|
0 O d- ` D: Q1 I3 m3 e 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！ 2 c( e1 E! s- E6 q/ q' ?% c4 l" h
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：
& }1 j, m5 v! h, f 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 ' S! F- }. A- f3 [
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：
, V4 o4 P# c- M2 w1 B* w8 { 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& D: M- S& ?% F( ^1 H# n8 r/ ^ 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： , G h4 S4 ?6 C& z7 ]& i
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
2 r: D& _% P% ^ 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！
, M( Y# X z1 a' K# x- J1 X 1.气象数据科学语言教程(1)Python 基础
* x: g1 Y" q' o. `/ x# b 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。 ) v* y- K- j! \! Z2 [
科赛 x 机器之心从零上手Python关键代码
3 \! Y% o" u8 R1 @& l; D Python基础 Python100例 ( Y+ ]# g0 l) U
Python入门教程 / r, q) p) U0 k# R6 I
(2)Numpy教程
( o! V/ D$ K3 x- N! w 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。 5 ?$ P, e1 | @( _! q
教程： ' |1 W8 a4 l6 U3 A5 V1 A3 P% D% c! _
Numpy快速上手指南——基础篇
3 f/ o1 k$ P/ @5 ` Numpy快速上手指南——进阶篇 : l2 Z8 N4 U4 W2 E
Numpy入门教程 + z( l6 p4 k& B# g. D
Numpy实战全集
" a0 }5 ?. A- |% j& z 练习题：
2 m9 G* Q2 S7 d, w 这100道练习，带你玩转Numpy 3 ~/ D5 i' O) i' N, ]" A4 p
(3)Pandas教程
& J+ w3 W0 Z4 F' {% \3 M 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）。
# e5 A6 H% \8 v5 B/ q 教程：
~( U& K* P, D Pandas入门教程（1）
K& A6 ]% B. b Pandas入门教程（2）
) w1 Q9 j8 a' W0 H& T7 v2 X: b Pandas入门教程（3）
+ Q" H' z7 u* Y% w 【Pandas教程】像写SQL一样用Pandas
4 g6 q2 l0 [' S" O# p3 B- V 高效分析：如何用pandas快速处理数据
* l) X" g \4 v4 X" U3 Z7 J- U Pandas基础命令速查表 8 h$ }% l) R q$ A0 X4 ?: O
练习题：
4 {/ B- T% K) X" u) A0 } Pandas120题
, k6 M- B+ s; t# B! o 50道练习带你玩转Pandas
" \* |3 S- _. h, d1 X: \ 这十套练习，教你如何使用Pandas做数据分析
; M3 }( l0 f: F1 f; `) n$ b. D (4)Xarray实例
' T+ M5 N4 z4 j) n: K c 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 K$ Y/ D- t! U1 u- n3 E xarray实例大全-目录气象行业数据分析案例 0 o+ P" ? \; d$ W
xarray实例大全(一)-气象数据示例 8 p/ F" @( J9 D* d# o) l9 F5 x
xarray实例大全(二)-月平均时间序列计算季节性平均值
0 D% t0 E; Y3 j/ V! Z xarray实例大全(三)-比较加权与非加权平均温度
+ Y: K6 p& f! `2 G$ c. w xarray实例大全(四)-多维坐标的使用 - @; f9 f. B. Z# C* a
xarray实例大全(五)-可视化库
% H4 W" S& K' m8 z) x xarray实例大全(六)-ROMS海洋模型示例
( ^7 B- U e6 X" B xarray实例大全(七)-GRIB数据示例
9 a* M. ^5 N8 q+ i N2 O3 J xarray实例大全(八)-使用applyufunc
, \! @* s" `+ T% j3 L1 B3 M, W) p xarray高阶利用dask并行读取数据 5 \' \* H! Z6 u9 F: f
2.气象数据读取/数据处理/数据分析/数值计算 & S3 _3 N$ R2 u1 B0 `
Workshop第一期：初探气象数据Part1
. H$ \0 @; l/ E) w- i Workshop第一期：初探气象数据Part2 " a6 Y1 t* M' Z4 T) x
