Python语言在地球科学交叉领域中的技术应用

Python是功能强大、免费、开源,实现面向对象的编程语言,Python能够运行在Linux、Windows、Macintosh、AIX操作系统上及不同平台(x86和arm),Python简洁的语法和对动态输入的支持,再加上解释性语言的本质,使得它在大多数平台上的许多领域都是一个理想的脚本语言,特别适用于快速的应用程序开发。Python具有丰富和强大的库,能够把用其他语言制作的各种模块(尤其是C/C++)很轻松地联结在一起。除了Python标准库,几乎所有行业领域都有相应的Python软件库,随着NumPy、SciPy、Matplotlib和Pandas等众多Python应用程序库的开发,Python在科学和工程领域地位日益重要,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的优异性能使得Python在地球科学中地理、气象、气候变化、水文、生态、传感器等领域的学术研究和工程项目中得到广泛应用并高效解决各种数据分析问题,可以预见未来Python将成为科学和工程领域的主流程序设计语言。

CMIP6月数据(500G+)

包含变量:温压湿风辐射降水

包含情景:historical、ssp126、ssp245、ssp370、ssp585

CMIP6日数据(1.8T+)

包含变量:温压湿风辐射降水

包含情景:historical、ssp126、ssp245、ssp370、ssp585

全球VIPPHEN物候数据(40G+)

时间:1981-2014,年数据

空间分辨率:5.6km

ERA5-LAND陆面再分析数据(5T左右)

时间:1951.1.1-2021.12.31  时间分辨率:hourly

空间分辨率:0.1°(等角lonlat投影+wgs84)

包含11个变量:温度、气压、辐射、蒸发、降水、湿度【详情见数据说明文件】

1、提供虚拟机(Virtual Box)文件(预装好Anaconda环境,可直接使用)

2、提供原始数据和中间临时文件

专题一、Python重点工具  

Numpy:科学计算

Scipy:科学计算

Sklearn:机器学习

Matplotlib:可视化

Cartopy:地理数据可视化

图片

GeoPandas:地理数据分析

图片

专题二、常见地球科学数据 

1、站点数据:

GSOD

GHCN

图片

ISMN:国际土壤湿度测量网络数据

图片

FLUXNET:全球通量观测网络数据

图片

2、格点观测数据

CRU

图片

CN05.1

OISST、HadSST

3、再分析:

ERA5

GLDAS

图片

4、遥感数据:

GLEAM

图片

Landsat

图片

MODIS

图片

TRMM

图片

SMAP:土壤湿度主动被动遥感数据

专题三、使用Xarray处理netCDF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

专题四、使用Pysat进行大空间分析

1. 空间自相关分析

分析干旱事件发生的空间聚集性

2. 空间回归模型

建模气温与地形因素的空间关系

GWR模型评估地形对降水分布的局部影响 

3. 空间点模式分析

探测极端天气事件的热点区域

4. 时空数据分析

评估城市热岛效应的时空演化

专题五、使用Dask进行大数据并行计算

使用Dask进行大数据并行计算

Arrays、DataFrames

无结构数据的并行处理

延迟计算

案例一:

并行处理长时间序列的TRMM降水数据,识别极端降水事件的时空分布特征

案例二:

利用Dask并行计算,快速监测全球范围内干旱的发生、发展和持续时间

专题六、使用Pandas分析时间序列数据-1

案例一:时间序列填补

 

图片

案例二:极端风速重现期分析

图片

案例三:台风个数统计

图片

专题七、使用Pandas分析时间序列数据-2

1、环流指数与温度、降水变化的关联性

各环流指数对全球及区域温度变化的影响

环流指数与极端高温/低温事件的联系

环流指数与干旱/洪水事件的关联

环流指数对季风系统的影响

2、空间插值

使用Kriging进行站点数据插值 

使用IDW插值生成高分辨率气温场

图片

3、缺测数据插补

针对地面站点数据中的缺失值进行插补

利用机器学习算法插补遥感数据中的缺测像元

结合空间插值和时间插值等多种方法提高数据质量

专题八、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

图片

3、裁剪区域

使用mask掩膜文件裁剪

使用shapefile文件裁剪

专题九、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

图片

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)

图片

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)

图片

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

专题十、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

专题十一、使用Python处理遥感水文数据以TRMM遥感降水数据和GLEAM数据等 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

