Em qual cidade a maior precipitação qual cidade apresenta maior variação de temperatura?

Com relação às precipitações, o Estado apresenta uma distribuição relativamente equilibrada das chuvas ao longo de todo o ano, em decorrência das massas de ar oceânicas que penetram no Estado. O volume de chuvas, no entanto, é diferenciado. Ao sul a precipitação média situa-se entre 1.299mm e 1.500mm e, ao norte a média fica entre 1.500mm e 1.800mm, com maior intensidade chuvas registradas à norte e nordeste do Estado, especialmente na encosta do Planalto.

Foi realizado uma análise exploratória a partir de um conjunto de dados do Instituto Nacional de meteorologia fornecido pela disciplina de FPCC2 (Fundamentos de Pesquisa em Ciências da Computação 2). O conjunto de dados contém informações climáticas das cidades de João Pessoa localizada na zona da mata Paraibana, Campina Grande fica no Agreste Paraibano e Patos no Sertão. A análise foi feita para responder as seguintes perguntas:

• Compare o quanto essas cidades tem meses claramente quentes/frios. Em qual delas há mais espocas diferentes?
• Compara a destruição de chuva das três cidades em estudo, considerando as semanas de muitas chuvas com a frequência que as cidades passam sem chuvas.

Para responder as perguntas usando conjunto de dados que foi filtrado por unidades de medidas meteorológicas. Além disso, foi realizado transformações nos dados fazendo uso de sumarização. Os gráficos a seguir possibilitaram responder as perguntas.

library(tidyverse)
library(here)
library(ggplot2)
library(hrbrthemes)
library(dplyr)
library(tidyr)
library(viridis)
library(gapminder)
library(gt)
theme_set(theme_bw())

# SEMPRE read_csv NUNCA read.csv
clima_tudo = read_csv(
    here("data/tempo-jp-cg-pt.csv"),
    col_types = cols(
        .default = col_double(),
        cidade = col_character(),
        semana = col_date(format = ""),
        ano = col_integer(),
        mes = col_integer()
    )
)

clima_10 = clima_tudo %>% 
    filter(ano >= 2010, ano <=2019, !is.na(temp_max), !is.na(temp_min))

sumarios = clima_10 %>% 
    group_by(cidade, mes) %>% 
    summarise(temp_max_mensal_1 = max(temp_max), 
              temp_min_mensal_1 = min(temp_max),
              temp_max_mensal_2 = max(temp_min), 
              temp_min_mensal_2 = min(temp_min),
              temp_metade_1 = median(temp_max),
              temp_metade_2 = median(temp_min),
              chuva_max = max(chuva), 
              chuva_mediana = median(chuva), 
              chuva_min = min(chuva),
              chuva_90perc = quantile(chuva, .9),
              .groups = "drop")

Compare o quanto essas cidades tem meses claramente quentes/frios. Em qual delas há mais espocas diferentes?

clima_10 %>% 
  filter(!is.na(temp_max)) %>% 
    ggplot(aes(x = mes, y = temp_max)) +
    facet_wrap(~ cidade) +
    geom_point(alpha = .75, size = .9, color = "grey") + 
    geom_point(data = sumarios, aes(y = temp_max_mensal_1)) + 
    geom_point(data = sumarios, aes(y = temp_min_mensal_1)) + 
    geom_point(data = sumarios, aes(y = temp_metade_1), color = "red") + 
    labs(
        y = "Calor",
        x = "Mês",
        title = "Gráfico 1 - Distribuição da temperatura máxima registrada por mês, em Celsius"
    )

variacao = clima_10 %>% 
    group_by(cidade, mes) %>% 
    summarise(amplitude = max(temp_max, na.rm = TRUE) - min(temp_max, na.rm = TRUE), 
              #interquartil = IQR(temp_max,  na.rm = TRUE),
              .groups = "drop")

variacao %>% 
    ggplot(aes(x = mes, y = amplitude, color = cidade)) + 
    geom_point() + 
    geom_line()+
      labs(
        y = "Aplitude",
        x = "Mês",
        title = "Gráfico 2- Aplitude da temperatura máxima, em Celsius"
    )

tabela_varianca_desivio_max = clima_10 %>%
  filter(!is.na(temp_max)) %>% 
  group_by(cidade) %>% 
  summarise(variancia = sum(((temp_max )- mean(temp_max))**2) / n(), 
            desvio_padrao = sqrt(variancia))

tabela_varianca_desivio_max %>% 
  DT::datatable(caption = "Tabela 1 - Variância e desvio padrão das temperaturas máxima")

Durante os 10 anos em análise (gráfico 1), foi possível observar que João Pessoa tem a faixa de variação de temperatura máxima mais concentrada que as outras cidades, pois as distâncias entre os pontos de temperaturas entre máximas e mínimas de Patos e Campina grande é maior do que em João Pessoa.

A cidade de Patos apresentou períodos mais quente que as outras cidades, com distribuição de temperatura máxima concentrado entre 35 e 39 graus Celsius, ênfase para os de meses outubro a dezembro.

