|
. H& c( J/ B* ~! u S2 [
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！
; p$ u6 t2 u' P7 D1 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 b: ?0 o& w6 Z( v* S7 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 + N% B5 C3 M: Z' A; }" k
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：
% z3 f4 }/ n0 Q$ O: s; @ 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 & G1 h- |% y- E- m; ], r
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： $ H* g) M8 J" i3 r
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
* _+ n% a; h) t# r& U 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！ , q+ `0 A% r# E4 S& h
1.气象数据科学语言教程(1)Python 基础 ) M* W, f1 @/ k) 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。 / K, A8 w# m, H) P# E( F
科赛 x 机器之心从零上手Python关键代码
a& ~% G* u' a/ ?% L Python基础 Python100例 - Y/ S# k B/ \
Python入门教程
- u! \& U/ L. h1 W: i/ e3 E K (2)Numpy教程
% o i. p }4 }9 A 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。
/ p! t8 D* s/ Y% Z* K7 c/ a 教程： # ?# ^% p' w2 H
Numpy快速上手指南——基础篇
$ z9 _5 Q" V: V" w! A Numpy快速上手指南——进阶篇
: a) c, u* [4 f; l h Numpy入门教程 + i1 c9 U2 J- s Q2 v6 j
Numpy实战全集
6 ], r! [1 i+ I- S* P 练习题： ( }9 ~0 i5 U8 y1 }+ t
这100道练习，带你玩转Numpy
9 E9 q+ y1 E! d* r (3)Pandas教程 2 J8 N. S6 P+ Y) Y' u# y' Y
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）。
$ o9 H; p# G7 ~# U% h" @; K: h/ \, O 教程： % M% u" A* n X
Pandas入门教程（1） . D2 @ f# M5 U3 F
Pandas入门教程（2）
( }6 N! P0 I% p* f0 Q8 | Pandas入门教程（3） , l) D# c% Z6 f
【Pandas教程】像写SQL一样用Pandas
- q( ?: v! F" O. J0 \ 高效分析：如何用pandas快速处理数据 7 {3 F/ c$ n. y* V, L
Pandas基础命令速查表
: g( ^( c' c- y% r$ Y; A: b, O 练习题： - \! f. A2 E2 r, J
Pandas120题 ) _! [$ t6 Y' [( D" @
50道练习带你玩转Pandas - }0 t+ t5 F/ U C
这十套练习，教你如何使用Pandas做数据分析
; n) N9 k, X0 X$ b (4)Xarray实例
! T c, l" c: W% E 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。 2 r2 x7 I w& P9 c% V: H
xarray实例大全-目录气象行业数据分析案例 6 k' X% ]% B# @( ^
xarray实例大全(一)-气象数据示例
5 q$ j7 n) j, X9 q t$ _ xarray实例大全(二)-月平均时间序列计算季节性平均值 + n& t9 X' @3 F* h& m- N& c# o
xarray实例大全(三)-比较加权与非加权平均温度 1 S1 V) `/ ] B9 ?3 H
xarray实例大全(四)-多维坐标的使用
9 S" w8 ?+ Z: E8 n xarray实例大全(五)-可视化库 - B6 \+ P! k- P/ |: o' K3 \
xarray实例大全(六)-ROMS海洋模型示例
5 a. b( Q' j3 c xarray实例大全(七)-GRIB数据示例
% a+ H* U, C& L) O) P$ F) a) ` xarray实例大全(八)-使用applyufunc * V4 r' X o+ v9 h2 H6 }; M
xarray高阶利用dask并行读取数据
. n7 z0 K$ p' i$ n3 @2 |7 O 2.气象数据读取/数据处理/数据分析/数值计算 * m9 S/ u0 t0 D+ q4 n3 Y
Workshop第一期：初探气象数据Part1 5 ]7 i( y8 }$ f$ p
Workshop第一期：初探气象数据Part2
. J& z$ Y) t- k8 j; c( h# `/ A9 d Python读取气象数据nc格式文件的入门级操作
