|
6 B7 |' E( \ q, V/ |
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！
' ?8 k( Q$ z9 i4 [% p 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： + e$ N8 o6 X; }7 ^
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 2 v6 ^& @6 B+ e9 s
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： 2 }% [6 W) ]: k S. 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
$ z3 a/ ~1 m3 h% t6 X; G7 e8 F 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：
) p: u9 K2 U' s. V6 U 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 : i3 [# h: g- I0 ]7 T# f
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！
9 P0 \9 E4 Z8 d" g6 E 1.气象数据科学语言教程(1)Python 基础
& M9 |; j9 C2 n( H" j 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。
5 ?3 B: d ~, }; ~ 科赛 x 机器之心从零上手Python关键代码 & {2 y* g" C$ \" s7 w
Python基础 Python100例
P, n# t( G. H. i: y* U Python入门教程 9 G6 Y$ y- b4 M
(2)Numpy教程 , K3 o% n/ W# h8 ?; m
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。
( r! A2 p6 g' p; Y! z 教程： : K* z- H, K8 D5 k d6 ]& m8 F
Numpy快速上手指南——基础篇
1 ~* X; M5 s( S: m4 V6 ~ Numpy快速上手指南——进阶篇
" m/ \5 y( n |! o Numpy入门教程
- Z" b/ B7 u" M! ~ d Numpy实战全集 8 q7 n; E0 Q6 V7 C; \# i
练习题： , s: O2 l) @# g( o0 j; Z. x
这100道练习，带你玩转Numpy
- E$ i- H. e! x- Y' m$ b, t (3)Pandas教程 ' @" q8 x) [6 Y- w& I3 p, K
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）。 : ~4 v9 o+ |: H V/ H
教程： 0 X7 f. B& e, r
Pandas入门教程（1）
' |/ v: j8 G3 Z Pandas入门教程（2）
; I% t* f0 q' }: q. p( ]8 O Pandas入门教程（3）
6 t" b1 U8 n e; F* x( z- J 【Pandas教程】像写SQL一样用Pandas
% G+ e1 G# l# R 高效分析：如何用pandas快速处理数据
* ^. _+ _, Z& F% i Pandas基础命令速查表 4 e' r- R" h. ^* t5 V
练习题： & w% ^/ b' `8 I! A4 f+ ]/ D0 n- v5 T
Pandas120题
6 d$ D; K4 g* ^9 o( @- J ` 50道练习带你玩转Pandas ' L2 v! ^3 R* E3 ~. G, L
这十套练习，教你如何使用Pandas做数据分析
" Y! c3 l S, h! S0 o (4)Xarray实例
# F% e9 k& w* U 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。 * k' {$ E7 o6 k
xarray实例大全-目录气象行业数据分析案例 # L" E' N) S/ ~5 [9 t! K& y* A; F
xarray实例大全(一)-气象数据示例 5 W6 b7 G- V4 s3 g' ~
xarray实例大全(二)-月平均时间序列计算季节性平均值 $ k- r9 a1 g' G S2 a
xarray实例大全(三)-比较加权与非加权平均温度
$ u. [. @+ G* y; D# P4 [ xarray实例大全(四)-多维坐标的使用
, a H' C8 l' {0 Q: U* \, W xarray实例大全(五)-可视化库
9 ~0 W; h: e( g m& g xarray实例大全(六)-ROMS海洋模型示例
% u7 N& ^. |" y* C' v xarray实例大全(七)-GRIB数据示例
3 F) ?/ P4 H& d( f xarray实例大全(八)-使用applyufunc
. R v- a$ ~" D* G0 @- f3 x/ b! A! N xarray高阶利用dask并行读取数据 % q8 w- b5 f: E3 t* M# _! z- D
2.气象数据读取/数据处理/数据分析/数值计算
k+ q6 A5 H1 i+ ], i Workshop第一期：初探气象数据Part1
8 T& ^$ q+ i, A1 k. o- F: {) Z' i Workshop第一期：初探气象数据Part2
l: q2 J1 |/ o0 P4 U6 A# K Python读取气象数据nc格式文件的入门级操作
