奇异交叉谱分析及其在气候诊断中的应用

提出了一种新的用于气候诊断的奇异交叉谱分析方法（记为SCSA）。从理论上证明,它是一类时频域相结合的广义交叉谱分析,也是奇异谱分析（SSA）的一个推广。SCSA可获得比经典交叉谱更为强化的耦合振荡信号,并在时域上描述两个系统之间各种耦合振荡信号的时变特征,因而可将频域上的耦合振荡信号在时域上加以合成和分解,包括非线性耦合振荡的弱信号,这对短期气候预报十分有益。文中实例证明,SCSA比经典交叉谱分析有更为优良的特性。     

NINO区SST与SOI的耦合振荡信号及其预测试验

应用奇异交叉谱（ＳＣＳＡ）分析方法,提取Ｎｉｎｏ 海区各区的平均海温（ＳＳＴ）和南方涛动指数（ＳＯＩ）之间的耦合振荡信号,由此描述其年际和年代际的时变特征。基于ＳＣＳＡ,重建耦合振荡分量序列（ＲＣＣＳ）,并与回归分析相结合,对Ｎｉｎｏ 各海区平均的ＳＳＴ月际序列作短期气候预测试验。结果表明,各海区ＳＳＴ与ＳＯＩ的显著耦合振荡周期各有特色,其年际或１０ 年际变化不尽相同,从而构成了ＥＮＳＯ信号在时空演变型态上的复杂性。ＳＣＳＡ基础上的回归预报模型的预报技巧绝大部分优于ＳＳＡ－ＡＲ预报模型,实际预报试验证明效果优良     

祁连山树木年轮指数的奇异谱分析

本文采用奇异谱分析（ＳｉｎｙｕｌａｔＳｐｅｃｔｒａＡｎａｌｙｓｅｓ）方法对祁连山地区三棵同种国柏（ＳａｂｉｎａＰｒｚｅｗａｌｓｋｉｉｋｏｍ．）的年轮指数进行了分析，计算结果表明：样本序列长度为９３５年的年轮平均指数在统计上存在着十分显著的振荡周期。在给定信度α＝０．０５的红噪声检验标准下，得到了３１０、２０６．７、１５５、１２４、１０３．３、８８．６、７７．５、６８．９、５６．４、４１．８、３２．６、２５．８、２２．１、２０．７、１３．２、１１．５、９．３年等显著周期。比较用奇异谱分析（ＳＳＡ）方法与用一般功率谱分析方法计算年轮指数所得到的谱图可以发现，奇异谱谱值较一般功率谱谱值的峰值具有单一和集中的特点，并且较容易通过显著性检验。因而，奇异谱分析（ＳＳＡ）方法更能识别在统计上显著的周期。     

全球平均海温演变的奇异谱分析

用奇异谱分析（ＳＳＡ）研究了１３６年（１８５６－１９９１年）全球平均海温季距平演变特征，并对各主分量作了最大熵谱分析。结果表明，海温演变除了具有８１年周期外，还有一些非常明显的周期振动，这些周期主要是准１０年和２．６－６年。从各主分量的方差贡献来看，前１５个主分量的方差贡献之和是总方差的７８％。从特征向量的分布函数来看，第１、２特征向量表示了海温序列的线性特征，它们的方差之和可以占到总方差的４８％     

奇异谱分析—最大熵预报方法

引　言奇异谱分析—最大熵预方法 (ＳｉｎｇｕｌａｒＳｐｅｃｔｒｕｍＡｎａｌｙｓｉｓＣｏｍｂｉｎｅｄｗｉｔｈＭａｘｉｍｕｍＥｎｔｒｏｐｙＭｅｔｈｏｄ ,简称ＳＳＡ—ＭＥＭ )是Ｖａｕ ｔａｒｄ和Ｇｈｉｌ最早应用于气象研究的[1～ 3] 。目前 ,Ｃａｌｉｆｏｒｎｉａ大学的     

