climas = read_csv(here::here("data/clima_cg_jp-semanal.csv"),
col_types = "cTdddddd")
glimpse(climas)
## Observations: 2,748
## Variables: 8
## $ cidade <chr> "Campina Grande", "Campina Grande", "Campina Grande", "Ca…
## $ semana <dttm> 1992-12-27, 1993-01-03, 1993-01-10, 1993-01-31, 1993-02-…
## $ tmedia <dbl> 26.13333, 26.11905, 25.76667, 25.74000, 26.31429, 26.2857…
## $ tmax <dbl> 30.4, 32.4, 32.2, 32.0, 32.7, 32.7, 32.3, 32.3, 32.1, 31.…
## $ tmin <dbl> 20.7, 19.3, 19.7, 19.9, 19.6, 20.0, 20.4, 21.2, 19.0, 19.…
## $ chuva <dbl> 0.0, 0.0, 0.0, 0.4, 0.3, 0.0, 4.9, 0.0, 0.0, 6.1, 0.4, 1.…
## $ mes <dbl> 12, 1, 1, 1, 2, 2, 2, 2, 10, 11, 11, 11, 11, 12, 12, 12, …
## $ ano <dbl> 1992, 1993, 1993, 1993, 1993, 1993, 1993, 1993, 1993, 199…
Ao observar no gráfico as médias de temperatura em Campina Grande no mês de Junho nos últimos anos (sabendo que o São João ocorre neste mês), É posséível afirmar que o São João mais frio foi o do ano de 2015 (com uma média de 22.62 graus). Pode-se observar que o ano de 2011 foi um ano em que o São João teve uma média de temperatura quase igual ao ano de 2015 (com uma média de 22.66 graus).
climas2 <- climas %>%
filter(ano >= 2009, mes == 6, cidade == "Campina Grande") %>%
group_by(ano) %>%
mutate(tmedia_sj = (sum(tmedia) / n())) %>%
ungroup() %>%
mutate(min_value = min(tmedia_sj)) %>%
group_by(ano) %>%
summarise(tmedia_sj = (sum(tmedia) / n()),
min_value = min(min_value))
climas_ano <- climas %>%
filter(ano >= 2009, mes == 6, cidade == "Campina Grande") %>%
group_by(ano)
ggplot() +
geom_line(data = climas2, aes(x = ano, y = tmedia_sj, color = "salmon"), size = 1) +
geom_point(data = climas2, aes(x = ano, y = tmedia_sj, color = "salmon")) +
geom_line(data = climas2, aes(x = ano, y = min_value), color='steelblue', size=0.5) +
geom_point(data = climas_ano, aes(x = ano, y = tmedia), alpha = 2/10) +
scale_x_continuous(breaks = seq(2009, 2018, 1)) +
labs(
title = "Média das temperaturas no São João de Campina Grande",
x = "Ano",
y = "Temperaturas no mês de Junho"
) +
theme(legend.position = "none")
Para responder a essa pergunta, vamos considerar a média de chuvas por mês a partir do ano de 2014 até 2018 (pontos e linhas coloridas), como também a média anual (linha em azul). Escolhemos esses anos pois esses tinham dados de todos os meses e para refletir uma realidade mais atual.
Vamos observar o gráfico de chuvas para a cidade de Campina Grande:
cg_chuva <- climas %>%
filter(cidade == "Campina Grande", ano > 2013 & ano < 2019) %>%
select(chuva, semana, mes, ano, cidade) %>%
group_by(mes, ano) %>%
arrange(mes, ano) %>%
summarise(media_chuva = sum(chuva) / n() )
ggplot(data = cg_chuva, mapping = aes(x = mes , y = media_chuva, color = as.factor(ano) )) +
geom_point() +
geom_line() +
# geom_col() +
# geom_boxplot(coef = 1000, width = .4) +
# geom_text(aes(label=mes + " " + ano),hjust=0, vjust=0) +
geom_hline(aes(yintercept=mean(media_chuva)), show.legend = FALSE, color = "blue") +
scale_x_continuous(breaks = seq(1,12,1)) +
scale_y_continuous(breaks = seq(0,100,5)) +
# theme(axis.text.x = element_text(angle = 90)) +
labs(title = "Média de chuva por mês e média anual (CG)",
x = "Mês",
y = "Chuva (mm)",
color = "Anos")
O mês que teve a maior média de chuvas em Campina Grande foi abril de 2018, onde choveu em torno de 43mm. Já a média anual durante os anos escolhidos em Campina Grande ficou em torno de 12mm.
