基于高精度海洋动力模型的珠江口羽状流季节和年际变化规律研究

徐闯, 许永基, 胡嘉镗, 2, 李适宇, 2, 刘晋涛



基于高精度海洋动力模型的珠江口羽状流季节和年际变化规律研究

徐闯1, 许永基1, 胡嘉镗1, 2, 李适宇1, 2, 刘晋涛1

1. 中山大学环境科学与工程学院, 广东 广州 510275; 2. 广东省环境污染控制与修复技术重点实验室, 广东 广州 510275

基于高精度海洋动力模型FVCOM (finite-volume community ocean model), 模拟分析了1999—2010年珠江口羽状流的季节和年际变化规律, 并结合经验正交函数(empirical orthogonal function, EOF)分析探讨了影响珠江口羽状流扩展变化的主要动力因子。采用模拟时段内的现场观测数据对多年模拟结果进行验证, 结果表明模型具有较高的精度, 能够较好地模拟珠江口羽状流的扩展变化规律。模拟结果显示, 珠江口羽状流存在显著的季节变化。夏季, 受大径流和西南风的影响, 羽状流的扩展呈现双向特征, 即粤西沿岸扩展和粤东离岸扩展同时存在, 扩展范围最大; 冬季, 径流衰减为最小值, 风场转变为强烈的东北风, 羽状流被紧紧挤压在西岸, 形成狭窄的条带状, 扩展范围最小; 春、秋两季属于过渡季节, 羽状流扩展情况类似, 均表现为沿岸向粤西扩展。年际变化层面, 夏季羽状流的年际变化最为显著, 呈现粤东扩展占优型、近似对称型和粤西扩展占优型三种形态; 春季羽状流的年际变化次之, 羽状流的差异主要体现在珠江口和粤西海域; 秋、冬两季羽状流的年际变化较小, 尤以冬季最小。EOF分析的第一模态可以解释整体变化的91.2%, 反映了径流量对珠江口羽状流的影响; 第二模态可以解释整体变化的4.1%, 反映了盛行风对珠江口羽状流的影响。

羽状流; 季节变化; 年际变化; EOF分析; 数值模式; 珠江口

河流羽状流通常携带大量的营养盐、泥沙和污染物, 会对河口和近岸海域的动力过程和生物化学过程产生显著的影响(Kim et al, 2009; 杨阳等, 2010)。羽状流的扩展变化受到径流(Lai et al, 2015)、风(Pan et al, 2014)、潮汐(Lai et al, 2016)、沿岸流(Ding et al, 2017)和上升流(Gan et al, 2009)等多种动力因子的影响, 其扩展形态和扩展范围在不同的时间尺度存在不同的变化特征(Bai et al 2014; Falcieri et al, 2014)。例如, Jiang等(2016)针对切萨皮克湾羽状流的季节和年际变化进行分析, 发现切萨皮克湾羽状流的季节变化较为显著, 但年际差异较小。从季节性尺度而言, 切萨皮克湾羽状流的扩展面积主要由一个月迟滞的径流调控, 深度则主要由风速调控; 从年际性尺度而言, 羽状流的扩展面积和深度均由径流调控。Zeng等(2017)针对长江口羽状流的季节变化进行分析, 将长江口羽状流划分为三种形态, 并指出各个形态及其对应的温度、流场和叶绿素a浓度均展现出显著的季节变化。可以看出, 从不同的时间尺度研究羽状流的扩展变化, 不仅可以明确羽状流的普遍扩展规律, 找到影响其扩展的主要动力因子, 还可以为河口缺氧形成机理、浮游植物分布等科学问题的研究奠定基础。

珠江口位于珠江三角洲地区, 西江、北江、东江及珠江三角洲诸河每年约3.36×1011m3径流经八大口门输出到南海北部海域(图1a)。丰富的珠江径流和外海高盐水混合, 加之各动力因子的驱动作用, 在珠江口及其邻近陆架区形成了明显的羽状流现象。庞海龙(2006)通过分析1978—1988年南海北部断面调查数据, 阐述了珠江口羽状流在春夏秋冬四季的变化, 并指出季风是春秋冬三季珠江口羽状流扩展的主要影响因子, 而夏季珠江口羽状流的扩展则由径流、风和近岸海面高度共同调控。Ou等(2009) 对1978—1984年夏季南海北部断面调查数据进行了进一步剖析, 将夏季珠江口羽状流划分为四大类: 向海凸起扩展型、粤西沿岸扩展型、粤东离岸扩展型和似对称沿岸扩展型, 并指出在径流和风场的影响下, 羽状流的扩展形态会展现出显著的季节变化。Chen等(2017) 通过对2003—2016年夏季日均海洋浊度遥感数据进行分析, 探讨了夏季羽状流的季节内和年际变化, 指出6—8月羽状流的粤东扩展距离存在衰减现象。上述研究均表明珠江口羽状流存在显著的时空变化, 且径流和风场在这一变化中具有重要作用。然而, 观测数据受限于人力物力、天气状况等客观因素, 具有明显的时空覆盖范围局限性, 难以把握羽状流在时间和空间上的动态发展及长期变化情势; 而卫星遥感数据虽具有较好的时空覆盖率, 但仅限于海表面的观测, 且时常由于云层遮挡等原因存在数据无法获取的情况, 也在一定程度上增加了羽状流统计结果的不确定性。另外, 前人的研究主要集中于羽状流的季节变化, 较少涉及年际变化以及相关的调控机制。针对上述研究的不足, 本文拟通过构建基于真实场驱动的高精度海洋动力模型, 对珠江口水动力过程进行多年的数值模拟及验证, 在此基础上利用模拟结果深入分析珠江口羽状流的季节和年际变化规律, 并结合经验正交函数(empirical orthogonal function, EOF)分析方法探讨珠江口羽状流季节和年际变化的主要影响因子。

