吕宋冷涡的年际变化及影响机制分析

2022-02-19邓思捷谢玲玲朱振坤李君益

海洋科学进展 2022年1期

邓思捷,谢玲玲,2*,朱振坤,李君益,2

(1.广东海洋大学海洋与气象学院近海海洋变化与灾害预警实验室,广东湛江 524088;2.陆架及深远海气候、资源与环境广东省高等学校重点实验室,广东湛江 524088;3.深圳朗城海洋科技公司,广东深圳 518000)

南海是西北太平洋最大的边缘海之一,通过吕宋海峡与西北太平洋相连,海盆几近封闭。自20世纪50年代南海中尺度涡被发现起,越来越多的水文观测及卫星高度计数据表明,南海是中尺度涡多发、频发海域[1-2]。前人针对南海海盆中尺度涡的统计特征及产生演变机制进行了大量研究[3-9]。

位于吕宋海峡西侧的吕宋冷涡(Luzon Cold Eddy,LCE),是较早被发现和关注的南海中尺度涡旋,前人对其基本特征和季节变化进行了分析[10-11]。早期,Nitani[12]在对黑潮的研究过程中发现吕宋岛西北海域有冷涡现象出现;Shaw等[13]随后通过研究温度、盐度和溶解氧浓度的分布发现,在10月至翌年1月距离吕宋岛西北部约100 km处的16°～19°N存在一个上升流区;刘金芳等[14]则利用近105 a的海洋调查资料发现10月至翌年5月份在吕宋海峡的西侧有冷涡的存在,在1月达到最强,该冷涡位于(117°～120°E,16°～19°N)范围内,且定义冬季吕宋岛西北部75 m水深处水温低于17℃的闭合冷水区为LCE;之后,姜良红和胡建宇[15]通过分析14 a卫星高度计资料再次证明了LCE的存在,同时指出其在冬季最强,春季次之,中心位于(119°30′E,18°30′N)附近海域。

随着卫星观测和数值模式发展,前人在对南海水文动力特征年际变化的研究中注意到LCE海域的变化。如:程旭华等[16]分析1993—2003年南海海面高度异常均方根值的空间分布时发现,南海东北部海域的中尺度涡存在着较明显的年际变化;随后,丘福文等[17]分析2000—2008年南海海表面温度(Sea Surface Temperature,SST)变化时,发现南海SST年际振荡的振荡中心主要出现在吕宋海峡西部和中南半岛东南海域;李莎莎[18]利用涡分辨率海洋环流模式(OGCN for the Earth Simulator,OFES)的62 a(1950—2011年)后报输出,发现吕宋海峡上层体积输送不仅呈现出约3 a和7 a的显著年际振荡,同时显现出约14 a的显著年代际变化;近期,He等[19]分析南海涡旋强度年际变化时发现,在厄尔尼诺(拉尼娜)年的冬季,LCE会随之减弱(增强)。这些研究中均显示LCE可能存在显著的年际变化,其长期变化趋势及系统研究有待开展。

此外,关于LCE的形成和变化机制也存在分歧。Shaw和Chao[20]认为LCE产生于大尺度的海盆环流,而并非由局地风所引起;但Wang等[4]和王桂华[21]指出风应力旋度场能够激发中尺度涡,即风应力旋度场可能是吕宋岛西北气旋涡的重要形成机制之一;姜良红和胡建宇[15]也同样认为局地风应力驱动是LCE形成与发展的主要原因,并详细考虑了风应力方向的影响;Wang和Gan[22]通过高分辨率区域海洋模型研究了吕宋冷涡的三维结构,发现涡旋在涡度、垂向运动和涡内能量等方面均表现出不对称的结构;对南海海盆涡旋整体特征的研究显示,吕宋冷涡的位置可能受南海海盆地形和边界条件制约[7,23],其变化可能与海盆固有模态有关[1,24]。孙成学和刘秦玉[25]通过分析卫星观测资料指出传统的LCE可能是由2个气旋式涡旋组成:分别位于吕宋岛的西侧(LCE1)和西北侧(LCE2),其中LCE1的强度变化主要受到风应力旋度强弱变化的影响,但LCE2的强度变化主要受黑潮流量的影响。局地风场和黑潮入侵在LCE的年际变化中的作用还需进一步探究。

