Python是功能强大、免费、开源，实现面向对象的编程语言，Python能够运行在Linux、Windows、Macintosh、AIX操作系统和不同平台（x86和arm），Python结合解释性语言的本质，简洁的语法和对动态输入的支持，它是大多数平台上许多领域的理想脚本语言，特别适合快速应用程序开发。Python具有丰富和强大的库，能够把用其他语言制作的各种模块（尤其是C/C ）很容易联系在一起。除了Python几乎所有行业和领域都有相应的标准库Python软件库，随之而来NumPy、SciPy、Matplotlib和Pandas等众多Python开发应用程序库，Python在科学和工程领域的地位日益重要，数据处理、科学计算、数学建模、数据挖掘和数据可视化的优异性能Python广泛应用于地理、气象、气候变化、水文、生态、传感器等领域的学术研究和工程项目，有效解决各种数据分析问题，可预见未来Python它将成为科学和工程领域的主流程序设计语言。
Python语言在地球科学领域的应用
变量：温压湿风辐射降水：
包含情景：historical、ssp126、ssp245、ssp370、ssp585
变量：温压湿风辐射降水：
包含情景：historical、ssp126、ssp245、ssp370、ssp585
时间：1981-2014年数据
空间分辨率：5.6km
时间：1951.1.1-2021.12.31 时间分辨率：hourly
空间分辨率：0.1°（等角lonlat投影 wgs84）
温度、气压、辐射、蒸发、降水、湿度等11个变量
- Numpy：科学计算
- Scipy：科学计算
- Sklearn：机器学习
Matplotlib：可视化
- GSOD
- GHCN
- CRU
- CN05.1
- OISST、HadSST
- ERA5
- GLDAS
- GLEAM
- Landsat
- MODIS
- TRMM
- Xarray
读取&写入 netCDF文件
Groupby & resample 操作时间和空间信息
Rasterio & rioxarray
- GB级数据可视化
- 使用mask掩膜文件裁剪
使用shapefile文件裁剪
- Python读取HDF4-EOS数据
- 使用GDAL库预处理
- 转投影为wgs84+lonlat
- 拼接多景影像
- 2000-2020年青藏高原土地利用分析
- 分析不同土地利用分类上气温和降水的变化
- 青藏高原草场上土地利用GPP变化
- 分析草场GPP与降水之间关系（ERA5再分析数据）
- 2000-2020年间青藏高原积雪时间统计
- 分析祁连山不同高程带积雪时间统计（DEM：GTOP30S）
分析新疆北疆积雪覆盖时间与春季GPP的变化
- 读取美国NOAA的GSOD日值数据
- 读取气象共享网日值数据
- 数据整理
- 异常值检测
- 阈值法
- 模型法
- 孤立森林
- 年尺度统计
- 季尺度统计
利用高程、经纬度插值气温数据
- 使用NDVI、DEM和机器学习算法对TRMM降水数据降尺度
- 读取GLEAM数据，并分析蒸散发的年际变化
- 比较MODIS ET产品与GLEAM的差异
- 比较GLDAS、GLEAM和CCI SM
分析降水~蒸散发-土壤湿度的年际变化
- Delta方法
- 百分位校正方法
- 获取风机70和100m高度的风速和风向
- Muliprocesing 并行运行
- 结果统计
结果可视化（NPP）