Traducido de https://github.com/hydrocodes/hydRopclim/blob/main/README.md
1. ¿Qué es hydRopclim?
hydRopclim es un paquete en R para facilitar analisis hidroclimatologicos. hydRopclim busca ayudar a usuarios no expertos en R en la automatizacion de calculos en el campo de la hidroclimatología.
2. ¿Para qué sirve hydRopclim?
Seis funciones principales se encuentran implementados en hydRopclim. Sus aplicaciones cubren los temas de la hidroclimatología determinista e hidrología de cuencas con un enfoque sobre los Andes peruanos y la vertiente y costa del Pacífico, sin embargo pueden aplicarse a cualquier contexto geográfico similar bajo un criterio hidrológico crítico.
Las funciones principales son:
- pgridcorr(): Corrección de la precipitación mensual por punto-grilla, por ejemplo, TRMM (Tropical Rainfall Measuring Mission) (Condom, Rau & Espinoza, 2011) u otros productos grillados en función de una estación in-situ.
- tgridcorr(): Corrección de la temperatura media mensual por punto-grilla con elevaciones objetivo, por ejemplo, NCEP NCAR u otros productos de reanálisis en función de una estación in-situ (Rau, Condom & Lavado, 2013).
- indexcorrl(): Estimación de índices estacionales hidroclimáticos y sus correlaciones corridas, por ejemplo, índice ENSO versus precipitación (Bourrel, Rau, Labat et al, 2015). Además, contiene 4 funciones complementarias.
- seasavg(), seasavg2() y seassum(): Cálculo del índice vectorial promedio estacional para un periodo de n-meses; promedio estacional y suma de índices matriciales para un periodo de n-meses a partir de m-variables hidroclimáticas, respectivamente.
- zscorem(): Transformación de m-variables hidroclimáticas mensuales en m-índices zscores con una base de 12 meses cada una.
- hydrocluster(): agrupación K-means de una serie de tiempo hidroclimática, por ejemplo, precipitación, caudal; su visualización espacial y su evaluación por "silhouettes" (Rau, Bourrel, Labat et al, 2017).
- hydrochange(): análisis de cambio hidroclimático en el intervalo de tiempo anual para una base de datos que incluye la temperatura media. Estimación de la evapotranspiración potencial por el método de Oudin, simulación de la evapotranspiración real por el modelo Budyko-Zhang, cuantificación de los impactos del clima y las actividades humanas en el cambio de la escorrentía y cuantificación de la sensibilidad y adaptación de la cuenca (Rau, Bourrel, Labat et al, 2018).
- hydrochange2(): Análisis de cambio hidroclimático en el paso de tiempo anual para una base de datos que incluye la evapotranspiración potencial. Simulación de la evapotranspiración real mediante el modelo Budyko-Zhang, cuantificando los impactos del clima y las actividades humanas en el cambio de la escorrentía y cuantificando la sensibilidad y adaptación de la cuenca (Rau, Bourrel, Labat et al, 2018).
- rindex(): Estimación de un índice de escorrentía mensual en una cuenca sin medición, mediante el modelo GR2M y parámetros geomorfométricos (Rau, Bourrel, Labat et al, 2019).
3. ¿Cómo instalar hydRopclim?
El paquete hydRopclim debe instalarse desde el repositorio Github de hydrocodes, siguiendo los siguientes 2 pasos.
Paso 1: En RStudio, instale el paquete devtools desde CRAN.
Paso 2: En la consola de RStudio o en vuestro script de trabajo, escriba:
devtools::install_github ("hydrocodes/hydRopclim")
Durante la instalación, verifique la consola R y omita otras actualizaciones con una línea vacía o seleccionando la opción None.
¡Eso es todo! Finalmente, no olvide llamar al paquete en su script y si es necesario instalar y llamar a otros paquetes requeridos en algunas funciones. Aquí una lista de las funciones de hydRopclim que funcionan bien con los siguientes paquetes:
Para indexcorrl(): reshape2, ggplot2, wesanderson, cowplot
Para hydrocluster(): stats, cluster, sp, rgdal
Para rindex(): ggplot2
Ejemplo: rindex() requiere el paquete ggplot2 para trazar las series de tiempo del superávit y déficit del índice de escorrentía:
library(hydRopclim)
library(ggplot2)
rindex(data, a, l, p)
Por favor, ver la carpeta "tutorial" del repositorio Github, el cual contiene ejemplos de lineas de codigo "codelines.R" y mas detalles.
