赤道东印度洋和孟加拉湾障碍层厚度的季节内和准半年变化

马天, 齐义泉, 程旭华

赤道东印度洋和孟加拉湾障碍层厚度的季节内和准半年变化

马天1, 2, 齐义泉3, 程旭华3

1. 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), 广东 广州 510301; 2. 中国科学院大学, 北京 100049;3. 河海大学海洋学院, 江苏 南京 210098

利用2002—2015年ARGO网格化的温度、盐度数据, 结合卫星资料揭示了赤道东印度洋和孟加拉湾障碍层厚度的季节内和准半年变化特征, 探讨了其变化机制。结果表明, 障碍层厚度变化的两个高值区域出现在赤道东印度洋和孟加拉湾北部。在赤道区域, 障碍层同时受到等温层和混合层变化的影响, 5—7月和11—1月受西风驱动, Wyrtki急流携带阿拉伯海的高盐水与表层的淡水形成盐度层结, 同时西风驱动的下沉Kelvin波加深了等温层, 混合层与等温层分离, 障碍层形成。在湾内, 充沛的降雨和径流带来的大量淡水产生很强的盐度层结, 混合层全年都非常浅, 障碍层季节内变化和准半年变化主要受等温层深度变化的影响。上述两个区域障碍层变化存在关联, 季节内和准半年周期的赤道纬向风驱动的波动过程是它们存在联系的根本原因。赤道东印度洋地区的西风(东风)强迫出向东传的下沉(上升)的Kelvin波, 在苏门答腊岛西岸转变为沿岸Kelvin波向北传到孟加拉湾的东边界和北边界, 并且在缅甸的伊洛瓦底江三角洲顶部(95°E, 16°N)激发出向西的Rossby波, 造成湾内等温层深度的正(负)异常, 波动传播的速度决定了湾内的变化过程滞后于赤道区域1~2个月。

障碍层; 季节内变化; 准半年变化; 孟加拉湾; 赤道东印度洋

在海洋上层, 通常存在风搅拌和热对流等过程, 这些过程将会引起海水垂向混合, 形成混合层和等温层。障碍层是指介于混合层底到等温层底之间的水层。在这层水中, 温度趋近于不变, 密度随深度而迅速增加。障碍层在垂向热量交换中起到了“热障”作用, 减弱了混合层内夹卷的冷却效应, 使混合层和温跃层之间无法进行有效的热量交换, 将更多的能量束缚在混合层内(Godfrey et al, 1989; Lukas et al, 1991)。

孟加拉湾位于南亚季风区, 夏季盛行西南风, 冬季盛行东北风, 同时受到印度低压和赤道低压的影响。孟加拉湾有大量的径流和丰富的降雨带来的淡水, 湾东部以及北部沿岸的雅鲁藏布江(Brahmaputra)、恒河(Ganges)以及伊洛瓦底江(Irrawady)是流入孟加拉湾的主要径流, 它们的年均径流量依次为510km3、410km3和375km3(Varkey et al, 1996)。降雨和径流注入的大量淡水使得孟加拉湾表层盐度层化加强, 给障碍层的形成提供了必要的条件(Vinayachandran et al, 2002)。孟加拉湾是印度洋–太平洋暖池的重要组成部分, 受到多尺度海洋–大气相互作用过程的共同影响, 是亚洲夏季风最早建立的海区, 其春季海表面温度异常在夏季风爆发和演变过程中有重要的作用(李奎平等, 2013)。季风变化与我国的气候变化, 如南海季风异常、云南降水异常和江南地区的汛期异常等密切相关(晏红明等, 2004; Ding et al, 2012; Huang et al, 2012)。障碍层对海洋上层热力结构有着重要影响, 因此, 研究孟加拉湾障碍层的变化有利于加深对季风爆发过程的认识, 为我国短期气候预报提供参考。

