meteoplots 0.1.2

Funções para plotagem meteorológica

meteoplots

Biblioteca para geração de gráficos meteorológicos (chuva, vento, SST, etc.) em Python.

---

📦 Instalação

Você pode instalar diretamente a partir do GitHub:

pip install git+https://github.com/josepaulo1233/meteoplots.git

pip install --upgrade --force-reinstall --no-cache-dir git+https://github.com/josepaulo1233/meteoplots.git@main

---

📊 Trabalhando com Dados xarray

A biblioteca meteoplots trabalha exclusivamente com objetos xarray.DataArray para dados meteorológicos. O xarray é a biblioteca padrão para manipulação de dados científicos multidimensionais em Python.

O que é xarray.DataArray?

Um xarray.DataArray é uma estrutura de dados que combina:

• Valores numéricos (dados meteorológicos)
• Coordenadas (latitude, longitude, tempo, níveis)
• Metadados (atributos, unidades, descrições)

Carregando Dados Meteorológicos

import xarray as xr
import numpy as np

# Método 1: Carregar de arquivo NetCDF
temperatura = xr.open_dataarray('temperatura_2m.nc')
precipitacao = xr.open_dataset('precipitacao.nc')['tp']  # Extrair variável específica

# Método 2: Criar dados sintéticos para testes
lat = np.arange(-35, 10, 0.5)
lon = np.arange(-75, -30, 0.5)
temp_data = 20 + 10 * np.random.random((len(lat), len(lon)))

temperatura = xr.DataArray(
    temp_data,
    coords=[('latitude', lat), ('longitude', lon)],
    attrs={'units': '°C', 'long_name': 'Temperatura do Ar 2m'}
)

# Método 3: Converter de outros formatos
import pandas as pd
# De pandas DataFrame para xarray
df = pd.read_csv('dados_estacoes.csv')
data_xr = df.set_index(['lat', 'lon']).to_xarray()

Estrutura Típica de Dados Meteorológicos

# Visualizar estrutura do DataArray
print(temperatura)
# Output:
# <xarray.DataArray 'temperature' (latitude: 90, longitude: 90)>
# array([[15.2, 15.4, ...],
#        [16.1, 16.3, ...], ...])
# Coordinates:
#   * latitude   (latitude) float64 -35.0 -34.5 ... 9.0 9.5
#   * longitude  (longitude) float64 -75.0 -74.5 ... -30.5 -30.0
# Attributes:
#     units:      °C
#     long_name:  Temperatura do Ar 2m

Verificando Dimensões e Coordenadas

# Verificar dimensões necessárias para meteoplots
print("Dimensões:", list(temperatura.dims))  # Deve incluir 'latitude' e 'longitude'
print("Coordenadas:", list(temperatura.coords))
print("Shape:", temperatura.shape)

# Renomear dimensões se necessário
if 'lat' in temperatura.dims:
    temperatura = temperatura.rename({'lat': 'latitude', 'lon': 'longitude'})

Preparando Dados para Múltiplos Plots

# Para plot_multipletypes_from_xarray, organize como dicionário
dados_multiplos = {
    'contourf': temperatura,      # Para plot preenchido
    'contour': pressao,           # Para linhas de contorno  
    'u_quiver': componente_u,     # Componente U do vento
    'v_quiver': componente_v      # Componente V do vento
}

Dicas Importantes

• Coordenadas obrigatórias: latitude/lat e longitude/lon ou
• Ordem das dimensões: Não importa, o xarray gerencia automaticamente
• Sistemas de coordenadas: A biblioteca aceita lon 0-360° ou -180-180°

---

🎯 Funções Principais

📊 Funções de Plotagem

plot_contourf_from_xarray()

Cria gráficos preenchidos (contourf) a partir de dados xarray.

from meteoplots.plots import plot_contourf_from_xarray

# Exemplo básico
fig, ax = plot_contourf_from_xarray(
    xarray_data=temperatura_data,
    plot_var_colorbar='temperature',
    title='Temperatura do Ar - 2m',
    extent=[-60, -30, -35, 5],  # [lon_min, lon_max, lat_min, lat_max]
    figsize=(12, 8)
)

Parâmetros principais:

• xarray_data: Dados em formato xarray DataArray
• plot_var_colorbar: Variável meteorológica para colorbar automática
• dim_lat/dim_lon: Nomes das dimensões de latitude/longitude
• extent: Extensão geográfica [lon_min, lon_max, lat_min, lat_max]
• normalize_colorbar: Normalização da barra de cores
• shapefiles: Lista de shapefiles para sobreposição

