|
& y! b: t% s' m( z5 g+ w 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！ - @' K2 i/ p/ c/ D3 d
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： 6 y& S: I! Z7 m6 ~' C' I
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 % B& y" _$ \- B2 p0 w
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： " x# K Z7 ~% |- p' Z, _8 d- X( 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 * R/ z$ m5 b1 @
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：
! R* P. ^( w5 p+ u ~' `8 k2 y ~3 U 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 , E) }( U2 Z I5 i
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！ ' ^5 N! ^2 v, Y) }* _
1.气象数据科学语言教程(1)Python 基础 ) S0 U, h+ ]$ E4 }+ \* w
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。
0 i/ y" c& n/ c( c' z% [ 科赛 x 机器之心从零上手Python关键代码 : Q' f, i6 Y8 f" M, a
Python基础 Python100例 + t; {0 _: i' ~- x
Python入门教程
3 ~$ r/ D5 p4 N/ | (2)Numpy教程 % M! w5 z$ |# O9 |/ `! Y Q/ 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。
: l( q& y+ ]% ]" D 教程：
. \" `4 h% V/ ]* e3 ?6 Q Numpy快速上手指南——基础篇 $ s0 z p2 A, B# }6 M1 S7 W
Numpy快速上手指南——进阶篇
- _$ x, z4 Q" t5 f8 M" X; R Numpy入门教程
1 Y& [/ p; M; A5 `; F Numpy实战全集
9 C6 u7 l" i6 N* f$ k; r/ B$ Z! A 练习题：
; b0 A3 Q5 F T, l$ N* T3 J( F 这100道练习，带你玩转Numpy 2 r- k- C# ]& W. A
(3)Pandas教程 1 _( E' _( K. ? J2 ~# q: `6 Q8 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）。 / D6 Q# h' F, O
教程：
6 G3 B: [" a+ \! t( q: b4 i5 |; q Pandas入门教程（1）
; F' T7 }3 C+ t8 P( ` g) z Pandas入门教程（2） * t0 U9 g* O; \2 s: @3 p
Pandas入门教程（3）
2 p2 [3 S& L9 J8 R 【Pandas教程】像写SQL一样用Pandas 2 q u$ p P: h% y% u) f
高效分析：如何用pandas快速处理数据 : N( i ?6 L" d x' H. l% c% g
Pandas基础命令速查表 % q5 l: G: w9 b7 L
练习题： ' }0 h- a4 o H; d: s s
Pandas120题
) }+ R0 b% H6 a 50道练习带你玩转Pandas 3 W8 j' `6 ]# s9 c( b; w% D
这十套练习，教你如何使用Pandas做数据分析 ) ~+ Y' P0 Y! M" p- A6 U2 P
(4)Xarray实例
0 s) [( H& b- N6 I: C) D, @: { 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 u" f. \ xarray实例大全-目录气象行业数据分析案例
0 l5 ^ S; O" u4 M, Y xarray实例大全(一)-气象数据示例 * U+ g& p; D: x! q1 ^8 O
xarray实例大全(二)-月平均时间序列计算季节性平均值
* D* z# g4 T) F" n$ S xarray实例大全(三)-比较加权与非加权平均温度 . Z. u* H; P+ d. b, B) l
xarray实例大全(四)-多维坐标的使用 " y4 w m4 H+ @& I, n' w2 a$ ^
xarray实例大全(五)-可视化库
5 I+ O5 K! e: Z/ M xarray实例大全(六)-ROMS海洋模型示例
2 p; d. [! h3 c5 S' q2 e% D5 M xarray实例大全(七)-GRIB数据示例 , I. [% N, q+ S, E
xarray实例大全(八)-使用applyufunc
, T+ K H& {4 u- i! O xarray高阶利用dask并行读取数据
$ c% p) q4 i4 M6 v ~! }, Y, K7 p 2.气象数据读取/数据处理/数据分析/数值计算 , g( m& r t% u4 J% W, j& k0 w
Workshop第一期：初探气象数据Part1
$ b9 [1 o1 G$ q$ e. l Workshop第一期：初探气象数据Part2
