Ecosyste.ms: Awesome

An open API service indexing awesome lists of open source software.

Awesome Lists | Featured Topics | Projects

https://github.com/AgRoMeteorologiaINTA/agroclimatico

Conjunto de funciones para calcular índices y estadísticos climáticos hidrológicos a partir de datos tidy. Incluye una función para graficar resultados georeferenciados y e información cartográfica.
https://github.com/AgRoMeteorologiaINTA/agroclimatico

agrometeo meteorologia

Last synced: 3 months ago
JSON representation

Conjunto de funciones para calcular índices y estadísticos climáticos hidrológicos a partir de datos tidy. Incluye una función para graficar resultados georeferenciados y e información cartográfica.

Awesome Lists containing this project

README 

        
---

output: github_document

---



```{r, include = FALSE}

knitr::opts_chunk$set(

  collapse = TRUE,

  comment = "#>",

  fig.path = "man/figures/README-",

  out.width = "100%"

)

```



# agroclimatico 



[![R-CMD-check](https://github.com/AgRoMeteorologiaINTA/agroclimatico/actions/workflows/R-CMD-check.yaml/badge.svg)](https://github.com/AgRoMeteorologiaINTA/agroclimatico/actions/workflows/R-CMD-check.yaml)

[![Codecov test coverage](https://codecov.io/gh/AgRoMeteorologiaINTA/agroclimatico/branch/master/graph/badge.svg)](https://codecov.io/gh/AgRoMeteorologiaINTA/agroclimatico?branch=master)

[![Status at rOpenSci Software Peer Review](https://badges.ropensci.org/599_status.svg)](https://github.com/ropensci/software-review/issues/599)



El paquete {agroclimatico} incluye una serie de funciones para calcular índices y estadísticos climáticos e hidrológicos a partir de datos tidy. Por ejemplo `umbrales()` permite contar la cantidad de observaciones que cumplen una determinada condición y `dias_promedio()` devuelve el primer y último día del año promedio de ocurrencia de un evento. 



Otras funciones como `spi_indice()` funcionan como wrappers de funciones de otros paquetes y buscan ser compatibles con el manejo de datos [*tidy*](https://es.r4ds.hadley.nz/12-tidy.html) usando por ejemplo los verbos de dplyr. 



Finalmente el paquete incluye una función de graficado de datos georeferenciados `mapear()` con el estilo y logo propios de [Instituto Nacional de Tecnología Agropecuaria](https://www.argentina.gob.ar/inta) (INTA). Como complementos el paquete también provee mapas de Argentina a nivel nacional, provincial y por departamentos que se pueden usar en el contexto de ggplot para graficar variables meteorológicas e índices agroclimáticos. 



## Instalación 



Para instalar la versión de desarrollo desde [GitHub](https://github.com/), usá: 



``` r

# install.packages("remotes")

remotes::install_github("AgRoMeteorologiaINTA/agroclimatico", build_vignettes = TRUE)

```



## Ejemplos



A continuación se muestra el uso de algunas funciones. Podés encontrar más ejemplos y usos en la viñeta, con 



```r 

vignette("estadisticas-e-indices-climaticos", "agroclimatico")

```



Si se quieren utilizar los datos con formato NH (archivos con columnas de ancho fijo usado por el INTA para distribuir los datos de las estaciones meteorológicas de su red) se puede utilizar la función `leer_nh()` y opcionalmente acceder a sus metadatos con `metadatos_nh()`.



```{r message=FALSE, warning=FALSE}

library(agroclimatico)

library(dplyr)



archivo <- system.file("extdata", "NH0358.DAT", package = "agroclimatico")



datos <- leer_nh(archivo)

```



### Días promedio



Si por ejemplo se quiere obtener el día de la primera y última helada en promedio, asumiendo que la ocurrencia de helada corresponde a temperatura mínima menor a 0°C, se puede utilizar la función `dias_promedio()` en el contexto de `reframe()`.



```{r}

datos %>% 

  filter(t_min <= 0) %>% 

  reframe(dias_promedio(fecha))

```



### Mapear 



La función `mapear()` grafica una variable dada en puntos discretos e irregulares (en general observaciones o datos derivados de estaciones meteorológicas) utilizando kriging. Se puede definir el título y epígrafe y opcionamente se puede incluir la cordillera para enmascarar la variable a graficar.



```{r message=FALSE, warning=FALSE}

abril <- datos_nh_mensual %>%

  filter(mes == unique(mes)[4]) #datos del cuarto mes en la base, abril.



abril %>% 

  mapear(precipitacion_mensual, lon, lat, cordillera = TRUE,

              escala = escala_pp_mensual,

              titulo = "Precipitación en abril de 2019", 

              fuente = "Fuente: INTA",

              variable = "pp")

```



## Cómo contribuir



Para contribuir con este paquete podés leer la siguiente [guía para contribuir](https://github.com/AgRoMeteorologiaINTA/agroclimatico/blob/master/.github/CONTRIBUTING.md). Te pedimos también que revises nuestro [Código de Conducta](https://www.contributor-covenant.org/es/version/2/0/code_of_conduct/code_of_conduct.md).