|
' d" k$ h5 i7 x# N3 c 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！
1 O8 T" T5 A% _+ G/ |2 r* t 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： 7 r. r5 G; Q; c( P& G8 }
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
+ R# D4 g! o; s1 b' m 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：
3 b" o9 k2 N0 c9 U 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 w3 S& D3 d1 I) j- G
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： % [9 Z, P8 {7 I; V( m' ^" S9 A: y
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 1 k, t4 _! G% O" `! l" M
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！
4 U! D1 _! |- a9 D9 c! l' \; Q 1.气象数据科学语言教程(1)Python 基础
/ i8 K- k# I3 N5 S5 F4 v 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。 ) u) F- E$ i/ x( h; [
科赛 x 机器之心从零上手Python关键代码
8 {& c' i n; q7 Y Python基础 Python100例 6 r$ G' d8 o& W5 {0 l" f* \
Python入门教程 1 _" z3 n& r g }3 x
(2)Numpy教程 0 a0 M8 C6 ~# K& j" I- s9 ]* e
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。 # M) g x" s( f9 K# w( B: N
教程： {1 X% N7 i* F4 b! J$ s
Numpy快速上手指南——基础篇
: }+ E; a9 w4 Z% v2 M6 d k# T/ b' ^ Numpy快速上手指南——进阶篇
* W7 z* k, x8 U$ ^; ` Numpy入门教程 & e$ T, W- D2 l( w9 B
Numpy实战全集
+ E4 w& i/ Q# p6 I 练习题：
- m% e0 } L6 n# z+ s/ U7 k 这100道练习，带你玩转Numpy
3 |! D6 n+ F# q* f6 ^# q$ Y (3)Pandas教程 . A% k# ]2 y& d3 \
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）。 + S) w& t# I% e; E3 f( s: ]
教程： ! Z5 u$ d. v. x& D T" x8 @
Pandas入门教程（1）
$ H3 e, e3 f! N Pandas入门教程（2）
6 C" u- v4 R! n0 g6 W; { Pandas入门教程（3） * y# Q; D. _; E9 O
【Pandas教程】像写SQL一样用Pandas
1 N. T! p! K: @" e0 X4 u 高效分析：如何用pandas快速处理数据
; `' ^4 v& N' U3 u* D2 C Pandas基础命令速查表
2 k% {1 i, `" {* q ] 练习题：
- l9 w; ]: |% k1 [) p' ?9 w Pandas120题 2 V# I+ @' i6 c4 {( E7 |# N9 B
50道练习带你玩转Pandas 7 u" G5 Y7 A, H( |/ [8 ~8 B
这十套练习，教你如何使用Pandas做数据分析
/ s' p, y& p5 i6 h5 p (4)Xarray实例 3 N% x3 q) K5 i6 g, L4 b) F3 {
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。
+ V1 P6 O+ m" `+ f xarray实例大全-目录气象行业数据分析案例 * }6 F1 g5 A6 i6 E# P
xarray实例大全(一)-气象数据示例 ! n0 u5 u0 w+ a+ p5 I+ U
xarray实例大全(二)-月平均时间序列计算季节性平均值 6 _( t# P! ~! g, v/ y
xarray实例大全(三)-比较加权与非加权平均温度
8 ]$ Z1 p* q) ^, O% c: \1 v2 t xarray实例大全(四)-多维坐标的使用 . S W( N- A1 |9 h* B1 H
xarray实例大全(五)-可视化库 : J6 w$ f6 b, m5 g
xarray实例大全(六)-ROMS海洋模型示例 ) {' H8 ~+ N9 _) } j
xarray实例大全(七)-GRIB数据示例 5 ?3 J" p, V6 c" F3 I$ f \5 ?
