Artículo cientíﬁco / Scientiﬁc paper

CIENCIAS DE LA TIERRA

pISSN:1390-3799; eISSN:1390-8596

https://doi.org/10.17163/lgr.n41.2025.04

CARACTERÍSTICAS DE LLUVIA Y EVENTOS EXTREMOS EN LOS

ANDES TROPICALES USANDO UN RADAR DE LLUVIA DE

APUNTAMIENTO VERTICAL

RAINFALL CHARACTERISTICS AND EXTREME EVENTS IN THE TROPICAL

ANDES USING A VERTICALLY POINTING RAIN RADAR

Javier Chininín-Cabrera1y Rolando Célleri*1,2

1Departamento de Recursos Hídricos y Ciencias Ambientales, Universidad de Cuenca, 010207, Cuenca, Ecuador.

2Facultad de Ingeniería, Universidad de Cuenca, 010203, Cuenca, Ecuador.

*Autor para correspondencia: rolando.celleri@ucuenca.edu.ec

Manuscrito recibido el 26 de febrero de 2023. Aceptado, tras revisión el 25 de junio de 2024. Publicado el 1 de marzo de 2025.

Resumen

La información de la estructura vertical de la lluvia en los Andes es bastante limitada, a pesar de su importancia en

aspectos como modelos de clima (MC) y estimación cuantitativa de lluvia (ECL). Dentro de estos aspectos, los even-

tos extremos conforman un punto de alto interés debido a la necesidad de mitigar los problemas sociales que pueden

ocasionar. Por lo tanto, el objetivo de esta investigación es caracterizar la estructura vertical de la lluvia y eventos ex-

tremos en los Andes Tropicales usando un micro radar de lluvia de apuntamiento vertical. Para esto, (i) se determinó

el ciclo diario de lluvia; (ii) se caracterizó la bright band; (iii) se caracterizó la columna de agua y los perﬁles verticales

promedio de reﬂectividad. Se utilizaron 5 años de datos medidos con un radar de apuntamiento vertical instalado en

Cuenca, Ecuador. Los principales resultados indican que (i) los eventos de lluvia con altas intensidades se concentran

entre las 12:30 – 20:00 h (Tiempo Local), y en este intervalo se registra el 77% del total de lluvia; (ii) la bright band tiene

un espesor entre 200 y 400 m y su parte superior (capa de fusión) se ubica entre 4500 y 4900 m snm; y (iii) la lluvia

muestra una alta variabilidad en la columna de agua: durante la etapa convectiva los valores de reﬂectividad pueden

aumentar hasta en un 94% desde la capa de fusión hasta la superﬁcie. Los resultados evidencian la alta complejidad

de los eventos de lluvia de la zona andina y la necesidad de considerar estos aspectos para mejorar la precisión de

MC y ECL.

Palabras clave: Eventos extremos, capa de fusión, ciclo diario de lluvia, estructura vertical de lluvia, Andes tropicales.

72 LAGRANJA:Revista de Ciencias de la Vida 41(1) 2025:72-85.

Características de lluvia y eventos extremos en los Andes Tropicales usando un radar de lluvia de

Apuntamiento Vertical

Abstract

Although the vertical structure of rain is relevant in aspects such as climate models (CM) and quantitative precipita-

tion estimation (QPE), data about it is limited in the Andes. Within these aspects, extreme rainfall events are important

due to their potential social impacts. Therefore, this study aims to characterize the vertical structure of rain and ex-

treme events in the Tropical Andes using a Vertically Pointing Micro Rain Radar. For this, (i) the diurnal rainfall cycle

was determined; (ii) the bright band was characterized; (iii) common characteristics of the vertical rain proﬁle during

extreme events, along with the average vertical reﬂectivity proﬁles of different development stages of a characteristic

extreme event were studied. The study was performed using ﬁve years of data from a vertically pointing rain radar

installed in Cuenca, Ecuador. The main results indicate that (i) rain events with high intensities are concentrated bet-

ween 12:30 – 20:00 h (Local Time), during which 77% of the total rainfall occurs; (ii) the bright band has a thickness

between 200 and 400 m, and its top (melting layer) is located between 4500 and 4900 m above sea level; (iii) rainfall

shows a high variability in the water column: during the convective stage reﬂectivity values can increase up to 94%

from the fusion layer to the ground. The results show the complexity of rainfall events in the Andean region and the

need to consider these aspects into CM and QPE to improve their accuracy.

Keywords: Extreme events, melting layer, diurnal rainfall cycle, vertical structure of rain, tropical Andes.

Forma sugerida de citar: Chininín-Cabrera, J. y Célleri, R. (2025). Características de lluvia y eventos extremos en

los Andes Tropicales usando un radar de lluvia de apuntamiento vertical. La Granja:

Revista de Ciencias de la Vida. Vol. 41(1):72-85. https://doi.org/10.17163/lgr.n41.2025.04.

IDs Orcid:

Javier Chininín-Cabrera: https://orcid.org/0000-0003-3412-5576

Rolando Célleri: https://orcid.org/0000-0002-7683-3768

LAGRANJA:Revista de Ciencias de la Vida 41(1) 2025:72-85.

Artículo cientíﬁco/Scientiﬁc paper

CIENCIAS DE LA TIERRA Chininín-Cabrera, J. y Célleri, R.

1 Introducción

Los eventos extremos de lluvia representan un re-

to para la sociedad debido a las consecuencias que

pueden causar, como inundaciones repentinas, da-

ños en cultivos, erosión, deslizamientos de sue-

lo o contaminación de agua (Barlow et al., 2019;

Mukherjee et al., 2018). Esto hace indispensable

su entendimiento, caracterización y adecuada es-

timación para poder mitigar dichos efectos. Sin em-

bargo, en los Andes el estudio detallado de estos

eventos y los procesos que gobiernan la lluvia se

ha visto condicionado debido al escaso y mal distri-

buido monitoreo que existe (Perry et al., 2017; Seidel

et al., 2019) y a que sus propiedades varían en es-

calas temporales menores a las de la información

y modelos climáticos disponibles (Boucher et al.,

2013; Seidel et al., 2019; Ward et al., 2011).

Este problema se ampliﬁca por la alta variabi-

lidad espaciotemporal de sus procesos, ocasionada

por la complejidad topográﬁca existente (Orellana-

Alvear et al., 2017; Yarleque et al., 2016). Todo esto

se ve reﬂejado especialmente en la limitada infor-

mación y estudios disponibles en los Andes sobre

la estructura vertical de la lluvia (EVL) a lo largo de

la columna de agua, es decir, desde su origen en las

nubes hasta llegar a tierra.