Agora vamos observar o gráfico de chuvas para a cidade de João Pessoa:
jp_chuva <- climas %>%
filter(cidade == "João Pessoa", ano > 2013 & ano < 2019) %>%
select(chuva, semana, mes, ano, cidade) %>%
group_by(mes, ano) %>%
arrange(mes, ano) %>%
summarise(media_chuva = sum(chuva) / n() )
ggplot(data = jp_chuva, mapping = aes(x = mes , y = media_chuva, color = as.factor(ano) )) +
geom_point() +
geom_line() +
# geom_col() +
# geom_boxplot(coef = 1000, width = .4) +
# geom_text(aes(label=mes + " " + ano),hjust=0, vjust=0) +
geom_hline(aes(yintercept=mean(media_chuva)), show.legend = FALSE, color = "blue") +
scale_x_continuous(breaks = seq(1,12,1)) +
scale_y_continuous(breaks = seq(0,100,10)) +
# theme(axis.text.x = element_text(angle = 90)) +
labs(title = "Média de chuva por mês e média anual (JP)",
x = "Mês",
y = "Chuva (mm)",
color = "Anos")
O mês que teve a maior média de chuvas em João Pessoa foi maio de 2017, onde choveu em torno de 95mm. Já a média anual durante os anos escolhidos em João Pessoa ficou em torno de 30mm.
Portanto, podemos perceber pelos gráficos que tanto a média de chuva mensal quanto a média de chuvas anual é maior em João Pessoa.
Vamos analisar a distribuição das temperaturas médias na estação do verão na cidade de João Pessoa. Para melhor comparar a tendência, vamos restringir os dados aos últimos 5 anos.
# nova coluna para estação
climas = climas %>% mutate(dia=lubridate::day(semana)) %>% mutate(estacao = if_else(mes>=4 & mes <=6, "outono", if_else(mes>=7 & mes <=9, "inverno", if_else(mes>=9 & mes <=11, "primavera", if_else(mes==12 | mes <=3, "verao", "NA") ) ) ) )
temp_verao_jp_ultimos_5_anos <- climas %>%
filter(cidade == "João Pessoa", ano > 2014, estacao == "verao") %>%
group_by(ano);
temp_verao_jp_ultimos_5_anos %>%
ggplot(aes(x = ano, y = tmedia, group = ano)) +
geom_boxplot(coef = 1000, width = .2) +
# mostrar todos os boxplots em um só gráfico
# facet_wrap(~ano)
# mostrar pontos
geom_jitter(width = 0.05,
alpha = 0.4,
color = "red") +
# nomes formatados nos eixos
labs(
x = 'Ano',
y = "Temperatura média",
title = "Variação da temperatura média por ano (JP)"
) +
# visualizar melhor as temperaturas
scale_y_continuous(breaks = seq(15,40,0.1))
Algumas observações podem ser feitas a partir da visualização acima. Primeiro, nos últimos anos as temperaturas médias se concentraram entre 28.4 e 29.5 graus. O ano de 2017, em especial, registrou a maior mediana de temperatura nos últimos anos, aproximadamente 29.4ºC. Considerando os anos registrados, não podemos afirmar com certeza sobre o aumento (ou diminuição) da temperatura média, porque não há uma tendência geral nos dados apresentados. Para isso, talvez para isso fosse necessário pegar um intervalo de tempo maior.