在全球气候变暖的大背景下，气温的升高将导致自然生态环境的改变，影响人们的正常生产生活和社会经济的发展。经验模态分解（EM D）方法是近来广泛用于多个领域的信号分析的方法，可以很好地处理非平稳、非线性信号，在快速有效地分析出信号本身特征的同时，能真实地提取一个数据序列的趋势。EM D方法是目前提取数据序列趋势的最好方法。笔者将EM D方法应用于福建省惠安县气温波动分析，力求从多时间尺度上分析气温变化规律，为区域经济社会发展和农业生产提供参考。

1970年末，涌现出众多的乡镇农药厂，1979年后，全国农药生产厂家快速增加，农药产量也随之增加，而后，农业改革与发展直接推动了我国农药工业由弱势产业向强势产业的发展。尤其是在改革开放前20年里，农药业引起了各界的关注和投资者的青睐，基本上每个农业县都有自己的农药企业或分装厂，农药产业逐渐强势起来。

1 资料与研究方法

选用福建省崇武国家基准气候站1954—2013年逐日平均气温、平均最高气温、平均最低气温数据资料，统计年平均气温、年平均最高气温和年平均最低气温时间序列。利用EM D法对近60年惠安县崇武国家基准气候站各气温序列进行分解，得到年平均气温、年平均最高气温和年平均最低气温序列各自的全部本征模函数（IM F）分量、趋势项（剩余项）Res分量，分析各气温序列不同时间尺度本征振荡模态和趋势项，揭示惠安县气温多时间尺度变化特征和规律。EM D法在分解过程中会产生边界效应（即G ibbs现象）问题，采用镜像拓延法处理，能有效抑制EM D分解过程中端点效应造成的结果失真问题。

2 结果与分析

2.1 惠安县年平均气温变化多时间尺度分析

分析惠安县年平均气温原序列及5个IM F分量和1个趋势项（剩余项）Res分量得出，年平均气温高低涨落很不规则，分解成IM F分量后，每个IM F分量均呈围绕零均值线的、局部极大植和极小值基本对称的振荡型式，波形比原序列规整、简单，非平稳性减弱，其多时间尺度变化特征表现清晰。由IM F1分量到IM F5分量，其时间尺度逐渐增大，从高频逐渐到低频，每个IM F都是一个窄波段信号，虽然不同IM F分量可能包含相同尺度的变化信息，但在相同时段内不会有相同频率和变化。

2.突出强度法：此训练法的特点是每周每天每项都突出强度，甚至超出本人当天最高水平，然后减10kg做两组，再减10kg做两组，即开始递增重量至当天最大重量，再递减重量。在计划规定的时间内要求组数越多越好，组与组之间的间歇以恢复为准。

在此次实验中,所有的数据均放置在SPSS20.0统计学软件中进行分析,计量资料和计数资料分别采用t和X2检验,当p<0.05,则为统计学意义。

分析惠安县年平均最低气温原序列及4个IM F分量和1个趋势项（剩余项）Res分量，IM F1分量频率最高，表示原序列时间尺度周期最短，具有2～5年短周期波动，且振幅变化较大（即代表能量较大），1954—2013年共经历21个周期波动，平均周期约2.5年，20世纪90年代年平均最低气温2年左右周期性波动表现显著，年际变化剧烈；IM F2分量频率其次，具有5～10年周期波动，振幅变化也较大，研究时域内共经历7个周期波动，平均周期约8年；IM F3分量频率较低，振幅变化较小，研究时域内有时间尺度为17年和21年的2个周期波动，平均周期为19年；IM F4分量频率最低，但振幅变化较大，有1个57年尺度周期波动，与年平均最高气温一样，年平均最低气温也有“两峰一谷”大趋势，“两峰”分别为20世纪50年代和20世纪90年代中期至今，“一谷”在20世纪70—80年代；研究时域内惠安县年平均最低气温总体呈上升趋势。

2.2 惠安县年平均最高和最低气温变化多时间尺度分析

分析惠安县年平均最高气温原序列及4个IM F分量和1个趋势项（剩余项）Res分量，IM F1分量频率最高，表示原序列时间尺度周期最短，具有2～6年短周期波动，1954—2013年共经历17个周期波动，平均周期约3年，与年平均气温相同，20世纪90年代初开始，2年左右周期性波动显著，年平均最高气温年际变化剧烈；IM F2分量频率其次，具有4～13年周期波动，研究时域内共经历7个周期波动，平均周期约8年；研究时域内，IM F3分量有时间尺度为17年和25年的2个周期波动，平均周期21年；IM F4分量只有1个56年周期波动，反映出年平均最高气温“两峰一谷”大趋势，“两峰”分别为20世纪50年代和2011年前后至今，“一谷”在20世纪80年代中期；研究时域内惠安县年平均最高气温呈单调上升趋势。

