|
4 M Y, n" @3 x9 N$ f 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！
6 Z) H' x8 f( \' A. K 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：
4 D2 [, T" E$ A. l. H 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 : g. Z6 x5 _8 i& V
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 O [& J0 B- ?3 P 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
1 d& P% {4 y2 a: H8 ` 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： 8 j# K7 v. m; o
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
! b- Z2 h) O$ f/ D! e 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 |* J/ J5 x) a4 C+ S( r: L) d1 T: O0 M) P
1.气象数据科学语言教程(1)Python 基础 4 R" v* I$ s9 K1 X( x( J
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。
, H: w0 f& J5 [3 Y3 S 科赛 x 机器之心从零上手Python关键代码
$ @& q2 |- w% c! B8 q Python基础 Python100例
/ R9 Y5 }8 v* ^. j# f Python入门教程 : h' E1 y6 f! \% ], L$ c+ U' O
(2)Numpy教程 % o+ b a4 n) Z( a1 M# S
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。
# j. t! L! Q& j; ? 教程： 6 `/ q5 F! i9 O$ ^! G8 T
Numpy快速上手指南——基础篇
. O M3 l2 O8 n0 T) F Numpy快速上手指南——进阶篇
* n7 L1 B4 L7 c Numpy入门教程
& \* F8 q, h3 \4 q Numpy实战全集
' _0 `" {3 e/ @* V+ w 练习题： 9 s' X9 I6 s2 z
这100道练习，带你玩转Numpy
$ g! T4 E& ]" J: X (3)Pandas教程
" d9 q0 l! p3 n# N8 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）。
7 a4 D# p! ]9 U0 G3 ? 教程： % C5 I+ Q0 p* V4 t! }! T3 w. z9 [
Pandas入门教程（1）
- ^! A3 ^" {9 M7 a2 U Pandas入门教程（2）
4 P5 j8 m9 i5 p& z, Q: \5 B8 f0 ] Pandas入门教程（3）
) z; p4 U" W# f# s* N 【Pandas教程】像写SQL一样用Pandas $ Y/ z4 x- ]. H& C4 X
高效分析：如何用pandas快速处理数据
: @5 T: H" K# h( Z; ?6 F8 H Pandas基础命令速查表
/ \, k4 c2 i. b# }* t6 D1 ? 练习题： . \& Z( M2 Q' p- U6 l* ?
Pandas120题
- c+ _4 e0 T% ~2 m+ [ 50道练习带你玩转Pandas
$ l0 n! F& r! f9 }$ X* N1 `( h 这十套练习，教你如何使用Pandas做数据分析 - U0 G1 u5 I0 G7 Q; x5 q" _
(4)Xarray实例 % D! b1 A- s3 j9 w/ g/ u
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。
6 G w. @1 B5 a+ P S: d xarray实例大全-目录气象行业数据分析案例
: z' \% a! g" g8 v5 i" ?3 w8 m$ u xarray实例大全(一)-气象数据示例 5 j. E, |# }% G: K$ F
xarray实例大全(二)-月平均时间序列计算季节性平均值
( k/ z- p# W) \( @, \" L xarray实例大全(三)-比较加权与非加权平均温度
! B, o7 o1 ]3 K7 |5 R/ b0 o xarray实例大全(四)-多维坐标的使用 7 d. i9 W- N: v) Q, B
xarray实例大全(五)-可视化库
6 l# d9 ` O; S& A: O xarray实例大全(六)-ROMS海洋模型示例 * e: f! {% ^0 W+ G9 ^* s N' H
xarray实例大全(七)-GRIB数据示例 1 H& f' C5 y2 M
xarray实例大全(八)-使用applyufunc
1 T# c! T! F1 t4 ^; ] xarray高阶利用dask并行读取数据 1 E* N' g7 y7 G' Y
2.气象数据读取/数据处理/数据分析/数值计算
; U' z2 K' q* s/ |) d' R# t Workshop第一期：初探气象数据Part1
0 Z& Q7 D# U# k1 q* X6 U Workshop第一期：初探气象数据Part2 4 @0 ~" C0 v. V2 E- G% j
Python读取气象数据nc格式文件的入门级操作 # x6 Q4 `, C: v3 c ^