近十多年来, 国内外科学家对孟加拉湾和赤道东印度洋的障碍层变化开展了一系列的研究工作。Masson等(2002)等利用航次资料和模式资料发现苏门答腊岛以西有障碍层存在, 最大值出现在11月, 厚度超过40m, 并向西延伸1500km。Wyrtki (1973)急流携带赤道西印度洋次表层高盐水向东输送, 同时加深了等温层, 盐度高值区出现在次表层。与此同时, 在赤道以南向北的表层流携带着降水导致的低盐水在(0°N, 90°E)附近与次表层的高盐水形成盐度层结, 混合层变浅, 从而形成障碍层。Vinayachandran等(2002)等评估了河流冲淡水在障碍层形成过程中的贡献, 并且指出风生环流决定淡水平流的路径, 成为控制障碍层出现位置的关键因素。Thadathil等(2007)利用地转海洋学实时观测阵(Array for Real-time Geostrophic Oceanography, ARGO)浮标、印度海洋数据中心(IODC)和世界海洋图集(WOA01)的温、盐剖面资料(2002—2006年)分析了孟加拉湾内障碍层的季节变化和空间分布, 指出障碍层受到夏季风和冬季风时期Ekman漂流的影响显著, 还受到沿岸Kelvin波激发出的Rossby波的调控。随后, Girishkumar等(2011)用印度洋观测系统的锚碇浮标(Research Moored Array for African- Asian-Australian Monsoon Analysis and Prediction, RAMA)的温、盐剖面数据(2006—2009年)分析了孟加拉湾内障碍层厚度的季节内变化, 指出等温层深度变化对障碍层的贡献显著大于混合层深度变化的贡献。赤道印度洋纬向风的遥强迫造成了湾内等温层的季节内变化。林小刚等(2014)利用东印度洋航次资料分析了3—5月孟加拉湾湾口区域的水文特征, 其结果显示此区域障碍层具有明显的空间差异和时间变化, 赤道东印度洋的障碍层仅在苏门答腊岛西部沿岸降雨带较强。Kumari等(2018)利用再分析网格化的月平均资料(1993—2012年)分析了孟加拉湾障碍层的季节变化和年际变化, 结果显示孟加拉湾北部障碍层厚度变化最大, 障碍层厚度在3—4月达到全年最小值, 在12—2月达到最大值, 且年变化和半年变化尤其强烈。在年际变化中, 孟加拉湾内的障碍层厚度和印度洋偶极子事件(IOD)有一定的超前滞后关系, 负的IOD年对应障碍层厚度的极大值。

对于东印度洋和孟加拉湾海域的障碍层已经有了一定的研究基础。然而之前的浮标实测数据较少, 而且资料的时间序列不长, 这导致插值计算出的障碍层在时空分布上可能会有一定的误差。近些年, ARGO计划的实施为研究提供了更多的温盐剖面观测资料, 从2002年开始, 在孟加拉湾附近能收集到的ARGO浮标观测剖面已经超过33000个。除此之外RAMA在90°E上布放了数枚实时传输的锚碇浮标(图1), 这将为我们研究障碍层厚度的时空变化提供新的机遇。

图1 ARGO浮标(红点)和RAMA浮标(黄色五角星)分布图

1 资料与方法

1.1 资料

ARGO的温度、盐度资料采用法国空间和物理海洋实验室(Laboratoire d'Océanographie Physique et Spatiale, LOPS)通过第7版现场分析系统(in situ analysis system, ISAS)重构的月平均网格化资料(Gaillard et al, 2016)。该系统将温度和盐度独立估计, 使用最优插值算法将ARGO浮标原始的温度和盐度剖面数据插值到0.5°×0.5°的网格点上, 在0~2000m之间分152层, 1~10m之间分为1m, 3m, 5m, 10m; 10~100m之间每隔5m一个数据; 100~800m之间每隔10m一个数据; 800~2000m之间每隔20m一个数据。时间段为2002年1月—2015年12月(http://www. umr-lops.fr/)。

位于(90°E, 0°N)和(90°E, 15°N)的2个RAMA浮标提供了每天一次的温度、盐度实测资料, 时间段为2008年1月—2015年12月, 盐度垂向分层为1m, 5m, 10m, 20m, 40m, 60m, 100m, 140m; 温度垂向分层为1m, 5m, 10m, 13m, 20m, 40m, 43m, 60m, 80m, 100m, 120m, 140m, 180m, 300m, 500m (McPhaden et al, 2009)。在某些时间段上浮标观测受人为或自然条件的破坏较为严重, 资料存在一定程度的缺失, 本文仅提取了其可利用资料(https://www. pmel.noaa.gov/tao/rama/)。

原始温度、盐度剖面资料来自世界海洋数据集(World Ocean Database 2013, WOD2013)。其中主要包括漂流浮标(PFL)、锚碇浮标(MRB)、滑翔机数据(GLD)和高分辨率CTD/XCTD提供的原始温度、盐度剖面, 时间范围为2002年1月—2017年12月(https://www.nodc.noaa.gov/OC5/SELECT/dbsearch/dbsearch.html)。

海表面流场数据来自海洋表层流场实时分析资料(Ocean Surface Currents Surface Analyses Real Time, OSCAR), 其水平分辨率为0.33°×0.33°, 时间分辨率为月, 从2002年1月—2015年12月。

蒸发、降雨数据来自欧洲中尺度天气预报中心(European Centre for Medium-Range Weather Forecasts, ECMWF)提供的大气、陆地和海洋全球再分析数据集(ERA-Interim), 水平分辨率为0.5°×0.5°, 时间范围为2002年1月—2015年12月(http://apps.ecmwf. int/datasets/data/interim-full-moda/)。

欧洲航天局于2006年10月19日发射的欧洲气象卫星Metop-A上搭载的散射计(Advanced Scatterometer, ASCAT)提供海面10m高度的风场数据, 水平分辨率为0.25°×0.25°, 时间分辨率为每天, 从2007年1月1日—2016年12月31日(http://marine. copernicus.eu/)。

