1. 绪论
(一) 研究背景
热带太平洋是作为世界表层水温最高海洋区域，它的演变特征对全球大洋、大气环境的发展都发挥着重大影响，这部分海域一直也是全球的研究重点。热带太平洋主要包括了以下两大区域，西太平洋“暖池”和东太平洋“冷舌” [1]。两个区域的交叉地带，位于热带中太平洋的“暖池冷舌交汇区”(大致范围在160˚E~140˚W，20˚S~20˚N)，研究价值尤为丰富，是近十几年来的研究热点海域。这一海域也是在全球海气中有着重要意义的，其不但是东部型厄尔尼诺发展的前兆区和必经之地，也是中部型厄尔尼诺发生、发展、衰退的主要区域 [2]，这一区域的海洋变异现象会直接影响两类厄尔尼诺事件的全过程，在热带太平洋海洋与气候系统中起到了关键性作用 [3]，而且对我国海军突破岛链封锁，走向深蓝，具有深远意。
(二) 经验正交函数分析法(EOF)简介
经验正交函数分析(EOF)方法，通常又被人们称为自然正交函数分解、特征向量分析等，是海洋、气象学科上最常用的多变量分析方法之一，是一种把多变量化为少数变量的方法，该方法在提取依时性空间模型有着至关重要的作用，是海气研究领域十分常用的分析手段。
经验正交函数分解法可以将海洋要素的场分解为空间和时间函数两个部分，空间函数场基本上总结了要素场的分布特征，帮助更清楚明晰的分析分布情况；时间部分主要是由空间点时间序列的线性组合构成，通常称之为主分量，在主分量的构成中，一般前几个分量便占据了原始点位方差的较大比重，在研究过程重点对前几个主分量部分进行分析，便能较好的得到相应关系，替代对于原市场随时间变化的研究过程，本文在下面的分析中主要要是运用了经验正交函数分解法这一个特点。在数据处理方面，经验正交函数分解法(EOF)主要应用在对现时样本以及空间数据的相关的样本进行分析和处理中。
(三) 数据处理方法
本文所使用数据来源于杭州全球海洋Argo系统野外科学观测研究站，选取了2004年1月~2021年9月共213个月间利用Argo浮标资料制作的逐月客观分析网格化数据集。所选取的资料基于梯度最优插值客观分析法及Akima插值法构建而成，垂直方向随深度的增加逐渐降低，资料的时间分辨率为月，水平分辨率为1˚ × 1˚。2004~2021年期间的逐月Niño3.4指数来自于美国国家海洋大气局(NOAA)气候预报中心(Climate Prediction Center)。
本文研究范围选取热带太平洋30˚N~30˚S，110˚E~100˚W海域内1975 m水层以上的Argo标准层温盐深资料。在这一海域范围内，浮标布放水平高，较为密集，记录良好，能做到体现各个月份的特点。本文在对数据处理过程。
2. 热带太平洋温跃层特征分析
热带太平洋海域温跃层是热带海洋大气耦合系统中的重要组成部分 [4]，在全球气候变化中有重要作用 [5]，而热带太平洋所在海域更是有很大研究价值的地区之一。在这一海域的温跃层作用对全球气候年际变化最强信号的ENSO现象的发展和年际变化起着重要作用 [6] [7] [8]。在当今全球气候整体变暖趋势的大背景下，对温跃层如何与其他因素共同作用从而调节海洋，从而影响气候变化也是有很大的现实意义的。
我们首先利用上文提到的经过数据处理得到的各水层的温盐度水平积分值的月时间序列数据，根据在热带太平洋海域跃层特点，我们取20℃温度所在的深度大致为温跃层所在深度，对此进行数据处理，将深度数据提取出来，画出在热带太平洋海域的温跃层深度分布情况，如图1。
从图1可以看出，在西太平洋存在一个跃层深度近似区，温跃层深度较其他区域深，且占据范围较大，大致范围在18˚N~12˚S，140˚E~170˚W，其深度基本在140 m左右，有部分较深位置可达到180 m左右。在此区域东南方向，有一块温跃层区域深度在热带太平洋范围较小，其深度大概在60 m左右，两个区域呈现西北–东南分布形势，二者所处的位置分别对应着西太平洋“暖池”和东太平洋“冷舌”，与二者呈现东西对立趋势相吻合。在18˚N，160˚E~170˚E区域，有一块越层深度较浅的区域，深度在20 m以下，其分布区域在上述西太平洋深越层区域上方。随着温跃层较浅区域向南北两侧，温跃层深度交杂点状分布，但在墨西哥西海岸，下加利福尼亚半岛海域出现一温跃层较深海区，最深深度可达200 m，随着海岸线向下延伸，相对深度都较深。可以看出，热带西太平洋跃层整体分布比热带东太平洋深度深，且分布更均匀，东部海域变化层次大，分布不均匀，高低起伏不一致。
