% This file contains a station summary listing for a temperature % station in the Berkeley Earth database. This station is identified as: % % Berkeley ID#: 28433 % Primary Name: AMAGO % Record Type: TAVG % Country: United States % State: CA % Latitude: 33.28333 +/- 0.00833 % Longitude: -116.86667 +/- 0.00833 % Elevation (m): 830.00 +/- 0.05 % # of Months: 70 % % IDs: coop - 40170 % ncdc - 20001494 % % Sources: US Cooperative Summary of the Month % Multi-network Metadata System % % Site Hash: 23b6ac19a6272eef1bfebd1ccb14de97 % Raw Data Hash: 4c36d94d22418e5238ce1817106837a2 % Adj Data Hash: f28cdae5d2eb6f840d0348c155f2789c % % The data for this station is presented below in several columns and in % several forms. The temperature values are reported as "raw", % "adjusted", and "regional expectation". % % The "raw" values reflect the observations as originally ingested by % the Berkeley Earth system from one or more originating archive(s). % These "raw" values may reflect the merger of more than one temperature % time series if multiple archives reported values for this location. % Alongside the raw data we have also provided a flag indicating which % values failed initial quality control checks. A further column % dates at which the raw data may be subject to continuity "breaks" % due to documented station moves (denoted "1"), prolonged measurement % gaps (denoted "2"), documented time of observation changes (denoted "3") % and other empirically determined inhomogeneities (denoted "4"). % % In many cases, raw temperature data contains a number of artifacts, % caused by issues such as typographical errors, instrumentation changes, % station moves, and urban or agricultural development near the station. % The Berkeley Earth analysis process attempts to identify and estimate % the impact of various kinds of data quality problems by comparing each % time series to neighboring series. At the end of the analysis process, % the "adjusted" data is created as an estimate of what the weather at % this location might have looked like after removing apparent biases. % This "adjusted" data will generally to be free from quality control % issues and be regionally homogeneous. Some users may find this % "adjusted" data that attempts to remove apparent biases more % suitable for their needs, while other users may prefer to work % with raw values. % % Lastly, we have provided a "regional expectation" time series, based % on the Berkeley Earth expected temperatures in the neighborhood of the % station. This incorporates information from as many weather stations as % are available for the local region surrounding this location. Note % that the regional expectation may be a systematically a bit warmer or % colder than the weather stations by a few degrees due to differences % in mean elevation and other local characteristics. % % For each temperature time series, we have also included an "anomaly" % time series that removes both the seasonality and the long-term mean. % These anomalies may provide an easier way of seeing changes through % time. % % Reported temperatures are in Celsius and reflect monthly averages. As % these files are intended to be summaries for convenience, additional % information, including more detailed flagging and metadata, may be % available in our whole data set files. % % The Berkeley Earth analysis was run on 15-Nov-2013 19:55:48 % % Raw Data QC Continuity Adjusted Data Regional Expectation % Year, Month, Temperature, Anomaly, Failed, Breaks, Temperature, Anomaly, Temperature, Anomaly 