|
Z6 t G; P6 c7 E; e. N2 X9 V 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！
/ f, q6 M) G: h% D7 a 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： 5 q: i6 A, \3 r1 X! @
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 3 k- [: h6 w2 O- ~7 c
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：
2 ^9 w3 a% C6 M$ t& 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
& a) a/ b9 J) _3 | 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 ~/ l* k" H4 T- g/ s
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
6 _% t c# n' E& S. d! D 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！
$ G u* w q7 W/ C; C0 X 1.气象数据科学语言教程(1)Python 基础 * d/ P4 Y( o. D6 l1 z4 Z7 L" @
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。
( o8 \- M6 y! v- s6 c8 q/ ^ 科赛 x 机器之心从零上手Python关键代码
: f! F2 k5 r4 n. L; s8 P. ?: } Python基础 Python100例 / Z) N8 Y) C0 h+ m ~+ z
Python入门教程 * C U2 }- d* F9 D
(2)Numpy教程
$ _$ v6 ~3 h, o9 {9 f! b' ~ 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。
, `$ Z* o- M- L( p( E O) C, B 教程：
0 t# P4 i4 U$ ?; y& O r$ Q" E2 K- ~ Numpy快速上手指南——基础篇 5 G: T6 q$ h8 x9 ?
Numpy快速上手指南——进阶篇
; U$ P. S9 g3 Y' Y B* R9 ~1 L5 S Numpy入门教程 ' `5 t% Q$ z7 z) G; k3 F3 y' \% v
Numpy实战全集 0 B2 z2 U3 N+ @0 F' @+ O
练习题： 0 {/ D u- T( _- W% |) U
这100道练习，带你玩转Numpy
9 o& x% y. z b (3)Pandas教程 : B' `6 l9 N W' Z
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）。
# i* i J8 Q- e/ z; z2 H' @ 教程： ! D( L8 ?# G4 o) B2 v3 ^
Pandas入门教程（1）
, K5 f! y# e A% l5 F. R0 X Pandas入门教程（2） # y" |0 i% {1 Q4 p+ N9 W- @- c$ d4 o/ k
Pandas入门教程（3）
6 d8 L2 J) z( E2 `0 Q/ w 【Pandas教程】像写SQL一样用Pandas
+ e6 `$ v' Z7 i7 v1 F) z; z 高效分析：如何用pandas快速处理数据
7 H' h: |6 Y1 L* {5 {+ b Pandas基础命令速查表 5 k5 R1 ?7 o+ W, e( w
练习题：
8 [ V! `+ S+ v- ~ Pandas120题
9 X* M& s% w# [: R5 X6 H2 _ 50道练习带你玩转Pandas
2 ^, ]6 Q& F8 t 这十套练习，教你如何使用Pandas做数据分析
+ Y2 ~. h& f7 u1 b7 C (4)Xarray实例
4 H: n5 ` A5 d0 N3 ~' 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。 5 z$ B- ?/ ?+ t; a" q' L* n7 E
xarray实例大全-目录气象行业数据分析案例 9 T- G0 a* H3 g" I/ V
xarray实例大全(一)-气象数据示例
1 ] ^$ `* q- D9 |' [/ ` xarray实例大全(二)-月平均时间序列计算季节性平均值 # J$ L9 q1 s B; T# f
xarray实例大全(三)-比较加权与非加权平均温度 C4 W6 x& }. V$ V
xarray实例大全(四)-多维坐标的使用
8 ^) l r% b/ { ~( T4 V2 f2 v1 H' o xarray实例大全(五)-可视化库
5 p# C3 M. V- Y. P xarray实例大全(六)-ROMS海洋模型示例
3 d+ f$ E' F5 t6 { xarray实例大全(七)-GRIB数据示例
8 H0 r( `6 K" C xarray实例大全(八)-使用applyufunc ; b: Y6 s" J* q/ y& @1 Z. \, Y
xarray高阶利用dask并行读取数据
4 }! g4 T2 r2 K9 _$ R5 g- W 2.气象数据读取/数据处理/数据分析/数值计算
; H% z- Y* M0 x8 z Workshop第一期：初探气象数据Part1
/ n P t* `* s }1 r& e Workshop第一期：初探气象数据Part2
