LA ENCICLOPEDIA DEL TIEMPO Y EL CLIMA
Entender el tiempo
empieza aquí.
Del primer concepto a la explicación más profunda.
Explora la atmósfera, conecta ideas y aprende a tu ritmo.
Un mismo artículo. Tres formas de profundizar.
—
artículos para explorar
—
categorías de conocimiento
3
niveles de lectura
—
última actualización
TU PUNTO DE PARTIDA
¿Por dónde quieres empezar?
Temas populares
Explora el conocimiento
Seis puertas de entrada a nuestra enciclopedia.
Sigue descubriendo
Las cinco novedades de cada categoría destacada.
Cómo usar WikiMeteo
En 30 segundos, sin perderte.
⌘
Buscar (lo más rápido)
Escribe en el buscador arriba: “DANA”, “NAO”, “CAPE”, “cizalladura”… y abre el artículo al instante.
🗂️
Explorar por categorías
Entra en Categorías para ver todo el mapa del conocimiento. Cada categoría tiene su lista y su “Última actualización”.
🎚️
Lectura por niveles
Dentro de un artículo puedes cambiar entre Amateur, Medio y Profesional para adaptar profundidad y detalle.
✨
Aprender sin humo
Si algo es incierto, se dice. Si hay mitos, se desmontan. Ejemplos reales y “errores típicos” para aprender de verdad.
Consejo pro: si no sabes dónde encaja algo, búscalo. El buscador te sugiere el camino (y tú ya decides si vas por “Amateur” o te vienes a “Profesional” 🤭).
Categorías
50 artículos · Última actualización: 2026-01-27
Datos, calidad y series
Control de calidad, series, outliers y trazabilidad.
Timestamps: UTC, zonas horarias y desfases: casos y ejemplos
datos_calidad · 2026-01-27
Casos típicos de líos con UTC, zona horaria, backfill y redondeo, con diagnóstico paso a paso y tabla síntoma→causa
Timestamps: UTC, zonas horarias y desfases: checklist práctico
datos_calidad · 2026-01-27
Checklist operativo para dejar finos UTC, zona horaria, agregación y desfases con pruebas rápidas, ejemplos y tabla síntoma→causa
Timestamps: UTC, zonas horarias y desfases: errores comunes
datos_calidad · 2026-01-27
Trampas habituales con UTC, zona horaria, agregación y desfases y cómo evitarlas con ejemplos reales y checks rápidos
Timestamps: UTC, zonas horarias y desfases: comparación de métodos
datos_calidad · 2026-01-27
Cuándo usar cada enfoque para validar tiempo y desfases sin liarla con checks, flags y ejemplos reales de estaciones
Timestamps: UTC, zonas horarias y desfases: uso operativo
datos_calidad · 2026-01-27
Cómo operar una estación sin estrés con reglas claras para UTC/local, DST, drift, agregación y auditoría con checks automáticos y flags útiles
Timestamps: UTC, zonas horarias y desfases: señales tempranas
datos_calidad · 2026-01-27
Señales tempranas para detectar offsets, DST mal aplicado, drift, gaps, duplicados y out-of-order antes de que te rompan diarios y extremos
Timestamps: UTC, zonas horarias y desfases: cómo verlo en un panel
datos_calidad · 2026-01-27
Cómo montar un panel mínimo para vigilar UTC/local, DST, drift, gaps y out-of-order con checks automáticos, flags y ejemplos reales de sensores
Timestamps: UTC, zonas horarias y desfases: cómo verlo en series
datos_calidad · 2026-01-27
Cómo detectar fallos de tiempo mirando series temporales: offset fijo UTC/local, drift progresivo, DST, out-of-order, gaps y ventanas mal cortadas, con señales visuales, tests rápidos y trampas comunes en viento y precipitación
Timestamps: UTC, zonas horarias y desfases: mecanismos clave
datos_calidad · 2026-01-27
Mecanismos reales que rompen el tiempo en estaciones y pipelines: UTC vs local, DST, drift del logger, muestreo y agregación, con ejemplos, flags y cómo aislar causa raíz sin volverse loco
Timestamps: UTC, zonas horarias y desfases: guía rápida
datos_calidad · 2026-01-27
Guía práctica para no romper series por UTC/local/DST, desfases del logger, duplicados y gaps, con checks automáticos, flags y ejemplos típicos de sensores y estaciones
Unidades y conversión: cómo evitar líos silenciosos: casos y ejemplos
datos_calidad · 2026-01-27
Casos reales y guía paso a paso para detectar y corregir errores silenciosos de unidades y conversión (factor 3,6; ×100; ±273,15; ×1000), más problemas de timestamp/validación/resolución, con auditoría, consistencia interna, rangos físicos y una tabla de síntomas→causa→arreglo
Unidades y conversión: cómo evitar líos silenciosos: checklist práctico
datos_calidad · 2026-01-27