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

案例三:使用随机森林算法估算地表蒸散发

GLEAM和ERA5数据建立机器学习估算模型

在区域尺度上进行长时间序列模拟

图片

3、案例三:比较多套土壤湿度产品

比较GLDAS、GLEAM和CCI SM

图片

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

专题十二、使用Python处理遥感和模式数据

以PKU GIMMS NDVI遥感降水数据和GLDAS数据为例

案例一:结合GIMMS NDVI和陆面模式数据分析干旱影响

获取陆面模式模拟的土壤湿度数据

建立植被生产力与干旱的响应关系

评估不同地区的干旱敏感性

案例二:青藏高原地区干旱对高寒草地生态系统的影响

基于NDVI识别青藏高原历史干旱年份

结合GLDAS模拟的土壤温湿度等数据,分析干旱对植被的影响机制

专题十三、使用Python处理气候变化数据1观测数据

案例一:百年气温趋势:CRU数据

图片

案例二:百年海温趋势:HadSST

图片

案例三:再分析数据处理

ERA5数据气温评估

专题十四、使用Python进行气候诊断分析

在GHCN站点数据基础上

使用Mann-Kendall趋势检验

使用Mann-Kendall突变分析

和Sen's slope估计气候变化趋势

使用小波分析等分析周期

专题十五、使用Python处理气候变化数据2以CMIP6数据为例

降尺度

Delta方法

百分位校正方法

图片

案例一:计算极端气候指数

图片

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)

案例三:未来气候变化背景下中国地区土地利用变化

图片

专题十六、使用Python对WRF模式数据后处理

案例一:空间坐标重采样

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

图片

专题十七、使用Python运行生态模型以CN05.1数据和Biome-BGC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)

原文链接icon-default.png?t=N7T8https://mp.weixin.qq.com/s?__biz=MzUyNzczMTI4Mg==&mid=2247686676&idx=3&sn=758db448cf19e1ec623538dae7453c39&chksm=fa774529cd00cc3ffcdf8e1fe1618b1e8ddaed47705e5b71a44c76161412fe86e95bb7341fe7&token=1908211715&lang=zh_CN&scene=21&poc_token=HNJ_Xmaj_1-_vLjJCeOHQIX_5RXWDfytqv6CBztN

本文来自互联网用户投稿,该文观点仅代表作者本人,不代表本站立场。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如若转载,请注明出处:http://www.mzph.cn/diannao/22251.shtml

如若内容造成侵权/违法违规/事实不符,请联系多彩编程网进行投诉反馈email:809451989@qq.com,一经查实,立即删除!

相关文章

以30大龄转行AI真的难吗?绝对不是的!

前言 在这个快速变化的时代,"30岁门槛"似乎成了许多人心中的一道坎,尤其是在考虑职业转型时。当提到转向人工智能(AI)这样技术驱动的领域,一些人可能会担忧年龄成为阻碍。然而,事实证明&#xf…

汽车区域控制器技术分析

汽车区域控制器的起源与发展 随着汽车技术的不断发展,汽车电子电气架构也在经历着深刻的变革。汽车区域控制器作为一种新兴的技术,正逐渐成为汽车电子电气架构的重要组成部分。 在早期,汽车电子电气架构主要采用分布式架构。这种架构下,各个电子控制单元(ECU)分别负责不…

python垃圾自动清理机制

Python的垃圾自动清理机制是一个关键特性,它帮助开发人员更有效地管理内存,减少内存泄漏的风险。以下是Python垃圾自动清理机制的主要组成部分和原理,按照清晰的分点表示和归纳: 引用计数机制 原理:Python通过跟踪对…

新增节点增加权限

1、Linux用户权限 Linux 系统中采用三位十进制数表示权限,如0755, 0644。 ABCD A-0, 表示十进制 B-用户 C-组用户 D-其他用户 权限配置数字含义—0(no excute , no write ,no read)–x1excut…

深度学习Week15——利用TensorFlow实现猫狗识别2

文章目录 深度学习Week15——利用TensorFlow实现猫狗识别2—数据增强 一、前言 二、我的环境 三、前期工作 1、配置环境 2、导入数据 四、数据预处理 1、加载数据 2、可视化数据 3、检查数据 4、配置数据集 五、构建VGG-16模型 1、设置动态学习率 2、早停与保存最佳模型参数 五…

ERP实施过程中的注意问题

1.需求分析,确定现实目标 国内企业发展越来越快,管理模式逐渐跟不上市场的发展,所以急需用ERP系统来提高管理,这种情况往往存在需求风险。企业在准备应用ERP系统之前,需要理性地进行需求分析:企业当前最迫切需要解决的问题是什么?ERP系统是否能够解决?在财力上企业能不能支持…

C++ 编程作业 编写整数集合类IntSet,完成主函数中使用该类所要求的功能

23.编写整数集合类IntSet&#xff0c;完成主函数中使用该类所要求的功能。 #include <iostream> using namespace std; /**********Program**********/ struct IntSet { IntSet() { size 1; len 0; } int pdata[100]; int size; …

华为OD机试 - 图像物体的边界 - 深度优先搜索(Java 2024 D卷 200分)

华为OD机试 2024C卷题库疯狂收录中&#xff0c;刷题点这里 专栏导读 本专栏收录于《华为OD机试&#xff08;JAVA&#xff09;真题&#xff08;D卷C卷A卷B卷&#xff09;》。 刷的越多&#xff0c;抽中的概率越大&#xff0c;每一题都有详细的答题思路、详细的代码注释、样例测…

