|
6 Q; ?- D) Z$ ]5 J, A: Z& ?
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!
* S4 X* V7 e. G+ l 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:
5 Z5 F" t* E% A2 f, R4 h9 d$ F 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
, n4 W6 s1 |! h7 k+ K5 G) {6 p 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:
. \5 a/ C* W& b7 t0 b/ ]6 ]4 u3 } 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 : V' T! T# i3 E' `& Z
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:
$ V* j, r' `% ]/ u7 J' t 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 ; D$ y9 U6 }4 H J/ v+ K, A5 R
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! : E0 h4 i' `( A" ?
1.气象数据科学语言教程(1)Python 基础 4 F' p- H$ m: u& E
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。 9 q7 L: c0 a9 K) _6 C, N/ z% j
科赛 x 机器之心从零上手Python关键代码
- x l' Y* d$ u( L0 y: y: r) r Python基础 Python100例 & w) H, b, @8 N, j& P6 g* _- A
Python入门教程 " o6 m& }" i, G" ^
(2)Numpy教程 & m& v7 b4 a$ m1 ~3 t {
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。 , d+ Y% e) x' ]7 C. s3 W
教程:
) g4 x5 @7 M0 D$ z Numpy快速上手指南——基础篇 7 }! {) s# D& i& I! I/ s+ J7 K+ J% f
Numpy快速上手指南——进阶篇
$ F9 Z. @3 ?* A; S4 k* D6 o- l* y Numpy入门教程
) W; L. O: q+ L% f7 s+ {. m Numpy实战全集 ; R; a& Z( {4 x6 H* Y
练习题:
4 R: G7 {4 P% `" T; V 这100道练习,带你玩转Numpy
) n8 @ a' {5 e- D( X! K (3)Pandas教程 2 [/ V& r5 ]) 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)。 5 Y. e5 {6 r( l7 h! h/ x6 H
教程: , _3 ?4 X5 s8 \ z8 \1 @. N9 U
Pandas入门教程(1)
" Z( T; d. P% V, I2 f Pandas入门教程(2) 6 U5 ^) ~' k/ W4 h
Pandas入门教程(3)
6 s2 d8 \8 r" ] 【Pandas教程】像写SQL一样用Pandas
) `% Z s7 P$ s/ [1 {& H 高效分析:如何用pandas快速处理数据
9 }; ]& F- l/ _- N Pandas基础命令速查表 * \$ |1 T' ]( ~
练习题:
( o8 j; ]) v3 l( O Pandas120题 * r5 u7 P l0 k' N
50道练习带你玩转Pandas
% y9 {6 b1 T- O+ r8 p; m) G 这十套练习,教你如何使用Pandas做数据分析 - s3 n4 v6 F$ x
(4)Xarray实例
+ Y9 ~- y( e' m7 }5 {+ J 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。 1 h8 \" E0 {7 L( L
xarray实例大全-目录气象行业数据分析案例
+ h- Y5 P- k2 h0 X xarray实例大全(一)-气象数据示例 6 n4 F" F3 ^& j" `7 A7 Y7 h3 C/ N" u
xarray实例大全(二)-月平均时间序列计算季节性平均值 ) j5 C2 c5 N+ s* ~- ?/ R; b
xarray实例大全(三)-比较加权与非加权平均温度
* D$ l; U0 K+ y) k6 T5 r xarray实例大全(四)-多维坐标的使用 % y$ R9 }5 i: w
xarray实例大全(五)-可视化库 / a. b; ?' F4 F' C
xarray实例大全(六)-ROMS海洋模型示例 7 y, K. `4 j; u7 ~& u$ |+ d( y
xarray实例大全(七)-GRIB数据示例 m$ w3 \2 ~- R' s6 A
xarray实例大全(八)-使用applyufunc
) m5 T# E ~6 p# m5 d- Q( O xarray高阶利用dask并行读取数据
. T% m; G' D" h$ i6 v, k 2.气象数据读取/数据处理/数据分析/数值计算
3 V5 S9 i! b% Z' t( O' _$ E Workshop第一期:初探气象数据Part1
6 K( h U/ h% p! J& p" }& u3 a' c Workshop第一期:初探气象数据Part2 3 A+ x% E) P3 Z7 v) e2 y
Python读取气象数据nc格式文件的入门级操作
( h- T) v- [+ T' U* i+ w1 v& ? Python处理HDF格式数据示例 5 ^, [. [# s( ^+ O% k1 j3 R
利用Python的requests和json包获取台风数据 ( g2 N3 s- d' `
基于Python的Grads文件解析
" O' M2 I* n5 Y* H) N+ p CALIPSO卫星数据处理
' b- b8 [. r7 O0 t9 H, a5 S 摸鱼的气象& ython 8 D! p2 Z8 l4 f
Python之以温度为例的气象数据缺测处理方法
: w/ S6 l4 N& y1 m1 r Python之一个简单的风数据处理和分析案例 ! c7 Y* L1 t; W3 t' `/ ~8 y
常用气象数据下载——ERA5再分析(grib格式)
. J% V$ J/ i8 O/ Q% s# [4 n7 i 常用气象数据下载——我国台风历史轨迹数据 7 L) @* l( u3 C
常用气象数据下载——耦合模式比较计划(CMIP6) 9 ]' u1 p- B/ y# ?1 ?
