Los mapas ayudan a ver el dibujo general, pero los datos nos dicen si un episodio fue realmente excepcional, cuánto se sale de lo normal y qué parte es “récord” y qué parte es “contexto”. El objetivo aquí es aprender a mirar una serie (lluvia, temperatura, viento, nieve, granizo indirecto, caudal) y responder tres cosas sin engañarnos: 1) qué tan raro fue, 2) en qué ventana (1h, 24h, semana, mes), 3) con qué confianza lo podemos afirmar según la calidad del registro.

Este artículo forma parte del tema Extremos históricos en WikiMeteo.es, donde reunimos métodos y guías para documentar episodios con rigor y sacar lecciones útiles.

1. Qué significa “verlo en datos”

Significa convertir un episodio en números comparables con su clima local: no solo “cayó mucho”, sino “cayó mucho para esa estación y para esa duración”. Verlo en datos implica elegir la ventana correcta (por ejemplo 1h vs 24h), mirar contexto (días previos), y comprobar si la estación y el dato son fiables.

2. Idea clave en 30 segundos

• En una frase: Un episodio se entiende con datos cuando comparas la misma variable en la misma ventana contra su historia (percentiles), y anotas qué tan bueno es el dato.
• Señal típica: los episodios memorables muestran un salto claro en la serie y, a menudo, persistencia (varios días anómalos).
• Confusión común: comparar “máximo diario” con “máximo horario” o mezclar estaciones distintas como si fueran iguales.

3. El orden sano de análisis (para no liarla)

1. Define el fenómeno y la ventana: lluvia 1h/24h, temperatura máxima/mínima, racha vs viento medio, nieve espesor vs precipitación, etc.
2. Reúne la serie: idealmente muchos años, con metadatos de la estación.
3. Control de calidad rápido: huecos, valores imposibles, cambios de emplazamiento/instrumento.
4. Contexto climatológico: percentiles por época del año (no es lo mismo enero que agosto).
5. Comparación del episodio: dónde cae respecto a percentiles y récords.
6. Relación con impactos: datos vs daños (riada, cortes, salud, etc.).

4. Qué datos suelen mirarse según el tipo de episodio

• DANA / lluvia extrema / riada: acumulados 10 min–1h–6h–24h y duración por encima de umbrales; si hay, caudales y nivel.
• Nevadas y olas de frío: mínimas, días de hielo, continuidad de heladas; nieve: espesor y días con nieve.
• Olas de calor: máximas y, sobre todo, mínimas nocturnas (impacto en salud); duración de la anomalía.
• Viento: racha máxima (segundos) y viento medio (10 min) con su contexto.
• Granizo: es difícil de medir directamente; suele verse por impactos, reports, radar y proxies (picos convectivos). En datos de estación puede aparecer como lluvia intensa muy localizada, pero no “mide granizo” de forma fiable salvo redes específicas.

5. Percentiles y rareza (sin trampas)

Un buen truco: en lugar de preguntar “¿es récord absoluto?”, pregunta “¿está por encima del percentil 95/99 para esa fecha?”. Así comparas con justicia. Ejemplo: 30 ºC en abril puede ser más extremo (percentil alto) que 37 ºC en agosto (más normal en algunos sitios). Con lluvia pasa igual: 80 mm en 24h puede ser rarísimo en una zona y “poco” en otra.

• Percentil 90: alto, pero no necesariamente histórico.
• Percentil 95–99: muy extremo, candidato a episodio relevante.
• Récord: el mayor del registro, pero ojo: depende de longitud, cambios de estación y calidad.

6. Ventanas: la mitad de la historia

La ventana manda el tipo de impacto. 40 mm en 1 hora puede causar inundación urbana; 40 mm en 24 horas puede ser asumible en muchas cuencas. En episodios históricos conviene mirar varias ventanas (1h, 6h, 24h, acumulado del episodio) y contar una historia coherente.

7. Ejemplos rápidos (cotidianos y reales)

• Ejemplo cotidiano (calor): dos días con la misma máxima pueden ser muy distintos si uno tuvo una mínima nocturna muy alta (más estrés térmico).
• Ejemplo cotidiano (lluvia): “hoy llovió 30 mm” suena mucho, pero si fueron 12 horas quizá no es extremo; si fueron 45 minutos, la cosa cambia.
• Caso real (Iberia, genérico): episodios de DANA suelen destacar por máximos de 1–6h muy altos y repetición de bandas; mirar solo 24h puede ocultar el mecanismo principal.
• Caso real (olas de calor): las olas memorables suelen combinar duración + noches muy cálidas; mirar solo la máxima “más alta” puede ser engañoso.

8. Calidad de datos y notas de estación

• ¿La estación ha cambiado de sitio? un traslado o cambio de entorno puede alterar récords.
• ¿Cambió el instrumento? sensores distintos pueden cambiar respuesta, especialmente en precipitación intensa y viento.
• ¿Hay huecos? un “récord” puede serlo porque faltan años con eventos fuertes.
• ¿Hay valores sospechosos? picos aislados sin coherencia con estaciones cercanas pueden requerir confirmación.

9. Errores comunes

• Comparar estaciones distintas sin normalizar por climatología local.
• Mezclar ventanas (1h con 24h) o variables (racha con viento medio).
• Cherry-picking: elegir solo el dato que impresiona y no el que explica el impacto.
• Dar por bueno un valor extremo sin revisar metadatos y coherencia regional.

10. Buenas prácticas

• Define siempre variable, ventana y periodo del episodio (inicio/fin).
• Usa percentiles por época del año cuando puedas.
• Documenta calidad: fuente, estación, cambios, dudas y confirmaciones.
• Relaciona dato con impacto (qué pasó en el territorio) sin exagerar ni minimizar.

11. Resumen y claves finales

• “Histórico” en datos significa extremo para esa ventana y para ese lugar, con registro fiable.
• Percentiles suelen ser más útiles y justos que obsesionarse con el récord absoluto.
• La calidad del dato y las notas de estación son parte del análisis, no un apéndice.

12. Mini-glosario

• Percentil: posición de un valor dentro de su distribución histórica (p99 = más extremo que el 99% de casos).
• Ventana: periodo de acumulación o medida (1h, 24h, mes), clave para impactos.
• Homogeneidad: que la serie sea comparable en el tiempo (sin saltos por cambios de estación/instrumento).

13. Referencias y lecturas recomendadas

• AEMET: documentación de estaciones, climatologías y extremos cuando esté disponible
• WMO: guías y glosarios de climatología, extremos y calidad de datos
• NOAA: recursos educativos y conceptos de extremos, percentiles y análisis