日本海中尺度涡旋时空变化特征研究

杨霄 ，张永垂，夏长水，董昌明 ，胡楠，汪浩笛，陈诗尧

(1.南京信息工程大学 海洋科学学院，江苏 南京 210044；2.自然资源部第一海洋研究所，山东 青岛 266061；3.国防科技大学 气象海洋学院，湖南 长沙 410073；4.南方海洋科学与工程广东省实验室（珠海），广东 珠海 519082)

1 引言

海洋是时刻流动着的各种不同尺度运动的叠加，包括了从海盆尺度的环流到中尺度的涡旋、锋面过程再到小尺度的湍流等不同时间、空间尺度的运动。与大尺度环流不同，直到20 世纪70 年代初，人们才逐渐对海洋中尺度现象有了一定的认识[1]。典型的中尺度现象包括中尺度涡旋、锋面、沿岸上升流等[2]，其中，中尺度涡旋在大洋中普遍存在[3]。中尺度涡旋在时间尺度上跨越几十至上百天；在空间尺度上，从几十千米到几百千米不等。为深入了解中尺度涡的结构特征，国内外海洋学家从观测、数值模拟和理论分析等方面对其进行了研究[4-5]。随着卫星遥感的快速发展以及深度学习和人工智能技术的进步，全球及区域海洋中尺度涡旋研究成为热点[6-18]。

日本海是西北太平洋一个半封闭的边缘海（图1a），其地理位置特殊，地形复杂，海气相互作用强烈，有着独特的环流结构（图1b），包括从对马海峡流入的对马暖流和海盆内部的气旋式环流[19]，中尺度涡旋频发[20]，海表温度季节变化明显，具有强烈的垂向水体交换，表现出明显的大洋特征，因此又被称为“微型海洋”。早前有关日本海中尺度涡旋的研究主要依赖于零星的遥感观测资料和航次实测资料，研究区域主要集中在西南部的郁陵盆地附近[21-25]。

Jacobs 等[26]利用TOPEX/POSEIDON（Topography Experiment/ Poseidon Monitored Global Ocean Circulation）卫星高度计数据和模式数据，研究了中尺度涡对日本海平均环流的影响，指出涡旋有助于极地锋面的输运和东韩暖流的分离。Morimoto 等[27]通过海表面高度数据，研究了日本海中部及南部涡旋的空间分布及其季节变化。Ebuchi 和Hanawa[28]使用7 年的卫星高度计数据，探讨了日本海南部涡旋对黑潮路径的影响，发现气旋和反气旋可与黑潮发生相互作用进而导致黑潮路径的短期弯曲。Mitchell 等[29]利用声学实测数据持续观察了多克岛周边的多克冷涡，对其生命演变及其导致的东韩暖流路径偏移的原因进行了详细的讨论。Lee 和Niiler[30-31]使用海表面高度异常数据，基于绕角法探测了日本海10 多年的中尺度涡旋，并利用浮标数据进行了验证，结果表明，郁陵盆地是涡旋的高发区，并将该区域涡旋系统分为3 类，即韩国沿岸涡旋、沿惯性流的锋面涡旋以及郁陵暖涡/多克冷涡。Shin 等[32]利用高度计及温盐深（Conductivity Temperature Depth，CTD）剖面仪数据分析了郁陵暖涡的时空变化规律，结果显示只有7%的郁陵暖涡与东韩暖流无关，由暖流驱动的涡旋均具有高温高盐的特性，生命周期较长，且内部结构随季节变化明显。除上述涡旋外，研究区域还存在着一些特殊涡旋—温跃层涡旋和异常涡旋。Hogan 和Hurlburt[33]讨论了日本海温跃层涡旋的形成原因，该类型涡旋与反气旋稍有不同，上部在夏季呈暖水状[34]。各项研究表明，温跃层涡旋受季节性环流、地形、温暖的淡水输入以及上层水的再层化等影响。Young 等[35]基于粒子跟踪实验，提出了一种新型的涡旋识别算法，并用于郁陵盆地内温跃层涡旋的探测，表明该类涡旋依赖于相对涡度，其形态受郁陵盆地的强烈影响，且在涡旋边缘伴随着较高的叶绿素浓度。Sun 等[13]在北太平洋发现了异常涡旋结构，即气旋涡中心海表面温度高于涡旋周围，而反气旋则相反，并基于多源卫星数据统计分析了其时空特征和区域相关性，结果表明，日本海西南部及南部为暖核气旋涡的高发区，具有明显的季节变化，其形成可能与涡旋衰亡阶段的不稳定性或涡-涡相互作用有关。

