Python语言在地球科学领域中的实践技术应用教程

原文链接：Python语言在地球科学领域中的实践技术应用教程https://mp.weixin.qq.com/s?__biz=MzUzNTczMDMxMg==&mid=2247601506&idx=6&sn=ee03d6abdbcbe0216a07340c1b49cb8d&chksm=fa820c85cdf585934051f111b1d95877ba54e71cbe74be87f9e0bd07b8d46d97bbc7de60c202&token=1175537617&lang=zh_CN#rd一：python重点工具
1.Numpy：科学计算
2.Scipy：科学计算
3.Sklearn：机器学习

4.Matplotlib：可视化

二:常见地球科学数据

1、站点数据：
GSOD
GHCN

2.格点观测数据
CRU

CN05.1

OISST、HadSST

3、再分析：
ERA5
GLDAS

4.遥感数据

GLEAM

Landsat

MODIS

TRMM

三：使用Xarray处理netCFD和Geotiff数据
Xarray

读取&写入 netCDF文件

Groupby & resample 对时间、空间信息进行操作

Rasterio & rioxarray

四：使用Pandas分析时间序列数据

案例一：时间序列填补

案例二：极端风速重现期分析

案例三：台风个数统计

五：使用python处理遥感数据1以Landsat数据为例

1、大数据的可视化
GB级数据可视化

2、植被指数计算

3、裁剪区域
使用mask掩膜文件裁剪

使用shapefile文件裁剪

六：使用python处理遥感数据2-以MODIS数据为例

1、预备工作：
Python读取HDF4-EOS数据
使用GDAL库预处理
转投影为wgs84+lonlat
拼接多景影像

2、案例一：土地利用分析（MOD12C1）
2000-2020年青藏高原土地利用分析
分析不同土地利用分类上气温和降水的变化

3、案例二：生态系统生产力分析（MOD17A2）
青藏高原草场上土地利用GPP变化
分析草场GPP与降水之间关系（ERA5再分析数据）

4、案例三：分析积雪覆盖时间（MOD10A2）
2000-2020年间青藏高原积雪时间统计
分析祁连山不同高程带积雪时间统计（DEM：GTOP30S）

5、案例四：积雪与生产力之间的关系（MOD10A2和MOD17A2）

分析新疆北疆积雪覆盖时间与春季GPP的变化

七：使用python处理站点数据以GSOD和气象共享网数据为例

1、数据的读取
读取美国NOAA的GSOD日值数据
读取气象共享网日值数据

2、数据清洗：
数据整理
异常值检测
阈值法
模型法
孤立森林

3、多时间尺度的统计：
年尺度统计
季尺度统计

4、站点插值：（随机森林树）

利用高程、经纬度插值气温数据

八：使用python处理遥感水文数据以TRMM遥感降水数据和GLEAN数据为例

1、案例一：空间降尺度使用NDVI、DEM和机器学习算法对TRMM降水数据降尺度

2、案例二：分析蒸散数据的年际变化
读取GLEAM数据，并分析蒸散发的年际变化
比较MODIS ET产品与GLEAM的差异

3、案例三：比较多套土壤湿度产品
比较GLDAS、GLEAM和CCI SM

4、案例四：分析降水~蒸散发-土壤湿度关系

分析降水~蒸散发-土壤湿度的年际变化

九:使用python处理气候变化数据1观测数据

1、案例一：百年气温趋势：CRU数据

2、案例二：百年海温趋势：HadSST

3、案例三：再分析数据处理

ERA5数据气温评估

十：使用python处理气候变化数据2以CMIP6数据为例

1、降尺度
Delta方法
百分位校正方法

2、案例一：计算极端气候指数

3、案例二：未来气候变化背景下中国地区GPP变化（CMIP6+MOD17+机器学习）

4、案例三：未来气候变化背景下中国地区土地利用变化

十一：使用python对WRF模式数据后处理

1、案例一：空间坐标重采样

2、案例二：风速垂直高度插值
获取风机70和100m高度的风速和风向

十二：使用python运行生态模型以CN05.1数据和Biome-BGC mUso生态模型为例

1、模型讲解

2、气象数据的准备

3、控制文件生成

4、模式的运行
Muliprocesing 并行运行

5、模式后处理
结果统计

结果可视化（NPP）