海面高度异常资料来自网格化融合卫星海洋资料(Archiving, Validation, and Interpretation of Satellite Oceanographic Data, AVISO)。水平分辨率为0.25°×0.25°, 时间分辨率为天, 从2002年1月— 2015年12月(http://www.aviso.oceanobs.com/)。

1.2 方法

为方便处理, 本文首先对WOD的所有剖面进行质量控制, 处理方法参考世界海洋图集(World Ocean Atlas, WOA)数据所采用的质量控制方法(Levitus, 1982)。独立计算出每一条剖面的障碍层厚度, 按照月份平均到12个月份中, 之后再进行二维插值, 处理成网格化数据, 分辨率为0.5°×0.5°, 最后进行二维平滑处理。

盐度收支方程参照Feng等(1998), 在忽略水平扩散的情况下可以表示为:

1.3 ARGO网格化资料验证

本文用ARGO网格化资料分析孟加拉湾障碍层的变化, 首先验证ARGO网格化资料的可靠性。图2显示, 从4月份开始, 整个湾内几乎不存在障碍层。5—6月, 随着夏季风的爆发, 湾内的东侧区域出现一小块障碍层。7—9月, 湾内东北部沿岸区域障碍层厚度平均达到20m, 高值区厚度平均超过40m。10月至次年2月, 超过40m厚的障碍层逐渐向北向西转移, 整个孟加拉湾沿岸都出现厚度超过20m的障碍层。1月份, 湾北部障碍层厚度达到全年最高, 平均超过60m。2—3月, 障碍层厚度高值区逐渐向湾的中部转移, 沿岸障碍层逐渐消失。这与前人结果大致相同(Thadathil et al, 2007; Kumari et al, 2018)。在赤道区域, 4—6月和10—12月苏门答腊岛以西障碍层厚度逐渐增加, 其中12月份达到全年最大值, 厚度平均超过40m, 高值区平均超过60m。而在1—3月和7—9月, 障碍层逐渐消失。ARGO网格化资料揭示的障碍层分布与WOD资料计算出的较为一致。

图2 ARGO网格化资料(左)和WOD资料(右)气候态月平均障碍层空间分布

为了进一步验证资料, 将ARGO网格化资料与RAMA浮标实测资料进行对比。由于RAMA资料存在一定程度的缺失, 故仅选取资料连续的时间段与ARGO做对比。分别选取(90°E, 0°N)(图3a~3c)和(90°E, 15°N)(图3d~3f)两点的混合层、等温层和障碍层作对比。在(90°E, 0°N)处, RAMA浮标和ARGO资料的等温层深度时间序列的相位和振幅都非常相似, 相关系数均超过0.9, 混合层深度和障碍层厚度的相关系数也均超过0.5。北边站点障碍层厚度的相关系数(0.88)高于南边站点(0.57)。这些资料对比验证表明, 采用ARGO网格化资料研究赤道东印度洋和孟加拉湾障碍层厚度的时空变化切实可信。

图3 ARGO网格化数据(实线)与RAMA浮标数据(虚线)计算得到的障碍层(BLT)、等温层(ILD)、混合层(MLD)时间序列 a、b、c位于(90°E, 0°N); d、e、f 位于(90°E, 15°N)

Fig. 3 Barrier layer thickness (BLT), isothermal layer depth (ILD), and mixed layer depth (MLD) derived from gridded ARGO data (solid curves) and RAMA data (dashed curves) at (90°E, 0°) (a, b, c) and at (90°E, 15°N) (d, e, f)

2 障碍层、等温层和混合层的时空分布特征

2.1 等温层和混合层空间分布

等温层的空间分布如图4 (左侧)所示, 整体上来说与障碍层的空间分布相似, 在赤道区域1—3月和7—9月等温层深度和范围同时减小; 4—6月和10—12月等温层深度和范围同时增加, 最高值出现在12月, 超过90m。在湾内等温层最大值出现在1—2月, 平均超过60m, 3—4月等温层最浅。在赤道区域混合层深度平均超过40m, 7月份达到最大值, 超过60m; 湾内北部区域混合层较浅, 平均不超过30m (图4右侧)。

图4 基于ARGO网格化资料的气候态月平均等温层(左侧)和混合层(右侧)空间分布

2.2 障碍层季节内和准半年变化的空间分布

图5为7个月高通滤波后障碍层厚度的均方差分布。可以看到整个孟加拉湾和赤道东印度洋区域都有显著的高频信号存在。高值区域分别位于孟加拉湾内中、北部区域(83°—97°E, 12°—22°N)和苏门答腊岛西岸附近向西延伸的带状区域, 变化均超过10m, 在苏门答腊岛西侧赤道附近存在一块显著的高值中心, 平均变化超过15m。由于RAMA浮标位于(90°E, 0°N)和(90°E, 15°N), 同时也位于方差变化的高值区, 故仅选取A、B区域作为研究区域。

