-
Notifications
You must be signed in to change notification settings - Fork 0
/
calibracion_Version2.R
250 lines (176 loc) · 9.42 KB
/
calibracion_Version2.R
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
40
41
42
43
44
45
46
47
48
49
50
51
52
53
54
55
56
57
58
59
60
61
62
63
64
65
66
67
68
69
70
71
72
73
74
75
76
77
78
79
80
81
82
83
84
85
86
87
88
89
90
91
92
93
94
95
96
97
98
99
100
101
102
103
104
105
106
107
108
109
110
111
112
113
114
115
116
117
118
119
120
121
122
123
124
125
126
127
128
129
130
131
132
133
134
135
136
137
138
139
140
141
142
143
144
145
146
147
148
149
150
151
152
153
154
155
156
157
158
159
160
161
162
163
164
165
166
167
168
169
170
171
172
173
174
175
176
177
178
179
180
181
182
183
184
185
186
187
188
189
190
191
192
193
194
195
196
197
198
199
200
201
202
203
204
205
206
207
208
209
210
211
212
213
214
215
216
217
218
219
220
221
222
223
224
225
226
227
228
229
230
231
232
233
234
235
236
237
238
239
240
241
242
243
244
245
246
247
248
249
250
library(here)
source('NUEVO/Libraries.R')
# IMPORTAR DATOS DE ANEMOMETROS Y ERA5 ------------------------------------
ERA5_df<- readRDS(here::here("NUEVO/Data_ERA5/ERA5_df.RDS"))
Anemometros<- readRDS(here::here('NUEVO/Data_anemometros/Anemometros.RDS'))
# IMPORTAMOS TABLA DE REGISTRO
if (!exists("t_reg")) {
t_reg<- read.csv(here::here("NUEVO/Data_anemometros/TABLA_REGISTRO.csv"), sep=";")
}
# ACONDICIONAMOS DATOS DE ANEMOMETROS -------------------------------------
#ENSAÑAMOS LOS ANEMOMETROS DISPONIBLES Y ELEGIMOS UNO
ID_ANEMO<- levels(t_reg$ID)
for (ID_ind in 1:length(ID_ANEMO)) {
anemo_elegido=ID_ANEMO[ID_ind]
tryCatch({
#RELLENAMOS HUECOS
datos_anemos=rellenar_huecos_anemos(Anemometros[[which(names(Anemometros)==as.character(anemo_elegido))]])
#ORDENAMOS CRONOLÓGICAMENTE
datos_anemos=datos_anemos[order(datos_anemos$Date),]
#FILTRAMOS DATOS ANEMOS
#ME DEVULVE ERROR PORQUE NECESITA QUE LA COLUMNA DIR SEA CHARACTER???
#datos_anemos$Dir<-as.character(datos_anemos$Dir)
lista_pos_errores=filtrar_datos(datos_anemos,desglosar = TRUE)
N_errores=unique(c(lista_pos_errores$N1_mean,
lista_pos_errores$N2_mean,
lista_pos_errores$N3_mean,
lista_pos_errores$N1_gust,
lista_pos_errores$N2_gust,
lista_pos_errores$N3_gust))
#DONDE ESTÁN LOS NA's
N_na=which(rowSums(is.na(datos_anemos[,c(2,3,4)]))>0)
#Llenar de NAs las mediciones consideradas erroneas. No eliminamos la fila; queremos mantener la fechas de los NAs.
