2023, Vol. 54
中国海洋湖沼学会主办。
文章信息
- 刘玉民, 张志伟, 张新城, 孙忠斌, 商巩, 赵玮. 2023.
- LIU Yu-Min, ZHANG Zhi-Wei, ZHANG Xin-Cheng, SUN Zhong-Bin, SHANG Gong, ZHAO Wei. 2023.
- 基于卫星高度计资料的黑潮入侵南海流径的时间变化规律研究
- TEMPORAL VARIATION OF THE KUROSHIO INTRUSION PATH INTO THE SOUTH CHINA SEA BASED ON SATELLITE ALTIMETER DATA
- 海洋与湖沼, 54(4): 951-962
- Oceanologia et Limnologia Sinica, 54(4): 951-962.
- http://dx.doi.org/10.11693/hyhz20221100314
文章历史
-
收稿日期：2022-11-30
收修改稿日期：2023-02-08
2. 中国海洋大学物理海洋教育部重点实验室/深海圈层与地球系统前沿科学中心 山东青岛 266100
2. Key Laboratory of Physical Oceanography, MOE, China / Frontiers Science Center for Deep Ocean Multipheres and Earth System, Ocean University of China, Qingdao 266100, China
黑潮起源于北赤道流, 是北太平洋主要的西边界流, 沿着菲律宾东部海岸向北流动(Nitani, 1972)。黑潮将大量的物质与热量输送到中纬度地区, 对北太平洋气候变率具有重要的调节作用(Qiu et al, 1996; Lien et al, 2014; Hu et al, 2015)。当向北的黑潮流经吕宋海峡时, 由于吕宋海峡有一个300多公里的深缺口, 往往会顺时针弯曲, 并入侵南海东北部(Nitani, 1972; Shaw, 1989; Sheremet, 2001; Nan et al, 2011, 2015; Wu et al, 2016, 2017)。黑潮入侵作为南海贯穿流的重要组成部分(Fang et al, 2005; Qu et al, 2005, 2006), 被认为是驱动南海上层环流的主要因素之一(Xue et al, 2004; Liu et al, 2004, 2008)。黑潮携带的高温高盐太平洋水进入南海, 对南海的热盐平衡(Zeng et al, 2014, 2016)、能量、涡旋活动(Qu et al, 2009; Zhang et al, 2013, 2017)以及海气相互作用(Qu, 2001)等具有重大影响。因此, 开展黑潮入侵南海研究, 对于提升南海环流的理解和局地气候的认识具有重要作用。
已有研究指出黑潮在吕宋海峡的流径呈现多样性与复杂性。仇德忠等(1984)发现在夏季发生西南季风时, 南海北部存在一支自东向西的海流, 海水具有高盐的特性, 认为这是黑潮的一个分支, 便称为“黑潮南海分支”。李立等(1989)对黑潮入侵南海进行了分析, 提出了“黑潮流套”的概念, 指出黑潮进入南海后可能会以反气旋形式折回从而形成流套, 反气旋涡可能从黑潮流套中脱离出来。Hu等(2000)将黑潮入侵南海北部的环流分为: 流环(ring)、延伸(extend)、流套(loop)和分支(direct branch)。Caruso等(2006)进一步将其分为气旋式环流、反气旋脱落型、反气旋涡旋、分支和平均路径。Nan等(2011)利用卫星数据和HYCOM数据分析了近十几年来海表环流的特征, 将吕宋海峡处黑潮的流径总结为3类: 跨越(Leaping)、流套(Looping)和分支(Leaking), 这种基于长时间序列获取的黑潮流径分类得到了广泛的认可。
黑潮以多样化的流径入侵南海, 这些流径同样具有显著的季节和年际变化。Nan等(2015)和宋星林(2020)指出, Looping流径在冬季发生的概率大于其他季节, Leaping流径在夏季时发生的概率最大, 且是整个夏季的主要形态, 在其他季节中, Leaking流径是主要的形态。在年际变化中, 前人多针对黑潮入侵南海强度或吕宋海峡通量开展年际变化研究(Kim et al, 2004; Qu et al, 2004; Wang et al, 2006), 并指出局地风场和北赤道流分叉点位置的南北移动是调控黑潮入侵南海强度年际变化的两个重要因素。然而, 对于黑潮入侵南海的两种具体流径(即Looping流径和Leaking流径)的发生概率的年际变化及其调控机制的认识目前尚不清晰。仅有南峰(2012)和Nan等(2015)给出了Looping流径和Leaping流径逐年的发生概率分布, 并指出Looping流径和Leaping流径发生概率分别具有下降和上升的趋势。Sun等(2020)基于高度计和风场资料指出, 局地风场是影响Looping流径强度年际变化的重要因素。
本文利用近30 a的卫星观测资料, 统计了黑潮入侵南海不同流径的发生概率, 探究了不同流径的基本特征, 分析了其在季节和年际尺度的变化特征和影响因素。以上研究进一步厘清了黑潮入侵南海不同流径的时间变化特征和调控机理, 对提高南海和西北太平洋水交换的认识和未来开展黑潮入侵南海流径的预报研究具有重要意义, 对海上船舶运输和军事活动安全等具有重要影响。
