序 前言 第1篇 基礎篇 第1章 裝備MetEva工具 1.1 Python環境的安裝 1.2 Jupyter的使用方法 1.3 MetEva的安裝 第2章 Python語法和常用庫 2.1 Python基礎語法 2.1.1 基本數據類型 2.1.2 運算符 2.1.3 字符串 2.1.4 注釋 2.1.5 列表 2.1.6 元組 2.1.7 字典 2.1.8 行與縮進 2.1.9 條件控制 2.1.10 循環語句 2.1.11 函數 2.2 矩陣計算庫——NumPy 2.2.1 創建數組 2.2.2 數組形狀 2.2.3 切片和索引 2.2.4 重塑和轉置 2.2.5 常用函數 2.2.6 廣播 2.3 數據分析庫——Pandas 2.3.1 Series數據結構 2.3.2 DataFrame數據結構 2.3.3 創建DataFrame 2.3.4 查看和修改列名稱 2.3.5 索引和賦值 2.3.6 排序、去重和條件篩選 2.4 時空數據處理庫——Xarray 2.4.1 DataArray和DataSet數據結構 2.4.2 數據選取 2.4.3 NetCDF和Grib文件讀取 2.5 基礎繪圖庫——MatplotLib 2.5.1 繪圖入門 2.5.2 Fig和Axes 2.5.3 subplot和subplots 第2篇 入門篇 第3章 MetEva的系統設計 3.1 研發MetEva的必要性 3.2 MetEva的設計目標 3.3 檢驗評估程序的復用難題 3.4 MetEva基礎數據結構 3.5 基于MetEva的檢驗評估流程 3.6 MetEva的系統架構 第4章 MetEva入門 4.1 數據整理 4.2 檢驗分析 4.2.1 總體檢驗 4.2.2 分類檢驗 4.2.3 空間分布檢驗 4.2.4 時序分類檢驗 第3篇 進階篇 第5章 檢驗數據收集和整理 5.1 數據結構 5.1.1 站點數據 5.1.2 格點數據 5.2 讀寫 5.2.1 配置文件設置 5.2.2 數據路徑生成 5.2.3 站點數據讀取 5.2.4 格點數據讀取 5.2.5 輸出數據至文件 5.3 插值 5.3.1 格點插值到格點 5.3.2 格點插值到站點 5.3.3 站點插值到格點 5.4 轉換 5.5 統計 5.6 診斷 5.7 鄰域 5.8 合并 第6章 檢驗評估算法 6.1 檢驗方法的分類 6.2 檢驗方法的功能分析 6.2.1 二分類預報檢驗 6.2.2 多分類預報檢驗 6.2.3 連續量預報檢驗 6.2.4 矢量預報檢驗 6.2.5 概率預報檢驗 6.3 檢驗算法調用方法 第7章 檢驗圖形繪制 7.1 矩陣數據的繪制 7.2 站點數據的繪制 7.3 格點數據的繪制 7.4 多圖層繪制 第8章 基于網格實況的檢驗 8.1 檢驗示例說明 8.2 小規模數據的檢驗 8.3 大規模數據的檢驗 8.3.1 串行方法 8.3.2 并行方法 8.4 透視分析 第4篇 精通篇 第9章 常規檢驗方法的綜合應用 9.1 降水實況分析場檢驗 9.1.1 數據整理 9.1.2 檢驗分析 9.2 溫度實況分析場檢驗 9.2.1 數據整理 9.2.2 檢驗分析 9.3 降水預報檢驗評估 9.3.1 數據整理 9.3.2 檢驗分析 9.4 風預報檢驗評估 9.4.1 數據整理 9.4.2 檢驗分析 第10章 空間檢驗方法和應用 10.1 鄰域檢驗方法 10.1.1 點對面檢驗 10.1.2 鄰域空間檢驗 10.2 MODE方法 10.2.1 個例檢驗 10.2.2 長序列檢驗 參考文獻 附錄 MetEva中的常用函數