|
6 `( D) q& a. j* T! a6 Q2 z: 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！
1 z4 `, q3 M% S 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：
, n4 i% j n9 ~6 ~( G# d+ r; V K: u 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 9 T ] f" R6 l5 ~0 v
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： 4 p( f" D" o( `: ^7 m! l) W( {
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 K+ x* ~" y6 E0 D; K
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 X" \" q6 V3 P& l+ S 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 $ n+ R, E9 A9 X% P
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！
1 y# ] W5 `$ F/ x4 u" e; h& d% n 1.气象数据科学语言教程(1)Python 基础
" t' G1 B$ x$ A6 Z. `" N0 Q 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。 % m; f+ d1 B; @
科赛 x 机器之心从零上手Python关键代码
! g/ C" Z- ~/ E2 a Python基础 Python100例
0 v1 w8 w5 J4 l* F$ ]/ e Python入门教程 ( _0 [! H/ K9 c4 q* l
(2)Numpy教程
! G4 O* T. _, g) l# _ 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。
0 ]6 K% P+ t s4 I' X 教程：
# t+ j3 s1 N9 y- H/ A; g( A Numpy快速上手指南——基础篇
6 b5 c: A) h4 a9 B Numpy快速上手指南——进阶篇 2 j1 R5 T5 [. Q, i! S
Numpy入门教程
$ ^! L$ H4 Y3 a, X$ o Numpy实战全集
- ]# j& J5 P5 d' s' h 练习题： , L" G6 B( W$ J- f! O. } c! r
这100道练习，带你玩转Numpy - H' |* X1 Y5 L U$ Q) f B+ K
(3)Pandas教程
( A" `8 [& ^. s 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）。
0 q3 F% s$ l7 {3 c3 ` 教程： 0 u- O0 e' w, a" z/ B3 E8 E0 p
Pandas入门教程（1） 3 M7 {2 T$ y6 J0 A S u
Pandas入门教程（2）
; {2 y7 J- o5 r Pandas入门教程（3） 8 ]4 E, J: L5 q# z# \; F9 m" M
【Pandas教程】像写SQL一样用Pandas
% R! v2 a- n5 V. c# }! r 高效分析：如何用pandas快速处理数据 ! ]+ d" A1 `; O9 p
Pandas基础命令速查表
, [* S% f- J \( | 练习题：
) Q0 X% u/ z$ K/ S$ m! v" j Pandas120题 - P8 X2 F$ n) L0 F& e
50道练习带你玩转Pandas & i" k/ q: _- h: `8 @; a
这十套练习，教你如何使用Pandas做数据分析
6 D, C; s( P. t (4)Xarray实例
! [% l: Z- J& 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。
/ N0 @9 e4 u: G1 t xarray实例大全-目录气象行业数据分析案例
. k! w* P& ?) J+ b xarray实例大全(一)-气象数据示例 $ V: p3 \9 \0 t/ p
xarray实例大全(二)-月平均时间序列计算季节性平均值
: c& G7 @- x+ @% z% f* V4 ` S l9 t0 E xarray实例大全(三)-比较加权与非加权平均温度
. I% T) D% J/ ^6 U% P! N xarray实例大全(四)-多维坐标的使用
( o! y, q7 ^1 P2 { xarray实例大全(五)-可视化库 % P0 o% v) |# a- q7 T1 X ~* u
xarray实例大全(六)-ROMS海洋模型示例 6 D, b( u6 _4 P6 H& p
xarray实例大全(七)-GRIB数据示例
3 ]1 o$ e$ F4 h2 [# }3 c xarray实例大全(八)-使用applyufunc : p, J) g$ Y7 ~3 |
xarray高阶利用dask并行读取数据
- o. e- G4 t0 k, R- R 2.气象数据读取/数据处理/数据分析/数值计算
7 p m( d' s1 N9 m Workshop第一期：初探气象数据Part1
3 M3 H7 }8 p# r6 R- A( E Workshop第一期：初探气象数据Part2 1 g( }, @, U+ A2 u% D$ L9 `9 T$ L! U
Python读取气象数据nc格式文件的入门级操作 / f/ J. H" N$ v/ F
Python处理HDF格式数据示例
& t x2 \+ s+ Z ?" e 利用Python的requests和json包获取台风数据
! S0 ?* A S8 o8 k7 a; r 基于Python的Grads文件解析
( J; Z. E- Z0 W CALIPSO卫星数据处理
6 w) f# @2 o. U/ d 摸鱼的气象& ython , w0 s. N A( }. s+ v
Python之以温度为例的气象数据缺测处理方法
) r# o1 o1 K5 f8 e* |! F3 B Python之一个简单的风数据处理和分析案例
& K1 b) ]4 |0 n2 R5 g a4 s2 [ 常用气象数据下载——ERA5再分析(grib格式) & u' F p2 ~, C- t
常用气象数据下载——我国台风历史轨迹数据
' `6 s- p# g" r; x 常用气象数据下载——耦合模式比较计划(CMIP6)
2 o8 |& i1 m Y! ? 常用气象数据下载——TEMIS遥感数据
; M' f: Y* F: M6 @, L3 q 常用气象数据下载——实时空气质量数据
# Q6 B3 _' C& z 常用气象数据下载——Hamawari8
! r2 E& _( [! H/ F* w! }# { 常用气象数据下载——NCEP再分析资料 # X$ i6 P; R U. n/ d) K* ?" q* ?
