilidad de los datos se muestra
gráficamente a través del histograma y el polígono de frecuencias acumuladas en la fig. 4.75.
Figura 4.74. Distribución de datos de la profundidad de la CD, zona norte.
Tabla 4.16. Parámetros estadísticos de la profundidad de la CD, zona norte.

Parámetro Valor
No. de datos 364
Media, m(m) 12.72
190
Figura 4.75. Histograma de la profundidad superior de la CD, zona norte.
La tendencia de la profundidad de la frontera superior de la CD se evalúa mediante un análisis de

regresión, lineal de mínimos cuadrados, ajustando una ecuación de tipo V ( X )  ax  by  c , se
obtienen los coeficientes de regresión lineal: a = -0.0000263, b = -0.0000388, c = 86056768. La
representación gráfica del plano de regresión lineal se presenta en la fig. 4.76, donde se observa
que al sur se encuentra la mayor profundidad y al norte se encuentra superficialmente.
Figura 4.76. Plano de regresión lineal de la profundidad de la CD, zona norte.
Los modelos de correlación espacial (fig. 4.77) se obtienen ajustando una función de tipo
exponencial simple a los correlogramas experimentales direccionales y empleando las
correspondientes distancias de correlación de la tabla 4.17.
191
Tabla 4.17. Distancias de correlación de la profundidad superior de la CD, zona norte.

Az = 0° 6300
Az = 45° 5000
Az = 90° 4500
Az = 135° 4500
correlación en cada una de las cuatro direcciones preferenciales, como se indica en la fig. 4.78(a).
La forma geométrica que resulta de unir las cuatro distancias de correlación representa la
variabilidad espacial del campo aleatorio.
1.0 1.0

0.8 0.8
0.6 0.6
0.4 0.4
0.2 0.2
0.0 0.0
0 1000 2000 3000 4000 5000 6000 7000 8000 9000 10000 0 1000 2000 3000 4000 5000 6000 7000 8000 9000 10000
-0.2 -0.2
-0.4 -0.4
1.0 1.0
0.8
0.6 0.6
0.4 0.4
0.2 0.2
0.0 0.0
0 1000 2000 3000 4000 5000 6000 7000 8000 9000 10000 0 1000 2000 3000 4000 5000 6000 7000 8000 9000 10000
-0.2 -0.2
-0.4 -0.4

Figura 4.77. Correlogramas direccionales de la profundidad de la CD, zona norte.
Para la estimación se utilizan conservadoramente la elipse de anisotropía constituida por .las

distancias de correlación más cortas, de acuerdo con la fig. 4.78(b), es este caso es la que
corresponde a las direcciones de 45° y 135°, con distancias de correlación de 5000 m y 4500 m
respectivamente.
192
NORTE NORTE
Az = 0° Az = 0°
 = 6300 m
 = 4500 m ESTE ESTE
OESTE OESTE
Az = 90° Az = 90°
SUR SUR

Figura 4.78. Elipses de anisotropía de la profundidad de la CD, zona norte.
Predicción
La estimación de la profundidad de la frontera superior de la CD se realiza en una malla de puntos

espaciados a cada 250m en ambas direcciones (X e Y), empleando los datos del campo residual y
la anisotropía definida en la fig. 4.78(b), y recurriendo a la técnica de Kriging Ordinario. La
estimación final se obtiene regresando la tendencia al campo residual estimado.
Visualización

estimada de la FAS y otro de la varianza de estimación, como se muestra en la fig. 4.79.
Asimismo, en la fig. 4.80 se presenta una perspectiva de la superficie de la profundidad estimada
de la CD.
En las figuras 4.79 y 4.80, se distingue claramente la diferencia entre los espesores de arcilla de
los ex lagos del norte (Xaltocan y San Cristóbal) con el de Texcoco. Al sur del área estudiada, la
CD se encuentra entre 10m y 30m de profundidad; al norte, la profundidad máxima es de 10m.
La utilidad de estudiar la distribución espacial del espesor de la FAS en la zona norte del Valle de
México radica en la posibilidad de tomarse en cuenta en el diseño de obras de infraestructura,
tales como: obras subterráneas de transporte, obras de drenaje, pozos de extracción de agua,
construcciones pesadas y de altura considerable.
193

Figura 4.79. Mapa de contornos de la profundidad estimada de la CD, zona norte.
194
Figura 4.80. Superficie de la profundidad estimada de la CD, zona norte.
4.4.1.5 Análisis de la distribución espacial del espesor de la FAI
La profundidad de la frontera superior de la FAI representa un campo aleatorio V(X), distribuido

Norte. Para este análisis se consideran únicamente sondeos realizados en el periodo 1990-2012.

gráficamente a través del histograma y el polígono de frecuencias acumuladas en la fig. 4.82.
La tendencia de la profundidad de la frontera superior de la FAI se evalúa mediante un análisis de

regresión lineal de mínimos cuadrados, ajustando una ecuación de tipo V ( X )  ax  by  c , se
obtienen los coeficientes de regresión lineal: a = -0.0000062985, b = -0.00038311, c =
840.460036. La representación gráfica del plano de regresión se presenta en la fig. 4.83, donde se
observa una ligera tendencia, al sur la FAI se encuentra a mayor profundidad y al norte a menor
profundidad.
195
Figura 4.81. Distribución de datos de la profundidad de la FAI, zona norte.
Tabla 4.18. Parámetros estadísticos de la profundidad de la FAI, zona norte.

Parámetro Valor
No. de datos 288
Media, m(m) 16.32
Figura 4.82. Histograma de la profundidad superior de la FAI, zona norte.
196
Figura 4.83. Plano de regresión lineal de la profundidad de la FAI, zona norte.
Tabla 4.19. Distancias de correlación de la profundidad superior de la FAI, zona norte.

Az = 0° 5500
Az = 45° 4500
Az = 90° 5000
Az = 135° 5000
Los modelos de correlación espacial mostrados en la fig. 4.84 se obtienen ajustando una función
de tipo exponencial simple a los correlogramas experimentales direccionales y empleando las
correspondientes distancias de correlación indicadas en la tabla 4.19.
correlación en cada una de las cuatro direcciones preferenciales, fig. 4.85(a). La forma geométrica
campo aleatorio.
Predicción
La estimación de la profundidad de la frontera superior de la FAI se realiza en una malla de puntos

espaciados a cada 250 m en ambas direcciones (X e Y), empleando los datos del campo residual
y la anisotropía definida en la fig. 4.85(b), y recurriendo a la técnica de Kriging Ordinario. La
estimación final se obtiene regresando la tendencia al campo residual estimado.
Para la estimación, se utilizan conservadoramente la elipse de anisotropía constituida por .las

distancias de correlación más cortas, fig. 4.85(b), en este caso es la que corresponde a las
direcciones de 45° y 90°, con distancias de correlación de 4500m y 5000m respectivamente.
197
1.0 1.0
Correlograma Exponencial 0.8 Correlograma Exponencial
0.8
0.6 0.6
0.4 0.4
0.2 0.2
0.0 0.0
0 1000 2000 3000 4000 5000 6000 7000 8000 9000 10000 0 1000 2000 3000 4000 5000 6000 7000 8000 9000 10000
-0.2 -0.2
-0.4 -0.4

1.0 1.0
0.8
0.6 0.6
0.4 0.4
0.2 0.2
0.0 0.0
0 1000 2000 3000 4000 5000 6000 7000 8000 9000 10000 0 1000 2000 3000 4000 5000 6000 7000 8000 9000 10000
-0.2 -0.2
-0.4 -0.4

Figura 4.84. Correlogramas direccionales de la profundidad de la FAI, zona norte.
NORTE NORTE
Az = 0° Az = 0°
 = 5500 m
 = 5500 m
 = 5000 m ESTE  = 5000 m ESTE

OESTE OESTE
Az = 90° Az = 90°
SUR SUR
Figura 4.85. Elipses de anisotropía de la profundidad de la FAI, zona norte.
Visualización
Nuevamente, recurriendo a la técnica de mapeo, se construye un mapa de contornos de la

profundidad estimada de la FAI y otro de la varianza de estimación (fig. 4.86). Asimismo, en la fig.
4.87 se presenta una perspectiva de la superficie de la profundidad estimada de la FAI.
198

Figura 4.86. Mapa de contornos de la profundidad estimada de la FAI, zona norte.
199
Figura 4.87. Superficie de la profundidad estimada de la FAI, zona norte.
Comparando las figs. 4.79 y 4.86 se concluye que el espesor de la CD es en promedio de 2.5m
aproximadamente. Al norte el espesor es menor y aumenta considerablemente al sur de esta
zona.
4.4.1.6 Análisis de la distribución espacial de la profundidad de los DP
La profundidad de la frontera superior de los DP representa un campo aleatorio V(X), distribuido

Norte. Para este análisis se consideran únicamente sondeos realizados en el periodo 1990-2012.

gráficamente mediante el histograma de la fig. 4.89.
Tabla 4.20. Parámetros estadísticos de la profundidad de los DP, zona norte.

Parámetro Valor
No. de datos 330
Media, m(m) 15.85
Varianza, 2(m2) 154.26
200
Figura 4.88. Distribución de datos de la profundidad de los DP, zona norte.
Figura 4.89. Histograma de la profundidad de los DP, zona norte.
La tendencia de la profundidad de la frontera superior de los DP se evalúa mediante un análisis de

regresión, lineal de mínimos cuadrados, ajustando una ecuación de tipo V ( X )  ax  by  c , se
obtienen los coeficientes de regresión lineal: a = 0.000027505, b = -0.0004209, c = 906.643333.
La representación gráfica del plano de regresión lineal se presenta en la fig. 4.90, donde se
observa que, en general, al sur los DP se encuentran a mayor profundidad y al norte a menor
profundidad.
201
Figura 4.90. Plano de regresión lineal de la profundidad de los DP, zona norte.
Para definir la dependencia espacial de la profundidad de los DP, se remueve la tendencia de los
datos originales y con el campo residual se calculan los correlogramas experimentales en cuatro
direcciones preferenciales; Azimut 0°, 45°, 90° y 135° (fig. 4.91). A partir de estos correlogramas
se determinan las distancias de correlación direccionales (), indicadas en la tabla 4.21.
Tabla 4.21. Distancias de correlación de la profundidad de los DP, zona norte.

Az = 0° 5500
Az = 45° 4500
Az = 90° 6000
Az = 135° 3200
Los modelos de correlación espacial mostrados en la fig. 4.90, se obtienen ajustando una función
de tipo exponencial simple a los correlogramas experimentales direccionales y empleando las
correspondientes distancias de correlación de la tabla 4.21.
correlación en cada una de las cuatro direcciones preferenciales, fig. 4.91(a). La forma geométrica
campo aleatorio.
Para la estimación se utilizan conservadoramente la elipse de anisotropía constituida por las

distancias de correlación más cortas, fig. 4.92(b), en este caso es la que corresponde a las
direcciones de 45° y 135°, con distancias de correlación de 4500 m y 3200 m respectivamente.
Predicción
La estimación de la profundidad de la frontera superior de los DP se realiza en una malla de

puntos espaciados a cada 250 m en ambas direcciones (X e Y), empleando los datos del campo
residual y la anisotropía definida en la fig. 4.92(b), y recurriendo a la técnica de Kriging Ordinario.
La estimación final se obtiene regresando la tendencia al campo residual estimado.
202
1.0 1.0
Coeficiente de autocorrelación, hor 0.8 Correlograma Exponencial 0.8 Correlograma Exponencial

0.6 0.6
0.4 0.4
0.2 0.2
0.0 0.0
0 1000 2000 3000 4000 5000 6000 7000 8000 9000 10000 0 1000 2000 3000 4000 5000 6000 7000 8000 9000 10000
-0.2 -0.2
-0.4 -0.4
-0.6 -0.6

1.0 1.0
0.8 Correlograma Exponencial 0.8 Correlograma Exponencial

0.6 0.6
0.4 0.4
0.2 0.2
0.0 0.0
0 1000 2000 3000 4000 5000 6000 7000 8000 9000 10000 0 1000 2000 3000 4000 5000 6000 7000 8000 9000 10000
-0.2 -0.2
-0.4 -0.4
-0.6 -0.6

Figura 4.91. Correlogramas direccionales de la profundidad de los DP, zona norte.
NORTE
NORTE
Az = 0°
Az = 0°
 = 5500 m
 = 5500 m
 = 6000 m ESTE  = 6000 m ESTE

OESTE OESTE
Az = 90° Az = 90°
SUR SUR
Figura 4.92. Elipses de anisotropía de la profundidad de los DP, zona norte.
Visualización

estimada de los DP y otro de la varianza de estimación (fig. 4.93). Asimismo, en la fig. 4.94 se
presenta una perspectiva de la superficie de la profundidad estimada de los DP.
203

Figura 4.93. Mapa de contornos de la profundidad estimada de los DP, zona norte.
204
Figura 4.94. Superficie de la profundidad estimada de los DP, zona norte.
En las figuras 4.93 y 4.94 se observa que al norte de la zona estudiada, los depósitos profundos
se encuentran a una profundidad máxima de 26m y en la zona del ex lago de Texcoco alcanza
una profundidad de hasta 44m.
4.4.1.7 Propuesta de zonificación geotécnica para la zona norte
Con base en la información disponible en el SIG-SG (topografía, geología, mapas históricos, entre
otras), en las secciones transversales estimadas del contenido de agua y de número de golpes en
SPT, así como en los mapas de contornos de las formaciones típicas del subsuelo, se elaboró el
mapa de zonificación geotécnica propuesto para la zona norte del Valle de México presentado en
la fig. 4.95. Para la elaboración de este mapa se consideraron los criterios y zonas definidas en el
RCDF vigente (2004a); asimismo, se definieron las siguientes subzonas:
Zona I, Lomas
Subzona Ia, Lomeríos

Formada por rocas o suelos firmes depositados fuera del ambiente lacustre que corresponden a
las serranías de la zona.
Subzona Ib, Aluvial

Integrada por estratos arenosos y limo arenosos intercalados con capas de arcilla altamente
resistentes que se encuentran en las planicies elevadas de la zona, donde regularmente no
llegaba el nivel de los antiguos lagos.
205
Zona II, Transición
Subzona II a, Transición Alta

Está formada por estratos de arcilla lacustre con espesores menores a 2.50m.
Subzona II b, Transición Baja

Está formada por estratos de arcilla lacustre con espesores mayores a 2.50m y menores a 20.0m.
Es importante señalar que en esta zona se requiere de mayor atención para el diseño y
construcción de cimentaciones.
Es importante señalar que en el mapa de zonificación, se considera la existencia de algunas islas

dentro de los antiguos lagos, como son las que corresponden a los sitios de Xaltocan y Tonanitla.
Figura 4.95. Mapa propuesto de zonificación geotécnica para la zona norte.
206
4.4.2 Análisis geoestadístico de las propiedades del subsuelo en la zona poniente
El procedimiento para el análisis de la distribución espacial del contenido de agua de la zona

poniente del Valle de México es el presentado en el apartado 4.3, por tanto, en esta sección se
presenta el procedimiento general y los resultados complementarios.
Los valores del contenido de agua, w(%), se considera como un campo aleatorio V(X), distribuido
dentro de un espacio Rp, con p=3 (volumen de suelo, 3D). El conjunto de valores medidos dentro
del dominio Rp, constituye una muestra de ese campo aleatorio. Para este análisis se consideran
95 sondeos distribuidos en forma aleatoria (fig. 4.22).

de los campos aleatorios considerados, se estiman sus principales parámetros estadísticos (tabla
4.6):
Con base en los resultados del análisis de correlación espacial, se opta por emplear los modelos
de las figs. 4.25(h) y 4.27(h), con distancias de correlación ver= 3.6 m en dirección vertical yhor =
4000 m en dirección horizontal.
Predicción
experimentales de los 95 perfiles geotécnicos disponibles, se estimaron perfiles de contenido de
agua, w (%), a cada 200m a lo largo de los ejes preferenciales “A, B, C” y “1, 2, 3, 4 y 5”, definidos
en la fig. 4.96. La propiedad se estimó puntualmente a lo largo de la profundidad con un paso de
cálculo de 25cm. Empleando la técnica de simulación condicional se elaboraron perfiles simulados
de contenido de agua, w (%), a lo largo de los mismos ejes preferenciales.
Visualización
Las secciones transversales estimadas de contenido de agua, a lo largo de cada uno de los, ejes,
se construyen integrando los perfiles estimados y recurriendo a alguna técnica de graficación (figs.
4.97 a 4.104). Al construir la sección transversal es importante asegurar que la herramienta de
graficación no realice algún tipo de interpolación sobre los valores estimados, puesto que, de ser
así se produciría una imagen diferente de los resultados de la estimación original. De igual forma,
a partir de los valores de la Desviación estándar de estimación se construyen las secciones
transversales de incertidumbre asociada a la estimación.
207
Con las secciones transversales estimadas de contenido de agua sobre los ejes A a C se
construyó un modelo 3D en la dirección oriente-poniente (fig. 4.105), y sobre los ejes 1 a 5 en la
dirección norte-sur (fig. 4.106). Asimismo, se pueden integrar todos los cortes en un solo modelo
3D (fig. 4.107), el cual facilita la interpretación de la distribución espacial del contenido de agua y
por tanto, en forma indirecta, de los tipos de materiales del subsuelo.
O
CH
MA
CA
Las secciones transversales simuladas de contenido de agua, mostrados en las figs. 4.108 a
LA
VI
4.115, se construyen de la misma forma que las secciones estimadas. En este caso, también es
LA
UE
AN
importante asegurar que la herramienta de graficación no realice algún tipo de interpolación sobre
. M
VD
los valores estimados.

BL
2160000 AV. MAR

IO COLIN
C B A
Z
BA
IOS
O
EMED
AV
LO S R
EJE
E
RIO D
ST
GU
1P
TE.
A
VI
CAL
AV
.A
Z. V
Q
UI
NAL
ALL
LE
S
EJO
NACIO
SE
RD
AN
2155000
O
CNIC
E.
5
NT
OLITE
S
TE
COORDENADA Y (m)
EN
P
G
UR
UTO
NS
.I
INSTIT
AV
4 CTO
. IN
TER
CUBA IOR
MEX ICO TA
CALZ.
LA UNION
3 ZONA I
AV
.M
2150000 CA
SUAREZ
AR
RDENAS
LZ
NGRESO DE
.M
IN
EX
A
ICO
NA
BL
- TA
CI
VD
CU
IA PINO
LAZARO CA
O
BA
.A
NA
DO
A
L
CO
RM
SO
2 O
LF
F ZONA II
RE
Y TRONCO
JOSE MAR
NTE AV. H.
O
A
EL
LO
OD
SE
PE
PA EC
LTEP
RAL
HAPU
Z
A V. C
M
AT
EJE CENT
AN
EJE 2 ORIE
O DEL PASO
EO
UR
E TLALP
S
ES S
1 S ZONA III
T
TE
GEN
EN
CALZ. D
UY
FRANCISC
IT
R
S T
INSU
ON
.C
AV VIADUCTO MIGUEL
AV.
ALEMAN
2145000
480000 485000
COORDENADA X (m)
Figura 4.96. Ejes preferenciales de estimación de contenido de agua, zona poniente.
208
Sur 5700 5300 3664 2284

Norte
3573
0 200 400 0 200 400 0 200 400 0 200 400 0 200 400
0
PROFUNDIDAD (m)
-10
-20
-30
-40
-50
2145000 2146000 2147000 2148000 2149000 2150000 2151000 2152000 2153000 2154000 2155000 2156000
COORDENADA "Y" (m)
0 50 100 150 200 250 300 350 400 450 500 550
a) Sección transversal estimada
0
PROFUNDIDAD (m)
-10
-20
-30
-40
-50
2145000 2146000 2147000 2148000 2149000 2150000 2151000 2152000 2153000 2154000 2155000 2156000
COORDENADA "Y" (m)
0 20 30 40 50 60 70 80 90 100 110 120 130 140

Figura 4.97. Distribución espacial del contenido de agua sobre el eje A, zona poniente.
Sur 5308 4134

Norte
5247 5094
0 200 400 3466 0 200 400 0 200 400 0 200 400 0 200 400 3528 0 200 400
0
PROFUNDIDAD (m)
-10
-20
-30
-40
-50
2145000 2146000 2147000 2148000 2149000 2150000 2151000 2152000 2153000 2154000 2155000 2156000
COORDENADA "Y" (m)
0 50 100 150 200 250 300 350 400 450 500 550
0
PROFUNDIDAD (m)
-10
-20
-30
-40
-50
2145000 2146000 2147000 2148000 2149000 2150000 2151000 2152000 2153000 2154000 2155000 2156000
COORDENADA "Y" (m)
0 20 30 40 50 60 70 80 90 100 110 120 130 140

Figura 4.98. Distribución espacial del contenido de agua sobre el eje B, zona poniente.
209
Sur 2116 4350

Norte
3519
0 200 400 1484 0 200 400 0 200 400 600 0 200 400
0
PROFUNDIDAD (m)
-10
-20
-30
-40
-50
2145000 2146000 2147000 2148000 2149000 2150000 2151000 2152000 2153000 2154000 2155000 2156000
COORDENADA "Y" (m)
0 50 100 150 200 250 300 350 400 450 500 550
0
PROFUNDIDAD (m)
-10
-20
-30
-40
-50
2145000 2146000 2147000 2148000 2149000 2150000 2151000 2152000 2153000 2154000 2155000 2156000
COORDENADA "Y" (m)
0 20 30 40 50 60 70 80 90 100 110 120 130 140

Figura 4.99. Distribución espacial del contenido de agua sobre el eje C, zona poniente.
Poniente 1484 5624 1957 5700

Oriente
0 200 400 6037 0 200 400 0 200 400 0 200 400 0 200 400 3631 0 200 400 600
0
-10
PROFUNDIDAD
-20
-30
-40
-50
480500 481500 482500 483500 484500 485500 486500 487500
COORDENADA "X" (m)
0 50 100 150 200 250 300 350 400 450 500 550
0
PROFUNDIDAD (m)
-10
-20
-30
-40
-50
480500 481500 482500 483500 484500 485500 486500 487500
COORDENADA "X" (m)
0 20 30 40 50 60 70 80 90 100 110 120 130 140

Figura 4.100. Distribución espacial del contenido de agua sobre el eje 1, zona poniente.
210
Poniente 5479 5094 5116 5300

Oriente
0 200 400 0 200 400 0 200 400 0 200 400 0 200 400 1979
0
PROFUNDIDAD (m)
-10
-20
-30
-40
-50
480500 481500 482500 483500 484500 485500 486500 487500
COORDENADAS "X" (m)
0 50 100 150 200 250 300 350 400 450 500 550
0
PROFUNDIDAD (m)
-10
-20
-30
-40
-50
480500 481500 482500 483500 484500 485500 486500 487500
COORDENADAS "X" (m)
0 20 30 40 50 60 70 80 90 100 110 120 130 140

Poniente 3519 1959 5308 3664

Oriente
0 200 400 600 0 200 400 0 200 400 0 200 400 0 200 400 3524
0
PROFUNDIDAD (m)
-10
-20
-30
-40
-50
480500 481500 482500 483500 484500 485500 486500 487500
COORDENADA "X" (m)
0 20 30 40 50 60 70 80 90 100 110 120 130 140

b) Sección transversal estimada
0
PROFUNDIDAD (m)
-10
-20
-30
-40
-50
480500 481500 482500 483500 484500 485500 486500 487500
COORDENADA "X" (m)
0 50 100 150 200 250 300 350 400 450 500 550
a) Distribución espacial estimada de contenido de agua
211
Poniente 1124
3628 3573 Oriente
0 200 400 0 200 400 0 200 400 3579 0 200 400
0
PROFUNDIDAD (m) -10
-20
-30
-40
480500 481500 482500 483500 484500 485500 486500 487500
COORDENADA "X" (m)
0 50 100 150 200 250 300 350 400 450 500 550
0
PROFUNDIDAD (m)
-10
-20
-30
-40
480500 481500 482500 483500 484500 485500 486500 487500
COORDENADA "X" (m)
0 20 30 40 50 60 70 80 90 100 110 120 130 140

Poniente 3616 4134 1405

Oriente
0 200 400 1160 0 200 400 0 200 400 0 200 400 3632 0 200 400
0
PROFUNDIDAD (m)
-10
-20
-30
-40
480500 481500 482500 483500 484500 485500 486500 487500
COORDENADA "X" (m)
0 20 30 40 50 60 70 80 90 100 110 120 130 140

0
PROFUNDIDAD (m)
-10
-20
-30
-40
480500 481500 482500 483500 484500 485500 486500 487500
COORDENADA "X" (m)
0 50 100 150 200 250 300 350 400 450 500 550
212
0 50 100 150 200 250 300 350 400 450 500 550
Figura 4.105. Modelo 3D del contenido de agua, dirección Oriente-Poniente, zona poniente.
0 50 100 150 200 250 300 350 400 450 500 550
Figura 4.106. Modelo 3D del contenido de agua, dirección Norte-Sur, zona poniente.
213
Centro
0 50 100 150 200 250 300 350 400 450 500 550
Figura 4.107. Modelo 3D de la distribución espacial del contenido de agua, zona poniente.
214
Sur Norte
0
PROFUNDIDAD (m) -10
-20
-30
-40
-50
Simulación 1
0
PROFUNDIDAD (m)
-10
-20
-30
-40
-50
Simulación 2
0
PROFUNDIDAD (m)
-10
-20
-30
-40
-50
Simulación 3
0
PROFUNDIDAD (m)
-10
-20
-30
-40
-50
Simulación 4
0
PROFUNDIDAD (m)
-10
-20
-30
-40
-50
2145000 2146000 2147000 2148000 2149000 2150000 2151000 2152000 2153000 2154000 2155000 2156000
COORDENADA "Y" (m)
0 50 100 150 200 250 300 350 400 450 500 550
Figura 4.108. Simulaciones del contenido de agua sobre el eje A, zona poniente.
215
Sur Norte
0
PROFUNDIDAD (m)
-10
-20
-30
-40
-50
Simulación 1
0
PROFUNDIDAD (m)
-10
-20
-30
-40
-50
Simulación 2
0
PROFUNDIDAD (m)
-10
-20
-30
-40
-50
Simulación 3
0
PROFUNDIDAD (m)
-10
-20
-30
-40
-50
Simulación 4
0
PROFUNDIDAD (m)
-10
-20
-30
-40
-50
2145000 2146000 2147000 2148000 2149000 2150000 2151000 2152000 2153000 2154000 2155000 2156000
0 50 100 150 200 250 300 350 400 450 500 550
Figura 4.109. Simulaciones del contenido de agua sobre el eje B, zona poniente.
216

6XU 1RUWH

352)81','$' P

6LPXODFLyQ

352)81','$' P

6LPXODFLyQ

352)81','$' P

6LPXODFLyQ

352)81','$' P

6LPXODFLyQ

352)81','$' P

&225'(1$'$< P
3URPHGLRGHODVVLPXODFLRQHV

&RQWHQLGRGHDJXD w
)LJXUD6LPXODFLRQHVGHOFRQWHQLGRGHDJXDVREUHHOHMH&]RQDSRQLHQWH


3RQLHQW 2ULHQW

352)81','$' P

6LPXODFLyQ

352)81','$' P

6LPXODFLyQ

352)81','$' P

6LPXODFLyQ

352)81','$' P

6LPXODFLyQ

352)81','$' P

&225'(1$'$; P

&RQWHQLGRGHDJXD w
)LJXUD6LPXODFLRQHVGHOFRQWHQLGRGHDJXDVREUHHOHMH]RQDSRQLHQWH

Tesis Digitales


3RQLHQW 2ULHQW

352)81','$' P

6LPXODFLyQ

352)81','$' P

6LPXODFLyQ

352)81','$' P

6LPXODFLyQ

352)81','$' P

6LPXODFLyQ

352)81','$' P

&225'(1$'$; P

&RQWHQLGRGHDJXD w
)LJXUD6LPXODFLRQHVGHOFRQWHQLGRGHDJXDVREUHHOHMH]RQDSRQLHQWH

Ponient Orient
0
e e
PROFUNDIDAD (m)
-10
-20
-30
-40
-50
Simulación 1
0
PROFUNDIDAD (m)
-10
-20
-30
-40
-50
Simulación 2
0
PROFUNDIDAD (m)
-10
-20
-30
-40
-50
Simulación 3
0
PROFUNDIDAD (m)
-10
-20
-30
-40
-50
Simulación 4
0
PROFUNDIDAD (m)
-10
-20
-30
-40
-50
480500 481500 482500 483500 484500 485500 486500 487500
COORDENADA "X" (m)
0 50 100 150 200 250 300 350 400 450 500 550
Figura 4.113. Simulaciones del contenido de agua sobre el eje 3, zona poniente.
220
Ponient Orient
0 e e
PROFUNDIDAD (m)
-10
-20
-30
-40
Simulación 1
0
PROFUNDIDAD (m)
-10
-20
-30
-40
Simulación 2
0
PROFUNDIDAD (m)
-10
-20
-30
-40
Simulación 3
0
PROFUNDIDAD (m)
-10
-20
-30
-40
Simulación 4
0
PROFUNDIDAD (m)
-10
-20
-30
-40
480500 481500 482500 483500 484500 485500 486500 487500
COORDENADA "X" (m)
0 50 100 150 200 250 300 350 400 450 500 550
221
Ponient Orient
0
e e
PROFUNDIDAD (m)
-10
-20
-30
-40
Simulación 1
0
PROFUNDIDAD (m)
-10
-20
-30
-40
Simulación 2
0
PROFUNDIDAD (m)
-10
-20
-30
-40
Simulación 3
0
PROFUNDIDAD (m)
-10
-20
-30
-40
Simulación 4
0
PROFUNDIDAD (m)
-10
-20
-30
-40
480500 481500 482500 483500 484500 485500 486500 487500
COORDENADA "X" (m)
0 50 100 150 200 250 300 350 400 450 500 550
222
Validación de la estimación
Para evaluar la consistencia de los resultados, se aplicó la técnica de validación cruzada en los
perfiles 4270 y 1245 de la fig. 4.116. Los valores de contenido de agua se estiman a cada 0.25m,
empleando los mismos modelos de correlación espacial pero retirando los datos de los perfiles
que se estiman, los resultados se presentan en la fig. 4.116, donde se observa una aproximación
aceptable entre los valores estimados y los valores medidos, por tanto, se acepta la consistencia
del método de interpolación.
Sondeo 4270 Sondeo 1245

Contenido de Agua, w (%) Contenido de Agua, w (%)
0 100 200 300 400 500 0 100 200 300 400 500
0.00 0.00
Sondeo medido
Sondeo medido
Sondeo estimado
Sondeo estimado
-5.00 -5.00
-10.00 -10.00
-15.00 -15.00
Profundidad (m.)
Profundidad (m.)
-20.00 -20.00
-25.00 -25.00
-30.00 -30.00
-35.00 -35.00
-40.00 -40.00
Figura 4.116. Perfiles de validación cruzada de contenido de agua, zona poniente.
En las secciones transversales estimadas de contenido de agua de las figs. 4.97 a 4.107 se
observa que los valores de contenido de agua varían de 0% a más de 500%. De acuerdo con la
escala, se aprecia una disminución de la magnitud de la propiedad en la dirección oriente-
poniente y sur-norte, es decir, la magnitud tiende a disminuir hacia la zona de lomas.
223
De manera general, en las secciones transversales de desviación estándar de las figs. 4.96(b) a
4.106(b) se observa que los valores de contenido de agua estimados en puntos próximos a datos
experimentales se reduce la incertidumbre (columnas o bulbos de color claro) y en puntos más
alejados de los datos experimentales la desviación estándar es mayor (regiones de color
obscuro), es decir, entre más alejado este un valor estimado de un dato experimental, la
estimación será menos confiable. Asimismo, en las secciones estimadas se observa que los
valores de contenido de agua estimados son aproximados a los valores medidos que muestran los
perfiles geotécnicos.
En la zona del centro histórico de la ciudad (fig. 4.107), se observan estratos superficiales con
valores bajos de contenido de agua y espesor superior a 10 m, esto se debe a la presencia de los
rellenos arqueológicos.
Con base en la escala de valores de contenido de agua y su correspondencia con el tipo de

material, es posible inferir la distribución de las formaciones típicas, teniendo en color verde y azul
regiones con altos valores de contenido de agua correspondiente a materiales arcillosos de alta
compresibilidad (FAS y FAI), y en color amarillo y blanco regiones con valores menores a 100 %
propios de lentes arenosos y estratos resistentes (CS, CD, y DP), como se indica en la fig. 4.117.
CARDENAS
ABAD
ES
RR
TE JO
E SE
OS
.J TO
DR M
NIO
AS
IZ
CU
VE RT
EL
L LAZARO
L AR
SAN ANTO
MA RIA
MANUEL
JOSE OT HO
N
. JOSE
EJE CENTRA
CALZADA
A V. DR
EJE CENTRAL CALZ. SAN ANTONIO ABAD
0
CS
PROFUNDIDAD (m)
-10 1
2
-20 FAS
LENTE ARENOSO
3
-30
4
CD
-40 FAI
DP
-50
484500 484750 485000 485250 485500 485750 486000
COORDENADA X (m)
1 Subestrato arcilloso
0 50 100 150 200 250 300 350 400 450 500 550
Figura 4.117. Interpretación estratigráfica de las secciones transversales estimadas de w.
224
Asimismo, hacia el sur-oriente de la zona analizada se identifican dentro de la FAS valores de

contenido de agua menores a 100% que contrastan con los altos contenidos de agua típicos de
los materiales arcillosos, estos bajos valores de contenido de agua corresponden a lentes
arenosos llamados indicadores que dividen la FAS en cuatro subestratos (fig. 4.117).
De los cortes de contenido de agua estimados también se observa que hacia el norte y el
poniente, existe un incremento en la intercalación de materiales aluviales (arenas, limos y gravas)
con materiales de origen lacustre (arcillas), dando origen a una estratigrafía muy heterogénea,
característica de la zona de transición.
En los cortes simulados se observa que los valores de contenido de agua se incrementan en
dirección sur-oriente, hacia el centro de la ciudad, en donde valores simulados llegan a ser
mayores a 500%, lo anterior permite identificar estratos altamente compresibles y de baja
resistencia al esfuerzo cortante potencialmente críticos que pueden influir desfavorablemente en
comportamiento de las construcciones. Así mismo, en los cortes simulados también se identifican
zonas con bajos valores de contenido de agua, característicos de la CS, CD y DP.
La heterogeneidad del subsuelo que se presenta hacia el poniente y hacia el norte, se refleja en la
distribución caótica de contenido de agua en los cortes simulados por lo que es difícil identificar
zonas de valores críticos. Sin embargo, de forma general se observa que los valores simulados
tienden a ser menores de 100%.
4.4.2.2 Análisis de la distribución espacial del espesor de la FAS
De acuerdo con la teoría de los campos aleatorios, el espesor de la FAS se consideran como un
campo aleatorio V(X), distribuido dentro de un espacio Rp, con p =2 (área de estudio). El conjunto
de valores del espesor de la FAS medidos dentro del dominio Rp, constituye una muestra de ese
campo aleatorio. En la fig. 4.118 se muestra el área de estudio de 210 km2y la distribución
espacial de los sondeos empleados para el análisis. En la misma figura, se observa que de
acuerdo con el mapa de zonificación geotécnica de las NTC-DCC (GDFb, 2004), el área de
estudio incluye parte de las zonas de lago, transición y lomas.
Los datos de espesor de la FAS se obtienen mediante la caracterización de los sondeos

disponibles e integrados en el SIG-SG. Es importante aclarar que tomando en cuenta la variación
de las propiedades del subsuelo, a través del tiempo, se consideró incorporar únicamente
sondeos realizados de 1990 a 2010, resultando un total de 231 sondeos.
225
2162500.00
2160000.00
ACU
EDU
CTO
DE G
UAD
ALUP
E
Z
BA
O
2157500.00 AV
ST
GU
COORDENADA Y (m)
VIA
NAL
NACIO
COORDENADA Y (m)
AQ
NICO
UI
LE
LITEC
S
SE
2155000.00 RD
EJE
O PO
AN
Fuente bibliográfica
1
PTE
TITUT
E.
NT
. CA
ES
P.C.A.
S
LZ.
NT
AV. IN
E
VAL
RG
SU
S.P.T.
LEJ
IN
2152500.00
.
O
AV
BLV
Cono dinámico
D.
M AN
Cono eléctrico
UE
LA
VIL
UNION
RDENAS
AC
Mixto
2150000.00
AM
AC
LA
IOR
LAZARO CA
HO
Sondeo de verificación
RESO DE
ER
INT
y avance controlado
ITO
MA
. H. CONG
OR
CU
EF
RAL
AR
CIR
PASEO EL
DE LA RE
OD
EJE CENT
FORMA
SE
2147500.00 PA
IENTE AV
1000 3000 5000

EJE 2 OR
0 2000 4000
ESCALA GRAFICA
2145000.00
477500.00 480000.00 482500.00 485000.00 487500.00
COORDENADA X X
COORDENADA (m)
(m)
Figura 4.118. Distribución de datos del espesor de la FAS, zona poniente.
Aceptando las condiciones de homogeneidad y ergodicidad se estiman los principales parámetros

estadísticos del espesor de la FAS, presentados en la tabla 4.22.
Tabla 4.22. Parámetros estadísticos del espesor de la FAS, zona poniente.