El estudio de la EVL tiene un alto impacto en

diferentes aspectos. En primer lugar, permite com-

prender la microfísica que gobierna la formación y

evolución de la lluvia (Durán-Alarcón et al., 2019;

Urgilés et al., 2021); además, una característica co-

mo la bright band (BB) permite estimar la altura a

la cual se origina la lluvia, ya que es usada como un

indicador de la capa de fusión (Endries et al., 2018;

Konwar et al., 2012; Sumesh et al., 2019). Por otra

parte, en zonas montañosas, los productos de rada-

res y satélites presentan deﬁciencias en su precisión

(Chen et al., 2022; Orellana-Alvear et al., 2019; Satgé

et al., 2019; Ward et al., 2011), ocasionadas por la

diferencia en altitud entre el lugar donde se realiza

la medición y la tierra.

Estas imprecisiones por lo general se corrigen

directamente con información de pluviómetros en

tierra, sin considerar la variación de las propieda-

des de la lluvia (por ejemplo, reﬂectividad) en la

columna de agua (Das and Maitra, 2016; Kirstetter

et al., 2013; Peters et al., 2005). Por lo que la EVL

proporciona información necesaria para mejorar,

comparar y validar modelos climáticos y estimacio-

nes obtenidas de radares y satélites (Durán-Alarcón

et al., 2019).

Los radares terrestres de apuntamiento vertical

conforman una alternativa adecuada para obtener

información de la EVL (Durán-Alarcón et al., 2019;

Luo et al., 2020; Urgilés et al., 2021). En los Andes

Tropicales los estudios que han usado estos radares

son limitados y pueden clasiﬁcarse en dos grupos:

los que describen directamente la EVL y los que

usan la EVL con otra ﬁnalidad. Dentro del primer

grupo, los estudios se han centrado principalmente

en la capa de fusión o BB. Perry et al. (2017) calcula

la distribución de frecuencias de la altura de la capa

de fusión para Cusco, Perú (agosto 2014– febrero

2015) y La Paz, Bolivia (octubre 2015– diciembre

2015), obteniendo que en ambos casos la mayoría

de mediciones se encuentran entre 4400 y 5100 m

sobre el nivel del mar (msnm). Endries et al. (2018)

usa el mismo set de datos para Cusco y uno exten-

dido para La Paz (octubre 2015– febrero 2017) para

estudiar la altura de la BB según la hora del día,

encontrando que, de forma consistente con la tem-

peratura de la superﬁcie, esta es mayor en la tarde

y el inicio de la noche; además, que el fenómeno de

El Niño en La Paz puede ser responsable de un in-

cremento de esta altura en el periodo de 2015– 2016.

Finalmente, Kumar et al. (2020) en Huancayo,

Perú (2015– 2018), reporta que la BB se encuentra

mayormente entre 4000 a 5000 msnm, pero tam-

bién determina por primera vez la variación verti-

cal de propiedades de lluvia (reﬂectividad, inten-

sidad, contenido de agua líquida y distribución de

tamaño de gotas) para diferentes intensidades en

la superﬁcie, encontrando comportamientos intere-

santes especialmente para altas intensidades (20–

200 mm/h). El segundo grupo de estudios se ha

centrado mayormente en clasiﬁcar la lluvia en es-

tratiforme, convectiva o mixta involucrando la EVL,

como lo hacen Seidel et al. (2019) y Urgilés et al.

(2021). Además, Bendix et al. (2006) en Loja, Ecua-

dor, muestra que la lluvia de carácter mixto es una

característica importante de la precipitación de la

zona y Schauwecker et al. (2017) con el mismo set

de datos para Cusco de Perry et al. (2017), deter-

mina que cuando la temperatura de la superﬁcie es

menor a 15 ◦C la capa de fusión puede estimarse

relativamente usando extrapolaciones con datos de

74 LAGRANJA:Revista de Ciencias de la Vida 41(1) 2025:72-85.

Características de lluvia y eventos extremos en los Andes Tropicales usando un radar de lluvia de

Apuntamiento Vertical

reanálisis.

Como se puede notar, la información de la EVL

en los Andes Tropicales medida directamente con

radares en tierra es bastante limitada y su descrip-

ción se encuentra concentrada en Perú y Bolivia;

además que en ningún caso se ha usado la misma

para estudiar la generación y dinámica de la lluvia

para eventos extremos, pese a su importancia tanto

en aspectos sociales como en modelos y estimacio-

nes de lluvia. Por lo tanto, el objetivo de esta inves-

tigación es caracterizar la estructura vertical de la

lluvia y eventos extremos en los Andes Tropicales,

usando un micro radar de lluvia de apuntamiento

vertical ubicado en Cuenca, Ecuador. Para esto, se

plantea (i) caracterizar la distribución de los even-

tos de lluvia durante el día, especialmente los de al-

tas intensidades, a partir del estudio del ciclo diario

de lluvia; (ii) caracterizar la bright band a partir de

sus particularidades más importantes; (iii) caracte-

rizar la columna de agua de los eventos de lluvia

extrema y su evolución temporal.

2 Metodología

2.1 Área de estudio y equipamiento

El estudio se realizó con datos tomados en el Obser-

vatorio Meteorológico Balzay (2◦53’32” S, 79◦02’10”

W), el cual se ubica a 2600 msnm en los Andes de

Ecuador en la ciudad de Cuenca (Figura 1). La zona

tiene un régimen bimodal de precipitación con me-

ses lluviosos en Marzo-Abril y Octubre-Noviembre

(Campozano et al., 2016).

Figura 1. Zona de estudio en los Andes Ecuatorianos

Los datos corresponden a un Micro Rain Radar

(MRR), el cual es un radar compacto de antena para-

bólica y de apuntamiento vertical, con una frecuen-

cia de 24 GHz, longitud de onda de 12,5 mm y mo-

do de operación FM-CW (Löfﬂer-Mang et al., 1999;

METEK, 2009; Peters et al., 2002). Este usa el espec-

tro Doppler de velocidad como principio de medi-

ción y deriva la distribución del tamaño de gotas

mediante la relación analítica de su velocidad ter-

minal y su diámetro, descrita en Atlas et al. (1973).