1933 2 NaN NaN NaN NaN NaN NaN 11.824 -1.648 1933 3 NaN NaN NaN NaN NaN NaN 13.013 -0.208 1933 4 NaN NaN NaN NaN NaN NaN 12.890 -1.000 1933 5 NaN NaN NaN NaN NaN NaN 12.871 -2.387 1933 6 NaN NaN NaN NaN NaN NaN 15.349 -1.511 1933 7 NaN NaN NaN NaN NaN NaN 18.431 -0.569 1933 8 NaN NaN NaN NaN NaN NaN 19.103 -0.660 1933 9 NaN NaN NaN NaN NaN NaN 17.611 -2.237 1933 10 NaN NaN NaN NaN NaN NaN 18.485 0.286 1933 11 NaN NaN NaN NaN NaN NaN 17.201 1.201 1933 12 NaN NaN NaN NaN NaN NaN 13.307 -0.589 1934 1 NaN NaN NaN NaN NaN NaN 14.251 0.967 1934 2 11.500 -1.712 0 0 10.637 -2.575 14.799 1.328 1934 3 18.389 5.428 0 0 17.526 4.564 16.323 3.101 1934 4 16.444 2.814 0 0 15.581 1.951 15.960 2.070 1934 5 19.778 4.780 0 0 18.915 3.917 17.073 1.815 1934 6 17.056 0.455 0 0 16.192 -0.408 15.597 -1.263 1934 7 25.778 7.039 0 0 24.915 6.175 19.557 0.558 1934 8 24.889 5.387 0 0 24.026 4.524 19.534 -0.228 1934 9 21.889 2.301 0 0 21.026 1.438 20.558 0.710 1934 10 19.500 1.560 0 0 18.637 0.697 18.523 0.323 1934 11 14.667 -1.073 0 0 13.804 -1.936 16.311 0.312 1934 12 12.333 -1.304 0 0 11.470 -2.167 15.151 1.254 1935 1 11.056 -1.969 0 0 10.192 -2.832 13.426 0.142 1935 2 13.056 -0.156 0 0 12.192 -1.019 14.469 0.998 1935 3 10.000 -2.961 0 0 9.137 -3.824 11.272 -1.949 1935 4 14.000 0.370 0 0 13.137 -0.493 14.141 0.251 1935 5 15.111 0.113 0 0 14.248 -0.750 14.722 -0.536 1935 6 20.667 4.066 0 0 19.804 3.203 16.335 -0.525 1935 7 23.889 5.150 0 0 23.026 4.287 18.588 -0.411 1935 8 25.222 5.720 0 0 24.359 4.857 20.422 0.660 1935 9 23.333 3.745 0 0 22.470 2.882 19.937 0.089 1935 10 18.667 0.727 0 0 17.804 -0.136 18.009 -0.191 1935 11 NaN NaN NaN NaN NaN NaN 14.710 -1.290 1935 12 12.278 -1.359 0 0 11.415 -2.222 14.228 0.332 1936 1 12.222 -0.802 0 0 11.359 -1.665 14.202 0.918 1936 2 11.722 -1.489 0 0 10.859 -2.353 13.420 -0.051 1936 3 13.833 0.872 0 0 12.970 0.009 13.714 0.493 1936 4 14.222 0.592 0 0 13.359 -0.271 14.044 0.154 1936 5 15.389 0.391 0 0 14.526 -0.472 16.280 1.022 1936 6 21.778 5.177 0 0 20.915 4.314 17.342 0.482 1936 7 24.833 6.094 0 0 23.970 5.231 20.514 1.515 1936 8 26.056 6.553 0 0 25.192 5.690 20.393 0.631 1936 9 24.778 5.190 0 0 23.915 4.326 19.909 0.060 1936 10 NaN NaN NaN NaN NaN NaN 18.437 0.237 1936 11 NaN NaN NaN NaN NaN NaN 17.690 1.690 1936 12 12.111 -1.526 0 0 11.248 -2.389 14.190 0.293 1937 1 NaN NaN NaN NaN NaN NaN 9.197 -4.087 1937 2 9.611 -3.600 0 0 8.748 -4.464 12.314 -1.157 1937 3 9.889 -3.072 0 0 9.026 -3.936 12.608 -0.614 1937 4 14.778 1.148 0 0 13.915 0.285 13.914 0.024 1937 5 17.389 2.391 0 0 16.526 1.528 15.650 0.392 1937 6 NaN NaN NaN NaN NaN NaN 16.846 -0.014 1937 7 NaN NaN NaN NaN NaN NaN 19.418 0.419 1937 8 NaN NaN NaN NaN NaN NaN 19.842 0.080 1937 9 NaN NaN NaN NaN NaN NaN 20.953 1.104 1937 10 NaN NaN NaN NaN NaN NaN 18.838 0.638 1937 11 NaN NaN NaN NaN NaN NaN 16.309 0.310 1937 12 NaN NaN NaN NaN NaN NaN 15.857 1.960 1938 1 NaN NaN NaN NaN NaN NaN 15.314 2.030 1938 2 NaN NaN NaN NaN NaN NaN 13.531 0.059 1938 3 NaN NaN NaN NaN NaN NaN 12.647 -0.574 1938 4 NaN NaN NaN NaN NaN NaN 14.201 0.311 1938 5 NaN NaN NaN NaN NaN NaN 15.166 -0.091 1938 6 NaN NaN NaN NaN NaN NaN 16.069 -0.792 1938 7 NaN NaN NaN NaN NaN NaN 18.411 -0.588 1938 8 NaN NaN NaN NaN NaN NaN 19.998 0.236 1938 9 NaN NaN NaN NaN NaN NaN 21.259 1.411 1938 10 NaN NaN NaN NaN NaN NaN 17.773 -0.427 1938 11 NaN NaN NaN NaN NaN NaN 15.508 -0.492 1938 12 NaN NaN NaN NaN NaN NaN 15.818 1.921 1939 1 NaN NaN NaN NaN NaN NaN 13.280 -0.005 1939 2 NaN NaN NaN NaN NaN