文档介绍：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-80N130E-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/hadobs/hadisst/“maindatapage”:图1②/hadobs/hadisst/data/: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,,截取北太平洋(20N-80N130E-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(nalFunction)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(ponentAnalysis)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,,对前13个主模态的方差贡献率和累积方差贡献率列表格:***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***及时间序列图4北太平洋第2模态填***及时间序列图5北太平洋第3模态填***及时间序列图6北太平洋第4模态填***及时间序列图7北太平洋第5模态填***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,%,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(ElNiño)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