Posteriormente, en base a dicha variable, este calcu-

la parámetros de lluvia como reﬂectividad, conteni-

do de agua líquida, intensidad de lluvia y velocidad

de caída de gotas; las relaciones pueden revisarse a

detalle en METEK (2009) y Peters et al. (2005). En

cada medición del radar la columna de agua se dis-

cretiza verticalmente en 31 partes iguales (bandas),

y para cada una se obtienen las 5 variables mencio-

nadas; a esta medición se las denominará perﬁl ver-

tical (PV).

LAGRANJA:Revista de Ciencias de la Vida 41(1) 2025:72-85.

Artículo cientíﬁco/Scientiﬁc paper

CIENCIAS DE LA TIERRA Chininín-Cabrera, J. y Célleri, R.

2.2 Datos y preprocesamiento

Se utilizaron 5 años de mediciones del MRR en el

periodo de febrero 2017 a enero de 2022. Las obser-

vaciones del MRR contaron con una resolución tem-

poral y altitudinal (espesor de bandas) de 1 minuto

y 100 m, respectivamente. El MRR mide la precipi-

tación hasta una altura de 3100 m sobre el nivel del

terreno (es decir, desde 2600 hasta 5700 msnm). Las

variables usadas corresponden a la reﬂectividad e

intensidad de lluvia. Para rellenar vacíos y eliminar

datos atípicos para la intensidad de lluvia medida

en la banda más baja se utilizaron mediciones de un

disdrómetro laser (Thies Clima Laser), ubicado en

el mismo observatorio meteorológico. El porcentaje

de mediciones faltantes para esta variable se redujo

de 15,7% a 6,0%. Para esto, se realizó una correla-

ción lineal entre la lluvia acumulada cada 5 minu-

tos para ambos dispositivos (Figura 2). Pese a que

el MRR mide la intensidad promedio en una banda

de 100 m desde la superﬁcie, su variabilidad puede

ser explicada en un 80% por el disdrómetro, como

lo indica el coeﬁciente de determinación (R2); ade-

más, el valor-p es menor que 0,001.

Figura 2. Correlación de lluvia acumulada cada 5 minutos entre mediciones del disdrómetro y el MRR en su primera banda sobre

el nivel del terreno (0-100 msnm)

Por otra parte, para los PV no se realizó un lle-

nado de vacíos, pero se aplicó un control de cali-

dad eliminando mediciones incompletas (PV que

tengan una o más bandas sin medir). Además, se

excluyeron de todos los análisis las dos bandas más

altas de los PV, ya que comúnmente presentan va-

lores atípicos debido a interferencias electromagné-

ticas.

2.3 Cálculo del ciclo diario de lluvia

Las características del ciclo diario de lluvia se es-

tudiaron para intervalos de 30 minutos mediante

los valores de la cantidad de precipitación prome-

dio (PA), frecuencia de precipitación (PF), intensi-

dad promedio de precipitación (PI) y cantidad de

precipitación promedio acumulada (PAQ). En ba-

se a consideraciones de Zhou et al. (2008) y Zhang

et al. (2017), para cada intervalo de 30 minutos du-

rante los 5 años de estudio, PA se calculó como la di-

visión entre la precipitación acumulada y el núme-

ro de mediciones válidas; PF como la relación entre

el número de mediciones lluviosas y el número de

mediciones válidas; y PI como la relación entre la

precipitación acumulada y el número de medicio-

nes lluviosas. Además, PAQ es calculada como el

porcentaje acumulado del total de lluvia hasta cada

intervalo. Para este estudio, se consideró como váli-

da una medición de 30 minutos cuando se dispone

del 90% o más de minutos medidos en dicho inter-

valo, y como lluviosa cuando se registra un mínimo

de 0,1 mm de precipitación.

76 LAGRANJA:Revista de Ciencias de la Vida 41(1) 2025:72-85.

Características de lluvia y eventos extremos en los Andes Tropicales usando un radar de lluvia de

Apuntamiento Vertical

2.4 Caracterización de la bright band

Se caracterizó el comportamiento de la BB, tanto de

su espesor (BBth) como de la altura de su parte su-

perior (capa de fusión; HT), y se calculó cómo estas 2

características variaron durante el periodo de estu-

dio. Para detectar la existencia de la BB durante un

evento se implementó el algoritmo planteado por

Cha et al. (2009), que se basa en estudios previos de

Klaassen (1988) y Fabry and Zawadzki (1995) pero

incluye un nuevo concepto denominado bright band

sharpness. Este algoritmo se fundamenta en el uso

del PV de reﬂectividad y la variación de su gradien-

te.

Cuando se detecta la existencia de la BB en una

medición, HTse deﬁne como la altitud con el ma-

yor gradiente negativo, y de forma similar la parte

inferior (HB) como la altitud con el mayor gradien-

te positivo; BBth se calcula como la diferencia entre

HTyHB. Adicionalmente, el algoritmo requiere la

reﬂectividad máxima (Zpeak) del PV; para su obten-

ción se excluyeron los primeros 500 m desde el sue-

lo, ya que se veriﬁcó que en algunas ocasiones Zpeak

se desarrollaba en dichas alturas (esto se debe prin-

cipalmente a que en diferentes eventos se presentan

procesos de coalescencia y agregación en estas altu-

ras, por lo que la reﬂectividad puede aumentar sig-

niﬁcativamente, siendo mayor que en la BB) y esto

conllevaba a descartar erróneamente un PV donde

existe una BB.

2.5 Variabilidad vertical de la lluvia

Mediante inspección visual se comparó la evolu-

ción del PV de reﬂectividad de todos los eventos en

los que en la primera banda se registraron intensi-

dades superiores a 100 mm/h en un minuto. Este

límite permite obtener aproximadamente el 10,0%

de eventos con intensidades por minuto más altas

registradas en todo el intervalo de estudio, por lo

que se catalogan como eventos extremos de lluvia.

De estos, se seleccionó un evento de lluvia de alta

intensidad representativo y se estudiaron detenida-

mente las características del perﬁl vertical promedio

de reﬂectividad (PVPR) para sus diferentes etapas

de desarrollo.

Para cada etapa, el PVPR se calculó como el va-

lor promedio de reﬂectividad de cada banda de los

PV, como muestran Das and Maitra (2016) y Peters

et al. (2005). Las etapas de desarrollo se clasiﬁcaron

como convectiva, estratiforme con BB, y estratifor-

me sin BB. Para identiﬁcar las etapas convectivas y

estratiformes, se usaron los perﬁles verticales de ve-

locidad y un sistema de reglas difusas como se des-

cribe en Seidel et al. (2019); las mediciones que con

esta metodología no son posibles de clasiﬁcar se de-

nominan como “Sin Clase”. Además, para la subcla-

siﬁcación de la etapa estratiforme, la detección de la

BB se realizó en base al algoritmo descrito en la sec-

ción 2.4.

