|
' o" F8 V* g9 B8 t0 t
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！ 9 U- |; a' A# m- H. v e8 _3 |
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： , S. w: S6 v1 f4 ?+ F% _' l
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 `$ W; I3 O( U" C1 o- P8 k( X: r3 F 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： " M) D; O$ w$ Z
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 1 g a* m0 K( `/ N
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：
- D" ^" q+ ], ~$ [: I* 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
. A8 p: m/ _) m; r 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！
: \/ o: Z& n4 i) H1 p/ I 1.气象数据科学语言教程(1)Python 基础 9 |& W1 ]! |& N9 j
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。 " }7 e' E) d% w& `
科赛 x 机器之心从零上手Python关键代码 ( C; e) N7 }; k$ x- Y
Python基础 Python100例
0 ^4 ^5 O' s4 [: z Python入门教程 7 C x6 y) z% n' U d2 p
(2)Numpy教程
9 r: s- `: R+ n% @" i2 Z7 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。
- H) X! ]. b+ P 教程：
4 j% W( H y, |! Q! ] Numpy快速上手指南——基础篇
' F6 E) {& q3 q/ m Numpy快速上手指南——进阶篇 9 `1 e' M* h2 l5 R U
Numpy入门教程
+ w3 \7 x1 ]/ V/ Y Numpy实战全集 2 o' y: w7 W% i8 X# m2 r, |
练习题：
. \ O+ d# Q8 z 这100道练习，带你玩转Numpy
! H" S" E% S! C7 L) |- H (3)Pandas教程 ! N& r' D' q7 E$ g1 g/ ^0 e( L( 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）。
. g; c4 Q+ \' [! s! v# }& t 教程： 7 Z3 i; ^& V. a, G" Y1 X% ?
Pandas入门教程（1）
1 {7 w+ t5 x# Y1 n( F: @ Pandas入门教程（2）
- T K9 A! G5 X6 A4 K Pandas入门教程（3） w6 j/ d4 y2 i
【Pandas教程】像写SQL一样用Pandas
! k( H: r- ]# d3 _$ [. ]+ m* V! j, Y 高效分析：如何用pandas快速处理数据 ) C" v y# b J. z) N4 y3 Q; Z2 d
Pandas基础命令速查表
5 j% \; u, U @( T [, J 练习题： + Q. [ U, h. W* \% f3 ^
Pandas120题 % f1 `- j8 j6 A. f) m
50道练习带你玩转Pandas ) ~' U( L5 K7 D0 F2 f
这十套练习，教你如何使用Pandas做数据分析
; D. {% S5 S- |8 w (4)Xarray实例 ; m1 Y+ o$ Z4 M9 t9 y$ S' `0 L
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 {5 [5 s1 _- D, Y
xarray实例大全-目录气象行业数据分析案例 , p6 w) O1 i: i8 U
xarray实例大全(一)-气象数据示例 / j* q* f* P2 f5 z* _- T2 k8 h
xarray实例大全(二)-月平均时间序列计算季节性平均值
# q! B. y9 V5 ^+ I- `8 _ xarray实例大全(三)-比较加权与非加权平均温度 # i5 A7 h) A3 q( o, i4 I
xarray实例大全(四)-多维坐标的使用 , F2 o7 k1 T, n1 I9 }- d! U
xarray实例大全(五)-可视化库 + B* c9 p! G6 N: \; z& V
xarray实例大全(六)-ROMS海洋模型示例
# o' U8 w* T1 \- Y$ u R4 u xarray实例大全(七)-GRIB数据示例
, E% j6 V! ~3 T xarray实例大全(八)-使用applyufunc 7 l- J9 X$ f1 M- b6 ?
