PISCO MENSUAL

library(sp)
library(rgdal)
library(Rcpp) # for R 4.x versions, try also package “terra”
library(raster)
library(ncdf4)
# Definiendo un directorio de trabajo donde se encuentren los archivos input descargados
setwd("C:/Users/DELL/Desktop/UTEC 2022-2/Hidrología/VILCANOTA_PISCO/shapefile")
Warning: The working directory was changed to C:/Users/DELL/Desktop/UTEC 2022-2/Hidrología/VILCANOTA_PISCO/shapefile inside a notebook chunk. The working directory will be reset when the chunk is finished running. Use the knitr root.dir option in the setup chunk to change the working directory for notebook chunks.
# Leyendo el polígono CuencaVeronica.shp (layer: CuencaVeronica) desde la carpeta “files” con data source name (dsn)
cuenca.shape <- readOGR(dsn="veronica", layer="CuencaVeronica")
OGR data source with driver: ESRI Shapefile 
Source: "C:\Users\DELL\Desktop\UTEC 2022-2\Hidrología\VILCANOTA_PISCO\shapefile\veronica", layer: "CuencaVeronica"
with 1 features
It has 3 fields
Integer64 fields read as strings:  id 
# Conociendo el tipo de objeto después de la importación
class(cuenca.shape)
[1] "SpatialPolygonsDataFrame"
attr(,"package")
[1] "sp"
# Visualizando la cuenca con color cyan, se aprecia que se encuentra en coordenadas geograficas
plot(cuenca.shape, axes=T, col=c("green"))


# Conociendo el contenido del polígono importado
head(cuenca.shape@data)

# Transformando a UTM zona 18, WGS84 y visualizando la conversión
cuenca.utm <- spTransform(cuenca.shape, CRS("+proj=utm +zone=18 +ellps=WGS84 +south +datum=WGS84 +units=m +no_defs +ellps=WGS84 +towgs84=0,0,0"))
plot(cuenca.utm, axes=T, asp=1)

help("plot")
# Reproyectando a Geograficas WGS84 y visualizando la reconversión
cuenca.wgs <- spTransform(cuenca.utm, CRS("+proj=longlat +ellps=WGS84"))
plot(cuenca.wgs, axes=T, asp=1, cex.axis=1, las=1, col="dark green", main="Mapa de la cuenca Verónica")


# Extrayendo datos y visualizando el producto ráster PISCO
r <- stack("PISCOV3-MONTHLY.nc") # El archivo *.nc debe estar en la ruta directa setwd

# Visualizando la precipitación espacial del primer mes (enero) de 1981
plot(r[[1]])

# Ploteando la cuenca Verónica dentro del mapa de precipitaciones
plot(cuenca.wgs, add=T)


# Visualizando la precipitación espacial del primer mes (febrero) de 1981
plot(r[[2]])

# Ploteando la cuenca del Veronica dentro del mapa de precipitaciones
plot(cuenca.wgs, add=T)


# Delimitando el área de estudio al cuadrante que ocupa la Cuenca Veronica
r.basin <- crop(r, cuenca.wgs, snap="out")

# Ploteando el primer mes (enero) de 1981 en el cuadrante que ocupa la Cuenca Veronica
plot(r.basin[[1]])
plot(cuenca.wgs, add=T)


# Delimitando el área de estudio a la cuenca de la Cuenca Veronica
r.basin <- mask(r.basin, cuenca.wgs)

# Ploteando los meses de enero a diciembre de 1981
plot(r.basin[[1:12]])

  
# Extrayendo los datos y promediando todas las grillas de la cuenca de la Cuenca Veronica
pp.cuenca.mensual <- extract(r.basin, cuenca.wgs, fun=mean)
colnames(pp.cuenca.mensual) <- 1:ncol(pp.cuenca.mensual)

# Visualizando los 431 datos promediados
View(pp.cuenca.mensual)
range(pp.cuenca.mensual)
[1]  11.2841 253.9020
# Ploteando la serie de los 431 valores de precipitación mensual promedio areal
plot(pp.cuenca.mensual[1,], type="o", col="1", ylim=c(0,300), ylab="P (mm)", xlab = "Meses", main="Precipitacion promedio areal - Vilcanota (mm)")