3 Resultados

3.1 Ciclo diario de lluvia

La Figura 3 muestra las curvas de cantidad de pre-

cipitación (PA), frecuencia de precipitación (PF),

intensidad de precipitación (PI) y cantidad de preci-

pitación acumulada (PAQ) del ciclo diario de lluvia.

PA y PI evidencian claramente el patrón de lluvia

de la zona, con un comportamiento unimodal don-

de sus picos más altos se concentran alrededor de

las 15:00 h Tiempo Local (TL; UTC-5). PA muestra

que la cantidad de lluvia acumulada por cada inter-

valo crece signiﬁcativamente a partir de las 12:30 h

TL y se estabiliza alrededor de las 20:00 h TL, man-

teniéndose relativamente baja durante el resto del

día. Además, en este intervalo de 7,5 h se precipi-

tó el 77% del total de lluvia, como señala PAQ. De

igual forma, PI indica que entre las 14:00– 14:30 h

TL se registran las intensidades promedio máximas

con valores cercanos a 4 mm/h.

Si bien esta intensidad puede considerarse ba-

ja, se debe notar que es el promedio de todos los

eventos medidos en el intervalo. La magnitud de los

eventos que se desarrollan en este intervalo, y los

adyacentes, se puede evidenciar contrastando PF y

PA, ya que PF es aproximadamente el triple que en

horas de la noche o de la mañana, pero las cantida-

des de lluvia acumulada pueden llegar a ser hasta

20 veces más. Esto indica que en estas horas ocu-

rren eventos de altas intensidades que contribuyen

con gran parte de la precipitación total.

LAGRANJA:Revista de Ciencias de la Vida 41(1) 2025:72-85.

Artículo cientíﬁco/Scientiﬁc paper

CIENCIAS DE LA TIERRA Chininín-Cabrera, J. y Célleri, R.

Figura 3. Ciclo diario de lluvia para el periodo 01/02/2017 - 31/01/2022. a) Cantidad de precipitación (PA) y cantidad de preci-

pitación acumulada (PAQ); b) Frecuencia de precipitación (PF) e intensidad de precipitación (PI)

3.2 Caracterización de la bright band

La Figura 4 presenta la caracterización de la BB en

términos de a) Ciclo diario, b) Variación y frecuencia

de la altura de su parte superior (HT) y c) Variación

y frecuencia de su espesor (BBth). Se encontró que

la mínima ocurrencia de la BB ocurre entre las 9:00

y las 12:00 h TL. A partir de allí, esta aumenta hasta

alcanzar su pico máximo a las 18:00 h TL, donde

inicia un periodo de decaimiento hasta repetirse el

ciclo (Figura 4a).

Por otra parte, HTyBBth muestran un compor-

tamiento relativamente estable con variaciones cen-

tradas en valores típicos. En el caso de HT(Figura

4b), en el 94,5% de ocasiones se encuentra a una al-

tura entre 4500 a 4900 msnm. Mientras que BBth (Fi-

gura 4c) varía entre 200 a 400 m en el 93.4% de ve-

ces. Estas características indican la altura de la capa

de fusión (donde se origina la lluvia) y la distancia

que toma completar el proceso de fusión de hielo

o nieve para originar lluvia en la zona. Adicional-

mente, el rango de variación de HTes concordante

con estudios previos en los Andes de Bolivia y Perú

(Endries et al., 2018; Kumar et al., 2020; Perry et al.,

2017) señalando estabilidad de esta altura. Las ma-

yores diferencias se presentan respecto al sur de Pe-

rú donde se registran alturas mayores en el verano

austral y que según Schauwecker et al. (2017) po-

drían ser ocasionados por el sistema Boliviano de

alta presión.

3.3 Variabilidad vertical de la lluvia en

eventos extremos

Durante todo el periodo de estudio existieron 30

eventos de alta intensidad de lluvia en los que a

nivel superﬁcial se registraron intensidades supe-

riores a 100 mm/h en un minuto. Todos estos pre-

sentan etapas convectivas en su evolución y el 90%

lo hace en los primeros minutos de la tormenta,

alcanzando rápidamente altas reﬂectividades de

alrededor de 40 dBZ. Además, el 50% de los even-

tos presenta un comportamiento exclusivamente

convectivo, mientras que el resto tiene una com-

binación con etapas estratiformes. De este último

grupo, el 80% presenta etapas estratiformes con BB

y se desarrollan comúnmente al ﬁnal de la tormen-

ta.

El 28 de diciembre de 2017 ocurrió un evento

que engloba varias de las características menciona-

das y por ello se seleccionó como caso de estudio.

La Figura 5 muestra la evolución en el tiempo de su

perﬁl de reﬂectividad y la barra de colores superior

señala los momentos en los que se registraron las

etapas convectivas, estratiformes con BB y estrati-

formes sin BB. Seidel et al. (2019) usó este mismo

evento para ilustrar los resultados de la metodo-

logía mencionada en la sección 2.5 para clasiﬁcar

tormentas en sus etapas convectivas o estratifor-

mes, por lo que el análisis realizado en este estudio

también complementa el mismo.

Los perﬁles verticales promedio de reﬂectividad

(PVPR) para las etapas del caso de estudio se mues-

tran en la Figura 6. El PVPR de la etapa convectiva

presenta diferencias signiﬁcativas con los de las es-

tratiformes, ya que por debajo de los 4700 msnm tie-

ne un gradiente negativo mucho mayor. Esto gene-

ra un aumento considerable de la reﬂectividad des-

de la capa de fusión hasta la superﬁcie (93,7%) y

se debe esencialmente a que los vientos verticales,

78 LAGRANJA:Revista de Ciencias de la Vida 41(1) 2025:72-85.

Características de lluvia y eventos extremos en los Andes Tropicales usando un radar de lluvia de

Apuntamiento Vertical

característicos de eventos convectivos, favorecen a

un rápido crecimiento de gotas, dominando así la

coalescencia y agregación por sobre otros procesos

(Luo et al., 2020; Ramadhan et al., 2020; Rosenfeld

and Ulbrich, 2003; Wen et al., 2017).

Figura 4. Características de la bright band en el periodo 01/02/2017 - 31/01/2022. a) Ciclo diario; b) Variación y frecuencia de la

altura de su parte superior (HT); c) Variación y frecuencia de su espesor (BBth).

