检索
E-mail
RSS

作者投稿 主编审稿 专家审稿 远程编辑

热带海洋学报 >

2025 , Vol. 44 >Issue 4: 45 - 55

DOI: https://doi.org/10.11978/2024203

海洋气候学

南海南部珊瑚骨骼δ18O和Sr/Ca对ENSO的分级响应

  • 李若安 , 1 ,
  • 李旭清 2 ,
  • 陈天然 , 2
展开
  • 1.华南师范大学地理科学学院, 广东 广州 510631
  • 2.热带海洋环境与岛礁生态全国重点实验室(中国科学院南海海洋研究所), 广东 广州 510301
陈天然。email:

李若安(2001—), 女, 广东省江门市人, 硕士研究生, 主要从事气候变化研究。email:

Copy editor: 孙翠慈

收稿日期: 2024-10-29

  修回日期: 2024-11-23

  网络出版日期: 2024-12-12

基金资助

科技基础资源调查专项(2022FY100601)

国家自然科学基金项目(42076065)

收起

Graded responses of coral skeletal δ18O and Sr/Ca to ENSO in the southern South China Sea

  • LI Ruoan , 1 ,
  • LI Xuqing 2 ,
  • CHEN Tianran , 2
Expand
  • 1. School of Geography Sciences, South China Normal University, Guangzhou 510631, China
  • 2. State Key Laboratory of Tropical Oceanography, South China Sea Institute of Oceanology (CAS), Guangzhou 510301, China
CHEN Tianran. email:

Received date: 2024-10-29

  Revised date: 2024-11-23

  Online published: 2024-12-12

Supported by

Special Foundation for National Science and Technology Basic Research Program of China(2022FY100601)

National Natural Science Foundation of China(42076065)

Fold

摘要

了解珊瑚地球化学指标对不同强度和类型的厄尔尼诺—南方涛动(El Niño-Southern Oscillation, ENSO)事件的响应差异对重建器测前的ENSO具有重要意义。本研究提取了南海南部1950年以来的海表温度(sea surface temperature, SST)数据以及来自4个地点(自西向东分别为竹岛、永暑岛、海葵园和巴拉望)已发表的珊瑚骨骼δ18O和Sr/Ca序列, 采用频域分析和滞后相关性分析等方法, 研究了南海南部海温和珊瑚骨骼地球化学指标对不同类型和等级的ENSO事件的响应。结果表明, 珊瑚骨骼地球化学指标对east Pacific (EP)-El Niño与central Pacific (CP)-El Niño的分级正确率自东向西呈现上升趋势; 而对strong basin wide (SBW)-El Niño的分级正确率则呈现自东向西逐步降低的趋势; 类似地, 对于CP-La Niña, 珊瑚骨骼地球化学指标的分级响应的正确率自东向西逐步提高; 而对于EP-La Niña, 则完全相反。整体上看, 南海南部珊瑚骨骼地球化学指标对EP-El Niño和CP-La Niña的分级响应能力不及SBW-El Niño和EP-La Niña, 对强烈ENSO事件的分级响应能力优于极端ENSO事件。

关键词： 南海南部; ENSO; 珊瑚; Sr/Ca; δ18O; 分级响应

本文引用格式

李若安 , 李旭清 , 陈天然 . 南海南部珊瑚骨骼δ18O和Sr/Ca对ENSO的分级响应[J]. 热带海洋学报, 2025 , 44(4) : 45 -55 . DOI: 10.11978/2024203

Abstract

Understanding the differential responses of coral geochemical proxies to El Niño-Southern Oscillation (ENSO) events of various intensities and types is crucial for reconstructing pre-instrumental ENSO variability. This study extracts sea surface temperature (SST) data from the southern South China Sea (SCS) since 1950, along with published coral skeletal δ18O and Sr/Ca time series from four locations (from west to east: Hòn Tre Island, Yongshu Island, Anemone’s Garden, and Palawan Island). Employing methods such as frequency-domain analysis and lag correlation analysis, we investigate the responses of SST and coral geochemical proxies in the southern South China Sea to different types and grades of ENSO events. The results indicate that the accuracy of coral geochemical proxies in classifying EP (east Pacific)-El Niño and CP (central Pacific)-El Niño events increases from east to west, whereas the classification accuracy for SBW (strong basin-wide)-El Niño events gradually decreases from east to west. Similarly, for CP-La Niña events, the classification accuracy of coral geochemical proxy improves progressively from east to west, while the opposite trend is observed for EP-La Niña events. Overall, the classification capability of coral geochemical proxies in the southern SCS is weaker for EP-El Niño and CP-La Niña events compared to SBW-El Niño and EP-La Niña events, with better performance in classifying strong ENSO events than extreme ENSO events.