Checklist completo para blindar unidades y conversiones (punto único, contratos de unidad, validación de esquema, flags QC, trazabilidad y control de timestamps UTC/DST/drift) con ejemplos, pruebas rápidas y trampas típicas incluyendo lluvia convectiva
Unidades y conversión: cómo evitar líos silenciosos: errores comunes
datos_calidad · 2026-01-27
Errores comunes en unidades y conversiones (doble conversión, offsets, acumulados mal interpretados, missing→0) y cómo evitarlos con validación, metadatos y trazabilidad; incluye apartado de timestamps (UTC, cambios de hora y drift)
Unidades y conversión: cómo evitar líos silenciosos: comparación de métodos
datos_calidad · 2026-01-27
Comparativa práctica de enfoques para gestionar unidades y conversiones sin errores silenciosos: dónde convertir, cómo auditar, qué automatizar con QC/flags y cuándo apoyarse en metadatos y mantenimiento
Unidades y conversión: cómo evitar líos silenciosos: uso operativo
datos_calidad · 2026-01-27
Rutina operativa para evitar errores silenciosos de unidades y conversiones al gestionar una estación: contrato de unidades, QC mínimo, trazabilidad y paneles sencillos, con tabla síntoma→causa→test para resolver en 5 minutos
Unidades y conversión: cómo evitar líos silenciosos: señales tempranas
datos_calidad · 2026-01-27
Señales tempranas de errores de unidades y conversiones en datos meteo: patrones típicos en series y paneles, checks rápidos (rango físico, coherencia, cuantización), y apartado clave de timestamps (UTC, cambios de hora y drift) para evitar contaminar diarios y extremos
Unidades y conversión: cómo evitar líos silenciosos: cómo verlo en un panel
datos_calidad · 2026-01-27
Cómo montar y leer un panel meteorológico para detectar errores de unidades y conversiones: señales visuales, checks rápidos, tabla de síntomas→causa probable y buenas prácticas para no contaminar diarios y extremos
Unidades y conversión: cómo evitar líos silenciosos: cómo verlo en series
datos_calidad · 2026-01-27
Guía práctica para detectar errores de unidades y conversiones mirando series temporales: firmas típicas (factor, offset, escalones, cortes UTC), trampas comunes y un flujo de QC con checks de timestamp y drift del logger
Unidades y conversión: cómo evitar líos silenciosos: mecanismos clave
datos_calidad · 2026-01-27
Mecanismos típicos por los que se rompen unidades y conversiones en datos meteo (doble conversión, cambios de fuente, UTC y agregación), con síntomas, causas probables, ejemplos y un flujo de QC con flags para detectarlo rápido
Unidades y conversión: cómo evitar líos silenciosos: guía rápida
datos_calidad · 2026-01-27
Guía práctica para detectar y evitar errores silenciosos de unidades y conversiones en datos meteorológicos (viento, lluvia, presión, radiación), con ejemplos típicos, checks automáticos con flags y un método rápido de diagnóstico para no romper series ni comparaciones
Metadatos: el dato que explica al dato: casos y ejemplos
datos_calidad · 2026-01-27
Casos típicos y lectura paso a paso para diagnosticar problemas de metadatos en datos meteorológicos: UTC/DST, cambios de sensor y abrigo, unidades y agregación, resolución y muestreo, detección de anomalías y trazabilidad, con soluciones prácticas ligadas a mantenimiento
Metadatos: el dato que explica al dato: checklist práctico
datos_calidad · 2026-01-27
Checklist práctico para dejar metadatos meteorológicos “finos”: tiempo (UTC/DST), sensor y abrigo, unidades y agregación, proveniencia, trazabilidad y checks automáticos con flags para detectar fallos antes de que contaminen la serie
Metadatos: el dato que explica al dato: errores comunes
datos_calidad · 2026-01-27
Errores comunes al gestionar metadatos meteorológicos y cómo evitarlos: timestamps, trazabilidad, proveniencia, cambios de sensor/pipeline y sesgos típicos que convierten series “bonitas” en series engañosas
Metadatos: el dato que explica al dato: comparación de métodos
datos_calidad · 2026-01-27
Comparativa práctica de enfoques para gestionar metadatos y calidad de datos sin liarla: qué método usar en cada caso, qué flags automatizar, cómo evitar sesgos y ejemplos reales con pluviómetro y pipelines
Metadatos: el dato que explica al dato: uso operativo
datos_calidad · 2026-01-27
Guía operativa para usar metadatos y operar una estación sin estrés: qué registrar, qué vigilar y cómo actuar ante fallos de UTC/cambio de hora/drift, con rutinas simples, QC práctico y ejemplos reales
