EOF分解 ，但是得到的结果与 参考课本的结果相差较大，求解释原因

QQT

此图，是课本中的图像，是对HADISST 1900--2006年数据分季节进行EOF分解。

我也利用同样地数据，对相同的时间长度进行EOF分解，但是得到的结果与课本中的EOF相差很大，求原因。我是对HADISST的距平场进行的EOF分解，还有就是看到很多人说要进行标准化处理，求距平场后还要进行标准化处理吗？
如下图是我自己做的结果。

下图春季，第一模态时间系数

石破天惊

四个季节画出来是一样的啊，你这个很可能是因为缺测值或者是边界没有处理好造成的

QQT

石破天惊 发表于 2014-6-3 08:16
四个季节画出来是一样的啊，你这个很可能是因为缺测值或者是边界没有处理好造成的

所选区域有大片的陆地，对于陆地数据是直接略掉，只保留有效的点，然后重新组成一个二维矩阵（LAT*LON,TIME），将计算出的EOF再填充到以前的有效点中。这样可以吗？

言深深

你的这个和文献的相似度还是比较高的，至于二者的差异性可能：
1.这两个是否都是用的距平场或者标准化场？如果不一样，差别是显然的；
2.文献里面里面绘图的时候没有经过平滑处理，而你的绘图是经过平滑处理的，所以不一样。

此外，四个季节出来的图差不多，应该是可以理解的，这是印度洋海温？eof的结果分析一般需要结合时间系数来看。

QQT

言深深 发表于 2014-6-3 08:33
你的这个和文献的相似度还是比较高的，至于二者的差异性可能：
1.这两个是否都是用的距平场或者标准化场？ ...

1.我是使用距平场处理的第一模态方差贡献率84.68%，第二模态是7.9%；参考文献中第一模态方差贡献是45%左右，第二模态是10%左右。
2.参考文献中第一模态中等值线都是正值，最大等值线可达0.05，但是我处理的结果春、冬季节会出现负值。
3.参考文献的图像解释说，第一模态反映了印度洋区域海温变化全区一致的特征，第二模态反映了印度洋海温变化的差异。他的这句话是不是可以说明，参考文献中是对原数据场进行的EOF分解

QQT

言深深 发表于 2014-6-3 08:33
你的这个和文献的相似度还是比较高的，至于二者的差异性可能：
1.这两个是否都是用的距平场或者标准化场？ ...

