当前的世界环境

介绍

在海面上产生的随机波通过各种氛围 - 海洋互动在本地和全球气候变化中起着重要作用。在极端条件下沿海岸的风波参数预测至关重要。显着波浪的概念¹介绍以平均波高和平均波段的方式定量地描述风波。考虑到波纹，平均最大值的33％的波。参数SWH被测量为这些最高波的平均值。ENSO和印度夏季季风降雨的关系是全球气候研究中最早观察到的扎切一项²．季风循环的主导模式与印度季风降雨之间存在高的相关性^3.．Nino3Index与Nino3指数与印度季风降雨之间的第一个主要成分之间的相关性。因此，季风流通研究而不是季风降雨^4.。每个ENSO事件的特点和空间模式是独特的，尽管热带循环被显示受温暖的enso集中的影响。据报道^5.El Niño强年阿拉伯海东部夏季风平均SWH相对较低。考虑到巴西沿海地区，评估了ENSO对海洋表面波高度资料的影响^6.．SWH和ENSO指数之间的相关性极低，尽管统计学上显着且具有四个月的时间滞后。在LaNiña次期间，在LaNiña时，eLniño次数减少了SWH和逆模式。

考虑到1993 - 2010年10月至12月的主要气网月份，1993 - 2010年期间，海洋尼诺指数与旋风能源之间存在负相关性^7.研究表明，La Niña事件期间，热带气旋活动增强，气旋的生成在BB地区向东移87°E。在El Niño事件期间，观察到相反的现象。在另一项研究中，随机气旋模式被用来量化ENSO对极端显著波高的影响^8.．在旋风波的强度和空间分布上描述了enso的影响。ENSO和MADDEN朱利安振荡（MJO）的效果在西太平洋和印度洋的三周发出时间内评估了14天的意思SWH^9.．计算空间和时间相关性并得出结论，SWH异常的空间模式与观察结果吻合良好。在类似的研究中，在新西兰地区调查了由ENSO和MJO引起的SWH变异性^10.在台湾海峡中研究了SWH参数的空间变异性和季节性模式^11.结果发现，SWH异常与ENSO阶段高度负相关。在ELNiño（LaNiña）期间，滋生季铵月份的特征是阴性（阳性）SWH异常。西海西医蒙隆月份在台湾海峡证人增加（减少）埃尔尼诺（LaNiña）的SWH值^11.．一种证明了ENSO的非线性影响^12.在印度范围内的SWH在伊斯科省地区，并显示在夏季eLniño阶段后，波高的波形高于正常。在极端波浪高度的自然灾害期间减少沿海危险是非常重要的。enso，印度洋偶极子和印度洋波浪气候等各种气候模式的关系是研究了非平稳广义极值分布^13.．使用气候模式电信连接模式解释了季节性变化。

SWH参数分析有利于各种海事活动，海洋工程，陆上和海上行业。特别是船舶行业和渔业社区需要准确地预测短时间。表面波气候变异性研究有助于了解和预测沿海危害，海上活动，珊瑚礁生物多样性，极端波浪高度等。在这研究中，ENSO指数对BB地区探索的SWHARE的可变性的影响已用于盆地规模反应。ENSO和SWH之间的关系有助于稍后的可预测性，从而帮助各种海洋活动。

数据和方法

覆盖BB的研究区域从78º到98º的Eastlongitudesand往返25º到5º北纬.Two数据集已在本研究中使用。对于2006 - 2016年期间，为BB区域下载并处理了SWH数据。出于目的，考虑六小时NOAA WW3模型数据是考虑了50公里空间分辨率的^15.．对于第二个数据集，ERA-40分析了SWH Datais下载^16.从1958年到2001年。对于BB地区，考虑了一度一度的空间分辨率的六个小时数据。为了分解上述11年的空间和时间组分和高效的数据，应用了经验正交功能（EOF）分析。ENSO指数即南方振荡指数（SOI），海洋NINO指数（oni）和Niño3.4被考虑为目前的研究。

负（正）SOI值^17.在ElNiño（LaNiña）剧集期间观察到热（冷）海水在东方热带太平洋上测量时。对于其他两个指数，与SOI索引不同，与ElNiño（LaNiña）剧集一致。niño3.4索引^18.这是每月数据和oni^19.在本研究中使用了Niño3.4区域中的三个月平均SST异常数据的价值。

