Análisis series de tiempo
Miguel Cabrera
2023-09-16
Análisis series de tiempo - Punto 1
Por medio del uso de la media anual se realizará un análisi de tendencia de las siguientes variables:
- Temperatura superficial
- Humedad relativa
- Magnitud del viento
- Tasa de evaporación
- Tasa de precipitación
Este análisis es concerniente para el período de tiempo definido entre 1950 y 2020; los datos fuero obtenidos del Physical Sciences Laboratory of NOAA.
El área de estudio será el caribe entre 8°N - 22°N y 70°W y 84°W.
Humedad relativa
Tratamiento de datos de la humedad relativa
# install.packages("dplyr")
#install.packages("tidyverse")
library(tidyverse)## ── Attaching core tidyverse packages ──────────────────────── tidyverse 2.0.0 ──
## ✔ dplyr 1.1.3 ✔ readr 2.1.4
## ✔ forcats 1.0.0 ✔ stringr 1.5.0
## ✔ ggplot2 3.4.3 ✔ tibble 3.2.1
## ✔ lubridate 1.9.2 ✔ tidyr 1.3.0
## ✔ purrr 1.0.2
## ── Conflicts ────────────────────────────────────────── tidyverse_conflicts() ──
## ✖ dplyr::filter() masks stats::filter()
## ✖ dplyr::lag() masks stats::lag()
## ℹ Use the conflicted package (<http://conflicted.r-lib.org/>) to force all conflicts to become errorslibrary(dplyr)
#Se cargan los datos
HumedadRelativa=read.csv("HumedadRelativa.csv")
#Se busca el nombre de la columna
colnames(HumedadRelativa)## [1] "Date"
## [2] "NCEP.NCAR.R1.Relative.Humidity.....8N.22N.276E.290E"#Se cambian los nombres del data.frame para facilitar el trabajo
HumedadRelativa = HumedadRelativa %>% rename( Humedad_Relativa = NCEP.NCAR.R1.Relative.Humidity.....8N.22N.276E.290E)
# Se pasan los datos en formato de caracter a "date", es decir, formato de fecha
HumedadRelativa <- HumedadRelativa %>%
mutate(Date = as.Date(Date))
head(HumedadRelativa)## Date Humedad_Relativa
## 1 1950-01-01 82.565
## 2 1950-02-01 82.275
## 3 1950-03-01 80.604
## 4 1950-04-01 82.051
## 5 1950-05-01 82.132
## 6 1950-06-01 81.175Serie de tiempo de humedad relativa desde enero de 1950 hasta diciembre del 2023
HumedadRelativa %>%
ggplot(aes(x = Date, y = Humedad_Relativa)) +
geom_line() +
labs(x = "Fecha", y = "Humedad Relativa", title = "Serie de Tiempo de Humedad Relativa") +
theme_minimal()
Promedio anual de humedad relativa desde 1979 hasta 2023
# Crear una nueva columna para el año
HumedadRelativa <- HumedadRelativa %>%
mutate(Año = lubridate::year(Date))
HumedadRelativa## Date Humedad_Relativa Año
## 1 1950-01-01 82.565 1950
## 2 1950-02-01 82.275 1950
## 3 1950-03-01 80.604 1950
## 4 1950-04-01 82.051 1950
## 5 1950-05-01 82.132 1950
## 6 1950-06-01 81.175 1950
## 7 1950-07-01 80.017 1950
## 8 1950-08-01 81.631 1950
## 9 1950-09-01 81.998 1950
## 10 1950-10-01 82.126 1950
## 11 1950-11-01 83.849 1950
## 12 1950-12-01 83.327 1950
## 13 1951-01-01 81.046 1951
## 14 1951-02-01 78.625 1951
## 15 1951-03-01 77.764 1951
## 16 1951-04-01 80.510 1951
## 17 1951-05-01 82.939 1951
## 18 1951-06-01 81.038 1951
## 19 1951-07-01 80.821 1951
## 20 1951-08-01 80.947 1951
## 21 1951-09-01 81.868 1951
## 22 1951-10-01 81.491 1951
## 23 1951-11-01 82.926 1951
## 24 1951-12-01 82.504 1951
## 25 1952-01-01 80.966 1952
## 26 1952-02-01 80.307 1952
## 27 1952-03-01 79.017 1952
## 28 1952-04-01 81.666 1952
## 29 1952-05-01 81.330 1952
## 30 1952-06-01 81.549 1952
## 31 1952-07-01 81.619 1952
## 32 1952-08-01 80.522 1952
## 33 1952-09-01 80.994 1952
## 34 1952-10-01 81.849 1952
## 35 1952-11-01 81.492 1952
## 36 1952-12-01 83.177 1952
## 37 1953-01-01 81.486 1953
## 38 1953-02-01 81.521 1953
## 39 1953-03-01 79.366 1953
## 40 1953-04-01 80.459 1953
## 41 1953-05-01 81.885 1953
## 42 1953-06-01 82.538 1953
## 43 1953-07-01 81.579 1953
## 44 1953-08-01 81.082 1953
## 45 1953-09-01 80.859 1953
## 46 1953-10-01 81.697 1953
## 47 1953-11-01 81.975 1953
## 48 1953-12-01 82.785 1953
## 49 1954-01-01 79.899 1954
## 50 1954-02-01 79.499 1954
## 51 1954-03-01 79.083 1954
## 52 1954-04-01 79.549 1954
## 53 1954-05-01 81.516 1954
## 54 1954-06-01 81.849 1954
## 55 1954-07-01 80.156 1954
## 56 1954-08-01 80.642 1954
## 57 1954-09-01 81.484 1954
## 58 1954-10-01 82.581 1954
## 59 1954-11-01 82.191 1954
## 60 1954-12-01 81.511 1954
## 61 1955-01-01 80.035 1955
## 62 1955-02-01 81.506 1955
## 63 1955-03-01 80.185 1955
## 64 1955-04-01 81.019 1955
## 65 1955-05-01 82.815 1955
## 66 1955-06-01 83.607 1955
## 67 1955-07-01 81.526 1955
## 68 1955-08-01 81.544 1955
## 69 1955-09-01 81.797 1955
## 70 1955-10-01 82.206 1955
## 71 1955-11-01 83.244 1955
## 72 1955-12-01 83.398 1955
## 73 1956-01-01 79.700 1956
## 74 1956-02-01 81.334 1956
## 75 1956-03-01 80.306 1956
## 76 1956-04-01 82.235 1956
## 77 1956-05-01 83.058 1956
## 78 1956-06-01 82.224 1956
## 79 1956-07-01 79.975 1956
## 80 1956-08-01 80.768 1956
## 81 1956-09-01 80.882 1956
## 82 1956-10-01 81.819 1956
## 83 1956-11-01 83.894 1956
## 84 1956-12-01 82.804 1956
## 85 1957-01-01 80.993 1957
## 86 1957-02-01 78.602 1957
## 87 1957-03-01 79.178 1957
## 88 1957-04-01 78.986 1957
## 89 1957-05-01 82.494 1957
## 90 1957-06-01 82.263 1957
## 91 1957-07-01 80.304 1957
## 92 1957-08-01 80.269 1957
## 93 1957-09-01 81.190 1957
## 94 1957-10-01 80.952 1957
## 95 1957-11-01 82.547 1957
## 96 1957-12-01 83.451 1957
## 97 1958-01-01 83.277 1958
## 98 1958-02-01 81.399 1958
## 99 1958-03-01 83.598 1958
## 100 1958-04-01 83.674 1958
## 101 1958-05-01 84.192 1958
## 102 1958-06-01 81.807 1958
## 103 1958-07-01 81.393 1958
## 104 1958-08-01 80.717 1958
## 105 1958-09-01 81.061 1958
## 106 1958-10-01 82.144 1958
## 107 1958-11-01 81.986 1958
## 108 1958-12-01 83.786 1958
## 109 1959-01-01 81.931 1959
## 110 1959-02-01 80.181 1959
## 111 1959-03-01 80.752 1959
## 