|
7 N1 ?! c* M' ]# ]$ { 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！ , O2 K1 G- e, N
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： 6 a4 H$ b( x& G/ F! O& \& ]/ 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 4 Y9 ~9 L3 Q3 `/ t: I
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 p$ l- n- j/ N6 n( y5 A
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
+ l: f' { Y+ c/ `9 @1 } 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：
4 n# z$ M" G. I8 o% y, y+ v+ Y 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 Q; ^ q/ a3 k$ V& v9 b6 _
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！
! f/ d/ l- j+ a" i; L8 Q) D) t( \0 I 1.气象数据科学语言教程(1)Python 基础
2 G, q4 M; S2 {" w/ } 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 K1 Y4 J/ ^) W
科赛 x 机器之心从零上手Python关键代码
# T/ v3 k* d6 O0 l Python基础 Python100例
! b' G0 D! @* `0 F: j2 x Python入门教程 & v+ Y E6 W6 ~3 o
(2)Numpy教程
$ }8 z9 @2 Q4 Y! c' s% Z U 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 @$ C( J4 J' |: e- C6 c& M K
教程： / t, B$ C# D1 J0 ]$ i% c( w' P
Numpy快速上手指南——基础篇 - |% J5 Z. i' I/ R3 x# T( n
Numpy快速上手指南——进阶篇
$ ?/ P+ T. U, N3 } Numpy入门教程
- f3 E1 K# S) |* I$ \) r Numpy实战全集
+ E9 ^$ y1 t3 e+ I( D" b 练习题： 4 Y( F2 ]$ s+ I2 B' P
这100道练习，带你玩转Numpy : h) P# ]1 u' V3 n
(3)Pandas教程 # {1 Z6 \, W3 y% C6 m, W& o
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）。 + L1 E: h0 J3 |) d7 ~8 n( M9 z
教程： ! Y) A3 U; E7 Z# y
Pandas入门教程（1） & D! k8 l) b2 P% W
Pandas入门教程（2） , y, D F! p9 H5 z
Pandas入门教程（3） . J5 J6 s. Q0 i/ B
【Pandas教程】像写SQL一样用Pandas " v5 L9 E- ~5 c
高效分析：如何用pandas快速处理数据 $ C& R9 [8 B1 w5 k
Pandas基础命令速查表 3 S, _" \5 x8 _$ M& q) a
练习题：
% h1 ?1 _2 m F Pandas120题
: q0 t z. G j2 Y% n( J1 S" v 50道练习带你玩转Pandas
/ h3 H0 o- b+ P1 l 这十套练习，教你如何使用Pandas做数据分析
: S$ d1 J X W( T4 Y" ]4 d (4)Xarray实例
! [+ o" ~7 B8 R. d. _ 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- Q" r* F6 c* ]) {4 [ L' F
xarray实例大全-目录气象行业数据分析案例
, z! l% Y! s$ z7 U0 [2 x6 s+ _ xarray实例大全(一)-气象数据示例 ) G& d a+ e% V) O: q& m
xarray实例大全(二)-月平均时间序列计算季节性平均值
6 y9 G! [: p; r9 d; S- E xarray实例大全(三)-比较加权与非加权平均温度
: H/ K) O1 R& y/ g* q7 K# I xarray实例大全(四)-多维坐标的使用 0 ?" [% A0 B0 t0 t8 @7 }
xarray实例大全(五)-可视化库
6 t O/ l7 H9 f) l xarray实例大全(六)-ROMS海洋模型示例 8 V4 P: B& {$ l/ K& N& x
xarray实例大全(七)-GRIB数据示例
' U; ?0 m: W) s2 F$ ? xarray实例大全(八)-使用applyufunc
8 W9 C3 \+ y) V4 F3 H xarray高阶利用dask并行读取数据 ) R$ B+ I- Y8 j; v
2.气象数据读取/数据处理/数据分析/数值计算 / s" ]. }& ^; q8 m4 W% ]0 B# y2 G9 F* a
Workshop第一期：初探气象数据Part1
z) v7 T- ~+ g6 s Workshop第一期：初探气象数据Part2
% F3 D4 K# W* y! x Python读取气象数据nc格式文件的入门级操作