4 w, h" k( [* T o) f' y+ c Python读取气象数据nc格式文件的入门级操作 5 |& i: j. `1 \3 b: r- e! G* d7 {6 }0 _
Python处理HDF格式数据示例
- i9 B8 l* J8 _ y% _ 利用Python的requests和json包获取台风数据 + V5 t- F3 n) }# }- ?- L
基于Python的Grads文件解析 * I" J8 b4 p( g& p6 V
CALIPSO卫星数据处理 % G4 c0 z7 O; F0 e: X/ \$ e' g
摸鱼的气象& ython " C/ \/ ~( n6 t" p2 m
Python之以温度为例的气象数据缺测处理方法 / s" a7 a4 n% S$ K7 `: |
Python之一个简单的风数据处理和分析案例
8 L+ X ~" e1 e( X! t+ i 常用气象数据下载——ERA5再分析(grib格式)
7 g j: _8 W! q* ` 常用气象数据下载——我国台风历史轨迹数据 + d) G. w' i s% s5 T2 n( o
常用气象数据下载——耦合模式比较计划(CMIP6) 7 m) u9 ]" R& Y) d% m
常用气象数据下载——TEMIS遥感数据
: B& {3 C' w" E* p$ ]: b3 ^( @. D8 u 常用气象数据下载——实时空气质量数据 4 |/ T n0 v1 O$ m6 N
常用气象数据下载——Hamawari8 6 {( h2 ~" r% n
常用气象数据下载——NCEP再分析资料 % k; I6 W/ S* ^. g$ N) M3 p, H
常用气象数据下载——探空资料 2 _& l7 c; ^0 u: q5 q7 X' r
气象之批量下载气象数据(EC;NCEP;CMIP)（python）
5 M- w/ L- O- O0 d3 d6 Y 气候变化趋势分析常用方法
4 k1 q# {* K0 h! c5 B9 ~, d 气象分析之气候变量场时空结构的分离-EOF
1 c" w7 o9 Z0 \8 S, h 气象数据处理——重采样（Regridding）
: a- M5 M) k$ H- c# [. x' M 气象数据处理——湿位涡剖面分析 % T* r1 g( x* ]; S( x# e0 L
气象数据分析——集合经验模态分解（EEMD）
+ B: F& h! j! C 气象数据分析——相关系数与时间相关系数
# {8 P8 p; {: m/ ~& ] 气象数据分析——旋转经验正交函数(REOF)
1 N0 H) }0 b/ g- b" H) r 气象数据分析——经验正交分解（EOF） : L1 @& n9 ^0 J |; q
气象数据分析——我国逐年降水的经验正交分解
; h6 D0 w7 ]8 ^1 G3 Q, ~( ~$ e 气象数据处理加速器——cdo * b- {( K6 e$ f( F% c
气象数据统计方法 3 s2 D3 ^' u2 O8 O1 o$ l. T6 M
供水管网压力预测（异常识别与缺失补全） 2 y9 ]. s" B# m) {
特征重要性评估——Lasso回归系数 & A2 A2 D1 E5 c: V4 i! `4 t( s
2020华为杯E题——数据探索性分析 & X1 S7 z. ]4 ^. k0 Q
WRF模式模拟数据后处理（计算篇）
- ~2 _: R" N5 ~" E4 w! C/ Y 结构方程模型（SEM）构建 9 o# K$ h2 f5 g
多元多项式回归拟合能见度
* d/ |7 {7 r: V P 两个变量场的相关分析——SVD分解
( f# H. k+ V' s) Z5 `3 {& p 小波分析——海温数据的时频域分解 0 b. _5 X8 q9 P* J9 t
基于DEM数据计算坡向、坡度和流向 ) x' \2 `& Y( t" W
基于随机森林对特征重要性排序
+ p4 q9 l- ^' W 基于DBSCAN算法的人类活动GPS数据挖掘
- N$ |( U" A4 n/ ]- o 基于ERA5数据分析中国区域气温与降水数据的时空分布 7 c8 x- l1 A/ Y F/ B ^# V
最常见的10种图像滤波方法
" `7 z0 \. _: V2 {! Y- Y1 Y 3.气象可视化(1)Cartopy绘图教程 , L; U) Q* @* _/ J$ [* B( ?! _3 W: d
气象数据可视化库-Cartopy官网例程大全（中文翻译版） : U" j y6 |/ c% ^4 Z4 l
Cartopy——绘制不同投影的地图 # j- @( L3 l6 K3 P! j4 N
Cartopy 调用天地图在线服务(原创) : ~, s [; n$ c1 |
Cartopy绘图中国地图最正确的使用方式
; i, t; K" A3 |% _- [3 J3 a (2)Metpy绘图教程
/ J+ B. A) j- t; F# s' s8 ^ Metpy气象数据可视化库官网例程大全——目录 % ` C7 S p5 o" f
大气科学可视化示例——降水量
- d+ x* o# O m) Y% T; a 大气科学可视化示例——AWS S3 NEXRAD 档案存取和绘图
3 h4 E2 `/ p1 c& I: e* v" n$ n- X2 u 大气科学可视化示例——声明300hPa
; y. C, X2 s9 J4 q7 B( s# W 大气科学可视化示例——飓风追踪器 & F0 n1 a I# u) |& ]" K ~ n! l
大气科学可视化示例——观测数据截面 . h" u' S+ x! Y' ~0 r
大气科学可视化示例——在旧版DIFAX图表上高空观测
8 c* A0 j0 ]! Y# ~& L0 v: p 大气科学可视化示例——风切变矢量 5 H+ C( h6 i# \+ z8 z) I& y j) G
B5 v& \, p# n" V
0 @% h& b) N/ K, `9 v2 E$ ?
" N- ^/ S2 @. b
. e: X6 W* j6 A' J# F5 s, T
{' j6 U7 |0 c ^/ E8 Z | 
