167
| ISSN (): - | ISSN ( ): - | | C | V. XXX | N. 39 | - |  |
Caracterización de la precipitación usando
disdrómetro en el observatorio meteorológico
Alexander Von Humbolt
Precipitation characterization using a disdrometer at the Alexander
Von Humbolt meteorological observatory
Recibido: mayo 29 de 2025 | Revisado: mayo 30 de 2025 | Aceptado: junio 15 de 2025
Antonio Vílchez Gutarra1
Stephany Katherin María Vílchez Ybarra1
José Ángel Tafur Torres1
Luis Shuseki Yoza Yoza1
1 Universidad Nacional Agraria La Molina,
Lima- Perú
Autor de correspondencia:
lyoza@lamolina.edu.pe
Resumen
El objetivo del estudio fue caracterizar la
precipitación registrada en el Observatorio
Meteorológico Alexander von Humboldt
(OVH), ubicado en la Universidad Nacional
Agraria La Molina, Lima, Perú, mediante un
disdrómetro láser ies Clima. El periodo
de monitoreo fue del 2 de junio de 2021
al 20 de marzo de 2022. Se analizaron la
distribución del tamaño de gotas (DSD), la
velocidad terminal de caída, el diámetro medio
ponderado (Dm) y la reectividad (Z). Los
datos obtenidos se compararon con los registros
de un pluviómetro tipo Costa y con los datos
de la estación meteorológica automática Davis.
Durante el invierno de 2021, las precipitaciones
se clasicaron como estratiformes, con gotas de
diámetro entre 0,188 y 1,125 mm. En verano
de 2022, se registraron eventos con gotas de
hasta 2,750 mm, asociados a lluvias de tipo
estratiforme-convectiva y convectiva. Los
resultados evidencian diferencias estacionales
en la microfísica de la precipitación, con
implicancias para la calibración de radares
meteorológicos.
Palabras clave: disdrómetro; distribución de
tamaño de gotas; reectividad; intensidad de
precipitación; comparación instrumental
AbstRAct
e objective of this study was to characterize
the precipitation recorded at the Alexander
von Humboldt Meteorological Observatory
(OVH), located at the La Molina National
Agrarian University in Lima, Peru, using a
ies Clima laser disdrometer. e monitoring
period was from June 2, 2021, to March 20,
2022. Drop size distribution (DSD), terminal
fall velocity, weighted mean diameter (Dm),
© Los autores. Este artículo es publicado por la Revista Campus de la Facultad de Ingeniería y Arquitectura de la Universidad
de San Martín de Porres. Este artículo se distribuye en los términos de la Licencia Creative Commons Atribución No-Comercial
– Compartir-Igual 4.0 Internacional (https://creativecommons.org/licenses/ CC-BY), que permite el uso no comercial,
distribución y reproducción en cualquier medio siempre que la obra original sea debidamente citada. Para uso comercial
contactar a: revistacampus@usmp.pe.
| C | V. XXX | N. 39 | PP. - | - |  |
https://doi.org/10.24265/campus.2025.v30n39.09
168
| ISSN (): - | ISSN ( ): - | | C | V. XXX | N. 39 | - |  |
and reectivity (Z) were analyzed. e data obtained were
compared with records from a Costa rain gauge and data
from the Davis automatic weather station. During the
winter of 2021, precipitation was classied as stratiform,
with drop diameters between 0.188 and 1.125 mm. In the
summer of 2022, events with droplets up to 2,750 mm
were recorded, associated with stratiform-convective and
convective rainfall. e results show seasonal dierences
in precipitation microphysics, with implications for the
calibration of weather radars.
Keywords: disdrometer, distribution of the number of
drops, reectivity, intensity of precipitation and pluviometer
Introducción
El estudio de la precipitación es
uno de los procesos más importantes en
meteorología e hidrología, por lo que es
esencial contar con datos precisos, los
cuales están inuenciados por el viento,
el tipo e intensidad de la precipitación y
diversos aspectos técnicos (Schnepper et
al., 2023).
El interés por determinar la
distribución del tamaño de las gotas de
lluvia, vinculada con los distintos tipos
de precipitación, surgió hacia nales del
siglo XIX e inicios del siglo XX, con el
propósito de comprender y caracterizar
la precipitación desde un enfoque
meteorológico (Angulo y Beguería,
2016). Según Schnepper et al. (2023),
la medición precisa de la precipitación
es una meta compartida por diversas
disciplinas cientícas, ya que permite una
adecuada evaluación del balance hídrico
en distintos sistemas; buscando así, la
medición de la precipitación que añade a
la evaluación el tamaño de gotas de lluvia,
copos de nieve, etc. En este contexto,
se han desarrollado instrumentos como
el disdrómetro, capaz de caracterizar el
espectro hidrométrico de la precipitación,
es decir, la distribución del tamaño y la
velocidad de caída de las gotas (Liu et al.,
2013).
