【案例教程】地球科学数据（ERA5、雪深、积雪覆盖、海温、植被指数、土地利用）处理实践

【查看原文】地 球 科 学 常 见 数 据 的 处 理 实 践 技 术 应 用

在地球科学中，不同数据根据具体学科的特色存储为多种数据格式。在科研工作中需要将多种数据进行综合使用分析，因此需要寻找学习通用的数据格式解决方法，把研究的精力聚焦到具体科学问题上。
针对上述问题，本内容选取大气科学、水文学和生态学常见的数据进行讲解。

讲解的主要格式：
l 全球大气再分析数据netCDF
l 雪深ASCII
l 积雪覆盖ASCII/TIFF
l 海温数据netCDF
l 植被指数数据NDVI
l 土地利用数据HDF

需要的处理工具：
Anaconda 5.0+（python 3.6）、xarray==0.13、netcdf4==1.5.3、rasterio、pandas、pyhdf、fiona、shapely、gdal

内容简述：

【其它相关推荐】：

• 系统学习空气质量预报模式系统（wrf-cmaq）
• SMOKE模型排放清单处理技术及在多模式下实践应用方法与VOCs排放量核算
• 区域气象-大气化学在线耦合模式（WRF/Chem）
• 高精度气象模拟软件WRF(Weather Research Forecasting)技术及案例应用
• Python人工智能在气象中的应用
• WRF模式、WRF-SOLAR、WRF-UCM、人工智能气象、FLEXPART、CMIP6数据处理、LEAP模型