Figura 5. Perﬁl vertical de reﬂectividad y etapas de desarrollo del evento registrado el 28 de diciembre de 2017 entre las 14:50 y

19:10 h TL.

LAGRANJA:Revista de Ciencias de la Vida 41(1) 2025:72-85.

Artículo cientíﬁco/Scientiﬁc paper

CIENCIAS DE LA TIERRA Chininín-Cabrera, J. y Célleri, R.

En el caso de los PVPR de las etapas estratifor-

mes, estos tienen un incremento de reﬂectividad

considerable entre los 4700 y 4200 msnm que in-

dican que la lluvia es originada por fusión (Mass-

mann et al., 2017), pero muestran un comporta-

miento diferente luego de alcanzar la reﬂectividad

máxima en este rango, sugiriendo que en la etapa

sin BB existe un rápido crecimiento de gotas que

mantiene la reﬂectividad cercana a este valor. Ade-

más, por debajo de los 4200 m snm los PVPR de

estas etapas tienen un comportamiento semejante,

manteniendo valores relativamente constantes has-

ta aproximarse a la superﬁcie donde se presenta un

gradiente negativo. Este comportamiento estable se

debe a que tanto los procesos de coalescencia, rom-

pimiento de gotas y evaporación se mantienen en

equilibrio; mientras que el incremento de reﬂectivi-

dad en alturas próximas a la superﬁcie se explica

por el dominio de procesos de coalescencia y agre-

gación (Luo et al., 2020; Ramadhan et al., 2020; Wen

et al., 2017).

Por otra parte, sobre los 4700 msnm todos los

PVPR presentan un comportamiento relativamente

similar y constante. Esto probablemente ocurre por-

que en este rango el agua se encuentra en estado

sólido, ya que, como se describe en la sección 3.2,

en esta altura se encuentra generalmente la capa de

fusión.

Figura 6. Perﬁles verticales promedio de reﬂectividad (PVPR), para etapas de la tormenta registrada el 28 de diciembre de 2017

entre 14:50 y 19:10 h TL

4 Discusión

4.1 Variabilidad intradiaria de las caracte-

rísticas de la lluvia

El ciclo diario de lluvia coincide con los resultados

previos mostrados en Yang and Smith (2006) don-

de se determinó que en la parte continental de los

trópicos los máximos se concentran alrededor de la

media tarde. El comportamiento unimodal del ciclo

diario muestra la alta inﬂuencia de los eventos con-

vectivos de la tarde que son ocasionados principal-

mente por el calentamiento de la superﬁcie (Bendix

et al., 2006; Perry et al., 2014). De hecho, los 30 even-

tos extremos identiﬁcados en el periodo de estudio

ocurrieron entre las 12:30 y 20:00 h TL. Esto coin-

cide con Hernandez-Deckers (2022), quien mostró

que en el noroeste de América del Sur (incluyendo

parte de Ecuador) el ciclo diario de eventos convec-

tivos sigue un patrón con alta semejanza a PA.

Cabe recalcar que en las estribaciones orienta-

les andinas de Colombia, Perú y el sur de Ecuador

también se reportan comportamientos diferentes,

especialmente bimodales con picos en la madruga-

da y tarde-noche, que se atribuyen generalmente a

inestabilidades de meso-escala (Bendix et al., 2006;

Endries et al., 2018; Kumar et al., 2020, 2019; Poveda

et al., 2005; Seidel et al., 2019).

80 LAGRANJA:Revista de Ciencias de la Vida 41(1) 2025:72-85.

Características de lluvia y eventos extremos en los Andes Tropicales usando un radar de lluvia de

Apuntamiento Vertical

Por otra parte, los eventos de bajas intensidades co-

mo estratiformes con o sin BB tienen también una

alta importancia en el ciclo diario de lluvia, ya que

como Seidel et al. (2019) revela, el 91,9% de medi-

ciones de lluvia en la zona son de carácter estratifor-

me y de éste el 37,2% tiene BB, y su ciclo diario (Fi-

gura 4a) reﬂeja que estos mantienen una ocurrencia

persistente a lo largo del día, exceptuando las maña-

nas. Esta alta frecuencia y persistencia se evidencia

en el ciclo diario principalmente fuera del interva-

lo de 12:30 – 20:00 h TL donde se mantienen canti-

dades y frecuencias de lluvia relativamente bajas y

estables.

4.2 Variabilidad vertical de la reﬂectividad

y su inﬂuencia en estimaciones de lluvia

Si bien en esta investigación la variabilidad vertical

de la reﬂectividad reportada en detalle mediante

PVPR se encuentra limitada al caso de estudio, sirve

para mostrar la importancia de considerar todas las

etapas de evolución de los eventos para estos aná-

lisis. Estudios como los de Das and Maitra (2016),

Kumar et al. (2020) y Peters et al. (2005) analizan

los PVPR de PV agrupados según la intensidad de

lluvia en la superﬁcie; dicho enfoque podría im-

plicar la pérdida de información para modelos en

eventos estratiformes con BB. Esto debido a que se

promedian perﬁles con y sin BB, por lo que el pi-

co de reﬂectividad (Figura 6) podría perderse y es

justamente esta característica la que puede generar

sobreestimaciones en la superﬁcie, como se discuti-

rá más adelante.

Por otra parte, se presume que agrupar los PV

según las etapas de evolución del evento, como

se hizo en este estudio, también puede incurrir en

la omisión de información para intensidades ba-

jas donde existe mayor posibilidad de evaporación

y por ende de un gradiente positivo en el PV de

reﬂectividad, como se muestra en Das and Maitra

(2016) y Kumar et al. (2020) para intensidades entre

0,02 y 2 mm/h. Este tipo de gradiente no ocurrió en

los resultados de la presente investigación, y se cree

que podría deberse ya sea a las condiciones espe-

cíﬁcas del evento o al hecho de promediar PV con

gradientes opuestos.

