|
7 d% o( c6 r/ c Y( 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！ . A; O* |' ]9 X9 e9 y
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： & n6 _' O* N, N6 m8 h' J% U9 a1 t3 m
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
6 l1 K4 z+ S8 u. j t9 c 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： @' F# b; m! r) o$ T* G" q
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
. V: W! C7 p7 K 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： 2 R- K5 d. _. g0 w/ g
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 ; u4 I, T) D0 G2 }8 }: ?4 f/ D
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！
: z6 D6 z% j' R, y: ]4 n0 U" V5 a 1.气象数据科学语言教程(1)Python 基础
A1 e2 V% J" y! x: @% X- ?8 c 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。
( v0 G0 J, T6 X8 J 科赛 x 机器之心从零上手Python关键代码 ; J" f' ]/ |, s& _* c* ]
Python基础 Python100例
( n$ H5 n" e6 w$ v/ X M9 J Python入门教程 - P( u5 _! E: R3 z! i( _' s2 s
(2)Numpy教程 * E3 i+ S7 L& ?- w9 N4 I
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。 / X3 R) ^1 A" c# A( ?
教程：
% f& [8 V5 D r0 x# X Numpy快速上手指南——基础篇
& y7 K6 S! K+ \; h' s: E Numpy快速上手指南——进阶篇
2 Y8 v! c* a% Z! c$ t+ h. l4 w& t Numpy入门教程 6 O2 ^+ G$ m6 c/ b6 _. V7 W
Numpy实战全集 1 P) @. U4 @6 [* i Y
练习题：
0 B# J) I& c, k/ l 这100道练习，带你玩转Numpy 4 r# |7 l0 [" _% T! C
(3)Pandas教程
9 n8 S( T0 b2 F- U- z: \ 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）。 - |6 f' G7 s4 v& P# `7 s
教程： ( T1 J ?" Y( N8 r1 A: N* l
Pandas入门教程（1） ( D K$ L* j! k0 T, e. [. O
Pandas入门教程（2）
A! N% j3 _- T; s: U0 C Pandas入门教程（3）
6 @4 Z; }3 a- W; @4 E 【Pandas教程】像写SQL一样用Pandas
. _& r A! L. {4 v 高效分析：如何用pandas快速处理数据
5 I/ }. l% a# B( \1 J ~; Z7 R Pandas基础命令速查表 : y0 |9 W* S4 m+ e! g' w
练习题： % J& u4 z( P0 z! ?$ S" T3 \! B
Pandas120题 ! }$ e1 {7 v8 b3 }; D
50道练习带你玩转Pandas + o+ t7 ] Z! i2 }3 i
这十套练习，教你如何使用Pandas做数据分析
9 d% R' h$ T) H' }4 H (4)Xarray实例 & I7 m+ U0 ]! z3 @5 u
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 G4 y: G* M0 k2 l) k$ q" M
xarray实例大全-目录气象行业数据分析案例 # }4 A7 d- u5 j: l9 j
xarray实例大全(一)-气象数据示例
' u( g6 V0 Z; K xarray实例大全(二)-月平均时间序列计算季节性平均值 . E1 h/ l6 x6 Q0 c$ `3 s
xarray实例大全(三)-比较加权与非加权平均温度
; i3 Y* e/ s# R2 S4 y) B- t* M2 R xarray实例大全(四)-多维坐标的使用
! {* ?9 T% H7 W; _9 H/ D" W8 ^ xarray实例大全(五)-可视化库
6 ^; ~; O3 b5 T* Y/ e xarray实例大全(六)-ROMS海洋模型示例
3 O; z) c' P- r5 a3 u B5 J/ x xarray实例大全(七)-GRIB数据示例
2 b( r7 ^. w e xarray实例大全(八)-使用applyufunc
1 }+ R( I# g' J1 X0 t xarray高阶利用dask并行读取数据 5 n2 V% _8 H' o) L: ~5 f7 u/ Z
2.气象数据读取/数据处理/数据分析/数值计算
& Y/ |4 W Y9 k: u9 k Workshop第一期：初探气象数据Part1 8 u; B% L! k! ~