Python读取气象数据nc格式文件的入门级操作 + T$ g7 ~1 p- d
Python处理HDF格式数据示例 4 z) W Z7 ]% i9 _# R0 K
利用Python的requests和json包获取台风数据 + E: p% S. Z& K
基于Python的Grads文件解析 ' W3 M' h0 z/ P" a
CALIPSO卫星数据处理 7 L/ B- A$ {; M( D5 [* G: s4 m- U
摸鱼的气象& ython
G' f6 o7 Y4 G8 _* _6 o6 A Python之以温度为例的气象数据缺测处理方法
' r& g) _; V( B3 z2 {' o1 C8 N Python之一个简单的风数据处理和分析案例
" u2 [# r! x" P0 V @ 常用气象数据下载——ERA5再分析(grib格式) : B4 Q6 Z- S* m& l+ ~
常用气象数据下载——我国台风历史轨迹数据
0 s, z# S9 `* ?, V 常用气象数据下载——耦合模式比较计划(CMIP6) ! z% u- j- c1 C: M% F+ O
常用气象数据下载——TEMIS遥感数据 9 J) Z1 r& ~) G f8 K
常用气象数据下载——实时空气质量数据
% b6 X# o1 `, H- G; B' V6 p$ P9 n5 r" A 常用气象数据下载——Hamawari8 1 ]+ T; O& v) G5 W, _+ R
常用气象数据下载——NCEP再分析资料 8 R6 p$ g; l8 o" I- v
常用气象数据下载——探空资料
4 Y8 r+ G c4 {3 q 气象之批量下载气象数据(EC;NCEP;CMIP)（python）
0 F _4 y7 X ]) c 气候变化趋势分析常用方法
. x# r/ Z$ e. `7 m! ? 气象分析之气候变量场时空结构的分离-EOF
% V0 S+ ?. Y H% O4 A$ O 气象数据处理——重采样（Regridding） ; I! [1 B1 w1 d0 D5 q5 \$ i
气象数据处理——湿位涡剖面分析 # A. H: ~( W7 _' ^- }
气象数据分析——集合经验模态分解（EEMD）
+ W5 k6 a; j9 z& o# M0 o8 s 气象数据分析——相关系数与时间相关系数
, A3 j6 l3 h, ?. S% j9 e# b 气象数据分析——旋转经验正交函数(REOF) ) C; h8 B8 G* X# m
气象数据分析——经验正交分解（EOF）
" I$ k8 k# e! q& D( c8 e 气象数据分析——我国逐年降水的经验正交分解
5 z+ ]+ a! w/ \% @5 O 气象数据处理加速器——cdo 3 O) Q8 @1 T* @4 V7 T, r9 B+ L/ [
气象数据统计方法 + P% _4 U& l; ?6 U' q3 q
供水管网压力预测（异常识别与缺失补全） # J1 j. M* ?7 |% [0 I$ L
特征重要性评估——Lasso回归系数 % C( U; T$ l3 O/ \+ X; P
2020华为杯E题——数据探索性分析 ' T" i( e8 O3 ?
WRF模式模拟数据后处理（计算篇） & @1 F+ u/ F" R
结构方程模型（SEM）构建 2 s! V& t3 Y/ @ ~5 P! Q1 W0 z, |
多元多项式回归拟合能见度 2 T- S/ f* I' b1 Y. t
两个变量场的相关分析——SVD分解
3 ~9 }8 y2 w; y$ G 小波分析——海温数据的时频域分解
5 h6 Y( B( a3 | 基于DEM数据计算坡向、坡度和流向 8 K. u- m# M- A2 `
基于随机森林对特征重要性排序 + s2 q% L! E" Z B# b8 m
基于DBSCAN算法的人类活动GPS数据挖掘
* d' M+ r: j' L( }6 E( E# e9 c 基于ERA5数据分析中国区域气温与降水数据的时空分布 2 F: g$ d& f9 K- K {6 [
最常见的10种图像滤波方法
% f2 f% Y3 Y5 X# {7 |3 y 3.气象可视化(1)Cartopy绘图教程
1 `4 S! U% O- G 气象数据可视化库-Cartopy官网例程大全（中文翻译版） 2 c$ C$ Y. ? M* L
Cartopy——绘制不同投影的地图
* ?3 k. b# ^6 H* O k2 J Cartopy 调用天地图在线服务(原创)
. _1 a; W. o5 M2 \; A# _ Cartopy绘图中国地图最正确的使用方式
& o' }3 ~ l# T/ z* f, f (2)Metpy绘图教程 / X# I6 K! `8 _
Metpy气象数据可视化库官网例程大全——目录
* |6 D9 |6 t- k1 T* v 大气科学可视化示例——降水量
3 J* X$ z) M! x! e7 R ~. e 大气科学可视化示例——AWS S3 NEXRAD 档案存取和绘图
; X% s+ o7 [. q: O: s) F3 d 大气科学可视化示例——声明300hPa % _# u( H/ u7 L/ c' h5 {
大气科学可视化示例——飓风追踪器 & d* U" j. C: I' W! W4 g4 y
大气科学可视化示例——观测数据截面
9 b( y* @0 c% Y. L; D5 | 大气科学可视化示例——在旧版DIFAX图表上高空观测 % {( q( L3 ?3 i8 q
大气科学可视化示例——风切变矢量
& V) E7 a1 e+ B+ r4 x. ?6 N% {* N3 d
* P" O; ~' S- P1 }2 @; H; J5 t
/ m2 z& c! Q1 C5 |# j! s, n9 O( ?7 S R! t K4 K
( u7 e: Y: ?- Y3 G/ r$ r
| 
