📱Herbie.

Herbie — это Python-пакет, который загружает архивные данные численного прогноза погоды (NWP) из различных облачных архивов.

✅Данные NWP распространяются в формате GRIB2, который Herbie читает с использованием xarray+cfgrib. Herbie также предоставляет дополнительные функции для визуализации и извлечения данных.

🧩Herbie также может загружать и читать данные из:

🔘High Resolution Rapid Refresh (HRRR) | HRRR-Alaska
🔘Rapid Refresh (RAP)
🔘Global Forecast System (GFS)
🔘Global Ensemble Forecast System (GEFS)
🔘ECMWF Open Data Forecasts (IFS и AIFS)
🔘Navy Global Environmental Model (NAVGEM)
🔘North American Mesoscale Model (NAM)
🔘National Blend of Models (NBM)
🔘Rapid Refresh Forecast System (RRFS) прототип
🔘Real-Time/Un-Restricted Mesoscale Analysis (RTMA/URMA)
🔘Hurricane Analysis And Forecast System (HAFS)
🔘High Resolution Deterministic Prediction System (HRDPS)

✅Многие из этих данных доступны благодаря программе NOAA Open Data Dissemination (NODD) (ранее Big Data Program), которая сделала погодные данные более доступными, чем когда-либо прежде.

#Herbie #Python #NWP #WeatherForecast #GRIB2 #xarray #cfgrib #NOAA #WeatherData #BigData #DataScience #HRRR #RAP #GFS #GEFS #ECMWF #NAVGEM #NAM #NBM #RRFS #RTMA #URMA #HAFS #HRDPS #Погода #Прогноз #ПрогнозПогоды

📱Ссылка на репозиторий:
https://github.com/blaylockbk/Herbie

📱hvPlot.

hvPlot — высокоуровневая библиотека визуализации данных для Python.

hvPlot — это удобный и мощный API для построения графиков, созданный на основе знакомого интерфейса .plot из Pandas и расширенный инновационным .interactive API для лёгкого добавления интерактивности.

❓Почему hvPlot?

🔘Работает с популярными источниками данных: Pandas, Polars, XArray, Dask, Streamz, Intake, GeoPandas, NetworkX и другими.

🔘Поддерживает несколько бэкендов построения графиков: Bokeh, Matplotlib, Plotly.

🔘Объединяет возможности экосистемы HoloViz в едином и простом API.

🔘Подходит для быстрых исследований, построения отчётов и создания интерактивных приложений.

🔻Пример использования:

import numpy as np
import pandas as pd

idx = pd.date_range('1/1/2000', periods=1000)
df  = pd.DataFrame(np.random.randn(1000, 4), index=idx, columns=list('ABCD')).cumsum()

import hvplot.pandas  # подключаем hvPlot для Pandas
df.hvplot()  # строим график

#Python #DataViz #Visualization #DataScience #Pandas #Matplotlib #Bokeh #Plotly #hvPlot #HoloViz #GeoPandas #XArray #Polars #Dask

📱Ссылка на репозиторий:
https://github.com/holoviz/hvplot

📱NVIDIA Earth2Studio.

NVIDIA Earth2Studio — это Python‑фреймворк для быстрого запуска и компоновки AI‑моделей погоды и климата (прогноз, диагностика, статистика) через единую API поверх разных моделей и источников данных.

❓Что это такое:

🔘Набор модульных компонентов: прогностические модели, диагностические модели, источники данных, IO‑бекенды, методы возмущений, метрики.

🔘Работает как «инференс‑конвейер»: вы собираете pipeline из модели, источника данных и бекенда записи и запускаете прогноз одной функцией run(...).

❤Установка и быстрый старт:

🔘Установка:

  pip install earth2studio[dlwp]

После этого можно сделать детерминированный прогноз в несколько строк (пример с DLWP, GFS и NetCDF4Backend).

🔘Для других моделей могут понадобиться дополнительные зависимости; детали — в install guide в документации.

🔻Модели и данные:

🔘Прогностические модели: GraphCast (Small/Operational), Pangu (3h/6h/24h), Aurora, FuXi, AIFS, AIFS Ensemble, StormCast, SFNO, DLESyM и др., с разными разрешениями и шагом интегрирования, глобальные и региональные.

🔘Диагностические модели: осадки, солнечная радиация, шквалы ветра, тропические циклоны, генеративные климат‑модели (CBottle, CorrDiff и вариации).

🔘Источники данных: операционные модели (GFS, HRRR, IFS), реанализа (ERA5 через ARCO/CDS, WeatherBench2, NCAR_ERA5), осадочные и наблюдательные наборы (IMERG, ISD, MRMS), плюс AI‑климат (cBottle).

❗️Лицензия и важные нюансы:

🔘Сам Earth2Studio распространяется под Apache 2.0.

🔘Но это интерфейс к сторонним моделям/датасетам: лицензии на конкретные чекпойнты и данные принадлежат их авторам, права на скачивание/использование/распространение нужно проверять по ссылкам в API‑доках.

#Earth2Studio #NVIDIA #Python #WeatherAI #ClimateAI #DeepLearning #GraphCast #Pangu #AIFS #GFS #ERA5 #Zarr #NetCDF #Xarray #Forecasting #TimeSeries #DataScience

📱Ссылка на репозиторий:
https://github.com/NVIDIA/earth2studio