不同时间尺度多源时序数据的FEEMD分解比较研究

摘要

中国南海东北部海区的叶绿素a浓度及相关环境因子受多尺度物理强迫影响，具有非线性非平稳态特征，对该区域的数据进行分解存在一定困难.该文利用一种自适应、非线性、非平稳态的FEEMD方法对研究区8 d尺度和月尺度长时序叶绿素a浓度及相关环境因子数据进行分解，结果发现：1) FEEMD有效避免了EMD和EEMD的高频模态混叠问题；2) FEEMD的运行速度比EMD和EEMD快10倍以上；3)基于8天和月尺度数据分解出的21年数据总趋势一致；4)相较于月尺度数据，8天尺度数据能分解出更多具有实际物理意义的高频模态，计算这些高频模态的周期发现基于8天尺度数据能分解出短至约2个月、4个月(季节)、6个月的周期；5) 8天尺度叶绿素a浓度数据能分解出长达5年左右周期，其他相关环境因子可分解出10～14年超长周期，而月尺度数据一般只能分解出年尺度周期.该文研究结果表明，FEEMD方法可在环境复杂、动态度高、因子多变的区域进行长时间序列数据分解，并能取得理想效果，能为复杂环境条件下多因子间驱动关系研究提供借鉴.

关键词

FEEMD / 数据分解 / 叶绿素a浓度 / 环境因子 / 南海东北部