Esta información permite estimar
la intensidad y volumen de la precipitación,
así como calcular el diámetro, número,
velocidad y reectividad de las gotas, lo
que además facilita la clasicación del tipo
de lluvia como convectiva o estratiforme
(Angulo y Beguería, 2016). Cuando se
complementa con datos de una estación
meteorológica automática, es posible
validar los niveles de precipitación que
analizan la forma de los espectros de
tamaño de las gotas y la distribución de
frecuencia de los parámetros de la DSD
en una región (Montopoli et al., 2008;
Moumouni et al., 2008)
Estos estudios también analizan las
diferencias entre los espectros generados
por lluvias convectivas y estratiformes, y
establecen relaciones entre la reectividad
del radar y la intensidad de precipitación
(Z-R). Por otro lado, Islam et al. (2012)
concluyen que la velocidad del viento no
afecta signicativamente la precisión de
las mediciones de precipitación obtenidas
mediante disdrómetro.
Aragón et al. (2024) analizaron
las precipitaciones en el Océano Austral
utilizando datos recogidos a bordo, y
encontraron una predominancia de
lloviznas con gotas de pequeño tamaño.
Además, se está desarrollando un nuevo
disdrómetro acústico que ha demostrado
A V G - S K M V Y - J Á T T -
L S Y Y
169
| ISSN (): - | ISSN ( ): - | | C | V. XXX | N. 39 | - |  |
ser ecaz para la observación de granizo
durante eventos climáticos en Xinjiang
(Li et al., 2024)
La variabilidad espectral de la
DSD está fuertemente inuenciada por
el tipo de precipitación: estratiforme en
los Andes centrales del Perú; convectiva
en el oeste (debido a la convección en
zonas altas); y convectiva en la región
de transición Andes-Amazonía. En las
zonas más elevadas de los Andes centrales
del Perú, el 70 % de los eventos de
lluvia corresponden a precipitaciones
estratiformes y el 30 % a convectivas. En la
región de transición Andes-Amazonía, la
proporción es de 69 % estratiforme y 31 %
convectiva. Asimismo, se concluye que la
precipitación convectiva en áreas andinas
se intensica mediante mecanismos de
forzamiento orográco, lo cual favorece
el crecimiento de los hidrometeoros por
encima del nivel de congelación (entre
los 6 y 12 km de altura), propiciando
mayores acumulados de lluvia (Villalobos
et al., 2019).
El estudio de la DSD es necesario
para la calibración de mediciones remotas
mediante radar meteorológico, ya que
pueden coexistir distintas relaciones Z-R
en una misma área. Aquí, Z representa la
reectividad radar (en mm/m³) y R la
intensidad de lluvia (en mm/h).
Este estudio es relevante porque
contribuye al uso de tecnologías
modernas para caracterizar de manera
más precisa la precipitación en el distrito
de La Molina. El objetivo general es
caracterizar la precipitación mediante un
disdrómetro láser ies Clima durante el
periodo que abarca el invierno de 2021
hasta el verano de 2022, y comparar los
datos obtenidos con los registrados por
un pluviómetro tipo Costa y una estación
automática Davis.
Método
Área de estudio
La investigación se desarrolló en el
Observatorio Meteorológico Alexander
von Humboldt (OVH), ubicado en
la Universidad Nacional Agraria La
Molina (UNALM), en el distrito de La
Molina, Lima, Perú, a una altitud de
260 m s.n.m., con Latitud 12°04’44”
S, Longitud 76°57’02” W, altitud: 260
msnm (Figura 1).
Figura 1
Localización del área de
i
nv
e
s
ti
ga
ci
ón
El estudio de la DSD es necesario para la calibracn de mediciones remotas
mediante radar meteorogico, ya que pueden coexistir distintas relaciones Z-R en una
misma área. Aquí, Z representa la reflectividad radar (en mm⁶/m³) y R la intensidad de
lluvia (en mm/h).
Este estudio es relevante porque contribuye al uso de tecnologías modernas
para caracterizar de manera más precisa la precipitacn en el distrito de La Molina. El
objetivo general es caracterizar la precipitación mediante un disdmetro láser Thies
Clima durante el periodo que abarca el invierno de 2021 hasta el verano de 2022, y
comparar los datos obtenidos con los registrados por un pluviómetro tipo Costa y una
estación automática Davis.
MÉTODO
Área de estudio
La investigacn se desarrol en el Observatorio Meteorogico Alexander von
Humboldt (OVH), ubicado en la Universidad Nacional Agraria La Molina (UNALM), en
el distrito de La Molina, Lima, Perú, a una altitud de 260 m s.n.m., con Latitud
12°04'44" S, Longitud 757'02" W, altitud: 260 msnm (Figura 1).
Figura 1
Localización del área de
i
nv
e
s
ti
ga
ci
ón
Nota: Página web UNALM
OVH
Nota: Página web UNALM
C         
A V H
170
| ISSN (): - | ISSN ( ): - | | C | V. XXX | N. 39 | - |  |
Equipos e instrumentos utilizados
Para la caracterización de la
precipitación, se emplearon los siguientes
equipos:
• Disdrómetro láser ies Clima:
instrumento óptico de alta precisión,
capaz de medir el tamaño y la velocidad
de caída de los hidrometeoros.
