|
8 P) ]% @. ]6 x: Y4 r/ i 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！
$ N& d/ p5 X* ? 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 O @- F4 D8 X2 E" n4 `
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
: P8 a6 @6 {% A* M 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：
- A3 l$ u4 w* r; W' v0 Z 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 : N' G& q3 x5 M( 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：
7 y8 }3 {5 W) `7 ?; z/ B9 x) } 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
% o% P4 {. X5 z) R3 | 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！
$ h$ J8 P$ C) q4 X 1.气象数据科学语言教程(1)Python 基础
% t/ W1 a) T3 l5 Q# [/ h. 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。 8 e% t x& C6 R. a; _
科赛 x 机器之心从零上手Python关键代码 0 C( B7 W% l7 v6 |2 ?2 S# K
Python基础 Python100例 - ~& o3 ]) I# ~7 A9 s6 s
Python入门教程 # b: F+ e |3 o6 G% d
(2)Numpy教程
# a1 u+ S/ [" _/ R6 B0 G 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。
' z5 H' _2 ?% L: ]5 N 教程：
$ u0 L% r4 K! Y5 P Numpy快速上手指南——基础篇
& H. i% B9 e% H! d2 j% J" h, J Numpy快速上手指南——进阶篇 2 i; g+ _- {6 p8 ?! G* B( d4 ^
Numpy入门教程 ) B7 w/ k" `( e2 `# B- V
Numpy实战全集 $ m% n: G/ g! W* g+ @: P
练习题：
& ?- n5 c% n& t, N+ F 这100道练习，带你玩转Numpy
/ r* \- P) A1 L (3)Pandas教程 $ R) o% K$ ]# `$ j& g/ w4 P& n) t
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）。 + f& k2 @4 o- W% }; i3 q% Z8 F
教程： : e: V5 D# R' ?/ ]0 D4 P- V( V+ A
Pandas入门教程（1） 6 u, Q. @6 X3 \8 F& X9 ~ t
Pandas入门教程（2） " K& q$ ^/ A2 P, ], ^% O3 j. ?0 ^
Pandas入门教程（3）
/ M# ~+ X8 y, @, o5 a 【Pandas教程】像写SQL一样用Pandas w i: S& G9 h6 ?' r! n" Z
高效分析：如何用pandas快速处理数据
& G8 B t& T* J' R5 t/ ] Pandas基础命令速查表
2 Q7 _! r: T" ] b( `7 o 练习题：
. a+ s8 ?2 C( {3 O* f, i Pandas120题
( {$ C/ C7 N3 h! | 50道练习带你玩转Pandas
' T3 A0 T3 s' s; u4 z+ U1 G 这十套练习，教你如何使用Pandas做数据分析
" |& f' b& v/ ^, l. z- E (4)Xarray实例 . H2 z2 E3 s# o1 `/ ^' E+ |
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。
8 d6 O a. e5 r! o2 U0 ]: K xarray实例大全-目录气象行业数据分析案例 ; g! g7 c2 s2 v5 V c( ?8 I
xarray实例大全(一)-气象数据示例 : s4 b# M0 c+ ^8 i6 h' W
xarray实例大全(二)-月平均时间序列计算季节性平均值
# k$ ]$ p: d$ l k1 V xarray实例大全(三)-比较加权与非加权平均温度 / Z6 G) R& b( E: B6 n
xarray实例大全(四)-多维坐标的使用
0 l. A( l' t+ q! G xarray实例大全(五)-可视化库
/ ?- s/ m2 z' P. A xarray实例大全(六)-ROMS海洋模型示例 6 Q8 v9 J6 W. }4 l: D1 m" ~
xarray实例大全(七)-GRIB数据示例 0 L5 e5 C5 `* @8 D# }9 y
xarray实例大全(八)-使用applyufunc 4 d- @5 D0 L/ F) B. M. ~
xarray高阶利用dask并行读取数据
0 X1 t- }# {( ]5 }' X; f 2.气象数据读取/数据处理/数据分析/数值计算
8 ?5 u; J$ g& D& @7 { Workshop第一期：初探气象数据Part1 ! k b2 K4 K7 D: l6 [# S
Workshop第一期：初探气象数据Part2