Key words： southern South China Sea; ENSO; coral; Sr/Ca; δ18O; graded response

厄尔尼诺—南方涛动(El Niño-Southern Oscillation, ENSO)是热带太平洋最显著的年际变化现象, 其通过改变信风强度、海表温度(sea surface temperature, SST)、盐度、海平面和大气环流等方式来驱动全球气候年际至年代际变化的频率与强度(Hereid et al, 2013)。根据物理过程及其强度, 可将ENSO划分为不同类型和等级。例如, Wang 等(2019)将El Niño分为east Pacific(EP)、central Pacific(CP)以及successive(suc)和strong basin wide(SBW)四种类型, 且发现工业革命以来CP-El Niño相对EP-El Niño的爆发频次上升更加明显; Voskresenskaya 等(2018)综合了La Niña期间最大南方涛动指数(Southern Oscillation Index, SOI)值和最大海温负异常的位置, 将La Niña分为east Pacific(EP)和central Pacific(CP), 并对1900年至2014年发生的12次EP-La Niña和12次CP-La Niña统计分析, 发现CP-La Niña最大SOI为2.69, 较EP-La Niña(1.71)更高, 且最大海温负异常分别出现在赤道中太平洋和赤道东太平洋。
南海(South China Sea, SCS)是西太平洋最大的边缘海, 其南部位于西太平洋暖池(western Pacific warm pool, WPWP)和热带辐合带(intertropical convergence zone, ITCZ)内。ENSO事件爆发时, 赤道西太平洋沃克环流(Walker circulation)和哈德莱环流(Hadley circulation)均出现异常, 导致南海南部SST受到显著影响(Dong et al, 2020)。El Niño期间, 由于西太平洋异常反气旋, 南海风速降低、海气比湿增大、云量减少, 海温较正常年份偏暖。暴发初期, 西太平洋副热带高压(western Pacific subtropical high, WPSH)位置偏西、偏南, 南海中部西南季风较正常年份偏强, 南海海温出现负异常; 而中后期, 异常增强的西南风削弱了东北季风, 海面上空云量减少, 短波辐射增加, 海表潜热通量异常, 海温出现第一次正异常(Rong et al, 2007); 第二次增暖出现在El Niño结束后的夏季, 此时西南季风受到东北风异常的影响明显减弱, 抑制了越南附近海区上升流对SST的影响(黄卓 等, 2009), 进而减少了上涌冷水向南海海盆的输入(Xie et al, 2003)。La Niña期间的南海海温并非每次都会出现双峰演变, 主要是由短波辐射异常、潜热通量异常等导致海水温度降低(Wang et al, 2006)。
对过去气候变化过程的深入理解以及对未来演变的预测都需要建立在长时间尺度记录的基础上。然而现代器测记录(如卫星遥感、船载测量等)时间尺度有限, 因此要了解器测之前的气候变化需要通过地球化学等方法从自然界的气候记录载体(paleo-climate archives)中提取各项地球化学指标。在众多记录载体中, 造礁珊瑚(reef-building corals)因生长在热带浅海、对环境变化敏感、骨骼年轮清晰且具有较高生长率等, 是高分辨率记录热带海洋气候变化的优良载体(Cobb et al, 2003; Yu, 2012; Chen et al, 2018)。珊瑚骨骼Sr/Ca比值是直接记录SST变化的代用指标(Marshall et al, 2002; Deng et al, 2009; Chen et al, 2013); 而δ18O受到SST和海水δ18O的影响, 可结合Sr/Ca用于重建海水盐度(Tudhope et al, 2001; Bolton et al, 2014), 也被广泛用于重建ENSO事件(Cobb et al, 2003; Han et al, 2020)。然而诸多研究表明, 南海珊瑚骨骼地球化学指标对ENSO事件的响应具有延迟或不够灵敏的现象。例如, Han 等(2020)利用南海西沙群岛珊瑚δ18O记录1870至2008年的ENSO事件, 其中对El Niño和La Niña事件的识别准确率分别为68%和65%; 类似地, Tan 等(2022)用南海北部西沙群岛珊瑚δ18O重建了1979至2013年的ENSO事件, 发现平均响应率为62%, 只有对强或超强El Niño和La Niña的响应率能分别达到100%和75%, 但对弱或中度El Niño和La Niña的响应率只有50%和33%左右。
迄今为止, 大部分研究主要针对珊瑚骨骼地球化学指标对ENSO事件的整体响应, 而对不同类型ENSO事件分级响应的研究依然不足。本文通过综合南海南部4个研究地点(竹岛、永暑岛、海葵园和巴拉望)已发表的珊瑚骨骼δ18O及Sr/Ca序列, 利用频域分析、相关性分析、滞后相关等方法, 研究地球化学指标对不同类型和强度的ENSO事件的响应差异, 为进一步明确珊瑚骨骼地球化学指标的指示意义以及优化记录的准确性等提供科学支撑。

