近30年南海海平面高度的时空变化

唐 蕾， 陈梅花

(浙江师范大学 地理与环境科学学院,浙江 金华 321004)

0 前 言

南海是一个东北—西南走向的半封闭海盆，中部为断陷状的深海盆，平均水深为4 000 m，东邻菲律宾，通过吕宋海峡、东南部的民都洛海峡和巴拉巴克海峡与西太平洋相连，西近越南通过马六甲海峡与印度洋相通(见图1).南海因特殊的海底地形、季风转换等自然因素使该地区海平面变化具有一定的独特性.而南海沿岸人口密集、经济活动活跃，海平面上升带来的生产、生活及生态环境方面的压力巨大.因此，研究该地区海平面的时空变化规律，分析其变化趋势，有助于理解、预测与防范这一地区的海平面异常变化带来的自然灾害威胁.

注:基于自然资源部标准地图服务网审图号为GS(2016)2954号的标准地图制作，底图边界无修改

近年来，已有许多学者对南海海平面的变化趋势、周期规律及影响因素进行了相关研究，海平面公报显示,近40年来南海沿岸海平面上升速率为3.50 mm/a，高于同时段黄海、东海的上升速率[1]；常乐等[2]利用卫星测高数据发现,1993年以来南海的平均海平面上升趋势明显，为4.00 mm/a；余荣臻等[3]利用经验模态分解(empirical mode decomposition，EMD)方法研究了南海海平面的变化周期；张惠军等[4]发现南海海平面的年际变化与El Nino(厄尔尼诺)有着明显的关联;罗凤云等[5]研究了El Nino的发展年、衰减年及衰减年的次年海平面异常(sea level anomaly，SLA)空间分布.

上述研究成果有助于认识南海海平面变化的整体规律，但一些特定的区域如沿海海平面变化更值得进一步深入研究.这些区域的海平面变化对沿海城市的生产生活影响很大，同时沿岸海平面的测高数据也受城市生活的影响而可能存在误差，需要用验潮站的数据进行验证，沿岸海平面特征也需要结合验潮站的数据进行研究.此外，相对于其他时段，El Nino和La Nina(拉尼娜)期间海平面变化特征较为特殊，前人虽然有相关研究，但是缺乏严格按照事件的起止时间段进行SLA时空演变的分析，因此，在研究近30年SLA时空规律的基础上聚焦El Nino和La Nina时段SLA的时空变化特征进行对比分析很有必要.

本文将利用集合经验模态分解(ensemble empirical mode decomposition，EEMD)方法结合验潮站与卫星测高数据，研究沿岸海平面变化趋势及周期规律，应用差分整合移动自回归(autoregressive integrated moving average，ARIMA)模型预测未来5年沿海海平面的变化趋势，并根据Nino 3.4指数划分出El Nino和La Nina发生时段，研究这些时段南海SLA的时空特征.在近30年南海海平面时空变化特征的基础上，重点揭示沿岸海平面变化规律及El Nino和La Nina期间海平面的时空变化特征，为预警及应对沿海灾害提供理论依据.

1 数据来源

卫星高度计数据来自法国空间研究中心卫星海洋学存档数据中心(archiving validation and interpretion of satellite oceanography,AVISO)，该数据融合多颗卫星高度计(ERS-1/2，Topex/Poseidon，Sentinel-3A和Jason-3)的测高资料，去除多年海面高度平均值之后，消除了固体潮和海潮、海洋负荷潮汐、大气影响而得到可靠的全球海平面高度数据.本文使用的数据类型为SLA，反映的是由于季节变化和气候现象而引起的海洋表面高度的多变性，可用于研究海平面的变化规律.数据产品的时间分辨率为1 d，空间分辨率为0.25°×0.25°.本文选用南海海域(0°～25° N，105°～125° E)1993—2019年共27年的SLA数据.

验潮站(tide gauge，TG)数据由平均海平面永久服务中心(permanent service for mean sea level，PSMSL)提供.考虑到南海海平面显著上升的区域，选取了中国香港(鲗鱼涌)、菲律宾(库里马奥)、 越南(头顿)3个台站观测期间的月平均数据，与卫星高度计数据作对比分析.

2 研究方法

基于最小二乘、EEMD和ARIMA等方法，利用SLA和TG数据，分析1993—2019年间南海海平面时空变化特征及沿海海域海平面变化周期和趋势，并通过IB(inverse barometer)校正提高验潮站数据与卫星测高数据的一致性.

