Wetter in Schottland

Im Juni steht meine lang ersehnte Rucksackreise nach Schottland an; höchste Zeit sich etwas genauer mit dem dortigen Wetter auseinanderzusetzen. Einschlägige Tourismus-Webseiten verraten mir: Scotland is famous for having four seasons in one day! - die Regenkleidung muss also eingepackt werden. Auf meine Wintermütze würde ich dagegen schon gerne verzichten - es ist ja schließlich Sommer?!

Datenbeschaffung

Auf der Webseite des nationalen meteorologischen Dienstes des Vereinigten Königreichs habe ich historische Wetterdaten ausfindig machen können. Ich habe dabei nur Stationen berücksichtigt, die sich in Schottland befinden.

Datenaufbereitung

Pro Wetterstation gibt es eine .txt Datei mit historischen Daten. Diese werden mit der Funktion read_table() aus dem R-Paket readr eingelesen. Fehlende Werte identifziere ich mit dem Arumgent na =. Mit dem Argument col_types = können die Formate der Spalten vorab festgelegt werden. Da alle Dateien den gleichen Aufbau bzgl. der Spalten haben, verwende ich die Funktion map_dfr() aus dem R-Paket purrr um alle Dateien in einem Rutsch einzulesen. Damit die Daten unterscheidbar bleiben, erstelle ich einen Identifikator für jede Wetterstation.

data_weather <-
  map_dfr(
    c("dunstaffnage", "wickairport", 
      "nairn", "lerwick","braemar"),
    ~ read_table(paste0("data/",., "data.txt"), 
                 na = "---", col_types = "iiddid"), 
    .id = "source") %>%
  mutate(station = case_when(
    source == "1" ~ "Dunstaffnage",
    source == "2" ~ "Wick Airport",
    source == "3" ~ "Nairn",
    source == "4" ~ "Lerwick",
    source == "5" ~ "Braemar",
  )) %>%
  select(-c(source, af))

Der Datensatz enthält Angaben zum Datum der Aufzeichnung (Jahr und Monat), der durchschnittlichen Tiefst- und Höchsttemperatur sowie eine Angabe zur durchschnittlichen Niederschlagsmenge. Die verfügbaren Zeiträume der Wetterangaben unterscheiden sich von Station zu Station. Für die Wetterstation Wick Airport liegen bspw. Daten zurück bis 1914 vor. Damit dieser Umstand im Datensatz und bei der Analyse besser ersichtlich ist, verwende ich die Funktion complete() aus dem R-Paket tidyr, um nicht vorliegende Wetterangaben einer Station mit NA Werten zu füllen und so die verfügbaren Zeitangaben über alle Stationen hinweg zu harmonisieren.

data_weather <- complete(data_weather, station, nesting(yyyy, mm))

Unten findet man einen Ausschnitt des Datensatzes.