datos_anemos[N_errores,c(2,3,4)]=NA
datos_anemos[N_na,c(2,3,4)]=NA #Esto parece redundante pero viene bien asegurarse
#ELIMINAMOS LOS VALORES QUE ESTÉN POR DEBAJO DE FECHA_INI DE LA TABLA DE REGISTRO
datos_anemos=datos_anemos[-(1:which(datos_anemos$Date < filter(t_reg,ID==anemo_elegido) %>%
dplyr::select(Fecha_ini) %>% .[1,] %>%
as.character()%>%
dmy())),]
#PONEMOS EN FORMATO LOS DATOS DE LOS ANEMOMETROSE
#CARGAMOS COORDENADAS ANEMOS Y ELIMINAMOS LAS COMAS
Coordenadas_anemos<- filter(t_reg,ID==anemo_elegido) %>% dplyr::select(lon,lat) #Primero lon, luego lat
Coordenadas_anemos$lon<- Coordenadas_anemos$lon %>% as.character() %>% str_replace(",",".") %>% as.numeric()
Coordenadas_anemos$lat<- Coordenadas_anemos$lat %>% as.character() %>% str_replace(",",".") %>% as.numeric()
#datos_anemos$Date<- datos_anemos$Date %>% round_date(unit="hour")
#datos_anemos$Gust<- NULL
datos_anemos$Dir<- datos_anemos$Dir %>% as.numeric()
datos_anemos$lon<- rep(Coordenadas_anemos$lon, nrow(datos_anemos))
datos_anemos$lat<- rep(Coordenadas_anemos$lat, nrow(datos_anemos))
#CREAMOS ANEMOS TABLA PARA NO JODER DATOS ANEMOS
ANEMOS_TABLA<- datos_anemos[,c("Date","lon","lat", "Mean", "Dir","Gust")]
colnames(ANEMOS_TABLA)<-c("Date","lon","lat", "WS", "WD","WSMAX")
#CREAMOS TABLA HORARIA EN LOS ANEMOMETROS
VEC_DATE<- seq(min(ANEMOS_TABLA$Date) %>% round_date(unit = "hour") ,
max(ANEMOS_TABLA$Date) %>% round_date(unit = "hour"),
by="hour") %>% c(ANEMOS_TABLA$Date, .) %>% .[order(.)] %>%
as.data.frame() %>% as.tbl() %>% .[!duplicated(.),]
colnames(VEC_DATE)<- "Date"
###
library(tidyverse)
ANEMOS_TABLA<- ANEMOS_TABLA[!duplicated(ANEMOS_TABLA$Date),]
ANEMOS_TABLA_ADDROWS<- left_join(VEC_DATE,
ANEMOS_TABLA,
by="Date") %>%
replace_na(list(lon = ANEMOS_TABLA$lon %>% unique(),
lat= ANEMOS_TABLA$lat %>% unique(),
id= ANEMOS_TABLA$id %>% unique()))
#IMPUTE TS PARA INTERPOLAR... SE PUEDE HACER "linear", "spline", "stine"
library(imputeTS)
#FUNCIÓN PARA RELLENAR CON EL VALOR NON-NA MAS CERCANO
REPLACE_NNONA <- function(dat) {
N <- length(dat)
na.pos <- which(is.na(dat))
if (length(na.pos) %in% c(0, N)) {
return(dat)
}
non.na.pos <- which(!is.na(dat))
intervals <- findInterval(na.pos, non.na.pos,
all.inside = TRUE)
left.pos <- non.na.pos[pmax(1, intervals)]
right.pos <- non.na.pos[pmin(N, intervals+1)]
left.dist <- na.pos - left.pos
right.dist <- right.pos - na.pos
dat[na.pos] <- ifelse(left.dist <= right.dist,
dat[left.pos], dat[right.pos])
return(dat)
}
ANEMOS_TABLA_ADDROWS<-ANEMOS_TABLA_ADDROWS %>%
mutate(WS_l= na.interpolation(.$WS, "linear"),
#WS_sp= na.interpolation(.$WS, "spline"),
#WS_st= na.interpolation(.$WS, "stine"),
WSMAX_l= na.interpolation(.$WSMAX, "linear"),
#WSMAX_sp= na.interpolation(.$WSMAX, "spline"),
#WSMAX_st= na.interpolation(.$WSMAX, "stine"),
WS_N=REPLACE_NNONA(.$WS),
WSMAX_N=REPLACE_NNONA(.$WSMAX),
WD_N=REPLACE_NNONA(.$WD))
#GUARDAMOS DATOS ANEMOS LIMPIOS
path_anemo<- here::here('NUEVO/Data_calibracion/') %>% paste0(anemo_elegido)
ifelse(dir.exists(path_anemo),('YA EXISTE EL DIRECTORIO'), dir.create(path_anemo,recursive = T))
