En un artículo anterior vimos dónde se usa la informática en un radar meteorológico: control, adquisición y procesamiento de señales, procesamiento de datos y análisis de la información. Vimos también que esos cuatro aspectos no son compartimentos estancos, sino capas de una misma arquitectura. Ahora toca mirar el mismo sistema desde otro ángulo: cómo fluye la información por esas capas.
La información de radar se organiza conceptualmente en cinco niveles. No se trata de cinco programas distintos ni de cinco módulos físicos separados, sino de cinco estados sucesivos del dato: desde la señal eléctrica que sale del receptor hasta la imagen final con interpretación meteorológica. Cada nivel añade contexto, utilidad y valor, pero también impone sus propias exigencias informáticas: digitalización, formatos, compresión, georreferenciación, visualización e integración con otras fuentes.
Un post para detallar todo lo que hay que tener en cuenta para que un radar haga estimados de precipitacionesplausibles.
Si usted se compra un radar meteorológico y guiándose por lo que dijo el fabricante (lo de «llave en mano») cree que es solo encenderlo y va a tener estimados de precipitaciones que se correspondan con la realidad, solo les puedo recomendar que lean lo que Dante dice que decía a la entrada del infierno: «Lasciate ogne speranza, voi ch’intrate» (Infierno, Canto III, verso 9). Si usted no entiende italiano antiguo, se lo digo en cubano moderno: «el chicharrón no es carnepuerco«. O sea que «del dicho al hecho hay un buentrecho». Usted se compra un auto moderno y es «llave en mano», pero requiere que usted sepa conducir en un tráfico endiablado y por caminos irregulares, el auto moderno es solo una herramienta confortable, hay que saber usarla. De eso se trata, que para estimar precipitaciones con un radar hay muchos facotres que hay que configurar y parametrizar de un modo adecuado, no se trata solo de comprar «un buen radar».
Un post para hablar de las dificultades para estimar cuantitativamente las precipitaciones por medio de radar.
La estimación cuantitativa de precipitación por radar no nació con los algoritmos polarimétricos ni con los grandes sistemas operativos: se construyó sobre una relación empírica, una creciente conciencia del error y décadas de tensiones entre la física del instrumento y las exigencias de la hidrología. Recorrer ese camino —desde Marshall y Palmer hasta la calibración y validación actuales— no es un ejercicio nostálgico, sino la mejor forma de entender por qué un producto de QPE puede parecer preciso y, al mismo tiempo, esconder incertidumbres decisivas. Quise escribir esto antes de darles mi opinión sobre la estimación de las precipitaciones por radar en Cuba y sus perspectivas.
En los posts anteriores hemos visto que los sistemas de alerta más maduros no eligen entre un sensor y otro: los integran. Pero para entender por qué esa integración es inevitable —y no un capricho tecnológico— conviene poner a cada instrumento frente a frente, con sus fortalezas y sus vergüenzas. La pregunta no es cuál es «mejor», sino para qué sirve cada uno y dónde falla. Y, al final, aparece un tercer jugador que promete cubrirlo todo desde el espacio: el satélite. ¿Está a la altura?
Un recorrido por 45 años de historia, pasantías internacionales y lecciones clave sobre el procesamiento de señales en radares meteorológicos. Incluye compendio teórico y práctico.
Desde que escribo este blog Radares Mirando al Sur he escrito cosas sobre el procesamiento de las señales en los radares meteorológicos. Es curioso que justamente a esta asignatura fue a la que no presté mucha atención en mi carrera, a pesar de que me las «ingenié» para sacar la máxima calificación sin estudiar y muy contento yo de «mi proeza» para que luego la Vida se encargara de demostarme que fue una estupidez y para castigarme, me ha hecho dedicarme a ella toda la vida (y al momento que escribo esto ya van ¡45 años!).
Sin embargo, para nivelar las cosas, también me concedió el beneficio de haber visitado los radares más avanzados del mundo y los grupos de investigación que marcaron la punta en este campo. Nada, síganme y les cuento esta historia extraordinaria para un nacido en este pequeña isla asediada por un poderoso depredador.
Un post para explicar las generalidades de la demodulación sincrónica por medio digitales, su historia y prácticas actuales.
Pero hay un problema. Todo lo que dijimos hasta ahora describe lo que no hay que hacer. Y para entender lo que sí hay que hacer, no alcanza con decir «digitalicemos la señal». Hay que entender dónde se digitaliza, cómo se recupera la información de fase sin un solo mezclador analógico, y por qué esa decisión cambió para siempre la historia del radar. La respuesta está en una cadena de bloques que hoy cabe en una FPGA, pero que en 1991 parecía una locura: un ADC que muestrea la señal de frecuencia intermedia directamente, un oscilador numérico que genera la cuadratura perfecta que ningún circuito analógico pudo dar jamás, y un par de filtros que reducen la tasa de datos sin perder un ápice de información. Esa es la arquitectura del receptor digital. Veámosla bloque por bloque.
He tenido que excavar profundo para desenterrar mis apuntes de aquel curso de 1993 sobre la teoría del Doppler analógico y todas las dificultades que se presentaban. Bueno, les cuento. En la radio estamos acostumbrados a una historia prolija. Alguien tiene información —voz, música, datos— y la sube a una portadora. Eso es modular.
En AM (emisoras de Amplitud Modulada, generalmente Onda Media y Corta), la información va en la amplitud: (t)
En FM (emisoras de Frecuencia Modulada, generalmente en Onda Ultra Corta), la información va en la frecuencia instantánea:
Del otro lado, el receptor hace lo inverso: demodula. Saca , que es la señal modulante, de la portadora. Un detector de envolvente para el caso de AM, un discriminador o un PLL para el caso de FM. Hasta ahí, todo es intencional: alguien puso la modulación en la señal transmitida, alguien la saca en el extremo receptor..
El radar rompe ese esquema. Sígame y le cuento el complejo mundo de los radares analógicos.
Así como Fourier nos enseñó a descomponer una señal en sus frecuencias componentes (para obtener su espectro), existe otra herramienta igualmente poderosa que nos dice cuánto se parece una señal a sí misma cuando se desplaza en el tiempo (por ejemplo Orlando_Joven y Orlando_Viejo, retardo de una vida laboral). Hablamos de la función de autocorrelación, que como lo dice el nombre correlaciona una señal consigo misma, pero evaluada con un retardo, y es la base de algunos de los estimadores más usados en los radares Doppler modernos. Veamos en detalle (pero con enfoque comprensible para principiantes) en este post.
Pocas herramientas matemáticas han tenido un impacto tan profundo en la ingeniería moderna como la que lleva su nombre. Jean-Baptiste Joseph Fourier (1768-1830) no era ingeniero de señales. Era un físico y matemático francés que, mientras estudiaba la difusión del calor, descubrió algo revolucionario: cualquier función periódica podía representarse como una suma de senos y cosenos.
Esa idea fue el germen de lo que hoy conocemos como Análisis de Fourier o Análisis Armónico y si me sigue, le cuento (sin mucha matemática aterrorizante) qué importancia tiene esto en los radares meteorológicos.
La Whitening Transform (transformada de blanqueamiento o de decorrelación) es una herramienta matemática que aparece en muchos campos, pero que encontró una aplicación especialmente potente en el procesamiento de señales de radar meteorológico de la mano de Sebastian Torres y Dušan Zrnić. Este post repasa su origen, su lógica, sus aplicaciones fuera del radar y el camino que la llevó hasta la red NEXRAD para la implementación de la súper resolución.
En posts anteriores hemos explorado las señales en los radares meteorológicos y por qué la señal retornada de un objeto meteorológico es tan fluctuante. Hemos visto que un radar emite pulsos sinusoidales, que la señal recibida es una réplica de la transmitida con muchísima menos potencia, y que la fluctuación de la amplitud no es un fallo del sistema sino una propiedad física fundamental de los blancos distribuidos.
Ahora toca dar un paso más. Antes de entrar en las «sanguinarias» transformadas de Fourier (sí, antes de Fourier los ingenieros éramos más felices) —y poder diferenciar qué es FT, DFT y FFT— y antes de calcular los momentos a partir de las componentes I y Q, necesitamos entender qué es el espectro de una señal, por qué esta es la herramienta natural para analizar señales fluctuantes, y cómo se ven los espectros del clutter y de las señales meteorológicas. Si le motiva, sígame y le cuento.
A post about everything related to radar data resolution. Versión en español aquí
Meteorologists like to look at radar images to observe the morphology, evolution, and movement of echoes on the screen, without worrying much about how each pixel relates to what is happening in its surroundings, or about knowing exactly what each one represents in the atmosphere being explored. This is not a trivial matter, and I do not think it has a single answer. The fact that during my career the technique has gone from old monochrome PPI/RHI indicators to full-color computer screens does not change the essence of the question: What does each pixel represent in the atmosphere being explored? Follow me in this post to inoculate you with the virus of doubt and start looking at the images on the screen while thinking about the radar beam scanning the atmosphere.
Un post para tratar todo los relacionado con la resolución de los datos de radar. English version here.
Los meteorólogos gustan de ver las imágenes de radar para observar la morfología, evolución y movimiento de los ecos en la pantalla, sin preocuparse mucho por qué relación tiene cada píxel con lo que sucede en su entorno, ni por saber exactamente qué representa cada uno en la atmósfera que está explorando. No es un asunto trivial y no creo que tenga una respuesta única. El hecho de que en mi vida laboral la técnica haya pasado de los antiguos indicadores PPI/RHI monocromáticos a las pantallas de computadoras a todo color no cambia la esencia de la pregunta: ¿qué representa cada pixel en la atmósfera explorada? Sígame en este post para inocularle el virus de la duda y comience a mirar las imágenes en la pantalla pensando en el haz del radar explorando la atmósfera.
A post about hydrometeor classification in polarimetric radars, regional bias, and the invisible geography of algorithms.Versión en español aquí.
Hydrometeor classifiers (HCA/HID) operating in commercial polarimetric radars are, for the most part, fuzzy logic implementations built from observational campaigns, electromagnetic simulations, and microphysical knowledge generated in mid-latitudes. When these classifiers are deployed in tropical regions — such as the Caribbean or northern South America — their membership functions and decision thresholds no longer represent local physics. This article examines the case of two manufacturers (EEC and Vaisala), two countries (Jamaica and Colombia), and argues that the bias is not a calibration defect but a structural consequence of importing regional models disguised as universal products. A local validation framework is proposed and its application to microburst detection is explored.
1. Introduction: A Complaint That Wasn’t Technical
A colleague of mine at Colombia’s Civil Aviation Authority worked with data from a Doppler and Polarimetric radar. A few years ago we met, and she told me a complaint that wasn’t technical but almost existential: her radar’s hydrometeor classifier was flagging snow in warm regions of the country. Regions where the 0 °C isotherm sits at 4,800 meters and where it has never snowed at ground level. Pilots reported rain. The classifier insisted on snow.
She knew the radar was well calibrated. ZDR adjusted, PhiDP without offset, RhoHV coherent. And yet the flagship product — the one that tells you what kind of particle is falling from the sky — was lying.
That complaint is the origin of this article. Because the problem wasn’t a bug. It was something deeper and more uncomfortable: the classifier didn’t know Colombia. And the same could be said of Jamaica. Or Puerto Rico. Or any place where a polarimetric radar looks at a sky for which its algorithm was not designed.
2. Calibrating Is Not Classifying
It’s worth separating two things that are often confused.
Calibrating a polarimetric radar means ensuring that what it measures corresponds to what’s actually there. That Zh has no bias, that ZDR is centered, that PhiDP has no offset, that RhoHV reflects real coherence. It’s an instrumentation problem. Difficult, but bounded.
Classifying hydrometeors is something else. It means taking those already-calibrated variables and deciding, through a model, whether what you’re seeing is light rain, heavy rain, big drops, hail, graupel, dry snow, wet snow, ice crystals, biota, or clutter. It’s an inference problem.
The most common classifier in operational radars — in both EEC and Vaisala, as we’ll see — uses fuzzy logic. Membership functions are defined for each polarimetric variable, inference rules are built along the lines of «if Zh is high and ZDR is low and RhoHV is high, then probably hail,» and they’re combined to obtain a degree of membership for each class.
The problem is that those functions and those rules don’t come out of thin air. They’re built, adjusted, and validated with observational campaigns, electromagnetic simulations, and in-situ measurements made in a specific place. And there’s the catch: that «specific place» is almost never the tropics.
3. Two Cousins: EEC and Vaisala
This is where the story gets interesting. Because one might think the problem belongs to a single manufacturer. It doesn’t. It belongs to a shared philosophy.
3.1 EEC and the NOAA/NSSL Lineage
Jamaica operates an EEC Defender, S-band, 8.5-meter antenna. EEC — Enterprise Electronics Corporation — is headquartered in Enterprise, Alabama. It’s not poetic coincidence: it’s literal. The radar watching the Caribbean from Jamaica was manufactured in a city in the southern United States.
Everything indicates that EEC incorporated into its radars the classification line developed by the group of Alexander V. Ryzhkov and Dusan S. Zrnić at NOAA/NSSL, based on fuzzy logic. EEC’s own technical material points to their integration of the hydrometeor classification algorithms developed for the WSR-88D platform — the U.S. NEXRAD network — (Ryzhkov & Zrnić, 2019).
That classifier primarily uses:
Zh (horizontal reflectivity)
ZDR (differential reflectivity)
RhoHV (correlation coefficient)
KDP (specific differential phase)
Temperature information
Melting layer detection
And it classifies roughly ten categories: rain, heavy rain, big drops, small hail, large hail, graupel, dry snow, wet snow, ice crystals, and biological/non-meteorological echoes.
The membership functions of that classifier were built from polarimetric observation campaigns in Oklahoma, Alabama, and other mid-latitude continental regions; T-Matrix electromagnetic simulations; in-situ measurements; and expert microphysical knowledge. That is: rigorous physics, but physics of mid-latitude continents.
3.2 Vaisala and HydroClass
Colombia operates Vaisala radars, mainly WRM200 in C-band. Vaisala incorporates a module called HydroClass™, and explicitly states that it uses «a proven fuzzy logic algorithm» to classify meteorological and non-meteorological targets (Vaisala, 2021).
Notice something. Neither of them trains with massive historical datasets. Neither uses modern machine learning. Both follow the same recipe:
Physical simulation of hydrometeors (T-Matrix)
Construction of characteristic regions in polarimetric space
Classification via fuzzy logic
Correction using ambient temperature
They’re cousins. They share physics, share method, share limitations. And they share the same problem when they land in the tropics: neither was built with the 0 °C isotherm at 5 km in mind.
That means the bias doesn’t come from «bad training data.» It comes from something deeper: the campaigns, the measurements, and the expert knowledge are from one place. The T-Matrix simulates particles, but the particles it simulates are the ones someone decided to simulate. The campaigns were done in Oklahoma, in Darwin, in Helsinki. The expert knowledge is expert in something.
The classifier isn’t «poorly trained.» It’s trained for another place. And that’s harder to fix than retraining with data.
4. Tropical Physics Is Not Mid-Latitude Physics
There’s an important nuance here that my reader should keep in mind: the symptom changes depending on the radar’s operating band, but the disease is the same.
4.1 The Case of Jamaica (S-band)
S-band has a huge advantage: rain attenuation is much lower than in C- or X-band. That means the problem isn’t attenuation. The problem is something else.
The 0 °C isotherm sits at 5 km. In mid-latitudes it sits at 2–3 km. A Jamaican radar can be sampling ice at 4 km altitude — ice that melts before reaching the ground. The classifier sees ice and says «snow.» The pilot reports rain. Both are right; the HID doesn’t distinguish between «there’s ice in the sampling volume» and «snow is falling at the surface.»
Warm microphysics dominates. Zipser et al. (2006) documented why maritime tropical convection — such as the Caribbean’s — exhibits warm microphysics signatures: efficient coalescence, high liquid water content, small-to-medium drops that rarely reach the freezing point at low levels. Unlike mid-latitude continental storms, where updrafts generate large ice structures, here rain is produced without the need for an extensive ice phase.
This translates into moderate reflectivities with high KDP. And the traditional boundaries of the classifier fail: they associate those reflectivity levels with ice mixtures, when in reality it’s efficient warm rain.
Figure 1. Typical ZDR ranges by hydrometeor class for Jamaica (18°N, maritime tropical). Adapted from Fabry’s (2015) scheme. Each horizontal bar represents the ZDR range associated with a category, colored according to a continuous chromatic scale. The ranges deliberately overlap to reflect the inherent ambiguity of polarimetric classification; class assignment is probabilistic, not deterministic. Note the absence of an operational «dry snow» region at the surface — the Snow bar corresponds exclusively to ice aloft that melts before reaching the ground — and the unusually wide Rain range, a consequence of tropical warm microphysics. The two dotted boxes highlight the most frequent confusions of the imported classifier: the Snow category, which in Jamaica corresponds to graupel aloft and not surface snow, and the Biological targets category, which the HCA erroneously labels as «wet snow» when in reality it’s biota. The dashed vertical line at ZDR = 0 marks the boundary between spherical and oblate particles, not a temperature; the 0 °C isotherm, which in Jamaica sits around 5 km altitude, must be consulted separately via soundings or vertical profiles.
The ambiguity between big drops and melting hail. In S-band the Mie effect is smaller than in C-band, but it doesn’t disappear. Large drops and melting hail can occupy neighboring regions of polarimetric space. The NSSL/Ryzhkov classifier, tuned with continental microphysics, tends to lean toward ice.
Biota is a year-round problem. Warm marine boundary layer, insects, birds. High ZDR with low RhoHV. The classifier says «wet snow.» It’s not snow: it’s life.
4.2 The Case of Colombia (C-band)
Here another problem is added: severe differential attenuation.
In C-band, intense tropical storms absorb and scatter energy asymmetrically between the H and V channels. If a rigorous correction based on KDP is not applied, Zh and ZDR drop artificially behind the convective core. And there the classifier goes haywire: it labels heavy rain as dry snow, melting hail, or total attenuation (Bringi & Chandrasekar, 2001; Vaisala, 2021).
4.3 The Lesson
Same classifier, same assumptions, same bias. But:
In Jamaica (S-band), the problem is the high isotherm and warm microphysics.
In Colombia (C-band), differential attenuation is added.
Same disease, different symptoms.
5. The Colombian Case: Two Manufacturers, One Challenge
Colombia offers a particularly rich case study, because at least two manufacturers with different classification philosophies coexist in its territory, both operating in C-band and both in a tropical regime.
5.1 SIATA (Medellín): EEC in C-band, Locally Adapted
The Early Warning System of Medellín and the Aburrá Valley operates a polarimetric EEC radar in C-band — the same manufacturer that supplies Jamaica’s radar — in complex topography and tropical Andean convection. This means it faces two simultaneous problems: tropical warm microphysics (high isotherm, large drops, graupel aloft) and the severe differential attenuation characteristic of C-band.