图6为区域A和区域B障碍层厚度的功率谱分布。两个区域都存在3、4和6个月的显著周期, 均通过了95%的信度检验, 这说明在两个区域都有显著的季节内和准半年变化。RAMA浮标数据计算出的障碍层厚度同样具有显著的季节内和准半年变化(图略)。图7为障碍层、等温层和混合层在不同频段上方差的空间分布。第一行(图7a~7c)为5~7个月带通滤波结果。障碍层和等温层的方差分布较为一致, 在苏门答腊岛以西和孟加拉湾中、北部较大, 平均振幅超过10m, 高值区超过15m。混合层在东北部和苏门答腊岛西北变化较小, 在斯里兰卡东南侧有一块振幅在6~10m之间的高值区, 其他区域的混合层与等温层变化大致相同但振幅略小。第二行(图7d~7f)为2.5~4.5个月的带通滤波结果, 季节内变化相比于准半年变化较弱。等温层变化与障碍层变化较为相似, 混合层在湾内基本没有变化。在赤道, 混合层方差高值从苏门答腊岛以西一直延伸到斯里兰卡南部。图7表明, B区域障碍层厚度变化主要受等温层深度变化的影响, 而A区域障碍层厚度变化同时受到等温层和混合层深度变化的影响。

图5 障碍层厚度均方差空间分布(7个月高通滤波) 图中黑色方框A和B为研究区域

图6 区域A平均(a)和区域B平均(b)的障碍层厚度功率谱(7个月高通滤波) 虚线表示95%信度水平

2.3 障碍层、等温层和混合层随时间的变化

图8给出了温度、盐度廓线和障碍层、等温层、混合层随时间的变化。在(90°E, 0°N), 大约在2—6月海表面温度升高(图8a), 向下延伸到60m左右, 在其他月份温度变化不大。等温层深度(黑色实线)在3月和9月达到极小值, 6月和12月达到极大值, 其中12月达到最深。等温层深度变化幅度非常大, 在20m~130m之间。在3—4月、9—10月表层盐度降低(图8b), 其中9—10月达到一年中的最低值, 向下延伸到50m左右; 5—7月、12月—1月盐度升高, 其中12月—1月达到一年中的最高值。混合层深度(黑色虚线)的大致趋势和等温层保持一致, 受表层淡水影响非常显著, 在表层为低盐的月份变得非常浅, 而在表层为相对高盐的月份变深, 与等温层较为一致。图8c中红线为障碍层厚度5~7个月的带通滤波结果, 6月和12月障碍层厚度为极大值, 3月和9月障碍层厚度为极小值; 蓝线为障碍层厚度2.5~4.5个月的带通滤波结果, 季节内变化的振幅与准半年变化相当。

图8 温度、盐度(填色)廓线和等温层深度(黑色实线)、混合层深度(黑色虚线)、障碍层厚度随时间变化 a、b、c位于(90°E, 0°N); d、e、f位于(90°E, 15°N)。图c和图f中红线为障碍层厚度5~7个月带通滤波结果, 蓝线为障碍层厚度2.5~4.5个月带通滤波结果

相对来说, 站点(90°E, 15°N)的障碍层厚度的变化要稳定得多。4—5月和9—11月表层温度升高(图8d), 其中4—5月达到一年中最高值, 超过30°C; 1—2月、7—8月表层温度降低, 其中1—2月达到一年中的最低值。等温层深度有两个极大值(2月、7月), 其中2月最深(80m左右); 两个极小值出现在4月和10月, 其中4月最浅(20m左右)。从盐度廓线(图8e)的时间变化来看, 表层盐度一年降低两次, 大概在9月至次年3月之间。受表层淡水的影响, 混合层在表层盐度降低时变浅。图8f中红线为障碍层厚度5~7个月的带通滤波结果。2月和7月障碍层厚度为极大值, 5月和10月障碍层厚度为极小值, 蓝线为障碍层厚度2.5~4.5个月的带通滤波结果。季节内变化的振幅略小于准半年变化。

3 等温层和混合层变化的主要物理过程

3.1 等温层

在赤道印度洋海域, 年平均风场为弱西风, 在季风转换季4—5月和10—11月会出现强劲的西风, 在风应力的强迫下, 赤道东印度洋季节内和准半年信号非常显著。Han等(1999, 2011)认为第二斜压模在90d和准半年周期发生海盆共振, 增强了90d和180d左右周期的波动信号。苏门答腊岛和孟加拉湾边界附近陆架较浅, 几乎没有ARGO浮标经过(图1), 插值计算出的温度可能不太准确。在东印度洋, 海面高度变化较好反映了温跃层的波动(Girishkumar et al, 2013), 因此本文用海面高度异常来近似的代替等温层的波动。图9a为5~7个月带通滤波后的海面高度和等温层深度的时间序列, 可以看到区域A的海面高度(蓝色实线)和等温层深度(黑色实线)的相位有一个很好的对应, 同期相关系数达到0.69。区域B的等温层深度相位(红色实线)滞后于区域A的等温层深度1个月, 相关系数达到0.87 (图10中的实线), 且两者振幅也较为一致。图9b为2.5~4.5个月滤波后的海面高度和等温层深度的时间序列, 反映季节内变化。区域A的海面高度(蓝色实线)和等温层深度(黑色实线)同期相关系数达到0.63, 区域B的等温层深度相位(红色实线)滞后于区域A等温层深度2个月的相关系数达到0.53 (图10中的虚线)。这说明区域A和区域B等温层变化可能存在一定关系, 而且可以用海面高度异常近似地代替等温层深度去研究等温层季节内和准半年周期的变化。

