|
! U& h# N5 K+ ^% S7 x+ {+ J 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！ & J2 X: q& @7 c; ?! 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：
* A& |# J( x+ h5 R& w 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 * S s5 k, p& y- P
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：
# B9 C$ j5 m: s- @) |4 f) S7 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 ! t7 A Q$ t1 u; A2 D
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： 4 E' \1 W& B! D" b' l! R; e
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 & B" `2 F% }: w, }0 z+ N
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！ $ O$ M" N) G7 J! [; y" I( h6 ^
1.气象数据科学语言教程(1)Python 基础 * t& n) }0 n- U( R
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。 / \# ?7 G. q4 R' h* g' N, `
科赛 x 机器之心从零上手Python关键代码
" g6 H2 [( [' Q' f Python基础 Python100例 . i2 E# h. m1 F( A
Python入门教程
) `# l# u: [" }0 O- g (2)Numpy教程
/ m9 q1 n' {( O$ g0 O 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。
4 j* |. Z. ^" K1 r 教程：
# U: R2 A% B/ `4 \: W3 ] Numpy快速上手指南——基础篇 ; Y7 K, k0 v1 c2 _+ [$ R* a
Numpy快速上手指南——进阶篇 8 n1 j9 J; ^( \* H9 `3 o
Numpy入门教程
" M* h$ v1 i7 w, b Numpy实战全集
& j2 D v: S% d. W. M; r 练习题： O- ^! `: @- g6 h
这100道练习，带你玩转Numpy & k0 ^3 l( H" s
(3)Pandas教程 6 C: g2 {! V% E& ~3 ]: Z
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 F1 p i! M+ W! {( [$ X3 O* R8 o2 Q
教程：
& K% s% U- X7 j4 o5 p$ O7 r Pandas入门教程（1）
& x4 \! X* i# L6 }+ {5 W4 X Pandas入门教程（2） 8 A* @8 f, j2 }/ M: s9 l
Pandas入门教程（3）
8 D0 X2 C' M7 w/ h& a 【Pandas教程】像写SQL一样用Pandas 8 z1 J. n9 s3 Z: y) z( [/ E6 t3 ?5 K
高效分析：如何用pandas快速处理数据
m/ r, W4 L5 I! S1 S Pandas基础命令速查表 ) `" y/ {9 f* f! C
练习题：
% }8 Q: j9 \! l- H, r( P* e4 n Pandas120题
: M! c6 w$ w3 i; _) c" L6 U 50道练习带你玩转Pandas - `' ^8 T- q# [0 y* {. W
这十套练习，教你如何使用Pandas做数据分析
; g6 i- U$ N y5 W (4)Xarray实例
+ m. i; J6 c; D' 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。 M+ Z6 U5 V' z9 W
xarray实例大全-目录气象行业数据分析案例 8 H* {: u/ P) l
xarray实例大全(一)-气象数据示例
9 Y6 J% j3 W; v& t7 F4 X8 m xarray实例大全(二)-月平均时间序列计算季节性平均值
: Y6 c( {& Z- F0 y( ~6 D xarray实例大全(三)-比较加权与非加权平均温度
: [4 e/ ~" B' f; M# J xarray实例大全(四)-多维坐标的使用
5 Y. J& r$ T D' O xarray实例大全(五)-可视化库 ( s J5 p3 K- A# A. x
xarray实例大全(六)-ROMS海洋模型示例 * n. t# y$ o. f( ?7 _) s) H8 L, W& ?
