论文部分内容阅读
本文采用NOAA的逐月平均SST资料和NCEP/NCAR的逐月平均500hPa高度场资料,运用NLPCA和NLCCA两种分析方法,分析了热带太平洋的SSTA场和太平洋北美地区的500hPa高度距平场各自变化的非线性特征,以及两者之间的非线性关系。NLPCA和NLCCA均用人工神经网络实现,是对传统EOF和CCA的非线性推广。一个EOF模态只表示原场中的一个驻波振荡,一对CCA模态只能表示两个场之间的一种线性联系,但通常没有理由期望对一个空间场的一维最优近似是线性的,也不能期望两个场之间的联系完全是线性的。NLPCA和NLCCA有能力表示出更一般的低维结构,可以提取资料集中传统EOF和CCA所不能提取的特征。对SSTA场做NLPCA分析,得出结果:ENSO振荡中最强的暖位相,其最强的正距平中心在秘鲁沿岸附近,而最强的冷位相,其负中心强度位于150°W附近,并且暖事件的正中心强度(4.5~5℃)比冷事件的负中心强度(-1.8~2℃)强得多。对于500hPa高度距平场的NLPCA分析得出:它的一维非线性主成分u取最大值时,对应的环流异常是西风急流减弱,在u取最小值时,并不是急流加强与之对应,而是PNA型负位相的异常与之对应。NLPCA分析不能很好地反映与ENSO振荡相联系的500hPa高度场的非线性特征。将冬季(DJF)的SSTA场和冬季500hPa的高度距平场做NLCCA分析,NLCCA模态1的典型相关变量u从最大值变化到最小值,重建的SSTA场从强El Nino位相变换到强LaNina位相。La Nina位相的负距平中心(-1.5~2℃)比El Nino位相的正距平中心(4.5-5℃)偏西约50个经度,其冷暖位相的空间形态和强度大小和对SSTA场的NLPCA分析所得结论非常相似,两者的相关系数分别高达0.97和0.96。对于500hPa高度场,其非线性特征主要表现为定常波列(Rossby波)的位置偏差。El Nino时,PNA正位相的四个距平中心比La Nina时PNA负位相距平中心位置向东偏离约20个经度。两种非线性分析方法得出的结论和合成分析的结果基本相符。