Parâmetros para análise de bacias:

• shp_path_bacias: Caminho para shapefile de bacias hidrográficas
• add_values_from_shapefile: Se True, adiciona valores médios das bacias no mapa
• basin_column_name: Nome da coluna com identificação das bacias (padrão: 'Nome_Bacia')

Exemplo com Análise de Bacias

# Exemplo com cálculo de valores médios por bacia
fig, ax = plot_contourf_from_xarray(
    xarray_data=precipitacao_data,
    plot_var_colorbar='tp',
    title='Precipitação por Bacia Hidrográfica',
    extent=[-60, -30, -35, 5],
    
    # Parâmetros para análise de bacias
    shp_path_bacias='path/to/bacias_hidrograficas.shp',
    add_values_from_shapefile=True,
    basin_column_name='Nome_Bacia',  # Nome da coluna com ID das bacias
    
    figsize=(12, 8)
)

Funcionalidade de Bacias:

• Calcula automaticamente o valor médio de cada bacia
• Adiciona anotações no centróide de cada bacia
• Útil para análise hidrológica e climatológica regional

plot_contour_from_xarray()

Cria linhas de contorno a partir de dados xarray.

from meteoplots.plots import plot_contour_from_xarray

# Linhas de contorno para pressão
fig, ax = plot_contour_from_xarray(
    xarray_data=pressao_data,
    contour_levels=[np.arange(1000, 1020, 2)],
    colors_levels=['red'],
    title='Linhas de Pressão (hPa)'
)

Parâmetros específicos:

• contour_levels: Lista de níveis para contorno
• colors_levels: Cores das linhas de contorno
• styles_levels: Estilos das linhas

plot_quiver_from_xarray()

Cria gráficos de vetores de vento (quiver plots).

from meteoplots.plots import plot_quiver_from_xarray

# Vetores de vento
fig, ax = plot_quiver_from_xarray(
    xarray_u=u_component,
    xarray_v=v_component,
    quiver_skip=3,  # Skip pontos para visualização mais limpa
    quiver_kwargs={'scale': 400, 'headwidth': 3},
    quiver_key={'length': 10, 'label': '10 m/s'}
)

Parâmetros específicos:

• xarray_u/xarray_v: Componentes U e V do vento
• quiver_skip: Subsampling para visualização mais limpa
• quiver_kwargs: Parâmetros do matplotlib quiver
• quiver_key: Configuração da legenda de escala

plot_streamplot_from_xarray()

Cria linhas de fluxo (streamlines) para campos de vento.

from meteoplots.plots import plot_streamplot_from_xarray

# Linhas de fluxo
fig, ax = plot_streamplot_from_xarray(
    xarray_u=u_component,
    xarray_v=v_component,
    stream_kwargs={'density': 2, 'color': 'blue', 'linewidth': 1.5},
    stream_color_by_magnitude=True,  # Cor baseada na magnitude
    stream_cmap='viridis'
)

Parâmetros específicos:

• stream_kwargs: Parâmetros do matplotlib streamplot
• stream_color_by_magnitude: Colorir por magnitude do vento
• stream_cmap: Colormap para magnitude
• stream_colorbar: Mostrar barra de cores

plot_multipletypes_from_xarray()

🌟 Função principal - Combina múltiplos tipos de plot em um único gráfico.

from meteoplots.plots import plot_multipletypes_from_xarray

# Exemplo completo combinando múltiplos plots
fig, ax = plot_multipletypes_from_xarray(
    xarray_data={
        'contourf': temperatura_data,
        'contour': pressao_data,
        'u_quiver': u_component,
        'v_quiver': v_component
    },
    plot_var_colorbar='temperature',
    plot_types=['contourf', 'contour', 'quiver', 'streamplot'],
    title='Análise Meteorológica Completa',
    extent=[-60, -30, -35, 5],
    figsize=(15, 10),
    
    # Parâmetros específicos para cada tipo
    contour_levels=[np.arange(1010, 1025, 2)],
    colors_levels=['black'],
    quiver_skip=4,
    streamplot_kwargs={'density': 1.5, 'color': 'white', 'alpha': 0.7}
)

Tipos de plot disponíveis:

• 'contourf': Dados preenchidos com cores
• 'contour': Linhas de contorno
• 'quiver': Vetores de vento
• 'streamplot': Linhas de fluxo

