Los metadatos suelen fallar por una razón muy simple: nadie los ve… hasta que algo se rompe y entonces ya es tarde. Aquí tienes los errores más comunes (los de la vida real) y cómo evitarlos con reglas sencillas.

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 es y por qué importa

Los metadatos explican el contexto del dato: qué mide, cómo lo mide, cada cuánto, con qué unidades, dónde y qué cambios han ocurrido. Cuando fallan, aparecen “climas inventados” por accidente: saltos, tendencias falsas o comparaciones injustas.

2. Idea clave en 30 segundos

• En una frase: si no puedes responder “qué cambió y cuándo”, no puedes confiar del todo en la serie
• Señal típica: un salto o cambio de textura que coincide con mantenimiento o actualización
• Confusión común: creer que metadatos = solo “lat/lon”

3. El error nº1: timestamps mal gestionados

El tiempo es el gran saboteador. Un dato puede tener valores correctos, pero si está mal fechado, operativamente es incorrecto.

• Mezclar UTC y hora local: rompe comparaciones y acumulados.
• Cambio de hora (DST): días de 23/25 horas; si no lo marcas, “faltan” o “sobran” datos.
• Drift del logger: el reloj se va minutos u horas; el ciclo diurno se desplaza sin que lo notes.

4. El error nº2: cambios no registrados (sensor/ubicación/entorno)

• Mover el sensor 2 metros: puede cambiar radiación/ventilación y sesgar máximas.
• Cambiar abrigo: altera sesgos de insolación y picos.
• Vegetación/obstáculos: el entorno evoluciona; sin registro, la tendencia parece climática.

5. El error nº3: proveniencia confusa (raw vs procesado)

• Suavizados y rellenos invisibles: hacen la serie “limpia” pero pueden borrar extremos reales.
• Agregación sin declarar: media 10 min vs instantáneo cambia máximos/rachas.
• Unidades implícitas: UV index vs irradiancia; mm vs mm/h; m/s vs km/h.

6. El error nº4: no guardar trazabilidad (qué cambió y por qué)

• Sin changelog: no puedes explicar rupturas.
• Correcciones silenciosas: arreglas hoy y rompes reproducibilidad mañana.
• Sin versión de pipeline: comparas productos distintos creyendo que son iguales.

7. El error nº5: metadatos incompletos en variables delicadas (ej. UV)

• Índice UV: necesita contexto de calibración/sensor y filtros; si no, comparas “UV” que no es comparable.
• Radiación: cambios de abrigo/sombra/limpieza alteran muchísimo la señal.

8. Ejemplos rápidos (lo que suele pasar)

• “De repente subieron las máximas”: se cambió abrigo o se retiró sombra, pero no se registró.
• “La lluvia ya no cuadra”: cambió el tamaño de cubeta o el filtrado, o el día de corte por DST.
• “El viento bajó para siempre”: creció vegetación o cambió la altura del anemómetro.

9. Errores comunes

• No declarar zona horaria y política de DST
• No anotar mantenimiento/cambios del entorno
• Mezclar raw y filtrado sin marca
• Unidades y agregaciones implícitas
• Corregir series sin dejar rastro

10. Buenas prácticas

• Guardar timestamps en UTC y convertir al mostrar
• Changelog simple: qué/cómo/cuándo/por qué
• Metadatos mínimos obligatorios por variable (unidades, muestreo, agregación)
• Separar raw y procesado, con proveniencia clara

11. Resumen y claves finales

• Tiempo mal gestionado = dataset roto aunque “parezca bien”
• Sin registro de cambios, aparecen tendencias falsas
• Proveniencia y trazabilidad son tan importantes como el valor medido
• Variables como UV/radiación exigen metadatos más estrictos
• Lo mínimo que salva vidas: UTC + changelog + unidades + muestreo

12. Mini-glosario

• UTC: hora de referencia global (reduce ambigüedad)
• DST: cambio de hora estacional (23/25h)
• Drift: deriva del reloj del logger
• Proveniencia: transformaciones aplicadas al dato
• Trazabilidad: capacidad de reconstruir qué cambió y cuándo

13. Referencias y lecturas recomendadas

• ECMWF (documentación y guías de datos)
• Copernicus (productos y control de calidad)
• WMO (buenas prácticas e instrumentación)