112 1959-04-01 82.870 1959
## 113 1959-05-01 83.489 1959
## 114 1959-06-01 81.676 1959
## 115 1959-07-01 80.298 1959
## 116 1959-08-01 80.257 1959
## 117 1959-09-01 81.156 1959
## 118 1959-10-01 81.838 1959
## 119 1959-11-01 81.043 1959
## 120 1959-12-01 83.166 1959
## 121 1960-01-01 82.644 1960
## 122 1960-02-01 81.244 1960
## 123 1960-03-01 81.304 1960
## 124 1960-04-01 83.421 1960
## 125 1960-05-01 82.903 1960
## 126 1960-06-01 82.005 1960
## 127 1960-07-01 80.531 1960
## 128 1960-08-01 81.145 1960
## 129 1960-09-01 80.850 1960
## 130 1960-10-01 81.513 1960
## 131 1960-11-01 82.790 1960
## 132 1960-12-01 83.637 1960
## 133 1961-01-01 81.707 1961
## 134 1961-02-01 78.773 1961
## 135 1961-03-01 80.445 1961
## 136 1961-04-01 82.068 1961
## 137 1961-05-01 82.591 1961
## 138 1961-06-01 81.598 1961
## 139 1961-07-01 80.915 1961
## 140 1961-08-01 80.944 1961
## 141 1961-09-01 80.602 1961
## 142 1961-10-01 82.671 1961
## 143 1961-11-01 82.256 1961
## 144 1961-12-01 82.905 1961
## 145 1962-01-01 82.046 1962
## 146 1962-02-01 79.016 1962
## 147 1962-03-01 79.211 1962
## 148 1962-04-01 81.808 1962
## 149 1962-05-01 82.793 1962
## 150 1962-06-01 82.084 1962
## 151 1962-07-01 80.132 1962
## 152 1962-08-01 81.014 1962
## 153 1962-09-01 80.755 1962
## 154 1962-10-01 81.491 1962
## 155 1962-11-01 82.481 1962
## 156 1962-12-01 83.136 1962
## 157 1963-01-01 80.907 1963
## 158 1963-02-01 79.635 1963
## 159 1963-03-01 78.854 1963
## 160 1963-04-01 80.554 1963
## 161 1963-05-01 82.477 1963
## 162 1963-06-01 81.937 1963
## 163 1963-07-01 80.632 1963
## 164 1963-08-01 80.877 1963
## 165 1963-09-01 80.646 1963
## 166 1963-10-01 81.691 1963
## 167 1963-11-01 82.242 1963
## 168 1963-12-01 83.694 1963
## 169 1964-01-01 81.524 1964
## 170 1964-02-01 80.981 1964
## 171 1964-03-01 80.219 1964
## 172 1964-04-01 82.807 1964
## 173 1964-05-01 81.778 1964
## 174 1964-06-01 81.646 1964
## 175 1964-07-01 80.445 1964
## 176 1964-08-01 80.380 1964
## 177 1964-09-01 80.620 1964
## 178 1964-10-01 83.031 1964
## 179 1964-11-01 82.444 1964
## 180 1964-12-01 81.607 1964
## 181 1965-01-01 81.551 1965
## 182 1965-02-01 80.030 1965
## 183 1965-03-01 78.843 1965
## 184 1965-04-01 78.753 1965
## 185 1965-05-01 82.417 1965
## 186 1965-06-01 81.206 1965
## 187 1965-07-01 80.413 1965
## 188 1965-08-01 80.355 1965
## 189 1965-09-01 80.962 1965
## 190 1965-10-01 82.202 1965
## 191 1965-11-01 83.169 1965
## 192 1965-12-01 82.793 1965
## 193 1966-01-01 81.206 1966
## 194 1966-02-01 79.204 1966
## 195 1966-03-01 80.327 1966
## 196 1966-04-01 81.770 1966
## 197 1966-05-01 83.485 1966
## 198 1966-06-01 83.454 1966
## 199 1966-07-01 81.831 1966
## 200 1966-08-01 80.752 1966
## 201 1966-09-01 80.396 1966
## 202 1966-10-01 81.648 1966
## 203 1966-11-01 82.729 1966
## 204 1966-12-01 83.818 1966
## 205 1967-01-01 80.720 1967
## 206 1967-02-01 79.309 1967
## 207 1967-03-01 78.294 1967
## 208 1967-04-01 81.754 1967
## 209 1967-05-01 83.262 1967
## 210 1967-06-01 81.955 1967
## 211 1967-07-01 79.739 1967
## 212 1967-08-01 78.886 1967
## 213 1967-09-01 79.900 1967
## 214 1967-10-01 80.879 1967
## 215 1967-11-01 82.497 1967
## 216 1967-12-01 82.017 1967
## 217 1968-01-01 80.611 1968
## 218 1968-02-01 80.586 1968
## 219 1968-03-01 79.342 1968
## 220 1968-04-01 80.344 1968
## 221 1968-05-01 83.200 1968
## 222 1968-06-01 81.972 1968
## 223 1968-07-01 79.183 1968
## 224 1968-08-01 79.413 1968
## 225 1968-09-01 80.138 1968
## 226 1968-10-01 81.217 1968
## 227 1968-11-01 82.545 1968
## 228 1968-12-01 82.916 1968
## 229 1969-01-01 81.682 1969
## 230 1969-02-01 80.582 1969
## 231 1969-03-01 82.707 1969
## 232 1969-04-01 83.340 1969
## 233 1969-05-01 83.302 1969
## 234 1969-06-01 82.307 1969
## 235 1969-07-01 79.263 1969
## 236 1969-08-01 80.815 1969
## 237 1969-09-01 81.114 1969
## 238 1969-10-01 82.113 1969
## 239 1969-11-01 83.069 1969
## 240 1969-12-01 83.695 1969
## 241 1970-01-01 82.913 1970
## 242 1970-02-01 80.893 1970
## 243 1970-03-01 81.219 1970
## 244 1970-04-01 81.953 1970
## 245 1970-05-01 83.944 1970
## 246 1970-06-01 82.448 1970
## 247 1970-07-01 81.189 1970
## 248 1970-08-01 81.211 1970
## 249 1970-09-01 80.885 1970
## 250 1970-10-01 81.931 1970
## 251 1970-11-01 83.327 1970
## 252 1970-12-01 82.080 1970
## 253 1971-01-01 80.029 1971
## 254 1971-02-01 78.882 1971
## 255 1971-03-01 78.473 1971
## 256 1971-04-01 80.656 1971
## 257 1971-05-01 82.426 1971
## 258 1971-06-01 79.539 1971
## 259 1971-07-01 79.232 1971
## 260 1971-08-01 79.837 1971
## 261 1971-09-01 81.279 1971
## 262 1971-10-01 81.358 1971
## 263 1971-11-01 82.167 1971
## 264 1971-12-01 79.859 1971
## 265 1972-01-01 79.669 1972
## 266 1972-02-01 79.541 1972
## 267 1972-03-01 78.974 1972
## 268 1972-04-01 80.620 1972
## 269 1972-05-01 83.175 1972
## 270 1972-06-01 82.429 1972
## 271 1972-07-01 80.048 1972
## 272 1972-08-01 80.475 1972
## 273 1972-09-01 81.008 1972
## 274 1972-10-01 81.448 1972
## 275 1972-11-01 82.448 1972
## 276 1972-12-01 82.112 1972
## 277 1973-01-01 80.960 1973
## 278 1973-02-01 78.604 1973
## 279 1973-03-01 80.584 1973
## 280 1973-04-01 80.879 1973
## 281 1973-05-01 81.513 1973
## 282 1973-06-01 81.205 1973
## 283 1973-07-01 80.300 1973
## 284 1973-08-01 80.328 1973
## 285 1973-09-01 81.681 1973
## 286 1973-10-01 83.536 1973
## 287 1973-11-01 81.945 1973
## 288 1973-12-01 81.764 1973
## 289 1974-01-01 78.944 1974
## 290 1974-02-01 80.914 1974
## 291 1974-03-01 79.660 1974
## 292 1974-04-01 80.003 1974
## 293 1974-05-01 82.553 1974
## 294 1974-06-01 81.318 1974
## 295 1974-07-01 79.423 1974
## 296 1974-08-01 79.459 1974
## 297 1974-09-01 81.055 1974
## 298 1974-10-01 81.943 