图9 海面高度异常(SLA)和等温层深度(ILD)时间序列 a. 5~7个月带通滤波结果; b. 2.5~4.5个月带通滤波结果。图例中SLA表示区域A海面高度异常; ILD-A表示区域A等温层深度; ILD-B表示区域B等温层深度

图10 区域A、B等温层超前滞后相关 实线表示5~7个月带通滤波结果, 虚线表示2.5~4.5个月带通滤波结果

赤道纬向风应力(1°S—1°N经向平均)有显著的准半年周期变化(图11a), 4—6月和10—12月为正异常(西风异常), 1—3、7—9月为负异常(东风异常), 且有向东传播的趋势, 区域A滞后于西部(75°E)一个月, 正(负)异常的纬向风应力在赤道海域驱动下沉(上升)的Kelvin波, 造成了区域A等温层深度的正(负)异常。图11b为各个站点上海面高度异常随时间的变化, 横坐标与图12中的序号相对应，此路径的选取参考了Cheng等(2013)的工作。波动信号到达东边界后(苏门答腊岛西侧)变成沿岸Kelvin波环绕孟加拉湾边界传播, 并且在缅甸的伊洛瓦底江三角洲顶部(95°E, 16°N)激发出向西的Rossby波, 进而影响孟加拉湾内等温层的变化(Yu et al, 1991; Cheng et al, 2017), 波动传播过程决定了湾内区域等温层变化滞后于赤道区域1~2个月。和准半年变化相似, 赤道纬向风的季节内振荡通过沿岸的Kelvin波和西传Rossby波造成了湾内B区域等温层的季节内变化(图11c、11d), 同时局地的中尺度涡旋运动也会对之产生一定的影响。(Cheng et al, 2013, 2018)。同样, 区域B的等温层深度变化滞后于区域A等温层1~2个月。

图11 断面纬向风应力和各站点海面高度异常随时间变化图 a. 纬向风应力(170~190d带通滤波); b. 海面高度异常(170~190d带通滤波); c. 纬向风应力(75~135d带通滤波); d. 海面高度异常(75~135d带通滤波)

图12 波动传播路径图 绿色方框表示经向平均的纬向风应力区域; 蓝线表示波动传播路径, 红点表示各站点位置; 黑色方框分别为研究区域A、B

3.2 混合层盐度

混合层深度的变化和表层盐度有着密切的关系,强烈的盐度层化会使混合层变浅, 从而使混合层与等温层分离形成障碍层(Rao et al, 2003)。为了更好地了解赤道东印度洋区域和孟加拉湾内混合层的变化, 我们分别对区域A和区域B混合层内的盐度做了诊断分析。虽然OSCAR的流场数据仅代表表层30m流速, 但是在赤道A区域混合层内的流速变化不大(已用RAMA浮标资料验证), 而B区域混合层深度平均不超过30m (图4), 所以用OSCAR流场并不会影响最终诊断结果。

在区域A, 混合层的半年变化受表层盐度影响显著(图13a), 表层盐度升高(降低), 混合层变深(浅), 盐度变化率为0时, 混合层深度达到极值。盐度收支方程左侧的海表盐度变化率(黑线)与方程右侧各项之和(红线)的相位大致相同, 但振幅存在一定的误差。数据资料的来源不同以及空间分辨率不统一等可能是存在残余项的主要原因, 对最终的结果不会有太大的影响。海洋平流(绿线)的变化与盐度变化基本一致, 而淡水通量(降水–蒸发, 红线)与盐度变化呈反相位关系(图13b)。这说明该海区表层盐度变化主要来源于平流, 更准确地说, 是来源于纬向平流(图13c)。混合层的季节内变化与表层盐度变化率较为一致(图13d)。

图13 区域A盐度收支与混合层深度变化 a、b、c为5~7个月带通滤波结果; d、e、f为2.5~4.5个月带通滤波结果。图例中MLD表示混合层深度; ds/dt表示盐度月变化率; SUM表示盐度收支方程右侧各项之和; fwf表示淡水通量; adv表示水平平流和垂向夹卷之和; adv-x/y/z分别表示纬向输运、经向输运和垂向输运

