Sazonalidade dos focos de queimadas no Brasil

O professor da FURG, Cristiano Oliveira, gentilmente, me enviou os dados do exercício que ele fez envolvendo focos de queimadas no Brasil. Hoje, infelizmente, tenho algumas entregas para fazer e não vou ter tempo de olhar bem os dados. Ao longo da semana, pretendo construir algo mais elaborado com eles. Por enquanto, fiquem com o gráfico sazonal dos focos de queimadas...


library(readxl)
data = read_excel('focos.xlsx')

queimadas = ts(data$Focos, start=c(2003,01), freq=12)

ggmonthplot(queimadas/1000)+
geom_line(colour='red')+
labs(x='', y='Mil',
title='Sazonalidade dos Focos de Queimadas ativos no Brasil',
caption='Fonte: http://queimadas.dgi.inpe.br/queimadas/portal')

 

Para quem quiser reproduzir o gráfico, o arquivo focos.xlsx está aqui.

_________________________________

OBS: O Shikida também brincou com os dados aqui.

Compartilhe esse artigo

Facebook
Twitter
LinkedIn
WhatsApp
Telegram
Email
Print

Comente o que achou desse artigo

Outros artigos relacionados

Cálculo do Retorno Econômico de uma Política Pública

Como podemos traduzir os efeitos de uma política pública para valores monetários? Essa é uma tarefa árdua que requer algumas premissas, entretanto, com métodos bem definidos, é possível obter estimativas precisas dos ganhos e os gastos de uma política pública.

Neste exercício, demonstramos tal método usando a política hipotética "Mãe Paranense”, um conjunto de ações que visam reduzir a mortalidade materna e infantil no estado. Usamos a linguagem R como ferramenta para analisar os dados.

Simplificando análises de dados manuais do Excel usando o Python

Tratar e analisar dados no Excel pode ser um verdadeiro caos, mesmo que você precise fazer coisas simples como cruzar duas tabelas de dados. Uma solução melhor é o uso de scripts em Python, que possibilitam a automação de tarefas repetitivas e manuais. Neste artigo mostramos um exemplo simples, comparando o Excel versus Python.

Como automatizar o tratamento de dados feito no Excel usando o Python?

Segundo a pesquisa “State of Data Science”, profissionais de dados gastam 3 horas/dia (38% do tempo) apenas preparando os dados, antes mesmo de analisá-los. Neste artigo advogamos que este gasto de tempo pode ser drasticamente reduzido ao utilizar ferramentas open source, como Pandas e Python, para automatizar tarefas repetitivas que costumam ser feitas em Excel.

como podemos ajudar?

Preencha os seus dados abaixo e fale conosco no WhatsApp

Boletim AM

Preencha o formulário abaixo para receber nossos boletins semanais diretamente em seu e-mail.