ECMWF天气代码夏令营结束，开放所有源代码

ECMWF第四个天气代码夏令营(ESoWC)于2021年9月29日结束，并进行了为期一天的在线活动展示了9个开源项目的成果。

ESoWC始于2018年，当时ECMWF的工作人员萌生了与外部开发者团队合作的想法，以解决中心面临的各种软件相关挑战。ECMWF提出开发的想法，外部开发人员提出解决方案。随后，被选中的团队进入代码开发阶段，在ECMWF和哥白尼团队的密切指导下，研究他们的想法。

ESoWC 2021项目包括机器学习、web开发和可视化、数据压缩和开放数据探索的交叉领域。

地球系统科学中的高级机器学习

MaLePoM: Machine learning for pollution monitoring

此项目的目的是应用机器学习方法，并在人类活动相关数据（比如动态的交通数据等）的帮助下估计NOx排放。

ML4Land: Using Earth observation data, climate reanalysis and machine learning to detect Earth’s heating patterns

此项目的目的是基于区域尺度的ERA5气候再分析变量，利用机器学习模型预测陆面温度。

AQ bias correction

此项目的目的是利用机器学习订正空气质量预测方面模式和观测间的偏差。

CliMetLab: Machine learning on weather and climate data

CLimetLab是一个开源Python包，目的是为了简化为机器学习项目准备气象和气候数据的流程。此项目的目的是实现一些重要特征，以帮助增强此工具的功能。

Wed开发以改善气象数据可视化

ECMWF user dashboard

此项目开发了一个交互式的用户仪表盘，允许ECMWF用户可以选择和加载不同的服务，比如ECMWF web表格，自定义仪表盘等。

BlenderNC enhancements

此项目强化了 BlenderNC 软件对 GRIB 文件的支持，从而进一步改善了BlenderNC在气象社区中气象数据可视化。

Meeresvogel

此项目进一步拓展了Google Earth的一些功能，以更好的呈现气象信息，比如风/海平面气压。这些便捷的特征对于水手而言非常有用。

大气成分数据

Elefridge.jl: Compressing atmospheric data into its real information content

此项目是 ESoWC 2020 的一部分，Milan Kloewer继续他的工作，探索压缩大气数据的潜力，同时保留真实信息，以减少存储并促进数据共享。它提供的证据表明，气候和天气预报数据档案的大小可以减少一到两个数量级，而不会失去有价值的信息。

ADC Toolbox: Comparing atmospheric composition datasets

Alba Vilanova Cortezon 开发了一个基于 Python 的工具箱，用于比较基于卫星和模式的大气成分数据，例如来自CAMS和来自极轨MetOp-ABC卫星上GOME-2和IASI仪器的数据。

最后

在过去4年里，ESoWC已经实现了30个创新项目。欧洲中期天气预报中心和哥白尼将在每年的夏季带来创新。第五届ESoWC的筹备工作已经开始。每年2月回开启应用程序阶段，Github上会发布一份新的ESoWC挑战列表。开发团队必须在4月之前提交他们的建议，2022年5月1日，新一轮尖端开源开发开始。

感兴趣的可以去GitHub页面查看相应的项目，并获取对应的源代码。

GitHub链接：https://github.com/esowc/challenges_2021