Workshop第一期：初探气象数据Part2 3 L& p+ w; a# G5 k0 g' r" Y
Python读取气象数据nc格式文件的入门级操作
5 p# v9 R; l% V5 Q3 ] Python处理HDF格式数据示例 % `8 }) Y; ^& Y2 P# n5 H' F
利用Python的requests和json包获取台风数据
" q q( b) J) q9 o8 t 基于Python的Grads文件解析
/ Q" e4 L" }1 @% d. i3 i CALIPSO卫星数据处理
7 G; _' K4 o& J/ @$ q 摸鱼的气象& ython
8 L- D( z! m: r) z2 ` Python之以温度为例的气象数据缺测处理方法
- l6 @! x0 U/ D# t Python之一个简单的风数据处理和分析案例
5 m9 q& ^5 x7 D$ { 常用气象数据下载——ERA5再分析(grib格式) * R/ ]9 f6 y. b3 s' ^
常用气象数据下载——我国台风历史轨迹数据 4 K5 T* q6 I# @
常用气象数据下载——耦合模式比较计划(CMIP6) ) @8 K1 }7 Q3 d; Z4 o- G. d7 {
常用气象数据下载——TEMIS遥感数据
# ?! @. G" t# R& }& T2 Q 常用气象数据下载——实时空气质量数据 J6 ?) c& B+ H+ m
常用气象数据下载——Hamawari8
1 Z; Y G' m( R 常用气象数据下载——NCEP再分析资料 # Q4 j7 N* |0 v) L7 G
常用气象数据下载——探空资料
) g( m1 t% j& {; I 气象之批量下载气象数据(EC;NCEP;CMIP)（python）
1 k2 f" O8 n- \! M 气候变化趋势分析常用方法
% R: ^6 c7 d( [6 r2 n 气象分析之气候变量场时空结构的分离-EOF
5 I, h" w; v2 ~6 f 气象数据处理——重采样（Regridding） 3 x: j2 h9 X# Q+ `
气象数据处理——湿位涡剖面分析
0 }1 p2 @$ |6 x1 u' m: R 气象数据分析——集合经验模态分解（EEMD）
! p- K. T! _1 v" u 气象数据分析——相关系数与时间相关系数 $ K/ w8 g. r/ b9 c
气象数据分析——旋转经验正交函数(REOF) ! r, `1 \* d3 s" J( o
气象数据分析——经验正交分解（EOF）
# M6 S3 T; o) h1 x+ q 气象数据分析——我国逐年降水的经验正交分解
- T2 V9 i( w/ ^: z) | 气象数据处理加速器——cdo
: n( U1 G8 o7 R& y) |: J+ a) F8 ?0 u 气象数据统计方法
/ m; t$ q! Z1 j+ j a1 r4 y W 供水管网压力预测（异常识别与缺失补全） # U7 m4 U) b) {! O n$ l: [ c
特征重要性评估——Lasso回归系数 6 K# l; j8 e+ h6 z+ z
2020华为杯E题——数据探索性分析 z* {. N7 y0 @5 H0 X7 O
WRF模式模拟数据后处理（计算篇） , Y5 b6 I" e% d) \ K) \
结构方程模型（SEM）构建
& N; N: U. x5 A, L 多元多项式回归拟合能见度
" G5 Q) j# C7 h; n3 Y0 j 两个变量场的相关分析——SVD分解 7 G" w- q' X: c- D. b
小波分析——海温数据的时频域分解 - s5 _$ b3 i8 G# v6 S$ }! T
基于DEM数据计算坡向、坡度和流向 ) f4 g8 U9 n9 Q& d
基于随机森林对特征重要性排序
0 ]" p! W; H, W# h 基于DBSCAN算法的人类活动GPS数据挖掘
: L$ o- `( c+ P, q v; j V 基于ERA5数据分析中国区域气温与降水数据的时空分布 5 _7 B' \9 `* Z% s# o; y+ ~
最常见的10种图像滤波方法 , r& B% d4 r8 V8 A) ~
3.气象可视化(1)Cartopy绘图教程 % O, J: F c9 h$ \6 V
气象数据可视化库-Cartopy官网例程大全（中文翻译版）
% r( {3 Y/ B M. R Cartopy——绘制不同投影的地图
8 k) |- U/ o8 U( J Cartopy 调用天地图在线服务(原创) 7 _( l! d% k. k! q" i* c& C
Cartopy绘图中国地图最正确的使用方式 & u, g9 {$ `/ h% J
(2)Metpy绘图教程 7 ~ z5 P8 v, ]- T/ k
Metpy气象数据可视化库官网例程大全——目录 0 ~- T Z; T Y' e0 v
大气科学可视化示例——降水量
8 q0 f; k3 K' h2 E, _ 大气科学可视化示例——AWS S3 NEXRAD 档案存取和绘图
4 L, \: Q; O! Y* T 大气科学可视化示例——声明300hPa & c1 @ g# K4 e
大气科学可视化示例——飓风追踪器 $ s. _6 x/ ]' B& a/ M. l$ c, D! Y
大气科学可视化示例——观测数据截面 1 o( {2 h! R# o8 _/ M; L4 ]
大气科学可视化示例——在旧版DIFAX图表上高空观测
( C' J: K" J- u- x 大气科学可视化示例——风切变矢量 3 |6 t7 n5 o+ K7 G. J
$ N" A) y, D9 `& \
2 D/ g b% V9 _2 |
" u4 l w& e( w# H. {& J: Z c2 H3 {) s* M% ?/ E
' a# I) j6 t2 q | 
