Lectura de datos#

Primero le pegamos un vistaso al archivo netCDF. Esto es particularmente importante si queremos (o tenemos) que leer solo una parte.

GlanceNetCDF(here("datos/sea_variables.nc"))

En este caso el archivo contiene información de la temperatura de la superficie del mar (sst) y la fracción de mar cubierta por hielo (siconc) para todos los meses de 2021. Podemos leerlo completo, pero por ahora vamos a trabajar con la sst.

sst <- ReadNetCDF("datos/sea_variables.nc", vars = "sst")

Hagamos nuestro primer gráfico

sst %>% 
  filter(time == lubridate::ymd(20210101)) %>% 
  ggplot(aes(longitude, latitude)) +
  geom_contour_fill(aes(z = sst))

Para tener un mapa se necesitan datos de la localización de las costas o las fronteras. Existen varias fuentes de estos datos, pero una muy buena es Natural Earth. El paquete {rnaturalearth} provee una interfaz amigable para usar estos datos directamente en {ggplot2}.

Primero hay que cargar el mapa que queramos. Por ejemplo para obtener un mapa de las costas usamos:

mapa <- rnaturalearth::ne_coastline(returnclass = "sf")

sf::sf_use_s2(FALSE)

ggplot(mapa) +
  geom_sf() +
  scale_y_continuous(limits = c(-80, 80))

El argumento returnclass hace referencia a la estructura que queremos que devuelva. En este caso, returnclass = “sf” hace que devuelva un objeto de clase “Simple Features”. Las “Simple Features” son cualquier cosa menos simple internamente pero con {ggplot2} se pueden graficar con un geom específico.

sst %>% 
  filter(time == lubridate::ymd(20210101)) %>% 
  ggplot(aes(longitude, latitude)) +
  geom_contour_fill(aes(z = sst)) +
  geom_sf(data = mapa, inherit.aes = FALSE) +
  scale_y_continuous(limits = c(-80, 80))

A veces la longitud va de 0 a 360 grados, otras de -180 a 180 grados. con ConvertLongitude() podemos unificar los datos.

sst %>% 
  filter(time == lubridate::ymd(20210101)) %>% 
  mutate(longitude = ConvertLongitude(longitude)) %>% 
  ggplot(aes(longitude, latitude)) +
  geom_contour_fill(aes(z = sst)) +
  geom_sf(data = mapa, inherit.aes = FALSE) +
  scale_y_continuous(limits = c(-80, 80))

Colores y pinta general#

Seguro para cada variable tenemos en la cabeza una escala de colores específica. En este caso, al tratarse de temperatura podríamos usar una escala continua de color Brewer. Vamos a agregarla

sst %>% 
  filter(time == lubridate::ymd(20210101)) %>% 
  mutate(longitude = ConvertLongitude(longitude)) %>% 
  ggplot(aes(longitude, latitude)) +
  geom_contour_fill(aes(z = sst)) +
  geom_sf(data = mapa, inherit.aes = FALSE) +
  scale_y_continuous(limits = c(-80, 80)) +
  scale_fill_distiller(palette = "YlOrRd", direction = 1)

La leyenda está ok, pero podríamos mejorarla.

sst %>% 
  filter(time == lubridate::ymd(20210101)) %>% 
  mutate(longitude = ConvertLongitude(longitude)) %>% 
  ggplot(aes(longitude, latitude)) +
  geom_contour_fill(aes(z = sst, fill = stat(level))) +
  geom_sf(data = mapa, inherit.aes = FALSE) +
  scale_y_continuous(limits = c(-80, 80)) +
  scale_fill_distiller(palette = "YlOrRd", direction = 1,
                       super = metR::ScaleDiscretised,
                       guide = guide_colorsteps(barwidth = 15)) +
  theme(legend.position = "bottom")

Paron muchas cosas:

fill = stat(level) en la geometría nos permite usar la variable “level” (que no es la del data.frame) que calcula internamente ggplot. Esto es necesario para acceder a la información de los contornos.
super = metR::ScaleDiscretised nos permite discretizar la legenda.
guide = guide_colorsteps() va a cambiar la pinta de la leyenda para mostrarla como “cuadraditos” de colores en vez de una barra continua.
El barwidth = 15 adentro de la guía cambia el ancho de la leyenda para que se vea un poco mejor una vez que la posicionamos abajo con legend.position = "bottom"

Ahora podemos trabajar sobre los elementos de texto de nuestro gráfico.

sst %>% 
  filter(time == lubridate::ymd(20210101)) %>% 
  mutate(longitude = ConvertLongitude(longitude)) %>% 
  ggplot(aes(longitude, latitude)) +
  geom_contour_fill(aes(z = sst, fill = stat(level))) +
  geom_sf(data = mapa, inherit.aes = FALSE) +
  scale_y_continuous(limits = c(-80, 80)) +
  scale_fill_distiller(palette = "YlOrRd", direction = 1,
                       super = metR::ScaleDiscretised,
                       guide = guide_colorsteps(barwidth = 15)) +
  labs(x = NULL, y =  NULL, fill = "[K]",
       title = "Temperatura del superficie del mar", 
       subtitle = "Enero 2021") +
  theme(legend.position = "bottom")

Y en mi caso me gusta cambiarle el tema:

sst %>% 
  filter(time == lubridate::ymd(20210101)) %>% 
  mutate(longitude = ConvertLongitude(longitude)) %>% 
  ggplot(aes(longitude, latitude)) +
  geom_contour_fill(aes(z = sst, fill = stat(level))) +
  geom_sf(data = mapa, inherit.aes = FALSE) +
  scale_y_continuous(limits = c(-80, 80)) +
  scale_fill_distiller(palette = "YlOrRd", direction = 1,
                       super = metR::ScaleDiscretised,
                       guide = guide_colorsteps(barwidth = 15)) +
  labs(x = NULL, y =  NULL, fill = "[K]",
       title = "Temperatura del superficie del mar", 
       subtitle = "Enero 2021") +
  theme_minimal() +
  theme(legend.position = "bottom")