1 材料和方法

1.1 珊瑚地球化学指标的数据来源

本文选取了来自南海南部4个站点已发表的珊瑚δ18O和Sr/Ca资料(表1、图1)。永暑岛属于南沙群岛, 位于WPWP内, 受西南夏季风与东北冬季风影响, 年平均SST为28.6℃, 海表盐度为33.0‰~33.5‰(Yu et al, 2006), SST正异常与El Niño相关(Geng et al, 2024)。在1951—1988年的时间段内, 对永暑岛珊瑚样品以2mm(季节分辨率)间隔取样。本文对该段序列重新进行了每年12个样本的三次样条插值(cubic spline interpolation), 获得近似月分辨率的δ18O数据。同样的方法也用于巴拉望珊瑚的δ18O序列。海葵园位于马来西亚婆罗洲美里海岸附近, 距离峇南河口36.4km。冬季东北风强劲, 海水盐度较低, 而夏季西南风较弱, 海水盐度较高。El Niño期间, 该区域更加干旱, 而La Niña期间则相反(Krawczyk et al, 2020)。竹岛位于越南中部东海岸附近, 每年5—8月, 由西南季风引起的上升流导致附近海域SST较邻近海域低3~5℃, 且厄尔尼诺(拉尼娜)年上升流增强(减弱)(Kuo et al, 2004)。巴拉望群岛位于菲律宾西北部地区, El Niño(La Niña)期间由于季风减弱(增强), 该区域出现干旱(湿润)的气候模式(Hilario et al, 2009)。
表1 珊瑚地球化学指标的数据来源

Tab. 1 Data sources for coral geochemical indicators

参考文献 采样地点 经纬度 样品年代 地球化学指标 分辨率
Goodkin et al, 2021 竹岛(Hòn Tre Island) 12°12′N, 109°18′E 1950年1月—2010年10月 Sr/Ca 月
Yu et al, 2001 永暑岛(Yongshu Island) 9°33′N, 112°54′E 1951年1月—1999年4月 δ18O 季节、月
Wu et al, 2020 巴拉望岛(Palawan Island) 11°28′N, 119°01′E 1947年1月—1981年1月 δ18O 半年至双月
Krawczyk et al, 2020 海葵园(Anemone’s Garden) 4°17′N, 113°49′E 1982年1月—2016年1月 δ18O、Sr/Ca 月
图1 南海SST(滞后4个月)和Niño3.4的空间相关性

本图由在线工具Climate Explorer创建(Trouet et al, 2013)。其中, 南海南部SST与Niño3.4呈显著正相关(P<0.1)。SST数据来自1950至2020年的月度分辨率HadISST(Hadley Centre Sea Ice and Sea Surface Temperature)资料(https://www.metoffice.gov.uk/hadobs/hadisst/)。图中黑色圆点表示各珊瑚的采样地点(1: 竹岛; 2: 永暑岛; 3: 海葵园; 4: 巴拉望)

Fig. 1 Spatial correlation between SST in the southern SCS (lagged by 4 months) and Niño3.4 index. Created by Climate Explorer, an online tool (Trouet et al, 2013). The SST in the southern SCS shows a significant positive correlation (P<0.1) with the Niño3.4 index. The SST data used for this analysis were derived from the monthly HadISST dataset, covering the period from 1950 to 2020 (https://www.metoffice.gov.uk/hadobs/hadisst/). Black dots on the map indicate coral sampling locations: (1) Hòn Tre Island; (2) Yongshu Island; (3) Anemone’s Garden, (4) Palawan Island

1.2 器测SST数据处理

本研究选择英国气象局哈德利中心(Hadley Center)1°×1°网格全球海温数据集(HadISST), 时间分辨率为逐月, 跨度为1950年1月至2022年12月。从中提取南海南部(7°N—12°N, 110°E—117°E)、竹岛(12°30′N, 109°30′E)、永暑岛(9°30′N, 112°30′E)、巴拉望(11°30′N, 119°30′E)、海葵园(4°30′N, 113°30′E)所在海区1950年以来的月平均海温数据。Niño3.4月度分辨率SST数据集来自美国国家海洋和大气管理局(NOAA), 时间跨度为1950年1月至2022年12月。用MATLAB软件的Signal Processing Toolbox插件对Niño3.4和南海SST序列进一步开展频域分析和带通滤波处理。在对南海南部SST与Niño3.4 SST的空间相关性进行分析时, 本研究特别关注了不同频域下的相关性表现。分析结果揭示, 在12~48Hz频域(对应周期为1~4年)内, Niño3.4 SST与南海SST(滞后4个月)之间的相关性显著, 相关系数R达到0.72, 且统计显著性水平P<0.05, 这表明两者之间存在较强的相关性。此外, 该频域下珊瑚地球化学指标对不同等级ENSO事件的峰值保留效果也较为理想(详见2.3)。与36~84Hz频域(对应周期为3~7年)得到的相关性R=0.68(P<0.05)相比, 12~48Hz频域的相关性更为突出; 与24~84Hz频域(对应周期为2~7年)得到的相关性R=0.75(P<0.05)相近, 但在ENSO峰值的保留上表现更为优异。因此, 本研究选择将带通滤波的截止频率设定为12~48Hz, 这一设置是常用于提取ENSO信号的2~8年带通滤波窗口的一半, 避免了过度平滑数据, 确保了珊瑚地球化学指标对ENSO事件峰值的清晰度(McGregor et al, 2013)。