在区域B, 混合层的半年变化同样受到海表盐度的影响, 盐度变化率与各项之和非常一致(图14a)。淡水通量和平流对盐度变化的贡献相当, 经向平流对盐度变化的贡献略大于纬向平流(图14b、14c)。湾内混合层季节内变化并不是特别显著, 振幅非常小(图14d)。湾内表层蒸发受季风影响显著, 季风转换期间蒸发较弱, 夏季风和冬季风期间蒸发加强, 但是在夏季风期间大量的降雨造成淡水通量为负的贡献, 盐度降低。对于平流来说, 9—11月, 经向流自南向北, 将西南季风漂流从阿拉伯海带来的高盐水向湾内运输, 造成盐度增加; 11—12月东北季风期间, 表层Ekman流向西, 纬向自东向西的流携带着沿岸的低盐水, 造成盐度降低(邱云, 2007; 林新宇等, 2016)。虽然盐度收支有正有负, 造成混合层深度一定程度的变化, 但相对来说, 孟加拉湾内充沛的降雨和径流带来大量的淡水, 使得湾内北部表层盐度非常低, 在垂向上存在很强的层化, 所以混合层全年都非常浅, 在等温层受到赤道传过来的波动的影响而下沉时, 障碍层则变得较厚(图8e)。

图14 区域B盐度收支与混合层变化 a、b、c为5~7个月带通滤波结果; d、e、f为2.5~4.5个月带通滤波结果。图例中MLD表示混合层深度; ds/dt表示盐度月变化率; SUM表示盐度收支方程右侧各项之和; fwf表示淡水通量; adv表示水平平流和垂向夹卷之和; adv-x/y/z分别表示纬向输运、经向输运和垂向输运

4 结论

本文利用2002—2015年期间的ARGO网格化的温度、盐度数据, 并结合卫星遥感资料, 探讨了赤道东印度洋和孟加拉湾内障碍层的季节内变化和准半年变化特征。我们发现障碍层厚度变化在苏门答腊岛以西和孟加拉湾北部存在高值。在A区域, 障碍层厚度变化同时受到等温层和混合层变化的影响; 在B区域障碍层无论是季节内变化还是准半年变化都主要受等温层变化的影响。

两个区域的等温层变化在动力上存在联系, 季节内和准半年周期的赤道纬向风驱动的波动过程是它们存在联系的根本原因, 波动传播过程决定了湾内区域滞后于赤道区域1~2个月。湾内混合层受表层淡水影响, 全年都较浅, 所以湾内障碍层的季节内和准半年周期变化同样滞后于赤道区域1~2个月。

李奎平, 王海员, 刘延亮, 等, 2013. 孟加拉湾春季海温增暖对其夏季风爆发的影响[J]. 海洋科学进展, 31(4): 438–445. LI KUIPING, WANG HAIYUAN, LIU YANLIANG, et al, 2013. Influence of sea surface temperature warming in spring on monsoon onset in summer in the Bay of Bengal[J]. Advances in Marine Science, 31(4): 438–445 (in Chinese with English abstract).

林小刚, 齐义泉, 程旭华, 2014. 3—5月份东印度洋上层水文要素特征分析[J]. 热带海洋学报, 33(3): 1–9. LIN XIAOGANG, QI YIQUAN CHENG XUHUA, 2014. Hydrographical features in the Eastern Indian Ocean during March-May[J]. Journal of Tropical Oceanography, 33(3): 1–9 (in Chinese with English abstract).

林新宇, 邱云, 杜岩, 等, 2016. 孟加拉湾海表盐度变化特征的卫星遥感应用研究[J]. 海洋学报, 38(5): 46–56. LIN XINYU, QIU YUN, DU YAN, et al, 2016. Study on the utilization of satellite remote sensing for variation characteristic of sea surface salinity in the Bay of Bengal[J]. Haiyang Xuebao, 38(5): 46–56 (in Chinese with English abstract).

邱云, 2007. 孟加拉湾上层环流及其变异研究[D]. 厦门: 厦门大学. QIU YUN, Study on the upper layer circulation and its variation in the Bay of Bengal[D]. Xiamen: Xiamen University, 2007 (in Chinese with English abstract).

孙启伟, 杜岩, 张玉红, 2017. 利用Argo和Aquarius卫星观测研究热带南印度洋海表盐度的季节变化[J]. 热带海洋学报, 36(4): 25–34. SUN QIWEI, DU YAN, ZHANG YUHONG, 2017. Seasonal variability of sea surface salinity in tropical Southern Indian Ocean based on Argo and Aquarius observations[J]. Journal of Tropical Oceanography, 36(4): 25–34 (in Chinese with English abstract).

晏红明, 肖子牛, 王灵, 2004. 孟加拉湾季风活动与云南5月降雨量[J]. 高原气象, 22(6): 624–630. YAN HONGMING, XIAO ZINIU, WANG LING, 2004. Activities of Bay of Bengal monsoon and beginning date of rain season in Yunnan[J]. Plateau Meteorology, 22(6): 624–630 (in Chinese).

