|
) C. |. U- x% X( p* Z& s 如何去思考并研究气象问题本身是一个需要不断学习和练习的过程，大量高质量的项目可以加深我们对气象科学中经典模式的深刻理解，从而可以掌握用合适的机器学习方法去进行气象研究和应用。在这里，我们集结了和鲸社区内优质的气象数据科学教程&项目，为气象er们提供了学习+实战的最佳平台！
/ l' d3 K* a3 T/ c4 k w: F 和鲸社区提供了相对自由的学习、研究、应用的方式，你可以在社区获得：
6 p5 T# A4 K& d. V* Y 气象数据科学语言教程用 Fortran/Python 语言进行数据读取/数据处理/数据分析/数值计算的实用气象项目气象可视化应用（雷达数据、地理信息数据、海洋数据等）项目阶梯难度的机器学习算法项目优秀气象项目/论文的整体复现 ( C- u# v" D1 k/ }
同时，你也可以系统地精进实战能力！训练营、Workshop 和练习赛等系列活动极大地丰富了气象研究的应用场景，从小白到进阶高手，与20w 数据科学业内人士+近1000位气象人同场竞技：
2 Q% x6 c; _0 N 题目全部来自业内大牛提供的气象场景案例不用处理环境装包，精力全放在解决具体气象问题上支持多种气象数据科学主流语言：Python、Fortran、Julia、R活动提供讨论区进行讨论，可以参考别人的思路，灵活交流和分享复现自动出分，实时获取每次代码实践的准确性和算法效率，精确了解个人代码在所有提交代码中运行效率排名
4 V) p( }! j1 T: y3 F 另外，在线数据科学平台 ModelWhale提供了学习和研究气象的工具及开箱即用的编程环境： + u* }3 B4 K1 K0 I) r& d8 E7 W
环境免安装，一键复现和鲸社区优秀丰富的气象数据科学教程和项目内置 Cartopy 等海量镜像，Python、Julia、R、Fortran 登录即用，并支持 WRF 模式Canvas 无代码图形化建模、Notebook 编程随需选用，还可相互转化GPU 分布式离线训练，训练记录超参数比对多类型数据源灵活接入，数据权限分级管理，数据安全有效保障
5 S! Z7 z: C: l4 i/ w6 e1 w% ?% [ 所有的社区资源，都确保代码的完整，及在对应镜像下一键运行复现！（注：如有疑问欢迎留言与技术小哥切磋）铺垫结束，下面正文开始！
2 l$ A$ z- R4 ^( k4 e 1.气象数据科学语言教程(1)Python 基础
* i# j9 r9 B) d 说明：Python 在气象、人工智能、机器学习领域受到火热追捧，很大程度上在于它拥有非常庞大的第三方库，以及强大的通用编程性能。因此，想要逐渐掌握 Python 数据分析，可以通过学习和了解如何利用 Python 调用 Python 的各种第三方库和工具包，感受运用 Python 进行数据分析的便利性。
( i1 H# d* G$ p 科赛 x 机器之心从零上手Python关键代码
3 U% i% X9 H+ K' ^% s Python基础 Python100例
7 o9 Y5 n4 D9 s Python入门教程
' d3 L% w$ t# h9 K" ^5 Z- f (2)Numpy教程
- B' g! K! B7 M9 N 说明：Numpy 是 Python 数值计算的基石，它提供多种数据结构、算法以及大部分设计 Python 数值计算所需的接口。Numpy 能够赋予 Python 快速处理数组的能力，除此之外，Numpy 的另一个主要用途是在算法和库之间作为数据传递的数据容器。 $ P, G8 D6 @! j7 e; R0 [
教程： 8 _9 h- A. ~# }4 S
Numpy快速上手指南——基础篇 ! g d. k0 ?2 E+ y* M+ t
Numpy快速上手指南——进阶篇
( T1 U) ^. w) z- G% V* } Numpy入门教程
$ y, _# @; _2 S Numpy实战全集 * P, O7 P* E; _2 i( n4 X+ A
练习题： 7 k! Y$ l1 p0 Q
这100道练习，带你玩转Numpy
' i3 d7 Z6 U! }& p (3)Pandas教程
$ M+ q, @' ^/ x+ | @ 说明：Pandas 为数据分析提供了高级数据结构和函数，使得利用结构化、表格化数据的工作快速、简单、表现力。做数据分析主要使用的 Pandas 对象是 DataFrame（用于实现表格化、面向列、使用行列标签的数据结构）和 Series（一种一维标签数组对象）。 ( }# _8 m2 b7 \/ z; C$ M
