La adopción de la agricultura inteligente en clima requiere el desarrollo integral de herramientas de monitoreo ambiental, incluyendo la observación en línea de las condiciones climáticas y del suelo. A menudo están diseñadas para medir automáticamente las propiedades del suelo a diferentes profundidades en intervalos de horas o minutos. Es esencial contar con un conjunto de datos completo para utilizar modelos estadísticos en la predicción de las propiedades del suelo y tomar decisiones a corto plazo respecto a las operaciones de labranza del suelo y riego durante un período de vegetación. Esto también es importante en estudios hidrológicos aplicados. Sin embargo, las series temporales de mediciones hidrológicas del suelo a menudo tienen vacíos de datos por diferentes razones. El estudio se centró en resolver un problema de llenado de vacíos en series temporales horarias de temperatura y humedad del suelo, medidas a 30 cm de profundidad utilizando una estación de lisímetro de gravitación ponderada, mientras que los datos meteorológicos se registraron simultáneamente mediante una estación meteorológica. El equipo fue instalado en la estepa de Kulunda en el Krai de Altai, Rusia. Considerando que las condiciones climáticas afectan directamente la temperatura y el contenido de humedad del suelo, realizamos un análisis comparativo del rendimiento del llenado de vacíos utilizando tres métodos de imputación: interpolación lineal, regresión lineal múltiple y modelos ARMA (p,q) extendidos con variables climáticas exógenas. Los resultados mostraron que, de acuerdo con el mínimo del error absoluto medio, los modelos ARMA (p,q) con parámetros de orden seleccionados de manera óptima y una ventana adaptativa, tenían algunas ventajas en comparación con otros métodos de imputación única. El modelo ARMA (p,q) produjo una buena calidad de llenado de vacíos en series temporales con un error absoluto medio de 0.19 grados C y 0.08 Vol. % para la temperatura y el contenido de humedad del suelo, respectivamente. Los hallazgos complementaron la metodología de procesamiento de datos hidrológicos y el desarrollo de herramientas digitales para el monitoreo en línea de las propiedades climáticas y del suelo en la agricultura.