图1 模型的计算范围和水深(a)以及盐度验证站点(b)

1 模型建立与验证

1.1 模型配置

本文采用Finite-Volume Community Ocean Model (FVCOM)模型(Chen et al, 2003, 2006a, b)对珠江口的水动力过程进行模拟。模型的计算范围是111°54′—116°48′E, 20°18′—23°6′N(图1a), 共包含61987个节点和116143个网格。水平方向上网格的分辨率在口门附近约为40~300m, 在珠江口及其邻近海域约为200~700m, 在外海开边界附近约为8km。垂向上模型包括20个均等的sigma层。模型的计算水深采用中国沿海海图(80m等深线以内)和美国国家海洋和大气管理局(National Oceanic and Atmospheric Administration, NOAA)国家地球物理数据中心的Etopo1 (80m等深线以外)数据。模型的水平混合系数根据Smagorinsky(1963)公式计算得到, 垂向混合系数根据Mellor等(1982)的2.5阶湍流闭合模型计算得到。

模型由上边界河流输入的径流、外海开边界的潮汐和沿岸流以及海表面的风场等气象数据驱动。上边界的逐日径流量由一维河网和三维河口耦合模型(胡嘉镗等, 2008)提供, 更充分地考虑了上游河网与河口的交互过程。其中, 一维河网模型上游设置了3个流量边界(分别为西江高要站、北江石角站、东江博罗站)以及2个水位边界(分别为潭江石咀站、流溪河老鸦岗站), 其中流量采用广东省水文局发布的逐日观测数据, 水位采用逐时观测数据。河流的温度和盐度采用月均观测数据。潮汐水位考虑了8个主要分潮(M2、S2、N2、K2、K1、P1、O1和Q1), 由潮汐预报模型生成的实际潮位给定(Pawlowicz et al, 2002)。在此基础上, 模型进一步在外海开边界叠加非潮汐余水位来考虑外海沿岸流的作用, 该余水位数据以及外海开边界的温度和盐度均由月均SODA数据(https://climatedataguide.ucar.edu/climate-data/ soda-simple-ocean-data-assimilation)提供。海面气象数据由欧洲中期天气预报中心的ERA-Interim (http://apps.ecmwf.int/datasets/)提供, 包括风速、表层大气压力、表层大气温度、表层大气相对湿度、长波辐射通量、短波辐射通量、蒸发、沉降和云覆。其中, 风速每6h给定一次, 其他气象数据每3h给定一次。模型的内模时间步长取10s, 外模时间步长取2s。模型的模拟时段为1998年1月1日至2010年12月31日, 其中1998年1月1日至12月31日为模型预热阶段, 1999年1月1日至2010年12月31日的模拟结果用于分析珠江口羽状流的季节和年际变化规律。

1.2 模型验证

采用现场观测的水位、温度和盐度对珠江口FVCOM模型进行了验证, 受篇幅所限, 在此仅展示盐度验证结果。盐度验证数据包括2006年7—8月国家“908”项目和广东省“908”项目的观测数据, 以及1999—2010年香港环保署的观测数据, 站点位置如图1b所示。采用均方根误差(RMSE)、平均偏差(Bias)和相关性系数()三个指标定量评价模型的模拟精度, 其中Bias是指模拟平均值减去观测平均值。

