CN108957590A - 一种基于eeof准双周振荡实时指数的提取方法 - Google Patents

Abstract

本发明提供了一种基于EEOF准双周振荡实时指数的提取方法。所述基于EEOF准双周振荡实时指数的提取方法包括以下步骤：步骤1，将季风区的数据序列中‑a、‑b和0天滞后的设定时间段内的带通滤波的OLR距平场进行EEOF分析，得到前两个EEOF模态，其中，a＞b，且a和b均为正整数；步骤2，将包含了‑a、‑b和0天的设定时间段内的非带通滤波的OLR距平场投影到前两个EEOF模态上得到每天的投影结果，并将每天的投影结果以数据序列中一段时间内的标准差进行标准化，进而得到准双周振荡实时指数。本发明的有益效果是：所述基于EEOF准双周振荡实时指数的提取方法能够非常有效地抓到QBWO对流在西北太平洋和印度洋上西北传和北传的传播特征。

Description

一种基于EEOF准双周振荡实时指数的提取方法

技术领域

本发明属于大气科学技术领域，具体地涉及一种基于EEOF准双周振荡实时指数的提取方法。

背景技术

准双周振荡(quasi-biweekly oscillation,QBWO)作为季节内振荡(intraseasonal oscillation，ISO)中最重要的成分之一，对于东亚夏季季风区的天气和气候系统具有非常重要的影响。目前国内外针对东亚季风区的QBWO实时指数主要有以下两个：Lee et al.(2013)提出了一个针对北半球夏季季节内振荡(boreal summer ISO，BSISO)的实时指数。他们将东亚夏季季风区(40°–160°E,10°S–40°N)的对外长波辐射(outgoing longwave radiation，OLR)和低层风场距平场进行多变量经验正交分析(empirical orthogonal function,EOF)，前两个EOF模态主要代表了30–60天向东/东北传播的BSISO信号，第三、四模态主要代表了向北/西北传播的10–30天的QBWO信号，本文将这一指数称为BSISO2指数。由于BSISO2指数采用的非滤波方法只去掉了低频信号，而天气尺度的信号并没有去除，因此BSISO2指数中包含了较多高频的天气尺度波动信号，其频谱分析中也出现更低频的30–40天的周期信号。

除此之外，Gao et al.(2016)也根据Lee et al.(2013)的方法，利用EOF方法发展了一个东亚-西北太平洋区域(90°–150°E,10°S–40°N)的实时指数，其三、四模态也代表了10–30天的QBWO信号。本文将这一指数称为EAWNP-ISO2指数。Gao et al.(2016)的方法是通过经向平均的方式去掉高频信号，因此对QBWO的经向传播信号掌握不足。

由后续的分析也可以发现，目前这两个基于多变量EOF建立的QBWO实时指数往往低估南海-西北太平洋上的10–30天对流信号，对于极端天气的监测能力也有待提高。

发明内容

本发明的目的在于针对现有技术的缺陷或问题，提供一种基于EEOF准双周振荡实时指数的提取方法。

本发明的技术方案如下：一种基于EEOF准双周振荡实时指数的提取方法包括以下步骤：步骤1，将季风区的数据序列中-a、-b和0天滞后的设定时间段内的带通滤波的OLR距平场进行EEOF分析，得到前两个EEOF模态，其中，a＞b，且a和b均为正整数；步骤2，将包含了-a、-b和0天的设定时间段内的非带通滤波的OLR距平场投影到前两个EEOF模态上得到每天的投影结果，并将每天的投影结果以数据序列中一段时间内的标准差进行标准化，进而得到准双周振荡实时指数。

优选地，得到非带通滤波的OLR距平场包括如下步骤：从原始数据中去掉低频背景场，包括年循环和前三个谐波；从距平场中减去前若干天滑动平均，去掉两周以上的时间信号；最后进行前若干天的滑动平均，去掉高频信号。

