|
/ i3 R% E1 L- D& p
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！ 3 D. u4 \/ l1 r% v2 m( 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 b7 }' Z) v* {$ J. \/ V: ? 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
# p/ C/ T8 r3 t9 p 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：
7 t [( x* U8 g7 S1 `+ A( 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 : ]* ^& q3 B+ B o% i4 P$ m
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：
, e, T1 P" e% Z 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
. s4 o5 z# ~' c5 F4 a1 X2 A) ]0 l 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！ 7 k4 B P- o% E6 _/ g3 q6 d' ]
1.气象数据科学语言教程(1)Python 基础
5 @+ B. l2 w, h 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。 3 Y L$ _6 N. V% p- v4 m/ Z
科赛 x 机器之心从零上手Python关键代码 2 }, j5 b# \* m# m
Python基础 Python100例
0 I) r: ~4 o2 f8 @0 c7 l Python入门教程
D% T- d' W$ @9 b. T (2)Numpy教程
. R5 i- y7 X7 T0 R0 Y; C 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。
0 I* ~5 g2 Q+ S( | 教程：
J( y @; I/ T$ S) H" g6 R- b' _ Numpy快速上手指南——基础篇 : p6 \$ U y4 x, w n
Numpy快速上手指南——进阶篇
' h& A/ h" J+ n0 _: i2 t Numpy入门教程 . e( A7 ~* |( X. Y
Numpy实战全集
( r1 ]% ^6 g- \/ k5 L: l9 k 练习题： + Y X# K9 v" e, h# Z% \
这100道练习，带你玩转Numpy
' Q3 ?5 I- C4 s& v$ V) W% h (3)Pandas教程
& B: i4 r2 [$ U0 H, 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）。
/ \4 G8 v% G5 }7 q- b6 p 教程：
/ o! S& W9 U8 \5 T& O' @ Pandas入门教程（1）
2 |8 d3 w- ^/ ]8 _! ]9 h Pandas入门教程（2） ! X: m( r# e; R- c
Pandas入门教程（3）
" ~4 e/ E; t' ?6 O5 u 【Pandas教程】像写SQL一样用Pandas
0 Q& ?* o* z7 `/ } 高效分析：如何用pandas快速处理数据
) g$ D8 k7 Y+ n Pandas基础命令速查表 8 |2 t! H9 ^1 H
练习题： 8 d& q7 b# R* s% {# W+ ]$ E
Pandas120题
- G. I7 [6 S7 X v+ P( y 50道练习带你玩转Pandas
' q, V) K9 m7 ?9 b* j5 p3 t 这十套练习，教你如何使用Pandas做数据分析
5 x$ u/ o/ g$ @" n. Z" ~ (4)Xarray实例
3 g4 @5 C: {. S m2 E 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。
2 a) i: p& e6 \$ a8 q6 t5 ~ xarray实例大全-目录气象行业数据分析案例
3 a8 |( u( u9 p xarray实例大全(一)-气象数据示例 & V$ L- Z7 ?, Y* S1 G1 r2 W
xarray实例大全(二)-月平均时间序列计算季节性平均值 # v/ b/ C& L: n$ E
xarray实例大全(三)-比较加权与非加权平均温度 . {1 }( s0 x' R% z5 w7 [6 N. Q
xarray实例大全(四)-多维坐标的使用
% I2 ?2 h2 n1 I6 l1 Y xarray实例大全(五)-可视化库
8 X$ ~' |6 t6 t; l9 x* _5 k! g X. l( \ xarray实例大全(六)-ROMS海洋模型示例 7 P& b, J+ W; T* p. ^
xarray实例大全(七)-GRIB数据示例
8 A. H4 W1 `9 e) G* @ xarray实例大全(八)-使用applyufunc ) i$ _" f7 r4 l
xarray高阶利用dask并行读取数据 % k: j& ]1 G! x* N4 I
2.气象数据读取/数据处理/数据分析/数值计算 9 n0 @ ?% {7 M8 t3 m
Workshop第一期：初探气象数据Part1 ! a$ t9 g% s2 ~% t! P
Workshop第一期：初探气象数据Part2 : f& R$ C& H7 G6 A
Python读取气象数据nc格式文件的入门级操作
2 W/ k, [0 ?. t: _* k Python处理HDF格式数据示例 6 U1 ^! K! E4 a3 J+ X
利用Python的requests和json包获取台风数据
q% q& ^' h: L4 ~6 ^# w) j 基于Python的Grads文件解析
. g6 k! c7 j$ g% x+ b/ o: M CALIPSO卫星数据处理 ( X U( R+ E4 S, ^2 i& r. l
摸鱼的气象& ython ! k& f. U/ i( A- o
Python之以温度为例的气象数据缺测处理方法 : t3 c( ]7 Y3 K w5 V+ T' j
Python之一个简单的风数据处理和分析案例
0 m4 T7 B, W2 L# t' R 常用气象数据下载——ERA5再分析(grib格式)
7 @9 h4 U D$ ?2 d& j 常用气象数据下载——我国台风历史轨迹数据 # O: O4 i, r: c
常用气象数据下载——耦合模式比较计划(CMIP6)
: j/ E( j8 _8 w. ]* n ~' K4 `; Z) J* } 常用气象数据下载——TEMIS遥感数据
7 g% ]' x1 g" f 常用气象数据下载——实时空气质量数据
, s& s2 N. H' O* b8 P; V 常用气象数据下载——Hamawari8
: a. o9 P$ \+ D+ [' Q, l! k 常用气象数据下载——NCEP再分析资料 0 x$ o3 y5 i* Y! B1 ?+ v9 `. k
常用气象数据下载——探空资料 5 E# m: ?: w* c: t+ ?
