|
: x! s# q! ~- K" S- 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！ + h) ?5 x+ y) A9 J& G
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 g4 m7 A }& s/ Y8 }( D4 A+ N( e" 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
$ l% z+ f. |% D4 O2 }6 s5 S 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：
" @: r! j5 H8 I2 I6 E 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
9 q, W3 n# N% c' p) D" z 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： 7 u! ?. @( `1 R0 Q1 a0 W) P
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
# `8 K! h/ d& Z- b n2 ` 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！ , e' O9 C$ Z8 y" r2 z) E( g9 b0 i
1.气象数据科学语言教程(1)Python 基础
3 e/ y! K z0 H; Q) W# F' r 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。 # z F8 b5 ]* @! I# G9 B
科赛 x 机器之心从零上手Python关键代码 " `9 P% P2 S0 X j/ c+ \" x! k
Python基础 Python100例 {- L6 J. z+ e- c
Python入门教程
4 `5 M2 O }* X8 b9 H5 ] (2)Numpy教程 7 ^/ x+ _) t: e( a% V, 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。
9 t: w) i3 g2 z! [# \ 教程：
' }" r; L) v# C5 z Numpy快速上手指南——基础篇 : Q2 {7 c1 }" \6 ?2 I7 A% N
Numpy快速上手指南——进阶篇
4 P2 n" k' R2 S/ t Numpy入门教程 + w, b o+ A. l
Numpy实战全集
; A6 _2 g) J6 x9 y. l4 G- m 练习题： 7 ?$ t& B q8 w. \0 x
这100道练习，带你玩转Numpy
' ?- |$ p3 h1 L+ {6 j2 R' n (3)Pandas教程
# ^. ?0 E, b/ U 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 A1 l; j) }: P
教程：
0 j: V5 A# l( t7 ]! h% L Pandas入门教程（1）
# @4 A4 ?- s$ P3 b' j0 F* K- f6 m Pandas入门教程（2）
2 E( f# V& {8 }" j L2 q Pandas入门教程（3）
# J \$ i X2 |8 O& M9 x 【Pandas教程】像写SQL一样用Pandas ( x2 @) K+ p7 R, Z1 }& J- S' I
高效分析：如何用pandas快速处理数据 4 i: ]; d) [9 X+ c" {
Pandas基础命令速查表 " P" U+ e R$ J" S4 l/ b: g7 z
练习题： # r4 K( L L& v" l4 M
Pandas120题 2 C; d% U7 K7 W9 u) H5 Z- ?, |# J
50道练习带你玩转Pandas
" `" t3 q; U% X5 g 这十套练习，教你如何使用Pandas做数据分析 # k+ p) P- c' M" ]. W
(4)Xarray实例 4 L4 x, s* J5 ~! i
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。 : [5 L% Y) L. \7 G/ y/ \7 ]
xarray实例大全-目录气象行业数据分析案例
+ n& u& S1 g Z* M! ]- w7 \ xarray实例大全(一)-气象数据示例
3 G( K% p& a# H: w" @ xarray实例大全(二)-月平均时间序列计算季节性平均值
& } r8 t. H* B xarray实例大全(三)-比较加权与非加权平均温度
; a. ?! P0 F' ?+ r: K% Q& i* r3 _ xarray实例大全(四)-多维坐标的使用 0 g7 {' L( K& s5 q) ?. }: T8 ]
xarray实例大全(五)-可视化库
0 F# ?$ q" G- r% V2 o$ h$ D xarray实例大全(六)-ROMS海洋模型示例 / Y' [- k, L5 j5 r+ N, D
xarray实例大全(七)-GRIB数据示例
/ v; I! x1 L, q' m1 n xarray实例大全(八)-使用applyufunc 6 }" r- ~+ e* ^! D
xarray高阶利用dask并行读取数据 % I# C# l8 x e4 Z
2.气象数据读取/数据处理/数据分析/数值计算
x$ T- d3 P; J0 E' g+ c/ j Workshop第一期：初探气象数据Part1 2 l" I2 s/ Y8 W4 D0 }$ D
Workshop第一期：初探气象数据Part2 * I* x) X; J; y. t$ g! k$ l