The SIATA team has developed local classification models by adapting traditional fuzzy logic, with KDP-based attenuation correction before feeding the membership vector (SIATA, 2020; Hoyos et al., 2016). Validation combines the dense Parsivel disdrometer network with lightning detection sensors and profiling radars.
The SIATA case is valuable for two reasons. First, because it demonstrates that it can be done well in tropical C-band, with the right instruments. Second, because it’s the same manufacturer as Jamaica, allowing a direct comparison: both are EEC, both use NSSL-HCA derivatives, but SIATA has been locally adapted while there is no public evidence that Jamaica has done the same.
5.2 Aerocivil (Colombia): Vaisala in C-band
Colombia’s Civil Aviation Authority operates Vaisala WRM200 radars in C-band. This is the case that originated this article: Vaisala’s HydroClass classifier reporting snow in warm regions where pilots report rain. A Finnish classifier, applied to a Colombian sky.
5.3 The Question That Arises on Its Own
If SIATA (EEC, C-band) has been locally adapted and Aerocivil (Vaisala, C-band) reports the classic symptom of regional bias, then the question isn’t «which manufacturer is better?» The question is: how many radars in the tropics are operating with classifiers that were never locally validated?
6. It’s Not an Anecdote. It’s a Documented Pattern
What my colleague saw in Colombia isn’t a rarity. It’s documented throughout the region and beyond.
Puerto Rico (NEXRAD TJUA, S-band). Research from the University of Puerto Rico at Mayagüez and collaborators has analyzed the response of the official NOAA HCA during hurricanes and tropical cyclones. Key finding: in pure tropical systems dominated by warm microphysics, the classifier erroneously labels torrential rain zones with moderate Zh and high KDP as «rain and hail mixture.» Adjustments have been proposed to raise ZDR and KDP thresholds in detecting very heavy rain.
Guadeloupe and Martinique (Météo-France, C-band). Cross-validation campaigns with TRMM and GPM have allowed calibration of the melting layer height — 4.5 to 5.0 km in the Caribbean — and adjustment of membership functions to avoid false «wet snow» classification at mid-levels.
Colombia (SIATA, C-band). The case already described. Local classification models adapting fuzzy logic, with multi-instrument validation (SIATA, 2020; Hoyos et al., 2016).
Colombia (Universidad Distrital, C-band). The book by Camargo-Camargo, Cadena-Contreras & Alejo-Zabala (2022) documents how factory-default models in commercial radars, designed for mid-latitudes, overestimate the presence of ice and make errors in the melting zone. Señalin’s (2021) thesis develops a classification model specifically adapted to the warm microphysical dynamics of low latitudes.
India (CAIPEEX / IITM). The CAIPEEX campaign of the Indian Institute of Tropical Meteorology used dual-polarization radars in X- and C-band combined with Parsivel and 2DVD optical disdrometer networks, plus airborne instrumentation. They evaluated fuzzy logic membership functions adjusted to monsoon drop size distribution versus the standard S-band matrices set for mid-latitudes.
Australia (Darwin, C-POL). Thompson et al. developed a 10-category HCA in C-band optimized for tropical environments. Their explicit motivation was the electromagnetic ambiguity between big drops/melting hail and wet snow caused by Mie effects in C-band — exactly the kind of confusion a mid-latitude classifier doesn’t resolve.
The pattern is clear: everywhere an imported classifier has been validated in the tropics, the same bias has been found. It’s not a problem of a poorly calibrated radar. It’s a structural problem.
7. How to Do It Right: The Recipe
If the problem is structural, so is the solution. It’s not about throwing away the classifier. It’s about domesticating it.
7.1 Multi-Instrument In-Situ Validation
The most robust scheme, pioneered by SIATA in Colombia, combines three components:
Optical disdrometer network (Parsivel, 2DVD): directly measures drop size distribution (DSD) and fall velocity at the surface. Validates the radar’s microphysical assumptions.
Altitude soundings: determine the atmosphere’s thermal structure and the height of the 0 °C isotherm. Crucial data for constraining classification models.
7.2 Attenuation Correction with KDP
In C- and X-band, differential attenuation correction based on KDP is mandatory before feeding the classifier’s membership vector. Without it, false classifications downstream of the convective core are inevitable. This applies both to Colombia’s Vaisala WRM200 radars and to SIATA in Medellín, both in C-band.
7.3 Re-Adjusting Membership Functions with Local DSD
Work by UNAM in Yucatán, Universidad Distrital in Colombia, and CAIPEEX in India all agree: the HCA’s beta membership functions must be built with electromagnetic scattering data (T-Matrix) fed with local DSDs. Not with the standard NEXRAD or European matrices.
7.4 Introducing Temperature and Height as Context Variables
The classifier should know at what altitude it’s measuring. A pixel at 5 km in Jamaica is not the same as a pixel at 5 km in Finland. If the HID doesn’t incorporate the height of the 0 °C isotherm, it’s doomed to be wrong.
7.5 Cross-Validation with Spaceborne Remote Sensors
Cross-referencing the 3D classification from the ground radar with the GPM DPR or TRMM PR classification allows confirmation of the vertical structure of the melting layer and graupel cores over sea and land in the tropics (Dolan & Rutledge, 2009, 2011).
7.6 Transparency and Quality Flags
A good operational HID should indicate uncertainty per class, include an «unknown class» or «low confidence» label, avoid forcing a classification when variables aren’t conclusive, and document which region it was trained for and what its limitations are.
8. Beyond the HID: The Microburst Opportunity
And this is where the article stops being a critique and becomes a proposal.
Because the hydrometeor classifier is not the final product. It’s an input. And for certain applications — microburst detection, severe convection nowcasting, early warning — the traditional HID falls short, not because it’s wrong, but because it wasn’t designed for that.
For microburst detection, the real value lies in combining:
Predominant hydrometeor (HID output)
ZDR column (updraft signature with big drops)
KDP column (liquid water content)
Doppler divergence (surface wind signature)
Maximum reflectivity descent (downburst signature)
Height of the graupel and hail region (charging mechanism)
Traditional HIDs aren’t designed for this. They’re designed to say «this is rain» or «this is hail.» But a modern microburst nowcasting system could use HID outputs as one more variable within a broader scheme.
There’s a concrete opportunity here. With an S-band polarimetric radar like Jamaica’s — 8.5 m antenna, narrow beam, good resolution — one can develop a microburst risk classifier that:
Uses the HID (or HydroClass, or NSSL-HCA) as an input, not as a final product.
Incorporates ZDR and KDP columns as updraft detectors.
Combines with low-level Doppler divergence.
Constrains with local thermodynamic profile (0 °C isotherm at 5 km, CAPE, etc.).
Validates with surface reports and the LLWAS network if one exists.
That would be more modern than traditional HCAs. And it would be a real contribution, not just a complaint.
9. Conclusions
Calibrating (instrumentally) ZDR and PhiDP is essential. But it’s not enough. The HID is a regional model disguised as a universal product. And in tropical, Andean, or simply different regions, that disguise falls apart.
My colleague’s anecdote at Aerocivil isn’t a rarity. It’s a symptom. It’s what happens when we import technology without importing context. When we believe that an algorithm trained in Helsinki or Enterprise, Alabama, can tell us what’s falling from the sky over the Magdalena Medio. Let my reader not believe that a radar manufacturer can develop costly field experiments in the country where it’s going to install the radar. They take results published by universities and research centers that do these studies … valid only for the places where those studies are done.
The solution isn’t to throw away the classifier. It’s to domesticate it: validate it with disdrometers, re-adjust its membership functions with local DSDs, introduce temperature and beam height as context, correct attenuation with KDP, and above all, know when not to believe it.
And then take the next step: use the HID for what it is — an input — and build on top of it systems that answer more useful questions: Is there going to be a microburst? Is it going to hail? Is it going to rain hard enough to flood the valley?
Because in the end, the HID isn’t a truth. It’s a trained opinion. And like any opinion, you need to know where it comes from.
References
Bringi, V. N., & Chandrasekar, V. (2001). Polarimetric Doppler Weather Radar: Principles and Applications. Cambridge University Press.
Camargo-Camargo, J. E., Cadena-Contreras, L. A., & Alejo-Zabala, G. (2022). Estudio de hidrometeoros basado en información de variables polarimétricas de radares meteorológicos para Colombia. Editorial Universidad Distrital Francisco José de Caldas.
Dolan, B., & Rutledge, S. A. (2009). A theory-based hydrometeor identification algorithm for X-band polarimetric radars. Journal of Atmospheric and Oceanic Technology, 26(10), 2071–2088.
Dolan, B., & Rutledge, S. A. (2011). A theory-based hydrometeor identification algorithm for X-band polarimetric radars. Journal of Atmospheric and Oceanic Technology, 28(5), 621–637.
Doviak, R. J., & Zrnić, D. S. (1993). Doppler Radar and Weather Observations (2nd ed.). Academic Press.
Hoyos, C. D., Ceballos, L. I., Pérez, J. S., & Sepúlveda, J. I. (2016). The hydrometeorological monitoring network of the Aburrá Valley (SIATA): An integrated approach for early warning systems. Proceedings of the American Meteorological Society.
Michaelides, S. (Ed.). (2019). Precipitation Science: Measurement, Remote Sensing, Research and Applications. Elsevier.
Ryzhkov, A. V., & Zrnić, D. S. (2019). Radar Polarimetry for Weather Observations. Springer.
Señalin, M. A. (2021). Modelo de clasificación de hidrometeoros para zonas ecuatoriales. Repositorio de la Biblioteca Digital de Bogotá.
SIATA. (2020). Radares meteorológicos: Equipamiento, procesamiento de señales y variables polarimétricas. Documentación técnica del proyecto, Área Metropolitana del Valle de Aburrá.
Thompson, E. J., Rutledge, S. A., Dolan, B., Chandrasekar, V., & Cheong, B. L. (2014). A dual-polarization radar hydrometeor identification algorithm for X-band. Journal of Atmospheric and Oceanic Technology, 31(12), 2611–2627.
Thompson, E. J., et al. A Robust C-Band Hydrometeor Identification Algorithm and Its Application to Long-Term C-POL Observations in Darwin, Australia. Journal of Applied Meteorology and Climatology.
Vaisala. (2021). Corrección de atenuación de radares meteorológicos banda-C. Nota de aplicación técnica, Vaisala Oyj.
Zipser, E. J., Cecil, D. J., Liu, C., Nesbitt, S. W., & Yorty, D. P. (2006). Where are the most intense thunderstorms on Earth? Bulletin of the American Meteorological Society, 87(8), 1057–1072.
Author’s Note
This article is a divulgative review based on published literature, manufacturer technical documentation, and field observations in Colombia and the Caribbean. Statements about EEC’s classifier and its NSSL lineage are based on public technical documentation and reasonable inferences, not official communications from the manufacturer. Any reader with first-hand information is invited to contribute to the discussion.
Un post sobre clasificación de hidrometeoros en los radares polarimétricos, sesgo regional y la geografía invisible de los algoritmos. English version here.
Los clasificadores de hidrometeoros (HCA/HID) que operan en radares polarimétricos comerciales son, en su gran mayoría, implementaciones de lógica difusa construidas a partir de campañas de observación, simulaciones electromagnéticas y conocimiento microfísico generado en latitudes medias. Cuando estos clasificadores se despliegan en regiones tropicales —como el Caribe o el norte de Sudamérica—, sus funciones de membresía y umbrales de decisión dejan de representar la física local. Este artículo examina el caso de dos fabricantes (EEC y Vaisala), dos países (Jamaica y Colombia), y argumenta que el sesgo no es un defecto de calibración sino una consecuencia estructural de importar modelos regionales disfrazados de productos universales. Se propone un marco de validación local y se explora su aplicación a la detección de microburst.
1. Introducción: una queja que no era técnica
Una colega de la Aerocivil de Colombia manejaba datos de un radar Doppler y Polarimétrico. Hace unos años nos vimos y me comentó una queja que no era técnica, sino casi existencial: el clasificador de hidrometeoros de su radar marcaba nieve en zonas cálidas del país. Zonas donde la isoterma de 0 °C está a 4.800 metros y donde a nivel del suelo nunca ha nevado. Los pilotos reportaban lluvia. El clasificador insistía en nieve.
Ella sabía que el radar estaba bien calibrado. ZDR ajustado, PhiDP sin offset, RhoHV coherente. Y sin embargo, el producto estrella —el que dice qué tipo de partícula cae del cielo— mentía.
Esa queja es el origen de este artículo. Porque el problema no era un bug. Era algo más profundo y más incómodo: el clasificador no conocía Colombia. Y lo mismo podría decirse de Jamaica. O de Puerto Rico. O de cualquier lugar donde un radar polarimétrico mire un cielo para el que su algoritmo no fue diseñado.
2. Calibrar no es clasificar
Conviene separar dos cosas que a menudo se confunden.
Calibrar un radar polarimétrico es asegurar que lo que mide corresponde a lo que hay. Que Zh no tiene sesgo, que ZDR está centrado, que PhiDP no tiene offset, que RhoHV refleja coherencia real. Es un problema de instrumentación. Difícil, pero acotado.
Clasificar hidrometeoros es otra cosa. Es tomar esas variables ya calibradas y decidir, mediante un modelo, si lo que estás viendo es lluvia ligera, lluvia intensa, gotas grandes, granizo, graupel, nieve seca, nieve húmeda, cristales de hielo, biota o clutter. Es un problema de inferencia.
El clasificador más común en radares operativos —tanto en EEC como en Vaisala, como veremos— usa lógica difusa. Se definen funciones de pertenencia para cada variable polarimétrica, se construyen reglas de inferencia del tipo «si Zh es alta y ZDR es bajo y RhoHV es alto, entonces probablemente granizo», y se combinan para obtener un grado de pertenencia a cada clase.
El problema es que esas funciones y esas reglas no salen del aire. Se construyen, se ajustan, se validan con campañas de observación, simulaciones electromagnéticas y mediciones in situ hechas en algún lugar concreto. Y ahí está el detalle: ese «algún lugar» casi nunca es el trópico.
3. Dos primos hermanos: EEC y Vaisala
Aquí es donde la historia se pone interesante. Porque uno podría pensar que el problema es de un fabricante. No lo es. Es de una filosofía compartida.
3.1 EEC y el linaje NOAA/NSSL
Jamaica opera un EEC Defender, banda S, antena de 8.5 metros. EEC —Enterprise Electronics Corporation— tiene su sede en Enterprise, Alabama. No es coincidencia poética: es literal. El radar que mira el Caribe desde Jamaica fue fabricado en una ciudad del sur de Estados Unidos.
Todo indica que EEC incorporó en sus radares la línea de clasificación desarrollada por el grupo de Alexander V. Ryzhkov y Dusan S. Zrnić en NOAA/NSSL, basada en lógica difusa. El propio material técnico de EEC apunta a que integraron los algoritmos de clasificación de hidrometeoros desarrollados para la plataforma WSR-88D —la red NEXRAD estadounidense— (Ryzhkov & Zrnić, 2019).
Ese clasificador usa principalmente:
Zh (reflectividad horizontal)
ZDR (reflectividad diferencial)
RhoHV (coeficiente de correlación)
KDP (fase diferencial específica)
Información de temperatura
Detección de la capa de fusión (melting layer)
Y clasifica aproximadamente entre diez categorías: lluvia, lluvia intensa, gotas grandes, granizo pequeño, granizo grande, graupel, nieve seca, nieve húmeda, cristales de hielo y ecos biológicos/no meteorológicos.
Las membership functions de ese clasificador se construyeron a partir de campañas de observación polarimétrica en Oklahoma, Alabama y otras regiones de latitudes medias continentales; simulaciones electromagnéticas T-Matrix; mediciones in situ; y conocimiento microfísico experto. Es decir: física rigurosa, pero física de latitudes medias continentales.
3.2 Vaisala y su HydroClass
Colombia opera radares Vaisala, principalmente WRM200 en banda C. Vaisala incorpora un módulo llamado HydroClass™, y declara explícitamente que utiliza «a proven fuzzy logic algorithm» para clasificar objetivos meteorológicos y no meteorológicos (Vaisala, 2021).
Y las variables que alimentan el clasificador son:
ZDR
RhoHV
PhiDP
KDP
LDR (cuando opera en ese modo)
3.3 El punto clave: una filosofía compartida
Fíjate en algo. Ninguno de los dos entrena con datos históricos masivos. Ninguno usa aprendizaje automático moderno. Ambos siguen la misma receta:
Simulación física de hidrometeoros (T-Matrix)
Construcción de regiones características en el espacio polarimétrico
Clasificación mediante lógica difusa
Corrección usando temperatura ambiental
Son primos hermanos. Comparten física, comparten método, comparten limitaciones. Y comparten el mismo problema cuando aterrizan en el trópico: ninguno de los dos fue construido pensando en la isoterma de 0 °C a 5 km.
Eso significa que el sesgo no viene de «malos datos de entrenamiento». Viene de algo más profundo: las campañas, las mediciones y el conocimiento experto son de un lugar. El T-Matrix simula partículas, pero las partículas que simula son las que alguien decidió simular. Las campañas se hicieron en Oklahoma, en Darwin, en Helsinki. El conocimiento experto es experto en algo.
El clasificador no está «mal entrenado». Está entrenado para otro sitio. Y eso es más difícil de arreglar que reentrenar con datos.
4. La física tropical no es la de latitudes medias
Aquí hay un matiz importante que mi lector debe tener en cuenta: el síntoma cambia según la banda de trabajo que use el radar, pero la enfermedad es la misma.
4.1 El caso de Jamaica (banda S)
La banda S tiene una ventaja enorme: la atenuación por lluvia es mucho menor que en banda C o X. Eso significa que el problema no es la atenuación. El problema es otro.
La isoterma de 0 °C está a 5 km. En latitudes medias está a 2–3 km. Un radar jamaiquino puede estar muestreando hielo a 4 km de altura —hielo que se funde antes de llegar al suelo—. El clasificador ve hielo y dice «nieve». El piloto reporta lluvia. Ambos tienen razón; el HID no distingue entre «hay hielo en el volumen de muestreo» y «cae nieve en superficie».
La micro física cálida domina. Zipser et al. (2006) documentaron por qué las convecciones tropicales marítimas —como las del Caribe— exhiben firmas de micro física cálida: coalescencia eficiente, alto contenido de agua líquida, gotas de tamaño pequeño a mediano que rara vez alcanzan el punto de congelación en niveles bajos. A diferencia de las tormentas continentales de latitudes medias, donde las corrientes ascendentes generan grandes estructuras de hielo, aquí la lluvia se produce sin necesidad de una fase hielo extensa.
Eso se traduce en reflectividades moderadas con KDP alto. Y las fronteras tradicionales del clasificador fallan: asocian esos niveles de reflectividad con mezclas de hielo, cuando en realidad es lluvia cálida eficiente.
Figura 1. Rangos típicos de ZDR por clase de hidrometeoro para Jamaica (18°N, marítimo tropical). Adaptado del esquema de Fabry (2015). Cada barra horizontal representa el intervalo de valores de ZDR asociado a una categoría, coloreado según una escala cromática continua. Los rangos se solapan deliberadamente para reflejar la ambigüedad inherente a la clasificación polarimétrica; la asignación de clase es probabilística, no determinista. Nótese la ausencia de una región operativa de «nieve seca» en superficie —la barra de Snow corresponde exclusivamente a hielo aloft que se funde antes de alcanzar el suelo— y el rango inusualmente amplio de Rain, consecuencia de la micro física cálida tropical. Los dos recuadros punteados señalan las confusiones más frecuentes del clasificador importado: la categoría Snow, que en Jamaica corresponde a graupel en altura y no a nieve en superficie, y la categoría Biological targets, que el HCA etiqueta erróneamente como «nieve húmeda» cuando en realidad es biota. La línea vertical discontinua en ZDR = 0 marca la frontera entre partículas esféricas y obladas, no una temperatura; la isoterma de 0 °C, que en Jamaica se sitúa alrededor de los 5 km de altitud, debe consultarse por separado mediante sondeos o perfiles verticales.
La ambigüedad entre gotas grandes y granizo derretido. En banda S el efecto Mie es menor que en banda C, pero no desaparece. Gotas de gran tamaño y granizo en fusión pueden ocupar regiones vecinas del espacio polarimétrico. El clasificador NSSL/Ryzhkov, afinado con micro física continental, tiende a inclinarse por el hielo.
La biota es un problema todo el año. Capa límite marina cálida, insectos, aves. ZDR alto con RhoHV bajo. El clasificador dice «nieve húmeda». No es nieve: es vida.
4.2 El caso de Colombia (banda C)
Aquí se suma otro problema: la atenuación diferencial severa.
En banda C, las tormentas tropicales intensas absorben y dispersan la energía de forma asimétrica entre los canales H y V. Si no se aplica una corrección rigurosa basada en KDP, la Zh y la ZDR caen artificialmente detrás del núcleo convectivo. Y ahí el clasificador enloquece: cataloga lluvia intensa como nieve seca, granizo derretido o atenuación total (Bringi & Chandrasekar, 2001; Vaisala, 2021).
4.3 La lección
Mismo clasificador, mismos supuestos, mismo sesgo. Pero:
En Jamaica (S-band), el problema es la isoterma alta y la micro física cálida.
En Colombia (C-band), se suma la atenuación diferencial.
Misma enfermedad, síntomas distintos.
5. El caso colombiano: dos fabricantes, un mismo reto
Colombia ofrece un caso de estudio particularmente rico, porque en su territorio coexisten al menos dos fabricantes con filosofías de clasificación distintas, operando ambos en banda C y ambos en régimen tropical.
5.1 SIATA (Medellín): EEC en banda C, adaptado localmente
El Sistema de Alerta Temprana de Medellín y el Valle de Aburrá opera un radar polarimétrico EEC en banda C —el mismo fabricante que provee el radar de Jamaica— en topografía compleja y convección tropical andina. Esto significa que enfrenta dos problemas simultáneos: la micro física cálida tropical (isoterma alta, gotas grandes, graupel aloft) y la atenuación diferencial severa propia de la banda C.
El equipo de SIATA ha desarrollado modelos locales de clasificación adaptando la lógica difusa tradicional, con corrección de atenuación basada en KDP antes de alimentar el vector de membresía (SIATA, 2020; Hoyos et al., 2016). La validación combina la red densa de disdrómetros Parsivel con sensores de descarga eléctrica y radares perfiladores.
El caso SIATA es valioso por dos razones. Primero, porque demuestra que se puede hacer bien en banda C tropical, con los instrumentos adecuados. Segundo, porque es el mismo fabricante que Jamaica, lo que permite una comparación directa: ambos son EEC, ambos usan derivados del HCA NSSL, pero SIATA ha sido adaptado localmente mientras que no hay evidencia pública de que Jamaica haya hecho lo mismo.
5.2 Aerocivil (Colombia): Vaisala en banda C
La Aerocivil opera radares Vaisala WRM200 en banda C. Es el caso que origina este artículo: el clasificador HydroClass de Vaisala reportando nieve en zonas cálidas donde los pilotos reportan lluvia. Un clasificador finlandés, aplicado a un cielo colombiano.
5.3 La pregunta que surge sola
Si SIATA (EEC, C-band) ha sido adaptado localmente y la Aerocivil (Vaisala, C-band) reporta el síntoma clásico de sesgo regional, entonces la pregunta no es «¿qué fabricante es mejor?». La pregunta es: ¿cuántos radares en el trópico están operando con clasificadores que nunca fueron validados localmente?
6. No es una anécdota. Es un patrón documentado
Lo que mi colega vio en Colombia no es una rareza. Está documentado en toda la región y más allá.
Puerto Rico (NEXRAD TJUA, S-band). Investigaciones de la Universidad de Puerto Rico en Mayagüez y colaboradores han analizado la respuesta del HCA oficial de la NOAA durante huracanes y ciclones tropicales. Hallazgo clave: en sistemas tropicales puros dominados por micro física cálida, el clasificador etiqueta erróneamente zonas de lluvia torrencial con Zh moderado y KDP alto como «mezcla de lluvia y granizo». Se han propuesto ajustes para elevar los umbrales de ZDR y KDP en la detección de lluvia muy fuerte.
Guadalupe y Martinica (Météo-France, banda C). Campañas de validación cruzada con TRMM y GPM han permitido calibrar la altura de la capa de fusión —4.5 a 5.0 km en el Caribe— y ajustar las funciones de membresía para evitar la falsa clasificación de «nieve húmeda» en capas medias.
Colombia (SIATA, banda C). El caso ya descrito. Modelos locales de clasificación adaptando lógica difusa, con validación multi-instrumento (SIATA, 2020; Hoyos et al., 2016).
Colombia (Universidad Distrital, banda C). El libro de Camargo-Camargo, Cadena-Contreras & Alejo-Zabala (2022) documenta cómo los modelos predeterminados de fábrica en radares comerciales, diseñados para latitudes medias, sobreestiman la presencia de hielo y cometen errores en la zona de fusión. La tesis de Señalin (2021) desarrolla un modelo de clasificación específicamente adaptado a las dinámicas microfísicas cálidas de latitudes bajas.
India (CAIPEEX / IITM). La campaña CAIPEEX del Indian Institute of Tropical Meteorology usó radares de doble polarización en bandas X y C combinados con redes de disdrómetros ópticos Parsivel y 2DVD, más instrumental a bordo de aviones. Evaluaron las funciones de membresía de lógica difusa ajustadas a la distribución del tamaño de gotas monzónicas versus las matrices estándar S-band fijadas para latitudes medias.
Australia (Darwin, C-POL). Thompson et al. desarrollaron un HCA de 10 categorías en banda C optimizado para entornos tropicales. Su motivación explícita fue la ambigüedad electromagnética entre gotas grandes/granizo derretido y nieve húmeda provocada por efectos de Mie en banda C —exactamente el tipo de confusión que un clasificador de latitudes medias no resuelve—.
El patrón es claro: en todos lados donde se ha validado un clasificador importado en el trópico, se ha encontrado el mismo sesgo. No es un problema de un radar mal calibrado. Es un problema estructural.
7. Cómo se hace bien: la receta
Si el problema es estructural, la solución también lo es. No se trata de tirar el clasificador. Se trata de domesticarlo.
7.1 Validación in situ multi-instrumento
El esquema más sólido, implementado de forma pionera por SIATA en Colombia, combina tres componentes:
Red de disdrómetros ópticos (Parsivel, 2DVD): mide directamente la distribución del tamaño de gota (DSD) y la velocidad de caída en superficie. Valida los supuestos microfísicos del radar.
Sondeos de altura: determinan la estructura térmica de la atmósfera y la altura de la isoterma de 0 °C. Dato crucial para restringir los modelos de clasificación.
7.2 Corrección de atenuación con KDP
En banda C y X, la corrección de atenuación diferencial basada en KDP es obligatoria antes de alimentar el vector de membresía del clasificador. Sin ella, las falsas clasificaciones aguas abajo del núcleo convectivo son inevitables. Esto aplica tanto a los radares Vaisala WRM200 de Colombia como al SIATA de Medellín, ambos en banda C.
7.3 Reajuste de funciones de membresía con DSD locales
Los trabajos de la UNAM en Yucatán, de la Universidad Distrital en Colombia y de CAIPEEX en India coinciden: hay que construir las funciones de membresía beta del HCA con datos de dispersión electromagnética (T-Matrix) alimentados con DSD locales. No con las matrices estándar de NEXRAD o de Europa.
7.4 Introducir temperatura y altura como variables de contexto
El clasificador debería saber a qué altura está midiendo. Un píxel a 5 km en Jamaica no es lo mismo que un píxel a 5 km en Finlandia. Si el HID no incorpora la altura de la isoterma de 0 °C, está condenado a equivocarse.
7.5 Validación cruzada con sensores remotos espaciales
El cruce de la clasificación tridimensional del radar terrestre con la clasificación del GPM DPR o del TRMM PR permite confirmar la estructura vertical de la capa de fusión y los núcleos de graupel sobre mar y tierra en los trópicos (Dolan & Rutledge, 2009, 2011).
7.6 Transparencia y banderas de calidad
Un buen HID operativo debería indicar incertidumbre por clase, incluir una etiqueta de «clase desconocida» o «baja confianza», no forzar una clasificación cuando las variables no son concluyentes, y documentar para qué región fue entrenado y cuáles son sus limitaciones.
8. Más allá del HID: la oportunidad del microburst
Y aquí es donde el artículo deja de ser una crítica y se convierte en una propuesta.
Porque el clasificador de hidrometeoros no es el producto final. Es un insumo. Y para ciertas aplicaciones —detección de microburst, nowcasting de convección severa, alerta temprana— el HID tradicional se queda corto, no porque esté mal, sino porque no fue diseñado para eso.
Para detección de microburst, el valor real está en combinar:
Hidrometeoro predominante (salida del HID)
Columna de ZDR (firma de corriente ascendente con gotas grandes)
Columna de KDP (contenido de agua líquida)
Divergencia Doppler (firma de viento en superficie)
Descenso de reflectividad máxima (firma de downburst)
Altura de la región de graupel y granizo (mecanismo de carga)
Perfil termodinámico (estabilidad, CAPE, nivel de condensación)
Los HID tradicionales no están diseñados para esto. Están diseñados para decir «esto es lluvia» o «esto es granizo». Pero un sistema moderno de nowcasting de microburst podría usar las salidas del HID como una variable más dentro de un esquema más amplio.
Ahí hay una oportunidad concreta. Con un radar polarimétrico en banda S como el de Jamaica —antena de 8.5 m, haz estrecho, buena resolución—, se puede desarrollar un clasificador de riesgo de microburst que:
Use el HID (o HydroClass, o NSSL-HCA) como insumo, no como producto final.
Incorpore las columnas de ZDR y KDP como detectores de updraft.
Combine con divergencia Doppler en niveles bajos.
Restrinja con perfil termodinámico local (isoterma 0 °C a 5 km, CAPE, etc.).
Se valide con reportes de superficie y con la red LLWAS si existe.
Eso sería más moderno que los HCA tradicionales. Y sería una contribución real, no solo una queja.
9. Conclusiones
Calibrar (de modo instrumental) ZDR y PhiDP es imprescindible. Pero no basta. El HID es un modelo regional disfrazado de producto universal. Y en regiones tropicales, andinas, o simplemente distintas, ese disfraz se cae.
La anécdota de mi colega en la Aerocivil no es una rareza. Es un síntoma. Es lo que pasa cuando importamos tecnología sin importar el contexto. Cuando creemos que un algoritmo entrenado en Helsinki o en Enterprise, Alabama, puede decirnos qué cae del cielo en el Magdalena Medio. No crea mi lector que un fabricante de radares puede desarrollar costosos experimentos de campo en el país donde va a instalar el radar. Ellos toman los resultados publicados por universidades y centros de investigación que hacen estos estudios … válidos solo para los lugares donde hacen esos estudios.
La solución no es tirar el clasificador. Es domesticarlo: validarlo con disdrómetros, reajustar sus funciones de membresía con DSD locales, introducir la temperatura y la altura del haz como contexto, corregir la atenuación con KDP, y sobre todo, saber cuándo no creerle.
Y luego dar el paso siguiente: usar el HID como lo que es —un insumo— y construir encima sistemas que respondan preguntas más útiles: ¿va a haber un microburst? ¿va a granizar? ¿va a llover tan fuerte que se inunde el valle?
Porque al final, el HID no es una verdad. Es una opinión entrenada. Y como toda opinión, hay que saber de dónde viene.
Referencias
Bringi, V. N., & Chandrasekar, V. (2001). Polarimetric Doppler Weather Radar: Principles and Applications. Cambridge University Press.
Camargo-Camargo, J. E., Cadena-Contreras, L. A., & Alejo-Zabala, G. (2022). Estudio de hidrometeoros basado en información de variables polarimétricas de radares meteorológicos para Colombia. Editorial Universidad Distrital Francisco José de Caldas.
Dolan, B., & Rutledge, S. A. (2009). A theory-based hydrometeor identification algorithm for X-band polarimetric radars. Journal of Atmospheric and Oceanic Technology, 26(10), 2071–2088.
Dolan, B., & Rutledge, S. A. (2011). A theory-based hydrometeor identification algorithm for X-band polarimetric radars. Journal of Atmospheric and Oceanic Technology, 28(5), 621–637.
Doviak, R. J., & Zrnić, D. S. (1993). Doppler Radar and Weather Observations (2nd ed.). Academic Press.
Hoyos, C. D., Ceballos, L. I., Pérez, J. S., & Sepúlveda, J. I. (2016). The hydrometeorological monitoring network of the Aburrá Valley (SIATA): An integrated approach for early warning systems. Proceedings of the American Meteorological Society.
Michaelides, S. (Ed.). (2019). Precipitation Science: Measurement, Remote Sensing, Research and Applications. Elsevier.
Ryzhkov, A. V., & Zrnić, D. S. (2019). Radar Polarimetry for Weather Observations. Springer.
Señalin, M. A. (2021). Modelo de clasificación de hidrometeoros para zonas ecuatoriales. Repositorio de la Biblioteca Digital de Bogotá.
SIATA. (2020). Radares meteorológicos: Equipamiento, procesamiento de señales y variables polarimétricas. Documentación técnica del proyecto, Área Metropolitana del Valle de Aburrá.
Thompson, E. J., Rutledge, S. A., Dolan, B., Chandrasekar, V., & Cheong, B. L. (2014). A dual-polarization radar hydrometeor identification algorithm for X-band. Journal of Atmospheric and Oceanic Technology, 31(12), 2611–2627.
Thompson, E. J., et al. A Robust C-Band Hydrometeor Identification Algorithm and Its Application to Long-Term C-POL Observations in Darwin, Australia. Journal of Applied Meteorology and Climatology.
Vaisala. (2021). Corrección de atenuación de radares meteorológicos banda-C. Nota de aplicación técnica, Vaisala Oyj.
Zipser, E. J., Cecil, D. J., Liu, C., Nesbitt, S. W., & Yorty, D. P. (2006). Where are the most intense thunderstorms on Earth? Bulletin of the American Meteorological Society, 87(8), 1057–1072.
Nota del autor
Este artículo es una revisión divulgativa basada en literatura publicada, documentación técnica de fabricantes y observaciones de campo en Colombia y el Caribe. Las afirmaciones sobre el clasificador de EEC y su linaje NSSL se basan en documentación técnica pública y en inferencias razonables, no en comunicaciones oficiales del fabricante. Se invita a cualquier lector con información de primera mano a contribuir a la discusión.
Discover why calibrating weather radars (WMO-No. 1257) is essential to move from qualitative images to real quantitative data in storm monitoring and precipitation estimation. Sharing uncalibrated radar data is like counting guavas and apples as if they were one and the same set. Versión en español aquí.
Descubre por qué la calibración de radares meteorológicos (WMO-No. 1257) es fundamental para pasar de imágenes cualitativas a datos cuantitativos reales en el monitoreo de tormentas y estimación de precipitaciones. Si compartimos datos de radar sin calibrar es como contar guayabas y manzanas como un mismo conjunto. English version here.
If in the previous article I addressed the siting of a radar to serve an airport, now I want to broaden the range and talk about the siting of a weather radar for general meteorological service. The fundamental difference is that, while in the airport case the goal is to detect hazardous phenomena during takeoff and landing—wind shear, microbursts, gust fronts—in general meteorological service the goal is continuous surveillance of the atmosphere over a broad territory: precipitation, severe storms, tropical cyclones, hail, and in general all phenomena that affect the population and the economy.
I have been involved in the siting and installation of several radars throughout my life. And if I have learned anything, it is that the order of the factors does alter the product. In my experience, one must begin with logistically accessible sites. Starting by looking for locations on very high peaks with panoramic views is pointless if they later turn out to be places where logistics—roads, redundant communications, electric power—would be prohibitively expensive or impossible to sustain. Once you have logistically plausible sites, then you review visibility with DEM/LOS models and decide how to complement with other radars and of what type. And above all, the operating band, which is what decides the price.
Allow me to share what I have gathered on these criteria, in a manner analogous to what I did for the airport case.
Si en el artículo anterior abordé la ubicación de un radar para dar servicio a un aeropuerto, ahora quiero ampliar el rango y hablar de la ubicación de un radar meteorológico para el servicio meteorológico en general. La diferencia fundamental es que, mientras en el caso aeroportuario el objetivo es detectar fenómenos peligrosos en el despegue y aterrizaje —cizalladuras, microavalanchas, frentes de racha—, en el servicio meteorológico general el objetivo es la vigilancia continua de la atmósfera sobre un territorio amplio: precipitación, tormentas severas, ciclones tropicales, granizo, y en general todos los fenómenos que afectan a la población y a la economía.
He estado involucrado en la ubicación y el montaje de varios radares a lo largo de mi vida. Y si algo he aprendido, es que el orden de los factores sí altera el producto. En mi experiencia, uno debe comenzar por los lugares logísticamente accesibles. Empezar buscando ubicaciones en picos muy elevados con vistas panorámicas es por gusto si luego son lugares donde la logística —viales, comunicaciones redundantes, energía eléctrica— resultaría prohibitivamente costosa o imposible de sostener. Una vez con lugares logísticamente plausibles, entonces sí se revisa la visibilidad con modelos DEM/LOS y se decide cómo complementar con otros radares y de qué tipo. Y sobre todo, la banda de trabajo, que es la que decide el precio.
Permítanme compartirles lo que he recopilado sobre estos criterios, de manera análoga a lo que hice para el caso aeroportuario.
La logística primero: el criterio que no se puede ignorar
La Organización Meteorológica Mundial (OMM) lo dice con claridad en sus guías de mejores prácticas: la elección del sitio de un radar depende de la aplicación prevista, pero también está influenciada por muchos factores económicos y técnicos. Entre ellos, la existencia de caminos para llegar al radar, la disponibilidad de energía y enlaces de telecomunicaciones, el costo del terreno, la proximidad a una instalación de monitoreo y mantenimiento, y la existencia de la menor cantidad posible de obstáculos para el haz del radar .
La experiencia práctica confirma esto. En un proyecto reciente en la región de Biobío, Chile, se utilizó la plataforma Model Builder de ArcGIS para obtener zonas candidatas para la instalación de un radar meteorológico a partir de parámetros como la elevación, el índice de posición topográfica, la distancia de visión promedio, la proximidad a caminos y tendido eléctrico . Es decir, la logística no es un añadido de última hora: es un criterio de primer orden en la selección del sitio.
En un caso real en la provincia de Sichuan, China, los equipos de selección de sitio tuvieron que adentrarse en montañas donde la mayoría de los picos preseleccionados no tenían camino. Los técnicos iban abriendo paso con machetes entre la vegetación, registrando coordenadas y altitudes, y en cada cumbre evaluaban la posibilidad de acceso a comunicaciones y energía eléctrica. Como decía el responsable de la misión: «El radar es como un ‘ojo celestial’; la selección del sitio está directamente relacionada con la precisión y el alcance de los datos de monitoreo en los prócimos 15-20 años (o tal vez 50, como nuestros tres longevos radares RC-32B, léase el post Once upon a time…Japanese Radars, the beginning of a new era in Cuban Meteorology). No se puede ser descuidado en absoluto» .
Esto me recuerda una experiencia propia. El «monstruo» Leonardo (Ichi) fue a hacer una reparación al radar meteorológico METEOR-50DX (del fabricante GEMATRONIK-SELEX), en los predios del aeropuerto de Pasto, Colombia, y para acceder al radar había que cruzar sobre la pista, por tanto, había que esperar que no hubiera tráfico de aviones sobre la misma. Un sitio puede tener una visibilidad impecable y, sin embargo, ser un infierno logístico. Miren el radar de Karún en medio de la selva venezolana, con una posición envidiable y una logística impraticable.
En Cuba tenemos tres radares cuyo acceso puede ser crítico y ha tenido episodios épicos y memorables, ellos son Gran Piedra (en la provincia de Santiago de Cuba), Pico San Juan (en la provincia de Cienfuegos) y Punta del Este (en la Isla de la Juventud). Si gusta puede leer sobre las hazañas de nuestros técnicos de LADETEC para mantenerlos funcionando en lo que podría ser un récord Guinness: Cuando no hay mulos se arrea a lomo de hombres, Expedición a la Isla del Tesoro
Los requerimientos de infraestructura que la OMM detalla incluyen torre, suministro de energía (principal y de respaldo), protección contra rayos y puesta a tierra, y comunicaciones y red. No es trivial. Un sitio en un pico remoto puede requerir una torre de decenas de metros, un sistema de energía solar o eólico con banco de baterías, un pararrayos diseñado con cuidado para no afectar el rendimiento de la antena, y un enlace VSAT para transmitir los datos. Todo eso multiplica el costo de operación y mantenimiento a lo largo de la vida útil del radar.
El análisis de visibilidad con DEM/LOS: cuando ya hay candidatos logísticamente viables
Una vez que se tienen sitios logísticamente plausibles —con acceso vial razonable, energía disponible o instalable, y comunicaciones viables—, entonces sí se procede al análisis de visibilidad. Aquí es donde entran los Modelos Digitales de Elevación (DEM) y los análisis de Línea de Visión (LOS).
La OMM señala que, en el caso de una red de radares destinada principalmente a aplicaciones sinópticas, los radares en latitudes medias deben ubicarse a una distancia de aproximadamente 150 a 200 km entre sí. Si la red se utiliza para mediciones cuantitativas de precipitación, donde es primordial utilizar haces de radar a baja altura, esa distancia no debe exceder los 100 km . Pero estos números son solo puntos de partida: la visibilidad real del haz sobre el terreno es la que determina la cobertura efectiva.
Para evaluar esa visibilidad, la herramienta fundamental es el análisis de bloqueo del haz mediante DEM. Existen herramientas desarrolladas por servicios meteorológicos nacionales, como la del Servicio Meteorológico Estatal de Turquía (TSMS), que utiliza un modelo digital de elevación de 30 m de resolución y librerías de código abierto (wradlib) para calcular el porcentaje de bloqueo del haz, el radio visible del haz, el porcentaje de haz visible, la altura mínima de visibilidad sobre el nivel medio del mar, y el ángulo visible mínimo para cada punto de la red . El proceso es iterativo: se van probando ángulos de elevación sucesivos hasta que al menos una parte del haz deja de estar bloqueada . También LADETEC dispone de su propia aplicación LAMULA™ DEM/LOS.
En el caso de Chile, una vez obtenidos los candidatos logísticamente viables, se utilizó un código Python en ArcGIS que, a partir del modelo digital de elevación de la región y el punto de control, permite conocer la visión horizontal —el skyline— que tendría el radar en esa localización. El requisito es que esa visión no tenga obstrucciones topográficas para no generar zonas de sombra . Y una vez trazados los skylines, se estimó cuál sería la población directamente beneficiada. Descubrieron que un radar de banda C con un alcance de 120 km cubriría no solo la región del Biobío, sino también parte de Ñuble y La Araucanía, beneficiando a más de 2 millones de habitantes.
La OMM advierte algo crucial: los sitios de radar en montañas altas son de poco beneficio para detectar precipitación cerca del suelo. Las mediciones con elevación negativa producen fuertes ecos de suelo, por lo que solo tienen sentido en casos excepcionales. En regiones montañosas, a menudo es imposible lograr un equilibrio entre un buen alcance de visibilidad y mediciones cerca del suelo. La solución que sugiere la OMM es el posicionamiento auxiliar de sistemas más pequeños en los grandes valles de montaña, que pueden desempeñar un papel suplementario valioso. En Cuba tenemos el caso del radar de Gran Piedra, un coloso que captura los huracanes al norte y al sur de Cuba mejor que los otros 7 radares.; pero no puede ver la precipitación en la ciudad de Santiago de Cuba a sus pies). Léase estos tres posts para que se comprenda el dilema del radar de La Gran Piedra (Al César, lo que es del César, ¿Puede el radar de Gran Piedra “ver” la lluvia sobre la ciudad de Santiago de Cuba?, Radares cubanos vs Huracán Irma).
Esto conecta directamente con el siguiente punto.
Complementación con otros radares: la red como sistema
Ningún radar es una isla. La OMM lo dice sin rodeos: la selección de la tecnología del radar y el diseño de la red estarán influenciados por las oportunidades actuales y futuras de acceder a datos de otros radares. Las redes de radares meteorológicos son, en general, heterogéneas debido a diferencias de edad, proveedores, tecnologías (bandas S, C y X) y función.
El espaciamiento entre radares es una restricción crítica. Un espaciamiento del orden de 150–200 km, como en Europa, frente a 250–400 km, como en Norteamérica, influye significativamente en la elección de la tecnología del radar. Si la aplicación requiere medición directa a bajas altitudes para un área limitada —por ejemplo, cizalladura del viento en un aeropuerto o en terreno complejo—, entonces solo se requiere un alcance corto (~40 km), lo que también influye en la elección de la tecnología.
La tendencia moderna es hacia redes heterogéneas: radares de banda S para cobertura amplia y detección de precipitación intensa a larga distancia, radares de banda C como compromiso entre alcance y costo, y radares de banda X para relleno de huecos (gap-filling) y aplicaciones de corto alcance. Un estudio reciente mostró que aproximadamente una cuarta parte del beneficio potencial de relleno de huecos podría lograrse con solo 25 radares adicionales de «relleno». La clave está en que los radares de menor costo —banda X y banda C— operan con menor potencia y están disponibles en configuraciones significativamente más pequeñas, lo que los hace ideales para complementar la cobertura de una red de banda S.
Pero la complementación no es solo cuestión de bandas. También es cuestión de ángulos de exploración. Un radar en un pico elevado puede tener un alcance excelente a altitudes medias y altas, pero un punto ciego cerca del suelo. Otro radar en un valle, con menor alcance pero mejor visibilidad de las capas bajas, puede complementar esa cobertura. La OMM sugiere que en regiones montañosas, el posicionamiento auxiliar de sistemas más pequeños en los grandes valles puede desempeñar un papel suplementario valioso .
La banda de trabajo: el factor que decide el precio
Llegamos al punto que, en mi experiencia, es el que con más frecuencia se subestima en la etapa de planificación: la elección de la banda de frecuencia. La OMM lo resume así: la elección de la banda de frecuencia resulta principalmente de un compromiso entre el alcance y la reflectividad, que varía como λ⁻⁴, la atenuación por lluvia, que disminuye al aumentar λ hasta volverse despreciable en longitudes de onda decimétricas, la precisión de los datos y el costo.
Veamos las tres bandas principales para radares meteorológicos:
Banda S (2700–2900 MHz, ~10 cm). Es la elección para detectar lluvia intensa a muy largas distancias, hasta 300 km, en climas tropicales y templados. La atenuación por lluvia es prácticamente despreciable, pero los sistemas son voluminosos y costosos, requieren transmisores más potentes para una sensibilidad comparable a la banda C, y demandan más espacio y más electricidad.
Banda C (5600–5650 MHz, ~5.4 cm). Es generalmente preferida para uso en climas templados, ya que representa un compromiso relevante entre los parámetros anteriores. Permite detección de lluvia a largas distancias (hasta 200 km), aunque su cuantificación se limita en la práctica por encima de los 100 km. Ofrece la ventaja de un menor costo, tanto por menor potencia como por menor tamaño de antena en comparación con radares de menor frecuencia que tienen la misma resolución espacial. El costo de los radares de banda C es aproximadamente la mitad que el de los de banda S.
Banda X (9300–9500 MHz, ~2.5–3.2 cm). Los radares de banda X son más sensibles y pueden detectar partículas más pequeñas, pero como experimentan una atenuación mucho mayor, se utilizan solo para observación meteorológica de muy corto alcance, aproximadamente 50 km. Son ideales para estudios de desarrollo de nubes, detección de precipitación ligera como nieve, y por su pequeño tamaño, como unidades móviles portátiles. Su costo es aproximadamente un tercio del de un radar de banda S.
La ecuación fundamental que relaciona alcance y velocidad en un radar Doppler es: Rmax · Vmax = c · λ / 8, donde Rmax es el alcance no ambiguo máximo, Vmax es la velocidad no ambigua máxima, c es la velocidad de la luz y λ es la longitud de onda. Esto significa que una reducción en la longitud de onda requiere una reducción en el alcance efectivo, en la capacidad de medición de velocidad efectiva, o una combinación de ambas.
En la práctica, la tendencia moderna es hacia redes híbridas: una columna vertebral de radares de banda S o C para cobertura amplia, complementada con radares de banda X (de mucho menor costo) para relleno de huecos, aplicaciones de corto alcance y mediciones de alta resolución en áreas críticas. En Cuba tenemos ocho radares, de los cuales tres son Doppler (desarrollo propio con un largo historial La Epopeya del Doppler Cubano: una historia en 13 capítulos), y el país entero está cubierto por una red que explora la troposfera cada 10 minutos. Yo nunca diría»¿qué banda es la mejor?» sino «¿qué combinación de bandas y qué espaciamiento satisfacen las necesidades de mi servicio meteorológico con el presupuesto disponible?» (¿Qué banda usar en los radares?)
Un orden de prioridades
Resumiendo, el proceso que recomiendo es el siguiente:
Primero, la logística. Identificar sitios con acceso vial razonable, disponibilidad o posibilidad de instalar energía eléctrica confiable (con respaldo), y opciones de comunicación redundante. Sin esto, cualquier otra consideración es académica. La OMM incluye la existencia de caminos, la disponibilidad de energía y telecomunicaciones, y la proximidad a una instalación de mantenimiento como factores económicos y técnicos que influyen en la elección del sitio .
Segundo, la visibilidad. Con los candidatos logísticamente viables, realizar análisis de bloqueo del haz con DEM de alta resolución y herramientas LOS. Evaluar el porcentaje de bloqueo, la altura mínima de visibilidad y las zonas de sombra. Priorizar sitios que garanticen visibilidad sobre las áreas de interés, no necesariamente los picos más altos, porque como advierte la OMM, los sitios en montañas altas son de poco beneficio para detectar precipitación cerca del suelo .
Tercero, la complementación. Diseñar la red como un sistema heterogéneo. Los radares de banda S o C pueden proporcionar la cobertura principal, mientras que los de banda X pueden rellenar huecos y proporcionar alta resolución en áreas críticas. El espaciamiento entre radares debe ajustarse a la aplicación: 150–200 km para aplicaciones sinópticas, 100 km o menos para mediciones cuantitativas de precipitación .
Cuarto, la banda de trabajo. La elección de la banda es, en última instancia, una decisión económica tanto como técnica. La banda S ofrece el mejor rendimiento para precipitación intensa a larga distancia, pero es la más costosa. La banda C es un compromiso razonable para climas templados. La banda X es la más económica y la más adecuada para aplicaciones de corto alcance y relleno de huecos. En un país como Cuba, con una red de ocho radares ya establecida y un clima tropical propenso a ciclones, la banda S sigue siendo la columna vertebral, pero los radares de banda X podrían complementar la cobertura en áreas de interés específico. LADETEC dispone de un diseño de radar Doppler y Polarimétrico de banda X, robusto, sostenible, hecho con soluciones de Open Hardware y Open Software que garantizan una ecplotación soberana y duradera.
Una nota final
Los fabricantes de radares ofrecen «siete verstas hasta el cielo», como dice el refrán ruso. Te ofrecen radares maravilla. Es el fenómeno de la posverdad aplicado a la venta de radares (lea el post La posverdad y los radares meteorológicos). No todo lo que brilla es oro. Si va a comprar un radar para un servicio meteorológico —o para cualquier otra aplicación—, búsquese la asesoría de un experto que haya trabajado en el tema. Será dinero bien empleado, porque hay mucha superchería ofreciéndose por ahí.
La OMM tiene una guía excelente, la Guide to Operational Weather Radar Best Practices (WMO-No. 1257), cuyo Volumen IV está dedicado precisamente a Weather Radar Siting, Configuration and Scan Strategies. Es de 2024 y está disponible en la biblioteca de la OMM . Si el lector desea profundizar, es el punto de partida obligado. Y si el tema de la aviación es de su interés, puede consultar los artículos que mencioné en el post anterior.
Organización Meteorológica Mundial (OMM). (2024). Guide to Operational Weather Radar Best Practices (WMO-No. 1257), Volumen IV: Weather Radar Siting, Configuration and Scan Strategies. Ginebra: OMM. ISBN 978-92-63-11257-6. https://library.wmo.int/viewer/68981/
Oyarzún Jiménez, C. F. (2021). Propuesta de sitio para la instalación de un radar meteorológico en la Región del Biobío: potenciales ventajas para la detección temprana de amenazas hidrometeorológicas (Tesis de pregrado). Universidad de Chile, Santiago. https://repositorio.uchile.cl/handle/2250/183882
Sichuan水文中心. (2025, 18 de diciembre). 跋涉川东寻»天眼»——达州测雨雷达选址工作侧记 [Caminando por el este de Sichuan en busca del «ojo celestial»: notas sobre la selección del sitio del radar de medición de lluvia de Dazhou]. Departamento de Recursos Hídricos de Sichuan. http://slt.sc.gov.cn/scsslt/dfss/2025/12/18/c9aa7161b7794ad5be7b320dfa0874a6.shtml
En la bibliografía soviética sobre radares meteorológicos es frecuente encontrar la expresión “parámetros táctico-técnicos” (en ruso, тактико-технические параметры / тактико-технические характеристики, abreviado ТТХ). Este trabajo sostiene que no se trata de una tercera categoría independiente de parámetros, sino de una denominación compuesta que integra dos grupos: los parámetros técnicos, que describen la construcción y el funcionamiento interno del radar, y los parámetros tácticos u operativos, que describen sus capacidades de empleo. Se explican ambos grupos, se muestra por qué muchos parámetros son mixtos y se proponen equivalencias terminológicas en español e inglés. Con esto saldo la deuda de muchas personas que me han preguntado. Sígame y se entera.
Don Quijote luchó contra molinos de viento porque los confundía con gigantes. Hoy, los radares meteorológicos sufren un destino parecido. Se enfrentan a miles de aerogeneradores y, literalmente, «ven» tormentas donde no las hay y lluvias que no existen.
Pero esto no es una novela. Es un problema multimillonario que pone en riesgo alertas de inundaciones y la seguridad aérea. Y la ciencia ya tiene datos muy duros al respecto.
El despliegue masivo de la red 5G ha generado un intenso debate en la comunidad científica: ¿pueden las señales de telefonía móvil de quinta generación interferir con los radares meteorológicos y comprometer la precisión de los pronósticos del tiempo? La respuesta, como suele ocurrir, es compleja. Existe un riesgo real, pero también hay mecanismos técnicos y regulatorios para mitigarlo.
Un post para hablar de organización, planificación, ejecución y control de la Vigilancia Meteorológica por Radar. (English version here)
He conocido de instituciones y países que se han entusiasmado mucho con la adquisición de uno o varios radares, bien sea por haber conseguido una oportuna donación o por haber logrado un presupuesto para comprarlos.
Lamentablemente predomina la idea de que el lema de «llave en mano» que suelen enarbolar los vendedores se refiere a que han comprado «el pronosticador automático», una máquina que la energizas y la echas a andar y le avisará a los presuntos usuarios de cualquier fenómeno meteorológico peligroso en su radio de acción. Seré un aguafiestas, pero las cosas distan mucho de eso hasta el día de hoy.
Puede que en un futuro la IA lo haga posible, pero yo no lo veo cercano, permítanme explicarles por qué.
Un post para hablar del falso aviso de sismo del 18 de agosto y la posibilidad de usarlo para avisos super rápidos de tornadosgenerados por radar.
Siempre he estado consciente de que una cadena es tan fuerte como lo sea su eslabón más débil. Mi quehacer en los radares me fue llevando sucesivamente desde la adquisición de la información meteorológica contenida en las señales a su procesamiento. Más tarde pasé a perfeccionar el análisis de esa información para elaborar avisos rápicos. Para eso tuve que estudiar la naturaleza mismas de los fenómenos peligrosos y los métodos de detección por radar. Por último me di cuenta que aunque podría pulir los métodos de análisis y detección por radar siempre iba a chocar con un problema: ¿cómo hacer llegar el aviso a los posibles afectados?
El radar meteorológico, visto desde la óptica del usuario final, padece una paradoja fundamental: cuanto más lejos observa, más alto mira. Lo que la antena capta a varios kilómetros de altitud no es un fiel reflejo de lo que ocurre en la superficie, sino una instantánea distorsionada por la compleja estratificación vertical de la atmósfera. Una misma tormenta puede mostrar reflectividades radicalmente distintas en su base, en su núcleo y en su cima, y son precisamente esas diferencias verticales las que convierten la estimación de lluvia acumulada en un desafío de primer orden. La Corrección por el Perfil Vertical de Reflectividad (VPR) no es, por tanto, un refinamiento menor ni una opción estética del posprocesado; es la herramienta matemática esencial que permite al sistema ‘traducir’ lo que ve en altura a lo que realmente impacta el suelo, especialmente en regímenes de lluvia estratiforme donde los sesgos sistemáticos —como la infame banda brillante— pueden inflar los acumulados por un factor de varios cientos por ciento. Sin embargo, su aplicación no es universal ni automática; comprender cuándo, cómo y, sobre todo, dónde aplicar este ajuste es tan crítico como el propio algoritmo, pues una corrección mal ubicada puede transformar una solución necesaria en un artefacto indeseado. A continuación, le desgloso sus fundamentos, sus aplicaciones prácticas y las limitaciones operativas que definen su uso en los sistemas de QPE modernos.
Un artículo para analizar las ventajas de los transmisores a estado sólido frente a los antiguos magnetrones … y derribar algunos mitos.
¿Es usted de los que cree a pie juntillas lo que las firmas le «meten por los ojos» en una atorrante propaganda? A lo largo de la historia, hemos visto cómo la propaganda masiva ha logrado vendernos productos como el New Coke (que a nadie satisfizo) o el cinturón Ab Force (ese que te prometía abdominales perfectos sin hacer ejercicios, solo con impulsos eléctricos en la barriga), que alardeaban de ser revolucionarios; pero que la práctica demostró que no servían o simplemente no eran tan buenos como se esperaba. Google+, los autos Tesla de Elon Musk y muchas otras iniciativas no resultaron tan buenas como se publicitaban o que simplemente no tuvieron la acogida que se esperaba. Remedios milagrosos que se propagandizaron a sí mismos en Cuba, como las pulseras de cobre, el noni y la moringa, que parecían «el remedio de la Magdalena» y la gente esperaba que fueran la «fuente de la eterna juventud» y claro, no lo fueron. En fin, como decimos en Cuba —mucha gente cree que el chicharrón es carne de puerco.
Hoy, en el ámbito de la electrónica de alta potencia para radares, nos encontramos ante un debate similar. Por un lado, tenemos el magnetrón, una tecnología probada y con décadas de historia, respaldada por una industria consolidada (y que aún son mayoría en el mundo). Por otro, los amplificadores de potencia de estado sólido (SSPA, siglas en inglés de Solid State Power Amplifier), una tecnología más moderna que promete mayor fiabilidad, calidad y rendimiento.
En el post anterior hicimos un viaje por los cuatro grandes tipos de tormenta. Aprendimos a distinguir una célula única de una multicelular, una línea de turbonada de una supercélula.
Pero quedó una pregunta en el aire: ¿cuándo una tormenta deja de ser «una tormenta más» y se convierte en una tormenta severa? ¿Dónde está esa línea roja que separa lo intenso de lo peligroso?
Hoy vamos a responder esa pregunta. Y no solo con teoría, sino con las herramientas que usan los meteorólogos operativos para tomar decisiones en tiempo real. Porque la severidad no es un concepto abstracto: es un conjunto de criterios objetivos, medibles y, sobre todo, detectables por radar.
Vamos a ello.
1. ¿Qué es una Tormenta Local Severa (TLS)?
El término Tormenta Local Severa (TLS) agrupa todos aquellos fenómenos convectivos de mesoescala que, por su intensidad, representan una amenaza para la vida, la propiedad o el medio ambiente. Se caracterizan por desarrollarse de manera rápida y localizada, y su ciclo de vida suele medirse en horas, no en días.
Pero lo que realmente define a una TLS no es su tamaño ni su duración, sino que cumpla al menos uno de estos tres criterios establecidos por los servicios meteorológicos a nivel mundial:
Vientos destructivos: ráfagas en superficie ≥ 90 km/h (50 nudos).
Granizo de tamaño significativo: diámetro ≥ 2 cm (1 pulgada).
Tornado: está asociada o tiene el potencial de generarlo.
Estos no son caprichos. Cada uno de estos umbrales corresponde a un nivel de daño que puede afectar gravemente infraestructuras, cultivos y, lo más importante, vidas humanas.
En resumen: una tormenta puede ser muy intensa, pero si no alcanza estos umbrales, no es «severa» en términos operativos. Y si los alcanza, el protocolo de alerta se activa.
2. Las cinco firmas de radar que anuncian severidad
Aquí es donde la cosa se pone interesante. Porque la severidad no se adivina: se ve en el radar. Los meteorólogos hemos aprendido a leer ciertas «firmas» que nos indican que una tormenta está a punto de cruzar (o ya ha cruzado) esa línea roja.
Cada una de estas firmas tiene su propia historia, su propia física y su propio nivel de peligro. Vamos a conocerlas.
2.1. El Bow Echo (Eco en Arco) — El anunciador de vientos destructivos
¿Qué es? Cuando una línea de tormentas se curva formando un arco o una flecha en la imagen de reflectividad, estamos ante un Bow Echo.
¿Qué significa? Que los vientos descendentes de la tormenta están «empujando» la línea de lluvia hacia adelante con tanta fuerza que la deforman. En el centro de ese arco se concentran los vientos más intensos, que pueden superar los 120 km/h y causar daños similares a los de un tornado, pero en línea recta.
¿Dónde mirar? El área de máximo peligro está en el vértice del arco, justo donde la curvatura es más pronunciada. Allí es donde el rear-inflow jet (el chorro de entrada trasero) impacta contra el suelo y genera las ráfagas más destructivas.
¿Qué peligro anuncia? Vientos destructivos en línea recta. Si el Bow Echo es extenso y persistente, puede evolucionar hacia un Derecho, un sistema de vientos dañinos que se extiende a lo largo de cientos de kilómetros y dura varias horas.
2.2. El Eco en Gancho (Hook Echo) — El ojo del cazador de tornados
¿Qué es? Una curvatura o «gancho» en el borde suroeste del núcleo principal de una tormenta, visible en la reflectividad.
¿Qué significa? Que la tormenta tiene una corriente ascendente tan potente y organizada que está «enrollando» la lluvia a su alrededor. Ese gancho envuelve al mesociclón, el corazón rotatorio de la tormenta.
¿Dónde mirar? El gancho se forma típicamente en el flanco suroeste de la supercélula. La zona dentro del gancho, donde la reflectividad es más baja, es la zona de corriente ascendente y es donde puede formarse el tornado.
¿Qué peligro anuncia? Es la firma clásica de una supercélula y un indicador de que un tornado puede estar formándose en esa zona. No siempre hay tornado, pero cuando lo hay, suele estar en la punta de ese gancho.
2.3. La Pareja Rotacional (Rotational Couplet) — La rotación hecha visible
¿Qué es? En los datos de velocidad Doppler, una pareja rotacional se ve como un área donde los vientos que se acercan al radar (colores verdes) y los que se alejan (colores rojos) están uno al lado del otro, girando alrededor de un punto común.
¿Qué significa? Que hay rotación organizada a escala de tormenta. Si esa rotación es profunda (se ve en múltiples niveles de la tormenta) y persistente (dura más de 10-15 minutos), estamos ante un mesociclón.
¿Dónde mirar? En los productos de Velocidad Doppler. Busca un par de máximos de velocidad (verde y rojo) adyacentes. El centro de rotación está entre ambos. Si ves esto en niveles bajos (corte de 0.5°), presta mucha atención.
¿Qué peligro anuncia? Un mesociclón es el precursor directo de la mayoría de los tornados significativos. Cuando un meteorólogo ve una pareja rotacional que se intensifica y desciende en altura, sabe que una alerta de tornado es inminente.
Imagen sugerida: Captura de radar de velocidad Doppler mostrando una pareja rotacional, con los colores verde y rojo marcados y una flecha indicando el centro de rotación.
2.4. El TBSS (Three-Body Scatter Spike) — El detector de granizo gigante
¿Qué es? Una «espiga» o «pico» de reflectividad de baja intensidad que se extiende detrás del núcleo principal de la tormenta, en la dirección opuesta al radar.
¿Qué significa? Es el único indicador directo de que hay granizo de gran tamaño en la tormenta. El fenómeno físico es fascinante:
El haz del radar impacta contra una piedra de granizo de gran tamaño.
Parte de la energía se dispersa hacia adelante y llega al suelo.
El suelo rebota esa energía de vuelta hacia la piedra de granizo.
La piedra de granizo dispersa esa energía de vuelta al radar.
Ese «eco de tres cuerpos» es la firma inequívoca de que el granizo es lo suficientemente grande como para causar daños severos.
¿Dónde mirar? Busca una «espiga» de colores débiles (verde o azul claro) que se extiende detrás del núcleo intenso de la tormenta, en línea recta desde el radar. Cuanto más larga y definida sea la espiga, mayor es el granizo.
¿Qué peligro anuncia? Granizo de tamaño significativo (≥ 2 cm). Si ves un TBSS, puedes estar seguro de que esa tormenta está produciendo granizo que cumple con los criterios de severidad.
2.5. La Divergencia en la Cima (Storm Top Divergence) — El motor de la tormenta
¿Qué es? En los niveles superiores de la tormenta (en el yunque), el radar Doppler detecta un patrón de vientos que se expanden horizontalmente: aire que se aleja del radar a un lado y que se acerca al otro.
¿Qué significa? Que la corriente ascendente de la tormenta es tan potente que, al chocar con la tropopausa (el «techo» de la troposfera), el aire se ve forzado a expandirse violentamente. Es la «firma» del motor de la tormenta.
¿Dónde mirar? En los cortes de elevación más altos del radar (por ejemplo, a 9° o 12°). Busca un par de velocidades opuestas en la cima de la tormenta. La suma de ambas velocidades (aproximación + alejamiento) te da la intensidad de la divergencia.
¿Qué peligro anuncia? Una corriente ascendente intensa es necesaria para sostener granizo grande y para mantener la organización de una supercélula. Se ha establecido que valores de divergencia superiores a 75 nudos son suficientes para sostener el crecimiento de granizo severo.
3. Tabla resumen: lo que anuncia cada firma
Para que puedas consultarlo rápidamente, aquí tienes un resumen de las cinco firmas y su significado operativo:
Firma en Radar
Lo que revela (mecanismo)
Fenómeno que anuncia
Dónde mirar
Bow Echo
Corriente descendente potente que deforma la línea de tormentas
Vientos destructivos en línea recta (≥ 90 km/h)
Reflectividad: vértice del arco
Hook Echo
Corriente ascendente rotatoria que enrolla la lluvia
Supercélula, posible tornado
Reflectividad: flanco suroeste
Pareja Rotacional
Rotación organizada a escala de tormenta
Mesociclón, precursor de tornado
Velocidad Doppler: niveles bajos
TBSS
Dispersión de la señal en granizo de gran tamaño
Granizo severo (≥ 2 cm)
Reflectividad: espiga detrás del núcleo
Divergencia en Cima
Corriente ascendente que choca contra la tropopausa
Tormenta organizada y potente, granizo severo
Velocidad Doppler: cortes altos
4. El contexto lo es todo
Una advertencia final, y quizás la más importante: ninguno de estos indicadores se usa de forma aislada.
Un eco en gancho no siempre produce un tornado. Una pareja rotacional puede ser débil y disiparse sin más. Un TBSS puede aparecer en una tormenta que no cumple otros criterios de severidad.
Los meteorólogos operativos integramos estos datos de radar con las condiciones ambientales:
Inestabilidad (CAPE): ¿Hay suficiente energía para sostener la tormenta?
Cizalladura del viento: ¿Es favorable para la rotación?
Humedad en niveles bajos: ¿Hay suficiente «combustible»?
Helicidad: ¿El flujo de viento es favorable para tornados?
La severidad no se decreta por una sola firma. Se construye con todas las piezas del rompecabezas. Pero cuando todas encajan, cuando ves un Bow Echo con una pareja rotacional en su interior y un TBSS en su flanco… entonces sabes que no estás ante una tormenta cualquiera.
Si eres un estudiante, un investigador o un profesional que trabaja con radares meteorológicos, este conocimiento te permite:
Identificar amenazas antes de que lleguen al suelo.
Emitir alertas con fundamento técnico.
Comunicar el riesgo con claridad a los tomadores de decisiones.
Salvar vidas.
Si eres un aficionado, te permite mirar una imagen de radar y entender lo que estás viendo. Ya no es solo una mancha de colores: es una historia que se está escribiendo en tiempo real.
Cierre: la línea roja no es un mito
Las tormentas severas son la manifestación más violenta de la atmósfera. Pero no son indetectables ni impredecibles. Cada una de sus firmas en el radar es un mensaje que, si sabemos leer, nos permite anticipar, alertar y, en última instancia, proteger.
En nuestro curso de Radares Meteorológicos aplicados al Monitoreo de Fenómenos Extremos en Colombia, dedicaremos sesiones completas a la identificación de estas firmas en casos reales. Porque un fenómeno conocido es un fenómeno que podemos anticipar. Y anticipar es la primera forma de proteger.
¿Quieres saber más? Déjanos tus preguntas en los comentarios o escríbenos a [email protected]
Déjanos tus preguntas en los comentarios o escríbenos a [email protected] y también puedes echar un vistazo a los siguientes posts:
Un post para explicar el fenómeno del granizo y los métodos para detectarlo usando radar.
Si hay un fenómeno meteorológico que combina la belleza de la física con el poder de la destrucción, ese es el granizo. Esas bolas de hielo que caen del cielo, que pueden tener el tamaño de una pelota de beisbol, en los casos más extremos, son el resultado de uno de los procesos más violentos que ocurren dentro de una nube de tormenta.
Pero el granizo no es solo un espectáculo impresionante. En Colombia (y en otros muchos países), las granizadas pueden arruinar cosechas enteras, destrozar techos y poner en riesgo la vida de las personas. Y lo más complicado: detectarlo a tiempo no es tan sencillo como parece.
Hoy vamos a hacer un viaje al interior de la nube para entender cómo se forma el granizo, y luego exploraremos las herramientas que tenemos para verlo antes de que llegue al suelo. Desde los métodos clásicos de doble longitud de onda hasta la sofisticada polarimetría de los radares modernos.
Si hay una imagen que todo meteorólogo lleva grabada en la retina, es la de una pantalla de radar encendida en una tarde de tormenta. Esa danza de colores que va del azul tenue al rojo furioso, del verde sereno al púrpura amenazante. Pero ¿qué estamos viendo realmente cuando miramos esa mancha que crece en el horizonte? ¿Todas las tormentas son iguales? La respuesta, como casi todo en meteorología, es un rotundo no.
Así como en la medicina no se trata igual una gripe que una neumonía, en la vigilancia meteorológica no se monitorea de la misma manera una tormenta de verano que una supercélula capaz de generar tornados. Por eso hoy vamos a hacer un viaje al corazón de la nube, a clasificar las tormentas según su organización, su estructura y su evolución. Porque entender lo que vemos es el primer paso para anticipar lo que va a pasar.
¿Qué es una tormenta convectiva?
Antes de clasificar, pongámonos de acuerdo. Una tormenta convectiva (o tormenta eléctrica) es un sistema meteorológico caracterizado por la presencia de nubes cumulonimbus, que son esas enormes masas nubosas de desarrollo vertical que pueden alcanzar los 10, 15 o incluso 20 kilómetros de altura. Su motor es la convección: aire cálido y húmedo que asciende rápidamente, se enfría, condensa su vapor y libera una cantidad brutal de energía en forma de lluvia, rayos y vientos.
No todas las tormentas son iguales. La diferencia fundamental está en su organización y en las condiciones del viento en la atmósfera (lo que llamamos cizalladura). Dependiendo de cómo se organicen y de cómo sea el viento con la altura, tendremos cuatro grandes tipos.
Los cuatro tipos fundamentales
1. Tormenta de Célula Única (Single-Cell)
La tormenta de barrio, la que crece y muere en media hora.
¿Qué es? Es la unidad convectiva más básica. Una tormenta aislada, de corta duración, que nace, se desarrolla y muere sin ayuda de nadie. Se forma cuando una «burbuja» de aire caliente asciende en un ambiente con poco viento en altura.
Su ciclo de vida es como una pequeña obra de teatro en tres actos:
Desarrollo: la burbuja asciende, forma un cúmulo congesto que crece hacia arriba.
Madurez: alcanza la tropopausa, se forma el yunque, comienza la lluvia y los rayos. Es el momento de máximo esplendor.
Disipación: la lluvia y el granizo caen, arrastran aire frío, cortan la corriente ascendente y la tormenta se desinfla.
Duración: 20-30 minutos. Nada más.
Peligrosidad: Baja. Rayos, lluvia moderada, algún granizo pequeño. Rara vez alcanza umbrales de severidad.
En el radar: Se ve como un pequeño núcleo redondeado y aislado. Aparece, se intensifica y desaparece en cuestión de minutos. No deja rastro.
2. Tormenta Multicelular en Racimo (Multicell Cluster)
La tormenta que se renueva a sí misma, como una hidra de muchas cabezas.
¿Qué es? Es el tipo de tormenta más común en muchas regiones del mundo, incluida Colombia. Es un grupo o «racimo» de células convectivas en diferentes etapas de desarrollo. Mientras una envejece y se disipa, su frente de ráfaga (el aire frío que expulsa) choca contra el aire cálido circundante y desencadena el nacimiento de una nueva célula al lado.
Mecanismo clave: se mantiene por propagación fría. Es como un relevo: cada célula madura pasa el testigo a la siguiente.
Duración: varias horas. El sistema se renueva continuamente.
Peligrosidad: Moderada. Puede generar lluvias torrenciales que causen inundaciones repentinas, granizo moderado y ráfagas de viento. Pero su desorganización limita su poder extremo.
En el radar: Se ve como un área amplia y amorfa, con varios núcleos de colores intensos mezclados. Parece un conjunto de células pegadas entre sí, sin una forma definida.
3. Línea de Turbonada (Squall Line)
La tormenta en formación militar, una línea de batalla en el cielo.
¿Qué es? Una banda larga, sólida y a veces arqueada de tormentas que se extiende a lo largo de cientos de kilómetros. Suele formarse por delante de un frente frío, como la vanguardia de un ejército que avanza.
Estructura: presenta una línea principal de cumulonimbos seguida por una extensa área de lluvia más ligera. Y lo más característico: un frente de ráfaga bien definido que avanza por delante de la línea, una zona de vientos intensos que «barre» el terreno.
