两类El Niño事件对中国近海及毗邻海域海表温度的影响

李玲莉, 王林慧, 宋 军, 郭俊如, 富砚昭, 蔡 宇

两类El Niño事件对中国近海及毗邻海域海表温度的影响

李玲莉1, 2, 王林慧1, 2, 宋 军1, 2, 郭俊如1, 2, 富砚昭1, 2, 蔡 宇1, 2

(1. 大连海洋大学 海洋科技与环境学院, 辽宁 大连 116023; 2. 大连海洋大学 应用海洋学研究所, 辽宁 大连 116023)

为研究东部型和中部型两类厄尔尼诺(El Niño)事件与中国近海海表温度(sea surface temperature , SST)变化间的联系, 基于中国科学院大气物理研究所连续80年(1940—2019年)的SST再分析数据, 采用EOF分解、合成分析等方法做了初步分析, 发现中国近海及毗邻海域近80年SST变化与全球变暖密切相关。并且两类El Niño事件对中国近海SST变化的影响存在显著差异。东部型El Niño事件发展过程中, 中国近海及毗邻海域SST 在发展年主要为负异常, 衰退期为正异常; 中部型El Niño事件发展过程中, SST变化区域差异大, 发展年日本附近海域为正异常, 28°N以南为弱的负异常。两类El Niño事件引发西太平洋风场反气旋涡的时间、位置与强度等的不同, 是造成中国近海风场与海表温度异常(sea surface temperature anomaly, SSTA)差异的主要原因。

中国近海; 海表温度; 经验正交函数法; 两类El Niño

自1970年以来, 全球海洋持续升温。继2017、2018年海洋创纪录变暖之后, 2019年海洋升温又创新高[1], 这是有现代海洋观测记录以来海洋温度最暖的一年。海表温度作为海洋关键的环境变量, 通过海气交换作用, 影响降水[2]、气温[3]和海洋生物活动[4-5]等,对研究海洋生态环境变化有重要价值。在全球变暖的大环境背景下, 中国近海及毗邻海域海表温度(sea surface temperature, SST)的时空变化对我国气候变化的影响不容忽视。

El Niño现象是影响全球气候变化的重要因素, 是各国学者关注的焦点问题之一。早期的研究注意到El Niño事件的发生过程呈现两种不同特征[6-9]。两类El Niño事件期间, 热带对流加热场的分布特征有显著差异, 对中国近海及毗邻海域海洋能量传输、风场变化等过程的影响不同, 对其他海域乃至全球的气候变化的影响可能不同。林婷婷等[10]研究表明: ENSO影响南海SST的夏、冬季“双峰”现象发生了显著的年代际变化。孙楠楠[11]利用1960—2007年卫星海表温度与现场海温数据NOAA ERSSTV2数据集研究东海黑潮海表温度异常与El Niño的关系, 结果表明, 当Niño3区域SST出现较明显的正异常时, 黑潮SST则会出现滞后的升高, 并在大约半年后恢复到正常值附近; 当Niño3区域SST出现较明显的负异常时, 黑潮SST则会随其出现滞后的降低。Yu等[12]基于EOF的主成分进行了相关分析和复合分析, 研究两类ENSO类型的结构、演化和遥相关。李海燕等[13]利用MERRA-2 (modern-era retrospective analysis for research and applications, version 2)再分析气溶胶光学厚度及气象观测资料, 在剔除人为排放长期变化产生的气溶胶光学厚度扰动的基础上, 从气候学角度探讨了两类El Niño事件对中国东部冬季气溶胶变化的影响。王钦等[14]利用中国160站月降水资料、美国国家环境预测中心(NCEP)及国家大气研究中心(NCAR)再分析资料等, 对比分析了在2009/2010年中部型El Niño和1997/1998年东部型El Niño背景下, 黑潮及其延伸区海温异常对东北地区降水的影响。上述相关研究均未涉及东部型和中部型El Niño事件对中国近海及毗邻海域SST变化影响的差异性问题。因此, 本文对比分析两类El Niño事件期间中国近海及毗邻海域SST异常分布特征以及两类El Niño事件对中国近海及毗邻海域SST的影响是有必要的。

本研究基于中国科学院大气物理研究所构建的全球海洋温度格点数据集研究中国近海及毗邻海域SST变化的区域差异以及时空变化特征。同时, 结合NOAA官网获得的El Niño指数以及欧洲中期天气预报中心(European centre for medium-range weather forecasts, 简称 ECMWF)的再分析风场数据 ERA- interim, 讨论东部型El Niño与中部型El Niño事件对中国近海及毗邻海域SST的影响。

1 资料与方法

1.1 资料

所用资料: (1) 中国科学院大气物理所所构建的《全球海洋温度格点数据集》(IAP)月平均SST数据集(http://159.226.119.60/cheng/)。数据覆盖范围为全球, 包含41层(1~2 000 m), 数据变量包括温度和盐度。空间分辨率为1°×1°。时间分辨率为月平均, 时段为1940年1月至今, 选取的时间段为1940年1月到2019年12月, 共960个月。(2) 美国国家海洋和大气管理局(NOAA)公布的Niño 3区(150°W~90°W , 5°S~5°N)、Niño 3.4区(170°W~150°W, 5°S~5°N)、Niño4区(160°E~150°W, 5°S~5°N)的月平均SST距平资料(https://www.esrl.noaa.gov/psd/gcos_wgsp/Timese­ries/)。(3) 欧洲中期天气预报中心(ECMWF)提供的离地10 m风速再分析数据ERA-interim。水平分辨率为1°×1°, 时间跨度为1980年1月—2018年12月, 时间分辨率为月平均。