; j5 ?2 }2 W# `" W; r" s Python读取气象数据nc格式文件的入门级操作
6 }4 { J$ T3 L6 T) h Python处理HDF格式数据示例 : A/ P! C; I1 R: {9 E9 ~
利用Python的requests和json包获取台风数据
; x# }$ h! Q9 z$ q0 e* E* \! d. O& h 基于Python的Grads文件解析
9 s% K7 d% P0 \& P. x0 K CALIPSO卫星数据处理 0 B0 \2 R* l! P5 |; g( H* S9 [
摸鱼的气象& ython 5 @* f5 G' D7 ]
Python之以温度为例的气象数据缺测处理方法
: a, \( ~8 p: u Python之一个简单的风数据处理和分析案例 & b2 W9 Q# W' V, T1 m
常用气象数据下载——ERA5再分析(grib格式) ! ?$ _( j S% }6 R- O
常用气象数据下载——我国台风历史轨迹数据 1 F6 y P X f$ v2 J6 [) G
常用气象数据下载——耦合模式比较计划(CMIP6)
. I! ]# k' {3 [% ]; p 常用气象数据下载——TEMIS遥感数据
8 [' j2 q$ G9 K$ @( H 常用气象数据下载——实时空气质量数据 ) V! ]$ r9 d0 n7 s$ [
常用气象数据下载——Hamawari8
: n" |6 l+ Q/ `6 A' N 常用气象数据下载——NCEP再分析资料 $ c& A0 q; k% i8 |4 i
常用气象数据下载——探空资料 7 U# Y( }% w& I5 X! w7 f% c, f5 X
气象之批量下载气象数据(EC;NCEP;CMIP)（python）
e$ K% d' Z2 L4 |% ` 气候变化趋势分析常用方法
+ O. K9 _" z9 e% u 气象分析之气候变量场时空结构的分离-EOF 2 x4 f4 [9 P# L
气象数据处理——重采样（Regridding）
! p1 C d4 y" Y9 ~: A 气象数据处理——湿位涡剖面分析
1 a+ i* `7 y( L/ m. P3 z 气象数据分析——集合经验模态分解（EEMD） ; P9 Y, l* D; k7 o& c- h& _
气象数据分析——相关系数与时间相关系数 0 q0 e! Y9 N2 F- l
气象数据分析——旋转经验正交函数(REOF) ' l8 W0 c# W4 v5 W1 J/ r& f3 e
气象数据分析——经验正交分解（EOF） 6 U: H& \- A v# N r3 `
气象数据分析——我国逐年降水的经验正交分解 - C$ V0 h3 j7 V. ^! I
气象数据处理加速器——cdo
4 ~2 C0 e7 Y) v$ }# I& P& k/ ^+ J 气象数据统计方法 H1 y5 S' Q/ p5 U7 f
供水管网压力预测（异常识别与缺失补全）
6 x/ t& w8 `8 M! U `: m/ I 特征重要性评估——Lasso回归系数
x4 p# b: ]4 X2 y4 h t 2020华为杯E题——数据探索性分析 , m, D7 ?; n- e! K
WRF模式模拟数据后处理（计算篇）
Q) A7 e& ^7 o9 ~8 y) I5 i 结构方程模型（SEM）构建 4 C, P" E* S6 ]( l" y }3 V
多元多项式回归拟合能见度
9 _" {' I+ A2 l5 v+ P3 A 两个变量场的相关分析——SVD分解 + r# e6 b6 V( O+ C, x6 l( B I: f
小波分析——海温数据的时频域分解 5 L/ m0 S8 D1 B1 D5 P5 d; C
基于DEM数据计算坡向、坡度和流向
. r3 g- ]8 ]2 i& N# _ 基于随机森林对特征重要性排序 / e* S; q+ t Y, q, S. ~# W8 G
基于DBSCAN算法的人类活动GPS数据挖掘 9 a; Q. t' ]8 e* V) a, K7 W$ X
基于ERA5数据分析中国区域气温与降水数据的时空分布
& `' C6 s, }9 P( l+ e( f5 X 最常见的10种图像滤波方法 8 w, t3 S/ Z$ |
3.气象可视化(1)Cartopy绘图教程 0 q+ ?( [% U% E) ^$ Z+ ~
气象数据可视化库-Cartopy官网例程大全（中文翻译版）
, }) |1 @0 V- C6 |5 h% ]) y |0 D Cartopy——绘制不同投影的地图 2 o$ `- y: c9 U& K4 @
Cartopy 调用天地图在线服务(原创)
2 G2 n5 W ~! ?) L7 f2 j L( V+ s& R/ Y Cartopy绘图中国地图最正确的使用方式 1 S5 I5 j; _2 I3 i
(2)Metpy绘图教程 0 b$ W/ \' i2 `5 E
Metpy气象数据可视化库官网例程大全——目录 # K) ?3 }$ j" {: Z2 T" }
大气科学可视化示例——降水量
/ I( w2 ?1 P4 s 大气科学可视化示例——AWS S3 NEXRAD 档案存取和绘图
1 U: t( V% \0 }9 k 大气科学可视化示例——声明300hPa
7 C' R8 B+ o+ i E5 H 大气科学可视化示例——飓风追踪器
0 d1 ~: c, I& D7 J$ D* q& U 大气科学可视化示例——观测数据截面 H5 U) H# Y% Y3 |
大气科学可视化示例——在旧版DIFAX图表上高空观测 9 V( L& d* x, k. f& Q; e
大气科学可视化示例——风切变矢量
' x3 J! B/ X \$ L- r; G1 D/ K! s- f! Y. p+ o
. s) B! A: d; r% E5 u0 v* M* t
3 n. F7 \( {4 x: m
$ }# ~3 I% ?) ~) p; Q. V2 F7 u- d! w+ K( A. {+ ^3 r' b# w7 I$ h
| 