1 数据及方法 1.1 数据 1.1.1 卫星高度计数据本文所用卫星高度计资料通过哥白尼海洋监测服务(Copernicus Marine Environment Monitoring Service, CMEMS)网站下载(http://marine.copernicus.eu), 包括绝对海面动力高度(absolute dynamic topography, ADT)、纬向地转流(u)和经向地转流(v)等变量, 时间分辨率为d, 空间分辨率为1/4°。所用数据时间范围为1993~2021年, 空间范围为: 111°~126°E, 16°~25°N。为了研究方便以及能更好地体现海面流场以及动力高度的变化, 我们对数据进行了7 d的周平均。后文中季节和年际变化研究, 对各参数均进行了月平均处理。
1.1.2 再分析资料本文采用CMEMS网站的再分析资料对吕宋海峡处黑潮不同流径的流场和通量进行绘制, 数据下载网址为https://data.marine.copernicus.eu/product/GLOBAL_MULTIYEAR_PHY_001_030/download。该再分析数据的空间分辨率为1/12°, 时间分辨率为d, 垂向共50层。该数据同化了卫星沿轨海表面高度异常数据、海表面温度数据、海冰数据以及现场观测的温盐剖面数据, 对于上层流场有较为准确的刻画, 因此在本文中用来刻画不同流径的垂向流场结构和通量。本文所用CMEMS模式数据的时间和空间范围均与卫星高度计数据一致。
1.1.3 风场数据本文所用风场数据为欧洲中期天气预报中心(European Centre for Medium-Range Weather Forecasts, ECMWF)提供的海表以上10 m风场数据, ECMWF中ERA5是全球气候的第五代大气再分析数据。数据下载网址为https://cds.climate.copernicus.eu/cdsapp#!/dataset/reanalysis-era5-land?tab=form。再分析数据将模型数据与来自世界各地的观测数据结合起来, 形成一个全球完整的、一致的数据集, ERA5中的风场数据从1979年至今, 数据时间分辨率为h, 空间分辨率为1/4°。本文所用风场数据时间范围为1993~2021年, 为了研究方便, 对风场数据进行了月平均处理。
1.2 方法基于Nan等(2015)的研究, 我们将吕宋海峡处黑潮的流径分为三类: 流套流径(Looping)、分支流径(Leaking)和跨越流径(Leaping)。图 1展示了黑潮流经吕宋海峡的三种典型流径, 其中2016年12月为Looping流径, 2011年6月为Leaping流径, 2003年2月为Leaking流径, 以下将对三种流径的识别方法进行具体介绍。
 |
| 图 1 典型流套流径(Looping, a)、跨越流径(Leaking, b)和分支流径(Leaping, c)对应的海面动力高度(ADT)和海面绝对地转流分布 Fig. 1 The distributions of absolute dynamic topography (ADT) and surface absolute geostrophic current of typical Looping (a), Leaping (b), and Leaking (c) paths 注: 黑色实线近似代表黑潮主轴; a中紫色方框为Looping流径区域, 用来计算Looping流径的识别指数; b中紫色直线代表120.5°E断面, 用来计算Leaping流径的识别指数 |
卫星高度计资料(图 1a)表明, 当Looping流径发生时, 黑潮从吕宋海峡中部入侵南海, 而后在台湾西南反气旋式运动, 并从吕宋海峡北部回到太平洋。在台湾西南区域存在很强的反气旋式环流结构和很强的负涡度, 因此我们将该区域(118.125°~121.125°E, 19.875°~22.875°N, 图 1a紫色方框)的相对涡度作为指标, 用来识别Looping流径的发生。根据格林公式, 该面积积分等于沿区域边界的线积分, 因此得到式(1)的黑潮流套指数IKL。继而计算IKL的平均值(μ)与标准差(σ), 当IKL < (μ–σ)时, 判定为Looping流径的发生。
(1)其中, g为重力加速度, 通常取9.8 m/s2, f为科氏参数, η为ADT, u为纬向地转流, v为经向地转流。
1.2.2 Leaping流径的识别当Leaping流径发生时(图 1b), 黑潮在吕宋海峡内先向西北运动, 而后立即向东北运动到达台湾岛东部, 黑潮几乎不入侵南海, 甚至会有部分南海水流入太平洋。因此我们将穿越120.5°E断面(图 1b紫色直线)的吕宋海峡表层水体通量(Tsur)作为指标来识别Leaping流径, 当Tsur指数为负时代表Leaping流径的发生。值得注意的是Looping流径发生时Tsur指标也可能为负, 因此在判别时, 首先识别Looping流径的发生时刻, 然后在剩余的时间中再识别Leaping流径的发生时刻。Tsur指数计算方法如下:
(2)其中, L为吕宋海峡宽度, u为吕宋海峡断面纬向地转流。Tsur为正代表太平洋表层水进入南海, Tsur为负代表南海表层水进入太平洋, 即Leaping流径的发生。
1.2.3 Leaking流径的识别图 1c展示了Leaking流径的流场分布, 吕宋海峡处黑潮部分向西入侵南海, 部分继续北上到达台湾岛东部。由于吕宋海峡处流场共分为三种流态, 因此将总的时间去掉Looping和Leaping流径的发生时间, 即识别为Leaking流径的发生时间。