本文选取空间范围为中国近海与毗邻海域(10°N~50°N, 105°E~150°E)。本研究使用的IAP数据集是利用国际耦合模式比较计划第五阶段(CMIP5模式)[15]构建的温度场, 与HADLEY中心SST数据集(HadSST3)进行比较, 其年际变化几乎相同[16]。该数据和数据重构方法均经过了严格的系统评估。数据偏差订正方案(CH14方案)目前已经被国际海洋质量控制数据集(IQuOD)作为唯一的方法使用[16-17]。在2019年政府间气候变化专门委员会(IPCC)评估报告中IAP数据集被使用, 并在国际上得到广泛的应用。

1.2 研究方法

本文主要的研究方法为经验正交函数(empirical orthogonal function, EOF)分析方法。EOF方法[18]是近代气象学中常用的气象要素场分析方法, 它将气象要素场分解为特征向量和时间系数两部分。特征向量可以反映场的空间分布特征, 不随时间变化; 时间系数(主要分量)是描述场的变化规律。采用合成和相关分析方法分析中国近海及毗邻海域SST的时空变化特征, 探讨中国近海及毗邻海域的SST异常与两类El Niño事件的联系。

El Niño事件的划分。El Niño事件判别在国际上存在多种标准[19-22]。本文利用Niño3.4 指数3个月滑动平均的绝对值(保留一位小数, 下同)达到或超过0.5 ℃、且持续至少5个月, 判定为一次El Niño/La Niña事件。再基于事件过程中EP的绝对值达到或超过0.5 ℃且持续至少3个月的类型判定为东部型事件;事件过程中CP的绝对值达到或超过0.5 ℃且持续至少3个月的类型判定为中部型事件;EP、CP分别代表东部型、中部型El Niño指数 (单位: ℃): 若一次事件同时出现上述两种情况, 则将事件峰值所在的类型定义为事件主体类型, 整个事件的类型以事件主体类型为准。

EP=NINO3–×NINO4, (1)

CP=NINO4–×NINO3. (2)

当NINO3×NINO4>0时,=0.4; 当NINO3×NINO4≤0时,=0。

式中CP是中部型厄尔尼诺/拉尼娜指数,EP是东部型厄尔尼诺/拉尼娜指数,NINO3是NINO3指数,NINO4是NINO4指数, 单位为℃。

依照上述判别标准剔除1963年、1979年和2006年未发展起来的弱厄尔尼诺事件, 得到表1。1940年以来发生11次东部型El Niño事件(1941年、1951年、1957年、1965年、1972年、1976年、1982年、1986年、1991年、1997年、2015年)和7次中部型El Niño事件(1969年、1977年、1994年、2002年、2004年、2009年、2018年)。分类结果与《厄尔尼诺/拉尼娜事件判别方法》国家标准[23]分类结果一致。本文厄尔尼诺事件发生年为厄尔尼诺发展年, 表示为“0”年。事件发生第2年为厄尔尼诺衰退年, 表示为“+1”年。

表1 1940年以来发生的El Niño事件

2 结果分析

2.1 中国近海及毗邻海域SST变化的时空分布

对1940年至2019年月平均SST进行EOF分解, 得到空间模式和相应的时间序列图, 如图1所示。前两个模态的累计方差贡献率达到57%, 第一模态解释了总方差的41.9%, 第二模态解释总方差的15.1%。均通过99%的显著性检验。第一模态和第二模态可反映原场1940—2019年的SST分布特征。

图1为1940—2019年中国近海及毗邻海域SST距平场前两个特征向量的空间模态及时间序列图。图1a中可以看到, 全区均为正值, 表明SST的变化趋势在空间上具有一致性。SST最大变率主要分布在日本海区及黄海中部。高温、高盐的对马暖流, 在对马岛的影响下, 分为两支进入日本海, 一支沿着日本海岸称为对马暖流, 一支流经朝鲜半岛沿岸称为东韩暖流。北部来自鄂霍次克海的黎曼寒流沿着俄罗斯沿岸南下, 约在38°N~40°N附近与东韩暖流相遇, 形成日本海内的亚极地锋[24], 因此这个区域的SST变化显著; 黄海地区处于东亚季风盛行区域, 陆地上的阿伯利亚高压与海上的阿留申低压, 海陆存在明显的气压差, 形成东亚季风。季风的强盛与减弱影响黄海SST的变化。

结合第一模态的时间序列(图1b), 中国近海及毗邻海域SST在20世纪40—90年代有波动振荡; 1997年海温迅速升高, 1998年与2016年为百年最暖的年份。第一模态的周期振荡体现全球变暖趋势。第二特征向量解释了总方差15.1%。从图1c中可以看出, 第二模态以34°N为界, 34°N以北为负值, 34°N以南为正值, 表明中国近海及毗邻海域SST的变化趋势在空间分布上呈现偶极子分布特征, 反映了海温变化的南北差异。即当日本海与日本岛东北的太平洋SST降温时, 中国近海及毗邻的太平洋则为升温, 表明研究区SST变化有明显的空间差异性。

图1 1940—2019年中国近海及毗邻海域SST前两个EOF模态的空间分布与时间序列图[审图号: GS(2016)2950号]