EEMD方法由EMD发展而来[6-7]，在原始时间序列上加入高斯白噪声，对多次EMD得到的固有模态函数(intrinsic mode functions，IMF)进行总体平均来抵消加入的白噪声，从而消除EMD中存在的模态混叠现象.其完全的自适应性和分解出来的IMFs(s取1，2，3，4)都具有较强的物理意义，故被应用于海平面变化研究中[8-9].本文加入白噪音为原始数据标准差的0.001倍，分解的集合数为600，使得各IMF项总平均后白噪声基本抵消.

TG受大气压力的影响在高程测量中存在逆气压IB效应.因SLA已经过大气校正(见第2节)，为了验证SLA和TG时间序列的一致性，本文对TG数据去除IB效应，IB效应校正公式[10]

EIB=-9.948(Ρ-1 013.3).

式中：Ρ是观测点的海面大气压；1 013.3为参考大气压.

ARIMA能够对具有较高时序性的时间序列进行短期的预测，本文通过时序差分将SLA时间序列平稳化，使用自回归函数图确定自回归过程阶数p，用偏自回归函数图确定滑动平均项数q，并依据最小信息化准则，确定ARIMA模型，用于预测南海沿海海平面的变化趋势.

3 结果与分析

3.1 南海SLA的空间分布特征

为了掌握27年南海海平面高度空间分布的整体特征，本文对研究范围内1993—2019年的SLA进行多年平均和标准差计算，并利用最小二乘法拟合计算线性速率，得到每个格点的SLA多年平均值、标准差和线性变化趋势(见图2).

(a)多年平均 (b)标准差 (c)线性变化趋势

南海27年 SLA平均值为6.16 cm，最大为12.01 cm，最小为0.03 cm.沿岸海域与中部海盆SLA相差较大.中部深海盆、吕宋海峡以东的海域多年平均SLA偏低3.00 cm左右，沿海海域、南海南部、民都洛海峡多年平均SLA明显偏高，超过7.00 cm，具体见图2(a).

南海东南部、吕宋海峡海域SLA变幅较小，标准差4.00 cm左右.受人类经济活动、地壳沉降等因素影响，沿岸海域SLA变幅大，标准差超过13.00 cm，具体见图2(b).

南海海平面总体上呈上升趋势，除吕宋海峡以东出现海平面轻微下降外，沿岸海域海平面上升速率快，在3.00 mm/a以上，越南东部上升速率显著，高达5.00 mm/a.而中部海盆上升速率分布不均匀，西南侧高达5.00 mm/a，但东侧低于3.00 mm/a，具体见图2(c).

因沿岸海域多年SLA变幅明显，后文将选取SLA变幅较大的3个沿海台站讨论南海沿海城市沿岸海平面变化特征及其周期规律.

3.2 沿岸台站海平面高度的周期变化

由3.1可知,沿岸海域海平面呈现出明显的上升趋势，SLA变幅较大.考虑到沿海海平面变化与南海沿岸城市的生产生活关系密切，笔者利用沿岸TG的数据来验证雷达测高数据的可靠性，并采用EEMD方法进一步分析沿海城市近岸海平面变化的周期规律与趋势特征.从研究区域选取了中国香港(鲗鱼涌)、越南(头顿)、菲律宾(库里马奥)共3个沿岸台站，地理位置如图1所示.

TG原始月均数据中有少量的异常点，采用所在年份其余月均数据中位数与中位数绝对偏差值的2倍之和确定异常点.同时获取TG所在位置相邻区域的格点数据.台站数据作为卫星高度计数据的补充和验证，对其进行IB校正后，利用相关性分析得出TG数据与卫星测高数据存在高度一致性，结果见表1.

表1 TG与卫星测高数据观测的沿海海平面数据相关性

海平面变化的速率及其在不同时间跨度上的变化具有很大的不确定性，利用EEMD分析TG时间序列，从长期趋势中识别沿海台站的海平面周期项和趋势项.其中第1个时间序列分量 IMF1(见图3(a))的非正弦振荡图像表明南海沿岸的海平面主要变化周期具有整体一致性，表征高频信号变化;IMF2(见图3(b))中主要变化周期在6个月左右，表征半年信号变化;IMF3(见图3(c))中主要变化周期在36个月左右，表征年际信号变化;IMF4(见图3(d))中鲗鱼涌站主要周期变化为72个月，头顿站主要周期变化为54个月，库里马奥站因时间序列较短限制了周期变化的计算.最后1个分量为趋势项(见图3(e))，中国香港(鲗鱼涌)、越南(头顿)城市近岸海平面呈现出上升的趋势，菲律宾(库里马奥)城市近岸海平面在2011—2017年呈现出明显的下降趋势，在2017年后海平面升高.

