Vale, ya sabemos que una anomalía es observado − normal. Ahora viene lo importante: cómo se mide sin que el dato te “cuente una película” que no es. Porque con una mala referencia, un sensor mal colocado o una ventana temporal mal elegida, la anomalía puede salir preciosa… y ser mentira 😅

Este artículo forma parte del tema Climatología en WikiMeteo.es, donde reunimos conceptos y guías prácticas para entender mejor el tiempo y el clima.

1. Qué se mide exactamente cuando mides una anomalía

No se mide “la anomalía” con un aparato. Lo que se mide es una variable meteorológica (temperatura, lluvia, viento, etc.) y luego se compara con una referencia “normal” calculada en un periodo largo.

• Dato observado: lo que mides hoy/este mes/esta estación.
• Normal: lo típico para esa fecha y lugar (según un baseline).
• Anomalía: la diferencia entre ambos.

2. Idea clave en 30 segundos

• En una frase: medir anomalías es medir bien + comparar bien (misma variable, misma ventana, mismo baseline).
• Señal típica: en temperatura la anomalía en ºC funciona genial; en lluvia suele ser más útil hablar también en % o percentiles.
• Confusión común: usar una normal equivocada (otra estación, otro periodo, otra ventana temporal) y sacar conclusiones rotundas.

3. Paso a paso (método simple)

1. Elige la variable y la ventana: ¿diaria, mensual, estacional? (enero con enero).
2. Elige el baseline: el periodo de referencia (por ejemplo 1991–2020). Apúntalo.
3. Calcula la normal para esa fecha/mes: media/mediana o el estadístico que uses.
4. Calcula la anomalía: observado − normal.
5. Comprueba calidad: huecos, cambios de sensor, microclima, outliers.
6. Da contexto: percentil/racha si estás hablando de extremo o impacto.

4. Temperatura: la anomalía “más agradecida”

Para temperatura, lo habitual es:

• Dato: media diaria/mensual, o máximas/mínimas.
• Anomalía: en ºC (muy interpretable).

Ojo con elegir bien qué comparas: no mezcles anomalía de media con un récord de máxima, porque cuentan historias distintas.

5. Precipitación: cuidado, aquí se mete la pata fácil

La lluvia tiene mucha variabilidad y muchos ceros. Por eso la anomalía en mm puede ser engañosa en meses secos.

• Opciones útiles:
• Anomalía en mm: bien para acumulados mensuales/estacionales.
• Anomalía en %: (observado/normal − 1)×100. Muy útil para comparar regiones.
• Percentiles: para hablar de sequía o episodios muy húmedos (p5/p95).

Detalle importante: un día de lluvia intensa no “arregla” un déficit estacional si la persistencia sigue.

6. Viento, presión y otras variables

• Viento: mejor percentiles (p90/p95 de rachas) que anomalía simple, porque los impactos viven en la cola.
• Presión: anomalías ayudan a ver patrones (bloqueos, borrascas), pero no se traducen directo a impacto sin contexto sinóptico.
• Humedad/radiación: depende mucho del sensor/entorno; aquí los sesgos importan muchísimo.

7. Microclima y estación: el “pero” mediterráneo

En costa y zonas con relieve cercano, dos estaciones relativamente próximas pueden tener anomalías distintas por:

• brisa marina, inversiones nocturnas
• sombra/insolación diferente
• urbanización (isla de calor), cambios de entorno

Esto no es un fallo: es microclima. El truco es no extrapolar un punto a toda la comarca sin validar.

8. Sesgos de medición típicos (los sospechosos habituales)

• Temperatura: garita mal ventilada o radiación directa → máximas infladas.
• Mínimas: urbanización cercana → noches más cálidas (UHI).
• Lluvia: pluviómetro mal expuesto o con viento → subcaptura.
• Serie: cambios de sensor/altura/ubicación → saltos falsos.

9. Checklist de calidad (antes de sacar conclusiones)

• ¿Misma ventana? enero con enero, 24h con 24h.
• ¿Baseline declarado? si no, la anomalía es “incompleta”.
• ¿Huecos? meses incompletos sesgan medias y percentiles.
• ¿Metadatos? cambios de estación/sensor/entorno.
• ¿Outliers revisados? extremos reales vs error.
• ¿Microclima? no extrapolar sin comparar con otras fuentes.

10. Errores comunes

• Comparar estaciones distintas: usar la normal de “otra” referencia sin querer.
• Mezclar variables: comparar máximas con medias.
• Concluir tendencia con 2–3 años: eso es variabilidad con disfraz.
• Ignorar sesgos: “cambio climático local” que era un cambio de garita.

11. Buenas prácticas

• Para temperatura: anomalía en ºC + percentil si hablas de extremo.
• Para precipitación: mm + % + percentiles (según el caso).
• Declara baseline y ventana siempre.
• Antes de publicar un gráfico, pasa el checklist de calidad.

12. Miniguía de gráficos (no confundir variabilidad con tendencia)

• Barras mensuales de anomalías: rápidas y claras.
• Media móvil: ayuda a ver señal, pero puede esconder extremos (úsala con cuidado).
• Percentiles por décadas: ideal para ver si cambian colas (riesgo).
• Rachas: gráficos de duración para olas de calor o sequía.

13. Resumen y claves finales

• Anomalía = obs − normal; medirla bien es elegir bien ventana y baseline.
• Temperatura: ºC funciona muy bien.
• Lluvia: cuidado; muchas veces conviene % y percentiles.
• Microclima mediterráneo y sesgos instrumentales pueden engañar.
• Checklist de calidad antes de sacar conclusiones, siempre.

14. Mini-glosario

• Baseline: periodo de referencia usado para la normal.
• Normal climática: valor típico calculado en un periodo largo.
• Anomalía: obs − normal.
• Percentil: posición en la distribución (p95 = extremo alto).
• Sesgo de medición: error sistemático por sensor/entorno.
• Microclima: diferencias locales por relieve, mar, urbanización, etc.

15. Referencias y lecturas recomendadas

• WMO: estándares de observación, metadatos y climatologías
• NOAA: recursos educativos sobre anomalías y extremos
• IPCC: variabilidad, tendencias y comunicación del riesgo