气象统计方法课件 6气象变量场时空结构分离.pptVIP

第六章 气象变量场时空结构分离 一、主分量(主成分)分析的原理 ( Principal Component Analysis , PCA) 把随时间变化的气象场分解为空间函数和时间函数部分。空间函数部分不随时间变化；时间函数部分由空间点(变量)的线性组合所构成，称为主分量 (主成分)。 研究主分量随时间变化的规律可以代替对场的随时间变化的研究. 二、两个变量的主成分 设所分析的气象要素场仅有两个空间点，记为x1、x2，抽取容量为n=25的样本，计算其中x1、x2变量的方差与协方差，得到 如果有一种方法找到由这两个变量线性组合构成的两个新变量。 y1=0.66x1+0.75x2 y2=0.75x1-0.66x2 新变量的总方差与原变量的总方差相等。 x1的解释方差为46%， x2的解释方差为54% 如果要减少变量，如何取舍x1和x2？ y1的解释方差为86%，y2的仅为14% 如果要减少变量，去掉y2不会使总的方差受很大影响。 可用y1的变化代替x1和x2的变化。 y1与y2称为主成分。 如何用一个变量来反映两个变量的主要信息？在一般情况下，又如何用p个变量来反映m个变量的信息呢？(pm) ------主成分分析所要解决的问题 三、主成分的导出 原则： 1、新变量能最大限度、集中地反映原m个变量的总方差。 2、新变量相互独立，可以用较少的新变量描述原气象要素场的主要特征。 以原变量x1,x2组成一个新变量 y=v1x1+v2x2 四、主成分的性质 各主分量的方差分别为原m个变量的协方差矩阵的特征值，不同的主成分量彼此是无关的. 各主分量的方差贡献大小按矩阵S特征值大小顺序排列. m个主分量的总方差与原m个变量的总方差相等. 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 分析方法的原理 设某气候要素在m个站点（格点）上有n次观测资 料X，为消除各站气候态不同的影响，习惯上要素 场采用距平值。以矩阵形式给出如下： EOF分解要求 时间函数矩阵Z中各不同行向量也是正交的，即要求 是个对角阵，即： 三、分解方法 下面的任务就是求解V与Z。 先观察一下X场的协方差矩阵S，有 , 所以， 由线性代数的知识知道S是一个m阶实对称矩阵。 根据实对称矩阵分解定理，一定有： 或: 五、时空转换 七、结果分析 EOF分析的前几项特征向量最大限度地表征了该气候变量场的主要结构特征。 每个特征向量所对应的时间系数反映了X的空间区域中由此特征向量所表示的空间型的时间变化特征。系数绝对值越大表明对应时刻这种空间分布型（模态）越明显（典型）。 从特征值的方差贡献和累积方差贡献了解所分析的特征向量的方差占总方差的比例及前几项特征向量共占总方差的比例。分析该气候场的收敛速度。 八、EOF的优点 第三节 旋转经验正交分解(REOF) EOF展开的前几个特征向量，可以最大限度地表征气候变量场整个区域的变率结构，但分离出的空间分布结构不能清晰表示不同地理区域的特征。 利用旋转EOF(REOF)分析，可以克服EOF分析中由于区域和时间取样不一致而造成的误差。 REOF的空间分布结构清晰，可以较好地反映不同地域的变化，及不同地域的相关分布状况。 REOF的思路： 如果EOF分析截取了前K个空间型，累积解释场得总方差已达一定要求(比如达80％)，可否将这K个空间型再作调整，使得调整后得K个空间型累积解释原场的总方差的百分率保持不变，而单个空间型尽量反映场的局部相关结果。 通过极大方差旋转，即将各因子轴旋转到某一位置，使每个变量在旋转后的因子轴上极大、极小两极分化，从而使分离出的典型空间模态上只有某一较小区域上有高载荷，其余区域均接近于0，使得空间结构简化、清晰。 m个原变量经过EOF展开后截取前几个模态作旋转变换合适？即怎样选取典型模态个数K？ 如果K太小，被截留的部分主要包含场的大尺度信息，含区域性结构的信息较少。如果K很大，则截留后包含很多小尺度变化信息。 K的选取方法： 1）一般使前K个模态的累积方差贡献率达