Os valores da amplitude térmica mensal de Campina grande na maioria das vezes são maiores que João Pessoa e Patos, ou seja, a cidade localizada no Agreste Paraibano, tem valores de calor maior, seguindo por Patos e depois Campina Grande. O desvio padrão e variância mostram que Campina Grande tem pontos mais dispersos que variam em 4.02°C (desvio padrão de 2°C), seguido por Patos com variação de 2,66°C (desvio padrão de 1.63°C) e depois João Pessoa com menor dispersão (1.12°C) (desvio padrão 1.06°C) (Gráfico 2 e a tabela 1).

clima_10 %>% 
  filter(!is.na(temp_min)) %>% 
  ggplot(aes(x = mes, y = temp_min)) +
  facet_wrap(~ cidade) +
  geom_point(alpha = .75, size = .9, color = "grey") + 
  geom_point(data = sumarios, aes(y = temp_max_mensal_2)) + 
  geom_point(data = sumarios, aes(y = temp_min_mensal_2)) + 
  geom_point(data = sumarios, aes(y = temp_metade_2), color = "red")  + 
  labs(
    y = "Calor",
    x = "",
    title = "Gráfico 3 - Distribuição da temperatura mínima registrada por mês, em Celsius"
    )

variacao_min = clima_10 %>% 
    group_by(cidade, mes) %>% 
    summarise(amplitude = max(temp_min, na.rm = TRUE) - min(temp_min, na.rm = TRUE), 
              #interquartil = IQR(temp_min,  na.rm = TRUE),
              .groups = "drop")

# SEMPRE read_csv NUNCA read.csv
clima_tudo = read_csv(
    here("data/tempo-jp-cg-pt.csv"),
    col_types = cols(
        .default = col_double(),
        cidade = col_character(),
        semana = col_date(format = ""),
        ano = col_integer(),
        mes = col_integer()
    )
)

clima_10 = clima_tudo %>% 
    filter(ano >= 2010, ano <=2019, !is.na(temp_max), !is.na(temp_min))

# SEMPRE read_csv NUNCA read.csv
clima_tudo = read_csv(
    here("data/tempo-jp-cg-pt.csv"),
    col_types = cols(
        .default = col_double(),
        cidade = col_character(),
        semana = col_date(format = ""),
        ano = col_integer(),
        mes = col_integer()
    )
)

clima_10 = clima_tudo %>% 
    filter(ano >= 2010, ano <=2019, !is.na(temp_max), !is.na(temp_min))

# SEMPRE read_csv NUNCA read.csv
clima_tudo = read_csv(
    here("data/tempo-jp-cg-pt.csv"),
    col_types = cols(
        .default = col_double(),
        cidade = col_character(),
        semana = col_date(format = ""),
        ano = col_integer(),
        mes = col_integer()
    )
)

clima_10 = clima_tudo %>% 
    filter(ano >= 2010, ano <=2019, !is.na(temp_max), !is.na(temp_min))

No gráfico 3, Campina Grande apresentou uma faixa de variação de temperatura mínimas mais concentrada em relação as outras cidades em análise. A distribuição de Patos e Joáo Pessoa mostrou similaridade, sendo que Patos um pouco mais disperso. Em Campina Grande os meses mais frios foram os junho e julho, porém, a cidade Patos teve pontos de temperatura mínima mais baixo que Campina Grande.

O gráfico 4 mostra a amplitude mensal das temperaturas mínimas três cidades, onde a temperatura de Campina Grande tem amplitude menor que as outras cidades, com a variância de 1.92°C, seguido por Patos (variância de 2.69°C) e depois Campina Grande (com desvio 2.62°C) (tabela 2).

Compara a distruuição de chuva das três cidades em estudo, considerando as semanas de muitas chuvas com a frequência que as cidades passam sem chuvas.

# SEMPRE read_csv NUNCA read.csv
clima_tudo = read_csv(
    here("data/tempo-jp-cg-pt.csv"),
    col_types = cols(
        .default = col_double(),
        cidade = col_character(),
        semana = col_date(format = ""),
        ano = col_integer(),
        mes = col_integer()
    )
)

clima_10 = clima_tudo %>% 
    filter(ano >= 2010, ano <=2019, !is.na(temp_max), !is.na(temp_min))

# SEMPRE read_csv NUNCA read.csv
clima_tudo = read_csv(
    here("data/tempo-jp-cg-pt.csv"),
    col_types = cols(
        .default = col_double(),
        cidade = col_character(),
        semana = col_date(format = ""),
        ano = col_integer(),
        mes = col_integer()
    )
)

clima_10 = clima_tudo %>% 
    filter(ano >= 2010, ano <=2019, !is.na(temp_max), !is.na(temp_min))

O Gráfico 5 mostra a densidade da chuva por mês das três cidades, João Pessoa apresenta maior precipitação com ênfase para as semanas dos meses de abril a junho, com um pouco mais de 200 mm e, no mês de julho teve um ponto extremo com 400mm volume de chuva. A mediana da cidade de João Pessoa é a que mais se afasta de zero, significa que João Pessoa teve mais semanas de chuva que as outras cidades. Já Patos, cidade do sertão, onde costuma ter menos precipitação, teve o ponto da mediana se afastando do zero nos meses de fevereiro a abril. Além disso, esse gráfico mostrou que a cidade de Patos teve cinco meses (de julho a novembro) com precipitação abaixo de 50mm. Os meses de abril a julho de cidade de Campina Grande foram os que se afastaram do zero, com um ponto extremo de 150mm. O gráfico de densidade de chuvas mostra que a distribuição da precipitação das cidades é assimétrica, com calda a direita. Os pontos máximos são sensíveis as semanas de precipitação. A cidade de __Patos teve períodos mais longos de secas, a maior parte dos valores da distribuição da precipitação se aproximando de 0mm. João Pessoa é a cidade com maior frequência de chuvas (Gráfico 6).

Qual cidade apresenta maior variação de temperatura?

Em qual cidade há mais precipitação?

Qual cidade apresenta maior temperatura média por quê?

Qual clima apresenta o menor índice de precipitação?