データサイエンス 2026
Pythonを用いたデータ解析の基礎と応用（大気・洋データを題材に）
全球海面水温の長期トレンド（本講義で計算）
Pythonを用いたデータ解析の基礎と応用（大気・洋データを題材に）
全球海面水温の長期トレンド（本講義で計算）
Miniconda のインストール、環境構築、JupyterLab の使い方を学ぶ。
SOI の計算に入る前に、配列・平均・偏差・標準化・移動平均といった基本操作を、簡単なサンプルデータで練習する。
タヒチ・ダーウィンの気圧データから、ENSOの指標であるSOIを計算する。
移動平均によるフィルタ処理と自己相関係数を用いて、SOIの周期性を解析する。
時系列を周波数で見直し、フーリエ変換とパワースペクトルの基本を理解する。
Blackman–Tukey、FFT、MEM を比較し、同じデータでも見え方が変わることを理解する。
エルニーニョ監視海域のSSTとSOIを比較する。
SOI、Nino3.4 SSTに対してローパス・ハイパス・バンドパスフィルターをかける。 自由度・P値についても考える。
SOI と Niño3.4 SST anomaly を使い、2つの時系列がどの周期帯で共通して変動しているかを調べる。最後に補足として Wavelet 解析を紹介し、周期変動がいつ強かったのかを可視化する。
Niño3.4指数を用いてEl Niño / La Niñaを判定し、それぞれの時期の海面水温を平均することで、 ENSOにともなう典型的な空間パターンを可視化する。
全球の海面水温データに対して各格子点で線形回帰を行い、 長期的な昇温・冷却の空間分布と、その統計的有意性を評価する。
海面高度（SLA）データを用いて、ENSOコンポジットおよび長期トレンド解析を行う。 SSTとの違いにも注目しながら考察する。
海面高度（SLA）データを用いて、地衡流・渦運動エネルギー・相対渦度を計算する。