1.3 ENSO类型和等级划分

本文依据Sen Gupta等(2020)提出的ENSO分级方法, 设置水温异常的±0.5σ、±σ以及±2σ(σ为标准差)3个阈值, 将ENSO事件分为中等、强烈和极端3个等级。类似的, 对于Niño3.4和珊瑚地球化学指标时间序列, 以平均值为标准, 计算得到每月距平, 12~48Hz带通滤波处理后, 以±0.5σ、±σ、±2σ为阈值, 分别对应“中等”“强烈”和“极端”ENSO事件。
对于ENSO类型的划分, 本文根据Wang 等(2019), 将1950—2020年El Niño事件分别归类为EP-El Niño、CP-El Niño、strong basin wide-El Niño以及successive四种类型; 根据Voskresenskaya 等(2018), 将该时间段内的La Niña事件归类为EP-La Niña和CP-La Niña两种类型。

2 研究结果

2.1 珊瑚骨骼地球化学指标与SST的对应关系

本文首先评估了珊瑚δ18O和Sr/Ca与局地和区域SST的相关性。结果如图2所示, 经过13个月滑动平均处理后的珊瑚地球化学指标与各地的SST相关性显著(P<0.05), 相关系数(R)范围由-0.78至-0.34。区域尺度上, 各地珊瑚δ18O和Sr/Ca与南海南部(110°—117°E, 7°—12°N)SST的相关系数为-0.75~0.15(P<0.05)。因此, 这四地的珊瑚地球化学指标与局地SST均有较好的相关性, 可以作为局地尺度的SST代理指标。同时, 竹岛、海葵园和永暑岛的珊瑚地球化学指标可作为区域尺度的SST代理指标。
图2 经过13个月滑动平均处理后的珊瑚骨骼月分辨率地球化学指标(黑色折线)与南海南部和局地SST(灰色点线)的相关关系(a—j)及时间序列(k—p)

*表示二者具有统计学显著性(P<0.05)

Fig. 2 Correlation analyses (a-j) and time series (k-p) of monthly-resolution geochemical proxies in coral skeletons (black folded line) with sea surface temperature (SST) from southern SCS and local SST records (gray dotted line), both processed with a 13-month moving average. Asterisks (*) represent statistically significant correlations (P<0.05)

2.2 南海南部器测水温的ENSO信号

频域分析结果表明, Niño3.4指示的ENSO信号主要集中在12~48Hz(1~4年)频段(图3)。对Niño3.4和南海南部SST进行12~48Hz滤波处理, 发现南海南部SST在滞后4个月的情况下, 二者相关性最强(R=0.72, P<0.05)(图3e)。这与西沙群岛海域气温异常对ENSO的响应存在4个月的滞后类似(晏宏 等, 2010), 可能与ENSO通过“大气桥”对南海南部SST产生影响有关(Klein et al, 1999; Wang et al, 2006)。因此, 在研究南海南部SST对ENSO分级响应之前, 对其开展滞后4个月的数据处理。从南海南部SST序列中提取了1950—2022年的ENSO事件, 结果显示“强烈”等级的ENSO事件与Niño3.4记录的结果较为一致(图4), 因此南海南部器测SST对于水温异常在1~2倍于标准差所对应的强烈ENSO事件有较好的响应。
图3 器测SST序列的信号处理

a. Niño3.4 SST信号处理前后的时域图, 其中点线为处理前的信号序列, 实线为12~48Hz滤波处理后的信号序列; b. Niño3.4 SST原信号的频域图, 频域分布主要集中在12~48Hz(1~4年)频段; c. Niño3.4 SST经12~48Hz滤波处理后的信号频域图; d. 经12~48Hz带通滤波处理后的Niño3.4(实线)与南海南部(点线)海表温度异常(sea surface temperature anomaly, SSTA)的时间序列; e. 滞后相关分析结果表明, 当南海南部SST滞后4个月时, 与Niño3.4 SST的相关性达到最大, 相关系数为0.72(P<0.05)

Fig. 3 Signal processing of instrumental SST sequence: (a) time-domain plot of the Niño3.4 signal before and after processing, with the dotted line representing the raw signal sequence and the solid line representing the signal sequence after applying a 12~48 Hz filter; (b) frequency-domain plot of the original Niño3.4 signal, showing that the frequency distribution is primarily concentrated in the 12~48 Hz (1~4 years) frequency band; (c) frequency-domain plot of the Niño3.4 signal after 12~48 Hz filtering; (d) time series of Niño3.4 (solid line) and sea surface temperature anomaly (SSTA) (dotted line) in the southern SCS after 12~48 Hz band-pass filtering; (e) results of the lagged correlation analysis, showing that the correlation with Niño3.4 reaches its peak when the SST in the southern SCS is lagged by 4 months, with a correlation coefficient of 0.72 (P<0.05)

图4 根据±1σ和±2σ标准差作为阈值, 将El Niño和La Niña事件划分为中等、强烈和极端3个等级

a. Niño3.4的时间序列; b. 经12~48Hz带通滤波处理后的南海南部SSTA的时间序列

Fig. 4 Classification of El Niño and La Niña events into moderate, intense, and extreme categories, using ±1σ and ±2σ standard deviations as thresholds. (a) Time series of Niño3.4; (b) time series of SSTA in the southern SCS after 12~48 Hz band-pass filtering