综上,前人对LCE季节变化特征进行了详细的研究,但针对LCE年际变化的系统性研究尚未开展。在全球变化背景下,LCE的长时间变化规律和变化机制值得探讨。为此,本文将利用多年的多源卫星观测资料,探究LCE的年际变化和长时间变化趋势,同时分析风应力和风应力旋度等大气场和黑潮入侵等海洋背景场变化对LCE年际变化的贡献。

1 数据与方法

1.1 数据

本文采用的SST数据来自美国夏威夷大学Asia-Pacific Data-Research Center(APDRC)的月平均数据[26]。它是基于2个数据集整合而成,分别为Advanced Very High Resolution Radiometer(AVHRR)[27]、Moderate-resolution Imaging Spectroradiometer(MODIS)[28]。AVHRR数据的时间范围为1985年1月至2002年6月,空间分辨率为0.087 9°×0.087 9°;MODIS数据的时间范围为2002年7月至2020年10月,空间分辨率为0.041 7°×0.041 7°。通过临近线性插值统一空间分辨率为0.05°×0.05°。

风场数据使用European Centre for Medium-Range Weather Forecasts(ECMWF)再分析月平均数据[29],时间范围为1985年1月至2020年1月,空间分辨率为0.125°×0.125°。

海表面高度(Sea Surface Height,SSH)、海面高度异常(Sea Level Anomalies,SLA)以及海面地转流速采用COPERNICUS数据网站中卫星观测的月平均数据[30],其时间范围为1993年1月至2019年9月,空间分辨率为0.25°×0.25°。对吕宋海峡121°E断面表层纬向流速年际变化分析显示,19°45′～20°45′N为西向流速主要发生区域,由此选择该范围内的平均海表面纬向流速用来表征黑潮入侵强度。

厄尔尼诺和南方涛动(El Niño and Southern Oscillation,ENSO)指数Niño3.4和太平洋十年涛动(Pacific Decadal Oscillation,PDO)指数均来自中国气象局国家气候中心[31]。

1.2 研究区域

前人研究指出,LCE通常位于(117°～120°E,16°～19°N),始于10月,翌年1月强度达到最强并开始逐渐减弱,至5月消亡。本文通过分析气候态的月平均SST,也得出了相似的结论。图1a～图1c为吕宋岛西北部海域气候态月平均SST和SSH的分布,由图1a～图1c可见,冬季,该海域SST等值线分布大致呈NE—SW走向,在(119°E,18°N)等温线出现明显南凸,SSH等值线存在0.5 m的闭合等值线,表明冷涡中心的存在。图1d～图1f为本文研究区域的风应力和风应力旋度,由图1d～图1f可见在冬季吕宋岛西侧海域主要受东北季风的控制,并且在吕宋岛的西侧形成了正的风场涡度。本文将LCE常出现的(117°～120°E,16°～19°N)的低温、低海面海域作为LCE代表区,即A区。将同纬度、黑潮主轴外侧、涡旋活动相对较少的西北太平洋内125°～128°E范围作为背景参考区域,即B区。同时,对A、B区域的大小和位置进行敏感性实验显示,A、B区域的范围大小和位置移动对后文计算的冷涡强度指数变化规律和趋势影响很小。

图1 吕宋附近海域冬季气候态月平均的海表温度(SST)和海面高度(SSH)以及风应力和风应力旋度Fig.1 Climatological monthly-mean sea surface temperature(SST),sea surface height(SSH),wind stress and wind stress curl in winter near the Luzon Island

1.3 指数计算方法

关于LCE的研究,前人大多采用直观且易获取的参数来表征冷涡强度,如海表温度场[14]、海流场[21]、海平面高度[25]和温盐资料计算所得的动力高度[32]等。本文主要探讨冷涡的年际变化,因此选用时间序列较长的SST数据来估算冷涡指数。考虑绝对SST的变化还受到背景场变化的影响,本文选用冷涡海域A的海表面温度异常与同纬度西北太平洋内海域B的海表温度异常的差值ΔT来定义冷涡指数(Cold Eddy Index,CEI),即:

式中:TA和TB分别为为A、B区域内对应网格点i(对应网格点坐标为x i、y i)的海表温度异常;ΔT为该网格点上的温度异常差。CEI为负值,数值越大表示冷涡越强。

图2a为气候态月平均的冷涡指数。由图2可见,CEI于每年11月至翌年2月为负值,并在1月达到最低值,表明LCE在冬季达到最强盛,这与前人结果类似[12-14],表明本文选取的冷涡指数是合理的。为了排除季节变化的影响,后文在分析LCE年际变化时,每年CEI选取本年冬季12月至翌年2月的月平均。本文还在后文讨论了海面高度异常及海面地转流场涡度(ζ)等指标下的冷涡强度变化,结果与这里选用的温度指标类似。

由风应力经向分量τy和纬向分量τx计算海表面风应力旋度curlzτ:

图2b～图2c为冷涡海域(A区)气候态月平均的经向风应力和风应力旋度分布。可见,冷涡出现的月份中,风应力为负值(偏北风),同时风应力旋度为正值,两者极值均出现在12月,比CEI极值早一个月。故本文分析风应力以及风应力旋度年际变化时,选取超前一个月的数据,即11月至翌年1月的平均作为年平均值。

图2 气候态月平均的冷涡指数CEI、经向风应力和风应力旋度Fig.2 Climatologically monthly-mean cold eddy index CEI,meridional wind stress and wind stress curl

1.4 数据分析方法

1.4.1 经验模态分解

经验模态分解(Empirical Mode Decomposition,EMD)是Huang等[34]提出的分析非线性、非平稳信号的方法,可以使复杂信号分解为有限个本征模函数(Intrinsic Mode Function,IMF),所分解出来的各IMF分量包含了原信号的不同时间尺度的局部特征信号[35]。Wu和Huang[36]改进EMD方法为EEMD方法,以去除原EMD的模态混合问题。本文采用EEMD方法分析冷涡指数和研究区域的风应力以及风应力旋度年际变化的固有变化周期。

1.4.2 时序因果分析

本文利用皮尔森方法计算相关系数[37]。然而相关并不一定代表具有因果关系,为分析变量间的因果关系,本文也同时采用Liang提出的信息流理论分析因果关系[38]。若给定2个时间的时间序列,则事件2到事件1的信息流的最大似然估计为:

式中,C ij为x i与x j的协方差,C i,dj为x i与x j经前差构成的新序列的协方差(i=1,2;j=1,2)。如果T2→1≠0,则x2是x1的因(或者说x1是x2的果),若为0则不是。

2 结果

2.1 LCE强度的年际变化及其变化趋势

图3给出了1985—2020年冬季吕宋岛西北海域A、B区海表温度和CEI的年变化。可见,研究区域(A区)SST为25～27℃,而背景区域(B区)SST为26.0～27.5℃。由于冷涡的存在,研究区比背景区普遍低0.5～1.0℃。近35 a来,A、B区的海温均呈现上升的趋势,其中冷涡A区平均增温率为0.032℃/a,B区平均增温率为0.025℃/a,即冷涡区比背景区域升温略快。进一步计算CEI的年变化,结果显示CEI在-1.5～0℃变化,长期变化的年平均变化率较小,为0.007℃/a,即LCE在1985—2019年间呈现缓慢减弱的趋势。

图3 1985—2019年冬季A、B区的平均海表面温度和冷涡指数CEI的时间变化Fig.3 Variation of the winter SST in regions A and B,and the CEI from 1985 to 2020

对CEI的年变化时间序列去掉变化趋势后进行EEMD分解,分析其年际变化的固有规律。图4为方差最大的3个本征模态IMF1～IMF3,其对应的变化周期分别为3.2 a、7.5 a以及13.5 a。其中,IMF1的振幅最大达0.5℃,方差贡献率也最大,为41.9%,是LCE强度年际变化的主要周期。其次为7.5 a周期的年际变化,最大振幅也可达0.5℃,方差贡献率为23.1%。13.5 a周期方差贡献率与7.5 a接近,为21.2%。

