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
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。
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。
Robert Ford
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
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:
- 打开你感兴趣的 Notebook 页面
- 点击页面右上角的 🚀 火箭图标
- 选择 "launch Binder"
- 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。
如果你想在本地机器上运行,请按以下步骤操作:
-
克隆仓库
git clone https://github.com/ProjectPythia/eofs-cookbook.git cd eofs-cookbook -
创建并激活 conda 环境
conda env create -f environment.yml conda activate eofs-cookbook
-
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。