Peligrosidad: Alta. Su especialidad son los vientos dañinos en línea recta. Cuando una parte de la línea se adelanta formando un arco (lo que llamamos Bow Echo o eco en arco), los vientos pueden ser excepcionalmente destructivos, superando los 120 km/h.
En el radar: Una línea larga y continua de ecos intensos. Si ves un arco en esa línea, presta atención: los vientos más fuertes están en el centro de ese arco.
4. Supercélula (Supercell)
La tormenta perfecta, la madre de todas las reinas malvadas.
¿Qué es? El tipo de tormenta más raro, más organizado y más peligroso. Es una tormenta de célula única pero gigantesca y rotatoria, capaz de mantenerse por sí misma durante horas. Requiere condiciones muy específicas: una fuerte cizalladura del viento que hace que la corriente ascendente gire.
Su característica definitiva: posee un mesociclón, un corazón de rotación profunda y persistente que el radar Doppler puede detectar. Esa rotación es el motor que la hace indestructible: la corriente ascendente y la descendente están separadas, no se «tropiezan», y la tormenta puede alimentarse indefinidamente.
Peligrosidad: Muy Alta. Es la principal productora de:
Tornados significativos y de larga duración.
Granizo enorme (piedras de más de 5 cm de diámetro).
Vientos destructivos.
En el radar: Una tormenta aislada, poderosa, con un núcleo intenso y, a menudo, una estructura en gancho (Hook Echo) en su flanco suroeste. Ese gancho es la firma del mesociclón y la zona donde puede formarse un tornado.
Tabla comparativa para no perderse
Tipo de Tormenta
Duración
Peligro Principal
Firma en Radar
Célula Única
20-30 min
Rayos, lluvia
Núcleo pequeño y aislado
Multicelular
Varias horas
Inundaciones, granizo
Grupo amorfo de núcleos
Línea de Turbonada
Horas
Vientos en línea recta
Línea sólida y alargada
Supercélula
Horas
Tornados, granizo enorme
Eco en gancho, mesociclón
Y entonces, ¿qué es una tormenta severa?
Aquí viene el punto clave: no todas las supercélulas son severas, y no todas las tormentas severas son supercélulas.
Una tormenta se considera severa cuando cumple al menos uno de estos criterios:
Vientos destructivos: ráfagas en superficie ≥ 90 km/h.
Granizo de tamaño significativo: diámetro ≥ 2 cm (aproximadamente del tamaño de una pelota de ping-pong).
Tornado: está asociada o tiene el potencial de generarlo.
Esto significa que una línea de turbonada con vientos de 100 km/h es severa, aunque no sea una supercélula. Y una supercélula con granizo de 3 cm es severa, aunque no produzca tornado.
Este es el umbral que utilizan los servicios meteorológicos para activar las alertas. Y es también el punto de partida para entender a las Tres Reinas Malvadas del Tiempo de las que ya hablamos en posts anteriores: el Tornado, la Aeroavalancha y la Granizada. Porque ellas son la materialización de ese umbral de severidad, la encarnación de lo que ocurre cuando una tormenta cruza la línea que separa lo intenso de lo destructivo.
Cierre
Clasificar tormentas no es un ejercicio académico. Es la base de la vigilancia meteorológica operativa. Cuando un meteorólogo mira una pantalla de radar y ve una línea de tormentas que empieza a curvarse en arco, sabe que debe emitir una alerta por vientos. Cuando ve un eco en gancho, sabe que debe mirar con más atención porque un tornado podría estar formándose.
El trabajo del analista de radar es una tarea ingrata, en tardes tormentosas tenemos la pantalla llena de radioecos, la tarea consiste el determinar cuál o cuáles se convertirán en tormentas destructivas y cuáles solo nos darán un refrescante chubasco en una tarde calurosa.
Entender los tipos de tormenta es entender el lenguaje de la atmósfera. Y una vez que lo entiendes, los colores en la pantalla del radar dejan de ser solo colores. Se convierten en historias que se están escribiendo en tiempo real.
¿Quieres saber más? En nuestro curso de Radares Meteorológicos aplicados al Monitoreo de Fenómenos Extremos en Colombia profundizaremos en la detección de cada uno de estos tipos con casos reales y talleres prácticos.
Déjanos tus preguntas en los comentarios o escríbenos a [email protected] y también puedes echar un vistazo a los siguientes posts:
Un post sobre los vendavales en la región andina y cómo detectarlos por radar.
Cuando en los Andes el viento se vuelve loco y arranca techos de zinc, dobla los eucaliptos como si fueran pajitas y levanta una polvareda que oscurece el sol, los abuelos de las comunidades quechua y aymara dicen que es el Huayra, el espíritu del viento, que ha bajado de los nevados para danzar su enfado. En algunos valles colombianos, susurran que es la Madremonte, la guardiana de los bosques, quien agita su larga cabellera de musgo y ramas, y al hacerlo desata el furor de los vientos. Más al sur, en el altiplano boliviano, se cuenta que el Supay, el dueño del mundo subterráneo, envía sus ráfagas para recordar a los vivos que la tierra también respira y se sacude. No importa el nombre, todos coinciden en algo: cuando el vendaval se desata, la naturaleza está hablando en un idioma que es mejor respetar. Pero hoy, en nuestro curso de radares, aprenderemos a traducir ese lenguaje.
Evolución tecnológica, la elegancia del Código Gray y el reto de la lectura de la posición de la antena y las soluciones de LAMULA™.
Nosotros lo hicimos muy bien desde la primera vez que lo intentamos en el mítico radar de la Loma de la Mula en 1997, y salió bien a pesar de que los encoders que venían con ese radar MRL-5 estaban defectuosos y aún así estuvimos trabajando con ellos más de tres años hasta que Alexey les adaptó unos encoders modernos que compramos, y eso fue por el año 2000. La adaptación de Alexey funcionó muy bien también. Desde mis primeras visitas al radar de McGill en el Observatorio Marshall, mi amigo el Profesor Isztar Zawadzki le insistía a su ingeniero principal que conversara conmigo y adquiriera nuestra experiencia.
También los ingleses, en su primera visita exploratoria para conocer el radar antes de hacernos su transferencia tecnológica del Doppler, se interesaron por ver cómo habíamos resuelto este asunto. Obviamente, les preocupaba porque ellos habían tenido dificultades. Así pues, decidí escribir este post explicando el complejo asunto de conocer, con exactitud, ¿hacia dónde mira la antena del radar? y cómo lo resolvimos.
Entre todos los productos que genera el ORPG, pocos han generado tanta confusión —y en Cuba, tanta polémica— como el VWP (Velocity-Azimuth Display Wind Profile). Desde la llegada del radar METEOR 1500S a Holguín, se creó todo un mito alrededor de este producto, sin tener en cuenta sus limitaciones inherentes y, sobre todo, su dependencia crítica del VCP que esté usando el radar en cada momento. Mucha gente confundió un radar Doppler con un Perfilador del Viento que usa otra banda de trabajo que no es la banda S.
Vamos a desmontar ese mito y a entender qué es realmente el VWP, cómo se calcula, para qué sirve, y por qué no todos los VWP son iguales.
Las personas tienden a pensar que el radar Doppler es como una miríada de anemómetros que permiten medir la velocidad del viento en cada punto del área de cobertura. Basta con detener el cursor sobre la imagen del radar y ya tienes la medición del viento en ese punto. Otra forma común es superponer barbas de viento sobre la imagen de reflectividad o de velocidad, y guiarse por ellas para saber la dirección e intensidad del viento en cada lugar.
Lamento desilusionarlos: las cosas no son tan simples. Ya he tratado este asunto en un post, vuelvo ahora con más elementos (ecuaciones) para sustentar lo que digo.
El problema de fondo: una ecuación con muchas incógnitas
El viento es un vector tridimensional con tres componentes: u (este-oeste), v (norte-sur) y w (vertical). El radar Doppler, sin embargo, solo mide una proyección de ese vector sobre la dirección del haz:
Vr=ucosθsinϕ+vsinθsinϕ+wcosϕ
donde θ es el acimut, ϕ es la elevación y Vr es la velocidad radial.
Con una sola ecuación y tres incógnitas (u,v,w), el problema está matemáticamente subdeterminado. Para poder estimar el viento con un solo radar, es necesario hacer suposiciones adicionales. Y de esas suposiciones nacen los diferentes modelos.
Los dos modelos de Rainbow: Horizontal Wind y Uniform Wind
El software Rainbow, utilizado en algunos radares (como el METEOR 1500S de Holguín), ofrece dos productos para estimar el viento horizontal y representarlo con barbas sobre un PPI:
Producto HWIND del Rainbow en el radar de Holguín (METEOR 1500S)
1. Horizontal Wind (viento horizontal)
Suposición: el viento es horizontal y constante en el sector analizado. Es decir:
u=cte,v=cte,w=0
Bajo esta suposición, la velocidad radial en un sector pequeño (por ejemplo, 10 km de radio y 60° de apertura) varía solo con el acimut siguiendo una función sinusoidal. Ajustando una sinusoide a los datos, se pueden obtener u y v, y con ellos la dirección e intensidad del viento horizontal.
¿Cuándo es válido?
En condiciones de aire claro (con insectos como trazadores).
En precipitación estratiforme uniforme, sin gradientes horizontales significativos.
En situaciones de verano, cuando se espera tiempo severo que cambia bruscamente el viento sobre distancias cortas.
¿Cuándo falla?
En tormentas convectivas, donde el viento no es uniforme.
Cerca de frentes o líneas de cizalladura.
En terrenos complejos que alteran el flujo.
2. Uniform Wind (viento uniforme con la altura)
Suposición: el viento varía solo con la altura, no con la posición horizontal:u=u(z),v=v(z),w=0
Esto significa que, a una distancia dada del radar (que corresponde a una altura determinada), la velocidad radial en todos los acimuts se puede usar para obtener u(z) y v(z).
¿Cuándo es válido?
En situaciones de lluvia generalizada y extendida sobre grandes áreas.
Cuando la atmósfera es estratificada y los gradientes horizontales son pequeños.
¿Cuándo falla?
Cuando hay gradientes horizontales de viento (frentes, tormentas).
En condiciones de convección profunda.
Ambos modelos son aproximaciones, y usarlos fuera de sus condiciones de validez produce resultados que no reflejan la realidad. El analista debe saber cuál es la situación imperante y elegir el modelo adecuado. No hacerlo es como usar un martillo para atornillar: la herramienta no es mala, pero el uso es incorrecto.
¿Por qué ORPG no tiene un producto equivalente?
Aquí viene la pregunta que muchos se hacen: si Rainbow tiene estos productos, ¿por qué el ORPG de NEXRAD no los tiene?
La respuesta no es técnica. ORPG podría generar barbas de viento sobre un PPI usando los mismos modelos. De hecho, el algoritmo VAD (Velocity Azimuth Display) que usa ORPG para generar el VWP (VAD Wind Profile, #48) es conceptualmente similar al modelo «Uniform Wind», pero aplicado a un anillo a una altura dada.
La razón por la que ORPG no genera un producto de barbas sobre PPI es filosófica y operativa:
Requiere que el usuario elija un modelo. ORPG no puede decidir automáticamente si la situación imperante es «Horizontal Wind» o «Uniform Wind». Y si el usuario elige mal, el producto será erróneo.
El riesgo de mal uso es muy alto. En la práctica operativa, muchos usuarios no tienen la formación necesaria para distinguir cuándo es válido cada modelo. Un producto que invite a superponer barbas sobre un PPI podría inducir a error a pronosticadores poco experimentados.
La filosofía del NEXRAD es diferente. En lugar de ofrecer un producto sintético que pueda ser malinterpretado, ORPG proporciona al meteorólogo las herramientas para que él mismo haga el análisis:
El VWP muestra el perfil vertical de viento en un gráfico altura-tiempo, donde el meteorólogo puede ver la evolución de la cizalladura.
Las imágenes de velocidad radial en PPI (N0U, N0V, N0S) permiten al analista interpretar directamente los patrones de viento sin necesidad de barbas sintéticas.
Limitaciones inherentes del VWP. El VWP de ORPG tiene sus propias limitaciones:
Depende críticamente del VCP (Volume Coverage Pattern) que esté usando el radar.
Solo funciona donde hay trazadores (gotas, insectos).
Puede estar contaminado por aves durante migraciones.
Sufre los problemas de alias del Doppler.
ORPG prefiere ser honesto sobre estas limitaciones y ofrecer productos que el meteorólogo sepa interpretar, en lugar de generar un producto «bonito» pero potencialmente engañoso.
Recomendaciones prácticas
Si usas Rainbow, asegúrate de saber qué modelo estás usando y en qué condiciones es válido:
Horizontal Wind: solo en aire claro o precipitación estratiforme uniforme.
Uniform Wind: solo en lluvia generalizada y extendida.
Si usas ORPG, no busques barbas sobre PPI. En su lugar:
Usa el VWP para conocer el perfil vertical de viento.
Analiza directamente las imágenes de velocidad radial (N0U, N0V) para identificar patrones de convergencia, divergencia o rotación.
Si necesitas viento en una zona concreta, contrasta con radiosondeos o modelos numéricos.
Nunca confíes ciegamente en un producto de viento derivado de un solo radar Doppler. La estimación del viento con un solo radar es un problema mal condicionado. Siempre contrasta con otras fuentes.
Conclusión
El radar Doppler es una herramienta extraordinaria, pero no es un anemómetro mágico. Las barbas de viento que ves superpuestas sobre un PPI son el resultado de suposiciones matemáticas que no siempre se cumplen. Rainbow ofrece dos modelos (Horizontal Wind y Uniform Wind) que son válidos en situaciones específicas; usarlos fuera de contexto produce resultados sin sentido. ORPG, por su parte, prefiere no ofrecer un producto que pueda inducir a error y deja el análisis detallado del viento en manos del meteorólogo, proporcionándole el VWP y las imágenes de velocidad radial.
La próxima vez que veas barbas de viento sobre un radar, recuerda: no son una medición directa, sino una estimación basada en suposiciones. Y como toda estimación, tiene un margen de error que debes conocer.
En este artículo se habla sobre las variables en los productos de radar: qué miden y cómo interpretar los colores en la pantalla y asociarlos al comportamiento de los hidrometeoros en la atmósfera.
En el post anterior explicamos que los productos de radar se clasifican según su geometría de construcción. Pero hay una pregunta previa que todo usuario de radar debe hacerse: ¿qué es lo que realmente está midiendo el radar?
Un radar meteorológico no es una cámara que toma fotos de las nubes. Es un instrumento que emite pulsos electromagnéticos y analiza la señal que retorna después de interactuar con los hidrometeoros (gotas de lluvia, copos de nieve, granizo, etc.). De esa señal, el procesador extrae diferentes variables, cada una con un significado físico distinto.
Oliver Heaviside no tenía título, no oía un cañonazo a tres pasos y pasó medio siglo encerrado en una habitación. Y sin mover un dedo, desde su mesa, le dijo a la humanidad cómo hablar a través del océano y cómo ver más allá de la curvatura de la Tierra.
Hay inventores que arreglan problemas, y hay pensadores que rompen los cimientos de la realidad. Heaviside fue de los segundos. Mientras Edison buscaba el filamento perfecto y Tesla soñaba con radares que no existían, este tipo, sordo y autodidacta, se sentó a desmontar las reglas del juego eléctrico ladrillo por ladrillo.
Si has empezado a probar LAMULA WebViewer —esa ventana abierta a tus datos de radar que presentamos hace unos días en el siguiente post — seguramente te habrás fijado en que, junto al identificador del radar (ej. BYX), la fecha y la hora, aparece un número de dos o tres cifras como VCP 12, VCP 31 o VCP 212. ¿Qué significa eso? ¿Por qué unos radares usan un VCP y otros otro? Y lo más importante para ti, que estás explorando los datos: ¿qué implica cada VCP en la calidad y el tipo de información que estás viendo?amos a desgranarlo.
Del rayo de la muerte al magnetrón: la fascinante historia del radar que cambió la Segunda Guerra Mundial y revolucionó la aviación moderna.
Cuando subimos a un avión, rara vez pensamos en lo que hace falta para que cientos de máquinas de varias toneladas surquen los cielos sin chocar entre sí. Hoy, un avión despega o aterriza en los aeropuertos más grandes del mundo a un promedio de dos por minuto. Esa coreografía invisible —que damos por sentada cada vez que volamos— no habría sido posible sin una tecnología nacida de la necesidad militar más desesperada, y cuyo origen se remonta a una pregunta absurda sobre una oveja y un rayo de la muerte.
Bienvenidos a la historia del radar.
La pregunta que lo cambió todo
Año 1935. Los altos mandos del Ministerio del Aire británico observaban con preocupación el rearme tecnológico de la Alemania nazi. Los rumores sobre un misterioso «rayo de la muerte» que los alemanes estaban desarrollando —capaz de fulminar pilotos enemigos o detener motores a distancia— encendieron todas las alarmas del Imperio Británico. La idea era tan fascinante como terrorífica, tanto que el Ministerio ofreció una recompensa de 1.000 libras esterlinas (una fortuna en la época) a quien fuera capaz de «fulminar una oveja a cien pasos» con un dispositivo de este tipo.
Nadie reclamó el premio, pero la pregunta seguía en el aire: ¿era posible construir un rayo de la muerte? Para salir de dudas, el ministerio consultó extraoficialmente a un científico de la Radio Research Station, Robert Watson‑Watt, uno de los mayores expertos en ondas de radio del momento.
Watson‑Watt no era un hombre de ocurrencias fáciles. Sabía que el ministerio tenía dinero para gastar en investigación y que cualquier respuesta debía basarse en números concretos. Así que planteó un problema matemático a su joven colega Arnold «Skip» Wilkins:
«Supongamos —solo supongamos— que tiene ocho pintas de agua a un kilómetro sobre el suelo. Supongamos que esa agua está a 37 °C y quiere calentarla hasta 40 °C. ¿Cuánta potencia de radiofrecuencia necesitaría, desde una distancia de cinco kilómetros?»
Wilkins no era ningún ingenuo. Comprendió al instante el juego de su jefe: ocho pintas era la cantidad de sangre de un ser humano adulto; 37 °C, la temperatura corporal normal; 40 °C, un grado lo bastante alto para matar a una persona o, al menos, dejarla inconsciente. Lo que equivalía a lo mismo si iba pilotando un bombardero enemigo.
Hicieron los cálculos. La respuesta fue demoledora: se necesitaría una cantidad absurda de energía, decenas de miles de veces superior a lo que cualquier tecnología de la época podía generar. El rayo de la muerte era inviable. El mito cayó.
Pero ambos vieron algo mucho más valioso entre las ruinas de aquella idea descabellada.
El nacimiento del radar: ecos que salvan vidas
Wilkins reflexionó en voz alta: si las ondas de radio rebotaban en los objetos metálicos, ¿no podría detectarse el eco de esas ondas para localizar aeronaves enemigas mucho antes de que fueran visibles? Watson‑Watt captó la genialidad al vuelo y aquella misma tarde redactó un memorándum para el recién creado Comité para el Estudio Científico de la Defensa Aérea. La pregunta era simple: «¿Les interesaría explorar esta idea?»
