|
" Z) f. U8 ~+ ?% I 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！
$ R6 r2 E5 [7 C( f: |0 \ 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： - o. f' R0 N* W a
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 2 H0 y0 v2 f c3 g) t% f* s! n
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： ! ^, U/ i( Q$ @0 w( M
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
: U( e7 d- ]7 R/ p# o/ D 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：
5 b" W* H8 E0 }/ E1 E) }4 x 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
; N7 X+ ?# m" ~4 Z% o1 N0 |# T 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！
. Y7 o# L1 w: m) a/ m2 l 1.气象数据科学语言教程(1)Python 基础
, [3 J/ }$ l. j" g' S 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。 1 J, ?- ]" R3 T- @- L
科赛 x 机器之心从零上手Python关键代码 , \3 r) A. M2 {) c- I1 t/ e8 p
Python基础 Python100例
# F. t7 @8 Z# k7 g5 a! L Python入门教程 , R% n. l, F- G& y
(2)Numpy教程
4 l. l4 c) P" q4 ] 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。 & k1 ~6 ]! i1 ~* X4 M N
教程： 1 ?6 u) J& A2 @
Numpy快速上手指南——基础篇
5 [6 \4 \# |5 v0 ` Numpy快速上手指南——进阶篇 * l3 G3 j. {6 C9 Q& w, P
Numpy入门教程
8 }7 ~9 t; i3 s; D Numpy实战全集
% J& v" t7 L& R7 z& r* `/ j 练习题：
) q# q1 D P# r 这100道练习，带你玩转Numpy
2 b* A7 c' L' f G' c (3)Pandas教程
. s* ]7 Z0 {" [! Z Z; t% [ 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）。 2 G% Q( R4 b1 X4 ~% k
教程：
0 ?# ~0 \" T: @' Y2 v- I Pandas入门教程（1）
( X! G; L, C. ~& \ Pandas入门教程（2） ( `5 W5 V0 d m& E2 O) _# g$ u
Pandas入门教程（3） $ A' m( z; L5 ?% w
【Pandas教程】像写SQL一样用Pandas " Z& X+ o3 f0 n7 n3 I
高效分析：如何用pandas快速处理数据
5 U2 [0 Y$ v8 G2 l+ } Pandas基础命令速查表 + M6 h" A5 t2 E9 ]' Z" j+ o- q# c
练习题： ~% X5 p/ f2 Q* V4 a4 F
Pandas120题
- s7 O8 z/ ?( r" T' G: o 50道练习带你玩转Pandas
- a1 B$ P! @ R& i9 e 这十套练习，教你如何使用Pandas做数据分析 7 ]4 m/ G! m6 p t
(4)Xarray实例 8 Q6 d6 s5 J- e! L
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。 0 f2 v. S5 x% L" N7 X
xarray实例大全-目录气象行业数据分析案例 s% e+ k+ y0 e+ d
xarray实例大全(一)-气象数据示例
8 t0 K) m( D" }" v xarray实例大全(二)-月平均时间序列计算季节性平均值
6 X- `) \& q8 ^* v' ] xarray实例大全(三)-比较加权与非加权平均温度
5 A& F6 O/ E/ z" x- a% h5 X) b xarray实例大全(四)-多维坐标的使用
e) d% ^) T m1 [3 w! X xarray实例大全(五)-可视化库 : l% M# b8 c! {6 i) h: P
xarray实例大全(六)-ROMS海洋模型示例
- @ ]" ^% I+ w! L- S+ ^* w2 Y5 ` xarray实例大全(七)-GRIB数据示例
$ H* h$ f7 i6 [$ y* D xarray实例大全(八)-使用applyufunc
3 I9 }5 ?' g" a" E& }$ T i; b2 z xarray高阶利用dask并行读取数据
1 G" j8 `& S) G, ] 2.气象数据读取/数据处理/数据分析/数值计算
7 y, P6 M" ]5 b( U Workshop第一期：初探气象数据Part1
' x0 s j: k8 u! \ C7 B Workshop第一期：初探气象数据Part2
* `8 y9 o! u0 u3 W! ^ Python读取气象数据nc格式文件的入门级操作
, {2 ]/ b3 u2 Z! f Python处理HDF格式数据示例