区域SST的时空变异性和全球气候密切相关。本文用Niño3.4指数代表大尺度ENSO信号, 与研究区域的海表温度异常(sea surface temperature anomaly, SSTA)作相关性分析, 探讨区域内SST的变化差异以及与全球变化的相关性。图2为中国近海及毗邻海域1940—2019年第一模态和第二模态时间序列与Niño3.4指数时间序列超前滞后相关分析图。从图中可看到第一模态时间序列与Niño3.4指数滞后8 个月达到最大相关, 系数为0.13, 通过 0.05 信度的显著性检验。而第二模态时间序列与Niño3.4指数滞后6个月达到最大相关, 系数为0.29, 通过 0. 05 信度的显著性检验。结果表明第一模态受El Niño影响较少, 与全球增温、太平洋年代际振荡(PDO)等长周期信号有关, 第二模态时间序列与El Niño有明显的相关性。

中国近海及毗邻海域1940年至今SST整体呈振荡升高的趋势, 中国近海及毗邻海域SST变化与El Niño有显著的相关性, 不同的El Niño类型是否会对中国近海及毗邻海域SST变化有影响, 在区域上SST变化有什么差异？因此本文探讨中国近海及毗邻海域不同海区的SST与两类El Niño事件的相关性, 比较区域内两类El Niño事件期间SST变化的时空差异。

图 2 1940—2019年中国近海及毗邻海域SST的第一模态和第二模态时间序列变化与Niño3.4指数超前滞后对比图

2.2 两类El Niño事件对中国近海及毗邻海域SST年际变化的影响

Yeh等[25]指出中部型El Niño事件在20世纪90年代后发生频率显著增加, 东部型和中部型El Niño事件太平洋的海温与大气有显著差异, 单一的El Niño事件不能客观地解释ENSO事件对中国近海SST变化的影响。因此, 研究不同El Niño类型对中国近海SST异常的影响具有重要意义。

2.2.1 两类El Niño事件期间中国近海及毗邻海域SSTA分布特征

为了讨论两种不同类型的El Niño期间中国近海及毗邻海域SSTA的分布特征。本研究选取1940— 2019年东部型El Niño事件与中部型El Niño事件的SSTA分别进行合成分析, 结果如图3所示。

如图3所示, 两类El Niño事件期间, 中国近海及毗邻海域合成SSTA空间分布不同。东部型El Niño事件: 在发展年(图3a), 年平均海温异常介于–0.55~ 0.02 ℃。整个区域基本为负距平, 黄渤海、日本海以东海域海温负异常明显, 最大负异常区域位于日本以东的太平洋海域; 在El Niño衰退年(图3b), 海温异常介于–0.32~0.31 ℃。在太平洋呈“-+-”的异常分布, 日本40°N以北太平洋海域海温为负异常, 中国东海及相邻太平洋海域为正异常。中部型El Niño事件: 发展年(图3c), 海温异常范围为–0.25~0.46 ℃, 27°N~43°N间海域为正异常, 台湾岛以东海域与日本43°N以北海域为负异常; 在衰退年(图3d), 日本海有较强的的正异常, 中国近海与西太平洋大部分海域呈正异常。

1940—2019年东部型与中部型El Niño事件时期, 中国近海及毗邻海域SSTA经向平均的合成分析如图4所示。东部型El Niño事件发展阶段, 中国近海及毗邻海域海温主要由负异常控制, 春季在36°N—50°N有较弱的正异常, 夏季在25°N以北及以南分别有海温负异常中心, 曹丛华[26]、李晓丽[27]和张守文[28]等也指出黄海、渤海与东海区域在El Niño发展年的夏季SST为低温。20°N~40°N东海部分区域及毗邻的太平洋海域SST秋季升温快, 海温正异常开始出现, 而与南海相邻的太平洋海域弱的冷异常持续至次年春季。东部型El Niño事件发展年的冬季正异常偏高, 曹丛华等[26]也有类似结论, El Niño发展年冬季中国近海SST异常偏高。在东部型El Niño事件衰退年春季黑潮流经海域海温为正异常, 夏秋季30°N以北海温为负异常, 南海及相邻海域的海温呈弱的正异常, 林婷婷等[10]也指出ENSO事件衰退年的夏季南海SST异常增暖。中部型El Niño事件期间中国近海SSTA与东部型El Niño期间差异显著。中部型El Niño事件发展年东海以南, 台湾岛以东局部太平洋海域及日本海北部海域为负距平, 这可能是由于在中部型El Niño事件发展期, 热带西太平洋表层暖水流向热带中太平洋, 黑潮向北的经向输运减弱[29], 从而使黑潮对南海东北部和台湾岛以东的太平洋海域的热量输送减弱。其他区域均是正距平(图3c、图4b); 中部型El Niño衰退期, 中国近海有弱的负异常, 日本海局部海域有强的正距平, 日本以东太平洋局部有负异常。

图3 1940—2019年两类El Niño事件合成SSTA空间分布(单位: ℃) [审图号: GS(2016)2950号]

对比两类El Niño事件, 由于热带太平洋海温正异常中心位置和强度的不同, 通过大气遥相关作用[30-32]对中国近海SST有不同的影响(图3与图4)。东部型El Niño事件发展时期, 中国近海及毗邻海域SST变化空间一致性较高, 发展年与衰退年SST变化差异大; 中部型El Niño事件, SST变化空间差异大, 而发展年与衰退年海温变化较小。