xarray高阶利用dask并行读取数据
0 g2 B2 C j) X' p3 G v' z' w' D 2.气象数据读取/数据处理/数据分析/数值计算 - R3 F# w' q: ?# z! p/ J
Workshop第一期：初探气象数据Part1
( C0 L2 \6 [. X4 U, L! w Workshop第一期：初探气象数据Part2
' h5 {& o8 e; c/ a8 Z Python读取气象数据nc格式文件的入门级操作
* W/ e* q4 f- g% Z& a$ w Python处理HDF格式数据示例
0 O7 [6 N3 O2 p7 }& M3 y7 n 利用Python的requests和json包获取台风数据
8 [) U4 h( ?: |( g" o5 ]7 ]& d 基于Python的Grads文件解析 ; y0 [. p8 y1 M% h
CALIPSO卫星数据处理
$ c F. @9 C3 T9 X* E: K: P. q) e 摸鱼的气象& ython 4 l9 B. |: i& I$ z2 `
Python之以温度为例的气象数据缺测处理方法
% f7 J9 a, C' } Python之一个简单的风数据处理和分析案例
9 D: J0 H# w9 L# g" [: C6 d+ z 常用气象数据下载——ERA5再分析(grib格式) + Z% Z2 b/ V, G( J, |
常用气象数据下载——我国台风历史轨迹数据
) Y- Q, z5 G; g; \8 r/ x 常用气象数据下载——耦合模式比较计划(CMIP6)
+ K- @- y1 h% s2 F6 ^+ P 常用气象数据下载——TEMIS遥感数据 $ P" e- x L$ w
常用气象数据下载——实时空气质量数据 0 \* W, @0 J: f. b# k. ^# S
常用气象数据下载——Hamawari8
- H6 U9 D' E3 c9 b! N8 p/ T/ v; D 常用气象数据下载——NCEP再分析资料 I' @; Q \' {8 P3 z. z
常用气象数据下载——探空资料 X, ~7 e( Y8 r. [9 y# ^ u
气象之批量下载气象数据(EC;NCEP;CMIP)（python） 6 t9 x3 q( q) m+ w X
气候变化趋势分析常用方法 0 r- V/ a# w8 H: f! \
气象分析之气候变量场时空结构的分离-EOF 8 O$ _ ?( R1 F* M: w
气象数据处理——重采样（Regridding）
8 G/ @% E5 z: r3 s7 B- q 气象数据处理——湿位涡剖面分析
: K4 q7 h0 I& V 气象数据分析——集合经验模态分解（EEMD） $ w9 h0 e1 k7 ?* b2 D4 ?
气象数据分析——相关系数与时间相关系数
9 R# m9 ~% l7 ?" b0 m9 z 气象数据分析——旋转经验正交函数(REOF) % R: Z0 ^! j3 X
气象数据分析——经验正交分解（EOF）
. }$ _+ d% K% W6 [% M 气象数据分析——我国逐年降水的经验正交分解 P+ q* B) f9 ~* T
气象数据处理加速器——cdo : | {: M, @. a3 U7 W# D: B: r" K/ ~
气象数据统计方法
- y( f2 b) F8 C* W! c7 W, Q! ? 供水管网压力预测（异常识别与缺失补全）
8 D- E8 f0 s$ {/ V1 U1 \, J 特征重要性评估——Lasso回归系数
8 d p! h; o( I( ? 2020华为杯E题——数据探索性分析
; X* H7 H! p k! f+ D" @8 Z* n+ C WRF模式模拟数据后处理（计算篇） + w. ?0 \9 n7 o s
结构方程模型（SEM）构建
7 d1 D7 R+ g3 `& ?1 F0 I" @" W7 [6 l 多元多项式回归拟合能见度
2 b" j6 H' S: } 两个变量场的相关分析——SVD分解
0 J/ P$ G2 X! e6 M v, N 小波分析——海温数据的时频域分解 " x( h: ]( O! m. C* t/ n: O5 l
基于DEM数据计算坡向、坡度和流向 + K+ a# l2 [& p& @5 J; M5 c1 ~
基于随机森林对特征重要性排序 1 C, I+ Y, V2 i' U# k
基于DBSCAN算法的人类活动GPS数据挖掘
+ e7 Y" b) ~9 k8 H* Z 基于ERA5数据分析中国区域气温与降水数据的时空分布 9 e, M% j( S: C" {3 g4 d
最常见的10种图像滤波方法 " u3 r, a3 x) B& Z) d1 I
3.气象可视化(1)Cartopy绘图教程
- e! Y. X6 q( k/ e8 z' _6 Z 气象数据可视化库-Cartopy官网例程大全（中文翻译版） 0 i+ s! r7 p1 A: m$ A
Cartopy——绘制不同投影的地图
6 u4 H' s0 K; D/ L& K* a Cartopy 调用天地图在线服务(原创) & e/ ` U5 l5 z2 Q* N8 [
Cartopy绘图中国地图最正确的使用方式
8 m: W+ X; l% G4 `- K (2)Metpy绘图教程
: ]( T1 y: o) k& C" A" @ Metpy气象数据可视化库官网例程大全——目录
# c% A5 y# u/ j3 b 大气科学可视化示例——降水量
) Z3 M8 A3 b( i% |' U! }9 v5 n 大气科学可视化示例——AWS S3 NEXRAD 档案存取和绘图
3 ~% T( t% P$ `1 A" R 大气科学可视化示例——声明300hPa - w( V& W" {' Y, F4 H" B/ u
大气科学可视化示例——飓风追踪器
) h+ @% s9 ] I6 |% ]7 @ 大气科学可视化示例——观测数据截面 3 T% ` l5 F3 d' u4 v# E* D
大气科学可视化示例——在旧版DIFAX图表上高空观测
' P* E% b& c' S 大气科学可视化示例——风切变矢量
8 k! l. V2 b& F! H
$ T, h1 N9 e5 h# T, Z) v3 Q" Y" W( l6 J. @4 c1 b' P1 ~
, f; c( a5 a: s V; B
# [6 w4 m" Y/ f; p5 r8 G
, s* }4 _# l" |+ Z | 