1.2.4 吕宋海峡上层水体通量计算黑潮主要在上600 m入侵南海, 因此, 对120.5°E断面上600 m纬向流积分, 获取吕宋海峡水体流通量(TLS)。计算方法如下:
(3)其中, L表示吕宋海峡宽度, u为纬向地转流, z为水深。
2 结果与讨论 2.1 吕宋海峡黑潮流径的提取基于以上不同流径的识别方法, 对周平均的高度计资料进行识别, 获取了不同流径的发生时间。通过对Looping流径发生指数IKL的计算, 我们得到了Looping流径在近30 a的发生时间, 如图 2a中红色菱形所示。从图 2可以看出, Looping流径IKL指数多呈现负值分布, 其主要发生在冬季, Looping流径总的发生概率为14.4%, 共计发生218周; 通过对Tsur指数的计算, 获取了Leaping流径在近30 a的发生时间(图 2b中绿色菱形所示)。从图 2b中可以看出, Leaping流径主要发生在夏季, 其总的发生概率为38.7%, 共计发生585周; 除Looping流径和Leaping流径外的其他时间, 则判定为Leaking流径, Leaking流径总的发生概率为46.9%, 共计发生710周。综上, 吕宋海峡处黑潮的三种流径中, Leaking流径发生概率最高, Leaping流径次之, Looping流径发生概率最小。
 |
| 图 2 1993~2021年逐周的黑潮流套指数(a)和吕宋海峡表层水体通量(b)的时间序列 Fig. 2 The weekly time series of Kuroshio loop index (a) and surface transport of Luzon Strait (b) between 1993 and 2021 注: a中上、下两条绿色虚线分别表示黑潮流套指数的平均值μ以及μ–σ; 红色实心菱形表示Looping流径发生的时间; b中绿色实心菱形表示Leaping流径发生的时间; P表示30年间发生的总概率 |
以上提取了吕宋海峡处黑潮不同流径的发生时间, 通过对不同流径发生时间的合成, 获取了黑潮不同流径的基本运动学特征。图 3展示了不同流径合成的海表流场、ADT和120.5°E断面纬向流场垂向分布特征。
 |
| 图 3 合成Looping (a, d)、Leaping (b, e)、Leaking (c, f)流径对应的ADT、海面绝对地转流分布, 以及120.5°E断面的纬向流分布 Fig. 3 The distributions of composited ADT, surface absolute geostrophic current and zonal velocity at 120.5°E section of Looping (a, d), Leaping (b, e), and Leaking (c, f) paths 注: a~c中黑色实线近似代表黑潮主轴; d~f为CMEMS再分析数据的结果, 黑色实线表示纬向流速的零线 |
从图 3a~3c可以发现, Looping流径发生时, 台湾西南部存在显著的反气旋式流套结构, 流套向西可延伸至117°E。对应于黑潮反气旋式入侵, 流套内部ADT较高, 同时也显著高于其他两种流径下的ADT, 最大ADT达到1.26 m, 位于流套中心处。从地转流分布可以看出, 黑潮从吕宋海峡中部进入南海, 并将西北太平洋的水体带入南海, 而后反气旋式运动, 从吕宋海峡北部离开南海并回到台湾东部; Leaping流径发生时, 黑潮在吕宋海峡先向西北运动, 而后向东北至台湾东部, 黑潮未入侵南海, 黑潮主轴也未跨越120.5°E断面, 吕宋海峡西侧ADT较弱, 流速也较弱; Leaking流径发生时, 黑潮为分支入侵态, 黑潮向北进入吕宋海峡后, 一个分支在吕宋海峡北部进入南海, 而后气旋式入侵南海并沿着地形向西南方向运动, 另一个分支向东北运动到达台湾岛东部。
2.2.2 流速垂向分布特征为了更好地刻画黑潮不同流径的流速特征, 我们基于CMEMS再分析资料给出了三种流径在吕宋海峡120.5°E断面的流速垂向分布, 如图 3 d~3f所示。
从图 3d中可以看出, 在Looping流径发生时, 纬向流速在整个垂向断面均呈现显著的南进北出的结构, 纬度带19.0°~21.5°N处, 纬向流速为负, 以西向流为主, 最大流速可达0.4 m/s, 影响深度可达600 m, 随深度增加流速迅速减小, 西向流的经向尺度约为250 km。纬度为21.4°~22.0°N处, 纬向流速为正, 以东向流为主, 最大流速可达0.3 m/s, 影响深度可达600 m, 随深度增加流速迅速减小, 经向尺度约为60 km。纬向流速零点位于21.5°N附近。Looping流径发生时, 东西向流速均显著大于其他两种流径下的速度。在Leaping流径发生时, 表层纬向流速在吕宋海峡南侧和北侧为正, 中间为负, 表层净通量为东向, 说明在表层附近为南海水进入西北太平洋, 黑潮几乎不入侵南海。而在海洋内部, 同样在南侧和北侧为正, 中间为负, 整个断面的净通量为南海进入太平洋。在Leaking流径发生时, 纬向流速多呈现负值分布, 西向流经向范围为19.5°~21.6°N, 垂向影响深度可达600 m, 但流速弱于Looping流径下的流速, 最大流速为0.3 m/s, 发生在海表。在断面北侧, 同样出现了正值分布, 但量值和经向尺度均较弱。