2.3 珊瑚骨骼地球化学指标记录的ENSO信号

计算珊瑚骨骼地球化学指标多年月距平值, 并进行12~48Hz带通滤波以及滞后4个月的数据处理。结果显示(图5), 对于“强烈”及以上的ENSO事件, 珊瑚地球化学指标与Niño3.4记录的次数较为接近。具体为, 永暑岛、巴拉望、海葵园的珊瑚δ18O序列对“强烈”及以上的El Niño事件有100%的信号响应, 但分别只有33%、14%、22%与基于Niño3.4的分级结果一致; 对于La Niña, 各地珊瑚δ18O序列对94%强烈及以上的事件有信号响应, 而一致性分别为43%(永暑岛)、40%(巴拉望)和17%(海葵园); 竹岛和海葵园珊瑚Sr/Ca序列对96%“强烈”及以上的El Niño事件有信号响应, 一致性均为33%; 对88%“强烈”及以上的La Niña事件有信号响应, 但分级一致性仅为10%(竹岛)和0(海葵园)。但是, 南海南部珊瑚Sr/Ca对极端ENSO事件的记录并不理想。例如, 海葵园珊瑚Sr/Ca指标将部分极端ENSO事件响应为异常低值, 包括2009年的极端El Niño, 以及2000年和2007年的极端La Niña。此外, 2000—2010年发生的三次极端La Niña事件, 珊瑚序列的响应正确率均为0。
图5 珊瑚地球化学指标记录的不同类型和强度的ENSO事件

a. 1950—2020年Niño3.4序列记录的不同类型和强度的ENSO事件作为标准; b. 1950—2010年竹岛珊瑚Sr/Ca距平; c. 1982—2016年海葵园珊瑚Sr/Ca距平; d. 1951—1999年永暑岛珊瑚δ18O距平; e. 1950—1981年巴拉望珊瑚δ18O距平; f. 1982—2016年海葵园珊瑚δ18O距平; 中性变暖事件(▽ neutral warm)未参与后续统计计算

Fig. 5 Different types and intensities of ENSO events as recorded by coral geochemical proxies: (a) different types and intensities of ENSO events recorded in the Niño3.4 index series from 1950 to 2020 as reference standard; (b) Sr/Ca anomalies from Hòn Tre Island, 1950-2010; (c) Sr/Ca anomalies from Anemone’s Garden, 1982-2016; (d) δ18O anomalies from Yongshu Island, 1951-1999; (e) δ18O anomalies from Palawan Island, 1950-1981; (f) δ18O anomalies from Anemone’s Garden, 1982-2016; Neutral warming events (▽) were excluded from subsequent statistical analyses

对于不同类型的ENSO事件, 不同珊瑚地球化学指标记录的结果也并不一致, 并且不同海区的珊瑚指标对不同种类El Niño的响应也有所差别。鉴于本文用到的珊瑚地球化学指标的时间跨度有差别, 可能未覆盖某类ENSO事件, 因此我们对此类数据序列不进行分析。具体为: 对于EP-El Niño事件, 海葵园珊瑚δ18O序列和Sr/Ca序列不分析; 对于CP-El Niño事件, 巴拉望珊瑚δ18O序列不分析; 由于1950—2020年只记录到了两次suc-El Niño事件, 我们对这类El Niño事件暂不做分析; 对于CP-La Niña事件, 巴拉望珊瑚δ18O序列不做分析。结果如图6所示, 对于EP-El Niño事件, 永暑岛、巴拉望珊瑚δ18O和竹岛珊瑚Sr/Ca序列有100%的响应, 分级一致性分别为20%、20%、40%; 而对于CP-El Niño事件, 永暑岛、海葵园珊瑚δ18O和竹岛、海葵园珊瑚Sr/Ca序列有94%的响应, 分级一致性分别为50%、0%、60%和20%; 对于SBW-El Niño事件, 所有珊瑚序列对其有100%的响应, 分级一致性分别为33%(永暑岛珊瑚δ18O)、67%(海葵园珊瑚δ18O和Sr/Ca)、0(巴拉望珊瑚δ18O和竹岛珊瑚Sr/Ca)。对于EP-La Niña事件, 所有珊瑚序列对其有100%的响应, 分级一致性分别为67%(永暑岛和巴拉望珊瑚δ18O)和0(海葵园珊瑚δ18O、竹岛与海葵园珊瑚Sr/Ca); 对于CP-La Niña事件, 所有珊瑚序列对其有86%的响应, 分级一致性分别为25%(永暑岛珊瑚δ18O)、20%(海葵园珊瑚δ18O)、0(巴拉望珊瑚δ18O和海葵园珊瑚Sr/Ca)以及17%(竹岛珊瑚Sr/Ca)。整体上, 南海南部珊瑚对SBW-El Niño和EP-La Niña的分级一致性优于EP-El Niño、CP-El Niño和CP-La Niña。
图6 珊瑚骨骼地球化学指标和南海南部SST对不同等级和类型ENSO的响应

Fig. 6 Responses of coral skeletal geochemical proxies and SST in the southern SCS to different grades and types of ENSO events

