|
* k3 R9 \2 g, j2 t$ W# f 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* G$ {- q1 t- j# r% l% I+ h# O
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：
) G" F0 [ q6 N. G$ [, C% ], G7 H h& 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
1 P- f/ A( v9 B* Z6 [; Q+ 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： 8 I, A/ }! [4 U" K
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
5 ?& [: E7 g! n+ C5 q8 D1 S 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：
+ @+ U+ E) Q. Z' E d 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 4 J8 H7 T/ Q( A
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！ 3 U4 n3 K$ o8 W0 N. N
1.气象数据科学语言教程(1)Python 基础
% ]2 ?( D8 [- N2 ^; Y: V' L o1 ] 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。 , r% q$ m* N, A9 f: F& I. p
科赛 x 机器之心从零上手Python关键代码 & e0 C F. s. t- V+ ?' i
Python基础 Python100例 , Z' ^8 i! D, {. l
Python入门教程 3 v, \! X, a# A% G6 P
(2)Numpy教程
! f" b7 E: J' u8 t2 t+ x+ 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。
8 `* T# p$ Q- m- t; ]) c 教程：
, Q- ]/ n0 }% j* {0 h Numpy快速上手指南——基础篇
8 n% ~* R% V9 L1 Y6 y; @ Numpy快速上手指南——进阶篇
7 e; q& f0 x, s M Numpy入门教程
" g0 P* U8 g( W. M! J4 b- Z8 p Z Numpy实战全集 8 c% v9 h# E) O" Q, r& j* P+ \
练习题： ( D0 I* S7 X$ u! }1 q
这100道练习，带你玩转Numpy 1 }, z$ W; G* F+ ^2 Q& f- x
(3)Pandas教程
% H4 g' j% ^( _5 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）。
# Q8 V. F( p& t 教程： 8 Q- ~9 a5 f4 c( A+ ^& a
Pandas入门教程（1）
' ?/ Z+ H. L. b Pandas入门教程（2） ( p! ]! A9 f8 k; k% \6 J
Pandas入门教程（3）
@5 D5 E5 w' X; S 【Pandas教程】像写SQL一样用Pandas
; l. t7 X: A, n8 f 高效分析：如何用pandas快速处理数据
3 a: _6 P) _6 w* _( N, N Pandas基础命令速查表
+ W" W8 N& r. t: ]( x1 T+ f) K 练习题：
* w% x3 T3 \. J/ s" T Pandas120题
4 k; M! {) ^8 r' d/ m- i 50道练习带你玩转Pandas
2 s! t& i8 R4 L( z( { 这十套练习，教你如何使用Pandas做数据分析 ' [* T& ]1 N0 K# b' ~( Z G' i
(4)Xarray实例
$ B$ i# _; F1 Y' [, g 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。 ' j! g/ p4 _* U% u
xarray实例大全-目录气象行业数据分析案例
5 l0 e5 G( H' Y xarray实例大全(一)-气象数据示例 . D' g0 a) S2 v6 @0 w
xarray实例大全(二)-月平均时间序列计算季节性平均值
( s5 I& c) N- n I7 T xarray实例大全(三)-比较加权与非加权平均温度
6 H, s. s+ D! H! {; r xarray实例大全(四)-多维坐标的使用
" R% u2 T- ]6 P8 F0 p, I xarray实例大全(五)-可视化库 7 V9 z5 S' }& g6 [7 i
xarray实例大全(六)-ROMS海洋模型示例 5 f. j5 f2 ]$ X1 M6 {
xarray实例大全(七)-GRIB数据示例 % b# | Z. Z1 |; _# E4 Q# P
xarray实例大全(八)-使用applyufunc + k2 N4 V5 F H4 |: j1 C; ^! B) |
xarray高阶利用dask并行读取数据 8 t. x% W+ X, Q9 F$ q. p/ P2 ~# r
2.气象数据读取/数据处理/数据分析/数值计算
8 T7 k! a1 U2 @% r5 R3 a+ ?( J7 P- X Workshop第一期：初探气象数据Part1
6 H" K2 q* R9 _3 J8 } Workshop第一期：初探气象数据Part2
, c& {. H5 b$ x" K8 T# q Python读取气象数据nc格式文件的入门级操作