教程： . P3 M0 Z4 l* W9 u) b, w/ U
Pandas入门教程（1）
5 Z9 D5 q3 b" W Pandas入门教程（2）
( [! u2 H3 p) ~% ~5 p: C Pandas入门教程（3） & U Q" Z" t3 L6 [' x' [2 H- }
【Pandas教程】像写SQL一样用Pandas 6 U: E4 q* m( }( ^3 I9 Q1 b
高效分析：如何用pandas快速处理数据 3 T6 E1 D4 s( {- G# N7 |7 H
Pandas基础命令速查表 : d& g0 A( @: E$ P8 j3 K
练习题：
( P/ K% b/ U0 z( \ Pandas120题 , N( D2 `* I) d4 ]7 X7 B. v
50道练习带你玩转Pandas 3 y/ ?; s7 V& [) Y7 C+ [. d+ C0 N
这十套练习，教你如何使用Pandas做数据分析 / a6 p; c. y& [" n
(4)Xarray实例 0 v5 N, c+ u/ E+ K6 W& N
说明：由于气象数据大多为多维数据，Xarray 提供了一种高效读取和处理多维数据的方式方法，它特别适合处理 netCDF 文件，在类似于 NumPy 的原始数组上以尺寸、坐标和属性的形式引入标签，从而能提供给研究人员更直观，更简洁和更少出错的体验。该软件包包括一个庞大且不断增长的功能库，使用这些数据结构可以实现对气象数据的高级分析和可视化。
6 U+ K" {* O! Q2 \' z5 _; k# Q0 ` xarray实例大全-目录气象行业数据分析案例 6 t" {. T- y. j# f" a
xarray实例大全(一)-气象数据示例
$ S1 B% s7 K1 e& z$ E" e xarray实例大全(二)-月平均时间序列计算季节性平均值 / y# [& g7 M. O
xarray实例大全(三)-比较加权与非加权平均温度
v- s+ g c. z xarray实例大全(四)-多维坐标的使用
2 O' v" X0 e* C8 X$ j$ ^+ G xarray实例大全(五)-可视化库
! |0 u, v' M0 J# s& M8 `3 E xarray实例大全(六)-ROMS海洋模型示例 / J6 O( I5 y9 a' E( F9 I
xarray实例大全(七)-GRIB数据示例
' O+ J4 j$ s! e7 D xarray实例大全(八)-使用applyufunc & A, |2 @( Y7 G+ U( w: {2 V
xarray高阶利用dask并行读取数据 ) N( K0 ~! i8 s+ W$ s/ l
2.气象数据读取/数据处理/数据分析/数值计算
. N+ p Q2 @% V Workshop第一期：初探气象数据Part1 9 s& c3 f9 K4 n* q2 |, m) v) c
Workshop第一期：初探气象数据Part2
$ n7 y' {( _! _. V( Q! L Python读取气象数据nc格式文件的入门级操作
2 ?& p7 C* ^; z3 m% r$ A( ? Python处理HDF格式数据示例
- ]; }: i5 L1 C" N2 c' w- b5 q 利用Python的requests和json包获取台风数据
( r R1 [, N: k8 d 基于Python的Grads文件解析 ' {8 S' a' }# Y$ F
CALIPSO卫星数据处理
0 p" i/ |& H8 h% d* q) @2 L0 I: u 摸鱼的气象& ython
3 H+ G+ D! l7 ^, l# {" @# l! G Python之以温度为例的气象数据缺测处理方法 - I/ @, y; L) K, f1 D
Python之一个简单的风数据处理和分析案例 $ G7 v6 F6 L% f9 g
常用气象数据下载——ERA5再分析(grib格式) 9 f2 h3 K' S% V
常用气象数据下载——我国台风历史轨迹数据 t: A* o) ~2 ~& s6 |4 B
常用气象数据下载——耦合模式比较计划(CMIP6)
4 y; N0 x- [% X1 h) n 常用气象数据下载——TEMIS遥感数据 & D2 O: T% ]1 i I
常用气象数据下载——实时空气质量数据
% X1 m* }5 U$ B, t5 N, [ 常用气象数据下载——Hamawari8 1 i* C* Y: u, \: V
