Clima

Teoría

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

Instalar paquetes y llamar librerías

# install.packages("riem") # Accesar al ASOS para obtener datos climáticos
library(riem)

# install.packages("tidyverse") # Manipulación de datos
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   3.5.0     ✔ 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

# install.packages("ggplot2") # Gráficas con mejor diseño que plot
library(ggplot2)

# install.packages("plotly") # Gráficas con mejor calidad 
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

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

view(riem_networks())
# MX__ASOS

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

view(riem_stations("MX__ASOS"))
# MMMY

Paso 3. Obtener datos del clima

clima_mty <- riem_measures("MMMY")

Ejercicio 1. Obtener datos de clima de MTY de Febrero 2024

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

Ejercicio 2. Graficar la Humedad Relativa en MTY durante Febrero 2024

# Promediar Humedad Relativa diaria
clima_mty_feb$date <- as.Date(clima_mty_feb$valid)

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

# Graficar la humedad relativa
plot(cmfd$date, cmfd$relh, type = "l", main = "Humedad Relativa en MTY durante Feb 2024", xlab = "Fecha", ylab = "Humedad Relativa (%)" )

Ejercicio 3. Graficar la temperatura (°C) promedio diaria durante feb 2024 en Monclova

clima_mon <- riem_measures("MMMV")

temp_mon <- clima_mon %>% select(valid, tmpf)

# Convertir a Celsius

clima_mon_cel <- mutate(temp_mon, celsius = tmpf*(9/5)+32)

# Crear un subconjunto de solo febrero

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

# Promediar Temperatura diaria
clima_mon_feb$date <- as.Date(clima_mon_feb$valid)

cmod <- aggregate(clima_mon_feb, by = list(date =clima_mon_feb$date), FUN = mean)

# Graficar la humedad relativa
plot(cmod$date, cmod$celsius, type = "l", main = "Tempreratura promedio diaria en Monclova durante Feb 2024", xlab = "Fecha", ylab = "Tempreatura (°C)" )

Conclusión

Analizando los datos climáticos obtenidos del sistema ASOS, se puede concluir que la humedad relativa en Monterrey durante febrero de 2024 fluctuó notablemente a lo largo del mes, como se observa en la primera gráfica. Se identificaron variaciones diarias en la humedad, lo que sugiere cambios significativos en las condiciones atmosféricas durante ese período. Además, al utilizar funciones como as.Date, aggregate, select, subset, y plot para procesar y visualizar los datos, se pudo analizar la temperatura promedio diaria en Monclova durante el mismo mes. Esta visualización revela una tendencia similar de fluctuaciones, lo que indica una dinámica climática similar en la región. Estos resultados demuestran la utilidad de estas funciones para obtener y analizar datos climáticos precisos, proporcionando información valiosa para comprender mejor el clima en estas áreas específicas durante el período de estudio.