L’accesso in tempo reale a sensori di monitoraggio ambientale (es. stazioni meteorologiche, pluviometri, dispositivi di telerilevamento, ecc.) ha reso disponibile un elevata quantità di dati. La validazione della qualità, aspetto rilevante nella scienza ambientale, si è tradizionalmente basata sul controllo visivo da parte di esperti. Tuttavia, la sempre più crescente quantità di dati registrati ha reso tale procedura insostenibile. Questo studio valuta il contributo di un algoritmo di Machine Learning nel rilevamento degli errori nei grandi set di dati. Oggetto di studio è un classificatore Random Forest testato su un dataset di altezze di neve, raccolte ogni 30 minuti su un pool di 43 stazioni in 18 anni dal Centro Funzionale della Valle D'Aosta.