---
title: "Concentration de CO2 dans l'atmosphère depuis 1958"
author: "Hélène Raynal"
date: "21 avril 2020"
output: html_document
---


### Sujet

En 1958, Charles David Keeling  a initié une mesure de la concentration de CO2 dans l'atmosphère à l'observatoire de Mauna Loa, Hawaii, États-Unis qui continue jusqu'à aujourd'hui. L'objectif initial était d'étudier la variation saisonnière, mais l'intérêt s'est déplacé plus tard vers l'étude de la tendance croissante dans le contexte du changement climatique. En honneur à Keeling, ce jeu de données est souvent appelé "Keeling Curve" (voir (https://en.wikipedia.org/wiki/Keeling_Curve) pour l'histoire et l'importance de ces données).

Les données sont disponibles sur le site Web de l'institut Scripps. Utilisez le fichier avec les observations hebdomadaires. Attention, ce fichier est mis à jour régulièrement avec de nouvelles observations. Notez donc bien la date du téléchargement, et gardez une copie locale de la version précise que vous analysez. Faites aussi attention aux données manquantes.


### Pré-requis
Traitement de suites chronologiques

Quelques références:

- [caschrono: Séries Temporelles Avec R] (https://cran.r-project.org/web/packages/caschrono/) - Yves Aragon  - Université Toulouse Capitole - 28 janvier 2019


### Create dataframe and load R libraries required for the different statistical treatments

The data file below contains 10 columns.  

- Columns 1-4 give the dates in several redundant formats. 
- Column 5 below gives monthly Mauna Loa CO2 concentrations in micro-mol CO2 per  mole (ppm), reported on the 2008A SIO manometric mole fraction scale.  This is thestandard version of the data most often sought.  The monthly values have been adjusted to 24:00 hours on the 15th of each month.  
- Column 6 gives the same data after a seasonal adjustment to remove the quasi-regular seasonal cycle.  The adjustment involves subtracting from the data a 4-harmonic fit with a linear gain factor.  
- Column 7 is a smoothed version of the data generated from a stiff cubic spline function plus 4-harmonic functions with linear gain.  
- Column 8 is the same smoothed version with the seasonal cycle removed.  
- Column 9 is identical to Column 5 except that the missing values from Column 5 have been filled with values from Column 7.  
- Column 10 is identical to Column 6 except missing values have been filled with values from Column 8.  

Missing values are denoted by -99.99                                                                         
                                                                                           
 CO2 concentrations are measured on the '08A' calibration scale  

```{r }
library(tidyverse)
library(forecast)
library(lubridate)
library(car)
library(scales)
library(patchwork)
library(kableExtra)

dataCO2 <- read.csv("monthly_in_situ_co2_mlo.csv", sep="," ,skip = 57)
colnames(dataCO2) <- c("Year", "Month","Date1", "Date2", "ObsCO2", "SeasAdjCO2","SplineAdjCO2", "SplineAdjCO2Trend", "ObsCO2Comp", "SeasAdjCO2Comp")
summary(dataCO2)

dataCO2$Date <- ymd(paste0(dataCO2$Year, " ", dataCO2$Month, " ", "15"))

```


** Remplacement dans la série des valeurs observées,  des valeurs manquantes -99.99 par celles qui sont interpolées
** on enlève ensuite les observations manquantes
```{r }



dataCO2 <- dataCO2[dataCO2$ObsCO2Comp != "-99.99", ]

```

** Create a column Date with format YYYY MM DD
```{r }


dataCO2$Date <- ymd(paste0(dataCO2$Year, "-", dataCO2$Month, "-", "15"))

```


### Représentation des résultats

```{r }
ggplot(dataCO2,aes(Date, dataCO2$ObsCO2Comp)) +
    geom_line(color='orange') +
    xlab("Year, Month") +
    scale_x_date(date_labels = "%Y-%m", date_breaks = "5 year") +
    theme(axis.text.x = element_text(face = "bold", color = "#993333", 
                           size = 12, angle = 45, hjust = 1)) +
    ylab("CO2 Concentration (ppm)") +
    scale_y_continuous() +
    theme(axis.text.y = element_text(face = "bold", color = "#993333", 
                           size = 10, hjust = 1),axis.title.y = element_text(size = 10)) +
  ggtitle("Graphique 1")

```

```{r }

 library(viridis) 

dataCO2_by_year <- dataCO2 %>% group_by("Year")
ggplot(dataCO2_by_year, aes(dataCO2_by_year$Month,dataCO2_by_year$ObsCO2Comp )) +
         geom_line(aes( group = dataCO2_by_year$Year , colour=dataCO2_by_year$Year)) +
         xlab("Month")+
         ylab("CO2 Concentration (ppm)") +
         ggtitle("Graphique saisonnier")
```



### Modélisation

** Doc 

(https://github.com/Peymankor/Data-Science_Portfolio/blob/master/Time%20Series%20Analysis-Historical%20Co2/medium_post.Rmd)

Série n'est pas stationnaire comme le montre le graphique

Série montre une saisonnalité voir graphique 2

Now, knowing the the non-statinary and seasonality of the data, it suggest to use theseasons differencing to model the data. To answer, 


* How is Autocorelation function and Partial Auto corellation?

Here is the plot of ACF and PACF from the *forecast* package:

```{r}
Co2_train <- ts(dataCO2_by_year$ObsCO2Comp, start = c(1958,3), frequency = 12)
Co2_train %>% ggtsdisplay()
```


```{r}
Co2_train %>% diff(lag=12) %>% diff() %>% ggtsdisplay()
```