|
6 j5 W, P# Y) I, M+ u 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！ ' L9 S8 t; L7 d4 V* w0 \5 g; o
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：
6 m% T' a6 h5 C. j% C a6 h6 w' |3 W 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
* E) F u& a4 e& C, m8 A 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：
( K ^3 I0 I2 r 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
3 i6 ?3 x" ^9 W+ Z8 u. q% C( W 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： $ i3 K; ]" U4 W9 w! v% R" F0 ?2 }9 w* k, 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
! ?' Y% p" M F/ E. B 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！ ( U4 W' Y& P, i
1.气象数据科学语言教程(1)Python 基础 5 v6 K" n) v4 y( @: c, c" B; N, U
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。 # T/ S1 F( p3 B
科赛 x 机器之心从零上手Python关键代码 0 ]4 S% y+ g, b2 \; T
Python基础 Python100例
: ]) {# }8 d; g* H Python入门教程
& N) e) ]+ [+ K% M: h: m (2)Numpy教程
& z8 S" c" m/ u8 w 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。
3 z: W( J7 P8 D 教程：
7 z% k$ d: v8 p Numpy快速上手指南——基础篇
J5 P1 ]" j6 ^ Numpy快速上手指南——进阶篇
" F, W @* U, Y: _: N# o/ z Numpy入门教程 5 Y! U$ s0 `2 ^' z; a
Numpy实战全集 : x% K: e: Z; h# W- n4 }6 P
练习题：
R3 |7 b2 w0 d- v! b" @* T 这100道练习，带你玩转Numpy % n; I* O2 w/ e# f, w2 u- M
(3)Pandas教程 4 @9 j5 M' z/ j
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）。 % d8 H C/ d# y* J
教程：
' c$ q9 ]: |8 v8 `0 A4 R2 { Pandas入门教程（1）
" e9 H1 f+ `4 a. u Pandas入门教程（2）
! `- e4 U( h: e' d$ C/ B Pandas入门教程（3） / K8 M: Q4 o3 p9 `! d3 W: [( c+ E
【Pandas教程】像写SQL一样用Pandas ; q. [0 e( Q% o
高效分析：如何用pandas快速处理数据
/ \4 w" z ]8 _- c) e Pandas基础命令速查表 ! P; I4 b, n* K/ c$ g
练习题： ) \6 O2 K: h5 z- {0 U
Pandas120题
$ h8 e# s" K- z) g* {: q 50道练习带你玩转Pandas
1 c" b5 {3 K) T y- a6 H0 M8 y4 u$ d 这十套练习，教你如何使用Pandas做数据分析 ( B$ j) b) u9 q, D7 G6 W
(4)Xarray实例 , j* f: R% m7 f* ?
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 d8 o; V- ]9 \4 F" `/ ]" Y xarray实例大全-目录气象行业数据分析案例 : [; W- v+ J, ^& }8 Q1 V
xarray实例大全(一)-气象数据示例
+ k/ r) C: l6 r) y xarray实例大全(二)-月平均时间序列计算季节性平均值
% y! c& O( }% B6 X xarray实例大全(三)-比较加权与非加权平均温度
3 V1 K! n: P" ^! ^; g" x$ \ xarray实例大全(四)-多维坐标的使用
& @6 E l/ }8 D4 s xarray实例大全(五)-可视化库 & t) f0 |" b, w$ H3 D5 A2 z7 F0 l
xarray实例大全(六)-ROMS海洋模型示例 1 t/ @& t2 f3 f$ h& L1 W" }, M0 a
xarray实例大全(七)-GRIB数据示例 ! X) ?- U! o& z
xarray实例大全(八)-使用applyufunc
) ]) d1 o/ |' G; V6 ` xarray高阶利用dask并行读取数据
3 `1 {3 @8 W, Q% m! _ 2.气象数据读取/数据处理/数据分析/数值计算 + k9 W' ^/ t4 k$ B
Workshop第一期：初探气象数据Part1 2 _% h: {0 j9 e
Workshop第一期：初探气象数据Part2 " H6 R% j' ?+ D- z+ C+ [8 z
Python读取气象数据nc格式文件的入门级操作 8 p: c# J/ H! j) O! _. e. D x/ `