NaN 10.986 -2.486 1939 3 NaN NaN NaN NaN NaN NaN 11.954 -1.267 1939 4 NaN NaN NaN NaN NaN NaN 15.136 1.246 1939 5 NaN NaN NaN NaN NaN NaN 15.330 0.072 1939 6 NaN NaN NaN NaN NaN NaN 16.445 -0.415 1939 7 NaN NaN NaN NaN NaN NaN 18.909 -0.091 1939 8 NaN NaN NaN NaN NaN NaN 19.977 0.215 1939 9 NaN NaN NaN NaN NaN NaN 21.987 2.138 1939 10 NaN NaN NaN NaN NaN NaN 19.344 1.144 1939 11 NaN NaN NaN NaN NaN NaN 17.772 1.772 1939 12 NaN NaN NaN NaN NaN NaN 16.451 2.554 1940 1 NaN NaN NaN NaN NaN NaN 15.097 1.813 1940 2 NaN NaN NaN NaN NaN NaN 14.354 0.883 1940 3 NaN NaN NaN NaN NaN NaN 14.663 1.441 1940 4 NaN NaN NaN NaN NaN NaN 15.256 1.365 1940 5 NaN NaN NaN NaN NaN NaN 16.906 1.648 1940 6 NaN NaN NaN NaN NaN NaN 16.687 -0.173 1940 7 NaN NaN NaN NaN NaN NaN 18.712 -0.287 1940 8 NaN NaN NaN NaN NaN NaN 19.061 -0.701 1940 9 NaN NaN NaN NaN NaN NaN 19.500 -0.349 1940 10 NaN NaN NaN NaN NaN NaN 19.058 0.858 1940 11 NaN NaN NaN NaN NaN NaN 16.375 0.376 1940 12 NaN NaN NaN NaN NaN NaN 16.038 2.142 1941 1 NaN NaN NaN NaN NaN NaN 14.267 0.982 1941 2 NaN NaN NaN NaN NaN NaN 15.012 1.540 1941 3 NaN NaN NaN NaN NaN NaN 14.550 1.329 1941 4 10.889 -2.741 0 2 11.803 -1.827 13.532 -0.358 1941 5 17.000 2.002 0 0 17.914 2.916 17.259 2.001 1941 6 17.444 0.844 0 0 18.358 1.758 16.310 -0.551 1941 7 23.000 4.261 0 0 23.914 5.175 18.822 -0.177 1941 8 20.333 0.831 0 0 21.247 1.745 19.085 -0.677 1941 9 17.056 -2.533 0 0 17.969 -1.619 18.398 -1.450 1941 10 14.000 -3.940 0 0 14.914 -3.026 17.824 -0.376 1941 11 14.222 -1.518 0 0 15.136 -0.604 17.288 1.288 1941 12 8.444 -5.192 0 0 9.358 -4.279 13.732 -0.165 1942 1 9.833 -3.191 0 0 10.747 -2.277 14.193 0.909 1942 2 7.500 -5.712 0 0 8.414 -4.798 12.573 -0.899 1942 3 9.778 -3.184 0 0 10.692 -2.270 12.677 -0.544 1942 4 9.778 -3.852 0 0 10.692 -2.938 13.517 -0.373 1942 5 12.889 -2.109 0 0 13.803 -1.195 14.955 -0.303 1942 6 17.222 0.622 0 0 18.136 1.536 16.074 -0.786 1942 7 NaN NaN NaN NaN NaN NaN 19.150 0.151 1942 8 NaN NaN NaN NaN NaN NaN 18.990 -0.772 1942 9 18.833 -0.755 0 0 19.747 0.159 18.759 -1.090 1942 10 15.611 -2.329 0 0 16.525 -1.415 18.453 0.253 1942 11 12.667 -3.073 0 0 13.581 -2.159 16.505 0.505 1942 12 11.111 -2.526 0 0 12.025 -1.612 14.291 0.394 1943 1 10.889 -2.135 0 0 11.803 -1.221 14.033 0.749 1943 2 11.778 -1.434 0 0 12.692 -0.520 14.991 1.520 1943 3 11.444 -1.517 0 0 12.358 -0.603 13.859 0.638 1943 4 13.556 -0.075 0 0 14.469 0.839 14.585 0.694 1943 5 16.556 1.558 0 0 17.469 2.472 16.235 0.977 1943 6 17.778 1.177 0 0 18.692 2.091 15.842 -1.019 1943 7 22.444 3.705 0 0 23.358 4.619 18.708 -0.291 1943 8 22.722 3.220 0 0 23.636 4.134 19.557 -0.205 1943 9 23.556 3.967 0 0 24.469 4.881 20.464 0.616 1943 10 18.333 0.393 0 0 19.247 1.307 18.751 0.551 1943 11 15.000 -0.740 0 0 15.914 0.174 17.028 1.028 1943 12 9.389 -4.248 0 0 10.303 -3.334 14.124 0.227 1944 1 9.444 -3.580 0 0 10.358 -2.666 13.553 0.269 1944 2 7.111 -6.100 0 0 8.025 -5.187 12.117 -1.355 1944 3 10.778 -2.184 0 0 11.692 -1.270 13.175 -0.046 1944 4 NaN NaN NaN NaN NaN NaN 12.961 -0.929 1944 5 NaN NaN NaN NaN NaN NaN 15.023 -0.235 1944 6 NaN NaN NaN NaN NaN NaN 14.868 -1.992 1944 7 NaN NaN NaN NaN NaN NaN 16.975 -2.024 1944 8 NaN NaN NaN NaN NaN NaN 18.988 -0.774 1944 9 NaN NaN NaN NaN NaN NaN 19.175 -0.673 1944 10 NaN NaN NaN NaN NaN NaN 17.949 -0.251 1944 11 NaN NaN NaN NaN NaN NaN 15.133 -0.867 1944 12 NaN NaN NaN NaN NaN NaN 14.520 0.623 1945 1 NaN NaN NaN NaN NaN NaN 12.964 -0.321 1945 2 NaN NaN NaN NaN NaN NaN 13.406 -0.066 1945 3 NaN NaN NaN NaN NaN NaN 11.378 -1.843