Figure 1. Depth distribution of thermocline in tropical Pacific
图1. 热带太平洋温跃层深度分布图
3. 温盐数据处理结果与分析
(一) 热带太平洋温度时空分布特征分析
1) 温度分布概况
在得到全球Argo数据后，针对研究海域，大致在30˚N~30˚S，110˚E~100˚W经纬度范围内截取热带太平洋海域，首先对自2004年1月~2021年9月共计213个月的温度数据进行多年平均，绘制出热带太平洋多年平均温度分布图，见图2，由图2可以以看出热带太平洋近20年来一个总体的温度分布情况，通过分析，可以看出热带太平洋多年平均温度场有以下两个特点：
第一，区域存在明显西向强化现象，温度西高东低，由西向东大致呈递减趋势，西部海域范围内的温度远远高于东部海域，基本存在10℃的温度差值。从而形成了西太平洋“暖池”与东太平洋“冷舌”二者如图对立形势 [2]。
第二，在西太平洋海域出现两个明显的“暖池”，其中，位于北部的“暖池”范围相对小一些，大致分布在12˚N~18˚N，130˚E~160˚E范围之间，另一个位于南部“暖池”范围较大，大致分布在2˚N~16˚S，140˚E~145˚W范围之间，两个暖池基本沿6˚N纬线作为分界线，南北形成两大暖池形势。
Figure 2. Mean temperature fields in the tropical Pacific
图2. 热带太平洋平均温度场
Figure 3. Seasonal temperature distribution in the tropical Pacific
图3. 热带太平洋季节温度分布
进一步分析热带太平洋海域的时空特征，利用2004年1月~2021年9月共213个月的数据进行逐月平均，得到月平均温度，再对月平均温度进行处理，求取热带太平洋海域季节温度数据，从季节分布入手，细化热带太平洋的温度分布，对比分布异同，进行分析，对此，做出了热带太平洋18年的季节0~200 m平均水温分布图，见图3。我们可以看到，四季的总体分布情况与图2所示的多年平均温度场的情况相吻合，西部海域范围内的温度高于东部海域，西太平洋“暖池”与东太平洋“冷舌”二者对立，东西向对比明显，由西向东温度逐渐降低。
2) 温度月距平数据的EOF分析
针对2004年1月到2021年9月共计213个月的热带太平洋0~200 m深逐月平均温度距平进行经验正交可以得到213个空间场和原始时间序列。另外，通过分解得到模态的方差贡献率函数分解EOF分析，并利用显著性检验的方法，前三个模态的方差贡献率分别为12.9%、4.3%、3.6%，在此主要以EOF分解得到的第一、二、三个模态为主。
在热带太平洋海域温度变化的第一模态距平场(图4)中，我们可以清楚看到，热带太平洋海域温度变化突出分布在赤道南北两侧12˚N~12˚S之间的位置，存在明显的东西反相位特征，热带太平洋西部和东部分别对应两大正、负值变异区，即在0˚N~12˚N，130˚E~180˚W附近的海域内存在一个正值变异区，其主轴约在8˚N左右；而在12˚S~8˚N，180˚W~90˚W附近的海域内也存在一个负值变异区，其主轴约在赤道，并且东西两个区域其极值绝对值的大小是近似相同的，都约为0.03左右，这种纬向反相位的变化表明：当热带太平洋西部表层海水温度升高时，东部的表层海水温度降低，反之也成立。沿10˚N纬线，西部正值变异区向东延伸，沿赤道0˚纬线，东部负值变异区向西延伸。其余区域也大致沿着两大正、负变异区延伸分布，强度向南北减弱。
Figure 4. Temperature EOF first modal spatial sequence
图4. 温度EOF第一模态空间序列
对第一模态时间序列进行分析，如图5，第一模态的时间序列基本在基准0线上下浮动，先上升，后下降，基本在50个月作为一个上下起伏周期。特别在图中145左右有一个最小值，总体较为均匀。
