|
# `, G% e+ [. c1 X$ ?- ]6 F+ O 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 N: A Q B. V, t; ?: i6 P1 s. G 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：
% h4 l( i+ W4 o; T& ]8 f& K/ s# 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
: z$ K$ B5 [* j5 O" _8 c. x 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：
+ q: H. G) e* Q0 {9 C$ 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 : I) A8 [# W1 j& p. O) P7 b4 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( C. ?/ s h: n
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
4 Y# r' k7 |1 \% e3 V0 f 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！
% V- `* {% D$ v( t7 Y4 N8 u, c0 d 1.气象数据科学语言教程(1)Python 基础 . y W- `& G5 C) `/ A- E; u- M
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。 1 @. S3 P# {8 B+ Q; H8 c# D
科赛 x 机器之心从零上手Python关键代码 E3 C4 w2 U: T2 f
Python基础 Python100例 + z% p% M, {& r9 z9 F
Python入门教程
; z6 c' } @' ?( V" D, D# d (2)Numpy教程 / f, P2 e3 P& k, p' U; G
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。
; u1 z( j5 G. c4 f* }- B 教程：
! |% r) K! D; Z8 s0 A0 D+ o Numpy快速上手指南——基础篇
7 M9 w' Z9 W; [ Numpy快速上手指南——进阶篇
# S+ E0 P% u$ P" X! A! E Numpy入门教程 ( W2 `8 t L- B' v# c
Numpy实战全集
- A+ z. y. O9 O6 j 练习题：
5 R S% b# [5 Q- |; |' p2 \+ [ 这100道练习，带你玩转Numpy
" j$ o( l0 E/ i7 t1 Q r (3)Pandas教程
6 Z) s6 E5 x) s- I! D$ P( v' A 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）。
4 m/ @5 R/ v. M# N# P9 ? 教程：
, o' Q+ `9 o. u$ W$ z8 Q& S Pandas入门教程（1） * z5 I& O2 d/ h3 E6 r: t2 J
Pandas入门教程（2） 7 f& ~* f' R4 z+ ^ J( \: y, m1 t
Pandas入门教程（3） ' H5 h+ w; Z2 Z. U5 `7 s# R
【Pandas教程】像写SQL一样用Pandas
4 T$ L( J, \9 T& B: K5 x9 Z 高效分析：如何用pandas快速处理数据
" D0 R) E6 b7 U: \& U' l: v+ B7 J Pandas基础命令速查表 ( i# F8 ]9 c3 u( ~- {+ `
练习题：
% q* x2 L: j. T6 |0 r Pandas120题
* j, o' P( R3 q$ N 50道练习带你玩转Pandas ) e2 a& ~/ Z8 u% v" {7 F
这十套练习，教你如何使用Pandas做数据分析 . K+ {# E1 a! M2 S
(4)Xarray实例
|! ~" j2 K) | u6 x, b+ k 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 i1 Q' U& ^( S4 k, ~
xarray实例大全-目录气象行业数据分析案例
5 B( Y1 w. g6 `( s" T6 V) G. m: M) W xarray实例大全(一)-气象数据示例 . ^: Y5 o5 | K& A% V. _
xarray实例大全(二)-月平均时间序列计算季节性平均值 & X+ r K2 r* R* y# d. C* t( |
xarray实例大全(三)-比较加权与非加权平均温度 9 T# l. _3 J* I" w8 N9 E
xarray实例大全(四)-多维坐标的使用
N, _& m# T* p7 q2 _ xarray实例大全(五)-可视化库 6 F- {2 G* Y) y9 V0 q
xarray实例大全(六)-ROMS海洋模型示例
3 N' t s3 r6 P2 W xarray实例大全(七)-GRIB数据示例
! c: L; i5 O1 i3 b) ^% r4 h4 j& ? xarray实例大全(八)-使用applyufunc
: q3 Z! [ E5 L7 F xarray高阶利用dask并行读取数据
! f6 ~6 I! b/ C+ Z4 P1 ^5 R 2.气象数据读取/数据处理/数据分析/数值计算
1 _6 F2 G. S# d" F8 N; \ Workshop第一期：初探气象数据Part1 " l) B( i8 E9 ?9 Q. |
Workshop第一期：初探气象数据Part2
