|
6 C. |) ^* [5 T# s
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！ & \8 v, a6 N$ T& ]# U+ ]2 u5 p9 m: S
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： # |( \8 Y' H) L3 _; k+ \6 v' G* @& A# T
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
' A5 U& u1 {4 V! `: h% w 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： : B$ W# l$ `; c0 z- F
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 / q% V, Q' L; k. r6 p
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/ [$ O& y) L Z1 @
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 1 J- h& J" y) S$ H$ }
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！
+ `) E/ m* _2 c2 _% R/ O9 h4 b' J 1.气象数据科学语言教程(1)Python 基础
6 Q. ?% G2 U: U% [ 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。
/ u# j% r) F7 g# E 科赛 x 机器之心从零上手Python关键代码
. {2 j0 V9 _* u1 _$ C Python基础 Python100例 $ [) a3 W! u5 m H( s
Python入门教程 ) S" G+ u m6 a) z4 S
(2)Numpy教程
2 b! K+ v8 r; S" v 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。
7 l; w2 b( b( f: ^( f7 W$ F 教程：
+ ?" p! J* M8 ]" I Numpy快速上手指南——基础篇 3 \& K% }( Y# P5 r4 J: A$ G, d
Numpy快速上手指南——进阶篇
9 k& G: z4 u: L1 f ^ Numpy入门教程 . \) R+ E* l+ D) M0 c
Numpy实战全集 % ^6 |9 q8 n& P9 c8 a0 b
练习题：
/ |7 ~) Q5 F' O" D+ ] 这100道练习，带你玩转Numpy
, v6 a5 V( B; m (3)Pandas教程 0 d0 k( T7 }( T$ k2 o( 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）。 5 j: F9 N9 Z9 Q- d% c! r8 }
教程：
; y; Q6 _' C1 C5 f Pandas入门教程（1）
4 R8 b0 `0 l& H# q Pandas入门教程（2）
' |. [3 K, ^# s* r. } Pandas入门教程（3）
% p; n; n& U$ A% p4 U( v 【Pandas教程】像写SQL一样用Pandas
N2 G6 p8 e( m- {2 ?" y 高效分析：如何用pandas快速处理数据
+ z* c7 ]. v5 N! T4 T$ J8 s5 k Pandas基础命令速查表
1 N4 y" R; |" U- l 练习题： - r; Z1 {+ c- u
Pandas120题
+ ]7 y2 i1 v; @9 y 50道练习带你玩转Pandas
! n+ ~1 R. Z; t" K/ R3 l 这十套练习，教你如何使用Pandas做数据分析 * A' o# N; q# T6 E; C
(4)Xarray实例 : s" r% f/ v/ H" D0 y2 y
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。
/ {; q# B: @$ q* X1 H- n xarray实例大全-目录气象行业数据分析案例 ' c5 H" I% D3 A4 |9 c4 z
xarray实例大全(一)-气象数据示例 : j' L# ^, K3 w7 F
xarray实例大全(二)-月平均时间序列计算季节性平均值
o5 W: j3 a' f1 P% j9 z xarray实例大全(三)-比较加权与非加权平均温度
- M- f4 K( t7 s. G' J xarray实例大全(四)-多维坐标的使用
4 V4 Y, { Z# g" Y/ M xarray实例大全(五)-可视化库 ' C+ o5 X6 y7 A6 [+ H6 _& ^9 \& p y
xarray实例大全(六)-ROMS海洋模型示例 2 N: j+ f, { j. U8 {3 X/ E/ @
xarray实例大全(七)-GRIB数据示例 7 Z9 E% N' F7 f/ ~8 L, S2 j) E
xarray实例大全(八)-使用applyufunc
- N% `. _/ i/ a6 L8 A% e xarray高阶利用dask并行读取数据
1 D4 c0 X- l5 ] 2.气象数据读取/数据处理/数据分析/数值计算 - T; o! W/ o* Q* p
Workshop第一期：初探气象数据Part1
1 ^+ {1 y* T& A9 v9 N0 u Workshop第一期：初探气象数据Part2 9 Q( F* u9 \5 U! H0 C7 E
Python读取气象数据nc格式文件的入门级操作 " }/ V" z9 T) T8 S( e% W4 W I