3 讨论

3.1 南海南部SST对ENSO的响应

南海南部SST与Niño3.4呈显著的滞后正相关关系(R=0.72, P<0.05), 这表明El Niño期间南海南部相对温暖, 而La Niña期间相对较冷。南海南部SST对El Niño的响应较为敏感, 分级准确率为56%, 稍优于对La Niña的响应(42%)。这与西太平洋SST对ENSO活动的不对称响应相类似(刘羿 等, 2006; Hereid et al, 2013)。原因可能在于, 南海SST在El Niño爆发后会呈现双峰特征, SST正异常通常发生于次年2月和8月左右。但只有少数La Niña发生后, 南海SST会显示负异常的双峰, 甚至不会出现负异常(Wang et al, 2006)。相较于EP-El Niño, 南海南部变暖信号在CP-El Niño发生后并不显著。可能原因有两个: 一是在CP-El Niño事件中, 两次的增暖都局限在南海西部, 持续时间较短。而在EP-El Niño事件中, 增暖中心会渐渐向南海东部移动, 且持续时间较长(陈梦燕 等, 2017); 二是在CP-El Niño事件中, 菲律宾海反气旋位置偏西且强度偏强, 这会导致南海南部的风异常, 即夏季时由南风变为东风, 而冬季时东北季风对南海的影响变大, 从而不利于南海南部的增暖(林婷婷 等, 2019)。对于La Niña, 根据Yuan 等(2013)对两类La Niña事件成熟期SSTA的合成, 发现在CP-La Niña发生的年份, 南海南部SSTA的分布确实与珊瑚指标所反映的情况一致: 南海南部的偏东部SSTA值近乎为0, 而偏西部逐渐出现海温异常。在EP-La Niña事件中, 南海南部SST整体呈现负异常的状态, 纬向差异不明显。但由于EP-La Niña持续时间一般为一年, 其发生前后赤道东太平洋和中太平洋均表现出正海温异常, 因此分级响应可能会受到影响。
总之, 在南海南部SST对不同等级的ENSO响应方面, 与中东太平洋SST直接受到ENSO调控不同, 南海SST主要通过大气桥接收ENSO信号(Wang et al, 2006)。因此, 当ENSO强度较强时, 南海南部SST响应ENSO信号较好; 但较弱时, 其对季风系统的影响减弱, 南海SSTA值也相应减小, 从而可能无法准确响应ENSO事件(Han et al, 2020)。

3.2 珊瑚地球化学指标对不同类型ENSO的响应

南海南部珊瑚骨骼δ18O和Sr/Ca与相应器测SST序列之间存在显著的负相关(R从-0.78至-0.34, P<0.05), 说明珊瑚骨骼δ18O和Sr/Ca记录能够捕获SST的年际变率, 但各地差异较为明显。永暑岛与竹岛珊瑚δ18O和Sr/Ca对EP-El Niño和SBW-El Niño的响应信号较弱。相对而言, 海葵园珊瑚δ18O和Sr/Ca序列对SBW-El Niño具有较好的响应信号。然而, 海葵园珊瑚δ18O和Sr/Ca序列对CP-El Niño的响应信号较弱, 不及竹岛和永暑岛珊瑚, 可能的原因在于CP-El Niño的第一次增暖只出现在115°E以西的海域, 南海东部海域只出现弱增暖(Liu et al, 2014)。结合这四个研究地点, 南海南部珊瑚骨骼地球化学指标对SBW-El Niño的响应信号自东向西逐渐下降, 但对EP-El Niño和CP-El Niño的响应信号逐渐增强。这可能与不同类型El Niño的爆发机制以及发展规律有关: SBW-El Niño起始区域为西太平洋, 并逐渐向东发展传播, 海温异常值通常在12月、120°W达到最大, 并具有明显的西风异常; 虽然CP-El Niño起始位置也为西太平洋(约165°E), 但其变暖过程相较于SBW-El Niño温和, 海温异常值通常在7月、日界线附近达到最大, 成熟后中—西太平洋上空西风带较强, 有利于形成强烈的纬向平流反馈(Wang et al, 2019)。因此, 在对CP-El Niño进行分级分析时, 发现南海南部西侧的竹岛和永暑岛的珊瑚记录具有较高的分级准确率, 分别为50%和60%。其中, 竹岛珊瑚在EP-El Niño的分级一致性方面也表现较为优异, 准确率达到40%。与此同时, 位于南海南部东侧的海葵园珊瑚在SBW-El Niño的分级一致性上表现更为显著, 准确率高达66.7%。通过综合分析这四个地点的珊瑚记录, 能够有效地对El Niño事件进行等级重建。
与响应El Niño类似, 西部竹岛珊瑚Sr/Ca序列对CP-La Niña的响应信号较东边的永暑岛和海葵园珊瑚弱, 即表现出自东向西响应信号逐渐变低的趋势。可能原因在于, 在CP-La Niña发展过程中, 受到中太平洋上空局部海—气相互作用衰减的影响, SSTA几乎没有经向传播(Zhang et al, 2015), 故对南海南部SST的影响相对较弱(Yuan et al, 2013); 而EP-La Niña在发展过程中却呈现出向西传播的特征, 造成了不同珊瑚生长区域的SST差异显著。因此, 在对EP-La Niña进行分级分析时, 可以综合考虑巴拉望岛和永暑岛的珊瑚记录, 两者均展现出66.7%的高准确率, 具有较高的参考价值。然而, 对于CP-La Niña, 南海南部的珊瑚记录表现不佳, 准确率普遍低于30%, 在重建过程中需要更加谨慎。
值得注意的是, 由于珊瑚序列较短且年代跨度不一, 部分序列仅记录了一次特定类型的ENSO事件, 这限制了其在ENSO事件分级中的可靠性。例如, 巴拉望岛的珊瑚δ18O序列仅记录了一次SBW-El Niño, 且在分级上出现了错误。同样, 海葵园的δ18O和Sr/Ca序列也仅记录了一次EP-La Niña, 但也出现了分级错误。因此, 在讨论SBW-El Niño和EP-La Niña这两类ENSO事件时, 我们更应关注整个南海南部海盆的分级一致性。具体来说, 南海南部对SBW-El Niño的响应呈现出自东向西逐渐减弱的趋势, 而对EP-La Niña的响应则表现为西部最弱, 东部较强。这些发现不仅揭示了南海不同区域珊瑚记录在ENSO事件分级中的潜力, 而且强调了在进行ENSO事件历史重建时, 综合考虑多个地点珊瑚记录的重要性。为了进一步验证这些结论, 未来研究需要收集更多的巴拉望岛和海葵园珊瑚序列, 以增强我们对ENSO事件在南海南部影响的理解, 并提高ENSO事件重建的准确性。

