Clima

#ASOS: Informacion del Automated surface observing system

Instalar paquetes y llamar librerias

installed.packages(“riem”) library(riem) installed.packages(“tidyverse”) library(tidyverse) installed.packages(“lubridate”) library(lubridate) installed.packages(“ggplot2”) library(ggplot2) installed.packages(“plotly”) library(plotly)

Paso 2 Buscar la red (pais) Ejemplo: Mexico y copiar CODE

view(riem_networks())

Paso 3. Buscar la estacion (ciudad) Ejemplo: Monterrey y copiar ID

view(riem_stations(“Mx__ASOS”))

Paso 4 Obtener informacion

monterrey <- riem_measures(“MMMY”) view(monterrey)

Paso 5. Agregar temperatura en grados centigrados

monterrey\(tmpc <- (monterrey\)tmpf - 32)/1.8 str(monterrey) summary(monterrey)

Paso 6. Filtrar informacion - Ejemplo de Enero a Marzo 2023

este_año <- subset(monterrey, valid >= as.POSIXct(“2023-01-01 00:00”) & valid <= as.POSIXct(“2023-03-10 7:00”)) view(este_año)

Paso 7. Graficar temperatura en 2023

plot(este_año\(valid,este_año\)tmpc)

Paso 8. Promedio informacion por dia

este_año <- este_año %>% mutate(date=ymd_hms(valid), date= as.Date(date)) %>% group_by(date) %>% summarize_if(is.numeric, ~mean(., na.rm=TRUE))

Paso 9 Graficar temperatura en 2023

plot(este_año\(date, este_año\)tmpc, type =“l”, main= “Temperatura promedio en Monterrey”, xlab=“Fecha”, ylab=“centigrados”)