张玉红, 徐海明, 杜岩, 等, 2009. 阿拉伯海东南海域盐度收支的季节变化[J]. 热带海洋学报, 28(5): 66–74. ZHANG YUHONG, XU HAIMING, DU YAN, et al, 2009. Seasonal variability of salinity budget in the southeastern Arabian Sea[J]. Journal of Tropical Oceanography, 28(5): 66–74 (in Chinese with English abstract).

CHENG XUHUA, XIE SHANGPING, MCCREARY J P, et al, 2013. Intraseasonal variability of sea surface height in the Bay of Bengal[J]. Journal of Geophysical Research: Oceans, 118(2): 816–830, doi: 10.1002/jgrc.20075.

CHENG XUHUA, MCCREARY J P, QIU BO, et al, 2017. Intraseasonal-to-semiannual variability of sea-surface height in the astern, equatorial Indian Ocean and southern Bay of Bengal[J]. Journal of Geophysical Research: Oceans, 122(5): 4051–4067, doi: 10.1002/2016JC012662.

CHENG XUHUA, MCCREARY J P, QIU BO, et al, 2018. Dynamics of eddy generation in the central Bay of Bengal[J]. Journal of Geophysical Research: Oceans, 123(9): 6861–6875, doi: 10.1029/2018JC014100.

DING XUANRU, WANG DONGXIAO, LI WEIBIAO, 2012. An analysis of the characteristics of monsoon onset over the Bay of Bengal and the South China Sea in 2010[J]. Atmospheric and Oceanic Science Letters, 5(4): 334–341.

FENG MING, HACKER P, LUKAS R, 1998. Upper ocean heat and salt balances in response to a westerly wind burst in the western equatorial Pacific during TOGA COARE[J]. Journal of Geophysical Research: Oceans, 103(C5): 10289–10311.

GAILLARD F, REYNAUD T, THIERRY V, et al, 2016. In situ–based reanalysis of the global ocean temperature and salinity with ISAS: variability of the heat content and steric height[J]. Journal of Climate, 29(4): 1305–1323.

GIRISHKUMAR M S, RAVICHANDRAN M, MCPHADEN M J, et al, 2011. Intraseasonal variability in barrier layer thickness in the south central Bay of Bengal[J]. Journal of Geophysical Research: Oceans, 116(C3): C03009, doi: 10.1029/ 2010JC006657.

GIRISHKUMAR M S, RAVICHANDRAN M, MCPHADEN M J, 2013. Temperature inversions and their influence on the mixed layer heat budget during the winters of 2006–2007 and 2007–2008 in the Bay of Bengal[J]. Journal of Geophysical Research: Oceans, 118(5): 2426–2437.

GODFREY J, S, LINDSTROM E J, 1989. The heat budget of the equatorial western Pacific surface mixed layer[J]. Journal of Geophysical Research: Oceans, 94(C6): 8007–8017.

HAN WEIQING, MCCREARY JR J P, ANDERSON D L T, et al, 1999. Dynamics of the eastern surface jets in the equatorial Indian Ocean[J]. Journal of Physical Oceanography, 29(9): 2191–2209.

HAN WEIQING, MCCREARY J P, MASUMOTO Y, et al, 2011. Basin resonances in the equatorial Indian Ocean[J]. Journal of Physical Oceanography, 41(6): 1252–1270, doi: 10.1175/ 2011JPO4591.1.

HUANG KE, ZHANG QILONG, XIE QIANG, et al, 2012. Relationship between upper-ocean heat content in the tropical Indian Ocean and summer precipitation in China[J]. Atmospheric and Oceanic Science Letters, 5(4): 306–313.

KARA A B, ROCHFORD P A, HURLBURT H E, 2000. An optimal definition for ocean mixed layer depth[J]. Journal of Geophysical Research: Oceans, 105(C7): 16803–16821.

KUMARI A, KUMAR S P, CHAKRABORTY A, 2018. Seasonal and interannual variability in the barrier layer of the Bay of Bengal[J]. Journal of Geophysical Research: Oceans, 123(2): 1001–1015, doi: 10.1002/2017JC013213.

LEVITUS S, 1982. Climatological atlas of the world ocean[R]. NOAA Professional Paper NO. 13, U.S. Department of Commerce. Washington DC: US Government Printing Office.

LUKAS R, LINDSTROM E, 1991. The mixed layer of the western equatorial Pacific Ocean[J]. Journal of Geophysical Research: Oceans, 96(S01): 3343–3357.

MASSON S, DELECLUSE P, BOULANGER J P, et al, 2002. A model study of the seasonal variability and formation mechanisms of the barrier layer in the eastern equatorial Indian Ocean[J]. Journal of Geophysical Research: Oceans, 107(C12): 8017, doi: 10.1029/2001JC000832.