从海温距平的空间分布随时间演变来看, 在中部型El Niño事件的发展过程中, 中国近海及毗邻海域的SST基本由正的海温异常所控制。但东部型El Niño事件的发展过程中, El Niño事件发展年海温明显偏低, 衰退年海温为正, 属于暖年, 与王智祖等[33]的结论一致。对比两类El Niño事件可以看到: 中部型El Niño比东部型El Niño持续时间短, 并且强度弱, 历史上几次强的El Niño事件如1982/1983年、1997/1998年均为东部型。

2.2.2 中国近海及毗邻海域SST与两类El Niño的关系

以上结果表明, 中国近海及毗邻海域SST对两类El Niño事件的响应具有明显的区域性差异, 因此结合区域地理位置, 将研究区域划分为5个子区域: 东中国海为A区(24°N~38°N, 120°E~128°E); 季风盛行的南海为B区域(12°N~22°N, 107°E~ 120°E); 西太平洋划分出两个区, 24°N以北为C区(24°N~38°N, 130°E~145°E), 以南为D区(12°N~22°N, 124°E~147°E); 由于日本海地理位置较封闭, 将日本海划分为E区(38°N~46°N, 130°E~138°E)。对这5个海区的SSTA进行滤波, 得到2~10年的周期信号, 分别与东部型与中部型El Niño事件进行相关性分析(图5)。

图4 两类El Niño事件合成的经向平均SSTA的时间演变

注: ‘+’表示El Niño衰退年

Note: “+” denotes the decaying years

图5 五个海区在两类El Niño事件中SSTA与IEP、ICP指数的超前滞后相关

由图5可以看出, 五个海区SST变化分别与两类El Niño事件有关, 但其相关性、超前滞后时间有较大差异。东部型El Niño事件期间(图5a), 五个海区SSTA与EP指数呈滞后性正相关。A区SSTA对东部型El Niño事件滞后10个月达到0.24, 表明赤道东太平洋区的El Niño异常信号通过“大气桥”[34]等过程大约10个月影响东中国海及毗邻海域SST变化, 与孙楠楠[11]东海黑潮区SST对Niño3区域SSTA有5～9个月滞后的研究结论相近。B区SSTA对El Niño事件滞后6个月达到最大相关性, 这与(6～10个月)、蔡榕硕等[35](6个月)研究南海SSTA对El Niño滞后时间的研究结果相近。C区SSTA对El Niño事件响应滞后9个月, 相关系数为0.36。副热带西太平洋海区(D区)SSTA距平对东部型El Niño事件超前5个月有最大负相关, 相关系数为–0.5。C区较D区纬度高, 环流由低纬流向高纬, 该区域SSTA表现为正异常。E区日本海SSTA与El Niño指数超前1个月达到最大相关系数仅为–0.1, 表明日本海SSTA与El Niño相关性较低, 与Hong等[36]的结论一致。这可能是日本海地形封闭, 受陆地等其他因素的影响较多。

中部型El Niño指数(图5b)与中国近海及毗邻海域各区SSTA变化相关性较低(均在0.3以下), 中部型El Niño强度与持续时间弱于东部型, 对中国近海及毗邻海域的SSTA变化的影响机制较为复杂。Yu等[37]认为中部型El Niño事件更多与局地次表层海表温度异常有关。这类El Niño 事件的海温异常、表面风异常和次表层异常都局限于中太平洋, 主要在局地发生、发展及消亡, 不存在明显的传播特征。因此, 中部型El Niño事件对中国近海SSTA的影响小于东部型El Niño事件。

3 两类El Niño事件对我国近海及毗邻海域SST的影响机制

El Niño事件的发生和维持与海表风应力异常密切相关[7, 37-39]。本文对1980年以后的5次东部型E1 Niño和5次中部型El Niño事件进行合成分析。

由表1统计可知, 东部型El Niño发展初期多出现在夏季, 冬季达到峰值。东部型El Niño发展初期, 西太平洋SST呈负异常[7], 副热带高压弱, “反”沃克异常环流春季建立, 下沉的辐散气流通过Gill型[38]响应形成异常反气旋, 该异常反气旋在开尔文波的作用下由西向东传, 影响西太平洋副高, 进而影响中国近海SST[39]。如图6a所示, 东部型El Niño夏季, 南海有弱的SST正异常, 此时南海赤道附近的风场主要为西南风异常。而黄海、东海受偏北风影响, SST降低。东海主要为异常偏南风, 有弱的正异常。24°N附近的太平洋为东风异常, 形成异常气旋涡, 该海域海温主要呈现负异常, 24°N以北西太平洋形成弱的异常反气旋, 海温呈弱的正异常。秋季, 反气旋东移至南海, 海温正异常从南海向东北方向扩展, 南海及台湾岛以东海域SST正异常范围相较于夏季扩大。日本以东的太平洋存在明显的异常气旋涡, 海温为负异常(图6b), 受西风异常的影响, 太平洋大部分海域SST为负异常。冬季El Niño发展至成熟期(图6c), 反气旋异常令西太副高面积向西扩展, 中国近海主要表现为异常南风与东南风, 冬季季风强度减弱, 海温正异常面积与强度增大[39]。春季(图6d)El Niño进入衰减期, 随着副高向北推进, 南海及西太平洋的反气旋异常更显著, 赤道区域转为东风异常, 西太平洋的冷异常进一步减弱。

