当前位置:   article > 正文

ChatGPT赋能大气科学:GPT与Python结合应用遥感降水数据处理、ERA5大气再分析数据的统计分析、干旱监测及风能和太阳能资源评估等_遥感降水专题——基于gpt和python实现

遥感降水专题——基于gpt和python实现

目录

专题一 AI领域常见工具讲解

专题二 POE平台及ChatGPT使用方法

专题三 提示词工程

专题四 科研常见应用场景

专题五 Python简明教程

专题六 GPT科研绘图

专题七 GPT辅助下载数据

专题八 遥感降水数据

专题九 数据产品评估

专题十 ERA5全球大气再分析数据

专题十一 站点数据常规分析

专题十二 站点数据突变检验

专题十三 站点数据时间分析

专题十四 CMIP6未来气候情景数据

专题十五 风能资源评估

专题十六 太阳能资源评估

专题十七 气象数据的空间化场景

专题十八 气象数据插补场景

专题十九 WRF模式场景

专题二十 GPT写作

更多应用


深度探讨人工智能在大气科学中的应用,特别是如何结合最新AI模型与Python技术处理和分析气候数据。介绍包括GPT-4等先进AI工具,掌握这些工具的功能及应用范围。教程内容覆盖使用GPT处理数据、生成论文摘要、文献综述、技术方法分析等实战案例,使学员能够将AI技术广泛应用于科研工作。特别关注将GPT与Python结合应用于遥感降水数据处理、ERA5大气再分析数据的统计分析、干旱监测及风能和太阳能资源评估等大气科学关键场景。提升参与者在数据分析、趋势预测和资源评估等方面的能力,激发创新思维,并通过实践操作深化对AI在气象数据分析中应用的理解。

【目标】:
1.掌握AI工具应用:熟练掌握如GPT-4等前沿AI工具在大气科学中的应用,包括数据获取、处理和分析。
2.提高编程技能:通过GPT的实践操作,提升学员使用Python编程技术处理气象数据的能力,包括使用相关库(如xarray、pandas)进行数据分析和可视化。
3.增强数据分析能力:培养学员能够独立进行气候数据的趋势分析、干旱监测、风能与太阳能资源评估等复杂数据分析,使其能够识别和解释气候变化模式。

专题一 AI领域常见工具讲解

1.OpenAI模型-GPT-4
2.谷歌新模型-Gemini
3.Meta新模型-LLama
4.科大讯飞-星火认知
5.百度-文心一言
6.MoonshotAI-Kimi

专题二 POE平台及ChatGPT使用方法

1.POE使用方法
2.ChatGPT使用方法

专题三 提示词工程

1.提示词工程介绍
2.提示词工程讲解
3.提示词常见模板

专题四 科研常见应用场景

1.把GPT当作搜索引擎
2.把GPT当作翻译软件
3.把GPT当作润色工具
4.用GPT提取整理文章数据
5.用GPT数据处理

专题五 Python简明教程

1.Python基本语法
2.Numpy使用
3.Pandas使用
4.Xarray使用
5.Matplotlib使用

专题六 GPT科研绘图

1.通过GPT绘制常见统计图
2.通过GPT绘制风场图、风羽图、风矢图、流线图
3.通过GPT绘制双Y轴
4.通过GPT绘制区位图
5.通过GPT绘制填充图
6.通过GPT绘制添加子图
7.通过GPT绘制期刊常见图

专题七 GPT辅助下载数据

1.使用GPT生成PERSIAN/GSMaP数据的下载代码
2.使用GPT生成代码下载GSOD数据
3.使用GPT生成代码下下载NCEP/NCAR再分析数据
4.使用GPT生成代码下载GFS预报数据

专题八 遥感降水数据

1.使用GPT将PERSSIAN/GSMaP数据转化为netCDF格式
2.使用GPT计算PERSSIAN/GSMaP数据趋势并可视化空间分布图

专题九 数据产品评估

1.使用GPT生成常见统计评估指标
2.生成统计指标空间图
3.生成泰勒图
4.生成卫星降雨散点密度图

专题十 ERA5全球大气再分析数据

1.多时间尺度统计
2.干旱监测
1)计算标准化降水蒸散指数(SPEI)或标准化降水指数(SPI)作为干旱监测的指标
2)根据土壤湿度和降水量数据,使用时间序列分析和阈值判断来评估干旱风险等级
3.极端指数计算
1)使用GPT生成python针对连续干旱天数计算代码
4.趋势分析
1)滑动平均2)累积距平3)使用GPT生成趋势分析代码(Mann-Kendall)4)使用GPT生成时间序列分析代码(如傅里叶变换或小波分析)

专题十一 站点数据常规分析

使用GPT处理/生成相应代码:
1)使用GPT数据读取数据
2)使用GPT清洗数据
3)使用GPT生成计算描述性统计量代码
4)使用GPT生成方差分析
5)使用GPT生成卡方检验
6)使用GPT生成相关分析
7)使用GPT生成回归分析
8)绘制气温曲线和风玫瑰

专题十二 站点数据突变检验

使用GPT处理/生成相应代码:
1)基于统计阈值的异常检测
2)时间序列的突变点检测(MK、Pettitt、BUT、SNHT、BG突变点检测)
3)基于机器学习的异常检测(Isolation Forest)
4)多变量数据的异常检测