Python处理HDF格式数据示例 : g' f+ H: _( w: `$ t: Z
利用Python的requests和json包获取台风数据 . E' ?& {( p- q/ t- I9 D# t
基于Python的Grads文件解析 : i1 r. C" O4 A5 @, q( i& ^
CALIPSO卫星数据处理
4 F& x K! c i% n+ M/ y 摸鱼的气象& ython 5 @% U. r/ q: p) n8 E
Python之以温度为例的气象数据缺测处理方法 3 z/ V( ~5 ] n
Python之一个简单的风数据处理和分析案例 # X# [' h+ U) ~8 [/ e$ R9 T
常用气象数据下载——ERA5再分析(grib格式)
6 ]5 R9 U' S# Z* T$ D- V- x 常用气象数据下载——我国台风历史轨迹数据
9 U# B. d) \$ i" ]: C8 B2 u 常用气象数据下载——耦合模式比较计划(CMIP6)
& F; C: u& Z4 T: r* h6 Z 常用气象数据下载——TEMIS遥感数据 . K$ K% m' o6 Y2 l
常用气象数据下载——实时空气质量数据
% e& M* H7 K/ s* j Z! G$ j; S# O' z 常用气象数据下载——Hamawari8
5 V9 e8 A3 n+ o; y3 q e& X 常用气象数据下载——NCEP再分析资料 / ? Z' K0 ? Z9 H( X5 l% e9 L
常用气象数据下载——探空资料
! R, N+ @0 [3 T& `7 j/ R w2 z; Z" \ 气象之批量下载气象数据(EC;NCEP;CMIP)（python）
/ |' u! K* w% z8 C 气候变化趋势分析常用方法
+ }- J- C8 a% |# ^" Y. k8 J 气象分析之气候变量场时空结构的分离-EOF 4 p* F, ?$ |* R( H! D
气象数据处理——重采样（Regridding） ) }4 V( T# H. t W/ o" [, C5 v
气象数据处理——湿位涡剖面分析 7 W' E& z. V- {+ Y q
气象数据分析——集合经验模态分解（EEMD）
) O" k% K$ T, u0 T 气象数据分析——相关系数与时间相关系数 ( }$ B+ ]9 S( i. D9 C5 }, w: N
气象数据分析——旋转经验正交函数(REOF) ! w, C" F q" Q7 k6 [- X8 h
气象数据分析——经验正交分解（EOF） , j; A0 Y& f% V7 Y" |3 l' g+ [
气象数据分析——我国逐年降水的经验正交分解 0 s$ Y- O6 }* `8 ` m
气象数据处理加速器——cdo 5 j3 N9 J. C+ [# y
气象数据统计方法 - n* @: H2 J7 X; c4 C* M4 m0 Y
供水管网压力预测（异常识别与缺失补全） 4 C- {, p t% [- }3 K Y- A5 m6 r8 \
特征重要性评估——Lasso回归系数
2 r% C9 T5 R( W2 W% O0 b 2020华为杯E题——数据探索性分析
. ^- }8 x# @! Q' T WRF模式模拟数据后处理（计算篇） 7 V8 e- v% ~) W; r5 b$ N0 d: y
结构方程模型（SEM）构建
5 F5 C/ s- Z# j8 G2 E- g 多元多项式回归拟合能见度
. E" v8 W* z! _; h' e! W 两个变量场的相关分析——SVD分解
2 \7 B0 r' |6 e 小波分析——海温数据的时频域分解
. [& @% I" \9 b6 i/ w8 \7 t 基于DEM数据计算坡向、坡度和流向
4 h8 W; E4 i) R+ Z 基于随机森林对特征重要性排序
8 E+ I9 n! _8 Z" @. `- ?- o 基于DBSCAN算法的人类活动GPS数据挖掘
# z2 T9 P8 u) G! b& f+ L 基于ERA5数据分析中国区域气温与降水数据的时空分布
$ g2 _; O1 K4 t2 T* }+ g 最常见的10种图像滤波方法 * C' \0 @4 D( f6 K! r( q6 u
3.气象可视化(1)Cartopy绘图教程 & {( n# P$ W! z7 F$ ]1 i0 G* _
气象数据可视化库-Cartopy官网例程大全（中文翻译版）
' ]* d+ n9 R4 |; ? Cartopy——绘制不同投影的地图 6 I* F/ ~8 O# |; _& s% D7 a
Cartopy 调用天地图在线服务(原创)
' B A1 M$ i) Y Cartopy绘图中国地图最正确的使用方式 ; B; ?7 |. L3 V1 t) S6 k7 F7 n
(2)Metpy绘图教程
' F, i+ \( \2 S Metpy气象数据可视化库官网例程大全——目录
! O0 X# F% V1 c0 F$ y% n2 t7 Q 大气科学可视化示例——降水量
) v6 }3 B, N+ u' E 大气科学可视化示例——AWS S3 NEXRAD 档案存取和绘图
~: U" `; \) O% @. G$ n 大气科学可视化示例——声明300hPa
1 b0 A) h% d/ D: q( ^ P 大气科学可视化示例——飓风追踪器 ; R9 y5 `$ Y( H& l9 g! {
大气科学可视化示例——观测数据截面 6 ^! S3 L# o5 Y% o$ |
大气科学可视化示例——在旧版DIFAX图表上高空观测
' _% o1 ?+ j! \# m8 `) {+ K4 G+ [8 H6 F 大气科学可视化示例——风切变矢量
{8 m$ P+ I- w7 J% z
1 m) B# Z" Y9 m: o0 R# Q- X2 N- x/ D/ w0 w2 N R( H
2 \' B( U3 e# |8 C5 t1 U t$ ]/ v, K8 b9 u$ }
! V5 s$ x1 j t7 O2 p7 I5 h7 u | 
