|
9 T3 E, [: U. i& [$ t" Z7 i
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！ 6 ~2 d8 Y) V) R" D; i
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：
& d o3 L0 v$ A/ `. H2 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
; V9 p H- U) G* k$ d$ 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：
* Y% E. D# _0 P 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 S" `& m9 Z2 z* J: t 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： L" W/ G0 x" x7 Z$ I3 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
6 {7 v0 _4 L$ Z+ P3 W9 X 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！
* m% ?6 v7 |/ n K5 C6 I 1.气象数据科学语言教程(1)Python 基础
* G4 B) x8 u1 o8 \, h/ M& z7 A 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。
, H! C0 z" I7 B+ O 科赛 x 机器之心从零上手Python关键代码 2 p/ Z) O8 Q3 `& [! U
Python基础 Python100例
5 |, [ `$ F% U' w Python入门教程 4 P' A% V- `& u: a. c2 t
(2)Numpy教程 : t( o) k3 N; n2 H
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。 . x; R$ C; v+ F1 m$ G
教程： , G& I5 Y, O2 t" J- ^3 M
Numpy快速上手指南——基础篇 |( n% F' b* g! l
Numpy快速上手指南——进阶篇 2 R% a: ?. [0 a. B6 w2 M
Numpy入门教程
% @5 W1 x$ E2 H* h& Z Numpy实战全集
q4 a- g" F# v% W' X 练习题：
8 ~, k% r8 d0 Q 这100道练习，带你玩转Numpy
* _2 ^$ t! H; g4 I (3)Pandas教程 % u* y# D" C! S' z) x+ x; n1 U
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）。 " F- a* P1 S& \' U+ c
教程：
! ?: ^- O+ W% w Pandas入门教程（1） 5 z# {6 e+ N6 U4 q3 f0 S# }; S
Pandas入门教程（2）
+ \7 X0 d. K3 s9 ? Pandas入门教程（3） 4 {+ @4 [3 P. Z+ x
【Pandas教程】像写SQL一样用Pandas
3 p1 Z: C5 T; H5 V& i5 M7 e0 T 高效分析：如何用pandas快速处理数据
6 _: {! S3 G3 V& ~# X: D9 v Pandas基础命令速查表 : D+ P2 X4 D1 B! ^8 c8 y: y
练习题：
! h8 U/ y' F) ?& x# ?9 s% P+ f4 [ Pandas120题
0 i/ ^2 a/ T3 E: O3 o d3 e 50道练习带你玩转Pandas
2 v3 R, c* w7 u- e9 d% T" M- j 这十套练习，教你如何使用Pandas做数据分析
! y6 J- J4 \4 j' ~2 h5 x (4)Xarray实例 - p2 N+ i5 y) y8 B& o Y, b0 _. b
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。
& O5 Y$ a! L4 W5 ]9 L2 b$ [' X xarray实例大全-目录气象行业数据分析案例 4 ~! |; \+ B/ S* Q! y4 n2 o/ d
xarray实例大全(一)-气象数据示例
! M- Z4 w* w1 V# g/ ^ xarray实例大全(二)-月平均时间序列计算季节性平均值 + ]; k. q9 x& |: b: s2 n$ q
xarray实例大全(三)-比较加权与非加权平均温度
& \2 p+ X# f- ?/ Z! [* W% w xarray实例大全(四)-多维坐标的使用
+ G2 A8 m2 n0 b4 Q6 a4 _) j! O xarray实例大全(五)-可视化库 - z, c8 i" c6 }) Z! x
xarray实例大全(六)-ROMS海洋模型示例
5 z6 M# Z3 z2 j3 H6 B1 g xarray实例大全(七)-GRIB数据示例 6 [4 U/ z8 m; T
xarray实例大全(八)-使用applyufunc : x! F/ V( E" j8 l, h
xarray高阶利用dask并行读取数据
( M& C0 ]3 Q* z. m- I 2.气象数据读取/数据处理/数据分析/数值计算 : T) n9 ]# s% i+ g' H8 L
Workshop第一期：初探气象数据Part1
1 U L* z+ M2 W Workshop第一期：初探气象数据Part2
& m6 T, H+ [& |. F0 P: Y" @7 E6 f1 I Python读取气象数据nc格式文件的入门级操作
