Estes códigos pretendem demonstrar algumas possibilidades de utilização da grade BR-DWGD por meio da linguagem Python. Encontrando erros, por favor entrar em contato (alexandre.xavier@ufes.br).
NOTA: Para rodar os códigos abaixo, serão necessários ±6GB de memória RAM livre.
Não há necessidade de baixar os dados. Ver awesome-gee-community-catalog . E exemplos em Jupyter (em construção) na pasta notebooks.
Caso venha a utilizar os dados, solicitamos que seja devidamente citado como:
Xavier, A. C., Scanlon, B. R., King, C. W., & Alves, A. I. (2022). New improved Brazilian daily weather gridded data (1961–2020). International Journal of Climatology, 42(16), 8390– 8404. https://doi.org/10.1002/joc.7731
Instale o ambiente de gerenciamento miniconda. Depois de instalado o miniconda, no console, seguir a sequencia de comandos:
$ conda create --name br-dwgd
$ conda activate br-dwgd
$ conda install -c conda-forge xarray dask netCDF4 bottleneck
$ pip install matplotlib scipy seaborn regionmask joblib rioxarray jupyterlab hvplot cartopy geoviews geopandas geemap pycrs
$ jupyter-lab
Ou com o arquivo requirements.txt:
$ python3 -m venv br-dwgd
$ source br-dwgd/bin/activate
$ pip install -r requirements.txt
$ jupyter-lab
Será aberto no seu navegador uma aba com o Jupyterlab. Lá, por exemplo, é só importar, por exemplo, o arquivo apresentacao_UFRN_UFSM.ipynb
Para exportar em csv:
- todas as variáveis de pontos geográficos específicos, na escala de tempo:
- diária export2cvs_daily_points.py
- mensal export2cvs_monthly_points.py
- todas as variáveis, de todas as células, em uma região com limite geográfico conhecido, na escala de tempo:
- diária export2csv_daily_region.py
- mensal export2csv_monthly_region.py
IMPORTANTE: este código foi corrigido em 08/11/2023. O anterior estava com problema.
No exemplo do código extraindo_dados_nivel_municipal.py, é extraida a precipitação acumulada mensal de todos os municípios do Brasil (jan/1961-dec/2022), e estes dados, exportados para um arquivo no formato geojson.
Para modificar:
- a variável que vai ser utilizada, modificar linha 48;
- a escala de tempo, modificar linha 51;
- o nome/formato do arquivo a ser exportado (shapefile, geojson ou gpkg), modificar linha 55 e;
- se a variável a ser exportada vai ser a acumulada ou a média do período, modificar linha 87.
Resultado gráfico do código, apenas para exemplificar o procedimento: (i) a precipitação acumulada para jan/1961; (ii) a precipitação acumulada extrapolada para jan/1961 e; (iii) precipitação acumulada para jan/1961 em nível municipal.
Para exemplos em Jupyter lab, ver exemplo apresentacao_UFRN_UFSM.ipynb
Resultados gráficos dos scripts do diretório exemplos
exemplo1.py Plotando dados e controles
exemplo2.py Para uma posição geográfica, exportando dados diários de Tmax no formato "csv" e plotando sua série histórica assim como média mensal. Período 01/01/1961-31/12/1989.
exemplo3.py Normais RH, período 1990-01-01 a 2019-12-31.
exemplo4.py Mensais ETo, período 1961-01-01 a 1989-12-31.
exemplo5.py Plotando e exportando em "csv" normais mensais de Tmax para algumas localidades. Normais 01/01/1990 a 31/12/2019.
exemplo6.py Plotando controles para duas posições
exemplo7.py Cálculo da diferenca sazonal entre a precipitacao e a ET0 para o Brasil utilizando os dados gradeados (1980/01/01-2009/12/31)
exemplo8.py Abrindo e plotando a normal da temperatura media do mês janeiro, período 1961/01/01-1989/12/31.
exemplo9.py Comportamento da temperatura média anual para as diferentes regiões, período 1961-2019.
Estatísticas:
| Região | Δ (℃/ano) | R | p_value | std_err |
|---|---|---|---|---|
| Sul | 0.019 | 0.660 | 1.66e-08 | 0.003 |
| Sudeste | 0.023 | 0.779 | 3.73e-13 | 0.002 |
| Nordeste | 0.029 | 0.855 | 7.07e-18 | 0.002 |
| Centro-Oeste | 0.026 | 0.843 | 5.26e-17 | 0.002 |
| Norte | 0.028 | 0.877 | 7.54e-20 | 0.002 |