Metadatos: el dato que explica al dato: señales tempranas
datos_calidad · 2026-01-27
Señales tempranas que delatan problemas de metadatos antes de que revienten (muestreo, trazabilidad, proveniencia y zonas horarias), con una tabla síntomas→causa para diagnosticar rápido sin confundir errores con eventos reales
Metadatos: el dato que explica al dato: cómo verlo en un panel
datos_calidad · 2026-01-27
Cómo montar un panel simple para detectar fallos “invisibles” con metadatos (reloj, resolución, calibración y pipeline), usando rangos físicos, radiación solar y una tabla de síntomas→causa para diagnosticar en 5 minutos
Metadatos: el dato que explica al dato: cómo verlo en series
datos_calidad · 2026-01-27
Cómo detectar fallos y cambios “invisibles” en series temporales usando metadatos (UTC, cambios de hora, drift, calibración y resolución), con ejemplos en anemómetro y pluviómetro, trampas comunes y checklist operativo
Metadatos: el dato que explica al dato: mecanismos clave
datos_calidad · 2026-01-27
Mecanismos típicos por los que un dato “se rompe” (tiempo, muestreo, redondeo y pipeline) y cómo detectarlo con metadatos: señales en series, ejemplos reales (incluida convectiva) y checklist para arreglarlo sin sesgos
Metadatos: el dato que explica al dato: guía rápida
datos_calidad · 2026-01-27
Guía práctica para entender y usar metadatos en datos meteorológicos: qué guardar, cómo registrarlo y cómo evita errores (sensores, mantenimiento y pipeline), con ejemplos, trampas comunes y checklist operativo
Fuentes de error: sensor, instalación, entorno y software: casos y ejemplos
datos_calidad · 2026-01-27
Casos reales y típicos para diagnosticar errores de datos meteorológicos (sensor, instalación, entorno y software), con lecturas paso a paso, pistas de auditoría y una tabla de síntomas→causa probable para resolver rápido
Fuentes de error: sensor, instalación, entorno y software: checklist práctico
datos_calidad · 2026-01-27
Checklist práctico para detectar y corregir errores de datos meteorológicos (sensor, instalación, entorno y software), con pruebas rápidas, flags recomendados y ejemplos para no confundir convectiva real con fallos
Fuentes de error: sensor, instalación, entorno y software: errores comunes
datos_calidad · 2026-01-27
Errores típicos que estropean datos meteorológicos (sensor, instalación, entorno y software), cómo reconocerlos rápido y cómo evitarlos con checks automáticos, flags y ejemplos reales
Fuentes de error: sensor, instalación, entorno y software: comparación de métodos
datos_calidad · 2026-01-27
Comparativa práctica de enfoques para detectar y gestionar errores en datos meteo, cuándo usar cada uno y cómo combinarlos sin liarla, con ejemplos reales y checklist operativo
Fuentes de error: sensor, instalación, entorno y software: uso operativo
datos_calidad · 2026-01-27
Guía operativa para gestionar errores de sensor, instalación, entorno y software sin estrés, con rutina diaria, tabla síntoma-causa y decisiones rápidas que protegen el dato
Fuentes de error: sensor, instalación, entorno y software: señales tempranas
datos_calidad · 2026-01-27
Señales tempranas para detectar fallos de sensor, instalación, entorno y software antes de que se conviertan en un desastre, con checks automáticos, flags y ejemplos reales
Fuentes de error: sensor, instalación, entorno y software: cómo verlo en un panel
datos_calidad · 2026-01-27
Cómo montar un panel de calidad simple para detectar fallos de sensor, instalación, entorno y pipeline, con flags claros, ejemplos típicos y tabla de diagnóstico rápido
Fuentes de error: sensor, instalación, entorno y software: cómo verlo en series
datos_calidad · 2026-01-27
Cómo detectar en series temporales los patrones típicos de error y separarlos de señal real, con checklist de diagnóstico, trampas comunes y acciones de mantenimiento
Fuentes de error: sensor, instalación, entorno y software: mecanismos clave
datos_calidad · 2026-01-27
Qué se rompe y por qué se rompe con enfoque práctico, ejemplos y errores típicos
Fuentes de error: sensor, instalación, entorno y software: guía rápida
datos_calidad · 2026-01-27
Una guía clara para entenderlo y aplicarlo con enfoque práctico, ejemplos y errores típicos