气象之批量下载气象数据(EC;NCEP;CMIP)（python）
4 ~2 t0 o" Q. ?6 b. }1 M, n 气候变化趋势分析常用方法
* |0 |: W, @. e! x# y2 i ] 气象分析之气候变量场时空结构的分离-EOF % ^+ q+ N1 o& G( m8 ^
气象数据处理——重采样（Regridding） / m9 |/ |# m( V/ X' r8 Z) f3 j
气象数据处理——湿位涡剖面分析
8 s: i, o6 K* V$ Y; @ 气象数据分析——集合经验模态分解（EEMD）
3 s; s4 b4 d9 x6 Z; m% d, |3 V 气象数据分析——相关系数与时间相关系数
% Z' E+ z: S3 s' l% A8 e 气象数据分析——旋转经验正交函数(REOF) 7 Z+ z0 k) J* G' y% I) c. b
气象数据分析——经验正交分解（EOF） . Z6 \6 d. d, p. I
气象数据分析——我国逐年降水的经验正交分解
) @1 o* k/ @ ^ 气象数据处理加速器——cdo # x3 t, ~3 e( S4 V) o
气象数据统计方法 ) v+ X, @6 h8 S5 @/ b2 u# B
供水管网压力预测（异常识别与缺失补全）
. n: }) W- l J 特征重要性评估——Lasso回归系数 6 F: V, e5 a+ B- _, H6 C
2020华为杯E题——数据探索性分析
1 I% t( V$ V) W WRF模式模拟数据后处理（计算篇）
$ t' x# U. B/ m( G$ N9 D 结构方程模型（SEM）构建
$ @/ x- L! y4 c4 m2 l5 K 多元多项式回归拟合能见度 6 v5 R& ^4 F; v: _. m' {
两个变量场的相关分析——SVD分解 " W1 G6 C& K0 G G7 E: D
小波分析——海温数据的时频域分解
, u6 k/ g( u5 R6 w1 m 基于DEM数据计算坡向、坡度和流向 . L* }! i3 P8 {$ z$ V# B& J' _
基于随机森林对特征重要性排序
% n/ Z- }& d7 B0 W8 A 基于DBSCAN算法的人类活动GPS数据挖掘 + J0 W0 h( Y' V* o: j- K! f. d" r
基于ERA5数据分析中国区域气温与降水数据的时空分布
, ^ G' G1 b- R# @ M 最常见的10种图像滤波方法
/ u$ h3 `9 w$ ^2 r3 e4 r5 H5 E 3.气象可视化(1)Cartopy绘图教程
: ^( B! m& N B% e" l 气象数据可视化库-Cartopy官网例程大全（中文翻译版） / h) P1 X7 r( m$ W: d( o( R
Cartopy——绘制不同投影的地图 - J6 `1 x9 p; b' F4 T( c( A' ~
Cartopy 调用天地图在线服务(原创) 6 F) `3 x w' J, J, v+ y, k
Cartopy绘图中国地图最正确的使用方式
" {! v- f$ r( E2 _2 m6 M" y (2)Metpy绘图教程
8 w. t, e5 ^) s; B$ ?7 V6 I- ^. p Metpy气象数据可视化库官网例程大全——目录 ! }# z6 k5 O' O" ]
大气科学可视化示例——降水量 ' t! G5 z) d; B9 p! W4 a
大气科学可视化示例——AWS S3 NEXRAD 档案存取和绘图
" |& q% F' ]' p8 j 大气科学可视化示例——声明300hPa 4 [, M7 g' l( L! K7 B3 F
大气科学可视化示例——飓风追踪器 , O/ r& \6 o) d' x% I) ]
大气科学可视化示例——观测数据截面 " x% \- y+ P0 I" W1 E" P1 j7 z
大气科学可视化示例——在旧版DIFAX图表上高空观测
D6 `% W6 g( }* r$ w: s% m 大气科学可视化示例——风切变矢量
) u, ^) s! S1 h- C3 Z
. o& w* W: R. a6 y
5 h e8 j$ G3 e# |: }
/ Q, f0 F: T; u- c( U3 W2 f
- ]& \' q2 W( L; F' @7 I% g0 J. A! K/ }' X; i) `
| 
