Clima

Teoría

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

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 del clima de Monterrey 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 Monterrey 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 Diaria
clima_mty_feb$date <- as.Date(clima_mty_feb$valid) #Agregamos columna que no exisitía, la cual se fue hasta final llamada Date
cmfd <- aggregate(clima_mty_feb, by=list(date=clima_mty_feb$date), FUN=mean)

# Gradicar la Humedad Relativa promedio por día
plot(cmfd$date,cmfd$relh,type="l",main="Humedad Relativa en Monterrey durante Febrero 2024", xlab="Fecha", ylab="Humedad Relativa (%)")

Ejercicio 3. Graficar la temperatura promedio diaria durante febrero 2024 en Puebla

#Primero debemos obtener los datos de sólo 2024
clima_pue <- riem_measures("MMPB")
clima_pue_feb <- subset(clima_pue, valid >= as.POSIXct("2024-02-01 00:000") & valid <= as.POSIXct("2024-02-29 23:59"))

#Agregar tabla del clima en Celcius
clima_pue_feb$centi <- clima_pue_feb$tmpf-32*0.5556
cmfp <- aggregate(clima_pue_feb, by=list(centi=clima_pue_feb$centi), FUN=mean)
cmfp$date <- as.Date(cmfp$valid) 

# Gradicar la Humedad Relativa promedio por día
plot(cmfp$date,cmfp$centi.1,type="l",main="temperatura promedio diaria durante febrero 2024 en Puebla", xlab="Temperatura Promedio (%)", ylab="Fecha")

Conclusión

En este trabajo utilizamos una red de estaciones meteorológicas “ASOS” , para poder reunir información para el análisis meteorológico, y climatológico. Además se ejecutaron varias bibliotecas vistas en clase como el ggplot2, plotly y el tidyverse para agrupar los datos y analizarlos de diversas regiones y así conseguir los pronósticos de temperatura. Este enfoque puede ser de ayuda para el proceso de selección en las aerolíneas.