2.2.3 温盐分布特征南海和西北太平洋具有不同属性的水体, 南海上层为低温低盐的南海局地水, 最大盐度为34.6, 而西北太平洋上层为高温高盐的黑潮水, 最大盐度可达34.8以上, 最大盐度发生在次表层等密面24.82σ (位势密度)附近(Zhang et al, 2016, 2017)。由于南海和西北太平洋具有显著差异的水体属性, 黑潮在吕宋海峡处的不同流径必然会引起南海北部水团特性不同程度的变化。
图 4展示了不同流径下24.82σ等密面处(约150 m)温度和盐度的分布。在Looping流径中, 黑潮流套内存在显著的高温高盐的太平洋黑潮水, 最大盐度可达34.78, 最高温度可达18 ℃, 向西可延伸至117°E, 说明黑潮流套卷挟着高温高盐的黑潮水进入南海, 从而显著影响了南海北部的水团特性和温盐平衡。在Leaping流径中, 高温高盐的太平洋水并未进入南海, 吕宋海峡西侧呈现显著的低温低盐的南海局地水的特征, 温度为17 ℃左右, 盐度为34.64左右; 在Leaking流径中, 南海北部沿着黑潮气旋式入侵的路径, 温度和盐度要略高于周围的水体, 说明Leaking流径同样可以将高温高盐太平洋黑潮水带入南海。虽然其温度和盐度均小于Looping流径, 但向西可延伸至南海更中心处(115°E及以西)。综上, Looping流径和Leaking流径均可将高温高盐的西北太平洋水带入南海, 前者的温度和盐度更高, 强度更大, 后者向西延伸距离更远。
 |
| 图 4 合成Looping (a, d)、Leaping (b, e)、Leaking (c, f)流径对应的24.82σ等密度面上的温度以及盐度分布 Fig. 4 The distributions of composited temperature and salinity on the 24.82σ isopycnic surface of typical Looping (a, d), Leaping (b, e), and Leaking (c, f) paths 注: 黑色实线近似代表黑潮主轴 |
我们借助于公式(3), 计算出CMEMS模式中上600 m积分的吕宋海峡通量(Luzon Strait transport, TLS), 再结合不同流径的发生时间, 统计出不同流径下TLS的分布特征(图 5)。
 |
| 图 5 三种黑潮流径在不同TLS区间内发生的时间(周数) Fig. 5 The occurrence time (weeks) of three Kuroshio paths in different transport of Luzon Strait ranges 注: 黑色虚线代表TLS为0; TLS为正表示太平洋水进入南海, TLS为负表示南海水进入太平洋 |
从图 5中可以看出, 与吕宋海峡海表通量稍有不同, Looping流径和Leaking流径发生时, TLS主要为正值, 但Leaping流径发生时, TLS既有正值也有负值, 气候态平均的TLS为3.8×106 m3/s。Looping流径发生时, 最大TLS达到12.8×106 m3/s, 平均TLS为6.3×106 m3/s, TLS在4×106~6×106 m3/s区间内发生时间最长, 达到52周; Leaping流径发生时, 在−2×106~0×106 m3/s区间内发生时间最长, 达到164周, Leaping流径下平均TLS为−0.6×106 m3/s; Leaking流径发生时, 最大TLS达到13.6 ×106 m3/s, 在4×106~6×106 m3/s区间内发生时间最长, 达到169周, Leaking流径下平均TLS为5.6× 106 m3/s, 小于Looping流径。综上, 黑潮主要以Looping和Leaking两种流径入侵南海, Looping流径下的平均TLS大于Leaking流径, 两种流径下最大TLS均可达12×106~14×106 m3/s, Looping流径和Leaking流径在4×106~6×106 m3/s区间发生时间最长。
2.3 吕宋海峡黑潮流径的时间变化特征 2.3.1 季节变化为了探究吕宋海峡处黑潮流径的季节变化, 我们将1993~2021年的数据按照逐月的发生概率进行统计, 并得到气候态月平均结果, 如图 6所示。
 |
| 图 6 1993~2021年气候态月平均的Looping、Leaping、Leaking发生概率以及Looping和Leaking流径发生概率之和的时间序列 Fig. 6 Climatological monthly mean occurrence probabilities of the Looping, Leaping, Leaking and the sum of Looping and Leaking paths averaged between 1993~2021 |
统计结果表明, Looping流径主要发生在冬季, 在其他季节发生概率较低, 最大概率发生在1月份, 可以达到37%, 其次在12月份, 可以达到35%, 这与前人针对黑潮流套季节变化的认识一致(Wu et al, 2007; Nan et al, 2011, 2015); 对于Leaping流径, 其主要发生在夏季, 冬季发生概率较低, 最大概率发生在6月份, 可以达到85%; 对于Leaking流径, 其在冬半年发生概率均较高(10月至次年4月), 夏季发生概率较低, 其发生概率存在2个高值月份, 一个峰值发生在春季的3月份, 可以达到79%, 另一个峰值发生在秋季的11月份, 可以达到73%。综合以上特征, 可以得到结论如下: 吕宋海峡处黑潮以Leaping流径和Leaking流径为主, 冬半年(10月至次年4月) Leaking流径占据主导地位, 夏季Leaping流径占据主导地位, 同时, Looping流径主要发生在冬季。综合黑潮入侵南海的两种流径(Leaking流径和Looping流径, 图 6中绿线), 同样呈现显著的季节变化, 冬季强夏季弱, 最大和最小概率出现在12月和6月, 分别为98%和15%, 表明黑潮主要在冬季入侵南海。
