ลองพล็อตข้อมูลสภาพอากาศอย่างง่าย

• Climate.gov Datasets Gallery > Past Weather by Zip Code > Data Access

• Daily Summaries Thailand Details

เนื่องจาก climage.gov ได้มีการจำกัดการโหลดข้อมูล (10,000 rows ประมาณ 10 ปี) และ ขนาดไฟล์ของ github repo. เลยต้องทำการแยกโหลดเป็นหลายๆไฟล์ ทำการรวมไฟล์ csv เป็นไฟล์เดียวคือไฟล์ 1951-2019.csv โดยการรันไฟล์ /data/concat_csv.py

การแยกไฟล์เป็นผลตรวจวัดของแต่ละสถานี ให้ทำการรัน /data/concat_csv.py เพื่อให้ได้ไฟล์ 1951-2019.csv มาก่อน จากนั้นทำการรัน /data/station_csv.py แล้วข้อมูลของแต่ละสถานีจะอยู่ในโฟลเดอร์ /station_data/

ทำการคำนวณหา anomaly (เฉลี่ยรายปี) จากข้อมูลประเทศไทย นำมาพล็อตเป็นกราฟเส้น

ทำการคำนวณหา anomaly (เฉลี่ยรายปี) จาก nc file นำมาพล็อตเป็นแผนที่

ทำการคำนวณหาค่าเฉลี่ยรายเดือนจากข้อมูลประเทศไทย (เฉลี่ยเดือนเดียวกันจากทุกๆปี แกน x เป็น Jan..Dec) แล้วนำมาพล็อตเปรียบเทียบเป็นปี ครึ่งแรก vs ครึ่งหลัง แสดงให้เห็นถึง seasonal

พล็อตฮิสโตแกรมของข้อมูลประเทศไทย ครึ่งแรก vs ครึ่งหลัง เพื่อแสดงให้เห็นว่า distribution เปลี่ยนแปลงอย่างไร

Library เขียนเองสำหรับ Hypothesis testing (จะทดสอบ significance ของ trend, การเปลี่ยนแปลง climate) ทดสอบโดยใช้หาว่าค่าเฉลี่ยอยู่นอก confidence interval 90% หรือไม่ (ในความจริงควรใช้ Mann-Kendall test/ทดสอบว่า slope significance หรือไม่)

Library เขียนเองสำหรับ MannKendall Test (มีคนอื่นเขียนไว้แล้ว - pymannkendall)

ทำการพล็อตเปรียบเทียบระหว่างตำแหน่งที่ตั้งของสถานีจากข้อมูลประเทศไทย และกริดของไฟล์ nc RCM

install.packages("package_name")

package list

ggplot2
dplyr
tidyverse
qmap
ncdf4