在热带太平洋海域温度变化的第二模态距平场(图6)中可以看到，此时热带太平洋海域温度变化突出分布在赤道南北两侧18˚N~6˚S之间的位置，第一模态所体现的赤道南北海域的东西反相位特征消失，变为“正–负–正”的三极子变化模态。其中8˚N~18˚N主要为正值变异区，中心纬线沿着12˚N，同时向东部呈带状延伸，且在12˚N左右，其强度远小于第一模态在该区域的值，大概在0.01左右。负值变异区主要在3˚N~9˚N区域东西带状延伸，中心纬线大致沿6˚N，向西延伸到印度尼西亚新几内亚岛，向东在墨西哥西海岸汇聚，在墨西哥向西海域内存在一个负值区，向西和正值变异区相对立。特别的，在150˚W~120˚w范围内，该负值变异区出现极值区，最低可达−0.025。3˚N~6˚S为主要正值变异区，中心纬线大致沿赤道，该区域强度最大，在图6中最为明显，向东可延伸至厄瓜多尔西海岸。160˚W~120˚W是主要高值分布区，强度可达0.025左右。除该“正–负–正”三极子区域分布外，其余南北延伸强度较弱，特征变化不明显。图7可以看到温度第二模态的时间序列分布，在150个月存在一个分界点，达到最小值，前半部分基本围绕0线上下浮动，后半部分围绕−40线上下浮动。
Figure 5. Temperature EOF first mode time series
图5. 温度EOF第一模态时间序列
Figure 6. Temperature EOF second modal spatial sequence
图6. 温度EOF第二模态空间序列
Figure 7. Temperature EOF second mode time series
图7. 温度EOF第二模态时间序列
在热带太平洋海域温度变化的第三模态距平场(图8)中可以看到，此时热带太平洋海域温度变化突出分布在赤道南北两侧18˚N~18˚S之间的位置，其中，6˚N~18˚N，180˚W~100˚W为负值变异区，中心纬线大致沿12˚N；6˚N~6˚S整个纬向带为正值变异区，中心纬线大致沿赤道；6˚S~18˚S，150˚W~100˚W为负值变异区，中心纬线大致沿12˚S，整体分布变为“负–正–负”的三极子变化模态。第三模态分布可以看到，正值变异区向东延伸插入，将负值变异区一分为二，南北各存在一个负值变异区。在新几内亚岛、所罗门群岛附近海域，向北至菲律宾外海，向南至澳大利亚东部沿海，这一部分连接构成了一片正值区；而在厄瓜多尔、秘鲁西海岸也存在一小幅度负值区域。在160˚W~130˚W区域，不论正值变异区还是负值变异区，均出现了极大值，其绝对值可达0.02。第三模态总体情况可以看到，其正负强度远小于第一模态和第二模态，存在较大区域的0值区。第三模态时间序列图9，可以看到，总体的趋势是逐步上升，基本每达到两个峰值便会开始下降，出现一个谷值，但总体是上升的。
Figure 8. Temperature EOF third modal spatial sequence
图8. 温度EOF第三模态空间序列
Figure 9. Temperature EOF third mode time series
图9. 温度EOF第三模态时间序列
3) 温度季节EOF分析
在对热带太平洋地区213个月份的月距平数据进行经验正交分解EOF后，我们可以知道东西向存在正负异常值高值区，两大反位相区告诉我们在西部海域温度增加时，东部的热量减少，反之东部热量增加时，西部热量减少。分别对四个季节运用经验正交函数分解(EOF)方法，得到第一模态的方差贡献率为：春季——13.20%；夏季——17.89%；秋季——16.01%；冬季——17.15%，如图10~17。可以看出第一模态仍作为最主要的部分，已经足以体现出热带太平洋海域的绝大部分信息。
春季、夏季、秋季、冬季第一模态分布情况和上文所分析的逐月距平数据结果相似，热带太平洋海域温度变化突出分布在赤道南北两侧12N~12˚S之间的位置，存在明显的东西反相位特征，西部和东部分别对应正值变异区和负值变异区，可见在季节变化中，这种东西反位相变化也是能够充分体现出的，说明在热带太平洋的西部表层海水增温时，对应东部表层海水温度便会减低，反之也成立。而且可以从图中看出，在几个季节中，冬季的第一模态最为强盛，秋季次之，其次是春季，夏季最弱。冬季沿赤道0˚纬线，东部负值变异区向西延伸最深入，正值变异区最高可达0.03，负值变异区最高可达−0.03。秋季可以看到，两大变异区有互相延伸趋势，正值区在北，负值区在南，东西向相互延伸，构成一个西北–东南的分布趋势。春季东西呈对立趋势，基本沿180˚W线分割对立，东西延伸程度不大。在冬季，西部范围缩小，向西撤退，但南部范围扩大；夏季的第一模态分布情况和其他季节总体类似，东西对立形势能够明显体现出来，负值变异区向西延伸，但是正负变异区范围和强度相对要弱，没有其他季节明显，但向北突出；春秋季节西部暖池向东延伸明显。而这与秦思思对西太暖池热盐结构变化体现的纬向冬季西缩，春季东扩；经向上冬季南移，夏季北扩相符合 [9]。从四季的时间序列曲线我们可以看出，总体趋势季节的时间序列相似，前三个峰值逐步上升，然后达到谷值，然后再次循环，出现峰值。