. r4 m, |# Y1 {8 t Python读取气象数据nc格式文件的入门级操作 ( s/ I. H$ N* G @# B0 g
Python处理HDF格式数据示例 9 n Q7 |4 z ]0 i& a/ b3 u7 Z
利用Python的requests和json包获取台风数据 ( u; A2 \1 Q, h. _
基于Python的Grads文件解析 ; F% Z/ |" |' w! i" L( d
CALIPSO卫星数据处理
1 s* L& ?9 P0 ^2 [6 I, g 摸鱼的气象& ython / b1 c" [" x) f3 k
Python之以温度为例的气象数据缺测处理方法 5 {; Q) E4 t. N% B! M- ^
Python之一个简单的风数据处理和分析案例
" j+ k4 u; y: J$ X 常用气象数据下载——ERA5再分析(grib格式)
* l0 Y: @( p0 D8 j9 Y1 B* P9 Y& D 常用气象数据下载——我国台风历史轨迹数据 ; B- F! }, C; h# H
常用气象数据下载——耦合模式比较计划(CMIP6)
% X% s, \- R; U 常用气象数据下载——TEMIS遥感数据 ; b3 Y; Y- J6 i. i
常用气象数据下载——实时空气质量数据
" }- M' Q2 N3 k6 n! G, p- B, ` 常用气象数据下载——Hamawari8
8 W& v: v" S# n* y 常用气象数据下载——NCEP再分析资料 0 s' u& s/ {4 ~% E* e
常用气象数据下载——探空资料 ! V7 O& L$ g& j
气象之批量下载气象数据(EC;NCEP;CMIP)（python）
! ?! T j# z' ?* h- R( S S. I 气候变化趋势分析常用方法 ( d- {5 ~: L% @2 d
气象分析之气候变量场时空结构的分离-EOF
7 _" c/ |, d2 ^2 z, L: u4 n1 h! ?8 g 气象数据处理——重采样（Regridding） 5 R1 O0 j$ A: g0 O" q
气象数据处理——湿位涡剖面分析
7 {3 @5 I U6 H. K2 F 气象数据分析——集合经验模态分解（EEMD）
2 e \5 x" c% h% E- W; K 气象数据分析——相关系数与时间相关系数 % S% ^6 F. F% n7 m: [
气象数据分析——旋转经验正交函数(REOF) & ^7 C$ \* s" @! P
气象数据分析——经验正交分解（EOF）
: w$ }$ v/ D/ }# r) ^' v% X" M 气象数据分析——我国逐年降水的经验正交分解 ( Y1 c/ h7 |" }' X5 b: [6 D0 i5 ?
气象数据处理加速器——cdo # p8 Q( m ~" z+ O- G: j1 ^
气象数据统计方法
1 T$ Z2 m6 \: F4 S 供水管网压力预测（异常识别与缺失补全） 2 {% [5 U1 ~6 g A$ W+ M: D
特征重要性评估——Lasso回归系数 { U) R/ A- S5 U' j0 g+ V
2020华为杯E题——数据探索性分析 ! k- C2 l0 u! E8 O7 b3 d
WRF模式模拟数据后处理（计算篇） ( D$ I, Z) X7 B0 K/ I6 o# c% D
结构方程模型（SEM）构建
5 x- h/ H% L2 m0 Q 多元多项式回归拟合能见度 5 L {; D6 `6 s
两个变量场的相关分析——SVD分解
! f% H4 q: L7 [$ {! F 小波分析——海温数据的时频域分解
3 A @. p# ~" Z {4 O 基于DEM数据计算坡向、坡度和流向 & t( H- d+ v% t( F# U& p& G
基于随机森林对特征重要性排序 5 B& s7 G( K. B5 x0 K' e
基于DBSCAN算法的人类活动GPS数据挖掘 9 a c6 t* U) K/ a
基于ERA5数据分析中国区域气温与降水数据的时空分布
" d7 {8 q" t9 B9 [) p+ ^ 最常见的10种图像滤波方法
% c+ v* B$ x1 D1 [2 X9 e! B7 ?7 j 3.气象可视化(1)Cartopy绘图教程 * m5 W1 N9 H- O2 C* X2 g0 D& f
气象数据可视化库-Cartopy官网例程大全（中文翻译版） . Z! Y* C3 Z0 O' n0 K
Cartopy——绘制不同投影的地图 . Q; w; i( X9 k5 R3 p$ S& I
Cartopy 调用天地图在线服务(原创) ( n0 ~2 I2 T& l' L" Z" H
Cartopy绘图中国地图最正确的使用方式 : [+ b6 _) q' O4 M- A
(2)Metpy绘图教程
$ q0 ^5 r! r' ?7 e. u$ q5 ]" ^3 T- u9 R Metpy气象数据可视化库官网例程大全——目录 . c$ Z3 I; [# l; N6 d6 i
大气科学可视化示例——降水量 4 }8 M0 j" I- p, @( v
大气科学可视化示例——AWS S3 NEXRAD 档案存取和绘图
) t& d( b1 }$ {7 c1 K 大气科学可视化示例——声明300hPa
; ]1 A% x8 r* |' X/ P! T0 g4 _ 大气科学可视化示例——飓风追踪器
! z& r& v/ E. n+ [: o3 T 大气科学可视化示例——观测数据截面
; O. E. N, O$ `" P 大气科学可视化示例——在旧版DIFAX图表上高空观测
: R6 q9 M) e( N, c+ ^8 ^& y: y0 ]1 n 大气科学可视化示例——风切变矢量
; C* u- @: x7 y$ F
% D& A/ A% E7 P9 l, a/ Y3 }9 E, U* R2 X5 a6 {' u
5 U! f! j. j [3 M( @, W% ^+ K5 i" c- s- i' D
/ w: `: G' Q* X5 g( V. K; C
| 