图2a—d展示了2006年7—8月珠江口表、底层盐度的模拟值和观测值。由图可见, 模型模拟的盐度空间分布特征与观测结果吻合良好。模拟与观测结果均表明在调查时段内, 表层低盐水占据了珠江口内部和粤西海域, 而粤东近岸海域及大鹏湾等海湾内部则被高盐水填充; 底层低盐水被限制在粤西近岸海域和伶仃洋内部, 而珠江口以外及粤东海域则被高盐水占据。表、底层模拟值和观测值的相关性系数分别为0.96和0.97, 平均偏差分别为0.25和–0.62, 说明模型能够较好地把握羽状流的扩展形态和扩展范围。图2e—p展示了香港环保署1999—2010年逐年的观测盐度和模拟盐度的比对结果。可以看出, 模拟盐度和观测盐度之间的均方根误差在1.31~2.07之间变动, 平均偏差均小于0.80, 多数年份在0.50以内, 相关性系数均在0.86以上。上述结果表明, 本文所构建的FVCOM模型具有较高的计算精度, 能够较好地反映出珠江口羽状流的变化情况。

图2 盐度验证结果a—d为2006年7、8月珠江口表、底层盐度模拟值和观测值比对结果, e—p为1999—2010年香港环保署逐年观测盐度和模拟盐度比对结果

2 珠江口羽状流的季节变化规律

受亚热带季风气候影响, 珠江口的径流量和风场存在显著的季节变化(图3)。从1999–2010年多年平均来看, 1—12月的径流量呈现出先递增后递减的趋势, 其中6月径流量最大, 为22410m3·s–1; 1月径流量最小, 为3592m3·s–1。四个季节中, 夏季(6—8月)径流量最大, 占全年径流量的48%; 冬季(12月—次年2月)径流量最小, 仅占全年径流量的11%。就口门分流比而言, 夏季东四口门分流比最大, 春秋冬三季东四口门分流比小于夏季。在风场方面, 夏季的盛行风主要为西南风和南风, 伴随一定的东南风; 冬季的盛行风为东北风, 冬季风速大于夏季; 春季(3—5月)为冬季风和夏季风的过渡时期, 以东南风和东北风为主; 秋季(9—11月)为夏季风和冬季风的过渡时期, 盛行风实际上已经转变为东北风。

图3 1999—2010年多年平均的各个月份的径流量及口门分流比(a)、矢量风场(b)、标量风速(c)和30‰等盐度线围成的羽状流扩展面积(d)

图4给出了1999—2010年多年平均的各个月份和各个季节珠江口及其邻近海域表层盐度和流场的分布情况。春季, 受东北风和东南风的影响, 珠江口羽状流主要表现为沿岸向粤西扩展, 形成明显的西向流, 流速约0.3m·s–1, 在粤西近岸海域形成范围较大的低盐区(图4d)。表层盐度特征为东高西低, 30‰等盐度线在粤西海域可向外扩展至30m等深线附近, 等盐度线之间的盐度梯度较小, 羽状流的扩展面积也较小(5044km2)。3月, 羽状流受到东北风的挤压作用, 表现出明显的向岸收缩, 26‰等盐度线收缩至深圳湾附近, 30‰等盐度线贴合珠江口, 等盐度线之间的盐度梯度最小(图4a)。4月, 风场转变为较为缓和的东南风, 径流量相比于3月增加了2855m3·s–1, 羽状流受到的挤压作用减弱, 等盐度线向外延伸, 羽状流扩展范围变大(图4b)。5月, 由于径流量的持续增加, 羽状流向外扩展的范围进一步变大, 且等盐度线之间的盐度梯度变大(图4c)。虽然3—5月羽状流均表现为粤西沿岸扩展, 但3月份30‰等盐度线在粤西海域仅可向外推移至20米等深线附近, 羽状流的扩展面积也最小(2831km2); 4月, 30‰等盐度线可推移至30m等深线附近, 羽状流的扩展面积增加(4574km2); 5月, 30‰等盐度线最远可到达35m等深线附近, 羽状流的扩展面积最大(8385km2)。

图4 1999—2010年多年平均的各个月份和各个季节珠江口表层盐度和流场分布情况图中三条白色等值线从内到外分别为26‰、28‰和30‰等盐度线

夏季, 自西四口门输入的径流在科氏力的作用下向粤西偏转流动, 而东四口门输入的径流受西南风驱动的沿岸流的影响, 越过伶仃洋后则转向东北, 由此形成两个低盐主轴(图4h)。夏季径流量最大, 低盐水几乎占满了整个伶仃洋水域; 同时夏季东四口门分流比最大, 在风场作用下, 东四口门的径流可以充分向粤东流动, 其中28‰等盐度线可向东扩展至大鹏湾附近, 30‰等盐度线则可推移至红海湾中部。整体而言, 羽状流呈现出双向扩展结构, 粤东海域的流速较大, 尤其是大鹏湾和大亚湾邻近海域, 最高可达0.4~0.5m·s–1; 粤西海域的流速较小, 约为0.1m·s–1。6月和7月羽状流的扩展情况与夏季平均羽状流扩展情况类似, 均表现为双向扩展, 即粤西沿岸扩展和粤东离岸扩展同时存在(图4e、f)。这两个月的区别在于6月羽状流的粤东扩展距离(92km)大于7月(77km)。如图3a所示, 尽管6月东四口门分流比(59%)小于7月(60%), 但6月自东四口门输入的径流量(13215m3·s–1)大于7月(11350m3·s–1), 因此6月羽状流出现较强的粤东扩展。8月, 由于风向转变为东南风, 使得粤东海域的流速减小, 粤西海域的流速增加, 导致东向羽状流主轴收缩至大鹏湾附近海域, 粤东扩展距离衰减为约30km(图4g)。如图3d所示, 6月羽状流的扩展面积最大(16151km2), 7月次之(14021km2), 8月最小(13179km2)。总的来说, 6—8月羽状流的扩展面积和粤东扩展距离都存在衰减现象。