xarray实例大全(七)-GRIB数据示例 : P+ e( G0 X* B( r) O& a
xarray实例大全(八)-使用applyufunc
7 r8 G8 Y6 ]8 E f/ Q" N xarray高阶利用dask并行读取数据 # B* t! Z, F( s+ H
2.气象数据读取/数据处理/数据分析/数值计算
% c- d6 A) K6 C) H: R/ s Workshop第一期：初探气象数据Part1
X( o9 W$ P% ]. M: S5 k8 d) r' i+ X Workshop第一期：初探气象数据Part2 2 w- d0 W/ i# q! S! Y
Python读取气象数据nc格式文件的入门级操作 , H: f6 s$ I* c
Python处理HDF格式数据示例 " V- f. R* P" A, l& A
利用Python的requests和json包获取台风数据 * \- [- `: s6 `. i; ?+ R6 c9 P
基于Python的Grads文件解析
" ~) a* P2 ]5 j CALIPSO卫星数据处理
! c" t# s# A1 ~! e0 c) | 摸鱼的气象& ython % i" u4 |- k+ G/ E, H/ k
Python之以温度为例的气象数据缺测处理方法 5 z9 m. B- h' p$ P3 r( p' e8 D$ X1 P
Python之一个简单的风数据处理和分析案例 / ^+ k& ^8 |- E Z- G ~
常用气象数据下载——ERA5再分析(grib格式) ! ]7 V- `! D d% V+ {- H
常用气象数据下载——我国台风历史轨迹数据 # i# S: P; H: f- a% s
常用气象数据下载——耦合模式比较计划(CMIP6) 0 ]3 E1 c3 `. N3 P3 N7 s
常用气象数据下载——TEMIS遥感数据 " V. \' y8 ^1 D' u1 x8 p N
常用气象数据下载——实时空气质量数据 : u! E m" A) B; t9 E
常用气象数据下载——Hamawari8 * l' I% I+ o0 D$ e2 y: J/ X
常用气象数据下载——NCEP再分析资料
7 n0 }/ l- |( i 常用气象数据下载——探空资料 b* p9 m/ \7 w6 W( w
气象之批量下载气象数据(EC;NCEP;CMIP)（python） - G) S0 ?. ~6 y" H/ k
气候变化趋势分析常用方法
" D! C7 `# u5 _5 r- j 气象分析之气候变量场时空结构的分离-EOF
- z- I* x4 y4 u 气象数据处理——重采样（Regridding）
( {+ q# I, k; z 气象数据处理——湿位涡剖面分析
% _' M* R9 @7 m/ m9 B6 f 气象数据分析——集合经验模态分解（EEMD） : q% t# t# N+ a+ m6 Y. n" s! Z
气象数据分析——相关系数与时间相关系数
8 D* t; q* k1 W' H5 Y 气象数据分析——旋转经验正交函数(REOF)
i& t" N6 [: a& L8 I$ J 气象数据分析——经验正交分解（EOF）
% N6 z( r. n( b* w 气象数据分析——我国逐年降水的经验正交分解 ! Y: u7 i* u6 T
气象数据处理加速器——cdo
% r8 E5 i; {- K+ h \" z2 X 气象数据统计方法
6 `7 ]2 ~8 I C w( p/ l; j 供水管网压力预测（异常识别与缺失补全） ; f% v9 a" O9 K ^5 T
特征重要性评估——Lasso回归系数
! P7 J2 R+ Z# F) C; P2 L6 j+ } 2020华为杯E题——数据探索性分析 $ _# C! O! a$ f N
WRF模式模拟数据后处理（计算篇）
1 S' R# k8 [9 d 结构方程模型（SEM）构建 4 B5 H' a! f/ A9 f* ^4 I3 d
多元多项式回归拟合能见度 V' `7 P' o8 e) L k
两个变量场的相关分析——SVD分解
; l! Z8 {; T( ^9 e5 x: F2 L 小波分析——海温数据的时频域分解 : Q: m8 y/ p! G' u- b
基于DEM数据计算坡向、坡度和流向 , D- Y6 E! h) B# ?' H3 s0 h6 ^1 t
基于随机森林对特征重要性排序
3 G7 ^9 A+ B1 x 基于DBSCAN算法的人类活动GPS数据挖掘
a9 k9 H& P& v* ~8 S, h/ b9 l 基于ERA5数据分析中国区域气温与降水数据的时空分布
/ M* |1 ^# L& g( Y! E" t 最常见的10种图像滤波方法
% @. ?+ L6 Z& t* ]) N 3.气象可视化(1)Cartopy绘图教程 0 e) d" O4 D6 H. h& d
气象数据可视化库-Cartopy官网例程大全（中文翻译版）
* P; h9 C) O- Q# D Cartopy——绘制不同投影的地图
+ y! z* _4 y {9 O Cartopy 调用天地图在线服务(原创)
% n5 C7 u1 } [. |5 T6 e9 k Cartopy绘图中国地图最正确的使用方式
( m8 T6 R7 A& G# G" g (2)Metpy绘图教程
7 o3 d+ L' u1 L% y2 @8 y! B2 P Metpy气象数据可视化库官网例程大全——目录 ; T/ q2 K5 b1 s W) g: t
大气科学可视化示例——降水量
7 @2 o" @# d F* B' A* k% Y! g 大气科学可视化示例——AWS S3 NEXRAD 档案存取和绘图
3 N% b0 J& ^8 ?2 E; D5 z4 r1 K 大气科学可视化示例——声明300hPa 1 j# U( {) X7 |) L5 l
大气科学可视化示例——飓风追踪器 - f- o- E B: G
大气科学可视化示例——观测数据截面
7 A; u5 @" S: j, I# }- _/ r% O* [1 \ 大气科学可视化示例——在旧版DIFAX图表上高空观测
; [! y& Y4 h C; x# I1 k 大气科学可视化示例——风切变矢量
" T/ @# U E8 n( B0 ]3 s( F7 A4 A: U
9 E, u: J8 y8 [) v% w1 [
# S6 I. Q, E! m5 U
: f1 U, I9 K& Q, O. s* y
. C' F3 s; ~6 v3 F' {- M
; A6 u3 s( ]+ ^0 B7 S6 ~/ g, O | 
