EOF分析及其应用课件

1、 EOF分析及其应用 一、引 言 经验正交函数（EOF）方法：最早由统计学家pearson（1902）提出，由Lorenz（1956）引入气象问题分析中。该方法以场的时间序列为分析对象，由于对计算条件要求甚高，直到20世纪60年代后期才在实际工作中得到广泛应用。近30年来，出现了适合于各种分析目的的EOF分析方法，如扩展EOF（EEOF）方法，旋转EOF（REOF）方法，风场EOF（EOFW）方法，复变量EOF（CEOF）方法。EOF分解的优点1，没有固定的函数；2，能在有限区域对不规则分布的站点进行分解；3，展开收敛快，很容易将变量场的信息集中在几个模态上；4，分离出的空间结构具有一定的物理

2、意义； EOF方法不但用于观测资料的分析，还用于GCM资料的分析和数值模式的设计。现在，EOF方法已作为一种基本的分析手段频繁地出现在大气科学研究的文献中。二、EOF分析方法原理 将某气候变量场的观测资料以矩阵形式给出m是空间点（观测站或网格点），n是时间序列长度（观测次数）。气象场的自然正交展开，是将X分解为时间函数Z和空间函数V两部分,即或者含义：场中第i个格点上的第t次观测值，可以看作是p个空间函数 和时间函数 的线性组合 。第t个空间场可表示为或者 上式表明，第t个场可以表示为m个空间典型场，按照不同的权重线性叠加而成。V的每一列表示一个空间典型场，由于这个场由实际资料确定，故又叫经验

3、正交函数。 上述分解要求满足下列两个条件：三、分解方法A为实对称矩阵，根据实对称矩阵分解原理，一定有 或者 V的列就是A的特征向量， 是A的特征值组成的对角矩阵。Z就是时间系数矩阵， 第i个格点上的第t 个时间系数。四、误差估计和计算 是拟合场.可以证明误差六、计算步骤1）根据分析目的，对原始资料矩阵X作距平或者标准化处理；2）由X求协方差矩阵 ；3）求实对称矩阵A的全部特征值 、特征向量 ，h=1H（通常使用Jacobi法）； 4）将特征值作非升序排列（通常使用沉浮法），并对特征向量序数作相应变动； 5）根据 ,h=1H和X总方差，求出全部 、 , h=1H； 6）由X及主要 求其时间系数

4、、h=1H，主要的数量由分析目的及分析对象定； 7）输出主要计算结果。 八、时空转换问题 当 时，先求出 的特征值，然后求 的特征向量，这种方法叫时空转换。 令 的特征值为 ，其特征向量为 ， 的特征值也为 ，其特征向量为 南亚夏季风爆发前后降水量时空变化特征分析表明，南亚夏季风的爆发主要体现在降水的突然增加和季风雨带的快速推进上，雨带的时空分布有突变的特点。第1 模态降水量的突然增加。第2 模态从南向北的快速推进过程。第3模态东西分布型态，及在季风爆发后印度半岛降水快速增加的过程。第4模态印度次大陆东海岸降水的准双周振荡型态。第1 模态降水量的突然增加降水量的第2 模态-从南向北的快速推进过

5、程降水量的第3 模态东西分布型态，及在季风爆发后印度半岛降水快速增加的过程我国盛夏500 hPa 风场的EOF 分析及其与大尺度气候异常的关系将东亚500 hPa 风场,温度场,降水量场进行经验正交分解,得到它们的主要模态的时空变化特征。结果表明东亚风场EOF 的主要模态与我国温度,降水量的EOF 的主要模态对应,其第一EOF 模态与盛夏温度,降水量的关系密切。1951 - 2004 年500 hPa 7 - 8 月平均风场EOF 分解的第一特征向量图(a)和标准化的时间权重系数(b) (图中斜直线是回归线)1951 - 2004 年我国7 - 8 月月平均温度(a) 和月总降水量(b) 的第

6、一特征向量图图a 图b 参考文献魏凤英，现代气候统计诊断与预测技术，气象出版社，北京，2007;EOF在大气科学研究中的新进展；丁裕国；气象科技199303期 ；近年来中国统计气象学的新进展；周家斌 黄嘉佑 ；气象学报 1997年03期 ；我国盛夏500 hPa 风场的EOF 分析及其与大尺度气候异常的关系。顾泽，封国林，顾骏强，施能；南亚夏季风爆发前后降水量时空变化特征。朱 敏，张 铭；TheEndThank you!Karl PearsonKarl Pearson（18571936） 统计学之父。 K. Pearson 1879年毕业于剑桥大学数学系；1884年进入伦敦大学学院 。 K. Pearson 最重要的学术成就，是为现代统计学打下基础。K. Pearson 在1893-1912年间写出18篇在演化论上的数学贡献的文章，而这门算术，也就是今日的统计。许多熟悉的统计名词如标准差，成分分析，卡方检定都是他提出的。Lorenz，Edward Norton混沌理论之父、MIT教授One of the great modern science stories is the so-called Butterfly Effect. It suggests that the weather is so sensitive to tiny changes, that somethi