|
9 I8 e7 n ~1 ^9 E& F; n 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！ ; }& f; p! K o) Z
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 c& @/ ?6 S3 w* {" v3 N/ g; _ 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 6 k* R. k$ R' X; d, R6 `& \
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： / N* o% |. O5 c2 _( y1 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
$ n- C* h% z b- v) u8 e' ? 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：
" x" W) ?2 m( G2 J/ R$ \8 m+ X" z7 F 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 6 ]. Q$ i' k9 D/ Z! \: ?
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！ ! j1 C' h, _* J: k! K$ `
1.气象数据科学语言教程(1)Python 基础
0 x- u6 i: @( e5 Z$ ^ 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。 ! N3 F& O- u# l* @! f
科赛 x 机器之心从零上手Python关键代码 ) ^) H" t7 n; v X* o& _7 d
Python基础 Python100例 . n( u8 Y# V& w
Python入门教程 5 R: H/ C0 ^) l0 {( s
(2)Numpy教程
: M5 |* w6 _& @ 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。 9 f& o, \$ H( B8 W$ M
教程： + r: u7 `; G$ Z ?# w6 R; B) _7 \- z7 I
Numpy快速上手指南——基础篇 7 X+ j3 |2 r0 R* y" N2 T
Numpy快速上手指南——进阶篇 ) f! f h& Q: }+ Y* r; [
Numpy入门教程 @8 f7 s* u% ?$ c& ~, \
Numpy实战全集 7 K/ P1 Q+ |" N& [' d5 l8 N# k y/ p
练习题： & ?, F$ F7 j" I7 N, J- M2 `& k
这100道练习，带你玩转Numpy 8 Q2 b* s6 M9 Q) F$ }) K( ^" \
(3)Pandas教程 * ^' j% c" M, |3 ?8 c" i6 M
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）。
, D( q `* h* o) K 教程：
6 }/ ]! b" `1 m2 y! w Pandas入门教程（1） ! K; `5 k+ B* T: S5 Q# T9 c4 I6 G
Pandas入门教程（2） 7 ]9 x& w- B. t* ^6 k( y
Pandas入门教程（3）
- ^- s6 } g3 C* n" w 【Pandas教程】像写SQL一样用Pandas / s a' u% }4 K: T) N' i
高效分析：如何用pandas快速处理数据 9 Z3 t) {( x% Z: j+ Y. V" n% o# Z( i
Pandas基础命令速查表
4 o# c" @% O; f% t4 t- i- p/ D) {. _ 练习题：
$ K6 H0 I0 H1 E) Y* V" O Pandas120题
. A9 r. U- d1 ~- U 50道练习带你玩转Pandas
6 j/ V4 O2 {% y2 E6 l6 @ 这十套练习，教你如何使用Pandas做数据分析
! }6 f4 t- g# @9 c. p4 s (4)Xarray实例 g" H3 j X# |3 r& X+ m- ~+ \% h
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。
* m8 X; n' n5 {% l4 P ~ ]- O xarray实例大全-目录气象行业数据分析案例
% O, F; }3 Z6 I5 ?* {% Y xarray实例大全(一)-气象数据示例 4 i$ I6 b$ y' |; [. h2 `
xarray实例大全(二)-月平均时间序列计算季节性平均值
M! x+ _: m4 \$ ?7 J m xarray实例大全(三)-比较加权与非加权平均温度
9 e9 | o$ |4 G+ g, R8 t xarray实例大全(四)-多维坐标的使用 2 h2 L8 t& _( j) j1 p; Y
xarray实例大全(五)-可视化库 ( R( s" f4 v4 W7 ]
xarray实例大全(六)-ROMS海洋模型示例 9 H1 k2 r% g0 S/ q' T, p: J0 {6 d
xarray实例大全(七)-GRIB数据示例
' l+ h ]% s% w3 H4 _8 V xarray实例大全(八)-使用applyufunc 6 _+ T3 f( i, \! K! T$ C [
xarray高阶利用dask并行读取数据 " b. Z7 i) @1 {' b. s
2.气象数据读取/数据处理/数据分析/数值计算 ! N# {# ^6 d H8 I# E/ Q
Workshop第一期：初探气象数据Part1
6 A& G) q6 { @0 A4 X/ u Workshop第一期：初探气象数据Part2
) L) L4 }0 f1 g$ E: Q W+ o% u! j Python读取气象数据nc格式文件的入门级操作 ) y6 {- m4 D g
Python处理HDF格式数据示例
# B- J$ v4 Z9 h2 g5 Y9 v1 Y 利用Python的requests和json包获取台风数据 0 [6 g E( F: j$ B5 v
基于Python的Grads文件解析 3 V6 B/ Y1 i0 |# o
CALIPSO卫星数据处理 , T8 L+ Y+ g3 [: A
摸鱼的气象& ython 1 a3 y1 M7 u% F- f% K
Python之以温度为例的气象数据缺测处理方法 + L0 z A, z! s5 M
Python之一个简单的风数据处理和分析案例
) V4 i0 n% D6 f6 U 常用气象数据下载——ERA5再分析(grib格式) ! m- Q7 p! ^7 M& ^7 a, |: n6 q
常用气象数据下载——我国台风历史轨迹数据 * `" T. H' R- I& d
常用气象数据下载——耦合模式比较计划(CMIP6)
|' A5 }. w0 | 常用气象数据下载——TEMIS遥感数据
' {/ d: B: f; b: t% P0 D! Z: d 常用气象数据下载——实时空气质量数据 3 i" A; |+ k# \, i
常用气象数据下载——Hamawari8 " b: l. X; T5 C3 a w
常用气象数据下载——NCEP再分析资料
# B6 p% P3 p2 P. n* w2 v* E 常用气象数据下载——探空资料 % u2 ~$ C5 w9 A! N+ f! e2 |
气象之批量下载气象数据(EC;NCEP;CMIP)（python）
/ j- m3 w$ V! H' J( O! J 气候变化趋势分析常用方法
( t& B1 l2 U, Q$ A. p( P/ p: e! F& R 气象分析之气候变量场时空结构的分离-EOF
% g! F: {# e; z1 }0 M' O 气象数据处理——重采样（Regridding）
1 j" n* ?" O7 ] Z. Z% x/ F* L 气象数据处理——湿位涡剖面分析
+ M6 f; x; G+ H# O 气象数据分析——集合经验模态分解（EEMD） 8 `$ {& p3 j4 ?