La respuesta llegó rápido: «Por supuesto que sí».
Lo que Wilkins acababa de describir se conocería más tarde como RADAR (Radio Detection And Ranging, «detección y localización por radio»). Los británicos no estaban solos en esta carrera: alemanes, japoneses, soviéticos y estadounidenses también trabajaban de forma independiente en conceptos similares, pero el impulso inicial de Watson‑Watt y Wilkins fue decisivo.
El 26 de febrero de 1935, en un campo de Northamptonshire, llevaron a cabo el experimento de Daventry: por primera vez en la historia, unas ondas de radio rebotaron en un bombardero Heyford que volaba a ocho millas de distancia y lograron detectarlo.
El salto definitivo: nace el magnetrón
Aunque el radar experimental funcionaba, tenía una limitación crítica: operaba con longitudes de onda largas y baja potencia, lo que impedía detectar aviones a gran distancia o con precisión. La solución llegó en febrero de 1940, cuando los físicos de la Universidad de Birmingham John Randall y Harry Boot lograron un hito técnico asombroso: el magnetrón de cavidad resonante.
El dispositivo era una pequeña maravilla de la ingeniería: un bloque de cobre macizo perforado con cavidades que, al ser estimulado eléctricamente, generaba pulsos de microondas con una potencia hasta 300 veces superior a cualquier dispositivo anterior (400 vatios en su primer prototipo, y poco después 3 kW). Además, operaba en una longitud de onda de tan solo 10 centímetros, lo que permitía usar antenas pequeñas y obtener imágenes mucho más nítidas.
El magnetrón era, en esencia, el corazón del radar moderno y lo sigue siendo hasta hoy, aun cuando ya hay otras tecnologias.
Una caja negra y un viaje de pesadilla
Pero Gran Bretaña, acosada por los bombardeos de la Luftwaffe y con sus fábricas bajo fuego constante, carecía de capacidad industrial para producir magnetrones en masa. Winston Churchill, recién llegado al poder, comprendió que el Reino Unido necesitaba desesperadamente la maquinaria estadounidense. La estrategia cambió radicalmente: no se intercambiaría el secreto del magnetrón por otros avances; se ofrecería como un regalo para pedir ayuda.
En agosto de 1940, el físico galés Eddie Bowen emprendió una misión digna de una novela de espías. Llevaba consigo un modesto cofre metálico negro en cuyo interior viajaban una decena de prototipos de magnetrones, los documentos técnicos y todo el saber de la investigación británica sobre radar.
El periplo fue agotador. Primero, un taxista londinense se negó a dejar subir el pesado cofre dentro del taxi y tuvo que llevarlo atado al techo. Luego, Bowen tomó un tren hacia Liverpool compartiendo vagón con un hombre de aspecto militar que, elegantemente vestido, fingió ignorarlo durante todo el trayecto mientras leía el periódico. A continuación, embarcó rumbo a Estados Unidos con una instrucción clara: si el barco era atacado por submarinos alemanes, debía arrojar el cofre al mar. Para asegurarse de que se hundiera, habían perforado dos agujeros en su estructura. Afortunadamente, el barco no fue hundido.
El laboratorio que cambió la guerra
La llegada del magnetrón a Estados Unidos causó una conmoción. Los científicos estadounidenses, que hasta entonces andaban rezagados en la carrera del radar, comprendieron de inmediato el potencial de aquel artefacto. El presidente Franklin D. Roosevelt autorizó la creación del Radiation Laboratory (RadLab) en el MIT, un centro de investigación militar que, con el tiempo, se convertiría en el segundo proyecto más grande de Estados Unidos durante la guerra, solo superado por el Proyecto Manhattan.
El RadLab fue un hervidero de genialidad. En solo cinco años, desarrolló más de 100 sistemas de radar diferentes, diseñó la mitad de todos los radares utilizados por los aliados y construyó equipos por valor de 1.500 millones de dólares de la época. Diez de sus investigadores obtendrían más tarde el Premio Nobel.
Gracias a estos radares, los aliados pudieron:
Detectar submarinos alemanes en la superficie desde el aire, incluso de noche o con mal tiempo.
Guiar el fuego antiaéreo con una precisión sin precedentes.
Navegar con seguridad en misiones de bombardeo estratégico.
El historiador militar James Phinney Baxter III calificó aquel cofre negro como «la carga más valiosa que jamás haya llegado a nuestras costas». Y no exageraba.
El radar se vuelve civil: un accidente que conmocionó al mundo
Cuando la guerra terminó en 1945, el radar quedó como una de esas tecnologías «maduras» que parecían destinadas a revolucionar la vida civil. Pero la transición fue sorprendentemente lenta. Durante casi una década, muchos aeropuertos y líneas aéreas se resistieron a invertir en un sistema que, en tiempos de paz, consideraban un lujo innecesario.
La aviación comercial crecía a un ritmo vertiginoso: en 1945 se transportaron 7 millones de pasajeros en Estados Unidos; en 1955 ya eran 38 millones. Sin embargo, el control del tráfico aéreo seguía siendo rudimentario. Los pilotos presentaban sus planes de vuelo con antelación, confiando en que eso bastaría para evitar encuentros peligrosos. El protocolo se resumía en cinco palabras: «ve y que te vean».
El 30 de junio de 1956, dos aviones despegaron del aeropuerto de Los Ángeles con solo tres minutos de diferencia. Uno, un Lockheed Super Constellation de TWA, se dirigía a Kansas City. El otro, un Douglas DC‑7 de United Airlines, volaba a Chicago. Ambos planes cruzaban sus rutas sobre el espectacular escenario del Gran Cañón, aunque a distinta altitud prevista: 19 000 y 21 000 pies respectivamente.
Nubes de tormenta se interpusieron en el camino. El capitán del TWA solicitó permiso para volar sobre las nubes. El controlador accedió: «cien pies por encima de la nubosidad». Ve y que te vean.
Nadie sabe con certeza qué ocurrió después. No había cajas negras en aquella época. Solo se sabe que, poco después de las 10:31, el control de tráfico captó una transmisión desgarradora: «¡Levanta vuelo!», «¡Vamos en picada!»… y luego el silencio.
Ambas aeronaves colisionaron en pleno vuelo a 21 000 pies de altitud. Los 128 ocupantes —6 tripulantes y 64 pasajeros en el TWA; 5 tripulantes y 53 pasajeros en el United— murieron instantáneamente. Fue, en ese momento, el peor desastre aéreo de la historia comercial de Estados Unidos.
El legado: cielos más seguros
La conmoción pública fue inmensa. Durante años, el gobierno había pospuesto la creación de un sistema unificado de control del tráfico aéreo, pero la tragedia del Gran Cañón rompió todas las resistencias. El Congreso estadounidense aprobó la Ley de Modernización de las Vías Aéreas en 1957 y, al año siguiente, creó la Administración Federal de Aviación (FAA), el organismo que hoy regula todos los cielos de Estados Unidos.
El radar, aquel hijo accidental de la búsqueda de un rayo de la muerte, se convirtió en la columna vertebral de la nueva era. En la actualidad, los grandes aeropuertos gestionan despegues y aterrizajes a un ritmo de dos por minuto, las colisiones en vuelo son extraordinariamente raras y millones de pasajeros confían cada día en un sistema que nació de una oveja, un cálculo de físicos y una caja negra que cruzó el Atlántico en plena guerra.
Los precursores olvidados (Nota de estilo)
Antes de que Watson‑Watt y Wilkins hicieran sus cálculos, hubo otros visionarios. El más notable fue Nikola Tesla. Ya en agosto de 1917, el genio serbio publicó en la revista The Electrical Experimenter un artículo donde establecía los principios de frecuencia y potencia necesarios para construir «unidades de radar primitivas», y describía cómo detectar la posición de objetos mediante ondas electromagnéticas. Como tantas otras veces, Tesla se adelantó décadas a su tiempo.
También es justo recordar que el nombre «radar» no fue acuñado por los británicos, sino por la Marina estadounidense en 1940, como un acrónimo para describir la nueva tecnología. Y que antes de que el radar británico demostrara su eficacia en la Batalla de Inglaterra, otros países —Alemania, Japón, la Unión Soviética— habían trabajado en sistemas similares de forma independiente.
Pero lo que hizo único al esfuerzo británico‑estadounidense fue la combinación de genio científico, urgencia estratégica y colaboración transatlántica. El resultado fue una tecnología que no solo ayudó a ganar la guerra, sino que hizo posible la aviación comercial tal como la conocemos hoy. Realmente fue una Brecha en el Muro del Conocimiento Humano.
FUENTES:
Harford, Tim. «El invento que comenzó con un concurso para crear un ‘rayo de la muerte’ y ayudó a ganar la II Guerra Mundial». BBC, 50 Cosas que hicieron la economía moderna. Enlace original
Buderi, Robert. The Invention That Changed the World (1996).
«How the search for a ‘death ray’ led to radar». BBC News, 8 Oct 2017.
«Arnold Wilkins – Wikipedia».
«Prof Peter Grant: Cavity Magnetron Designs which Enabled World War 2 Microwave Radar». University of Edinburgh.
«Tiny metal box containing secrets that helped win the second world war». Daily Mail, 27 Sep 2015.
«RadLab evolves into modern RLE». MIT News, 30 Oct 1996.
«Lockheed L‑1049 Super Constellation and Douglas DC‑7 – FAA Lessons Learned».
«History of radar – Wikipedia» (contribuciones de Nikola Tesla).
Este artículo presenta un análisis comparativo de las tres tecnologías de motores que se han utilizado en el accionamiento eléctrico de antenas de radar meteorológico: motores DC, motores de inducción (jaula de ardilla) y motores síncronos de imanes permanentes, contextualizando su aplicación en la red de radares meteorológicos del Instituto de Meteorología de Cuba.Se describe, además, el proceso de modernización llevado a cabo por LADETEC en los radares de Camagüey y Casa Blanca, que sustituyó los antiguos sistemas DC por tecnología PMSM
Los sistemas de radar meteorológico requieren accionamientos de antena de alta precisión, capaces de posicionar grandes reflectores parabólicos de las antenas de radar con suavidad, exactitud y rápida respuesta dinámica tanto en acimut como en elevación. Los radares meteorológicos requieren, además, que sus antenas giren en acimut a velocidad variable y muy estable o hacerlos explorar en la vertical también a velocidad constante con reversión en los límites.
En Cuba, la evolución tecnológica de estos sistemas ha transitado desde soluciones electromecánicas basadas en motores de corriente directa (DC) hasta sistemas avanzados de motores síncronos de imanes permanentes (PMSM), reflejando las tendencias internacionales en equipos de última generación.
Cuando pensamos en el radar, a menudo lo asociamos con las pantallas verdes de la Segunda Guerra Mundial o con los sistemas de control de tráfico aéreo. Sin embargo, la chispa que lo encendió no vino de un laboratorio militar, sino de la mente visionaria de Nikola Tesla. Aunque no construyó un radar funcional como los conocemos hoy, sus ideas teóricas de principios del siglo XX fueron tan precisas que se ganó el título de su principal precursor.
Un post para hablar de los científicos que desarrollaron la Teoría del Muestreo de las Señales, de la Serie La Brecha en el Muro
El enigmático (para los neófitos) teorema que permite convertir señales analógicas en digitales y viceversa sin pérdida de información es una piedra angular del procesamiento de señales. Su desarrollo no se debe a un único genio, sino a un proceso de maduración científica en el que confluyeron la ingeniería práctica y las matemáticas más puras. Las figuras de Harry Nyquist, Vladimir Kotelnikov y Claude Shannon son centrales en esta historia, pero sus roles y el reconocimiento que han recibido difieren según el contexto histórico y geográfico.
Seguramente la mayoría de mis lectores se quedan en el limbo al escuchar que los receptores de radar son «súper heterodinos». Pues bien, no es una palabra de otro mundo como «kriptonita» (que todo el mundo sabe que es la piedra que viene del planeta Kriptón y que le quita los superpoderes a Superman). La palabra heterodino viene del griego: heteros (diferente) y dynamis (fuerza). En radiofrecuencia, heterodino es el proceso de combinar (batir en radiotecnia, multiplicar dos sinusoides en matemáticas) dos señales de distinta frecuencia para obtener nuevas frecuencias: la suma y la diferencia. El prefijo super (por encima) indica que la frecuencia resultante (la intermedia, FI) es superior a las frecuencias de audio, lo que permite amplificarla de forma eficiente y estable. Este post es de corte técnico, para que los que lean mi serie histórica: Radar Doppler Cubano: La semilla, el fruto y el olvido. 4. La necesidad, los obstáculos y el desafío tecnológico comprendan por qué debíamos buscar un heterodino súper estable.
¿Cómo identificar tornados, aeroavalanchas y granizadas en tu radar? Argos, el gigante de cien ojos, te guía a través de la reflectividad, el Doppler y la polarimetría para detectar tormentas locales severas. Experiencia cubana y claves prácticas.
En un post anterior les presenté a las tres hijas bastardas de Zeus y Néfele: Tornado, Aeroavalancha y Granizada (https://meteoradares.wordpress.com/2025/10/22/las-tres-reinas-malvadas-del-tiempo/). Tres reinas de la destrucción que nacen en las entrañas de las superceldas, capaces de redibujar el paisaje en cuestión de minutos. Les conté cómo reconocerlas por su carácter, su mecanismo de maldad y la firma de devastación que dejan a su paso. Pero quedé a deber algo fundamental: ¿cómo podemos verlas antes de que ataquen? ¿Cómo distinguirlas entre la multitud de nubarrones que se acumulan en el horizonte? ¿Cómo determinar en una pantalla de radar llena de tormentas cuál de ellas pueda ser una violenta tormenta local severa? Ese es el desafío de los Meteorólogos de Radar.
Mientras los radares meteorológicos de todo el mundo monitorean y ayudan a pronosticar tormentas severas, un equipo de investigadores de la Universidad de Oklahoma trabaja para revolucionar la forma en que rastrean uno de los fenómenos naturales más temidos: los rayos. Un proyecto de investigación recientemente financiado y liderado por David Schvartzman utilizará tecnología innovadora para transformar la comprensión de los rayos y la electrificación, lo que contribuirá a mejorar las alertas de tormentas y a evaluar mejor el riesgo de daños estructurales y cortes de energía provocados por tormentas eléctricas.
Desde el rudimentario BOMO de 1983 hasta el revolucionario LAMULA™ DRx-DSP, el Dr. Orlando L. Rodríguez González repasa cuatro décadas de ingenio cubano en el procesamiento de señales de radar meteorológico. Una historia de superación tecnológica que, partiendo de un MRL-5 y con la creatividad de los ingenieros de LADETEC, logró hitos como la primera computadora personal acoplada a un radar (1988) o una resolución de 75 metros que se adelantó a su tiempo. Un viaje por la evolución de la electrónica, desde los filtros analógicos hasta las FPGA y la polarimetría digital.
A finales de 1981, recién iniciado en el mundo de la meteorología, recibí el mejor regalo de cumpleaños que un joven profesional podría imaginar: un radar MRL-5. Este coloso tecnológico soviético, de doble longitud de onda, era una ventana abierta al futuro, llena de posibilidades digitales que apenas comenzábamos a vislumbrar. Pero lo que no sabía entonces es que ese regalo sería el punto de partida de una odisea de más de cuatro décadas, una historia de ingenio y perseverancia para domar y evolucionar sus señales, escrita en gran parte por los ingenieros de la ahora empresa privada cubanaLADETEC.
Hoy, en «Radares mirando al sur«, quiero compartir con ustedes la historia de ese viaje a través de seis generaciones de procesadores de señal. No es solo una lista de artefactos; es la crónica de cómo, desde una isla, logramos sincronizarnos con los latidos del mundo y, en algunos momentos, incluso adelantarnos a ellos.
En este artículo explico por qué la fluctuación de los ecos meteorológicos no es ruido, sino la clave para estimar reflectividad, velocidad y peligrosidad mediante procesamiento Doppler, y por qué automatizar esta tarea me ha tomado toda una vida. El procesamiento de las señales en los radares meteorológicos es mi pasión.
Desde mis inicios como ingeniero en el radar MRL-5 de Camagüey (el primero de su tipo en Cuba), me resultó fascinante ver lo informativa que resultaban las señales en el osciloscopio (A-Scope) que muestra la amplitud en función de la distancia del eco (tiempo de retorno). Por una parte la amplitud te muestra la intensidad del objeto meteorológico y por otro, el grado de fluctuación de la señal te indica cuan «turbulento» es.
A la mirada de un experto de radar esta información es muy relevante, en tanto en el indicador PPI se puede cotejar las dimensiones espaciales del eco y su posición con respecto al radar. En aquellos primeros años pensé que sería sencillo automatizar esa detección y estimación de las características del eco para identificar su peligrosidad.
Estaba equivocado, esta tarea me ha tomado toda mi vida laboral y aún estoy enfrascado en ella. En este post trataré de explicar de forma sencilla por qué no es una tarea simple. Para esto hay que zambullirse en la naturaleza de las señales retornadas de objetos meteorológicos (nubes, lluvia, granizo, hielo, etc.).
Exploramos en profundidad los tipos de señales eléctricas fundamentales en el procesamiento de radar meteorológico: continuas vs. discretas, analógicas vs. digitales, deterministas vs. aleatorias. Desde la naturaleza física de la onda electromagnética hasta la conversión A/D y el procesamiento digital con LAMULA™ DRx-DSP. Un artículo técnico del Dr. Orlando Rodríguez, fundador de LADETEC, para entender cómo se extrae información meteorológica de las fluctuantes señales de retorno.
La Biblia dice: Las señales son acontecimientos o experiencias que demuestran el poder de Dios. Muchas veces son milagrosas. Indican y anuncian acontecimientos grandes, tales como el nacimiento, la muerte y la segunda venida del Salvador. Les recuerda a los hijos de Dios de los convenios que el Señor ha hecho con ellos. Las señales también pueden dar testimonio de un llamamiento divino o indicar la desaprobación del Señor. La palabra señal también se emplea en las Escrituras como recordatorio de un acontecimiento que no se debe olvidar (Éxodo 13:1–10); pero lo mío son los radares y cuando hablo de señales me refiero a señales eléctricas, así que dejemos el mejunje bíblico, que yo no soy teólogo, solo soy un ingeniero de radar, así que pasemos a concretar las cosas de interés para los radares.
Detrás de cada producto de la familia LAMULA™ hay una historia, un lugar y un símbolo. El nombre nace de La Loma de la Mula, sitio emblemático donde en 1997 LADETEC instaló la maqueta del primer radar meteorológico cubano completamente automatizado. Fue allí, en una colina azotada por vientos, calor y la inclemencia del trópico, donde se probó el concepto que luego se extendería a los otros seis radares del país en su versión industrial. Lo que comenzó como un prototipo experimental se convirtió en la semilla de una red nacional soberana.