秋季, 羽状流表现为粤西沿岸扩展, 在珠江口外形成明显的西向流, 流速约0.4m·s–1, 等盐度线之间的盐度梯度较小(图4l)。9月的径流量较大, 故羽状流向外扩展的范围较大, 30‰等盐度线在粤西海域可向外扩展至40m等深线附近, 等盐度线之间的盐度梯度较大(图4i)。10—11月, 东北风持续增强且径流量持续衰减, 使得羽状流被挤压在近岸海域, 低盐水向伶仃洋内部收缩, 30‰等盐度线在粤西海域向内收缩至30m等深线附近, 等盐度线之间的盐度梯度显著变小(图4j、k)。总的来说, 9月羽状流的扩展面积最大(9871km2), 10月次之(5051km2), 11月最小(4332km2)。

冬季, 八大口门的入海径流量最小, 且珠江口及其邻近海域受到东北风的强烈支配。一方面, 东北风驱动沿岸流向西, 使得羽状流表现为沿岸向粤西扩展; 另一方面, 东北风驱动的向岸Ekman输送使得羽状流被紧紧地挤压在西岸, 形成一条细长的条带(图4p)。总的来说, 羽状流在各个方向的扩展均受到限制, 30‰等盐度线甚至收缩到珠江口内部, 等盐度线之间的盐度梯度最小。冬季内的三个月羽状流的扩展情况类似(图4m、n、o), 其中1月和2月羽状流扩展面积小于12月, 仅约2200km2。

1999—2010年珠江口羽状流展现出了显著的季节变化, 且羽状流的扩展方向和扩展面积等要素受到径流和风场的显著影响。夏季, 东四口门分流比最大, 自东四口门输入的径流可被输送至红海湾附近, 羽状流表现为双向扩展, 扩展面积最大(14370km2)。春、秋两季东四口门分流比减小, 西四口门分流比增加, 羽状流整体表现为粤西沿岸扩展, 但秋季粤西海域的流速(~0.4m·s–1)大于春季(~0.3m·s–1), 且秋季羽状流的扩展面积(5868km2)大于春季(5044km2)。冬季, 羽状流被紧紧挤压在西岸, 其扩展受到了较大限制, 扩展面积仅为2573km2。冬季30‰等盐度线在粤西海域被限制在20m等深线以内, 但其在春、秋两季可向外推移至30m等深线附近。总的来说, 当东北风等下沉流风盛行时, 其所产生的西向沿岸流会将羽状流输运至粤西海域, 且限制羽状流的向海扩展; 当西南风等上升流风盛行时, 其所产生的东向沿岸流和Ekman输送则可以增加羽状流的粤东扩展和向海输运, 且东四口门的径流越大, 羽状流的粤东扩展距离也越大。羽状流的扩展面积(图3d)和径流量(图3a)之间的相关性系数为0.978(<0.01), 和风速(图3c)之间的相关性系数为–0.636(<0.05), 即径流量越大(小), 风速越小(大), 羽状流的扩展面积越大(小)。

3 珠江口羽状流的年际变化规律

图5给出了1999—2010年逐年各个季节季均径流量、矢量风场、标量风速和羽状流扩展面积的变化情况。图6给出了1999—2010年逐年各个季节平均的珠江口及其邻近海域表层盐度分布情况。由图6可知, 春、秋、冬三季羽状流均表现为粤西沿岸扩展, 但其年际差异有所区别。春季羽状流的年际差异相对较大, 秋季次之, 冬季最小。春季, 12年羽状流扩展面积的标准差为1311km2。从形态上看, 羽状流在珠江口和粤西海域均存在一定的变化。秋季, 12年羽状流扩展面积的标准差为1074km2, 其年际变化主要发生在珠江口附近。春、秋两季的径流量类似, 因此年际差异的强弱主要由风场调控。如图5b所示, 春季风场的年际变化较为显著, 例如1999年盛行风为东风, 2002年盛行风为东南风。风场的转变使得羽状流发生向外扩展和向内收缩, 展现出较大的年际变化。相比于春季, 秋季的盛行风均为东北风, 年际差异较小, 故羽状流的年际差异也较小。冬季, 12年羽状流扩展面积的标准差仅为705km2, 羽状流均被紧紧挤压在西岸。这是由于冬季径流量最小, 且径流量的年际变化最小, 其标准差仅为742m3·s–1。同时, 冬季的盛行风均为强烈的东北风, 东北风将小径流限制在西岸, 导致其年际差异最小。