综上所述，现有日本海涡旋的时空分布特征分析已较充分，但往往限于中尺度涡频发的特定区域和特殊涡旋展开研究，如日本海西部和南部涡旋以及与其相关的变化机制，有关整个海区及海区中部和北部涡旋的基本特性等还有待进一步的深入探究。随着卫星高度计观测资料的累积，为进一步探究日本海全海域、长时间涡旋的时空变化特征提供有效的数据支撑。本文利用基于海表面高度异常的涡旋数据集对日本海（31°～52°N，127°～143°E）1993-2019 年中尺度涡的时空变化规律和基本特征进行统计分析，并结合AVISO（Archiving Validation and Interpolation of Satellite Oceanographic Data）高度计数据和海表温度数据（Sea Surface Temperature，SST）探讨涡旋的各项特征变化及其与大洋涡旋的异同点。

2 数据与方法

2.1 研究数据

2.1.1 涡旋数据集

中尺度涡旋时空演变及各物理特征分析研究采用AVISO 发布的一套基于逐日海表面高度异常（Sea Level Anomaly，SLA）数据，并利用新型涡旋识别算法得到的全球中尺度涡数据产品[6-7]。该数据集时间跨度为1993 年1 月1 日至2019 年10 月15 日，包括中尺度涡的生命周期、中心位置、半径、振幅、旋转速度等基本特征信息。该产品已广泛应用于边缘海以及大洋等不同区域的中尺度涡特征研究[36-40]。

2.1.2 高度计数据

海表特征信息采用了哥白尼海洋环境监测中心（Copernicus Marine Environment Monitoring Service，CMEMS）的多源卫星融合高度计资料，即海表面高度异常数据，该资料主要由TOPEX/POSEIDON、Jason-1和ERS/Envisat（European Remote Sensing Satellite/ Environmental Satellite）等多卫星数据融合而成，提供了近实时（Near-Real-Time，NRT）和延迟时间（Delayed Time，DT）的测高产品。近实时资料可以为业务应用提供及时的高度计产品，而延时资料则可为海洋学研究提供质量更高的高度计产品，更加真实地表征海表面高度和地转流速。本研究选用时段为1993 年1 月1 日至2019 年12 月31 日，基于空间尺度分辨率为（1/4）°×（1/4）°的逐日数据集，包括海表面高度异常、绝对地转速度、地转速度异常等。

2.1.3 海表温度数据

海表面温度采用来自美国国家航空航天局（National Aeronautics and Space Administration，NASA）的高分辨率辐射仪（Advanced Very High Resolution Radiometer，AVHRR）红外探测数据，其空间分辨率为25 km×25 km，时间分辨率为1 d，研究选用时段为1993 年1 月1 日至2019 年12 月31 日。

2.2 研究方法

2.2.1 涡旋识别

涡旋数据产品基于海表面高度的闭合轮廓识别和跟踪涡旋轨迹。根据SLA 的局部极大值点设置阈值的初始值，并以此点为基础以一定值不断减小阈值，直至其相邻像素的SLA 数值大于该阈值，即识别到反气旋涡；气旋涡则相反。其中，每个时间步长的最外侧闭合轮廓的海表面高度和内部极值之差定义为涡旋振幅，该闭合轮廓线内区域即为涡旋。涡旋旋转速度定义为旋涡内所有速度的平均，涡旋半径定义为与涡旋旋转速度围成区域面积相同的圆的半径。具体方法描述见文献[7]。