2.3.2 年际变化吕宋海峡处黑潮主要以Looping和Leaking两种流径入侵南海, 因此对Looping和Leaking两种流径进行逐年的统计, 以探究黑潮入侵南海流径的年际变化, 如图 7所示。从图 7中可以看出, Looping和Leaking两种流径的发生概率均具有显著的年际变化特征。其中, Looping流径在1996年发生时间最长, 可达17周, 发生概率为32%。此外, 1994年、1999年、2004年、2011~2013年、2017年和2021年发生概率也较高; 而在1993年、1998年、2001年、2008年发生概率较低, 其中2001年几乎没有出现Looping流径。与Looping流径相比, Leaking流径呈现略微相反的年际变化, 其在2005年发生时间较长, 可达40周, 发生概率为75%, 同时, 1993年、1997年、2003年、2004年和2020年发生时间也较长; 而在2013年发生时间最短, 仅达到4周, 2021年次之, 持续了7周。对于整个黑潮入侵(二者之和), 由于Leaking流径发生概率约为Looping流径的3倍, 其年际变化主要受到Leaking流径的调控, 发生概率最高值出现在2004年, 最大概率可以达到90%, 发生概率最低值出现在2013年, 最低概率仅为34%。
 |
| 图 7 1993~2021年逐年的Looping(a), Leaking(b)流径和二者之和(c)的发生概率和周数时间序列 Fig. 7 The yearly occurrence probabilities and weeks of the Looping (a), Leaking (b) paths and their sum (c) between 1993 and 2021 注: 蓝色虚线表示发生概率长期变化趋势 |
除了显著的年际变化, 黑潮入侵南海的发生概率同样具有显著的长期变化趋势。其中Looping流径的发生时长呈现上升的长期变化趋势, 其变率为0.15周/年。与之相反, Leaking流径的发生时长呈现下降的长期变化趋势, 其变率为−0.17周/年。整个黑潮入侵南海的发生时长则呈现下降的长期变化趋势。综上, 黑潮Looping流态入侵南海的时间逐年增加, Leaking流态入侵南海的时间逐年降低, 总的黑潮入侵南海的时间呈减少趋势, 黑潮不入侵南海的Leaping流态的时间呈增加趋势, 这与前人发现的黑潮入侵南海强度呈降低趋势的结论一致(Nan et al, 2013)。
3 讨论 3.1 局地风场对黑潮路径的影响前人研究发现南海北部局地风场是黑潮入侵南海路径和强度变化的重要调控因素之一(Farris et al, 1996; Wu et al, 2012; Nan et al, 2013; Sun et al, 2020), 那么局地风场对黑潮入侵流径持续时间的季节和年际变化有何影响呢？为了探究这一问题, 我们利用海表10m的风场数据, 计算了图 1a中紫色框中的风应力旋度, 计算公式为
(4)风应力的计算公式为
(5)其中, ρair为空气密度, 此处取值1.2 kg/m3, CD为拖曳系数, 
图 8展示了风应力旋度和Looping流径发生概率在季节和年际上的分布。从图 8可以看出, 季节尺度上, 二者具有很好的对应关系, 相关系数达到0.67, 超过95%置信检验(R0=0.56), 均存在冬强夏弱的季节变化特征, 冬季南海东北风增强, 台湾西南呈现较强的负的风应力旋度, 更有利于黑潮以Looping流径入侵南海, 夏季则为西南风, 不利于黑潮Looping流径的发生。黑潮Looping流径主要发生在冬季(1月、2月、11月、12月), 因此将逐年冬季的风应力旋度与Looping流径发生概率进行对比。从图 8b可以看出, Looping流径发生概率与风应力旋度存在较好的正相关关系, 二者的相关系数达到0.49, 超过95%置信检验(R0=0.36), 说明Looping流径发生概率的年际变化受到局地风场的调控, 台湾西南负的风应力旋度越强, 越有利于黑潮以Looping流径的形式入侵南海, 这与前人研究结果较为一致(Sun et al, 2020)。与此同时, 台湾西南负的风应力旋度和Looping流径发生概率均存在增强的长期变化趋势, 说明台湾西南负的风应力旋度的增强促进着黑潮Looping流径发生时间的增长。与Looping流径相比, 冬季台湾西南负的风应力旋度并不支持形成Leaking流径, Leaking流径的发生概率与风应力旋度在年际尺度上相关性较差, 且长期变化趋势相反(图片未展示), 说明局地风场不是Leaking流径发生概率年际变化的主控因素。
 |
| 图 8 风应力旋度(WSC, 蓝线)与Looping流径发生概率(黑线)的气候态月平均(a)和逐年冬季平均(b)时间序列 Fig. 8 Time series of wind stress curl (WSC, blue line) and probability of Looping path (black) in climatologically monthly mean (a) and annual winter mean (b) 注: r表示相关系数; 蓝色虚线表示风应力旋度的长期变化趋势, 黑色虚线表示Looping流径发生概率的长期变化趋势; 风应力旋度与Looping流径发生概率已利用各自的最大值进行归一化, 所有时间序列均经过归一化处理 |