4 g. F) `! u' F4 d( O) D Python处理HDF格式数据示例
1 p' O" ?4 u, k1 T$ \$ P 利用Python的requests和json包获取台风数据 ! U7 J, G$ K( J; A$ o# w
基于Python的Grads文件解析 3 Z: |$ Y2 W- S6 Y- g# p3 r' e
CALIPSO卫星数据处理 - C4 i8 W. s' F) m
摸鱼的气象& ython 0 F3 V3 w- h' m4 {/ S2 e
Python之以温度为例的气象数据缺测处理方法 0 i `* k1 V1 h7 f
Python之一个简单的风数据处理和分析案例 % X* d, |; W0 y3 W& y2 E) E
常用气象数据下载——ERA5再分析(grib格式)
' C7 v# z$ d! o! Q 常用气象数据下载——我国台风历史轨迹数据
/ {& T1 [+ C7 B6 v& l0 X 常用气象数据下载——耦合模式比较计划(CMIP6)
3 Q. Y6 J% z9 q' C* S4 H 常用气象数据下载——TEMIS遥感数据 : o1 Z3 z' ?5 X3 A6 @+ V7 ]
常用气象数据下载——实时空气质量数据 3 e- z# ^) n, ]9 d: U; ~% f1 M- ^
常用气象数据下载——Hamawari8 . g" m/ b4 t& y/ }. K+ i8 c
常用气象数据下载——NCEP再分析资料
3 p0 {) F7 v8 w6 L8 Y/ H Q 常用气象数据下载——探空资料
3 x$ R# F* ]4 D2 B6 ]4 l: p 气象之批量下载气象数据(EC;NCEP;CMIP)（python）
+ f( A: |- I, k& U. ~) P 气候变化趋势分析常用方法 0 G1 n6 t- T" M2 c$ C
气象分析之气候变量场时空结构的分离-EOF
0 Z% K0 `! P/ N2 G3 p2 ] 气象数据处理——重采样（Regridding） h# @& {. ?* q$ z5 e3 I! {* n
气象数据处理——湿位涡剖面分析 U2 f! {8 |7 m. c, Q: i
气象数据分析——集合经验模态分解（EEMD） ' _ N) G+ Z! y* E J
气象数据分析——相关系数与时间相关系数
2 ^. z& f, W0 D* x' Y3 W 气象数据分析——旋转经验正交函数(REOF) : S( s) K# l, r: Z
气象数据分析——经验正交分解（EOF）
4 |" x* `, q+ w0 G 气象数据分析——我国逐年降水的经验正交分解
2 a, e9 f4 V8 n5 A4 W# [# K 气象数据处理加速器——cdo d _* i( {7 d6 Y
气象数据统计方法 8 l2 U9 w3 }' e# s
供水管网压力预测（异常识别与缺失补全） $ r5 M) [9 J1 B& v- @5 F9 ^
特征重要性评估——Lasso回归系数 4 ^6 m8 |- V8 r+ X" y5 m
2020华为杯E题——数据探索性分析
& a8 ]) r% c. L# Q# z7 \ WRF模式模拟数据后处理（计算篇）
" }% a5 _' n3 X2 u' V9 Y 结构方程模型（SEM）构建 ) H, W5 t/ R3 m7 e, i4 `* ]
多元多项式回归拟合能见度
0 _" X$ G8 l. ~5 O/ v/ X 两个变量场的相关分析——SVD分解
$ d( Y* x5 ^5 a. W( U) Z( f6 p 小波分析——海温数据的时频域分解 * R) H' Z5 U- F, [! w
基于DEM数据计算坡向、坡度和流向
7 t3 _ T$ o5 h 基于随机森林对特征重要性排序
0 u+ ^% ?5 ~; e+ j! Q n 基于DBSCAN算法的人类活动GPS数据挖掘 ' A/ o# l! Y+ [. j: [' V! O0 U$ A
基于ERA5数据分析中国区域气温与降水数据的时空分布 ( Y0 m, I5 h% M! |# J- [* D
最常见的10种图像滤波方法 , w. J- C) L F. `1 e& h
3.气象可视化(1)Cartopy绘图教程
$ A. g s) E( K" u 气象数据可视化库-Cartopy官网例程大全（中文翻译版）
8 g* j8 S7 l5 ] Cartopy——绘制不同投影的地图 ! z6 u U _. b+ W1 |+ U5 q: ~
Cartopy 调用天地图在线服务(原创) + `1 V" ]4 U' w- p0 l( n5 @3 j8 V+ j
Cartopy绘图中国地图最正确的使用方式 ) p2 \3 x& ~7 J t
(2)Metpy绘图教程
, u$ Q8 h( F( O. @+ U0 z; G% u# d Metpy气象数据可视化库官网例程大全——目录 6 d. s; A2 U) N2 V0 b: S1 }* C, W$ v
大气科学可视化示例——降水量
b# `! p1 F8 [: |1 \9 T 大气科学可视化示例——AWS S3 NEXRAD 档案存取和绘图
4 }. M b n4 ~! N2 A$ t) y7 ~& U 大气科学可视化示例——声明300hPa ' S# G9 m0 u, Y' B- Q6 }
大气科学可视化示例——飓风追踪器 ! r3 Q; q3 h8 F; F' F/ v
大气科学可视化示例——观测数据截面
: d$ ]- H" y/ l+ a" c 大气科学可视化示例——在旧版DIFAX图表上高空观测 2 T& V& B; m+ N/ k u- @
大气科学可视化示例——风切变矢量
* i- Q- ^ L8 @; L( z& i0 y# c
2 }5 j: v1 w( h+ M" \8 b
# g0 F! g# o# f7 c5 n/ w- k( J; S" h
! D: o$ n$ l! M' _
. K) q6 [! b* C+ p" i | 