3.3 珊瑚地球化学指标对不同等级ENSO的分级响应

南海南部珊瑚地球化学指标对强烈等级ENSO的分级一致性较好(平均为39%), 而对极端ENSO事件的分级一致性较弱(平均为16%)。刘羿 等(2006)在建立海南岛东部Sr/Ca和δ18O温度计时也发现了类似的情况, 即在夏季SST达到最大值时, Sr/Ca和δ18O温度计却偏向低温。在原因解释上, 作者认为可能与南海作为半封闭边缘海有关, 珊瑚地球化学指标对SST的灵敏性可能受到了更多非温度因素的影响。而对于部分中等的ENSO事件, 三个δ18O和两个Sr/Ca序列出现了“放大响应”的现象, 如永暑岛和海葵园δ18O在1994—1997年检测出了一次强烈La Niña事件。可能原因在于, 部分年份的西风减弱(增强)的幅度较小导致西太平洋暖池东移(西移)不明显, 从而出现珊瑚地球化学指标检测到El Niño(La Niña)信号, 但Niño3.4却无反应的情况(Asami et al, 2005)。
受上升流影响的海区, 珊瑚指标可能并不能很好地分级响应极端ENSO事件。如竹岛珊瑚Sr/Ca指标对ENSO事件的响应信号被严重削弱, 对1997年极端El Niño响应等级仅为中等。可能的原因在于, 极端El Niño事件时, 季风的增强导致越南中部沿岸上升流强度显著增加, 从而削弱了局地海温正异常幅度(Kuo et al, 2004); 与之相反, 在极端拉尼娜事件中, 季风强度减弱。上升流强度较正常年份减弱, 海温负异常幅度减小。

4 结论

本文研究了1950年以来南海南部永暑岛、巴拉望、海葵园、竹岛的珊瑚地球化学指标对不同等级和类型ENSO事件的响应, 结果表明珊瑚对ENSO事件的响应差异性主要与局地SST的波动有关。南海南部SST可以反映ENSO事件的强度变化趋势以及峰谷时间, 但由于南海离ENSO核心区较远, 南海南部SST对低强度的ENSO事件无法准确响应。对于El Niño, 珊瑚骨骼地球化学指标对EP型与CP型的分级正确率自东向西呈现上升趋势, 这与此时南海南部海温异常的分布有关; 而对SBW型的分级正确率则呈现自东向西逐步降低的趋势, 这与其全海盆变暖的特性有关; 类似地, 对于CP-La Niña, 南海南部珊瑚骨骼地球化学指标的分级响应的正确率自东向西逐步提高; 而对于EP-La Niña, 则完全相反。整体上看, 相较于其他类型的El Niño和La Niña事件, 南海南部珊瑚骨骼地球化学指标对SBW-El Niño和EP-La Niña的响应最佳。
了解珊瑚地球化学指标对不同强度和类型ENSO事件的响应差异对器测前的ENSO记录具有重要意义。本文建议, 接下来的研究首先仍需要进一步收集更多的珊瑚地球化学序列, 尤其是长时间尺度(>50年)、月分辨率的时间序列, 从而进一步精确定量不同强度ENSO事件与珊瑚地球化学指标之间的关系, 构建高精度、更全面的ENSO事件重建模型。此外, 跨区域对比研究也可以揭示不同珊瑚种类、局地气候和水文环境等对地球化学指标响应ENSO信号差异的贡献, 从而提高对历史ENSO事件的重建精度。

参考文献

原文顺序 | 文献年度倒序 | 文中引用次数倒序
[1]
陈梦燕, 王鑫, 刘钦燕, 等, 2017. 南海海温在两类El Niño衰退期的季节响应差异[J]. 热带海洋学报, 36(1): 1-8.

DOI

CHEN MENGYAN, WANG XIN, LIU QINYAN, et al, 2017. Different SST seasonally variability in the South China Sea during the decaying year of the two types of El Niño[J]. Journal of Tropical Oceanography, 36(1): 1-8 (in Chinese with English abstract).

