Los eventos meteorológicos son fenómenos naturales que afectan a los humanos desde tiempos inmemoriales. El desarrollo de la computación como ciencia ha permitido el uso de diferentes tecnologías como la web semántica, el internet de las cosas y el aprendizaje automático como poderosas herramientas para la detección de dichos eventos. En la presente investigación se utilizaron como caso de estudio los valores de las diferentes variables meteorológicas obtenidos por diversos sensores ubicados en el estado de Iowa siendo proporcionada esta información por el portal datagov. Aplicando técnicas de generalización, especificación y subdivisión para reutilizar ontologías ya definidas como IotStream, SOSA, Iot-Lite se diseñó la ontología DEC (Detección de eventos de Clima) para el correcto manejo de los datos. Se utilizó la herramienta Neo4J para definir el modelo de aprendizaje, se seleccionaron los algoritmos de predicción teniendo en cuenta los diferentes tipos de datos que serán necesario procesar y se crearon las reglas basadas en sentencias Cypher proporcionando mayor expresividad. Se obtuvo un sistema con una estructura basada en grafos que integra diferentes técnicas para procesar y analizar los datos recopilados que permiten modelar las relaciones entre los diferentes elementos involucrados como variables meteorológicas, ubicaciones geográficas y tiempo, así como una mejor visualización y comprensión de las relaciones entre los diferentes elementos. Las técnicas de aprendizaje automático aplicadas para identificar patrones y tendencias en los datos permitirán detectar de forma precisa y eficientes los diferentes eventos climáticos facilitando una mejor toma de decisiones y acciones preventivas ante eventos climáticos adversos.