专题十三 站点数据时间分析

使用GPT处理/生成相应代码:
1)不同时间尺度上的统计
2)周期分析
3)使用GPT生成EMD分析代码

专题十四 CMIP6未来气候情景数据

使用GPT生成Python的处理代码实现下述目标:
1.数据预处理:
1)使用NetCDF工具(xarray)读取数据
2)裁剪时间范围和空间范围
2.计算区域平均温度:
1)对于全球平均温度加权平均
2)对于特定区域,直接计算平均值
3.趋势分析:
1)使用统计方法(如线性回归)分析温度随时间的变化趋势
4.可视化:
1)绘制时间序列图显示温度趋势
2)使用地图可视化工具(basemap)展示空间分布的变化

专题十五 风能资源评估

1.用GPT生成代码计算研究区域内多年的平均风速
2.用GPT生成代码计算风速的季节性变化和年际变异性
3.使用GPT分析结果

专题十六 太阳能资源评估

用GPT生产代码计算每天平均太阳辐射量,分析日、月和季节性的变化趋势

专题十七 气象数据的空间化场景

使用GPT辅助完成外推代码
1.克里格插值2.临近点插值3.反距插值

专题十八 气象数据插补场景

使用GPT辅助完成外推代码
1)观测数据填补2)空间内插法3)统计填补

专题十九 WRF模式场景

1.使用GPT生成WRF配置文件
2.使用GPT生成生成能见度计算代码
3.使用GPT生成垂直高度变量插值代码

专题二十 GPT写作

1.使用GPT分析结果
2.用GPT生成论文摘要
3.用GPT生成文献综述
4.用GPT分析论文技术方法
5.用GPT分析代码
6.用GPT分析论文公式
7.用GPT识别图片并分析
8.DIY:上传本地PDF资料
1)用GPT分析相关资料中提出问题
2)用GPT总结评价(评阅、审稿意见)
注:请提前自备电脑及安装所需软件


更多应用

大气科学领域必备模型软件丨WRF、CMAQ、WRF-Chem、WRF-Hydro、WRF DA、PMF、MCM、CAMx、SMOKE、Calpuff、FLEXPART、WRF-UCM、CMIP6等_megan模型-CSDN博客文章浏览阅读1.2k次。采用“理论讲解+案例实战+动手实操+讨论互动”相结合的方式,抽丝剥茧、深入浅出地讲解大气环境相关实用模型!_megan模型https://blog.csdn.net/WangYan2022/article/details/132106019?spm=1001.2014.3001.5502从GPT入门,到R语言基础与作图、回归模型分析、混合效应模型、多元统计分析及结构方程模型、Meta分析、随机森林模型及贝叶斯回归分析综合应用等专题及实战案例_线性混合效应模型和多元逐步回归分析-CSDN博客文章浏览阅读982次,点赞27次,收藏15次。GPT大语言模型在助力利用R语言开展数据统计分析方面有着令人遐想的广阔空间。然而,生态环境领域数据往往具有高度的异质性和复杂性,这要求分析者不仅要有扎实的统计学基础,还需要能够灵活运用各种统计模型和方法。GPT在这方面展现出巨大的潜力,它不仅能够帮助研究者理解和选择合适的统计模型,还能在数据分析过程中提供实时的指导和建议,极大地提高了研究效率。_线性混合效应模型和多元逐步回归分析https://blog.csdn.net/WangYan2022/article/details/136614975?spm=1001.2014.3001.5502遥感影像数据处理分析软件与ChatGPT集成、多光谱数据分析与实践、高光谱数据分析与实践-CSDN博客文章浏览阅读863次,点赞20次,收藏21次。重点介绍ChatGPT在遥感中的应用,人工智能在解释复杂数据、提供见解和帮助决策过程方面的多功能性和强大性,这些都对遥感应用领域,比如环境监测、灾害管理、城市规划等至关重要。ChatGPT先进人工智能模型的开发,开辟了该领域的新领域。本课程全面介绍ChatGPT先进人工智能的基本概念及其在遥感中的应用。https://blog.csdn.net/WangYan2022/article/details/136182592?spm=1001.2014.3001.5502ChatGPT在地学、GIS、气象、农业、生态、环境等领域中的高级应用-CSDN博客文章浏览阅读1.3k次,点赞26次,收藏21次。以ChatGPT、LLaMA、Gemini、DALL·E、Midjourney、Stable Diffusion、星火大模型、文心一言、千问为代表AI大语言模型带来了新一波人工智能浪潮,可以面向科研选题、思维导图、数据清洗、统计分析、高级编程、代码调试、算法学习、论文检索、写作、翻译、润色、文献辅助阅读、文献信息提取、辅助论文审稿、新闻撰写、科技绘图、地学绘图(GIS地图绘制)、概念图生成、图像识别、教学课件、教学案例生成、基金润色、专业咨询、文件上传和处理、机器/深度学习训练与模拟、大模型API二次开发等https://blog.csdn.net/WangYan2022/article/details/135241323?spm=1001.2014.3001.5502★点 击 关 注,获取海量教程和资源

声明:本文内容由网友自发贡献,不代表【wpsshop博客】立场,版权归原作者所有,本站不承担相应法律责任。如您发现有侵权的内容,请联系我们。转载请注明出处:https://www.wpsshop.cn/w/你好赵伟/article/detail/867906
推荐阅读
相关标签
  

闽ICP备14008679号