Appendix C — R-Übungen 3

Author

Lukas Batschelet

Published

November 28, 2024

C.1 Sommer (JJA) Temperaturanomalien

C.1.1 Aufgabe

  • Berechnet die Sommer (JJA) Temperaturanomalien zur Referenzperiode 1961 bis 1990 in Bern mit Excel.
  • Schreibt R-Code, um die gleiche Berechnung durchzuführen.
  • Hinweis: Chatbots können neuerdings Datenanalysen ohne Programmierkenntnisse durchführen. Siehe: Data Analysis with ChatGPT
  • Aufgabe: Überprüft den generierten Code und diskutiert die Vorteile, Nachteile und Risiken der drei Methoden.

C.2 Klimadiagramm

C.2.1 Schritte

  1. Datensatz laden:
    • meteodaten_tag.csv (nach Excel-Export in R):
data <- read.csv("meteodaten_tag.csv", na.strings = c("-", "NA"))

  1. Datenstruktur überprüfen:

    str(data)

    Prüfen, ob die Daten korrekt (z. B. numerisch) gelesen wurden.

  2. Histogramm erstellen:

    • Mit den Tagestemperaturen (z. B. mit feinen Abständen):
    hist(data$temp, breaks = 40)

  3. Monatsmittelwerte berechnen:

    • Temperatur und Bewölkung über alle Jahre (z. B. Mittelwerte für jeden Monat).
    • Achtung: Fehlwerte berücksichtigen.

  4. Plot erstellen:

    • Zwei Barplots (Temperatur und Bewölkung) übereinander:
    par(mfrow = c(2, 1))
barplot(temperature_means, main = "Monatsmittelwerte Temperatur")
barplot(cloud_cover_means, main = "Monatsmittelwerte Bewölkung")
    • Erwartet: Welche Trends zeigen die Ergebnisse?

Comming soon!

C.3 Boxplots

C.3.1 Aufgabe

  • Wählt den Zeitraum 2000-2001 in den täglichen Daten, z. B.:

    zeit <- meteodaten_tag[meteodaten_tag[, 1] >= 2000 & meteodaten_tag[, 1] <= 2001, ]

  • Boxplot erstellen:

    • Temperaturen als Funktion der Bewölkung:

      boxplot(temp ~ cloud_cover, data = zeit)

    • Achsen beschriften und Titel vergeben.

  • Analyse:

    • Unter welchen Bewölkungsbedingungen ist die Spannweite/Varianz der Temperatur am größten?
    • Findet den bewölkungsärmsten und bewölkungsreichsten Monat (im Mittel der zwei Jahre). Wie hoch ist die mittlere Bewölkung (in Oktas)?

Comming soon!

C.4 R als GIS-Ersatz

C.4.1 Schritte

  1. Paket installieren und laden:
install.packages("maps")
library(maps)
  1. Koordinaten herausfinden:
    • Für Genf und Gr. S. Bernhard (ca.).
  2. Europakarte erstellen:
    • Leeren Plot erstellen:
plot(x = c(-5, 30), y = c(35, 60), type = "n", xlab = "lon", ylab = "lat")
  • Weltkarte hinzufügen:
map("world", add = TRUE)
  1. Stationen hinzufügen:
    • Stationen als Punkte plotten (mit unterschiedlichen Farben/Symbolen):
points(x_coord, y_coord, col = "red", pch = 19)
text(x_coord, y_coord, labels = station_names, pos = 4)
  • Hinweis: Für genaue Koordinaten verwendet Google!

Comming soon!