2.2.2 涡动能计算

涡动能（Eddy Kinetic Energy，EKE）为表征涡旋能量高低的度量参数，其空间分布有利于能量源和汇的分析。基于SLA 数据，计算涡动能的公式为

式中，u′、v′分别为纬向地转速度和经向地转速度异常，其计算公式为

式中，h′为海表面高度异常；g和f分别为重力加速度和科氏参数。

3 涡旋的表面特征

涡旋空间分布强度可用EKE 和海表面高度异常均方根（Root Mean Square of the SLA，SLA RMS）来表征。从海表面地转速度异常得到整个研究区域的EKE和SLA RMS 多年平均空间分布见图2。涡旋活跃区整体呈现西南-东北走向，基本沿对马暖流流轴分布[41]。其中，有4 个局地大值区域，分别为郁陵盆地、大和盆地西部和中部以及津轻海峡西北部。尤其是郁陵盆地和大和盆地的EKE 远高于其他区域，最高达325.1 cm2/s2，SLA RMS 则达38.5 cm。郁陵盆地和大和盆地交界处的EKE 和SLA RMS 较盆地内部低，而日本海北部（40°～52°N，133°～142°E）为EKE 和SLA RMS 低值区。

图2 涡动能（a）和海表面高度异常均方根（b）多年平均空间分布Fig.2 Spatial distribution of the multi-year average eddy kinetic energy (a) and root mean square of the sea level anomaly (b)

图3 为涡动能和海表面高度异常均方根随时间变化图。图3a 为面积加权后的平均年际变化。可以发现，EKE 大多数集中在70～100 cm2/s2，在1995 年、1999 年、2001 年、2004 年、2010 年、2013 年、2017 年和2019 年EKE 较强，最高可达119.17 cm2/s2；而1996 年、2006 年、2008 年较弱。SLA RMS 的变化与EKE 相似，但个别年份与EKE 趋势相反，如1994-1996 年、2006 年、2012 年以及2016 年。图3b 为面积加权后的线性增长率。两个物理量的线性增长率也进一步表明了两者的相似性。值得注意的是，除2002 年、2004 年、2006-2007 年、2010-2014 年、2018-2019年，其他年份SLA RMS 的增长率均大于EKE。其中，EKE增长较快的1998 年、2002 年、2014 年及2016年为强厄尔尼诺（ElNiño）年，尤其是1997-1998 年 为1950 年以来最强，相应地EKE 和SLA RMS 值也为时段内的局部峰值。拉尼娜（La Niña）现象则与参数值较小的2000 年、2008 年有一定的相关性。由此可见，日本海地区EKE 和SLA RMS 的年际变化可能与厄尔尼诺和拉尼娜现象有一定程度的联系。

图3 涡动能（EKE）和海表面高度异常均方根（SLA RMS）（a，c）及其线性增长率（b，d）的时间变化序列Fig.3 Time series of eddy kinetic energy (EKE) and sea surface height anomaly root mean square(SLA RMS) (a,c) and its linear growth rate (b,d)

图3c 和图3d 为涡旋活动强度的季节变化，与年际变化相同，EKE 与SLA RMS 的变化趋势基本一致，均表现为上半年低，下半年高的特征，峰值分别在9 月和10 月，增长率在8 月达到最高，约为55.9%。不同的是，春季（3-5 月）两者趋势相反，SLA RMS 的增长较弱。

有两种定义涡旋数量的方法：拉格朗日法和欧拉法。前者将涡旋整个生命周期视作一个涡旋；后者则为每个时刻所识别出区域内的所有涡旋。在1993-2019 年的27 年间，基于拉格朗日法共探测到中尺度涡旋1 429 个，其中气旋涡旋675 个，反气旋涡旋754 个，反气旋数多于气旋数约11.7%。基于欧拉方法探测到涡旋98 390 个，其中气旋和反气旋分别为45 321 个和53 069 个，反气旋数多于气旋数约17.1%。对中尺度涡旋活跃的郁陵盆地和大和盆地统计表明，用拉格日法在郁陵盆地（35°～40°N，127°～134°E）识别出237（241）个气旋（反气旋），分别占整个日本海区域的35.1%和32.0%；欧拉法识别出的气旋和反气旋分别为16 292 和18 273 个。大和盆地（35°～42°N，134°～141°E）的中尺度涡旋数量少于郁陵盆地，基于拉格朗日法（欧拉法）共计气旋204（15 873）个，反气旋248（17 561）个。

由以上统计结果可知，日本海反气旋涡和气旋涡数量基本相当，前者约多12%～17%；大多数中尺度涡旋集中在郁陵盆地和大和盆地。为了更好地理解涡旋的时空变化特征，下文将对不同极性涡旋的几何特征，如尺寸、中心位置（经度和纬度）、振幅、旋转速度、移动规律以及生消特征等方面进行研究。

