Luis Miguel da Costa
(Costa, L.M., 2021. SWAT: Tratamento e algumas aplicações da base de dados.)
Este é um exemplo de como tratar e fazer algumas estatísticas basicas com os dados do swat.
Os dados do swat vêm com a coluna de datas com problemas, como pode se ver na figura, por isso nosso primeiro trabalho será arrumar este problema!
Para isso iremos utilizar a função correction_fun que está na pasta
R.
source("r/correction_fun.R")Primeiro iremos criar os arquivos corrigidos, eles serão salvos na pasta data.
lista <- list.files("data-raw/", pattern = "weather")
correction(lista)Agora que eles estão criados, iremos testar e ver como nossos dados estão.
file_name <- list.files("data/",pattern = ".csv")
tabela_exemplo <- readr::read_csv(paste0("data/",file_name[1]))
head(tabela_exemplo)## # A tibble: 6 x 13
## ...1 dates jday longitude latitude elevation tm max_temperature
## <dbl> <date> <dbl> <dbl> <dbl> <dbl> <dbl> <dbl>
## 1 1 1979-01-01 1 -44.7 -22.3 1784 20.6 24.4
## 2 2 1979-01-02 2 -44.7 -22.3 1784 20.6 24.5
## 3 3 1979-01-03 3 -44.7 -22.3 1784 20.7 23.9
## 4 4 1979-01-04 4 -44.7 -22.3 1784 18.2 20.6
## 5 5 1979-01-05 5 -44.7 -22.3 1784 15.5 16.8
## 6 6 1979-01-06 6 -44.7 -22.3 1784 14.7 16.2
## # ... with 5 more variables: min_temperature <dbl>, precipitation <dbl>,
## # rh <dbl>, solar <dbl>, wind <dbl>
Agora vamos criar uma base geral para todas as estações! Valor utilizar
a funçao geral_data para criar essa base.
# chamando função
source("r/geral_data_fun.R")
# criando a base
db <- purrr::map_df(file_name,geral_data)
write.csv(db, "data-raw/database.csv")Nossas estatiticas se concentram nas descritivas, portanto as tabelas criadas a a partir desse script serão: Media (mean), Desvio padrão (sd), Minimo (min), Máximo (max), Mediana (med) e Moda (mod).
Iremos fazer as climaticas em dias julianos e em meses, com as
geral_fun, os arquivos gerais estarão salvos em data/geral.
## utilizar as funções criadas
source("r/geral_julian_fun.R")
source("r/geral_month_fun.R")
## chamando os dados gerais
basegeral <- list.files("data-raw/", pattern = "database")
## criando as tabelas climaticas gerais
geral_julian(basegeral)
geral_month(basegeral)Agora iremos fazer as climaticas em dias julianos e em meses para cada
estação, com as ind_fun, o objeto com os arquivos já está criado
(file_name).
Os arquivos mensais para estação indivudual serão salvos em data/individual/month, já os arquivos para a climática em dias julianos estarão salvos em data/individual/julian.
# chamando funções
source("r/ind_julian_fun.R")
source("r/ind_month_fun.R")
# criando as climaticas para cada estação
ind_julian(file_name)
ind_month(file_name)julianbase <- readr::read_csv("data/geral/julianclimat.csv")
julianbase |>
ggplot2::ggplot(ggplot2::aes(x=JDAY, y=P_mean))+
ggplot2::geom_line()+
ggplot2::geom_point()+
ggplot2::xlab("Julian Days")+
ggplot2::ylab("Daily mean of Precipitation (mm)")+
ggplot2::theme_classic()
list_esta <- list.files("data/individual/julian/", pattern = "csv")
tab <- readr::read_csv(paste0("data/individual/julian/",list_esta[1]))
tab |>
ggplot2::ggplot(ggplot2::aes(x=JDAY, y=P_mean))+
ggplot2::geom_line()+
ggplot2::geom_point()+
ggplot2::xlab("Julian Days")+
ggplot2::ylab("Daily mean of Precipitation (mm)")+
ggplot2::theme_classic()