如何使用nctoolkit对SST数据集开展EOF（经验正交函数）分析

核心结论 #

nctoolkit本身未内置原生EOF分析接口，但可通过与eofs、xarray库联动完成全流程分析，完美兼容你现有的nctoolkit数据预处理工作流。

前置依赖安装 #

执行以下命令安装所需依赖包：
pip install nctoolkit eofs xarray

具体操作步骤 #

• 步骤1：用nctoolkit完成SST数据预处理（适配ENSO非季节性趋势研究需求）

  import nctoolkit as nc
  
  # 读入MUR SST数据集
  ds = nc.open_data("你的MUR SST本地文件路径.nc")
  # 可选：裁剪热带太平洋研究区（ENSO分析常用范围）
  ds.crop(lon=[120, 290], lat=[-20, 20])
  # 移除季节周期，计算月尺度距平，提取非季节性信号
  ds.annual_anomaly(monthly=True)
  # 将nctoolkit数据集转为xarray对象，供后续EOF计算
  ds_xr = ds.to_xarray()
  

• 步骤2：EOF求解

  from eofs.standard import Eof
  import numpy as np
  
  # 提取SST变量数组，维度顺序为(时间, 纬度, 经度)
  sst_arr = ds_xr["analysed_sst"].values
  # 初始化EOF求解器，自动掩码缺测值，加入纬度余弦权重消除高纬度面积偏差
  solver = Eof(sst_arr, weights="coslat")
  

• 步骤3：提取分析结果

  # 提取前3个EOF空间模态
  eof_modes = solver.eofs(neofs=3)
  # 提取对应标准化主成分时间序列（PC），第一模态PC即为ENSO指数序列
  pc_series = solver.pcs(npcs=3, pcscaling=1)
  # 提取各模态解释方差占比
  exp_var = solver.varianceFraction(neigs=3)
  

• 步骤4：结果回接nctoolkit（可选）
  可将EOF模态、PC序列整理为xarray数据集后导出为NetCDF，再通过nc.open_data()读入，即可继续用nctoolkit完成后续可视化、统计分析操作。

内容的提问来源于stack exchange，提问作者joshua lasu