Figure 10. First modal spatial sequence of spring temperature EOF
图10.春季温度EOF第一模态空间序列
Figure 11. Spring temperature EOF first mode time series
图11. 春季温度EOF第一模态时间序列
Figure 12. First modal spatial sequence of summer temperature EOF
图12. 夏季温度EOF第一模态空间序列
Figure 13. Summer temperature EOF first mode time series
图13. 夏季温度EOF第一模态时间序列
Figure 14. First modal spatial sequence of autumn temperature EOF
图14. 秋季温度EOF第一模态空间序列
Figure 15. Autumn temperature EOF first mode time series
图15. 秋季温度EOF第一模态时间序列
Figure 16. First modal spatial sequence of winter temperature EOF
图16. 冬季温度EOF第一模态空间序列
Figure 17. Winter temperature EOF first mode time series
图17. 冬季温度EOF第一模态时间序列
(二) 热带太平洋盐度时空分布特征分析
1) 盐度分布概况
对2004年1月~2021年9月进行多年平均，绘制出热带太平洋多年平均盐度分布图(图18)，盐度总体变化区间在33.0到36.5之间，明显呈现高–低–高、“马鞍”型分布，南半球盐度明显高于北半球，两个高盐区(>35.0)分别位于南、北亚热带海域，其中南部高盐盐度场强度明显高于北部，南半球的高盐区范围也明显大于北半球。北部高盐区中心位置偏向东北方向，南部高盐中心位置偏向东南部方向，范围在6˚S~25˚S，100˚W~165˚W，平均盐度值大致在36.5左右。北部高盐中心位置处于18˚N~24˚N，160˚E~140˚W范围内，但其强度小于南部高值区，平均盐度值大致在35.5左右。低盐区则主要位于热带海域，呈带状分布。而且在东西两侧沿岸处形成两个低盐中心，一个位于西部的棉兰老岛近海，盐度值在34.0左右，另一个低盐区位于美洲西海岸，其盐度较西部更低，大概在33.5左右 [10]。东部和西部的两个低盐中心呈舌状，大致沿约12˚N纬线，东西向伸展，最终在热带太平洋中部汇合。也正是因为这条低盐带的存在，使热带太平洋海域可以明显的呈马鞍形分布特征，在太平洋海区副热带海域盐度较高，由此向赤道和两极渐低。一般来说，蒸发量与降水量是影响海表盐度分布的两大最主要因素，两大高值区由于所处的位置海水蒸发比较旺盛，而相比于低值区所在的赤道区域，其降水量又相对较少，所以形成了南北两大高值区。
Figure 18. Mean salinity fields in the tropical Pacific
图18. 热带太平洋平均盐度场
和温度处理方法相似，在得到月平均温度，再对月平均温度进行处理，求取热带太平洋海域季节温度数据，可以得到如图19。虽然盐度的季节变化没有温度特征那么明显，但还是在每个季节表现出强度和范围有所区别。秋冬季节相比较于春夏季节，其南北半球高盐区范围更大，相对大四到五个纬距，同纬度相比，冬季盐度值比夏季约高0.2到0.4左右。热带低盐带中东、西两个低盐中心，其盐度值夏季要比冬季低大致0.4左右，且夏季东西部向中部扩展的更为强盛。而且在北半球高盐区，中心高盐部分四季变化特征十分明显，冬季强度最大、范围最广，而在其他季节则分割成几个部分，范围远小于冬季。其次，可以看出，在季节变化上南北半球各存在一个高盐区，且南半球的高盐区盐度明显高于北半球高盐区，以低盐带分界线特征更为明显。
Figure 19. Seasonal salinity distribution in the tropical Pacific
图19. 热带太平洋季节盐度分布
2) 盐度月距平数据的EOF分析