给定任何空时字段，EOF分析一起查找一组空间模式以及一组相关时间序列或主组件。它是用于数据压缩和维度降低的强大工具，通过计算场的空间加权异常协方差矩阵的特征值和特征向量来发现。该方法将数据的空间可变性压缩成几个特征模点。结果，获得了一组空间模式，其提供关于空间模式的信息和描述动态的相关时间幅度功能。对于1958-2001期间，EOF分析是7月（夏季季风）和12月的月数（冬季季风）单独使用三个月的SWH数据。通过ENSO指数测试BB区域的SWH数据的时间变化，以实现显着相关性。接下来，考虑到所有月份的所有月份eof分析适用于1958 - 2016年BB地区的SWH数据，然后是2006 - 2016年。第一个主组件（PC1）由其标准偏差标准化，然后使用Morlet小波函数分解^14.．归一化后的小波功率谱具有影响锥，确定了显著区域。谱中的黑色轮廓表示SWH数据的95%置信水平。考虑到红色噪声过程，显著性水平的计算采用滞后-1系数0.9。最后将小波相干性应用于SWH数据的PC1和Niño3.4指标，检验它们之间可能的关系。

结果和讨论

EOF分析适用于7月（夏季季风）和12月（冬季季风）的BB地区的SWH数据，于1958 - 2001年期间分别。影响最大的模式，表示数据的最大可变性。第一个特征模式占7月份（JUL）的SWH数据总可变异的68％，并于12月（DEC）59％。SWH-PC1和SOI索引之间的相关性（表1）仅显示了7月份的p值小于显着性水平，因此具有显着的相关性。如果在7月份的Niño3.4的情况下，SWH再次相关（表2）。因此，在夏季季风，ENSO和SWH的关系比在冬季季风的重要性。在另一个实验中，EOF分析在1958 - 2001期的时间内服用三个月进行了三个月的SWH数据。考虑到1月，2月和3月（JFM）的可变性为61％，2月，3月和4月（FMA）73％，3月，4月和5月（MAM）83％，五月，五月，5月（AMJ）83％，6月和7月（MJJ）74％，6月，7月和8月（JJA）66％，7月，8月和9月（Jas）72％，8月，9月和10月（ASO）79％，9月，10月和11月（儿子）79％76％，10月，11月和12月（IND）65％，11月，12月和1月（NDJ）59％，12月，1月和2月（DJF）62％。 The variability in general is more during the summer monsoon than the winter monsoon. The Oceanic Niño Index (ONI) exhibited significant correlation during JJA (June, July, August) and JAS (July, August, September) as shown by the p-values in Table 3. Hence the ENSO and SWH relationship during the summer monsoon is strongly established in comparison to the winter monsoon.

表1：计算SWH-PC1（44岁）与SOI之间的相关性的p值

表2：计算SWH-PC1（44岁）和Nino3.4之间相关的p值

表3：计算SWH-PC1（44岁）与ONI之间的相关性的p值

p值小于显着性水平α= 0.05然后相关性很大。

接下来，在BB区域的SWH数据上执行EOF分析，在一起所有的月份。在1958 - 2001年期间，第一个特征模式占SWH数据总可变性的84％，而2006 - 2016年期间为80％。图1ADIPINGED 1958年至2001年的SWH数据的PC1，用于BB区域。时间变化是年度周期性，夏季季季季节期间最大。1989年观察到最大峰值，在1988年主要LaNiña年后发生。1998年发生的最低峰值发生在1997年的主要埃尔尼诺农会之后.Figure1b从中获得了BB地区的SWH数据的类似年度定期模式2006年至2016年。在2015年的这一时期，是埃利尼诺年度主要的一年，2010年是一个主要的LaNiña年。2016年夏季季风季节期间较低的SWHIS观察到，在2011年在冬季的时间内更高。因此，可以得出结论，在BB中的ELNiño（LaNiña）剧集期间观察到较低（更高）SWH的遥控特征。由于SWH和ENSO指数在夏季季风季节之间存在显着相关性，因此在同一季节突出上面的电信连接功能。

图1（a）：BB SWH的第一个主要成分（PC1）从1958年到2001年（44年） 点击此处查看数字

图1（b）：2006年至2016年BB SWH的第一个主要成分（PC1）（11年） 点击此处查看数字

为BB区域生成SWH数据PC1的连续小波功率谱。对应于1958-2001期间的PC1，然后通过其标准偏差归一化，然后使用Morlet小波函数分解。归一化小波功率谱（图2a和2b）与锥体产生的锥形产生，该锥度确定要考虑的区域进行分析。对于红噪声过程，具有大于95％的置信度的区域被黑轮廓界定。对于光谱，重要区域发生在0.5到1年频段。因此，与BB地区最显着的季风变形性有关的SWH数据的年度周期。

为了测量两个时间序列之间的提出关系，接下来应用了小波相干性。在箭头的帮助下，研究了两个倍数之间的相对相位关系。箭头的方向可以称为铅或滞后。指向右侧或左指向的箭头表示相位或抗相位关系。3A和3B在1958-2001和2006-2016的两个不同时段之间的PC1-SWH数据和Niño3.4指数之间显示了小波相干性。很高0.5-1年期间的相关性与相互作用和抗相位关系。这可能与BB地区观察到的夏季和冬季季风模式有关。因此，可以识别出季隆振荡形式的物理机制以在BB区域中建立SWH和ENSO指数之间的关系。最后可以说，ElNiño（LaNiña）阶段期间较低（更高）SWH的遥直连接特征是季风依赖于BB区域。