#GUARDAMOS EL ARCHIVO CON EL IDENTIFICADOR DEL ANEMOMETRO Y CON LA ULTIMA FECHA CONTENIDA EN
# LA TABLA
nombre_archivo<- paste0(anemo_elegido,"_",
ANEMOS_TABLA$Date %>% max() %>%
str_split(" ") %>% .[[1]] %>% .[1], ".RDS")
saveRDS(ANEMOS_TABLA_ADDROWS,paste0(path_anemo, "/",nombre_archivo) )
# ACONDICIONAMOS ERA5 -----------------------------------------------------
#TODAS LAS LOCALIZACIONES DE ERA5
if (!exists("Coordenadas_era")) {
if(file.exists(here::here('NUEVO/Data_ERA5/ERA5_coord.RDS'))){
Coordenadas_era<- readRDS(here::here('NUEVO/Data_ERA5/ERA5_coord.RDS'))
}else{
Coordenadas_era=unique(ERA5_df[,c(2,3)])
Coordenadas_era=arrange(Coordenadas_era,lon,lat) #Asegurarse orden correcto para distm
saveRDS(Coordenadas_era, here::here('NUEVO/Data_ERA5/ERA5_coord.RDS'))
}
}
#COJEMOS LOS N PUNTOS DE ERA MÁS CERCANOS
n=50
Coordenadas_era_cercanas=Coordenadas_era[order(distm(Coordenadas_era,
Coordenadas_anemos,
fun = distHaversine)[,1]),] %>%
.[1:n,]
#De todo ERA5_df, coger solo los datos relativos a los puntos de Coordendas_era
ERA5_df_CERCANOS=filter(ERA5_df,
lat %in% Coordenadas_era_cercanas$lat,
lon %in% Coordenadas_era_cercanas$lon) %>%
dplyr::select(Date,lon,lat,uv_wind,uv_dwi)
colnames(ERA5_df_CERCANOS)<- c("Date", "ERAlon",
"ERAlat","ERAWS","ERAWD")
library(rgbif)
ALTURA_ANEMO<- elevation(longitude = Coordenadas_anemos$lon,
latitude = Coordenadas_anemos$lat,
username = 'proyectoroseo')
ERA_LIST<- ERA5_df_CERCANOS %>% group_by(ERAlat, ERAlon) %>% group_split()
ERA_LIST_CORRECTED<-list()
ZO_DATA<- readRDS('NUEVO/Data_ERA5/DATOS_RUGOSIDAD.RDS')
for(i in 1:length(ERA_LIST) ){
ERA_DATA<- ERA_LIST[[i]]
ALTURA_ERA<- elevation(longitude =ERA_DATA$ERAlon %>% unique(),
latitude = ERA_DATA$ERAlat %>% unique(),
username = 'proyectoroseo')
#LEY LOGARITMICA PARA MODIFICAR LA ALTURA DEL PUNTO DE ERA5
zo=2 # RUGOSIDAD
z=ALTURA_ANEMO$elevation_geonames #ALTURA ANEMO
zr=ifelse(ALTURA_ERA$elevation_geonames<0,
0,
ALTURA_ERA$elevation_geonames) + 10 #ALTURA ERA
k=log(z/zo)/log(zr/zo) #FACTOR K
zo1<- ZO_DATA[which(ZO_DATA$lon==ERA_DATA$ERAlon %>% unique() &
ZO_DATA$lat==ERA_DATA$ERAlat %>% unique() ), "sfr"]
k1=log(z/zo1)/log(zr/zo1)
ERA_DATA$ERAWS_CORRECTED<- ERA_DATA$ERAWS*k
ERA_DATA$ERAWS_CORRECTED_ZO1<- ERA_DATA$ERAWS*as.numeric(k1)
ERA_LIST_CORRECTED[[i]]<- ERA_DATA
}
ERA5_df_CERCANOS<- ERA_LIST_CORRECTED %>% bind_rows()
# JUNTAMOS DATOS DE ERA5 Y ANEMOMETROS ------------------------------------
DATOS_JUNTOS<- inner_join(ERA5_df_CERCANOS,
ANEMOS_TABLA_ADDROWS, by="Date")
DATOS_JUNTOS[,c("WS","WD","WSMAX")]<- NULL
DATOS_JUNTOS_LISTA<- DATOS_JUNTOS %>% group_split(ERAlon,ERAlat)
#object.size(DATOS_JUNTOS)-object.size(DATOS_JUNTOS_LISTA)
#-35424bytes
#ES POCA DIFERENCIA PERO OKUPA MENOS EN FORMATO TALBLA... Y SIEMPRE SE PUEDE CONVERTIR
# A LISTA DE UNA MANERA RÁPIDA Y SENCILLA
path_anemo<- here::here('NUEVO/Data_calibracion/') %>% paste0(anemo_elegido)
nombre_archivo<- paste0("ERA5_",
DATOS_JUNTOS$Date %>% max() %>%
str_split(" ") %>% .[[1]] %>% .[1], ".RDS")
saveRDS(DATOS_JUNTOS,paste0(path_anemo, "/",nombre_archivo) )
}, error= function(e){
print(e)
return(anemo_elegido)
})
}