|
) N& |: G4 t) _' T E5 M# A! @
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！
) q+ J; V; x; E' Q, T1 D! ~6 w/ w5 B 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 [- W) f j& X) w1 Q& a 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
# N- ?$ q# M2 `% j$ e2 A 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：
$ ~9 @% z* n3 B9 i2 ~- }+ x# q 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
) a+ }# |% h0 @2 z& D& { 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： . V( g; Z8 h0 n) ]8 ]) 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 {; ]4 W8 Z8 \3 v
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！
" y B V. _, \3 o V8 M 1.气象数据科学语言教程(1)Python 基础 . P0 \, B# B/ r w) e. f
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。 7 M/ M$ `; a3 d- a6 R4 @2 D
科赛 x 机器之心从零上手Python关键代码 6 `2 w& B: f" z8 W* Y) m
Python基础 Python100例
& t2 R4 }8 b5 u2 J: W Python入门教程
/ U2 v! B# t( U: S ~9 Y7 r (2)Numpy教程
5 F* k! b g; D# P" ?+ 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。
4 c- {$ B4 S3 a9 V0 _# v 教程： ) z, V0 d- v+ _
Numpy快速上手指南——基础篇
3 g' v4 n" A# ~# c Numpy快速上手指南——进阶篇
7 h) A( z/ X* G2 P- s% _$ P, o Numpy入门教程 . t; k- k+ w5 ^7 r2 G4 q0 ` i1 D
Numpy实战全集
+ o. W9 i) B9 G/ y7 i 练习题：
) T8 j# k. q# @" d 这100道练习，带你玩转Numpy
; ?- `- w+ S) I$ _ (3)Pandas教程 |$ f0 M2 [( e' l' ~; [+ V& _
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）。 1 I- Q9 J) K i; F, [
教程：
( Z1 O- t) V x3 u I Pandas入门教程（1）
* W' e! R; ~: M( ^7 y; N- W; L Pandas入门教程（2）
5 u0 p7 ^+ p" w* u/ ]# o6 J Pandas入门教程（3）
4 a+ v' K4 q/ R5 c 【Pandas教程】像写SQL一样用Pandas
/ [- }, P+ L4 _% _ 高效分析：如何用pandas快速处理数据 , m8 z. G; w9 Y* z% w* U/ `" ~
Pandas基础命令速查表
. ?5 d. m7 }7 h; g 练习题：
, Y7 ?9 V0 c/ ]* Y0 `9 K Pandas120题
% x o6 p, b+ o r% `: ?5 e- [ 50道练习带你玩转Pandas
4 S9 b9 K! ]0 n7 X' e8 ^ 这十套练习，教你如何使用Pandas做数据分析
* U+ C5 U- s. V: L (4)Xarray实例 " U$ r1 I6 e7 R m+ x1 g+ O
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 M4 e0 J8 P; ~( S( K
xarray实例大全-目录气象行业数据分析案例
7 z! }% f" Q& g5 O6 r6 V/ [. w! D xarray实例大全(一)-气象数据示例 / v- S3 o* J _8 ^" k' e( d; ?% m
xarray实例大全(二)-月平均时间序列计算季节性平均值
0 Q8 l* ?6 y" B3 ] xarray实例大全(三)-比较加权与非加权平均温度
8 K$ |4 t0 A) M$ J, c$ p. F xarray实例大全(四)-多维坐标的使用
( i6 }( J% k1 G M xarray实例大全(五)-可视化库 , C2 m5 T/ t @% Z ]
xarray实例大全(六)-ROMS海洋模型示例 3 @: a2 W2 V) `4 y: c2 H* h, n7 Q
xarray实例大全(七)-GRIB数据示例 4 W" t. H6 Z1 @
xarray实例大全(八)-使用applyufunc
; q( u/ U) a# _ xarray高阶利用dask并行读取数据
. I( q. e. I5 ^: C6 @8 h. Q5 p4 C" v 2.气象数据读取/数据处理/数据分析/数值计算
* X" y: W5 P5 b; r Workshop第一期：初探气象数据Part1 ! _2 t, c, T# }: |. y. {) ]
Workshop第一期：初探气象数据Part2