Una plataforma 100% Open Source (Hardware + Software) diseñada para liberar su sistema de cualquier dependencia de fabricante.
LAMULA™ DRx-DSP (Receptor Digital + Procesador Digital de Señales) es la encarnación del compromiso de LADETEC con la soberanía tecnológica. Esta unidad central de procesamiento no solo establece un nuevo estándar en rendimiento para la meteorología operacional y de investigación, sino que lo hace bajo un principio radical: todo, desde las placas de circuito hasta el código de procesamiento, es tecnología Open Source. Usted adquiere control total, libertad de modificación y una garantía permanente de independencia, incluso de nosotros.
El 24 de mayo de 1973, el recién construido Radar Doppler de Norman, Oklahoma, perteneciente al Laboratorio Nacional de Tormentas Severas de los Estados Unidos (NSSL, siglas en inglés de National Severe Storms Laboratory) tuvo la oportunidad de grabar la información del ciclo completo de vida de un tornado. En esa época las cosas no eran tan simples. Las cintas grabadas no estuvieron disponibles sino muchos meses después. Aun estábamos lejos de poder aseverar que los radares Doppler serían de utilidad práctica para mejorar los pronósticos de tornados, solo algunos entusiastas lo intuían, y todavía en la Cuba del 2004 yo tuve que argumentar fuertemente ¿por qué necesitábamos un radar Doppler? y defender la idea de fabricar un prototipo de Radar Meteorológico Cubano con capacidad de detección Doppler.
«Una meta sin un plan es solamente un deseo«. Antoine de Saint Exupéry
Como responsable de la Vigilancia Meteorológica por Radar en Cuba durante dos décadas y con casi 40 años en el servicio técnico, mi perspectiva sobre la planificación nace de la práctica, no solo de la teoría. Desde esta experiencia en planificación, observo con preocupación cómo el diagnóstico de «crisis sistémica» en Cuba se utiliza para promover una receta neoliberal: desmantelar la planificación centralizada –defendida por el Che como esencia del proyecto socialista– y fragmentar la economía en pequeñas PYMES. Frente a esto, sostengo que la centralización es un mecanismo poderoso y necesario. Es la herramienta que permite a una nación orientar estratégicamente todos sus recursos hacia el bienestar social colectivo. Si no fuera una forma de organización eficaz, ¿cómo se explican entonces el poder abrumador de los monopolios industriales capitalistas o la eficiencia productiva de los latifundios? La lógica es clara: un alto grado de centralización es condición para la máxima eficiencia económica y hay determinadas tareas que solo pueden desarrollarse de forma estatal, centralizada y con planificación a largo plazo como la red de radares NEXRAD de los EE.UU.
Habían pasado muchos años de que terminara la colaboración de Cuba con la Unión Soviética en 1991, año en que también desaparecía la propia Unión Soviética y que las instituciones con las cuales manteníamos relaciones científicas también pasaban por un período de reorientación. Mi comprensión de los temas de radar iba pasando de las cuestiones meramente ingenieriles a la comprensión de cómo explotar mejor la información de radar. La Vigésimo Novena Conferencia Internacional de Meteorología de Radar, celebrada en julio de 1999 en la ciudad de Montreal fue mi gran oportunidad de hacer muchas preguntas. Mi «víctima» primaria fue mi gran amigo y tutor, el Profesor Isztar Zawadzki, con quien ya sostenía comunicación por cartas de papel/sobre/sellos desde hacía unos años. A mi larga y fructífera relación con Zawadzki debo dedicar todo un post; pero hoy voy a limitarme a comentarles sobre su visión, muy adelantada para la época sobre el tema este de cómo rellenar los huecos en la cobertura de una red de radares, asunto que me preocupaba en aquel momento. Esta búsqueda de soluciones, que comenzó con preguntas en los pasillos del Queen Elizabeth en Montreal, pasó por el visionario proyecto CASA y hoy se materializa en redes comerciales como Climavision,que nos muestra el camino claro para modernizar la observación meteorológica en Cuba. En este post, exploraremos esta evolución y propondremos una solución concreta.
Una aeroavalancha (downburst en inglés) es una corriente (lineal) descendente de aire (downdraft en inglés) intensa y localizada dentro de una tormenta, que al alcanzar la superficie terrestre, se expande horizontalmente en todas direcciones, generando vientos destructivos en forma de ráfagas (rachas). Imaginemos a un titán de la mitología griega, como Atlas, que dispusiera de una jeringuilla como las de inyectar, pero enorme, que el titán la cargara de agua y a una cierta altura presionara con fuerza el émbolo apuntando contra la tierra. Esa masa de agua se precipitaría con una fuerza descomunal sobre la superficie de la tierra y al chocar y no poder penetrar, se dispersaría en todas las direcciones. A eso es a lo que el insigne meteorólogo matancero, el doctor Arnaldo Alfonso, llamó aeroavalanchas y que los españoles suelen llamar reventones.
He impartido muchos cursos de explotación de radares meteorológicos de todo tipo, Doppler, Polarimétricos, todos ellos con un alto grado de automatismo por ser radares modernos, recién comprados. Podría asegurarle a mis lectores, que en la mayoría si no en todos los casos, cuando empiezo el curso me veo en la obligación de desengañarlos: LOS RADARES METEOROLÓGICOS TIENEN QUE SER OPERADOS. Ellos esperan que el moderno radar sea algo así como un «Meteorólogo Automático», una especie de robot que hace operaciones por sí mismo y luego les informa dónde está lloviendo y cuán peligroso puede resultar y les brinde todo tipo de detalles en lo que ellos beben un café. El problema es que los fabricantes les prometieron un radar «llave en mano». Yo les digo que sí, que eso es muy cierto, pero que la analogía es con un auto nuevo, con caja de cinco cambios manuales, pedales de acelerador, freno y clutch, además de un timón para decidir hacia dónde camina. Cierto, te dan la llave en la mano, pero es para que te sientes y manejes, no para decirle al auto –llévame a casa de mi suegra y que el auto te conduzca en lo que miras reels en tu teléfono. Por cierto, ya hay autos de ese tipo, pero no creo que al alcance de todos, y …no hablamos de autos, hablamos de radares meteorológicos.
Los radares de los que dispone actualmente el Instituto de Meteorología entraron a nuestro país, mayormente, bajo una concepción «ciclonera». Los radares RC-32B que entraron en 1973 por un donativo del PNUD-OMM fueron ubicados con esas miras en La Bajada, Pinar del Río, en Punta del Este, Isla de la Juventud y Gran Piedra, en Santiago de Cuba. Posteriormente, el gobierno cubano adquirió dos radares MRL-5 también con esas miras y fueron ubicados en el Pico San Juan y en el Alto del Mamey en Pilón, todos con la mejor vista hacia el sur. Con fines de investigación para el incremento artificial de las precipitaciones, entraron por donativos dos MRL-5, ubicado uno en Camagüey y otro en la Loma de Casa Blanca y por último, un moderno radar Doppler METEOR-1500S en el cerro El Paraíso en Holguín. A pesar que estos tres últimos no tenían un propósito «ciclonero», han mostrado ser no menos eficaces que los otros cinco para esta tarea, pero más bien de cara hacia el norte. Los ocho han mostrado un excelente palmarés en el seguimiento de ciclones, al norte y al sur, que no en balde hemos extendido su alcance hasta los 500 km (los RC-32B sí tenían ese alcance, los MRL-5 solo 300 km y el METEOR-1500S solo 400 km) ¿Qué uso le damos y qué uso le debemos, en mi opinión, dar? Siga leyendo, le doy mis razones y luego usted, erudito lector, saca sus propias conclusiones.
Desde que comenzamos a publicar en la web imágenes de los radares automatizados, allá por el año 2006, muchos compañeros, especialmente de Centro de Pronósticos en Casa Blanca, me preguntaban el porqué del «hueco» en las imágenes de los radares. Especialmente les preocupaba el de Casa Blanca, porque el hueco «les privaba» de información sobre la capital. En el presente post pretendo mostrar técnicamente el porqué del hueco, pero mucho más que eso, demostrarles que el radar de Casa Blanca y cualquier otro de Cuba, sí puede «ver» la nubosidad que tienen encima y por tanto, dar cobertura total de 0 a 500 km y con esto deshacer un muy nocivo mito que impide una mejor utilización de los radares cubanos. Si le interesa el tema, siga leyéndome.
Disponemos de una antena que emite (y recibe) con un haz estrecho, como una linterna explorando en la oscuridad. Nosotros necesitamos explorar toda la semiesfera de la atmósfera que está sobre nosotros (es decir, sobre el radar); pero solo hasta una altura de unos 20-25 km y unos 500 km de radio, que es donde está la troposfera y donde ocurren las tormentas y las precipitaciones, en cuyo seno se engendran fenómenos peligrosos para los humanos y sus propiedades. Con esa antena debemos explorar todo ese volumen y debemos hacerlo lo más rápido posible porque los fenómenos evolucionan muy rápido, para eso necesitamos un plan, al que solemos llamar Estrategia de Exploración. Si gusta de saber los detalles, siga leyendo.
Obviamente al usar la información de los radares meteorológicos estamos interesados en los «ecos», es decir los retornos, que provengan solamente de los objetos meteorológicos, es decir, que provengan de hidrometeoros. Para el lector neófito, un hidrometeoro es la manifestación física del agua en la atmósfera que los meteorólogos observan, pronostican y que los radares intentan detectar y medir. Nos referimos a lluvia nieve, granizo, cimarra, graupel, aguanieve, llovizna… Si desea más detalle de cuáles hidrometeoros puede ver el radar y cuáles no, tire un vistazo a ¿Qué miden los radares meteorológicos? Sin embargo, en este post lo que deseo tratar está referido a los ecos de origen no meteorológico. Si mi lector siente curiosidad por saber cómo los suprimimos en los radares, siga leyendo.
“Nace una fuerza de la unión de los hombres, aunque sean débiles; y nosotros somos capaces de luchar con los valientes”. Ilíada. Homero
Como lema fue utilizado originalmente por la República holandesa. Se deriva de la frase en latín «concordia res parvae crescunt» (las cosas pequeñas florecen en la concordia), del capítulo 10 de la Bellum Iugurthinum, obra del escritor republicano romano Salustio. La frase ha sido utilizada por numerosos pensadores y líderes. «La unión hace la fuerza» (en neerlandés: Eendracht maakt macht; en francés: L’union fait la force; en inglés: Unity makes strength; en alemán: «Einigkeit macht stark) es utilizado por Bulgaria y Haití en su escudo de armas nacional y es el lema nacional de Malasia, Bélgica, Bolivia y Bulgaria. Como siempre desvarío, a fin de cuentas mis lectores saben que mis conocimientos son magros y están confinados a los radares meteorológicos. Sígame y le explico.
El radar LARID (Low Altitude Long Range Ionosphere Radar) es un radar ionosférico de largo alcance y baja latitud desarrollado por China. El pasado 27 de agosto, el Instituto de Geología y Geofísica, parte de la Academia de Ciencias de China, compartió unos resultados fascinantes. Habían detectado las burbujas de plasma más grandes registradas hasta ahora. Para ser más exactos, los científicos de este país habían detectado las burbujas de plasma sobre las pirámides de Egipto y en las islas Midway (justo del lado contrario del globo terráqueo), y todo gracias al radar LARID en la isla de Hainan.
Bueno, yo sigo en mi empeño de mostrar estos «matches» entre diferentes tecnologías empleadas en la Meteorología. En este caso haré énfasis en el pobre e incorrecto (según mi punto de vista personal) uso que se le da a la información de radar por el sistema nacional de pronósticos. Sígame y le cuento mi punto de vista.
Los radares de doble polarización son la tecnología más avanzada para estudiar la atmósfera actualmente. A diferencia de los modelos antiguos que solo detectaban la cantidad de precipitación, estos nuevos equipos pueden diferenciar entre lluvia, nieve y granizo, e incluso identificar los escombros (debris en inglés) que levantan los tornados. Funcionan emitiendo y recibiendo señales en dos direcciones simultáneamente – horizontal y vertical – lo que les permite analizar las características de las partículas en la atmósfera con gran precisión. Esta capacidad los hace extraordinariamente útiles para calcular el contenido de agua en las nubes, predecir la caída de granizo y anticipar tormentas peligrosas. Actualmente, los principales sistemas meteorológicos como el NEXRAD en Estados Unidos y la red EUMETNET en Europa utilizan esta tecnología. Aunque representan una inversión mayor que los radares convencionales, su superior desempeño en la predicción de fenómenos severos y el estudio de las nubes los ha convertido en herramientas indispensables para la meteorología moderna.
Prólogo al libro «Estudio de hidrometeoros basado en información de variables polarimétricas de radares meteorológicos para Colombia» de los autores Ernesto Gómez Vargas, Laura Angélica Cadena Contreras y César Andrey Perdomo Charry. Publicado por la Universidad Distrital de Bogotá Francisco José de Caldas. Doctorado en Ingeniería.
A diferencia de otras variables meteorológicas para las cuales solemos hablar de medición, para la lluvia hablamos de estimación. Esto ocurre porque ninguno de los métodos existentes para su medición, son realmente representativos de esta variable que suele tener una gran variación en el tiempo y el espacio y cada uno de ellos está sujeto a errores que pueden llegar hasta un 50%. Actualmente se emplean tres tipos de instrumentos para la estimación de la lluvia: los pluviómetros, considerados “la verdad” de la lluvia caída en tierra, los radares meteorológicos y los sensores a bordo de satélites meteorológicos (radiómetros que reciben la radiación emitida por la tierra en diferentes longitudes de onda). Sin embargo, todos sabemos que “la verdad” sobre la lluvia caída solo San Pedro la sabe, los humanos hacemos estimados.
If you’re asking me about a band, I would say without hesitation that the Beatles are the best band of all time. Their music, along with the songs of Cuban singer-songwriter Silvio Rodríguez, is the only music I can listen to repeatedly without ever getting bored. But wait—if you meant a different kind of band, like the frequency band used in weather surveillance radars, my answer is equally definitive: the S band, which is employed by the eight radars operated by the Institute of Meteorology of Cuba. If my skeptical reader thinks I’m being too categorical and suspects that my statement is hasty or biased, I encourage you to keep reading and draw your own conclusions from the evidence I’ll present. But first, let’s clarify some concepts before we delve into selecting the optimal radar operating band.
Las personas tienen a pensar que el radar Doppler es como si fuera una miríada de anemómetros que permiten medir la velocidad del viento en cada punto del área de cobertura del radar, por tanto, para conocer la velocidad del viento basta detenerse con un cursor sobre la imagen del radar y listo, ya tienes la medición del viento en ese punto. Otra forma es superponer barbas del viento sobre la imagen del radar (sea la imagen de velocidad o mejor aún, la imagen de la de la Reflectividad, da igual, al final uno se guiaría por el valor y la posición de las barbas para saber velocidad y dirección del viento en cada punto). Lamento desilusionarlos, las cosas no son tan simples, siga leyendo y le explico.
En los radares meteorológicos suele haber una gran confusión entre los términos: Procesamiento de Señales, Procesamiento de Datos y Procesamiento de Imágenes, tanto que se usan indistintamente y luego aparecen otros dos términos enigmáticos más: Procesamiento Primario y Procesamiento Secundario, para crear mayor confusión. Tanto es así que decidí escribir un post esclareciendo todos los diferentes estadios de la extracción y el procesamiento de la información de radar (Radares meteorológicos: aspectos informáticos). En este post nos centraremos en el procesamiento de los datos de radar.
Tan temprano como principios de 1983 escribí un artículo que nunca se llegó a publicar en ninguna revista, solo quedó como un documento depositado en la Biblioteca del Centro Meteorológico de Camagüey. El artículo se llamaba Organización, Planificación y Dirección del Servicio Técnico en los Radares Meteorológicos. Ahora, que ya estoy jubilado, después de haber laborado 41 años al frente del servicio técnico en Cuba, puedo asegurar que todo este tiempo fui fiel a lo que escribí en ese artículo y que eso constituyó el fundamento en que me basé para llevar adelante, exitosamente, el funcionamiento de los radares meteorológicos en Cuba.
El término “cobertura” aplicado a un radar meteorológico suele resultar ambiguo cuando uno trata de precisar si el radar “ve” o “no ve” determinado fenómeno sobre un área específica. Normalmente, las personas que no son propiamente expertos de radar, suelen imaginar que la cobertura que garantiza un radar es el parámetro táctico que suele aparecer en los catálogos como alcance máximo del radar. Así pues, si alguien revisa los parámetros tácticos declarados para los radares cubanos verá que estos tienen un alcance de 500 km, los ocho.
¿Qué banda usar en los radares? Pues por mí, los Beatles, lo digo sin titubear. La única música que yo puedo escuchar repetitivamente sin cansarme es la de los Beatles y las canciones del cantautor cubano Silvio Rodríguez ¿Ah, no era eso? Uff, desvarío como casi siempre. Si la pregunta es referida a la banda de frecuencias que se debe usar en los radares de vigilancia meteorológica, entonces mi respuesta es también categórica: sin dudas, la banda S, que es la que usan los 8 radares que opera el Instituto de Meteorología de Cuba. Si mi incrédulo lector cree que soy demasiado categórico y sospecha que mi afirmación es festinada y tendenciosa, pues siga leyendo y saque sus propias conclusiones con los elementos que le daré. Comencemos por esclarecer algunos conceptos antes de entrar en la selección de la banda de trabajo del radar propiamente.
Used to monitor number of Google Analytics server requests
10 minutes
__utmb
Used to distinguish new sessions and visits. This cookie is set when the GA.js javascript library is loaded and there is no existing __utmb cookie. The cookie is updated every time data is sent to the Google Analytics server.
30 minutes after last activity
__utmc
Used only with old Urchin versions of Google Analytics and not with GA.js. Was used to distinguish between new sessions and visits at the end of a session.
End of session (browser)
__utmz
Contains information about the traffic source or campaign that directed user to the website. The cookie is set when the GA.js javascript is loaded and updated when data is sent to the Google Anaytics server
6 months after last activity
__utmv
Contains custom information set by the web developer via the _setCustomVar method in Google Analytics. This cookie is updated every time new data is sent to the Google Analytics server.
2 years after last activity
__utmx
Used to determine whether a user is included in an A / B or Multivariate test.
18 months
_ga
ID used to identify users
2 years
_gali
Used by Google Analytics to determine which links on a page are being clicked
30 seconds
_ga_
ID used to identify users
2 years
_gid
ID used to identify users for 24 hours after last activity
24 hours
_gat
Used to monitor number of Google Analytics server requests when using Google Tag Manager
1 minute
_gac_
Contains information related to marketing campaigns of the user. These are shared with Google AdWords / Google Ads when the Google Ads and Google Analytics accounts are linked together.
