|
* x$ |3 c; n9 y% M* z1 A 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& b: p, c R4 V3 T; R# U/ Q. 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：
9 P. r' X$ s- `9 r9 ]9 B 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
1 q4 o& I9 [! F. n7 ?9 l 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：
0 Z8 l( A' @+ M9 d 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
) p2 x) L9 x+ |$ i! B; E# 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： ! f5 }/ j2 Y P4 h* [. e2 c* ^- j
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 - [7 R& r6 S3 [9 ?- e7 l- p/ 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！ ; O& {1 q# y. A2 T7 ^
1.气象数据科学语言教程(1)Python 基础
' n3 s# Z! ^1 a2 u% 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。
! E, A. ?" n7 V4 q# b7 m 科赛 x 机器之心从零上手Python关键代码
" N2 k/ q) D- O) T) T5 ` Python基础 Python100例
u* r) n4 j% ]1 x6 E Python入门教程
' `$ v! [. P9 ` (2)Numpy教程 ! {" V9 c' i, b
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。 7 w1 m9 A: G5 x U1 u* S+ N
教程： 7 T# r6 |6 ~6 T6 }6 w
Numpy快速上手指南——基础篇
( L- l. Y, U5 `7 R9 M; z- H) j Numpy快速上手指南——进阶篇 - U1 ?; J' M4 u9 s
Numpy入门教程
: J. R( p* P+ X Numpy实战全集
; T3 w. A- ^# @$ b4 G8 i$ O 练习题： - R* W! d# Y7 p' ?- `
这100道练习，带你玩转Numpy & J1 r3 Q. v; g {" A3 X
(3)Pandas教程
' _. J& j2 ^. r 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 {, Z( m( }7 C
教程：
( u/ r$ `% ~( X$ k; E Pandas入门教程（1） 0 I) H5 P8 ~0 \ Q
Pandas入门教程（2）
* C) V v( t: P2 q4 P" r Pandas入门教程（3） v3 D6 Q1 X& V
【Pandas教程】像写SQL一样用Pandas % m ]; s" T1 N5 n+ k
高效分析：如何用pandas快速处理数据 ; `0 R) j) o$ b: ~
Pandas基础命令速查表
- I# W( }6 U+ A& e" W 练习题： & Y9 N* v. E# b* w; k$ X$ c
Pandas120题
. Y3 g: x. \) @' z3 Z 50道练习带你玩转Pandas 0 a6 R5 @4 R# u; g6 u, V$ U
这十套练习，教你如何使用Pandas做数据分析
9 @6 n7 Y d( Z0 o! F( U (4)Xarray实例 1 I4 N) P" B: P
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。 * A6 l4 N. n$ F3 W3 y d* Q
xarray实例大全-目录气象行业数据分析案例 1 P2 j6 S. i3 K5 B3 h3 L; q
xarray实例大全(一)-气象数据示例
) K) T) ]# i y" j xarray实例大全(二)-月平均时间序列计算季节性平均值 # I7 c8 H v3 A7 c2 s( ^
xarray实例大全(三)-比较加权与非加权平均温度 , Q# u- D. f0 W
xarray实例大全(四)-多维坐标的使用 , x! D+ {# C9 s$ T
xarray实例大全(五)-可视化库 ) W$ ? g& {; z
xarray实例大全(六)-ROMS海洋模型示例 & _5 i+ `' i( m$ e/ R9 R9 d/ b
xarray实例大全(七)-GRIB数据示例 / {- z* m: J V7 D7 v- s
xarray实例大全(八)-使用applyufunc 0 V6 U& e/ x% K! R# Z {
xarray高阶利用dask并行读取数据 * H/ }' E' Q$ [
2.气象数据读取/数据处理/数据分析/数值计算 * Z& W7 D2 m$ P& C0 o
Workshop第一期：初探气象数据Part1
# y: F8 m: G% y8 `; g" P, W Workshop第一期：初探气象数据Part2
: `# B O/ r/ x9 D8 s- M Python读取气象数据nc格式文件的入门级操作
