|
$ m9 S- Y3 W- o4 s B
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 d) O8 i9 X' c. W+ @& H6 D1 W
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 ]' [1 U) M" C* ~& n8 @! g
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 K7 S" g5 O: k: A3 U5 r
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：
6 w) F y+ X. x$ L, A0 J* F) j" 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
/ E7 A+ G% r/ c) l8 W }( i& B 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：
3 p% R9 p6 @' K/ q- ` 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 " c2 _0 t8 d4 P& y. ^2 g. s' 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！
4 ]4 l& [+ U! i! R& i( H 1.气象数据科学语言教程(1)Python 基础
7 N2 P4 n% x. R0 [3 T" G/ x 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。 / m6 F- l5 M& E; \& z* F
科赛 x 机器之心从零上手Python关键代码
8 B, X( ~0 J5 ^; E) f# \+ X, @ Python基础 Python100例 ; L a- a$ O0 A8 C
Python入门教程 \8 [$ W# Z: Q
(2)Numpy教程 ; A1 \; ?, _1 }8 C7 q6 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。
: y6 G3 @" s* X5 C+ x2 r0 z9 ~* N$ i+ A 教程：
' f- M7 V& Y' T: L Numpy快速上手指南——基础篇 7 z! i$ C' P% \3 l+ l3 S. x
Numpy快速上手指南——进阶篇 6 N/ `# I9 F* T3 M- |
Numpy入门教程 4 {5 U6 u/ ?6 s/ M+ D+ j
Numpy实战全集
% i+ H1 L/ I' T3 `; G' f 练习题： : n/ B2 l [1 y, {
这100道练习，带你玩转Numpy ; K4 C( O/ A5 ]. Y! D' s
(3)Pandas教程
+ A4 y% {$ Q+ N 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）。 - m3 p0 Z- i) O# _- Q+ b2 a' O( e
教程： * h1 @" g6 L, W7 q' v7 i; b
Pandas入门教程（1）
* h, n; F$ Y9 r8 [5 Q6 h Pandas入门教程（2）
2 J* y7 ^5 g7 P4 O. B# I+ R Pandas入门教程（3） 9 `6 w+ ~) f& C% d$ c1 I
【Pandas教程】像写SQL一样用Pandas + Z! J% s& [# |7 T
高效分析：如何用pandas快速处理数据 # ?: f$ n# O, G0 r
Pandas基础命令速查表 ' b0 [+ j* E, u9 G/ P
练习题： 4 P ]8 @, ?) @
Pandas120题
& v& z! ?! L ` s. K 50道练习带你玩转Pandas
7 _) m7 _ _6 u+ }4 `/ M# ^- k 这十套练习，教你如何使用Pandas做数据分析 7 X' T3 h1 u4 C( R/ }5 {
(4)Xarray实例 + ^! G( h6 S0 ^/ H; H
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。 ! s% Y/ [/ X1 s+ s: j( V" |! A
xarray实例大全-目录气象行业数据分析案例
* F* _; b; Y J xarray实例大全(一)-气象数据示例 - O' b% A* T* _5 r
xarray实例大全(二)-月平均时间序列计算季节性平均值
$ i& a% K6 [1 G xarray实例大全(三)-比较加权与非加权平均温度 9 M, _6 L7 y8 X1 m/ W U. H0 J
xarray实例大全(四)-多维坐标的使用 - w o" Q; E+ m! v j# w' o
xarray实例大全(五)-可视化库 , L2 S1 ?* n+ @- O) t; ?5 m s
xarray实例大全(六)-ROMS海洋模型示例 7 @* o) b. ]" ~9 y4 r: X
xarray实例大全(七)-GRIB数据示例
% _8 r J0 F, {; i2 v xarray实例大全(八)-使用applyufunc
, A7 L) \. H7 O& R" q- M( ~ xarray高阶利用dask并行读取数据 ( A; Z' v& q: `/ Q8 d4 U
2.气象数据读取/数据处理/数据分析/数值计算
" O6 E; R( S/ D( T8 o; X Workshop第一期：初探气象数据Part1
. ?% S0 s9 O2 s# A+ |5 t9 S Workshop第一期：初探气象数据Part2 6 T9 U. L- L+ a" b7 @5 Z