[2]
黄卓, 徐海明, 杜岩, 等, 2009. 厄尔尼诺期间和后期南海海面温度的两次显著增暖过程[J]. 热带海洋学报, 28(5): 49-55.

DOI

HUANG ZHUO, XU HAIMING, DU YAN, et al, 2009. Two sea-surface warming events in the South China Sea during and after El Niño[J]. Journal of Tropical Oceanography, 28(5): 49-55 (in Chinese with English abstract).

DOI

[3]
林婷婷, 李春, 2019. ENSO与南海SST关系的年代际变化[J]. 海洋气象学报, 39(2): 68-75.

LIN TINGTING, LI CHUN, 2019. Interdecadal variability of the relationship between ENSO and SST over the South China Sea[J]. Journal of Marine Meteorology, 39(2): 68-75 (in Chinese with English abstract).

[4]
刘羿, 彭子成, 程继满, 等, 2006. 海南岛东部海域滨珊瑚Sr/Ca比值温度计及其影响因素初探[J]. 第四纪研究, 26(3): 470-476.

LIU YI, PENG ZICHENG, CHENG JIMAN, et al, 2006. The relationship between Sr/Ca values of Porites coral and SST values in eastern Hainan Island at the north of South China Sea and its influence factors[J]. Quaternary Sciences, 26(3): 470-476 (in Chinese with English abstract).

[5]
晏宏, 孙立广, 刘晓东, 等, 2010. 近50年来南海西沙群岛海域气候异常的ENSO效应[J]. 热带海洋学报, 29(5): 29-35.

YAN HONG, SUN LIGUANG, LIU XIAODONG, et al, 2010. Relationship between ENSO events and regional climate anomalies around the Xisha Islands during the last 50 years[J]. Journal of Tropical Oceanography, 29(5): 29-35 (in Chinese with English abstract).

DOI

[6]
ASAMI R, YAMADA T, IRYU Y, et al, 2005. Interannual and decadal variability of the western Pacific sea surface condition for the years 1787-2000: Reconstruction based on stable isotope record from a Guam coral[J]. Journal of Geophysical Research: Oceans, 110(C5): C05018.

[7]
BOLTON A, GOODKIN N F, HUGHEN K, et al, 2014. Paired Porites coral Sr/Ca and δ18O from the western South China Sea: proxy calibration of sea surface temperature and precipitation[J]. Palaeogeography, Palaeoclimatology, Palaeoecology, 410: 233-243.

[8]
CHEN TIANRAN, COBB K M, ROFF G, et al, 2018. Coral-derived western Pacific tropical sea surface temperatures during the last millennium[J]. Geophysical Research Letters, 45(8): 3542-3549.

[9]
CHEN TIANRAN, YU KEFU, CHEN TEGU, 2013. Sr/Ca-sea surface temperature calibration in the coral Porites lutea from subtropical northern South China Sea[J]. Palaeogeography, Palaeoclimatology, Palaeoecology, 392: 98-104.

[10]
COBB K M, CHARLES C D, CHENG HAI, et al, 2003. El Niño/Southern Oscillation and tropical Pacific climate during the last millennium[J]. Nature, 424(6946): 271-276.

[11]
DENG WENFENG, WEI GANGJIAN, LI XIANHUA, et al, 2009. Paleoprecipitation record from coral Sr/Ca and δ18O during the mid Holocene in the northern South China Sea[J]. The Holocene, 19(6): 811-821.

[12]
DONG LIANG, ZHANG XU, JIA GUODONG, et al, 2020. CO2-induced decoupling of tropical surface and thermocline water temperature at the onset of interglacials[J]. Geophysical Research Letters, 47(20): e2020GL088805.

[13]
GENG JUN, YAN HONG, LIU CHENGCHENG, et al, 2024. Reconstruction of ENSO variability using the standardized growth index of a Tridacna shell from Yongshu Reef, South China Sea[J]. Science of The Total Environment, 912: 169118.

[14]
GOODKIN N F, SAMANTA D, BOLTON A, et al, 2021. Natural and anthropogenic forcing of multi-decadal to centennial scale variability of sea surface temperature in the South China Sea[J]. Paleoceanography and Paleoclimatology, 36(10): e2021PA004233.

[15]
HAN TAO, YU KEFU, YAN HONG, et al, 2020. Coral δ18O-based reconstruction of El Niño-Southern Oscillation from the northern South China Sea since 1851 AD[J]. Quaternary International, 550: 159-168.

[16]
HEREID K A, QUINN T M, OKUMURA Y M, 2013. Assessing spatial variability in El Niño-Southern Oscillation event detection skill using coral geochemistry[J]. Paleoceanography, 28(1): 14-23.

[17]
HILARIO F, de GUZMAN R, ORTEGA D, et al, 2009. El Niño Southern Oscillation in the Philippines: impacts, forecasts, and risk management[J]. Philippine Journal of Development, 36(1): 9-34.

[18]
KLEIN S A, SODEN B J, LAU N C, 1999. Remote sea surface temperature variations during ENSO: Evidence for a tropical atmospheric bridge[J]. