Cuando un dato meteorológico falla, casi nunca falla “porque sí”: suele romperse por mecanismos muy concretos (ensuciamiento, deriva, mala exposición, reloj desajustado, redondeos, tuberías de datos que duplican o recortan, etc.). Entender esos mecanismos es lo que te permite pasar de “esto se ve raro” a “sé por qué pasa y cómo lo arreglo”. Aquí vamos a ver qué se rompe y por qué, con ejemplos típicos de sensores reales (temperatura, humedad, presión, viento, lluvia) y una sección práctica de checks automáticos con flags.

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 “mecanismos de fallo”

No basta con detectar un outlier; lo útil es identificar el mecanismo que lo ha generado. Por ejemplo, “temperatura demasiado alta” puede venir de radiación, de un sensor pegado a una pared caliente, de mala ventilación o de un timestamp que desplazó el máximo a otra hora. Cada mecanismo deja una huella distinta.

2. Idea clave en 30 segundos

• En una frase: casi todo fallo deja un patrón repetible (y por tanto detectable) si miras forma + contexto
• Señal típica: valores clavados, escalones, picos aislados, desfases horarios o incoherencias entre variables
• Confusión común: arreglar el número sin arreglar la causa (y el error vuelve)

3. El “mapa” de roturas (5 familias)

• Sensor/instrumento: deriva, envejecimiento, condensación, suciedad.
• Exposición/instalación: sombra parcial, superficies calientes, obstáculos, altura incorrecta.
• Electrónica/muestreo: promedios mal definidos, resolución insuficiente, redondeo, filtros.
• Tiempo: UTC/local mezclado, DST, drift del logger.
• Pipeline: duplicados, huecos, reintentos, resets, conversiones de unidades, parseos.

4. Temperatura del aire (T): por qué se rompe

• Radiación + mala ventilación: máximas infladas en sol y calma; noches a veces “normales”. Huella: el sesgo crece con insolación y baja con viento.
• Entorno térmico (pared/tejado/asfalto): T demasiado alta también de noche; huella: diferencias persistentes respecto a referencias.
• Sensor húmedo o envejecido: respuesta lenta; huella: curvas “pesadas” y máximos/mínimos desfasados.
• Redondeo/resolución: escalones de 0.5 o 1.0 °C; huella: histograma con picos artificiales.

5. Humedad relativa (HR): fallos típicos

• Condensación: HR pegada a 99–100% durante horas sin que encaje; huella: HR saturada con T casi constante.
• Contaminación/suciedad: deriva lenta; huella: HR “extrañamente” alta o baja de forma crónica.
• Incoherencia HR–T: si T sube rápido y HR no reacciona nada, sospecha (ojo: no es regla absoluta, pero suele delatar problemas).

6. Presión: fallos que parecen meteorología (pero no lo son)

• Offset fijo: presión siempre +/− X hPa; huella: diferencia constante con estaciones cercanas.
• Saltos/escalones: recalibración, reinicio, cambio de conversión a nivel del mar; huella: “peldaños” claros.
• Deriva rara: el sensor se va; huella: tendencia distinta a la regional en días tranquilos.

7. Precipitación (pluviómetro): el campeón de la “lluvia fantasma”

• Suciedad/insectos: goteo constante en seco; huella: incrementos pequeños repetidos sin radar/precipitación real.
• Vibración/viento: ticks sin lluvia; huella: coincide con rachas.
• Intensidad subestimada: mala nivelación o problemas mecánicos; huella: eventos reales “se quedan cortos” frente a referencias.
• Pipeline: duplicados que suman dos veces; huella: saltos exactos “dobles” en acumulado.

8. Timestamps y pipeline: el fallo invisible

Muchos errores “meteorológicos” son temporales o de pipeline: el valor es correcto, pero la hora no, o el dato se duplicó, o se aplicó un redondeo al convertir unidades.

• UTC vs local: huella: picos desplazados sistemáticamente 1–2 horas; diarios mal.
• DST: huella: hora repetida o hueco; acumulados diarios raros.
• Drift: huella: el desfase crece con semanas/meses.
• Duplicados: huella: dos registros idénticos, o acumulados que saltan de forma exacta repetida.

9. Checks automáticos con flags (lo mínimo que salva series)

Una estrategia práctica es aplicar checks automáticos que no “arreglan” el dato, pero lo marcan con flags para que (a) no contamine extremos y (b) puedas revisarlo. Ejemplo de flags: OK / SOSPECHOSO / MALO / FALTA.

9.1 Checks por variable (ejemplos)

• Rango duro: fuera de límites físicos → MALO.
• Rango blando climatológico: muy raro para esa época/zona → SOSPECHOSO.
• Stuck value: sin variación > X tiempo (según variable) → SOSPECHOSO/MALO.
• Spike: salto > umbral de cambio plausible en Δt → SOSPECHOSO.
• Consistencia interna: reglas simples (p. ej., lluvia con cielo despejado persistente y sin humedad/nubosidad de apoyo) → SOSPECHOSO.
• Integridad temporal: duplicados, huecos, orden incorrecto → FALTA/SOSPECHOSO.

9.2 Ejemplos “de sensor real” (qué flag pondrías)

• T sube +7 °C en 1 minuto sin cambio de viento/nubosidad → spike → SOSPECHOSO.
• HR 100% clavada 10 h con T estable y sin niebla reportada → stuck/condensación → SOSPECHOSO.
• Presión cae 12 hPa en 10 min en situación anticiclónica → spike → MALO.
• Lluvia suma 0.2 mm cada 5 min durante 6 h sin ecos → lluvia fantasma → SOSPECHOSO/MALO.
• Acumulado salta exactamente el doble de un tip → duplicado de pipeline → SOSPECHOSO.

10. Errores comunes

• Tapar el síntoma (borrar picos) sin corregir instalación o reloj
• Mezclar UTC y local en históricos
• Recalcular diarios sin tratar DST
• No guardar flags ni trazabilidad (luego no sabes qué pasó)

11. Buenas prácticas

• Metadatos y registro de mantenimiento (qué cambió y cuándo)
• Guardar en UTC y visualizar en local
• QC mínimo automatizado + revisión manual en episodios
• Separar dato bruto de dato depurado

12. Resumen y claves finales

• Los fallos tienen mecanismos: aprende el patrón y lo detectas rápido
• El tiempo (timestamp) y el pipeline son fallos frecuentes e invisibles
• Flags QC protegen tu serie sin destruir información
• Arreglar la causa vale más que “limpiar” números

13. Mini-glosario

• Outlier: valor anómalo respecto a distribución esperada
• Spike: pico aislado
• Stuck value: valor clavado anómalamente
• Flag QC: etiqueta de calidad por registro

14. Referencias y lecturas recomendadas

• WMO: guías de instrumentos y métodos de observación
• Copernicus/ECMWF: recursos y prácticas de datos