图4 1985—2019年冷涡指数CEI的前3个本征模态Fig.4 The first three IMFs of the variation of CEI from 1985 to 2019

2.2 LCE中心位置的年际变化及其变化趋势

气候态下的LCE通常在(118°30′E,18°30′N)附近(图1)。刘金芳等[13]分析100 m层海水温度发现冬季LCE中心位置会随着季节变化,10月至翌年1月,冷涡中心位置逐渐北移。本文将冬季研究区(A区)ΔTi负值极值处定义为LCE中心位置,对应的经、纬度为LCE中心经、纬度,以探究冷涡中心位置的年际变化规律。

图5为冬季LCE中心所处位置的年际变化。可见,冷涡强中心在经向和纬向上都存在振荡变化,振荡范围分别为117°～120°E和16°36′58″～19°00′00″N,强中心最大概率落在(117°54′E,18°06′N)附近。分析冷涡中心位置的变化趋势,发现近35 a来,LCE中心在经向上略向西偏移,偏移幅度为0.011°/a;而在纬向上则向北偏移,偏移幅度为0.017°/a,可知北向偏移明显大于西向。

图5 1985—2019年冷涡强中心位置的年际变化Fig.5 Interannual variation of the location of the LCE center from 1985 to 2020

对冷涡中心位置的振荡进行EEMD分解,并提取方差贡献率最大的前3个模态。如图6所示,冷涡中心径向和纬向位置变化的周期分别为2.8 a(图6a)、6.0 a(图6b)和12.3 a(图6c)以及2.8 a(图6d)、6.0 a(图6e)和11.7 a(图6f)。3个本征模态的方差贡献率分别为经向36.4%、29.4%和20.0%,纬向39.9%、23.2%和15.3%。3 a周期变化也是LCE中心位置变化的主模态,经向变化振幅最大为1.7°,纬向变化振幅为1°。

图6 冷涡中心位置经向和纬向变化EMD分解的3个本征模态Fig.6 The first three IMFs of the LCE central position variation in meridional and zonal directions

2.3 LCE 的年际变化和长期变化的影响机制

如前文所述,经向风应力和风应力旋度通常被认为是LCE形成的动力机制[15]。此外,黑潮入侵也被认为是LCE变化的机制[18]。所以本文分别针对局地风场和黑潮在LCE年际变化中的作用进行分析。

2.3.1 风场和黑潮入侵强度的年际变化

图7a～7b为研究区(A区)的冬季经向风应力和风应力旋度的年际变化。可以看到,1985—2020年冬季研究区经向风应力均为南向负值,风应力大小由0.052 N/m2减弱到0.038 N/m2,经向风应力呈现减弱的趋势,年变化率为4.1×10-4N/m2。LCE对应的风应力旋度均为正值,近35 a呈现微弱的减弱趋势,年变化率为-2.3×10-11N/m3。

图7 1985—2019年冬季A区的经向风应力和风应力旋度以及黑潮入侵强度的时间变化Fig.7 Variation of meridional wind stress and wind stress curl in the study area A and Kuroshio intrusion velocity in the Luzon Strait from 1985 to 2019 in winter

以冬季(12月至翌年2月)吕宋海峡121°00′E断面19°45′～20°45′N的平均西向地转流速作为黑潮入侵强度的特征值,图7c为黑潮入侵强度的年变化。可见,黑潮入侵平均强度在-0.28 m/s,其中1994—1996年西向流速最强超过-0.35 m/s,2013年最小低于-0.2 m/s。1993—2020年西向流速长期变化为减弱趋势,年变化率为0.001 4 m/s。

