气象类Python编程实战案例项目汇总

目录

1.气象数据科学语言教程

(1)Python 基础

(2)Numpy教程

(3)Pandas教程

(4)Xarray实例

(5)Dask教程

2.气象数据读取/数据处理/数据分析/数值计算

3.气象可视化

(1)Matplotlib绘图教程

(2)Cartopy绘图教程

(3)Metpy绘图教程

(4)Basemap库教程

(5)气象可视化案例

4.机器学习系列教程

(1)周志华《机器学习》西瓜书笔记

(2)吴恩达《机器学习》

5.气象应用场景优秀项目

---

1.气象数据科学语言教程

(1)Python 基础

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。

科赛 x 机器之心 | 从零上手Python关键代码

Python基础 | Python100例

Python入门教程

(2)Numpy教程

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。

Numpy快速上手指南——基础篇

Numpy快速上手指南——进阶篇

Numpy入门教程

Numpy实战全集

这100道练习，带你玩转Numpy

(3)Pandas教程

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）。

Pandas入门教程（1）

Pandas入门教程（2）

Pandas入门教程（3）

【Pandas教程 】像写SQL一样用Pandas

高效分析：如何用pandas快速处理数据

Pandas基础命令速查表

50道练习带你玩转Pandas

这十套练习，教你如何使用Pandas做数据分析

Pandas进阶修炼300题

(4)Xarray实例

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。

xarray实例大全(一)-气象数据示例

xarray实例大全(二)-月平均时间序列计算季节性平均值

xarray实例大全(三)-比较加权与非加权平均温度

xarray实例大全(四)-多维坐标的使用

xarray实例大全(五)-可视化库

xarray实例大全(六)-ROMS海洋模型示例

xarray实例大全(七)-GRIB数据示例

xarray实例大全(八)-使用apply_ufunc

xarray高阶|利用dask并行读取数据

(5)Dask教程

Dask官方教程_第0章_概述

Dask官方教程_第1章_dask.delayed

Dask官方教程_第1x章_惰性执行

Dask官方教程_第2章_bag

Dask官方教程_第3章_数组

Dask官方教程_第4章_数据帧

Dask官方教程_第5章_分布式

Dask官方教程_第6章_分布式，进阶

Dask官方教程_第7章_数据帧的存储

Dask官方教程_第8章_机器学习

Dask官方教程_作业

2.气象数据读取/数据处理/数据分析/数值计算

Workshop第一期：初探气象数据Part1

Workshop第一期：初探气象数据Part2

Python读取气象数据nc格式文件的入门级操作

Python处理HDF格式数据示例

利用Python的requests和json包获取台风数据

基于Python的Grads文件解析

CALIPSO卫星数据处理

气象数据文件读取

复杂算法实现（以波通量和平流计算为例）

利用Metpy计算气象诊断量

三类极端事件指数的实现

数据结构-合成分析-显著性检验

CDO, Python+CDO和python-cdo

相关分析和回归分析

数据插值

标准EOF,带有权重的EOF及North检验

趋势和滤波

气候序列突变检测(滑动t检验和M-K检验)

Python之以温度为例的气象数据缺测处理方法

Python之一个简单的风数据处理和分析案例

常用气象数据下载——ERA5再分析(grib格式)

常用气象数据下载——我国台风历史轨迹数据

常用气象数据下载——耦合模式比较计划(CMIP6)

常用气象数据下载——TEMIS遥感数据

常用气象数据下载——实时空气质量数据

常用气象数据下载——Hamawari8

常用气象数据下载——NCEP再分析资料

常用气象数据下载——探空资料

气象之批量下载气象数据(EC;NCEP;CMIP)（python）

气候变化趋势分析常用方法

气象分析之气候变量场时空结构的分离-EOF

气象数据处理——重采样（Regridding）

气象数据处理——湿位涡剖面分析

气象数据分析——集合经验模态分解（EEMD）

气象数据分析——相关系数与时间相关系数

气象数据分析——旋转经验正交函数(REOF)