由表1可知, 中部型El Niño现象一般始于夏季, 当强度很大时可持续到冬季, 它的强度与持续时间均弱于东部型El Niño。因此, 海温负异常弱, 主要与前期西风异常起始时间晚, 且强度明显弱于东部型有关(春季图略)。夏季中部型El Niño(图7a), 风场距平明显向北偏移, 42°N以北为异常气旋涡, 28°N至42°N的异常反气旋范围与强度较大, 形成了该处正的海温距平, 28°N以南区域为明显的气旋异常, 表现为较弱的海温负异常。海温的“-+-”3层结构对应风场的异常“气旋-反气旋-气旋”结构。秋季, 异常反气旋涡减弱北移, 海温正异常减弱向北偏移, 冷异常范围扩大; 冬季, 西太平洋西风异常减弱, 抹去了西太平洋的冷异常, 中部型El Niño现象终止[7]。

中部型El Niño从发生到衰退期间, 在中国近海SST未表现出明显的相位转换, 有研究表明, 中部型El Niño事件是一个局地的海气耦合过程, 其发展演变更多基于大气外强迫[7]; 东部型较中部型更易从拉尼娜过渡而来, 中部型则更像是自我发展的事件[39]。对比东部型与中部型El Niño事件在中国近海的SST异常变化与海表面风异常的过程, 不难发现, 风场的异常是导致海面增/降温的直接原因。

4 结论

本研究利用中科院大气所构建的《全球海洋温度格点数据集》月平均SST资料, 结合NOAA发布的Niño指数以及来自ECMWF的再分析风场数据ERA-interim, 分析中国近海及毗邻海域80年(1940— 2019年)SST的时空变化特征, 讨论东部型El Niño和中部型El Niño对中国近海及毗邻海域SST的影响及影响机制, 可以得到以下几点结论:

图6 1980—2018东部型El Niño事件合成SSTA(色阶, 单位: ℃)与海表面风应力距平空间分布图(单位: m/s) [审图号: GS(2016)2950号]

1) 对研究区域80年的SSTA进行EOF分解, 第一模态解释了总方差的41.9%, SST变化在空间上具有一致性, SST变化最大的区域在日本海。时间序列的线性趋势表明在1940—2019年中国近海及毗邻海域SST总体上表现为叠加在年际变化的年代际的升温趋势。第一模态主要反映全球变暖对中国近海及毗邻海域SST变化的影响; 第二模态呈南北偶极子空间分布, 时间序列的周期性变化与气候大尺度的周期性信号有联系。

2) 两类El Niño事件时期, 中国近海及毗邻海域SST距平场特征有显著差异。东部型El Niño在发展年中国近海及毗邻海域大部分海域表现为冷异常, 秋季冷异常减弱, 冬季El Niño成熟期转为强的暖异常, 夏季暖异常开始减弱, 日本附近海域有显著冷异常。由于中部型 El Niño事件强度弱、持续时间短, 中国近海SST距平发展年与衰退年的差异较小。在中部型El Niño事件的发展过程中, 中国近海及毗邻海域的SST主要呈现正海温异常。

3)根据中国近海及毗邻海域SST对两类El Niño事件的响应特征, 将研究区域分为5个子区域。各子区域SSTA与两类El Niño指数的相关性分析显示, 东部型El Niño事件与各子区域间相关性较高。南海滞后Niño指数5个月达到较高相关性0.57, 南海毗邻的太平洋滞后6个月有较高相关性, 中国黄东海及毗邻的太平洋SST变化对于ENSO信号有10个月的滞后期, 相关性较低, 而日本海与ENSO信号相关性最低。而中部型El Niño事件与各子区域间的相关性均低于东部型。中部型El Niño事件对南海及其以南的西太平洋区域的SST变化有较高的联系, 部分陆地边沿海与中部型El Niño指数相关性较低。

图7 1980—2018中部型El Niño事件合成SSTA(色阶, 单位: ℃)与海表面风应力距平空间分布图(单位: m/s) [审图号: GS(2016)2950号]

4) El Niño可以通过大气过程影响中国近海及毗邻海域SST变化。东部型El Niño事件发展年夏季, 西太平洋受西风异常影响, 存在冷异常, 中国近海大气存在异常的气旋, 大部分海洋为冷异常。春季建立的“反”沃克异常环流, 下沉的辐散气流通过Gill型响应形成异常反气旋, 该异常反气旋在开尔文波的作用下由西向东传, 影响西太平洋副高, 进而影响中国近海SST变化。冬季, 异常反气旋移动至西太平洋, 副高加强使海温由负异常转变为正异常。衰退年春季, 随着副高向北推进, 南海及西太的反气旋异常更显著, 赤道区域转为东风异常, 西太平洋的冷异常进一步减弱。中部型El Niño时期, 中国近海风场与SST距平与东部型有明显差异, 发展期夏季日本海附近异常反气旋产生海温正异常, 其他海区负异常较弱。中部型El Niño成熟期与衰退期, 由于西太平洋副高增强较小, 海温正异常比东部型时期弱。

本文利用EOF分解方法对1940—2019年中国近海及毗邻海域SST进行分解, 表明中国近海及毗邻海域SST具有明显的年际变化, 且 SST变化具有明显的区域差异。通过分析对比两类El Niño事件期间的SST与风场变化, 海表面风应力异常是导致海面增减温的直接原因之一。本文定性地分析了异常风应力对中国近海及毗邻海域SST影响的区域性特征, 并对其物理机制作了初步研究。对两类El Niño影响中国近海及毗邻海域SST变化物理机制的定量分析是今后进一步研究的主要方向。

致谢: 感谢中国大气物理研究所再分析数据的支持。感谢国家科技资源共享服务平台——国家海洋科学数据共享服务平台大连分中心(http://odc.dlou.edu.cn/)数据资料支持。感谢欧洲中期天气预报中心的数据支持。

[1] CHENG L, ABRAHAM J, HAUSFATHER Z, et al. How fast are the oceans warming?[J]. Science, 2019, 363(6423): 128-129..