如图5所示, 夏季径流量年际差异较大, 标准差可达3552m3·s–1, 为四个季节中最大值。风向主要在西南风、南风和东南风之间变化, 差异相对较大。同时, 羽状流扩展面积和扩展形态的年际差异也较大, 例如2010年夏季羽状流的扩展面积最大, 且展现出了强烈的粤东和向海扩展; 2004年夏季羽状流的扩展面积最小, 且粤东扩展显著收缩。这说明相比于其他三个季节, 夏季羽状流的年际变化最为显著。为了进一步展示夏季羽状流的年际变化, 图7给出了1999—2010年逐年夏季平均珠江口及其邻近海域表层盐度和流场的分布情况。由图7可知, 夏季羽状流常年存在明显的粤西扩展, 且年际差异不大; 而粤东扩展的年际变化较为显著, 根据其扩展形态和扩展面积可将夏季羽状流划分为以下三种类型。

第一类: 粤东扩展占优型, 包括2001年、2008年和2010年, 这三年夏季羽状流的扩展面积较大, 均超过20000km2; 且这三年夏季羽状流的粤东扩展距离也较大, 均大于粤西扩展距离。2010年夏季(图7l)羽状流的扩展面积最大, 为28145km2; 粤东扩展距离为164km, 远大于粤西扩展距离。30‰等盐度线占据了较大范围, 在粤东海域形成了一个类似“蝴蝶翅膀”的形态。值得注意的是, 2010年夏季的径流在12年中并非最大, 仅为17497m3·s–1, 但其扩展面积却为12年中的最大值。从图7l的流场可以看出, 羽状流在粤东输运的过程中被涡流卷携至南部开边界附近, 形成了这一特殊羽状流结构。涡流卷携羽状流的现象在珠江口并非偶然, 在Chen等(2017)的研究中也有发现。同时, 这一现象也存在于密西西比河, 涡流可以将该区域羽状流卷携至墨西哥湾内部(Schiller et al, 2011)。2001年和2008年夏季(图7c、j)羽状流的扩展面积仅次于2010年夏季, 分别为21142和23509km2; 且这两年羽状流也展现出了强烈的粤东扩展, 扩展距离分别为133和156km。如图5a所示, 这两年夏季对应的径流较大, 分别为24415和22491m3·s–1, 大径流导致了大的扩展面积; 同时, 这两年夏季东四口门的径流量较大, 分别为15487和13551m3·s–1, 东四口门的径流充分向粤东流动, 使得羽状流展现出了显著的粤东扩展。这两年夏季羽状流主要存在两个差异: 1)2001年夏季粤西海域的流速可达到0.3m·s–1, 而2008年夏季则仅约0.1m·s–1; 2)2001年夏季粤东羽状流主要向东北方向扩展, 羽状流整体较窄, 而2008年夏季羽状流则主要向东南外海方向扩展, 羽状流的宽度较大。这些差异主要与风场有关, 如图5b所示, 2008年夏季西南风强盛, 西南风驱动沿岸流向东, 导致粤西海域西向流速减小, 且该沿岸流促进了羽状流的粤东扩展, 使其粤东扩展距离比2001年夏季多了23km。同时, 西南风产生的Ekman输送促使羽状流充分向外海扩展, 羽状流整体较宽, 导致其扩展面积比2001年夏季多2367km2。2001年夏季的风场为东南风, 东南风的沿岸组成可以促进羽状流的西向扩展, 增加粤西海域的流速; 其跨岸组成则可向岸挤压羽状流, 使其变窄。

图5 1999—2010年各个季节季均径流(a)、矢量风场(b)、标量风速(c)和30‰等盐度线围成的羽状流面积(d)

图6 各个季节羽状流的年际变化图中所有等值线均为30‰等盐度线

图7 夏季羽状流的年际变化

第二类: 近似对称型, 包括1999年和2009年, 这两年羽状流均展现出了适度的粤东扩展, 且粤东扩展距离和粤西扩展距离大致相等。2009年夏季(图7k)羽状流的粤东扩展距离为97km, 粤西扩展距离为105km, 两者近似相等。西四口门的径流以约0.1m·s–1的速度向粤西流动, 粤东海域的流速则可达到0.4~0.5m·s–1, 使得羽状流展现出双向扩展结构。同时, 2009年夏季羽状流在向海方向的扩展较为显著, 在珠江口外形成凸起结构, 导致其扩展面积增大, 为16524km2。1999年夏季(图7a)羽状流的粤东扩展距离为66km, 略小于粤西扩展距离。羽状流整体较窄, 扩展面积也较小(11979km2)。这两年夏季羽状流的主要区别在于2009年夏季羽状流在各个方向的扩展距离均大于1999年夏季, 羽状流整体较宽; 而1999年夏季羽状流则较窄, 整体表现为向岸收缩。

