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，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。

一：预备知识

1.大语言模型在大气科学中的常见应用场景

2.大语言模型常见平台使用方法

3.提示词工程

4.Python简明教程

二：科研辅助专题

1.GPT作为科研工具

2.GPT作为科研助手生成

3.GPT作为辅助工具下载数据

三：可视化专题——基于GPT实现

1.绘制常见统计图

2.绘制风场图、风羽图、风矢图、流线图

3.通过GPT绘制双Y轴

4.风玫瑰图

5.填充图

6.绘制添加子图

7.绘制期刊常见图

四：站点数据处理

1.读取数据

2.缺失值处理

3.数据质量控制

4.时间序列的趋势

5.时间序列的突变检验

6.时间序列周期分析

7.时间尺度上的统计

8.回归分析

9.相关分析

10.站点数据的空间化

五：WRF专题——基于GPT和Python实现

1.静态数据的替换

2.生成WRF配置文件

3.WRF的后处理

4.WRF的评估

六：遥感降水专题——基于GPT和Python实现

1.将PERSSIAN/GSMaP数据转化为netCDF格式

2.合并数据

3.时间域统计并可视化

4.空间域统计并可视化

5.常见统计评估指标

七：再分析数据专题——基于GPT和Python实现

1.ERA5再分析数据

2.多套再分析数据的气候趋势分析

3.风能资源评估

4.太阳能资源评估

八.CMIP6未来气候专题——基于GPT和Python实现

1.数据预处理：

2.计算区域平均温度

3.趋势分析：

4.可视化：

九：基于机器学习方法判断天气晴雨——基于GPT和Python实现机器学习操作流程

1.预处理

2.数据采样

3.特征工程

4.模型建模与堆叠

5.模型评估

原文：AI大语言模型”助力大气科学相关交叉领域实践技术应用