|
9 L! ]4 h5 U! \+ 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！ $ @! Q$ x# l- o' h$ K5 Q
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 U: m) [! N- B% n8 \" ^
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
3 [: G! I/ ^/ T5 f- N 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 v; w5 U: z; m j 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
. {0 ~1 j8 T0 T( i 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：
" e& R8 N; g. T, d' @3 g" N 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
* r1 P4 P& x8 x& R4 q! S 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！ % E |0 r! x9 T
1.气象数据科学语言教程(1)Python 基础
$ `. S3 v+ E, `# o8 M: `/ X 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 B1 G% O9 b3 O& y+ _( h5 v 科赛 x 机器之心从零上手Python关键代码 7 ^2 V+ k) X( O; K. z
Python基础 Python100例
9 G" \, L6 q: X+ i7 T Python入门教程 ( Y& G' Y& M: C$ X
(2)Numpy教程
. ^1 M2 r" V' x: 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。
% ^: W( C" o2 I* S) w! @ 教程：
5 [ z2 i: f0 M; ^1 H' E Numpy快速上手指南——基础篇
" _4 o: P' d6 r) Z Numpy快速上手指南——进阶篇
1 Z, K9 T4 O8 p N- a6 V& I4 j G Numpy入门教程 ' s1 E3 K! |% _2 k2 b+ F' J
Numpy实战全集
- q6 I8 D4 @9 Q6 d 练习题： R7 ^4 n. }5 |- K+ s* t
这100道练习，带你玩转Numpy ) N! ^5 t" {% m9 O. v, I
(3)Pandas教程 ( B2 \; C3 T3 T) ^: Q
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* _5 Y+ C9 s/ Q 教程： ' _1 u4 v' e" N* `7 n1 G
Pandas入门教程（1） 3 \4 X+ ^ u2 n: \. X3 ?! a
Pandas入门教程（2）
/ p2 X- G9 D1 W! u8 d Pandas入门教程（3）
& z* \9 H* U8 V 【Pandas教程】像写SQL一样用Pandas
- h. q5 j# Z, |( ]2 E# R 高效分析：如何用pandas快速处理数据
. F0 I/ f3 l: r( B- a* C Pandas基础命令速查表
0 G. w! U( \( T8 Y E5 `/ M' g 练习题：
1 }% U0 T* e/ P Pandas120题
0 F. k3 D, F" M0 ?; T% u 50道练习带你玩转Pandas * J2 k# t* Q% v8 T" z
这十套练习，教你如何使用Pandas做数据分析
6 R" a/ `1 L0 \ (4)Xarray实例
! ~: S( @, k8 o) M# [ B# W9 ]8 R 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。
5 I! C4 r' Q/ p2 ~( _ Z0 m xarray实例大全-目录气象行业数据分析案例 5 O' s: k3 M* a) d2 s
xarray实例大全(一)-气象数据示例
& f) b9 Y, m: @* g9 k2 F% f. I3 H xarray实例大全(二)-月平均时间序列计算季节性平均值
* q s4 e0 U2 v xarray实例大全(三)-比较加权与非加权平均温度 Z7 m# p8 B1 O" r5 ~9 t. u# x& h$ M
xarray实例大全(四)-多维坐标的使用
( _! z0 @6 r* B* E: M% B+ W# m xarray实例大全(五)-可视化库 # b. u; K' H1 d A/ l
xarray实例大全(六)-ROMS海洋模型示例
/ u. {0 } g, u9 m5 ` xarray实例大全(七)-GRIB数据示例 . R2 W0 C& W9 X+ p# [' Q
xarray实例大全(八)-使用applyufunc
/ F/ A- x4 u4 E2 F) y/ {; C8 w) ]9 z xarray高阶利用dask并行读取数据 : U3 z. z: g# s3 X3 Z$ b: g! O
2.气象数据读取/数据处理/数据分析/数值计算
1 _2 c9 p2 P" u& x Workshop第一期：初探气象数据Part1 5 ` s6 _6 R0 O6 p0 a, q+ p0 g6 a
Workshop第一期：初探气象数据Part2
