|
* P; c6 m5 O+ U' m' B 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！
8 _/ y: d9 v: d' o1 T+ Z0 l+ G 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： 3 v/ r6 a; b( X I5 a, Z! ^0 x
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 1 A' u g# |. \' {; X
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：
7 l3 ^! V# b$ P/ o 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 e9 H1 c/ u8 i7 m0 T0 I2 \ 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： / g* b0 y5 n0 b- ]
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 6 o4 u( A! ]% ^$ f5 p D u
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！
# R" {6 Y' F7 I* m: Q; v 1.气象数据科学语言教程(1)Python 基础
. D0 Y: q( ~" @$ s: R( K( E9 | 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。
# O* N R, \2 C$ e+ k 科赛 x 机器之心从零上手Python关键代码 8 H( O: K3 E( {) Z* D
Python基础 Python100例
$ B; J8 I" U/ l0 m( ` Python入门教程 ; u( M& j4 v+ E3 `# U, \( [
(2)Numpy教程
/ C; V% z$ J9 D1 r" X/ P1 i 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。
/ T. A% m) n: \' S/ H% W k$ { 教程：
$ j" [9 T( `) T8 D+ i) y Numpy快速上手指南——基础篇 : b2 P0 D( I; G- X
Numpy快速上手指南——进阶篇 / s* H% B+ J( g3 d
Numpy入门教程
9 }2 D, S0 o+ j6 G+ J+ H2 h Numpy实战全集 ! {# M& ?( g f# g3 s
练习题： * p$ A- x {' x- z- @
这100道练习，带你玩转Numpy
$ s# Y5 n+ f" W" n$ ` (3)Pandas教程 : ]9 _/ @* q1 ?8 Y! c( Z* t! }
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）。
* T. w; H+ N6 g4 r) K& k8 b) M 教程： : N4 [' X, C; a" P5 k
Pandas入门教程（1）
3 G0 E( ] o q P Pandas入门教程（2）
* l1 p$ ~, ], _) ^7 |! m4 G Pandas入门教程（3） & X; I/ O' F% |: e2 t Q) H% y! S. u
【Pandas教程】像写SQL一样用Pandas , [+ Z- C( e: Q( q8 K
高效分析：如何用pandas快速处理数据 : Z3 a- a: s ?% c* ]
Pandas基础命令速查表 ; q5 s2 v: w+ I2 @4 @5 B C0 c
练习题： 2 q( Q9 h7 N- Z& L8 G+ T
Pandas120题 ) s/ \" _4 E7 w; K. j4 S
50道练习带你玩转Pandas
' t7 R2 k( E7 g! h 这十套练习，教你如何使用Pandas做数据分析
% g2 M0 n& |- v/ \ (4)Xarray实例 6 N* ]# Y$ t# Z8 q9 c) o
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。 $ T1 ]! O- {/ [7 s( t+ W) g
xarray实例大全-目录气象行业数据分析案例 $ A9 S/ ^1 g7 i7 o
xarray实例大全(一)-气象数据示例 ! d& u2 W9 q9 B2 [
xarray实例大全(二)-月平均时间序列计算季节性平均值 ; ^$ u! x S& W& [
xarray实例大全(三)-比较加权与非加权平均温度
: [* F/ k: q7 V xarray实例大全(四)-多维坐标的使用 + d4 b/ B, t1 ^* ~4 M# a/ I
xarray实例大全(五)-可视化库
" z4 Y1 A; ~% A! v xarray实例大全(六)-ROMS海洋模型示例
6 A2 s% l9 u# P; D/ Y/ y% X# } xarray实例大全(七)-GRIB数据示例 & b% h D/ a4 G' p
xarray实例大全(八)-使用applyufunc
; x- A, b% R. F xarray高阶利用dask并行读取数据 0 [' j% j' S1 Q/ l# I" J/ t q
2.气象数据读取/数据处理/数据分析/数值计算
& T" d0 U! K5 Y3 z {0 [# l Workshop第一期：初探气象数据Part1 / n) x5 h( Q7 r: D
Workshop第一期：初探气象数据Part2