xarray实例大全(八)-使用applyufunc 9 T# b7 u9 R4 |+ g" V
xarray高阶利用dask并行读取数据 . ]7 ]9 Q L/ T2 P- r: Y) B
2.气象数据读取/数据处理/数据分析/数值计算
0 j7 k, G: p4 |5 { Workshop第一期：初探气象数据Part1 4 E W; C' G. `! \7 d" G; d, M
Workshop第一期：初探气象数据Part2 4 G. i) x1 R( K+ k3 D
Python读取气象数据nc格式文件的入门级操作
3 T* t% j) K/ R, j! B% y Python处理HDF格式数据示例
( b W+ \4 Q* @8 C- k0 ~7 ` 利用Python的requests和json包获取台风数据
3 F1 w) L. J Z3 N# @$ q 基于Python的Grads文件解析
g4 J2 i$ e3 ?/ o& l CALIPSO卫星数据处理 - \1 q' M- `) l# f6 j( S
摸鱼的气象& ython
( u- A% n/ k1 h/ ^, s Python之以温度为例的气象数据缺测处理方法 1 X$ H! B1 C) r8 D- R' L2 N( D G
Python之一个简单的风数据处理和分析案例
$ V; D! I1 a* X7 s% F 常用气象数据下载——ERA5再分析(grib格式)
5 @" {) `: c& y1 Z6 F6 h 常用气象数据下载——我国台风历史轨迹数据
( g3 P% g" |& I, l' q; R2 @# ~% h 常用气象数据下载——耦合模式比较计划(CMIP6)
# ?" ?6 H- {% Z E6 i 常用气象数据下载——TEMIS遥感数据
- a: S3 V2 S/ A/ w: W; B" Y! _3 k0 t 常用气象数据下载——实时空气质量数据
, n- i6 h3 C# Q# f 常用气象数据下载——Hamawari8
) {% m3 L0 z& n; Z7 B/ j$ f 常用气象数据下载——NCEP再分析资料
5 w$ A @! u% K% U4 b- R; y0 u 常用气象数据下载——探空资料
# G" A6 n# B9 ? 气象之批量下载气象数据(EC;NCEP;CMIP)（python）
$ G0 B9 y) v6 X% @9 U4 Y g$ L4 h1 n 气候变化趋势分析常用方法
$ N+ p) g) I5 u$ L+ H" S' v 气象分析之气候变量场时空结构的分离-EOF
' ^$ ^ O0 s, `0 B" Z 气象数据处理——重采样（Regridding） ( W+ u3 f# |7 [' _* S1 P
气象数据处理——湿位涡剖面分析 . v$ U1 {- L9 x/ n. t+ S5 ]! L0 G
气象数据分析——集合经验模态分解（EEMD）
* E9 @2 x; o+ r/ n; C 气象数据分析——相关系数与时间相关系数
( O" p7 }' ]+ o( {3 D 气象数据分析——旋转经验正交函数(REOF) / M; ~+ R( N7 ]9 S' w
气象数据分析——经验正交分解（EOF） * `8 G( F* V; u& O, J
气象数据分析——我国逐年降水的经验正交分解
4 a, Y' X8 S8 I 气象数据处理加速器——cdo
0 q) m$ i7 ?4 m4 S0 F 气象数据统计方法 6 J1 H8 l8 i+ b) O8 [
供水管网压力预测（异常识别与缺失补全）
6 I2 v6 f; p& T3 n) { 特征重要性评估——Lasso回归系数
+ F' E# u9 C1 J% c( y3 X6 [5 J 2020华为杯E题——数据探索性分析
( d u/ Z1 [/ f* ~8 I WRF模式模拟数据后处理（计算篇）
# H1 G( L2 A1 `7 f* B% R# y 结构方程模型（SEM）构建 " N7 c0 n. ^; R! g8 {; ?9 L
多元多项式回归拟合能见度
, |8 B+ M, a' ]* [- e6 T 两个变量场的相关分析——SVD分解
}( f4 w: h( H- H: s. c* i 小波分析——海温数据的时频域分解 , F0 e8 j3 T# y }& B( E6 |) U3 n
基于DEM数据计算坡向、坡度和流向
" |. P s+ v h$ J+ x* x 基于随机森林对特征重要性排序 6 I/ V6 V7 H6 E
基于DBSCAN算法的人类活动GPS数据挖掘 & |& }! z. B, a
基于ERA5数据分析中国区域气温与降水数据的时空分布
6 M8 j$ C, t% z N" a% y5 h 最常见的10种图像滤波方法 : i- W6 p+ X9 X8 s/ R, r
3.气象可视化(1)Cartopy绘图教程
2 r+ ?9 l1 l; C4 ^+ F: X1 Y6 E 气象数据可视化库-Cartopy官网例程大全（中文翻译版）
+ P' K! q4 j& D. P w2 t; b- g Cartopy——绘制不同投影的地图 : U5 V* J& m$ X3 J" y: Y
Cartopy 调用天地图在线服务(原创) ' U& K. _2 Q) C
Cartopy绘图中国地图最正确的使用方式 + x+ d2 f8 a2 O0 V- x1 R1 [9 x
(2)Metpy绘图教程 l3 d% T: U3 _: ^7 u$ ]
Metpy气象数据可视化库官网例程大全——目录 " U/ ]9 l g( W5 v" e% Q. u( {9 v
大气科学可视化示例——降水量 # J4 n) |. \3 U0 S% y
大气科学可视化示例——AWS S3 NEXRAD 档案存取和绘图 ) ]8 u+ N! G- ^( y
大气科学可视化示例——声明300hPa : z1 |9 |' ?! U/ [! s: W3 P# U
大气科学可视化示例——飓风追踪器 ; w3 B: k3 M5 [, n
大气科学可视化示例——观测数据截面
2 ?: u9 r- x7 F; Q 大气科学可视化示例——在旧版DIFAX图表上高空观测
- k A- j, ]) h' F- _" h' I( P 大气科学可视化示例——风切变矢量
3 A# |+ [2 e8 m; O/ X
( E4 t+ ?3 M8 Q9 U
% X% H ?% A4 e' W: N) K) c I
- v/ H) x" T+ ~; r+ m$ y
8 a5 z q. Q7 B7 G G
1 s% N c3 }7 \9 }1 x | 
