Un dato meteorológico sin metadatos es como una foto sin fecha, sin lugar y sin contexto: puede ser bonita, pero no sabes si te está contando la verdad. En estaciones y series, los metadatos son el “dato que explica al dato”: todo lo que rodea a la medición (sensor, instalación, cambios, software, unidades, hora, mantenimiento) y que decide si un valor raro es un extremo real o un fallo.

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 son los metadatos y por qué importan

Metadatos son los datos que describen cómo, dónde, con qué y bajo qué reglas se midió algo. No son “decoración”: son parte del sistema de observación. Sin metadatos, no puedes auditar, comparar, reproducir ni explicar cambios en la serie.

2. Idea clave en 30 segundos

• En una frase: si no puedes responder “¿qué cambió?” cuando la serie cambia, te faltan metadatos
• Señal típica: una ruptura en la serie coincide con un cambio de sensor, ubicación o software
• Confusión común: tratar un pico convectivo real como error porque “no lo esperaba”

3. Qué NO son (para no liarse)

• No son los datos meteorológicos en sí (temperatura, lluvia…)
• No son “comentarios sueltos” sin fecha
• No sustituyen el control de calidad: lo hacen posible

4. Los 4 tipos de metadatos que necesitas sí o sí

• Instrumento/sensor: modelo, rango, resolución, firmware, método de medida (p.ej. pluviómetro de balancín), número de serie si aplica
• Instalación/entorno: coordenadas, altitud, altura sobre el suelo, tipo de superficie, obstáculos cercanos, exposición, abrigo, orientación
• Tiempo y muestreo: UTC vs hora local, frecuencia (1 min, 5 min), ventana de promediado, cómo se calculan extremos diarios
• Pipeline/software: unidades, redondeo, conversión, filtros, flags de calidad, versión de scripts y fechas de cambios

5. Ejemplos cotidianos (para verlo claro)

• Ejemplo 1: cambias la altura del sensor de temperatura 1 metro: la serie puede cambiar sin que el tiempo haya cambiado
• Ejemplo 2: pasas de lluvia cada 1 min a cada 10 min: los picos “se suavizan” y el máximo horario puede bajar
• Ejemplo 3: cambias a “hora local” sin control DST: un día tiene 23 o 25 horas y te rompe el diario

6. Ejemplos meteorológicos (incluyendo convectiva)

6.1 Pico de lluvia convectiva: real vs error

• Real (convectiva): aparece estructura (subida rápida + cola), suele acompañarse de cambios coherentes (HR sube, T puede bajar/estabilizarse), y el contexto (radar/descargas) ayuda
• Error típico: “pico aguja” aislado sin continuidad, repetitivo a horas fijas o coincidente con vibración/ruido
• Metadato que decide: tipo de pluviómetro, resolución (tips), estado de mantenimiento, nivelado, limpieza y cambios recientes

6.2 Anemómetro que ‘se queda clavado’

• Qué ves: viento constante o dirección fija demasiado tiempo
• Metadatos clave: fecha de último mantenimiento, eventos de hielo/arena, estado del cableado, versión del driver

6.3 Radiación solar “rara”

• Qué ves: valores recortados o ruido en horas de sol
• Metadatos clave: sombreado parcial, limpieza, inclinación, calibración y cambios de emplazamiento

7. Errores comunes (y por qué pasan)

• No registrar cambios: se hace mantenimiento y “se olvida” documentarlo; luego una ruptura parece meteorología
• Metadatos sin fecha: si no hay fecha, no sirve para auditar
• No versionar el pipeline: cambia un script y los productos cambian, pero nadie sabe por qué
• Comparar con un vecino sin contexto: diferencias pueden ser representatividad, no error
• Cortar convectiva por umbrales rígidos: se destruyen extremos reales

8. Buenas prácticas (lo mínimo que lo cambia todo)

• Registrar cualquier cambio (sensor, ubicación, altura, firmware, scripts) con fecha y descripción corta
• Guardar política temporal clara: raw en UTC y reglas explícitas para derivados diarios
• Versionar pipeline: repositorio o al menos “versión X” + fecha
• Usar flags de calidad en vez de borrar datos

9. Checklist rápido de metadatos (para no olvidarte nada)

• Sensor: modelo, resolución, firmware, fecha de instalación
• Instalación: coordenadas, altitud, alturas, exposición, superficie
• Muestreo: frecuencia, ventana, unidades, redondeo
• Tiempo: UTC/local, DST, sincronización de reloj
• Mantenimiento: fecha, qué se hizo, antes/después (si cambia)
• Pipeline: versión, cambios, filtros/QC aplicados

10. Resumen y claves finales

• Los metadatos explican por qué cambia una serie sin que cambie el tiempo
• Con metadatos puedes distinguir extremo real (convectiva) de artefacto
• Sin fechas y versionado, los metadatos pierden valor
• La regla de oro: si haces un cambio, deja rastro

11. Mini-glosario

• Trazabilidad: poder reconstruir de dónde salió un valor y qué le pasó
• Ruptura: cambio persistente en una serie por causa no meteorológica
• Flag de calidad: etiqueta que marca sospecha/estado sin borrar el dato

12. Referencias y lecturas recomendadas

• WMO: guías de instrumentación, exposición y metadatos
• NOAA: recursos de observación y estaciones
• NASA: recursos sobre medición, calibración y observación (contexto y calidad)