同样，我们对2004年1月到2021年9月共计213个月的热带太平洋0~200 m深逐月平均盐度距平，进行经验正交可以得到213个空间场和原始时间序列。通过分解得到模态的方差贡献率函数分解EOF分析，首先查看前三个模态的方差贡献率，分别为12.0%、6.3%、3.9%，可以看到主要信息仍然在前三个模态体现，在此，仅对前三个模态进行分析。
在热带太平洋海域盐度含量变化的第一模态距平场(图20)中，我们可以清楚看到，热带太平洋海域盐度由北向南基本呈现“正–负–正”三极子变化模态分布。分别存在三个变异区，在热带太平洋海域西北海域，18˚N~35˚N附近为正值变异区；在中间部分6˚S~18˚N附近为负值变异区；在东南部海域6˚S~18˚S为正值变异区。在18˚N~35˚N，140˚W~120˚W，美国西海岸附近有一个正值极值变异区，在图中十分明显，最大值可达到0.02左右；二中间部分的负值变异区，其范围则自西向东逐渐扩展，强度逐渐增强，并且有分别向东南和东北方向延伸的趋势，尤其是东北方向延伸程度最大，负值变异区在以15˚N为中心纬线，出现一个主要极值区，最大可达−0.02。位于东南部的正值变异区，由秘鲁、智利西部沿海海区逐渐向西延伸，基本沿15˚S纬线，其最大值可达到0.015左右。
Figure 20. First mode spatial sequence of salinity EOF
图20. 盐度EOF第一模态空间序列
通过对第一模态时间序列作图进行体现，如图21，结合我们的空间距平场来看，盐度第一模态时间序列整体表现出南北部极值高，中间低的分布态势；在南北峰值分布仍为南北部极值高，中间低的一个分布情况；而在中间谷值分布又体现出南北部低，中间高的分布形势。
Figure 21. Time series of salinity EOF first mode
图21. 盐度EOF第一模态时间序列
在第二模态分布(图22)中，正负变异区存在一个交错分布情况，即存在东西向对立的情况，也有南北分布特征。先看东西方向，在赤道以北，30˚N以南，沿着150˚W经线西部为负值变异区，东部为较弱的正值变异区，西部的负值变异区向东延伸的程度较大，在130˚W附近存在极值，能达到−0.02。再来看南北方向，在15˚N存在的负值变异区，在其东南部延伸着一个正值变异区，方向基本为西北–东南走向，最大值可到0.02左右；在斐济群岛附近海域还存在着一个负值变异区，由此形成南北方向存在一个“负–正–负”三极子变化。图23中盐度第二模态时间序列整体表现出峰值、谷值交替出现，但中间的一次周期变化极值明显低于南北两侧，还呈现出一个先上升，后下降的往复式的形势。
Figure 22. Second mode spatial sequence of salinity EOF
图22. 盐度EOF第二模态空间序列
Figure 23. Time series of salinity EOF second mode
图23. 盐度EOF第二模态时间序列
对于第三模态距平场(图24)，主要由几个突出的正负值变异区组成，在墨西哥西海岸，下加利福尼亚半岛海域，有一个小范围的负值变异区，最大值达−0.02，在其西北部、西部分别存在着两个正值变异区，其中位于西北部的正值变异区更加强。在赤道附近，存在着一个较弱的东西反位相分布特征，以180˚W为界，西部为负值变异区，东部为正值变异区，东部向西延伸程度更加强一些。图25盐度的第三模态时间序列整体呈下降趋势，表现为往复式下降，在每次达到低值后，会有一个小幅度的盘旋上升，但其极值都无法达到一开始的最大值。
3) 盐度季节EOF分析
下面我们从季节的角度出发，进一步分析盐度时空特征。按照上文季节月份进行数据处理，数据整合后，进行EOF分析得到如图26~33。通过EOF分析，得到第一模态的方差贡献率为：春季——11.2%；夏季——11.3%；秋季——11.4%；冬季——11.3%。
Figure 24. Third mode spatial sequence of salinity EOF
图24. 盐度EOF第三模态空间序列
Figure 25. Time series of salinity EOF third mode
图25. 盐度EOF第三模态时间序列
