汇集近期整理的资源，作为日常备份

本文在『气象学家』同步推送传送门；美国西部地区的水资源管理极大地依赖于长期的温度和降水预报以应对干旱和其他的洪涝相关极端灾害天气。为了提升长期预报的准确性，美国垦务局和美国国家海洋和大气管理局（NOAA）发起了次季节气候预测的竞赛，长达一年的实时预报竞赛，参与者各显神通，旨在有技巧地提前预报美国西部地区24周和46周的温度和降水。在此，我们给出和评估了我们的机器学习方法，并发布了 SubseasonalRodeo数据集，用于训练和评估我们的预报系统。

本文在『气象学家』同步推送传送门；上一期对Python绘制气象实用地图做了比较详细的介绍，尽管已经能够满足部分需求了，但是，在实际的应用需求中，可能还是别的需求，那么，今天就手把手教大家如何绘制几个省份的白化等值线contour地图。另外，对上一期进行补充，谈谈一些小技巧。最后，对于QGIS强烈安利一波，不光它是免费的，而且跨平台，也能够完美的支持Python3.7了，能够替代大部分日常使用的ArcGIS功能，用起来不算很笨重！

xxx

本文在『气象学家』同步推送传送门；天气和气候模式中，Posits数制(基于Julia语言)成为浮点型数制的一种替代方案

本文在『气象学家』同步推送传送门；机器学习方法越来越多地用于日益增长的地理空间数据流中提取相应的模型特征和深入特点，但是目前的方法在系统行为受制于时空背景时还不能得到最优的方案。在这里，主要目的并不是改进经典的机器学习算法，我们主张这些背景线索应该成为深度学习一部分（一种可以自动提取时空特征的方法）来更深地获取地球科学领域难题的过程理解，提升季节预报或者多时间尺度长距空间相关模拟的可预报能力，譬如，下一步将建立混合模型方法，将物理过程模式与数据驱动型机器学习的通用性耦合起来。

排版麻烦，建议去公众号阅读，本文在『气象学家』同步推送传送门；随着人工智能的发展，拥有了越来越丰富的应用场景，气象行业也不例外，在突破传统预报方法的情况下，神经网络与深度学习来预报气象要素也取得了不错的效果，下面就给出一些比较典型的开源案例，条件允许不妨按图索骥实践一下，代码、数据、文献都给各位客官老爷一一奉上，也欢迎大家在圈内转载和分享！

本文在『气象学家』同步推送传送门；今年夏季欧洲和中国不少地方都出现了破历史记录的高温天气。所以，不妨让我们回顾一下IPCC AR5，关心了解下全球变暖！(翻译仓促，若存在不当之处请见谅，欢迎指出！)

本文在『气象学家』同步推送传送门；读取和处理了两种FY-4A和MODIS卫星数据，进行相关产品的绘图，插值为不同分辨率经纬度格点数据并保存为nc格式文件。抛砖引玉，不做更深入的分析。

本文同步在MeteoAI和气象学家公众号推送。前面的推文对于常用的Python绘图工具都有了一些介绍，在这里就不赘述了。本文主要就以下几个方面：“中国区域绘图”、“包含南海”、“兰伯特投影带经纬度标签”、“基于salem的mask方法”、“进阶中国区域mask方法”、“进阶省份mask方法”。对日常的实用需求能够在一定程度上满足。

简单粗暴，Just show you my code!，细节暂不做过多分析，有问题可以探讨。数据、中文字体、地图shapefile文件、代码后文全部提供。使用建议，根据提示把缺失的库使用pip install xxx /conda install xxx /python setup.py install；安装完备，Python环境管理只推荐conda来统一管理。IDE推荐：PyCharm(有教育版)本地/服务器远程、Jupyter notebook。