! L( `2 v1 \( ]+ K- ]# E0 U9 ?: R Python处理HDF格式数据示例 # P# p3 Z$ d/ t& K6 w$ E
利用Python的requests和json包获取台风数据
* ^ Q, p& D2 `% b/ \4 e 基于Python的Grads文件解析
( u+ [! t9 f4 G5 @7 X! b/ T CALIPSO卫星数据处理
& w% Y2 D9 u( a! Y( E& x1 P 摸鱼的气象& ython * ~: e4 f* v& Z( P; s& f0 h; H
Python之以温度为例的气象数据缺测处理方法 / y7 A2 V+ l2 V
Python之一个简单的风数据处理和分析案例
' V8 y( r: S1 r/ x7 t& C0 ? 常用气象数据下载——ERA5再分析(grib格式)
- T7 K/ f v6 M% j9 J: F 常用气象数据下载——我国台风历史轨迹数据 ; m* U& P9 L0 N( L% \# G& P' T' b
常用气象数据下载——耦合模式比较计划(CMIP6) A7 M2 l+ R5 r* A, Q
常用气象数据下载——TEMIS遥感数据 ( u+ R1 S- O1 h& A+ G- \0 v
常用气象数据下载——实时空气质量数据 3 Y5 [8 Q# f* ]
常用气象数据下载——Hamawari8
5 M( |) R }# C4 y 常用气象数据下载——NCEP再分析资料
H# r! c) T" c 常用气象数据下载——探空资料 8 w. X: L) ]' T
气象之批量下载气象数据(EC;NCEP;CMIP)（python） ( A6 {4 {" F8 y {4 J9 H
气候变化趋势分析常用方法
! C# u9 Q$ c- e+ d7 H' ] 气象分析之气候变量场时空结构的分离-EOF 8 S, n: N5 b0 s8 u5 z
气象数据处理——重采样（Regridding） 8 `, |: N5 K6 m0 `
气象数据处理——湿位涡剖面分析
1 Z! \- Q7 w1 r) z4 t 气象数据分析——集合经验模态分解（EEMD） - \9 L4 |/ U& `. \, E6 G5 c
气象数据分析——相关系数与时间相关系数
* @; C# t* h' R0 ~2 L' w 气象数据分析——旋转经验正交函数(REOF) - X# ]4 Z/ x+ w) e1 B/ ? E
气象数据分析——经验正交分解（EOF）
% P8 n9 X' g( o, [ 气象数据分析——我国逐年降水的经验正交分解 ( D5 o" M4 Z0 i) t- i: j9 n: O
气象数据处理加速器——cdo
% o1 u# M- o0 e% |0 c! F 气象数据统计方法 7 |$ O$ U/ ^3 _- ~& a& u, [
供水管网压力预测（异常识别与缺失补全）
# H' o/ b* _! {9 w 特征重要性评估——Lasso回归系数
/ R; i8 n4 p! d5 K/ b- e 2020华为杯E题——数据探索性分析
p2 B1 I% Q$ D4 g/ l1 p WRF模式模拟数据后处理（计算篇）
. s2 q3 h1 J: Y% Z u9 H* k 结构方程模型（SEM）构建 - h* K" }' r+ t; J
多元多项式回归拟合能见度
6 k% q3 D( q: { 两个变量场的相关分析——SVD分解
) Z) J5 N+ C" X 小波分析——海温数据的时频域分解
4 R/ S3 |0 I9 a4 I; U 基于DEM数据计算坡向、坡度和流向
' V' f9 J& i# n5 l 基于随机森林对特征重要性排序
2 b s0 e: P: a* [) r# [ 基于DBSCAN算法的人类活动GPS数据挖掘 4 g7 u+ U& L7 k1 w' E
基于ERA5数据分析中国区域气温与降水数据的时空分布
* m2 H/ z6 h& j5 h' @2 q7 N 最常见的10种图像滤波方法
. O) i2 R" u/ U 3.气象可视化(1)Cartopy绘图教程
% E' a, [: x6 T4 l* K# S 气象数据可视化库-Cartopy官网例程大全（中文翻译版）
! C: x6 ?5 d* `* b7 [" M, e Cartopy——绘制不同投影的地图
1 z3 R: S% g a& b v Cartopy 调用天地图在线服务(原创)
9 C1 f7 ]: e5 W w1 M Cartopy绘图中国地图最正确的使用方式
- g- q7 @' s& I8 ]& [, q% c3 m (2)Metpy绘图教程 " q$ }% R7 I5 v: X2 @; _
Metpy气象数据可视化库官网例程大全——目录
) A7 X: ~: Y. M2 s/ a( Y 大气科学可视化示例——降水量 0 k# F' r0 z( b9 d- }
大气科学可视化示例——AWS S3 NEXRAD 档案存取和绘图 4 C$ Q2 B6 ^6 |% g+ O& x
大气科学可视化示例——声明300hPa
. e& C8 x+ i' F# n/ s7 T 大气科学可视化示例——飓风追踪器
% b. H" u7 B$ [7 ^/ L& b' ~- m 大气科学可视化示例——观测数据截面 . V E2 Z, J% `
大气科学可视化示例——在旧版DIFAX图表上高空观测
" C# C/ z, f2 b5 O/ U 大气科学可视化示例——风切变矢量
( `+ Y1 ~/ e$ Y$ ?! ^ ]* G% A# h/ J' K" E& m/ m
" N; L) A+ p1 K, }3 {8 u k3 D7 P
) n- `5 f# e+ N2 m/ ^1 ^- L
* F$ T6 l+ {3 ^; K6 k; D- d. J6 G; S | 
