|
; l2 I) i0 M- d9 _0 \2 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！
; l- z* k' |* y. u 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： 1 p2 h% {0 A9 P; n; {1 Z4 r
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 7 [0 M& I8 o& I
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：
?: I# k* v* ]! X 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 9 d8 G& \' {; d Z+ u" Y
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 N' [) r( q' t( ~/ v: K 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 5 y9 n7 ~- ]! Z, i4 n' u9 V; d* 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！ ( h4 l- Z7 Z# O _; p. b( }6 a4 Y
1.气象数据科学语言教程(1)Python 基础 : _" I& @ h) z! F# F' M
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 u' _7 U( m7 k/ q; E 科赛 x 机器之心从零上手Python关键代码
8 O+ O6 O5 |: w# ~% |% t; z( p0 H Python基础 Python100例
; X ?2 z% ?) \8 h Python入门教程
1 s% [ b7 r0 P! ^ (2)Numpy教程
" L1 I$ t+ a4 Y4 l" f 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。 ! [3 U* g9 t, K6 u% }5 B
教程： : V- `5 r- p& Q7 e. o" B" {
Numpy快速上手指南——基础篇 8 Z) f0 ~8 ^5 D# W
Numpy快速上手指南——进阶篇 7 w+ L" N& u* Z6 u6 a
Numpy入门教程
3 M/ S4 z+ W6 z) Q/ |- a Numpy实战全集 , W' R3 Z/ E9 J8 c& m* u
练习题：
2 K2 B1 E, q9 e 这100道练习，带你玩转Numpy
8 Z6 b/ l- c: `* t (3)Pandas教程
1 t7 i3 ~ c1 Z7 e2 \( N 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）。 , r; R( V. B( l7 p
教程：
- }/ K+ X: g/ R/ c$ ]" T7 G; e Pandas入门教程（1） 5 m9 `( C) t- I/ k+ Q P) \- M" J
Pandas入门教程（2）
! H* _& r( Y5 M- N Pandas入门教程（3） ' |9 n( B6 j" T! L
【Pandas教程】像写SQL一样用Pandas
/ ^+ a& C& ^9 R2 n- [7 @& c 高效分析：如何用pandas快速处理数据
! C" n+ w: R$ l: I5 ^ Pandas基础命令速查表 7 w9 e& I3 O7 c: I: l* w
练习题： * X; @+ d5 m" D
Pandas120题
5 h' b) c1 h7 n- p% n. a! y4 \& f 50道练习带你玩转Pandas
- P4 q/ O3 E' J! g 这十套练习，教你如何使用Pandas做数据分析
r4 v/ \9 Y( r3 m3 X (4)Xarray实例
. A3 O* y2 a( @, x 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。 . o3 y/ h- \& ?- P) x2 B
xarray实例大全-目录气象行业数据分析案例 ' `' P; |, S/ p1 K2 Z: D2 k
xarray实例大全(一)-气象数据示例 4 Q& _/ e- t6 @7 ~2 V/ \: t# h
xarray实例大全(二)-月平均时间序列计算季节性平均值 * r' w- V/ {" |& o" g6 r, }/ [$ E
xarray实例大全(三)-比较加权与非加权平均温度 9 d7 F: K2 J( I! D7 F! m1 O; k5 B
xarray实例大全(四)-多维坐标的使用
$ y6 y2 |+ N; }/ z2 d I xarray实例大全(五)-可视化库 ) l" h! J) Z! m% t
xarray实例大全(六)-ROMS海洋模型示例 1 {. P" [ N1 B7 J, {
xarray实例大全(七)-GRIB数据示例
% K+ a+ W- w# }0 I xarray实例大全(八)-使用applyufunc : c3 E. e- g3 M; |
xarray高阶利用dask并行读取数据
$ O* F8 W9 |; k& t% L 2.气象数据读取/数据处理/数据分析/数值计算 ( G/ j/ Y3 i" M. M
Workshop第一期：初探气象数据Part1
( h/ x/ W1 e+ O$ I/ x" `$ x* P. J Workshop第一期：初探气象数据Part2
. z6 i$ |3 I# }3 Q6 C- V Python读取气象数据nc格式文件的入门级操作 * }% ]" l) N' \$ o. `. b