1974
## 299 1974-11-01 82.937 1974
## 300 1974-12-01 82.242 1974
## 301 1975-01-01 80.387 1975
## 302 1975-02-01 80.166 1975
## 303 1975-03-01 79.955 1975
## 304 1975-04-01 80.355 1975
## 305 1975-05-01 83.092 1975
## 306 1975-06-01 80.951 1975
## 307 1975-07-01 79.371 1975
## 308 1975-08-01 80.199 1975
## 309 1975-09-01 81.459 1975
## 310 1975-10-01 82.023 1975
## 311 1975-11-01 84.102 1975
## 312 1975-12-01 82.372 1975
## 313 1976-01-01 82.205 1976
## 314 1976-02-01 80.177 1976
## 315 1976-03-01 79.953 1976
## 316 1976-04-01 82.217 1976
## 317 1976-05-01 83.066 1976
## 318 1976-06-01 82.019 1976
## 319 1976-07-01 79.886 1976
## 320 1976-08-01 80.599 1976
## 321 1976-09-01 80.237 1976
## 322 1976-10-01 81.724 1976
## 323 1976-11-01 81.918 1976
## 324 1976-12-01 82.538 1976
## 325 1977-01-01 80.641 1977
## 326 1977-02-01 79.319 1977
## 327 1977-03-01 79.691 1977
## 328 1977-04-01 82.876 1977
## 329 1977-05-01 84.033 1977
## 330 1977-06-01 81.415 1977
## 331 1977-07-01 79.611 1977
## 332 1977-08-01 80.494 1977
## 333 1977-09-01 80.859 1977
## 334 1977-10-01 80.863 1977
## 335 1977-11-01 82.270 1977
## 336 1977-12-01 81.814 1977
## 337 1978-01-01 80.389 1978
## 338 1978-02-01 79.970 1978
## 339 1978-03-01 81.874 1978
## 340 1978-04-01 83.421 1978
## 341 1978-05-01 83.372 1978
## 342 1978-06-01 81.036 1978
## 343 1978-07-01 79.525 1978
## 344 1978-08-01 79.904 1978
## 345 1978-09-01 80.611 1978
## 346 1978-10-01 81.119 1978
## 347 1978-11-01 81.816 1978
## 348 1978-12-01 81.151 1978
## 349 1979-01-01 82.087 1979
## 350 1979-02-01 79.645 1979
## 351 1979-03-01 82.142 1979
## 352 1979-04-01 83.726 1979
## 353 1979-05-01 83.764 1979
## 354 1979-06-01 83.448 1979
## 355 1979-07-01 81.381 1979
## 356 1979-08-01 81.092 1979
## 357 1979-09-01 83.353 1979
## 358 1979-10-01 83.364 1979
## 359 1979-11-01 83.067 1979
## 360 1979-12-01 82.069 1979
## 361 1980-01-01 81.340 1980
## 362 1980-02-01 79.167 1980
## 363 1980-03-01 78.891 1980
## 364 1980-04-01 80.199 1980
## 365 1980-05-01 82.811 1980
## 366 1980-06-01 81.207 1980
## 367 1980-07-01 80.057 1980
## 368 1980-08-01 80.756 1980
## 369 1980-09-01 81.072 1980
## 370 1980-10-01 81.343 1980
## 371 1980-11-01 82.721 1980
## 372 1980-12-01 81.919 1980
## 373 1981-01-01 79.859 1981
## 374 1981-02-01 80.962 1981
## 375 1981-03-01 79.937 1981
## 376 1981-04-01 82.434 1981
## 377 1981-05-01 83.545 1981
## 378 1981-06-01 81.966 1981
## 379 1981-07-01 80.035 1981
## 380 1981-08-01 80.890 1981
## 381 1981-09-01 79.922 1981
## 382 1981-10-01 81.327 1981
## 383 1981-11-01 82.871 1981
## 384 1981-12-01 83.108 1981
## 385 1982-01-01 81.623 1982
## 386 1982-02-01 80.432 1982
## 387 1982-03-01 79.636 1982
## 388 1982-04-01 82.415 1982
## 389 1982-05-01 83.861 1982
## 390 1982-06-01 81.541 1982
## 391 1982-07-01 80.481 1982
## 392 1982-08-01 81.285 1982
## 393 1982-09-01 81.589 1982
## 394 1982-10-01 81.209 1982
## 395 1982-11-01 81.380 1982
## 396 1982-12-01 81.986 1982
## 397 1983-01-01 81.769 1983
## 398 1983-02-01 81.398 1983
## 399 1983-03-01 82.176 1983
## 400 1983-04-01 83.170 1983
## 401 1983-05-01 84.423 1983
## 402 1983-06-01 82.617 1983
## 403 1983-07-01 81.122 1983
## 404 1983-08-01 80.423 1983
## 405 1983-09-01 80.498 1983
## 406 1983-10-01 80.848 1983
## 407 1983-11-01 81.643 1983
## 408 1983-12-01 81.502 1983
## 409 1984-01-01 82.124 1984
## 410 1984-02-01 82.879 1984
## 411 1984-03-01 81.703 1984
## 412 1984-04-01 82.323 1984
## 413 1984-05-01 82.393 1984
## 414 1984-06-01 82.593 1984
## 415 1984-07-01 80.556 1984
## 416 1984-08-01 81.235 1984
## 417 1984-09-01 81.744 1984
## 418 1984-10-01 81.196 1984
## 419 1984-11-01 83.012 1984
## 420 1984-12-01 82.373 1984
## 421 1985-01-01 79.478 1985
## 422 1985-02-01 80.177 1985
## 423 1985-03-01 80.862 1985
## 424 1985-04-01 81.716 1985
## 425 1985-05-01 82.638 1985
## 426 1985-06-01 80.021 1985
## 427 1985-07-01 79.908 1985
## 428 1985-08-01 80.555 1985
## 429 1985-09-01 80.671 1985
## 430 1985-10-01 81.898 1985
## 431 1985-11-01 82.745 1985
## 432 1985-12-01 84.549 1985
## 433 1986-01-01 81.528 1986
## 434 1986-02-01 80.206 1986
## 435 1986-03-01 79.893 1986
## 436 1986-04-01 82.194 1986
## 437 1986-05-01 82.190 1986
## 438 1986-06-01 81.531 1986
## 439 1986-07-01 79.147 1986
## 440 1986-08-01 79.907 1986
## 441 1986-09-01 80.721 1986
## 442 1986-10-01 81.906 1986
## 443 1986-11-01 82.307 1986
## 444 1986-12-01 81.332 1986
## 445 1987-01-01 79.750 1987
## 446 1987-02-01 80.002 1987
## 447 1987-03-01 81.771 1987
## 448 1987-04-01 82.424 1987
## 449 1987-05-01 82.278 1987
## 450 1987-06-01 81.487 1987
## 451 1987-07-01 80.723 1987
## 452 1987-08-01 80.043 1987
## 453 1987-09-01 80.478 1987
## 454 1987-10-01 82.444 1987
## 455 1987-11-01 82.488 1987
## 456 1987-12-01 82.941 1987
## 457 1988-01-01 81.790 1988
## 458 1988-02-01 80.758 1988
## 459 1988-03-01 79.471 1988
## 460 1988-04-01 81.731 1988
## 461 1988-05-01 83.015 1988
## 462 1988-06-01 82.486 1988
## 463 1988-07-01 79.856 1988
## 464 1988-08-01 82.011 1988
## 465 1988-09-01 81.386 1988
## 466 1988-10-01 81.798 1988
## 467 1988-11-01 82.694 1988
## 468 1988-12-01 82.585 1988
## 469 1989-01-01 80.291 1989
## 470 1989-02-01 79.642 1989
## 471 1989-03-01 79.722 1989
## 472 1989-04-01 81.634 1989
## 473 1989-05-01 82.220 1989
## 474 1989-06-01 81.358 1989
## 475 1989-07-01 81.059 1989
## 476 1989-08-01 81.109 1989
## 477 1989-09-01 81.204 1989
## 478 1989-10-01 80.627 1989
## 479 1989-11-01 83.250 1989
## 480 1989-12-01 82.814 1989
## 481 1990-01-01 79.643 1990
## 482 1990-02-01 80.263 1990
## 483 1990-03-01 79.140 1990
## 484 1990-04-01 81.308 1990
## 485 1990-05-01 