常用气象数据下载——NCEP再分析资料 4 R- n1 u& Y' `/ v: U' o0 l
常用气象数据下载——探空资料 ~& S5 m' `; L+ X/ N
气象之批量下载气象数据(EC;NCEP;CMIP)（python） 8 l* V" ~3 U7 t \6 r2 `1 p
气候变化趋势分析常用方法
0 k" n4 k h% G1 J 气象分析之气候变量场时空结构的分离-EOF 4 u2 V- l: Q% S. H7 }* l! P9 Z) J
气象数据处理——重采样（Regridding） . h# B: S' S$ @2 i
气象数据处理——湿位涡剖面分析 + ~4 _3 {3 H5 x2 O, @
气象数据分析——集合经验模态分解（EEMD） # {' ^. f' T! B% Z8 e: m2 Z
气象数据分析——相关系数与时间相关系数
( \% W& e% B+ B! `# w$ s: b 气象数据分析——旋转经验正交函数(REOF)
8 e8 k9 L- m6 ^2 @. z" ?( [ 气象数据分析——经验正交分解（EOF） 8 Z0 ~; @% N" v' p$ q( I, l; p8 w
气象数据分析——我国逐年降水的经验正交分解
2 h3 l/ ?, \/ B- N6 B 气象数据处理加速器——cdo
" ?- F) i' Q! \+ l) b/ r/ \4 ?5 ] 气象数据统计方法
8 u4 g7 w; J4 C A 供水管网压力预测（异常识别与缺失补全） , Q+ j9 ?% y# i
特征重要性评估——Lasso回归系数 9 q$ P6 x4 Q" z" b) o
2020华为杯E题——数据探索性分析 2 p* J: X* C, H* [ g6 {; D
WRF模式模拟数据后处理（计算篇） & a0 h4 a2 ^0 ]' e5 ^( A, B$ z E
结构方程模型（SEM）构建
5 d: d3 t/ A8 i( s3 m+ a" l6 } 多元多项式回归拟合能见度
- Y: f: h* d5 X7 a* G9 B" U 两个变量场的相关分析——SVD分解 " `( p# ~* A+ r) w3 N
小波分析——海温数据的时频域分解
- X$ r9 F8 P+ A' E9 p! m 基于DEM数据计算坡向、坡度和流向 ! v: Z' q$ i; {$ _- K0 a, M/ y+ V6 \5 N
基于随机森林对特征重要性排序 ' o3 X% y, x- d) |3 I& a
基于DBSCAN算法的人类活动GPS数据挖掘 # R. X4 b. D8 t0 Z
基于ERA5数据分析中国区域气温与降水数据的时空分布 " U7 a& q" R' X6 U0 S; `
最常见的10种图像滤波方法
6 M7 {# @5 t) r" c1 T 3.气象可视化(1)Cartopy绘图教程 - B5 O5 K. p, N
气象数据可视化库-Cartopy官网例程大全（中文翻译版）
' f5 o9 @1 P+ C, W1 d Cartopy——绘制不同投影的地图 , {7 [: u% d2 r# H$ z
Cartopy 调用天地图在线服务(原创) + d1 `! y+ K e8 c. p8 C
Cartopy绘图中国地图最正确的使用方式
- O) ]* A3 o, M5 L3 N9 u: J1 C1 F (2)Metpy绘图教程
" h& H. }& Z( d. B3 }1 F% O Metpy气象数据可视化库官网例程大全——目录 2 _# ?5 [$ [6 q6 S; y N
大气科学可视化示例——降水量
! z: v( F+ d! _5 _& m$ f# j( z( E 大气科学可视化示例——AWS S3 NEXRAD 档案存取和绘图 3 v" R- X, F$ Z' N& l: D
大气科学可视化示例——声明300hPa
6 W. T! g1 \, J, f) v+ ` W 大气科学可视化示例——飓风追踪器
' ^7 _8 W2 T- o7 W& _: B. T 大气科学可视化示例——观测数据截面
( B( z8 C3 v+ c: j 大气科学可视化示例——在旧版DIFAX图表上高空观测
* l7 X$ e {: Q$ J! i, S! L9 i% k 大气科学可视化示例——风切变矢量 ) x. W$ j+ R) b' w2 j( A
! v& ^5 c% J% u& D7 U) x& o% m; F3 ?: \0 P( I0 x
$ g0 F9 o5 M1 b
) ~9 w( A3 j& R' V! q
7 v. T: p8 l: N/ P2 ^+ X
| 