栈的最小值

题目链接 栈的最小值 题目描述 注意点 执行push、pop和min操作的时间复杂度必须为O(1) 解答思路 使用两个栈&#xff0c;一个栈deque存储栈中对应的元素值&#xff0c;另一个栈minDeque存储当前栈中所有元素的最小值&#xff0c;当执行push(int x)操作&#xff0c;deque直…

2041:【例5.9】新矩阵

#include <iostream> using namespace std; int main(){const int N 21;//几行几列 int g[N][N] {};int n 0;cin >> n;for (int i 1; i < n; i){for (int j 1; j < n; j){// 输入到几行几列 cin >> g[i][j];if (i j || i j n 1){//如果是这种…

【计算机毕设】基于SpringBoot的民宿在线预定平台设计与实现 - 源码免费(私信领取)

免费领取源码 &#xff5c; 项目完整可运行 &#xff5c; v&#xff1a;chengn7890 诚招源码校园代理&#xff01; 1. 研究目的 本研究旨在设计并实现一个基于SpringBoot的民宿在线预定平台。通过信息化手段提高民宿预定效率&#xff0c;方便用户查询房源、预定房间、在线支付和…

嵌入式Linux系统编程 — 1.2 文件管理与错误处理

目录 1 Linux 系统如何管理文件 1.1 什么是静态文件 1.2 扇区&#xff08;Sector&#xff09;和块&#xff08;Block&#xff09;概念&#xff1f; 1.3 inode 1.4 进程控制块&#xff08;PCB&#xff09; 2 返回错误处理与 errno 2.1 errno变量介绍 2.3 perror函数介绍…

pg 数据库,获取时间字段值的具体小时,赋值给其他字段

目录 1 问题2 实现 1 问题 pg 数据库&#xff0c;有一个表&#xff0c;其中有2个字段 一个是时间字段obstime &#xff0c;一个是时次ltime字段&#xff0c;int 类型&#xff0c;现在这个表里面是obstime 里面有数据&#xff0c;ltime字段 没有数据&#xff0c;现在就是批量获…

SwiftUI 利用 Swizz 黑魔法为系统创建的默认对象插入新协议方法(三)

功能需求 在 SwiftUI 的开发中,我们往往需要借助底层 UIKit 的“上帝之手”来进一步实现额外的定制功能。比如,在可拖放(Dragable)SwiftUI 的实现中,会缺失拖放取消的回调方法让我们这些秃头码农们“欲哭无泪” 如上图所示,我们在拖放取消时将界面中的一切改变都恢复如初…

EmotionPrompt 论文精读

EmotionPrompt: Leveraging Psychology for Large Language Models Enhancement via Emotional Stimulus 论文精读 核心观点&#xff1a; 提出 emotionprompt 作为一种利用情绪刺激来增强大语言模型性能的方式。该方法通过在原始提示中添加情绪刺激&#xff0c;例如“这对我的…

[每日一练]患某种疾病的患者,正则表达式的匹配

该题目来源于力扣&#xff1a; 1527. 患某种疾病的患者 - 力扣&#xff08;LeetCode&#xff09; 题目要求&#xff1a; 患者信息表&#xff1a; Patients ----------------------- | Column Name | Type | ----------------------- | patient_id | int | | pati…

ZED-Mini提示“no GPU detected“错误解决

用ZEDm提示no GPU detected roslaunch zed_wapper zedm.launch的时候会提示no GPU detected 应该是nvidia GPU的问题&#xff0c;于是nvidia-smi检查是否正确安装&#xff0c;结果报错 Failed to initialize NVML: Driver/library version mismatch查了一些博客 解决Failed …

年中企业业绩管理新篇章:用友BIP收入云助力高效管理!

随着市场竞争的加剧&#xff0c;年中时刻对于企业而言&#xff0c;不仅是评估上半年业绩的节点&#xff0c;更是调整策略、确保全年目标达成的关键时期。高效的业绩管理不仅需要明确的目标设定和计划制定&#xff0c;更需要借助先进的信息技术工具来提升管理效率和决策质量。在…

Java项目:98 springboot在线教育系统

作者主页&#xff1a;舒克日记 简介&#xff1a;Java领域优质创作者、Java项目、学习资料、技术互助 文中获取源码 项目介绍 本系统共有管理员、用户等角色 本在线教育系统管理员功能有个人中心&#xff0c;用户管理&#xff0c;讲师管理&#xff0c;普通管理员管理&#xff…

Qt开发技术:Q3D图表开发笔记(四):Q3DSurface三维曲面图颜色样式详解、Demo以及代码详解

若该文为原创文章&#xff0c;转载请注明原文出处 本文章博客地址&#xff1a;https://hpzwl.blog.csdn.net/article/details/139424086 各位读者&#xff0c;知识无穷而人力有穷&#xff0c;要么改需求&#xff0c;要么找专业人士&#xff0c;要么自己研究 红胖子网络科技博…