83.247 1990
## 486 1990-06-01 82.294 1990
## 487 1990-07-01 81.263 1990
## 488 1990-08-01 80.523 1990
## 489 1990-09-01 80.273 1990
## 490 1990-10-01 82.386 1990
## 491 1990-11-01 82.488 1990
## 492 1990-12-01 82.337 1990
## 493 1991-01-01 80.606 1991
## 494 1991-02-01 79.135 1991
## 495 1991-03-01 79.881 1991
## 496 1991-04-01 81.995 1991
## 497 1991-05-01 82.870 1991
## 498 1991-06-01 82.603 1991
## 499 1991-07-01 80.414 1991
## 500 1991-08-01 79.926 1991
## 501 1991-09-01 81.845 1991
## 502 1991-10-01 81.726 1991
## 503 1991-11-01 84.081 1991
## 504 1991-12-01 82.794 1991
## 505 1992-01-01 81.672 1992
## 506 1992-02-01 79.580 1992
## 507 1992-03-01 78.907 1992
## 508 1992-04-01 82.332 1992
## 509 1992-05-01 83.379 1992
## 510 1992-06-01 82.168 1992
## 511 1992-07-01 80.003 1992
## 512 1992-08-01 80.652 1992
## 513 1992-09-01 81.725 1992
## 514 1992-10-01 81.586 1992
## 515 1992-11-01 82.909 1992
## 516 1992-12-01 82.683 1992
## 517 1993-01-01 81.864 1993
## 518 1993-02-01 80.862 1993
## 519 1993-03-01 80.945 1993
## 520 1993-04-01 83.186 1993
## 521 1993-05-01 85.024 1993
## 522 1993-06-01 82.453 1993
## 523 1993-07-01 81.276 1993
## 524 1993-08-01 80.765 1993
## 525 1993-09-01 81.511 1993
## 526 1993-10-01 82.145 1993
## 527 1993-11-01 82.876 1993
## 528 1993-12-01 82.989 1993
## 529 1994-01-01 81.604 1994
## 530 1994-02-01 81.046 1994
## 531 1994-03-01 81.431 1994
## 532 1994-04-01 81.646 1994
## 533 1994-05-01 83.615 1994
## 534 1994-06-01 81.246 1994
## 535 1994-07-01 80.440 1994
## 536 1994-08-01 82.067 1994
## 537 1994-09-01 82.453 1994
## 538 1994-10-01 82.226 1994
## 539 1994-11-01 83.570 1994
## 540 1994-12-01 82.415 1994
## 541 1995-01-01 81.047 1995
## 542 1995-02-01 79.947 1995
## 543 1995-03-01 80.600 1995
## 544 1995-04-01 82.516 1995
## 545 1995-05-01 83.054 1995
## 546 1995-06-01 83.658 1995
## 547 1995-07-01 81.813 1995
## 548 1995-08-01 82.958 1995
## 549 1995-09-01 81.173 1995
## 550 1995-10-01 83.378 1995
## 551 1995-11-01 83.110 1995
## 552 1995-12-01 83.723 1995
## 553 1996-01-01 82.105 1996
## 554 1996-02-01 82.841 1996
## 555 1996-03-01 81.583 1996
## 556 1996-04-01 81.654 1996
## 557 1996-05-01 83.941 1996
## 558 1996-06-01 83.073 1996
## 559 1996-07-01 81.932 1996
## 560 1996-08-01 82.930 1996
## 561 1996-09-01 81.463 1996
## 562 1996-10-01 83.946 1996
## 563 1996-11-01 84.686 1996
## 564 1996-12-01 84.986 1996
## 565 1997-01-01 82.902 1997
## 566 1997-02-01 81.651 1997
## 567 1997-03-01 80.905 1997
## 568 1997-04-01 83.085 1997
## 569 1997-05-01 82.025 1997
## 570 1997-06-01 82.165 1997
## 571 1997-07-01 80.560 1997
## 572 1997-08-01 80.934 1997
## 573 1997-09-01 82.659 1997
## 574 1997-10-01 83.351 1997
## 575 1997-11-01 83.341 1997
## 576 1997-12-01 81.849 1997
## 577 1998-01-01 81.838 1998
## 578 1998-02-01 80.964 1998
## 579 1998-03-01 83.064 1998
## 580 1998-04-01 84.208 1998
## 581 1998-05-01 85.609 1998
## 582 1998-06-01 81.850 1998
## 583 1998-07-01 80.593 1998
## 584 1998-08-01 80.965 1998
## 585 1998-09-01 81.738 1998
## 586 1998-10-01 82.907 1998
## 587 1998-11-01 83.095 1998
## 588 1998-12-01 83.928 1998
## 589 1999-01-01 82.550 1999
## 590 1999-02-01 81.825 1999
## 591 1999-03-01 81.481 1999
## 592 1999-04-01 81.560 1999
## 593 1999-05-01 81.455 1999
## 594 1999-06-01 81.865 1999
## 595 1999-07-01 80.321 1999
## 596 1999-08-01 80.919 1999
## 597 1999-09-01 81.058 1999
## 598 1999-10-01 83.530 1999
## 599 1999-11-01 83.996 1999
## 600 1999-12-01 85.330 1999
## 601 2000-01-01 81.265 2000
## 602 2000-02-01 80.892 2000
## 603 2000-03-01 79.909 2000
## 604 2000-04-01 81.703 2000
## 605 2000-05-01 83.319 2000
## 606 2000-06-01 81.020 2000
## 607 2000-07-01 80.399 2000
## 608 2000-08-01 80.143 2000
## 609 2000-09-01 82.385 2000
## 610 2000-10-01 81.482 2000
## 611 2000-11-01 83.752 2000
## 612 2000-12-01 82.364 2000
## 613 2001-01-01 82.648 2001
## 614 2001-02-01 78.701 2001
## 615 2001-03-01 78.943 2001
## 616 2001-04-01 81.170 2001
## 617 2001-05-01 83.899 2001
## 618 2001-06-01 80.610 2001
## 619 2001-07-01 80.704 2001
## 620 2001-08-01 80.755 2001
## 621 2001-09-01 80.631 2001
## 622 2001-10-01 82.895 2001
## 623 2001-11-01 83.832 2001
## 624 2001-12-01 84.073 2001
## 625 2002-01-01 81.597 2002
## 626 2002-02-01 80.429 2002
## 627 2002-03-01 79.858 2002
## 628 2002-04-01 82.487 2002
## 629 2002-05-01 83.537 2002
## 630 2002-06-01 82.190 2002
## 631 2002-07-01 80.680 2002
## 632 2002-08-01 80.207 2002
## 633 2002-09-01 82.803 2002
## 634 2002-10-01 81.535 2002
## 635 2002-11-01 82.307 2002
## 636 2002-12-01 80.919 2002
## 637 2003-01-01 81.363 2003
## 638 2003-02-01 80.124 2003
## 639 2003-03-01 79.997 2003
## 640 2003-04-01 83.027 2003
## 641 2003-05-01 81.471 2003
## 642 2003-06-01 81.292 2003
## 643 2003-07-01 80.572 2003
## 644 2003-08-01 81.838 2003
## 645 2003-09-01 81.324 2003
## 646 2003-10-01 83.382 2003
## 647 2003-11-01 84.004 2003
## 648 2003-12-01 83.920 2003
## 649 2004-01-01 81.810 2004
## 650 2004-02-01 81.535 2004
## 651 2004-03-01 80.465 2004
## 652 2004-04-01 83.644 2004
## 653 2004-05-01 84.240 2004
## 654 2004-06-01 80.978 2004
## 655 2004-07-01 81.576 2004
## 656 2004-08-01 80.799 2004
## 657 2004-09-01 82.436 2004
## 658 2004-10-01 81.977 2004
## 659 2004-11-01 84.001 2004
## 660 2004-12-01 84.049 2004
## 661 2005-01-01 80.655 2005
## 662 2005-02-01 80.611 2005
## 663 2005-03-01 82.176 2005
## 664 2005-04-01 82.263 2005
## 665 2005-05-01 83.509 2005
## 666 2005-06-01 82.734 2005
## 667 2005-07-01 80.921 2005
## 668 2005-08-01 80.929 2005
## 669 2005-09-01 79.913 2005
## 670 2005-10-01 83.079 2005
## 671 2005-11-01 83.083 2005
## 672 