3.1 涡旋的几何特征

首先对基于拉格朗日法识别到涡旋的时空分布、尺寸、生命周期、振幅等物理特征进行分析。图4a为中尺度涡旋的年际变化。每年涡旋数约为256 个，除1996 年、2009-2012 年、2015 年，其他年份的反气旋均多于气旋。气旋数量约为反气旋数的89.5%，尤其在2000 年、2014 年、2018-2019 年，气旋显著少于反气旋。同时2009-2012 年气旋连续反常增多以及2017-2019 年与反气旋相差变大，也值得进一步研究。虽然涡旋数量无明显的线性变化趋势，但其具有3～5 年的周期，如1993-1996 年为第一个小周期，涡旋数量整体呈峰状；1996-2000 年为第二个周期，由此类推。结合图3a 可以发现，反气旋数量与EKE在1995 年、2001 年、2004 年、2010 年、2017 年有较好的一致性，同时计算发现，反气旋平均EKE 比气旋大约32.1%，在上述年份更为显著，表明EKE 中反气旋涡占大部分。图4b 为涡旋的月变化，可以发现涡旋数量呈逐渐上升趋势，且反气旋更加明显，其中9-11 月的涡旋数量最多，12 月至次年2 月次之，6-8 月最少。同时可以看到，所有月份的反气旋数量均多于气旋，在春季和秋季尤为突出；6-8 月两种极性涡旋数基本相当。两种极性涡旋的季节变化与EKE 和SLA RMS 的变化趋势相近，均为秋季最高，气旋和反气旋分别于9 月和10 月达到最大值。

图4 涡旋数量的年际变化（a）和月变化（b）Fig.4 The interannual (a) and monthly (b) variation of eddy numbers

为更清楚地了解涡旋在不同区域的分布情况，将研究区域划分为0.1°×0.1°的格点（约100 km2），筛选出基于每个时刻的涡旋数量，得到气旋45 321 个，反气旋53 069 个。两种极性涡旋空间分布相近（图5），整体呈倾斜的“J”状，涡旋频发区域为日本海南部郁陵盆地、大和盆地以及北海道岛西侧，与图2a 和图2b高值区基本一致。反气旋的空间分布范围更广，最北可达48.5°N。区域内每个格点最多可出现涡旋90 个。相比而言，日本海西北部，尤其是日本盆地中部（43°～45°N，135°～148°E）以及北部（47°～51°N，139°～142°E）的涡旋较少。大陆边缘处涡旋数量较少可能是受水深较浅影响，而高纬度地区涡旋数量较少可能与较弱的平均流有关。

图5 涡旋数量在0.1°×0.1°网格内的空间分布Fig.5 Spatial distribution of average eddy number over 0.1°×0.1° bins

图6 左列给出了基于整个生命周期（不小于20 d）涡旋的数量变化，可以发现随着时间的增长，数量逐渐减小，约有一半涡旋的生命周期位于40～70 d。其中，气旋和反气旋的平均生命周期分别为67.1 d 和70.4 d。由气旋/反气旋生命周期比值（图6i）可知，对于短生命周期（小于120 d）和长生命周期（大于240 d）反气旋略多于气旋；而在生命周期长于150 d 并小于180 d 时，气旋较多。从不同半径涡旋的数量分布可以发现（图6f），涡旋整体呈偏态分布，在半径为60 km处数量达到最大。反气旋和气旋的平均半径分别为64.7 km 和66.8 km。对于较小半径（小于70 km），反气旋多于气旋涡（约多8.9%）；对于较大半径（90～140 km），气旋略占优势。从涡旋振幅直方图（图6g）可知，反气旋和气旋的平均振幅分别为8.0 cm 和7.7 cm。对于小振幅（10～26 cm），反气旋多于气旋；对于大振幅（大于26 cm），气旋明显多于反气旋。图6 最右列为涡旋的旋转速度统计结果。气旋和反气旋均呈偏态分布，但峰值差异明显，气旋约为16 cm/s，反气旋约为22 cm/s。两种极性涡旋的平均旋转速度相近，气旋和反气旋分别为23.0 cm/s 和22.9 cm/s。