Python处理HDF格式数据示例 6 r! N! K9 ]$ [9 ^* [" X
利用Python的requests和json包获取台风数据
: h* T7 r# M% @' H- P i. }% H5 x 基于Python的Grads文件解析 1 j# ~9 r# l( m, `/ \, f
CALIPSO卫星数据处理
0 z" }- z7 G& B1 V+ O' f0 n- s 摸鱼的气象& ython
" f! l" s O& [' E& M( ? Python之以温度为例的气象数据缺测处理方法
/ |2 i! G4 Z7 T+ j4 j& S6 p Python之一个简单的风数据处理和分析案例
6 ], `2 Q1 d' Y4 v }, K, `: W. l 常用气象数据下载——ERA5再分析(grib格式)
9 I3 e5 P& P6 S4 Y 常用气象数据下载——我国台风历史轨迹数据 r( U& V, F# M/ Z4 `$ a
常用气象数据下载——耦合模式比较计划(CMIP6)
6 p- r6 E8 d: s, u8 E* A. |0 h3 j# c 常用气象数据下载——TEMIS遥感数据
8 _9 K# L6 T. t- d" ]7 \# r8 Z( M 常用气象数据下载——实时空气质量数据 " O5 B( y; @. u
常用气象数据下载——Hamawari8
. P8 C2 w) B0 i& A6 J0 a 常用气象数据下载——NCEP再分析资料 8 W& b9 z& w V
常用气象数据下载——探空资料 1 {9 t% n8 j1 c" l' w" `
气象之批量下载气象数据(EC;NCEP;CMIP)（python） 0 D1 i" F" R: r$ ^' C
气候变化趋势分析常用方法
9 G9 e5 Z* }* z# V' M6 ]) W 气象分析之气候变量场时空结构的分离-EOF
9 f3 Q! F+ A9 n: x 气象数据处理——重采样（Regridding）
$ O$ B5 Y6 `1 X* b( @ 气象数据处理——湿位涡剖面分析
6 G7 U7 j2 W" M+ z 气象数据分析——集合经验模态分解（EEMD） : J( C0 N- R: O. g& l) I& p8 m+ @
气象数据分析——相关系数与时间相关系数
$ ~7 J5 y5 J/ l' s$ x 气象数据分析——旋转经验正交函数(REOF)
+ K$ M' C/ ~$ ^9 |+ C f9 h 气象数据分析——经验正交分解（EOF） + E( m7 l7 a5 E1 i+ U* W3 }+ b
气象数据分析——我国逐年降水的经验正交分解
7 b# G/ j% O/ G# p. E4 e( l/ e 气象数据处理加速器——cdo
$ r( W T) q! Q0 x) m 气象数据统计方法
- _" O ]8 b9 L. z9 X0 J: @ 供水管网压力预测（异常识别与缺失补全）
3 D- r* m* t T( z 特征重要性评估——Lasso回归系数
J* b- x5 k2 r8 Q2 o 2020华为杯E题——数据探索性分析 , E. n: z$ s9 X! C" M- ]2 m: ~7 O$ z8 t
WRF模式模拟数据后处理（计算篇）
: Q8 p$ j2 ?6 v ?3 m 结构方程模型（SEM）构建
/ c8 w3 p! [6 V. w7 x 多元多项式回归拟合能见度
, ]$ h' T# J6 y/ Q! J, k' g 两个变量场的相关分析——SVD分解
5 A& I* H4 O2 u6 c) E 小波分析——海温数据的时频域分解 6 s) l4 V/ `6 s* D
基于DEM数据计算坡向、坡度和流向 3 b( \4 L' I8 E7 Q( |% Z9 }
基于随机森林对特征重要性排序
! }! u& s f% O( ?, w% c+ w0 a 基于DBSCAN算法的人类活动GPS数据挖掘
5 b8 \$ g0 L/ D; E. v. ^( i" N 基于ERA5数据分析中国区域气温与降水数据的时空分布 : k: z" F4 p( o5 }& m4 |
最常见的10种图像滤波方法
$ y+ g. _+ n i: `( k( I 3.气象可视化(1)Cartopy绘图教程 " i5 M* o9 ~8 c) F+ i" E
气象数据可视化库-Cartopy官网例程大全（中文翻译版） . M d: M7 M- T6 d: @4 e3 b/ Z
Cartopy——绘制不同投影的地图
: d" K. `6 Q* y! T4 y. W' P$ d' r Cartopy 调用天地图在线服务(原创)
% F! V1 \& s) @1 w6 }9 N5 S Cartopy绘图中国地图最正确的使用方式 9 {+ \) V0 Q I* e/ B( @
(2)Metpy绘图教程 . j; Z7 c$ N! l! @ [/ @- [
Metpy气象数据可视化库官网例程大全——目录 9 J( b( }6 |" O I/ U' i8 c
大气科学可视化示例——降水量 / S/ s$ q0 B; t/ T, R0 A
大气科学可视化示例——AWS S3 NEXRAD 档案存取和绘图
- z4 K/ c8 y* T- q6 |. I+ N 大气科学可视化示例——声明300hPa
* C, F- b2 q- w 大气科学可视化示例——飓风追踪器 - v3 m% w+ r: t3 {6 v
大气科学可视化示例——观测数据截面 & I5 s0 K* c/ S. C% e' r
大气科学可视化示例——在旧版DIFAX图表上高空观测 ; @7 n- c7 S4 S9 f; a2 A& o2 @
大气科学可视化示例——风切变矢量
0 C* W: `! M$ \* g: H" R
9 o' b% d3 |# _6 t( }9 H x4 V; [5 V& x/ ^- d7 D/ w8 X. }% R
9 |6 Z8 y% s% Y
: x! q2 m9 C: L% h$ j- N
* x' i+ F' I3 _) `8 o& l
| 