对经向风应力、风应力旋度和黑潮入侵西向流速的年际变化进行EEMD分解,同样提取方差贡献率最大的前3个模态,结果如图8所示。可见,经向风应力、风应力旋度和黑潮入侵与冷涡强度有着相似的3 a、7 a和13 a左右的周期变化。经向风应力的前3个本征模态(3.2 a、5.4 a和8.9 a)(图8a～图8c)的方差贡献率分别为43.9%、20.9%和20.1%,风应力旋度(2.9 a、6.2 a和18.0 a)(图8d～图8f)的方差贡献率分别为42.0%、24.5%和9.7%,而黑潮入侵的前3个模态(2.8 a、7.0 a和15.0 a)(图8g～图8i)的方差贡献率分别为31.6%、35.7%和17.2%。表明3 a周期变化是经向风应力、风应力旋度的主模态,而黑潮入侵强度则以7 a左右的第二模态为主周期。

图8 研究区A区经向风应力、风应力旋度和黑潮入侵西向流的前3个本征模态Fig.8 The first three IMFs of the meridional wind stress,wind stress curl the Kuroshio intrusion velocity in the study area A

2.3.2 风场和黑潮入侵与LCE强度变化的因果关系

为探究LCE强度变化与上述3种影响因子的关系,并分别对其时间序列进行相关性和因果分析。表1为CEI与3种影响因子总时间序列的相关系数以及因果信息流。结果显示,冷涡强度指数CEI和风应力τy总变化的相关系数最高,为0.38,而与黑潮入侵和风应力旋度的相关系数较低,分别为0.20和-0.16。三者均为正相关(CEI为负值、风应力旋度为正值,二者相关系数为负表示正相关,为正则为负相关)。

表1 CEI、经向风应力和风应力旋度以及黑潮入侵强度的因果分析Table 1 Causal analysis of the CEI,meridional wind stress,wind stress curl and Kuroshio intrusion velocity

进一步分析CEI与风应力和风应力旋度的信息流,结果显示无论在正向还是反向上信息流都不为零,意味着它们互为因果关系,即风应力和风应力旋度作用于LCE,而LCE反作用于风应力和风应力旋度。同时,由信息流的数值也得到以下几点结论:①风场和CEI之间互有信息流,从CEI到经向风应力的信息流略大于经向风应力到CEI的信息流,说明局地风场和LCE相互作用,LCE对风应力影响较大,其他海域的研究也指出中尺度涡可以影响局地风场[39];②风应力旋度和CEI的信息流值大于CEI对风应力旋度,但均小于风应力和CEI的信息流值,表明风应力旋度和CEI总体变化的因果性较小,这与相关系数较小相一致;③黑潮入侵与LCE总体变化的因果信息流相当,均小于LCE和风应力间的信息流,进一步说明总体变化上黑潮入侵与LCE的相关性不高。

进一步探讨风场变化和黑潮入侵与冷涡指数本征周期变化的内在相关性。前文冷涡指数、经向风应力、风应力旋度和黑潮入侵西向流速的经验模态分解均显示,3 a左右周期的IMF1是冷涡和风场的主周期,而7 a周期的IMF2是黑潮入侵的主周期。表2给出了IMF1～IMF3冷涡与风场和黑潮入侵的相关系数和因果关系。

表2 CEI、经向风应力、风应力旋度和黑潮入侵流速本征变化的相关性和因果信息流Table 2 Correlation and causality of the IMFs of CEI,meridional wind stress,wind stress curl and Kuroshio intrusion velocity

由表2可见,在3 a周期上,经向风应力与CEI的相关性最高,为0.55。其次为其与风应力旋度的相关系数,-0.24,而其与黑潮入侵的相关系数最小,为0.17。风场和冷涡之间的信息流相当,而CEI到黑潮入侵的信息流大于黑潮入侵到CEI;在7 a左右周期上,黑潮入侵和经向风应力与CEI正相关,其中黑潮入侵的相关系数最高,为0.23,而风应力旋度和CEI为负相关。各因子对CEI的信息流均大于CEI对各因子,其中黑潮入侵对CEI的信息流最大,为0.07;在13 a左右周期上,黑潮入侵流速与CEI呈现显著相关,相关系数达到0.53,CEI对黑潮入侵的信息流也最大达到0.26。而风应力和CEI则为负相关,相关系数为-0.46。在该周期上,风应力旋度的相关性最小。上述结果表明:①在短时间尺度下(约3 a)风应力和风应力旋度对LCE变化过程中起了主要作用,且风场和LCE之间互为因果;②在7 a周期上,黑潮入侵和风应力旋度对LCE的变化作用较大,而与风应力旋度呈现负相关;③在年代际的长时间尺度上(约13 a),LCE与黑潮入侵相关性最高,二者互为因果且LCE对黑潮入侵影响更大。

