基于GHSOM网络的南海风场时空变化特征分析

作者：周益飞; 廖光洪^*

来源：海洋学研究, 2022, 40(02): 19-31.

• 海面风
• 增长型分层自组织映射
• 季节变化
• 年际异常变化
• 南海

基于1979—2018年欧洲中期天气预报中心(ECMWF)近海面10 m风场资料，采用增长型分层自组织映射(GHSOM)神经网络方法，对南海海表面风场(SSW)的季节变化和年际异常变化进行了分析，结果表明：(1)GHSOM网络训练原始风场数据第一层结果揭示了4个特征模态，高度概括了南海近海面风场的季节变化特征；第二层结果提取了风场的月变化特征。(2)GHSOM网络训练异常风场数据第一层结果揭示了4类异常风场特征模态：反气旋式异常、气旋式异常、西南风异常和东北风异常模态。其中反气旋式异常和气旋式异常模态呈现出不对称现象，即反气旋式异常风场的振幅大于气旋式异常风场；且这两个模态与ENSO事件密切相关，它们的时间序列与Ni1o 3.4指数序列存在显著的延迟相关。同时，东北风异常风场模态的发生频率大于西南风异常模态。向下扩展的第二层结果揭露了异常风场模态更多的细节特征。

• 单位
  河海大学