Pour travailler séries temporelles, statistiques descriptives, valeurs manquantes, visualisation à partir d’un contexte météorologie lié à Station Québec/Jean-Lesage, Québec.
FormatObjet data.frame dans UlavalSSD 0.2.0; CSV préparé localement
Documentation complèteSources, variables, code R minimal, méthode et limites
Pourquoi ce jeu est intéressant
Ce jeu est très utile pour une première expérience de science des données en R. Les variables sont concrètes, les unités sont faciles à comprendre et les graphiques deviennent rapidement interprétables. Il permet d’introduire les dates, les séries temporelles, les valeurs manquantes, les statistiques descriptives et les limites d’une interprétation.
La question pédagogique centrale est simple : que peut-on dire de la météo quotidienne observée à une station, et que ne peut-on pas conclure sans analyse climatique plus rigoureuse?
Ce qui a été vérifié
Élément
Résultat vérifié
Jeu pédagogique
UlavalSSD::MeteoQuebec
Version du paquet
UlavalSSD 0.2.0
Source primaire documentée
Environnement et Changement climatique Canada, via weathercan
source pédagogique vérifiée dans UlavalSSD 0.2.0; préparation locale reproductible
Ce que représente une ligne
Une ligne représente une observation météorologique quotidienne pour la station Québec/Jean-Lesage. Elle ne représente pas toute la région de Québec, ni toute la province, ni une moyenne climatique officielle.
Variable préparée
Rôle
source_dataset
Origine pédagogique du jeu
station_label
Station documentée
date
Date complète de l’observation
annee, mois_num, mois, jour
Variables temporelles dérivées
saison
Saison construite à partir du mois
max_temp, mean_temp, min_temp
Températures quotidiennes en degrés Celsius
total_precip
Précipitations totales quotidiennes en millimètres
total_rain
Pluie quotidienne en millimètres
total_snow
Neige quotidienne en centimètres
snow_grnd
Neige au sol en centimètres
Taille et résultats R vérifiés
Indicateur
Valeur
Observations quotidiennes
20 111
Colonnes préparées
15
Première date
1970-01-01
Dernière date
2025-01-22
Moyenne de mean_temp
4,55 °C
Minimum de mean_temp
-30,6 °C
Maximum de mean_temp
28,1 °C
Moyenne de total_precip
3,28 mm
Maximum de total_precip
108,5 mm
Valeurs manquantes
Variable
Valeurs manquantes
Pourcentage
total_snow
10 587
52,64 %
total_rain
10 490
52,16 %
snow_grnd
8 912
44,31 %
total_precip
97
0,48 %
mean_temp
54
0,27 %
max_temp
53
0,26 %
min_temp
40
0,20 %
Cette table est un excellent point d’entrée pour enseigner que les variables d’un même jeu n’ont pas toutes la même complétude. Dans un laboratoire d’introduction, il est plus prudent de commencer avec mean_temp ou total_precip qu’avec total_rain ou total_snow.
Résumé par saison
Saison
Observations
Moyenne de mean_temp
Écart-type de mean_temp
Précipitation moyenne
Automne
5 005
6,64 °C
6,94 °C
3,53 mm
Hiver
4 986
-10,20 °C
6,81 °C
2,82 mm
Printemps
5 060
3,53 °C
8,06 °C
2,93 mm
Été
5 060
18,10 °C
3,38 °C
3,85 mm
Dans cette version du jeu, le printemps présente la plus forte dispersion saisonnière de mean_temp selon l’écart-type descriptif.
Lecture statistique
Le jeu convient très bien à une première analyse descriptive :
construire une vraie variable date;
vérifier les valeurs manquantes;
choisir une variable météorologique;
résumer par mois, saison ou année;
visualiser sans surinterpréter.
Il faut toutefois éviter une erreur fréquente : transformer un graphique de météo quotidienne en conclusion climatique générale. Une analyse climatique demanderait un protocole explicite, une réflexion sur les stations, la continuité des mesures, les normales climatiques, les changements d’instrumentation et les incertitudes.
Concepts enseignables
création d’une variable date;
séries temporelles quotidiennes;
statistiques descriptives;
valeurs manquantes;
saisonnalité;
visualisation avec ggplot2;
différence entre météo et climat;
communication prudente.
Score zéro déchet
Dimension
Score
Justification
Contexte québécois
3
Station météo située à Québec
Accessibilité pédagogique
3
Variables familières et interprétables
Qualité documentaire
3
Documentation locale, source ECCC et package weathercan
Potentiel de nettoyage
3
Dates, saisons et valeurs manquantes
Potentiel de visualisation
3
Séries temporelles, distributions et saisons
Potentiel de statistique descriptive
3
Moyennes, écarts-types, extrêmes et regroupements
Potentiel d’inférence
2
Possible, mais demande un protocole plus strict
Potentiel de modélisation
2
Modélisation temporelle introductive possible
Potentiel éthique
2
Discussion sur interprétation publique des données météo
Réutilisabilité
3
Très réutilisable dans des laboratoires d’introduction
Total : 27 sur 30.
Activité courte
En 45 à 60 minutes, construire une variable date, définir les saisons et répondre à la question : quelle saison présente la plus forte variabilité de température?
Activité longue
En 2 à 3 heures, produire un portrait descriptif de la météo quotidienne à Québec avec au moins deux graphiques, une section sur les valeurs manquantes et une conclusion prudente.
LaZerte et Albers. 2018. weathercan: Download and format weather data from Environment and Climate Change Canada. https://github.com/ropensci/weathercan