2005-12-01 82.913 2005
## 673 2006-01-01 81.138 2006
## 674 2006-02-01 80.940 2006
## 675 2006-03-01 78.943 2006
## 676 2006-04-01 82.260 2006
## 677 2006-05-01 83.376 2006
## 678 2006-06-01 81.406 2006
## 679 2006-07-01 80.046 2006
## 680 2006-08-01 80.972 2006
## 681 2006-09-01 79.767 2006
## 682 2006-10-01 81.153 2006
## 683 2006-11-01 82.494 2006
## 684 2006-12-01 81.052 2006
## 685 2007-01-01 78.362 2007
## 686 2007-02-01 79.280 2007
## 687 2007-03-01 78.825 2007
## 688 2007-04-01 81.940 2007
## 689 2007-05-01 82.587 2007
## 690 2007-06-01 79.377 2007
## 691 2007-07-01 78.434 2007
## 692 2007-08-01 80.785 2007
## 693 2007-09-01 80.075 2007
## 694 2007-10-01 82.535 2007
## 695 2007-11-01 81.160 2007
## 696 2007-12-01 80.694 2007
## 697 2008-01-01 78.334 2008
## 698 2008-02-01 77.573 2008
## 699 2008-03-01 77.552 2008
## 700 2008-04-01 78.969 2008
## 701 2008-05-01 81.903 2008
## 702 2008-06-01 80.593 2008
## 703 2008-07-01 80.343 2008
## 704 2008-08-01 81.761 2008
## 705 2008-09-01 82.649 2008
## 706 2008-10-01 82.783 2008
## 707 2008-11-01 83.299 2008
## 708 2008-12-01 82.290 2008
## 709 2009-01-01 79.168 2009
## 710 2009-02-01 78.559 2009
## 711 2009-03-01 77.167 2009
## 712 2009-04-01 77.588 2009
## 713 2009-05-01 81.579 2009
## 714 2009-06-01 81.832 2009
## 715 2009-07-01 79.637 2009
## 716 2009-08-01 80.868 2009
## 717 2009-09-01 81.106 2009
## 718 2009-10-01 81.611 2009
## 719 2009-11-01 82.046 2009
## 720 2009-12-01 81.274 2009
## 721 2010-01-01 81.224 2010
## 722 2010-02-01 80.787 2010
## 723 2010-03-01 81.194 2010
## 724 2010-04-01 82.720 2010
## 725 2010-05-01 83.380 2010
## 726 2010-06-01 82.622 2010
## 727 2010-07-01 81.415 2010
## 728 2010-08-01 81.179 2010
## 729 2010-09-01 81.368 2010
## 730 2010-10-01 83.009 2010
## 731 2010-11-01 83.035 2010
## 732 2010-12-01 81.985 2010
## 733 2011-01-01 81.003 2011
## 734 2011-02-01 77.986 2011
## 735 2011-03-01 77.432 2011
## 736 2011-04-01 79.166 2011
## 737 2011-05-01 82.584 2011
## 738 2011-06-01 83.501 2011
## 739 2011-07-01 82.098 2011
## 740 2011-08-01 81.562 2011
## 741 2011-09-01 81.180 2011
## 742 2011-10-01 82.105 2011
## 743 2011-11-01 81.410 2011
## 744 2011-12-01 81.600 2011
## 745 2012-01-01 78.814 2012
## 746 2012-02-01 78.739 2012
## 747 2012-03-01 77.100 2012
## 748 2012-04-01 81.335 2012
## 749 2012-05-01 82.241 2012
## 750 2012-06-01 80.050 2012
## 751 2012-07-01 79.118 2012
## 752 2012-08-01 81.416 2012
## 753 2012-09-01 79.823 2012
## 754 2012-10-01 80.799 2012
## 755 2012-11-01 82.227 2012
## 756 2012-12-01 80.625 2012
## 757 2013-01-01 79.498 2013
## 758 2013-02-01 77.471 2013
## 759 2013-03-01 78.491 2013
## 760 2013-04-01 79.448 2013
## 761 2013-05-01 81.814 2013
## 762 2013-06-01 81.473 2013
## 763 2013-07-01 80.011 2013
## 764 2013-08-01 80.285 2013
## 765 2013-09-01 81.687 2013
## 766 2013-10-01 80.979 2013
## 767 2013-11-01 81.644 2013
## 768 2013-12-01 78.497 2013
## 769 2014-01-01 78.178 2014
## 770 2014-02-01 76.745 2014
## 771 2014-03-01 76.316 2014
## 772 2014-04-01 79.360 2014
## 773 2014-05-01 79.997 2014
## 774 2014-06-01 80.530 2014
## 775 2014-07-01 78.418 2014
## 776 2014-08-01 81.022 2014
## 777 2014-09-01 81.816 2014
## 778 2014-10-01 81.540 2014
## 779 2014-11-01 82.196 2014
## 780 2014-12-01 81.394 2014
## 781 2015-01-01 78.376 2015
## 782 2015-02-01 78.604 2015
## 783 2015-03-01 77.937 2015
## 784 2015-04-01 78.927 2015
## 785 2015-05-01 79.275 2015
## 786 2015-06-01 79.452 2015
## 787 2015-07-01 77.994 2015
## 788 2015-08-01 80.435 2015
## 789 2015-09-01 80.863 2015
## 790 2015-10-01 81.757 2015
## 791 2015-11-01 81.031 2015
## 792 2015-12-01 78.739 2015
## 793 2016-01-01 80.119 2016
## 794 2016-02-01 76.899 2016
## 795 2016-03-01 78.031 2016
## 796 2016-04-01 81.742 2016
## 797 2016-05-01 82.747 2016
## 798 2016-06-01 80.142 2016
## 799 2016-07-01 79.054 2016
## 800 2016-08-01 80.378 2016
## 801 2016-09-01 80.060 2016
## 802 2016-10-01 83.120 2016
## 803 2016-11-01 83.928 2016
## 804 2016-12-01 81.803 2016
## 805 2017-01-01 77.624 2017
## 806 2017-02-01 78.257 2017
## 807 2017-03-01 78.745 2017
## 808 2017-04-01 80.834 2017
## 809 2017-05-01 82.219 2017
## 810 2017-06-01 82.406 2017
## 811 2017-07-01 80.628 2017
## 812 2017-08-01 80.617 2017
## 813 2017-09-01 81.577 2017
## 814 2017-10-01 82.523 2017
## 815 2017-11-01 83.278 2017
## 816 2017-12-01 80.740 2017
## 817 2018-01-01 82.667 2018
## 818 2018-02-01 76.413 2018
## 819 2018-03-01 77.185 2018
## 820 2018-04-01 79.559 2018
## 821 2018-05-01 81.691 2018
## 822 2018-06-01 81.408 2018
## 823 2018-07-01 79.764 2018
## 824 2018-08-01 79.836 2018
## 825 2018-09-01 81.338 2018
## 826 2018-10-01 83.633 2018
## 827 2018-11-01 82.248 2018
## 828 2018-12-01 80.572 2018
## 829 2019-01-01 78.855 2019
## 830 2019-02-01 78.304 2019
## 831 2019-03-01 77.185 2019
## 832 2019-04-01 79.346 2019
## 833 2019-05-01 83.853 2019
## 834 2019-06-01 81.353 2019
## 835 2019-07-01 79.115 2019
## 836 2019-08-01 80.569 2019
## 837 2019-09-01 82.023 2019
## 838 2019-10-01 80.375 2019
## 839 2019-11-01 80.707 2019
## 840 2019-12-01 81.166 2019
## 841 2020-01-01 78.579 2020
## 842 2020-02-01 77.337 2020
## 843 2020-03-01 75.910 2020
## 844 2020-04-01 79.107 2020
## 845 2020-05-01 82.271 2020
## 846 2020-06-01 81.377 2020
## 847 2020-07-01 80.555 2020
## 848 2020-08-01 81.171 2020
## 849 2020-09-01 80.604 2020
## 850 2020-10-01 82.200 2020
## 851 2020-11-01 84.615 2020
## 852 2020-12-01 81.202 2020# Calcular el promedio anual de la humedad relativa
promedio_anual <- HumedadRelativa %>%
group_by(Año) %>%
summarize(Promedio_Humedad = mean(Humedad_Relativa, na.rm = TRUE))
