\section{Описание} Функция \texttt{supersvd} по двум заданным наборам пространственно--временных полей строит матрицу ковариации, а затем вычисляет её неполное сингулярное разложение. Функция \texttt{supersvd} принимает на вход 2 обязательных аргумента (два поля, максимально скоррелированные моды которых мы ищем) и 2 опциональных параметра: количество пар максимально скоррелированных мод (по умолчанию 3) и значение переключателя режима вычитания из поля его среднего по времени значения (по умолчанию \texttt{True}, то есть из поля \textit{вычитается} его среднее по времени значение). Пусть $X(t), Y(t)$ --- два меняющихся во времени поля, максимально скоррелированные моды которых мы ищем, причём $\operatorname{dim}(X)=nT \times nX$\footnote{Здесь и далее размерности массивов указаны в порядке, принятом в \texttt{C} и \texttt{Python}. В \texttt{Fortran} размерности массивов следует развернуть в обратном порядке} и $\operatorname{dim}(Y)\hm=nT \times nY$, где $nX$ и $nY$ могут быть одним или несколькими измерениями массивов (в случае среднемесячных данных INMCM $nX$ и $nY$ --- $120 \times 180$). Функция \texttt{supersvd} вычисляет разложение вида: \begin{equation} \begin{aligned} X(t) &= \overline{X} + XV_1 XC_1(t) + XV_2 XC_2(t) + \ldots + XV_k XC_k(t) + \ldots,\\ Y(t) &= \overline{Y} + YV_1 YC_1(t) + YV_2 YC_2(t) + \ldots + YV_k YC_k(t) + \ldots, \end{aligned} \label{eq:svd} \end{equation} где \begin{equation*} \overline{X}=\frac{1}{nT}\sum_{t=1}^{nT} X(t),\qquad \overline{Y}=\frac{1}{nT}\sum_{t=1}^{nT} Y(t), \end{equation*} а $k$ --- количество пар максимально скоррелированных мод. В \eqref{eq:svd} каждое новое слагаемое получается максимизацией корреляции между $XC_k(t)$ и $YC_k(t)$, а $XV_k, YV_k$~--- два семейства ортогональных пространственных мод. Моды $XV_k, YV_k$ являются левыми и правыми сингулярными векторами матрицы ковариации $$C =\frac{1}{nT} \sum_{t=1}^{nT} (X(t) - \overline{X}) (Y(t) - \overline{Y})^{\mathsf T}.$$ Функция \texttt{supersvd} возвращает: \begin{itemize} \item массивы \texttt{x\_coeff}, \texttt{y\_coeff} временных коэффициентов $XC(t), YC(t)$ разложения \eqref{eq:svd} \big(раз\-мерности $k \times nT$\big); \item массив \texttt{x\_vect} левых сингулярных векторов $XV$ \big(размерности $k \times nX$\big); \item массив \texttt{y\_vect} правых сингулярных векторов $YV$ \big(размерности $k \times nY$\big); \item массив \texttt{corrcoeff}, содержащий $k$ коэффициентов корреляции между $XC_k(t)$ и $YC_k(t)$; \item массив \texttt{x\_variance\_fraction} (\texttt{y\_variance\_fraction}), содержащий доли дисперсии, приходящиеся на каждый из $k$ левых (правых) сингулярных векторов; \item массив \texttt{eigenvalue\_fraction}, содержащий долю дисперсии матрицы ковариации, приходящуюся на $k$-ую пару сингулярных векторов; \item массив \texttt{eigenvalues} сингулярных значений матрицы ковариации $C$. \end{itemize}