• Panel solar policristalino de 150
W: fuente de alimentación para el
sistema de medición.
• Batería de 100 A: utilizada para
almacenar energía y mantener el
funcionamiento continuo del equipo.
• Computadora con software ies
Clima (2007) y Python (versión 6):
para el procesamiento y análisis de
los datos recolectados.
• Pluviómetro tipo Costa: diseñado
para registrar precipitaciones ligeras,
como la llovizna.
• Estación meteorológica automática
Davis Vantage Pro2: utilizada
para complementar los registros
de precipitación y condiciones
atmosféricas.
Instalación y conguración del sistema
La instalación del disdrómetro
ies Clima se llevó a cabo en enero de
2021. El equipo fue conectado a un panel
solar y a una batería para garantizar su
operatividad continua. Los datos fueron
transmitidos mediante la interfaz Remo
DRO R-8520 hacia una computadora
central equipada con el software de
adquisición y procesamiento.
La recolección y procesamiento de
datos
El monitoreo de la precipitación
se realizó de forma continua entre el
invierno de 2021 hasta el verano del 2022
El disdrómetro registró información cada
minuto durante las 24 horas del día,
incluyendo volumen precipitado (mm),
intensidad (mm/h), número de gotas
y velocidad terminal (m/s). Los datos
fueron procesados mediante algoritmos
en Python.
De manera complementaria, se
recolectaron datos de precipitación con
el pluviómetro tipo Costa y la estación
automática Davis. Los registros fueron
anotados manualmente en un formato
estructurado con cuatro columnas y se
usaron para comparar con las mediciones
del disdrómetro.
Cálculo del diámetro medio (Dm) de las
gotas de lluvia
Para determinar el diámetro
medio ponderado de las gotas de lluvia
(Dm), se utilizó el espectro de gotas
medido por el disdrómetro. Primero,
se estimó la distribución del tamaño de
gotas por unidad de volumen N(Di)
mediante la fórmula propuesta por
Gualco et al. (2021). Luego, se aplicó
la ecuación correspondiente al cuarto y
tercer momento del diámetro de gotas,
permitiendo una clasicación del tipo de
lluvia observada. Para este propósito, se
programó un algoritmo en Python basado
en el método de segmentación de lluvia
propuesto por Atlas et al. (1999).
Comparación entre instrumentos
La comparación de datos obtenidos
por el disdrómetro, el pluviómetro tipo
Costa y la estación automática Davis se
realizó diariamente. La precipitación
total se calculó aplicando la ecuación
(1). Los registros de los pluviómetros se
A V G - S K M V Y - J Á T T -
L S Y Y
171
| ISSN (): - | ISSN ( ): - | | C | V. XXX | N. 39 | - |  |
anotaron manualmente en un formato
preelaborado de cuatro columnas.
(1)
Dónde:
Lpp: Lámina precipitada en un
intervalo de 60 minutos (mm)
t: tiempo en ho
Resultados y Discusión
Eventos representativos del invierno
2021 y verano 2022
En esta sección, se clasicaron dos
eventos meteorológicos representativos:
uno en invierno, el 11 de agosto de 2021,
y otro en verano, el 26 de febrero de
2022, a n de comparar sus características
pluviométricas.
La precipitación líquida se
clasica según el tamaño de las gotas
y la intensidad del evento. La llovizna
presenta gotas pequeñas (0,2–0,5 mm) y
velocidades de caída entre 70 y 200 cm/s;
suela originarse en nubes estratiformes de
baja altitud y se asocia con niebla y baja
visibilidad (Borzenkova, 1999). La lluvia,
en cambio, está compuesta por gotas más
grandes, de entre 5 y 6 mm, formadas
por la condensación del vapor de agua
atmosférico (Borzenkova, 1999).
Por su parte, el aguacero
corresponde a una lluvia intensa que
genera una lámina de agua de al menos 1
mm por minuto, típicamente localizada en
áreas pequeñas y acompañadas de vientos
fuertes, con potencial para causar daños
al suelo y la vegetación. Según Jameson
y Kostinski (2001), esta clasicación se
relaciona con la distribución del tamaño
durante las 24 horas del día, incluyendo volumen precipitado (mm), intensidad
(mm/h), número de gotas y velocidad terminal (m/s). Los datos fueron procesados
mediante algoritmos en Python.
De manera complementaria, se recolectaron datos de precipitación con el
pluvmetro tipo Costa y la estación automática Davis. Los registros fueron
anotados manualmente en un formato estructurado con cuatro columnas y se
usaron para comparar con las mediciones del disdmetro.
Cálculo del diámetro medio (Dm) de las gotas de lluvia
Para determinar el diámetro medio ponderado de las gotas de lluvia (Dm), se utilizó
el espectro de gotas medido por el disdmetro. Primero, se estimó la distribucn
del tamaño de gotas por unidad de volumen N(Di) mediante la fórmula propuesta
por Gualco et al. (2021). Luego, se aplicó la ecuación correspondiente al cuarto y
tercer momento del diámetro de gotas, permitiendo una clasificación del tipo de
lluvia observada. Para este propósito, se programó un algoritmo en Python basado
en el método de segmentación de lluvia propuesto por Atlas et al. (1999).
