Las tormentas y sus fenómenos asociados tienen alto impacto en el ámbito social y económico de un país. Por ello es necesario contar con herramientas que permitan garantizar la seguridad de las personas y sus bienes frente a estos eventos. Los datos aportados por una red de radares meteorológicos son de suma importancia para el pronóstico y seguimiento de las tormentas. Estas redes de radares son costosas y de difícil mantenimiento. Asimismo, no todos los países cuentan con una red de radares meteorológicos que cubra toda su extensión y aun así, a menudo tienen problemas técnicos o de conectividad que dejan sin información a amplias zonas. En este trabajo se presenta una técnica de producción de un campo artificial de reflectividad COLMAX utilizando técnicas de aprendizaje profundo supervisado sobre información de descargas eléctricas en superficie. Este campo se puede usar como una alternativa rentable de la información de radares meteorológicos en áreas donde no hay cobertura o la misma es deficiente, o como un complemento a las imágenes de radares meteorológicos que están afectadas por atenuación, interferencias u otros problemas de observación.