# Crear una gráfica de la serie de tiempo del promedio anual
ggplot(promedio_anual, aes(x = Año, y = Promedio_Humedad)) +
geom_line() +
labs(x = "Año", y = "Promedio de Humedad Relativa Anual", title = "Serie de Tiempo del Promedio Anual de Humedad Relativa") +
theme_minimal()
Ajuste de tendencia de la gráfica anual de humedad relativa
# Ajuste de tendencia por medio del método loess
ajuste_lineal <- loess(Promedio_Humedad ~ Año, data = promedio_anual)
# Resumen del ajuste lineal
summary(ajuste_lineal)## Call:
## loess(formula = Promedio_Humedad ~ Año, data = promedio_anual)
##
## Number of Observations: 71
## Equivalent Number of Parameters: 4.38
## Residual Standard Error: 0.5271
## Trace of smoother matrix: 4.78 (exact)
##
## Control settings:
## span : 0.75
## degree : 2
## family : gaussian
## surface : interpolate cell = 0.2
## normalize: TRUE
## parametric: FALSE
## drop.square: FALSEggplot(promedio_anual, aes(x = Año, y = Promedio_Humedad)) +
geom_line() +
geom_smooth(method = "loess", se = FALSE, color = "lightblue", linetype = "dashed") +
labs(x = "Año", y = "Promedio de Humedad Relativa Anual", title = "Promedio Anual de Humedad Relativa con ajuste de tendencia") +
theme_minimal()## `geom_smooth()` using formula = 'y ~ x'
Temperatura superficial
Tratamiento de datos
TemperaturaSuperficial=read.csv("TemperaturaSuperficial.csv")
colnames(TemperaturaSuperficial)## [1] "Date"
## [2] "NCEP.NCAR.R1.Sea.Surface.Skin.Temp..K..8N.22N.276E.290E"TemperaturaSuperficial = TemperaturaSuperficial %>% rename( Temp_superficial = NCEP.NCAR.R1.Sea.Surface.Skin.Temp..K..8N.22N.276E.290E)
# Se pasan los datos en formato de caracter a "date", es decir, formato de fecha
TemperaturaSuperficial <- TemperaturaSuperficial %>%
mutate(Date = as.Date(Date))
head(TemperaturaSuperficial)## Date Temp_superficial
## 1 1950-01-01 298.855
## 2 1950-02-01 298.720
## 3 1950-03-01 299.056
## 4 1950-04-01 299.280
## 5 1950-05-01 299.708
## 6 1950-06-01 300.086Serie de tiempo de humedad relativa desde enero de 1950 hasta diciembre del 2020
TemperaturaSuperficial %>%
ggplot(aes(x = Date, y = Temp_superficial)) +
geom_line() +
labs(x = "Fecha", y = "Temperatura superficial", title = "Serie de Tiempo de temperatura superficial") +
theme_minimal()
Promedio anual de temperatura superficial desde 1950 hasta 2020
# Crear una nueva columna para el año
TemperaturaSuperficial <- TemperaturaSuperficial %>%
mutate(Año = lubridate::year(Date))
# Calcular el promedio anual de la humedad relativa
promedio2_anual <- TemperaturaSuperficial %>%
group_by(Año) %>%
summarize(Promedio_TempSup = mean(Temp_superficial, na.rm = TRUE))
# Crear una gráfica de la serie de tiempo del promedio anual
ggplot(promedio2_anual, aes(x = Año, y = Promedio_TempSup)) +
geom_line() +
labs(x = "Año", y = "Promedio de Humedad Relativa Anual", title = "Serie de Tiempo del Promedio Anual de Humedad Relativa") +
theme_minimal()
Ajuste de tendencia de la gráfica anual de temperatura superficial
# temperatura superficial
ajuste2_lineal <- loess(Promedio_TempSup ~ Año, data = promedio2_anual)
# Resumen del ajuste lineal
summary(ajuste2_lineal)## Call:
## loess(formula = Promedio_TempSup ~ Año, data = promedio2_anual)
##
## Number of Observations: 71
## Equivalent Number of Parameters: 4.38
## Residual Standard Error: 0.2149
## Trace of smoother matrix: 4.78 (exact)
##
## Control settings:
## span : 0.75
## degree : 2
## family : gaussian
## surface : interpolate cell = 0.2
## normalize: TRUE
## parametric: FALSE
## drop.square: FALSEggplot(promedio2_anual, aes(x = Año, y = Promedio_TempSup)) +
geom_line() +
geom_smooth(method = "loess", se = FALSE, color = "lightblue", linetype = "dashed") +
labs(x = "Año", y = "Promedio de Temperatura Superficial Anual", title = "Promedio Anual de Temperatura superficial con Ajuste Lineal") +
theme_minimal()## `geom_smooth()` using formula = 'y ~ x'
Tasa de evaporación
Tratamiento de datos
Evaporación=read.csv("Evaporación.csv")
colnames(Evaporación)## [1] "Date"
## [2] "NCEP.NCAR.R1.Evaporation.Rate..W.m.2..8N.22N.276E.290E"Evaporación = Evaporación %>% rename( Evaporación = NCEP.NCAR.R1.Evaporation.Rate..W.m.2..8N.22N.276E.290E)
# Se hace una conversión de formato de los datos de tipo caracter a fecha
Evaporación <- Evaporación %>%
mutate(Date = as.Date(Date))
head(Evaporación)## Date Evaporación
## 1 1950-01-01 224.689
## 2 1950-02-01 175.154
## 3 1950-03-01 146.645
## 4 1950-04-01 164.125
## 5 1950-05-01 133.351
## 6 1950-06-01 140.401Serie de tiempo de tasa de evaporación desde enero de 1950 hasta diciembre del 2020
Evaporación %>%
ggplot(aes(x = Date, y = Evaporación)) +
geom_line() +
labs(x = "Fecha", y = "Evaporación", title = "Serie de Tiempo de tasa de evaporación") + theme_minimal()
Promedio anual de tasa de evaporación desde enero de 1950 hasta diciembre del 2020
# Crear una nueva columna para el año
Evaporación <- Evaporación %>%
mutate(Año = lubridate::year(Date))
# Calcular el promedio anual de la humedad relativa
promedio3_anual <- Evaporación %>%
group_by(Año) %>%
summarize(Promedio_Evaporación = mean(Evaporación, na.rm = TRUE))
# Crear una gráfica de la serie de tiempo del promedio anual
ggplot(promedio3_anual, aes(x = Año, y = Promedio_Evaporación)) +
geom_line() +
labs(x = "Año", y = "Promedio de tasa de evaporación anual", title = "Promedio de tasa de evaporación anual") +
theme_minimal()
Ajuste de tendencia
# Ajuste lineal (regresión lineal)
ajuste3_lineal <- loess(Promedio_Evaporación ~ Año, data = promedio3_anual)
# Resumen del ajuste lineal
summary(ajuste3_lineal)## Call:
## loess(formula = Promedio_Evaporación ~ Año, data = promedio3_anual)
##
## Number of Observations: 71
## Equivalent Number of Parameters: 4.38
## Residual Standard Error: 5.272
## Trace of smoother matrix: 4.78 (exact)
##
## Control settings:
## span : 0.75
## degree : 2
## family : gaussian
## surface : interpolate cell = 0.2
## normalize: TRUE
## parametric: FALSE
## drop.square: FALSEggplot(promedio3_anual, aes(x = Año, y = Promedio_Evaporación)) +
geom_line() +
geom_smooth(method = "loess", se = FALSE, color = "lightblue", linetype = "dashed") +
labs(x = "Año", y = "Promedio de tasa de evaporación Anual", title = "Promedio Anual tasa de evaporación con Ajuste de tendencia") +
theme_minimal()## `geom_smooth()` using formula = 'y ~ x'
Tasa de precipitación
Tratamiento de datos
Precipitación=read.csv("Precipitación.csv")
colnames(Precipitación)## [1] "Date"
## [2] "NCEP.NCAR.R1.Precipitation.Rate..mm.day..8N.22N.276E.290E"Precipitación = Precipitación %>% rename( Precipitación = NCEP.NCAR.R1.Precipitation.Rate..mm.day..8N.22N.276E.290E)
# Se hace una conversión de formato de los datos de tipo caracter a fecha
Precipitación <- Precipitación %>%
mutate(Date = as.Date(Date))
head(Precipitación)## Date Precipitación
## 1 1950-01-01 6.176
## 2 1950-02-01 4.326
## 3 1950-03-01 3.175
## 4 1950-04-01 4.390
## 5 1950-05-01 5.417
## 6 1950-06-01 7.031Serie de tiempo de tasa de precipitación desde enero de 1950 hasta diciembre del 2020
Precipitación %>%
ggplot(aes(x = Date, y = Precipitación)) +
geom_line() +
labs(x = "Fecha", y = "Tasa de precipitación", title = "Serie de Tiempo de tasa de precipitación") +
theme_minimal()
Promedio anual de la tasa de precipitación desde 1950 hasta 2020
# Crear una nueva columna para el año
Precipitación <- Precipitación %>%
mutate(Año = lubridate::year(Date))
# Calcular el promedio anual de la humedad relativa
promedio4_anual <- Precipitación %>%
group_by(Año) %>%
summarize(Promedio_Precipitación = mean(Precipitación, na.rm = TRUE))
# Crear una gráfica de la serie de tiempo del promedio anual
ggplot(promedio4_anual, aes(x = Año, y = Promedio_Precipitación)) +
geom_line() +
labs(x = "Año", y = "Promedio de Humedad Relativa Anual", title = "Serie de Tiempo del Promedio Anual de tasa de precipitación") +
theme_minimal()
Ajuste de tendencia
# Ajuste lineal (regresión lineal)
ajuste4_lineal <- loess(Promedio_Precipitación ~ Año, data = promedio4_anual)
# Resumen del ajuste lineal
summary(ajuste4_lineal)## Call:
## loess(formula = Promedio_Precipitación ~ Año, data = promedio4_anual)
##
## Number of Observations: 71
## Equivalent Number of Parameters: 4.38
## Residual Standard Error: 0.5762
## Trace of smoother matrix: 4.78 (exact)
##
## Control settings:
## span : 0.75
## degree : 2
## family : gaussian
## surface : interpolate cell = 0.2
## normalize: TRUE
## parametric: FALSE
## drop.square: FALSEggplot(promedio4_anual, aes(x = Año, y = Promedio_Precipitación)) +
geom_line() +
geom_smooth(method = "loess", se = FALSE, color = "lightblue", linetype = "dashed") +
labs(x = "Año", y = "Promedio de tasa de precipitación", title = "Promedio Anual tasa de precipitación con Ajuste de tendencia") +
theme_minimal()## `geom_smooth()` using formula = 'y ~ x'
Magnitud del viento
Tratamiento de datos
# Se cargan los datos de viento meridional
Meridional=read_csv("Meridional.csv", show_col_types = FALSE)
colnames(Meridional)## [1] "Date"
## [2] "NCEP/NCAR R1 Meridional Wind (m/s) 8N-22N;276E-290E"Meridional = Meridional %>% rename( Meridional = `NCEP/NCAR R1 Meridional Wind (m/s) 8N-22N;276E-290E`)
# Se hace una conversión de formato de los datos de tipo caracter a fecha
Meridional <- Meridional %>%
mutate(Date = as.Date(Date))
# Se cargan los datos de viento zonal
Zonal=read_csv("Zonal.csv", show_col_types = FALSE)
colnames(Zonal)## [1] "Date"
## [2] "NCEP/NCAR R1 Zonal Wind (m/s) 8N-22N;276E-290E"Zonal = Zonal %>% rename(Zonal = `NCEP/NCAR R1 Zonal Wind (m/s) 8N-22N;276E-290E`)
# Se hace una conversión de formato de los datos de tipo caracter a fecha
Zonal <- Zonal %>%
mutate(Date = as.Date(Date))
# Se convinan los datos zonales y meridionales a partir de la fecha
Magnitud <- merge(Zonal, Meridional, by = "Date")
head(Magnitud)## Date Zonal Meridional
## 1 1950-01-01 -9.953 -3.540
## 2 1950-02-01 -7.552 -3.954
## 3 1950-03-01 -7.901 -2.550
## 4 1950-04-01 -6.519 -3.356
## 5 1950-05-01 -6.065 -1.453
## 6 1950-06-01 -7.137 -0.707Explicar teoría de Ekman
# Se genera el vector de magnitud de viento
Magnitud = Magnitud %>% mutate(Magnitud= sqrt((Meridional)^2 + (Zonal)^2))
head(Magnitud)## Date Zonal Meridional Magnitud
## 1 1950-01-01 -9.953 -3.540 10.563797
## 2 1950-02-01 -7.552 -3.954 8.524484
## 3 1950-03-01 -7.901 -2.550 8.302307
## 4 1950-04-01 -6.519 -3.356 7.332128
## 5 1950-05-01 -6.065 -1.453 6.236620
## 6 1950-06-01 -7.137 -0.707 7.171933Serie de tiempo de tasa de precipitación desde enero de 1950 hasta diciembre del 2020
Magnitud %>%
ggplot(aes(x = Date, y = Magnitud)) +
geom_line() +
labs(x = "Fecha", y = "Magnitud del viento", title = "Serie de Tiempo de magnitud del viento") +
theme_minimal()
Promedio anual de la magnitud del viento desde 1950 hasta 2020
# Crear una nueva columna para el año
Magnitud <- Magnitud %>%
mutate(Año = lubridate::year(Date))
# Calcular el promedio anual de la humedad relativa
promedio5_anual <- Magnitud %>%
group_by(Año) %>%
summarize(Promedio_Magnitud = mean(Magnitud, na.rm = TRUE))
# Crear una gráfica de la serie de tiempo del promedio anual
ggplot(promedio5_anual, aes(x = Año, y = Promedio_Magnitud)) +
geom_line() +
labs(x = "Año", y = "Promedio de Magnitud del viento Anual", title = "Serie de Tiempo del Promedio Anual de Magnitud del viento") +
