# bibliotecas necessárias
library(rlang)
library(here)
library(magrittr)
library(readr)
library(ggplot2)
library(dplyr)
theme_set(theme_bw())
Iremos analisar as chuvas durante os anos de 2017, 2018 e 2019. Esperamos com essa análise verificar um comportamento característico no sertão (Patos) e diferente para as regiões de Campina Grande e João Pessoa. No sertão, as chuvas acontecem no começo do ano, tanto que os agricultores consideram essa época o inverno.
Percebe-se pelos gráficos que as chuvas, em Patos, acontecem antes de maio e durante todo resto do ano, há extiagem. Em Campina Grande, região da Zona da Mata (entre o litoral e o sertão) o período de chuvas se prolanga por mais meses no ano. Em João Pessoa, região litorânea, há chuvas praticamente durante todo ano.
clima_tudo = read_csv(
here("data/tempo-jp-cg-pt.csv"),
col_types = cols(
.default = col_double(),
cidade = col_character(),
semana = col_date(format = ""),
ano = col_integer(),
mes = col_integer()
)
)
clima = clima_tudo %>%
filter(ano == 2020)
#clima %>%
# head() %>%
# knitr::kable()
clima_2017 = clima_tudo %>%
filter(ano == 2017)
clima_2017 %>%
ggplot(aes(x = semana, y = chuva, color = cidade)) +
geom_line() +
facet_wrap(~ ano) +
labs(
y = "Chuvas (mm)",
x = "Semanas de 2017"
)
clima_2018 = clima_tudo %>%
filter(ano == 2018)
clima_2018 %>%
ggplot(aes(x = semana, y = chuva, color = cidade)) +
geom_line() +
facet_wrap(~ ano) +
labs(
y = "Chuvas (mm)",
x = "Semanas de 2018"
)
clima_2019 = clima_tudo %>%
filter(ano == 2019)
clima_2019 %>%
ggplot(aes(x = semana, y = chuva, color = cidade)) +
geom_line() +
labs(
y = "Chuvas em Patos (mm)",
x = "Semanas de 2019"
)