运用一种基于神经网络的非线性主成分分析法(nonlinear principal component analysis,NLPCA)对中国1951-2003年53 a四季气温距平场(surface air temperature anomaly,SATA)进行分析,NLPCA第一模态结果显示中国四季气温异常具有一定的非线性特征,并且具有显著的季节性差异,即春、夏两季的非线性较强,秋、冬两季较弱.一维NLPCA对原始气温距平场的近似比一维PCA(principal component analysis)更好地反映了气温场的实际分布情况.