|
8 w* R4 |6 z# Y: G C
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!
' o! H! ^, v9 E3 A8 B8 B+ { 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 M: R. K) s6 m+ N- Y" s( ` 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
( U: t" F4 {5 i' ], L$ Z9 M 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:
! v6 }7 s$ @5 i" e$ A 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 b* @; l k, J 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:
0 \6 u# D) ]% Q4 ]4 _& @ 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 % p' p6 F8 @/ z% ?' N6 T- S
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! % @/ p! [# U/ v5 o
1.气象数据科学语言教程(1)Python 基础
0 d2 ^- _% ^& B; Q: B+ o! 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。 & ^8 t+ o$ U& \* G3 t7 w& W
科赛 x 机器之心从零上手Python关键代码 z6 S+ k* Q: ~* `- V+ @
Python基础 Python100例
% Z* G$ K. b' ]$ G( u8 a Python入门教程 . C# p C `3 o) p9 i
(2)Numpy教程 2 ^! n8 Q$ i/ d) L$ ]* a0 X* Z# 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。
2 y) { T2 X3 m$ G, Y6 Z8 f 教程: 8 I+ B9 y" `+ l
Numpy快速上手指南——基础篇 8 s# z. ~$ [1 E: V6 K
Numpy快速上手指南——进阶篇
. v$ u! O, N9 r# ?- g4 ^ Numpy入门教程 - \. y6 q# W. M
Numpy实战全集 ' K! Q7 ], e A2 |( C% l2 {: y
练习题: ' M9 \ L$ ^1 |$ u/ N1 `
这100道练习,带你玩转Numpy
8 s& Z1 \" r# m (3)Pandas教程
9 ~3 C. v. O4 J r# N! V 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)。 6 @; c/ n6 p, l$ A, x
教程: " ]- { X& K2 _* Y5 f: J' H1 q
Pandas入门教程(1)
9 u6 v, v5 r% k! x2 @! t, i Pandas入门教程(2)
5 Z5 ], F1 ~% ?' ?% j1 u Pandas入门教程(3) 6 U( H) _7 P- x% `% Z
【Pandas教程】像写SQL一样用Pandas
* x# u6 ^6 Y+ m2 K! A$ } 高效分析:如何用pandas快速处理数据 ( D r7 X2 t" Q$ v* [/ i2 a! K
Pandas基础命令速查表 ) {) ^* O7 h! V1 e( x
练习题: , }& `: p( R& ]9 Y
Pandas120题
1 x( ~! G& ]; v 50道练习带你玩转Pandas 6 f' P2 H' w9 Q; j0 i0 W) A/ H: q" J( q5 ~
这十套练习,教你如何使用Pandas做数据分析 : w* @6 P$ ]: \* Y2 x5 c
(4)Xarray实例 * [# D1 p0 O* _$ ~& o: f T
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。 ! U- z# Q( B) [& v" I
xarray实例大全-目录气象行业数据分析案例 / R v- |, t3 T- n
xarray实例大全(一)-气象数据示例
' n& `7 `8 o3 B: ? xarray实例大全(二)-月平均时间序列计算季节性平均值
3 \" k0 w* C2 V4 W% u, x5 h xarray实例大全(三)-比较加权与非加权平均温度 # d$ ]' a7 N& m7 v' V# m
xarray实例大全(四)-多维坐标的使用
P; q5 ]1 r* C. P2 Z/ I/ S- y xarray实例大全(五)-可视化库
( b; C, \ H3 u) T) r3 N( ~( X xarray实例大全(六)-ROMS海洋模型示例
7 F3 g' P5 u4 j# N: J, t xarray实例大全(七)-GRIB数据示例 5 t: S( K/ R! y/ m9 l' L1 ^
xarray实例大全(八)-使用applyufunc ; N$ {' A; U" v/ ?