. A: @, n5 B4 G! ^' s Python读取气象数据nc格式文件的入门级操作
9 `( |# G/ b4 f- c! f3 \/ T5 d8 b6 A Python处理HDF格式数据示例 ; a7 Q5 m$ w* A4 L
利用Python的requests和json包获取台风数据 , j+ I0 f0 V+ H- ]
基于Python的Grads文件解析
5 {: S: ]/ E( R0 @; ^/ ]+ j- @ CALIPSO卫星数据处理 $ V( b7 C8 i- y
摸鱼的气象& ython 0 _% M; G: {0 x9 Y
Python之以温度为例的气象数据缺测处理方法 ) Y# ?& b0 Z4 t$ x% |6 g* C
Python之一个简单的风数据处理和分析案例 4 v+ _3 h4 g2 D7 X
常用气象数据下载——ERA5再分析(grib格式) " M- Z0 m) i& X% U6 I4 {/ ^( g5 X
常用气象数据下载——我国台风历史轨迹数据 7 E3 r6 A- S) K2 U1 B2 p5 I
常用气象数据下载——耦合模式比较计划(CMIP6) ( z3 H! g6 B% |; K
常用气象数据下载——TEMIS遥感数据 ! J! ]! g* l4 N3 A8 `2 x2 w
常用气象数据下载——实时空气质量数据
0 E* ~* m2 m8 Y6 x5 E- c- S3 ]$ ?4 f 常用气象数据下载——Hamawari8 1 q7 J8 [5 Z# k9 d& T1 G
常用气象数据下载——NCEP再分析资料
V1 J6 r/ K% N6 A; G7 r H( A, u 常用气象数据下载——探空资料
2 Y2 ?) ^! s L 气象之批量下载气象数据(EC;NCEP;CMIP)（python）
2 V1 \: b) @, F3 _ p8 h 气候变化趋势分析常用方法
' _6 V9 ^1 ^& C/ F3 G. I7 J 气象分析之气候变量场时空结构的分离-EOF
0 p! O' N t: N8 v- _& v h 气象数据处理——重采样（Regridding）
$ ?7 x6 F1 x. r# d 气象数据处理——湿位涡剖面分析 - q2 S7 E# k3 L D' |
气象数据分析——集合经验模态分解（EEMD） 3 Z3 u! p" l9 z& \3 m# x* ^4 P
气象数据分析——相关系数与时间相关系数
$ t0 V8 R' k0 P4 `5 ^& Y 气象数据分析——旋转经验正交函数(REOF)
; {& t3 i5 U/ t# C' }: D) Y3 i' I! { 气象数据分析——经验正交分解（EOF） ( G0 _5 D& Z3 ]3 H8 M4 p
气象数据分析——我国逐年降水的经验正交分解 7 |7 C$ G9 R( w; V% s8 {
气象数据处理加速器——cdo
! _( L1 h" V, U, {8 | d 气象数据统计方法
5 @. q% L {$ l! v o 供水管网压力预测（异常识别与缺失补全）
$ r; w6 I/ {6 U1 y A1 G6 @/ c 特征重要性评估——Lasso回归系数
9 n# b$ i8 R' n' a% e. w- O 2020华为杯E题——数据探索性分析
. v4 [6 K% J' _6 {; K WRF模式模拟数据后处理（计算篇）
) h% q) M1 Z% O4 U4 }. m 结构方程模型（SEM）构建
$ ]& w0 w$ x: x$ c0 o6 G6 V 多元多项式回归拟合能见度
) M- ~; e* ]( e; H 两个变量场的相关分析——SVD分解 }" j. _9 S% [
小波分析——海温数据的时频域分解
) @' ^ t. k4 r# O6 M& ^ 基于DEM数据计算坡向、坡度和流向
+ m( ~: O5 B* R# ^1 [ 基于随机森林对特征重要性排序
' ?6 x# O" o: E0 Y# b3 ? 基于DBSCAN算法的人类活动GPS数据挖掘
/ D6 g" q, }/ L! v- ~ 基于ERA5数据分析中国区域气温与降水数据的时空分布 7 X" ~2 c2 g4 N' T9 s1 [
最常见的10种图像滤波方法
$ ~9 S$ y) k8 g6 \ 3.气象可视化(1)Cartopy绘图教程 8 z& `! w% J4 a# O* O5 h2 Y6 j
气象数据可视化库-Cartopy官网例程大全（中文翻译版） 9 J5 @6 i, Q9 a5 ~! ]- }( N
Cartopy——绘制不同投影的地图 7 H) I: [; X& G
Cartopy 调用天地图在线服务(原创)
7 k' K/ K% e; I8 y! l Cartopy绘图中国地图最正确的使用方式 " D, {, W; {. h) O: j) }+ c
(2)Metpy绘图教程
. M' A, g+ G; t6 E" W Metpy气象数据可视化库官网例程大全——目录 0 K9 w# O- ?+ `# t
大气科学可视化示例——降水量 * s5 Y* \. _$ G9 V8 a( A
大气科学可视化示例——AWS S3 NEXRAD 档案存取和绘图
; W+ ]' J& P, q' u4 ~ 大气科学可视化示例——声明300hPa : E; j3 @' z) b3 N' x0 t+ J
大气科学可视化示例——飓风追踪器 + y3 l# O; s A) }( C( t
大气科学可视化示例——观测数据截面 # t) {1 f& f1 ?
大气科学可视化示例——在旧版DIFAX图表上高空观测 % @, L5 f$ `( a' Y2 |( X& R
大气科学可视化示例——风切变矢量
( M& D- s4 S+ w$ O) j, o9 W4 {' a2 |, D
2 ^% n0 z+ }' ?$ `0 N& ^
* }' r5 R7 u2 m0 U+ G1 n {
7 i. H; ~3 `" s7 g( D. h: ~; P# ~# w& h/ V2 R% m8 n
| 
