北太平洋SST19801992的EOF分解及初步分析Word下载.docx
《北太平洋SST19801992的EOF分解及初步分析Word下载.docx》由会员分享,可在线阅读,更多相关《北太平洋SST19801992的EOF分解及初步分析Word下载.docx(14页珍藏版)》请在冰豆网上搜索。
![北太平洋SST19801992的EOF分解及初步分析Word下载.docx](https://file1.bdocx.com/fileroot1/2022-11/16/3780b469-79d3-446c-94f0-9f626554216a/3780b469-79d3-446c-94f0-9f626554216a1.gif)
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(PrincipalComponentAnalysis)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
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
.0592********
0.5925626300087424
第6模态
.0537********
0.6463602159422434
第7模态
0.0424686060052352
0.688828821947479
第8模态
.028*********
0.717529769716775
第9模态
.022*********
0.740483642439213
第10模态
.021*********
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)
图10(b)
图10(a)是第1模态空间分布型,它解释海温场总方差的22.9%,此型在北太平洋西、中部被一片强负值控制,负中心约在170°
E,40°
N和150°
W,40°
N附近,而北太平洋东部和北美沿岸为较弱的正值区,说明北太平洋西、中部海温与东部海温是反相关关系,负区与北太平洋西风漂流区(如图9)吻合。
由美国海洋学家斯蒂文•黑尔于1996年发现的太平洋年代际振荡(PDO)被科学研究的初步结果表明其与厄尔尼诺(ElNiñ
o)和拉尼娜(LaNina)现象有着极其密切的关系。
该型可以反映和PDO有关的大尺度分布特征,因此这种分布型是全球海洋与大气相互作用的一个重要组成部分,它是北太平洋海温非季节变化的最重要的型式。
MonthlyvaluesforthePDOindex:
1900—January2008图11
图10(c)
观察发现图11(MonthlyvaluesforthePDOindex:
1900—January2008)1980年至1992年时间段的指数和第1模态的时间序列图10(c)有很好的对应关系,可以验证北太平洋海表面温度第1模态空间分布型确实与PDO有很强的相关性。
资料显示,近100多年来,PDO已出现了两个完整的周期:
第一周期的“冷位相”发生于1890年至1924年,而1925年至1946年为“暖位相”;
第二周期的“冷位相”出现于1947年至1976年,1977年至90年代后期为“暖位相”。
当PDO现象以“暖位相”形式出现时,北美大陆附近海面的水温就会异常升高,而北太平洋洋面温度却异常下降。
并且,在20-30年的冷、暖位相中,会存在短期的反向指数。
由时间序列可知:
1980年至1988年底,时间序列指数基本为正值,说明图10(a)中蓝色区域海表面温度低于红色区域海表面温度,即北太平洋西、中部海温低于东部海温;
1989年初至1992年初,时间序列指数为负值,说明10(a)中蓝色区域海表面温度高于红色区域海表面温度,即北太平洋西、中部海温高于东部海温。
此分析和历史资料相吻合。
对第3主模态进行分析:
图12(a)
图11(a)是第3模态空间分布型,它解释海温场总方差的10.0%,此型在北太平洋阿留申群岛南部被一片强正值控制,正值中心约在150°
N附近,而其西南部和日本海海域为一片较强的负区与之相互补偿,其东南部北美洲沿岸为较弱的负值区,说明北太平洋中部海表面温度与东、西两侧海表面温度呈反相关。
正、负中心基本上与北太平洋大气活动中心(阿留申低压与西太平洋高压)对应。
表明正、负区域是海气相互作用最活跃的区域。
查阅资料可知,这种模态的变化,对我国的天气与气候有明显的影响。
df7'
W%ZX
图12(b)
结合第3模态的时间序列可知:
1980年至1983年6月、1987年6月至1988年底及1990年,时间序列指数基本为负值,说明图10(a)中蓝色区域海表面温度高于红色区域海表面温度,即北太平洋西、中部海温高于东部海温;
1983年7月至1987年初、1989年及1991年初至1992年底,时间序列指数为正值,说明10(a)中蓝色区域海表面温度低于红色区域海表面温度,即北太平洋西、中部海温高于东部海温。
总结:
本文通过对北太平洋1980年至1992年SST数据处理、EOF分解和初步分析,掌握了主成分分析、时空转换的原理和方法,提高了Matlab的编程和绘图技巧并对主模态和时间序列的分析进行了联系。
在此过程中克服了很多困难,受益匪浅。
但和很多同学相比,仍然有很大差距,将会更加虚心请教,刻苦钻研,以取得不断进步。
参考文献:
[1]左军成.海洋水文环境要素的分析方法和预报
[2]胡基福.气象统计原理与方法
[3]黄嘉佑.气象统计分析与预报方法
[4]杜凌.海洋要素计算(2011)PPT
[5]姜霞.气象统计原理与方法(2011)PPT
M文件:
clear;
clc;
closeall
address='
E:
\oceanelement\HadISST_sst.nc'
;
fid=netcdf.open(address,'
NC_NOWRITE'
);
sstid=netcdf.inqVarid(fid,'
sst'
sst=netcdf.getVar(fid,sstid);
%读取nc格式数据
%**************************************************************************
sst1=sst(1:
90,11:
70,1320:
1475);
%选取所需要区域的数据
sst2=sst(311:
360,11:
sst3=zeros(140,60,156);
sst3(90:
-1:
1,1:
60,1:
156)=sst1;
sst3(140:
91,1:
156)=sst2;
sst=sst3;
sst_area1=zeros(156,8400);
%zeros全零数组
fori=1:
156;
squ=squeeze(sst(:
:
i));
%执行该指令后sst数据转换为二维数组
sst_area1(i,:
)=reshape(squ,1,8400);
%将数据转变为二维
end
%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
sst_area1(sst_area1<
-10000)=NaN;
%陆地和冰点的填充值为-1.00000001504747e+30~将此值定义为NaN
%i=1;
%forj=1:
8400
%ifsst_area1(i,j)==-1.79999995231628
%sst_area1(i,j)=NaN;
%冰点的填充值为-1.79999995231628
%i=i+1;
%end
%end
sst_nan=isnan(sst_area1);
i=0;
forj=1:
ifsum(sst_nan(:
j))==0;
i=i+1;
sst_region(:
i)=sst_area1(:
j);
end
end
%求距平~注意季节的变