[2] 吴国雄, 刘还珠. 降水对热带海表温度异常的邻域响应I．数值模拟[J]. 大气科学, 1995(4): 422-434. WU Guoxiong, LIU Huanzhu. Neighborhood response of precipitation to tropical sea surface temperature anomalies I. Numerical Simulation[J]. Atmospheric Sciences, 1995(4): 422-434.

[3] 陈少勇, 张燕霞, 夏权, 等. 中国东部冬季气温异常与海表温度异常的关系分析[J]. 高原气象, 2009, 28(5): 1181-1188. CHEN Shaoyong, ZHANG Yanxia, XIA Quan, et al. Analysis of the relationship between winter temperature anomalies in eastern China and sea surface temperature anomalies[J]. Plateau Meteorology, 2009, 28(5): 1181- 1188.

[4] 姚翠鸾, SOMERO G N. 海洋暖化对海洋生物的影响[J]. 科学通报, 2015, 60(9): 805-816. YAO Cuiluan, SOMERO G N. The impact of ocean warming on marine life[J]. Chinese Science Bulletin, 2015, 60(9): 805-816.

[5] 郭文, 胡发文, 菅玉霞, 等. 温度变化对斑点鳟鲑仔鱼存活与生长的影响[J]. 水产养殖, 2012, 33(7): 44-46. GUO Wen, HU Fawen, KAN Yuxia, et al. The effect of temperature changes on the survival and growth of spotted trout larvae[J]. Aquaculture, 2012, 33(7): 44-46.

[6] ASHOK K, BEHERA S, RAO S A, et al. El Niño Modoki and its possible teleconnection[J]. Journal of Geophysical Research: Oceans, 2007, 112: C11007.

[7] YU J Y, KAO H Y. Contrasting eastern-Pacific and central-Pacific types of ENSO[J]. Journal of Climate, 2009, 22(3): 615-632.

[8] 符淙斌.“埃尔尼诺”(El Niño)时期赤道增暖的两种类型[J]. 科学通报, 1985, 30(8): 596-599. FU Congbin. Two types of equatorial warming during El Niño period[J]. Chinese Science Bulletin, 1985, 30(8): 596-599.

[9] LI Gen, REN B H, YANG C Y, et al. Traditional El Niño and El Niño Modoki revisited: Is El Niño Modoki linearly independent of traditional El Niño?[J] Atmospheric and Oceanic Science Letters, 2010, 3(2): 70-74.

[10] 林婷婷, 李春. ENSO与南海SST关系的年代际变化[J]. 山东气象, 2019, 39(2): 68-75. LIN Tingting, LI Chun. The interdecadal changes of the relationship between ENSO and SST in the South China Sea[J]. Shandong Meteorology, 2019, 39(2): 68-75.

[11] 孙楠楠. 东海黑潮海表温度变化及其与厄尔尼诺和全球变暖的关系[D]. 青岛: 中国海洋大学, 2009. SUN Nannan. The Kuroshio sea surface temperature change in the East China Sea and its relationship with El Niño and global warming[D]. Qingdao: Ocean University of China, 2009.

[12] YU J Y, KAO H Y, LEE T, et al. Subsurface ocean temperature indices for Central-Pacific and Eastern-Pacific types of El Niño and La Nina events[J]. Theoretical & Applied Climatology, 2011, 103(3-4): 337-344.

[13] 李海燕, 孙家仁, 胡东明, 等. 两类厄尔尼诺事件对中国东部冬季气溶胶的影响[J]. 气象学报, 2018, 76(5): 699-713. LI Haiyan, SUN Jiaren, HU Dongming, et al. The effects of two types of El Niño events on winter aerosols in eastern China[J]. Acta Meteorologica Sinica, 2018, 76(5): 699-713.

[14] 王钦, 李双林, 付建建. 两类ENSO背景下黑潮及其延伸区海温异常对东北夏季降水的影响: 个例对比[J]. 热带气象学报, 2016, 32(1): 73-84. WANG Qin, LI Shuanglin, FU Jianjian. The influence of the Kuroshio and its extended sea temperature anomalies on summer precipitation in Northeast China under the background of two types of ENSO: A case comparison[J]. Journal of Tropical Meteorology, 2016, 32(1): 73- 84.

[15] TAYLOR K E, STOUFFER R J, MEEHL G A. An overview of CMIP5 and the experiment design[J]. Bulletin of the American Meteorological Society, 2012, 93(4): 485- 498.

[16] CHENG L, ZHU J. Benefits of CMIP5 multimodel ensemble in reconstructing historical ocean subsurface temperature variations[J]. Journal of Climate, 2016, 29(15): 5393-5416.

[17] CHENG L, TRENBERTH K E, FASULLO J, et al. Improved estimates of ocean heat content from 1960 to 2015[J]. ence Advances, 2017, 3(3): e1601545.