第三类: 粤西扩展占优型, 包括其他剩余年份, 这些年羽状流的扩展面积较小, 且粤东扩展显著收缩。相比于前两类, 第三类中羽状流的粤东扩展距离均不显著。根据其扩展形态, 可以进一步将该类羽状流划分为两小类: 凸起性和扁平型。凸起型包括2000年、2002年和2006年夏季, 其对应的径流相对较大, 在近岸海域的流速较大, 羽状流在珠江口外形成一个小凸起, 使其向海扩展更加显著。以2002年夏季为例, 其径流量为20746m3·s–1, 在近岸海域的流速可达0.2~0.3m·s–1。羽状流在珠江口外形成凸起, 导致其向海扩展的范围变大, 羽状流的扩展面积也随之增大(14331km2), 是第三类中的最大值。扁平型包括2003年、2004年、2005年和2007年夏季, 其对应的径流相对较小, 在近岸海域流速较小, 羽状流未形成明显凸起, 30‰等盐度线过渡较为平滑。以2004年夏季为例, 其径流量为17268m3·s–1, 且西四口门分流比为12年最大, 导致羽状流的粤东扩展距离显著收缩, 仅为21km。整体而言, 近岸海域流速仅约0.1m·s–1, 羽状流整体表现为扁平型, 扩展面积为第三类中的最小值(11412km2)。

Ou等(2009)利用每月一次的走航数据将夏季珠江口羽状流划分为粤东离岸扩展型、似对称沿岸扩展型、粤西沿岸扩展型和向海凸起扩展型四大类。本文利用季节平均的模拟数据将夏季珠江口羽状流划分为粤东扩展占优型、近似对称型和粤西扩展占优型(包括凸起型和扁平型)三大类。两者均是根据羽状流的扩展距离进行分类, 在定义上并无显著差别。尽管本文中羽状流也存在凸起型, 但相比于Ou等(2009)的研究, 本文中羽状流的向海凸起并不显著。这一差异主要是由研究尺度不同引起的, 即本文利用季节平均的模拟数据对羽状流进行分类, 而Ou等(2009)则利用每月一次的走航数据对羽状流进行分类。

4 EOF分析

为了进一步探讨影响珠江口羽状流扩展变化的主要动力因子, 对1999–2010年月均珠江口表层盐度场进行EOF分析, 得到其空间模态及对应的时间模态(图8)。由图8可知, EOF的第一模态可以解释整体变化的91.2%, 说明该模态在珠江口羽状流的时空变化中占据主导地位。由图8a可知, 第一空间模态在全盐度场均为负值, 且珠江口、磨刀门和黄茅海区域表层盐度变化较大, 珠江河网及外海区域变化较小, 整体分布与夏季平均海洋表层盐度场类似: 既表现为向粤西沿岸扩展, 又表现为向粤东离岸扩展。其空间模态的分布说明羽状流的扩展和收缩在全场区域均为同步的。第一时间模态(图8c)展现出显著的季节循环, 时间系数从1—12月呈现出先递增后递减的趋势, 这与径流量的变化趋势一致。结合时间模态和空间模态可知, 夏季径流量增加, 羽状流在全场区域同步向外扩展, 海洋表层盐度减小; 冬季径流量衰减, 羽状流在全场范围内同步收缩, 海洋表层盐度增加。

图8 1999–2010年月均珠江口表层盐度异常场EOF分解的第一空间模态(a)、第二空间模态(b)、第一时间模态(c)和第二时间模态(d) 第一模态可以解释整体变化的91.2%, 第二模态可以解释整体变化的4.1%

EOF分析的第二模态仅可以解释整体变化的4.1%, 但该模态在珠江口具有很强的代表性。从第二空间模态(图8b)可知, 其在伶仃洋内部及粤西近岸海域为正值, 在珠江口及其东侧为负值, 该空间分布说明羽状流在粤东和粤西海域的发展演化是相反的。当时间系数为正时, 粤东海洋表层盐度减小, 粤西海洋表层盐度增加, 反之亦然。该模态反应了盛行风对珠江口羽状流扩展的影响。

5 结论

本文利用高精度FVCOM模型对珠江口羽状流的季节和年际变化规律进行研究, 主要结论如下。

1) 珠江口羽状流存在显著的季节变化。春、秋两季径流量较小, 风场处于季风转换时期, 羽状流均表现为沿岸向粤西扩展, 扩展面积较小。夏季, 由于径流量的增加和西南风的盛行, 羽状流可向粤东扩展至红海湾附近, 整体表现为双向扩展, 扩展面积最大。冬季, 径流量为四季中最小, 风场转变为强烈的东北风, 羽状流的扩展受限, 被紧紧束缚在西岸, 扩展面积最小。

2) 夏季羽状流的年际变化显著, 表现为三种扩展形态: 粤东扩展占优型, 包括2001年、2008年和2010年夏季; 近似对称型, 包括1999年和2009年夏季; 粤西扩展占优型, 包括剩余年份。春、秋、冬三季羽状流的年际差异均小于夏季, 这三个季节的年际变化规律为春季最大, 秋季次之, 冬季最小。

3) EOF分析呈现出了两个主要模态。第一模态可以解释整体变化的91.2%, 其空间模态在整个区域内均为负值, 时间模态展现出了显著的季节循环, 该模态主要受到径流的调控。第二模态的方差贡献率极小, 仅为4.1%, 该模态反映了珠江口羽状流的粤东或粤西扩展, 主要受盛行风的调控。

胡嘉镗, 李适宇, 2008. 珠江三角洲一维盐度与三维斜压耦合模型[J]. 水利学报, 39(11): 1174–1182. HU JIATANG, LI SHIYU, 2008. One-dimensional salinity and three-dimensional baroclinic coupled model for simulating the flow in Pearl River delta[J]. Journal of Hydraulic Engineering, 39(11): 1174–1182 (in Chinese with English abstract).

庞海龙, 2006. 珠江冲淡水扩散路径分析[D]. 青岛: 中国海洋大学. PANG HAILONG, 2006. Analysis of diffuse route of the Zhujiang River diluted water[D]. Qingdao: Ocean University of China (in Chinese with English abstract).

杨阳, 孟强, 夏华永, 等, 2010. 2006年夏季珠江冲淡水扩展及生态响应[J]. 热带海洋学报, 29(6): 15–21. YANG YANG, MENG QIANG, XIA HUAYONG et al, 2010. Expansion of the Pearl River diluted water in 2006 and its ecological response[J]. Journal of Tropical Oceanography, 29(6): 15–21 (in Chinese with English abstract).

BAI YAN, HE XIANQIANG, PAN DELU, et al, 2014. Summertime Changjiang River plume variation during 1998–2010[J]. Journal of Geophysical Research: Oceans, 119(9): 6238–6257.

CHEN CHANGSHENG, LIU HEDONG, BEARDSLEY R C, 2003. An unstructured grid, finite-volume, three-dimensional, primitive equations ocean model: application to coastal ocean and estuaries[J]. Journal of Atmospheric and Oceanic Technology, 20(1): 159–186.

CHEN CHANGSHENG, BEARDSLEY R C, COWLES G, 2006a. An unstructured grid, finite-volume coastal ocean model (FVCOM) system[J]. Oceanography, 19(1): 78–89.

CHEN CHANGSHENG, BEARDSLEY R C, COWLES G, 2006b. An unstructured grid, finite-volume coastal ocean model: FVCOM user manual[M]. 2nd ed.New Bedford, Mass: University of Marseille Dartmouth.

CHEN ZHAOYUN, GONG WENPING, CAI HUAYANG, et al, 2017. Dispersal of the Pearl River plume over continental shelf in summer[J]. Estuarine, Coastal and Shelf Science, 194: 252–262.

DING YANG, BAO XIANWEN, YAO ZHIGANG, et al, 2017. A modeling study of the characteristics and mechanism of the westward coastal current during summer in the northwestern South China Sea[J]. Ocean Science Journal, 52(4): 11–30.

FALCIERI F M, BENETAZZO A, SCLAVO M, et al, 2014. Po River plume pattern variability investigated from model data[J]. Continental Shelf Research, 87: 84–95.

GAN JIANPING, LI LI, WANG DONGXIAO, et al, 2009. Interaction of a river plume with coastal upwelling in the northeastern South China Sea[J]. Continental Shelf Research, 29(4): 728–740.

JIANG LONG, XIA MENG, 2016. Dynamics of the Chesapeake Bay outflow plume: realistic plume simulation and its seasonal and interannual variability[J]. Journal of Geophysical Research: Oceans, 121(2): 1424–1445.

KIM H C, YAMAGUCHI H, YOO S, et al, 2009. Distribution of Changjiang Diluted Water detected by satellite chlorophyll-and its interannual variation during 1998–2007[J]. Journal of Oceanography, 65(1): 129–135.

LAI ZHIGANG, MA RONGHUA, GAO GUANGYIN, et al, 2015. Impact of multichannel river network on the plume dynamics in the Pearl River estuary[J]. Journal of Geophysical Research: Oceans, 120(8): 5766–5789.

LAI ZHIGANG, MA RONGHUA, HUANG MINGFEN, et al, 2016. Downwellingwind, tides, and estuarine plume dynamics[J]. Journal of Geophysical Research: Oceans, 120(6): 4245–4263.