图6 涡旋生命周期（a、e、i）、半径（b、f、j）、振幅（e、g、k）和旋转速度（d、h、l）分布Fig.6 Distribution of eddy life cycle (a,e,i),radius (b,f,j),amplitude (e,g,k),and rotation velocity (d,h,l)

与上述研究方法相似，将研究区域分为0.5°×0.5°网格（约2 500 km2），分别对涡旋的半径、振幅和旋转速度3 种参数进行统计（图7）。可以看出，日本海中部及南部涡旋半径主要分布在60～75 km 范围，大值区位于大和盆地西侧和郁陵盆地。值得注意的是，日本海北部涡旋半径较大，但由涡旋数量分布（图5）可以发现，该区域涡旋数量较少，可能是由较大的个体差异导致。在日本海南部（36°～42°N），气旋和反气旋的半径基本相当，都随纬度的增加呈减小趋势。上述变化趋势可以由浮力频率与第一斜压罗斯贝半径的关系得到验证。Chen 等[42]分析得出，中尺度涡旋半径随纬度的变化与罗斯贝半径大体相近。涡旋振幅与旋转速度分布基本一致，两者都表现为反气旋显著大于气旋。除郁陵盆地西部存在较大旋转速度的气旋，其他大值区均集中在郁陵盆地中部和大和盆地，且在40°N 以北有显著减小的趋势。由上可知，在日本海区域内反气旋的物理特征更加显著。

图7 涡旋半径（a，b）、振幅（c，d）和旋转速度（e，f）在0.5°×0.5°网格内的空间分布Fig.7 Spatial distribution of eddy radius (a,b),amplitude (c,d) and rotation velocity (e,f) in a 0.5°×0.5° grid

图8 左列为涡旋几何参数的年际变化，不同极性涡旋半径随时间无明显线性趋势。反气旋的半径变化较气旋幅度偏大。2002 年、2007-2009 年反气旋半径为峰值。涡旋振幅和旋转速度的年际变化基本相同，气旋和反气旋之间相差不大，但在2002-2004年、2005-2009 年、2012-2013 年以及2014-2015年，两种极性涡旋呈现相反变化。图8 右列为各参数的季节变化，气旋和反气旋涡整体趋势相似，即夏末和秋冬季为高值，春季为低值。其中，气旋和反气旋半径在1-5 月呈同步趋势，均表现为春季较小，气旋在8 月达到局部峰值，反气旋则在6 月和10 月达到局部峰值。此外，尺寸涡旋多存在于夏末和冬季，较小涡旋则多发于春季。涡旋振幅和旋转速度的年内变化基本一致，反气旋较气旋更显著，大值多存在于秋冬季，较小振幅和旋转速度的涡旋则集中在春夏季。

图8 半径（a，b）、振幅（c，d）和旋转速度（e，f）的年际变化（a，c，e）和月变化（b，d，f）Fig.8 Interannual (a,c,e) and seasonal (b,d,f) variations of eddy radius (a,b),amplitude (c,d) and rotation velocity (e,f)

就单个生命周期（拉格朗日涡旋）而言，可以将涡旋从产生到消亡分为4 个阶段，即生成阶段（0～0.1），增强阶段（0.1～0.3），成熟阶段（0.3～0.8），衰亡阶段（0.8～1）。利用上述标准分别对675 个气旋和754 个反气旋的涡旋半径、涡旋振幅以及旋转速度在不同生命阶段的演变情况进行归一化。如图9 所示，涡旋的半径、振幅、旋转速度的变化趋势基本一致，均呈现先逐渐增加后逐渐减小的单峰状结构。两种极性涡旋的振幅基本重合，但随着生命周期的增加，气旋和反气旋半径的差别先逐渐增大后减小，而旋转速度则为持续减少。总体上，气旋半径变化曲线的上凸程度大于反气旋，而反气旋旋转速度的变化大于气旋。两种极性涡旋在衰亡期逐渐接近。3 种参数在涡旋的形成期和衰亡期变化都较激烈，在增强期和成熟期相对平缓。

图9 涡旋半径（a）、振幅（b）和旋转速度（c）随生命周期的演变Fig.9 Time evolution of the mean normalized eddy radius (a),amplitude (b) and rotation velocity (c)