MCPHADEN M J, MEYERS G, ANDO K, Y. et al, 2009. RAMA: the research moored array for African-Asian-Australian monsoon analysis and prediction[J]. Bulletin of the American Meteorological Society, 90(4): 459–480.

QU TANGDONG, MEYERS G, 2005. Seasonal variation of barrier layer in the southeastern tropical Indian Ocean[J]. Journal of Geophysical Research: Oceans, 110(C5): C11003.

RAO R R, SIVAKUMAR R, 2003. Seasonal variability of sea surface salinity and salt budget of the mixed layer of the north Indian Ocean[J]. Journal of Geophysical Research: Oceans, 108(C1): 3009, doi: 10.1029/2001JC000907.

THADATHIL P, MURALEEDHARAN P M, RAO R R, et al, 2007. Observed seasonal variability of barrier layer in the Bay of Bengal[J]. Journal of Geophysical Research: Oceans, 112(C2): C02009, doi: 10.1029/2006JC003651.

VARKEY M J, MURTY V S N, SURYANARAYANA A, 1996. Physical oceanography of the Bay of Bengal and Andaman sea[J]. Oceanography and Marine Biology, 34: 1–70.

VINAYACHANDRAN P N, MURTY V S N, RAMESH BABU V, 2002. Observations of barrier layer formation in the Bay of Bengal during summer monsoon[J]. Journal of Geophysical Research: Oceans, 107(C12): 8018.

WYRTKI K, 1973. An equatorial jet in the Indian Ocean[J]. Science, 181(4096): 262–264.

YU LISAN, O’BRIEN J J, YANG JIAYAN, 1991. On the remote forcing of the circulation in the bay of Bengal[J]. Journal of Geophysical Research: Oceans, 96(C11): 20449–20454.

Intraseasonal-to-semiannual variability of barrier layer thickness in the eastern equatorial lndian Ocean and Bay of Bengal

MA Tian, QI Yiquan, CHENG Xuhua

1. State Key Laboratory of Tropical Oceanography (South China Sea Institute of Oceanology, Chinese Academy of Sciences), Guangzhou 510301, China; 2. University of Chinese Academy of Sciences, Beijing 100049, China; 3. Hohai University, Nanjing 210098, China

Based on the gridded temperature and salinity data of ARGO and satellite observations from 2002 to 2015, the intraseasonal-to-semiannual variability of barrier layer (BL) in the eastern equatorial Indian Ocean (EEIO) and Bay of Bengal (BOB) is revealed, and its variation mechanism is discussed. The results show that strong variation of barrier layer thickness (BLT) is located in the EEIO and northern BOB. In the equatorial region, the variability in BLT is affected by both isothermal layer depth (ILD) and mixing layer depth (MLD). From May to July and from November to January, driven by westerly winds, the Wyrtki jet carries high-salinity water from the Arabian Sea to the eastern equatorial region, forming salinity stratification with fresh water on the surface. The downwelling Kelvin wave, which is also driven by westerly winds, deepens the isothermal layer. Then, the isothermal layer separates from the mixed layer. The barrier layer is formed.In the northern BOB, a large amount of fresh water brought by abundant rainfall and runoff produces strong salinity stratification near the surface, which causes the mixed layer to be very shallow all year round. The intraseasonal-to-semiannual variability in BLT is mainly controlled by ILD. A dynamic correlation exists between the two high value regions. The equatorial westerly (easterly) winds force the downwelling (upwelling) Kelvin wave to spread eastward, and it turns into a coastal Kelvin wave when arriving at Sumatra Island; then, the waves propagate northward to the eastern and northern boundaries of the BOB. In addition, at the top of Burma's Irrawaddy Delta, the coastal Kelvin wave radiates Rossby waves that cause positive (negative) anomalies of ILD in the bay. The wave speed determines the change in the bay, which lags the equatorial region by 1~2 months.

barrier layer thickness; intraseasonal variability; semiannual variability; eastern equatorial Indian Ocean; Bay of Bengal

date: 2018-11-29;

date: 2019-03-03.

National Key Research Development Program of China (2018YFA0605702); Natural Science Foundation of China (41522601, 41876002, 41876224); Fundamental Research Funds for the Central Universities (2017B04714, 2017B04114)

QI Yiquan. E-mail: qiyiquan@hhu.edu.cn

P731.1

A

1009-5470(2019)05-0018-14

10.11978/2018132

http://www.jto.ac.cn

2018-11-29;

2019-03-03。

殷波编辑

国家重点研发计划课题(2018YFA0605702); 国家自然科学基金(41522601、41876002、41876224); 中央高校基本科研业务费项目(2017B04714、2017B04114)

马天(1994—), 男, 海南省海口市人, 硕士研究生, 研究方向是物理海洋学和海洋热力与动力过程。E-mail: 412847469@qq.com

齐义泉。E-mail: qiyiquan@hhu.edu.cn

Editor: YIN Bo