Python读取气象数据nc格式文件的入门级操作 6 r6 H( K+ X8 s
Python处理HDF格式数据示例
3 F1 ~8 k! C, ^) R2 P 利用Python的requests和json包获取台风数据
: `! p: ~6 X+ k. m @ 基于Python的Grads文件解析
5 y! [( r8 w9 V1 `/ F4 C CALIPSO卫星数据处理 9 E8 U) O1 k/ O1 C+ N; }( Z5 f, k$ z3 X
摸鱼的气象& ython
( W: q* d" C! \/ I Python之以温度为例的气象数据缺测处理方法 ; h }3 Z; x2 M1 n
Python之一个简单的风数据处理和分析案例
5 a9 v. t6 `5 M2 y" Y8 b/ R 常用气象数据下载——ERA5再分析(grib格式)
) n: x/ } `+ W5 K 常用气象数据下载——我国台风历史轨迹数据
( m z& `- a. T/ V 常用气象数据下载——耦合模式比较计划(CMIP6)
. f* l- T6 ` j) v0 Q. ?1 A 常用气象数据下载——TEMIS遥感数据
' Z- b4 P4 j" v4 N" i 常用气象数据下载——实时空气质量数据 ) S: s( F/ W% B K( j
常用气象数据下载——Hamawari8 7 U5 }1 I: d$ b+ |
常用气象数据下载——NCEP再分析资料 q, ~, i2 R# e. z3 q/ Y9 e% @/ x
常用气象数据下载——探空资料 % H% N, V* b5 ?$ v- G3 P
气象之批量下载气象数据(EC;NCEP;CMIP)（python）
2 F) d- T4 W2 p1 ?. U 气候变化趋势分析常用方法 + ^- X) @& s6 `) [# J* L: B3 \6 H
气象分析之气候变量场时空结构的分离-EOF
0 e0 `3 K5 l2 l" s3 N6 G# L# v7 {, g 气象数据处理——重采样（Regridding）
1 m$ b/ \& p4 e* u( M 气象数据处理——湿位涡剖面分析
: `) k2 c" d h* N/ ]- F$ d 气象数据分析——集合经验模态分解（EEMD） 6 O- @ q: H$ e- ?" |% s( Y0 ^
气象数据分析——相关系数与时间相关系数 5 J' M B. s! ~: B! ~8 ~
气象数据分析——旋转经验正交函数(REOF)
5 m% q+ f: E1 |8 j8 `! J3 M 气象数据分析——经验正交分解（EOF）
. \' o& @! s0 T3 m 气象数据分析——我国逐年降水的经验正交分解 + F5 `0 ^* s/ }$ T' Z/ f% F: s
气象数据处理加速器——cdo 7 p- a& L0 d- K, V. O
气象数据统计方法
: K4 ]! N7 A& W7 ]: K 供水管网压力预测（异常识别与缺失补全） 4 _1 `4 |- D5 w6 z L
特征重要性评估——Lasso回归系数 6 }4 d. V/ @9 p8 `/ w; l7 W
2020华为杯E题——数据探索性分析
* t/ M4 v. V- _% L% x; L# q/ k9 t WRF模式模拟数据后处理（计算篇） . C" x7 \/ f( L4 f$ L! K# F
结构方程模型（SEM）构建 7 e R% R7 O; w; |% l3 v9 ~ q
多元多项式回归拟合能见度 1 [& E* I5 K8 j8 N0 P' ]
两个变量场的相关分析——SVD分解
" f Z3 h- \: D: m4 ?3 q 小波分析——海温数据的时频域分解 3 o U m/ G9 A& e
基于DEM数据计算坡向、坡度和流向
* j$ g& I4 q5 E- j# k 基于随机森林对特征重要性排序
. D; H( X$ z; L/ [6 f 基于DBSCAN算法的人类活动GPS数据挖掘
1 i5 V* t: |8 K" _ 基于ERA5数据分析中国区域气温与降水数据的时空分布 8 {! }. w( z- w5 B: W- W
最常见的10种图像滤波方法
" }. V9 y4 c3 |2 H! m8 k 3.气象可视化(1)Cartopy绘图教程 + @, u. s5 a' C
气象数据可视化库-Cartopy官网例程大全（中文翻译版）
0 n1 ~7 E$ }# S Cartopy——绘制不同投影的地图 / i+ P. X; I. U7 b7 K) P: ~9 P
Cartopy 调用天地图在线服务(原创) , d5 |; `6 j0 L- P7 O
Cartopy绘图中国地图最正确的使用方式
# Q- _- d0 b. n9 J, z4 w (2)Metpy绘图教程
& w/ D0 A8 o& e, } Metpy气象数据可视化库官网例程大全——目录 + F' R9 h; e; }6 ?2 o9 }( ?
大气科学可视化示例——降水量 . Y- M- q0 K! R, r! d
大气科学可视化示例——AWS S3 NEXRAD 档案存取和绘图
" h6 h+ s6 H* t% v* A 大气科学可视化示例——声明300hPa 5 t5 Y, f4 D" U) S' U1 P
大气科学可视化示例——飓风追踪器 9 t* d, s% C8 i8 Q
大气科学可视化示例——观测数据截面
% q- p1 S& C- O W5 b( T& R% \3 a 大气科学可视化示例——在旧版DIFAX图表上高空观测 / t* ?, d0 Z. L, b4 N- o
大气科学可视化示例——风切变矢量
7 f% b) ~/ K! f% F+ p% i9 d7 g, K/ P: g# M" u1 |
+ q1 Q% M4 w* x7 j [ n+ ]
5 D$ U3 d: C- o
2 ~! Q8 p: |" K) B/ I; m
8 K8 A! P# y) r7 I: r( U | 
