Présention des résultats

Station météo

Introduction

asdfasldkfasdklnfweiuzxcvmnasdfijas,mfdzlkxcjvusdf ggplot

Méthodologie

Préparation de l’espace de travail

# Chargement des packages
library(dplyr)
library(ggplot2)
library(pastecs)
library(weathercan)
library(plotly)
library(climaemet)



#Nettoyer l'espace de travail
rm(list=ls())

# Définir votre environnement de travail
setwd("C:/Users/belal13/Université Laval/Introduction à R en géographie - General/data")

# L'option "digits" permet de limiter le nombre de décimales à 2 dans la fenêtre des résultats alors que "scipen" évite d'avoir des résultats en notation scientifique

options( "digits"=3, "scipen"=100)

Importation et structuration

sdflkasernxacvkasd,fmnx cj par la librairie ggplot (Wickham 2016) (Chadillon-Farinacci, Apparicio, et Morselli 2015)

# Données de la station météo
## Importation des données à l'aide de la librairie weathercan
station <- weather_dl(station_ids = 26892, start = "2022-07-01", end = "2022-08-31") %>%
  subset(select=c(time, year, month, day, hour, temp, rel_hum, wind_spd, wind_dir))


## arranger le champ sur l'orientation du vent
station$wind_dir <- station$wind_dir*10


## Catégorisation du vent en fonction de l'orientation
station$wind_dir_cat <- cut(station$wind_dir,
                             breaks = c(-1,22.5,67.5,112.5,157.5,202.5,247.5, 292.5,337.5, 361),
                             labels = c("N", "NE", "E", "SE", "S", "SO", "O", "NO", "N"))

Résultats

asdfasdflknkxcv ,masoxcv,mnsadfij ,mansdfxzc,mnsafoijxcnsdflkjxcvklnsdfpoxc,mndojxvnxd;ljxznxvljsdfxcv Comme le montre la Figure 1

Figure 1: Évolution de l’humidité à JLS

asdfasdflknkxcv ,masoxcv,mnsadfij ,mansdfxzc,mnsafoijxcnsdflkjxcvklnsdfpoxc,mndojxvnxd;ljxznxvljsdfxcv Comme le montre la Figure 2

Figure 2: Évolution de la température à JLS

asdfasdfjhasldkjlsakdfnxcijsadfnvj Table 1

Table 1: Statistiques

                temp  rel_hum wind_spd
nbr.val       1488.0   1488.0   1488.0
nbr.null         0.0      0.0     30.0
nbr.na           0.0      0.0      0.0
min              6.4     35.0      0.0
max             29.9     98.0     28.0
range           23.5     63.0     28.0
sum          28963.5 113920.0  11351.0
median          19.4     80.0      6.0
mean            19.5     76.6      7.6
SE.mean          0.1      0.4      0.1
CI.mean.0.95     0.2      0.8      0.3
var             19.4    262.7     25.6
std.dev          4.4     16.2      5.1
coef.var         0.2      0.2      0.7

Figure 3

sdfasdfasdfasdfasdfasdf Figure 3

Biblio

Chadillon-Farinacci, Véronique, Philippe Apparicio, et Carlo Morselli. 2015. « Cannabis Cultivation in Quebec: Between Spacetime Hotspots and Coldspots ». International Journal of Drug Policy 26 (3): 311‑22. https://doi.org/10.1016/j.drugpo.2014.11.006.

Wickham, Hadley. 2016. « ggplot2: Elegant Graphics for Data Analysis ». https://ggplot2.tidyverse.org.