Los sistemas alimentarios de África Occidental y la socioeconomía rural se basan en la agricultura de secano, lo que hace que la sociedad sea altamente vulnerable a la incertidumbre de las lluvias y a inundaciones y sequías frecuentes. Actualmente falta información confiable sobre las lluvias. Hay una distribución escasa y desigual de pluviómetros y, a pesar de los esfuerzos continuos, los productos satelitales de lluvia siguen mostrando correlaciones débiles con las mediciones en el suelo. Este artículo tiene como objetivo investigar si las observaciones de vapor de agua (WV) junto con información temporal pueden complementar los datos de infrarrojo térmico (TIR) para la recuperación de lluvia satelital en un marco de Aprendizaje Profundo (DL). Esto se motiva por el hecho de que el vapor de agua juega un papel clave en la dinámica de las lluvias altamente estacionales de África Occidental. Presentamos un modelo de DL para la detección de lluvia satelital basado en los canales de WV y TIR de Meteosat Segunda Generación y en información temporal. Los resultados muestran que la inhibición de características de bajo nivel por parte de WV permite la representación de fuertes movimientos convectivos generalmente relacionados con lluvias intensas. Esto es especialmente relevante en áreas donde la lluvia convectiva es dominante, como los trópicos. Además, los datos de WV nos permiten detectar masas de aire seco sobre nuestra área de estudio, que son transportadas desde el desierto del Sahara y crean discontinuidades en los eventos de precipitación. El modelo de DL desarrollado muestra un rendimiento sólido en la clasificación binaria de lluvia, con menos falsas alarmas y menor sobredetección de lluvia (FBias) que el estado del arte de las Recuperaciones Integradas Multisatélites para GPM (IMERG) Final Run.