Comparación entre instrumentos
La comparación de datos obtenidos por el disdmetro, el pluvmetro tipo Costa y
la estacn automática Davis se realizó diariamente. La precipitacn total se calculó
aplicando la ecuación (1). Los registros de los pluvmetros se anotaron
manualmente en un formato preelaborado de cuatro columnas.
I=


()
(1)
nde:
Lpp: Lámina precipitada en un intervalo de 60 minutos (mm)
t: tiempo en ho
y número de gotas, la cual puede ajustarse
mediante modelos estadísticos que
permiten caracterizar la microfísica de la
precipitación.
Evento 11 de agosto (invierno).
En la Figura 2A se muestra una
precipitación de ocho horas de duración,
con una intensidad máxima de 0,115
mm·h¹. La Figura 2B presenta el
acumulado horario de lluvia, que alcanzó
0,235 mm. En la Figura 2C, se observa
la distribución de velocidades terminales
de las gotas a las 08:42 a.m., estimándose
un diámetro medio de gota (Dm) de
0,245 mm. La Figura 2D representa la
reectividad radar con la relación Z =
10,45·R¹·, donde a = 10,45 y b = 1,07.
De acuerdo con Guyot et al. (2019), un
diámetro medio de gota inferior a 0,6
mm y un exponente b menor a 1,15
son característicos de lloviznas asociadas
a nubes estratiformes (Ministerio de
Agricultura, 1972).
Evento 26 de febrero (verano).
En la Figura 3A y 3B, se registraron dos
eventos de precipitación con duración
total de una hora, alcanzando un
acumulado de 0,939 mm y una intensidad
máxima de 4,138 mm·h¹. El diámetro
medio de las gotas fue de 1,139 mm.
La Figura 3C muestra la distribución de
velocidades terminales de las gotas a las
08:49 a.m. Según Das et al. (2017), un
diámetro medio superior a 1,1 mm es
indicativo de precipitación convectiva
poco profunda. En la Figura 3D, la
reectividad radar fue representada por la
relación Z = 349,88·R¹·, lo cual indica
una precipitación de tipo convectiva poco
profunda (Z > 38 dBZ y R < 10 mm·h¹).
El diámetro de las gotas está
directamente relacionado con su energía
AB
C         
A V H
172
| ISSN (): - | ISSN ( ): - | | C | V. XXX | N. 39 | - |  |
cinética, un factor clave para evaluar
procesos como la erosión del suelo y el
arrastre de contaminantes (Kathiravelu et
al., 2016).
Figura 2A–D
Caracterización del evento de precipitación del 11 de agosto. (A) Precipitación horaria
(mm·h¹); (B) acumulación horaria de precipitación (mm); (C) distribución de la velocidad
terminal de las gotas de lluvia (m·s¹) en función de su diámetro (mm), registrada a las
08:42 horas; y (D) relación entre la reectividad radar (dBZ) y la intensidad de precipitación
(mm·h¹).
exponente b menor a 1,15 son característicos de lloviznas asociadas a nubes
estratiformes (Ministerio de Agricultura, 1972).
Evento 26 de febrero (verano). En la Figura 3A y 3B, se registraron dos eventos de
precipitación con duración total de una hora, alcanzando un acumulado de 0,939 mm y
una intensidad máxima de 4,138 mh⁻¹. El dmetro medio de las gotas fue de 1,139
mm. La Figura 3C muestra la distribucn de velocidades terminales de las gotas a las
08:49 a.m. Según Das et al. (2017), un diámetro medio superior a 1,1 mm es indicativo
de precipitación convectiva poco profunda. En la Figura 3D, la reflectividad radar fue
representada por la relacn Z = 349,88·R¹·⁴⁶, lo cual indica una precipitación de tipo
convectiva poco profunda (Z > 38 dBZ y R < 10 mm·h¹).
El diámetro de las gotas está directamente relacionado con su energía cinética, un
factor clave para evaluar procesos como la erosn del suelo y el arrastre de
contaminantes (Kathiravelu et al., 2016).
Figura 2AD
A
B
D
C
A V G - S K M V Y - J Á T T -
L S Y Y
173
| ISSN (): - | ISSN ( ): - | | C | V. XXX | N. 39 | - |  |
Figura 3A–D
Caracterización del evento de precipitación del 26 de febrero. (A) Intensidad de precipitación
horaria (mm·h¹); (B) acumulado horario de precipitación (mm); (C) distribución de la
velocidad terminal de las gotas de lluvia (m·s¹) en función de su diámetro (mm), registrada
a las 08:49 horas; y (D) relación entre la reectividad radar (dBZ) y la intensidad de
precipitación (mm·h¹).
D
C
B
A
a
Caracterizacn mensual de la
precipitación
Invierno
En junio de 2021. En la Figuras
4A y B muestran la distribución diaria de
gotas de lluvia en función del diámetro.