惠安县1954—2013年共经历19个周期波动，平均周期约3年，20世纪90年代初开始，2年左右周期性波动表现显著；IM F2分量频率次之，共经历8个周期波动，平均周期6年，与EN SO现象具有准3～7年短周期波动吻合；较高频IM F1和IM F2分量振幅都比较大，说明年平均气温年际变化明显，特别是20世纪90年代初开始年平均气温变幅较大，年际变化剧烈。IM F3分量具有11～15年周期波动，研究时域内共经历4个周期波动，平均周期13.5年；IM F4分量具有22～25年周期波动，平均周期约24年；IM F5分量具有1个48年周期波动；趋势项（剩余项）Res分量反映原序列变化总趋势，惠安县年平均气温序列Res分量在研究时域内总体呈上升趋势，20世纪80年代前上升缓慢，20世纪80年代后上升显著。

2.3 惠安县各气温序列变化主要时间尺度

年平均最高气温序列IM F1、IM F2、IM F3和IM F4分量方差贡献分别为0.295、0.234、0.257和0.187，年平均最高气温序列变化主要由IM F1、IM F3和IM F2这3个分量时间尺度的内在振荡所决定。其中IM F1分量表示的年平均最高气温序列涨落时间尺度最短（周期尺度为2～6年），为最高频分量，而且振幅变化最大（即代表能量最大），对原序列变化贡献最大，占总方差的29.5%，说明在年平均最高气温变化中起主导作用的是高频振荡，气温年际变化较频繁，最主要变化周期与年平均气温一致；IM F2和IM F3分量对原序列变化贡献相当，分别占总方差的23.4%和25.7%；IM F4分量振幅相对较小，对原序列变化贡献也较小，占总方差的18.7%。年平均最低气温序列IM F1、IM F2、IM F3和IM F4分量方差贡献分别为0.225、0.185、0.127和0.357，年平均最低气温序列变化主要由IM F4和IM F1这2个分量时间尺度的内在振荡所决定。其中IM F4分量表示年平均最低气温序列年代际（周期尺度约为57年）尺度变化特征，对原序列变化贡献最大，占总方差的35.7%，是原序列涨落变化最主要分量，方差贡献比IM F1大50%以上，说明年平均气温变化过程中起主导作用的是IM F4分量的低频振荡，气温年际变化较平缓；IM F1分量表示的年平均最高气温序列涨落时间尺度最短（周期尺度为2～5年），对原序列变化贡献较大，占总方差的22.5%，是原序列涨落变化的次重要分量；IM F2和IM F3分量对原序列变化贡献，分别占总方差的18.5%和12.7%，对原序列变化重要性相对较小。

分析惠安县各气温序列IM F分量方差贡献及相关系数，年平均气温序列IM F1、IM F2和IM F3分量方差贡献分别为0.300、0.156和0.158，比IM F4和IM F5分量大1个量级，因此，年平均气温序列变化主要由IM F1、IM F2和IM F3这3个分量时间尺度的内在振荡所决定。其中，IM F1分量表示的年平均气温序列涨落时间尺度最短（周期尺度2～5年），频率最高，振幅变化最大（即代表能量最大），对原序列变化贡献最大，占总方差的30.0%，方差贡献是IM F2和IM F3的近1倍，说明在年平均气温变化过程中起主导作用的是IM F1分量高频振荡，气温年际变化频繁；IM F2和IM F3分量对原序列变化贡献相当，分别占总方差的15.6%和15.8%；IM F4和IM F5分量对原序列变化贡献都较小，其中IM F4分量最小，仅占总方差的3.3%。

3 结论

（1）惠安县年平均气温变化存在时间尺度为准3年、准6年、准13.5年、准24年和准48年的5个周期波动，其中起主导作用的是准3年周期波动，在研究时域内，年平均气温年际变化频繁，20世纪80年代前上升缓慢，20世纪80年代后上升显著。

（2）惠安县年平均最高气温变化存在时间尺度为准3年、准8年、准21年和准56年的4个周期波动，起主导作用的是准3年周期波动，在研究时域内年平均最高气温、年平均气温年际变化频繁，总体呈单调上升趋势。年平均最低气温变化也存在时间尺度为准2.5年、准8年、准19年和准57年的4个周期波动，起主导作用的是准57年周期波动，研究时域内年平均最低气温年际变化平缓，总体呈上升趋势。

（3）与趋势分析法、小波分析法等相比，在分析非线性、非平稳气温序列变化时EM D法更具优势，分析出气温序列波动在整个时域上频谱特征，即气温变化主要周期，也反映出各主要周期在局部时域上的分布特征，即具有时间分辨率。

参考文献

[1]钱维宏，陆波，祝从文.全球平均温度在21世纪将怎样变化 [J].科学通报，2010，55（16）：1532-1537.

[2]郑祖光，刘莉红.经验模态分解与小波分析及其应用[M].北京:气象出版社，2010.