🔲 Função Utilitária

add_box_to_plot()

Adiciona caixas retangulares (boxes) em plots existentes para destacar áreas de interesse.

from meteoplots.plots import add_box_to_plot

# Criar plot base
fig, ax = plot_contourf_from_xarray(
    xarray_data=temperatura_data,
    plot_var_colorbar='temperature',
    title='Temperatura com Área de Interesse'
)

# Adicionar caixas retangulares
extent_boxes = [
    [-55, -45, -25, -15],  # Box 1: [lon_min, lon_max, lat_min, lat_max]
    [-50, -40, -30, -20]   # Box 2: Outra área de interesse
]

add_box_to_plot(
    ax=ax,
    extent_boxes=extent_boxes,
    edgecolor_box='red',
    linewidth_box=2,
    linestyle_box='--',
    alpha_box=0.8
)

Parâmetros:

• ax: Eixo matplotlib onde adicionar as caixas
• extent_boxes: Lista de extensões geográficas [lon_min, lon_max, lat_min, lat_max]
• edgecolor_box: Cor da borda (padrão: 'black')
• facecolor_box: Cor de preenchimento (padrão: 'none')
• linewidth_box: Espessura da linha (padrão: 1)
• linestyle_box: Estilo da linha (padrão: '-')
• alpha_box: Transparência (padrão: 1.0)

Casos de uso típicos:

• Destacar regiões de estudo específicas
• Marcar áreas com eventos meteorológicos importantes
• Delimitar zonas de interesse em análises climáticas
• Sobrepor múltiplas áreas para comparação regional

---

⚙️ Parâmetros Comuns

🗺️ Configuração Geográfica

# Configurações de mapa
extent = [-60, -30, -35, 5]  # Brasil: [lon_min, lon_max, lat_min, lat_max]
central_longitude = 0  # Longitude central da projeção
figsize = (12, 8)  # Tamanho da figura

🎨 Personalização Visual

# Títulos e labels
title = 'Meu Gráfico Meteorológico'
title_size = 16
label_colorbar = 'Temperatura (°C)'
colorbar_position = 'horizontal'  # ou 'vertical'

# Salvamento
savefigure = True
path_save = './figuras'
output_filename = 'meu_grafico.png'

🛡️ Configuração de Colorbars

# Método 1: Usar colorbar pré-configurada (recomendado)
plot_contourf_from_xarray(data, plot_var_colorbar='tp')

# Método 2: Configuração manual com levels e colors
plot_contourf_from_xarray(
    data, 
    levels=[0, 5, 10, 15, 20], 
    colors=['blue', 'green', 'yellow', 'red']
)

# Método 3: Configuração manual com levels e cmap
plot_contourf_from_xarray(
    data, 
    levels=[0, 5, 10, 15, 20], 
    cmap='viridis'
)

# ❌ Erro: sem plot_var_colorbar nem configuração manual
# plot_contourf_from_xarray(data)  # Gerará ValueError

Importante: Se plot_var_colorbar=None, você deve fornecer:

• levels E colors, ou
• levels E cmap

📂 Shapefiles

# Adicionar contornos de países/estados
shapefiles = [
    'path/to/brazil_states.shp',
    'path/to/south_america.shp'
]

---

💡 Exemplos Práticos

Exemplo 1: Temperatura com Contornos de Pressão

import xarray as xr
from meteoplots.plots import plot_multipletypes_from_xarray

# Carregar dados
temp_data = xr.open_dataarray('temperatura.nc')
pres_data = xr.open_dataarray('pressao.nc')

# Plotar
plot_multipletypes_from_xarray(
    xarray_data={'contourf': temp_data, 'contour': pres_data},
    plot_var_colorbar='temperature',
    plot_types=['contourf', 'contour'],
    title='Temperatura + Pressão',
    extent=[-75, -30, -35, 10],
    contour_levels=[np.arange(1000, 1030, 4)],
    colors_levels=['black']
)

Exemplo 2: Campo de Vento Completo

# Dados de vento
u_wind = xr.open_dataarray('u_component.nc')
v_wind = xr.open_dataarray('v_component.nc')

# Plotar vetores e linhas de fluxo
plot_multipletypes_from_xarray(
    xarray_data={'u_quiver': u_wind, 'v_quiver': v_wind},
    plot_types=['quiver', 'streamplot'],
    title='Campo de Vento - 850 hPa',
    quiver_skip=5,
    streamplot_kwargs={'density': 2, 'color': 'red', 'alpha': 0.6}
)

Exemplo 3: Análise de Bacias Hidrográficas

from meteoplots.plots import plot_contourf_from_xarray
import xarray as xr

# Carregar dados de precipitação
precip_data = xr.open_dataarray('precipitacao_mensal.nc')

# Análise por bacias com valores médios
fig, ax = plot_contourf_from_xarray(
    xarray_data=precip_data,
    plot_var_colorbar='tp',  # Colorbar de precipitação
    title='Precipitação Média por Bacia Hidrográfica',
    extent=[-75, -30, -35, 10],  # Brasil
    
    # Configuração de bacias
    shp_path_bacias='data/bacias_hidrograficas_brasil.shp',
    add_values_from_shapefile=True,
    basin_column_name='Nome_Bacia',
    
    # Sobreposição de estados
    shapefiles=['data/estados_brasil.shp'],
    
    # Configurações visuais
    colorbar_position='horizontal',
    label_colorbar='Precipitação (mm/mês)',
    figsize=(15, 10)
)

Exemplo 4: Usando Funções Utilitárias

from meteoplots.plots import plot_contourf_from_xarray
from meteoplots.colorbars import custom_colorbar
from meteoplots.utils.titles import gerar_titulo
import datetime

# Carregar dados
temp_data = xr.open_dataarray('temperatura.nc')

# Gerar título profissional
titulo = gerar_titulo(
    titulo_principal="Temperatura do Ar",
    nivel="850 hPa",
    unidade="°C",
    modelo="GFS",
    data=datetime.datetime(2024, 1, 15, 12, 0),
    subtitulo="Análise"
)

# Verificar colorbars disponíveis
custom_colorbar(help=True)

# Plotar com colorbar automática
plot_contourf_from_xarray(
    xarray_data=temp_data,
    plot_var_colorbar='temp850',  # Usar colorbar pré-configurada
    title=titulo,
    extent=[-60, -30, -35, 5],
    label_colorbar='Temperatura (°C)'
)

---

🌊 Análise de Bacias Hidrográficas

A função plot_contourf_from_xarray() inclui funcionalidade especial para análise de bacias hidrográficas, calculando automaticamente valores médios por bacia e exibindo-os no mapa.

Como Funciona

# Ativar análise de bacias
plot_contourf_from_xarray(
    xarray_data=data,
    plot_var_colorbar='tp',
    
    # Parâmetros para bacias
    shp_path_bacias='caminho/para/bacias.shp',
    add_values_from_shapefile=True,
    basin_column_name='Nome_Bacia'  # Coluna com ID das bacias
)

Funcionalidades da Análise de Bacias

• Cálculo automático: Valor médio espacial para cada bacia
• Anotações no mapa: Valores exibidos no centróide de cada bacia
• Flexibilidade: Funciona com qualquer shapefile de polígonos
• Precisão: Considera apenas pixels dentro de cada bacia

Requisitos do Shapefile

• Geometria: Polígonos representando as bacias
• Coluna de identificação: Nome ou código único para cada bacia
• Sistema de coordenadas: Preferencialmente EPSG:4326 (lat/lon)

Exemplo Prático

# Análise de precipitação por sub-bacias do São Francisco
plot_contourf_from_xarray(
    xarray_data=precipitacao_mensal,
    plot_var_colorbar='tp',
    title='Precipitação - Sub-bacias do Rio São Francisco',
    
    # Configuração das bacias
    shp_path_bacias='dados/sub_bacias_sao_francisco.shp',
    add_values_from_shapefile=True,
    basin_column_name='CODIGO_BACIA',
    
    # Região de interesse
    extent=[-50, -37, -18, -8],
    label_colorbar='Precipitação (mm/mês)'
)

Casos de Uso

• Hidrologia: Análise de precipitação por bacia
• Planejamento hídrico: Distribuição de recursos
• Climatologia regional: Padrões por região
• Agricultura: Monitoramento de chuva por fazenda/região

---

🎨 Colorbars Automáticas

A biblioteca inclui colorbars pré-configuradas para variáveis meteorológicas através da função custom_colorbar().

custom_colorbar()

Gera automaticamente níveis, cores e colormaps para variáveis meteorológicas específicas.

from meteoplots.colorbars import custom_colorbar

# Obter configuração de colorbar para precipitação
levels, colors, cmap, cbar_ticks = custom_colorbar('tp')

# Ver todas as variáveis disponíveis
custom_colorbar(help=True)

Variáveis disponíveis incluem:

• Precipitação: tp, chuva_ons, chuva_pnmm, tp_anomalia, tp_anomalia_mensal
• Temperatura: temp850, temp_anomalia
• Vento: wind200, mag_vento100, mag_vento100_anomalia
• Pressão: pnmm_vento, geop_500, geop_500_anomalia
• Oceanografia: sst_anomalia
• Campos dinâmicos: psi, chi, vorticidade, divergencia850
• Outros: olr, ivt, frentes, probabilidade, geada-inmet

Parâmetros:

• variavel_plotagem: Nome da variável meteorológica
• help: Se True, mostra todas as variáveis disponíveis com preview visual

Retorna:

• levels: Níveis para contorno/colorbar
• colors: Lista de cores (se aplicável)
• cmap: Colormap do matplotlib
• cbar_ticks: Posições dos ticks na colorbar

---

📝 Geração de Títulos

gerar_titulo()

Gera títulos formatados e informativos para gráficos meteorológicos.

from meteoplots.utils.titles import gerar_titulo

# Título simples
titulo = gerar_titulo(
    titulo_principal="Temperatura do Ar",
    nivel="2m",
    unidade="°C"
)

# Título completo com metadados
titulo = gerar_titulo(
    titulo_principal="Precipitação Acumulada",
    subtitulo="Previsão 24h",
    data="15/01/2024 12:00",
    nivel="Superfície", 
    unidade="mm",
    modelo="GFS",
    fonte="NOAA"
)

Parâmetros principais:

• titulo_principal: Título principal (ex: "Temperatura do Ar")
• subtitulo: Informação adicional
• data: Data/hora (string ou datetime)
• nivel: Nível atmosférico (ex: "850 hPa", "Superfície")
• unidade: Unidade de medida (ex: "°C", "mm/h")
• modelo: Nome do modelo (ex: "GFS", "ERA5")
• fonte: Fonte dos dados
• bold_subtitle: Formatação em negrito (LaTeX)
• include_datetime: Incluir timestamp de geração

Exemplo de saída:

Temperatura do Ar - 2m (°C)
𝐀𝐧á𝐥𝐢𝐬𝐞\ |\ 𝐌𝐨𝐝𝐞𝐥𝐨:\ 𝐆𝐅𝐒\ |\ 𝐃𝐚𝐭𝐚:\ 𝟏𝟓/𝟎𝟏/𝟐𝟎𝟐𝟒\ |\ 𝐆𝐞𝐫𝐚𝐝𝐨\ 𝐞𝐦:\ 𝟏𝟖/𝟎𝟗/𝟐𝟎𝟐𝟓

Características:

• Formatação automática: LaTeX para texto em negrito
• Timestamp automático: Data/hora de geração
• Flexível: Combine apenas os parâmetros necessários
• Padrão profissional: Adequado para relatórios científicos

---

🧪 Testes

A biblioteca meteoplots inclui uma suíte abrangente de testes para garantir qualidade e confiabilidade.

Estrutura dos Testes

tests/
├── __init__.py
├── conftest.py           # Fixtures compartilhadas
├── test_colorbars.py     # Testes para colorbars automáticas
├── test_plots.py         # Testes para funções de plotagem
├── test_utils.py         # Testes para utilitários
└── test_integration.py   # Testes de integração

Instalação das Dependências de Teste

# Instalar dependências básicas + testes
pip install -e ".[test]"

# Ou instalar dependências de desenvolvimento
pip install -e ".[dev]"

Executando os Testes

Método 1: Script de Teste Simples

# Executar todos os testes
python run_tests.py

# Executar com cobertura
python run_tests.py --coverage

# Executar apenas testes rápidos
python run_tests.py --fast

# Executar com saída detalhada
python run_tests.py --verbose

Método 2: Pytest Direto

# Todos os testes
pytest

# Com cobertura
pytest --cov=meteoplots --cov-report=html

# Testes específicos
pytest tests/test_colorbars.py
pytest tests/test_plots.py::TestPlotContourfFromXarray

# Pular testes lentos
pytest -m "not slow"

Tipos de Teste

🔧 Testes Unitários

• Colorbars: Validação de configurações, formatos, compatibilidade
• Plots: Cada função de plotagem individualmente
• Utils: Cálculos de bacia, geração de títulos, criação de painéis