3.2 涡旋移动规律特征

中尺度涡旋在运动过程中可输运海水，进而影响物质、能量、动量等的传输。涡旋传播的速度和方向一般情况下受平均流控制，但复杂的海气相互作用会对涡旋运动产生影响。同样将研究区域划分为0.5°×0.5°网格（约2 500 km2）以展示气旋和反气旋的传播方向及速度大小，箭头代表相应网格的平均传播方向（图10）。反气旋的平均传播速度为5.6 cm/s，气旋为6.6 cm/s。涡旋在郁陵盆地和大和盆地的传播速度较慢，日本海盆的中部和东北部较快。由于移动速度以格点为单位进行统计，因此北部出现的高值可能与涡旋数量少，个体差异较大有关。对于传播方向而言，自南至北气旋可分为3 部分（图10a）。第一部分位于39°N 以南区域，以对马海峡为起点，气旋分别沿韩国东部和本州岛移动，其中沿韩国东岸移动的气旋于39°N 附近顺时针弯曲，而沿本州岛移动的气旋则先分为两股向东北传播，后又重合向西北方向传播。第二部分为42°N 附近海域，气旋自西向东移动至津轻海峡。第三部分则为43°N 以北海域，气旋沿俄罗斯沿岸向西南方向传播。结合图1b 日本海表层环流结构，气旋涡移动路径分别与EKWC 的分支、OB/NB、SPFC 以及LCC 有较好的相关性。反气旋涡的运动较气旋涡更加明显（图10b），在大和盆地基本呈沿海岸线向东北移动，与NB 的移动路径一致；北海道岛西部和西北部向西南移动，整体为逆时针，速度较大的涡旋同样分布在日本海盆中部。郁陵盆地涡旋移动较为复杂，自36°N 附近分别以北向、逆时针、东北向3 种方向移动，部分与沿岸的EKWC 一致。两种极性涡旋在本州岛沿岸附近传播路径重合，均呈东北向移动至津轻海峡后向西北方向偏移，与Lee 和 Niiler[30]的研究结果一致。此外，日本盆地中部和北部的涡旋传播方向较为无序，这可能与地形和洋流的影响作用有关[43]。

图10 气旋（a）和反气旋（b）在0.5°×0.5°网格内的传播示意图Fig.10 Schematic diagram of cyclonic eddies (a) and anticyclonic eddies (b) propagation in a 0.5°×0.5° grid

图11 为日本海涡旋东向和北向传播速度随经纬度的变化情况（向东和向北为正）。从图中可以看出，除了副极地锋区（33°～40°N，129°～131°E），大部分涡旋都向东传播，最大可达4.1 cm/s。东向传播速度随纬度的增加逐渐减小。气旋和反气旋相似，但反气旋平均传播速度稍大于气旋且整体变化幅度强于气旋。随着经度的增加，涡旋东向传播速度逐渐增加，且气旋传播速度的增长幅度大于反气旋，随后由于陆地的阻挡，传播方向转变为西向。追踪涡旋发现，南北向的传播速度同样也随经度变化较明显。图11d中，反气旋主要向北传播，而气旋则变化不明显。133°E以东，随着经度的增加反气旋传播速度逐渐增加，并在138°E 左右方向出现了突变，随后向北加快传播；气旋则转向南传播。图11a 与图11c 大体相似，不论是东向还是北向的传播速度随纬度的变化均大于随经度的变化，且均在40°N 附近发生偏转。

图11 涡旋纬向和经向的平均传播速度Fig.11 Zonal and meridional average propagation speeds of eddies

进一步将两种极性涡旋的起点位置初始化为原点（0°N，0°E），分别统计相对于纬度和经度的传播轨迹情况（图12a，图12b）（向东和向北为正）。结果显示，气旋平均传播距离为90.3 km，反气旋为82.7 km，两种极性涡旋的平均经度分别为0.35°和0.11°，气旋向赤道和极地方向移动的平均角度为0.49°和0.52°，反气旋则为0.44°和0.54°，即涡旋均表现出向极地传播的角度大于向赤道传播的特征，反气旋移动角度略大于气旋。图12c 显示，有61.4%的气旋和79.8%的反气旋向赤道传播。对于纬向运动而言（图12d），向东移动的反气旋和气旋比例分别为42.8%和47.2%，而向西移动的反气旋和气旋基本相当。