Python处理HDF格式数据示例
/ w* |8 c& @* Q$ s! P" U 利用Python的requests和json包获取台风数据
) l8 r, \5 o) k; E 基于Python的Grads文件解析
' f# r# |. |( V3 e CALIPSO卫星数据处理 6 u# A& G* P5 E5 {& s5 z, f
摸鱼的气象& ython
3 s+ ?. T1 L4 j Python之以温度为例的气象数据缺测处理方法
3 `3 u$ V* P) A; u; h$ Q Python之一个简单的风数据处理和分析案例 9 K, \. b- r4 o0 x: D- U! H
常用气象数据下载——ERA5再分析(grib格式) / V2 {0 Y9 Z" i; B( N6 d T
常用气象数据下载——我国台风历史轨迹数据
* X' Q0 r" i- ], o+ U y1 R 常用气象数据下载——耦合模式比较计划(CMIP6)
% [+ j0 }9 C w: o- B: F 常用气象数据下载——TEMIS遥感数据 : w# A. a% Z; ~% v' h
常用气象数据下载——实时空气质量数据
" K6 _8 g6 `# s 常用气象数据下载——Hamawari8 3 L4 j4 _# P) d0 i" _/ B
常用气象数据下载——NCEP再分析资料 0 s [1 o8 q8 f2 {: E- U; L t$ [9 [
常用气象数据下载——探空资料 $ n0 A8 u; }8 O' V& L5 T' t
气象之批量下载气象数据(EC;NCEP;CMIP)（python）
) K! K3 I, b9 _* H 气候变化趋势分析常用方法 9 d1 g. b2 J1 _4 r$ L
气象分析之气候变量场时空结构的分离-EOF / M/ z6 G1 |" C
气象数据处理——重采样（Regridding）
0 d$ Y5 e, M8 X8 U7 E- V2 G 气象数据处理——湿位涡剖面分析
$ X W3 U; U$ G- R; f3 g8 v 气象数据分析——集合经验模态分解（EEMD）
\. H0 o" ~# k 气象数据分析——相关系数与时间相关系数 " p1 I6 y2 S4 {0 z1 T
气象数据分析——旋转经验正交函数(REOF) + j/ A: q$ k3 t6 T# E) u
气象数据分析——经验正交分解（EOF） , q1 o0 n2 h# ?+ a' ~- Z& V
气象数据分析——我国逐年降水的经验正交分解 7 d; m& Q: ^; E7 ?3 I1 I
气象数据处理加速器——cdo
* D) ~. b \* _6 @% p# r! i2 V 气象数据统计方法 . e) t4 x+ r Y, r2 H; w
供水管网压力预测（异常识别与缺失补全）
* }0 F. q. l* \, H6 g$ v/ e& \ 特征重要性评估——Lasso回归系数 3 w$ }7 f! C/ @, {8 B; u0 U
2020华为杯E题——数据探索性分析
5 B/ @) H; v- @- n9 `. f6 Y* [* Q WRF模式模拟数据后处理（计算篇）
& q3 \! J( `4 }3 ?1 A7 h 结构方程模型（SEM）构建 $ ]: v9 ?# ~) w5 _6 V
多元多项式回归拟合能见度 # R. p% `0 p0 N! v
两个变量场的相关分析——SVD分解 7 v1 `! |4 \7 W( q0 U
小波分析——海温数据的时频域分解 4 l$ H' z P' ?0 w3 D+ \
基于DEM数据计算坡向、坡度和流向 `( u4 T X+ a1 p- T- L; a' m
基于随机森林对特征重要性排序
( N" I' `" I+ P3 N9 M3 l 基于DBSCAN算法的人类活动GPS数据挖掘
+ x7 {9 h0 [3 S% T; x% A! o 基于ERA5数据分析中国区域气温与降水数据的时空分布
; X0 c7 a! A1 s1 ^+ V$ V- q: t 最常见的10种图像滤波方法 # {: n7 | J3 s- |( ]) m% @3 U
3.气象可视化(1)Cartopy绘图教程
/ Q" ~! _% m! S+ b 气象数据可视化库-Cartopy官网例程大全（中文翻译版） $ h. _$ i( v; @3 y% D
Cartopy——绘制不同投影的地图 : w( z" w) \0 A" _% i& ?) u
Cartopy 调用天地图在线服务(原创) 8 d" ~- r$ M+ ^
Cartopy绘图中国地图最正确的使用方式
8 f2 }2 u5 C9 _* P3 V' Q% v/ } (2)Metpy绘图教程
9 W& L# D5 }* U Metpy气象数据可视化库官网例程大全——目录 # W- y+ x# g3 p( M/ ]" [
大气科学可视化示例——降水量
O& u) B! w6 c7 a9 } 大气科学可视化示例——AWS S3 NEXRAD 档案存取和绘图 % H, _$ r# x E( Y( Y h. {$ G
大气科学可视化示例——声明300hPa 5 H& K0 y s* n; W: X9 R
大气科学可视化示例——飓风追踪器 ! j6 o$ U7 U1 s! {8 _2 t! G+ p
大气科学可视化示例——观测数据截面 / [# ]/ ]5 _1 I" c! h: G$ a
大气科学可视化示例——在旧版DIFAX图表上高空观测
@ b; @" I; A* d7 ]+ W: s5 O 大气科学可视化示例——风切变矢量
9 t2 E8 W/ _! J6 |- s1 {+ ?( Z5 _& U7 f' y' ^& H7 w9 I3 L# B
/ ]5 g1 x$ d, O# h5 Y" G. I# ?9 w
5 M& k) l" x9 W4 A/ @% O- y, o, g7 b% L* ~' Y
/ Z4 n0 w4 h* M6 P | 
