基于ECMWF再分析数据，我们进行了二维和三维光谱经验正交函数分析（SEOF），以探究天气和气候数据的光谱EOF特性，并使用matlab进行开发实现

本贡献中包含的脚本计算再分析数据的谱经验正交函数 (SEOF) 分解。 这些示例包括参考文献 [1] 中讨论的天气和气候模式，即马登-朱利安涛动 (MJO)、准双年涛动 (QBO) 和厄尔尼诺-南方涛动 (ENSO)。 这些模式是从必须单独下载的 ERA-Interim 和 ERA-20C 数据中推导出来的。 相应的 Python 脚本位于“data/EI”（ERA-Interim）和“data/E20C”（ERA 20C）文件夹中。 请参阅https://confluence.ecmwf.int/display/WEBAPI/Access+ECMWF+Public+Datasets了解如何在 ECMWF 上设置帐户并下载其公共数据集的详细信息。 执行 SEOF 分解的核心例程 spod()（在经验正交函数分析被称为适当正交分解的领域中的 SPOD）位于“utils”文件夹中。 最新版本以