Python处理HDF格式数据示例 ) f4 F& G9 ^% E F0 ^2 X
利用Python的requests和json包获取台风数据 ' w0 i( Z5 ^! r4 l' T
基于Python的Grads文件解析 - a- z7 |4 i. w. Y
CALIPSO卫星数据处理 * Y+ S: ^, F1 }" X2 m, ?8 q; Z% i
摸鱼的气象& ython
/ w/ g& @7 J3 l( g% n) @6 L, a Python之以温度为例的气象数据缺测处理方法
! c. V* I8 v3 y5 c; s# m Python之一个简单的风数据处理和分析案例 7 c+ n3 v2 T1 S; ^1 g8 M
常用气象数据下载——ERA5再分析(grib格式) _ U1 e7 W. a: L2 q' Q0 d( A# q
常用气象数据下载——我国台风历史轨迹数据
2 l4 N8 ^6 J ^; k$ @ W 常用气象数据下载——耦合模式比较计划(CMIP6)
; @# X" a; w4 e) C6 m/ z* t8 @ 常用气象数据下载——TEMIS遥感数据
( M5 B+ a; z$ { 常用气象数据下载——实时空气质量数据
7 Z8 N5 l4 d7 T 常用气象数据下载——Hamawari8 $ k; H3 G& G) N
常用气象数据下载——NCEP再分析资料
7 G: A0 a# L: J: l 常用气象数据下载——探空资料 1 Y& U3 _& n; n, F M6 J
气象之批量下载气象数据(EC;NCEP;CMIP)（python） , x8 p/ H& D6 T
气候变化趋势分析常用方法 7 ]" H7 e9 c. q- n# s. \# v) P
气象分析之气候变量场时空结构的分离-EOF , k I6 Q( E4 F9 q' Q. I
气象数据处理——重采样（Regridding） - v/ }9 J2 K# Y) h& G
气象数据处理——湿位涡剖面分析
' _3 N6 W; T( x 气象数据分析——集合经验模态分解（EEMD） 4 Q; Y7 n0 {" H, t7 G
气象数据分析——相关系数与时间相关系数
! E7 _$ n B; P9 z S- }% W% A- ] 气象数据分析——旋转经验正交函数(REOF)
0 y, ~. R. o+ e: m& j4 O2 o, u 气象数据分析——经验正交分解（EOF） 9 {8 R# M; `8 j! R7 _
气象数据分析——我国逐年降水的经验正交分解 % }4 h6 A) O1 v6 f* Y- w
气象数据处理加速器——cdo 2 S: [! a. z c. N& ~6 _
气象数据统计方法
( P' z" p: j4 f 供水管网压力预测（异常识别与缺失补全）
* p2 `2 X+ [2 U! T 特征重要性评估——Lasso回归系数 5 r' X1 p4 Q8 l3 p" `) v* I
2020华为杯E题——数据探索性分析
# a- i m% o5 Y WRF模式模拟数据后处理（计算篇） Q9 D1 Z0 _& @1 u0 }( R% F+ U
结构方程模型（SEM）构建 ' b' o X" H& _" ]+ A' O
多元多项式回归拟合能见度
- D# b, a, [$ j: l& O6 ] 两个变量场的相关分析——SVD分解
! F3 m) Q' L! v2 N- z4 C 小波分析——海温数据的时频域分解 * j9 C: G6 P/ J% s
基于DEM数据计算坡向、坡度和流向 . F7 z. F. h- y1 |1 r* b2 D+ \
基于随机森林对特征重要性排序 + X, w" M% [+ Y% \! p! Q
基于DBSCAN算法的人类活动GPS数据挖掘 9 R* N( ?2 w# @: O: M, I: B& e3 l
基于ERA5数据分析中国区域气温与降水数据的时空分布 7 c0 J3 S( X% z+ M: H( U; R. q
最常见的10种图像滤波方法
& z6 e; F, o& _9 V2 ^ 3.气象可视化(1)Cartopy绘图教程
/ p1 e) O/ x. U! _0 Y, r6 d 气象数据可视化库-Cartopy官网例程大全（中文翻译版）
' R, F$ K' X6 `6 I% o' B Cartopy——绘制不同投影的地图 . e' m* k, L1 n R+ r+ S! u( ^
Cartopy 调用天地图在线服务(原创)
2 B8 d) R* H% y2 E- Z! N Cartopy绘图中国地图最正确的使用方式
l! a0 f0 a+ m& q& F8 C0 \! J5 E (2)Metpy绘图教程 0 M) ?4 Y' C, g Y6 Z! T9 t! }
Metpy气象数据可视化库官网例程大全——目录 : \$ O" I* J) n7 {1 J' j
大气科学可视化示例——降水量
* a2 l( p2 B# x3 \& i! H 大气科学可视化示例——AWS S3 NEXRAD 档案存取和绘图 4 z6 N1 H; Z! G2 W5 j
大气科学可视化示例——声明300hPa
+ R! b5 w+ p0 Y0 }) e 大气科学可视化示例——飓风追踪器
' G- L- |7 L1 |' W+ k2 z0 | 大气科学可视化示例——观测数据截面
2 r& i# L+ V+ \0 y 大气科学可视化示例——在旧版DIFAX图表上高空观测 8 |1 j+ U" \2 j8 F
大气科学可视化示例——风切变矢量
* n$ X J2 D. q' \0 f, Y5 T
1 r0 _4 |: R8 q$ j# G1 t* {: f" r+ d+ q- I2 u3 n z) B: r
* O2 f% e; U: D$ ^7 N+ ?8 s- I# j/ H# q+ ?# q2 S. p, {! e
) Y! y! V( d* i! f | 