MELLOR G L, YAMADA T, 1982. Development of a turbulence closure model for geophysical fluid problems[J]. Reviews of Geophysics, 20(4): 851–875.

OU SUYING, ZHANG HONG, WANG DONGXIAO, 2009. Dynamics of the buoyant plume off the Pearl River Estuary in summer[J]. Environmental Fluid Mechanics, 9(5): 471–492.

PAN JIAYI, GU YANZHEN, WANG DONGXIAO, 2014. Observations and numerical modeling of the Pearl River plume in summer season[J]. Journal of Geophysical Research: Oceans, 119(4): 2480–2500.

PAWLOWICZ R, BEARDSLEY B, LENTZ S, 2002. Classical tidal harmonic analysis including errorestimates in MATLAB using T_TIDE[J]. Computers & Geosciences, 28(8): 929–937.

SCHILLER R V, KOURAFALOU V H, HOGAN P, et al, 2011. The dynamics of the Mississippi River plume: impact of topography, wind and offshore forcing on the fate of plume waters[J]. Journal of Geophysical Research: Oceans, 116(C6): C06029.

SMAGORINSKY J, 1963. General circulation experiments with the primitive equations[J]. Monthly Weather Review, 91(3): 99–164.

ZENG XIANGMING, HE RUOYING, ZONG HAIBAO, 2017. Variability of Changjiang diluted water revealed by a 45-year long-term ocean hindcast and self-organizing maps analysis[J]. Continental Shelf Research, 146: 37–46.

Study on the seasonal and interannual variability of river plume in the Pearl River Estuary based on a high-resolution ocean dynamic model

XU Chuang1, XU Yongji1, HU Jiatang1, 2, LI Shiyu1, 2, LIU Jintao1

1. School of Environmental Science and Engineering, Sun Yat-sen University, Guangzhou 510275, China; 2. Guangdong Province Key Laboratory of Environmental Pollution Control and Remediation Technology, Guangzhou 510275, China

Based on the sea surface salinity data from 1999 to 2010 simulated by the high-resolution Finite-Volume Community Ocean Model (FVCOM), the seasonal and interannual variability of river plume in the Pearl River Estuary was analyzed and the main dynamic factors related to the variability were also discussed in combination with Empirical Orthogonal Function (EOF) analysis in this study. The field observation data during the simulation period were used to verify the simulation results for the 12 years, and the verification results showed that the model had higher accuracy and simulated the extension and variability of the plume fairly well. The simulated results showed that the plume exhibited significant seasonal variability. Affected by the high river discharge and southwesterly wind, the summertime plume exhibited a bidirectional structure with the plume extending westward attaching to the coast and eastward detaching from the coast. The extension area of the summertime plume was the largest. In winter, the river discharge attenuated to a minimum and the wind field changed into strong northeasterly wind. Consequently, the plume was squeezed to the western coast tightly to form a narrow band with the smallest extension area. The spring and autumn periods were transitional seasons, and the plume in these two seasons exhibited westward alongshore spreading. The summertime plume exhibited significant interannual variability with three main patterns, namely, the eastward extension dominated, approximately symmetric extension and westward extension dominated. In spring, the interannual variability of the plume was followed by that in summer and the variability mostly occurred in the western region and river estuary. The interannual variability in autumn and winter was not significant, especially in winter. The first EOF mode could explain 91.2% of the total variance, corresponding to the change in river discharge. The second EOF mode could explain 4.1% of the total variance, corresponding to the change in prevailing wind.

plume; seasonal variability; interannual variability; EOF analysis; numerical model; Pearl River Estuary

P731.21; P732.6

A

1009-5470(2019)03-0043-10

10.11978/2018098

2018-09-29;

2018-12-04。林强编辑

中央高校基本科研业务费专项资金(17lgzd20); 热带海洋环境国家重点实验室(中国科学院南海海洋研究所)开放课题(LTO1605); 国家自然科学基金(41306105)

徐闯(1991—), 男, 河南省南阳市人, 硕士研究生, 主要从事近岸海洋动力模拟研究。E-mail: xuch46@mail2.sysu.edu.cn

胡嘉镗, E-mail: hujtang@ mail.sysu.edu.cn; 李适宇, E-mail: eeslsy@mail.sysu.edu.cn。

2018-09-29;

2018-12-04. Editor: LIN Qiang

Fundamental Research Funds for the Central Universities (17lgzd20); State Key Laboratory of Tropical Oceanography, South China Sea Institute of Oceanology, Chinese Academy of Sciences (LTO1605); National Natural Science Foundation of China (41306105).

HU Jiatang, E-mail: hujtang@ mail.sysu.edu.cn; LI Shiyu, E-mail: eeslsy@mail.sysu.edu.cn.