图3 鲗鱼涌台站、头顿台站、库里马奥台站的TG数据EEMD分解结果

3.3 沿岸海平面变化趋势及未来5年预测

沿岸城市经济的快速发展加剧了地形沉降速率，促使海平面上升带来的海洋灾害频发，导致人们的生存环境受到威胁.因此,选取TG临近区域为代表，临近鲗鱼涌的A区、头顿的B区、库里马奥的C区(见图1).用27年间各区域年均SLA分析南海沿岸海平面变化趋势，通过建立A区ARIMA(1，1，5)、B区ARIMA(1，2，6)和C区ARIMA(1，2，2)模型来预测未来5 年南海沿海城市近岸SLA的变化趋势.ARIMA模型平稳R2值代表预测拟合效果，结果见表2.

表2 1993—2019年A区、B区和C区海平面变化趋势与预测效果

线性趋势线表明,A，B，C区分别以3.41,2.71,3.17 mm/a速率上升.未来5 年 SLA预测值显示，鲗鱼涌近岸在2023年达到最高13.54 cm，整体上升2.11 cm；头顿近岸在2024年达到最高10.20 cm，整体上升2.55 cm；库里马奥近岸在2024年达到最低1.57 cm，整体下降3.47 cm,具体见图4.

图4 1993—2019年南海沿岸海域A区、B区和C区海平面变化趋势及未来5年预测结果

3.4 南海SLA的时间变化特征

为了研究南海SLA的时间变化特征，本文对南海1993—2019年SLA数据求区域月平均，得到27年间月均SLA时间序列，并对其去除线性趋势，根据多年变化趋势划分为5个时间段，分析得出不同时段变化趋势的特征为上升→下降→上升→下降→上升，具体见图5(a).

大量研究表明，El Nino和La Nina事件对南海海平面年际变化周期的影响不可忽视[11].从中国气象局国家气候中心下载得到Nino 3.4指数来表征El Nino和La Nina事件，分析Nino 3.4指数时间序列不同时段变化趋势，得到Nino 3.4指数时间序列不同时段变化趋势特征为下降→上升→下降→上升→下降，变化周期为4～7 a,具体见图5(b).

(a)SLA (b)Nino 3.4指数

最后，通过时间序列对比分析，发现南海SLA的时间变化与El Nino和La Nina事件有着密切联系，各个阶段SLA 和Nino 3.4指数变化趋势相反.因此,后文将进一步分析El Nino和La Nina期间南海SLA时空变化特征.

3.5 El Nino和La Nina期间的SLA时空变化特征

为了研究El Nino和La Nina期间的SLA时空变化特征，本文将Nino 3.4指数3个月滑动平均值≥0.50 ℃且持续至少5个月，判定为一次El Nino事件；Nino 3.4指数3个月滑动平均值≤-0.50 ℃且持续至少5个月，判定为一次La Nina事件[12]，1993—2019年共出现5次El Nino事件和4次La Nina事件,具体见表3.

表3 利用Nino 3.4 指数判别1993年以来的El Nino和La Nina事件

本文分别计算了5次El Nino和4次La Nina期间SLA月平均值(已去线性趋势并扣除多年月均)，得到各事件期间SLA空间变化图(见图6).负值表示SLA低于同时段的多年月均值；正值表示SLA高于同时段的多年月均值.5次El Nino事件期间，南海SLA以负值为主，整体呈下降趋势，尤其是民都洛海峡以南海域SLA在5次事件中均为负值.在负值的背景之上，南海局部海域SLA为正值.2个超强El Nino期间，SLA正值海域范围较小，负值范围较大，海平面下降显著，超过了12.00 cm(见图6(a)、6(d)).弱El Nino期间，南海海平面下降趋势减弱(见图6(b),6(c),6(e)).

注:基于自然资源部标准地图服务网审图号为GS(2016)2954号的标准地图制作，底图边界无修改

4次La Nina事件期间，南海SLA以正值为主，局部海域为负值，海平面整体呈上升趋势，尤其是民都洛海峡以南海域上升趋势显著.超强La Nina期间，南海整体SLA正值海域宽广，负值范围极小(见图7(a)).2个中等强度的La Nina期间，SLA负值海域范围狭小，海平面上升明显，尤其是2010年6月—2011年4月La Nina事件期间，SLA比其他年份同时段高出12.00 cm(见图7(c)).弱La Nina期间，南海海平面上升趋势减弱(见图7(d)).