Python读取气象数据nc格式文件的入门级操作 + |/ f5 p* z7 k/ q+ ?5 [! ~
Python处理HDF格式数据示例 7 I8 Y$ L, f1 {3 l5 l4 s& c
利用Python的requests和json包获取台风数据 ' X7 m. N- V8 Q8 N7 n& y8 O. c
基于Python的Grads文件解析 $ H; \8 g! y/ H' c. R7 j/ d* a7 |
CALIPSO卫星数据处理 ) ~7 V$ W' A8 `4 M& _
摸鱼的气象& ython & R3 j3 w) o' d# i* g' j
Python之以温度为例的气象数据缺测处理方法
% ~* t* p# t; |2 h% s* o: ]0 X, X Python之一个简单的风数据处理和分析案例 Z# V9 t- _- Y8 _$ I" ]4 o, u+ q- j
常用气象数据下载——ERA5再分析(grib格式)
3 p9 B0 G0 h# e6 J. ]+ v 常用气象数据下载——我国台风历史轨迹数据
! X: b2 Z9 d! M& l, G) w" w 常用气象数据下载——耦合模式比较计划(CMIP6)
) t1 O- k3 y: f0 V& } 常用气象数据下载——TEMIS遥感数据
- v( t+ ^9 ^$ z1 J1 ] 常用气象数据下载——实时空气质量数据
/ s2 D: O( A& w& L3 {4 N 常用气象数据下载——Hamawari8
! @% K/ I3 N7 J5 h6 f 常用气象数据下载——NCEP再分析资料
- S: y! |" t. W$ C 常用气象数据下载——探空资料 0 P5 {- ^+ G( @7 W5 A
气象之批量下载气象数据(EC;NCEP;CMIP)（python） [# k) ?/ t. e% e2 p
气候变化趋势分析常用方法
& w: w. Y( w$ b2 E* k+ M/ U2 r5 a 气象分析之气候变量场时空结构的分离-EOF
. H/ ^& K- W! m: T1 S 气象数据处理——重采样（Regridding）
/ _8 E i3 @7 y 气象数据处理——湿位涡剖面分析
4 Y2 C0 y; B1 p5 K 气象数据分析——集合经验模态分解（EEMD） ! M0 c9 F; n: {; E
气象数据分析——相关系数与时间相关系数 9 t, Y# ~6 R. y/ B. c) o
气象数据分析——旋转经验正交函数(REOF) % G! {4 Q- K& s* b6 ?
气象数据分析——经验正交分解（EOF）
6 h/ C. V. L, D1 a0 o. T- t( o! S 气象数据分析——我国逐年降水的经验正交分解 : m# N q0 ^" I) u2 j; u7 u. q
气象数据处理加速器——cdo 7 X8 H4 Z. s& K0 ^
气象数据统计方法
- m4 y$ E- I, c/ j( s! a& y 供水管网压力预测（异常识别与缺失补全）
. S) {0 }8 @; v8 z4 l/ _ 特征重要性评估——Lasso回归系数
7 O( k2 X# `! i$ Q6 H: P' D4 u. N2 l 2020华为杯E题——数据探索性分析 * |. V( g; `$ M8 Q; r3 l
WRF模式模拟数据后处理（计算篇）
' A; B3 _) J4 k2 m5 C 结构方程模型（SEM）构建
- J3 ~2 b* M) B% Z 多元多项式回归拟合能见度 + y: X$ n% a, x# {2 B* y; _2 l$ X# S
两个变量场的相关分析——SVD分解
; f- ?, a. p. H 小波分析——海温数据的时频域分解 + q- A, W5 {8 {6 C/ |' ~# \2 `9 K6 n
基于DEM数据计算坡向、坡度和流向
, y) w. M- O& Q 基于随机森林对特征重要性排序
9 B! g3 V2 t% f% v% M4 E. H 基于DBSCAN算法的人类活动GPS数据挖掘
$ f" M8 Z S- ]2 y 基于ERA5数据分析中国区域气温与降水数据的时空分布
8 V4 C6 m) m; C' }2 Y4 i# | 最常见的10种图像滤波方法 9 ]& s; v6 ~: q8 f! l
3.气象可视化(1)Cartopy绘图教程
# X9 h; M/ S( h5 M5 P& c4 k 气象数据可视化库-Cartopy官网例程大全（中文翻译版）
/ Y5 Y3 U9 B. q" t Cartopy——绘制不同投影的地图 & Z+ L% D8 p$ A2 a; }( ]# x
Cartopy 调用天地图在线服务(原创) $ j- m$ ` c1 k" E$ m
Cartopy绘图中国地图最正确的使用方式
7 ?! ]& Z/ K- G$ H* I6 ?8 ` (2)Metpy绘图教程 & @, \9 x5 V* N9 S" l0 S
Metpy气象数据可视化库官网例程大全——目录
: y' p. U2 f/ k 大气科学可视化示例——降水量 4 l7 I* F; }/ O" i- b
大气科学可视化示例——AWS S3 NEXRAD 档案存取和绘图 ' ^; j4 n8 g. O% i. n2 t& Z' r
大气科学可视化示例——声明300hPa / A4 V' K% i( _
大气科学可视化示例——飓风追踪器 ; ^; f; @0 `, z8 `4 ^7 e, h6 t
大气科学可视化示例——观测数据截面
$ A, C9 }; }3 h X" f7 b' F 大气科学可视化示例——在旧版DIFAX图表上高空观测 7 D/ A, a R( G; N
大气科学可视化示例——风切变矢量 # o2 Y( K4 t2 y* W# x$ v2 g* v
, v1 X4 M* W2 A( F0 h8 m4 k0 Z, `( ]. i1 V0 v
9 b. O. a4 f; d0 X/ X# i) W0 O
' e: R" q% N- \0 i/ V
6 B, i5 g) |$ \9 C$ l$ Q | 