气象数据分析——经验正交分解（EOF）

气象数据分析——我国逐年降水的经验正交分解

气象数据处理加速器——cdo

气象数据统计方法

供水管网压力预测（异常识别与缺失补全）

特征重要性评估——Lasso回归系数

2020华为杯E题——数据探索性分析

WRF模式模拟数据后处理（计算篇）

结构方程模型（SEM）构建

多元多项式回归拟合能见度

两个变量场的相关分析——SVD分解

小波分析——海温数据的时频域分解

基于DEM数据计算坡向、坡度和流向

基于随机森林对特征重要性排序

基于DBSCAN算法的人类活动GPS数据挖掘

基于ERA5数据分析中国区域气温与降水数据的时空分布

潮汐调和分析--代码示例：python版

【气象数据处理】利用eccodes解码GRIB数据

【气象数据处理】利用pygrib解码GRIB数据，以GFS为例

计算并绘制抬升凝结高度变化

landsat8遥感数据处理与简单算法实现

城市风场数据空间降尺度模拟分析

f90nml: 原来写namelist也可以这么轻松

天气雷达基本反射率图像下载

哨兵二号Sentinel-2 L2A产品预处理

海洋温盐场季节分布特征与混合层计算

基于OPeNDAP server的数据下载方法

常用气象数据下载——NCEP FNL再分析资料

3.气象可视化

(1)Matplotlib绘图教程

matplotlib入门教程（1）

matplotlib入门教程（2）

matplotlib入门教程（3）

Matplotlib科研制图小技巧

Matplotlib 最具价值的50个可视化项目

【专栏】Matplotlib绘图详解

matplotlib 的数据可视化

50题matplotlib从入门到精通

(2)Cartopy绘图教程

气象数据可视化库-Cartopy官网例程大全（中文翻译版）

Cartopy——绘制不同投影的地图

Cartopy 调用天地图在线服务(原创)

Cartopy绘图 | 中国地图最正确的使用方式

(3)Metpy绘图教程

Metpy气象数据可视化库官网例程大全——目录

大气科学可视化示例——降水量

大气科学可视化示例——AWS S3 NEXRAD 档案存取和绘图

大气科学可视化示例——声明 300hPa

大气科学可视化示例—— 飓风追踪器

大气科学可视化示例——观测数据截面

大气科学可视化示例——在旧版DIFAX图表上高空观测

大气科学可视化示例——风切变矢量

大气科学可视化示例——GFS部件

大气科学可视化示例——GOES 飞机图

大气科学可视化示例——Hovmoller图

大气科学可视化示例——平滑等高线图

大气科学可视化示例——高低压符号

大气科学可视化示例——MSLP,温度和风图

大气科学可视化示例—— PV 斜压/等压图

大气科学可视化示例——温差对流

大气科学可视化示例——非地转风

大气科学可视化示例——850hPa Q矢量图

大气科学可视化示例——锋生图

大气科学可视化示例——850hPa温度和平流图

大气科学可视化实例——850hPa温度和风图

大气科学可视化示例——700hPa相对湿度图

大气科学可视化示例——500hPa绝对涡流风图

大气科学可视化示例——500 hPa高度和风图

大气科学可视化示例——300hPa 低气压槽图

大气科学可视化示例——500 hPa涡度平流图

大气科学可视化示例——250hPa 半球图

大气科学可视化示例——xarray500hPa地图

大气科学可视化示例——Miller Composite

大气科学可视化示例——SkewT

(4)Basemap库教程

Basemap——绘制第一张地图

Basemap——绘制投影

Basemap——基本函数

Basemap——使用shapefiles

Basemap——Basemap对象

​Basemap——绘制图形

​Basemap——背景方法

​Basemap——Basemap常用函数

​Basemap——自定义色彩地图（colormaps）

​Basemap——运用子图实现多重地图

​Basemap——三维基础地图

​Basemap——Inset locators（镶嵌式定位器）

​Basemap——用shapefile剪裁光栅

​Basemap——读取WRF模型数据

​Basemap——从crontab运行脚本

(5)气象可视化案例

【空气指数】pyecharts动态绘制全国各地空气的变化

绘制WRF模式模拟所用的土地利用数据

WRF模式模拟数据后处理（绘图篇上）

WRF模式模拟数据后处理（绘图篇下）

Geopandas | 调用在线底图

Geopandas | 地图投影与距离计算

台风数据分析-高德地图/Geopandas

WRF可视化教程一——画布绘制

WRF可视化教程二——地理图绘制

WRF可视化教程三——填色与colorbar

WRF可视化教程四——等高线

WRF可视化教程五——矢量箭头

WRF可视化教程六——垂直剖面图

WRF可视化教程七——泰勒图

气象数据分析——泰勒图绘制（R语言）

气象数据可视化——cf-plot模块示例汇总

气象数据可视化——中尺度对流系统反射率截面

气象数据可视化——风向风速热力图

气象数据可视化——探空图

气象数据可视化——风玫瑰图

气象数据可视化——台风路径图

气象数据可视化——2020上海梅雨分布图

Matplotlib基础和Cartopy绘图基础（一）

几个关键地理绘图函数

常规绘图类型及数据准备

基础学术性折线图

最常见的10种图像滤波方法

地图可视化——TIF数据的显示

新一代DEM数据(NASADEM)批量下载与可视化

我国地形(DEM)数据可视化

气象雷达简介&可视化

热带气旋统计分析可视化系列

空间分析与可视化工具——CARTOframes

试试不同风格的地图绘制

绘制具有艺术风格的山脊地图

激光点云(Lidar)数据读取、分类与可视化

气象评估方法——泰勒图​​​​​​

高维气象数据的插值（2D、3D、4D）

​​​​​​基于暗通道的去雾算法

​​​​ERA5降水数据下载与​​​​​​绘图

气象数据分析——克里金(Kriging)插值与可视化

雷达基数据分析与可视化（一）

热带气旋轨迹数据的分析与可视化

基于数值模式资料和站点观测数据绘制相对湿度分布图

栅格数据的裁剪(掩膜)与分区统计

OSMnx | OpenStreetMap数据下载

如何用Python科学分析天气？长沙为例城市历年气象报告

归一化差分水体指数(NDWI)的计算与空间分析

Python绘制台风轨迹图

气象数据分析——Pearson相关系数与时间相关系数

气象数据可视化——海温异常指数时序的绘制

4.机器学习系列教程

(1)周志华《机器学习》西瓜书笔记

绪论

模型的评估与选择

知识点：误差、过拟合、评估、训练&测试集划分、调参、性能度量、比较检验、偏差与方差

线性模型

知识点：线性回归、线性几率回归、线性判别分析、多分类学习、类别不平衡问题

决策树

知识点：决策树的构造、剪枝处理、连续值与缺失值处理

神经网络

知识点：感知机与多层网络、BP神经网络算法、全局最小、深度学习

支持向量机

知识点：函数间隔与几何间隔、最大间隔与支持向量、对偶问题、核函数、软间隔支持向量机

贝叶斯分类器

知识点：贝叶斯决策论、极大似然法、朴素贝叶斯分类器

EM算法

知识点：EM算法思想、数学推导、算法流程

集成学习

知识点：Boosting、Bagging与Random Forest、结合策略、多样性

聚类

知识点：距离度量、性能度量、原型聚类、密度聚类、层次聚类

降维与度量学习

知识点：K近邻、MDS算法、主成分分析、核化线性降维、流形学习、度量学习

特征选择与稀疏学习

知识点：子集搜索与评价、过滤式选择、包裹式选择、嵌入式选择与正则化、稀疏表示与字典学习、压缩感知

计算学习理论

知识点：PAC学习、有限假设空间、VC维、稳定性

半监督学习

知识点：生成式方法、半监督SVM、基于分歧的方法、半监督聚类

概率图模型

知识点：隐马尔可夫模型、隐马尔可夫模型、条件随机场、学习与推断、LDA话题

强化学习

知识点：K摇摆赌博机、有模型学习、蒙特卡罗强化学习

(2)吴恩达《机器学习》

包含了吴恩达机器学习的python实现，题目内容可以查看数据集，代码来自网络（原作者黄广海的github），添加了部分对于题意的中文翻译，以及修改成与习题一致的结构，方便理解。

ex1：线性回归

ex2：逻辑回归、正则化

ex3：多类别逻辑回归、神经网络

ex4：反向传播神经网络

ex5：偏差和方差、训练集&验证集&测试集

ex6：支持向量机

ex7：K-means和PCA（主要成分分析）

ex8：异常检测和推荐系统（协同过滤）

90题细品吴恩达《机器学习》，感受被刷题支配的恐惧

5.气象应用场景优秀项目

Workshop第三期：气象+机器学习实战

Workshop第四期：利用机器学习对天气预报数据进行订正

基于机器学习方法的天气预报数据订正

基于多因子建模的气象预测问题

用LSTM模型，根据风速风湿度等26个特征预测11种天气

时间序列预测之LSTM天气预测

在用于降雨短临预报的深度学习模型中合并雷达雨图像和风预测：训练程序

基于Monodepth的单目景深估计

使用darts，分析河流流量预测问题

自然变率和人类活动对气候变化的影响模型

基于CNN的台风云图的heatmap可视化

【论文复现】夏季西太副高与南亚高压时空分布特征

2020超强梅雨特征与机制

探索全球海温异常的时空演变规律

我国FY-4A气象卫星产品的处理与分析

城市风场数据空间降尺度模拟分析

西北太平洋热带气旋时空分布特征分析

气象分析常用方法之气候突变检测

基于气象条件的能见度拟合模型