图12 气旋（a）和反气旋（b）相对传播轨迹和涡旋北向（c）、东向（d）移动的概率分布Fig.12 Probability distribution of relative trajectories of cyclonic eddies (a) and anticyclonic eddies (b) and eddies moving northward (c)and eastward (d)

3.3 涡旋的生消特征及机制

为更清楚地了解涡旋的产生和消亡，将基于每个生命周期（拉格朗日法）所探测到的每个涡旋的首次和末次探测定义为涡旋的产生时刻和消亡时刻。两种极性涡旋的生成和消亡分布如图13 所示。气旋和反气旋的产生较为相似，大都分布在郁陵盆地、大和盆地以及北海道岛西侧（43.5°～46°N，139°～141°E），大和隆起海域也有较多涡旋产生，可能与地形[44]以及风吹过岛屿产生的岛屿尾涡有关[24,27]。与气旋不同，北部的反气旋较多，在44°N 附近存在涡旋高生成区。图13c 和图13d 显示西部、东南部以及津轻海峡附近是涡旋消亡最多的海域，自南向北呈带状分布，这可能与较弱的环流和陆地的阻挡作用有关[45]。

图13 气旋（a，c，e）和反气旋（b，d，f）在0.5°×0.5°的网格内的空间分布Fig.13 Spatial distribution of cyclonic eddies (a,c,e) and anticyclonic eddies (b,d,f) in a 0.5°×0.5° grid

将涡旋的生消比值进行统计可以发现，总体呈块状分布（图13e）。在郁陵盆地及日本海西部，气旋的生成数多于消亡数；而大和盆地则相反，越靠近本州岛消亡越明显。反气旋整体分布与气旋略为不同：在西北部和西南部，表现为消亡数多于生成数；在大和盆地与气旋相似；在45°N 以北反气旋较多生成。结合图12 涡旋的传播轨迹，传播方向及速度决定了大多数涡旋在东边界附近消亡。

图14 为日本海涡旋产生和消亡随时间的变化。从图14a 和图14b 中可以看出，2000 年之前，不论是产生还是消亡，反气旋数量均多于气旋。从涡旋的产生来看，平均每年可产生25 个气旋和27 个反气旋。2001年、2007 年、2009-2011 年、2015 年产生气旋较多，1995 年、2013 年、2018-2019 年则相反。对反气旋而言，2000 年、2003 年、2005 年、2010 年、2013 年、2017年数量较多，2002 年、2009 年、2012 年较少。两种极性涡旋在2010 年均达到局部峰值。从涡旋消亡的趋势来看，气旋和反气旋趋势相似，数量较多的年份几乎一致。图14c 和图14d 显示为涡旋生命状态的季节变化。反气旋较气旋的产生有明显的变化趋势，春季、夏季、秋季有较多的反气旋产生，并在3 月和7 月达到最高；而气旋呈平稳状态，夏季后期和秋季有较小幅度的上升，在1 月和12 月变化明显。除去冬季，其他时期的反气旋皆多于气旋，与全球涡旋产生趋势相反[6]。两种极性涡旋的消亡趋势不同于生成趋势，反气旋在春夏季以及11 月、12 月明显多于气旋，在1 月、8 月、10 月较少，气旋则多消亡于1 月、5 月、10 月，在4 月、7 月、11 月较少。

图14 涡旋产生和消亡的年际变化（a，b）与月变化（c，d）Fig.14 Interannual variation (a,b) and monthly variation (c,d) of eddy generation and extinction

由图14 可知，两种极性涡旋生消的时间变化存在差异，反气旋涡旋的生成有着较强的季节性变化。前人研究指出，斜压不稳定是形成涡旋的重要因素[4,42,46-47]，研究发现东北边界流和南向流动的不稳定性可诱发韩国东部沿海涡旋产生[30]。为进一步阐述斜压不稳定机制的作用，对1993-2019 年海表面温度梯度与涡旋生成之间的相关性进行分析。图15 的平均海表面温度经向梯度表现出强烈的年际变化和季节变化。图15a 年际变化显示SST 经向梯度在2001-2004 年、2016 年相对较小，对应图14a 中相应年份涡旋产生也较少。SST 经向梯度的季节变化与涡旋变化相似。其中梯度与反气旋的相关系数为0.55（p=0.05），与气旋的相关系数为0.39（p=0.29），分别呈显著相关和低度相关（0～±0.3 为微弱相关，±0.3～±0.5为低度相关，±0.5～±0.8 为显著相关，±0.8～±1.0 为高度相关[48]）。同时发现，夏末和秋冬季（6-12 月）SST经向梯度与涡旋产生趋势基本一致，呈单峰状，与反气旋和气旋的相关系数分别可达0.92（p=0.003 4）和0.62（p=0.1）。反气旋与SST 经向梯度之间的显著相关说明动力学不稳定是涡旋尤其是反气旋秋冬季大量生成的主要原因。