本发明提供的技术方案具有如下有益效果：

所述基于EEOF准双周振荡实时指数的提取方法利用EEOF方法将前6天的大尺度场作为一个整体进行经验正交展开，因此得到的模态包含了QBWO对流在时间上演化的特征，而不是像传统的EOF方法缺少了波动的时间演化特征，因此对QBWO对流在不同区域复杂的传播特征和细节可以还原得更好。同时，为了能够直接应用于气象单位的业务预报和实时监测，我们采用了非带通滤波的方式提取10-30天的波动，这种方法避免了如带通滤波会损失时间序列上最前和最后一段时间格点的缺点，可以得到每一天的10-30天波动的数据。因此将用以上步骤建立得到的QBWO实时指数能够非常有效地抓到QBWO对流在西北太平洋和印度洋上西北传和北传的传播特征，对亚洲季风区的极端事件(如台风，极端降水，季风等)都具有很好的监测作用。

附图说明

图1为1980-2012年10-30天带通滤波OLR方差分布以及10-30天带通滤波OLR的传播箭头示意图，其中，(a)为年平均，(b)为北半球夏季(5-10月)和(c)北半球冬季(11月-次年4月)；

图2为QBWO实时指数提取的流程图；

图3为1991年5-10月QBWO实时指数(蓝色，虚线)和10-30天带通滤波OLR场通过EEOF分析的得到的主成分(黑色，实线)PC1(a)和PC2(b)之间的时间相关系数；

图4是(a)QBWO实时指数,(b)BSISO2指数和(c)EAWNP ISO-2指数在位相图上对应的根据Kajikawa and Wang(2012)定义的1981-2011年每年中国南海季风爆发日期的示意图；

图5是2010年9月30日-10月15日期间每四天平均的10-30天带通滤波OLR距平场，这一期间海南岛发生了极端暴雨事件；由(a)QBWO实时指数，(f)BSISO2指数和(g)EAWNPISO-2指数监测的QBWO信号在位相图上的演变过程。

具体实施方式

为了使本发明的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本发明进行进一步详细说明。应当理解，此处所描述的具体实施例仅仅用以解释本发明，并不用于限定本发明。

本发明中的步骤虽然用标号进行了排列，但并不用于限定步骤的先后次序，除非明确说明了步骤的次序或者某步骤的执行需要其他步骤作为基础，否则步骤的相对次序是可以调整的。可以理解，本文中所使用的术语“和/或”涉及且涵盖相关联的所列项目中的一者或一者以上的任何和所有可能的组合。

QBWO作为季节内振荡最重要的成分之一，从气候平均上讲，它主要活跃在西北太平洋、印度洋、南太平洋辐合区以及赤道辐合带，在北印度洋和西北太平洋地区主要是以向北和西北传播特征为主(图1a)。在北半球夏季时，QBWO活跃的大值中心从赤道地区向北移动到孟加拉湾和中国南海–西北太平洋副热带区(图1b)，在西北太平洋上主要是向西北方向传播。

QBWO与热带和副热带地区的天气和气候系统密切相关。首先，QBWO对亚洲夏季季风的爆发和建立，尤其是中国南海季风紧密相关(Chen and Chen 1995Chen et al.,2000)。其次，QBWO对于西北太平洋热热带气旋的发生与发展具有明显的调控作用(Maloneyand Hartmann2000；Li and Zhou 2013Li and Zhou 2013；Zhao et al.,2015,2016)。此外，QBWO也能影响东亚地区的极端天气事件(Hsu et al.2016)。

因此，根据QBWO这些基本特征，本专利研制的东亚夏季季风区QBWO实时指数希望能够掌握QBWO的主要活跃区、传播特征和季节变化等这些基本特征。同时也希望这一实时指数能够很好地体现QBWO与热带和副热带地区的天气和气候系统之间的关系，比如与中国南海季风爆发之间的关系，对热带气旋的生成和发展的调控作用，对极端天气事件的监测等。此外，作为一个实时指数，也能够直接应用于业务上的实时监测以及对模式QBWO模拟能力的评估提供依据。