. X- j1 E# V3 d; ^; y Python读取气象数据nc格式文件的入门级操作
! w' h* I8 i5 J/ g0 \& `3 X# Z! V Python处理HDF格式数据示例 9 `- E$ L: y/ U. ?# h" w
利用Python的requests和json包获取台风数据 # F# u1 [4 R$ t# ]
基于Python的Grads文件解析
8 M: s0 j" m) [# B" P1 L( H2 d CALIPSO卫星数据处理
- ] s! b5 F1 G% n 摸鱼的气象& ython
9 A' i) Z' O6 q" g" `8 |( F Python之以温度为例的气象数据缺测处理方法
! ~. `! V3 u, R1 y Python之一个简单的风数据处理和分析案例 3 I3 A4 k3 V& k& G8 l
常用气象数据下载——ERA5再分析(grib格式) 8 U: v: O4 F( q" T. W- q
常用气象数据下载——我国台风历史轨迹数据
' a: }2 y# Y* P 常用气象数据下载——耦合模式比较计划(CMIP6) 0 ~8 W8 i# g8 o: Q' @( P
常用气象数据下载——TEMIS遥感数据
" D0 c4 m8 R3 \6 \ 常用气象数据下载——实时空气质量数据 & O1 a) L2 j+ [1 t3 {
常用气象数据下载——Hamawari8
# G; G' H& c! R# S* `& U 常用气象数据下载——NCEP再分析资料
' i4 Q! ~/ d) L0 U 常用气象数据下载——探空资料
% e) f6 G7 `/ i' i! X 气象之批量下载气象数据(EC;NCEP;CMIP)（python）
n7 v* Z i/ S/ s8 } F2 } F. c 气候变化趋势分析常用方法 & k% F9 [+ E4 O7 P
气象分析之气候变量场时空结构的分离-EOF
; G) t8 s: A* q% r: D' a 气象数据处理——重采样（Regridding） " c3 o& ?3 S" \
气象数据处理——湿位涡剖面分析 : `1 R$ d/ r: O. N6 H, b: M
气象数据分析——集合经验模态分解（EEMD） : E( h3 h2 \ P
气象数据分析——相关系数与时间相关系数
" O0 u9 n+ k$ B0 k' m0 F 气象数据分析——旋转经验正交函数(REOF)
* J% s) z# l7 \- D 气象数据分析——经验正交分解（EOF） + r3 ?3 n# c- t: Y$ W: h8 p
气象数据分析——我国逐年降水的经验正交分解
+ o( }& Q y4 N% j, F9 U 气象数据处理加速器——cdo
# ^ P. O" D" `1 E! t" O 气象数据统计方法
; G3 P/ U% a: v8 C8 U 供水管网压力预测（异常识别与缺失补全）
* W6 G, }* M$ G 特征重要性评估——Lasso回归系数 & H3 H/ u3 |) N; H& |
2020华为杯E题——数据探索性分析
9 V X! y; R/ x; e: b" X5 ] WRF模式模拟数据后处理（计算篇）
! } E( u$ \5 p( D3 y6 }& M3 z 结构方程模型（SEM）构建
3 J: d: a: O; `1 P, a9 ^ 多元多项式回归拟合能见度 # `2 L5 _9 l5 @- F' ^2 S
两个变量场的相关分析——SVD分解 O4 C4 v. M* ]5 b) d
小波分析——海温数据的时频域分解 ) y, A) ^! X. R3 k3 ^4 V" k
基于DEM数据计算坡向、坡度和流向
6 m, `$ ^* t8 ~$ p 基于随机森林对特征重要性排序
0 n' c9 E; q) ^# `8 u: T 基于DBSCAN算法的人类活动GPS数据挖掘
" n# ?2 n! `! J1 K B# F& Z5 d& @1 U 基于ERA5数据分析中国区域气温与降水数据的时空分布 ! P8 j9 M0 }2 H4 C( t0 f
最常见的10种图像滤波方法 6 Z- b3 R! {( k6 ^6 j+ x
3.气象可视化(1)Cartopy绘图教程
/ r# }1 d+ m# M 气象数据可视化库-Cartopy官网例程大全（中文翻译版） 1 w+ o u1 o" {: g# A% \
Cartopy——绘制不同投影的地图
9 C5 s1 v9 B3 p& Z4 f! P+ l Cartopy 调用天地图在线服务(原创) ! ^: ]9 [7 A/ D% ?, {
Cartopy绘图中国地图最正确的使用方式
0 y; F* h! A. w (2)Metpy绘图教程
( c) \# s6 q9 a2 S Metpy气象数据可视化库官网例程大全——目录 * G2 B4 k( f1 G. n( Y2 ]/ c
大气科学可视化示例——降水量
; U/ _0 C! C- i! j0 e4 u. w* ]) f) C 大气科学可视化示例——AWS S3 NEXRAD 档案存取和绘图 " e! i' y, K3 h8 h
大气科学可视化示例——声明300hPa # U0 W# W- X4 M4 w* D, ?8 Q
大气科学可视化示例——飓风追踪器
+ E9 r p& C4 v( U7 [ 大气科学可视化示例——观测数据截面 0 ?9 n4 E& @% a! K" N: M- c
大气科学可视化示例——在旧版DIFAX图表上高空观测
7 }% O l3 l T! ^# X1 s 大气科学可视化示例——风切变矢量 # K" {' R( Q4 j6 {4 z
2 Z- W6 s' }9 k3 z4 p, o( A% ^+ U4 m/ @( l
# q( P4 J* ]! a) g, v5 c% d k% @0 [
* `8 I1 F4 u! B1 j7 e! R
| 
