library(riem)
library(tidyverse)
## ── Attaching packages ─────────────────────────────────────── tidyverse 1.3.2 ──
## ✔ ggplot2 3.3.6      ✔ purrr   0.3.4 
## ✔ tibble  3.1.8      ✔ dplyr   1.0.10
## ✔ tidyr   1.2.1      ✔ stringr 1.4.1 
## ✔ readr   2.1.2      ✔ forcats 0.5.2 
## ── Conflicts ────────────────────────────────────────── tidyverse_conflicts() ──
## ✖ dplyr::filter() masks stats::filter()
## ✖ dplyr::lag()    masks stats::lag()
library(lubridate)
## 
## Attaching package: 'lubridate'
## 
## The following objects are masked from 'package:base':
## 
##     date, intersect, setdiff, union
library(ggplot2)
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

Buscar la red del país y el código de la ciudad

view(riem_networks())
view(riem_stations("MX__ASOS"))

Obtener los resultados del clima

mty <- riem_measures("MMAN")
str(mty)
## tibble [58,219 × 32] (S3: tbl_df/tbl/data.frame)
##  $ station          : chr [1:58219] "MMAN" "MMAN" "MMAN" "MMAN" ...
##  $ valid            : POSIXct[1:58219], format: "2014-01-01 00:40:00" "2014-01-01 01:41:00" ...
##  $ lon              : num [1:58219] -100 -100 -100 -100 -100 ...
##  $ lat              : num [1:58219] 25.9 25.9 25.9 25.9 25.9 ...
##  $ tmpf             : num [1:58219] 48.2 48.2 46.4 46.4 46.4 46.4 46.4 46.4 48.2 48.2 ...
##  $ dwpf             : num [1:58219] 48.2 48.2 46.4 46.4 46.4 46.4 46.4 46.4 48.2 48.2 ...
##  $ relh             : num [1:58219] 100 100 100 100 100 100 100 100 100 100 ...
##  $ drct             : num [1:58219] 100 120 100 100 140 90 110 0 280 0 ...
##  $ sknt             : num [1:58219] 3 4 4 5 4 4 4 0 4 0 ...
##  $ p01i             : num [1:58219] 0 0 0 0 0 0 0 0 0 0 ...
##  $ alti             : num [1:58219] 30.3 30.3 30.3 30.3 30.3 ...
##  $ mslp             : num [1:58219] NA NA 1027 NA NA ...
##  $ vsby             : num [1:58219] 5 5 3 0 0 0 0 0.5 0.5 0.75 ...
##  $ gust             : num [1:58219] NA NA NA NA NA NA NA NA NA NA ...
##  $ skyc1            : chr [1:58219] "BKN" "BKN" "BKN" "VV " ...
##  $ skyc2            : chr [1:58219] "OVC" "OVC" "OVC" NA ...
##  $ skyc3            : chr [1:58219] NA NA NA NA ...
##  $ skyc4            : chr [1:58219] NA NA NA NA ...
##  $ skyl1            : num [1:58219] 1200 1200 600 0 0 0 0 300 500 500 ...
##  $ skyl2            : num [1:58219] 2000 2000 1000 NA NA NA NA NA NA 10000 ...
##  $ skyl3            : num [1:58219] NA NA NA NA NA NA NA NA NA NA ...
##  $ skyl4            : num [1:58219] NA NA NA NA NA NA NA NA NA NA ...
##  $ wxcodes          : chr [1:58219] NA NA "BR" "FG" ...
##  $ ice_accretion_1hr: logi [1:58219] NA NA NA NA NA NA ...
##  $ ice_accretion_3hr: logi [1:58219] NA NA NA NA NA NA ...
##  $ ice_accretion_6hr: logi [1:58219] NA NA NA NA NA NA ...
##  $ peak_wind_gust   : logi [1:58219] NA NA NA NA NA NA ...
##  $ peak_wind_drct   : logi [1:58219] NA NA NA NA NA NA ...
##  $ peak_wind_time   : logi [1:58219] NA NA NA NA NA NA ...
##  $ feel             : num [1:58219] 47.2 46.3 44.2 43.5 44.2 ...
##  $ metar            : chr [1:58219] "MMAN 010040Z 10003KT 5SM BKN012 OVC020 09/09 A3031 RMK 8/5// HZ" "MMAN 010141Z 12004KT 5SM BKN012 OVC020 09/09 A3032 RMK 8/5// HZ" "MMAN 010240Z 10004KT 3SM BR BKN006 OVC010 08/08 A3033 RMK SLP267 52003 967 8/7//" "MMAN 010306Z 10005KT 0SM FG VV000 08/08 A3032 RMK 8////" ...
##  $ snowdepth        : logi [1:58219] NA NA NA NA NA NA ...

Extraer la información de este mes

este_mes <- subset(mty, valid >= as.POSIXct('2022-09-01 00:00') & valid <= as.POSIXct('2022-09-13 23:59'))

Graficar la información

plot(este_mes$valid, este_mes$relh)

Conclusión

En conclusión, con la información proporcionada por el sistema ASOS se puede acceder a información internacional sobre la actividad climatológica. En este caso utilizamos la información de la ciudad de Monterrey para visualizar la actividad relacionada a las lluvias en el mes de Septiembre. Como se puede ver al inicio del mes es cuando estaba más intenso, lo cual coincide con las lluvias que se experimentaron en la ciudad.