北太平洋sst(1980—1992)的eof分解及初步分析.docVIP

北太平洋SST(1980-1992)的EOF分解及初步分析 数据来源： 本文利用来自英国气象局Hadley气候预测和研究中心的HadISST海温资料,对北太平洋（20N-80N 130E-90W）1980至1992年156个月的SST进行研究,。本文选取下载了1870年1月至2011年3月的全球SST数据，数据格式为*.netcdf，分辨率为1°。以下给出了数据下载的途径和链接： ① .uk/hadobs/hadisst/index.html 点击页面中心处蓝色“main data page”： 图1 ② .uk/hadobs/hadisst/data/download.html 选择SST数据下载: 图2 数据处理： 本文选取下载了1870年1月至2011年3月的全球SST数据，数据格式为*.netcdf,数据名为HadISST_sst.nc， 截取北太平洋（20N-80N 130E-90W）1980年1月至1992年12月156个月份的SST数据进行经验正交函数（Empirical Othorgnal Function）分解,简记为EOF分解，得到该区域该时段的海温时空特征。 在编写Matlab程序过程中，应特别注意： ⑴剔除与其它站点相关系数小的站点的数据~简单的认为剔除陆地和冬季结冰点的数据； ⑵求距平值的协方差矩阵时，要进行逐月平均求距平，而不能是156个月的平均值，否则会导致第1模态的方差贡献率很大； ⑶当变量数m远大于观测样本数n时，导致协方差矩阵mRm=(nXm’)*(nXm)的阶数较大，可先求(nXm)*(nXm’)矩阵的特征值和特征向量，再求(nXm’)*(nXm)的特征值和特征向量，这叫做时空转换； ⑷M文件编写时要尽量减少循环量，提高运算速度； ⑸EOF分析能够有效地体现物理场主要信息，保留次要信息，并排除外来的随机干扰。 数据分析： 用主成分分析(Principal Component Analysis)的方法，即PCA对结果进行分析: 主成分分析是多元统计分析中一个非常重要的内容，它是一种从多个变量化为少数变量的统计方法。由于多个变量之间是相互影响的，它们之间的关系是非常复杂的，为简化分析又不损失信息，并提取它们之间相互关系的主要特征，主成分分析利用多个变量之间的相互关系构造一些新变量，这些新变量不仅能综合反映原来多个变量的信息，而且彼此之间是相互独立的，同时是按方差贡献大小排列的。方差贡献率小的变量通常规律性很差，其实际物理意义也不清晰，因此在实际分析过程中常常视为误差量或噪声而忽略，只取方差贡献率大的变量来研究，从而达到降维分析的目的。 通过对相应数据处理分析，前13个主成分的累积方差贡献率占总方差的0.810567965759345，对前13个主模态的方差贡献率和累积方差贡献率列表格： 方差贡献率 累积方差贡献率 第1模态 0.2190372311380337 0.2190372311380337 第2模态 0.12913861798280676 0.34817584912084043 第3模态 0.1000386758391279 0.44821452495996833 第4模态 0.08507766885727319 0.5332921938172415 第5模态 0.05927043619150097 0.5925626300087424 第6模态 0.05379758593350088 0.6463602159422434 第7模态 0.0424686060052352 0.688828821947479 第8模态 0.0287009477692961 0.717529769716775 第9模态 0.0229538727224384 0.740483642439213 第10模态 0.0211146398015779 0.761598282240791 第11模态 0.0192806477668055 0.780878930007597 第12模态 0.0163162166248416 0.797195146632438 第13模态 0.0133728191269071 0.810567965759345 图3 现仅列出北太平洋前5个主模态的空间分布填色图及时间序列，并对第1和第3模态进行分析： 北太平洋第1模态填色图及时间序列 图4 北太平洋第2模态填色图及时间序列 图5 北太平洋第3模态填色图及时间序列 图6 北太平洋第4模态填色图及时间序列 图7 北太平洋第5模态填色图及时间序列 图8 对第1主模态进行分析: 北太平洋洋流 图9 图10(a