La mayor concentración se presenta en
el intervalo 0,1875 mm con 69,17% del
total. El diámetro de gota varió entre
0,188 mm y 1,375 mm. Estos resultados
coinciden con Baltas et al. (2016),
quien reporta alta concentración de
gotas pequeñas asociadas a precipitación
estratiforme. Wang et al. (2021) destaca
que este tipo de precipitación se forma con
bajo ascenso de aire húmedo, limitando
el crecimiento de gotas grandes.
C         
A V H
174
| ISSN (): - | ISSN ( ): - | | C | V. XXX | N. 39 | - |  |
Julio 2021. En las Figuras 5A
y B, se observa un patrón similar al de
junio. El 67,56% de las gotas presenta
un diámetro de 0,1875 mm, y el máximo
observado fue 1,125 mm, lo cual
conrma la naturaleza estratiforme de la
precipitación, como señala urai et al.
(2016), con velocidades de caída cercanas
a 5 m·s¹.
Figura 4A–B
Distribución de las gotas de lluvia registradas durante el mes de junio de 2021. (A)
Distribución diaria de la concentración de gotas (gotas·m³·mm¹) en función del diámetro
medio (mm); (B) distribución del logaritmo de la cantidad de gotas acumuladas por metro
cuadrado en función del diámetro medio (mm).
En junio de 2021. En la Figuras 4A y B muestran la distribucn diaria de gotas de
lluvia en función del diámetro. La mayor concentración se presenta en el intervalo
0,1875 mm con 69,17% del total. El diámetro de gota varió entre 0,188 mm y 1,375
mm. Estos resultados coinciden con Baltas et al. (2016), quien reporta alta
concentracn de gotas pequeñas asociadas a precipitacn estratiforme. Wang et al.
(2021) destaca que este tipo de precipitacn se forma con bajo ascenso de aire
húmedo, limitando el crecimiento de gotas grandes.
Julio 2021. En las Figuras 5A y B, se observa un patn similar al de junio. El 67,56% de
las gotas presenta un diámetro de 0,1875 mm, y el máximo observado fue 1,125 mm,
lo cual confirma la naturaleza estratiforme de la precipitación, como señala Thurai et
al. (2016), con velocidades de caída cercanas a 5 m·s¹.
Figura 4AB
Distribucn de las gotas de lluvia registradas durante el mes de junio de 2021. (A)
Distribucn diaria de la concentracn de gotas (gotas·m⁻³·mm⁻¹) en funcn del
diámetro medio (mm); (B) distribucn del logaritmo de la cantidad de gotas
acumuladas por metro cuadrado en funcn del diámetro medio (mm).
Figura 5A–B.
Distribución de las gotas de lluvia registradas durante el mes de julio de 2021. (A)
Concentración de gotas N(D)N(D)N(D) (gotas·m³·mm¹) en función del diámetro medio
(mm); (B) distribución del logaritmo de la cantidad de gotas por metro cuadrado en función
del diámetro medio (mm).
A V G - S K M V Y - J Á T T -
L S Y Y
175
| ISSN (): - | ISSN ( ): - | | C | V. XXX | N. 39 | - |  |
Verano
Enero 2022. En las Figuras 6A y
B, los diámetros predominantes fueron
de 0,1875 mm (29,99%), 0,3125 mm
(47,88%), 0,4375 mm (16,22%) y 0,625
mm (4,19%), indicando precipitación
estratiforme. Wu et al. (2022) y Misumi et
al. (2021) destacan que esta precipitación
presenta alta densidad de gotas pequeñas,
debido a la escasa coalescencia y colisión.
Febrero 2022.
Las Figuras 7A y B muestran gotas
con diámetros entre 0,188 mm y 2,75
mm. El 99,66% se concentró entre 0,1875
mm y 1,625 mm. Se observó una mezcla
de precipitación estratiforme y convectiva
poco profunda, en concordancia con Xie
et al. (2020), que sitúa los valores límites
de Dm entre 1,0 mm y 1,3 mm.
Figura 6A–B
Distribución de las gotas de lluvia registradas durante el mes de enero de 2022. (A) Distribución
diaria de la concentración de gotas (gotas·m³·mm¹) en función del diámetro medio (mm);
(B) distribución de la cantidad acumulada de gotas por metro cuadrado (gotas·m²) en
función del diámetro medio (mm).
Figura 7A–B
Distribución de las gotas de lluvia registradas durante el mes de febrero de 2022. (A)
Distribución diaria de la concentración de gotas (gotas·m³·mm¹) en función del diámetro
medio (mm); (B) distribución de frecuencia de gotas por metro cuadrado (gotas·m²),
correspondientes a lloviznas, dentro del rango de diámetros entre 0,188 y 1,625 mm.