[18] 魏凤英. 现代气候统计诊断与预测技术[M]. 北京: 气象出版社, 1999. WEI Fengying. Modern Climate Statistics Diagnosis and Prediction Technology[M]. Beijing: Meteorological Press, 1999.

[19] 臧恒范, 王绍武. 1854—1987年期间的埃尔尼诺与反埃尔尼诺事件[J]. 海洋学报, 1991, 13(1): 26-34. ZANG Hengfan, WANG Shaowu. El Niño and Anti-El Niño Incidents from 1854 to 1987[J]. Journal of Oceanography, 1991, 13(1): 26-34.

[20] LARKIN N K, HARRISON D E. Global seasonal temperature and precipitation anomalies during El Niño autumn and winter[J]. Geophysical Research Letters, 2005, 32: L16705.

[21] QUINN W H, NEAL V T, MAYOLO S E A D. El Niño occurrences over the past four and a half centuries[J]. Journal of Geophysical Research Atmospheres, 1987, 92(C13): 14449-14461.

[22] TOMITA T, YASUNARI T. On the two types of ENSO[J]. Journal of the Meteorological Society of Japan. Ser. II, 1993.

[23] 国家气候中心, 中国气象科学研究院. 厄尔尼诺/拉尼娜事件判别方法[S]. 北京: 中华人民共和国国家质量监督检验检疫总局; 中国国家标准化管理委员会. National Climate Center, Chinese Academy of Meteorological Sciences. El Niño/La Nina Event Discrimination Method[S]. Beijing: General Administration of Quality Supervision, Inspection and Quarantine of the People’s Republic of China; National Standardization Administration of China.

[24] YOON S J H. Some features of winter convection in the Japan Sea[J]. Journal of Oceanography, 1995, 51(1): 61- 73.

[25] YEH S W, KUG J S, DEWITTE B, et al. El Niño in a changing climate[J]. Nature, 2009, 461(7263): 511-514.

[26] 曹丛华, 曲如美, 张惠滋. 东中国海海温场对厄尔尼诺与反厄尔尼诺事件的响应[J]. 海洋预报, 1999(4): 39-45. CAO Conghua, QU Rumei, ZHANG Huizi. The response of the sea temperature field in the East China Sea to El Nino and anti-El Nino events[J]. Ocean Forecast, 1999(4): 39-45.

[27] 李晓丽, 徐铁军. 厄尔尼诺事件与东海气旋及热带气旋活动关系浅析[J]. 浙江气象科技, 2000(4): 15-18. LI Xiaoli, XU Tiejun. Analysis of the relationship between El Niño event, East China Sea cyclone and tropical cyclone activity[J]. Zhejiang Meteorological Science and Technology, 2000(4): 15-18.

[28] 张守文, 王辉, 姜华, 等. 厄尔尼诺和台风共同影响下的7月份黄、东海海温变化[J]. 海洋学报, 2017, 39(12): 32-41. ZHANG Shouwen, WANG Hui, JIANG Hua, et al. Sea temperature changes in the Yellow Sea and East China Sea in July under the combined influence of El Niño and typhoon[J]. Acta Oceanologica Sinica, 2017, 39(12): 32- 41.

[29] 谭红建, 蔡榕硕. 热带太平洋El Niño Modoki对中国近海及邻近海域海温的可能影响[J]. 热带气象学报, 2012, 28(6): 897-904. TAN Hongjian, CAI Rongshuo. Possible impacts of tropical El Niño Modoki on SST of China offshore and its adjacent waters[J]Journal of Tropical Meteorology, 2012, 28(6): 897-904.

[30] 宋家喜. ENSO知识讲座第四讲 ENSO与大气遥相关[J]. 海洋预报, 2002, 19(2): 71-73. SONG Jiaxi. Lectures on ENSO knowledge lecture 4 ENSO and atmospheric teleconnection[J]. Ocean Forecast, 2002, 19(2): 71-73.

[31] 陈文, 丁硕毅, 冯娟, 等. 不同类型ENSO对东亚季风的影响和机理研究进展[J]. 大气科学, 2018, 42(3): 640-655. CHEN Wen, DING Shuoyi, FENG Juan, et al. Research progress in the effects and mechanism of different types of ENSO on the East Asian monsoon[J]. Chinese Journal of Atmospheric Sciences, 2018, 42(3): 640- 655.

[32] 李建平, 任荣彩, 齐义泉, 等. 亚洲区域海-陆-气相互作用对全球和亚洲气候变化的作用研究进展[J]. 大气科学, 2013, 37(2): 518-538. LI Jianping, REN Rongcai, QI Yiquan, et al. Research progress on the effects of sea-land-atmosphere interactions on global and Asian climate change in Asia[J]. Chinese Journal of Atmospheric Sciences, 2013, 37(2): 518-538.

[33] 王智祖, 左军成, 陈美香, 等. 黄、东海沿岸海表温度变化与厄尔尼诺的关系[J]. 河海大学学报(自然科学版), 2012, 40(4): 461-468. WANG Zhizu, ZUO Juncheng, CHEN Meixiang, et al. The relationship between sea surface temperature changes along the Yellow Sea and East China Sea and El Nino[J]. Journal of Hohai University (Natural Science Edition), 2012, 40(4): 461-468.

[34] LATIF M, BARNETT T P. Interactions of the tropical oceans[J]. Journal of Climate, 1995, 8(4): 952-968.

[35] 蔡榕硕, 张启龙, 齐庆华. 南海表层水温场的时空特征与长期变化趋势[J]. 台湾海峡, 2009, 28(4): 559- 568. CAI Rongshuo, ZHANG Qilong, QI Qinghua. Temporal and spatial characteristics and long-term variation trend of the surface water temperature field in the South China Sea[J]. Taiwan Strait, 2009, 28(4): 559-568.

[36] HONG C H, CHO K D, KIM H J. The relationship between ENSO events and sea surface temperature in the East (Japan) Sea[J]. Progress in Oceanography, 2001, 49(1): 21-40.

[37] YU J Y, KAO H S, LEE T. Subtropics-related interannual sea surface temperature variability in the central equatorial Pacific[J]. Journal of Climate, 2010, 23(11): 2869-2884.

[38] GILL A E. Some simple solutions for heat-induced tropical circulation[J]. Quart. J. Roy. Meteor. Soc, 2010, 106(449): 447-462.

[39] 钱代丽, 管兆勇. 超强与普通厄尔尼诺海-气特征差异及对西太平洋副热带高压的不同影响[J]. 气象学报, 2018, 76(3): 394-407. QIAN Daili, GUAN Zhaoyong. Differences in sea-atmo­sphere characteristics between super strong and ordinary El Nino and their different effects on the western Pacific subtropical high[J]. Acta Meteorologica Sinica, 2018, 76(3): 394-407.

Effects of two types of El Niño events on the sea surface temperature in China’s offshore and adjacent seas

LI Ling-li1, 2, WANG Lin-hui1, 2, SONG Jun1, 2, GUO Jun-ru1, 2, FU Yan-zhao1, 2, CAI Yu1, 2

(1. School of Marine Technology and Environment, Dalian Ocean University, Dalian 116023, China; 2. Institute of Applied Oceanography, Dalian Ocean University, Dalian 116023, China)

This study investigates the relationship between eastern and central-type El Niño events and the sea surface temperature (SST) changes in China’s coastal waters. On the basis of the SST reanalysis data of the Institute of Atmospheric Physics, Chinese Academy of Sciences for 80 consecutive years (1940–2019), a preliminary analysis was conducted using empirical orthogonal function decomposition and synthesis analysis methods. Results showed that the SST changes in China’s coastal waters and adjacent waters in the past 80 years are consistent with global warming. Moreover, significant differences in the impact of the two types of El Niño events on the SST changes in China’s offshore waters are observed. During the development of El Niño in the east, the sea surface temperature anomaly (SSTA) of China’s offshore and adjacent sea areas is a negative anomaly in the development years and a positive anomaly in the recession period. During the development of central-type El Niño, considerable regional differences in SSTA variation are observed. In the developing years, the sea area near Japan is a positive anomaly and the sea area south of 28°N is a weak negative anomaly. The differences in time, position, and intensity of anti-gas vortices caused by the two types of El Niño events in the western Pacific Ocean are the main reason for the difference in distance between offshore wind field and SSTA in China.

China’s offshore water; sea surface temperature; empirical orthogonal function method; two types of El Niño events

May 22, 2020

P731

A

1000-3096(2021)04-0051-13

10.11759/hykx20200522002

2020-05-22;

2020-12-30

自然资源部海洋环境信息保障技术重点实验室开放基金; 自然资源部海洋信息技术创新中心开放基金; 辽宁省“兴辽英才计划”项目(XLYC1807161); 大连市高层次人才创新支持计划(2017RQ063); 大连海洋大学“湛蓝学者工程”; 国家自然科学基金项目(41206013; 41430963); 辽宁省教育厅项目(QL201905); 国家科技支撑计划项目(2014BAB12B02); 国家建设高水平大学公派研究生项目(留金出[2008]3019; [2012]2013); 辽宁省高等学校海洋产业技术研究院项目; 海洋公益性行业科研专项(201205018); 辽宁省重点研发计划(2019JH2/ 10200015); 南方海洋科学与工程广东省实验室(广州)人才团队引进重大专项( GML2019ZD0402 )

[Open Fund of the Key Laboratory of Marine Environmental Information Assurance Technology of the Ministry of Natural Resources; Open Fund of the Marine Information Technology Innovation Center of the Ministry of Natural Resou­r­ces; Liaoning Province “Xing Liao Talents Program” Project, No. XLYC1807161; Dalian City High-level Talent Innovation Support Program No. 2017RQ063; Dalian Ocean University “Blue Scholar Project”; National Natural Science Foundation of China, Nos. 41206013, 41430963; Liaoning Provincial Department of Education Project, No. QL201905; National Science and Technology Support Program, No. 2014BAB12B02; National Construction High-level University Publicly Sponsored Postgraduate Project (Reserved Gold [2008] 3019; [2012] 2013); The Marine Industry Technology Research Institute Project of Liaoning Provincial Colleges and Universities; Marine Public Welfare Industry Research Project, No. 201205018; Liaoning Province Key R&D plan No. 2019JH2/10200015; Southern Ocean Science and Engi­neering Guangdong Laboratory (Guangzhou) Talent Team Introduction Major Project, No. GML2019ZD0402]

李玲莉(1994—), 女, 山西晋城人, 主要研究方向为应用海洋学, E-mail: 535017945@qq.com; 宋军(1983—),通信作者, 男, 山东无棣人, 博士, 主要研究方向为近海动力学、应用海洋学, E-mail: songjun2017@dlou.edu.cn

(本文编辑: 丛培秀)