常用气象数据下载——探空资料
{" `( _$ I9 S6 z 气象之批量下载气象数据(EC;NCEP;CMIP)（python） 9 _4 s4 Z3 g- M# b
气候变化趋势分析常用方法
0 n1 r8 j' H2 z7 u 气象分析之气候变量场时空结构的分离-EOF
7 G* G6 I% H5 V3 u 气象数据处理——重采样（Regridding）
& a' \: i9 e+ w: J- [ 气象数据处理——湿位涡剖面分析
0 t9 o) g4 g x# }+ V' Z/ K 气象数据分析——集合经验模态分解（EEMD）
+ B4 m3 V A! E; m2 ` 气象数据分析——相关系数与时间相关系数
+ K& @0 ]) b% K Z# b% R5 l+ A 气象数据分析——旋转经验正交函数(REOF)
* }0 I) U: n; k( p/ G+ d 气象数据分析——经验正交分解（EOF） % }8 ~9 h7 G* p F0 N C
气象数据分析——我国逐年降水的经验正交分解 v/ \; u5 E9 S0 D$ h
气象数据处理加速器——cdo 9 a G8 \+ J! B0 d; h2 y1 e3 I
气象数据统计方法 # l2 B5 Y' O) T- Q! E: {; m
供水管网压力预测（异常识别与缺失补全）
9 m# Z/ y+ n5 R 特征重要性评估——Lasso回归系数 & B/ K! P# p3 L/ B
2020华为杯E题——数据探索性分析 ( m, y5 P% c0 t$ I7 c
WRF模式模拟数据后处理（计算篇）
) J V5 O _5 X/ v1 c% S! @ 结构方程模型（SEM）构建 ) Z3 A2 j$ b2 N
多元多项式回归拟合能见度
' q- I* j1 s& M 两个变量场的相关分析——SVD分解
, k% ?) |2 K. L, c5 n; | 小波分析——海温数据的时频域分解 ( Z- `+ @9 [9 Y% G) [+ a- |3 r
基于DEM数据计算坡向、坡度和流向 6 P- h1 ^: N/ \
基于随机森林对特征重要性排序
) r U5 @- E# ~4 I4 u 基于DBSCAN算法的人类活动GPS数据挖掘
+ z5 W& G6 a. o* r. L& W! r 基于ERA5数据分析中国区域气温与降水数据的时空分布
, f7 [; ]) R1 i" T 最常见的10种图像滤波方法
! V% R* K+ I, E8 V 3.气象可视化(1)Cartopy绘图教程
; {$ _, p# k; ]: w& w 气象数据可视化库-Cartopy官网例程大全（中文翻译版）
: W, U. @* e2 B/ H. e6 b! T- S9 f Cartopy——绘制不同投影的地图
+ N- \% G8 j) }, m Cartopy 调用天地图在线服务(原创) 9 H0 V0 D% o0 X8 r3 p5 V Q
Cartopy绘图中国地图最正确的使用方式 7 `. [' p# N2 x7 U
(2)Metpy绘图教程
# `! |2 T$ G7 Y3 s Metpy气象数据可视化库官网例程大全——目录
- o: u+ n$ M" H* M! _( |) b q 大气科学可视化示例——降水量 3 [9 d- y. e# ^1 }
大气科学可视化示例——AWS S3 NEXRAD 档案存取和绘图 * b; B0 k& o8 D2 g5 l1 U+ S
大气科学可视化示例——声明300hPa 5 A0 X0 N9 m5 m7 l2 M7 b) J4 x
大气科学可视化示例——飓风追踪器 $ y1 H% F1 M( Y$ c6 Q: b$ I+ k8 `- U
大气科学可视化示例——观测数据截面
$ c: h( L8 T: x0 g 大气科学可视化示例——在旧版DIFAX图表上高空观测
4 ~! E& b: I W# c8 x7 B5 ] 大气科学可视化示例——风切变矢量 2 w) ?: ]) D% F2 e! X% ]! k2 Z( C
) j* m# \" J5 W5 u" ^9 a7 e4 _, d6 c3 a, S2 D7 `, F H
: b0 @. ?$ v8 a8 `
9 Y& ]4 J# ~2 K# T% C# [' K2 g
; ?& P1 o; M# R$ T | 