# w3 k; x, k( j, U, l, q2 d Python处理HDF格式数据示例 : P/ j C `! n
利用Python的requests和json包获取台风数据
9 D4 ]: U, @2 d, Y% L- o8 Y6 R 基于Python的Grads文件解析 8 H$ q6 M- x3 q; h C
CALIPSO卫星数据处理
7 }9 D, k( x8 h 摸鱼的气象& ython % j L* Q e% _, Z4 N6 ]0 G6 n
Python之以温度为例的气象数据缺测处理方法
& i: V. U, R, y& c, f3 U Python之一个简单的风数据处理和分析案例
% Q8 b* z& c! |. q5 G" }$ y) Z3 Y; h 常用气象数据下载——ERA5再分析(grib格式) 6 u2 r9 l5 r3 _" v/ _
常用气象数据下载——我国台风历史轨迹数据 2 j4 E2 X2 x4 [/ G5 ^! w8 W
常用气象数据下载——耦合模式比较计划(CMIP6) ! e5 B2 {# @( f" P$ Q$ t6 {0 U2 N5 Z( e
常用气象数据下载——TEMIS遥感数据
]7 S- x& p7 }! ?+ ^! l! M- z 常用气象数据下载——实时空气质量数据 . k: s4 y1 z8 M. W
常用气象数据下载——Hamawari8
: G& E. M6 Z. \+ t6 a 常用气象数据下载——NCEP再分析资料
: d5 j0 P3 l7 n+ d' j4 M6 R 常用气象数据下载——探空资料
; d* z% G( |8 ?6 K: F/ D 气象之批量下载气象数据(EC;NCEP;CMIP)（python） & G# o5 m9 i* o p( T% t
气候变化趋势分析常用方法 2 S6 w$ s$ z4 M [% l
气象分析之气候变量场时空结构的分离-EOF
4 V8 Q9 w! J5 F" h 气象数据处理——重采样（Regridding） % V, V: p/ ^/ f; @8 b: S
气象数据处理——湿位涡剖面分析 , |! e' v! T8 m- ^& Q- N
气象数据分析——集合经验模态分解（EEMD）
8 \# T$ k" i! W" e0 S 气象数据分析——相关系数与时间相关系数 # ?/ b# r) ?( u" T9 c( J
气象数据分析——旋转经验正交函数(REOF) $ f/ y! y [, I9 X
气象数据分析——经验正交分解（EOF）
) r, Y1 @ _: `0 O! v9 d 气象数据分析——我国逐年降水的经验正交分解
! f' }8 p6 h& ^. f) _ 气象数据处理加速器——cdo
3 A- b' r" c) H' W! z: P, S 气象数据统计方法 " {5 A9 t- O8 U- M
供水管网压力预测（异常识别与缺失补全） 5 i. B7 _6 l5 W" R6 |) T. _
特征重要性评估——Lasso回归系数 - {4 C8 C% z( m+ b
2020华为杯E题——数据探索性分析 % E& K! `; b# A* m3 s. t
WRF模式模拟数据后处理（计算篇）
8 y) c0 W3 R2 a5 G5 y: | 结构方程模型（SEM）构建 z8 \( f6 H& |& f9 R( ]2 {/ t8 b
多元多项式回归拟合能见度 # p% @* w1 v: V& z6 T! W2 w) H' M
两个变量场的相关分析——SVD分解 $ x6 W' N* Q' a. S# ], { N# S
小波分析——海温数据的时频域分解 / l" S& r( n/ }. E2 u
基于DEM数据计算坡向、坡度和流向 8 c$ z$ p! L- Q( F
基于随机森林对特征重要性排序
2 j4 E$ |# d6 J/ _ 基于DBSCAN算法的人类活动GPS数据挖掘 4 ?: T# o* T S1 p
基于ERA5数据分析中国区域气温与降水数据的时空分布
* \% }4 s5 s( [% O. I: a4 S 最常见的10种图像滤波方法 * p: v3 G6 b) i" Y" v0 M C
3.气象可视化(1)Cartopy绘图教程 + U8 H2 V M% {3 r) w6 c4 }. B& a
气象数据可视化库-Cartopy官网例程大全（中文翻译版） 2 ]# E/ }0 b1 L/ h G
Cartopy——绘制不同投影的地图 " q# f2 X- T: N# P# G
Cartopy 调用天地图在线服务(原创) 1 k$ N7 i6 d7 t1 V8 J+ K/ x
Cartopy绘图中国地图最正确的使用方式 ' z$ B' _. U3 S- {, r
(2)Metpy绘图教程
4 ~2 @9 q$ B) E Metpy气象数据可视化库官网例程大全——目录
2 Z6 ^; G+ c5 k; K; W& ^ 大气科学可视化示例——降水量
' A/ X) \5 S' P$ p4 ~ 大气科学可视化示例——AWS S3 NEXRAD 档案存取和绘图
$ W+ v) m$ {- S5 O. _0 R& [6 f6 } 大气科学可视化示例——声明300hPa 7 v0 X. j6 |! h- c* i0 s( T
大气科学可视化示例——飓风追踪器
' N0 N) p' K/ L2 ^% o) y 大气科学可视化示例——观测数据截面
( H& k# b# K* h# r/ D8 |" \ 大气科学可视化示例——在旧版DIFAX图表上高空观测
& s; E0 k3 t8 ~ `# d7 a# R 大气科学可视化示例——风切变矢量 g% _( n8 d, V! V J
5 P( |' O' E) y" c' }/ C6 o0 I
: u# C0 \/ l% k7 X2 [1 R. p4 R1 @6 G! d# ~
/ z) J3 k* s" D. i' x# h8 u
1 w/ S r% a5 ~& `; t) b0 v
| 