除局地风场外, 北赤道流变化也是黑潮入侵南海路径和强度的另一个重要调控因素, 北赤道流变化伴随北赤道流分叉点位置显著变化, 北赤道流分叉点的南北移动会改变上游黑潮的强度, 进而调控黑潮入侵南海的强度(Sheremet, 2001; Qu et al, 2004; Yuan et al, 2011; Sun et al, 2016)。杨龙奇等(2014)表示, 北赤道分叉点的位置变化可以代替黑潮入侵南海的强弱变化。因此本文借助于北赤道流分叉点的位置变化来探究其对黑潮入侵流径的影响, 北赤道流分叉点的计算方法参考Qiu等(2010), 计算公式如下:
(6)其中: h'为海面高度异常, 选取的区域为: 127°~130°E, 12°~14°N。
图 9展示了北赤道流分叉点纬度和Leaking流径发生概率在季节和年际上的分布。从图 9可以看出, 季节尺度上, 二者具有很好的对应关系, 相关系数达到0.82, 超过95%置信度检验(R0=0.56), 均存在冬半年强夏半年弱的季节变化特征, 冬半年北赤道流分叉点北移, 吕宋岛东侧黑潮减弱, 弱的黑潮更有利于入侵南海(Sheremet, 2001; Qu et al, 2004), 从而Leaking流径发生概率更高。而在年际尺度上, 二者同样具有较好的相关性, 相关系数为0.56, 超过95%置信检验(R0=0.36), 说明Leaking流径发生概率的年际变化受到北赤道流分叉点南北移动的调控, 北赤道流分叉点越靠北, 越有利于黑潮以Leaking流径的形式入侵南海。与此同时, 北赤道流分叉点纬度和Leaking流径发生概率均存在减小的长期变化趋势, 说明北赤道流分叉点长期的南移会增强上游黑潮, 从而阻碍Leaking流径的发生。与Leaking流径相比, 北赤道流分叉点纬度在冬季的北移同样会有利于Looping流径的产生, 但Looping流径的发生概率与北赤道流分叉点纬度在年际尺度上相关性较差, 且长期变化趋势相反(图片未展示), 说明北赤道流分叉点的南北移动不是Looping流径发生概率年际变化的主控因素。
 |
| 图 9 北赤道流分叉点纬度(NBL, 蓝线)与Leaking流径发生概率(黑线)的气候态月平均(a)、逐年平均(b)时间序列 Fig. 9 Time series of North Equatorial Current bifurcation latitude (NBL, blue line) and probability of Leaking path (black line) in climatologically monthly mean (a) and annual winter mean (b) 注: r表示相关系数; 蓝色虚线表示北赤道流分叉点纬度的长期变化趋势; 黑色虚线表示Leaking流径发生概率的长期变化趋势; 所有时间序列均经过归一化处理 |
本文从黑潮入侵南海的流径出发, 基于不同流径的识别方法对1993~2021年的高度计资料进行识别, 获取不同流径的发生时间, 分析了不同流径在时间变化上的规律, 从而得到以下结论:
(1) 黑潮主要以Looping和Leaking两种流径入侵南海, 两种流径均会将高温、高盐的太平洋水带到南海, 前者的温度和盐度更高, 强度更大, 后者向西延伸距离更远。Looping流径下的平均吕宋海峡上层通量TLS略大于Leaking流径, 两种流径下最大TLS均可达12×106~14×106 m3/s, Looping流径和Leaking流径在4×106~6×106 m3/s区间发生时间最长。
(2) Looping流径主要发生在冬季, Leaking流径在冬半年均较强, 二者在夏季均较弱, Leaking流径的发生时长(710周)和概率(46.9%)要远高于Looping流径(时长218周, 概率14.4%)。
(3) Looping和Leaking两种流径均具有显著的年际变化, Looping流径在1996年发生的时间最长, 多达26周时间, 而在2001年几乎没有发生; Leaking流径在2005年发生的时间最长, 可达40周时间, 在2013年发生时间最短, 仅为4周时间; 同时, Looping流径发生时间呈现0.15周/年上升的长期变化趋势, 而Leaking流径则呈现−0.17周/年下降的长期变化趋势, 对于整个黑潮入侵则有着下降的变化趋势。
(4) 对于黑潮入侵南海的两种流径, Looping流径在季节和年际上均受到台湾西南局地风应力旋度的调控, Leaking流径在季节和年际上均受到北赤道流变化的调控。
仇德忠, 杨天鸿, 郭忠信, 1984. 夏季南海北部一支向西流动的海流. 热带海洋, 3(4): 65-73 |
李立, 伍伯瑜, 1989. 黑潮的南海流套?——南海东北部环流结构探讨. 台湾海峡, 8(1): 89-95 |
杨龙奇, 许东峰, 徐鸣泉, 等, 2014. 黑潮入侵南海的强弱与太平洋年代际变化及厄尔尼诺-南方涛动现象的关系. 海洋学报, 36(7): 17-26 DOI:10.3969/j.issn.0253-4193.2014.07.003 |
宋星林, 2020. 吕宋海峡水动力过程及其对黑潮入侵路径变化响应的数值模拟研究[D]. 北京: 国家海洋环境预报中心: 35-37.