4. Créditos
hydRopclim fue desarrollado por Pedro Rau. Para cualquier problema o sugerencia escribir a: pedro.rau.ing@gmail.com
hydRopclim no seria posible sin la ejecucion de los siguientes softwares y paquetes: R (R Core Team, 2020), RStudio (RStudio Team, 2020), stats (R Core Team, 2020), cluster (Maechler et al, 2019), sp (Bivand et al, 2013), rgdal (Bivand et al, 2015), ggplot2 (Wickham, 2016), reshape2 (Wickham, 2007), wesanderson (Ram et al, 2018), cowplot (Wilke, 2020).
5. Versiones
v 1.2 - 17 abril, 2021 (extension en el formato de fechas)
v 1.1 - 11 febrero, 2021 (mejoras en la funcion rindex)
v 1.0 - 30 enero, 2021
6. ¿Cómo citar?
Rau P, Castillon F, Bourrel L. 2023. A tool in R for easy hydroclimatic calculations. Advances in Science, Technology and Innovation. https://doi.org/10.1007/978-3-031-43169-2_3
GitHub repository: https://github.com/hydrocodes/hydRopclim
7. Referencias:
Bivand RS, Pebesma E, Gomez-Rubio V, 2015. Applied spatial data analysis with R, Second edition. Springer, NY. https://asdar-book.org/
Bivand RS, Keitt T, Rowlingson B, 2015. rgdal: Bindings for the Geospatial Data Abstraction Library. R package version 1.0–4. http://CRAN.R-project.org/package=rgdal
Bourrel L, Rau P, Dewitte B, Labat D, Lavado W, Coutaud A, Vera A, Alvarado A, Ordoñez J, 2015. Low-frequency modulation and trend of the relationship between precipitation and ENSO along the Northern to Center Peruvian Pacific coast. Hydrological Processes. 29(6):1252-1266. http://dx.doi.org/10.1002/hyp.10247
Condom T, Rau P, Espinoza JC, 2011. Correction of TRMM 3B43 monthly precipitation data over the mountainous areas of Peru during the period 1998-2007. Hydrological Processes. 25(12):1924-1933. http://dx.doi.org/10.1002/hyp.7949
Maechler, M., Rousseeuw, P., Struyf, A., Hubert, M., Hornik, K.(2019).
cluster: Cluster Analysis Basics and Extensions. R package version
2.1.0. https://cran.r-project.org/web/packages/cluster/index.html
R Core Team, 2020. R: A language and environment for statistical
computing. R Foundation for Statistical Computing, Vienna, Austria. https://www.R-project.org/
Ram K, Wickham H , Richards C, Baggett A, 2018. A Wes Anderson Palette Generator. https://cran.r-project.org/web/packages/wesanderson/index.html
Rau P, Condom T, Lavado, W. 2013. Spatio-temporal analysis of monthly temperature in the mountainous regions of Peru. An approach for NCEP NCAR Reanalysis data correction. Proceedings of the 35th IAHR World Congress. 12:10602-10612. https://doi.org/10.13140/2.1.4591.9522
Rau P, Bourrel L, Labat D, Melo P, Dewitte B, Frappart F, Lavado W, Felipe O, 2017. Regionalization of rainfall over the Peruvian Pacific slope and coast. International Journal of Climatology 37(1):143-158. http://dx.doi.org/10.1002/joc.4693
Rau P, Bourrel L, Labat D, Frappart F, Ruelland D, Lavado W, Dewitte B, Felipe O, 2018. Hydroclimatic change disparity of Peruvian Pacific drainage catchments. Theoretical and Applied Climatology. 134(1-2):139-153. http://dx.doi.org/10.1007/s00704-017-2263-x
Rau P, Bourrel L, Labat D, Ruelland D, Frappart F, Lavado W, Dewitte B, Felipe O, 2019. Assessing multi-decadal runoff (1970‒2010) using regional hydrological modelling under data and water scarcity conditions in Peruvian Pacific catchments. Hydrological Processes. 33(1):20-35. https://doi.org/10.1002/hyp.13318
RStudio Team, 2020. RStudio: Integrated Development for R. RStudio, PBC, Boston, MA URL http://www.rstudio.com/
Wickham H, 2007. “Reshaping Data with the reshape Package.” Journal of Statistical Software, 21(12), 1–20. http://www.jstatsoft.org/v21/i12/
Wickham H, 2016. ggplot2: Elegant Graphics for Data Analysis. Springer-Verlag New York. ISBN 978-3-319-24277-4, https://ggplot2.tidyverse.org
Wilke, 2020. cowplot: Streamlined Plot Theme and Plot Annotations for 'ggplot2'. https://cran.r-project.org/web/packages/cowplot/index.html
No hay comentarios. :
Publicar un comentario