|
( j4 z. i5 s7 W9 ^, } 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！ 5 A3 B& d8 w* 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： 8 r! I) f& k0 Q# D3 f+ D6 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
" T/ j V+ x$ [8 M1 D) ^$ c- B* I, a+ g 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： ' I9 i2 ]1 X& j* X, A7 d
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
/ F" O, B8 I- H0 U1 m b$ W 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：
- h1 ^) D" A: X" G) 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
1 Q) K3 E" ^/ X1 C% e# i( h# E* c' Z 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！
$ ]" w/ I. R Y 1.气象数据科学语言教程(1)Python 基础
9 N, Y& S: P$ 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。 ' `7 m4 j+ v" B- h5 l, l
科赛 x 机器之心从零上手Python关键代码 4 }* d4 t" B7 K/ H
Python基础 Python100例
* d! B- r5 F9 X& ~ Python入门教程
3 P) J' {# W& _& J" y# B& f% Q* [ (2)Numpy教程 $ b; l3 ?) F8 L; X+ G! i1 Y
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。
( J" }3 @) X6 b5 M E 教程： 5 c S* P0 w( h3 l6 H4 z
Numpy快速上手指南——基础篇
4 {! c5 V: b7 l+ ^3 y1 D; z Numpy快速上手指南——进阶篇 . |, q2 B! k% V. G0 z3 y
Numpy入门教程 % ? Y1 _- R& @5 J( H# g
Numpy实战全集
% D1 y G' V2 W) k% k. F, K 练习题：
3 b$ |1 @. c. A9 G, m( O/ M }$ P 这100道练习，带你玩转Numpy
. `- ^" R0 H9 V+ j (3)Pandas教程 7 k- M4 ]: d3 P6 F R" G& \; P
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）。 : B) x6 t4 C: X0 Q) S6 e
教程： % b+ C+ n5 Y! s2 d' b# ?, D
Pandas入门教程（1）
- t8 }( v Q5 K! @+ E3 E% v7 d Pandas入门教程（2） % P& H: [: Y4 G. j9 F
Pandas入门教程（3）
9 _' ~+ ~7 `% n: I 【Pandas教程】像写SQL一样用Pandas * F' s0 _) A% u. F( y# C+ C
高效分析：如何用pandas快速处理数据
. @7 s% X9 D0 g' M7 ` }% `. ] Pandas基础命令速查表
$ ^( K! [( N" f% n# D7 t 练习题：
2 ]* f$ {; t9 t6 C8 r7 q& l) P2 h, n, P Pandas120题
4 Q& T! ]9 P* y7 K% q 50道练习带你玩转Pandas % ^- C" n- ?$ m& f! i/ F5 q
这十套练习，教你如何使用Pandas做数据分析
2 C9 H) v! x, r: g% M9 s" ]% I (4)Xarray实例
9 d9 i. B; d( d 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。 3 c4 M- s7 h" W! O: M
xarray实例大全-目录气象行业数据分析案例
5 V0 @# {; Z) [, a, ? xarray实例大全(一)-气象数据示例
& \8 G" c" D$ y: u5 r xarray实例大全(二)-月平均时间序列计算季节性平均值 4 k+ F3 T, P; `3 }& Z
xarray实例大全(三)-比较加权与非加权平均温度
/ o& O; x0 F. w, H& w ?$ h xarray实例大全(四)-多维坐标的使用 8 k4 j, `% P; ~! `$ }: L! ^6 _
xarray实例大全(五)-可视化库
! M; y( W }3 y6 A. N xarray实例大全(六)-ROMS海洋模型示例
* I1 v" v$ p8 J$ t+ M/ e3 ~ xarray实例大全(七)-GRIB数据示例 , V, O" W. O! k% K, z! S
xarray实例大全(八)-使用applyufunc * E( q+ j7 q9 G9 i1 C
xarray高阶利用dask并行读取数据 / n! O* n- @2 n: r
2.气象数据读取/数据处理/数据分析/数值计算 ; s' E$ a9 z% O+ S, i8 C
Workshop第一期：初探气象数据Part1 9 `% b* K/ S+ B- C2 ~
Workshop第一期：初探气象数据Part2