具体地，如图2所示，本发明提供的基于EEOF准双周振荡实时指数的提取方法包括以下步骤：

1、将季风区的数据序列中-a、-b和0天滞后的设定时间段内的带通滤波的OLR距平场进行EEOF分析，得到前两个EEOF模态，其中，a＞b，且a和b均为正整数；

2、将包含了-a、-b和0天的设定时间段内的非带通滤波的OLR距平场投影到前两个EEOF模态上得到每天的投影结果，并将每天的投影结果以数据序列中一段时间内的标准差进行标准化，进而得到准双周振荡实时指数。

例如，在步骤1中，首先将1980-2012年夏季5-10月东亚夏季季风区(40°E-180°,0°-30°N)的-6、-3和0天滞后的10-30天带通滤波的OLR场进行EEOF分析。需要说明的是，这里采用的时间间隔(3天，4天或者2天)对于最终结果并没有太大区别。并且，进行EEOF分析的区域大小和范围也对最终的QBWO实时指数没有太大影响。EEOF分析的前两个模态代表了QBWO半个生命周期，它们分别解释了总体方差的4.53％和4.48％，并且都通过了North显著性检验(North et al.1982)。EEOF的前两个模态为同一个波动信号，但有90度位相差，代表了QBWO半个周期，其对流传播的演变过程体现了QBWO的对流结构和传播特征：QBWO主要是从赤道西太平洋地区向西北方向传播，并且在菲律宾海附近进一步增强，最终在中国东南部减弱，东北–西南经向倾斜的对流带从赤道印度洋地区一直延伸到西北太平洋地区。另一个较弱的对流中心位于孟加拉湾附近，从东赤道地区向北传播至印度半岛。

又例如，在步骤2中，将非带通滤波得到的10-30天距平场投影回EEOF的前两个模态上，得到每天的投影结果，并将每天的投影结果以该序列中1980-2012年5-10月的标准差进行标准化。非带通滤波的方法是将OLR场先去掉年循环及前三个谐波，再减去前12天的滑动平均，最后将距平场再进行前三天的滑动平均。在进行业务应用时，以2017年11月1日为例，若要得到2017年11月1日的QBWO实时指数，首先将1980年1月1日-2017年11月1日逐日的OLR资料去掉年循环及前三个谐波，再减去前12天的滑动平均，然后进行前3天滑动平均，将这一距平场投影回之前得到的前两个EEOF模态上，将得到的时间序列以1980-2012年5-10月的标准差进行标准化，就可以得到2017年11月1日的QBWO实时指数。

此外，在本实施例中，得到非带通滤波的OLR距平场包括如下步骤：

从原始数据中去掉低频背景场，包括年循环和前三个谐波；

从距平场中减去前若干天滑动平均，去掉两周以上的时间信号；

最后进行前若干天的滑动平均，去掉高频信号。

例如，得到非带通滤波的10-30天OLR距平场包括如下步骤：

1、从原始数据中去掉低频背景场，包括年循环和前三个谐波；

2、从距平场中减去前12天滑动平均，去掉两周以上的时间信号；

3、最后进行前3天的滑动平均，去掉高频信号。我们将这一非带通滤波方法得到的OLR距平场称为非带通滤波场。

例如，图3计算了10-30天带通滤波得到的主成分(principal components,PC)和投影到非带通滤波场上得到的QBWO实时指数之间的时间相关系数，在任意一年(如1991年)二者的相关系数达到0.81(PC1)和0.82(PC2)，即使是1980-2012年期间的相关系数也达到了0.78(PC1)和0.82(PC2)，都超过了99％的显著性检验。因此可以确定这一非带通滤波方法得到的QBWO实时指数的可靠性。

此外，如图4所示，图4比较了QBWO实时指数、BSISO2指数和EAWNP-ISO2指数与南海夏季风爆发之间的关系。南海季风的爆发日期是根据Kajikawa and Wang(2012)的定义，将每年爆发的日期点在位相图上。在大部分年中，南海季风的爆发时QBWO都非常活跃(强度大于0.5)。31年中有22年(70％)的季风爆发发生在QBWO实时指数的活跃位相(位相1-2和7-8)，此时深对流和气旋性异常环流位于菲律宾海和中国南海区域。因此说明了QBWO实时指数能够通过监测与南海季风爆发有关的QBWO对流和环流来监测南海季风的爆发。与QBWO实时指数相似，2-5位相的BSISO2指数对应的深对流位于菲律宾海和中国南海区域。而EAWNP-ISO2指数只有45％的个例处于其对流位相。因此，EAWNP-ISO2指数与南海季风爆发的联系弱于QBWO指数和BSISO2指数。