En este contexto, hemos constatado que la reﬂec-

tividad tiene una alta variabilidad en la columna de

agua, así como a lo largo (en las diferentes etapas)

de los eventos de lluvia. Esto muestra la necesidad

de tomar diferentes consideraciones en la zona pa-

ra la estimación de lluvia usando radares en tierra

o satélites, ya que pueden ocurrir posibles errores

dependiendo de la altura a la cual se obtengan las

mediciones. Una subestimación de lluvia podría

generarse debido a 1) Mediciones sobre la capa de

fusión en cualquier etapa de los eventos, como se

ve en el caso de estudio sobre los 4700 msnm en

donde todas las reﬂectividades son menores que las

de la superﬁcie, siendo 122,8% la mayor diferencia;

y 2) Altos gradientes negativos en etapas convecti-

vas, en el caso de estudio por debajo de la capa de

fusión, el cual ocasionó un incremento de 93,7% en

la reﬂectividad hasta llegar a la superﬁcie. Por otra

parte, sobreestimaciones pueden ocurrir con medi-

ciones para etapas estratiformes en la altura de la

BB debido al pico de reﬂectividad que se genera en

la misma y que no representa las condiciones en tie-

rra; además, en caso de existir evaporación cerca de

la superﬁcie, esta sobreestimación puede incremen-

tarse debido a que la reﬂectividad disminuiría y la

diferencia con la BB sería mucho mayor a la que se

muestra en la Figura 6 para el caso de estudio.

Para evitar estos errores, lo ideal sería poder

clasiﬁcar el evento en convectivo o estratiforme–

con BB o sin BB – para posteriormente estimar la

lluvia usando relaciones Z–R calibradas para estos

tipos, que incluyan su evolución vertical y su zo-

na correspondiente; sin embargo, esto podría estar

limitado por la necesidad de una red de instru-

mentación que permita realizar esta clasiﬁcación en

diferentes puntos. Esto resalta la importancia del

uso de nuevos métodos para estimar la lluvia ba-

sada en mediciones con radares en tierra, como el

mostrado en Orellana-Alvear et al. (2019), donde se

mejora la precisión del radar CAXX usando estima-

ciones provenientes de random forest, un algoritmo

de aprendizaje supervisado. Estos modelos podrían

estar considerando indirectamente las diferencias

según los tipos de lluvia.

En base a lo descrito, se recomienda futuras

investigaciones donde se comparen los enfoques

mencionados para agrupar los PV, tanto por inten-

sidades como por tipos de lluvia. Esto permitirá de-

terminar la mejor manera de agrupar los mismos

para caracterizar su evolución vertical con la menor

cantidad de información perdida. Lo que será im-

portante también para poder mejorar las estimacio-

LAGRANJA:Revista de Ciencias de la Vida 41(1) 2025:72-85.

Artículo cientíﬁco/Scientiﬁc paper

CIENCIAS DE LA TIERRA Chininín-Cabrera, J. y Célleri, R.

nes de lluvia tanto con métodos tradicionales como

con alternativos, ya que para las agrupaciones de

PV más eﬁcientes se podría obtener relaciones Z–R

calibradas y de igual forma modelos de inteligencia

artiﬁcial, de ser factible, para cada agrupación.

5 Conclusiones

El objetivo de esta investigación fue caracterizar la

estructura vertical de la lluvia y eventos extremos

en uno de los pocos sitios de los Andes equipados

con radares de apuntamiento vertical en tierra. Para

esto, se determinó el ciclo diario de lluvia, se carac-

terizó la bright band, se estudiaron características en

común en la columna de agua de eventos de alta

intensidad y los perﬁles verticales promedio de re-

ﬂectividad de un evento característico. En base a

esto, se puede concluir lo siguiente:

Los eventos de altas intensidades ocurren du-

rante la tarde y son los responsables de dar la forma

al ciclo diario de lluvia, el cual tiene una forma uni-

modal, con el pico a las 15:00. El 77% del total de

lluvia se registra entre las 12:00 y 20:00 h.

La BB presenta un comportamiento y caracte-

rísticas bastante constantes durante el periodo de

estudio, ya que (i) en el 94,5% de ocasiones su parte

superior (capa de fusión) se ubica entre 4500 y 4900

m snm; (ii) el 93,4% del tiempo tiene un espesor

de 200 a 400 m; y (iii) su ciclo diario muestra que

únicamente en las mañanas existe un decremento

signiﬁcativo en su ocurrencia.

Los eventos de lluvia de altas intensidades son

principalmente repentinos, ya que el 90% de los

eventos estudiados tuvo un incremento brusco de

su reﬂectividad inmediatamente luego de iniciar

la tormenta. Además, la mitad de los eventos in-

tensos fueron combinados, del tipo convectivos-

estratiformes.

La reﬂectividad tiene una alta variabilidad en la

columna de agua durante los eventos de lluvia de

alta intensidad. Durante la etapa convectiva, los va-

lores de reﬂectividad pueden aumentar hasta en un

94% desde la capa de fusión hasta la superﬁcie.

Agradecimientos

Este estudio formó parte del proyecto SDGnexus Net-

work (número de subsidio 57526248), ﬁnanciada

por el Servicio Alemán de Intercambio Académi-

co (DAAD) con fondos del Ministerio Federal de

Cooperación Económica y Desarrollo (Federal Mi-

nistry for Economic Cooperation, BMZ), programa

“exceed - Hochschulexzellenz in der Entwicklungs-

zusammenarbeit”. La Universidad de Cuenca coﬁ-

nanció esta investigación a través del Vicerrectora-

do de Investigación.

Contribución de los autores

J.C.C.: Curación de datos, análisis formal, inves-

tigación, software, Escritura– borrador original;

R.C.: Conceptualización, adquisición de ﬁnancia-

ción, metodología, supervisión, validación, Escritu-

ra– revisión y edición.

Referencias

Atlas, D., Srivastava, R., and Sekhon, R. (1973).

Doppler radar characteristics of precipitation at

vertical incidence. Reviews of Geophysics, 11(1):1–

35. Online:https://n9.cl/8t5da7.

Barlow, M., Gutowski, W., Gyakum, J., Katz, R.,

Lim, Y., Schumacher, R., Wehner, M., Agel, L.,

Bosilovich, M., Collow, A., Gershunov, A., Grot-

jahn, R., Leung, R., Milrad, S., and Min, S. (2019).

North american extreme precipitation events and

related large-scale meteorological patterns: a re-

view of statistical methods, dynamics, modeling,

and trends. Climate Dynamics, 53:6835–6875. On-

line:https://n9.cl/jovyd.

Bendix, J., Rollenbeck, R., and Reudenbach, C.

(2006). Diurnal patterns of rainfall in a tropi-

cal andean valley of southern ecuador as seen by

a vertically pointing k-band doppler radar. In-

ternational Journal of Climatology: A Journal of the

Royal Meteorological Society, 26(6):829–846. Onli-

ne:https://n9.cl/57h73.

