1979-2018年1月遥相关型指数计算及与大气环流场、我国气温相关性分析程序

由于缺乏具体的数据来源和指标定义，以下程序仅提供一个大致的流程框架，具体实现需要根据数据来源和指标定义进行调整。

计算遥相关型指数：

1. 获取1979-2018年1月的相关变量数据，包括但不限于海温、海洋盐度、大气压力、风速、海表温度等。
2. 对每个相关变量进行标准化处理，使其均值为0，标准差为1。
3. 对每个相关变量进行空间平均，得到全球平均值。
4. 对每个相关变量进行PCA分析（主成分分析），得到各个主成分和其对应的贡献率。
5. 根据主成分和贡献率计算遥相关型指数。具体计算方法需要根据指标定义进行调整。

计算遥相关型指数与大气环流场的同期相关系数：

1. 获取1979-2018年1月的大气环流场数据，包括但不限于500hPa高度场等。
2. 对大气环流场数据进行标准化处理，使其均值为0，标准差为1。
3. 对大气环流场数据进行空间平均，得到全球平均值。
4. 计算遥相关型指数和大气环流场数据的同期相关系数。具体计算方法可以使用Pearson相关系数等。

计算遥相关型指数与我国气温的同期相关系数：

1. 获取1979-2018年1月的我国气温数据。
2. 对我国气温数据进行标准化处理，使其均值为0，标准差为1。
3. 计算遥相关型指数和我国气温数据的同期相关系数。具体计算方法可以使用Pearson相关系数等。

绘图程序：

根据指标定义和研究需求，选择合适的绘图工具（如Matplotlib、ggplot2等），绘制遥相关型指数的时间序列图、与大气环流场的同期相关系数图、与我国气温的同期相关系数图等。在图中可以标注重要的事件和趋势，如ENSO事件、年代际变化等。