C         
A V H
176
| ISSN (): - | ISSN ( ): - | | C | V. XXX | N. 39 | - |  |
En la Tabla 1 se resume los valores
de los parámetros de reectividad Z,
intensidad máxima, Dm, duración de
lluvia y el tipo de precipitación. Los
valores de a y b permiten identicar la
naturaleza del evento: llovizna (b < 1,15)
o lluvia convectiva (b > 1,3). Mientras que
en la Tabla 2 se presenta la distribución
de gotas por diámetro medio en los meses
evaluados. Se evidencia que los meses de
invierno concentran gotas más pequeñas
con mayor frecuencia, mientras que en
verano hay mayor proporción de gotas de
mayor tamaño.
Tabla 1
Datos de los parámetros medidos en los días de lluvia: a, b (Z); precipitación diaria, intensidad
max. Diámetro medio de gota, horas de lluvia diaria y tipo de lluvia.
Fecha Z=aRb
aZ=aRb
bpp.
mm
int.
max
mmh-1
Dm
mm horas
lluvia Tipo
lluvia
21/06/2021 9,21 1,0
1,13
1,1
1,17
1,17
1,11
1,14
1,12
1,04
1,13
1,07
1,11
1,1
1,0
1,15
1,32
1,46
0,273 0,193 0,251 12 estratiforme
22/06/2021 13,07 0,216 0,363 0,261 7 estratiforme
23/06/2021 12,84 0,44 0,238 0,269 10 estratiforme
24/06/2021 15,5 0,38 0,276 0,268 12 estratiforme
01/07/2021 16,6 0,646 0,41 0,295 9 estratiforme
02/07/2021 16,91 0,342 0,218 0,308 8 estratiforme
03/07/2021 15,36 0,306 0,31 0,267 12 estratiforme
04/07/2021 14,87 0,206 0,278 0,273 10 estratiforme
05/07/2021 10,5 0,15 0,148 0,253 8 estratiforme
04/08/2021 13,98 0,238 0,2 0,266 8 estratiforme
05/08/2021 10,45 0,235 0,115 0,245 8 estratiforme
06/08/2021 12,04 0,339 0,332 0,259 10 estratiforme
07/08/2021 11,25 0,154 0,128 0,239 7 estratiforme
08/08/2021 11,06 0,187 0,156 0,249 6 estratiforme
13/01/2022 65,66 0,83 0,962 0,518 4 estratiforme
25/02/2022 345,97 0,369 1,33 0,996 3 doble estr,/ conv,
26/02/2022 349,88 0,93 4,138 1,139 1 convectiva,
A V G - S K M V Y - J Á T T -
L S Y Y
177
| ISSN (): - | ISSN ( ): - | | C | V. XXX | N. 39 | - |  |
Tabla 2
Distribución del total de gotas lluvia por meses junio, julio, agosto (2021), enero y febrero
(2022) en función al diámetro medio por m2, se acompañan los respectivos porcentajes
comparativos.
Diámetro Junio (2021) Julio (2021) Agosto (2021) Enero (2022) Febrero (2022)
mm (gotas) % (gotas) % (gotas) % (gotas) % (gotas) %
0,185 349411786 69,2 177762297 67,6 145734391 77,0 4428618 30,0 833133 20,6
0,3125 149436063 29,6 80555402 30,6 42881959 22,7 7096257 48,1 680940 16,8
0,4375 6219786 1,2 4714860 1,8 644013 0,3 2403525 16,3 391395 9,7
0,625 75439 0 82971 0 0 627873 4,3 1007442 24,9
0,875 1535 0 0 0 157899 1,1 529911 13,1
1,125 658 0 0 0 80373 0,2 377427 9,3
1,379 0 0 0 0 25185 0 167325 4,1
1,625 0 0 0 0 7227 0 60237 1,5
En la Figura 8 se destaca las
diferencias entre estaciones. Durante
el invierno, la precipitación asociada a
nubes estratiformes se caracteriza por una
gran cantidad de gotas pequeñas, lo cual
sugiere lluvias suaves y persistentes. En
comparación, en verano se registraron gotas
de mayor diámetro y menor frecuencia,
propias de precipitación convectiva poco
profunda, especialmente en febrero.
Estas observaciones coinciden con
lo descrito por ompson et al. (2015) y
Wu et al. (2022), quienes señalan que en
verano predomina la coalescencia de gotas,
facilitada por un mayor ascenso vertical,
lo que incrementa el tamaño de las gotas.
Según Wang et al. (2021), la reectividad
máxima en precipitación estratiforme
ocurre a 4 km, mientras que en eventos
convectivos se ubica a 5 km de altitud.
urai et al. (2021) también describe a
las lluvias estratiformes como asociadas a
movimientos verticales débiles.
C         
A V H
178
| ISSN (): - | ISSN ( ): - | | C | V. XXX | N. 39 | - |  |
Figuras 9
Comparación de la precipitación diaria registrada durante los meses de junio de 2021 y febrero
de 2022 utilizando tres instrumentos: pluviómetro tipo Costa, disdrómetro y pluviómetro
de estación automática Davis (9A); y distribución de la precipitación diaria registrada en
febrero de 2022 (9B)
Figura 8
Distribución del número de gotas de llovizna por rango de diámetro (0,188 a 2,75 mm)
comparando las estaciones de invierno y verano
A V G - S K M V Y - J Á T T -
L S Y Y
179
| ISSN (): - | ISSN ( ): - | | C | V. XXX | N. 39 | - |  |
En la Figura 9, se comparan
los registros de junio 2021 y febrero
2022 utilizando distintos instrumentos:
disdrómetro, pluviómetro tipo Costa,
y pluviómetro Davis Vantage Pro. Los
resultados indican que el disdrómetro
proporciona una mejor estimación,
especialmente para lluvias de baja
intensidad, como lo corroboran Liu et al.