xarray高阶利用dask并行读取数据 . q3 `7 Z, {3 f/ X i! x
2.气象数据读取/数据处理/数据分析/数值计算
# ^3 D9 N$ ~" v6 L* n) N8 Z2 R Workshop第一期:初探气象数据Part1 3 f0 n# P! Q& `- M
Workshop第一期:初探气象数据Part2
+ H) K) o/ I* v) s Python读取气象数据nc格式文件的入门级操作
0 v |" r4 g* `' m" l Python处理HDF格式数据示例
! Z3 S7 q6 h8 g 利用Python的requests和json包获取台风数据
8 D4 N, w: B7 O6 f. S5 F 基于Python的Grads文件解析
3 s) e! K! P8 O7 e3 G+ u% b2 D CALIPSO卫星数据处理
* A `/ [# [, F/ f 摸鱼的气象& ython
6 t% i& P. E. M Python之以温度为例的气象数据缺测处理方法
: |9 q3 q1 T! a5 K! R+ f Python之一个简单的风数据处理和分析案例 ' E% w) l. E8 `3 E! b G0 ?% _, R6 _
常用气象数据下载——ERA5再分析(grib格式) ! C% c$ o' [' o6 t( Q5 A% Y
常用气象数据下载——我国台风历史轨迹数据 4 \" Z0 P# k. ?! y/ x
常用气象数据下载——耦合模式比较计划(CMIP6) ) }$ }3 |2 D8 `, w0 r, d8 a2 \& B
常用气象数据下载——TEMIS遥感数据
- s, K# N/ U5 _9 [& C2 Q+ t; O 常用气象数据下载——实时空气质量数据 # x8 k3 j, ?1 m, t- T
常用气象数据下载——Hamawari8 - ?5 ~0 R: ^% w* T/ H4 O, a! S2 P
常用气象数据下载——NCEP再分析资料 8 H/ A6 O8 f. o" D% o
常用气象数据下载——探空资料
( C: Z9 m! F( ?: M 气象之批量下载气象数据(EC;NCEP;CMIP)(python) ; _$ Y" a, u/ Q0 e) Q ~
气候变化趋势分析常用方法 & R. Z9 Y4 V- G' ~8 k, o1 w+ t2 d
气象分析之气候变量场时空结构的分离-EOF ; X. v$ W0 a" P+ e9 ]$ M
气象数据处理——重采样(Regridding) ( b' m9 P1 h4 s
气象数据处理——湿位涡剖面分析
6 K7 `) _* u T. Q* c$ c# B 气象数据分析——集合经验模态分解(EEMD) ' E, @" N) W# j1 V' J' y$ ?
气象数据分析——相关系数与时间相关系数 0 I: g' V/ X- h
气象数据分析——旋转经验正交函数(REOF)
5 U% ^: J9 b. l. k5 g6 F 气象数据分析——经验正交分解(EOF)
' A1 y6 `7 u& C: I- D9 n+ S 气象数据分析——我国逐年降水的经验正交分解 & [6 u1 G% h7 X# c( u1 q
气象数据处理加速器——cdo
% K4 P3 e6 B7 U* S$ X 气象数据统计方法 3 p, q8 Q* T4 o( K
供水管网压力预测(异常识别与缺失补全)
+ y8 V' U$ [! R 特征重要性评估——Lasso回归系数 6 ?4 Z3 y$ U; D3 C; A
2020华为杯E题——数据探索性分析
]8 e. ?4 {1 I$ v, u+ g5 K; A- Y2 l WRF模式模拟数据后处理(计算篇)
1 y: v7 S6 F- S% v; O/ Y 结构方程模型(SEM)构建
0 f3 k' h; }. j0 z* c 多元多项式回归拟合能见度
0 |) F/ k+ ?& E {1 z9 n/ H 两个变量场的相关分析——SVD分解 + L5 F) ~* a+ @& o8 {9 j
小波分析——海温数据的时频域分解
) `6 A6 ]* y" x. I2 C' \: d 基于DEM数据计算坡向、坡度和流向 4 z# g: Q9 m5 @& _9 Y$ w
基于随机森林对特征重要性排序
0 R) N) `. }" y5 w' c 基于DBSCAN算法的人类活动GPS数据挖掘 ! p" v5 J& @ W2 g
基于ERA5数据分析中国区域气温与降水数据的时空分布
; Q; Q* w1 d) R) `9 Q 最常见的10种图像滤波方法
& ]) o9 K7 @, F 3.气象可视化(1)Cartopy绘图教程
$ v. z8 q6 K0 T Z" d3 X 气象数据可视化库-Cartopy官网例程大全(中文翻译版)
8 x( O1 T2 E/ A Cartopy——绘制不同投影的地图 5 f! h4 G) O5 z {
Cartopy 调用天地图在线服务(原创)
. q, W# k7 {& Y- s0 ^) K Cartopy绘图中国地图最正确的使用方式 2 c8 Q; e. c% {; A( [
(2)Metpy绘图教程 / B- f \& _, D0 Q+ _
Metpy气象数据可视化库官网例程大全——目录
( {- L5 @5 f8 R 大气科学可视化示例——降水量
+ [4 Q* q" t/ U: l" r' z7 P" S; e2 o 大气科学可视化示例——AWS S3 NEXRAD 档案存取和绘图 # K4 m4 p( g% x( K: s9 M, N" R
大气科学可视化示例——声明300hPa
' n; P2 }2 g4 k 大气科学可视化示例——飓风追踪器 ) P( T; y$ k* O( b
大气科学可视化示例——观测数据截面
& O" C* N7 A3 t 大气科学可视化示例——在旧版DIFAX图表上高空观测
( }+ B6 ]/ x4 \2 R! M 大气科学可视化示例——风切变矢量
/ k4 ?# m% R/ i2 X) o5 w+ [3 l
( Y' x: p, O! ~. _: M
/ D$ R% @3 {/ l! ~* {% a. x' @* `9 H: |- R0 e7 Z( `! ]
3 c& {, Z$ M0 O% d1 a5 r% T V9 Q5 g: L
|