注:基于自然资源部标准地图服务网审图号为GS(2016)2954号的标准地图制作，底图边界无修改

上述结果表明，El Nino期间，南海海平面整体呈下降趋势;La Nina期间，南海海平面整体呈上升趋势，它们的强度会影响海平面的变化强弱.民都洛海峡以南海域相对南海其他海域，对El Nino和La Nina事件比较敏感，在El Nino期间，负异常显著，与La Nina期间的正异常形成鲜明对比，因此,后文在作El Nino和La Nina期间的SLA时间分析时，特地将该海域单独统计与整个南海作比较.

将时间上相近的El Nino和La Nina事件分为1组，共得到4组，分别统计整个南海及民都洛海峡以南海域SLA的月均值，来对比在El Nino和La Nina期间的SLA时间变化特征(见图8).

1997年5月—1998年4月超强El Nino期间，南海和民都洛海峡以南SLA变化趋势相同，低于同期多年平均值；1998年8月—2001年2月超强La Nina期间，二者SLA持续高于多年平均海平面，后者更是高达9.00 cm(见图8(a)).

2006年9月—2007年1月弱El Nino期间，南海和民都洛海峡以南SLA变化均低于同期多年平均值，后者低至-5.00 cm；2007年8月—2008年4月中等强度La Nina期间，二者SLA上升趋势明显，民都洛海峡以南海域比南海整体高5.00 cm，上升显著(见图8(b)).

2009年7月—2010年3月弱El Nino期间，南海和民都洛海峡以南SLA变化相对以往的El Nino事件不是很明显，负异常滞后4个月才出现；2010年6月—2011年4月中等强度La Nina期间，二者SLA明显高于同期多年平均SLA，民都洛海峡以南海域SLA变化高出12.00 cm(见图8(c)).

2014年10月—2016年4月超强El Nino期间，南海和民都洛海峡以南SLA下降趋势明显，后者SLA变化最低值至-12.00 cm；2017年10月—2018年3月弱La Nina期间，海平面上升趋势均不明显(见图8(d)).

图8 4次El Nino→La Nina转折前后南海和民都洛海峡以南SLA时间变化对比曲线

总体而言，南海及民都洛海峡以南海域SLA变化在El Nino期间的下降趋势和La Nina期间的上升趋势一致，但后者下降和上升的幅度更为显著.

4 结 论

本文基于1993—2019年AVISO海平面高度数据和验潮站(TG)数据对南海整体及沿海海平面变化特征进行了分析，发现研究区海平面时空变化有如下规律:

1)27年间海平面变化空间分布不均匀，沿海海平面较南海东部的吕宋海峡、民都洛海峡等区域SLA变幅明显；中部海盆西南侧SLA变化速率明显高于东侧.

2)利用EEMD方法分析沿岸台站数据，发现南海沿岸海平面有明显的半年、年际周期信号，中国香港、越南沿岸海平面呈上升趋势，菲律宾沿岸海平面变化呈先下降后上升的趋势.应用最小二乘法、ARIMA差分自回归移动平均模型分析中国香港、越南、菲律宾3个代表性沿岸区域发现：三者SLA上升速率分别是3.41,2.71,3.17 mm/a，略低于整个南海SLA的变化速率4.00 mm/a[2]；预测未来5年沿海海平面的变化趋势，发现越南沿岸海平面上升2.55 cm，中国香港沿岸海平面上升2.11 cm，菲律宾沿岸海平面下降3.47 cm.

3)近30年南海SLA时间序列变化分为5个时间段，趋势特征为上升→下降→上升→下降→上升，与Nino 3.4指数时间序列对比，发现二者变化趋势相反.

4)El Nino期间，南海海平面整体上呈下降趋势，La Nina期间，南海海平面整体上呈上升趋势，它们的强度会影响海平面的变化强弱.民都洛海峡以南海域相对南海其他海域，对El Nino和La Nina事件比较敏感，该海域在El Nino期间负异常显著，低于多年平均12.00 cm左右;在La Nina期间，正异常显著，高于多年平均8.00 cm左右.

致谢：感谢法国空间研究中心提供的卫星高度计数据及平均海平面永久服务中心提供的验潮站数据；感谢中国气象局国家气候中心提供的Nino 3.4指数数据！