João Pessoa, Campina Grande e Patos pertencem a regiões distintas da Paraíba sendo elas: Mata Paraibana, Agreste Paraibano e Sertão Paraibano, respectivamente. Por esta razão, as cidades estudadas são um bom exemplo para investigar a diferença do clima paraibano. A priori, é esperado que as cidades de Campina Grande e João Pessoa tenham um clima mais frio em relação à patos, principalmente no período de festas juninas (Junho) e que, neste período, é esperado um descate para Campina Grande apresentando temperaturas mais baixas que João Pessoa e Patos. Diante disto, queremos responder às seguintes questões:

Buscando responder as perguntas, estão sendo utilizados os dados meteriologicos do INMET (Instituto Nacional de Meteorologia )do Brasil, os dados foram filtrados por ano/mes e unidades de medida meteriologicas (umidade e temperatura). O gráfico a seguir mostra a distribuição da umidade ao longo do ano de 2019 para as três cidades estudadas:

library(tidyverse)
library(here)
theme_set(theme_bw())
# SEMPRE read_csv NUNCA read.csv
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 == 2019)
#clima
clima %>% 
    ggplot(mapping = aes(y = umidade, x = semana, color = cidade)) + 
    facet_wrap(~ cidade, ncol = 1)+
    geom_jitter(height = .1, alpha = .6) + 
    labs(
         x = "Meses do ano de 2019", 
         y = "Umidade Média Semanal em porcentagem",
         title = "Gráfico 1 - distribuição da umidade do ar em 2019"
    )

Observando o gráfico, notamos que a distribuição da umidade de Campina Grande e João pessoa são bem semelhantes com variação entre 70% e 90%, sendo João Pessoa com valores levemente maiores que Campina Grande. Além disso, essas duas cidades mostram um aumento na umidade entre os meses de Abril e Agosto. Como esperado, os resultados para Patos mostram a umidade com valores mais baixos em comparação as outras cidades, tendo uma leve melhora entre Abril e Junho. Ademais, campina grande apresenta umidades mais baixas a partir de Novembro com valores chegando em 60%, enquanto que João Pessoa se mantém acima dos 65%.

Abaixo, o gráfico de densidade mostra o comportamento da temperatura das três cidades estudadas pra o mês de Junho nos ultimos três anos:

clima_tudo %>% 
    filter(ano >= 2018, ano < 2021, mes == 6) %>% 
    ggplot(aes(x = temp_media)) + 
    facet_wrap(vars(cidade, ano))+ 
    geom_density(fill = "coral", color = "black")+
    labs(
      x = "Temperatura média semanal em jumho nos ultimos três anos",
      y = "Densidade dos valores de temperatura média semanal",
      title = "Gráfico 2 - Densidade da Temperatura semanal no mês de junho nos ultimos três anos"
    )
## Warning: Removed 4 rows containing non-finite values (stat_density).

Quando falamos em temperatura, em particular no mês das festas juninas (Junho), Vemos que Campina Grande - considerada a cidade do Maior São João do Mundo - apresenta um clima mais frio com temperaturas mais baixas variando de 22ºC até 24ºC, tendo uma alteração no ano de 2019 em que tivemos um segundo pico entre 25ºC e 26ºC. Como esperado, Campina Grande se mostrou mais fria que as demais cidades, João Pessoa apresentou uma densidade maior nas temperaturas variando entre 25ºC e 28ºC ao longo dos três ultimos anos, com destaque para o ano de 2018 onde a densidade foi maior com temperaturas entre 25ºC e 27ºC. Já Patos, aprenta temperaturas mais altas com um pico de densidade em aproximadamente 26,5ºC para o ano de 2018 e uma variação entre 26ºC e 28ºC para o ano de 2019.

Analisando os dados, é importante ressaltar que existem dados faltantes a partir de março/2020 para cidade de Patos (conforme tabela a seguir), devido a falta de infomrações para uma comparação mais justa, é ncessário que novas investigações sobre esses dados faltantes sejam feitas.

dados_faltantes = clima_tudo %>% 
    filter(ano == 2020, is.na(temp_media), cidade=='Patos')
dados_faltantes %>% 
    select(cidade, temp_media, ano, mes) %>%
    DT::datatable()