图2（a）：1958-2001期间PC1-SWH的连续小波功率谱 点击此处查看数字

图2（b）：2006 - 2016年期间PC1-SWH的连续小波功率谱 点击此处查看数字

图3（a）：1958 - 2001年PC1-SWH和Niño3.4之间的小波相干性 点击此处查看数字

图3（b）：2006-2016期间PC1-SWH和Niño3.4之间的小波相干性 点击此处查看数字

结论

该研究试图探讨季风对enso和BB风波数据关系的影响。来自两个不同来源的SWH数据分别用于44年和11年。对于时间变化的期间，时间变化是年度周期性的。在BB中的ELNiño（LaNiña）在BB中的eLniño（LaNiña）剧集期间有较低（更高）的遥控功能。在夏季季风季节的关系更强大。为上述周期生成SWH数据的PC1的连续小波功率谱。对于光谱，重要地区发生在类似于季风周期性的0.5-1年期间。SWH和Niño3.4之间的小波相干性在一年内显示了一年的一年乐队的高度相关性。相位箭头证明了SWH和Niño3.4指数之间存在滞后。季风振荡的影响力显着影响了SWH和ENSO在夏季更强大的BB地区的关系，与冬季相比。

致谢

本研究在印度政府科技（DST）下的科学和工程研究委员会（SERB）下的项目（SR / FTP / ES80 / 2013）的一部分，以及研究的作者希望感谢DST赞助项目。

资金来源

提交人没有对本文的研究，作者和/或出版本文的财务支持。

利益冲突

代表所有作者，相应的作者表示没有利益冲突。

参考文献

1. 王志强，王志强。海洋风浪与风浪的关系。美国海军水文学办公室，华盛顿特区出版。601号。1947.
   十字架
2. 沃克G.T.天气季节性变化的相关性，IX：对世界天气的进一步研究。mem。Ind。流星。de．1924; 24:275 - 332。
3. 斯特鲁斯M.D.，Krishnamurthy V.际印度季风变异性的首选结构。纯粹与应用地球物理学．2007; 164：1717-1732。
   十字架
4. Jang Y.，Straus M.D.印度季风循环反应El Nino DioNatic加热。气候杂志．2012; 25（21）：7487-7508。
   十字架
5. Kumar V.S.，George J.印度夏季季风变异对东部阿拉伯海沿海地区表面波的影响。annalesgeophysicae.．2016; 34：871-885。
   十字架
6. Pereira N.，Klumb-Oliveirab L. enso现象对Rio de Janeiro中央沿海地区波浪气候的影响分析。海岸带综合管理学报.2015; 15（3）：353-370。DOI：10.5894 / RGCI570。
   十字架
7. Girishkumar M.S.，Ravichandran M.ENSO对12月至12月孟加拉湾热带气旋活动的影响。地球物理研究杂志.2012; 117，C02033。
   十字架
8. 斯蒂芬斯S.A.，Ramsay D.L.西南太平洋的极端旋风波气气候：ElNiñoSouthern振荡和预计气候变化的影响。全球和行星变革．2014;123：13-26。
   十字架
9. 徐志强，王志强，王志强。西太平洋和印度洋显著波高的次季节预测，第二部分:ENSO和MJO的影响。海洋建模．2018; 123：1-15。
   十字架
10. Godoi V.A.，Andrade F.M.，Bryan K.R.，Gorman r..区域规模的海波变异与ElNiño-Southern振荡 - Madden-Julian振荡合并活动。国际气候学杂志.2018; 39：483-494。
    十字架
11. 欧Y.，Zhai F.，Li P.互际波浪气候变异在台湾海峡及其与ENSO事件的关系。中国海洋与湖泊学杂志．2018; 36:2110 - 2129。
    十字架
12. Lopez H.，Kirtman B.P.调查西太平洋和印度洋显着波浪高度的季节性可预测性。地球物理研究字母．2016; 43:3451 - 3458。
    十字架
13. Kumar P.，Kaur S.，Weller E.，Min S.K.自然气候变异性对印度洋极值海洋表面波高度的影响。地球物理研究海洋杂志.2019; 124（8）：6176-6199。
    十字架
14. Torrence C.，Compo G.P.小波分析的实用指南。公牛。是。陨素。SOC..1998; 79: 61 - 78。
    十字架
15. http://www.polar.ncep.noaa.gov/pub/history/waves.
16. http://apps.ecmwf.int/datasets/data/era40-daily/
17. http://www.cpc.ncep.noaa.gov/data/indices/soi.
18. http://www.esrl.noaa.gov/psd/data/climatedindices/
19. https://origin.cpc.ncep.noaa.gov/products/analysis_monitoring/ensostuff/oni_v4.shtml.