Parámetro Valor
No. de datos 231
Media, m(m) 16.01
Varianza, 2(m2) 78.592
El histograma y el polígono de frecuencias de la fig. 4.119, muestran la variabilidad de los datos

del espesor de la FAS. En la misma figura se observa una distribución bimodal con frecuencias
mayores en las clases de 10 a 15 y de 20 a 25m.
226
60
50
40
Número de datos
30
20
10
0
0-5 5-10 10-15 15-20 20-25 25-30 30-35 35-40
Espesor de la FAS (m)
Figura 4.119. Histograma de los datos del espesor de la FAS, zona poniente.
Para identificar si el campo aleatorio definido como el espesor de la FAS es o no estacionario se

realiza un análisis de regresión lineal, obteniendo así un plano de regresión representado por la
ecuación lineal V(X) = ax + by + c; para este caso, los coeficientes de regresión lineal caso
resultan: a = 0.00231314; b = -0.00084024; c = 705.785982. Con los estos coeficientes se calcula
y se representar gráficamente el plano de regresión lineal (fig. 4.120).
Figura 4.120. Plano de regresión lineal del espesor de la FAS, zona poniente.
En la figura anterior, tendencia indica que el mayor espesor de la FAS se ubica en el centro de la
ciudad de México y reduce progresivamente hacia el norponiente donde se encuentra la Sierra de
Guadalupe. Esta tendencia se toma en cuenta en el análisis de correlación espacial.
correlogramas experimentales en cuatro direcciones preferenciales; Azimut 0°, 45°, 90° y 135°, el
cálculo se realiza con un paso de cálculo de 100m hasta una distancia máxima de separación de
2000m en las cuatro direcciones (fig. 4.121). A partir de estos correlogramas se determinan las
distancias de correlación direccionales (), indicadas en la tabla 4.23.
227
Tabla 4.23. Distancias de correlación del espesor de la FAS, zona poniente.

Az = 0° 900
Az = 45° 700
Az = 90° 900
Az = 135° 1200
Los modelos de correlación espacial se obtienen ajustando la misma función de tipo exponencial
simple a los correlogramas experimentales direccionales y empleando las distancias de
correlación de la tabla 4.23 (fig. 4.121).
1.0 1.0
0.8
0.8
0.6 0.6
0.4 0.4
0.2 0.2
0.0 0.0
0 250 500 750 1000 1250 1500 1750 2000 0 250 500 750 1000 1250 1500 1750 2000
-0.2 -0.2
-0.4 -0.4

1.0 1.0
0.8 0.8
0.6 0.6
0.4 0.4
0.2 0.2
0.0 0.0
0 250 500 750 1000 1250 1500 1750 2000 0 250 500 750 1000 1250 1500 1750 2000
-0.2 -0.2
-0.4 -0.4

Figura 4.121. Correlogramas direccionales de la profundidad de la FAS, zona poniente.
Con las distancias de correlación direccionales estimadas (tabla 4.23) se construyen las elipses
de anisotropía del campo en estudio (fig. 4.122), considerando direcciones perpendiculares entre
sí. Estas elipses representan la variabilidad espacial del campo aleatorio.
De acuerdo con lo anterior, en forma conservadora se elige emplear la elipse con distancias de
correlación intermedias que corresponden a las direcciones Az = 0° y Az = 90° ( = 900 en los dos
casos), por lo que, bajo esta condición, el campo se considera isótropo. Para la estimación se
utilizan conservadoramente la elipse de anisotropía constituida por .las distancias de correlación
más cortas, en este caso es la que corresponde a las direcciones de 0° y 90°, con distancias de
correlación de 900m en ambas direcciones.
228
Az = 0°
A
z
=
45
°
= 900 m
m
0
70
Az = 90°
=

 = 900 m

=
12
00
m
5°
13
=
z
A
Figura 4.122. Elipses de anisotropía del espesor de la FAS, zona poniente.
Predicción
La estimación del espesor de la FAS se realiza puntualmente mediante la técnica de Kriging

Ordinario, empleando los datos del campo residual y las distancias de correlación anteriormente
definidas. La malla de estimación se define considerando a las coordenadas X = 476300 y Y =
2144900 como punto inicial. La separación entre los puntos de la malla es de 100m en ambas
direcciones (X e Y), el número de puntos estimados en la dirección horizontal es de 122 y en la
dirección vertical de 175.
Dado que los valores estimados corresponden a un campo residual, se regresar la tendencia al
campo resultante (estimado) para obtener los valores reales de la estimación puntual, asimismo,
la desviación estándar de estimación, que representa la incertidumbre de la propia estimación, no
tiene ninguna modificación.
Visualización
Para la interpretación de los resultados numéricos de la estimación, se recurre a la técnica de

mapeo para construir un mapa de contornos del espesor de la FAS estimada y otro de la de
desviación estándar de estimación, mostrados en la fig. 4.123. Otra forma de representar los
valores estimados es mediante un modelo de superficie en perspectiva (fig. 4.124).
A partir del mapeo de valores estimados (fig. 4.123 y 44.124), se observa que el espesor de la
FAS se incrementan en dirección NW-SE y tienden a disminuir hacia las serranías del norte y
poniente, donde la FAS desaparece totalmente. Al norte y poniente del área de estudio, se
encuentra el menor espesor de la FAS y aumenta considerablemente hacia el sur-oriente,
alcanzando un espesor aproximado de 38.16m.
En el modelo de superficie de la fig. 4.124 se observa una depresión en la zona del centro
histórico de la ciudad de México debida a la disminución de los valores del espesor de la FAS,
229
esto se debe al efecto de consolidación bajo la acción de las cargas impuestas al subsuelo desde
épocas precolombinas y al hundimiento regional provocado por la sobreexplotación de agua.
En la zona del cerro del Tepeyac, el espesor de la FAS disminuye rápidamente dando origen a
una zona de transición abrupta que provoca asentamientos diferenciales considerables y grietas a
tensión en el suelo que dañan las construcciones. Un ejemplo de estos efectos es lo ocurrido a la
antigua basílica de Guadalupe que presenta grandes desplomos y agrietamiento en muros y
fachada.
2162500.00 2162500.00
2160000.00 2160000.00
Z
BA
OV
2157500.00
TA
0 2157500.00 12
US
12
A
AG
CION
5
CAL
VI
10
O NA
10
Z. V
COORDENADA Y (m)
10
COORDENADA Y (m)
CNIC
ALL
8
8
2155000.00
EJO
15 2155000.00
POLITE
20 66
TUTO
25
44
INSTI
2152500.00 CTO. IN 30 2152500.00

TERIO 22
R
35
AV
.M
40 00
AR
IN
A
2150000.00
NA
2150000.00
CI
DE LA UNION
O
NA
BL
L
VD
MA
OR
.A
F
RE
DO
RAL
L FO
CONGRESO
LO
2147500.00
EJE CENT
2147500.00
P
TES
EZ
M
N
AT
RGE
EO
S
INSU
VIADUCTO
AV.
2145000.00 2145000.00
477500.00 480000.00 482500.00 485000.00 487500.00 477500.00 480000.00 482500.00 485000.00 487500.00
COORDENADA X (m) 1000 3000 5000 COORDENADA X (m)
0 2000 4000
Escala Grafica
a) Contornos de la estimación b) Contornos de la desviación estándar de estimación

Figura 4.123. Mapa de contornos del espesor estimado de la FAS, zona poniente.
Figura 4.124. Superficie del espesor estimado de la FAS, zona poniente.
230
De acuerdo con la teoría de los campo aleatorios, los valores la profundidad de la frontera
superior de la CD se consideran como un campo aleatorio V(X), distribuido dentro de un espacio
Rp, con p = 2 (área de estudio). El conjunto de valores de la profundidad de la CD medidos dentro
del dominio Rp, constituye una muestra de ese campo aleatorio.
El análisis se realiza dentro del área lacustre, fig. 4.125, que de acuerdo con el mapa de
zonificación geotécnica de las NTC-DCC (GDFb, 2004) incluye parte de la zonas de lago,
transición y una baja porción de la zona de lomas. Los datos que sirven de soporte para estimar la
profundidad de la CD corresponden a 189 sondeos realizados de 1990 a 2009, al reducir el
intervalo de tiempo se reduce el número de datos.
2157500.00
2155000.00
Y (m)
Y (m)
2152500.00
COORDENADA
P.C.A.
S.P.T.
COORDENADA
Cono dinámico
Cono eléctrico
2150000.00 Mixto
y avance controlado
2147500.00
2145000.00
482500.00 485000.00 487500.00
COORDENADA
COORDENADA X (m)
X (m)
Figura 4.125. Distribución de datos de la profundidad de la CD, zona poniente.
En las zonas de transición se debe poner especial atención en la caracterización de esta

formación geológica debido a que puede confundirse con los DP en zonas donde la CD y la FAI
desaparecen, no obstante, las dos formaciones son de diferente origen geológico y deben ser
consideradas por separado.
231
Descripción estadística
Aceptando las condiciones de homogeneidad y ergodicidad sobre la realización del campo

aleatorio se estiman los principales parámetros estadísticos que se muestran en la tabla 4.24.
Tabla 4.24. Parámetros estadísticos de la profundidad de la CD, zona poniente.

Parámetro Valor
No. de datos 189
Media, m(m) 25.9
En el histograma de los datos de la profundidad de la CD, fig. 4.126, se observa que el rango es
de 32m, la distribución de las frecuencias es bimodal teniendo las mayores frecuencias en las
clases de 12 a 16 y de 32 a 36m.
45
40
35
30
Número de datos
25
20
15
10
0
10-12 12-16 16-20 20-24 24-28 28-32 32-36 36-40 40-44
Profundidad superior de la CD (m)
Figura 4.126. Histogramas de datos de la profundidad de la CD, zona poniente.
El análisis de tendencia del conjunto de datos de la profundidad de la CD da como resultado los

siguientes los coeficientes de regresión lineal: a = 0.00284656; b = -0.00155302; c =
1985.654190.
A partir de los coeficientes de regresión lineal anteriores y la ecuación V(X) = ax + by + c, se

grafica el plano de regresión lineal de la fig. 4.126, en donde se identifica que el campo no es
estacionario. La tendencia indica que la CD se encuentra más superficialmente a lo largo de la
Sierra de las Cruces y se profundiza hacia el centro dela ciudad. Esta tendencia se toma en
cuenta en el análisis de correlación espacial.
232
Figura 4.127. Plano de regresión lineal de la profundidad de la CD, zona poniente.
Correlogramas experimentales
El análisis de correlación de la profundidad de la CD se realizó en cuatro direcciones

preferenciales, Az = 0°, 90°, 45° y 135°, con un paso de cálculo de 100m y una distancia de
separación máxima de 2000m en las cuatro direcciones. En la fig. 4.128 se muestran los
correlogramas experimentales del campo residual (estacionario). A partir de los correlogramas
experimentales del campo residual se obtienen las distancias de correlación para la profundidad
de la CD que se muestran en la tabla 4.25.
Tabla 4.25. Distancias de correlación de la profundidad de CD, zona poniente.

Az = 0° 2100
Az = 45° 2000
Az = 90° 1400
Az = 135° 1600
Los modelos de correlación espacial se obtienen empleando las distancias de correlación de la

tabla 4.25 y recurriendo a la misma función de tipo exponencial simple (fig. 4.128).
Las elipses de anisotropía para la profundidad de la CD construidas a partir de las distancias de

correlación de la tabla 4.25 se muestran en la fig. 4.129.
Considerando como estructuras independientes las dos elipses de la fig. 4.129, los coeficientes de
anisotropía para cada elipse son de 0.67 considerando como dirección principal Az = 0° y de 0.8
considerando como dirección principal Az = 45°.
Con base en lo anterior, de forma conservadora se consideran las distancias de correlación

intermedias  = 2000m correspondiente a la dirección Az = 45° y  = 1600m correspondiente a la
dirección Az = 135°.
233
1.0 1.0
0.6 0.6
0.4 0.4
0.2 0.2
0.0 0.0
0 250 500 750 1000 1250 1500 1750 2000 0 250 500 750 1000 1250 1500 1750 2000
-0.2 -0.2
-0.4 -0.4
-0.6 -0.6
1.0 1.0
0.6 0.6
0.4 0.4
0.2 0.2
0.0 0.0
0 250 500 750 1000 1250 1500 1750 2000 0 250 500 750 1000 1250 1500 1750 2000
-0.2 -0.2
-0.4 -0.4
-0.6 -0.6

Figura 4.128. Correlogramas direccionales de la profundidad de la CD, zona poniente.
Az = 0°
A
z
=
45
°
= 2100 m
m
00
20
=

Az = 90°
 = 1400 m

=
16
00
m
5°
13
=
z
A
Figura 4.129. Elipses de anisotropía de la profundidad de la CD, zona poniente.
234
Estimación
La estimación de profundidades de la CD se realiza puntualmente mediante la técnica de Kriging

Ordinario, empleando los datos del campo residual y las distancias de correlación anteriormente
definidas, siendo estas de =2000m para la dirección Az = 45° y  = 1600 m para Az = 135°. La
malla de puntos por estimar se define considerando a las coordenadas geográficas X = 480300 y
Y = 2144900 como punto inicial, la separación entre los puntos de la malla es de 100 m en las
direcciones vertical y horizontal, el número de puntos estimados en la dirección vertical es de 127
y en la dirección horizontal de 82. Al igual que para el caso del espesor de la FAS es necesario
regresar la tendencia al campo estimado para obtener los valores finales de la estimación.
Mapeo
Para una fácil interpretación de los valores puntualmente estimados de la profundidad de CD, se
recurre a la técnica de mapeo para la construcción de mapas de contornos de la estimación y otro
para la desviación estándar de estimación, estos mapas se muestran en la fig. 4.130. Así también,
los resultados de la estimación se representan mediante un modelo de superficie en perspectiva
donde la coordenada Z es la profundidad de la CD (fig. 4.131).
2157500.00 2157500.00
12
AL
ACION
14
NICO N
16
2155000.00 2155000.00
CAL
LITEC
18
Z. V
ALL
UTO PO
20
EJO
22 12
INSTIT
COORDENADA Y (m)
24
10
COORDENADA Y (m)
2152500.00 2152500.00
26
CT
O. 8
INT
ER 28
IOR
30 6
AV
32
.M
AR
4
34
I NA
2150000.00 2150000.00
NA
36
CI
2
ON
AL
38
DE LA UNION
0
RMA 40
FO
RE
42
RAL
CONGRESO
2147500.00 2147500.00
S
EJE CENT
NTE
Zona de
RGE
lomas
INSU
Zona sin
AV.
VIADUCTO Capa Dura
2145000.00 2145000.00
482500.00 485000.00 487500.00 482500.00 485000.00 487500.00
COORDENADA X (m)
COORDENADA X (m)

Figura 4.130. Mapa de contornos de la profundidad estimada de la CD, zona poniente.
235
Figura 4.131. Superficie de la profundidad estimada de la CD, zona poniente.
En las figs. 4.130 y 4.131 se observa que la profundidad de la CD tiene a incrementarse en

dirección NW-SE. De acuerdo con los valores estimados se tiene que la profundidad máxima es
de 44.2m y la mínima de 12m en la cercanía de los cerros del Tepeyac y de Chapultepec.
En la zona de transición, se dificulta la caracterización de la CD debido a la fuerte heterogeneidad

de los materiales, destacando la intercalación de lentes duros y material de origen aluvial dentro
de la FAS con espesores similares a los de la CD.
En la fig. 4.130(a) se indica un área dentro de la zona de transición donde no existe CD, dado que
esta desaparece gradualmente después de intersecar los DP.
En la zona centro de la ciudad se observa que la profundidad de la CD (36m) es mayor con

respecto a los valores que se presentan en la cercanía, esto se debe a que en esta zona donde
tiene su origen la Ciudad de México, se encuentran los rellenos artificiales de espesor
considerable que producen un aumento de carga en la superficie al igual que el peso de las
primeras edificaciones construidas en esta zona. Dicho incremento de carga aparentemente ha
afectado a la FAI, lo que puede explicar la existencia de esta depresión.
4.4.2.4 Distribución espacial del espesor de la FAI
De acuerdo con la teoría de los campo aleatorios, los valores del espesor de la FAI se consideran
como un campo aleatorio V(X), distribuido dentro de un espacio Rp, con p=2 (área de estudio). El
conjunto de valores del espesor de la FAI medidos dentro del dominio Rp, constituye una muestra
de ese campo aleatorio. En la fig. 4.132 se muestra la distribución de los 102 sondeos empleados
para el análisis, los sondeos fueron realizados entre 1990 y 2010 la profundidad de exploración
alcanza los DP. El área de estudio tiene una superficie aproximada de 100.2km2.
236
2157500.00
2155000.00
Y (m)
Y (m)
2152500.00
COORDENADA
P.C.A.
S.P.T.
COORDENADA
Cono dinámico
Cono eléctrico
2150000.00 Mixto
y avance controlado
2147500.00
2145000.00
482500.00 485000.00 487500.00
COORDENADA
COORDENADA X (m)
X (m)
Figura 4.132. Distribución de datos del espesor de la FAI, zona poniente.

aleatorio se estiman los principales parámetros estadísticos presentados en la tabla 4.26.
Tabla 4.26. Parámetros estadísticos del espesor de la FAI, zona poniente.

Parámetro Valor
No. de datos 102
Media, m(m) 4.12
Desviación estándar, S(m) 102
Para evaluar gráficamente la variabilidad de los datos del espesor de la FAI se construye un
histograma y el polígono de frecuencias (fig. 4.133), donde se observa que la distribución tiene
forma de “J” invertida, debido a la concentración de los datos en el intervalo de 0 a 2.
237
45
40
35
30
Número de datos
25
20
15
10
0
0-2 2-4 4-6 6-8 8-10 10-12 12-14
Espesor de la FAI (m)
Figura 4.133. Histograma de datos del espesor de la FAI, zona poniente.
En la fig. 4.133 se observa una concentración de datos en las primeras clases, esto se debe a que
los espesores más grandes se localizan en el centro de la ciudad. En general, la mayoría de los
sondeos en la zona del centro de la ciudad no atraviesan por completo a esta formación arcillosa,
lo que impide contar con datos precisos de su espesor.
Para identificar si el campo es estacionario o no estacionario, se realiza un análisis de regresión

lineal del que resultan los siguientes los coeficientes:
a = 0.001315656; b = -0.00054000; c = 528.181560
Al sustituir los coeficientes de regresión lineal en la ecuación: V(X) = ax + by + c, se obtiene el

plano de regresión lineal del conjunto de datos, fig. 4.134, donde se observa que el campo es no
estacionario. La tendencia indica que el mayor espesor de la FAI se ubica en el centro de la
ciudad de México y reduce significativamente en dirección NW, hacia donde se unen la Sierra de
las Cruces Guadalupe y la Sierra de Guadalupe. Esta tendencia se toma en cuenta en el análisis
de correlación espacial.
Figura 4.134. Plano de regresión lineal del espesor de FAI, zona poniente.
238
Procediendo de la misma forma que en los casos anteriores, se estiman los correlogramas
experimentales en 4 direcciones preferenciales Az = 0°, Az = 90°, Az = 45° y Az = 135°, con un
paso de cálculo de 100m hasta una distancia máxima de separación de 2000m en las cuatro
direcciones. En la fig. 4.135 se presentan los correlogramas experimentales del campo no
estacionario (con tendencia) y en la fig. 3.48 los del campo estacionario (sin tendencia).
Las distancias de correlación para la FAI obtenidas a partir de los correlogramas experimentales
de la fig. 4.135 se presentan en la tabla 4.27.
Tabla 4.27. Distancias de correlación del espesor de la FAI, zona poniente.

Az = 0° 2000
Az = 45° 1800
Az = 90° 1100
Az = 135° 2000
Para el modelado de los correlogramas experimentales de la FAI se emplea la misma ecuación

matemática de tipo exponencial simple (fig. 4.135). Considerando las distancias de correlación de
la tabla 4.27 se construyen las elipses de anisotropía del espesor de la FAI (fig. 4.136).
El factor de anisotropía para cada una de las elipses de la figura anterior es de 0.55 considerando
como dirección principal Az = 0° y 0.90 considerando como dirección principal Az=135°.
Con base en lo anterior y a fin obtener resultados conservadores al momento de estimar, se

considera más apropiado utilizar las distancias de correlación = 2000m en la dirección Az = 0° y
= 1100m en la dirección Az = 90°.
Estimación
La estimación de espesores de la FAI se realiza puntualmente mediante la técnica de Kriging

Ordinario, empleando los datos del campo residual y las distancias de correlación = 2000m en
la dirección Az = 0° y = 1100m en la dirección Az = 90°. La malla de puntos por estimar se
define considerando las coordenadas geográficas X = 480300 y Y = 2144900 como punto inicial.
La separación entre los puntos de la malla es de 100m en las direcciones horizontal y vertical, el
número de puntos estimados en la dirección horizontal es de 82 y en la dirección vertical de 127.
Después de estimar los valores, al igual que para la FAI, es necesario regresar la tendencia a los
valores estimados del campo estacionario para obtener los valores finales de la estimación que
representan el valor esperado en cada punto.
Visualización
Aplicando la técnica de mapeo a los resultados de la estimación puntual del espesor de la FAI, se
construye un mapa de contornos de la estimación y un mapa de contornos de la desviación
estándar; los mapas se muestran en la fig. 4.137. Asimismo, con los resultados de la estimación
se construye un modelo de superficie asignando a la coordenada Z el espesor de la FAI (fig.
4.138).
239
1.0 1.0
0.8 0.8
0.6 0.6
0.4 0.4
0.2 0.2
0.0 0.0
0 250 500 750 1000 1250 1500 1750 2000 0 250 500 750 1000 1250 1500 1750 2000
-0.2 -0.2
-0.4 -0.4
1.0 1.0
0.8 0.8
0.6 0.6
0.4 0.4
0.2 0.2
0.0 0.0
0 250 500 750 1000 1250 1500 1750 2000 0 250 500 750 1000 1250 1500 1750 2000
-0.2 -0.2
-0.4 -0.4

Figura 4.135. Correlogramas direccionales de la profundidad de la FAI, zona poniente.
Az = 0°
A
z
=
45
°
= 2000 m
m
00
18
=

Az = 90°
 = 1100 m

=
20
00
m
5°
13
=
z
A
Figura 4.136. Elipses de anisotropía del espesor de la FAI, zona poniente.
240
2157500.00 2157500.00
IONAL
O NAC
2155000.00
NIC
2155000.00
CA L
LITEC
Z. V
A
UTO PO
LLE
JO
INSTIT
0
COORDENADA Y (m)
COORDENADA Y (m)
2152500.00 2 2152500.00 3.50
CT 4 3.00
O. IN
TE
RIO
R 6 2.50
8 2.00
AV
.M
10 1.50
AR
IN
2150000.00 2150000.00
A
12
NA
1.00
CI
ON
14 0.50
AL
UNION
0.00
A
RM
FO
DE LA
RE
RAL
CONGRESO
2147500.00 2147500.00
S
EJE CENT
NTE
Zona de
RGE
lomas
INSU
Zona sin
AV.
VIADUCTO FAI
2145000.00 2145000.00
482500.00 485000.00 487500.00 482500.00 485000.00 487500.00
COORDENADA X (m) COORDENADA X (m)

Figura 4.137. Mapa de contornos del espesor estimado de la FAI, zona poniente.
Figura 4.138. Superficie del espesor estimado de la FAI, zona poniente.
241
En las fig. 4.137 y 4.138 se observa que las profundidades del espesor de la FAI se incrementan
en dirección NW-SE; de los resultados de la estimación el espesor máximo es de 12.6m en la
zona del centro de la ciudad y se reduce hacia el poniente y norte del área de estudio; en la
periferia del cerro del Tepeyac el espesor de la FAI decrece rápidamente hasta desaparecer, por
lo que, se considera como una zona de transición abrupta.
4.4.2.5 Distribución espacial de la profundidad de los DP
De acuerdo con en la teoría de los campo aleatorios, los valores de la profundidad de la frontera
superior de los DP se consideran como un campo aleatorio V(X), distribuidos dentro de un espacio
Rp, con p = 2 (área de estudio). El conjunto de valores de la profundidad de la DP medidos dentro
del dominio Rp, constituye una muestra de ese campo aleatorio. Para el análisis geoestadístico de
la distribución espacial de los DP se definió un área de 210.30 km2, fig. 4.139, basado en los
límites de las tres zonas geotécnicas consideradas en las NTC-DCC (GDFb, 2004.
2162500.00
2160000.00
ACU
EDU
CTO
DE G
UAD
ALUP
E
Z
BA
O
AV
2157500.00
ST
GU
COORDENADA Y (m)
VIA
NAL
NACIO
COORDENADA Y (m)
AQ
NICO
UI
LE
LITEC
S
SE
2155000.00
RD
EJE
O
AN
TO P
1
PTE
E.
STITU
NT
. CA
ES
P.C.A.
LZ.
NT
AV. IN
E
VAL
RG
SU
S.P.T.
LEJ
. IN
2152500.00
O
AV
BLV
Cono dinámico
D.
MA
NU
Cono eléctrico
EL
AV
ILA
UNION
RDENAS
Mixto
CA
2150000.00
MA
LA
CH
IOR
LAZARO CA
RESO DE
O
ER
INT
y avance controlado
ITO
MA
. H. CONG
OR
CU
EF
RAL
AR
CIR
PASEO EL
DE LA RE
OD
EJE CENT
FORMA
SE
2147500.00 PA
IENTE AV
1000 3000 5000

EJE 2 OR
0 2000 4000
ESCALA GRAFICA
2145000.00
477500.00 480000.00 482500.00 485000.00 487500.00
COORDENADA X X
COORDENADA (m)
(m)
Figura 4.139. Distribución de datos de la profundidad de los DP, zona poniente.
242
Las profundidades de los DP que sirven de datos puntuales para el presente análisis
corresponden a la caracterización de 232 sondeos geotécnicos que se seleccionaron en base a
las a las profundidades y a las fechas de ejecución (de 1990 a 2010).

aleatorio, se estiman los principales parámetros estadísticos que se muestran en la tabla 4.28.
Tabla 4.28. Parámetros estadísticos de la profundidad de los DP, zona poniente.

Parámetro Valor
No. de datos 232
Media, m(m) 22.98
Varianza, 2(m2) 170.79
En la fig. 4.140 se muestra el histograma y el polígono de frecuencias de los datos de la

profundidad de DP, en donde se observan de manera gráfica que la distribución de las
frecuencias tiene un sesgo hacia la derecha, el mayor número de ocurrencias se presenta en la
clase 10 a 15m y la moda del conjunto de datos es de 14m.
60
50
40
Número de datos
30
20
10
0
0-5 5-10 10-15 15-20 20-25 25-30 30-35 35-40 40-45 45-50 50-55
Profundidad superior de los DP (m)
Figura 4.140. Histogramas de datos de la profundidad de los DP, zona poniente.
Para evaluar la tendencia de los datos de la profundidad de los DP se realiza un análisis de

regresión lineal de cual se obtienen los siguientes coeficientes de regresión: a = 0.0036741; b = -
0.00115213; c = 728.7605017. A partir de los coeficientes de regresión lineal y la ecuación V(X) =
ax + by + c se construye un plano de regresión lineal que representa la tendencia de los datos (fig.
4.141).
243
Figura 4.141. Plano de regresión lineal de la profundidad de los DP, zona poniente.
El plano de regresión de la fig. 4.141 indica que los DP se encuentran más superficialmente a lo
largo de la Sierra de las Cruces y se profundizan hacia el centro dela ciudad. Esta tendencia se
toma en cuenta en el análisis de correlación espacial.
Correlogramas experimentales
La obtención de correlogramas experimentales para los DP se realiza en cuatro direcciones

preferenciales: Az = 0°, 45°, 90°, 135. Para la estimación de los coeficientes de correlación se
emplea un paso de cálculo de 100m hasta una distancia máxima de 2000m en cada dirección. En
la fig. 4.142 se muestran los correlogramas experimentales del campo residual (estacionario).
Considerando los correlogramas de los datos sin tendencia de la profundidad de los DP se
obtienen las distancias de correlación de la tabla 4.29.
Tabla 4.29. Distancias de correlación de la profundidad de los DP, zona poniente.

Az = 0° 3500
Az = 45° 2000
Az = 90° 2700
Az = 135° 2100
Considerando las distancias de correlación de la tabla 4.29 y recurriendo a la misma función

exponencial se obtienen los correlogramas teóricos para la profundidad de los DP (fig. 4.142).
Asimismo, con las mismas distancias de correlación se construyen elipses de anisotropía del
campo en estudio, mostradas en la fig. 4.143.
Con base en anterior análisis de correlación espacial, de forma conservadora se eligen las
distancias de correlación  = 2000 m en la dirección Az = 45° y  = 2100 m en la dirección Az =
135°, debido a que numéricamente estas distancias de correlación son parecidas, el campo puede
considerarse isótropo.
244
1.0 1.0
0.8 0.8
0.6 0.6
0.4 0.4
0.2 0.2
0.0 0.0
0 250 500 750 1000 1250 1500 1750 2000 0 250 500 750 1000 1250 1500 1750 2000
-0.2 -0.2
-0.4 -0.4
1.0 1.0
0.8
0.8
0.6 0.6
0.4 0.4
0.2 0.2
0.0 0.0
0 250 500 750 1000 1250 1500 1750 2000 0 250 500 750 1000 1250 1500 1750 2000
-0.2 -0.2
-0.4 -0.4

Figura 4.142. Correlogramas direccionales de la profundidad de la DP, zona poniente.
Az = 0°
A
z
=
45
°
= 3500 m
m
00
20
=

Az = 90°
 = 2700 m

=
21
00
m
5°
13
=
z
A
Figura 4.143. Elipses de anisotropía de la profundidad de los DP, zona poniente.
245
Predicción
La estimación del espesor de los DP se realiza puntualmente mediante la técnica de Kriging

Ordinario, con base en los datos del campo residual y las distancias de correlación = 2000m en
la dirección Az = 45° y = 2100m en la dirección Az = 135°. La malla de puntos por estimar se
define considerando las coordenadas geográficas X = 476300 y Y = 2144900 como punto inicial.
La separación entre los puntos de la malla es de 100m en ambas direcciones. De igual forma,
como en los análisis anteriores, se regresa la tendencia a los valores estimados del campo
estacionario para obtener los valores finales de la estimación que representan el valor esperado
en cada punto. Adicionalmente, la técnica proporciona la varianza de estimación que representa la
incertidumbre asociada al estimador pudiéndose utilizar la desviación estándar para una mejor
interpretación de los resultados.
Mapeo
Para una mejor interpretación de los resultados de las estimaciones se recurre a alguna técnica
de mapeo para construir un mapa de contornos en escala de colores de la profundidad estimada
de los DP como el mostrado en la fig. 4.144, en la misma figura se presenta el mapa de la
desviación estándar de estimación que evalúa la incertidumbre de las estimaciones. En las zonas
con desviación estándar baja (zona gris, azul y verde) las estimaciones más confiables por la
presencia cercana de datos; en las zonas con mayor desviación estándar es deseable integrar
información geotécnica que permita conocer las profundidades de los DP. En la fig. 4.145 se
presenta un modelo de superficie en perspectiva donde Z corresponde a la profundidad de los DP.
2162500.00 2162500.00
2160000.00 2160000.00
0
Z
BA
VO
5 12
2157500.00
TA
2157500.00
S
AL
GU
CION
10
VIA
CAL
10
A
15
ICO N
Z. V
COORDENADA Y (m)
COORDENADA Y (m.)
ALL
20
LITEC
EJO
2155000.00 2155000.00 8
25
O
TO P
30
U
6
INSTIT
35
2152500.00 CTO. IN
TERIO
2152500.00
R 40 4
AV
45
.M
AR
IN
50 2
A
NA
2150000.00 2150000.00
C
DE LA UNION
IO
NA
BL
L
VD
A 0
RM
FO
.A
RE
DO
RAL
LF
CONGRESO
O
LO
EJE CENT
2147500.00 2147500.00
PE
TES
Z
M
GEN
AT
EO
R
S
INSU
VIADUCTO
AV.
2145000.00 2145000.00
477500.00 480000.00 482500.00 485000.00 487500.00 477500.00 480000.00 482500.00 485000.00 487500.00
COORDENADA X (m.) COORDENADA X (m)