- C. e- Z; }* _: N Python读取气象数据nc格式文件的入门级操作 1 K, ]- f% \; S, G7 h8 U: V* W& @8 m
Python处理HDF格式数据示例 . D+ w0 S" h7 I' i/ i( @* c
利用Python的requests和json包获取台风数据 2 M' G: h( e9 `- V" _6 R3 Q; T
基于Python的Grads文件解析 ) S+ c# j( x2 G- n6 m
CALIPSO卫星数据处理 ( r5 D) p' E9 F: E
摸鱼的气象& ython & V+ |. {- P' w% ^# E' R! P
Python之以温度为例的气象数据缺测处理方法
3 [% r1 R8 F5 l Python之一个简单的风数据处理和分析案例
! x/ c- o7 ], {3 N 常用气象数据下载——ERA5再分析(grib格式) 3 B2 i( _$ ^: Q% f
常用气象数据下载——我国台风历史轨迹数据 - r, h2 {/ p0 }8 X
常用气象数据下载——耦合模式比较计划(CMIP6)
) f1 r& W( Z1 x# i. D- f S 常用气象数据下载——TEMIS遥感数据
/ Y+ I! C. l9 f7 d/ w/ L& } 常用气象数据下载——实时空气质量数据
5 I# |" U- Y% C, i1 ?2 } 常用气象数据下载——Hamawari8
: M( O: K& R3 E 常用气象数据下载——NCEP再分析资料
2 w- L6 E, R% t8 n. r 常用气象数据下载——探空资料
7 ~( ^* q/ F. F5 | }. m0 ^ 气象之批量下载气象数据(EC;NCEP;CMIP)（python）
7 L" z) r2 x+ E& r3 h0 q$ v 气候变化趋势分析常用方法
7 |- G) [3 `, [9 \0 { 气象分析之气候变量场时空结构的分离-EOF
6 {2 q+ u5 C3 u3 R! w( c 气象数据处理——重采样（Regridding） . ~( E; |; W7 Q* l" P
气象数据处理——湿位涡剖面分析
: H, |/ }6 W0 p: @" I7 f 气象数据分析——集合经验模态分解（EEMD）
' D- S; a/ y; p/ O: H 气象数据分析——相关系数与时间相关系数
* T% Y: s9 R8 _, U) F' ` 气象数据分析——旋转经验正交函数(REOF)
1 y9 S& t5 x3 J' q, d& n 气象数据分析——经验正交分解（EOF）
" x1 X E4 u1 @" K% p 气象数据分析——我国逐年降水的经验正交分解
2 }$ V0 y& p' b! V; j8 F2 o 气象数据处理加速器——cdo
) R) ]( r3 d8 E4 r A* R 气象数据统计方法 : |$ z* y( @% o' e/ q1 V
供水管网压力预测（异常识别与缺失补全） $ }! ]& i6 Q( N9 m3 i! q7 t
特征重要性评估——Lasso回归系数
" Z0 f- K$ n7 t' `, b 2020华为杯E题——数据探索性分析
) W2 D% r* s" l6 F% c WRF模式模拟数据后处理（计算篇） * h: \- w( p- B: g
结构方程模型（SEM）构建
) @+ ~8 I( S; ]8 X ] 多元多项式回归拟合能见度 : U+ h* |2 G' C8 q, V' m# V5 ?
两个变量场的相关分析——SVD分解 j& V% O, i/ G2 s/ m& h& J
小波分析——海温数据的时频域分解
/ p6 v9 F6 j. r6 B0 Y4 G3 k 基于DEM数据计算坡向、坡度和流向 5 O0 ^6 u, y! b6 o3 L& `# s
基于随机森林对特征重要性排序 ; \% t3 z. }" Y: `/ g1 F
基于DBSCAN算法的人类活动GPS数据挖掘 - ?0 n1 L) I/ Q$ r
基于ERA5数据分析中国区域气温与降水数据的时空分布 . R+ y6 _( U) W) k. f! b6 v
最常见的10种图像滤波方法 8 O' t' O6 O* ^* v2 S8 G
3.气象可视化(1)Cartopy绘图教程
$ j' j$ |2 u! L0 Y, D0 p+ V 气象数据可视化库-Cartopy官网例程大全（中文翻译版）
' k' ]2 k5 M) v' D: t Cartopy——绘制不同投影的地图 ! n {/ Z: i8 _
Cartopy 调用天地图在线服务(原创) 4 O6 h5 P# `( `, I
Cartopy绘图中国地图最正确的使用方式
7 {8 E2 c- x* \; T# A (2)Metpy绘图教程
1 y7 V7 u: \5 U: j: s" ^4 h Metpy气象数据可视化库官网例程大全——目录 & N$ }* a" _) b
大气科学可视化示例——降水量
; d% i5 J. S' u7 \" d 大气科学可视化示例——AWS S3 NEXRAD 档案存取和绘图 $ o' p5 V( c6 o& p( T; G
大气科学可视化示例——声明300hPa
! M) t( z) q; d5 X% g- _- X 大气科学可视化示例——飓风追踪器
& ]' ^) s' o, J( Z: { 大气科学可视化示例——观测数据截面 9 R+ ~% O2 G( f5 ]! Z% W) m/ A7 ~
大气科学可视化示例——在旧版DIFAX图表上高空观测
( J$ b' p7 K& e, I: }* r 大气科学可视化示例——风切变矢量 * E, \9 r+ a* F: ~
# J" g/ x8 s% V0 |
& y, V: a$ {6 H$ j9 ~$ j- ]( @& L8 _6 ]) v g
" |( ?/ H" d, F* N, @
' i7 ]1 ^/ D, N& U3 S
| 
