Los errores de unidades y conversiones en datos meteorológicos suelen delatarse en una cosa: la forma de la serie. No hace falta estadística avanzada; con ver “cómo cambia” el dato en el tiempo puedes separar un episodio real de un fallo de pipeline. Aquí vamos a ver las señales más típicas en series temporales (y las trampas) para resolverlo rápido.

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 “verlo en series” (y por qué funciona)

Una serie temporal no es solo números: tiene continuidad, patrones diarios, estacionalidad y límites físicos. Un error de unidad suele dejar una firma simple: un factor (todo se multiplica/divide) o un offset (todo se desplaza). Un error de tiempo deja otra: desplazamientos y cortes mal puestos.

2. Idea clave en 30 segundos

• En una frase: si la serie cambia de escala u offset de golpe sin motivo meteorológico, sospecha unidad/conversión o cambio de producto.
• Señal típica: ruptura limpia coincidiendo con mantenimiento, reinicio o actualización.
• Confusión común: creer que “ha cambiado el clima” cuando lo que cambió fue el pipeline.

3. Firmas típicas en series temporales (las más útiles)

• Firma de factor (multiplicativa): desde una fecha todo el viento es 3,6 veces mayor/menor; o la presión pasa a ~101000 (Pa vs hPa). Se ve como un salto limpio y luego la serie sigue “normal” pero escalada.
• Firma de offset (aditiva): la temperatura se desplaza ~+273 (Kelvin vs °C). La forma diaria sigue igual, pero el nivel se va a otro sitio.
• Escalones nuevos (cuantización): la lluvia o el viento aparecen en escalones más grandes o más pequeños. Suele ser cambio de resolución del sensor (pluviómetro de vuelco) o re-muestreo/redondeo.
• Serie “aplanada”: picos recortados o valores suavizados (cambio de media/ventana o filtrado). Ojo: esto no siempre es unidad, puede ser definición del producto.
• Saltos a cero o gaps repetidos: a veces es sensor/telemetría, pero también puede ser un parser que descarta por schema validation o un cambio de formato.

4. Trampas comunes al interpretar series

• Confundir episodio real con ruptura técnica: un temporal puede generar saltos, pero raramente un “factor constante” en todos los valores durante semanas.
• Comparar meses distintos: estacionalidad engaña; compara periodos similares o usa una estación cercana como referencia.
• Olvidar que algunas variables tienen forma diaria: radiación y temperatura ayudan a detectar problemas de tiempo.

5. Ejemplos rápidos (para entrenar el ojo)

• Viento: si antes las rachas típicas eran 40–60 km/h y de repente pasan a 12–18 “sin cambiar nada”, sospecha m/s mostrado como km/h (factor 3,6).
• Presión: una serie que era 1000–1030 y pasa a 100000–103000 suele ser Pa.
• UV: si el índice UV aparece con valores que parecen “energía” (p.ej. decenas o cientos) puede ser que estés graficando otra variable o unidad distinta (no siempre conversión, a veces variable equivocada).

6. Timestamps, UTC y cortes diarios (cuando el fallo se ve como “serie rara”)

En lluvia y radiación, los acumulados dependen de cómo cortas el día. Si el sistema cambia a UTC (o vuelve a hora local) sin control, verás:

• Acumulado diario desplazado: llueve “al día siguiente”.
• Picos en horas extrañas: máximos diarios se mueven varias horas.
• Patrón diario corrido: en radiación, el pico no cae donde debería.

7. Drift del logger (la trampa silenciosa del reloj)

El reloj del logger puede adelantarse o atrasarse con el tiempo. En series se ve como un desplazamiento progresivo: cada semana el patrón diario aparece un poco más corrido. No es unidad: es tiempo. Se detecta comparando con una referencia (otra estación, un reloj NTP o un patrón solar en radiación).

8. Checklist en 5 minutos (modo operativo)

• 1) Marca la fecha exacta de la ruptura: ¿coincide con mantenimiento, reinicio o cambio de API?
• 2) ¿Es factor u offset? busca 3,6; 10; 100; 1000; +273.
• 3) Mira otra variable “ancla”: radiación/temperatura para ver si hay shift de tiempo.
• 4) Comprueba cuantización: escalones nuevos (pluviómetro/resolución/redondeo).
• 5) Valida con una referencia: estación cercana o reanálisis, solo para confirmar dirección del problema.

9. Errores comunes

• Ajustar “a ojo” sin arreglar metadatos o punto único de conversión
• Ignorar el timezone al calcular diarios
• Mezclar intensidad (mm/h) con acumulado (mm) en la misma gráfica

10. Buenas prácticas

• Guardar siempre unidad y definición operativa con el dato
• Registrar cambios en pipeline (fecha + qué se tocó)
• Separar dato crudo y dato mostrado
• Usar QC simple con flags de escala/offset/corte diario

11. Resumen y claves finales

• En series, los fallos de unidad se ven como factor u offset constantes
• Los fallos de tiempo se ven como desplazamientos (UTC/cortes/drift)
• Los escalones nuevos suelen delatar resolución/redondeo/re-muestreo

12. Mini-glosario

• Cuantización: escalones por resolución del sensor o redondeo
• Drift: deriva del reloj con el tiempo (se adelanta/atrasa)
• Corte diario: regla que define cuándo empieza y acaba el “día” de un acumulado

13. Referencias y lecturas recomendadas

• WMO: guías de instrumentación y calidad de datos
• Copernicus/ECMWF: contexto y documentación de datos y reanálisis (útil como referencia)