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