🔗 Testes de Integração

• Workflows completos: Análise meteorológica end-to-end
• Análise de bacias: Integração com shapefiles
• Geração de painéis: Combinação de múltiplas figuras
• Cenários reais: Casos de uso típicos

📊 Cobertura de Código

# Gerar relatório de cobertura
pytest --cov=meteoplots --cov-report=html

# Visualizar no navegador
open htmlcov/index.html  # Linux/Mac
start htmlcov/index.html # Windows

Fixtures Disponíveis

📈 Dados de Teste

• sample_temperature_data: Dados de temperatura sintéticos
• sample_precipitation_data: Dados de precipitação sintéticos
• sample_pressure_data: Dados de pressão sintéticos
• sample_wind_components: Componentes U/V de vento
• sample_shapefile: Shapefile temporário para testes

🛠️ Utilitários

• test_output_dir: Diretório temporário para saídas
• matplotlib_backend: Backend Agg para testes sem display
• data_generator: Gerador de dados customizados

Exemplo de Teste Personalizado

import pytest
from meteoplots.plots import plot_contourf_from_xarray

def test_custom_scenario(sample_temperature_data, test_output_dir):
    """Teste para cenário específico."""
    
    fig, ax = plot_contourf_from_xarray(
        xarray_data=sample_temperature_data,
        plot_var_colorbar='temperature',
        title='Teste Customizado',
        savefigure=True,
        path_save=test_output_dir,
        output_filename='test_custom'
    )
    
    # Verificações
    assert fig is not None
    assert len(ax.collections) > 0
    
    # Verificar arquivo salvo
    import os
    output_file = os.path.join(test_output_dir, 'test_custom.png')
    assert os.path.exists(output_file)

Configuração de CI/CD

# .github/workflows/tests.yml
name: Tests
on: [push, pull_request]

jobs:
  test:
    runs-on: ubuntu-latest
    strategy:
      matrix:
        python-version: [3.8, 3.9, '3.10', 3.11]
    
    steps:
    - uses: actions/checkout@v3
    - name: Set up Python
      uses: actions/setup-python@v4
      with:
        python-version: ${{ matrix.python-version }}
    
    - name: Install dependencies
      run: |
        python -m pip install --upgrade pip
        pip install -e ".[test]"
    
    - name: Run tests
      run: pytest --cov=meteoplots --cov-report=xml
    
    - name: Upload coverage
      uses: codecov/codecov-action@v3

Benchmarks de Performance

# Testar performance com datasets maiores
pytest tests/test_integration.py::TestPerformanceIntegration -v

# Profile de memória (requer memory_profiler)
python -m memory_profiler tests/profile_memory.py

Testes de Regressão

# Verificar compatibilidade com versões anteriores
pytest tests/test_regression.py

# Comparar saídas visuais
pytest tests/test_visual_regression.py --baseline-dir=tests/baseline/

Dicas para Desenvolvedores

🐛 Debug de Testes

# Executar com pdb
pytest --pdb

# Manter arquivos temporários para inspeção
pytest --basetemp=debug_temp

# Logs detalhados
pytest -v -s --log-cli-level=DEBUG

📝 Adicionando Novos Testes

1. Use fixtures existentes sempre que possível
2. Isole testes - cada teste deve ser independente
3. Mock operações complexas (I/O, geospatial operations)
4. Teste casos extremos e condições de erro
5. Documente comportamentos esperados

🎯 Melhores Práticas

• Testes devem ser rápidos (< 1s por teste unitário)
• Use nomes descritivos para funções de teste
• Asserte comportamentos específicos, não apenas ausência de erros
• Cleanup automático de arquivos temporários
• Mock dependências externas (APIs, arquivos grandes)

---

📚 Dependências

• matplotlib
• cartopy == 0.24.1 (versão necessário para Análise de Bacias Hidrográficas)
• xarray
• numpy == 1.26.4 (versão necessária para Análise de Bacias Hidrográficas)
• geopandas == 0.13.2 (versão necessária para Análise de Bacias Hidrográficas)
• regionmask == 1.8.5.post1 (versão necessária para Análise de Bacias Hidrográficas)
• Shapely == 0.9.0 (versão necessária para Análise de Bacias Hidrográficas)
• fiona == 1.9.6 (versão necessária para Análise de Bacias Hidrográficas)

---

🤝 Contribuições

Contribuições são bem-vindas! Por favor, abra issues ou pull requests no repositório do GitHub.

---

📄 Licença

Este projeto está licenciado sob a licença MIT.