Analizar un episodio histórico “en datos” es convertir una historia (qué pasó) en una comparación justa (qué tan raro fue, cómo de intenso, cuánto duró y qué parte es robusta). Este artículo te guía para leer series, usar percentiles sin trampas y evitar errores típicos cuando se habla de récords, nevadas, borrascas, riadas, tornados o granizadas con datos incompletos.

Este artículo forma parte del tema Extremos históricos en WikiMeteo.es, donde reunimos métodos y guías para reconstruir episodios con rigor y sacar lecciones útiles.

1. Qué es “verlo en datos” y por qué importa

“Ver un extremo en datos” significa responder con números y contexto: intensidad (pico), duración (cuánto tiempo estuvo alto), extensión (cuántos puntos lo registran) y rareza (qué probabilidad o percentil representa). Importa porque una cifra aislada puede ser cierta y, aun así, engañosa si no se sabe la ventana, la comparabilidad o la calidad del registro.

2. Idea clave en 30 segundos

• En una frase: Para hablar de extremos con rigor, combina ventanas correctas + contexto (percentiles/rankings) + trazabilidad de las fuentes.
• Señal típica: un pico alto acompañado de persistencia o coherencia espacial (varias estaciones cercanas lo ven).
• Confusión común: llamar “récord” a un valor sin ventana, sin revisar cambios de estación o sin comparar con el “para la época”.

3. Qué datos se usan (y qué puedes afirmar con cada uno)

• Redes de estaciones: cuantifican máximos locales, pero exigen metadatos (cambios de ubicación/entorno/sensor) para comparar décadas.
• Reanálisis: excelente para patrón y consistencia regional, limitado para máximos muy locales (granizo grande, tornado, rachas convectivas, máximos puntuales de 10 min).
• Proxies e impactos: caudales, nieve en suelo, informes de daños, prensa; útiles para completar lagunas cuando faltan observaciones directas, pero hay que declarar incertidumbre.

4. La regla de oro: define ventana y métrica antes de comparar

Antes de mirar percentiles, define: (1) variable (precipitación, racha, temperatura, espesor de nieve, presión…), (2) ventana (10 min, 1 h, 24 h, máximo diario, media diaria, duración sobre umbral), (3) periodo comparable (mes/estación), y (4) población de referencia (estación concreta, región, red).

5. Percentiles y rankings: cómo usarlos bien

• Percentil: sitúa un valor dentro de la distribución histórica (p95, p99, p99.9). Es más robusto que “récord” cuando hay cambios o series cortas.
• Ranking estacional: “top 3 de enero” suele ser más honesto que “récord absoluto” si el fenómeno depende mucho de la época del año.
• Comparación regional: para borrascas/nieve, a veces es más útil comparar “cuántas estaciones superaron p99” que el máximo de una sola estación.

6. Qué mirar en una serie (más allá del pico)

• Pico: el máximo, pero solo tiene sentido con ventana definida.
• Duración: cuántas horas/días por encima de un umbral (muy clave en olas de frío/calor, temporales, lluvias persistentes).
• Forma: subida rápida vs sostenida; ayuda a distinguir convectivo (picos cortos) de persistente (meso/sinóptico).
• Coherencia espacial: comparar con estaciones cercanas para detectar valores sospechosos o muy locales.

7. Ejemplos prácticos (6+)

• Ejemplo 1 (lluvia): 120 mm/24h puede ser menos relevante que 70 mm/1h si el impacto fue inundación súbita.
• Ejemplo 2 (racha): una racha récord en una estación expuesta no representa el valle cercano; comparar “red y exposición”.
• Ejemplo 3 (nieve): el espesor observado depende de viento y compactación; mejor complementar con duración de temperatura bajo cero y precipitación sólida.
• Ejemplo 4 (borrasca): un mínimo de presión impresionante no garantiza máximos de viento si el gradiente y el recorrido no acompañan.
• Ejemplo 5 (granizo/tornado): el “dato” suele ser incompleto; usa distribución espacial de reportes/daños y declara subregistro.
• Ejemplo 6 (récord): si una serie tiene un salto por cambio de sensor, el “récord” puede ser artificial; revisar metadatos es obligatorio.

8. Récord vs percentil: cómo decirlo bien

• Cuándo decir “récord”: cuando la serie es homogénea o has justificado su comparabilidad y la ventana está clara.
• Cuándo evitarlo: si hay cambios de estación/entorno, red incompleta o fenómeno local sin cobertura suficiente.
• Formulación recomendable: “valor en el p99.9 para el mes” o “top 3 desde 1980 en enero” + nota de calidad.

9. Trampas comunes (y cómo evitarlas)

• Cherry-picking de ventana: elegir la ventana que más impresiona a posteriori; solución: fijar ventanas por tipo de impacto (1h vs 24h, racha vs media, etc.).
• Comparar estaciones no comparables: cambios de entorno/altura/exposición; solución: metadatos + comparación con vecinas.
• Confundir reanálisis con observación puntual: solución: usar reanálisis para patrón/región y red para máximos locales.
• Ignorar duración: el daño a veces lo manda la persistencia; solución: métricas de duración sobre umbral.

10. Checklist de análisis en 20 minutos

• Definir variable y ventana (1h/24h/racha/duración) antes de mirar cifras.
• Buscar metadatos de la estación y cambios (si existen).
• Comparar con 3–5 estaciones cercanas (coherencia espacial).
• Calcular percentil o ranking estacional (contexto “para la época”).
• Mirar duración (horas/días sobre umbral) si aplica.
• Declarar limitaciones (cobertura, subregistro, resolución).

11. Resumen y claves finales

• Los extremos se entienden con ventana + contexto + trazabilidad, no con una cifra suelta.
• Percentiles y rankings estacionales suelen ser más robustos que “récord” sin matices.
• Validar con estaciones cercanas y metadatos evita la mayoría de errores.

12. Mini-glosario

• Ventana: periodo sobre el que se mide (1h, 24h, racha, máximo diario…).
• Percentil (p99): valor que solo se supera el 1% de las veces en la referencia usada.
• Homogeneidad: comparabilidad temporal (sin saltos por cambios no climáticos).

13. Referencias y lecturas recomendadas

• Copernicus: documentación de reanálisis y variables (ERA5)
• ECMWF: guías sobre interpretación, resolución y limitaciones
• AEMET: recursos de observación, climatología y fenómenos adversos