Nino海区SSTA短期气候预测模型试验

采用奇异谱分析（ＳＳＡ）与自回归（ＡＲ）预测模型相结合的方案,对Ｎｉｎｏ海区平均ＳＳＴ逐月距平序列作自适应滤波意义下的超前预报。结果表明,对１９９７－１９９８年这次强ＥＮＳＯ事件的超前预报十分有效;利用相应的历史样本作三次强ＥＮＳＯ事件的回溯预报试验,发现均有较高可信度。可见,该方案预报技巧稳定,独立样本试验和实际预报试验都有很高的准确率。将ＳＳＡ－ＡＲ方案进一步完善,可望作为ＥＮＳＯ业务预报的有     

SSA方法在气候时间序列分析和预测中的应用

文章介绍了奇异谱分析方法在不同时期尺度气候研究中的应用。表明ＳＳＡ是气候动力重建、统计分析和信息压缩的一种有效工具，并可应用于建立经验长期预报的预报因子集。     

SVD方法在气象场诊断分析中的普适性

本文首次从理论上推导证明两个气象场的奇异值分解（ＳＶＤ）在气象场时空分布耦合信号的诊断分析中具有普适性。结果表明，两个场的ＳＶＤ求解准则不同于典型相关分析（ＣＣＡ），且ＣＣＡ模型可视为ＳＶＤ之特例，尤其当各个场经ＰＣＡ滤波后，其ＣＣＡ完全与ＳＶＤ等价。ＳＶＤ分析的结果不但可完全代替ＣＣＡ，且计算更简便，所得耦合信号的物理解释更清晰，特别适合于大尺度气象场的遥相关型研究。     

用奇异谱分析诊断地面气温场低频振荡周期

采用ＳＳＡ方法分析我国东南地区地面气温场，发现明显存在周期为３５－４０天的季节内低频振荡。计算还表明，ＳＳＡ不仅能有效识别振荡分量，同样也是一种很好的时间滤波方法。     

用奇异谱分析诊断地面气温场低频振荡周期

采用ＳＳＡ方法分析我国东南地区地面气温场，发现明显存在周期为３５─４０天的季节内低频振荡。计算还表明，ＳＳＡ不仅能有效识别振荡分量，同样也是一种很好的时间滤波方法。     

Theoretical relationship between SSA and MESA with both application

Ｉ．ＩＮＴＲＯＤＵＣＴＩＯＮＳｉｎｇｕｌａｒｓｐｅｃｔｒａｌａｎａｌｙｓｉｓ（ＳＳＡ）,ａｓａｎｅｗｄｉａｇｎｏｓｔｉｃｍｅｔｈｏｄ,ｈａｓｂｅｎｅｘｔｅｎｓｉｖｅｌｙａｐｐｌｉｅｄｉｎｃｌｉｍａｔｉｃｄｉａｇｎｏｓｅｓａｎｄｐｒｅｄｉｃｔｉｏｎｗｉ...     

近百年全球平均地面气温准周期信号及其长期演变特征的分析

应用奇异谱分析(SSA)方法,对全球及南北半球近100多年(1856～1997年)逐月地面气温距平序列的年际变化准周期性进行诊断分析,结果表明,全球平均气温序列中以准5～6年和准4年周期振荡最显著,其次是准两年周期振荡.各种准周期振荡年代际演变特征及其变率的阶段性,不但表现在振幅上,而且其波数亦很明显.上述特征在全球、南北半球都各有明显的差异.奇异交叉谱分析(SCSA)表明,全球平均地面气温的年际振荡与气候系统中其他各子系统所隐含的准周期信号具有各种耦合关系,尤其表现在与Nino区海温或南方涛动指数中的准周期信号的耦合关系上.     

基于神经网络奇异谱分析的ENSO指数预测

采用奇异谱分析方法研究了ENSO指数及相关序列, 结果表明奇异谱分析能很好的对原始序列进行信噪分离, 增大了ENSO指数的可预报性.在此基础上, 提出了人工神经网络和奇异谱分析相结合的ENSO指数预测方法, 进行了不同因子组合的预报试验, 预报效果明显优于持续性预报, 超前4季的Nio 3区、 Nio 4区预报相关系数仍高于0.5.     