0 i+ H# q- J% ]) A$ i 利用Python的requests和json包获取台风数据 # ~# `& F2 I4 T- e1 R# o
基于Python的Grads文件解析
) D4 V5 q8 r* W CALIPSO卫星数据处理
/ b" G1 |7 c4 T9 [' n; l" n 摸鱼的气象& ython
3 T% A) O& e( n6 e; O Python之以温度为例的气象数据缺测处理方法 5 _7 K: |/ W/ K3 `& E& h. O
Python之一个简单的风数据处理和分析案例
7 E! p& `) q& h3 U& j6 ]3 h3 e% W/ a 常用气象数据下载——ERA5再分析(grib格式)
7 @6 L2 v* c/ {6 _; o. y# S 常用气象数据下载——我国台风历史轨迹数据
5 i( ~% j. g& D5 t7 y 常用气象数据下载——耦合模式比较计划(CMIP6)
4 l" T8 `; R3 W3 X3 M6 |$ f 常用气象数据下载——TEMIS遥感数据
- S- T+ }2 g1 x" p( n5 p 常用气象数据下载——实时空气质量数据 5 a8 h8 U! g, h! m8 ~
常用气象数据下载——Hamawari8 6 x% j7 d* ], q8 w/ `+ z! k
常用气象数据下载——NCEP再分析资料
& j8 p# i+ Y) `! E. h 常用气象数据下载——探空资料
1 Q" q; Y# k F9 U& _ 气象之批量下载气象数据(EC;NCEP;CMIP)（python） $ Y; P; @- |6 g5 H
气候变化趋势分析常用方法 ! Q9 s% B' ~3 |
气象分析之气候变量场时空结构的分离-EOF
' ]6 A) Y* Y( R% R1 K% e6 ? 气象数据处理——重采样（Regridding）
$ `$ M; c* p7 g5 F; G# c( ~0 Q 气象数据处理——湿位涡剖面分析 4 H' |( f9 Y1 a! G+ p8 \2 C$ J
气象数据分析——集合经验模态分解（EEMD） : ~: G$ Z/ r9 u7 f
气象数据分析——相关系数与时间相关系数
. T0 S+ P3 \9 j 气象数据分析——旋转经验正交函数(REOF)
! t$ }' Q6 H* z% i( ^- U 气象数据分析——经验正交分解（EOF）
0 B3 _7 G1 w# M! q; m 气象数据分析——我国逐年降水的经验正交分解
8 B2 V' ?9 b9 _+ v l( {" Q" x9 ]: c' p 气象数据处理加速器——cdo
, G+ C" ^& {8 z3 V3 a 气象数据统计方法 & |! ^ ~% V* F" q
供水管网压力预测（异常识别与缺失补全）
. X/ f( s- R; ~: @( T" v* W* B5 w 特征重要性评估——Lasso回归系数
+ h# [- Z; R% ?( N$ V7 C: o 2020华为杯E题——数据探索性分析 , X9 W8 s* f2 b% ^. O# D
WRF模式模拟数据后处理（计算篇） 9 b0 `% E& Q) u# y4 Y; s5 H4 i
结构方程模型（SEM）构建
7 P' t+ B; |$ X B B3 x' m6 \ 多元多项式回归拟合能见度 % a% z; H: h) N4 j
两个变量场的相关分析——SVD分解
2 e7 @' h `2 R& s# U 小波分析——海温数据的时频域分解 3 Q5 ^9 O9 B/ g
基于DEM数据计算坡向、坡度和流向 # o6 I$ Z7 M [' D0 Q- N6 a6 X6 v
基于随机森林对特征重要性排序 . D, R5 U3 C6 c' Y" e
基于DBSCAN算法的人类活动GPS数据挖掘
" j$ I6 B7 E \$ x$ k 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( X6 L5 F& k, g }/ c% A3 A4 j 最常见的10种图像滤波方法
/ n7 J' w: s# N! R 3.气象可视化(1)Cartopy绘图教程
- ~. Y' U. A. N1 n- n 气象数据可视化库-Cartopy官网例程大全（中文翻译版） 8 I9 K) v9 |) [& n+ s1 ?' @
Cartopy——绘制不同投影的地图
' n$ I# k/ Q7 q, P Cartopy 调用天地图在线服务(原创)
& c, G7 o% R, q' t8 c. ~ Cartopy绘图中国地图最正确的使用方式
' k5 \ Q9 V" C/ h7 t (2)Metpy绘图教程
( t3 Q Y9 c8 J8 b# U/ _4 j Metpy气象数据可视化库官网例程大全——目录
E9 Z8 A: L$ T* N 大气科学可视化示例——降水量 , L7 _, u u0 R( \ |1 i% O
大气科学可视化示例——AWS S3 NEXRAD 档案存取和绘图
5 |0 Y/ x5 [ |' g 大气科学可视化示例——声明300hPa ' ?1 p* s8 U. I9 L- I, A
大气科学可视化示例——飓风追踪器
# j9 N% _8 W; x, U3 M# o; Y 大气科学可视化示例——观测数据截面 % N. ]. L* E3 i2 p( A0 C( H
大气科学可视化示例——在旧版DIFAX图表上高空观测
% r' H" ^* L; ~ 大气科学可视化示例——风切变矢量 d% m2 }% y$ V5 S
1 m- n2 q4 m/ H0 ]) R7 w+ b* I+ O! F( C
- ]' G7 @' k) ~$ _8 s* w% L" R) P4 U0 `' K* L& a( b. ]0 W' ]9 b7 y ~" D
% y* m9 f0 E- L' d8 `: T X
| 
