Python气象、海洋、水文：涵盖NumPy、Xarray、Cartopy、机器学习、深度学习、PINN、LSTM、UNET、EOF与WRF/ROMS后处理等
Python是功能强大、免费、开源，实现面向对象的编程语言，能够在不同操作系统和平台使用，简洁的语法和解释性语言使其成为理想的脚本语言。除了标准库，还有丰富的第三方库，Python在数据处理、科学计算、数学建模、数据挖掘和数据可视化方面具备优异的性能。上述优势使得Python在气象、海洋、地理、气候、水文和生态等地学领域的科研和工程项目中得到广泛应用。可以预见未来Python将成为气象、海洋和水文等地学领域的主流编程语言之一。
专题一 Python软件的安装及入门
1.Python背景及其在气象中的应用
2.Anaconda解释和安装以及Jupyter配置
3.Python基础语法
专题二 气象常用科学计算库
Numpy库、Pandas库、Xarray库
专题三 气象海洋常用可视化库
1.可视化库介绍Matplotlib、Cartopy等
2.基础绘图①折线图绘制②散点图绘制③填色/等值线④流场矢量图
专题四 爬虫和气象海洋数据
1.Request库的介绍
2.爬取中央气象台天气图
3.FNL资料爬取
4.ERA5下载
专题五 气象海洋常用插值方法
1.规则网格数据插值到站点
2.径向基函数RBF插值
3.反距离权重IDW插值
4.克里金Kriging插值
专题六 机器学习基础理论和实操
1.机器学习基础原理
①机器学习概论②集成学习（Bagging和Boosting）③常用模型原理（随机森林、Adaboost、GBDT、Xgboost、lightGBM）
2.机器学习库scikit-learn
①sklearn的简介②sklearn完成分类任务③sklearn完成回归任务
专题七 机器学习的应用实例
机器学习常用的两类集成学习算法，Bagging和Boosting
1.机器学习与深度学习在气象中的应用
AI在气象模式订正、短临预报、气候预测等场景的应用
2.GFS数值模式的风速预报订正
①随机森林挑选重要特征②K近邻和决策树模型订正风速③梯度提升决策树GBDT订正风速④模型评估与对比
3.台风预报数据智能订正
①CMA台风预报数据集介绍以及预处理②随机森林模型订正台风预报③XGBoost模型订正台风预报④台风“烟花”预报效果检验
4.机器学习预测风电场的风功率
①lightGBM模型预测风功率②调参利器—网格搜索GridSearch于K折验证
专题八 深度学习基础理论和实操
1.深度学习基本理论
深度学习基本理论知识讲解，深入了解机器学习的基础理论和工作原理，掌握如何构建和优化神经网络模型（如人工神经网络ANN，卷积神经网络CNN、循环神经网络RNN等），提高对现有深度学习算法和技术的理解和应用能力，更好地应对后续海洋气象相关领域的实际问题和应用。
2.Pytorch库
①sklearn介绍、常用功能和机器学习方法：经典机器学习库sklearn的常用功能，如鸢尾花、手写字体等公开数据集的获取、划分训练集和测试集、模型搭建和模型验证等
②pytorch介绍、搭建模型：目前流行的深度学习框架pytorch，了解张量tensor、自动求导、梯度提升等，以BP神经网络学习sin函数为例，掌握如何搭建单层和多层神经网络，以及如何使用GPU进行模型运算
专题九 深度学习的应用实例
学习使用ANN预测浅水方程的基础上，进一步掌握如何使用PINN方法，将动力方程加入模型中，缓解深度学习的物理解释性差的问题。此外，气象数据是典型的时空数据，学习经典的时序预测方法LSTM，以及空间卷积算法UNET。
1.深度学习预测浅水方程模式
①浅水模型介绍和数据获取②传统神经网络ANN学习浅水方程③物理约束网络PINN学习浅水方程
2.LSTM方法预测ENSO
④ENSO简介及数据介绍⑤LSTM方法原理介绍⑥LSTM方法预测气象序列数据
3.深度学习—卷积网络
①卷积神经网络介绍②Unet进行雷达回波的预测
专题十 EOF统计分析
1.EOF基础和eofs库的介绍
2.EOF分析海表面温度数据
①SST数据计算距平，去趋势②SST进行EOF分析，可视化
专题十一 WRF和ROMS模式后处理
1.WRF模式后处理
①wrf-python库介绍②提取站点数据③500hPa形式场绘制④垂直剖面图——雷达反射率为例
2.ROMS模式后处理
①xarray为例操作ROMS输出数据②垂直坐标转换，S坐标转深度坐标③垂直剖面绘制④水平填色图绘制
★ 点 击 下 方 关 注，获取海量教程和资源！
↓↓↓