Boucher, O., Randall, D., Artaxo, P., Bretherton, C.,

Feingold, G., Forster, P., Kerminen, V., Kondo, Y.,

Liao, H., and Lohmann, U. (2013). Climate chan-

ge 2013: The physical science basis. Contribution of

working group I to the ﬁfth assessment report of the

82 LAGRANJA:Revista de Ciencias de la Vida 41(1) 2025:72-85.

Características de lluvia y eventos extremos en los Andes Tropicales usando un radar de lluvia de

Apuntamiento Vertical

intergovernmental panel on climate change, chapter

Clouds and aerosols, pages 571–657. Cambridge

University Press.

Campozano, L., Célleri, R., Trachte, K., Bendix, J.,

and Samaniego, E. (2016). Rainfall and cloud dy-

namics in the andes: A southern ecuador case

study. Advances in Meteorology, 2016(1):3192765.

Online:https://n9.cl/6c7l1.

Cha, J. W., Chang, K. H., Yum, S., and Choi, Y. J.

(2009). Comparison of the bright band charac-

teristics measured by micro rain radar (mrr) at a

mountain and a coastal site in south korea. Ad-

vances in Atmospheric Sciences, 26:211–221. Onli-

ne:https://n9.cl/4214z.

Chen, M., Huang, Y., Li, Z., Larico, A., Xue, M.,

Hong, Y., Hu, X., Novoa, H., Martin, E., McPher-

son, R., Zhang, J., Gao, S., Wen, Y., Perez, A.,

and Morales, I. (2022). Cross-examining preci-

pitation products by rain gauge, remote sensing,

and wrf simulations over a south american region

across the paciﬁc coast and andes. Atmosphere,

13(10):1666. Online:https://n9.cl/xfegq.

Das, S. and Maitra, A. (2016). Vertical proﬁle of

rain: Ka band radar observations at tropical lo-

cations. Journal of Hydrology, 534:31–41. Onli-

ne:https://n9.cl/ldgsx.

Durán-Alarcón, C., Boudevillain, B.and Genthon,

C., Grazioli, J., Souverijns, N., van Lipzig, N., Go-

rodetskaya, I., and Berne, A. (2019). The verti-

cal structure of precipitation at two stations in

east antarctica derived from micro rain radars.

The Cryosphere, 13(1):247–264. Online:https://n9.

cl/5c4zcy.

Endries, J., Perry, L., Yuter, S., Seimon, A., Andrade-

Flores, M., Winkelmann, R., Quispe, N., Rado,

M., Montoya, N., and Velarde, F. (2018). Radar-

observed characteristics of precipitation in the

tropical high andes of southern peru and boli-

via. Journal of Applied Meteorology and Climatology,

57(7):1441–1458. Online:https://n9.cl/69im8.

Fabry, F. and Zawadzki, I. (1995). Long-term ra-

dar observations of the melting layer of precipi-

tation and their interpretation. Journal of the at-

mospheric sciences, 52(7):838–851. Online:https://

n9.cl/la1qq.

Hernandez-Deckers, D. (2022). Features of at-

mospheric deep convection in northwestern

south america obtained from infrared satellite

data. Quarterly Journal of the Royal Meteorologi-

cal Society, 148(742):338–350. Online:https://n9.

cl/ehh79.

Kirstetter, P., Andrieu, H., Boudevillain, B., and Del-

rieu, G. (2013). A physically based identiﬁca-

tion of vertical proﬁles of reﬂectivity from volu-

me scan radar data. Journal of applied meteorology

and climatology, 52(7):1645–1663. Online:https://

n9.cl/w6d92h.

Klaassen, W. (1988). Radar observations and simu-

lation of the melting layer of precipitation. Jour-

nal of Atmospheric Sciences, 45(24):3741–3753. On-

line:https://n9.cl/p5x3q.

Konwar, M., Maheskumar, R., Das, S., and Morwal,

S. (2012). Nature of light rain during presence

and absence of bright band. Journal of earth system

science, 121:947–961. Online:https://n9.cl/38t3f.

Kumar, S., Castillo-Velarde, C., Valdivia Prado, J.,

Flores Rojas, J., Callañaupa Gutierrez, S., Mo-

ya Alvarez, A., Martine-Castro, D., and Silva, Y.

(2020). Rainfall characteristics in the mantaro ba-

sin over tropical andes from a vertically pointed

proﬁle rain radar and in-situ ﬁeld campaign. At-

mosphere, 11(3):248. Online:https://n9.cl/cqkjhd.

Kumar, S., Vidal, Y., Moya-Álvarez, A., and

Martínez-Castro, D. (2019). Effect of the surface

wind ﬂow and topography on precipitating cloud

systems over the andes and associated amazon

basin: Gpm observations. Atmospheric Research,

225:193–208. Online:https://n9.cl/dpba8.

Löfﬂer-Mang, M., Kunz, M., and Schmid, W. (1999).

On the performance of a low-cost k-band doppler

radar for quantitative rain measurements. Journal

of Atmospheric and Oceanic Technology, 16(3):379–

387. Online:https://n9.cl/gq699.

Luo, L., Xiao, H., Yang, H., Chen, H., Guo, J., Sun,

Y., and Feng, L. (2020). Raindrop size distribu-

tion and microphysical characteristics of a great

rainstorm in 2016 in beijing, china. Atmospheric

Research, 239:104895. Online:https://n9.cl/991oo.

Massmann, A., Minder, J., Garreaud, R., Kingsmill,

D., Valenzuela, R.and Montecinos, A., and Fults,

LAGRANJA:Revista de Ciencias de la Vida 41(1) 2025:72-85.

Artículo cientíﬁco/Scientiﬁc paper

CIENCIAS DE LA TIERRA Chininín-Cabrera, J. y Célleri, R.

S.and Snider, J. (2017). The chilean coastal oro-

graphic precipitation experiment: Observing the

inﬂuence of microphysical rain regimes on coas-

tal orographic precipitation. Journal of Hydrome-

teorology, 18(10):2723–2743. Online:https://n9.cl/

6yykb4.

METEK (2009). MRR Physical Basics, Valid for MRR

Service Version 5.2.0.1.

Mukherjee, S., Aadhar, S., Stone, D., and Mishra, V.

(2018). Increase in extreme precipitation events

under anthropogenic warming in india. Weather

and climate extremes, 20:45–53. Online:https://n9.

cl/ilr75.

Orellana-Alvear, J., Célleri, R., Rollenbeck, R., and

Bendix, J. (2017). Analysis of rain types and their

z–r relationships at different locations in the high

andes of southern ecuador. Journal of Applied Me-

teorology and Climatology, 56(11):3065–3080. Onli-

ne:https://n9.cl/aujfbd.