在盐度的第一模态分析中，可以看到季节间分布情况存在很好的相似性，不存在着明显的差异，四季的正负值变异区基本范围相近似。春季整体主要表现为负值变异区，分布十分广泛，由西向东不断延伸，南北方向也主要为负值变异区分布，仅在6˚S~12˚S，150˚W~100˚W附近海域和在美国西海岸一小部分海域存在着两个正值变异区；夏季和春季的总体变化情况不大，但两个正值变异区的范围有所扩大，南部的变异区向西又所扩张，但程度有限，北部的变异区强度有所加强；秋季主要的负值变异区分布在15˚N纬线附近，在图中十分明显；冬季相比较于其他三个季节，负值变异区范围近似，但冬季的强度最为强盛，而其南北的正值变异区范围也有所扩大，向西有扩张的趋势。很明显可以看出，热带太平洋海域盐度的季节变化在冬春季节区域范围明显，强度较其他时间也强盛。季节时间序列曲线也表现出了很明显的季节分布特征，基本趋势大致相近似。整体先下降后上升，再平稳，再有下降的趋势，但春季和夏季的变化幅值较秋季和冬季跳跃性小，冬季的上升下降变化起伏较大，但总体盐度的时间序列趋势相同，四个季节盐度EOF分析有很大关联性。
Figure 26. First modal spatial sequence of spring salinity EOF
图26. 春季盐度EOF第一模态空间序列
Figure 27. Spring salinity EOF first mode time series
图27. 春季盐度EOF第一模态时间序列
Figure 28. First modal spatial sequence of summer salinity EOF
图28. 夏季盐度EOF第一模态空间序列
Figure 29. Summer salinity EOF first mode time series
图29. 夏季盐度EOF第一模态时间序列
Figure 30. First modal spatial sequence of autumn salinity EOF
图30. 秋季盐度EOF第一模态空间序列
Figure 31. Autumn salinity EOF first mode time series
图31. 秋季盐度EOF第一模态时间序列
Figure 32. First modal spatial sequence of winter salinity EOF
图32. 冬季盐度EOF第一模态空间序列
Figure 33. Winter salinity EOF first mode time series
图33. 冬季盐度EOF第一模态时间序列
4. 热盐度分布特征与ENSO间关联
(一) ENSO简介
ENSO即厄尔尼诺–南方涛动(ElNiño Southern Oscillation)，是热带太平洋上年际尺度最显著的海气耦合信号。它有两个分量组成，对应海洋分量的厄尔尼诺和对应大气分量的南方涛动(Southern Oscillation) [6]。作为气候系统年际变化中最重要的模态，他的发生发展往往会引起全世界的气候异常，甚至给全球带来巨大的灾害，造成严重洪涝、干旱等其他气候灾害。本文通过对热带太平洋海域的温盐特性研究，对照其与ENSO的时空关联，进一步加深探索。将从美国国家海洋大气局(NOAA)气候预报中心(Climate Prediction Center)所提供Niño3.4指数与对2004.01~2021.09共213个月的月平均数据相对应的时间序列进行相关性分析，进而研究ENSO与热盐度分布特征的关系。
(二) ENSO与温度
Figure 34. Scatter plot of Nino3.4 index correlation between EOF mode 1 time series of tropical Pacific temperature field
图34. 热带太平洋温度场EOF第一模态时间序列与Niño3.4指数相关性散点图
Figure 35. EOF mode 1 time series and Nino3.4 index for tropical Pacific temperature field
图35. 热带太平洋温度场EOF第一模态时间序列与Niño3.4指数
