利用Python简单的模拟登陆气象家园BBS，提供一种比较容易理解的思路，用于自动签到和访问空间，获取积分。目的不在于鼓励大家不劳而获，而从论坛只拿好处不谈贡献。主要还是简单实践一下，利用已有的工具去做点好玩的事情，解决自己的小麻烦，人非圣贤，也不是机器，毕竟每天签到也还是偶尔会中断的。

只是简单的安装测试了一下SA/SB/SC格式雷达基数据，不知道什么原因，CD格式的数据读取还存在问题。内容基本参照气象家园上的相关帖子。具体的更多细节可以参照气象家园的帖子，后续我会给出链接。本人不是中尺度研究方向，也是抱着学习的态度来安装测试，也推荐大家业务和科研方面使用PyCINRAD。感谢PyCINRAD的开发者@eeeee@高空急流，花费大量的时间和精力来贡献这款开源库。

本文同步发布于公众号『气象学家』传送门。方便下载ERA5的单层（single level）数据以及多层（pressure）数据，使用ECMWF的Python cds API去下载还是很方便和快捷的。目前，ERA5的数据能够提供1979年-Present了，而且是逐小时的数据，对于多层数据能够提供:

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15

'pressure_level':[
                      '1','2','3',
                      '5','7','10',
                      '20','30','50',
                      '70','100','125',
                      '150','175','200',
                      '225','250','300',
                      '350','400','450',
                      '500','550','600',
                      '650','700','750',
                      '775','800','825',
                      '850','875','900',
                      '925','950','975',
                      '1000'
                  ]

根据个人的实际需求，可以最多采用4线程来进行数据下载，实测日常下载速度还是比较可观的，在教育网基本都能稳定在4~5MB/S。考虑到数据量的大小，有两点建议：1.方便数据处理，可以定制需要的数据范围以及有限的时间段，导出为netcdf格式；2.并行多线线程下载；

『世界上只有一种真正的英雄主义，就是认清了生活的真相后还依然热爱它』——罗曼·罗兰

锣鼓

哀乐

依稀传来三两声哭泣

熟悉的街巷

斑驳的街影

传递着曾经儿时遥远的符号¹

由于日常接触的地图和地形文件比较多，而日常使用的NCL、Python、R就绘制地形图或者行政区域地图，就功能上还是没那么专一，而作为气象背景的人，天然地长期处于技术封闭、交流不畅的氛围之下。源于之前处理GeoTIFF的一点启发，觉得把地图绘制得科学性很强，同时又极具视觉感，是大有裨益的。而暂时手头没有Windows的电脑，无法使用arcGIS，那就自然想到了更多跨平台、开源的软件，GMT是不二之选！

人生苦短，我用Python，气象人需要利器！

对于气象常用的Python库有一个简要的整理，主要是方便自己一键式的在不同的平台上安装常用的库，过去，依赖于pip或conda install package_name 耗时耗力，且各个库的版本号可能会存在依赖关系的冲突，往往顾此失彼。后来深入使用conda，发现依赖于导出和导入开发环境yml文件能够解决这个问题。

Title：Improving Precipitation Estimation Using Convolutional Neural Network

标题：使用卷积神经网络改进降水估计

作者：Baoxiang Pan¹, Kuolin Hsu¹, Amir AghaKouchak^1,2, and Soroosh Sorooshian^1,2

¹Center for Hydrometeorology and Remote Sensing, University of California, Irvine, CA, USA

²Department of Earth System Science, University of California, Irvine, CA, USA

期刊：Water Resources Research, 2019

DOI： https://doi.org/10.1029/2018WR024090