海表溫度季節(jié)變化的非線性特征分析.pdf

1、利用自適應數(shù)據(jù)分析方法分析海洋的觀測數(shù)據(jù)對于研究海洋與氣候變化的非線性、非平穩(wěn)過程及其物理機制至關重要。本文基于經驗模分解(EMD)和希爾伯特-黃變換(HHT)方法,重點研究了海洋表層溫度(SST)季節(jié)變化的非線性特征及其空間分布,并建立了檢驗經驗模分解所得到的本征模函數(shù)(IMF)的統(tǒng)計顯著性分析方法。
　　本文第一部分著重分析了SST季節(jié)變化的非線性特征。研究發(fā)現(xiàn),全球海洋SST的季節(jié)變化具有較強的非線性特征,而傅里葉變換(Fo

2、urier)等方法會將SST的非線性季節(jié)變化拆分為年循環(huán)和半年、四個月、三個月和兩個月等諧波,這為理解SST的季節(jié)變化及其物理機制帶來了困擾。為了了解全球SST的非線性季節(jié)變化特征,本文選擇了十個特征海區(qū),對2003-2011年間各海區(qū)微波遙感SST觀測時間序列進行了EMD分析,并對所得到的調制年循環(huán)(MAC)變化形態(tài)及其影響機制做了初步探討。
　　對每個IMF進行統(tǒng)計顯著性檢驗是進一步理解其所對應物理過程的基礎。白噪音零假定條件

3、是較為廣泛使用的噪音檢測方法之一,目的是確定信號是否顯著地區(qū)別于白噪音。然而海洋與氣候變化大多具有顯著的滯后相關特征,因此采用白噪音零假定是不合理的。本文第二部分主要發(fā)展了檢驗IMF顯著性特征的分析方法,借助周期性變化的信號和噪音序列在不同數(shù)據(jù)采樣間隔下特征不同這一性質,提出了基于EMD的分數(shù)采樣間隔重采樣分析方法。通過重采樣后的數(shù)據(jù)各個IMF的希爾伯特-黃譜的不同特征和加權平均頻率隨采樣間隔的變化,來判斷每個IMF是否能夠區(qū)別于噪音所