Calidad de datos meteorológicos: lo que decide si puedes confiar: casos y ejemplos
datos_calidad · 2026-01-27
Ejemplos típicos y lectura paso a paso con enfoque práctico, ejemplos y errores típicos
Calidad de datos meteorológicos: lo que decide si puedes confiar: checklist práctico
datos_calidad · 2026-01-27
Pasos rápidos para dejarlo fino con enfoque práctico, ejemplos y errores típicos
Calidad de datos meteorológicos: lo que decide si puedes confiar: errores comunes
datos_calidad · 2026-01-27
Trampas habituales y cómo evitarlas con enfoque práctico, ejemplos y errores típicos
Calidad de datos meteorológicos: lo que decide si puedes confiar: comparación de métodos
datos_calidad · 2026-01-27
Cuándo usar cada enfoque sin liarla con enfoque práctico, ejemplos y errores típicos
Calidad de datos meteorológicos: lo que decide si puedes confiar: uso operativo
datos_calidad · 2026-01-27
Cómo usarlo para operar una estación sin estrés con enfoque práctico, ejemplos y errores típicos
Calidad de datos meteorológicos: lo que decide si puedes confiar: señales tempranas
datos_calidad · 2026-01-27
Señales típicas antes de que el error explote con enfoque práctico, ejemplos y errores típicos
Calidad de datos meteorológicos: lo que decide si puedes confiar: cómo verlo en un panel
datos_calidad · 2026-01-27
Cómo montar un panel simple y leerlo con enfoque práctico, ejemplos y errores típicos
Calidad de datos meteorológicos: lo que decide si puedes confiar: cómo verlo en series
datos_calidad · 2026-01-27
Señales en series temporales y trampas comunes con enfoque práctico, ejemplos y errores típicos
Calidad de datos meteorológicos: lo que decide si puedes confiar: mecanismos clave
datos_calidad · 2026-01-27
Qué se rompe y por qué se rompe con enfoque práctico, ejemplos y errores típicos
Calidad de datos meteorológicos: lo que decide si puedes confiar: guía rápida
datos_calidad · 2026-01-27
Una guía clara para entenderlo y aplicarlo con enfoque práctico, ejemplos y errores típicos
Participa
Comparte conocimiento meteorológico con la comunidad. Envíanos tu propuesta y, si encaja,
la publicamos adaptada al formato WikiMeteo (estructura, claridad y consistencia).
✅ Revisión humana
🧼 Cero copiar-pegar
🧩 Nosotros lo editamos
🕒 5–8 min
Tu artículo puede convertirse en una pieza de la enciclopedia
No hace falta “escribir perfecto”. Si el contenido es bueno, tú aportas la idea y nosotros lo pulimos para que encaje con el estilo WikiMeteo (estructura, claridad y consistencia).
Cómo funciona
1
Envías tu propuesta
Título, resumen, categoría y contenido. Sin HTML obligatorio.
2
Revisión
Validamos calidad, originalidad y encaje. Podemos pedir ajustes.
3
Publicación (si se aprueba)
Se adapta al motor v4 y se publica (nivel inicial Amateur).
💡 Consejo rápido: lo que más ayuda es un resumen claro y una estructura con secciones.
Si añades ejemplos reales, ya nos conquistas.
Qué buscamos (y qué no)
- Didáctico: explicar bien, con ejemplos, sin “clickbait”.
- Original: texto propio o con permiso explícito. Nada de copiar-pegar.
- Útil: que alguien aprenda algo aplicable (observación, modelos, fenómenos, clima…).
- Respeto y rigor: evita alarmismo; si hay incertidumbre, dilo.
Conceptos
Fenómenos
Climatología
Observación
Modelos
Riesgos
Formato recomendado (plantilla)
Plantilla sugerida
1) Idea principal (2–3 líneas) 2) Contexto: por qué importa 3) Explicación paso a paso 4) Ejemplos (2–4) 5) Errores típicos / malentendidos 6) Resumen final (4–6 bullets)
Puedes escribir en texto normal. Nosotros lo convertimos a formato WikiMeteo.
Checklist antes de enviar
- El título dice claramente de qué va.
- El resumen explica qué aprenderá el lector.
- Hay secciones o un hilo lógico.
- No hay contenido copiado de terceros.
- Si afirmas algo “fuerte”, lo justificas o matizas.
Derechos y edición
Al enviar, confirmas que el texto es original o tienes permiso para compartirlo, y aceptas que WikiMeteo.es pueda corregir, resumir o reestructurar el contenido para mantener coherencia y calidad.
Preguntas frecuentes
¿Se publica automáticamente?
No. Primero pasa por revisión. Si se aprueba, se publica y entra en el motor.
¿Tengo que escribir en HTML?
No. Texto normal es perfecto.
¿Qué pasa si pongo mi email?
Podremos avisarte si se aprueba o se rechaza (y con notas si hace falta). No se comparte con terceros.