# `: Z T( ~- j3 j Python处理HDF格式数据示例
& q# l) S1 b5 u- \4 U 利用Python的requests和json包获取台风数据 w. o0 g; o7 a* B, [& K. o
基于Python的Grads文件解析 - F8 c' b1 U: s0 j
CALIPSO卫星数据处理 # W* u" V4 { |; i
摸鱼的气象& ython + b; a8 ~5 I L! C" C; N9 O
Python之以温度为例的气象数据缺测处理方法
8 }: Z6 V3 G: E7 Z5 ~/ h Python之一个简单的风数据处理和分析案例 6 k k; k( N( N: V" Y! k) g ~
常用气象数据下载——ERA5再分析(grib格式) : z+ Y* [2 ?2 F! Z9 h8 m! {
常用气象数据下载——我国台风历史轨迹数据
# e% w1 p1 g( M+ _. h* g 常用气象数据下载——耦合模式比较计划(CMIP6) $ [) Y$ d# b$ D, w5 l# Q/ u
常用气象数据下载——TEMIS遥感数据 , |& b; D5 w, f
常用气象数据下载——实时空气质量数据 . u& s% ~& E( t7 [+ d
常用气象数据下载——Hamawari8 ( {7 D# I3 y8 e3 l; i' R
常用气象数据下载——NCEP再分析资料 . ]( @' n Z, O: f6 V* V
常用气象数据下载——探空资料 . V0 }6 v' N9 I! p: U9 N4 j E
气象之批量下载气象数据(EC;NCEP;CMIP)（python） 0 E2 T1 I2 C+ w( { {- Y
气候变化趋势分析常用方法
5 D) C6 c- S+ A. X. o, i% T 气象分析之气候变量场时空结构的分离-EOF
5 H6 }& X" J+ T n0 m 气象数据处理——重采样（Regridding） 3 t+ }9 \2 J* b) h# X/ n
气象数据处理——湿位涡剖面分析
1 `1 q( U7 i) }1 d% U( v 气象数据分析——集合经验模态分解（EEMD） . p5 f, E0 z* P/ ]
气象数据分析——相关系数与时间相关系数
& ]) h9 q) G, `0 c Y+ h" Z 气象数据分析——旋转经验正交函数(REOF)
5 P2 M' j6 B6 U# r4 I 气象数据分析——经验正交分解（EOF） 6 E Z5 I- U o1 |, A) y+ Q0 J
气象数据分析——我国逐年降水的经验正交分解
( F' Y- W) j+ q4 h 气象数据处理加速器——cdo ! v6 R5 @- X( `
气象数据统计方法 ! f* W4 _6 q2 o' k5 x" o
供水管网压力预测（异常识别与缺失补全） 3 j" P1 l5 f' |& { j) v( z
特征重要性评估——Lasso回归系数 # @8 ?. z& ^7 ?' y4 P+ u2 ^6 o, l
2020华为杯E题——数据探索性分析
* t- o. t2 J& O WRF模式模拟数据后处理（计算篇） 3 e* {( w6 Z6 P7 F e3 k# X
结构方程模型（SEM）构建 & ~7 F& N$ [7 M* W$ t6 g& w
多元多项式回归拟合能见度 ( K! x8 k5 p# x- B2 A; y2 J) F
两个变量场的相关分析——SVD分解 / f+ z \) K& x) }8 l% m/ `2 r+ Q8 a! J) W
小波分析——海温数据的时频域分解 " y! l% Y3 q" u) x' T
基于DEM数据计算坡向、坡度和流向 " D2 X$ q& P2 E. r P; p$ L" C
基于随机森林对特征重要性排序
+ ]6 v+ b/ s' g3 N4 c% i& V 基于DBSCAN算法的人类活动GPS数据挖掘
. _$ q# D3 i4 Y( ]8 i0 R 基于ERA5数据分析中国区域气温与降水数据的时空分布
, f0 ], Y2 }6 M, u" g$ j( J 最常见的10种图像滤波方法 : t/ T/ k% z2 k. }
3.气象可视化(1)Cartopy绘图教程
( v# k p7 O( m3 A2 _0 B0 ~$ n 气象数据可视化库-Cartopy官网例程大全（中文翻译版）
% x' [: A/ p( Z! @5 T6 U( f+ d+ l Cartopy——绘制不同投影的地图 4 y# I2 `# f7 V0 A+ l
Cartopy 调用天地图在线服务(原创)
5 e" J$ x% {3 K7 @/ e Cartopy绘图中国地图最正确的使用方式 2 h9 \0 U/ p$ _9 e' p7 n
(2)Metpy绘图教程
/ `4 L8 j( M) `. r5 L7 V; p. y Metpy气象数据可视化库官网例程大全——目录
% |3 H7 R0 s: L; J! L 大气科学可视化示例——降水量
% R# P8 L9 I8 T) g 大气科学可视化示例——AWS S3 NEXRAD 档案存取和绘图
o8 T7 `' E# }# r3 `8 _ 大气科学可视化示例——声明300hPa , v' v9 C* Z# [- V
大气科学可视化示例——飓风追踪器
2 H; q$ G: Z w3 q' X% h 大气科学可视化示例——观测数据截面
) {1 G( e$ x8 E6 v9 d 大气科学可视化示例——在旧版DIFAX图表上高空观测
) u# D! g1 M+ I0 @ 大气科学可视化示例——风切变矢量
( Z2 ^8 W+ q4 s
8 k- y- ]' R; f# e h
2 N" b$ _" p9 Z. h# s/ B) B
& e# i$ v4 d2 ^% U: r* J6 r F# T9 x# M" _0 I* `7 ~6 P- p
) \& a4 P/ g+ S2 @+ _2 ] | 