图15 研究区域内经向SST 梯度的年际变化（a）和月变化（b）Fig.15 Interannual variation (a) and monthly variation (b) of the SST gradient in the study area

4 总结与讨论

本文基于1993-2019 年涡旋数据集以及SLA数据，利用欧拉和拉格朗日法分别对涡旋基本特征进行了统计分析，包括生命周期、传播速度、时空变化、产生与消亡等物理特性，以及半径、振幅、旋转速度等的演变。拉格朗日统计结果表明，日本海区域共存在中尺度涡旋1 429 个，其中气旋675 个，反气旋754 个。基于欧拉方法，共探测到涡旋98 390 个，其中气旋和反气旋分别为45 321 个和53 069 个，反气旋数量略多于气旋。从空间分布来看，涡旋多活跃于郁陵盆地、大和盆地，北部则较少。从年际变化来看，27 年间涡旋数量并无明显变化，数量较多和较少年份与厄尔尼诺和拉尼娜现象可能存在一定的相关性。但涡旋数量存在显著的季节变化，秋季最多，春季和冬季次之，夏季最少，这可能与当地的季风和环流有关。相关研究发现，反气旋多在郁陵盆地春季产生，随后沿海岸向东移动，伴随着涡旋的合并和分裂[24,27]。进一步对涡旋时空演变进行分析，发现在中短期涡旋中，反气旋数量占优。涡旋振幅和旋转速度的大值区与涡旋分布相似，集中在西部和西南部。半径则与前两者不同，北部存在大于西部和南部的涡旋。与Chelton 等[7]的全球涡旋统计相比，日本海涡旋半径和振幅略小，而旋转速度较大。将涡旋生命周期归一化，发现涡旋的多项参数都有着大致相似的演变趋势，即涡旋的产生阶段和消亡阶段有较大的变化，而中期较稳定。

对日本海涡旋的移动规律进行分析发现，涡旋整体沿西南-东北方向传播，速度较大出现在北部，且反气旋和气旋均表现出向赤道移动的小偏转。Chelton等[7]对全球涡旋研究发现，由于 β效应，涡旋轨迹呈强烈的西向传播，气旋整体向极地移动而反气旋向赤道移动。本研究显示，日本海大多数涡旋向东或东北向移动，与全球涡旋总体传播趋势不同。日本海区域涡旋的传播除了受 β效应影响，还与局地的环流、地形和季风等因素有关。日本海地形复杂且环流结构独特，将上层环流和地形与涡旋传播轨迹相对应，可以发现涡旋沿环流移动，其中38°N 以南，涡旋的传播轨迹与东韩暖流和对马暖流的近岸、离岸两分支相一致。而气旋在42°N 附近的东向流动和43°N 以北的西南向流动也与副极地锋流和黎曼寒流相一致。同时反气旋于38°N，134°E 附近的逆时针传播与大和隆起相对应，涡旋可能受到局地地形的影响后而发生偏转。虽然郁陵暖涡的平均传播为东北向，但部分涡旋表现出沿朝鲜海岸向北移动的趋势，这与Shin 等[49]的研究一致。

最后，利用海表面温度数据验证了动力学不稳定是日本海涡旋生成的主要原因之一。结果显示，在6-12 月，海表面温度梯度与反气旋和气旋的产生数量分别呈高度相关和显著相关。由于数据的局限性，本研究仅对斜压不稳定做了分析。而通常情况下，涡旋的产生会受到多种机制影响。此外，日本海地形复杂，岛屿众多，地形、洋流和风场的相互作用也可能会对涡旋产生造成一定的影响，具体机制还有待进一步的研究。