|
南峰, 2012. 台湾西南部海域流—涡结构及其演变规律研究[D]. 青岛: 中国海洋大学: 14-15.
|
CARUSO M J, GAWARKIEWICZ G G, BEARDSLEY R C, 2006. Interannual variability of the Kuroshio intrusion in the South China Sea. Journal of Oceanography, 62(4): 559-575 DOI:10.1007/s10872-006-0076-0 |
FANG G H, SUSANTO D, SOESILO I, et al, 2005. A note on the South China Sea shallow interocean circulation. Advances in Atmospheric Sciences, 22(6): 946-954 DOI:10.1007/BF02918693 |
FARRIS A, WIMBUSH M, 1996. Wind-induced Kuroshio intrusion into the South China Sea. Journal of Oceanography, 52(6): 771-784 DOI:10.1007/BF02239465 |
HU D X, WU L X, CAI W J, et al, 2015. Pacific western boundary currents and their roles in climate. Nature, 522(7556): 299-308 DOI:10.1038/nature14504 |
HU J Y, KAWAMURA H, HONG H S, et al, 2000. A review on the currents in the South China sea: seasonal circulation, South China Sea warm current and Kuroshio intrusion. Journal of Oceanography, 56(6): 607-624 DOI:10.1023/A:1011117531252 |
KIM Y Y, QU T D, JENSEN T, et al, 2004. Seasonal and interannual variations of the north Equatorial current bifurcation in a high-resolution OGCM. Journal of Geophysical Research, 109(C3): C03040 |
LIEN R C, MA B, CHENG Y H, et al, 2014. Modulation of Kuroshio transport by mesoscale eddies at the Luzon Strait entrance. Journal of Geophysical Research, 119(4): 2129-2142 DOI:10.1002/2013JC009548 |
LIU Q Y, JIANG X, XIE S P, et al, 2004. A gap in the Indo-Pacific warm pool over the South China Sea in boreal winter: seasonal development and interannual variability. Journal of Geophysical Research, 109(C7): C07012 |
LIU Q Y, KANEKO A, SU J L, 2008. Recent progress in studies of the South China Sea circulation. Journal of Oceanography, 64(5): 753-762 DOI:10.1007/s10872-008-0063-8 |
NAN F, XUE H J, CHAI F, et al, 2011. Identification of different types of Kuroshio intrusion into the South China Sea. Ocean Dynamics, 61(9): 1291-1304 DOI:10.1007/s10236-011-0426-3 |
NAN F, XUE H J, CHAI F, et al, 2013. Weakening of the Kuroshio intrusion into the South China Sea over the past two decades. Journal of Climate, 26(20): 8097-8110 DOI:10.1175/JCLI-D-12-00315.1 |
NAN F, XUE H J, YU F, 2015. Kuroshio intrusion into the South China Sea: a review. Progress in Oceanography, 137: 314-333 DOI:10.1016/j.pocean.2014.05.012 |
NITANI H, 1972. Beginning of the Kuroshio [M] // STOMMEL H, YASHIDA K. Kuroshio: Physical Aspects of the Japan Current. Seattle, WA, USA: University of Washington Press: 129-163.