Orellana-Alvear, J., Célleri, R., Rollenbeck, R., and

Bendix, J. (2019). Optimization of x-band radar

rainfall retrieval in the southern andes of ecua-

dor using a random forest model. Remote Sensing,

11(14):1632. Online:https://n9.cl/2jmom.

Perry, L., Seimon, A., Andrade-Flores, M., Endries,

J., Yuter, S., Velarde, F., Arias, S., Bonshoms, M.,

Burton, E., Winkelmann, I., Cooper, C., Mama-

ni, G., Rado, M., Montoya, N., and Quispe, N.

(2017). Characteristics of precipitating storms

in glacierized tropical andean cordilleras of pe-

ru and bolivia. Annals of the American Associa-

tion of Geographers, 107(2):309–322. Online:https:

//n9.cl/tmmwu.

Perry, L., Seimon, A., and Kelly, G. (2014). Pre-

cipitation delivery in the tropical high andes of

southern peru: new ﬁndings and paleoclimatic

implications. International journal of Climatology,

34(1):197–215. Online:https://n9.cl/deq83.

Peters, G., Fischer, B., and Andersson, T. (2002).

Rain observations with a vertically looking mi-

cro rain radar (mrr). Boreal environment research,

7(4):353–362. Online:https://n9.cl/g4ihk.

Peters, G., Fischer, B., Münster, H., Clemens, M.,

and Wagner, A. (2005). Proﬁles of raindrop si-

ze distributions as retrieved by microrain radars.

Journal of Applied Meteorology and Climatology,

44(12):1930–1949. Online:https://n9.cl/6lmqb.

Poveda, G., Mesa, O., Salazar, L., Arias, P., Moreno,

H., Vieira, S., Agudelo, P., Toro, V., and Alvarez,

J. (2005). The diurnal cycle of precipitation in the

tropical andes of colombia. Monthly Weather Re-

view, 133(1):228–240. Online:https://n9.cl/1rc7k.

Ramadhan, R., Marzuki, V., Vonnisa, M., Harmadi,

Hashiguchi, H., and Shimomai, T. (2020). Diur-

nal variation in the vertical proﬁle of the rain-

drop size distribution for stratiform rain as infe-

rred from micro rain radar observations in suma-

tra. Advances in Atmospheric Sciences, 37:832–846.

Online:https://n9.cl/tyyg4m.

Rosenfeld, D. and Ulbrich, C. (2003). Radar and At-

mospheric Science: A Collection of Essays in Honor of

David Atlas, chapter Cloud microphysical proper-

ties, processes, and rainfall estimation opportuni-

ties, page 237–258. Cambridge University Press.

Satgé, F., Ruelland, D., Bonnet, M., Molina, J., and

Pillco, R. (2019). Consistency of satellite-based

precipitation products in space and over time

compared with gauge observations and snow-

hydrological modelling in the lake titicaca region.

Hydrology and Earth System Sciences, 23(1):595–

619. Online:https://n9.cl/0iimn.

Schauwecker, S., Rohrer, M., Huggel, C., Endries, J.,

Montoya, N., Neukom, R., Perry, B., Salzmann,

N., Schwarb, M., and Suarez, W. (2017). The free-

zing level in the tropical andes, peru: An indica-

tor for present and future glacier extents. Journal

of Geophysical Research: Atmospheres, 122(10):5172–

5189. Online:https://n9.cl/nge5k.

Seidel, J., Trachte, K., Orellana-Alvear, J., Figueroa,

R., Célleri, R., Bendix, J., Fernandez, C., and Hug-

gel, C. (2019). Precipitation characteristics at two

locations in the tropical andes by means of verti-

cally pointing micro-rain radar observations. Re-

mote Sensing, 11(24):2985. Online:https://n9.cl/

rbmsh.

Sumesh, R., Resmi, E., Unnikrishnan, C., Jash, D.,

Sreekanth, T., Resmi, M., Rajeevan, K., Nita, S.,

and Ramachandran, K. (2019). Microphysical

aspects of tropical rainfall during bright band

events at mid and high-altitude regions over

southern western ghats, india. Atmospheric Re-

search, 227:178–19. Online:https://n9.cl/xjsco.

84 LAGRANJA:Revista de Ciencias de la Vida 41(1) 2025:72-85.

Características de lluvia y eventos extremos en los Andes Tropicales usando un radar de lluvia de

Apuntamiento Vertical

Urgilés, G., Célleri, R., Trachte, K., Bendix, J., and

Orellana-Alvear, J. (2021). Clustering of rainfall

types using micro rain radar and laser disdrome-

ter observations in the tropical andes. Remote Sen-

sing, 13(5):991. Online:https://n9.cl/wf0eoo.

Ward, E., Buytaert, W., Peaver, L., and Wheater,

H. (2011). Evaluation of precipitation products

over complex mountainous terrain: A water re-

sources perspective. Advances in water resources,

34(10):1222–1231. Online:https://n9.cl/yb56c.

Wen, G., Xiao, H., Yang, H., Bi, Y., and Xu, W. (2017).

Characteristics of summer and winter precipita-

tion over northern china. Atmospheric Research,

197:390–406. Online:https://n9.cl/6mesf.

Yang, S. and Smith, E. (2006). Mechanisms for diur-

nal variability of global tropical rainfall observed

from trmm. Journal of climate, 19(20):5190–5226.

Online:https://n9.cl/r7p5o.

Yarleque, C., Vuille, M., Hardy, D., Posadas, A., and

Quiroz, R. (2016). Multiscale assessment of spa-

tial precipitation variability over complex moun-

tain terrain using a high-resolution spatiotem-

poral wavelet reconstruction method. Journal of

Geophysical Research: Atmospheres, 121(20):12–198.

Online:https://n9.cl/atmk4.

Zhang, W., Huang, A., Zhou, Y., Yang, B., Fang, D.,

Zhang, L., and Wu, Y. (2017). Diurnal cycle of

precipitation over fujian province during the pre-

summer rainy season in southern china. Theore-

tical and Applied Climatology, 130:993–1006. Onli-

ne:https://n9.cl/0tzid4.

Zhou, T., Yu, R., Chen, H., Dai, A., and Pan, Y.

(2008). Summer precipitation frequency, inten-

sity, and diurnal cycle over china: A compari-

son of satellite data with rain gauge observations.

Journal of Climate, 21(16):3997–4010. Online:https:

//n9.cl/i6xgz.

LAGRANJA:Revista de Ciencias de la Vida 41(1) 2025:72-85.