(2013), Ojebisi (2024), Nebuloni et al.
(2022), y Tokay et al. (2003).
Conclusiones
El análisis del diámetro medio
de las gotas de lluvia, realizado en el
observatorio de la Universidad Nacional
Agraria La Molina (UNALM), permitió
caracterizar los eventos de precipitación
registrados durante el invierno de 2021
(junio, julio y agosto) y el verano de 2022
(enero y febrero). Se determinó que, en
el periodo de invierno, los diámetros
medios oscilaron entre 0,188 mm y
1,125 mm, mientras que en verano se
registraron valores entre 0,188 mm y
2,75 mm. Esto permitió identicar
que las precipitaciones en el invierno
correspondieron principalmente a
lloviznas de tipo estratiforme, mientras
que en verano se presentaron eventos tanto
de lloviznas como de lluvias convectivas
poco profundas.
En verano las gotas de lluvia
presentan mayores diámetros, pero de
menor densidad, en comparación con el
de invierno, donde se registraron gotas
más pequeñas y en mayor cantidad.
Asimismo, se evidenció que la duración de
las lloviznas fue considerablemente mayor
en la estación de invierno. Estas diferencias
se relacionaron con el tipo de nubosidad
predominante: nubes estratiformes en
invierno, con bases bajas y débil ascenso
de aire, y nubosidad convectiva poco
profunda durante el verano, con mayor
desarrollo vertical.
El uso del disdrómetro demostró
una mayor precisión en la medición de
las precipitaciones, en comparación con
el pluviómetro tipo Costa (precisión
aproximada del 5%) y el pluviómetro
automático Davis Vantage Pro (precisión
entre 1 y 3%). El disdrómetro permitió
una mejor estimación de parámetros
como el diámetro medio de las gotas
y su velocidad terminal, lo cual es
relevante para estudios de dinámica de la
precipitación, erosión del suelo y gestión
del riesgo hidrológico, especialmente ante
escenarios de cambio climático.
Referencias
Angulo, M., & Beguería, S. (2016). Cha-
racterization of the disdrometric
spectrum of precipitation and
applications. Clima, Sociedad,
Riesgos y Ordenación del Territorio,
1(1), 17–25.
Aragón, L. G. B., Huang, Y., Mayo, P.
T., Crosier, J., Montoya Duque,
E., Connolly, P. J., & Bower, K.
N. (2024). Precipitation charac-
terization and improved rainfall
estimates in the Southern Ocean
using an onboard disdrometer
and a dual C-band polarimetric
radar. Journal of Geophysical Re-
search: Atmospheres. https://doi.
org/10.1029/2023JD040250
C         
A V H
180
| ISSN (): - | ISSN ( ): - | | C | V. XXX | N. 39 | - |  |
Atlas, D., Ulbrich, C., Marks, F., Amitai,
E., & Williams, C. (1999). Syste-
matic variation of drop size and
radar-rainfall relations. Journal of
Geophysical Research: Atmospheres,
104(6), 6155–6169. https://doi.
org/10.1029/1998JD200098
Baltas, E., Panagos, D., & Mimikou, M.
(2016). Statistical analysis of the
raindrop size distribution using
disdrometer data. Hydrology, 3(1),
1–13. https://doi.org/10.3390/
hydrology3010009
Borzenkova, I. (1999). Types and charac-
teristics of precipitation. Hydrolo-
gical Cycle, 2(1).
Das, S., Konwar, M., Chakravarty, K., &
Deshpande, S. (2017). Raindrop
size distribution of dierent cloud
types over the Western Ghats
using simultaneous measurements
from Micro-Rain Radar and dis-
drometer. Atmospheric Research,
186, 72–82.
Gualco, L., Campozano, L., Maisin-
cho, L., Robaina, L., Muñoz, L.,
Ruiz-Hernández, J., Villacís, M.,
& Condom, T. (2021). Correc-
tions of precipitation particle size
distribution measured by a Par-
sivel OTT2 disdrometer under
windy conditions in the Antisana
massif, Ecuador. Water (Switzer-
land), 13(18), 2576. https://doi.
org/10.3390/w13182576
Guyot, A., Pudashine, J., Protat, A., Ui-
jlenhoet, R., Pauwels, V. R. N.,
Seed, A., & Walker, J. (2019).
Eect of disdrometer type on ra-
indrop size distribution characte-
rization: A new dataset for sou-
th-eastern Australia. Hydrology
and Earth System Sciences, 23(11),
4737–4761.
