|
7 i3 n# y8 I# m: r; h
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 W* S( P8 y8 }7 \( N+ n
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：
/ ~) c; n3 w1 I5 n: _. u$ X 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
4 _6 j3 M4 [1 a8 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：
}# P/ Y( Z: v6 o `! z+ B 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 . h0 g! e$ k% i' c
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： ( E' r: z9 W6 |1 w6 T9 a
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 / Q- g4 u; `' e2 \( s' G$ j
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！ # T4 N3 ]5 {- x0 F& @
1.气象数据科学语言教程(1)Python 基础
4 ?) D2 N1 r) W+ A# ]4 @- T 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。 9 g1 n* M* |" L) M! l% P' `* x" p
科赛 x 机器之心从零上手Python关键代码
3 n% z, v, H' ?! _# K6 `( } Python基础 Python100例
/ m. Y* R+ s. k( ~$ m! L6 n Python入门教程
: @' u( G% Y3 p (2)Numpy教程 & T1 g5 z/ h2 y# f. L# H
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。 4 q" H n7 l! O5 s9 q6 F2 A4 x
教程：
' R6 x& u8 g. k3 [& b3 i2 I) \6 N Numpy快速上手指南——基础篇 5 j; _, a! F: F ^( X1 u
Numpy快速上手指南——进阶篇
, l5 n/ m: I+ w8 u" o3 q: z# a Numpy入门教程
7 w$ `$ g# N0 H Numpy实战全集 7 L' l! I: b ~9 y$ b
练习题： 6 Y* g- n. D, W/ X1 L
这100道练习，带你玩转Numpy
2 a) l: Y5 g( Q: D (3)Pandas教程 3 [2 @& c# S4 l% S( W
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）。
9 j# ]% r# T- r2 I6 { 教程： : x# Q }$ T2 @: f" j2 J! a
Pandas入门教程（1）
3 S" a* J0 H( {7 v; L w3 Q* @ Pandas入门教程（2）
' h% o2 I' m e; P( m Pandas入门教程（3） # b* _/ g2 Z: J
【Pandas教程】像写SQL一样用Pandas ( L5 a4 B& `& w0 H
高效分析：如何用pandas快速处理数据 4 T8 h; B5 R C
Pandas基础命令速查表 - i( W1 O& b$ X+ Z' ~8 v/ b
练习题：
4 z) J" ~* M( E, i Pandas120题 0 h& a2 E2 T- L8 o& T. e; ]1 @1 \
50道练习带你玩转Pandas
/ M, T) A5 ~1 S! W 这十套练习，教你如何使用Pandas做数据分析 & L) w1 C1 e0 _* ~4 W# u
(4)Xarray实例 8 [1 {$ c7 m. |9 _/ }
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。 # |7 _. T+ C# c7 f; W
xarray实例大全-目录气象行业数据分析案例
$ V" v) J3 W- N% h2 s1 j' R xarray实例大全(一)-气象数据示例
6 Q0 N& Z7 ?/ y2 ^ S7 \' A xarray实例大全(二)-月平均时间序列计算季节性平均值 6 c/ s- C" o2 s; y5 c3 i' A( G
xarray实例大全(三)-比较加权与非加权平均温度 ' M0 S$ ]% {2 I# f4 I% {
xarray实例大全(四)-多维坐标的使用
) E o) R8 y& O" j& r xarray实例大全(五)-可视化库 ) n! {( N! Q9 y
xarray实例大全(六)-ROMS海洋模型示例 5 `% Z* j4 q; r4 K
xarray实例大全(七)-GRIB数据示例
9 l) C. f6 K8 V1 Y xarray实例大全(八)-使用applyufunc
]: H2 W, m" ]& ~1 j xarray高阶利用dask并行读取数据
4 U/ d A5 f, [! k% @ 2.气象数据读取/数据处理/数据分析/数值计算
5 _9 q6 A' }( E2 C5 t" W Workshop第一期：初探气象数据Part1
- L1 d- h7 c4 `" g6 f Workshop第一期：初探气象数据Part2 * y4 }1 I; y6 R