+ j8 F- p- M% }" L) r4 V% `3 J2 ? Python处理HDF格式数据示例
5 f* G4 p2 S% ~1 l 利用Python的requests和json包获取台风数据 1 M. z; P# w8 q* \! v. U
基于Python的Grads文件解析 & ?) r6 @; K- [( G6 n/ u
CALIPSO卫星数据处理 % y" ?& t: j6 i [- A5 w0 R5 c% k
摸鱼的气象& ython # W* \7 c( y. e: N S
Python之以温度为例的气象数据缺测处理方法 : I- H: g* B, ^7 V: E
Python之一个简单的风数据处理和分析案例
8 x: \% i4 Y2 Y& a: a4 c( l 常用气象数据下载——ERA5再分析(grib格式) $ J; [0 X; a- m2 y* Q
常用气象数据下载——我国台风历史轨迹数据
9 k+ J1 N4 M2 b5 J 常用气象数据下载——耦合模式比较计划(CMIP6) ! o" j( e% t3 e$ Q$ B2 l( e" v
常用气象数据下载——TEMIS遥感数据
/ c: k1 H. _( K5 N 常用气象数据下载——实时空气质量数据
( A5 [) ]! M* ]( ~( o- ^ 常用气象数据下载——Hamawari8
/ W1 m0 R# O( F7 b/ L6 j 常用气象数据下载——NCEP再分析资料 + P4 ]7 T$ m3 w
常用气象数据下载——探空资料 " i7 }& w' J9 I' `% [ \
气象之批量下载气象数据(EC;NCEP;CMIP)（python） ' Y8 E+ c3 M* \* X2 Z9 G, p5 K
气候变化趋势分析常用方法 % [' y. M! z3 o: H/ Q
气象分析之气候变量场时空结构的分离-EOF + e* A3 q5 e5 I8 Q( }
气象数据处理——重采样（Regridding）
7 ]$ z9 h# m3 O* s! _! b. P 气象数据处理——湿位涡剖面分析
; v6 ~# ]4 O5 U 气象数据分析——集合经验模态分解（EEMD）
" ~# ^" }8 F- v8 s$ P$ T: w' s8 r 气象数据分析——相关系数与时间相关系数 , Y0 I f9 f, p, _) d' v
气象数据分析——旋转经验正交函数(REOF)
* L2 i7 z$ d8 z0 t 气象数据分析——经验正交分解（EOF）
8 |" M% O2 i4 U. `5 p 气象数据分析——我国逐年降水的经验正交分解
( Q+ n( s3 F: l2 N1 z p5 `2 }& \ 气象数据处理加速器——cdo
! w( n7 [$ B+ F( n/ @ 气象数据统计方法
# X7 D& q: j5 T3 G6 s7 g 供水管网压力预测（异常识别与缺失补全）
0 b5 q0 ~/ u% h) c/ i' l 特征重要性评估——Lasso回归系数 , B: c; }7 P, T/ P% k v F7 {
2020华为杯E题——数据探索性分析 1 n% l4 G; n: }) H, P- k
WRF模式模拟数据后处理（计算篇） / S- V+ s( v! g) Z3 D
结构方程模型（SEM）构建 # H) L" p. f+ ]2 ^, ]% k/ r# }
多元多项式回归拟合能见度 # R# P; ]/ u- ~) ~6 C( g% E& I
两个变量场的相关分析——SVD分解
* i8 R( X# l6 C, s, s4 h 小波分析——海温数据的时频域分解
u0 f) S: p* X4 h; q 基于DEM数据计算坡向、坡度和流向 4 G( `' c: \+ J& `7 v+ z
基于随机森林对特征重要性排序
% v; h5 v* x& W% Y( [. T 基于DBSCAN算法的人类活动GPS数据挖掘
! p7 o" G9 m, \' X! e0 M. y 基于ERA5数据分析中国区域气温与降水数据的时空分布
9 W( e) Y; X4 c# [$ Q 最常见的10种图像滤波方法 x; n+ \" {* a, q& E
3.气象可视化(1)Cartopy绘图教程
# N/ d0 V+ R/ K: O7 f 气象数据可视化库-Cartopy官网例程大全（中文翻译版） 4 W4 b4 i) K2 |4 x( v$ K
Cartopy——绘制不同投影的地图
. |* e; r! X+ a* y Cartopy 调用天地图在线服务(原创) 3 n! R3 l0 R/ x1 o
Cartopy绘图中国地图最正确的使用方式
: g; c5 H: Z4 q# x# E1 p" D (2)Metpy绘图教程
: y0 e# K! t Y* |- y& L; W/ a. N! K Metpy气象数据可视化库官网例程大全——目录 , c. ^& r) H; [' z0 u+ W
大气科学可视化示例——降水量 ' W8 v& W5 Q- Q
大气科学可视化示例——AWS S3 NEXRAD 档案存取和绘图 ' G/ ~3 d9 |+ V7 F& ?
大气科学可视化示例——声明300hPa 9 u: a9 R1 U0 V, _8 o) k! T' a/ l
大气科学可视化示例——飓风追踪器
% }8 u! {+ P( E: S3 u0 l 大气科学可视化示例——观测数据截面 , @* j# P W" A5 D
大气科学可视化示例——在旧版DIFAX图表上高空观测
% G$ g# b# P8 Q* Z7 ` e5 y 大气科学可视化示例——风切变矢量
, k& o/ E/ [' q! ^9 i P; m5 `/ \% i4 B6 J0 p8 O _
3 w; ]) A; T+ X9 p9 P5 x
5 V" j- T2 U. Q2 D% |& D' Z+ w
6 e, Z, X$ I: _1 w% \
3 K* z* V9 p. B | 
