写在前面
接着上回的时间带通滤波，具体应用一下。最近看文献，了解到Bsiso，整好拿来学习一下。了解Bsiso，先来尝试复现一下他的基本特征。
Bsiso主要特征
根据Kikuchi (2021)的综述论文，北半球夏季季节内振荡（BSISO）具有以下主要特征：
1. 时空传播特征
- 双模态特性：热带季节内振荡（ISO）在一年中呈现双模态特征。BSISO模态在6月至10月（JJASO）占主导，而MJO模态在12月至4月（DJFMA）占主导，5月和11月为过渡月。
- 复杂传播路径：与冬季MJO主要沿赤道东传不同，BSISO的对流活动表现出更复杂的时空演变：
- 北向传播：在北印度洋和西北太平洋以约1 m s⁻¹的速度向北传播。
- 斜压结构：对流常呈现西北-东南向的倾斜雨带，这是BSISO的典型特征（例如在相位4-6）。
2. 环流结构
- 低层环流耦合：对流活动与大规模低层气旋性环流紧密耦合。在北印度洋和南海，对流常与季风低压系统（如热带气旋）共同发展。
- 罗斯贝波响应：与MJO相比，BSISO在北半球的罗斯贝波响应更为显著
。
3. 生命周期与周期
- 典型周期：BSISO的平均周期约为40-50天。早期夏季周期较短（约40天），晚期夏季可能延长至约50天。
- 事件持续性：显著的BSISO事件一旦被触发，往往能持续较长时间（平均e折时间为36天），许多事件能完成超过一个完整周期。
- 再起始机制：许多BSISO事件会在北印度洋重新起始（相位1），这与前期 suppressed 对流、边界层过程以及海温异常等多种局地动力过程有关。
Xiang, B., B. Wang, G. Chen, and T. L. Delworth, 2024: Prediction of Diverse Boreal Summer Intraseasonal Oscillation in the GFDL SPEAR Model. J. Climate, 37, 2217–2230, https://doi.org/10.1175/JCLI-D-23-0601.1.
将二维出射长波辐射（OLR）和850 hPa纬向风的异常值投影到亚洲季风区（10°S–40°N，40°–160°E）（图1a、b）5月至10月观测到的前两个主要多元经验正交函数（EOF）模态上得到的。
第一个EOF模态（EOF1）反映了热带印度洋和西北太平洋之间的偶极对流模式。在印度洋和西北太平洋分别观测到气旋式和反气旋式环流，呈现出动态一致的低层对流层环流模式（图1a）。
第二模态（EOF2）具有三极对流模式，增强的对流具有倾斜结构，从印度大陆向东南延伸至赤道西太平洋，并伴有强烈的低层风辐合（图1b）。这两个模态共同呈现出传播模式，当EOF1模态（PC1）的时间序列领先EOF2模态（PC2）的时间序列13天时，二者达到最高的正相关性（Lee等，2013）。
However, EOF1 has a larger explained variance than EOF2 (8.7% vs 5.3%) so a substantial portion of EOF1 itself represents a stationary component (Zhu and Wang 1993).
空间Pattern
首先来看一下他的空间pattern：
- 1、 对于OLR数据去除季节日循环后，进行空间带通滤波，30～90天
- 2、 选择北半球夏季5-10月，对时间维度计算标准偏差
这里分别比较了全年标准偏差和夏季标准偏差的空间分布，看着相当有意思啊：
赤道附近呈现明显的带状结构，说明热带是 30–90 天对流振荡的核心区域；（虽然我不做MJO，但是这应该是对应MJO的活动区域，毕竟滤波了30-90天）
进入北半球夏季后，强变率区更偏向：西太—印度洋（对应 BSISO/季风季节内振荡 的活跃区域）
同时你会看到印度洋/海陆大陆仍然很强，但最大值和形态会更偏北。
EOF
进一步的，根据上述EOF的区域，进行复现。对于EOF的pattern我感觉还是相对一致的，对于解释方差我这里得到的第一/第二EOF分别是：16.7% ， 11.1%。相比文献中的要强了不少，想了一下和文献中处理的不同的地方
- 我这里选择的时间是1979-2014，与文献中的2000-2019不同；时间我这里检查了好像不是主要原因
- 原文对于数据额外去除了前三个谐波，我这里只去除了季节日循环;但是应该影响不大
- 分辨率原文是1x1，我这里是2x2，pattern应该不至于因为分辨率差异这么大
- 原文是将olr和风场两个变量进行投影，我这里只是OLR一个变量。思考了一下感觉这是影响解释方差的主要原因，多变量 EOF 的总方差里包含了两种变量的能量。
没想明白，不过anyway空间pattern是一致的
识别事件 & 合成分析
参考的识别方法如下这篇论文：
Cheng, T. F., B. Wang, F. Liu, G. Chen, and M. Lu, 2025: Increased global subseasonal whiplash by future BSISO behavior. SCienCe AdvAnCeS, https://doi.org/10.1126/sciadv.adv6355.
- 1、对OLR数据去除气候态季节日循环，然后进行带通滤波，30-90天
- 2、对于滤波后的异常场，选择赤道东印度洋（EIO；5°S 至 10°N，80° 至 100°E），计算区域平均，得到平均的一条时间序列。提取每年的5-10月数据，如果区域平均异常场小于其负一倍的标准偏差（-1*SD），则该天定义为一个BSISO事件。事件第 0 天定义为季节内 OLR 异常达到最小值的点。
- 3、将 15°S 至 25°N、60°至 170°E 范围内从第 -1 候到第 3 候的每个事件的季节内 OLR 异常的一组连续图连接起来，其中候 0 表示以事件第 0 天为中心的候（5 天）平均值。
最终，得到了大概92个事件，原文是得到94个，这应该还是比较接近的。
但是，我这里合成得到的hovmoller图的相速度，通过查阅文献表明，估计在5m/s左右应该是合理的。我这里粗约看一下估计也就2.6m/s，要慢很多。
超前滞后
进一步的超前滞后，查看其传播特征，看着有点演变的意思，从西向东并且想被传播。
但是不清楚这是否合理，感觉有点奇怪。先这样放着吧。
★Kikuchi, K., 2021: The Boreal Summer Intraseasonal Oscillation (BSISO): A Review. Journal of the Meteorological Society of Japan, 99, 933–972, https://doi.org/10.2151/jmsj.2021-045.