Islam, T., Rico, M. A., Han, D., & Sri-
vastava, P. K. (2012). A Joss-Wald-
vogel disdrometer derived rainfall
estimation study by collocated ti-
pping bucket and rapid response
rain gauges. Atmospheric Science
Letters, 13(2), 139–150. https://
doi.org/10.1002/asl.376
Jameson, A., & Kostinski, A. (2001).
What is a raindrop size distri-
bution? Bulletin of the American
Meteorological Society, 82, 1169–
1177.
Kathiravelu, G., Lucke, T., & Nichols, P.
(2016). Raindrop measurement
techniques: A review. Water (Swit-
zerland), 8(1), 14. https://doi.
org/10.3390/w8010029
Li, Y. Y., Mou, X., Kang, J., Zhu, S., Yu-
jiang, F., Hongyun, F., Wei, X.,
Chen, D., Ren, S., Shengjie, J.,
Li, J., Li, N., Ran, L., Zhou, K.,
& Zhang, J. (2024). Development
of a hail disdrometer and its preli-
minary observation in Aksu, Xin-
jiang. Atmosphere, 15(7), 823.
Liu, X., Gao, T., & Liu, L. (2013). A com-
parison of rainfall measurements
from multiple instruments. At-
mospheric Measurement Techniques,
6(7), 1585–1595. https://doi.
org/10.5194/amt-6-1585-2013.
Ministerio de Agricultura. (1972). Eva-
luación de los recursos de agua su-
percial y condiciones climáticas
A V G - S K M V Y - J Á T T -
L S Y Y
181
| ISSN (): - | ISSN ( ): - | | C | V. XXX | N. 39 | - |  |
Valle de Cañete. Subdirección de
Recursos de Riego.
Misumi, R., Uji, Y., & Maesaka, T.
(2021). Modication of raindrop
size distribution due to seeder–
feeder interactions between stra-
tiform precipitation and shallow
convection observed by X-band
polarimetric radar and optical dis-
drometer. Atmospheric Science Let-
ters, 22(7), 1–11.
Montopoli, M., Marzano, F., & Vulpia-
ni, G. (2008). Analysis and syn-
thesis of raindrop size distribution
time series from disdrometer data.
IEEE Transactions on Geoscience
and Remote Sensing, 46(2), 466–
478. https://doi.org/10.1109/
TGRS.2007.909102
Nebuloni, R., Cazzaniga, G., D’Amico,
M., Deidda, C., & De Michele,
C. (2022). Comparison of CML
rainfall data against rain gauges
and disdrometers.
Ojebisi, T. Y. (2024). Development and
testing of a low-cost solar-powered
disdrometer for rainfall characteri-
zation. Journal of Basic and Applied
Sciences, 20, 196–202.
Schnepper, T., Groh, J., Gerke, H. H.,
Reichert, B., & Pütz, T. (2023).
Evaluation of precipitation measu-
rement methods using data from a
precision lysimeter network, Hy-
drol. Earth Syst. Sci., 27, 3265–
3292, https://doi.org/10.5194/
hess-27-3265-2023, 2023.
urai, M., Gatlin, P., y Bringi, V.,
(2016), Separating stratiform and
convective rain types based on
the drop size distribution charac-
teristics using 2D video disdro-
meter data, Atmospheric Research,
169(1): 416–423.
ompson, E., Rutledge, S., y Dolan, B.
(2015). Drop Size Distributions
and Radar Observations of Con-
vective and Stratiform Rain over
the Equatorial Indian and West
Pacic Oceans. Journal of the At-
mospheric Sciences, 1, 4091–4125.
Tokay, A., Hartmann, P., Battaglia, A.,
Gage, K., Clark, K., y. Williams,
C., (2009), Journal of Atmos-
pheric and Oceanic Technology,
26(6), p, 1131
Villalobos, E. E. (2019). Estudio de las
tormentas convectivas a través de
observación instrumental y mode-
lado numérico en los Andes Cen-
trales del Perú (Tesis para optar el
grado académico de Magíster en
Física con mención en Geofísica).
Universidad Nacional Mayor de
San Marcos, Lima, Perú.
Wang, D., Giangrande, S., Hardin, J., y
Bartholomew, M., (2021), Analy-
sis of ree Types of Collocated
Disdrometer Measurements at the
ARM Southern Great Plains Ob-
servatory, USA. Department of
Energy, 1, 12.
Wu, Z., Zhang, Y., Zhang, L., Zheng, H.,
y Huang, X., (2022), A Compari-
son of Convective and Stratiform
Precipitation Microphysics of the
Record-breaking Typhoon In-Fa
(2021), Remote Sensing, 14(2).
C         
A V H
182
| ISSN (): - | ISSN ( ): - | | C | V. XXX | N. 39 | - |  |
Xie, Z., Yang, H., Huafang, L., y Hu, Q.,
(2020), Seasonal characteristics of
disdrometer- observed raindrop
size distributions and their appli-
cations on radar calibration and
erosion mechanism in a semi-arid
area of China, Remote Sen-
sing, 12(2): 1–23, Doi: https://
doi,org/10,3390/rs12020262
A V G - S K M V Y - J Á T T -
L S Y Y