Pasando datos mensaules a excel

# todos meses desde 1981
Pisco <- data.frame(pp.cuenca.mensual[1,])
write.csv(Pisco, "C:/Users/DELL/Desktop/UTEC 2022-2/Hidrología/Hidro R/Entregable 2/Pisco.csv", row.names=FALSE)
LS0tDQp0aXRsZTogIlIgTm90ZWJvb2siDQpvdXRwdXQ6IGh0bWxfbm90ZWJvb2sNCi0tLQ0KDQojIFBJU0NPIE1FTlNVQUwNCg0KYGBge3J9DQpsaWJyYXJ5KHNwKQ0KbGlicmFyeShyZ2RhbCkNCmxpYnJhcnkoUmNwcCkgIyBmb3IgUiA0LnggdmVyc2lvbnMsIHRyeSBhbHNvIHBhY2thZ2Ug4oCcdGVycmHigJ0NCmxpYnJhcnkocmFzdGVyKQ0KbGlicmFyeShuY2RmNCkNCiMgRGVmaW5pZW5kbyB1biBkaXJlY3RvcmlvIGRlIHRyYWJham8gZG9uZGUgc2UgZW5jdWVudHJlbiBsb3MgYXJjaGl2b3MgaW5wdXQgZGVzY2FyZ2Fkb3MNCnNldHdkKCJDOi9Vc2Vycy9ERUxML0Rlc2t0b3AvVVRFQyAyMDIyLTIvSGlkcm9sb2fDrWEvVklMQ0FOT1RBX1BJU0NPL3NoYXBlZmlsZSIpDQoNCiMgTGV5ZW5kbyBlbCBwb2zDrWdvbm8gQ3VlbmNhVmVyb25pY2Euc2hwIChsYXllcjogQ3VlbmNhVmVyb25pY2EpIGRlc2RlIGxhIGNhcnBldGEg4oCcZmlsZXPigJ0gY29uIGRhdGEgc291cmNlIG5hbWUgKGRzbikNCmN1ZW5jYS5zaGFwZSA8LSByZWFkT0dSKGRzbj0idmVyb25pY2EiLCBsYXllcj0iQ3VlbmNhVmVyb25pY2EiKQ0KDQojIENvbm9jaWVuZG8gZWwgdGlwbyBkZSBvYmpldG8gZGVzcHXDqXMgZGUgbGEgaW1wb3J0YWNpw7NuDQpjbGFzcyhjdWVuY2Euc2hhcGUpDQoNCiMgVmlzdWFsaXphbmRvIGxhIGN1ZW5jYSBjb24gY29sb3IgY3lhbiwgc2UgYXByZWNpYSBxdWUgc2UgZW5jdWVudHJhIGVuIGNvb3JkZW5hZGFzIGdlb2dyYWZpY2FzDQpwbG90KGN1ZW5jYS5zaGFwZSwgYXhlcz1ULCBjb2w9YygiZ3JlZW4iKSkNCg0KIyBDb25vY2llbmRvIGVsIGNvbnRlbmlkbyBkZWwgcG9sw61nb25vIGltcG9ydGFkbw0KaGVhZChjdWVuY2Euc2hhcGVAZGF0YSkNCg0KIyBUcmFuc2Zvcm1hbmRvIGEgVVRNIHpvbmEgMTgsIFdHUzg0IHkgdmlzdWFsaXphbmRvIGxhIGNvbnZlcnNpw7NuDQpjdWVuY2EudXRtIDwtIHNwVHJhbnNmb3JtKGN1ZW5jYS5zaGFwZSwgQ1JTKCIrcHJvaj11dG0gK3pvbmU9MTggK2VsbHBzPVdHUzg0ICtzb3V0aCArZGF0dW09V0dTODQgK3VuaXRzPW0gK25vX2RlZnMgK2VsbHBzPVdHUzg0ICt0b3dnczg0PTAsMCwwIikpDQpwbG90KGN1ZW5jYS51dG0sIGF4ZXM9VCwgYXNwPTEpDQpoZWxwKCJwbG90IikNCiMgUmVwcm95ZWN0YW5kbyBhIEdlb2dyYWZpY2FzIFdHUzg0IHkgdmlzdWFsaXphbmRvIGxhIHJlY29udmVyc2nDs24NCmN1ZW5jYS53Z3MgPC0gc3BUcmFuc2Zvcm0oY3VlbmNhLnV0bSwgQ1JTKCIrcHJvaj1sb25nbGF0ICtlbGxwcz1XR1M4NCIpKQ0KcGxvdChjdWVuY2Eud2dzLCBheGVzPVQsIGFzcD0xLCBjZXguYXhpcz0xLCBsYXM9MSwgY29sPSJkYXJrIGdyZWVuIiwgbWFpbj0iTWFwYSBkZSBsYSBjdWVuY2EgVmVyw7NuaWNhIikNCg0KIyBFeHRyYXllbmRvIGRhdG9zIHkgdmlzdWFsaXphbmRvIGVsIHByb2R1Y3RvIHLDoXN0ZXIgUElTQ08NCnIgPC0gc3RhY2soIlBJU0NPVjMtTU9OVEhMWS5uYyIpICMgRWwgYXJjaGl2byAqLm5jIGRlYmUgZXN0YXIgZW4gbGEgcnV0YSBkaXJlY3RhIHNldHdkDQoNCiMgVmlzdWFsaXphbmRvIGxhIHByZWNpcGl0YWNpw7NuIGVzcGFjaWFsIGRlbCBwcmltZXIgbWVzIChlbmVybykgZGUgMTk4MQ0KcGxvdChyW1sxXV0pDQoNCiMgUGxvdGVhbmRvIGxhIGN1ZW5jYSBWZXLDs25pY2EgZGVudHJvIGRlbCBtYXBhIGRlIHByZWNpcGl0YWNpb25lcw0KcGxvdChjdWVuY2Eud2dzLCBhZGQ9VCkNCg0KIyBWaXN1YWxpemFuZG8gbGEgcHJlY2lwaXRhY2nDs24gZXNwYWNpYWwgZGVsIHByaW1lciBtZXMgKGZlYnJlcm8pIGRlIDE5ODENCnBsb3QocltbMl1dKQ0KDQojIFBsb3RlYW5kbyBsYSBjdWVuY2EgZGVsIFZlcm9uaWNhIGRlbnRybyBkZWwgbWFwYSBkZSBwcmVjaXBpdGFjaW9uZXMNCnBsb3QoY3VlbmNhLndncywgYWRkPVQpDQoNCiMgRGVsaW1pdGFuZG8gZWwgw6FyZWEgZGUgZXN0dWRpbyBhbCBjdWFkcmFudGUgcXVlIG9jdXBhIGxhIEN1ZW5jYSBWZXJvbmljYQ0Kci5iYXNpbiA8LSBjcm9wKHIsIGN1ZW5jYS53Z3MsIHNuYXA9Im91dCIpDQoNCiMgUGxvdGVhbmRvIGVsIHByaW1lciBtZXMgKGVuZXJvKSBkZSAxOTgxIGVuIGVsIGN1YWRyYW50ZSBxdWUgb2N1cGEgbGEgQ3VlbmNhIFZlcm9uaWNhDQpwbG90KHIuYmFzaW5bWzFdXSkNCnBsb3QoY3VlbmNhLndncywgYWRkPVQpDQoNCiMgRGVsaW1pdGFuZG8gZWwgw6FyZWEgZGUgZXN0dWRpbyBhIGxhIGN1ZW5jYSBkZSBsYSBDdWVuY2EgVmVyb25pY2ENCnIuYmFzaW4gPC0gbWFzayhyLmJhc2luLCBjdWVuY2Eud2dzKQ0KDQojIFBsb3RlYW5kbyBsb3MgbWVzZXMgZGUgZW5lcm8gYSBkaWNpZW1icmUgZGUgMTk4MQ0KcGxvdChyLmJhc2luW1sxOjEyXV0pDQogIA0KIyBFeHRyYXllbmRvIGxvcyBkYXRvcyB5IHByb21lZGlhbmRvIHRvZGFzIGxhcyBncmlsbGFzIGRlIGxhIGN1ZW5jYSBkZSBsYSBDdWVuY2EgVmVyb25pY2ENCnBwLmN1ZW5jYS5tZW5zdWFsIDwtIGV4dHJhY3Qoci5iYXNpbiwgY3VlbmNhLndncywgZnVuPW1lYW4pDQpjb2xuYW1lcyhwcC5jdWVuY2EubWVuc3VhbCkgPC0gMTpuY29sKHBwLmN1ZW5jYS5tZW5zdWFsKQ0KDQojIFZpc3VhbGl6YW5kbyBsb3MgNDMxIGRhdG9zIHByb21lZGlhZG9zDQpWaWV3KHBwLmN1ZW5jYS5tZW5zdWFsKQ0KcmFuZ2UocHAuY3VlbmNhLm1lbnN1YWwpDQoNCiMgUGxvdGVhbmRvIGxhIHNlcmllIGRlIGxvcyA0MzEgdmFsb3JlcyBkZSBwcmVjaXBpdGFjacOzbiBtZW5zdWFsIHByb21lZGlvIGFyZWFsDQpwbG90KHBwLmN1ZW5jYS5tZW5zdWFsWzEsXSwgdHlwZT0ibyIsIGNvbD0iMSIsIHlsaW09YygwLDMwMCksIHlsYWI9IlAgKG1tKSIsIHhsYWIgPSAiTWVzZXMiLCBtYWluPSJQcmVjaXBpdGFjaW9uIHByb21lZGlvIGFyZWFsIC0gVmlsY2Fub3RhIChtbSkiKQ0KYGBgDQoNCiMgUGFzYW5kbyBkYXRvcyBtZW5zYXVsZXMgYSBleGNlbA0KYGBge3J9DQojIHRvZG9zIG1lc2VzIGRlc2RlIDE5ODENClBpc2NvIDwtIGRhdGEuZnJhbWUocHAuY3VlbmNhLm1lbnN1YWxbMSxdKQ0Kd3JpdGUuY3N2KFBpc2NvLCAiQzovVXNlcnMvREVMTC9EZXNrdG9wL1VURUMgMjAyMi0yL0hpZHJvbG9nw61hL0hpZHJvIFIvRW50cmVnYWJsZSAyL1Bpc2NvLmNzdiIsIHJvdy5uYW1lcz1GQUxTRSkNCmBgYA0KDQo=