利用ncl程序绘制eof分析的图，为大气从业或就学者提供参考。

fortran用EOF，气象分析，气候分析，

气象统计EOF的MATLAB程序，可以直接使用，比较容易看懂的.

利用eof分析海区声速，可以得到代表海区声速变化规律的模态向量和声速剖面重构系数范围，以此为依据重构声速剖面

matlab eof分析代码EOF_Analysis_SCN 这些脚本是为 matlab (R2018a) 编写的。 他们包括 EOF.m：SCN 切片数据的经验正交函数分析。 myChiSquarePeriodogram.m ：通过卡方周期图进行周期分析。 Cosinor4.m : 余弦拟合计算临相。 myTrendPol2.m ：时间轨迹的去趋势化。 运行这些代码将重现出版物中的结果：Tokuda, IT, Ono, D., Honma, S., Honma, K.-I., & Herzel, H. (2018)。 SCN 中昼夜节律的一致性受两个耦合因素的相互作用控制。 PLoS 计算生物学。

经验正交函数分析方法(empirical orthogonal function, 缩写为EOF)，也称特征向量分析(eigenvector analysis)，或者主成分分析(principal component analysis,缩写PCA)，是一种分析矩阵数据中的结构特征，提取主要数据特征量的一种方法。

PCA pyPCA.py包含三种基于主成分分析（PCA）的方法，用于计算给定地理空间时间序列数据集中的时空变异性的时空模式。 三种方法包括： Empirical Orthogonal Function Analysis (EOFA) Singular Spectrum Analysis (SSA) Nonlinear Laplacian Spectral Analysis (NLSA) 该代码是根据和2.4节中概述的理论构建的。 请参阅随附的Jupyter笔记本中的每种方法的示例。 为了使用这些方法中的每一个，都需要以下Python软件包： NumPy SciPy

经验正交函数分析方法(empirical orthogonal function, 缩写为EOF)，也称特征 向量分析(eigenvector analysis)。是一种分析矩阵数据中的结构特征，提取主要数据特征量的一种方法。Lorenz在1950年代首次将其引入气象和气候研究，现在在地学及其他学科中得到了非常广泛的应用

使用的是2019a 的matlab，对海温数据进行的eof程序分析

对于气象海洋专业的入门者来说，一些数据的处理方法在书本上比较难以理解，缺少实际应用，缺少一些实用的资料进行相关的学习，确实一些整理好的方法。本资源可以帮助初学者很好的通过学习的方法进行气象数据的初步处理，比如对于nc文件进行EOF经验分解，分析时间学列，功率谱分析等等，有很清晰的解答作用。