首页
学习
活动
专区
工具
TVP
发布

气象学家

气象学家为您解读气象进展、分享气象编程技巧。欢迎加入气象AI和Python交流群!与2W+朋友一起交流互动!
专栏作者
282
文章
505522
阅读量
200
订阅数
GRL | 新方法可提前预测夏季降水应用于水资源管理
随着美国西南部干旱地区的水库水位下降,科学家们已经开发出一种方法,可以提前几个月估计该地区的夏季降雨量。这种次季节(sub-seasonal)预测可以帮助州和地方官员在季节早期做出关键的水库储存和水资源分配决策,并支持更有效的水资源管理。
气象学家
2022-06-13
3250
Altair适用于气象领域的Python数据可视化库,文末送书!
借助Altair,我们可以将更多的精力和时间放在理解数据本身及数据意义上,从复杂的数据可视化过程中解脱出来。
气象学家
2022-04-20
2.2K0
自然-通讯 | 研究发现季风前期印度地区黑碳和气候相互作用调控沙尘浓度并影响季风爆发
《自然-通讯》研究发现季风前期印度地区黑碳和气候相互作用调控沙尘浓度并影响季风爆发
气象学家
2022-04-18
4740
深度好文 | 探索 Scipy 与统计分析基础
云朵君推荐 本文部分内容仅展示部分核心代码,本文提供含完整代码的完整PDF版本下载,获取方式:关注公众号 「数据STUDIO」并回复【210512】获取。若你对代码不感兴趣,直接略过,不影响阅读。
气象学家
2022-01-18
3.8K0
经典回顾 | NCL上准确绘制中国国界、台湾岛屿、南海诸岛及省界等
NCL-Chinamap GitHub项目地址: https://github.com/huangynj/NCL-Chinamap 本地图数据作者保留著作权和最终解释权,本数据可用于教育,科研等非商业用途,若商业用途请提前与本数据作者联系,经允许后方可使用,如有违反,本数据作者保留权利! 为了表示对贡献者劳动成果的尊重,若使用该地图数据绘图发表论文等,可考虑添加致谢! 中文致谢:感谢中国科学院大气物理研究所黄永杰博士提供的包含正确中国国界 和行政区划的地图数据(https://github.com/huan
气象学家
2022-01-18
5.1K0
进展:基于Himawari-8卫星的云参数综合反演
云覆盖地球表面的三分之二以上,是地球-大气系统的重要组成部分。云参数反演的必要性体现在以下三个方面:①云是气候预测和模拟不确定性的重要来源;云对地球辐射收支的影响,取决于云顶高度(CTH)、云相态、云光学厚度(τ)和云顶粒子有效半径(Re)等物理参数。②在分析气溶胶-云-降水-气候相互作用,特别是城市化和人为气溶胶排放对海洋层积云、浅对流云和暖雨过程的影响时,CTH、τ和Re也是主要工具。③云相态、τ和Re是目前主要快速辐射传输模式(如CRTM、RTTOV)进行云内辐射传输模拟的基本参数;提供精确的云相态、τ和Re观测,是提高云区辐射资料同化的关键。
气象学家
2020-10-09
2K0
兰州兽研所布病事件的气溶胶扩散模拟
袁文燕1,王 鹏1,伯 鑫2*,郭 静3,杨朝旭4,薛晓达3,常象宇5,张金良6,田 军7,王 刚8,马 岩2 (1.北京化工大学数理学院,北京 100029;2.生态环境部环境工程评估中心,北京 100012;3.北京航空航天大学经济管理学院,北京 100191;4.吉林化工学院资源与环境工程学院,吉林吉林 132022;5.西安交通大学管理学院,陕西西安 710049;6.中国环境科学研究院,北京 100012;7.南京大学环境规划设计研究院股份公司,江苏南京 210093;8.三捷环境工程咨询(杭州)有限公司,浙江杭州 310012)
气象学家
2020-09-22
1.3K0
趋势前瞻 | 年轻的气象科学家们正转向深度学习来改进地球系统模式
去年在MeteoAI和气象学家公众号解读过《Nature(2019)-地球系统科学领域的深度学习及其理解》[1],累计阅读量超过1.5w。时隔一年多再回头看地球科学相关的研究动态,你会发现无论是就研究领域还是实际业务之中,深度学习被越来越多的人接纳,特别是年轻的研究生和科学家,在相应的交叉研究中也逐渐地不再把深度学习看成“黑盒子”了,一方面确实有些很好的实际使用效果,另一方面也能够结合数学或者物理机制给出部分解释。那么,下面再来了解一下美国能源部关于物理学家使用深度学习改进地球系统模式的科学新闻。(后文内容均为DeepL翻译,如有不当请多多包涵,可点击文末原文阅读看英文报道。)
气象学家
2020-09-04
7050
5G与GIS的未来展望(PPT+讲稿)下篇
本文是2020年ArcGIS开发者大会,6月17日上午主题大会第四场,虾神关于5G与GIS未来之路的演讲讲稿,放出的文字版。
气象学家
2020-07-16
1.3K0
Nature Geoscience | AI重建缺失的气候信息
气温观测资料是气候变化研究的基石,全球范围内最早的气温观测可以追溯到17世纪末的苏黎世、布拉格等城市,但是由于观测的站点非常少,因此很难用到区域和全球气候的研究中。HadCRUT4是目前常用的全球表面温度的数据集,该数据集是从1850年开始。由于HadCRUT4数据筛选条件较为严格,因此在19世纪末到20世纪初存在较多的缺测值,而这些缺测数据也给目前的气候变化研究带来了很多的不确定性。很多的研究人员利用插值或者主成分分析(principle component analysis, PCA)方法重建这些缺失的气候信息。近年来,人工智能(AI)应用于很多领域的研究中。在气候领域,AI常常用在极端事件识别、年代际气候预测等方面。本文作者利用最近几年AI领域发展迅猛的图像修复技术,重建了HadCRUT4中缺失的温度信息,为今后重建缺失的气候信息提供一种全新的解决方案。
气象学家
2020-06-17
7260
呕心沥血倾力巨制T-lnP图攻略——奥斯陆的气象生活
搞这个东西的初衷是因为我自己学的时候也被搞的很烦,而且概念乱七八糟,脑子里一团浆糊,一方面方便自己一方面也方便各位大气学子。本攻略以本题为例:
气象学家
2020-04-16
1.5K0
没有更多了
社区活动
RAG七天入门训练营
鹅厂大牛手把手带你上手实战
Python精品学习库
代码在线跑,知识轻松学
博客搬家 | 分享价值百万资源包
自行/邀约他人一键搬运博客,速成社区影响力并领取好礼
技术创作特训营·精选知识专栏
往期视频·千货材料·成员作品 最新动态
领券
问题归档专栏文章快讯文章归档关键词归档开发者手册归档开发者手册 Section 归档