气象数据分析——相关系数与时间相关系数 7 c% l/ g* N( D; Y7 ?% T
气象数据分析——旋转经验正交函数(REOF)
' Z% J/ z/ t% Q2 C' _ 气象数据分析——经验正交分解（EOF）
2 \- s; ~3 T8 k$ t- D0 S 气象数据分析——我国逐年降水的经验正交分解 ! `$ O1 }( H0 w7 L
气象数据处理加速器——cdo 9 r) h, _7 p7 H5 ~5 ^, ^0 \; e
气象数据统计方法
4 [5 B; x% u$ K1 |8 y' n 供水管网压力预测（异常识别与缺失补全）
6 B0 M* N4 F7 R& a; e; k8 p 特征重要性评估——Lasso回归系数
( ~3 P& M I$ R2 |! v, W/ _ 2020华为杯E题——数据探索性分析
$ ~8 O( J. L! ^ WRF模式模拟数据后处理（计算篇） - l9 ?. _, N. x$ M* E" X
结构方程模型（SEM）构建 1 Q) \7 J D Z' O7 i: ?/ i2 c
多元多项式回归拟合能见度 7 ~( e3 Q5 I; ^1 I: ~, L
两个变量场的相关分析——SVD分解 * X) }5 c& T5 P
小波分析——海温数据的时频域分解 + w0 o! n- |( e
基于DEM数据计算坡向、坡度和流向
6 h' f; w' f* F5 M0 r; u) A2 c) k7 ] 基于随机森林对特征重要性排序
, Z; Z3 r: ^) r 基于DBSCAN算法的人类活动GPS数据挖掘
5 n: `! }. h/ K6 i" d8 ]2 s6 @ 基于ERA5数据分析中国区域气温与降水数据的时空分布
! _( s5 ^# y8 @9 h3 Q% f2 ` 最常见的10种图像滤波方法
) ^ a1 }3 C; T 3.气象可视化(1)Cartopy绘图教程 1 x1 H" E# m/ ?$ M1 {) f: j! u
气象数据可视化库-Cartopy官网例程大全（中文翻译版） # V. b6 i6 i; d. g3 Z
Cartopy——绘制不同投影的地图 6 c: b" I$ }/ C! w
Cartopy 调用天地图在线服务(原创) / b& x \- p e& y) [
Cartopy绘图中国地图最正确的使用方式
) u* D b' K: g( Q$ F (2)Metpy绘图教程
8 E# m% h& @: d4 l Metpy气象数据可视化库官网例程大全——目录 ! G* A+ _% n R
大气科学可视化示例——降水量
1 ^5 c0 f; Z! T) t) p: ~0 ]% w 大气科学可视化示例——AWS S3 NEXRAD 档案存取和绘图
, h7 Z; n) x6 \* f7 K A6 j, ~9 E8 x 大气科学可视化示例——声明300hPa
2 e5 t2 L0 l/ t2 ` 大气科学可视化示例——飓风追踪器
8 } Z" Q# ], F0 [* B! J 大气科学可视化示例——观测数据截面 - z& }% N9 }$ e
大气科学可视化示例——在旧版DIFAX图表上高空观测
. c4 N% p: f2 P 大气科学可视化示例——风切变矢量
3 {8 W, C; U: w# n1 O) C4 [7 c, |3 n% j, {# g
2 D3 s' m2 z1 M _
8 R& f% D6 p$ v) B3 Q: ]# `: j$ u7 r
* A) C: X/ Z; q# x4 ~+ ?5 I, p" a
| 