theme_minimal()
Ajuste de tendencia
# Ajuste de tendencia
ajuste5_lineal <- loess(Promedio_Magnitud ~ Año, data = promedio5_anual)
# Resumen del ajuste lineal
summary(ajuste5_lineal)## Call:
## loess(formula = Promedio_Magnitud ~ Año, data = promedio5_anual)
##
## Number of Observations: 71
## Equivalent Number of Parameters: 4.38
## Residual Standard Error: 0.3735
## Trace of smoother matrix: 4.78 (exact)
##
## Control settings:
## span : 0.75
## degree : 2
## family : gaussian
## surface : interpolate cell = 0.2
## normalize: TRUE
## parametric: FALSE
## drop.square: FALSEggplot(promedio5_anual, aes(x = Año, y = Promedio_Magnitud)) +
geom_line() +
geom_smooth(method = "loess", se = FALSE, color = "lightblue", linetype = "dashed") +
labs(x = "Año", y = "Promedio de Magnitud del viento", title = "Promedio Anual de Magnitud del viento con Ajuste de tendencia") +
theme_minimal()## `geom_smooth()` using formula = 'y ~ x'
Correlación con el NAO (The North Atlantic Oscillation index)
The North Atlantic Oscillation Index
Tratamiento de datos
Para este caso el calculo del promedio y el procesamiento de los datos se realizó en Excel. Estos fueron descargados del siguiente repositorio Base de datos del NAO
library(openxlsx)
NOA= read.xlsx("NOA.xlsx")Promedio anual del NAO desde 1950 hasta 2020
# Crear una gráfica de la serie de tiempo del promedio anual
ggplot(NOA, aes(x = Year, y = Promedio)) +
geom_line() +
labs(x = "Año", y = "Promedio del NAO", title = "Serie de Tiempo del Promedio Anual del índice NAO") +
theme_minimal()
Ajuste de tendencia
# Ajuste de tendencia
ajuste6_lineal <- loess(Promedio ~ Year, data = NOA)
# Resumen del ajuste lineal
summary(ajuste6_lineal)## Call:
## loess(formula = Promedio ~ Year, data = NOA)
##
## Number of Observations: 71
## Equivalent Number of Parameters: 4.38
## Residual Standard Error: 0.3551
## Trace of smoother matrix: 4.78 (exact)
##
## Control settings:
## span : 0.75
## degree : 2
## family : gaussian
## surface : interpolate cell = 0.2
## normalize: TRUE
## parametric: FALSE
## drop.square: FALSEggplot(NOA, aes(x = Year, y = Promedio)) +
geom_line() +
geom_smooth(method = "loess", se = FALSE, color = "lightblue", linetype = "dashed") +
labs(x = "Año", y = "Promedio anual del índice NAO", title = "Promedio Anual del índice NAO con Ajuste de tendencia") +
theme_minimal()## `geom_smooth()` using formula = 'y ~ x'
Organización de la información
A continuación se crea un nuevo data.frame con el objetivo de resumir todos los promedios de cada una de las variables que se están estudiando.
# Supongamos que tienes una lista de data frames llamada df_list
Lista <- list(promedio_anual, promedio2_anual, promedio3_anual, promedio4_anual, promedio5_anual)
# Especifica la columna por la cual quieres hacer la unión
columna_unir <- "Año"
# Se usa la función reduce para aplicar left_join a todos los data frames en la lista
General <- Lista%>%
reduce(left_join, by = columna_unir)
General <- cbind(General, Promedio_NOA = NOA$Promedio)
head(General)## Año Promedio_Humedad Promedio_TempSup Promedio_Evaporación
## 1 1950 81.97917 299.8698 158.6872
## 2 1951 81.03992 300.1849 151.9343
## 3 1952 81.20733 300.3922 152.7803
## 4 1953 81.43600 300.3918 146.9449
## 5 1954 80.83000 300.1118 143.1777
## 6 1955 81.90683 299.9022 139.9674
## Promedio_Precipitación Promedio_Magnitud Promedio_NOA
## 1 7.088167 6.683211 -0.120833333
## 2 6.816833 6.466748 -0.008333333
## 3 6.609167 6.205860 -0.425000000
## 4 6.860500 6.286680 -0.017500000
## 5 6.836917 6.042029 0.002500000
## 6 6.999750 5.845736 -0.399166667Prueba de Durbin Watson de autocorrelación para series de tiempo
Correlación entre humedad promedio anual y Promedio NOA anual
# Modelo de ajuste lineal
Modelo1 = loess(Promedio_Precipitación ~ Promedio_Humedad, data = General)
summary(Modelo1)## Call:
## loess(formula = Promedio_Precipitación ~ Promedio_Humedad, data = General)
##
## Number of Observations: 71
## Equivalent Number of Parameters: 5.25
## Residual Standard Error: 0.6929
## Trace of smoother matrix: 5.77 (exact)
##
## Control settings:
## span : 0.75
## degree : 2
## family : gaussian
## surface : interpolate cell = 0.2
## normalize: TRUE
## parametric: FALSE
## drop.square: FALSEggplot(General, aes(x = Promedio_Humedad, y = Promedio_Precipitación)) +
geom_point(color = "lightblue4", size = 1) + # Puntos de datos
geom_smooth(method = "loess", color = "lightblue3") + # Línea de ajuste (loess)
labs(title = "Correlación entre Promedio_NOA y Promedio_humedad",
x = "Promedio_Humedad_Relativa ", y = "Promedio_NOA") +
theme_minimal()## `geom_smooth()` using formula = 'y ~ x'
#install.packages("lmtest")
library(lmtest)## Loading required package: zoo##
## Attaching package: 'zoo'## The following objects are masked from 'package:base':
##
## as.Date, as.Date.numericdwtest(Modelo1)##
## Durbin-Watson test
##
## data: Modelo1
## DW = 0.57738, p-value = 6.01e-13
## alternative hypothesis: true autocorrelation is greater than 0Correlación entre Promedio de evaporación y Promedio NOA anual
# Modelo de ajuste lineal
Modelo1 = loess(Promedio_NOA ~ Promedio_TempSup, data = General)
summary(Modelo1)## Call:
## loess(formula = Promedio_NOA ~ Promedio_TempSup, data = General)
##
## Number of Observations: 71
## Equivalent Number of Parameters: 4.91
## Residual Standard Error: 0.3764
## Trace of smoother matrix: 5.38 (exact)
##
## Control settings:
## span : 0.75
## degree : 2
## family : gaussian
## surface : interpolate cell = 0.2
## normalize: TRUE
## parametric: FALSE
## drop.square: FALSE