8000 GitHub - longtsing/eofs-cookbook: Cookbook covering empirical orthogonal function (EOF) analysis and examples of its application to climate data · GitHub
[go: up one dir, main page]

Skip to content

About

Cookbook covering empirical orthogonal function (EOF) analysis and examples of its application to climate data

Resources

Stars

0 stars

Watchers

0 watching

Forks

 
 

Repository files navigation

EOF 经验正交函数分析教程

thumbnail

nightly-build Binder DOI

译者的话

本仓库是 Project Pythia / eofs-cookbook 的中文翻译版。原项目由 Pythia 社区维护,是一套面向气候与地球科学领域的 Python 实战教程。

翻译的目标是让国内的气象、气候、海洋领域的同学和研究者能够更方便地学习和使用 EOF 分析工具。教程中涉及的技术术语尽量保留英文原文,以方便与原始文档和代码对照。代码部分保持不变,仅对 Markdown 文本和注释进行了翻译。

本翻译基于 LLM 自动翻译 + 人工校对完成,如有不当之处欢迎提 Issue 或 PR。

—— longtsing


关于本教程

本教程涵盖经验正交函数(EOF)分析及其在气候数据中的应用。

学习动机

经验正交函数(EOF)分析是研究大气-海洋系统变率的重要工具。气象和海洋数据通常具有噪声且维度较高,但 EOF 分析能够从中提取出原本难以发现的模态。本教程旨在为分析提供背景与语境,并结合使用 Python 包进行实际分析的示例。

原作者

Robert Ford

贡献者

教程结构

基础教程

本节包含三个 Notebook:

  • EOFs 简介 — 介绍 EOF 分析的基本概念
  • 使用 NumPy 进行 EOF 分析 — 使用 NumPy 实现 EOF 分析
  • 使用 EOF 寻找气候模态 — 应用 EOF 分析寻找气候模态

如何运行

方式一:在线运行(推荐新手)

最简单的方式是通过 Binder 直接在浏览器中运行,无需安装任何软件:

  1. 打开你感兴趣的 Notebook 页面
  2. 点击页面右上角的 🚀 火箭图标
  3. 选择 "launch Binder"
  4. 等待环境加载完成后即可交互

如果你不熟悉 Jupyter Notebook 的操作,可以参考 Jupyter 入门指南。

方式二:本地运行

如果你想在本地机器上运行,请按以下步骤操作:

  1. 克隆仓库

    git clone https://github.com/ProjectPythia/eofs-cookbook.git
    cd eofs-cookbook
  2. 创建并激活 conda 环境

    conda env create -f environment.yml
    conda activate eofs-cookbook
  3. 启动 JupyterLab

    cd notebooks/
    jupyter lab

首次运行建议先浏览 Pythia Foundations 中的 Python 和 Jupyter 基础内容。

About

Cookbook covering empirical orthogonal function (EOF) analysis and examples of its application to climate data

Resources

Stars

0 stars

Watchers

0 watching

Forks

Releases

Packages

Contributors

Languages

0