气象中EOF的理解

  EOF方法在气象分析中经常用到，接触好长时间，也没有弄清楚他到底在干嘛。为什么这么做是可行的？这里面的计算都有什么意义呢？
  看了一些矩阵理解方面的内容后，对EOF算是有了一些粗浅的理解，现在试着去阐述一下其中的院里，好厘清自己对EOF理解。

---

几篇参考文章

下面这几篇文章对我帮助很大，值得一看：
  1、PCA的数学原理
  2、eof-Mathematical Description
  3、理解矩阵（一）
  4、理解矩阵（二）
  5、理解矩阵（三）
  6、PCA算法是怎么跟协方差矩阵/特征值/特征向量勾搭起来的?
  7、什么是协方差，怎么计算？为什么需要协方差？

---

EOF分析——Empirical Orthogonal Function analysis

  经验正交函数分析方法——常用EOF分析指代，在地球环境科学中经常使用。EOF分析总的目标是通过将时空数据集转化成物理量的空间模态和与之相联系时间上的投影（时间序列），来简化该时空数据集。这些空间模态就是EOFs，可以被看作是方差对应的基函数（空间中的一组基向量）。相关的时间投影是主要成分（PCs），是EOFs的时间系数。
  EOF分析只是以方差对应的基对数据进行了新的表达。而原始数据集完全可以由EOFs和PCs重建出来。但是在实践中，我们通常只对EOFs的一个子集感兴趣。单个的EOFs有时可能会有一个合理的物理解释与之对应，另外我们可能希望的是用有限的几个EOFs来重建原始数据集，这些EOFs可以根据对应的方差来选择。

EOF的计算过程

  对于一个时空数据集，观测点位于空间中m个地点——$x_1,x_2,...,x_m$，观测时间是长为$n$的时间序列——$t_1,t_2,...t_n$。这些观测值可以用一个$M\times N$的矩阵F来表示，$F$的行是某个地点在观测期内所有时间点的观测值，而列是某个时间点上地图上所有观测点的观测值。下面的异常矩阵$A$是$F$矩阵中的每个元素减去时间均值（即各行均值）而得到的。
(1) A = [ a 1 , 1 a 1 , 2 … a 1 , n a 2 , 1 a 2 , 2 … a 2 , n ⋮ ⋮ ⋱ ⋮