: i; c3 [% t0 Z# z! ]2 o' { Python读取气象数据nc格式文件的入门级操作 5 g @5 _- Y. L h1 @
Python处理HDF格式数据示例 8 v/ M/ O5 h6 _9 u. B) a
利用Python的requests和json包获取台风数据
" c2 }! A8 h: K/ ]8 k3 m9 p( X 基于Python的Grads文件解析 6 x4 y. _6 \) ~. [/ f f
CALIPSO卫星数据处理
. _9 u8 ~- ~* j$ k 摸鱼的气象& ython
" p3 f6 t3 Z% B Python之以温度为例的气象数据缺测处理方法
, E3 W, @: M0 O& O Python之一个简单的风数据处理和分析案例 , I8 L& x& [) g3 f3 E
常用气象数据下载——ERA5再分析(grib格式)
) F0 d' D# t" }7 S3 n 常用气象数据下载——我国台风历史轨迹数据
4 ~! W: O9 p; G' g; n9 a5 z 常用气象数据下载——耦合模式比较计划(CMIP6) 9 L7 t: i8 h' `. X" v
常用气象数据下载——TEMIS遥感数据 ) u" {. ]- i9 A# N
常用气象数据下载——实时空气质量数据
; U& f( x R& B* e5 W$ S, I 常用气象数据下载——Hamawari8
) \3 |- q& F2 n/ g9 D8 L 常用气象数据下载——NCEP再分析资料
: H o% n: F. \. b# d& M. {' y 常用气象数据下载——探空资料
: C1 W% `3 ~; F- V2 n' ] 气象之批量下载气象数据(EC;NCEP;CMIP)（python） 3 k2 T! D; ?7 D
气候变化趋势分析常用方法
4 c+ @$ f; Q, A7 n9 C) v 气象分析之气候变量场时空结构的分离-EOF 4 K; | q0 `; h6 ` B7 v5 R
气象数据处理——重采样（Regridding） 7 Y p2 P3 z w: R7 f, I/ c# a
气象数据处理——湿位涡剖面分析
& n* Y- A3 e( s% D 气象数据分析——集合经验模态分解（EEMD）
( T4 V$ }1 r4 Y' r% `, A! e9 l2 O 气象数据分析——相关系数与时间相关系数
7 j; c5 i6 h/ c0 A- s 气象数据分析——旋转经验正交函数(REOF)
+ R: v2 y& i8 V6 P4 u4 b7 Z 气象数据分析——经验正交分解（EOF） ' d! S+ P6 `2 r: g U
气象数据分析——我国逐年降水的经验正交分解 5 G" Y/ Z/ K" O. |& N$ Y
气象数据处理加速器——cdo 1 ~3 z [% D9 h6 ?' A& [) G
气象数据统计方法
3 E* d2 Q1 R* ?% U0 I3 h) ] 供水管网压力预测（异常识别与缺失补全）
, h: o# w y5 E 特征重要性评估——Lasso回归系数 ! k5 L& g0 @* `( k5 V0 p# M- U3 C
2020华为杯E题——数据探索性分析 3 z" f! B/ c+ p% @
WRF模式模拟数据后处理（计算篇）
) \6 o) L5 Q$ v* O% i; c& C+ ] 结构方程模型（SEM）构建 * ?) w( H/ n3 h* u, ^. b
多元多项式回归拟合能见度 4 a2 Z" x* `/ d( R$ f; r
两个变量场的相关分析——SVD分解
( E& g3 c) k9 d& T" S 小波分析——海温数据的时频域分解 3 ?& x" a9 e( W) T6 i ]6 N2 |0 I
基于DEM数据计算坡向、坡度和流向 & ]4 k+ f- d2 @: ^: h* y- |
基于随机森林对特征重要性排序
3 t$ c" X% G$ q 基于DBSCAN算法的人类活动GPS数据挖掘
1 T4 [! q& s( _8 } 基于ERA5数据分析中国区域气温与降水数据的时空分布
2 w. Z7 z0 a; Y r" v" r 最常见的10种图像滤波方法
; `8 X3 Z9 X" f 3.气象可视化(1)Cartopy绘图教程 2 k0 ~$ I7 r8 W0 b+ W9 c3 y
气象数据可视化库-Cartopy官网例程大全（中文翻译版） , `& t7 T: r* s* P
Cartopy——绘制不同投影的地图 $ Q* B/ l6 n" U
Cartopy 调用天地图在线服务(原创)
' c+ X, D6 ]' F4 ? Cartopy绘图中国地图最正确的使用方式
4 u. ]6 n9 p( P J% u; r1 ] (2)Metpy绘图教程
: N% p7 l- u8 R" O! O& A" c2 c Metpy气象数据可视化库官网例程大全——目录 ( t+ M$ e5 S' b, z' L; z
大气科学可视化示例——降水量 # D1 n L4 K3 S3 q3 s" v) @( r, X! t
大气科学可视化示例——AWS S3 NEXRAD 档案存取和绘图 2 `6 {6 C5 c) f a+ w. e
大气科学可视化示例——声明300hPa * G" w1 R9 }* f% G% X; d2 a
大气科学可视化示例——飓风追踪器 - E: H6 [3 ]6 n% s1 S
大气科学可视化示例——观测数据截面
* {1 Z# D8 u0 A5 S* _ 大气科学可视化示例——在旧版DIFAX图表上高空观测
- Y2 ~) O) o- E, ~ `# k 大气科学可视化示例——风切变矢量 . Q. }. w6 }. e. ?1 s) `
7 ]8 i+ B# f \# |1 [
2 b" M; s" X9 h! f4 F" ]; `& q4 f, ~0 b; d; t5 Q: L3 `
. {/ {/ f0 G6 H$ H6 D: W3 G+ m. k$ T( m# f# {
| 