FORECASTING THE MJO INDEX BASED ON SSA-AR

Experiments of forecasting daily bi-variate index of the tropical atmospheric Madden-Julian Oscillation (MJO) are performed in the context of adaptive filtering prediction models by combining the singular spectrum analysis (SSA) with the autoregressive (AR) methods.the MJO index,a pair of empirical orthogonal function (EOF) time series,called RMM1 and RMM2,predicts by the combined statistical SSA and AR models:firstly,according to the index of historic observation decomposed by SSA and then reconstructed by selecting the first several components based on prominent variance contributions;after that,established an AR prediction model from the composite (scheme A) or built the forecast models for each of these selected reconstructed components,separately (Scheme B).Several experimental MJO index forecasts are performed based on the models.The results show that both models have useful skills of the MJO index forecast beyond two weeks.In some cases,the correlation coefficient between the observed and predicted index series stays above 0.5 in 20 leading days.The SSA-AR model,based on the reconstructed composite series,has better performance on MJO forecast than the AR model,especially for the leading time longer than 5 days.Therefore,if we build a real-time forecast system by the SSA-AR model,it might provide an applicable tool for the operational prediction of the MJO index.     

Spectrum Analysis of Wind Profiling Radar Measurements

Unlike previous studies on wind turbulence spectrum in the planetary boundary layer, this investigation focuses on high-altitude （1-5 km） wind energy spectrum and turbulence spectrum under various weather conditions. A fast Fourier transform （FFT） is used to calculate the wind energy and turbulence spectrum density at high altitudes （1-5 km） based on wind profiling radar （WPR） measurements. The turbulence spectrum under stable weather conditions at high altitudes is expressed in powers within a frequency range of 2 × 10-5-10-3 s-1, and the slope b is between -0.82 and -1.04, indicating that the turbulence is in the transition from the energetic area to the inertial sub-range. The features of strong weather are reflected less obviously in the wind energy spectrum than in the turbulence spectrum, with peaks showing up at different heights in the latter spectrum. Cold windy weather appears over a period of 1.5 days in the turbulence spectrum. Wide-range rainstorms exhibit two or three peaks in the spectrum over a period of 15-20 h, while in severe convective weather conditions, there are two peaks at 13 and 9 h. The results indicate that spectrum analysis of wind profiling radar measurements can be used as a supplemental and helpful method for weather analysis.     

地球-电离层空腔舒曼共振日变化特征分析

全球雷电活动在地球-电离层空腔中产生的极低频(ELF)信号干涉叠加,在一系列固定频率上产生舒曼共振(SR)。利用2012年5月以色列Mitzpe-Roman(MR)站ELF水平磁场资料,采用频谱变换、时间平均、分析了实测SR日变化信号的时域和频域特征。同时基于全球ELF传播模式,利用OTD/LIS雷电卫星资料模拟了5~30 Hz磁场功率谱日变化情况。结果表明:时域背景信号幅值的均值和偏差满足正态分布的期望和标准差;水平磁场前三阶SR谐振频率非常稳定,月平均下的谐振频率日变化相对8、14、20 Hz理论值的偏移量分别不超过0.3 Hz、0.55 Hz和0.6 Hz。东南亚和美洲地区雷电活动主要响应于南北磁场分量第一阶SR的07—09时和19—22时时段内。而东西磁场分量前三阶SR在12—15时时段内都对非洲地区雷电活动有指示作用。磁场功率谱日变化模拟结果与实测基本一致,表明利用单站正交磁天线的不同阶SR信号能够指示全球不同"热斑"区域的雷电活动。     

A New Temperature Channel Selection Method Based on Singular Spectrum Analysis for Retrieving Atmospheric Temperature Profiles from FY-4A/GIIRS

Hyperspectral data have important research and application value in the fields of meteorology and remote sensing.With the goal of improving retrievals of atmospheric temperature profiles, this paper outlines a novel temperature channel selection method based on singular spectrum analysis(SSA) for the Geostationary Interferometric Infrared Sounder(GIIRS), which is the first infrared sounder operating in geostationary orbit. The method possesses not only the simplicity and rapidity of the principal component analysis method, but also the interpretability of the conventional channel selection method. The novel SSA method is used to decompose the GIIRS observed infrared brightness temperature spectrum(700-1130 cm~(-1)), and the reconstructed grouped components can be obtained to reflect the energy variations in the temperature-sensitive waveband of the respective sequence. At 700-780 cm~(-1), the channels selected using our method perform better than IASI(Infrared Atmospheric Sounding Interferometer) and Cr IS(Cross-track Infrared Sounder)temperature channels when used as inputs to the neural network retrieval model.