Cuando algo raro aparece en los datos de una estación, la pregunta no es solo “¿está mal?”, sino qué método usar para comprobarlo sin cargarte un pico real ni perder tiempo. En esta guía comparamos los enfoques más útiles para detectar errores de sensor, instalación, entorno y software, y te damos reglas simples para elegir bien según el caso.

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

1. Qué significa “comparar métodos” en calidad de datos

Significa que no hay una única prueba mágica: un spike puede ser un error… o una tormenta. Por eso usamos varios enfoques que se apoyan entre sí. Lo bueno: con 2–3 métodos bien elegidos, casi siempre llegas a una conclusión sólida.

2. Idea clave en 30 segundos

• En una frase: primero valida tiempo y continuidad, luego usa coherencia multivariable, y si sigue dudoso, confirma con referencias externas o inspección
• Señal típica: errores de UTC/DST crean “fantasmas” en máximas/mínimas y lluvia diaria
• Confusión común: comparar con otra estación sin considerar microclima y exposición

3. Los enfoques principales (qué son y qué detectan bien)

• A) Chequeos de rango y plausibilidad: límites físicos o climatológicos razonables. Detecta imposibles (p.ej., HR > 100%).
• B) Chequeos de continuidad/forma: gaps, duplicados, “stuck”, escalones, dientes de sierra. Detecta fallos de sensor/logger y software.
• C) Coherencia interna (multivariable): relaciones esperables entre variables (T, HR, lluvia, presión, viento). Detecta anomalías “raras” sin depender de otras estaciones.
• D) Comparación espacial (estaciones cercanas / red): confirma si el fenómeno es regional o solo tuyo. Detecta deriva o problemas locales.
• E) Referencias remotas (radar/satélite/reanálisis): para eventos (lluvia, nubosidad, advecciones). Muy útil en convectiva y frentes.
• F) Auditoría de metadatos y mantenimiento: cambios de emplazamiento, abrigo, nivelado, limpieza. Detecta escalones y sesgos persistentes.

4. Caso especial: tiempo, UTC, deriva y zonas horarias

Antes de comparar nada, asegúrate de que el reloj no te está engañando.

• Guardar en UTC: evita líos con cambios de hora.
• Deriva del reloj (drift): desplaza picos y rompe agregados; se ve como “todo va bien” pero a destiempo.
• DST: horas duplicadas o ausentes; lluvia diaria y extremos pueden quedar mal si agregas en hora local sin control.

5. Ventajas y límites (tabla mental rápida)

• Rango/plausibilidad: rápido, pero se equivoca con extremos reales (rachas, convectiva intensa).
• Continuidad/forma: excelente para software/logger; no prueba por sí sola si un pico es real.
• Coherencia interna: muy potente y barata; requiere conocer relaciones típicas (y admite excepciones).
• Comparación espacial: buena para detectar “solo mi estación”; peligrosa en microclimas o con exposiciones muy distintas.
• Radar/satélite: gran confirmación de eventos; puede fallar por sombras radar, beam blocking, o resoluciones.
• Metadatos/mantenimiento: imprescindible para escalones y sesgos persistentes; depende de registrar cambios.

6. Árbol de decisión rápido (sin caos)

• 1) ¿Hay problema de tiempo? (duplicados, gaps, out-of-order, DST) → arregla eso primero.
• 2) ¿Es físicamente imposible? (rango) → marca BAD y excluye de agregados.
• 3) ¿Encaja con otras variables? (coherencia) → si encaja, probablemente real o al menos plausible.
• 4) ¿Es regional? (estaciones cercanas / radar/satélite) → confirma evento.
• 5) ¿Es persistente? (sesgo, escalón) → mirar instalación/entorno/mantenimiento y documentar metadatos.

7. Ejemplos típicos (sensor vs meteorología)

• Pico de lluvia 10 min: si hay eco radar y HR sube, probable real; si es tick suelto repetido en seco, probable error de pluvio.
• Temperatura muy alta a mediodía: si solo pasa con sol fuerte y baja al nublarse, revisar abrigo/exposición.
• Viento 0 casi siempre: si estaciones cercanas reportan viento y tú no, sospecha anemómetro/obstáculo.
• Presión con escalón tras “tocar algo”: metadato y recalibración/altura; separar periodos para climatología.

8. Errores comunes

• Confiar solo en una comparación espacial sin entender el microclima
• Filtrar picos de racha/convectiva porque “quedan feos”
• Ignorar el timestamp: arreglar “síntomas” sin arreglar la causa

9. Buenas prácticas (conectar con mantenimiento)

• Limpieza: pluvio y abrigo sucios crean sesgos silenciosos (lluvia falsa, T inflada).
• Nivelado: pluviómetro desnivelado cambia la captura y la repetibilidad.
• Verificación de abrigo: estado, ventilación, sombras y reflectancias; revisar cada temporada.
• Registro de cambios: fecha y qué se cambió (altura, ubicación, firmware, sensor).

10. Resumen y claves finales

• Empieza por tiempo/continuidad; lo demás depende de eso
• Coherencia interna + radar/satélite resuelven la mayoría de dudas en eventos
• Comparación espacial es útil, pero no es juez supremo en microclimas
• Los sesgos persistentes se arreglan en instalación/mantenimiento y metadatos

11. Mini-glosario

• Deriva del reloj: desfase progresivo del tiempo del logger respecto a la hora real
• DST: cambio horario con horas duplicadas/ausentes
• Coherencia interna: consistencia entre variables (relaciones físicas/meteorológicas)
• Escalón: cambio súbito y persistente del nivel de una serie (a menudo por instalación o recalibración)

12. Referencias y lecturas recomendadas

• WMO: guías de instrumentación, exposición y control de calidad
• NOAA: recursos de observación, estaciones y manejo de series
• UCAR/COMET: materiales educativos sobre observación y verificación