本文通过分析上文所得的温盐EOF第一模态时间序列和Niño3.4指数间的关系，来探讨温度和盐度年际变化与ENSO循环之间的关系。图34给出了热带太平洋海域温度场EOF第一模态时间序列与Niño3.4指数之间关系。图35，给出了在热带太平洋海域热量EOF第一模态的时间序列与Niño3.4指数的相关性关系，由图可以看出，两个时间的变化序列有很强的相关性关系，经过计算可以得到相关性系数达到了−0.88469，通过了显著性检验。在热带太平洋海域温度的时间序列和Niño3.4指数在散点分布上有一定规律，随着Niño3.4指数正负变化，温度逐渐增加，呈负相关。而且在2004年到2021年之间,温度和Niño3.4指数的年际变化也都有一个周期性的改变的特点。再通过上文通过EOF模态分析得到的第一模态空间场分布特征可以得到，在El Niño年，在热带太平洋西部“暖池”海域表现出强烈的正值变异区，温度增加，同时在东部出现“冷舌”表现强烈的负值变异区，温度相对应的减少，La Niña年则相反。从之前的研究中可以发现，ENSO整个变化过程，海水表面温度的正负异常值变化起源于热带太平洋西部表层温跃层附近，在特定的大气条件，正负异常值信号在赤道附近会沿着温跃层的进而向东传播、向表面传播，直到热带太平洋东部的海洋表层，进而就出现了我们公认的ENSO现象。在杨小欣，吴晓芬，刘增宏 [7] 的研究中，其研究做成的纬向风异常场与温度的CSEOF第一模态时间序列的空间相关场，通过相关性分析，两者相关性高值区主要沿赤道的东西带状分布，呈正相关，在亚热带地区呈现弱的负相关。解释了温度第一模态空间场出现了东–西反相位分布的变化情况。有研究指出，东亚季风的异常爆发与ENSO循环之间存在明显的相互作用 [8]。在El Niño前期几年，在热带太平洋东部暖池其此表层会有一个正异常值，随着西风带的爆发，其向东传递，热带太平洋东部逐渐受此影响，同时因为太平洋总体温跃层为东西倾斜趋势，在异常值传播到热带东太平洋进表层是，便因前期ENSO现象，在其之后，异常值信号便会再向西传播，为下一次的El Niño/La Niña现象做准备，从而循环出现。
(三) ENSO与盐度
在对温度通过时间序列和Niño3.4指数的相关性分析后，我们发现了很强的相关性，并进一步进行了特征的分析，下面本文再对盐度的时间序列与Niño3.4指数进行相关性分析，作图分析特征，探讨盐度与ENSO现象循环之间可能存在的联系。在石世玮研究中，我们知道在热带太平洋盐度年代际变化率对ENSO在空间模态的强度调制有相位非对称性，在不同相位之间对ENSO的特性有不同的影像表现 [11]，我们根据这一特点进行对盐度和ENSO联系的分析。
Figure 36. Scatter plot of Nino3.4 index correlation between EOF mode 1 time series of tropical Pacific salinity field
图36. 热带太平洋盐度场EOF第一模态时间序列与Niño3.4指数相关性散点图
Figure 37. EOF mode 1 time series and Nino3.4 index for tropical Pacific salinity field
图37. 热带太平洋盐度场EOF第一模态时间序列与Niño3.4指数
如图36，给出了在热带太平洋海域盐量EOF第一模态的时间序列与Niño3.4指数的相关性关系，由图36可以看出，经过计算可以得到相关性系数只有0.24945，仅就相关性分析来说，相关性关系并不大。在图37时间序列和Niño3.4指数曲线变化来看，Niño3.4指数与盐度在时间序列上的分布具有一定的规律，2004~2009年之间，总体变化请款相似，上升下降趋势相同，但在2009年后出现了一个二者出现一个峰值变化，变化程度在2010~2013年间趋势呈现反相位变化，上升下降趋势相反，呈现对立状态。在2014~2016期间整体均为上升趋势，二者关系再次表现为同样状态，而在2016年往后，再次重复前者出现的特征，变化趋势相反，呈现对立状态。可以看出来，在上升下降，具有一定的周期性变动，同等增加和同等对立也出现了周期性的一个变化。
5. 结论
分析结果表明，热带太平洋海域温跃层西部深度较东部更深；热带太平洋海域温度EOF分析的第一模态空间场分布具有明显的东西反位相年际振荡情况，第二、三模态呈现南北趋势；季节变化中冬季的第一模态最为强盛，秋季次之，其次是春季；盐度的EOF分析的第一模态空间场分布具有“正–负–正”三极子变化模态分布，第二、三模态则正、负变异区交相分布；季节变化中，四季EOF第一模态时空呈现很高近似性；全球变暖、ENSO (厄尔尼诺与南方涛动)、以及El Niño与La Niña、Niño3.4指数对温盐的年际变化有着重要的影响，同时温盐的年际变化有着周期性变化的特征。