Python读取气象数据nc格式文件的入门级操作 " V& ~* c: h: q: l. z8 L
Python处理HDF格式数据示例 C1 v' `& Z0 n/ K% s/ `! W! P
利用Python的requests和json包获取台风数据 % Y j0 D% L" h# y
基于Python的Grads文件解析
7 l- I+ f" j2 I CALIPSO卫星数据处理
: [: H) N9 C6 X; H/ S6 i& t1 f2 C 摸鱼的气象& ython 1 n4 G8 M" r0 \( T% C3 c! i
Python之以温度为例的气象数据缺测处理方法
# P$ X3 g# _! H9 L3 R2 o" U Python之一个简单的风数据处理和分析案例 " k, Z+ _" o1 G" y3 r4 @: N& t
常用气象数据下载——ERA5再分析(grib格式) $ @$ k, O! W# K2 {
常用气象数据下载——我国台风历史轨迹数据
* I' M/ y' Z+ w Q: E9 N3 s 常用气象数据下载——耦合模式比较计划(CMIP6)
0 c- s3 h; x/ E7 B' Q7 u; a 常用气象数据下载——TEMIS遥感数据
# m$ o" M1 D3 O1 q) z( \! Y 常用气象数据下载——实时空气质量数据
! g# J5 K) z1 S/ U/ J* _ 常用气象数据下载——Hamawari8
5 V1 h, ]" i, Z- ? 常用气象数据下载——NCEP再分析资料
( X U1 @0 g! q' S6 Q* @ 常用气象数据下载——探空资料 $ ^0 |& U9 }6 ~# R
气象之批量下载气象数据(EC;NCEP;CMIP)（python） ; h- _: {' h& H/ l! g+ C* D2 X: }- I
气候变化趋势分析常用方法 1 F$ [; L$ k0 h# H. l* ~7 M0 i7 d
气象分析之气候变量场时空结构的分离-EOF * m4 C4 K: n+ _
气象数据处理——重采样（Regridding） ! i# r. e# c6 H- B+ w! @: _" F
气象数据处理——湿位涡剖面分析 & a/ g- D& S. ]( _
气象数据分析——集合经验模态分解（EEMD）
' O# N3 T6 g/ W& a 气象数据分析——相关系数与时间相关系数 5 I( h9 j3 V3 A0 J
气象数据分析——旋转经验正交函数(REOF)
5 [$ X; H9 N- ]7 A 气象数据分析——经验正交分解（EOF） & P, b! t! L0 ?% M" G# d
气象数据分析——我国逐年降水的经验正交分解 , q! D+ C/ ~/ l" d0 }# V
气象数据处理加速器——cdo
9 [2 J) t( i( Z 气象数据统计方法 ' a2 H3 X$ G7 i4 F0 g/ D
供水管网压力预测（异常识别与缺失补全） * S9 {! {) q5 F( |/ R" Z: d3 U
特征重要性评估——Lasso回归系数 6 U( q: Z3 T- i4 W) ?; \
2020华为杯E题——数据探索性分析 # X; Q' w; x# v$ N
WRF模式模拟数据后处理（计算篇） 6 I/ W! Y9 y/ Q$ b' h7 F1 Q
结构方程模型（SEM）构建 3 w$ w6 I/ d: s. v3 L$ l
多元多项式回归拟合能见度 " \% x \$ W, X( `8 R; N; f/ K9 M
两个变量场的相关分析——SVD分解
) ] | q) h& z" {" r 小波分析——海温数据的时频域分解 % [' V5 _1 k8 j7 S& k% Y
基于DEM数据计算坡向、坡度和流向 ) R; l8 B2 h* D- _1 ~& |8 W6 P
基于随机森林对特征重要性排序 : b% _+ `6 d; t5 Y7 A
基于DBSCAN算法的人类活动GPS数据挖掘 / v1 c9 t2 y& K0 D
基于ERA5数据分析中国区域气温与降水数据的时空分布
, y j4 \4 M" C9 E ]7 o 最常见的10种图像滤波方法 & z& j, M: V. B7 ^
3.气象可视化(1)Cartopy绘图教程 & }! J0 e4 H' i
气象数据可视化库-Cartopy官网例程大全（中文翻译版） 8 }8 n( i: }/ t
Cartopy——绘制不同投影的地图 ' q$ T+ E6 {9 c& t# @: P
Cartopy 调用天地图在线服务(原创)
8 ^# [# e2 \2 A; X( c" | Cartopy绘图中国地图最正确的使用方式
5 Z9 z4 b) B8 L' f0 {* T (2)Metpy绘图教程 & Q: O( n$ A6 K
Metpy气象数据可视化库官网例程大全——目录 * f5 A$ W. t0 A: y& R4 d4 g( Q
大气科学可视化示例——降水量 ( i( \' v6 g5 O; G- r" i# R+ o& y
大气科学可视化示例——AWS S3 NEXRAD 档案存取和绘图 ( ]" H; Y2 r1 [$ J- U
大气科学可视化示例——声明300hPa 9 Q! c3 T* A9 v$ A; E& W/ Z
大气科学可视化示例——飓风追踪器 2 I* y3 b6 E0 N c# t! e
大气科学可视化示例——观测数据截面
3 ^! R: j3 z! B 大气科学可视化示例——在旧版DIFAX图表上高空观测
5 h& i% R& l# S2 M 大气科学可视化示例——风切变矢量 : r9 p/ P7 a* C6 M; J9 a% n- v3 e
- W/ V' T# h7 V0 r" N- ]6 w
# {. Y: J* W0 K7 k' l+ C1 d: p
& z* A. O2 B6 K! J& z% @
& m1 A; T% n# d" g
+ N* \) v" Y$ i# ]; x$ d | 
