Clima

1 Teoría

La información del clima se obtiene del ASOS (Automated Surface Observing System) ubicados en los aeropuertos de las ciudades del mundo.

2 Instalar paquetes y llamar librerias

library(riem) # Este paquete sirve para accesar al ASOS
library(tidyverse)

## ── Attaching core tidyverse packages ──────────────────────── tidyverse 2.0.0 ──
## ✔ dplyr     1.1.4     ✔ readr     2.1.5
## ✔ forcats   1.0.0     ✔ stringr   1.5.1
## ✔ ggplot2   3.4.4     ✔ tibble    3.2.1
## ✔ lubridate 1.9.3     ✔ tidyr     1.3.1
## ✔ 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 errors

library(ggplot2)
library(plotly)

## 
## Attaching package: 'plotly'
## 
## The following object is masked from 'package:ggplot2':
## 
##     last_plot
## 
## The following object is masked from 'package:stats':
## 
##     filter
## 
## The following object is masked from 'package:graphics':
## 
##     layout

3 Paso 1. Buscar la red del país (México) y copiar CODE

# view(riem_networks())
# México

4 Paso 2. Buscar la estación o ciudad (Monterrey) y copiar ID

view(riem_stations("MX__ASOS"))
# MMMY

5 Paso 3. Obtener los datos del clima

clima_mty <- riem_measures("MMMY")

6 Ejercicios

6.1 Ejercicio 1. Obtener los datos del clima de Monterrey de Febrero de 2024

clima_mty_feb <- subset(clima_mty, valid >= 
                          as.POSIXct("2024-02-01 00:00") & valid <=
                          as.POSIXct("2024-02-29 23:59")) 

6.2 Ejercicio 2. Gráficar la humedad relativa durante febrero 2024

plot(clima_mty_feb$valid, clima_mty_feb$relh, type="l", main = "Humedad relativa en Monterrey durante febrero 2024", xlab= "Fecha", ylab= "Humedad relativa (%)")

# Promediar humedad relativa 

clima_mty_feb$date <- as.Date(clima_mty_feb$valid)

cmfd <- aggregate(clima_mty_feb, by=list(clima_mty_feb$date), FUN= mean)

plot(cmfd$date, cmfd$relh, type="l", main = "Promedio diario de humedad relativa en Monterrey durante febrero 2024", xlab= "Fecha", ylab= "Humedad relativa (%)")

cmfd %>% 
  ggplot(aes(y = relh, x = date)) + 
  geom_line()+ 
  labs(x= "Fecha", y= "Humedad relativa (%)",
       title= "Humedad relativa durante febrero 2024")+
  theme_minimal()+
  theme(plot.title = element_text(hjust=0.5))

6.3 Ejercicio 3. Gráficar la temperatura (C°) promedio diaria durante febrero 2024 en Verazcruz 2024

clima_vrz <- riem_measures("MMVR")
clima_vrz<- mutate(clima_vrz, celcius= ((tmpf-32)*(5/9)))
clima_vrz_feb <- subset(clima_vrz, valid >= 
                          as.POSIXct("2024-02-01 00:00") & valid <=
                          as.POSIXct("2024-02-29 23:59")) 

clima_vrz_feb$date <- as.Date(clima_vrz_feb$valid)

cvdf <- aggregate(clima_vrz_feb, by=list(clima_vrz_feb$date), FUN= mean)

cvdf %>% 
  ggplot(aes(y = celcius, x = date)) + 
  geom_line()+ 
  labs(x= "Fecha", y= "Temperatura promedio (C°)",
       title= "Temperatura promedio durante febrero 2024")+
  theme_minimal()+
  theme(plot.title = element_text(hjust=0.5))

7 Conclusiones

En este ejercicio, se utilizó el paquete riem para acceder a los datos del clima obtenidos del sistema ASOS, que se encuentra en los aeropuertos de las ciudades del mundo. Se seleccionó la red de México y se buscaron las estaciones de Monterrey y Veracruz. Se obtuvieron los datos del clima de estas dos ciudades durante el mes de febrero de 2024.

Se realizaron tres ejercicios con los datos del clima. El primero fue obtener los datos del clima de Monterrey de febrero de 2024, el segundo fue graficar la humedad relativa durante ese mismo mes, tanto con la función plot como con la librería ggplot2, el tercero fue graficar la temperatura promedio diaria durante febrero de 2024 en Veracruz, también con ggplot2.

Los resultados de los ejercicios permiten visualizar la variación de la humedad relativa y la temperatura en las dos ciudades, así como comparar sus diferencias climáticas. Se observa que Monterrey tiene una humedad relativa más baja y una temperatura más alta que Veracruz, lo que se puede atribuir a su ubicación geográfica y a su altitud.

Este ejercicio es un ejemplo de cómo se puede utilizar R para analizar datos del clima y generar gráficos informativos y atractivos. R es un lenguaje de programación muy versátil y potente, que ofrece múltiples paquetes y librerías para facilitar el trabajo con datos de diferentes fuentes y formatos.