现代大气科学统计方法课件：第八章 两气候变量场相关模态.pptVIP

第八章 两气候变量场相关模态的分离 奇异值分解 （Singular Value Decomposition, SVD） 在气候变化研究中，存在大量两个变量场之间的相关问题，即研究两个场之间相关系数的空间结构和它们各自对相关场的贡献，提取两个气象场的耦合信号。 目前，分离两场相关模态的方法中应用最广泛的是SVD方法。 其他方法？ 方法概述 设有两个变量场，一个变量场由p个空间点构成，样本量（时间长度）为n，称作左场，记为X；另一个变量场由q个空间点构成，样本量（时间长度）也为n，称作右场，记为Y。 对X、Y均作标准化处理。 其交叉协方差矩阵为： 写成分量形式为： 对其作奇异值分解，可得到 写成分量形式： 这里有m个向量l，相互正交，每个向量包含p个元素，称为左奇异向量；有m个向量r，也相互正交，每个向量包含q个元素，称为右奇异向量。 每个向量l与r一一对应，并对应一个相应的?。 由奇异值分解原理可知，L是矩阵SST的特征向量；R是矩阵STS的特征向量， SST和STS有相同的特征值，为?12，?22，?，?m2，其中?1?2??m。 如何求出L、R和?？ 以矩阵A为例，其特征值和特征向量的求解： 计算|?I-A|，其中I为单位矩阵，其对角元素为1，其它元素均为0； 求出|?I-A|=0在给定数域上的全部特征值； 对于每个特征值?，求出相应的特征方程组的解。 分别由左、右场构造两组新变量场 由于L、R为正交化矩阵，故LLT=I，RRT=I，则有 故SVD也相当于将左、右场分别进行EOF分解。 通常称（lk，rk）为一对变量型（pattern）；ak、bk分别为左、右场展开系数（时间系数），每一对变量型和相应的展开系数确定了一种模态（mode）。 方差贡献 第k对奇异向量方差贡献为： 前k对奇异向量累积方差贡献为： 模态相关系数 一旦由SVD得到时间系数矩阵A、B，就可以定义每对奇异向量的时间系数A和B之间的相关系数 称为模态相关系数，它反映每对奇异向量之间相互关系的密切程度，反映的是典型变量场总体相关状况。 异性相关系数 左场X与右奇异向量的时间系数B之间的相关系数为： 右场Y与左奇异向量的时间系数A之间的相关系数为： 异性相关系数 上两式计算的相关系数分布型分别表示右（左）场的时间系数所反映的左（右）场时间变化程度大小的分布，显著相关区则是两变量相互作用的关键区，通常将上述相关系数称为异性相关系数。 同性相关系数 左(右)场时间系数与左(右)场的相关系数称为同性相关系数，其分布反映时间系数序列表示自身气象场时间变化程度大小的地理分布，在一定程度上代表了左、右场的遥相关型。 显著性检验 采用Monte Carlo技术检验SVD的显著性。 利用模态方差贡献进行检验，首先计算模态方差贡献： 根据左场空间点数p、右场空间点数q及其样本量n，利用随机数发生器生成随机序列的两个资料矩阵，进行100次模拟SVD计算。每次模拟后均用奇异值?k计算方差贡献： 将Ukr排序，Uk1?Uk2???Uk100（k=1,2,?,m） 如果SCFkUk95，则认为第k对SVD模态在95%置信度水平上是显著的。 注：也可只对其中一个场进行随机生成。 结果分析 从奇异向量的方差贡献及累积方差贡献了解某一对显著SVD模态及前几对显著SVD模态所占的方差比例。 由奇异向量时间系数之间的相关系数了解两变量场的显著空间分布型总体的相关程度。 分析异性相关系数场，寻找一个场对另一个场相互影响的关键区。 结果分析II 由于成对奇异向量是由两变量的交叉协方差阵求出的，其中一个场的奇异向量对应的时间系数包容了另一个场的信息，因此成对奇异向量的时间系数与该场的同性相关分布代表了两场耦合相关的空间结构。 SVD应用中的一些问题 资料的选取：原始资料、距平资料和标准化距平？ SVD与EOF的异同？ 参考文献： Singular Value Decomposition of Wintertime Sea Surface Temperature and 500-mb Height Anomalies Wallace John M., Catherine Smith, and Christopher S. Bretherton. Journal of Climate, 1992, 5, 561-576. 第八章 完