|
QIU B, CHEN S M, 2010. Interannual-to-decadal variability in the bifurcation of the North Equatorial current off the Philippines. Journal of Physical Oceanography, 40(11): 2525-2538 DOI:10.1175/2010JPO4462.1 |
QIU B, LUKAS R, 1996. Seasonal and interannual variability of the North Equatorial Current, the Mindanao Current, and the Kuroshio along the Pacific western boundary. Journal of Geophysical Research, 101(C5): 12315-12330 DOI:10.1029/95JC03204 |
QU T D, 2001. Role of ocean dynamics in determining the mean seasonal cycle of the South China Sea surface temperature. Journal of Geophysical Research, 106(C4): 6943-6955 DOI:10.1029/2000JC000479 |
QU T D, DU Y, MEYERS G, et al, 2005. Connecting the tropical Pacific with Indian Ocean through South China Sea. Geophysical Research Letters, 32(24): L24609 DOI:10.1029/2005GL024698 |
QU T D, DU Y, SASAKI H, 2006. South China Sea throughflow: a heat and freshwater conveyor. Geophysical Research Letters, 33(23): L23617 DOI:10.1029/2006GL028350 |
QU T D, KIM Y Y, YAREMCHUK M, et al, 2004. Can Luzon strait transport play a role in conveying the impact of ENSO to the South China Sea?. Journal of Climate, 17(18): 3644-3657 DOI:10.1175/1520-0442(2004)017<3644:CLSTPA>2.0.CO;2 |
QU T D, SONG Y T, YAMAGATA T, 2009. An introduction to the South China Sea throughflow: its dynamics, variability, and application for climate. Dynamics of Atmospheres and Oceans, 47(1/2/3): 3-14 |
SHAW P T, 1989. The intrusion of water masses into the sea southwest of Taiwan. Journal of Geophysical Research, 94(C12): 18213-18226 DOI:10.1029/JC094iC12p18213 |
SHEREMET V A, 2001. Hysteresis of a western boundary current leaping across a gap. Journal of Physical Oceanography, 31(5): 1247-1259 DOI:10.1175/1520-0485(2001)031<1247:HOAWBC>2.0.CO;2 |
SUN Z B, ZHANG Z W, QIU B, et al, 2020. Three-dimensional structure and interannual variability of the Kuroshio loop Current in the Northeastern South China Sea. Journal of Physical Oceanography, 50(9): 2437-2455 DOI:10.1175/JPO-D-20-0058.1 |
SUN Z B, ZHANG Z W, ZHAO W, et al, 2016. Interannual modulation of eddy kinetic energy in the northeastern South China Sea as revealed by an eddy-resolving OGCM. Journal of Geophysical Research, 121(5): 3190-3201 DOI:10.1002/2015JC011497 |
WANG D X, LIU Q Y, HUANG R X, et al, 2006. Interannual variability of the South China Sea throughflow inferred from wind data and an ocean data assimilation product. Geophysical Research Letters, 33(14): L14605 DOI:10.1029/2006GL026316 |
WU C R, CHIANG T L, 2007. Mesoscale eddies in the northern South China Sea. Deep Sea Research Part II: Topical Studies in Oceanography, 54(14/15): 1575-1588 |
WU C R, HSIN Y C, 2012. The forcing mechanism leading to the Kuroshio intrusion into the South China Sea. Journal of Geophysical Research, 117(C7): C07015 |
WU C R, WANG Y L, LIN Y F, et al, 2016. Weakening of the Kuroshio intrusion into the South China Sea under the global warming hiatus. IEEE Journal of Selected Topics in Applied Earth Observations and Remote Sensing, 9(11): 5064-5070 DOI:10.1109/JSTARS.2016.2574941 |
WU C R, WANG Y L, LIN Y F, et al, 2017. Intrusion of the Kuroshio into the South and East China Seas. Scientific Reports, 7(1): 7895 DOI:10.1038/s41598-017-08206-4 |
XUE H J, CHAI F, PETTIGREW N, et al, 2004. Kuroshio intrusion and the circulation in the South China Sea. Journal of Geophysical Research, 109(C2): C02017 |
YUAN D L, WANG Z, 2011. Hysteresis and dynamics of a western boundary current flowing by a gap forced by impingement of mesoscale eddies. Journal of Physical Oceanography, 41(5): 878-888 DOI:10.1175/2010JPO4489.1 |
ZENG L L, LIU W T, XUE H J, et al, 2014. Freshening in the South China Sea during 2012 revealed by Aquarius and in situ data. Journal of Geophysical Research, 119(12): 8296-8314 DOI:10.1002/2014JC010108 |
ZENG L L, WANG D X, XIU P, et al, 2016. Decadal variation and trends in subsurface salinity from 1960 to 2012 in the northern South China Sea. Geophysical Research Letters, 43(12): 181-189 |
ZHANG Z W, LI Y R, TIAN J W, 2013. A modified method to estimate eddy diffusivity in the North Pacific using altimeter eddy statistics. Chinese Journal of Oceanology and Limnology, 31(4): 925-933 DOI:10.1007/s00343-013-2214-2 |
ZHANG Z W, TIAN J W, QIU B, et al, 2016. Observed 3D structure, generation, and dissipation of oceanic mesoscale eddies in the South China Sea. Scientific Reports, 6: 24349 DOI:10.1038/srep24349 |
ZHANG Z W, ZHAO W, QIU B, et al, 2017. Anticyclonic eddy sheddings from Kuroshio loop and the accompanying cyclonic eddy in the northeastern South China Sea. Journal of Physical Oceanography, 47(6): 1243-1259 DOI:10.1175/JPO-D-16-0185.1 |