Ecosyste.ms: Awesome
An open API service indexing awesome lists of open source software.
https://github.com/ropensci/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/ropensci/agroclimatico
agricultura meteorologia
Last synced: 7 days 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.
- Host: GitHub
- URL: https://github.com/ropensci/agroclimatico
- Owner: ropensci
- License: other
- Created: 2020-09-18T14:24:55.000Z (over 4 years ago)
- Default Branch: master
- Last Pushed: 2024-12-05T03:11:34.000Z (18 days ago)
- Last Synced: 2024-12-05T03:24:12.434Z (18 days ago)
- Topics: agricultura, meteorologia
- Language: C++
- Homepage: https://docs.ropensci.org/agroclimatico
- Size: 25.9 MB
- Stars: 17
- Watchers: 4
- Forks: 0
- Open Issues: 3
-
Metadata Files:
- Readme: README.Rmd
- Changelog: NEWS.md
- Contributing: .github/CONTRIBUTING.md
- License: LICENSE
- Codemeta: codemeta.json
Awesome Lists containing this project
- open-sustainable-technology - agroclimatico - A set of functions for calculating hydrological climate indices and statistics from tidy data, including a function for plotting geo-referenced results and mapping information. (Climate Change / Climate Data Processing and Analysis)
README
---
output: github_document
---
```{r, include = FALSE}
knitr::opts_chunk$set(
collapse = TRUE,
comment = "#>",
fig.path = "man/figures/README-",
out.width = "100%"
)
```
# agroclimatico 
[](https://github.com/ropensci/agroclimatico/actions/workflows/R-CMD-check.yaml)
[](https://codecov.io/gh/ropensci/agroclimatico?branch=master)
[](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*](https://es.r4ds.hadley.nz/12-tidy.html). 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 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 actual del paquete podés usar:
```r
install.packages("agroclimatico", repos = "https://ropensci.r-universe.dev")
```
O ussando `remotes`:
``` r
# install.packages("remotes")
remotes::install_github("ropensci/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/ropensci/agroclimatico/blob/master/.github/CONTRIBUTING.md). Te pedimos también que revises nuestro Código de Conducta.