在气象环境预报保障和大气科学研究中,准确描述和理解复杂大气流体运动结构变化和不稳定机理至关重要。然而,近几十年来即使随着计算机技术的高速发展和气象观探测仪器性能不断提升,要准确量化地提取复杂大气流体运动结构依然非常困难。另一方面,在对大气流动进行稳定性分析时,需要对控制大气运动的偏微分方程组进行大幅度简化或者计算大型矩阵的逆和特征值,众所周知大型矩阵计算代价巨大,且在大气运动稳定性分析中不存在普适性方法。而通过动力学模态分解（Dynamic Mode Decomposition,DMD）方法分析大气/海洋的高维数据序列,不仅可以得到表征流场空间结构特征的模态,并且可以通过模态对应的特征值获得模态的增长/衰减率,判断流场的稳定性,并且可以为大气运动系统提供简化的线性模型。本文将DMD方法引入对大气运动数据的分析,目的是改进对大气运动特征的认识。首先,分别采用DMD方法和本征正交分解（Proper Orthogonal Decomposition,POD）方法对平流层200 h Pa大气急流运动流场进行模态分析,对通过两种方法分解得到的时空模态进行比较,对比两种模态分解方法的特点,并对通过DMD和POD方法获得流场降阶模型进行误差分析,以检验DMD方法对大气运动流场的分析效果。其次,应用改进的稀疏DMD方法（Sparsity-promoting Dynamic Mode Decomposition,SPDMD）对平流层200 h Pa大气急流运动流场进行模态分析,实现流场最优模态的选取,并对流场进行稳定性分析。同时,应用DMD的扩展算法（Multi-resolution Dynamic Mode Decomposition,mr DMD）对1990-2016年全球海平面温度数据集进行分析,实现对长时间数据序列中不同频率动力学特征的提取。通过实验和研究,主要得出以下结论:（1）通过DMD分解方法可以获得大气运动流场不同模态对应的特征值,模态特征值的实部对应模态的增长率,反映模态随时间的增长/衰减。特征值的虚部对应模态的频率,反映流场结构随时间的形态变化。通过特征值分析即可判断大气运动模态的稳定性,而POD方法无法判断模态的稳定性。并且,DMD方法可以有效获得多尺度大气运动中每个频率运动模态的结构信息,而POD模态对应的频率为混合频率。（2）DMD方法分解得到的不同的模态代表了流场不同空间尺度的运动规律,零频模态代表大气运动流场的基本流动结构,大气运动流场可以视作在基本流动结构上叠加不同频率的动力学模态,由此,将复杂的流动问题转化为若干主要流动模态随时间的演化。基于DMD和POD方法分别建立平流层200 hPa急流流场的降阶模型,相比于POD方法,DMD方法可以利用更少的模态对流场进行较高精度的重构与预测。（3）SPDMD方法能够选出流场的最优模态,实现流场稳定性分析;mr DMD方法能够准确识别与全球天气和气候变化有关的间歇性变暖和降温的厄尔尼诺（El Ni（?）o）和拉尼娜（LaNi（?）a）事件,进一步证实了动力学模态方法对大气/海洋复杂流场分析的能力。