' A; U+ b# W5 a Python处理HDF格式数据示例
8 H; h t/ n# n( y 利用Python的requests和json包获取台风数据
6 N6 d) K% ~" _+ B/ \( B+ F% y 基于Python的Grads文件解析 / _2 G- G0 L @9 L0 B% H# ?: {% M
CALIPSO卫星数据处理 ( A9 _% s% P- }9 ~! _- d
摸鱼的气象& ython $ L7 `* u) D) D; H9 O5 K
Python之以温度为例的气象数据缺测处理方法
9 o. p5 S9 L5 w2 Z1 Y$ x" W2 D- g Python之一个简单的风数据处理和分析案例
" o& P, ]5 l! n0 |# C/ [: S# A$ N 常用气象数据下载——ERA5再分析(grib格式)
x. J1 J' O* V1 f" Q9 c7 M 常用气象数据下载——我国台风历史轨迹数据 # [: z& j( o# S ~6 B
常用气象数据下载——耦合模式比较计划(CMIP6)
, y9 C! m' ~- C9 F% J% |6 Q 常用气象数据下载——TEMIS遥感数据 g, ^, j- h/ K8 n! L1 |
常用气象数据下载——实时空气质量数据
8 q* g% c1 E1 N& [ [! n& W 常用气象数据下载——Hamawari8 8 ]4 F% B/ g" G
常用气象数据下载——NCEP再分析资料
/ Q& [7 q. d! I9 K/ I* b2 { 常用气象数据下载——探空资料
4 |% z- I2 a# s, |% p 气象之批量下载气象数据(EC;NCEP;CMIP)（python）
$ f' V W( B# @$ @ 气候变化趋势分析常用方法 ) [1 `4 x3 x" F8 z n$ s+ s
气象分析之气候变量场时空结构的分离-EOF
" |0 ]1 R" n, N! A 气象数据处理——重采样（Regridding） % z. I- h7 v: w! k
气象数据处理——湿位涡剖面分析 ' o7 _8 o: J3 g: }! u
气象数据分析——集合经验模态分解（EEMD） : ]0 w1 l* N; s
气象数据分析——相关系数与时间相关系数
- o* ^5 L. y* w# U 气象数据分析——旋转经验正交函数(REOF)
$ D7 s, V4 f/ v9 X. v# j; W 气象数据分析——经验正交分解（EOF）
& Q! j+ S& z# c/ Q* _5 q. ` 气象数据分析——我国逐年降水的经验正交分解
% r$ d5 u3 k/ h4 B. s4 o8 U 气象数据处理加速器——cdo
: n7 M; {0 n. y8 ^ 气象数据统计方法
3 z" l9 q% _' w$ v0 w' E! x 供水管网压力预测（异常识别与缺失补全）
. V; X: o# ?5 `$ Y& a" j 特征重要性评估——Lasso回归系数 ) \+ |/ M" q0 P0 j
2020华为杯E题——数据探索性分析 3 a8 |. I$ p/ h6 d
WRF模式模拟数据后处理（计算篇）
5 Y( ^: I- ` z/ ?. o 结构方程模型（SEM）构建 % v4 [6 z- N% H; X
多元多项式回归拟合能见度 - A ~- A* R. Q* {, P# N/ x3 M; c4 U
两个变量场的相关分析——SVD分解
: f4 X$ [& c5 }1 m+ E 小波分析——海温数据的时频域分解
9 I4 `$ a% t: ^9 s 基于DEM数据计算坡向、坡度和流向
8 ~3 p% l o1 y; u; | 基于随机森林对特征重要性排序 Z7 U$ q1 P1 E8 j; J
基于DBSCAN算法的人类活动GPS数据挖掘 4 P6 ^3 G0 M& C' x
基于ERA5数据分析中国区域气温与降水数据的时空分布 $ O0 }7 d" Q3 I) ?3 F. u
最常见的10种图像滤波方法
& O3 [; _/ l$ [0 y) |) [6 K 3.气象可视化(1)Cartopy绘图教程 % a4 U1 G1 c# a& g( o
气象数据可视化库-Cartopy官网例程大全（中文翻译版）
6 Q) N! U7 K9 ^ Cartopy——绘制不同投影的地图
8 r% D' b0 h/ w& [! O Cartopy 调用天地图在线服务(原创) + T5 [5 H# U1 L' c5 X4 r& g. O
Cartopy绘图中国地图最正确的使用方式
$ n, \ A- M5 U. h' p (2)Metpy绘图教程
4 Z& h, f/ y% A' `- s Metpy气象数据可视化库官网例程大全——目录
3 \+ G; j% E. Y3 b1 ^7 y" M% H% F" J8 G 大气科学可视化示例——降水量
* @7 M9 v. o6 N1 z 大气科学可视化示例——AWS S3 NEXRAD 档案存取和绘图
6 O& q& e7 f) d* E 大气科学可视化示例——声明300hPa
6 O j9 Z( F4 H9 T+ l 大气科学可视化示例——飓风追踪器
. X% W! S- b& @2 P- W! _' \, A* J 大气科学可视化示例——观测数据截面 4 y! }4 s6 j2 s7 b, m, s. c
大气科学可视化示例——在旧版DIFAX图表上高空观测 % j u- b& l$ `* g: w3 y' B
大气科学可视化示例——风切变矢量 8 R4 a& e$ Z! i* \. e, X& i3 M
: K; R$ X1 H7 {, S! R- ~0 w3 G7 N$ y/ K' W3 H9 L
/ I& l e) Q- R, B
% e* V: z+ o# y9 y! u+ H7 a0 {
) h/ M2 ?' Z7 G) O3 U | 