2.3.3 LCE强度变化与ENSO以及PDO的关系

南海风场和黑潮入侵受ENSO和PDO过程的影响[40-44],因此CEI变化可能与太平洋的这两种过程相关。图9为ENSO和PDO指数的年际变化及其和研究区冬季CEI距平(CEI减去平均值)的对应关系。可见,Niño3.4指数为正值时,CEI距平多为正值,即LCE比平均态偏弱;而Niño3.4指数为负值时,CEI距平多为负值,即LCE偏强。统计可知:CEI距平为正值的年份共16 a,其中发生在Niño3.4指数为正的年份共12 a,占比75%;CEI距平为负值的共19 a,其中发生在Niño3.4指数为负的年份共10 a,占比52.6%。说明厄尔尼诺年LCE偏弱,拉尼娜年LCE偏强。这与He等[19]利用海面高度得到的结果类似。对CEI距平和PDO位相的统计显示,CEI距平为正值即LCE变弱的14 a中有9 a为PDO负位相,占比64.3%;反之LCE增强的19 a中有11 a为PDO正位相,占比57.9%。该结果显示PDO与CEI距平反相关,PDO正位相时,CEI距平为正,LCE增强,反之则减弱。

图9 1985—2020年Niño3.4指数和PDO指数与CEI距平的变化Fig.9 Variation of Niño3.4 index,PDO index and CEI anomaly from 1985 to 2018

3 讨论

本文利用海表温度差作为LCE强度指数(CEI)进行分析,前人研究中也有使用海面高度异常SLA或海面流场涡度[45]来表征涡旋强度的。相比SLA和流场涡度,海表温度SST观测时间序列相对较长。本文使用1993年以来的SLA和地转流场涡度作为指征进一步分析LCE的年际变化。其中流场涡度,由COPERNICUS网站[30]提供的海面地转流速u g和v g计算得到。

图10a和10b分别为冬季研究区海表流场涡度和海面高度异常在1993—2019年的变化。结果显示,研究区冬季流场涡度是逐年减弱的,平均每年的变化率为-4.5×10-10N/m3,这与前文利用温度差定义的CEI逐年减弱的结论一致,可以作为LCE减弱的又一证据。同时,研究区1993—2019年SLA逐年增高,年增长率为3.3×10-3m/a(图10b),该显著升高特征一方面反映了LCE的减弱,另一方面也反映出全球变暖导致的海面升高起到很大作用。SLA直接作为LCE指数可能会引入全球变暖所导致的误差。对涡度场的EEMD分解显示,涡度场3 a左右为主周期,方差贡献率52.2%。采用海表温差作为冷涡指数CEI,与海面涡度作为指标得到的结果较为一致。

图10 1993—2019年研究区冬季海表流场涡度和SLA的年际变化Fig.10 Interannual variation of sea surface current vorticity and SLA in the study area from 1993 to 2019

本文的研究还给出了近20～30 a来吕宋冷涡海域平均SST的年增温率(0.032℃/a,图3)和SLAS年增长率(3.3×10-3m/a,图10)。张秀芝等[46]的研究也指出1980年以来南海北部海温呈现明显的上升趋势,其中20世纪80至90年代增温最快,增幅达到0.03℃/a,且在1998年达到近百年的温度峰值。这与本文研究区域的SST年际变化趋势较为一致。对于SLA年际变化趋势,余荣臻等[47]最新研究指出1993—2017年南海SLA呈现增长趋势,其中冬季增长率最大,为4.53×10-3m/a。相比于南海平均值,吕宋冷涡区域增长率偏低约26%。