# E( u8 A& {- n; y* I Python读取气象数据nc格式文件的入门级操作
7 c9 x s; t N4 L s; f7 A Python处理HDF格式数据示例 6 y' b+ T+ ~2 T% m
利用Python的requests和json包获取台风数据
- [2 _( t% B% f3 x& t 基于Python的Grads文件解析
2 i* _& C C+ L( H7 X CALIPSO卫星数据处理
0 O$ B* T6 @; P4 B; E: A6 d 摸鱼的气象& ython
$ N2 S2 O2 f+ O5 I Python之以温度为例的气象数据缺测处理方法
# o, ]3 v/ v% ^& g Python之一个简单的风数据处理和分析案例 6 T' d# { J7 t2 D) h
常用气象数据下载——ERA5再分析(grib格式) % Z$ }8 y, `+ u6 o6 a4 r
常用气象数据下载——我国台风历史轨迹数据
( c& t; w. z, n6 t/ \ 常用气象数据下载——耦合模式比较计划(CMIP6) ' l+ f3 H3 t; [! ~2 d8 A
常用气象数据下载——TEMIS遥感数据
, I+ m9 F! e; O9 c2 w9 x3 A 常用气象数据下载——实时空气质量数据
8 \! }$ W4 I7 j( p1 I- [8 ]1 Q$ x 常用气象数据下载——Hamawari8
1 V1 Z7 U% b4 N, M! [ 常用气象数据下载——NCEP再分析资料 & w0 E5 ]7 ^6 }
常用气象数据下载——探空资料 6 w/ ~# `( b$ k: R
气象之批量下载气象数据(EC;NCEP;CMIP)（python） : u. ~- f+ I3 [+ o) O* A2 F
气候变化趋势分析常用方法
% V: }5 h$ r, P; I( k* J# T 气象分析之气候变量场时空结构的分离-EOF 3 J; @2 y8 M+ l. Y
气象数据处理——重采样（Regridding） 7 f& x; r6 j! y/ `* f
气象数据处理——湿位涡剖面分析
5 ^' w1 n0 J7 N+ j! A* V 气象数据分析——集合经验模态分解（EEMD） , W3 x6 N. R9 q1 V
气象数据分析——相关系数与时间相关系数
3 J% ` j& `/ i9 ? 气象数据分析——旋转经验正交函数(REOF) . W; M5 P N7 d4 l/ m$ O) s
气象数据分析——经验正交分解（EOF） 7 p9 P" y; ?6 J- R2 k: |) j# x
气象数据分析——我国逐年降水的经验正交分解
- {: b$ V3 T/ J/ u) y" m) B3 u/ r2 j8 O 气象数据处理加速器——cdo @2 |9 z- t- w5 g7 y' J
气象数据统计方法 2 [2 O$ L9 |$ t; F7 k
供水管网压力预测（异常识别与缺失补全）
: U' F* \* C' o' h* e3 H" e9 S/ j9 n 特征重要性评估——Lasso回归系数 , P/ {6 E6 y5 K! k! w3 F
2020华为杯E题——数据探索性分析 $ f5 i1 R# p# ~1 D5 Y I+ C. S
WRF模式模拟数据后处理（计算篇） ) J0 a& R% O( ?
结构方程模型（SEM）构建
) k X9 ~6 h4 k. _! ^* P5 y4 l3 f, \ 多元多项式回归拟合能见度 ' m) B6 x V& F! O3 X2 X
两个变量场的相关分析——SVD分解 , u& ?) c: l$ @+ d
小波分析——海温数据的时频域分解
4 e; ?& e% R# o( V9 o 基于DEM数据计算坡向、坡度和流向
6 S4 {, f3 d6 o7 ^( k9 l2 l 基于随机森林对特征重要性排序 " i, m: Z* k- h% d7 I
基于DBSCAN算法的人类活动GPS数据挖掘
& ?4 m$ }, w6 P" z 基于ERA5数据分析中国区域气温与降水数据的时空分布
& ~, a# a3 \. ~ i 最常见的10种图像滤波方法
8 w- s8 i# f1 m& a- t' |. p7 q 3.气象可视化(1)Cartopy绘图教程
; V, @% c4 O* Y* y; f# E: h 气象数据可视化库-Cartopy官网例程大全（中文翻译版） ( C. g3 g$ A+ D! |6 q' U! F
Cartopy——绘制不同投影的地图 4 L$ k1 X% ~2 S
Cartopy 调用天地图在线服务(原创) ' n; z/ {0 w( k0 H3 y& N
Cartopy绘图中国地图最正确的使用方式 4 ~ e. y+ c2 W
(2)Metpy绘图教程 G4 j6 r! p4 Y5 N5 d! s
Metpy气象数据可视化库官网例程大全——目录 0 d0 y) Z4 k; `# Y
大气科学可视化示例——降水量
$ ^# C( u1 G8 \4 W+ D( | 大气科学可视化示例——AWS S3 NEXRAD 档案存取和绘图
3 q# `# ^1 j9 E9 \# A: [ 大气科学可视化示例——声明300hPa ; a. j) O) i9 v) `7 I E
大气科学可视化示例——飓风追踪器
6 J) W, |1 n; f5 } q 大气科学可视化示例——观测数据截面
6 U: ~8 \1 b! e' j 大气科学可视化示例——在旧版DIFAX图表上高空观测
: r9 Y5 I' D+ h$ ?& s 大气科学可视化示例——风切变矢量
3 c5 q) F( _; k- l8 r& B0 }0 ~' [7 d* m4 h1 S2 y( g5 I1 ^1 x
. c9 m: b( X! v% [( Z- g4 ]; F& \! u' N0 _# H
( R, u4 T; w7 |) N: k& i2 g6 m
. K% Q6 I/ R8 Y3 a* \ | 