如图5所示，QBWO实时指数对海南岛极端降水事件进行监测的示意图。2010年9月30日晚上起至10月9日在中国海南岛附近发生了一次严重的暴雨事件，一共持续了10天。岛上的降水达到了300-1000mm day-1，在岛的东部最大降水量超过了1000mm day-1，超过了历史同期降水量的6倍。这一极端降水事件造成了史无前例的洪涝灾害，导致了超过5亿美元的经济损失，并造成了了成千上万间的房屋倒塌(Jian and Zhang 2013；Wang et al.,2014)。

QBWO活动对于这次海南暴雨的演变过程如图5a-d。暴雨从9月30日开始，此时QBWO的深对流正好位于中国南海的中心。这一对流信号在之后的一周内进一步增强并且向北/西北方向移动到海南岛。从10月8日至15日，海南岛受QBWO的下沉气流影响，降水开始逐渐减弱(图5c-d)。位相图上分别为QBWO实时指数(图5e)、BSISO2指数(图5f)和EAWNP-ISO2(图5g)对应的QBWO信号轨迹。位相图上对应的点代表了整个暴雨事件的每一天。红色较大的点代表了这次事件的开始。QBWO实时指数非常清晰地记录了这次暴雨事件的整个生命史。从10月1日开始，QBWO实时指数的强度开始大于1(在中间圆圈的外面)。在2-4位相时，QBWO实时指数的强度开始增加，此时QBWO对流主要位于中国南海附近(图5e)。从10月8日之后，QBWO实时指数的强度开始减弱并且中国南海上空转为非对流位相(图5e)。与之相反，另外两个指数并没有监测到这一暴雨事件的生命史。BSISO2指数的强度在9月30日到10月6日期间一直比较弱，而此时正是强降水发生的时候(图5f)。EAWNP-ISO2指数虽然也记录了这次事件QBWO演变的过程，不过在10月4日至7日增强的QBWO强度并没有持续很久，并且强度变化很明显。

对于本领域技术人员而言，显然本发明不限于上述示范性实施例的细节，而且在不背离本发明的精神或基本特征的情况下，能够以其他的具体形式实现本发明。因此，无论从哪一点来看，均应将实施例看作是示范性的，而且是非限制性的，本发明的范围由所附权利要求而不是上述说明限定，因此旨在将落在权利要求的等同要件的含义和范围内的所有变化囊括在本发明内。不应将权利要求中的任何附图标记视为限制所涉及的权利要求。

此外，应当理解，虽然本说明书按照实施方式加以描述，但并非每个实施方式仅包含一个独立的技术方案，说明书的这种叙述方式仅仅是为清楚起见，本领域技术人员应当将说明书作为一个整体，各实施例中的技术方案也可以经适当组合，形成本领域技术人员可以理解的其他实施方式。

Claims (2)

1.一种基于EEOF准双周振荡实时指数的提取方法，其特征在于：包括以下步骤：

步骤1，将季风区的数据序列中-a、-b和0天滞后的设定时间段内的带通滤波的OLR距平场进行EEOF分析，得到前两个EEOF模态，其中，a＞b，且a和b均为正整数；

步骤2，将包含了-a、-b和0天的设定时间段内的非带通滤波的OLR距平场投影到前两个EEOF模态上得到每天的投影结果，并将每天的投影结果以数据序列中一段时间内的标准差进行标准化，进而得到准双周振荡实时指数。

2.根据权利要求1所述的一种基于EEOF准双周振荡实时指数的提取方法，其特征在于，得到非带通滤波的OLR距平场包括如下步骤：

从原始数据中去掉低频背景场，包括年循环和前三个谐波；

从距平场中减去前若干天滑动平均，去掉两周以上的时间信号；

最后进行前若干天的滑动平均，去掉高频信号。