计算的第一模态的时间系数很大，如：不知道这个时间系数是否正确，求问
      -118.312
     -149.577
     -144.848
     -93.4886
     -6.40127
      78.4269
      137.092
      152.956
      147.640
      105.672
      22.7379
     -63.4207
     -139.879
     -169.218
     -154.886
     -94.3731
     -9.11269
      77.5615
      142.054
      166.138
      155.885
      108.759
      22.0406
     -66.4867
     -133.878
     -166.540
     -151.379
     -100.619
     -15.9921
      73.8668
      140.193
      159.554
      147.779
      98.6396
      11.3063
     -75.2877
     -142.298
     -165.030
     -150.214
     -103.056
     -12.1150
      68.5751
      127.797
      154.334
      144.504
      105.898
      23.3563
     -61.2866
     -133.325
     -161.999
     -154.168
     -95.7461
     -4.48562
      76.1771
      132.896
      164.955
      153.069
      111.706
      29.2257
     -61.2847
     -132.498
     -161.452
     -157.517
     -102.919
     -23.4598
      64.2491
      134.646
      153.704
      146.384
      105.450
      30.3012
     -52.3128
     -128.269
     -159.390
     -144.365
     -83.1292
     -1.02281
      86.5992
      136.584
      159.065
      156.028
      115.021
      39.6908
     -50.6856
     -112.297
     -161.547
     -147.441
     -85.1346
      7.19450
      80.1390
      135.869
      155.809
      136.272
      93.8473
      16.2748
     -72.5264
     -144.629
     -177.786
     -161.655
     -99.0805
     -8.59920
      74.1534
      137.743
      159.853
      154.645
      110.047
      38.7854
     -53.7017
     -125.485
     -157.385
     -152.327
     -89.6055
     -8.70636
      70.8098
      128.626
      157.489
      145.911
      103.939
      30.3478
     -65.4384
     -135.971
     -174.984
     -156.567
     -99.9197
     -4.56583
      84.5814
      136.872
      154.128
      148.155
      105.534
      28.3270
     -60.5459
     -125.395
     -156.594
     -157.353
     -99.8827
     -20.3292
      67.4035
      122.083
      152.949
      146.170
      100.189
      25.7242
     -59.5844
     -125.011
     -161.675
     -154.658
     -101.548
     -18.4684
      64.1398
      123.299
      146.483
      143.575
      102.109
      22.2898
     -60.6647
     -139.841
     -173.110
     -155.752
     -101.338
     -13.6512
      65.0981
      126.917
      150.150
      143.376
      108.671
      20.4841
     -63.1659
     -129.975
     -165.253
     -162.227
     -107.179
     -19.9169
      67.5618
      125.330
      145.408
      142.760
      101.763
      26.4972
     -64.5332
     -135.284
     -167.730
     -157.880
     -99.2518
     -15.9555
      64.7671
      126.681
      149.112
      145.818
      100.248
      15.2557
     -72.9020
     -147.998
     -172.776
     -158.471
     -102.210
     -13.3782
      74.3668
      127.512
      149.930
      145.023
      101.717
      27.0296
     -54.4485
     -130.655
     -155.314
     -149.711
     -97.1018
     -13.8279
      72.4684
      127.713
      153.555
      149.208
      111.213
      28.7234
     -58.2367
     -120.321
     -152.009
     -141.067
     -80.6174
     -8.46873
      71.3589
      139.460
      150.818
      141.432
      109.156
      27.7383
     -55.5219
     -130.573
     -168.273
     -154.288
     -97.0835
     -22.0843
      65.0729
      128.503
      148.494
      142.568
      107.065
      26.5427
     -60.7485
     -123.850
     -166.181
     -157.558
     -95.4868
     -8.20182
      72.6882
      132.317
      146.183
      150.969
      105.977
      30.9773
     -60.2630
     -127.637
     -154.811
     -142.811
     -89.5048
     -9.51262
      71.8825
      133.905
      150.390
      135.636
      93.3835
      21.3159
     -73.4052
     -141.309
     -178.307
     -159.728
     -104.330
     -22.0036
      63.1154
      128.923
      148.496
      121.841
      84.1924
      8.51256
     -69.0745
     -139.247
     -165.934
     -162.406
     -98.5435
     -14.6274
      66.3484
      118.449
      145.192
      136.661
      101.125
      18.8798
     -72.4106
     -140.015
     -171.250
     -154.095
     -101.443
     -11.1511
      68.0259
      120.667
      145.673
      144.053
      101.141
      20.7095
     -73.6207
     -139.982
     -172.579
     -158.804
     -104.838
     -17.1832
      66.5087
      129.157
      150.713
      141.185
      101.334
      23.3327
     -63.6827
     -140.579
     -168.700
     -152.011
     -98.7312
     -15.6721
      63.1716
      121.592
      148.213
      138.719

冬日的阳光

QQT 发表于 2014-6-3 11:13
计算的第一模态的时间系数很大，如：不知道这个时间系数是否正确，求问
      -118.312
     -149.577
...

第一模态的时间系数也是根据你本身输入的数据决定的

石破天惊

嗯，这个方法应该是对的，我觉得你可以再仔细看一看那些数据的差别，然后一个模态80%+的贡献确实有点太多了

59364949

文献中的时间与你的时间序列应该是不一样的，所以得出图也不一样，应该与时间系数配合起来看

QQT

59364949 发表于 2014-6-3 16:38
文献中的时间与你的时间序列应该是不一样的，所以得出图也不一样，应该与时间系数配合起来看

可以详细的解释一下吗？为什么时间序列不一样？谢谢