Figura 4.144. Mapa de contornos de la profundidad estimada de los DP, zona poniente.
246
Figura 4.145. Superficie de la profundidad estimada de los DP, zona poniente.
De los valores estimados se tiene que el valor máximo de la profundidad de los DP es 52.8m en la
parte sur-oriente de la zona analizada, la menor profundidad de DP es 0m y se presenta cuando
desaparece la FAS y comienza la zona de lomas.
En las figs. 4.144 y la 4.145 se observa que en la cercanía del Cerro del Tepeyac la profundidad
de los DP decrece rápidamente, originando así una zona de transición abrupta que afecta
drásticamente las constricciones de la zona.
La zona con la mayor incertidumbre se encuentra en el sur-oriente del área analizada y se debe a
que en esta zona la profundidad de los DP es mayor de 50m por lo que la información es escasa
ya que la mayoría de los sondeos disponibles solo llegan a la CD.
En la zona de transición, es difícil definir con precisión los DP debido a lo heterogéneo en la

distribución de los materiales y a la intercalación de potentes estratos de materiales aluviales
dentro de la FAS que pueden ser confundidos con los DP.
Asimismo, conocer la profundidad de los DP toma relevancia debido a que el RCDF (GDFa, 2004)
y sus NTC-DCC (GDFb, 2004) consideran un mapa de zonificación geotécnica que toma como
base la profundidad de los DP para delimitar cada una de las zonas geotécnicas (Lomas,
Transición y Lago).
4.4.2.6 Propuesta de zonificación geotécnica
Con el fin de normar los criterios de diseño y construcción, en el artículo 179 del Capítulo VIII del
Reglamento de Construcciones del Distrito Federal (GDFa, 2004) y en sus Normas Técnicas
Complementarias para el Diseño y Construcción de Cimentaciones (GDFb, 2004), consideran un
247
mapa de zonificación geotécnica que divide área estudiada en tres zonas con las características
geotécnicas indicadas en la sección 2.9.2.
Aun cuando se tiene un mapa de zonificación geotécnica para el poniente del Valle de México es
conveniente realizar actualizaciones periódicas debidas principalmente a los siguientes factores:
A pesar de que en el pasado se han hecho trabajos de caracterización geotécnica, el mapa actual
presenta algunas incertidumbres sobre los límites de las zonas geotécnicas
Los cambios en las condiciones geohidrológicas del suelos debidos a la extracción de agua de los
acuíferos de la ciudad, producen cambios en las propiedades índice, mecánicas y geométricas de
las formaciones típicas del subsuelo de la zona
Los actuales y futuros retos que se plantea la Ingeniería civil para satisfacer las necesidades de la
sociedad (edificios de gran altura, distribuidores viales, obras subterránea, etc.), requieren de un
conocimiento preciso sobre el subsuelo y su comportamiento, por lo que es necesario realizar
estudios encaminados a actualizar y ampliar el estado del conocimiento actual sobre el subsuelo
de la Ciudad de México.
Una de las aplicaciones directas de los resultados de los análisis geoestadísticos realizados en
este trabajo es que permiten afinar las fronteras entre las diferentes zonas geotécnicas.
Con base en lo propuesto por el RCDF, para delimitar la frontera entre la zona III (lacustre o de
lago) y la zona II (transición) se considera la cota 20m de la profundidad de los DP de la fig. 4.144.
El límite entre la zona I (lomas) y la zona II se definió considerando la cota 0 de la profundidad de
los DP, que a su vez corresponde a la zona en donde la FAS desaparece.
En la fig. 4.146 se presenta el mapa de zonificación geotécnica vigente de las NTC-DCC (GDFb,
2004) y el mapa de zonificación geotécnica propuesto para la zona poniente del Valle de México
indicando las diferencias entre estos.
Para validar las modificaciones propuestas al mapa de zonificación geotécnica, en la fig. 4.147 se
muestra la caracterización de algunos sondeos geotécnicos que sirven de soporte para confirmar
los cambios en el mapa de zonificación geotécnica propuesto de la fig. 4.146(b).
Después de afinar y verificar la consistencia de las modificaciones propuestas, en la fig. 4.148, se

presenta el mapa de zonificación geotécnica actualizado para la zona poniente del Valle de
México, el cual se basa principalmente en los resultados de los análisis geoestadísticos realizados
para esta zona.
248
4737
2160000 2160000
3822
COORDENADA Y (m)
COORDENADA Y (m)
2155000 2155000
3614
2150000 2150000
3767
1500
2145000 2145000
480000 485000 480000 485000
COORDENADA X (m) COORDENADA X (m)

1000 3000 5000
ZONA I ZONA II ZONA III
0 2000 4000
ESCALA GRAFICA
a) Zonificación geotécnica, NTC-DCC (GDFb, 2004) b) Propuesta de zonificación geotécnica, 2013

Figura 4.146. Modificaciones propuestas al mapa de zonificación geotécnica, zona poniente.
249
a) Sondeo 3822 b) Sondeo 3614 c) Sondeo 3767
d) Sondeo 1500 e) Sondeo 4737

R = Relleno, CS = Costra Superficial, FAS = Formación Arcillosa Superior, CD = Capa Dura,
FAI = Formación Arcillosa Inferior, DP = Depósitos Profundos
Figura 4.147. Caracterización estratigráfica de sondeos geotécnicos, zona poniente.
250
2162500.00
+ + + + + + + + + + + + + + + + + + +
+ + + + + + + + + + + + + + + + + +
HO
+ + + + + + + + + + + + + + + + + +
AC
+ + + + + + + + + + + + + + +
AM
+ + + + + + + + + + + + + +
AC
+ + + + + + + + + + + + + +
+ + + + + + + + +
VIL
+ + + + + + + + +
LA
+ + + + + + + +
UE
AV. MAR + + + + + + + +
AN
2160000.00 IO COLIN
+ + + + + + +
. M
+ + + + + +
VD + + + + + +
BL
+ + + + + +
+ + + + + +
Z
+ + + +
+ BA + DIOS
E ME
O
LOS R+
AV
+ + ~~~,/¡;;~~ +
EJE
IO DE
A V. R
ST
+ + +
GU
1P
2157500.00 + + +
+ + +
TE.
A
VI
+ + +
CAL
+ +
AV
+
.A
+ +
Z. V
Q
+ +
UI
NAL
ALL
LE
+
S
EJO
NACIO
+ +
SE
RD
+ +
COORDENADA Y (m)
+ +
N
O
2155000.00 + +
CNIC
+ +
E.
NT
+ +
S
POLIT
+ +
TE
EN
+ +
G
+ +
UR
UTO
+ + +
NS
+ +
.I
INSTIT
~
AV
+ + +
+ + + CTO. IN
2152500.00 + + + TERIO
R A V.
+ + + RIO C
ON SU
LADO
+ +
+ + + CUBA
+ MEX ICO TA
CALZ.
+ +
+ +
LA UNION
+ + +
+ + +
AV
+ + +
.M
+ + + CA
SUAREZ
LZ
AR
2150000.00
RDENAS
NGRESO DE
+ + .M
IN
EX
A
+ + ICO
NA
BL
+++++ J -T
AC
CI
VD
UB
RIA PINO
+ + + +
LAZARO CA
+
O
A
.A
NA
+ + + + +
DO
A
L
CO
RM
SO
+ + + + O
LF
R EF
Y TRONCO
O
NTE AV. H.
+ + + + LA
JOSE MA
DE
LO
+ + + + -+' O
SE
PE
+ + + + __ PA E C
LTEP
/1+"~:--
RAL
HAPU
Z
A V. C
M
2147500.00 + + + +
AT
EJE CENT
+ + + + +
AN
EJE 2 ORIE
O DEL PASO
EO
R
S SU
+ + + + +
E TLALP
S
+ + + +
NT E
+ + + + +
ES
+ + + + + NT
RGE
+ ITUYE
CALZ. D
+ + + +
FRANCISC
+ + + + S T
INSU
+ + + +C ON
+ + + V.
A+ +
AV.
VIADUCTO MIGUEL ALEMAN

2145000.00
477500.00 480000.00 482500.00 485000.00 487500.00
COORDENADA X (m)
ZONA I
1000 3000 5000
1c::::::J ZONA II
0 2000 4000
ESCALA GRAFICA
ZONA III
Figura 4.148. Mapa de zonificación geotécnica propuesto para la zona poniente del valle de
México.
251
4.4.3 Análisis geoestadístico de las propiedades del subsuelo en la zona oriente
El procedimiento para el análisis de la distribución espacial del contenido de agua de la zona

oriente del Valle de México es el presentado en el apartado 4.3, por tanto, en esta sección se
presenta el procedimiento general y los resultados complementarios.
193 sondeos distribuidos en forma aleatoria como se muestra en la fig. 4.149, realizados entre
1995 y 2009. Los archivos de datos de contenido de agua se generaron a partir de la
representación gráfica de los perfiles de 193 sondeos disponibles.

del campo aleatorio considerado, se estiman sus principales parámetros estadísticos (tabla 4.30),
asimismo, se construye el histograma que representa la variabilidad de los datos (fig. 4.150).
Se observa que a pesar de que el dominio estudiado está constituido por formaciones arcillosas
existe una proporción importante de valores de contenido de agua bajos que corresponden a la
costra superficial y a los lentes intercalados dentro de los mantos de arcilla.
Figura 4.149. Distribución de sondeos con medición de contenido de agua, zona oriente.
252
Tabla 4.30. Parámetros estadísticos de los datos de contenido de agua, zona oriente.
Parámetro Valor
No. de datos 3897
Media, m(%) 139.46
Varianza, 2(%2) 15695.08
Figura 4.150. Histograma de los datos de contenido de agua, zona oriente.

lineal, buscando ajustar una ecuación de tipo V ( X )  ax  by  cz  d , se obtienen los coeficientes
de regresión lineal:
a = -0.001265149, b = -0.006625963, c = -1.154040987 y d = 15124.417331079
En la fig. 4.151 se muestra la dispersión de los valores de contenido de agua referidos a la

profundidad. Se observa que la línea de tendencia indica un ligero decremento con la profundidad.
Por tanto, podría considerarse posible trabajar con el campo original, sin embargo, en este trabajo
se considera mejor trabajar con el campo residual.
Con base en los coeficientes de regresión lineal se obtiene el campo residual de contenido de
agua y se calculan los correlogramas experimentales (fig. 4.152), las distancias de correlación
resultantes son: hor = 3200m y ver = 3.4m. Con estos valores y adoptando una función de tipo
exponencial simple se determinan los modelos de correlación horizontal y vertical mostrados en la
fig. 4.152.
253
Figura 4.151. Mediciones de contenido de agua respecto a la profundidad, zona oriente.
1.0 1.0
0.8 0.8
0.6 0.6
0.4 0.4
0.2 0.2
0.0 0.0
0 5 10 15 20 25 0 2000 4000 6000 8000 10000
-0.2 -0.2

Figura 4.152. Correlogramas direccionales del contenido de agua, zona oriente.
254
Predicción
experimentales de los 193 perfiles geotécnicos disponibles y empleando la técnica del Kriging
Simple, se estimaron perfiles de contenido de agua, w(%), a cada 250m a lo largo de los ejes
preferenciales “A, B, C, D” y “1, 2, 3, 4 y 5”, definidos en la fig. 4.149. La propiedad se estimó
puntualmente a lo largo de la profundidad con un paso de cálculo de 25cm, hasta una profundidad
de 40m. Empleando la técnica de simulación condicional se elaboraron perfiles simulados de
contenido de agua, w(%), a lo largo de los mismos ejes preferenciales.
Visualización
En las figs. 4.153 a 4.161 se presentan las secciones transversales estimadas a lo largo de los
ejes preferenciales definidos, así como, la desviación estándar de estimación, estos modelos
representan de forma sencilla la distribución espacial del contenido de agua a lo largo de cada eje.
En las mismas figuras se presentan tres simulaciones (posibles configuraciones) de la distribución
de contenido de agua a lo largo de los mismos ejes.
Así también, se construyó un modelo 3D con las secciones transversales estimadas (fig. 4.162),
este modelo permite observar en conjunto la distribución espacial del contenido de agua dentro de
la zona de estudio.
De acuerdo con los resultados del análisis de distribución espacial del contenido de agua,
representados en las figs. 4.153 a 4.162, se tiene que:
Los valores altos de contenido de agua se localizan en la zona del aeropuerto internacional de la
ciudad de México y el ex Lago de Texcoco. En las inmediaciones de la Sierra de Guadalupe, el
municipio de Ecatepec y la carretera a Chiconcuac se registran valores bajos de contenido de
agua. La magnitud del contenido de agua decrece hacia el nororiente. La desviación estándar de
estimación de las secciones transversales señala las zonas de mayor incertidumbre donde
convendría contar en el futuro con exploraciones geotécnicas adicionales.
255
c) Secciones transversales simuladas del contenido de agua

Figura 4.153. Distribución espacial del contenido de agua sobre el eje A, zona oriente.
256

Figura 4.154. Distribución espacial del contenido de agua sobre el eje B, zona oriente.
257

Figura 4.155. Distribución espacial del contenido de agua sobre el eje C, zona oriente.
258

Figura 4.156. Distribución espacial del contenido de agua sobre el eje D, zona oriente.
259

Figura 4.157. Distribución espacial del contenido de agua sobre el eje 1, zona oriente.
260
a)
Sección transversal estimada del contenido de agua

261
a)
Sección transversal estimada del contenido de agua

262

263

264
Figura 4.162. Modelo 3D de la distribución espacial del contenido de agua, zona oriente.
265
4.4.3.2 Análisis de la distribución espacial de qc en CPT
Con el fin de profundizar en la caracterización del subsuelo de la zona en estudio se realizó el

análisis de la distribución espacial de la resistencia de punta de cono eléctrico.
Los valores de la resistencia de punta de cono eléctrico ( qc ), se considera como un campo

aleatorio V(X), distribuido dentro de un espacio Rp, con p = 3 (volumen de suelo, 3D). El conjunto
de valores medidos dentro del dominio Rp, constituye una muestra de ese campo aleatorio. Para
este análisis se consideran 198 sondeos distribuidos en forma aleatoria como se muestra en la fig.
4.163, ejecutados entre 1995 y 2009.
Los archivos de datos de qc (kg/cm2) se generaron a partir de la representación gráfica de los

perfiles de 198 sondeos disponibles.
Figura 4.163. Distribución de sondeos CPT disponibles, zona oriente.

del campo aleatorio considerado, se estiman sus principales parámetros estadísticos mostrados
en la tabla 4.31, donde (1 kg/cm2 = 1 kPa). Asimismo, se construye el histograma que representa
la variabilidad de los datos (fig. 4.164).
266
Tabla 4.31. Parámetros estadísticos de los datos de qc, zona oriente.

Parámetro Valor
No. de datos 12833
Media, m(kg/cm2) 15.73
Varianza, 2(kg/cm2) 584.67
Desviación estándar, S(kg/cm2) 24.18
9000
8000
7000
6000
Número de datos
5000
4000
3000
2000
1000
0
0 10 20 30 40 50 60 70 80 90 100 110 120
Resistencia de punta de cono eléctrico, qc(kg/cm2)
Figura 4.164. Histograma de los datos de qc, zona oriente.
En la figura 4.164 se observa que el dominio estudiado está constituido principalmente por
formaciones de arcilla, aunque existe una proporción importante de valores altos de qc que
corresponden a la costra superficial, la capa dura y a los lentes intercalados dentro de los mantos
de arcilla.

a = 0.00016, b = 0.00012, c = 0.28014 y d = -177.7776
tendencia es considerada para el cálculo de la correlación espacial. En la fig. 4.165 se representa
la dispersión de los datos de qc y la tendencia referida a la profundidad, es decir, en una
dimensión, donde se observa que la resistencia de cono eléctrico crece con la profundidad.
267
Resistencia, qc (kg/cm2)
0 20 40 60 80 100
0
10
15
20
25
Profundidad, Z(m)
30
35
40
45
50
55
60
65 Mediciones
Media
Tendencia
70
Figura 4.165. Distribución de mediciones de qc, zona oriente.
Con base en los coeficientes de regresión lineal se obtiene el campo residual de resistencia de
punta de cono eléctrico y se calculan los correlogramas experimentales (fig. 4.166), las distancias
de correlación resultantes son: hor = 3400m y ver = 2.8m. Con estos valores y adoptando una
función de tipo exponencial simple se determinan los modelos de correlación horizontal y vertical
mostrados en la fig. 4.166.
1.0 1.0
Coeficiente de autocorrelación hor
Correlograma exponencial
Coeficiente de atuocorrelación, ver
Correlograma exponencial
0.8 0.8
0.6
0.6
0.4
0.4
0.2
0.2
0.0
0.0
0 5000 10000 15000 20000
0 5 10 15
-0.2
-0.2
Figura 4.166. Correlogramas direccionales de qc en CPT; zona oriente.
268
Predicción
Simple, se estimaron perfiles de resistencia de punta de cono eléctrico, qc (kg/cm2), a cada 250m
a lo largo de los ejes preferenciales “A, B, C, D” y “1, 2, 3, 4 y 5”, definidos en la fig. 4.163. La
propiedad se estimó puntualmente a lo largo de la profundidad con un paso de cálculo de 25cm,
hasta 40m de profundidad. Asimismo, con la finalidad de ilustrar la variabilidad de la resistencia de
punta de cono eléctrico, empleando la técnica de simulación condicional se elaboraron perfiles
simulados de qc a lo largo de los mismos ejes preferenciales.
Visualización
Con el fin de evaluar visualmente la variación espacial de la propiedad qc, se construyeron

secciones transversales estimadas y simuladas a lo largo de los ejes preferenciales definidos, así
como la desviación estándar de estimación, estos modelos representan de forma sencilla la
distribución espacial de la resistencia de punta de cono eléctrico a lo largo de cada eje (figs. 4.167
a 4.175). En las mismas figuras se presentan tres simulaciones (posibles configuraciones) de la
distribución de resistencia de punta de cono eléctrico a lo largo de los mismos ejes.
este modelo permiten observar en conjunto la distribución espacial de la resistencia de punta de
cono eléctrico dentro de la zona de estudio.
De acuerdo con los resultados del análisis de distribución espacial de la resistencia de punta de
cono eléctrico mostrados en las figs. 167 a 176, se tiene que:
Las menores resistencias de cono eléctrico se localizan en la zona del aeropuerto, Aragón,
Ciudad Netzahualcóyotl y el fondo del ex Lago de Texcoco.
En zonas cercanas a la Sierra de Guadalupe y la carretera a Chiconcuac se encuentran valores

altos de resistencia de punta de cono eléctrico.
El aumento de la resistencia de cono eléctrico indica que los estratos más resistentes se ubican
de forma ascendente en las direcciones sur-norte y poniente-oriente de la zona, similar a la
configuración determinada con el contenido de agua (sección anterior).
La magnitud de la desviación estándar de estimación en las secciones transversales estimadas

depende de la profundidad y ubicación de los sondeos.
269
a) Sección transversal estimada de qc (kg/cm2)
0 6 12 18 24 30 36 42 48 54 60 66 72 78 84 90 96 100
c) Secciones transversales simuladas de qc (kg/cm2)

Figura 4.167. Distribución espacial de qc sobre el eje A, zona oriente.
270
0 6 12 18 24 30 36 42 48 54 60 66 72 78 84 90 96 100

Figura 4.168. Distribución espacial de qc sobre el eje B, zona oriente.
271

0
Profundidad (m)
-10
-20
-30
-40
2146000 2151000 2156000 2161000 2166000
11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26
0 6 12 18 24 30 36 42 48 54 60 66 72 78 84 90 96 100

Figura 4.169. Distribución espacial de qc sobre el eje C, zona oriente.
272
0 6 12 18 24 30 36 42 48 54 60 66 72 78 84 90 96 100

Figura 4.170. Distribución espacial de qc sobre el eje D, zona oriente.
273
0 6 12 18 24 30 36 42 48 54 60 66 72 78 84 90 96 100

Figura 4.171. Distribución espacial de qc sobre el eje 1, zona oriente.
274
0 6 12 18 24 30 36 42 48 54 60 66 72 78 84 90 96 100

275
0 6 12 18 24 30 36 42 48 54 60 66 72 78 84 90 96 100

276
0 6 12 18 24 30 36 42 48 54 60 66 72 78 84 90 96 100

Figura 4.174. Distribución espacial de qc eléctrico sobre el eje 4, zona oriente.
277
0 6 12 18 24 30 36 42 48 54 60 66 72 78 84 90 96 100

278
Figura 4.176. Modelo 3D de la distribución espacial de qc, zona oriente.
La profundidad de la frontera superior de la FAS representa un campo aleatorio V(X), distribuido

dominio RP, constituye una muestra de ese campo aleatorio. En la fig. 4.177, se indica la
ubicación de los sondeos utilizados como soporte de datos experimentales, donde las
coordenadas (x, y) definen la posición de los sondeos en el sistema de referencia UTM, Datum
WGS84, Zona 14 Norte. Para este análisis se consideran únicamente 300 sondeos realizados
aproximadamente en la misma época (1990-2009). Se adoptó como límite del dominio estudiado
la Zona Geotécnica I (Zona de lomas) propuesta en las Normas Técnicas Complementarias para
Diseño y Construcción de Cimentaciones (GDF, 2004b).

estadísticos del campo aleatorio estudiado (tabla 4.32). En la fig. 4.178 se muestra gráficamente
la variabilidad de los datos mediante un histograma.
279
Figura 4.177. Distribución de datos de la profundidad de la FAS, zona oriente.
Tabla 4.32. Descripción estadística, profundidad de la FAS.

Parámetro Valor
No. de datos 300
Media, m(m) 1.83
Desviación estándar, S(m2) 1.20
Figura 4.178. Histograma de la profundidad de la FAS, zona oriente.
280
La tendencia de la profundidad de la frontera superior de la FAS se evalúa mediante un análisis

de regresión lineal de mínimos cuadrados, ajustando una ecuación de tipo V ( X )  ax  by  c , se
obtienen los coeficientes de regresión lineal:
a = -0.00000140, b = 0.00002493, c = -51.16221.
La representación gráfica del plano de regresión lineal mostrada en la fig. 4.179, donde se
observa que al norte, en la zona del Desecador Solar Texoco, la FAS se encuentra a menor
profundidad (2m aprox.) y tiende a profundizarse ligeramente hacia el sur en la zona del
aeropuerto y Chimalhuacán, alcanzando una profundidad aproximada de 1.5m.
Figura 4.179. Superficie de regresión lineal de la profundidad de la FAS, zona oriente.
correlogramas experimentales en cuatro direcciones preferenciales; Azimut 0°, 45°, 90° y 135° y
con un paso de cálculo (h) de 350m (fig. 4.180). A partir de estos correlogramas se determinan
las distancias de correlación direccionales (), indicadas en la tabla 4.33.
Tabla 4.33. Distancias de correlación de la profundidad superior de la FAS, zona oriente.
Az = 0° 310
Az = 45° 220
Az = 90° 200
Az = 135° 300
Los correlogramas experimentales direccionales son ajustados a una función de tipo exponencial
simple (fig. 4.180), empleando en forma correspondiente las distancias de correlación de la tabla
4.33. Para la estimación se utilizan las distancias de correlación obtenidas en las direcciones de
0° y 90°, resultando de 310m y 200m respectivamente.
281
1.0 1.0
0.8 0.8
0.6 0.6
0.4 0.4
0.2 0.2
0.0 0.0
0 500 1000 1500 2000 2500 3000 3500 0 500 1000 1500 2000 2500 3000 3500
-0.2 -0.2
-0.4 -0.4
1.0 1.0
0.8 0.8
0.6 0.6
0.4 0.4
0.2 0.2
0.0 0.0
0 500 1000 1500 2000 2500 3000 3500 0 500 1000 1500 2000 2500 3000 3500
-0.2 -0.2
-0.4 -0.4

Figura 4.180. Correlogramas direccionales de la profundidad de la FAS, zona oriente.
Predicción
La estimación de la profundidad de la frontera superior de la FAS se realizó en una malla de

residual, la anisotropía definida por las distancias de correlación en las direcciones de 0° y 90°, y
recurriendo a la técnica de Kriging Ordinario. La estimación final se obtiene regresando la
tendencia al campo residual estimado.
Visualización
Con el fin de apreciar en forma sencilla la distribución espacial de la profundidad de la FAS, se

recurre a la técnica de mapeo para construir un mapa de contornos de la profundidad estimada de
la FAS y otro de la varianza de estimación (fig. 4.181). Asimismo, en la fig. 4.182 se presenta un
modelo de superficie de la profundidad estimada de la FAS.
282
488305 A' 494120 B' 499935 C' 505750 D' 511565 517380
.0
-2
-3 . 0
-2 TEZOYUCA
.5
5
ECATEPEC DE MORELOS
LAS AMERICAS
5'
CHIAUTLA
.0
-2
SIERRA DE GUADALUPE
.5
-1.5
-0
-1.5
CHICONCUAC
PAPALOTLA
-0
2161580 SAN SALVADOR
5 .
SANTA ATENCO
-0.5
L
RA
CLARA
-2.0
NT
TLALNEPANTLA - 1- -2.5
E
1.
4'
.C
.5
4 5
0 .0 -1.0
AV
-2 . 5 -2.5
-0 .
-2 SAN MIGUEL
VASO DEL LAGO DE TEXCOCO
TOCUILA
O
-2.0 -2.0
XI C
5 CIUDAD
TEXCOCO
- 2.
AZTECA
E
AM
-1
.5
2156045
Laguna
0
Casa - 1.
3'
A
3
LIN
Colorada
-1.0
0
MO
- -3.0
-1.0 2.
2.5
-2.0
-
DO
-2.5 Lago
AR
regulación
Lago Nabor
DU
BOSQUE horaria
Carrillo
.E
SAN JUAN -1.5 -0.5

AV
-4.0 DE ARAGON 1.0 -2.5 MONTECILLO
-
5
-2. COATLINCHAN
5
2'
2150510
.
-3
2 -4. -1
.0 -1.0
- 1.0 Laguna - 2 .0
5
flacultativa
-1.0
-1 .5 5 1 .0 -0.5
-0 . Lago
-
-3.0
5 Churubusco SIERRA NEVADA
-1.0
-2 .
-2.5
- 3.5
-3.0
8
-2
-3.5
CHICOLOAPAN
.5
-3 .5 -3.5 -3
.5
-3.5
0
- 4.
.
-3
-2 .
1'
0
1 -4
5
-0.5 NEZAHUALCOYOTL -3. 5

-3
0
-4.
.5
.5
5
-0
2144975
-2.0
-3.0
C. CHIMALHUACAN
A B C D
-0.0 -0.5 -1.0 -1.5 -2.0 -2.5 -3.0 -3.5 -4.0 m

Profundidad
a) Contornos de la profundidad estimada
488305 A' 494120 B' 499935 C' 505750 D' 511565 517380
TEZOYUCA
5
ECATEPEC DE MORELOS
LAS AMERICAS
5'
CHIAUTLA
SIERRA DE GUADALUPE
CHICONCUAC
PAPALOTLA
SAN SALVADOR
2161580
SANTA ATENCO
L
RA
CLARA
NT
TLALNEPANTLA
E
4'
.C
4
AV
SAN MIGUEL
TOCUILA
O
XI C
CIUDAD
AZTECA TEXCOCO
E
AM
2156045
Laguna
Casa
3'
A
3
LIN
Colorada
MOO
Lago
RD
regulación
UA
Lago Nabor
BOSQUE horaria
D
Carrillo
.E
SAN JUAN
AV
DE ARAGON MONTECILLO
COATLINCHAN
2'
2150510
2 Laguna
flacultativa
Lago
Churubusco SIERRA NEVADA
8
CHICOLOAPAN
1 NEZAHUALCOYOTL
1'
2144975
C. CHIMALHUACAN
A B C D
b) Contornos de la desviación estándar de estimación

Figura 4.181. Distribución espacial de la profundidad estimada de la FAS, zona oriente.
283
Figura 4.182. Superficie de la profundidad estimada de la FAS, zona oriente.
De acuerdo con los resultados del análisis de distribución espacial mostrados en las figs. 4.181 y
4.182, se tiene que:
En la zona cercana al Aeropuerto y Aragón, la profundidad de la FAS es mayor, variando de 3.0 a

4.5m.
La menor profundidad de la FAS se registra en la Zona Federal del ex-lago de Texcoco,

presentándose de forma prácticamente superficial.
Debe subrayarse que frecuentemente los sondeos se realizan en terraplenes, rellenos o calzadas,
donde existen materiales compactados. La profundidad medida de la frontera superior de la FAS
refleja estas anomalías locales.
La profundidad de la frontera superior de la CD representa un campo aleatorio V(X), distribuido

dominio RP, constituye una muestra de ese campo aleatorio. Para este análisis se emplearon 160
sondeos realizados en el periodo 1990-2009, su ubicación se muestra en la fig. 4.183.
284
Figura 4.183. Distribución de datos de la profundidad de la CD, zona oriente.

Tabla 4.34. Descripción estadística de la profundidad de la CD, zona oriente.

Parámetro Valor
No. de datos 160
Media, m(%) 31.62
Varianza, 2(m2) 861
285
Figura 4.184. Histograma de la profundidad de la CD, zona oriente.
La tendencia de la profundidad superior de la CD se evalúa mediante un análisis de regresión,

coeficientes de regresión lineal:
a = 0.000155, b = -0.00125, c = 2640.646.
observa que la CD se encuentra a mayor profundidad en el centro de la ciudad de México y tiende
a ir ascendiendo hacia el norte (variado de 44.0m a 14.0m).
Figura 4.185. Superficie de regresión lineal de la profundidad de la CD, zona oriente.
286
1.0 1.0
Coeficiente de autocorrelación,  0.8 Correlograma Exponencial 0.8 Correlograma Exponencial
0.6 0.6
0.4 0.4
0.2 0.2
0.0 0.0
0 500 1000 1500 2000 2500 3000 3500 0 500 1000 1500 2000 2500 3000 3500
-0.2 -0.2
-0.4 -0.4
-0.6 -0.6
-0.8 -0.8
1.0 1.0
0.6 0.6
0.4 0.4
0.2 0.2
0.0 0.0
0 500 1000 1500 2000 2500 3000 3500 0 500 1000 1500 2000 2500 3000 3500
-0.2 -0.2
-0.4 -0.4
-0.6 -0.6
-0.8 -0.8

Figura 4.186. Correlogramas direccionales de la profundidad de la CD, zona oriente.
Tabla 4.35. Distancias de influencia, profundidad de la CD, zona oriente.

Az = 0° 400
Az = 45° 400
Az = 90° 400
Az = 135° 700
0° y 90°, siendo éstas de 400m en ambas direcciones.
Predicción
La estimación de la profundidad de la frontera superior de la CD se realizó en una malla de puntos

espaciados a cada 250m en ambas direcciones (X e Y), empleando los datos del campo residual,
la anisotropía definida por las distancias de correlación en las direcciones de 0° y 90°, y
287
Visualización
Con el fin de apreciar en forma sencilla la distribución espacial de la profundidad de la CD, se

la CD y otro de la varianza de estimación (fig. 4.187). Asimismo, en la fig. 4.188 se presenta un
modelo de superficie de la profundidad estimada de la CD.
488305 A' 494120 B' 499935 C' 505750 D' 511565 517380
TEZOYUCA
5
ECATEPEC DE MORELOS
LAS AMERICAS
5'
CHIAUTLA
SIERRA DE GUADALUPE
CHICONCUAC
-20 PAPALOTLA
.0 SAN SALVADOR
-25.0
2161580
SANTA ATENCO
L
RA
CLARA
NT
-20.0
TLALNEPANTLA
E
4'
.C
4
AV
SAN MIGUEL
TOCUILA
ICO
0.0
CIUDAD
EX
-2
AZTECA TEXCOCO
AM
2156045
-30.0
-25
Laguna
.0
Casa
3'
A
3
LIN
Colorada
MO
DO
Lago
R
regulación
UA
Lago Nabor
BOSQUE horaria
D
Carrillo
.E
SAN JUAN
AV
COATLINCHAN
2'
2150510
2 Laguna
flacultativa
.0 Lago
-20
-30.0
0
5. Churubusco
-2 SIERRA NEVADA
-30.0
0.0
8
-4
-35.0 CHICOLOAPAN
1 .0 NEZAHUALCOYOTL
1'
-45
2144975
C. CHIMALHUACAN
A B C D
-20 -25 -30 -35 -40 -45 -50 m

Profundidad
488305 A' 494120 B' 499935 C' 505750 D' 511565 517380
TEZOYUCA
5
ECATEPEC DE MORELOS
LAS AMERICAS
5'
CHIAUTLA
SIERRA DE GUADALUPE
CHICONCUAC
PAPALOTLA
SAN SALVADOR
2161580
SANTA ATENCO
AL
CLARA
R
NT
TLALNEPANTLA
E
4'
.C
4
AV
SAN MIGUEL
TOCUILA
ICO
CIUDAD
EX
AZTECA TEXCOCO
AM
2156045
Laguna
Casa
3'
A
3
LIN
Colorada
MO
DO
Lago
R
regulación
UA
Lago Nabor
BOSQUE horaria
D
Carrillo
.E
SAN JUAN
AV
COATLINCHAN
2'
2150510
2 Laguna
flacultativa
Lago
8
CHICOLOAPAN
1 NEZAHUALCOYOTL
1'
2144975
C. CHIMALHUACAN
A B C D

Figura 4.187. Mapa de contornos de la profundidad estimada de la CD, zona oriente.
288
Figura 4.188. Superficie de la profundidad estimada de la CD, zona oriente.
De acuerdo con los resultados del análisis de distribución espacial mostrados en las figs. 4.187 y
4.188 se tiene que:
En el área circundante al Peñón de los baños y se registra la menor profundidad de la capa dura.
La mayor profundidad a que se encuentra esta formación se localiza al surponiente de la zona de
estudio, en los terrenos aledaños al aeropuerto de la Ciudad de México.
4.4.3.5 Análisis de la distribución espacial de la profundidad de la FAI
La profundidad de la frontera superior de la FAI representa un campo aleatorio V(X), distribuido

dominio RP, constituye una muestra de ese campo aleatorio.
Para este análisis se empelaron 190 sondeos realizados en el periodo 1990-2009, su ubicación se
muestra en la fig. 4.189. Se adoptó como límite del dominio estudiado el contorno definido por la
exploración directa de los sondeos y el análisis de la pendiente de las serranías con base en las
curvas de nivel en la zona de estudio.

289
Figura 4.189. Distribución de datos de la profundidad de la FAI, zona oriente.
Tabla 4.36. Descripción estadística, profundidad de la FAI, zona oriente.

Parámetro Valor
No. de datos 190
Media, m(m) 31.97
Varianza, 2(m2) 46.923
Figura 4.190. Histograma de la profundidad de la FAI, zona oriente.
290
La tendencia de la profundidad superior de la FAI se evalúa mediante un análisis de regresión,

coeficientes de regresión lineal:
a = 2704.113, b = 0.000109, c = -0.00127.
observa que la profundidad de la FAI es mayor en la zona del aeropuerto y tiende a encontrarse a
menor profundidad hacia nororiente (variado de 44.0m a 10.0m).
Figura 4.191. Superficie de regresión lineal de la profundidad de la FAI, zona oriente.
Tabla 4.37. Distancias de influencia, profundidad de la FAI, zona oriente.

Az = 0° 600
Az = 45° 480
Az = 90° 800
Az = 135° 750
45° y 135°, siendo éstas de 480m y 750m respectivamente.
291
1.0 1.0
0.8
0.8
0.6 0.6
0.4 0.4
0.2 0.2
0.0 0.0
0 500 1000 1500 2000 2500 3000 3500 0 500 1000 1500 2000 2500 3000 3500
-0.2 -0.2
-0.4 -0.4
1.0 1.0
0.8 0.8
0.6 0.6
0.4 0.4
0.2 0.2
0.0 0.0
0 500 1000 1500 2000 2500 3000 3500 0 500 1000 1500 2000 2500 3000 3500
-0.2 -0.2
-0.4 -0.4

Figura 4.192. Correlogramas direccionales de la profundidad de la FAI, zona oriente.
Predicción
La estimación de la profundidad de la frontera superior de la FAI se realizó en una malla de puntos

espaciados a cada 250m en ambas direcciones (X e Y), empleando los datos del campo residual,
la anisotropía definida por las distancias de correlación en las direcciones de 45° y 135°; y
Visualización
Con el fin de apreciar en forma sencilla la distribución espacial de la profundidad de la FAI, se

la FAI y otro de la varianza de estimación (fig. 4.193). Asimismo, en la fig. 4.194 se presenta un
modelo de superficie de la profundidad estimada de la FAI.
292
488305 A' 494120 B' 499935 C' 505750 D' 511565 517380
TEZOYUCA
5
ECATEPEC DE MORELOS
LAS AMERICAS
5'
CHIAUTLA
SIERRA DE GUADALUPE
CHICONCUAC
-20 PAPALOTLA
.0 SAN SALVADOR
2161580
SANTA ATENCO
AL
CLARA
TR
EN
TLALNEPANTLA
4'
.C
4
AV
-25.0 SAN MIGUEL
TOCUILA
ICO
0.0
CIUDAD
EX
-2
AZTECA TEXCOCO
AM
2156045
Laguna
Casa
-30
3'
A
3
LIN
Colorada
.0
-20.0
.0
MO
-35
DO
Lago
R
regulación
UA
Lago Nabor
BOSQUE horaria
D
Carrillo
.E
SAN JUAN
AV
COATLINCHAN
2'
2150510
2 Laguna
-25
flacultativa
.0
.0
Lago
-20
-30.0
.0 Churubusco
-30 SIERRA NEVADA
-25.0
-35.0
8
CHICOLOAPAN
0.0
-4
1 NEZAHUALCOYOTL
1'
2144975
C. CHIMALHUACAN
A B C D
-20 -25 -30 -35 -40 -45 -50 m

Profundidad
488305 A' 494120 B' 499935 C' 505750 D' 511565 517380
TEZOYUCA
5
ECATEPEC DE MORELOS
LAS AMERICAS CHIAUTLA
5'
SIERRA DE GUADALUPE
CHICONCUAC PAPALOTLA
SAN SALVADOR
2161580
SANTA ATENCO
L
RA
CLARA
NT
TLALNEPANTLA
E
4'
. C
4
AV
SAN MIGUEL
TOCUILA
IC O
CIUDAD
EX
AZTECA TEXCOCO
AM
2156045
Laguna
Casa
A
3 3'
L IN
Colorada
MO
DO
Lago
AR
regulación
Lago Nabor
DU
BOSQUE horaria
Carrillo
. E
SAN JUAN
AV
COATLINCHAN
2150510
2 Laguna 2'
flacultativa
Lago
8
CHICOLOAPAN
1 NEZAHUALCOYOTL
1'
2144975
C. CHIMALHUACAN
A B C D

Figura 4.193. Mapa de contornos de la profundidad estimada de la FAI, zona oriente.
293
Figura 4.194. Superficie de la profundidad estimada de la FAI, zona oriente.
De acuerdo con los resultados del análisis de distribución espacial se tiene que:
En la zona circundante al Peñón de los baños y la FAI se encuentra a menor profundidad. Las
mayores profundidades se localizan al S-W de la zona estudiada, en los terrenos aledaños al
aeropuerto de la Ciudad de México.
4.4.3.6 Análisis de la distribución espacial de la profundidad de los DP.
La profundidad superior de los DP representa un campo aleatorio V(X), distribuido dentro de un

espacio RP, con p = 2 (área de estudio). El conjunto de valores medidos dentro del dominio RP,
constituye una muestra de ese campo aleatorio. Para este análisis se empelaron 192 sondeos
realizados en el periodo 1990-2009, su ubicación se muestra en la fig. 4.195.

294
³
75
TEZOYUCA
ECATEPEC DE MORELOS 142143147
2165000
LAS AMERICAS
CHIAUTLA
97 99
SIERRA DE GUADALUPE 838698 131
81 82 128129
124
707173 89
72 156 160 172 190 CHICONCUAC
PAPALOTLA
138 157 184SAN SALVADOR
68 154 163
SANTA 171175 183 ATENCO
AL
141 153 180182
CLARA
2160000
TR
162 177
EN
TLALNEPANTLA 174
6264
.C
84 170
AV
185
SAN MIGUEL
Coordenada Y(m)
5960 VASO DEL LAGO DE TEXCOCO

TOCUILA
O
155 167 169 191
58
XIC
CIUDAD 149 159 168
152 164 TEXCOCO
E
AZTECA 176181
AM
52 144 188
79
148 189
2155000
166 178
66 69 133
A
187192
LI N
121139140
42 161
92 137
MO
2 41 136
80 123
DO
9 34 77 179
R
8 57 132
UA
78 Lago Nabor 186

BOSQUE 65
D
85
.E
SAN JUAN 135145 Carrillo

146
AV
DE ARAGON 165 MONTECILLO

3 COATLINCHAN
2150000
88 Laguna
74 76 122flacultativa
7 Lago 151
45 47 Churubusco SIERRA NEVADA
48 150
67 CHICOLOAPAN
56 61
5455
6 4446495051 53 Simbología
NEZAHUALCOYOTL
2145000
5 43 63
4 20 23 C. CHIMALHUACAN Datos de profundidad de los DP
490000 495000 500000 505000 510000 515000

Coordenada X(m)
Figura 4.195. Distribución de datos de la profundidad de los DP, zona oriente.
Tabla 4.38. Descripción estadística, profundidad de los DP, zona oriente.

Parámetro Valor
No. de datos 192
Media, m(m) 37.24
Varianza, 2(m2) 121.44
Figura 4.196. Histograma de la profundidad de la frontera superior de los DP, zona oriente.
295
La tendencia de la profundidad superior de los DP se evalúa mediante un análisis de regresión,

coeficientes de regresión lineal: a = 0.00046, b = -0.00166, c = 3384.385. La representación gráfica
del plano de regresión lineal se presenta en la fig. 4.197, donde se observa que al suroriente la
profundidad de los DP es mayor y asciende hacia el noroeste, variado de 65.0m a 18.0m.
Figura 4.197. Superficie de regresión lineal de la profundidad de los DP, zona oriente.
Tabla 4.39. Distancias de influencia, profundidad de los DP, zona oriente.

Az = 0° 850
Az = 45° 950
Az = 90° 1100
Az = 135° 800
45° y 135°, siendo éstas de 950m y 800m respectivamente.
296
1.0 1.0
Coeficiente de autocorrelación,  0.8 Correlograma Exponencial 0.8 Correlograma Exponencial
0.6 0.6
0.4 0.4
0.2 0.2
0.0 0.0
0 500 1000 1500 2000 2500 3000 3500 0 500 1000 1500 2000 2500 3000 3500
-0.2 -0.2
-0.4 -0.4
-0.6 -0.6
1.0 1.0
0.6 0.6
0.4 0.4
0.2 0.2
0.0 0.0
0 500 1000 1500 2000 2500 3000 3500 0 500 1000 1500 2000 2500 3000 3500
-0.2 -0.2
-0.4 -0.4
-0.6 -0.6

Figura 4.198. Correlogramas direccionales de la profundidad de la DP, zona oriente.
Estimación
La estimación de la profundidad de la frontera superior de los DP se realizó en una malla de

residual, la anisotropía definida por las distancias de correlación en las direcciones de 0° y 90°, y
Visualización
Con el fin de apreciar en forma sencilla la distribución espacial de la profundidad de los DP, se
los DP y otro de la varianza de estimación (fig. 4.199), la cual permite evaluar el grado de
confianza de los valores estimados. Asimismo, en la fig. 4.200 se presenta un modelo de
superficie de la profundidad estimada de los DP.
297
488305 A' 494120 B' 499935 C' 505750 D' 511565 517380
TEZOYUCA
-15
5
ECATEPEC DE MORELOS
LAS AMERICAS
5'
CHIAUTLA
-25
SIERRA DE GUADALUPE
-25
-25
-20
CHICONCUAC
PAPALOTLA
SAN SALVADOR
2161580
-15
SANTA ATENCO
AL
-25
CLARA
R
NT
TLALNEPANTLA
E
-25
4'
.C
4
AV
SAN MIGUEL
TOCUILA
ICO
-20
CIUDAD
EX
AZTECA TEXCOCO
AM
-10
2156045
-20 Laguna
Casa
3'
A
3
LIN
Colorada
-45 -50
MO
DO
Lago
AR
regulación -25
Lago Nabor
DU
BOSQUE horaria
Carrillo
.E
SAN JUAN
AV
DE ARAGON -55 MONTECILLO

COATLINCHAN
2'
2150510
2 -60
Laguna
flacultativa
Lago
-40 Churubusco SIERRA NEVADA
-35
8
CHICOLOAPAN
-30
1 NEZAHUALCOYOTL
1'
2144975
C. CHIMALHUACAN
A B C D
-0 -5 -10 -15 -20 -25 -30 -35 -40 -45 -50 -55 -60 -65 m
Profundidad
488305 A' 494120 B' 499935 C' 505750 D' 511565 517380
TEZOYUCA
5
ECATEPEC DE MORELOS
LAS AMERICAS
5'
CHIAUTLA
SIERRA DE GUADALUPE
CHICONCUAC
PAPALOTLA
SAN SALVADOR
2161580
SANTA ATENCO
AL
CLARA
R
NT
TLALNEPANTLA
E
4'
.C
4
AV
SAN MIGUEL
TOCUILA
ICO
CIUDAD
EX
AZTECA TEXCOCO
AM
2156045
Laguna
Casa
3'
A
3
LIN
Colorada
MO
DO
Lago
R
regulación
UA
Lago Nabor
BOSQUE horaria
D
Carrillo
.E
SAN JUAN
AV
COATLINCHAN
2'
2150510
2 Laguna
flacultativa
Lago
8
CHICOLOAPAN
1 NEZAHUALCOYOTL
1'
2144975
C. CHIMALHUACAN
A B C D

Figura 4.199. Mapa de contornos de la profundidad estimada de los DP, zona oriente.
298
Figura 4.200. Superficie de la profundidad estimada de los DP, zona oriente.
De acuerdo con los resultados del análisis de distribución espacial de la profundidad de los DP
(figs. 4.199 y 4.200), se tiene que:
La curva de 0m de profundidad corresponde al límite de la zona de lomas.
La menor profundidad de los DP se encuentra en la zona circundante al Peñón de los baños.
La mayor profundidad de esta formación se localiza en dirección S-W, en el área ubicada entre el
aeropuerto, Ciudad Netzahualcóyotl y el lago Nabor Carillo (ex Lago de Texcoco).
4.4.3.7 Distribución espacial del espesor de la CS
Considerando que la profundidad de la frontera superior de los estratos típicos se estimaron

puntualmente empleando la misma malla de puntos, espaciados a cada 250m en ambas
direcciones X e Y, entonces por diferencia de profundidad se obtuvieron los espesores de cada
una de las formaciones.
En la fig.4.201 se presenta el mapa de contornos de isopacas de la CS, que coincide con la

profundidad de la frontera superior de la FAS. Se observa que el mayor espesor se encuentra al
sur-poniente de la zona estudiada variando de 3.0 y 4.5m, mientras que en la zona federal del ex
Lago de Texcoco el espesor varía entre 0.5 y 1.5m. Debe señalarse nuevamente que
frecuentemente los sondeos se realizan en terraplenes, rellenos o calzadas donde existen rellenos
superficiales, por lo que localmente el espesor de la costra superficial puede ser sobrestimado.
299
488305 A' 494120 B' 499935 C' 505750 D' 511565 517380
.0
-2
-3 . 0
-2 TEZOYUCA
.5
5
ECATEPEC DE MORELOS
LAS AMERICAS
5'
CHIAUTLA
.0
-2
SIERRA DE GUADALUPE
.5
-1.5
-0
-1.5
CHICONCUAC
PAPALOTLA
-0
SAN SALVADOR
2161580
.5
SANTA ATENCO
-0.5
L
RA
CLARA
-2.0
NT
TLALNEPANTLA - 1- -2.5
E 4'
1. .C
.5
4 5
0 .0 -1.0
AV
-2 .5 -2.5
-0 .
-2 SAN MIGUEL
TOCUILA
I CO
-2.0 -2.0
5 CIUDAD
EX
TEXCOCO
- 2.
AZTECA
AM
-1
.5
2156045
Laguna
0
Casa - 1.
3'
A
3
LIN
Colorada
-1.0
0 0
MO
- -3.0
-1. 2.
2.5
-2.0
-
O
Lago
RD
-2.5
regulación
UA
Lago Nabor
BOSQUE horaria
D
Carrillo
.E
SAN JUAN -1.5 -0.5

AV
-4.0 DE ARAGON 1.0 -2.5 MONTECILLO

-
5
-2. COATLINCHAN
5
2'
2150510
.
-3
2 -4. -1
.0 -1.0
- 1.0 Laguna - 2 .0
5
flacultativa
-1.0
-1 .5 5 1 .0 -0.
5
-0 . Lago
-
-3.0
-1.0
-2 .
-2.5
- 3.5
-3.0
8
-2
-3.5
CHICOLOAPAN
5 .
-3 .5 -3.5 -3
.5
-3.5
0
- 4.
.
-3
-2 .
1'
0
1 -4
5
-0.5 -
-3
-4.
0 NEZAHUALCOYOTL 3. 5
.5
.5
5
-0
2144975
-2.0
-3.0
C. CHIMALHUACAN
A B C D
-0.0 -0.5 -1.0 -1.5 -2.0 -2.5 -3.0 -3.5 -4.0 -4.5 m
Profundidad
Figura 4.201. Mapa de contornos de isopacas de la CS, zona oriente.
4.4.3.8 Distribución espacial del espesor de la FAS
La importancia de conocer aproximadamente el espesor de la FAS radica en que es utilizada

como marcador de la estratigrafía. La información sobre la FAS permite definir con mejor precisión
el programa de exploración y las profundidades del muestreo selectivo para un proyecto
específico en el área.
En la fig. 4.202 se presenta el mapa de contornos de isopacas correspondientes a la Formación

Arcillosa Superior. En esta figura se observa que el mayor espesor de esta formación se localiza
en ex Lago de Texcoco y la zona de Nezahualcóyotl.
300
488305 A' 494120 B' 499935 C' 505750 D' 511565 517380
TEZOYUCA
5
ECATEPEC DE MORELOS
LAS AMERICAS
5'
CHIAUTLA
SIERRA DE GUADALUPE 20
CHICONCUAC
PAPALOTLA
SAN SALVADOR
2161580
SANTA ATENCO
AL
CLARA
R
NT
TLALNEPANTLA
E
4'
.C
4
AV
SAN MIGUEL
TOCUILA
ICO
20
EX CIUDAD 25
AZTECA TEXCOCO
AM
2156045
Laguna
Casa
3'
A
3
LIN
Colorada
MO
DO
Lago
R
regulación
UA
Lago Nabor
BOSQUE horaria
D
Carrillo
.E
SAN JUAN
AV
25 DE ARAGON MONTECILLO
COATLINCHAN
2'
2150510
2 Laguna
flacultativa
20
Lago
8
30
CHICOLOAPAN
35
1 NEZAHUALCOYOTL
1'
40
2144975
C. CHIMALHUACAN
A B C D
-0 -5 -10 -15 -20 -25 -30 -35 -40 -45 m

Profundidad
Figura 4.202. Mapa de contornos de isopacas de la FAS, zona oriente.
4.4.3.9 Distribución espacial del espesor de la CD
La CD presenta una cementación muy errática y de espesor variable. Se asume que esta
formación es muy delgada en la zona central del lago Texcoco debido a que no llegó a secarse.
La importancia de identificar la profundidad a la cual se localiza la primera capa dura radica en
que en que algunas cimentaciones como los pilotes de punta se apoyan en esta formación.
En la fig. 4.203 se presentan las curvas isopacas de la CD, donde se observa que el menor
espesor menor (1 a 2.5m) se ubica en la zona federal del exlago donde se localizan los lagos y
lagunas de Texcoco, el mayor espesor se encuentra en Nezahualcóyotl.
301
488305 A' 494120 B' 499935 C' 505750 D' 511565 517380
TEZOYUCA
5'
1.0
ECATEPEC DE MORELOS
5
0.5
LAS AMERICAS 0.
5 CHIAUTLA
SIERRA DE GUADALUPE
2.5
1.0
0
2. CHICONCUAC
PAPALOTLA
SAN SALVADOR
2161580
1.5
SANTA ATENCO
AL
CLARA
TR
1.0
EN
TLALNEPANTLA
1.
5
4'
.C
4
AV
2.0
SAN MIGUEL
TOCUILA
ICO
CIUDAD
2.
0
EX
AZTECA TEXCOCO
AM
1.0
2156045
2.5 3.0 Laguna
2.
0
Casa
3'
A
3
LIN
Colorada
2.0
MO
2.5
DO
Lago
1.5
3.
AR
0
1.5
1.5 regulación
2.0 Lago Nabor
DU
1.0
BOSQUE horaria
Carrillo
.E
SAN JUAN
AV
2.0 COATLINCHAN
2'
2150510
1.5
2 Laguna
2.5
3.0
flacultativa
3.0
1.0
1.5
2.0
1.0 Lago
5
1.
1.0
2.
8
5
2.5 1.0 CHICOLOAPAN

5
2.5
3.
0
3.
1.5
1 NEZAHUALCOYOTL
1'
2.0
2144975
2.0
C. CHIMALHUACAN
A B C D
-0.0 -0.5 -1.0 -1.5 -2.0 -2.5 -3.0 -3.5 -4.0 m

Profundidad
Figura 4.203. Mapa de contornos de isopacas de la CD, zona oriente.
4.4.3.10 Distribución espacial del espesor de la FAI
La FAI es una secuencia de estratos de arcilla intercalados por lentes duros, con un arreglo similar
a la de la serie arcillosa superior.
En la fig. 4.204 se presentan las isopacas de la FAI. Se aprecia que los mayores espesores se
localizan cerca del aeropuerto y van disminuyendo al acercarse a la zona de serranía.
302
488305 A' 494120 B' 499935 C' 505750 D' 511565 517380
TEZOYUCA
5
ECATEPEC DE MORELOS
LAS AMERICAS
5'
CHIAUTLA
SIERRA DE GUADALUPE
5
.0 CHICONCUAC
PAPALOTLA
10
SAN SALVADOR
2161580
SANTA ATENCO
AL
CLARA
R
NT
TLALNEPANTLA
E
4'
.0
.C
4
10
AV
5
SAN MIGUEL
TOCUILA
ICO
CIUDAD
.0
EX
10
AZTECA TEXCOCO
AM
2156045
Laguna
10.0
Casa
3'
A
15
3
LIN
.0 Colorada
MO
DO
Lago
R
regulación
UA
Lago Nabor
BOSQUE horaria
D
Carrillo
.E
SAN JUAN
AV
COATLINCHAN
2'
2150510
35.
2 0 30
.0
Laguna
flacultativa .0
.0
.0 20
20.0
20
25
40.0
Lago
0
15.
.0
10
15.0
8
0
CHICOLOAPAN
30.
5
0
1 5 1'
5
NEZAHUALCOYOTL
2144975
C. CHIMALHUACAN
A B C D
-0 -5 -10 -15 -20 -25 -30 -35 -40 -45 m
Profundidad
Figura 2.204. Mapa de contornos de isopacas de la FAI, zona oriente.
4.4.3.11 Modelo digital 3D de las formaciones del subsuelo
En la fig. 4.205 se presenta un modelo 3D de los estratos típicos estimados en la zona de estudio,
en la que se observa:
- La CD, es un estrato de reducido espesor.
- La profundidad de los DP decrece de la sierra (Sierra de Guadalupe y Sierra Nevada) al
centro del ex Lago de Texcoco.
- En la zona federal, los DP se localizan entre los 30 y 45m de profundidad.
303
Límite superior
FAS
Límite superior Límite superior

FAI DP
Límite superior
CD
Límite superior
FAS
Límite superior
Límite superior DP
Límite superior
FAI CD
Figura 4.205. Modelo 3D de la estratigrafía, zona oriente.
304
4.4.3.12 Zonificación geotécnica propuesta
La propuesta de zonificación geotécnica para la zona del ex Lago de Texcoco se realizó con base
en los siguientes criterios:
Los análisis de la distribución espacial de las propiedades y de los estratos típicos.
Los criterios de la Zonificación Geotécnica Vigente del Reglamento de Construcciones del Distrito
Federal (GDF, 2004a)
Mapa de zonificación geotécnica propuesto para la zona Norte del Valle de México (Laboratorio de
Geoinformática, 2007).
En la fig. 4.206 se presenta el mapa de dicha zonificación, con la siguiente descripción:
Zona I, Lomas correspondiente a lomas, formadas por rocas o suelos generalmente firmes. En
esta zona, es frecuente la presencia de oquedades en rocas, de cavernas y túneles
excavados en suelos para explotar minas de arena y de rellenos no controlados.
- Zona Ia, lomeríos: formada por roca o suelos firmes depositados fuera del ambiente lacustre
que corresponden a las serranías de la zona.
- Zona Ib, aluvial: formada por estratos arenosos y limo arenosos intercalados con capas de
arcilla altamente resistentes que se encuentran en las planicies elevadas de la zona, donde
regularmente no llegaba el nivel de antiguos lagos.
Zona II, transición, en la que los depósitos profundos se encuentran a 20m de profundidad, o
menos, y que está constituida predominantemente por estratos arenosos y limo arenosos
intercalados con capas de arcilla lacustre.
- Zona IIa transición alta, formada por estratos de arcilla lacustre con espesor menor a 2.50m.
-
- Zona IIb transición baja, formada por arcilla lacustre con espesor mayor a 2.50m.
Zona III, Lacustre, integrada por potentes depósitos de arcilla altamente compresibles, separados
por capas arenosas con contenido diverso de limo o arcilla. Estas capas arenosas son
generalmente medianamente compactas a muy compactas y de espesor variable de
centímetros a varios metros. Los depósitos lacustres suelen estar cubiertos superficialmente
por suelos aluviales, materiales desecados y rellenos artificiales; el espesor de este conjunto
puede ser superior a 50m.
305
488305 494120 499935 505750 511565 517380
TEZOYUCA
ECATEPEC DE MORELOS
LAS AMERICAS
CHIAUTLA
SIERRA DE GUADALUPE
CHICONCUAC
PAPALOTLA
SAN SALVADOR
2161580
SANTA ATENCO
L
RA
CLARA
T
EN
TLALNEPANTLA
.C
AV SAN MIGUEL
TOCUILA
I CO
CIUDAD
EX
AZTECA TEXCOCO
AM
2156045
Laguna
Casa
A
LIN
Colorada
O
OM
Lago
RD
regulación
UA
Lago Nabor
BOSQUE horaria
D
Carrillo
.E
SAN JUAN
AV
COATLINCHAN
2150510
Laguna
flacultativa
Lago
8
CHICOLOAPAN
NEZAHUALCOYOTL
2144975
C. CHIMALHUACAN
Figura 4.206. Mapa de zonificación geotécnica propuesto, zona oriente del valle de México.
4.4.4 Análisis geoestadísitico de las propiedades del subsuelo en la zona sur
Debe señalarse que dada la consolidación de las formaciones de arcilla, los sondeos
considerados para los análisis en esta zona son los que se ejecutaron entre 1990 y 2009.
98 sondeos distribuidos en forma aleatoria en un área aproximada de 167.45km2, como se
306
muestra en la fig. 4.207. Los archivos de datos de contenido de agua se generaron a partir de la
representación gráfica de los perfiles de los 193 sondeos disponibles.
Figura 4.207. Distribución de sondeos con medición de contenido de agua, zona sur.
Aceptando las condiciones de homogeneidad y ergodicidad de los valores experimentales de

contenido de agua, w(%), se estiman los principales parámetros estadísticos del campo aleatorio
(tabla 4.40). Asimismo, en el histograma que se presenta en la fig. 4.208, se observa que
aproximadamente el 42% del total de las mediciones presentan bajos contenidos de agua propios
de los suelos rígidos o de la zona de transición que es donde se ubican algunos de los sondeos;
asimismo, el 58% restante presenta valores mayores al 100% de contenido de agua
correspondiente a los valores típicos de las arcillas lacustres de la Ciudad de México.
Tabla 4.40. Parámetros estadísticos de contenido de agua, zona sur.

Parámetro Valor
No. de datos 5258
Media, m(%) 135.53
Varianza, 2(%2) 11150.90
307
1800
1600
1400
1200
Número de datos
1000
800
600
400
200
0
0 50 100 150 200 250 3000 350 400 450
Figura 4.208. Histograma de los datos experimentales de contenido de agua, zona sur.

a = 0.0052, b = 0.0028, c = -0.0495 y d = -8399.4061
Con los anteriores coeficientes de regresión se define la tendencia del campo aleatorio. En la fig.
4.209 se representa la dispersión de los datos de contenido de agua y la tendencia referida a la
profundidad, es decir, en una dimensión, donde se observa que la línea de tendencia es
prácticamente nula respecto a la profundidad. Por tanto, podría considerarse posible trabajar con
el campo original, sin embargo, en este trabajo se considera mejor trabajar con el campo residual.
agua y se calculan los correlogramas experimentales (fig. 4.210). Para obtener la correlación
vertical del campo, se calcula el coeficiente de autocorrelación vertical (ρver) asociado a cada
sondeo con un paso de cálculo de 0.25m, resultando una distancia de correlación δver = 3.6m.
Asimismo, para definir el correlograma experimental horizontal, los coeficientes de correlación
horizontal (ρhor) se promedian se promedian en intervalos de 1000m, obteniendo así una distancia
δhor = 4200m. Con estos valores y adoptando una función de tipo exponencial simple se
determinan los modelos de correlación horizontal y vertical mostrados en la fig. 4.210.
Estimación
Con las distancias de correlación espacial δver y δhor, los modelos de autocorrelación teóricos y los
datos experimentales de los 98 perfiles geotécnicos disponibles, y empleando la técnica del
Kriging Simple, se estimaron perfiles de contenido de agua, w(%), a cada 250m a lo largo de los
ejes preferenciales “A, B, C, D, E, F, G” y “1, 2, 3, 4”, definidos en la fig. 4.211. La propiedad se
estimó puntualmente a lo largo de la profundidad con un paso de cálculo de 20cm, hasta una
profundidad de 40m. Empleando la técnica de simulación condicional se elaboraron perfiles
simulados de contenido de agua, w(%), a lo largo de los mismos ejes preferenciales.
308

0 100 200 300 400 500
0
Medición
Media
Tendencia
10
20
30
Profundidad, Z(m)
40
50
60
70
Figura 4.209. Tendencia de los datos de contenido de agua, zona sur.
1.0 1.0
0.8 Correlograma exponencial Correlograma exponencial
0.8
0.6
0.6
0.4
0.2 0.4
0.0
0 5 10 15 20 25 0.2
-0.2
0.0
-0.4 0 2500 5000 7500 10000 12500 15000 17500 20000
-0.6 -0.2
Figura 4.210. Correlogramas direccionales del contenido de agua, zona sur.
309
Figura 4.211. Localización de los ejes de estimación, zona sur.
Validación
Para evaluar la consistencia de los resultados, aplica la técnica de validación cruzada en los
sondeos 3458 y 3497, empleando los modelos de correlación espacial anteriormente obtenidos.
En la fig. 4.212 se muestran los resultados, donde se observa una aproximación aceptable entre
los valores estimados y los valores medidos.
Visualización
En las figs. 4.213 a 4.223 se presentan las secciones transversales estimadas a lo largo de los
ejes preferenciales definidos, así como la desviación estándar de estimación, estos modelos
representan de forma sencilla la distribución espacial del contenido de agua a lo largo de cada
uno de los ejes.
este modelo permite observar en conjunto la distribución espacial del contenido de agua dentro de
la zona de estudio.
310
Sondeo 3458 Sondeo 3497
Contenido de agua, w(%) Contenido de agua, w(%)

0 100 200 300 400 0 100 200 300 400
0 0
Series 1
Medido Series 2
Estimado
5 5
10 10
15 15
Profundidad, Z(m)
Profundidad, Z(m)
20 20
25 25
30 30
35 35
40 40
Figura 4.212. Resultado de validación cruzada, zona sur.
311
b) Sección transversal de la desviación estándar de estimación

Figura 4.213. Distribución espacial del contenido de agua sobre el eje 1, zona sur.

312


313

Figura 4.217. Distribución espacial del contenido de agua sobre el eje A, zona sur.

Figura 4.218. Distribución espacial del contenido de agua sobre el eje B, zona sur.
314

Figura 4.219. Distribución espacial del contenido de agua sobre el eje C, zona sur.

Figura 4.220. Distribución espacial del contenido de agua sobre el eje D, zona sur.
315

Figura 4.221. Distribución espacial del contenido de agua sobre el eje E, zona sur.

Figura 4.222. Distribución espacial del contenido de agua sobre el eje F, zona sur.
316

Figura 4.223. Distribución espacial del contenido de agua sobre el eje G, zona sur.
Peñón del
Marqués
0 40 80 120 160 200 240 280 320 360 400
Figura 4.224. Modelo 3D de la distribución espacial del contenido de agua, zona sur.
317
En las secciones transversales estimadas de contenido de agua de las figs. 4.213 a 4.223 y de
acuerdo con la escala de colores, en general, se observa que los valores varían entre 0% y 400%,
pudiéndose notar que los valores más altos se localizan al norte de la zona estudiada, hacia el
centro de la ciudad. De igual manera, se observa claramente que en la zona de transición y en la
zona de lomas el contenido de agua es más bajo, como es el caso del Cerro de la Estrella.
En las secciones transversales de la desviación estándar de estimación, se aprecia que en ciertas

zonas la incertidumbre aumenta, lo cual no necesariamente significa que la estimación sea poco
confiable, sino que frecuentemente se debe a que los sondeos son cortos, o bien, a la distancia
entre los sondeos y los ejes preferenciales de estimación.
La profundidad superior de la FAS representa un campo aleatorio V(X), distribuido dentro de un

constituye una muestra de ese campo aleatorio. En la fig. 4.225, se indica la ubicación de los
sondeos utilizados como soporte de datos experimentales, donde las coordenadas (x, y) definen
la posición de los sondeos en el sistema de referencia UTM, Datum WGS84, Zona 14 Norte. Para
este análisis se consideran únicamente 188 sondeos realizados en el periodo 1990-2009. Se
adoptó como límite del dominio estudiado la Zona Geotécnica I (Zona de lomas) propuesta en las
Normas Técnicas Complementarias para Diseño y Construcción de Cimentaciones (GDF, 2004b).
En la fig. 4.225, se observan algunas zonas con notable ausencia de datos, esto se debe a que la
mayoría de los sondeos son poco profundos.
Figura 4.225. Ubicación de datos de la profundidad de la FAS, zona sur.
318
Aceptando condiciones de homogeneidad y ergodicidad, se estiman sus principales parámetros

estadísticos (tabla 4.41).
Tabla 4.41. Parámetros estadísticos de la profundidad de la FAS, zona sur.

Parámetro Valor
No. de datos 188
Media, m(m) 1.93
La tendencia de la profundidad superior de la FAS se evalúa mediante un análisis de regresión,

lineal de mínimos cuadrados, ajustando una ecuación de tipo V ( X )  ax  by  c . Los
coeficientes que describen esta tendencia para la profundidad de la FAS son:
a = -0.00004365; b = 0.00012313 y c = -240.37146210
observa que al norte la FAS se encuentra a mayor profundidad y al sur más superficial.
Figura 4.226. Plano de regresión lineal de la profundidad de la FAS, zona sur.
319
Tabla 4.42. Distancias de correlación de la profundidad de la FAS, zona sur.

Az = 0° 1400
Az = 45° 1200
Az = 90° 1200
Az = 135° 1500
4.42. Con las distancias de correlación direccionales de la tabla 4.42 se construyen las elipses de
anisotropía del campo estudiado (fig. 4.228). Para la estimación, de forma conservadora se eligen
las distancias de correlación de 1400m y 1200m, obtenidas en las direcciones de 0° y 90°
respectivamente, definiéndose así un coeficiente de anisotropía de 0.857.
1.0 1.0
0.8 0.8
0.6 0.6
0.4 0.4
0.2 0.2
0.0 0.0
0 1000 2000 3000 4000 5000 6000 0 1000 2000 3000 4000 5000 6000
-0.2 -0.2
-0.4 -0.4
1.0
1.0

0.8
0.6 0.6
0.4 0.4
0.2 0.2
0.0 0.0
0 1000 2000 3000 4000 5000 6000 0 1000 2000 3000 4000 5000 6000
-0.2 -0.2
-0.4 -0.4
Figura 4.227. Correlogramas direccionales de la profundidad de la FAS, zona sur.
320
Az = 0º
Az
=
45
º
d = 1400 m
m
00
12
d=
Az = 90º
d = 1200 m
d=
15
00
m
5º
13
=
Az
Figura 4.228. Elipses de anisotropía de la profundidad de la FAS, zona sur.
Predicción
La estimación de la profundidad de la FAS se realiza puntualmente mediante la técnica de Kriging

Ordinario, con base en los datos del campo residual y las distancias de correlación =1400m en
la dirección Az=0° y =1200m en la dirección Az=90°. La malla de puntos por estimar se define
considerando las coordenadas geográficas X=480000 y Y=2128500 como punto inicial. La
separación entre los puntos de la malla es de 250m en ambas direcciones. Después de realizar la
estimación, se regresa la tendencia a los valores estimados del campo estacionario para obtener
los valores finales de la estimación que representan el valor esperado en cada punto.
Adicionalmente, la técnica proporciona la varianza de estimación que representa la incertidumbre
asociada al estimador pudiéndose utilizar la desviación estándar para una mejor interpretación de
los resultados.
Visualización
de la FAS, mostrado en la fig. 4.229, en la misma figura se presenta el mapa de la desviación
estándar de estimación que evalúa la incertidumbre de las estimaciones. Asimismo, en la fig.
4.230 se presenta un modelo de superficie en perspectiva donde Z corresponde a la profundidad
de la FAS.
De acuerdo con la figs. 4.229 y 4.230; y con base en la escala de colores, se observa que la
mayor profundidad de la FAS se encuentra al noroeste de la zona de estudio, disminuyendo
conforme se aproxima a la frontera de la zona de lomas. Así también, se observa que la
profundidad aumenta en dirección noroeste, hacia el centro de la ciudad.
321

Figura 4.229. Mapa de contornos de la profundidad estimada de la FAS, zona sur.
322
0 -1 -2 -3 -4 -5 -6 -7
Figura 4.230. Superficie estimada de la frontera superior de la FAS, zona sur.
La profundidad superior de la CD representa un campo aleatorio V(X), distribuido dentro de un

este análisis se consideran únicamente 136 sondeos realizados en el periodo 1990-2009. Como
se observa en la fig. 4.231, en algunas zonas el número de datos es reducido debido a que la
mayoría de los sondeos son poco profundos. Por otra parte, se debe tener presente que en la
zona de transición la caracterización de la CD debe realizarse con especial atención, puesto que,
puede confundirse fácilmente con los DP.
Figura 4.231. Ubicación de datos de la profundidad de la CD, zona sur.
323
Considerando los valores de la profundidad de la CD y aceptando las condiciones de

homogeneidad y ergodicidad del campo aleatorio en estudio, se estiman sus principales
parámetros estadísticos (tabla 4.43).
Tabla 4.43. Parámetros estadísticos de la profundidad de la CD, zona sur.

Parámetro Valor
No. de datos 136
Media, m(m) 11.57
La tendencia de la profundidad superior de la CD se evalúa mediante un análisis de regresión,

coeficientes que describen esta tendencia para la profundidad de la FAS son:
a = -0.00033379; b = 0.00048244 y c = -861.01986344
aprecia que existe una marcada tendencia. Al norte, la profundidad de la CD se encuentra a
mayor profundidad y al surponiente la profundidad decrece significativamente. Esta tendencia es
considerada en el análisis estructural y en la estimación.
Figura 4.232. Plano de regresión lineal de la profundidad de la CD, zona sur.
324
Tabla 4.44. Distancias de correlación de la profundidad de la CD, zona sur.

Az = 0° 2000
Az = 45° 800
Az = 90° 1800
Az = 135° 1200
1.0 1.0
0.6 0.6
0.4 0.4
0.2 0.2
0.0 0.0
0 1000 2000 3000 4000 5000 6000 0 1000 2000 3000 4000 5000 6000
-0.2 -0.2
-0.4 -0.4
-0.6 -0.6
1.0 1.0
0.6 0.6
0.4 0.4
0.2 0.2
0.0 0.0
0 1000 2000 3000 4000 5000 6000 0 1000 2000 3000 4000 5000 6000
-0.2 -0.2
-0.4 -0.4
-0.6 -0.6

Figura 4.233. Modelos de correlación espacial de la profundidad de la CD, zona sur.
325
Figura 4.234. Elipses de anisotropía de la profundidad de la CD, zona sur.
Predicción
La estimación de la profundidad de la CD se realiza puntualmente mediante la técnica de Kriging

Ordinario, con base en los datos del campo residual y las distancias de correlación =800m en la
dirección Az=45° y =1200m en la dirección Az=45°. La malla de puntos por estimar se define
los resultados.
Visualización
de la CD, mostrado en la fig. 4.235, en la misma figura se presenta el mapa de la desviación
de la CD.
mayor profundidad de la CD se encuentra al noroeste de la zona de estudio, disminuyendo
conforme se aproxima a la frontera de la zona de lomas. Se observa también que la profundidad
aumenta en dirección noroeste, hacia el centro de la ciudad. Entre el Cerro de la Estrella y la
Sierra de Santa Catarina, la profundidad de la CD se encuentra a 5m aproximadamente.
326

Figura 4.235. Mapa de contornos de la profundidad estimada de la CD, zona sur.
327
0 -5 -10 -15 -20 -25 -30 -35 -40 -45
Figura 4.236. Superficie estimada de la profundidad de la CD, zona sur.
4.4.4.4 Análisis de la distribución espacial de la profundidad de la FAI
La profundidad superior de la FAI representa un campo aleatorio V(X), distribuido dentro de un

el análisis se consideran 66 sondeos realizados en el periodo 1990-2009, el número de sondeos
es bajo debido a que la mayoría son cortos.
Considerando los valores de la profundidad de la FAI y aceptando las condiciones de

homogeneidad y ergodicidad del campo aleatorio en estudio, se estiman sus principales
parámetros estadísticos (tabla 4.45).
Tabla 4.45. Parámetros estadísticos de la profundidad de la FAI, zona sur.

Parámetro Valor
No. de datos 66
Media, m(m) 20.15
Varianza, 2(m2) 144.26
328
Figura 4.237. Ubicación de datos de la profundidad de la FAI, zona sur.
La tendencia de la profundidad superior de la FAI se evalúa mediante un análisis de regresión,

coeficientes que describen esta tendencia para la profundidad de la FAI son:
a = -0.00010178; b = 0.00018310 y c = -336.91578786
La representación gráfica del plano de regresión lineal se muestra en la fig. 4.238, donde se
aprecia que al norte, la profundidad de la FAI es mayor y tiende a disminuir hacia el surponiente.
Esta tendencia es considerada en el análisis estructural y en la estimación.
Figura 4.238. Plano de regresión lineal de la profundidad de la FAI, zona sur.
329
Tabla 4.46. Distancias de correlación de la profundidad de la FAI, zona sur.

Az = 0° 1100
Az = 45° 1100
Az = 90° 1850
Az = 135° 800
respectivamente, definiéndose así un coeficiente de anisotropía de 0.727, considerando como
dirección principal Az= 45º.
1.0 1.0
0.8 0.8
0.6 0.6
0.4 0.4
0.2 0.2
0.0 0.0
0 1000 2000 3000 4000 5000 6000 0 1000 2000 3000 4000 5000 6000
-0.2 -0.2
-0.4 -0.4
1.0 1.0
0.8
0.8
0.6 0.6
0.4 0.4
0.2 0.2
0.0 0.0
0 1000 2000 3000 4000 5000 6000 0 1000 2000 3000 4000 5000 6000
-0.2 -0.2
-0.4 -0.4

Figura 4.239. Modelos de correlación espacial de la profundidad de la FAI, zona sur.
330
Figura 4.240. Elipses de anisotropía de la profundidad de la FAI, zona sur.
Predicción
La estimación de la profundidad de la FAI se realiza puntualmente mediante la técnica de Kriging

Ordinario, con base en los datos del campo residual y las distancias de correlación =1100m en
la dirección Az=45° y =800m en la dirección Az=135°. La malla de puntos por estimar se define
los resultados.
Visualización
de la FAI, mostrado en la fig. 4.241, en la misma figura se presenta el mapa de la desviación
de la FAI.
mayor profundidad de aproximadamente 32m se encuentra al sureste de la sierra de Santa
Catarina, se reafirma la existencia de transiciones abruptas alrededor del Cerro de la Estrella y al
pie de la Sierra de Santa Catarina. Así también, se observa al norte de esta zona la profundidad
de la FAI aumenta, en dirección al centro de la ciudad.
331

Figura 4.241. Mapa de contornos de la profundidad estimada de la FAI, zona sur.
332
0 -5 -10 -15 -20 -25 -30 -35 -40 -45 -50 -55
Figura 4.242. Superficie estimada de la profundidad de la FAI, zona sur.
4.4.4.5 Análisis de la distribución espacial de la profundidad de los DP
La profundidad superior de los DP representa un campo aleatorio V(X), distribuido dentro de un

este análisis se consideran 78 sondeos realizados en el periodo 1990-2009, el número de
sondeos es reducido debido a que la mayoría de los sondeos no son profundos.
Figura 4.243. Ubicación de los datos de la profundidad de los DP, zona sur.
333
Considerando los valores de la profundidad de los DP y aceptando la hipótesis de ergodicidad del

campo aleatorio en estudio, se estiman sus principales parámetros estadísticos (tabla 4.47).
Tabla 4.47. Parámetros estadísticos de la profundidad de los DP, zona sur.

Parámetro Valor
No. de datos 78
Media, m(m) 21.27
Varianza, 2(m2) 185.22
La tendencia de la profundidad superior de los DP se evalúa mediante un análisis de regresión,

coeficientes que describen esta tendencia para la profundidad de los DP son:
a = -0.00029001; b = 0.00042635 y c = -762.75963599
aprecia que al nororiente, la profundidad de los DP es mayor y disminuye hacia el surponiente.
Esta tendencia es considerada en el análisis estructural y en la estimación.
Figura 4.244. Plano de regresión lineal de la profundidad de los DP, zona sur.
334
Tabla 4.48. Distancias de correlación de la profundidad de los DP, zona sur.

Az = 0° 1450
Az = 45° 800
Az = 90° 1850
Az = 135° 950
respectivamente, definiéndose así un coeficiente de anisotropía de 0.842, considerando como
dirección principal Az= 135º.
1.0 1.0
0.6 0.6
0.4 0.4
0.2 0.2
0.0 0.0
0 1000 2000 3000 4000 5000 6000 0 1000 2000 3000 4000 5000 6000
-0.2 -0.2
-0.4 -0.4
-0.6 -0.6
1.0 1.0
0.6 0.6
0.4 0.4
0.2 0.2
0.0 0.0
0 1000 2000 3000 4000 5000 6000 0 1000 2000 3000 4000 5000 6000
-0.2 -0.2
-0.4 -0.4
-0.6 -0.6

Figura 4.245. Modelos de correlación espacial de la profundidad de los DP, zona sur.
335
Figura 4.246. Elipses de anisotropía de la profundidad de los DP, zona sur.
Predicción
La estimación de la profundidad de los DP se realiza puntualmente mediante la técnica de Kriging

Ordinario, con base en los datos del campo residual y las distancias de correlación =800m en la
dirección Az=45° y =9500m en la dirección Az=135°. La malla de puntos por estimar se define
Visualización
de los DP, mostrado en la fig. 4.247, en la misma figura se presenta el mapa de la desviación
4.248 se presenta un modelo de superficie donde Z corresponde a la profundidad de los DP.
En las figs. 4.247 4.248 se observa que profundidad de la frontera superior de los DP es muy
variable; se hace evidente que hacia el centro de la ciudad de México, la profundidad de los DP es
mayor, en cambio, a lo largo de la frontera de la zona de lomas, los depósitos profundos se
encuentran a corta profundidad. En las zonas de transición abrupta esta formación se encuentra a
mayor profundidad, al suroeste de la Sierra de Santa de Catarina hasta 64m y al norte del Cerro
de la Estrella a más de 50m. También se distingue una transición abrupta entre el Cerro de la
Estrella y la Sierra de Santa Catarina. Al este del área de estudio también se aprecia que existe
una relación entre las formaciones rocosas de la Sierra de Santa Catarina con el Cerro de la
Estrella y el Peñón del Marqués en la zona de lomas. En el mapa de desviación estándar de
336
estimación se observa que, en general, al sur de la zona estudiada la información de sondeos es

escasa, por lo que, los mapas podrán actualizarse en la medida que se cuente con más
información.

Figura 4.247. Mapa de contornos de la profundidad estimada de los DP, zona sur.
337
0 -6 -12 -18 -24 -30 -36 -42 -48 -54 -60
Figura 4.248. Perspectiva de la superficie estimada de los DP, zona sur.
4.4.4.6 Zonificación geotécnica propuesta
Una de las aplicaciones directas de los resultados obtenidos en los análisis geoestadísticos
realizados en este trabajo, es que permiten afinar los límites entre las fronteras de las zonas
geotécnicas propuestas en el Reglamento de Construcciones para el Distrito Federal (RCDF;
GDF, 2004).
Con base en los resultados obtenidos, se propone un nuevo mapa de zonificación geotécnica para
la zona sur, mostrado en la fig. 4.249, en la misma figura aparece a como referencia el mapa de
zonificación geotécnica vigente de las NTC-DCC (GDF, 2004). Adicionalmente, para validar las
modificaciones propuestas al mapa de zonificación geotécnica en la fig. 4.249 se indica la
ubicación de algunos sondeos que sirven como referencia para validar el nuevo mapa y en la fig.
4.250 se presentan los perfiles de algunos de estos sondeos.
Después de afinar y verificar la consistencia de las modificaciones propuestas, en la fig. 4.251 se

presenta el mapa de zonificación geotécnica actualizado resultante. Entre los cambios que se
muestran en la propuesta, se observa que entre la Sierra de las Cruces y el Cerro de la Estrella la
zona de transición se amplia. Así también, la zona de transición que se encuentra al nororiente del
Cerro de la Estrella se reduce.
Otro de los cambios significativos es que en la zona de la Sierra de Santa Catarina, se modifican
las fronteras al norte, al sur de esta sierra se incorpora una zona de transición y lomas que
corresponde a la Loma de San Luis, considerada como una anomalía geotécnica.
Asimismo, con la información de los sondeos geotécnicos ubicados en las inmediaciones del
Peñón del Marqués, la superficie que lo delimitaba se redujo ligeramente pero a la vez se propone
338
una zona de transición alrededor de éste, siendo abrupta al norte y poniente; y suave al
suroriente.
Zonificación geotécnica, NTC-DCC (GDF, 2004)
Peñón del
Marqués
Cerro de la
Estrella
Propuesta de zonificación geotécnica, 2013
Peñón del
Marqués
Cerro de la
Estrella
SIMBOLOGÍA
SIMBOLOGÍA Zona I: Lomas
Zona I: Lomas
SIMBOLOGÍA Vialidades principales
0 1 2 4 0 6 1 2 4
SIMBOLOGÍA
SIMBOLOGÍA
SIMBOLOGÍA
SIMBOLOGÍA
SIMBOLOGÍA
SIMBOLOGÍA
Zona
Zona
SIMBOLOGÍA
Zona I: Lomas
I:
Zona I: Lomas
I:
Lomas Lomas
Zona I: Lomas
Zona
Vialidades
Zona
Zona II: Transición
Vialidades
Zona II: principales
Transición
II: II: Transición
principales
Transición
0
Vialidades principales
1 02 1
Sondeo
0 1
24 6
Sondeo
42
6
0 1 2
6 410 Km
8
4
6
108 Km
6
8
10 Km
8
10 Km
10 Km
ESCAL
0 0 1 1 2 2 4 4 6 8
8 10 Km ESCALA GRÁFIC
ESCALA GRÁFICA
Zona Zona
Zona
Zona
Zona
I: Lomas I:Lomas
I:I:I:Lomas
Zona Lomas
LomasLomas Vialidades
I:Lomas Zona Zona
Vialidades
II:
Zona
Zona
Zona
II:principales
Vialidades
Transición Transición
II:II:Transición
Vialidades
II: Transición
Vialidades Transición
principales
principales Sondeo ZonaZona
principales Zona III:Sondeo
Zona
Lago III:III:
LagoIII:
LagoLago
==
Zona I: Lomas Zona III: Lago
SIMBOLOGÍA~ Zona I: Lomas
SIMBOLOGÍA principales ESCALA GRÁFICA
ESCALA GRÁFICA
Zona
Zona II: Transición
II: Transición
Zona II: Transición Zona III: 0Lago
Sondeo
Zona III: Lago
Sondeo 1 2 0 1 4 2 6 4 8 6 10 Km
8 10 Km ESCALA GRÁFICA
ESCALA GRÁFICA ESCALA GRÁFICA
SIMBOLOGÍA
SIMBOLOGÍA
SIMBOLOGÍA SIMBOLOGÍA
Zona
Zona I:
I: Lomas Lomas
Zona I: Lomas
Zona
Vialidades
Zona II: Zona
Transición
Zona
Zona
II:principales
Transición II:
Zona
II: II: Transición
Transición
Transición
III:
Zona III: Lago 0
Lago
0
1 Sondeo
2
1 2
4 Zona
Zona
Sondeo
4 III:
Sondeo 6III:
Lago
6 Lago
8
8
10 Km
10 Km
ESCALA GRÁFICA
SIMBOLOGÍASIMBOLOGÍA
Zona I: Lomas
Zona I: Lomas Zona II: Transición
Vialidades
Zona II: principales
Transición 0 1
Zona 0 2
III: Lago
Sondeo 1 24 6
4 8
6 108 Km 10 KmESCALA GRÁFICA
Zona III: III: Lago
0 1 2 4 6 8 10 Km
ESCALA GRÁFICA
I:omas
mas
omas
mas Lomas
Lomas
Lomas Zona
Vialidades
Zona II:
Zona
Zona
Zona
II:principales
Vialidades
Transición Transición
II:II:Transición
Vialidades Transición
II: Transición
principales Sondeo
Zona
principales Zona III:Sondeo
Zona
Zona
Lago
Zona III: Lago III:III:
LagoIII:
Lago Zona
Lago
Zona III: Lago
Lago
ESCALA GRÁFICA ESCALA GRÁFICA
ESCALA GRÁFICA
: Transición
ransición
ansición Zona III: Lago
Sondeo
Zona III: Lago
Sondeo ESCALA GRÁFICA
II: Transición
Transición
ransición
I:ago
ago Lago Zona
Zona III: III:
Sondeo
Sondeo
Lago Lago
III:
LagoLago
Lago
339
Figura 4.249. Modificaciones propuestas al mapa de zonificación geotécnica, zona sur.
.- J'.
CS
CS CS
FAS FAS
, FAS
DP
CD
DP FAI
DP
• •
."
_._~-
...... ....,......,lCf-l "

Sondeo 1054 Sondeo 3497 Sondeo 568
CS CS CS
FAS
FAS FAS
CD
FAI
DP
DP DP
l'
Figura 4.250. SondeosCS: Costra Superficial;

geotécnicos queFAS: Formación
validan Arcillosa Superior;
los cambios al mapa CD:
deCapa Dura;
zonificación geotécnica.
FAI: Formación Arcillosa Inferior; DP: Depósitos Profundos
340
Figura 4.251. Mapa de zonificación geotécnica propuesto, zona sur.
4.4.5 Análisis geoestadístico de las propiedades del suelo en el centro de la

ciudad de México
4.4.5.1 Análisis de la distribución espacial del espesor de rellenos superficiales
Definición del campo aleatorio
Los valores de espesor de Rellenos Superficiales (RS) se consideran como un campo aleatorio
V(X), distribuido dentro de un espacio Rp, con p=2 (área de estudio). El conjunto de valores del
espesor de los RS medidos dentro del dominio Rp, constituye una muestra de ese campo
aleatorio, en una superficie de 56km2. El análisis geoestadístico se realiza considerando los
perfiles geotécnicos en los que se indica explícitamente la presencia de rellenos, resultando un
total de 120 datos distribuidos en el centro histórico de la ciudad de México (fig. 4.252).
Aceptando la hipótesis de homogeneidad y de ergodicidad se estiman los principales parámetros

estadísticos del espesor de los rellenos superficiales (tabla 4.49). El histograma y el polígono de
frecuencias de la fig. 4.253, muestran gráficamente la variabilidad de los datos del espesor de los
rellenos superficiales en la zona central de la ciudad de México, donde se muestra que dominan
los espesores de 0 a 3m. También se observa que el histograma presenta una distribución
bimodal con frecuencias mayores en las clases de 0 a 1.5 metros y de 1.5 a 3 metros. Debe
341
señalarse que los espesores de 7 a 10 metros corresponden a los restos arqueológicos en el área
del zócalo y alrededores.
Figura 4.252. Ubicación de datos de la profundidad de rellenos superficiales, zona centro.
Tabla 4.49. Parámetros estadísticos del espesor de rellenos superficiales, zona centro.
Parámetro Valor
No. de datos 120
Media, m(m) 2.60
60
50
Número de datos
40
30
20
10
0
0-1.5 1.5-3.0 3.0-4.5 4.5-6.0 6.0-7.5 7.5-9.0 9.0-10.5
Espesor de rellenos superficiales, H(m)
342
Figura 4.253. Histograma de los valores del espesor de rellenos superficiales, zona centro.
La tendencia del espesor de los RS se evalúa mediante un análisis de regresión, lineal de

mínimos cuadrados, ajustando una ecuación de tipo V ( X )  ax  by  c . Los coeficientes que
describen esta tendencia para el espesor de los RS son:
a = 0.00027267; b = 0.00008715; c = -316.79053996
Con los anteriores coeficientes de regresión se representa la tendencia del campo aleatorio
mediante una superficie de regresión lineal (fig. 4.254), donde se observa que en general, el
espesor de RS es mayor hacia el oriente y disminuye hacia el sur. Esta tendencia se toma en
cuenta para el cálculo de los correlogramas experimentales y apara la estimación.
Figura 4.254. Superficie de regresión lineal del espesor de rellenos superficiales, zona centro.
343
1.0 1.0
0.6 0.6
0.4 0.4
0.2 0.2
0.0 0.0
0 1000 2000 3000 4000 5000 6000 7000 8000 0 1000 2000 3000 4000 5000 6000 7000 8000
-0.2 -0.2
-0.4 -0.4
-0.6 -0.6
-0.8 -0.8
1.0 1.0
0.6 0.6
0.4 0.4
0.2 0.2
0.0 0.0
0 1000 2000 3000 4000 5000 6000 7000 8000 0 1000 2000 3000 4000 5000 6000 7000 8000
-0.2 -0.2
-0.4 -0.4
-0.6 -0.6
-0.8 -0.8
Figura 4.255. Correlogramas direccionales del espesor de rellenos superficiales, zona centro
Tabla 4.50. Distancias de correlación de la profundidad de rellenos superficiales, zona centro.

Az = 0° 3790
Az = 45° 1850
Az = 90° 2070
Az = 135° 2080
Figura 4.256. Elipses de anisotropía del espesor de rellenos superficiales, zona centro.
344
Predicción
La estimación del espesor de los RS se realizó puntualmente, mediante la técnica de Kriging

Ordinario, empleando los datos del campo estacionario (sin tendencia) y considerando, de manera
conservadora, las distancias de correlación de =1850 m en la dirección Az=45° y de =2080 m en
la dirección Az=135°. La malla de puntos a estimar se define considerando las coordenadas
geográficas X=481500 y Y=2145000 como punto inicial. La separación entre los puntos de la
malla es de 200m en ambas direcciones. Después de realizar la estimación, se regresa la
tendencia a los valores estimados del campo estacionario para obtener los valores finales de la
estimación que representan el valor esperado en cada punto. Adicionalmente, la técnica
proporciona la varianza de estimación que representa la incertidumbre asociada al estimador
pudiéndose utilizar la desviación estándar para una mejor interpretación de los resultados.
Visualización
Para una mejor interpretación de los resultados de las estimaciones se construye un mapa de
contornos en escala de colores del espesor de los RS, mostrado en la fig. 4.257, en la misma
figura se presenta el mapa de la desviación estándar de estimación que evalúa la incertidumbre
de las estimaciones. Asimismo, en la fig. 4.258 se presenta un modelo de superficie en
perspectiva donde Z corresponde al espesor de los RS.
De acuerdo con los resultados mostrados en las figs. 4.257 y 4.258, se observa que el valor
máximo de espesor de rellenos es de 10 metros, y se ubica en la esquina que forman las calles de
Donceles y República de Argentina, cerca del Templo Mayor, conforme se aleja de ese sitio el
espesor disminuye progresivamente en forma prácticamente concéntrica.
La isolínea que representa el valor de 2m de espesor de rellenos, se considera la frontera de las

anomalías geotécnicas en la zona estudiada, se observa que esta frontera es similar a la
configuración espacial que se ha atribuido a la isla de Tenochtitlan y que se documenta en
diversas fuentes históricas. Esta isolínea también permite inferir la presencia de algunos islotes
independientes: al norponiente los islotes de Xochimanca y Nextitlan, al suroriente los islotes de
Mixucan y Acachinanco y al norte, cerca de la calzada de Guadalupe, el islote de Altepetlac.
En la fig. 4.257 se presenta la desviación estándar de estimación, donde se identifican las zonas
de baja incertidumbre, con valores de 0.4 a 1.2, se observa también que las zonas con mayor
incertidumbre, con valores aproximados de 1.2 a 2.2, corresponden a zonas en donde no se
cuenta con datos de sondeos geotécnicos.
En la superficie mostrada en la fig. 4.258, se observa una hondonada, la cual corresponde en

planta al área del Centro Histórico. En esta zona se encuentran restos arqueológicos y rellenos
artificiales de espesores considerables.
345

Figura 4.257. Mapa de contornos de la profundidad estimada de rellenos superficiales, zona
centro.
346
Altepetlac
Tlatelolco
Templo
Xochimanca Mayor
Mixucan N
Acachinanco
Espesor, H (m)
Figura 4.258. Superficie estimada del espesor de los rellenos superficiales, zona centro.
4.4.5.2 Análisis geoestadístico de la distribución espacial del contenido de agua
Los valores del contenido de agua, w(%), se consideran como un campo aleatorio V(X), distribuido
dentro de un espacio Rp, con p=3 (volumen de suelo). El conjunto de valores medidos dentro del
dominio Rp, constituye una muestra de ese campo aleatorio. El análisis geoestadístico del
contenido de agua se realizó en un área de 56km2, considerando 137 sondeos geotécnicos
distribuidos en la zona central de la Ciudad de México (fig. 4.259), los cuales alcanzan una
profundidad de exploración mayor a 20 metros.
Los datos de contenido de agua, w(%), se obtuvieron a partir de los perfiles de los sondeos
geotécnicos almacenados en el SIG-SG. Debe señalarse que tomando en cuenta la variación de
las condiciones geotécnicas del subsuelo a través del tiempo, se consideró conveniente incorporar
los sondeos ejecutados de 1990 a 2012.

del campo aleatorio considerado, se estiman sus principales parámetros estadísticos (tabla 4.51).
Asimismo, en la fig. 4.260 se presenta el histograma que representa la variabilidad de los datos,
donde se observa que las clases de 0 a 50% y 50 a 100% tienen frecuencias altas y corresponden
a valores de contenido de agua en suelos granulares. Sin embargo, aproximadamente el 70% del
total de las mediciones presentan contenidos de agua mayores a 100 %, correspondientes a
valores típicos de las arcillas lacustres de la Ciudad de México.
347
Figura 4.259. Ubicación de sondeos con datos de contenido de agua, zona centro.
Tabla 4.51. Parámetros estadísticos de los datos de contenido de agua, zona centro.
Parámetro Valor
No. de datos 9513
Media, m(%) 207.922
Varianza, 2(%2) 15706.021
1600
1400
1200
Número de datos
1000
800
600
400
200
0
0-50 100-150 200-250 300-350 400-450 500-550 600-650
Figura 4.260. Histograma de los datos experimentales de contenido de agua, zona centro.
348

a = 0.0192362220, b = -0.0045901713, c = -1.2295639856 y d = 756.8433301783
tendencia es considerada para el cálculo de la correlación espacial. En la fig. 4.261 se representa
la dispersión de los datos de contenido de agua y la tendencia referida a la profundidad, es decir,
en una dimensión.

0 100 200 300 400 500 600
0
Datos experimentales
Tendencia
Media
10
20
Profundidad, h(m)
30
40
50
60
Figura 4.261. Distribución de datos de contenido de agua respecto a la profundidad, zona centro.
En la fig. 4.261 se observa que la línea de tendencia presenta un ligero decremento con la
profundidad. Por tanto, podría considerarse posible trabajar con el campo original, sin embargo,
en este trabajo se considera mejor trabajar con el campo residual.
agua y se calculan los correlogramas experimentales mostrados en la fig. 4.262, con un paso de
cálculo de 20cm, las distancias de correlación resultantes son: hor = 3250m y ver = 3.7m. Con
estos valores y adoptando una función de tipo exponencial simple se determinan los modelos de
correlación horizontal y vertical mostrados en la fig. 4.262.
349
1.0 1.0

0.8 0.8
0.6 0.6
0.4 0.4
0.2 0.2
0.0 0.0
0 2 4 6 8 10 12 14 16 18 20 0 1000 2000 3000 4000 5000 6000 7000 8000 9000
-0.2 -0.2
Figura 4.262. Correlogramas direccionales del contenido de agua, zona centro.
Predicción
Con las distancias de correlación ver y hor, los modelos teóricos y los datos experimentales de los
137 perfiles geotécnicos disponibles y empleando la técnica del Kriging Simple, se estimaron
perfiles de contenido de agua, w(%), a cada 200m a lo largo de los ejes preferenciales “A, B, C, D”
y “1, 2, 3, 4, 5”, definidos en la fig. 4.263. La propiedad se estimó puntualmente a lo largo de la
profundidad con un paso de cálculo de 20cm, hasta una profundidad de 40m.
Figura 4.263. Localización de los ejes preferenciales para la estimación, zona centro.
Visualización
En las figs. 4.264 y 4.265 se presentan las secciones transversales estimadas a lo largo de los
ejes preferenciales 3 y C, respectivamente, así como, la desviación estándar de estimación, estos
modelos representan de forma sencilla la distribución espacial del contenido de agua a lo largo de
cada uno de los ejes. Así también, se construyó un modelo 3D con todas las secciones
transversales estimadas (fig. 4.266), este modelo permite observar en conjunto la distribución
espacial del contenido de agua dentro de la zona de estudio.
350

Figura 4.264. Distribución espacial del contenido de agua sobre el eje 3, zona centro.

Figura 4.265. Distribución espacial del contenido de agua sobre el eje C, zona centro.
351
Templo
Mayor N
Alameda
Figura 4.266. Modelo 3D de la distribución espacial del contenido de agua, zona centro.
En las figuras 4.264 a 4.266, se observa que los valores de contenido de agua estimados
coherentes con los valores medidos experimentalmente. Además, en los cortes de desviación
estándar se observa que los valores de contenido de agua estimados en puntos próximos a datos
experimentales se reduce la incertidumbre (regiones de color claro) y en las zona alejadas de los
datos experimentales la desviación estándar es aumenta (regiones de color obscura), es decir, la
correlación espacial disminuye conforme aumenta la distancia de separación de un valor estimado
respecto a un valor medido.
En las secciones transversales de contenido de agua, se observa que los valores varían de 0% a
más de 500%. De acuerdo con la escala de colores, se aprecia una disminución de la magnitud de
la propiedad en la dirección oriente-poniente y sur-norte, es decir, la magnitud disminuye hacia la
zona de lomas.
Asimismo, hacia el poniente de la zona analizada se identifican valores de contenido de agua

menor a 100% que contrastan con los valores altos de contenido de agua típicos de los materiales
arcillosos. Las zonas con valores bajos de contenido de agua corresponden a lentes arenosos.
En el modelo 3D y con base en la escala de valores de contenido de agua y su correspondencia

con el tipo de material, es posible inferir la distribución de las formaciones típicas, teniendo en
color verde y azul regiones con altos valores de contenido de agua correspondiente a materiales
arcillosos de alta compresibilidad (FAS y FAI), y en color amarillo y rojo regiones con valores
menores a 100 % propios de lentes arenosos y estratos resistentes (CS, CD, y DP).
352
En la zona del centro histórico de la ciudad donde se localiza el templo mayor, muy cerca del
cruce de las secciones transversales 3 y C, se observan estratos superficiales con valores bajos
de contenido de agua y un valor máximo de espesor de 10m, lo cual se atribuye a la presencia de
los rellenos arqueológicos. Los grandes espesores de rellenos que se observan alrededor de la
zona del Templo Mayor coinciden con los valores estimados de espesor de rellenos superficiales
mostrados en la fig. 4.258.
En el modelo 3D de la distribución espacial del contenido de agua, mostrado en fig. 4.262,

también se observa que hacia el norponiente, existe un incremento en la intercalación de
materiales aluviales (arenas, limos y gravas) con materiales de origen lacustre (arcillas), dando
origen a una estratigrafía muy heterogénea, característica de la zona de transición.
4.4.5.3 Análisis geoestadístico de la distribución espacial de qc en CPT
Los valores de la resistencia de punta, qc (kPa), en prueba de cono eléctrico (CPT) se consideran
como un campo aleatorio V(X), distribuido dentro de un espacio Rp, con p=3 (volumen de suelo).
El conjunto de valores medidos dentro del dominio Rp, constituye una muestra de ese campo
aleatorio. El análisis geoestadístico de qc se realizó en un área de 56km2, considerando 68
sondeos geotécnicos, distribuidos en la zona centro de la ciudad de México (fig. 4.267), los cuales
alcanzan una profundidad de exploración mayor a los 20 metros.
Figura 4.267. Distribución espacial de sondeos de cono eléctrico, zona centro.
353

del campo aleatorio considerado, se estiman sus principales parámetros estadísticos mostrados
en la tabla 4.52. Asimismo, se construye el histograma que representa la variabilidad de los datos
(fig. 4.264).
Tabla 4.52. Parámetros estadísticos de los datos de qc en CPT, zona centro.

Parámetro Valor
No. de datos 7802
Media, m(kg/cm2) 1352.46
Varianza, 2(kg/cm2) 2643763.18
Desviación estándar, S(kg/cm2) 1625.97
5000
4500
4000
3500
Número de datos
3000
2500
2000
1500
1000
500
0
0 1000 2000 3000 4000 5000 6000 7000 8000 9000
Resistencia de punta en CPT, qc(%)
Figura 4.268. Histograma de los datos de qc en CPT, zona centro.
En la fig. 4.268, se observa que las clases de 0 a 1000kPa y 1000 a 2000kPa tienen frecuencias
altas y corresponden a valores de resistencia de punta de cono eléctrico típicos de suelos blandos
(arcillosos). Por otro lado, aproximadamente el 10% las mediciones restantes corresponden a
valores característicos de materiales granulares.

a = -0.0004891823, b = 0.0009549844, c = 0.0560395282y d = -1801.2213899253
tendencia es considerada para el cálculo de la correlación espacial.
354
En la fig. 4.269 se representa la dispersión de los datos de qc y la tendencia referida a la

profundidad (1D), donde se observa que la resistencia de cono eléctrico crece con la profundidad.
Resistencia de punta de cono eléctrico, qc(kPa)

0 2000 4000 6000 8000 10000
0
Tendencia
Media
10
Profundidad, Z(m) 15
20
25
30
35
40
45
50
Figura 4.269. Distribución de mediciones de qc en CPT, zona centro.
Con base en los coeficientes de regresión lineal se obtiene el campo residual de resistencia de
punta de cono eléctrico y se calculan los correlogramas experimentales (fig. 4.266) con un paso
de cálculo de 25cm. Las distancias de correlación resultantes son: hor = 1970m y ver = 3.2m. Con
estos valores y adoptando una función de tipo exponencial simple se determinan los modelos de
correlación horizontal y vertical mostrados en la fig. 4.270.
1.0
1.0

0.8
0.6 0.6
0.4 0.4
0.2 0.2
0.0 0.0
0 2 4 6 8 10 12 14 16 18 20 0 1000 2000 3000 4000 5000 6000 7000
-0.2 -0.2
Figura 4.270. Correlogramas direccionales de qc en CPT, zona centro.
355
Predicción
Simple, se estimaron perfiles de resistencia de punta de cono eléctrico, qc (kg/cm2), a cada 200m
a lo largo de los ejes preferenciales “B” y “2”, definidos en la fig. 4.271. La propiedad se estimó
puntualmente a lo largo de la profundidad con un paso de cálculo de 20cm, hasta 40m de
profundidad.
Figura 4.271. Ubicación de ejes preferenciales para la estimación de qc, zona centro.
Visualización
En las figs. 4.272 y 4.273 se presentan las secciones transversales estimadas de la resistencia de
punta de cono eléctrico a lo largo de los ejes preferenciales B y 2, respectivamente, así como, la
desviación estándar de estimación, estos modelos representan de forma sencilla la distribución
espacial de la resistencia de punta de cono eléctrico a lo largo de cada uno de los ejes.
356
a) Sección transversal estimada de la resistencia de punta de cono eléctrico

Figura 4.272. Distribución espacial de qc sobre el eje B, zona centro.
a) Sección transversal estimada de la resistencia de punta de cono eléctrico

Figura 4.273. Distribución espacial de qc sobre el eje 2, zona centro.
357
Con base en las figs. 4.272 y 4.273, se observa que los valores estimados de qc resultan muy
aproximados a los datos medidos en las posiciones donde se realizaron los sondeos geotécnicos.
Por otro lado, en los cortes de desviación estándar se observa que la incertidumbre se reduce en
las zonas donde existen mediciones de qc y en las zonas más alejadas de los datos la
incertidumbre aumenta, es decir, la correlación espacial disminuye conforme aumenta la distancia
de separación de un valor estimado respecto a un valor medido.
Con base en la escala de valores de qc y su correspondencia con el tipo de material, es posible

inferir la distribución espacial de las formaciones típicas del subsuelo, encontrando regiones con
valores bajos de qc asociados a materiales arcillosos de alta compresibilidad (FAS y FAI), y
regiones con valores altos de qc, típicos de lentes arenosos y estratos resistentes (CS, CD, y DP).
En las mismas secciones transversales, se aprecian zonas donde existe interestratificación de
suelos blandos y rígidos. Así como, se aprecia un aumento de la resistencia en la dirección
oriente-poniente y sur-norte, es decir, la magnitud tiende a incrementar hacia la zona de lomas.
En las secciones estimadas de qc para la zona del centro histórico de la ciudad (eje B y eje 2), se
distinguen superficialmente capas con valores altos de resistencia con espesor aproximado de
10m; lo que confirma la presencia de los rellenos arqueológicos. Asimismo, hacia el poniente del
área analizada (eje 2) se identifican valores altos de resistencia que contrastan con valores bajos
típicos de los materiales arcillosos, los valores altos corresponden a lentes arenosos definidos con
mayor claridad. Así también, se observa que hacia el norte (eje B) y al poniente (eje 2), existe un
incremento en la intercalación de materiales aluviales (arenas, limos y gravas) con materiales de
origen lacustre (arcillas) formando una estratigrafía muy heterogénea, característica de la zona de
transición.
Propuesta de zonificación geotécnica
Para la elaboración de una propuesta de zonificación geotécnica se tomó en cuenta, además de

los resultados del análisis goestadístico, el mapa de zonificación geotécnica vigente (GDF,
2004b), el mapa de zonificación geotécnica de la ciudad realizada por COVITUR (1987) y la
zonificación elaborada por Marsal y Mazari, la integración se ilustra en la fig. 4.274.
En la fig. 4.275 se presenta el mapa propuesto de zonificación geotécnica para el centro de la

ciudad de México. Esta propuesta de zonificación considera una subzona (dentro de la zona de
lago) correspondiente al área donde se encuentran los rellenos arqueológicos que puede ser
considerada como una anomalías geotécnicas. La subzona de rellenos corresponde a la zona
donde la historia de cargas aplicadas al subsuelo ha sido muy variable, por lo que, en esa área se
encuentran capas de arcilla fuertemente consolidadas.
Para la definición de la frontera de la Zona IIIb (subzona de lago con presencia de anomalías
geotécnicas) se considera el espesor de los rellenos superficiales a partir de 2.5m. Con base en
este criterio, se revisó conjuntamente el mapa de la fig. 4.275, las secciones transversales de
contenido de agua y de resistencia de punta de cono eléctrico. Obteniendo una buena
aproximación entre los resultados derivados de sondeos geotécnicos y la configuración teórica de
la Isla de Tenochtitlan que aparece en diversas fuentes históricas.
358
Figura 4.274. Integración de la información para la definición de la zonificación geotécnica.
Figura 4.275. Mapa de zonificación geotécnica propuesto, centro de la ciudad de México.
359
4.4.6 Propuesta de zonificación geotécnica para el valle de México
Una de las aplicaciones directas de los resultados obtenidos en los análisis geoestadísticos
realizados en este trabajo, es que permiten afinar los límites entre las fronteras de las zonas
geotécnicas propuestas en el Reglamento de Construcciones para el Distrito Federal (RCDF;
GDaF, 2004). Este reglamento en sus NTC-DCC (GDFb-2004), plantea que los depósitos
profundos (DP) en la zona de transición se encuentran a 20m de profundidad o menos. Por tanto,
con base en esa información, se considera que los sondeos que presentan estratos importantes
de suelos resistentes por debajo de esa profundidad, pertenecen a esta capa; asimismo, esta
profundidad se toma como parámetro para delimitar la frontera entre la zona II (transición) y la
zona III (lacustre o del lago).
La profundidad de los depósitos profundos (DP) se considera como un campo aleatorio V(X),
distribuido dentro de un espacio RP, con p = 2 (área). El conjunto de valores medidos dentro del
dominio RP, constituye una muestra de ese campo aleatorio.
Considerando los cambios de las propiedades del suelo (índice, mecánicas y geométricas)
originados por el hundimiento regional en el valle de México, para el análisis se consideró
conveniente incorporar únicamente sondeos recientes, es decir, sondeos realizados de 1995 a
2012. En la figura 4.276 se presenta la distribución y ubicación de los sondeos empleados como
datos, donde las coordenadas (x, y) definen la posición de los sondeos en el sistema de referencia
UTM, Datum WGS84, Zono 14 Norte. Como se observa en la fig. 4.276, el número de datos es
reducido, debido principalmente a que la mayoría de los sondeos disponibles son poco profundos.
Figura 4.276. Área de estudio y ubicación de datos de la profundidad de los DP, Valle de México.
360
Aceptando las condiciones de homogeneidad y ergodicidad del campo aleatorio en estudio, se

estiman los principales parámetros estadísticos de la profundidad de los depósitos profundos
(tabla 4.53). En la fig. 4.277 se muestra gráficamente la variabilidad de los datos mediante un
histograma.
Tabla 4.53. Parámetros estadísticos de los datos de la profundidad de los DP, valle de México.
Parámetro Valor
No. de datos 544
Media, m(m) 32.78
Varianza, 2(m2) 319.28
Figura 4.277. Histograma de profundidad de los depósitos profundos, valle de México.
La tendencia de la profundidad de los DP se evalúa mediante un análisis de regresión, lineal de

mínimos cuadrados, ajustando una ecuación de tipo V ( X )  ax  by  c . Los coeficientes que
describen esta tendencia para la profundidad de los DP son:
a = -0.00096398 b = 0.00064913 c = -955.997663
Con los anteriores coeficientes de regresión se representa la tendencia del campo aleatorio
mediante una superficie de regresión lineal (fig. 4.278), la cual ayuda a identificar la dirección
preferencial de variación del campo aleatorio estudiado. En la figura se observa que al poniente la
profundidad de los DP es mayor y se reduce hacia el suroriente. Esta tendencia se toma en
cuenta para el cálculo de los correlogramas experimentales y para la estimación.
361
Figura 4.278. Superficie de regresión lineal de la profundidad de los DP, valle de México.
las distancias de correlación direccionales (), indicadas en la tabla 4.54. Los correlogramas
experimentales son ajustados a una función de tipo exponencial simple para obtener el modelo de
correlación espacial (fig. 4.279).
a) Dirección Az = 0° a) Dirección Az = 45°
a) Dirección Az = 90° a) Dirección Az = 135°

Figura 4.279. Correlogramas direccionales de la profundidad de los DP, valle de México.
362
Tabla 4.54. Distancias de correlación de la profundidad de los DP, valle de México.

Az = 0° 4500
Az = 45° 5000
Az = 90° 6000
Az = 135° 4500
La determinación de las distancias de influencia en cada una de las direcciones preferenciales

permite poner en evidencia la anisotropía de correlación. Se observa que la menor distancia
correlación de 4500m se encuentra en las direcciones Az=0° y 135º y la mayor en la dirección Az
= 90º.
Predicción
La estimación de la profundidad de los DP se realizó puntualmente, mediante la técnica de Kriging

Ordinario (Journel y Deutch 1992, Auvinet, 2002), empleando los datos del campo residual (sin
tendencia) y considerando, de manera conservadora, las distancias de correlación de =5000m en
la dirección Az=45° y de =4500m en la dirección Az=135°. La malla de puntos a estimar se define
separación entre los puntos de la malla es de 200m en ambas direcciones. La estimación final del
campo se obtuvo al restablecer la tendencia en los resultados. Adicionalmente, la técnica
proporciona la varianza de estimación que representa la incertidumbre asociada al estimador
pudiéndose utilizar la desviación estándar para una mejor interpretación de los resultados.
Visualización
Para una interpretación visual de la distribución espacial de los resultados de la interpolación

geoestadística, se puede construir un mapa de contornos de la profundidad de los depósitos
profundos dentro del área de estudio (fig. 4.280).
Los resultados de la estimación pueden representarse gráficamente por medio de una superficie
considerando el valor de la profundidad de los depósitos profundos como la coordenada vertical
(elevación) en cada punto (fig. 4.281).
363
Q2165000
z , ••.•'5 •.••••••
w ••••• 4 •••••••
O
¡s 2160000
O
Ü •
2155000 •
2150000
21 45000
214 0000
2135000
2130000
2125000
•
• •
2120000
470000 475000 480000 485000 490000 495000 500000 505000 5H10OO 515000
COORDENADA X
c:::::::::::::J Z Ona I
c::=:::J Zonas 11 y 111 Escala gráfica
012.5 5 10 1520Km
/oI/'i;~"";'iiiiiiii~......'liiiiiiiiiiiiiil
Figura 4.280. Mapa de contornos de los DP en el Valle de México.
364
Figura 4.281. Superficie de la profundidad estimada de los DP, valle de México.
Con base en las figs. 4.280 y 4.281 se observa que las mayores profundidades de los DP se
encuentran localizadas en la zona del ex lago de Chalco, al sur del área lacustre. Cabe señalar
que en esta zona se cuenta con sondeos de 50 y 60m profundidad en los cuales no se alcanza la
profundidad de los depósitos profundos.
Zonificación Geotécnica
El mapa de la fig. 4.280 tiene implicaciones prácticas inmediatas, y ha resultado útil para
actualizar el mapa de zonificación geotécnica del Distrito Federal. Las curvas de igual profundidad
de los depósitos profundos son también de utilidad en ingeniería sísmica para evaluar los efectos
de sitio esperados en algún predio específico.
Tomando en cuenta la definición: “Zona II. Transición, en la que los depósitos profundos se
encuentran a 20 m de profundidad, o menos, y que está constituida predominantemente por
estratos arenosos y limo-arenosos intercalados con capas de arcilla lacustre; el espesor de éstas
es variable entre decenas de centímetros y pocos metros”, se empleó el mapa de la fig. 4.280
para definir las líneas de frontera entre zonas II y III. Después de realizar los ajustes
correspondientes y definir las líneas de frontera entre las zonas I y II, se pudo proponer un nuevo
mapa de zonificación geotécnica (fig. 4.282).
365
Los límites propuestos entre las diferentes zonas se han incorporado en el nuevo mapa de
zonificación geotécnica (2014) como propuesta para ser integrado en el Reglamento de
Construcciones.
COORDENADA Y
N
2165000
"CARACOL"
TEXCOCO
2160000
CANAL DE SALES
MON
TEV
IDEO
EJE
2155000 5 NT
E
-T
EX
.
PE
X.
MÉ
P.
RI
TO
AU
FÉ
RI
CO
2150000 A
RM
FO
O
AEROPUERTO
RE
C
O
C
X
E
O
VIADUCT
- T
2145000
S
E
ES
Y
E
NT
R
GE
UR
CIRCUITO
2140000
O
INS
INTERIOR
IC
ÉR
Z
IF
A
R
R
A
PE
IC
G
O
R
Z
É
2135000 AV
A
IF
L
. T
ICO
FEDERA
L AH
N
UA
A
DE MÉX
C
LP
P
LA
PR
DISTRITO
O
T
OL
ESTADO
ALC
.D
IV.
EHU
2130000 TLAH C. X
DE
UAC ICO
- CHA
ULY
LCO
L
NO
CO
C-T
HUAL
ULYE
RT
CO-T
E
HIMIL
HUA
XOC
TLA
2125000
2120000
470000 475000 480000 485000 490000 495000 500000 505000 510000 515000
COORDENADA X
Zona I
Zona II Escala gráfica
0 1 2.5 5 10 15 20 Km
Figura 4.282. Mapa propuesto de zonificación geotécnica para la ciudad de México (2014).
La finalidad de este mapa es la de contribuir a mejorar la zonificación geotécnica actual

estableciendo fronteras más precisas que ayuden a definir de mejor forma la ubicación de los
diferentes tipos de suelo en el Valle de México. Sin embargo, es necesario recalcar que se debe
seguir realizando la actualización de los mapas periódicamente conforme se vaya recopilando la
información, con el objeto de tener cada vez mayor certeza de la ubicación de los límites entre las
zonas geotécnicas.
366
Debe tenerse presente que el mapa de zonificación propuesto (fig. 4.282) debe seguir siendo
actualizado a medida que se tenga más información. Debe señalarse que el mapa de zonificación
geotécnica sólo proporciona una orientación de tipo general y en ningún caso permite prescindir
de los estudios tradicionales de exploración que deben realizarse para cada proyecto como lo
marca la reglamentación vigente.
4.4.7 Aplicaciones en obras de infraestructura
En la práctica, la metodología geoestadística puede aplicarse en forma sistemática para contribuir

a la caracterización del subsuelo en obras de infraeastructura. En este trabajo, se ilustra la
aplicación del método en cuatro proyectos, dos de ellos ubicados al norte del valle de México (fig.
4.283) y una al sur:
- Túnel profundo
- Planta de tratamiento de aguas residuales (PTAR)
- Puente vehicular
- Línea de transporte colectivo metro
Túnel profundo
PTAR “El Caracol”
Figura 4.283. Ubicación de obras de infraestructura.
4.4.7.1 Túnel profundo
El túnel se ubica al norte de la ciudad de México; inicia en el límite del Distrito Federal con el
estado de México, en el cruce del Gran Canal y el Río de los Remedios, atraviesa parte del
territorio del Estado de México y termina en el sitio conocido como “El Salto” en el estado de
Hidalgo. La localización de túnel dentro del valle de México se muestra en la fig.4. 284.
367
Figura 4.284. Localización del túnel profundo al norte del valle de México.
De acuerdo con información de la CONAGUA, el trazo del túnel inicia en la lumbrera L0

(0+016.86) en la margen derecha del Gran Canal y cruza la avenida Periférico Norte, en el
cadenamiento 1+300, cruza a la margen izquierda pasando por la lumbrera L1A (2+739.38) y
hasta llegar a la lumbrera L5 (10+040.71), en dirección noreste. Después de la lumbrera L5, el
trazo cruza hacia la margen derecha del Gran Canal y cambia ligeramente su dirección hacia el
noroeste, continuando por esta margen hasta la lumbrera L13 (30+565.95), donde cambia de
rumbo al noroeste; cruza el Gran canal para llegar a la margen izquierda de éste y rodea la parte
sur de la laguna de Zumpango hasta cruzar, también, el canal de Castera, llegando a la lumbrera
L15 (35+668.13). Pasa al lado poniente de la laguna de Zumpango, cruza el canal Santo Tomás
hasta el río Cuautitlán y continua prácticamente paralelo a la margen derecha de este río hasta su
portal de salida en el Salto, Hgo. (61+315.51). En la fig. 4.284(a) se presenta el trazo del túnel.
Para este proyecto se analizó la distribución espacial del contenido de agua y del número de
golpes en SPT desde la lumbrera L0 hasta la lumbrera L19. El contenido de agua en combinación
con la resistencia basada en el número de golpes en SPT permiten realizar la interpretación
estratigráfica del subsuelo.
Topografía: A partir de la información topográfica del INEGI y empleando herramientas

computacionales se construyó un modelo de relieve sombreado (MRS) que muestra en forma
simplificada la topografía general de la zona donde se ubica el túnel, fig. 4.284(b). La topografía
superficial a lo largo del TEO (CFE, 2009) se describe a continuación.
En el tramo ubicado entre las Lumbreras L-0 a L-7, la topografía es sensiblemente plana, con una
pendiente ascendente aproximada de 0.001; en este tramo el trazo cruza dos veces el cauce del
Gran Canal, la primera en el cadenamiento 1+300, entre las lumbreras L0 y L1A y la segunda
después de la lumbrera L5, donde cambia su dirección ligeramente hacia la izquierda, hasta llegar
a la lumbrera L7, con una pendiente similar al tramo anterior. En este tramo la elevación media es
de 2233 msnm aproximadamente.
368
a) Trazo y ubicación de lumbreras b) Topografía general
SONDEOS
Continuo
Selectivo
SPT
Dilatómetro
Mixto
c) Geología general d) Ubicación de sondeos geotécnicos

Figura 4.284. Información básica de ingeniería para el túnel profundo.
369
Al norponiente del trazo, entre las lumbreras L1A y L3 y a una distancia muy corta se encuentra
una elevación conocida como “Cerro Gordo”, la cual alcanza una elevación de hasta 2425 msnm.
Al poniente, entre las lumbreras L5 y L7, al cambiar la trayectoria, se encuentra la sierra de
Guadalupe que alcanza elevaciones de hasta 2546 msnm.
Entre las lumbreras L-7 y L-12, la topografía superficial es también sensiblemente plana hacia
ambos costados del túnel con una elevación media de 2239 msnm. Entre las lumbreras L11 y L12,
el túnel se ubica a corta distancia del Cerro de Tultepec, con elevación aproximada de 2346
msnm.
Entre las lumbreras L-12 a L-16, al lado derecho del trazo, la topografía superficial es
sensiblemente plana con una elevación media de 2243 msnm, mientras que del lado izquierdo se
encuentra la depresión ocupada por la laguna de Zumpango.
Entre las lumbreras L16 a L19, la topografía superficial presenta una pendiente ascendente de
0.0001 aproximadamente; más adelante y en la proximidad al tajo de Nochistongo, la pendiente
ascendente aumenta, llegando a ser de 0.0008 aproximadamente, sobre el eje de trazo. En este
tramo el túnel pasa entre la sierra de Tepotzotlán, la cual alcanza una elevación aproximada de
2905 msnm y la sierra de Xalpan con una elevación aproximada de 2681 msnm.
En el último tramo, de la lumbrera L-20 al portal de salida (PS), la topografía es abrupta, con
pendientes ascendentes y descendentes de hasta 0.09 sobre el eje de trazo. En este tramo se
encuentra el tajo de Nochistongo, localizado entre la sierra “Las Humaredas”, con una elevación
media de 2484 msnm y el cerro Sincoque con una elevación de 2580 msnm aproximadamente.
Después de este tramo se presenta una topografía irregular con una pendiente media
descendente de 0.003 hasta el portal de salida.
Geología: En la fig. 4.284(c), se presenta el trazo del túnel sobre un mapa geológico (CFE, 1996).
La descripción geológica detallada a lo largo del trazo ha sido presentada en trabajos anteriores
(Juárez et al., 2010). En la misma figura se observa que la mayor parte del trazo del túnel se ubica
en depósitos lacustres (Ql) del período Cuaternario, esta formación es representativa de la
planicie que, en la actualidad, es ocupada por una parte importante de la Ciudad de México. Esta
unidad está constituida principalmente por arcillas y limos con algunas intercalaciones de gravas y
arenas, y con escasos horizontes de tobas mal definidos.
Información geotécnica: En cada sitio de lumbrera se realizó un sondeo penetración estándar

(SPT) y un sondeo continuo (SC), mixto (SM) o selectivo (SS), dependiendo de la dureza de los
materiales encontrados, con el objetivo de recuperar muestras alteradas e inalteradas para
ensayes en el laboratorio; así como para conocer la resistencia del terreno en número de golpes
de la prueba de penetración estándar (CFE, 2009). Adicionalmente, en sitios intermedios se
realizaron uno o dos sondeos continuos o mixtos (COMISSA, 2009). Durante la construcción se
realizaron sondeos adicionales de L0 a L13 en sitios intermedios entre lumbreras (COMISSA,
2010).
En la tabla 4.55 se indica el número de sondeos de cada tipo realizados para el proyecto y en la
fig. 4.284(d) se indica su ubicación a lo largo del trazo.
370
Tabla 4.55. Sondeos realizados sobre el trazo del túnel profundo.

Tipo de sondeo Número de sondeos
Continuo (SC) 17
Penetración estándar (SPT) 25
Mixto (SM) 109
Selectivos (SS) 7
Piezocono eléctrico (CPTu) 14
Dilatómetro (DMT) 9
Suma = 181
a) Análisis geoestadístico de la distribución espacial del contenido de agua
Con el propósito de conocer la estratigrafía del subsuelo a lo largo del trazo del Túnel, se elaboró
un corte de contenido de agua para el tramo ubicado entre las lumbreras L0 y L19, es decir, desde
el cruce con el Río de los Remedios hasta la parte baja de la sierra Las Humaredas, considerando
que en este tramo el túnel se encuentra en suelo lacustre relativamente homogéneo.
Los sondeos existentes son de varios tipos; sin embargo, para el modelo de contenido de agua,
únicamente se consideran los sondeos de tipo SC, SPT y SM, en la fig. 4.285 se muestra su
ubicación y en la Tabla 4.56 se indica el número de sondeos por tipo empleados en este análisis.
Figura 4.285. Ubicación de sondeos con mediciones de contenido de agua, túnel profundo.
371
Tabla 4.56. Sondeos empleados para el análisis geoestadísitico de la distribución espacial del
contenido de agua, túnel profundo.
Continuo (SC) 17
Mixto (SM) 59
Suma = 101
Sea V(X) la variable geotécnica de interés, en este caso el contenido de agua, definida en los
puntos (sondeos) X del dominio estudiado (el trazo del túnel) Rp (p = 1, 2, ó 3). En cada punto del
dominio, esta variable puede considerarse como aleatoria debido al rango de posibles valores que
puede tomar. El conjunto de estas variables aleatorias constituye un campo aleatorio.
En este caso, el campo aleatorio en 2D de la variable geotécnica de interés es el contenido de

agua, que se define a diferentes profundidades sobre el trazo del túnel. Las coordenadas de los
sondeos, que definen su posición, se obtuvieron tomando como referencia el mapa de ubicación
de los sondeos y el mapa topográfico oficial de Valle de México (INEGI, 2004). Por otro lado, los
datos numéricos de las propiedades del suelo se obtuvieron a partir de las imágenes impresas de
los perfiles geotécnicos.
Para evaluar el grado de dependencia lineal que existe entre los datos obtenidos en un mismo
sondeo vertical, se calcula la función de autocovarianza (Auvinet, 2002) a lo largo de la dirección
u (profundidad). En este caso, la función de autocorrelación vertical se estimó considerando un
incremento de desplazamiento de 20cm. El comportamiento aleatorio que presenta el contenido
de agua horizontalmente se evalúa mediante el grado de dependencia lineal que guarda un
sondeo con otro (correlación cruzada).
Con base en la geología y la topografía a lo largo del trazo, se consideró necesario definir dos
estructuras de correlación una para el tramo ubicado entre las lumbreras de L0 a L5 y otra para el
tramo entre las lumbreras de L5 a L19. De esta forma es posible considerar la influencia de la
topografía en los modelos de correlación espacial. En las figs. 4.286 y 4.287 se presentan los
correlogramas experimentales para los tramos de L0 a L5 y de L5 a L19, a partir de estos
correlogramas se determinan las distancias de correlación (hor y ver) en las direcciones
preferenciales para los dos tramos (tabla 4.57). Los modelos de correlación horizontal y vertical se
definen ajustando los correlogramas experimentales a una función exponencial simple empleando
las anteriores distancias de correlación (figs. 4.286 y 4.287).
Tabla 4.57. Distancias de correlación espacial del contenido de agua a lo largo del túnel.
Tramo hor (m) ver(m)
L0 a L5 3000 9.5
L5 a L19 4200 8.0
372
a) Correlograma horizontal b) Correlograma vertical

Figura 4.286. Correlogramas direccionales del contenido de agua, de L0 a L5.

Figura 4.287. Correlogramas direccionales del contenido de agua, de L5 a L19.
Estimación
Con base en las mediciones, los modelos de correlación previamente definidos, las distancias de
correlación espacial (hor y ver) y empleando la técnica de Kriging (Krige, 1962; Matheron, 1965,
Auvinet, 2002) se estiman perfiles de contenido de agua separados a cada 500m a lo largo del
trazo del túnel y a cada 20cm a lo largo de la profundidad, desde el nivel del terreno hasta la
elevación 2120msnm.
Visualización
Mediante la integración de los perfiles estimados (interpolados) sobre el eje de trazo y recurriendo
a la técnicas de graficación avanzada se construye una sección transversal longitudinal que
representa la distribución espacial del contenido de agua a lo largo del tramo de L0 a L13 del túnel
(fig. 4.284). Este modelo puede ser actualizado conforme se integre información adicional.
Con base en la fig. 4.288 y de acuerdo con el modelo vertical del subsuelo propuesto por Marzal y
Mazari (1957), se observa que al inicio (lumbrera L0) superficialmente existe una capa delgada de
bajo contenido de agua que corresponde a la CS, seguida de una capa de más de 20m de
espesor que alcanza valores de contenido de agua de hasta 400% que corresponde a una
primera capa de arcilla, bajo esta capa se aprecia una capa con valores bajos de contenido de
agua (máximo 60%) que corresponde a una primera capa dura, subyaciendo a esta capa se
373
encuentra una segunda capa con valores de contenido de agua superiores a 120% asociados a
una segunda capa de arcilla, bajo esta capa, se aprecia una secuencia de capas con valores de
contenido de agua variables contrastando capas de valores relativamente altos (máx. 150%) con
capas de valores bajos (máx. 60%).
En la fig. 4.289 se muestra la comparación entre una sección tradicional y la obtenida con
Geoestadística para el tramo ubicado entre la lumbrera L0 y L5, donde se aprecia una relativa
similitud entre ambos. En la fig. 4.290 se presenta una vista tridimensional, donde se aprecia que
en el inicio del perfil la cantidad de agua tiene valores de hasta 340% asociados con materiales
blandos como las arcillas de la zona de lago y van disminuyendo a lo largo del eje indicando que
el trazo pasa a un ambiente no lacustre asociado con la zona de lomas.
De acuerdo con las figs. 4.288 a 4.290 y con base en la escala de colores, se observa que:
1. En la lumbrera L1A, se aprecia una disminución de los espesores de las capas superiores, y
comienzan a aparecer algunas intercalaciones de capas de valores bajos de contenido de agua
(menos de 100%), asociados a limos y arenas intercalándose con capas de valores altos. Se
asume que estas intercalaciones se deben a que en el tramo entre las lumbreras L1A y L4, el
eje del túnel se encuentra relativamente cerca al Cerro Gordo.
2. Entre las lumbreras L4 y L6, el espesor de la primera y segunda capa de arcilla disminuye
hacia el norte, así también, los valores del contenido de agua en estas capas disminuyen. La
disminución del espesor de estas capas típicas de arcilla marca el límite entre los ex lagos de
Texcoco y San Cristóbal.
3. A partir de la lumbrera L6 predominan los suelos con valores bajos de contenido de agua
(menor a 100%), asociados a limos y arenas (suelos aluviales), así también eventualmente
aparecen algunas capas delgadas con contenido de agua alto.
4. Entre las lumbreras L11 y L12, a una profundidad de entre 60 y 80m de 50m se distingue una
zona prácticamente sin color, la cual corresponde al basalto indicado en algunos sondeos
exploratorios, posiblemente provenientes del Cerro de Tultepec (de origen volcánico).
5. Entre las lumbreras L14 y L16, se aprecia una delgada capa de arcilla asociada con el lago de
Zumpango, a partir de este tramo se distinguen valores bajos de contenido de agua que indican
la influencia de las sierras de Xalpan y Las Humaredas.
374
a) Sección geotécnica tradicional (CFE, 2009)
b) Sección transversal estimada (virtual)
c) Sección de la Desviación estándar de estimación

Figura 4.288. Distribución espacial del contenido de agua estimado, de L0 a L19.
375
a) Corte tradicional (CFE, 2009)
CERRO GORDO
L0 2240
L1A L3
2240 2240
L4 2240
L5
2230 2230 2230 2230 2230 2230
2225
2220 2220 2220 2220 2220 2220
2215
2210 2210 2210 2210 2210 2210
2205
2200 2200 2200 2200 2200 2200
2195
2190 2190 2190 2190 2190 2190
2185
2180 2180
0 500
2180
0 200 400 600
2180
0 200 400 600
2180 2180
2170 2170
0 200 400
2170
2160 2160
2157000 2158000 2159000 2160000 2161000 2162000 2163000 2164000 2165000

2150
0 200 400 600
Co n ten ido d e ag ua, w(%)
b) Corte estimado (virtual)

Figura 4.289. Distribución espacial del contenido de agua, de L0 a L5
Figura 4.290. Modelo 3D de la distribución espacial del contenido de agua a lo largo del túnel.
376
b) Análisis geoestadístico de la distribución espacial del número de golpes en SPT
El número de golpes de la prueba de SPT, es fácilmente correlacionado con el tipo de material y

otras propiedades mecánicas, por tanto, se emplea la misma metodología Geoestadística para el
análisis de la distribución espacial de este parámetro. El número de sondeos utilizados se indica
en la tabla 4.58 y su ubicación en la fig. 4.291.
SONDEOS
SPT
Mixto
Figura 4.291. Ubicación de sondeos con mediciones del número de golpes en SPT.
Tabla 4.58. Sondeos empleados para el análisis geoestadístico del número de golpes en SPT.
Mixto (SM) 42
Suma = 62
La dependencia espacial del número de golpes se evalúa con base en dos estructuras de
correlación, una para el tramo entre las lumbreras de L0 a L5 (fig. 4.292) y otra para el tramo de
L5 a L19 (fig. 4.293).
Con base en los correlogramas experimentales se determinan las distancias de correlación (hor y
ver) en las direcciones preferenciales para los dos tramos (tabla 4.59). Los modelos de correlación
horizontal y vertical definidos por una función de tipo exponencial se presentan en las mismas figs.
4.292 y 4.293.
377
Tabla 4.59. Distancias de correlación espacial para el número de golpes en SPT, túnel.
Tramo hor (m) ver(m)
L0 a L5 3500 10.0
L5 a L19 10000 10.0

Figura 4.292. Correlogramas direccionales del número de golpes en SPT, de L0 a L5.

Figura 4.293. Correlogramas direccionales del número de golpes en SPT, de L5 a L19.
Predicción
Los perfiles de número de golpes se estiman a lo largo del trazo del túnel, separados a cada 500m
y verticalmente la propiedad se estima a cada 20cm a lo largo de la profundidad, desde el nivel del
terreno hasta la elevación 2120 msnm.
Visualización
La fig. 4.294 muestra un modelo de la distribución espacial del número de golpes a lo largo trazo
del túnel. Este modelo combinado con la figs. 4.288(b), 4.289(b) y 4.290 proporcionan una base
adecuada para evaluar las condiciones en las que se construye el túnel. La misma figura muestra
la desviación estándar de la estimación que representa la incertidumbre asociada a la estimación.
378
a) Sección geotécnica tradicional (CFE, 2009)
b) Sección transversal estimada (virtual)
c) Sección transversal de la desviación estándar de estimación

Figura 4.294. Distribución espacial del número de golpes estimado en SPT, de L0 a L19.
De acuerdo con la fig. 4.294(a) y con base en la escala de colores, se observa que:
1. En el tramo entre la lumbrera L0 y L1A se presenta el mayor espesor de arcilla. A partir de la

lumbrera L1A y hasta la Lumbrera L7 se reducen los espesores de arcilla y se intercalan con
estratos de suelos más resistentes (limos y arenas). Para este mismo tramo, se observa que la
incertidumbre de estimación es mayor en el tramo ubicado entre las lumbreras L0 y L5 a partir
de 55m de profundidad, esto se debe a que los sondeos en este tramo son muy cortos.
2. Para el tramo entre las lumbreras L7 y L12, se presentan intercalaciones de arcilla con limos y
arenas que definen la extensión que ocuparon los lagos de San Cristóbal y Xaltocan, así como
también, entre las lumbreras L14 y L17, aparecen suelos lacustres que indican que en el
pasado, el lago de Zumpango ocupó un área más extensa que la que ahora ocupa.
3. Para el tramo entre las lumbreras L17 y L19 se presentan suelos resistentes con pequeñas
intercalaciones de suelos firmes que corresponden a depósitos aluviales y de piedemonte de
las sierras de Xalpan y Las Humaredas.
379
4.4.7.2 Planta de tratamiento de aguas residuales
En la proximidad de una lumbrera de un túnel profundo se construye una planta de bombeo en la

zona de Texcoco, en este sitio se construye un túnel para conectar a la lumbrera con la lumbrera
de rejillas de la planta de bombeo (fig. 4.295). Para el diseño del túnel es necesario conocer la
estratigrafía bajo un grado aceptable de precisión, por lo que, empleando los datos de los sondeos
disponibles (fig. 4.295) y empleando la metodología geoestadística se elaboró un modelo de la
distribución espacial del contenido de agua a lo largo del túnel de conexión.
Figura 4.295. Localización de sondeos existentes con mediciones de contenido de agua.
Para evaluar la dependencia espacial de los datos de contenido de agua se determinan los
correlogramas experimentales uno en dirección horizontal y otro en dirección vertical (fig. 4.296).
Con base en los correlogramas experimentales se determinan las distancias de correlación hor =
75m y ver = 2.7m, con estas distancias se definen los modelos de correlación horizontal y vertical
adoptando una función de tipo exponencial simple (fig. 4.296).
1.0
1.0
0.8 0.8
0.6 0.6
0.4 0.4
0.2 0.2
0.0 0.0
0 2 4 6 8 10 12 14 16 18 20 0 25 50 75 100 125 150 175 200 225 250
-0.2 -0.2
Figura 4.296. Correlogramas direccionales del contenido de agua, túnel de conexión.
380
Predicción
Los perfiles de contenido de agua se estiman a lo largo del eje del túnel de conexión (fig. 4.297),
con separación de 5m y verticalmente la propiedad se estima a cada 20cm hasta una profundidad
de 60m.
2165000
2164980
2164960
SPT-1
2164940
SPT-2
2164920
Eje de la
2164900
sección
transversal
2164880 Eje del túnel
de conexión
2164860
497230 497250 497270 497290 497310 497330 497350 497370 497390
Figura 4.297. Localización de los sondeos estimados y sondeos complementarios.
Visualización
En la fig. 4.298 se muestra el modelo de la distribución espacial del contenido de agua a lo largo
del eje del túnel de conexión, en la misma figura se presenta la desviación estándar de la
estimación que representa la incertidumbre asociada a la estimación.
Posteriormente, se realizaron dos sondeos complementarios SPT-1 y SM-2 en forma consecutiva,

su ubicación se indica en la fig. 4.297, por tanto, el modelo de distribución espacial de contenido
de agua se actualizó una primera vez agregando el sondeo complementario SPT-1 (fig. 4.299),
posteriormente el modelo se actualizó una segunda vez agregando los sondeos complementarios
SPT-1 y SM-2 (fig. 4.300).
381
0 200 400 0 200 400

SPT-2 SM-2 0
0 0
Lumbrera
de rejillas
-10 10 10
L-5 TEO
-20 20 20
-30 30 30
-40 40 Zona de mejoramiento

40
Túnel
-50 50 50
-60 60 60
497240 497260 497280 497300 497320 497340 497360
0 20 40 60 80 100 120 140 160 180 200 220 240 260 280 300 320 340
a) Sección transversal de la estimación
0 200 400 0 200 400

SPT-2 SM-2
0 0 0
Lumbrera
de rejillas
-10 10 10
L-5 TEO
-20 20 20
-30 30 30
-40 40 40
Túnel
-50 50 50
-60 60 60
497240 497260 497280 497300 497320 497340 497360
18 22 26 30 34 38 42 46 50 54 58 62 66
Desviación estándar de la estimación
Figura 4.298. Sección transversal estimada del contenido de agua con sondeos existentes.
382
0 200 400 0 200 400 0 200 400

SPT-2 SPT-1 SM-2
0 0 0 0
Lumbrera
de rejillas
-10 10 10 10
L-5 TEO
-20 20 20 20
-30 30 30 30
-40 40 Zona
40 de mejoramiento40
Túnel
-50 50 50 50
-60 60 60 60
497240 497260 497280 497300 497320 497340 497360
0 20 40 60 80 100 120 140 160 180 200 220 240 260 280 300 320 340
0 200 400 0 200 400 0 200 400

SPT-2 SPT-1 SM-2
0 0 0 0
Lumbrera
de rejillas
-10 10 10 10
L-5 TEO
-20 20 20 20
-30 30 30 30
-40 40 40 40
Túnel
-50 50 50 50
-60 60 60 60
497240 497260 497280 497300 497320 497340 497360
18 22 26 30 34 38 42 46 50 54 58 62 66
Figura 4.299. Sección transversal estimada del contenido de agua con un sondeo
complementario (SPT-1).
383
0 200 400 0 200 400 0 200 400 0 200 400

SPT-2 SPT-1 SM-2 SPT-2
0 0 0 0 0
Lumbrera
de rejillas
-10 10 10 10 10
L-5 TEO
-20 20 20 20 20
-30 30 30 30 30
-40 40 Zona
40 de mejoramiento
40 40
Túnel
-50 50 50 50 50
-60 60 60 60 60
497240 497260 497280 497300 497320 497340 497360
0 20 40 60 80 100 120 140 160 180 200 220 240 260 280 300 320 340
0 200 400 0 200 400 0 200 400 0 200 400

SPT-2 SPT-1 SM-2 SPT-2
0 0 0 0 0
Lumbrera
de rejillas
-10 10 10 10 10 L-5 TEO
-20 20 20 20 20
-30 30 30 30 30
-40 40 40 40 40
Túnel
-50 50 50 50 50
-60 60 60 60 60
497240 497260 497280 497300 497320 497340 497360
18 22 26 30 34 38 42 46 50 54 58 62 66
b) Sección transversal dela desviación estándar de estimación
Figura 4.300. Sección transversal estimada del contenido de agua con dos sondeos
complementarios (SPT-1 y SM-2).
384
En los modelos de distribución espacial de contenido de agua (figs. 4.298 a 4.300) se observa
que:
1. Conforme se incluye un sondeo adicional algunas capas de suelo se definen con mayor
claridad.
2. La desviación estándar de estimación se reduce significativamente en las zonas donde se

ubican los sondeos adicionales, a la vez que la incertidumbre asociada a la y estimación se
reduce progresivamente en todo el dominio estudiado.
3. Comparando las secciones transversales de desviación estándar de las figs. 4.298 y 4.300 se
observa que el segundo sondeo (SM-2) no contribuyó a mejorar la interpretación, dada la
posición en la que se realizó, por tanto, puede decirse que éste sondeo no fue útil. Lo mejor
hubiera sido tomar como base la sección de la desviación estándar de estimación y elegir la
ubicación del sondeo en la zona de mayor incertidumbre.
4.4.7.3 Línea del Sistema de Transporte Colectivo
La información empleada para la interpretación estratigráfica del subsuelo proviene de los

sondeos realizados en las campañas preliminares de exploración geotécnica y de la campaña de
exploración complementaria para el proyecto de una Línea del Sistema de Transporte Colectivo
(STC). Los sondeos existentes son de varios tipos, pozo a cielo Abierto (PCA), Penetración
estándar (SPT), Cono eléctrico (CPT) y Mixtos (SM). Sin embargo, para el modelo de contenido
de agua únicamente se consideraron los sondeos tipo PCA, SPT y SM, en la tabla 4.60 se indica
el número de sondeos por tipo empleados para el análisis de la distribución espacial del contenido
de agua y de la resistencia de punta de cono eléctrico.
Tabla 4.60. Número de sondeos por tipo, línea de transporte colectivo metro.
Número de sondeos
Tipo de
sondeo Exploración Exploración
preliminar complementaria
PCA 80 70
SPT 15 10
Mixto 74 84
CPT 70 52
PZC ----- 8
Suma = 239 224
La información geotécnica presenta las siguientes limitaciones:

- El número de sondeos tipo PCA es muy grande, sin embargo, estos sondeos no aportan
información relevante para el proyecto.
- En el tramo proyectado como subterráneo, los sondeos no alcanzan la profundidad requerida por
el proyecto.
385
- En algunas estaciones hay ausencia de sondeos.

- Los perfiles geotécnicos se encuentran en formato de imagen, lo cual dificulta su empleo
inmediato, por lo que es deseable contar con la información numérica (archivos de datos).
Los sondeos considerados para la definición del modelo de contenido de agua se muestran en la
fig. 4.301. En la fig. 4.301(a) se indica la ubicación de los sondeos geotécnicos correspondientes a
la exploración preliminar y en la fig. 4.301(b) los sondeos geotécnicos correspondientes a la
exploración complementaria.
Con el propósito de conocer la estratigrafía del subsuelo a lo largo del trazo de la Línea del STC,
se elaboró un corte de contenido de agua y otro para la resistencia de punta de cono eléctrico con
base en la información de los sondeos existentes, empleando como herramienta la
Geoestadística.
a) Exploración preliminar
b) Exploración complementaria
Figura 4.301. Ubicación de sondeos con datos de contenido de agua, Línea del STC.
386
a) Análisis de la distribución espacial del contenido de agua
Sea V(X) la variable geotécnica de interés, en este caso el contenido de agua, definida en los
puntos (sondeos) X del dominio estudiado (volumen de suelo) Rp (p = 1, 2, ó 3). En cada punto del
dominio, esta variable puede considerarse como aleatoria debido al rango de posibles valores que
puede tomar. El conjunto de estas variables aleatorias constituye un campo aleatorio (Vanmarcke,
1983; Auvinet, 1987). Los datos numéricos de contenido de agua se obtuvieron de 193 perfiles de
sondeos existentes.
Los correlogramas experimentales para el contenido de agua se calculan en las direcciones

vertical y horizontal, considerando un incremento de desplazamiento vertical de 25cm y horizontal
de 500m (fig. 4.302). A partir de estos correlogramas se determinan las distancias de correlación
en las direcciones preferenciales (  hor y  ver ); los valores de estas distancias se presentan en la
tabla 4.61. Posteriormente, los correlogramas experimentales se ajustan a una función de tipo
exponencial simple (fig. 4.302), empleando las distancias de correlación correspondientes.
Tabla 4.61. Distancias de correlación del contenido de agua, Línea del STC.
Dirección  (m)
Horizontal 2500
Vertical 2.8
1.0 1.0
0.8 0.8
0.6
0.6
0.4
0.4
0.2
0.2
0.0
0 2 4 6 8 10 12 14 16 18 20
-0.2 0.0
0 2500 5000 7500 10000 12500 15000 17500 20000
-0.4 -0.2
Figura 4.302. Correlogramas direccionales del contenido de agua, Línea del STC.
Estimación
Con base en los modelos de correlación previamente definidos, las distancias de correlación
espacial (  hor y  ver ) y empleando la técnica del Kriging Simple, se establecen los perfiles de
contenido de agua a lo largo del trazo de la Línea del STC, separados a una distancia de 250m y
verticalmente a cada 25cm, hasta 30m de profundidad.
387
Visualización
a la técnicas de graficación avanzada se construyó un corte que representa la distribución
espacial del contenido de agua a lo largo del trazo de la Línea del STC. En la fig. 4.303 se
muestra una vista del modelo de distribución espacial de contenido de agua.
Periférico
Oriente Tlaltenco Tláhuac
Santa María San Lorenzo Nopalera
Mexicaltzingo Pueblo Tomatlán
Culhuacán
Zapata Eje Central
Mixcoac
0.00
30.00
Figura 4.303. Sección transversal del contenido de agua estimado, Línea del STC.
b) Análisis de la resistencia de punta de cono eléctrico
Empleando la misma metodología, se realiza el análisis de la distribución espacial de la

resistencia de punta de cono eléctrico, qc (kg/cm2; 1kg/cm2  100kPa). Para el análisis se
emplearon los datos de sondeos de tipo con cono eléctrico y piezocono eléctrico, ubicados a lo
largo del trazo (tabla 4.62 y fig. 4.304).
Los valores de la resistencia de punta de cono eléctrico, qc (kPa), se consideran como un campo
aleatorio V(X), distribuido dentro de un espacio Rp, con p=3 (volumen de suelo). El conjunto de
valores medidos dentro del dominio Rp, constituye una muestra de ese campo.
Tabla 4.62. Número de sondeos por tipo, Línea del STC.

Cono eléctrico (SC) 68
Piezocono eléctrico (PZC) 3
Suma = 71
388
a) Exploración preliminar.
b) Exploración complementaria.
Figura 4.304. Ubicación de datos de sondeos con medición de qc en CPT, Línea del STC.
Modelo de correlación espacial Análisis estructural
Los correlogramas experimentales para la resistencia de punta se calculan en las direcciones

vertical y horizontal. La función de autocorrelación se estimó considerando un incremento de
desplazamiento vertical de 20cm y horizontal de 2000m (fig. 4.305). A partir de estos
correlogramas se determinan las distancias de correlación en las direcciones preferenciales (  hor
y  ver ); los valores de estas distancias se presentan en la tabla 4.63. Los correlogramas
experimentales se ajustan a una función e tipo exponencial simple (fig. 4.305), empleando las
distancias de correlación correspondientes.
Tabla 4.63. Distancias de correlación de qc en CPT, Línea del STC.

Dirección  (m)
Horizontal 2100
Vertical 0.65
389
Coeficiente de Autocorrelación , ρver 1.00 1.00
0.80
Coeficiente de Autocorrelación , ρhor

0.80
0.60 0.60
0.40 0.40
0.20 0.20
0.00 0.00
0.00 2.00 4.00 6.00 8.00 10.00 12.00 14.00 0 5,000 10,000 15,000 20,000 25,000
-0.20 -0.20
Distancia,
Distancia de Separación , h ver(m)
h(m) Distancia,
Distancia de Separaciónh(m)
, h hor (m)

Figura 4.305. Correlogramas direccionales de qc en CPT, Línea del STC.
Estimación
Con base en los modelos de correlación previamente definidos, las distancias de correlación
espacial (  hor y  ver ) y empleando la técnica de Kriging Simple, se estiman los perfiles de
resistencia de punta de cono eléctrico a lo largo del trazo de la Línea de transporte colectivo
metro, separados a una distancia de 300m y verticalmente se estima a cada 20cm, hasta 40m de
profundidad.
Visualización
a la técnicas de graficación avanzada se construyó una sección transversal que representa la
distribución espacial de qc en CPT a lo largo del trazo de la Línea del STC (fig. 4.306).
Cerro de la
Estrella
Cerro de
San Lorenzo
Resistencia de punta de cono eléctrico, qc (kPa)
Figura 4.306. Modelo 3D de la distribución espacial de qc en CPT, Línea del STC.
390
4.5 Comentarios sobre las ventajas y desventajas de la metodología

geoestadística
A partir de los ejemplos de aplicación práctica realizados en este trabajo, pueden presentarse
algunos comentarios sobre las ventajas y desventajas de la metodología geoestadísica aplicada a
la geotecnia, en sus diferentes etapas.
a) Base de datos
Para que un análisis geoestadístico sea aceptable, debe partir de adecuadas bases de datos.
Por tal motivo, es necesario contar con un conocimiento previo sobre las condiciones físicas
(topografía, geología, entre otras) del sitio o área en estudio para evaluar sí los datos
experimentales disponibles son o no representativos del dominio a estudiar. Las bases de
datos, así como, el SIG elaborados para este trabajo se describen en los capítulos 2, 3 y 4.
Ventajas: La metodología permite identificar posible “inconsistencia” y errores en los datos,

así como, la existencia de valores atípicos.
Desventajas Los datos experimentales son considerados como válidos y representativos

del medio geológico que se estudia, por lo que, no son sometidos a una valoración previa
exhaustiva. Para que el soporte sea considerado como representativo, se requiere un
suficiente número de datos y además que se encuentren aproximadamente bien
distribuidos dentro del medio que se estudia. Los análisis realizados con datos
insuficientes aportan resultados con errores altos y eventualmente incoherentes. La
agrupación de datos incide directamente en la definición del modelo de correlación
espacial, puesto que se corre el riesgo de modelar únicamente la variación de los grupos.
Por otra parte, para el caso del valle de México entre mayor sea la separación de los datos
en el tiempo, los modelos tendrán menor validez, ya que el abatimiento de los niveles
piezométricos hace que evolucionen las principales propiedades de los suelos.
b) Análisis de correlación espacial
La coherencia de los resultados depende en gran medida de la homogeneidad de los medios

geológicos. Entre más bruscos sean los cambios de los valores de los datos experimentales,
más baja será la autocorrelación, como se muestra en los ejemplos del capítulo 4.
Ventajas: Cuando el correlograma presenta cierta periodicidad puede ayudar a identificar

la existencia de capas típicas de suelo. La distancia de correlación puede usarse como
dato para definir la separación entre sondeos en una campaña de exploración geotécnica
complementaria. Asimismo, ayuda a definir la distancia máxima de extrapolación.
Desventajas: El no considerar la fuerte variabilidad geológica, conduce a errores en los

resultados, puesto que no existe continuidad del medio geológico que se analiza. Los
casos donde las formaciones son erráticas o con alta heterogeneidad, no es recomendable
emplear esta metodología por la dificultad que se tendría para definir un modelo de
391
correlación espacial representativo del medio. En algunos casos, cuando es posible, lo

más apropiado es definir subdominios y obtener modelos de correlación particulares para
cada uno de ellos. El no considerar la tendencia de los datos conduce a un modelado
equivocado de la correlación espacial y a errores en las predicciones. Así también, el
modelo de correlación espacial depende en gran medida de las tolerancias definidas para
el cálculo del correlograma experimental.
c) Predicción
La obtención de predicciones óptimas (estimación o simulación) dependen principalmente de un

adecuado análisis de correlación espacial, como se muestra en los ejemplos presentados en el
capítulo 4.
- Estimación
Ventajas: La técnica de Kriging incorpora la dependencia espacial existente entre los datos
experimentales para la estimación espacial (interpolación). El Kriging es un interpolador
exacto y da como resultado el valor esperado, en un punto o bloque, del parámetro
analizado, por tal motivo, los resultados presentan un efecto de suavizado. El Kriging
Simple basa su predicción en la media global, mientras que el Kriging Ordinario en la
media local, por tanto, los resultados del Kriging ordinario reflejan la variación general del
medio, mientras que el Kriging Ordinario refleja mejor las variaciones locales.
Adicionalmente, el Kriging proporciona también una medida de la precisión de la propia
estimación mediante la varianza (o desviación estándar) de estimación, este parámetro
sirve de base para valorar la calidad de la estimación. Los modelos de distribución espacial
construidos mediante esta técnica pueden ser fácilmente actualizados conforme se
agreguen nuevos datos.
Desventajas: El efecto de suavizado proporcionado por el Kriging puede conducir a una

sobrevaloración o subvaloración del parámetro estimado en un punto o bloque. Por tanto,
el grado de suavizado puede llegar a reducir la calidad de las estimaciones. La precisión
del Kriging depende de varios factores, tales como: el número de datos experimentales, su
localización, la distancia entre los datos y el punto o bloque a estimar y de la calidad del
modelo de correlación espacial, que implícitamente incorpora la distancia de correlación.
- Simulación
En algunos casos, la simulación es una herramienta apropiada de análisis, por lo que, es

preciso considerar algunas ventajas y desventajas de su utilización.
Ventajas: Una vez construido un modelo, este puede ser modificado de manera rápida con
el fin de analizar diferentes escenarios. Generalmente, es más barato mejorar el sistema
vía simulación, que hacerlo directamente en el sistema real. Es mucho más sencillo
comprender y visualizar los métodos de simulación que los métodos puramente analíticos.
Los métodos analíticos se desarrollan casi siempre, para sistemas relativamente sencillos
donde suele hacerse un gran número de suposiciones o simplificaciones, mientras que con
392
los modelos de simulación es posible analizar sistemas de mayor complejidad o con mayor
detalle. En algunos casos, la simulación es el único medio para lograr una solución.
Desventajas: Los modelos de simulación en una computadora requieren de mucho más

tiempo para desarrollarse y validarse. Se requiere de una gran cantidad de corridas
computacionales para encontrar "soluciones óptimas", lo cual repercute en el tiempo. En la
práctica es difícil aceptar los modelos de simulación. Los modelos de simulación no dan
soluciones óptimas. La solución de un modelo de simulación puede dar al analista un falso
sentido de seguridad.
d) Modelos de las predicciones
Con el propósito de facilitar la interpretación de los resultados es conveniente construir

modelos como los presentados en el capítulo 4.
Ventajas: Los modelos generados proporcionan un conocimiento general sobre la

distribución espacial de las propiedades geotécnicas del subsuelo. Ayudan a identificar
profundidad y espesores de estratos típicos del subsuelo. Una vez construidos, los
modelos pueden ser modificados de manera rápida con el fin de analizar diferentes
escenarios.
Desventajas: Los modelos obtenidos con esta metodología no proveen relaciones físicas o
causales. La sola cuantificación de la distribución espacial de los datos geotécnicos no es
suficiente para hacer un análisis geotécnico completo, sino que, se requiere de una
valoración de los resultados con base en el conocimiento del medio físico aunque éste sea
de forma aproximada. Es un error fundamentar las conclusiones exclusivamente en los
resultados matemáticos, aunque es imposible llegar a conclusiones válidas sin ellos.
Las predicciones pueden considerarse válidas en intervalos de tiempo cortos, pero van
perdiendo validez a lo largo del tiempo, debido a la evolución de las condiciones del
subsuelo a causa de la extracción de agua del subsuelo.
Desde el punto de vista práctico, debe tenerse presente que para obtener resultados aceptables
se requiere contar con un marco teórico-práctico adecuado, para ello, se sugiere:
1. Partir de un conocimiento previo sobre las condiciones del subsuelo, el cual puede basarse en
la experiencia, o bien, recurrir a la información bibliográfica (geología, topografía, informes
existentes, entre otros) para plantear de inicio un modelo hipotético (Jaime, 2013).
2. A partir de la información geotécnica disponible y recurriendo a la metodología geoestadística

elaborar modelos de la distribución espacial de las propiedades del subsuelo. Los modelos
deber elaborarse con apego al fundamento teórico y verificando los supuestos que la sustentan
para que los resultados sean aceptables. En caso contrario se expone a obtener resultados
que pueden ser incorrectos o aberrantes, alejados de la realidad.
3. Confrontar el modelo hipotético con los resultados y modelos obtenidos mediante la

metodología geoestadísica. Esto permitirá validar en principio la coherencia de los resultados
obtenidos y en forma recíproca permitirá mejorar el modelo hipotético planteado.
393
CAPÍTULO 5
395
Tesis Digitales

Capítulo 5
5. CONCLUSIONES
Como resultado del trabajo de esta tesis se derivan las siguientes conclusiones:
Para la adecuada caracterización del subsuelo del área de estudio fue necesario implementar un
Sistema de Información Geográfica para sondeos Geotécnicos (SIG-SG). El sistema contiene una
base de datos con información física y geográfica (Topografía, Geología, Hidrología, Cartografía,
etc), así como, una base de datos sobre la información de los sondeos y de las imágenes de los
perfiles geotécnicos. El sistema permite la consulta ágil de la información almacenada, facilitando
así el análisis preliminar y la interpretación de las condiciones geotécnicas del subsuelo en los
sitios explorados dentro del Valle de México.
La información geotécnica (sondeos) empleada en este trabajo presenta varias limitaciones, tales
como: corta profundidad, escasos datos de algunas propiedades, ubicación errática,
concentración de sondeos en algunas zonas y escasez en otras, espaciamiento largo de
ejecución y la incertidumbre debida a la variación de los parámetros del suelo causada por el
hundimiento regional.
El análisis de detalle, se realizó empleando la metodología Geoestadística adaptada a la

geotecnia, con ella, se analizó la distribución espacial de las propiedades del subsuelo
(geotécnicas y geométricas) en diferentes zonas del valle de México, tomando en cuenta la
dependencia espacial, así como realizando estimaciones (interpolaciones) y simulaciones.
Para la aplicación práctica, se desarrolló un programa de cómputo llamado MESCAL (versiones

2000 y 2012) que ayudó a la aplicación de la metodología geoestadística en la Geotecnia. El
programa MESCAL v2012, es una versión ampliada y presenta varias ventajas, permite: realizar
análisis de correlación espacial, estimación y simulación en 1D, 2D y 3D.
Los modelos generados (secciones transversales y superficies) en 2D y 3D describen la

distribución espacial de las propiedades del subsuelo analizadas. En general, las secciones
transversales estimadas de contenido de agua permiten identificar la extensión y espesor de las
diferentes capas de arcilla y de materiales rígidos. Los mapas de contornos de profundidad y
espesor de los diferentes estratos típicos del subsuelo (CD, FAS, CD, FAI y DP) permiten
identificar zonas potencialmente problemáticas en el diseño de cimentaciones. Estos modelos
pueden ser actualizados fácilmente conforme se agregue más información.
La calidad de las predicciones (estimación o simulación) depende principalmente del modelo de

correlación espacial y éste a su vez de la distribución de los datos, por lo que, deben tenerse
presente las limitaciones particulares de la información disponible en cada análisis. Los resultados
397
CAPÍTULO 5. CONCLUSIONES
de una estimación representan el valor esperado de la propiedad que se analiza y tiene asociada
una cierta incertidumbre que debe tomarse en cuenta en la interpretación.
Con base en los resultados, puede decirse que los métodos geoestadísticos proporcionan una
herramienta útil para interpretar la información geotécnica disponible y evaluar la variabilidad
espacial de las propiedades del subsuelo (índice, mecánicas y geométricas). Son técnicas que
pueden ser usadas para evaluar sistemáticamente los resultados de campañas de
reconocimiento. Permiten eliminar una parte de la subjetividad introducida en interpretaciones
estratigráficas tradicionales.
La actualización de la zonificación geotécnica es una tarea continua en grandes urbes como la

Ciudad de México, por lo que, con base en la información y resultados presentados en esta tesis,
se afinaron los límites del mapa de zonificación geotécnica vigente para el Distrito Federal, se
propone incluir este mapa en la nueva versión de las NTC-DCCDF (2014).
Los cambios en las propiedades de los suelos debidos al fenómeno de hundimiento regional, así
como la falta de sondeos en algunas zonas, hacen necesaria la actualización periódica del mapa
de zonificación geotécnica del D.F. Para ello, se sugiere emplear en forma sistemática la
metodología y herramientas presentadas en este trabajo.
Los resultados derivados de este trabajo tienen implicaciones de aplicación práctica inmediata,
puesto que, pueden emplearse como información de referencia para orientar futuros estudios
encaminados a ampliar el conocimiento del subsuelo del Valle de México, para elaborar con
precisión programas de exploración geotécnica y para la elaboración de estudios de planeación
urbana y de futuros proyectos de obras de infraestructura.
Los resultados de este trabajo no sustituyen la exploración geotécnica para una obra en particular.
Debe tenerse presente que en cada caso particular de cualquier obra debe verificarse la
información estadística con la realidad puntual. Además, en la ciudad de México debe cumplirse
con lo establecido en el Reglamento de Construcciones para el Distrito Federal en lo referente a la
exploración geotécnica.
En los años 80’s la entonces Sociedad Mexicana de Mecánica de Suelos (actualmente SMIG) en
conjunto con la SCT y el II-UNAM realizaron el estudio del subsuelo de varias ciudades del país.
Con base en esos estudios, un trabajo propuesto a desarrollar es actualizar el conocimiento del
subsuelo de esas ciudades empleado, en forma sistemática, la metodología y herramientas
presentadas en este trabajo; así como, la información generada en los últimos años. Partiendo
con la recopilación de datos existentes y con la construcción de un SIG-SG local donde se
incorpore: topografía, cartografía urbana y geología, entre otras. Un ejemplo es el trabajo
actualmente en desarrollo titulado “Caracterización del subsuelo y análisis de riesgos geotécnicos
en la ciudad de Tuxtla Gutiérrez” (Ordóñez, 2014).
398
REFERENCIAS
399
Tesis Digitales

Referencias
REFERENCIAS
1. Alonso Sarría, F., 2012, “Sistemas de Información Geográfica”, SIGMUR, página web
http://www.um.es/geograf/sigmur/temariohtml/temariohtml_tf.html, notas del curso de la
licenciatura de Geografía, Universidad de Murcia, España.
2. Arellano, A. R. V., 1948, “La composición de las rocas volcánicas en la parte sur de la
cuenca de México”, Boletín de la Sociedad Geológica Mexicana, Tomo XIII, pp. 81-82,
México.
3. Arqueología Mexicana, 2004, “Lagos del valle de México; Las cuencas lacustres del altiplano
central”, Teresa Rojas Rabiela. Revista Vol. XII, No. 68, pp. 23, México.
4. Auvinet, G., 1976, “Probabilidad y Estadística”, Notas del curso de Probabilidad y
Estadística, División de Estudios de Posgrado, Facultad de Ingeniería, UNAM, México.
5. Auvinet, G., 1987, “Procesos Estocásticos”, Notas del curso de Procesos Estocásticos,
División de Estudios de Posgrado, Facultad de Ingeniería, UNAM, México.
6. Auvinet, G., 1984, “Variabilidad de los depósitos de carbón. Un enfoque estocástico”,
Estudio realizado para Minera Carbonífera de Río Escondido, Coahuila, México.
7. Auvinet, G., Rossa, O. y Fry J. J., 1991, "Reliability of Homogeneous Earth Fills",
Proceedings, Sixth International Conference on Applications of Statistics and Probability in
Civil Engineering, CERRA-ICASP6, June, pp. 816-824, México.
8. Auvinet, G. y Abaziou, L., 1993, "Application of random field theory to control of compaction
of earth embankments", 3rd CODATA Conference on Geomathematics and Geostatistics,
Enschede, Holland, June 9-11, 1993, published in Sciences de la Terre, No 32, pp. 449-460,
Nancy, France.
9. Auvinet, G. y de Fouquet, C., 1996, “Random Processes, Geostatistical Methods,
Applications of Geostatistics”, Proceedings, ICASP7, International Conference on
Applications of Statistics and Probability, Balkema, Rotterdam, ISBN 90 5410 56 31, Vol. 3,
pp. 1477-1479.
10. Auvinet, G, Méndez, E. y Juárez M., 1997, “Geotecnia del Valle de México, Evolución de los
conocimientos y perspectivas”, Memorias del Simposio 40 años de investigación y práctica
en Geotecnia, Tomo II, ICA-I de I, UNAM, México.
11. Auvinet, G., 1997, “Resumen de las condiciones geotécnicas del sitio de la PTAR-TN”,
Instituto de Ingeniería, Informe preparado en colaboración con la Gerencia de Ingeniería
Experimental de la Comisión Federal de Electricidad para la Comisión Nacional del Agua,
México.
12. Auvinet, G, 1998, “Geostatistical analysis of the soil data on the site of Rion-Antirion bridge”,
Final Report submitted to Géodynamique et Structure, September 25th, Bagneux, France.
401
REFERENCIAS
13. Auvinet, G., Juárez, M. & Medina, Z., 2001, "Geostatistical interpretation of soil exploration"
Proceedings, International Conference on Soil Mechanics and Geotechnical Engineering,
Vol.1, pp. 373-376, Istanbul, Turkey,
14. Auvinet, G., 2002, “Uncertainty in Geotechnical Engineering/Incertidumbre en Geotecnia”,
Sixteenth Nabor Carrillo Lecture/Decimosexta Conferencia Nabor Carrillo. Publicación
especial (Libro bilingüe English/Español) de la Sociedad Mexicana de Mecánica de Suelos,
México.
15. Auvinet, G., Méndez E. y Matus U., 2009, “Toponimia y Geotecnia”, Gaceta del Instituto de
Ingeniería, Mayo, No 51, ISSN 1870-347X, pp. 17-21, También publicado en la Revista de la
Sociedad Mexicana de Ingeniería Geotécnica, México, D.F.
16. ASCE, varios autores, 1984, “Probabilistic characterization of soil properties”, Proceedings of
a symposium sponsored by the ASCE Geotechnical Engineering Division in conjunction with
the ASCE Convention in Atlanta, Georgia, American Society of Civil Engineers, New York,
USA.
17. Barba-Ahuatzin, B., 2007, “Dioses, reyes, hombres y agua en el México antiguo”, Academia
Mexicana de Ciencias vol. 58 núm. 3, México.
18. Bath, M., 1974, “Spectral Analysis in Geophysics”, Elsevier Scientific Publishing Company,
New York, USA.
19. Benjamin, J. R. y Cornell, C. A. 1970, “Probability, Statistics and Decision for Civil
Engineers”, McGraw Hill, New York, USA.
20. Berlanga J. M y Obregón J. J., 1981, “Geoestadística”, Notas del curso de Geoestadística,
Faculta de Ingeniería, UNAM, México.
21. Bryan, K., 1948, “Los suelos complejos y fósiles de la altiplanicie de México en relación a los
cambios climáticos”, Boletín de la Sociedad Geológica Mexicana, Tomo XIII, pp. 1-20,
México.
22. Carballal, M. y Flores, M., 2004, “Elementos hidráulicos en el Lago de México-Texcoco en el
Posclásico”, Revista Arqueología Mexicana, Vol.XII, Número 68, México.
23. Cambell, A. G. y Foster, R. M., 1967, “Fourier Integrals for Practical Applications”, D. Van
Nostran Company, Inc. New York, USA.
24. CEEOP, varios autores, 1985, “Geoestadística aplicada a la Mecánica de Suelos”, temas del
curso “Tratamiento estadístico de problemas geotécnicos”, Centro de Estudios y
Experimentación de Obras Públicas, Madrid, España.
25. Comisión Federal de Electricidad, 1988, “Estudios geofísicos del valle de México”, México.
26. Comisión de Vialidad y Transporte Urbano (COVITUR), 1987, “Manual de Diseño
Geotécnico”, Vol. 1, Secretaría General de Obras, Departamento del Distrito Federal, D.F.,
México.
27. Consultores en Ingeniería Geofísica, S.A. de C.V. (CIGSA), 2000, “Iintegración de los
estudios de resistividad eléctrica por SEV, tendidos de refracción sísmica, cross-hole y
gravimetría levantados en la cuenca del valle de México”, Informe elaborado para la
Comisión Nacional del Agua, México.
402
28. Chapra S. C. y Canale R. P., 1987, “Métodos numéricos para ingenieros, con aplicaciones
en computadoras personales”, Mc. Graw Hill, México.
29. Cheng Liu y Evett, J.B. 1992, “Soils and Foundations”, Prentice Hall, third edition, USA.
30. Chilès, J.P., Delfiner, P., 1999, “Geostatistics: Modeling Spatial Uncertainty”. Wiley, New
York, USA.
31. Dávalos, Medina y Auvinet, 2001, “Sistema de Apoyo al Análisis Geoestadístico (SAAG)”,
programa de cómputo, Instituto de Ingeniería, UNAM.
32. David, M., 1977, “Geostatistical Ore reserve estimation”, Elsevier Scientific Publishing
Company, New York, USA.
33. Departamento del Distrito Federal (DDF), 1976, “Memorias de las obras del sistema de
drenaje profundo de la ciudad de México”, capítulo correspondiente a geología, D.F.,
México.
34. Comisión Federal de Electricidad (CFE), 1998, “Planta de tratamiento de aguas residuales
Texcoco Norte, sitio Tecamac”, Informe geotécnico elaborado para la CNA, D.F., México.
35. Del Castillo, R., 1978, “Ciudad de México”, Memorias del simposio El subsuelo y la
ingeniería de cimentaciones en el área urbana del valle de México, pp. 15-50, Sociedad
Mexicana de Mecánica de Suelos, México.
36. Departamento del Distrito Federal (DDF), 1985, “Reglamento de Construcciones para el
Distrito Federal, Normas de Emergencia en materia de construcción para el Distrito Federal”,
Diario Oficial 18 de Octubre de 1985, México.
37. Departamento del Distrito Federal (DDF), 1987, “Normas Técnicas Complementarias para
Diseño y Construcción de Cimentaciones”, Gaceta Oficial del 12 de Noviembre de 1987.
38. Departamento del Distrito Federal (DDF), 1993, “Reglamento de Construcciones para el
Distrito Federal”, Diario Oficial de la Federación, 2 de Agosto de 1993, D.F., México.
39. Departamento del Distrito Federal (DDFa), 1995, “Reglamento de Construcciones para el
Distrito Federal”, Diario Oficial de la Federación del 27 de Febrero de 1995, D.F., México.
40. Departamento del Distrito Federal (DDFb), 1995, “Normas Técnicas Complementarias para
Diseño y Construcción de Cimentaciones”, Gaceta Oficial del 27 de Febrero de 1995, D.F.,
México.
41. De Terra, H., 1848, “Historia del Valle de México en las postrimerías del cuaternario en
relación con el hombre prehistórico”, Boletín de la Sociedad Geológica Mexicana, Tomo XIII,
pp. 77-79, México.
42. Deutsch, C. y Journel, A., 1992, “Geostatistical Software Library, GSLIB”, Oxford University
Press, New York, USA.
43. Díaz Viera, M. y Casar González, R., 2004, “Receta práctica del análisis estructural”, Notas
del curso de Geoestadística Aplicada, Instituto Mexicano del Petróleo, UNAM, México.
44. Díaz Viera, M. y Casar González, R., 2010, “Otros Métodos de Estimación Espacial”, Notas
del curso de Geoestadística Aplicada, Instituto Mexicano del Petróleo, UNAM, México.
45. Enders, A. R., 1967, “Multichannel Time Series Analysis with Digital Computer Programs”,
Goose Pond Press, Texas, USA.
403
REFERENCIAS
46. Eyssautier, A., 2013, “Caracterización geotécnica del subsuelo de la zona sur del valle de
México con aplicación a una obra de infraestructura”, Tesis de Licenciatura, FI, UNAM, D.F.,
México.
47. ESRI, 1995, “Arc/Info User Manual”, Redlands, CA USA, 1995
48. ESRI, 2008, ArcMap, ESRI-ArcGIS, Inc, Software, Redlands, CA, USA.
49. Fenton, G. A., 1996, “Probabilistic Methods in Geotechnical Engineering”, Workshop
presented at ASCE Uncertainty’96 Conference, Madison, Wisconsin, USA.
50. Galván, E., 2009, “Evaluación geoestadística y geotécnica del estrato del fondo marino de la
Sonda de Campeche afectado por emanaciones de hidrocarburos”, Tesis doctoral, DEPFI,
UNAM, México.
51. Fogli, M, 1980, “L'approche de Monte Carlo dans les problèmes de sécurité: Application à
l'estimation probabiliste du risque de ruine des poutres hyperstatiques en béton armé
soumises à des actions aléatoires statistiques”, Thèse de Docteur Ingénieur, 217 p., INSA de
Lyon, France,
52. García, S. R. y Romo, M. P., “Sistema de Información Geográfica y Redes Neuronales”,
Memorias de la XXII Reunión Nacional de Mecánica de Suelos, realizado en Guadalajara,
México.
53. Gobierno del Distrito Federal a (GDFa), 2004, “Reglamento de Construcciones para el
Distrito Federal”, Gaceta Oficial del Distrito Federal, 29 de enero del 2004, México.
54. Gobierno del Distrito Federal b (GDFb), 2004, “Normas Técnicas Complementarias para
Diseño y Construcción de Cimentaciones”, Gaceta Oficial del Distrito Federal, 6 de Octubre
del 2004, México.
55. González Aparicio L., 1973, “Plano reconstructivo de la región de Tenochtitlan”, Instituto
Nacional de Antropología e Historia (Serie Historia), México.
56. Gurría Lacroix, J., 1978, “El desagüe del valle de México durante la época novohispana”,
Instituto de Investigaciones Históricas, Cuaderno serie histórica, número 19, Universidad
Nacional Autónoma de México.
57. Gutiérrez, M. T., Sánchez, J. G. y Zamorano, J. J., 2007, “La cuenca de México y sus
cambios demográfico-espaciales”, Instituto de Geografía, UNAM, México.
58. Harr, M., E., 1996, “Reliability-based design in civil Engineering”, Dover publication, Inc.,
New York, USA.
59. Hernández, F., 2013, “Caracterización geotécnica del subsuelo de la zona norte de la
cuenca de México”, Tesis de Maestría SEPI, ESIA-IPN, D.F., México.
60. Hinojosa, J., 2010. “Comportamiento del suelo en la zona próxima al cerro del marqués y
sus efectos en obras de infraestructura“, Tesis de Maestría SEPI, ESIA-IPN, D.F., México.
61. Hohn M. E., 1988, “Geostatistics and petroleum geology”, Computer Methods in the
Geosciences, Van Nostrand Reinhold, New York, USA.
62. Instituto Mexicano del Tecnología del Agua (IMTA), 1990, “Instructivo para ensayes de
suelos”, Serie educativa: Mecánica de Suelos, Comisión Nacional del Agua, D.F. México.
404
63. Instituto Nacional de Estadística, Geografía e Informática (INEGI), 1990, “Sistema Códice
90, disco compacto”, Información electrónica en disco compacto, D.F., México.
64. Isobel Clark, “Practical Geostatistics”, Elsevier Applied Science Publishers, USA.
65. Jaime, A., 1987, “Características dinámicas de la arcilla del Valle de México”, Tesis Doctoral,
DEPFI, UNAM, México.
66. Jaime, A. y Romo, M., 1987, “Características del suelo en el sitio Plaza Río de Janeiro”,
Informe elaborado para el Departamento del Distrito Federal”, Instituto de Ingeniería, UNAM,
México.
67. Jaime, A. y Romo, M., 1988, “Características del suelo en el sitio Alameda Central”, Informe
elaborado para el Departamento del Distrito Federal, Instituto de Ingeniería, UNAM, México.
68. Jaime, A. y Romo, M., 1988, “Características del suelo en el sitio Velódromo”, Informe
elaborado para el Departamento del Distrito Federal, Instituto de Ingeniería, UNAM, México.
69. Jaime, A., Reséndiz D. y Romo M. P., 1989, “El subsuelo del Valle de México: Propiedades
dinámicas y zonificación”, Revista Ingeniería de la FI, UNAM, Vol. LVIII, No. 2, D.F., México.
70. Jaime Paredes, A y Montoya Orozco, A., 2008, “Análisis de Confiabilidad en Geotecnia,
Cuatro Enfoques”, Memorias de la XXII Reunión Nacional de Mecánica de Suelos, Vol. 2,
Realizada en Aguascalientes, Ags. México.
71. Jaime, A y Méndez, S., 2010, “Evolution of México clay properties affected by land
subsidence”, International Association of hydrological sciences, Publication 339, pp, 232-
234, México.
72. Jaime, A., 2013, “Estudios e informes de Mecánica de Suelos”, revista Geotecnia, Sociedad
Mexicana de Ingeniería Geotécnica, núm. 228, pp. 31-35, D.F., México.
73. Jiménez, O., 2007, “Caracterización geoestadística del subsuelo de la zona poniente del
valle de México”, Tesis de Maestría, ESIA-UZ-IPN, México.
74. Juárez, M., 2000, “Aplicación de la Geoestadística a la Descripción del Subsuelo del Valle
de México”, Tesis de Maestría, ESIA-UZ-IPN, México.
75. Juárez, M., Auvinet, G., Méndez, E. & Pérez, D., 2009, “Aquitard configuration and
piezometric conditions in Mexico valley subsoil”, Procedings, Geotechnical engineering in
urban areas affected by land subsidence, Volume prepared by ISSMGE, Technical
Committee # 36 Mexican Society for Soil Mechanics, D.F., Mexico.
76. Journel, A. G., 1977, “Géostatistique minière”, Centre de Géostatistique, Fontainebleau,
France (2 Vol.).
77. Journel, A. G., 1980, “The lognormal approach to predicting local distributions”, Mathematical
Geology, vol. 12, no. 4, p. 285-303.
78. Kharkevich, A. A., 1960, “Spectra and Analysis”, Consultants Bureau, New York, USA.
79. Krige, D. G., 1962, “Statistical application in mine valuation”, J. Institute Mine Survey, South
Africa.
80. Kulatilake, P. H. S. y Southworth, R. K., 1987, “Spatial variation estimation of soil properties
in one dimension for regularly space data”, Prediction and performance in Geotecnical
Engineering, USA.
405
REFERENCIAS
81. León-Portilla, M., 1982, “Los nombres de lugar en náhuatl: su morfología, sintaxis y
representación glifica”, Revista Estudios de Cultura Náhuatl, No. 15: pág. 37- 72). México.
82. Li, J. and Heap, A.D., 2008, “A Review of Spatial Interpolation Methods for Environmental
Scientists”, Geoscience Australia, Record 2008/23, 137 pp., Australia.
83. Luthe, R., Olivera, A. y Schutz, F., 1985, “Métodos numéricos”, LIMUSA, México.
84. Marsal, R. J. y Mazari, M., 1969, “El Subsuelo de la Ciudad de México”, Facultad de
Ingeniería, UNAM, México.
85. Marsal, R. J., 1986, “Notas sobre el diseño y construcción de cimentaciones en el Distrito
Federal”, Sociedad Mexicana de Mecánica de Suelos, México.
86. Matheron, G., 1965, “Les variables généralisées et leur estimation”, Masson et Cie, France.
87. Medina, Z., 2001, “Interpretación geoestadística de campañas de reconocimiento del
subsuelo”, Tesis de maestría, DEPFI, UNAM, D.F., México.
88. Méndez, E. y Jaime, A., 1991, "Evolución de las propiedades de la arcilla de la Ciudad de
México", Tesis para obtener el grado de ingeniero civil, Escuela Superior de Ingeniería y
Arquitectura, IPN, México.
89. Méndez, E., 2003, “Aplicación de la informática a la zonificación del subsuelo de la cuenca
de México”, Tesis de maestría, DEPFI, UNAM, D.F., México.
90. Jaime, P. y Méndez, E., 2010, “Evolution of Mexico City clay properties affected by land
subsidence”, in: Land Subsidence, Associated Hazards and the Role of Natural Resources
Development (Proceedings of EISOLS 2010, Querétaro, Mexico, 17–22 October 2010).
IAHS Publ. 339.
91. Minsky, M., and Papert, S., 1969, “Perceptrons”, Cambridge, MA: MIT Press (Chaps. 1, 4).
92. Mood, A. M. y Graybill, F. A., 1963, "Introduction to the Theory of Statistics", Mc Graw-Hill
Book Company, Inc., New York, USA.
93. Mooser, F., 1956, “Bosquejo geológico del extremo sur de la Cuenca de México”, memorias
del XX Congreso Geológico Internacional, guía de excursión C-9: México, pp 154, México.
94. Mooser, F., 1957, “Los ciclos del vulcanismo que formaron la Cuenca de México”, memorias
del XX Congreso Geológico Internacional, Vulcanología del Cenozoico: México, vol. 2, pp
337-348, México.
95. Mooser, F., 1975, “Historia geológica de la cuenca de México”, memoria de las obras dell
Sistema de drenaje profundo del Distrito Federal, Departamento del Distrito Federal, tomo I,
pp. 7-38, México.
96. Mooser, F., Montiel, A., Zúñiga A., 1996, “Nuevo mapa geológico de las Cuencas de México,
Toluca y Puebla: estratigrafía, tectónica regional y aspectos geotérmicos”, Comisión Federal
de Electricidad, D.F., México,
97. Morales de la Cruz M. Á., 2004, “Aplicación de la geoestadística a la descripción
estratigráfica del subsuelo de la zona de los ex-lagos de Xochimilco y Chalco”, Tesis de
Maestría presentada en la ESIA-UZ, IPN, D.F., México.
406
98. Ordóñez, J., 2014, “Caracterización del subsuelo y análisis de riesgos geotécnicos en la
ciudad de Tuxtla Gutiérrez”, Tesis Doctoral en Ingeniería (Mecánica de Suelos), DEPFI,
UNAM, México.
99. Pantoja, A., 2002, “Análisis geoestadístico del subsuelo en el norte de la zona lacustre del
valle de México”, Tesis de Maestría en Ingeniería (Mecánica de Suelos), DEPFI, UNAM,
México.
100. Papoulis, A., 1984, “Probability, Random variables and Stochastic Processes”, McGrawHill,
USA.
101. Parzen, E., 1962, “On estimation of a probability density function and mode”, Annals of
Mathematical Statistics, Institute of Mathematical Statistics, Vol. 33, Issue3, 1065-1076.
102. Pérez, D, 2009, “Modelado del hundimiento de la zona lacustre del valle de México.
Aspectos estratigráficos y piezométricos”, Tesis de Maestría SEPI, ESIA-IPN, D.F., México.
103. Rendu, J. M., 1981, “An introduction to geostatistical methods of mineral evaluation”, South
African Institute of Mining and Metallurgy, Johannesburg, Africa.
104. Reséndiz, D., Springall, G., Rodríguez, J. M. y Esquivel R., 1970, “Información reciente
sobre las características del subsuelo y la práctica de la ingeniería de cimentaciones en la
Ciudad de México”, Memoria de la V Reunión Nacional de Mecánica de Suelos, Tomo I,
México.
105. Rodríguez, M. E., 2010, “Caracterización geoestadística del subsuelo del exlago de
Texcoco”, Tesis de Maestría SEPI, ESIA-IPN, D.F., México.
106. Rosenblatt, M., 1956, “Remarks on some nonparametric estimates of a density function”,
Annals of Mathematical Statistics, Institute of Mathematical Statistics, Vol. 27 Issue 3, 832-
837.
107. Rosenblatt, F., 1958, “The Perceptron: A Probabilistic Model for Information Storage and
Organization in the Brain”. Psychological Review, Vol. 65. USA.
108. Rumelhart, D. E., and McClelland, J. L., Eds., 1986, “Parallel Distributed Processing:
Explorations in the Microstructure of Cognition”, Vol. 1, Cambridge, MA: MIT Press, USA.
109. Santoyo et al., 2005, “Síntesis geotécnica de la cuenca de México”, TGC-Geotecnia, D.F.
México.
110. Schilling, E., 1963, “Los jardines flotantes de Xochimilco, 1938”, revista de ingeniería
Hidráulica en México, junio 1963. México.
111. Sistema de Aguas de la Ciudad de México (SACM), 2005, “Cotas de la red de bancos de
nivel”, Secretaría del Medio Ambiente, Gobierno del distrito Federal, México.
112. Secretaría de Recursos Hidráulicos (SARH), 1966, “Lineamientos Generales de El Plan
Hidráulico para la Cuenca del Valle de México“, Comisión Hidrológica de la Cuenca del Valle
de México (CHCVM), D.F., México.
113. Secretaría de Agricultura y Recursos Hidráulicos (SARH), 1967, “Mecánica de Suelos,
Instructivo para Ensayes de Suelos”, Dirección de Proyectos, Departamento de Ingeniería
Experimental, D.F., México.
114. Sibson, R., 1981, “A brief description of natural neighbor interpolation”, In: Barnett, V. (Ed.),
Interpreting Multivariate Data. John Wiley & Sons, pp. 21–36, New York, USA.
407
REFERENCIAS
115. Sociedad Geológica Mexicana, 1957, “Libreto guía de la excursión A-6 del XX Congreso
Geológico Internacional (Geología a lo largo de la Carretera Panamericana entre México,
D.F. y Tehuantepec, Oax., distritos mineros de Natividad y Pluma Hidalgo, Oax., y visita a
monumentos precoloniales de Oaxaca)”, Boletín de la Sociedad Geológica Mexicana, Tomo
XX, Núm. 1. México.
116. Sociedad Mexicana de Mecánica de Suelos, 1978, “El subsuelo y la ingeniería de
cimentaciones en el área urbana del valle de México”, memoria del simposio realizado el 10
de marzo de 1978, México.
117. Soulié, M., Favre, M. et Konrad, J. M., 1983, “Analyse géostatistique d'un noyau de barrage
tel que construit”, Canadian Geotechnical Journal, Vol. 20, pp. 453-467.
118. Spiegel, M. R., 1970, “Estadística”, Teoría y problemas resueltos, SCHAUM, México.
119. Tenorio, A. E., 2008, “Caracterización geotécnica del subsuelo del centro histórico de la
ciudad de México”, Tesis de Licenciatura ESIA-UZ, IPN, D.F., México.
120. Valdéz, Y.P., 2002, “Análisis geoestadístico de la estratigrafía del subsuelo marino de un
área de la Sonda de Campeche”, Tesis de maestría, DEPFI, UNAM, México.
121. Valencia, J.D., 2007, “Contribución a la zonificación geotécnica de la zona norte del Valle de
México”, Tesis de Maestría, ESIA-UZ, IPN, México.
122. Vanmarcke, E., 1983, “Random fields, analysis and synthesis“, The Massachusetts Institute
of Technology Press, Cambridge, Massachusetts, USA.
123. Vázquez, G., 2007, “Caracterización geoestadística de materiales potencialmente licuables
del subsuelo en un predio ubicado en Minatitlán, Veracruz”, Tesis de Maestría SEPI, ESIA-
IPN, D.F., México.
124. Watson, D., 1999, "The natural neighbor series manuals and source codes", Computers &
Geosciences 25(4): 463-466, Houston, Texas, U.S.A.
125. Webster, R. y Oliver, M. A., 1990, “Statistical methods in soil and land resource survey”,
Oxford University Press, Oxford.
126. Webster, R. y Oliver, M. A., 2001, “Geostatistics for environmental scientist”, John Wiley &
Sons, Ltd, London, England.
127. Zeevaert, L., 1952, "Estratigrafía y Problemas de la ingeniería de los depósitos de arcilla
lacustre de la ciudad de México", Congreso Científico Conmemorativo del IV Centenario de
la Universidad Nacional Autónoma de México, Vol. XXX, Nos. 7, 8 y 9, pp. 155-176, México.
128. Zeevaert, L., 1982, “Foundation Engineering for Difficult Subsoil Conditions”, Van Nostrand-
Reynhold Commpany, Second edition, New York, USA.
408
ANEXOS
Tesis Digitales

Anexos
ANEXO A. PROCESOS ESTOCÁSTICOS
A.1 Definición
Al realizar un experimento E definido, de acuerdo con el planteamiento usual en la teoría de la
probabilidad, por el espacio S de sus resultados  y por ciertos subconjuntos de S llamados
eventos que forman una clase aditiva completa (-algebra) es posible asociar a cada resultado ,
una función real o compleja de cierto parámetro t:
X(t, 
Se define en esta forma un proceso estocástico (Auvinet, 1992).
NOTA:
1. El conjunto T de definición del parámetro t se llama usualmente "conjunto indicador"; T puede

ser continuo o discreto. Si la suma t+h de cualesquiera elementos t y h de T también pertenece a
T se dice que el conjunto indicador es lineal.
2. El parámetro t es, en la mayor parte de las aplicaciones, el tiempo; sin embargo, puede ser
también, por ejemplo, una dimensión espacial.
3. El parámetro t puede ser múltiple (x, y, z) en el caso de procesos espaciales.
4. La notación empleada es generalmente X(t).
5. X(t) puede interpretarse en cuatro maneras diferentes

a) como una familia de funciones del parámetro t (t y  variables).
b) como una función del tiempo o la distancia, según sea el caso, (t variable, fijo); esta función
se llama entonces "realización" del proceso.
c) una variable aleatoria (t fijo,  variable)
d) un valor determinado (t fijo,  fijo)
Un proceso bidimensional consiste en un par de procesos: X(t), Y(t). Un proceso n-dimensional es

una colección de procesos: X1(t), X 2(t),..., X n(t).
Un proceso complejo se define como:
Z(t) = X(t) + iY(t)
donde X(t), Y(t) son procesos estocásticos.
411
ANEXO A: PROCESOS ESTOCÁSTICOS
Ejemplo:
Se considera un experimento de Bernoulli consistente en lanzar una moneda. El espacio S de

resultados es el siguiente:
  Aguila
S 1
  2  Sol
Al resultado Águila se asocia la función X(t) = 2t

Al resultado Sol se asocia la función X(t) = -2t
donde t es un parámetro real definido de 0 a .
Las diversas interpretaciones del proceso así definido son las siguientes.
a)  y t variables
Una familia de funciones (2)
X(t) X(t) = 2t
X(t) = -2t
b)  constante, t variable
Si por ejemplo,  = sol, el proceso se
X(t) reduce a una función de t
(realización del proceso)
X(t) = -2t
412
c)  variable, t constante
Variable aleatoria discreta con
X(t) X(t) = 2t distribución de probabilidad PX1 x  ;
X(t) = -2t
d)  constante, t constante
Si por ejemplo,  = águila, el proceso
X(t) se reduce al valor 2t1.
2t
t
t
A.2 Descripción de un proceso estocástico
A.2.1 Función de distribución y densidad de probabilidad
En lo que sigue se considera que X(t) es un proceso real continuo. Tomando en cuenta que, para
cada valor del parámetro t, el proceso es una variable aleatoria, es posible definir la función de
distribución asociada a esta variable:
FX x, t   PX t   x 
FX(x, t) es, en general una función de t y es igual a la probabilidad del evento constituido por todos
los resultados del experimento tales que, para el valor t considerado, los valores de X(t) no
rebasen el valor x, fig A.1.
La densidad de probabilidad correspondiente se obtiene derivando FX(x, t):
 FX x, t  P x  X t   x  dx 
f X  x, t   
x dx
413
X(t)<x
Realizaciones
X(t)<x
t
t
Fig. A.1. Descripción de un proceso estocástico
A.2.2 Media y varianza
Para un valor dado del parámetro t se podrá definir la media de la variable aleatoria
correspondiente:
 X t   EX t    x f X x; t  dx


Esta media (o valor esperado) de X(t) es en general función de t.
La varianza queda definida de la forma:
 X2 t   var x t   EX 2 t   X2 t 
A.2.3 Función de autocovarianza y autocorrelación
Considerando dos valores t1 y t2 del parámetro se podrá definir el momento conjunto de las
variables aleatorias X(t1) y X(t2), el cual recibirá el nombre de autocorrelación.
R t1, t 2   EX t1  X t 2    x1 x 2 f X1 f X 2  X 1, X 2 ; t1 t 2  dx1 dx2

 
  
Es en general, una función de t1 y t2.
En la misma forma se define la autocovarianza:
Ct1, t 2   EX t1    x t1 X t 2    x t 2 
Ct1, t 2   Rt1, t 2    x t1   x t 2 
La autocovarianza permite cuantificar el grado de correlación lineal existente entre las variables
X(t1) y X(t2).
414
A.3 Procesos con características especiales
A.3.1 Procesos estacionarios
Los procesos estacionarios se pueden definir de varias formas, como sigue:
A.3.1.1 Procesos estacionarios en el sentido estricto (s. e.)
Un proceso estocástico cuyo conjunto indicador T es lineal, es estacionario en el sentido estricto si

para cualquier número k de valores t1,..., tk del parámetro y cualquier valor adicional e del mismo
parámetro se tiene:
f X1 ... X k x1,.., x k ; t1,.., t k   f X1 ... X k x1,.., x k ; t1  ,.., t k  
es decir si las densidades de probabilidad conjuntas de cualquier orden no se ven afectadas por
un cambio de origen del parámetro, de magnitud  T.
Como caso particular de la condición de estacionaridad se tiene:
f X x, t   f X x, t  
lo que implica que
f X x, t   f X x 
sea independiente de t.
Una consecuencia de lo anterior es que la media del proceso es constante.
EX t    X
Si se considera ahora la densidad conjunta de orden 2:

f X1X 2 x1, x 2 ; t1, t 2   f X1X 2 x1, x 2 ; t1  , t 2  
se observa que esta función debe depender solamente de t1-t2 = .
f X1X 2 x1, x 2 ; t1, t 2   f X1X 2 x1, x 2 ; 
donde f X1X 2 x1, x 2 ;  es la densidad de probabilidad conjunta de X(t) y X(t+) para

cualquier valor de t.
415
La autocorrelación de un proceso de este tipo dependerá también solamente de 
R   EX t    X t   R  
Lo mismo será válido para la correlación cruzada de procesos estacionarios conjuntamente

estacionarios:
R XY    EX t    Y t 
A.3.1.2 Procesos estacionarios en el sentido amplio (s. a.)
Se dice que un proceso es estacionario en el sentido amplio (o débilmente estacionario) si su

valor medio es constante y su autocorrelación es finita y depende solamente de t1-t2 = .
EX t    X
EX t    X t   R 
Si X(t) es estacionario de orden 2, obviamente también lo es en el sentido amplio. La recíproca

sólo es cierta si la media y la varianza bastan para definir las densidades de segundo orden del
proceso (por ejemplo, procesos Gausianos).
Dos procesos son conjuntamente estacionarios en el s. a. si cada uno de ellos lo es y además su

correlación cruzada depende solamente de t1-t2 = .
R XY    EX t    Y t 
A.3.1.3 Procesos de incrementos independientes
Se dice que un proceso estocástico X(t) es de incrementos independientes si, para todos los
conjuntos t 0 , t 1,..., t n  con t 0  t 1  ...  t n , las n variables aleatorias:
X t1   X t 0 , X t 2   X t1 ,..., X t n   X t n1 

son estocásticamenete independientes.
416
A.4 Ergodicidad
A.4.1 Promedios temporales
El lo que sigue se considerará un proceso X(t) estacionario y definido para [-<t<+]. Se definirá
como promedio temporal del proceso la integral siguiente, si es que existe:
X(t)
X t  dt
1 T
T 
2t  T
(promedio en el intervalo -T, +T)
t
-T +T
Tomando en cuenta que el proceso es estacionario:
E X   EX t  (constante)
C t1  t 2  dt1 dt 2
1 T T
 2 
T
4T 2   T T
La varianza  2T puede escribirse en función de  = t1 - t2 directamente:
 2 
1

 2T
2T    C   d
T
4T 2 2T
  
1  C   d
 2T
1
 2 
T
2T   2T  2T 
 
y puesto que C() es una función par:
  
1 2T 1  C   d
T 0
 2 
T  2T 
 
  
 2 
T
1 2T
T 0
1
 2T 
 
 R    E 2 X t  d
 
Además del promedio anterior, es común introducir:
417
RT     X t    X t  dt
T
T
y, considerando el proceso:
 1 si X t   x
Y t ,   
0 si X t   x
un promedio adicional:
Y t ,  dt
1 T
YT 
2t  T
La razón por la cual se introducen los promedios T, RT() y YT es que, para ciertos procesos, y
para un intervalo  T ,  T  suficientemente ancho, es decir para un registro del proceso
suficientemente largo, estos promedios permiten estimar los parámetros del proceso: media,
autocorrelación y función de distribución. Los procesos que presentan esta propiedad se llaman
ergódicos.
A.4.2 Condiciones de ergodicidad
Un proceso es ergódico si es posible, con probabilidad igual a uno, definirlo totalmente desde el
punto de vista probabilista a partir de una de sus realizaciones.
Al emplear la expresión "con probabilidad igual a uno", se admite que un conjunto de

realizaciones, con probabilidad cero, puedan tener características especiales que impidan usarlas
para los fines perseguidos.
Esta condición se cumplirá, por lo menos parcialmente, si los promedios y temporales definidos
anteriormente, permiten estimar la media, la función de autocorrelación y la función de distribución
de proceso.
a) Ergodicidad de la media
El promedio µT introducido en el inciso anterior es obviamente un estimador sin sesgo del valor
esperado E X t  del proceso estacionario X t  :
E T   E X t dt  E X t 
1 T
2T  T
La varianza de µT es:
 
 2 
1 2T 
  1 2

 R    E X t  dt 
T  2T 
T 0
418
Una condición para que µT pueda emplearse para estimar E X t  será que su varianza tienda
hacia cero cuando el registro del proceso sea suficientemente largo, es decir que  2T  0
cuando T   . Si se cumple esta condición se dice que el proceso es ergódico en cuanto a su
media.
b) Ergodicidad en la función de autocorrelación
En forma análoga, se observa que el promedio RT(), introducido en el inciso anterior, constituye
un estimador sin sesgo de la función de autocorrelación del proceso estacionario X(t) considerado:
E RT    E X t    X t  dt  R t 
1 T
2T  T
Si la varianza de RT() tiende hacia cero cuando T   se dice que el proceso es ergódico en
cuanto a su función de autocorrelación.
c) Ergodicidad de la función de distribución
El último promedio temporal introducido en el inciso A.4.1, YT, es un estimador sin sesgo de la
función de distribución FX(x).
E YT   E Y (t )  1. P  X t   x   FX x, t 
Si su varianza tiende a cero cuando T   el proceso será ergódico en cuanto a su función de

distribución.
419
ANEXO B. REGRESIÓN LINEAL
Dada una función f : R p  R y sus valores V1, V2,..., Vn en n puntos M1, M2,..., Mn de Rp, la
regresión lineal consiste en encontrar la ecuación:
p
V  a0   a i . x i (B.1)
i 1
que representa lo mejor posible la tendencia general de los valores.
Sean (x1,k, x2,k,..., xp,k) las coordenadas de los puntos Mk. Los reales ai, i = 0 a p, se eligen de
manera que si:
p
ek  Vk  a0   ai . x i ,k
i 1
la cantidad e 2
i sea mínima. Se puede demostrar que se obtiene el sistema lineal de orden p
(ecuaciones normales):
K   C
donde:
- [K] es una matriz de orden p definida por:
K ij   x i ,k  x i  x j ,k  x j 
n
k 1
con
1 n 1 n
V Vk
n k 1
y x  x i ,k
n k 1
- [] es el vector de p coeficientes de regresión: a1, a2,..., ap
- [C] es un vector cuyos componentes son:
Ci   Vk  V i x i ,k  x i 
n
k 1
El valor de a0 se obtiene de la ecuación:
p
a0  V   a i . x i (B.2)
i 1
421
ANEXO B: REGRESIÓN LINEAL
B.1 Caso unidimensional

En este caso, se tiene los valores V1, V2,..., Vn en n abscisas x1, x2,..., xn. Se quiere encontrar le
recta de ecuación V = ax + b que representa lo mejor posible la tendencia general de la variable.
Los reales a y b se eligen de manera que, si ek = Vk - a.xk - b, la suma e 2
i sea mínima.
El sistema lineal (B.2) se reduce a una única ecuación. Se obtiene:
 x  x Vk  V 
n
k
a k 1
b  V  a. x
 x  x
n
2
k
k 1
1 n 1 n
Con x  xk
n k 1
e y yk
n k 1
B.2 Caso bidimensional

Sean (xk, yk) las coordenadas de los puntos Mk.
Se quiere encontrar el plano de ecuación:
V = a + bx + cy
que representa lo mejor posible la tendencia general de los puntos de datos. Los reales a, b y c se
eligen de manera que si ek = Vk - ax - by - c, la suma e 2
k sea mínima.
El sistema lineal (2) se escribe:
K xx K xy  a  C x 
K K yy  b  C 
 xy    y
y
c  V  a. x  b. y
con:
1 n
x  xk
n k 1
422
1 n
y yk
n k 1
1 n
V Vk
n k 1
K xx 
1 n
 x k  x 2
n k 1
K yy 
1 n
 y k  y 2
n k 1
 x k  x y k  y 
1 n
K xy 
n k 1
 x k  x Vk  V 
1 n
Cx 
n k 1
 y k  y Vk  V 
1 n
Cy 
n k 1
B.3 Caso tridimensional

Sean (xk, yk, zk) las coordenadas de los puntos Mk.
Se quiere encontrar el espacio afino de ecuación:
V = ax + by + cz + d
que representa lo mejor posible la tendencia general de los datos. Los reales a, b, c y d se eligen
de manera que, si:
ek = Vk - axk - byk - czk – d

N
la suma e
k 1
2
k sea mínima. El sistema lineal (2) se escribe:
K xx K xy K xz  a  C x 
  b   C 
K xy K yy K yz     y
K xz K yz K zz  c  C z 

y
d  V  a. x  b. y  c . z
423
ANEXO B: REGRESIÓN LINEAL
con:
1 n
x  xk
n k 1
1 n
y  yk
n k 1
1 n
z  zk
n k 1
1 n
V Vk
n k 1
  x k  x 
1 n 2
K xx
n k 1
K yy 
1 n
 y k  y 2
n k 1
K zz 
1 n
 zk  z 2
n k 1
 x k  x y k  y 
1 n
K xy 
n k 1
 x k  x zk  z 
1 n
K xz 
n k 1
 y k  y zk  z 
1 n
K yz 
n k 1
 x k  x Vk  V 
1 n
Cx 
n k 1
 y k  y Vk  V 
1 n
Cy 
n k 1
 zk  z Vk  V 
1 n
Cz 
n k 1
424
ANEXO C. FUENTES DE SONDEOS GEOTÉCNICOS
En la tabla C.1 se presenta una relación de las empresas, dependencia e instituciones que
proporcionaron información e sondeos geotécnicos para la realización de este trabajo.
Tabla C.1. Relación de empresas que proporcionaron información de sondeos geotécnicos.
EMPRESA O DEPENDENCIA
ACI - ASESORES EN CIMENTACIONES S.A. DE C.V.
ADTEC S.A. DE C.V.
AMV INGENIERIA S.A. DE C.V.
COLINAS DE BUEN S.A. DE C.V.
COMISION FEDERAL DE ELECTRICIDAD
COMISIÓN NACIONAL DEL AGUA
COMISA
CHARBEL GOMEZ RUIZ ING. CIVIL
DEG
DEMET S.A. DE C.V.
DIRAC S.A. DE C.V.
DISEÑOS Y CONSTRUCCIONES CIVILES
DR. LEONARDO ZEEVAERT INGENIERO CONSULTOR
DR. PABLO GIRAULT INGENIERO CONSULTOR
ESCOPO S.A DE C.V.
GC-CONSTRUCCION
G. H. I. INGENIEROS CONSULTORES GRUPO DIRAC
GEOSOL, S.A. DE C.V.
GEOTEC S.A.
GEOTECNIA Y CIMENTACIONES S.A.
GEOTECNIA Y CONTROL DE CALIDAD (GEOCIM S.A. DE C.V.)
GRUPO INTERDICIPLINARIO PARA EL DESARROLLO INTEGRAL DE INGENIERIA S.A. DE C.V.
INSTITUTO DE INGENIERIA, UNAM
I. DE I. (UNAM) - ICA
ICCE, INGENIEROS CONSULTORES CONTRATISTAS ESPECIALIZADOS
INGENIERIA EXPERIMENTAL S.A.
INGENIERIA GEOMECANICA S.A. (GEOSTILLA)
INGENIEROS CONSULTORES CONTRATISTAS ESPECIALIZADOS
INGENIEROS CONSULTORES CONTRATISTAS ESPECIALIZADOS (ICCE)
INGENIEROS ESPECIALISTA EN CIMENTACIONE, S.C.
INGEOMEX S.A. DE C.V.
IPESA
LABORATORIOS TLALLI S.A. DE C.V.
MKE INGENIERIA DE SUELOS S.A DE C.V.
425
ANEXO C: FUENTES DE SONDEOS GEOTÉCNICOS
Tabla C.1. Continuación.
EMPRESA O DEPENDENCIA
LAC - MECÁNICA DE SUELOS Y CIMENTACIONES S.A. DE C.V.
LANC S.C.
MECANICA DE SUELOS Y CIMENTACIONES, S.A DE C.V.
OHL
PAGRI S.A. INGENIERIA CIVIL
PROFESIONISTAS EN GEO-CONTROL SA DE CV
PYCSA
R POUCELL Y ASOSCIADOS S.A. DE C.V.
RIOBOO, S.A DE C.V.
SIMEC CONSTRUCCIONES
SISTEMA DE TRANSPORTE COLECTIVO, GDF
SOIL MECHANICS DE MEXICO S.A. DE C.V.
SOILTEC, S.A. DE C.V.
SOLUM GEOTECNIA S.A.
SONDEOS S.A. DE C.V.
SUELOS Y CIMENTACIONES SA
TECNO CONTROL
TECNOLOGICA INTEGRAL DE INGENIERIA
TGC GEOTECNIA
426

Universidad Nacional Autónoma de México

Cargado por

Copyright:

Formatos disponibles

Universidad Nacional Autónoma de México

Cargado por

Información del documento

Descripción original:

Título original

Derechos de autor

Formatos disponibles

Compartir este documento

Compartir o incrustar documentos

Opciones para compartir

¿Le pareció útil este documento?

¿Este contenido es inapropiado?

Copyright:

Formatos disponibles

Universidad Nacional Autónoma de México

Cargado por

Copyright:

Formatos disponibles

UNIVERSIDAD NACIONAL AUTÓNOMA DE MÉXICO

PROGRAMA DE MAESTRÍA Y DOCTORADO EN INGENIERÍA

ANÁLISIS GEOESTADÍSTICO DEL SUBSUELO DE

MÉXICO, D. F., DICIEMBRE DE 2015

El uso de imágenes, fragmentos de videos, y demás material que sea

Expreso mis agradecimientos:

A la División de Posgrado de la Facultad de Ingeniería de la UNAM por brindarme la

Al Instituto de Ingeniería de la UNAM (II-UNAM) por las facilidades en el uso de sus

A la DGAPA por su apoyo, Investigación realizada gracias al programa UNAM-DGAPA-

Al Laboratorio de Geoinformática de la Coordinación de Geotecnia del II-UNAM por el

ANÁLISIS GEOESTADÍSTICO DEL SUBSUELO

LISTA DE FIGURAS ............................................................................................................. v

El uso de imágenes, fragmentos de videos, y demás material que sea

3.4.2 Descripción de grupos de variables ......................................................................... 66

Figura 2.35. Funcionamiento del SIG-SG, consulta de sondeos............................................... 51

Tabla 4.32. Descripción estadística, profundidad de la FAS. .................................................. 280

 peso volumétrico, t/m3

x media de una muestra de datos

sx desviación estándar de una muestra de datos

EV ( X ) esperanza de un campo aleatorio

CV  X  coeficiente de variación de un campo aleatorio

2 u momento de segundo orden de un proceso incremental a lo largo de una dirección

Mediante el uso de herramientas de la informática y empleando la información básica de

La caracterización detallada del subsuelo se realizó empleando como herramienta principal la

Con base en la información disponible y los resultados de los análisis geoestadísticos se

El uso de imágenes, fragmentos de videos, y demás material que sea

El uso de imágenes, fragmentos de videos, y demás material que sea

En 1952, Leonardo Zeevaert publicó el trabajo “Estratigrafía y problemas de ingeniería en los

En sus orígenes, en la década de los cincuenta, la aplicación principal de la Geoestadística fue en

En los últimos 30 años la geoestadística ha probado su potencial en la minería como método de

En el área de Mecánica de Suelos, algunas primeras aplicaciones prácticas se encuentran

se ha aplicado a la estimación de los espesores de yacimientos de carbón (Auvinet, 1984), a la

Las bases de la Geoestadística aplicada a la Geotecnia, el problema del muestreo, el mapeo de

Un trabajo que antecede directamente al presente es el titulado “Aplicación de la geoestadística a

9. Establecer los modelos de correlación espacial de las propiedades (índice, mecánicas y

El uso de imágenes, fragmentos de videos, y demás material que sea

2. DESCRIPCIÓN DEL ÁREA DE ESTUDIO

Figura 2.1. Ubicación de la cuenca de México y del área de estudio.

Figura 2.2. Fisiografía de la Cuenca de México (DDF, 1975).

2.3 Información histórica

Figura 2.3. Evolución de los lagos de la cuenca de México (Schilling, 1963).

En la fig. 2.7, se presenta el “Plano reconstructivo de la región de Tenochtitlan” (González-

Tlalnepantla: de tlalli, tierra; nepantla, en medio; significa Tierra de en medio.

Figura 2.7. Plano reconstructivo de la región de Tenochtitlan (González-Aparicio, 1968).

2.5 Cartografía urbana

Figura 2.8. Representación de la cartografía urbana.

Figura 2.9. Extensión urbana del área de estudio.

Figura 2.10. Representación topográfica del área de estudio, modelo MRS.

En el área de estudio se identifican algunas variaciones de la superficie topográfica, la mayor

Tabla 2.1. Elevaciones principales localizadas dentro del área de estudio.

2.7 Imágenes de satélite

Figura 2.11. Imagen de satélite (Landsat, 2010).

El Pleistoceno es el escenario donde se desarrolla la sexta fase volcánica, donde hubo

La séptima fase culmina en el Cuaternario Superior con la formación de la Sierra de Chichinautzin

La descripción, que a continuación se presenta, sintetiza el estado actual del conocimiento de la

Figura 2.12. Geología y morfología de la cuenca de México (Mooser, en TGC, 2005).

Figura 2.13. Sección geológica del modelo conceptual (norte-sur).

Figura 2.14. Sección geológica del modelo conceptual (oeste-este).