常用气象数据下载——TEMIS遥感数据
! K9 \' V8 K4 n2 I0 U6 | m 常用气象数据下载——实时空气质量数据
n7 P7 [* l2 @0 R' Z2 ]# o 常用气象数据下载——Hamawari8 1 R$ ?) `2 h S# w, P
常用气象数据下载——NCEP再分析资料 + ^" J. y6 W' L: x' a
常用气象数据下载——探空资料 ) X9 ]+ i. v9 `6 U! S
气象之批量下载气象数据(EC;NCEP;CMIP)(python) / X; I: u1 B+ y! ?: A9 q
气候变化趋势分析常用方法
" q2 g" C" j! n" N6 ~ 气象分析之气候变量场时空结构的分离-EOF ( e5 Z& G( v" O6 @/ d: a$ F8 |7 e
气象数据处理——重采样(Regridding)
. @2 K4 M: [( q 气象数据处理——湿位涡剖面分析
: b1 q; S+ R+ n) Q( ? p* Q 气象数据分析——集合经验模态分解(EEMD)
1 Q1 w B( }( d% [* b 气象数据分析——相关系数与时间相关系数 $ k. @/ y. r0 I2 V
气象数据分析——旋转经验正交函数(REOF) 8 z; l2 e6 Y) r# W
气象数据分析——经验正交分解(EOF)
" p& z/ ?; } O8 o8 g4 [# C- M 气象数据分析——我国逐年降水的经验正交分解
' ]* g7 v! A" d# } | J& c( W2 G* V 气象数据处理加速器——cdo
: ~! Z' W/ T1 ?! A; T 气象数据统计方法
- j; a# K3 T. l5 i 供水管网压力预测(异常识别与缺失补全) 3 U( t) ]" f, Y0 W
特征重要性评估——Lasso回归系数 ! p+ t& }1 {. t7 K a3 d2 \
2020华为杯E题——数据探索性分析 ( j; [1 C. Q( y; ]
WRF模式模拟数据后处理(计算篇) 6 f6 N, |. U1 |* E2 O2 A- g
结构方程模型(SEM)构建 8 d$ a; O% K R( C2 m2 |
多元多项式回归拟合能见度 1 ~9 x4 |' v6 ~! }
两个变量场的相关分析——SVD分解 + J1 o, e3 b4 j2 ]5 r" ~" L6 w
小波分析——海温数据的时频域分解
/ {6 {% ~- a: c$ S9 o 基于DEM数据计算坡向、坡度和流向 6 z' k" f/ [' k) r
基于随机森林对特征重要性排序
! ^3 L* Q2 z* A( }& U- ~# t 基于DBSCAN算法的人类活动GPS数据挖掘 % C* Z; ?; F8 i) z# d- w
基于ERA5数据分析中国区域气温与降水数据的时空分布
5 ~$ _# e1 ~! J2 C: x6 F 最常见的10种图像滤波方法 6 m& f6 q3 c) A! e8 z8 m
3.气象可视化(1)Cartopy绘图教程
4 @3 d6 p/ k7 Y2 i 气象数据可视化库-Cartopy官网例程大全(中文翻译版)
* Q% j8 L5 m* C; W3 x5 u Cartopy——绘制不同投影的地图 3 i) E, ^5 [0 i, z1 x. u
Cartopy 调用天地图在线服务(原创)
6 ^: R3 [" Y# V n, F/ a1 u Cartopy绘图中国地图最正确的使用方式
3 `" c5 B& ^. s (2)Metpy绘图教程
U6 |: p9 Q( f Metpy气象数据可视化库官网例程大全——目录 ' U! ^! u! w3 ~6 I; ^; l
大气科学可视化示例——降水量 + j4 z8 z8 {' A) T0 w. x3 m. J
大气科学可视化示例——AWS S3 NEXRAD 档案存取和绘图
+ M6 L( w/ G9 T% Z& [7 q' F 大气科学可视化示例——声明300hPa 3 q9 n9 f! @, m
大气科学可视化示例——飓风追踪器 4 m9 S$ ~" F8 S) |9 ? U
大气科学可视化示例——观测数据截面 % X0 _* Y& z# Q7 R7 o2 Z
大气科学可视化示例——在旧版DIFAX图表上高空观测
6 D2 P1 A( q& @ 大气科学可视化示例——风切变矢量 8 L, v* K+ ~4 \- f
/ z, {2 ]% d3 s/ k* f
9 w( ?2 C- J+ M! h9 B9 r/ C5 k+ L6 j7 ?$ w
" r3 b3 b- ]: X- P/ n* A
" ]7 p; U- W! m; b# s
|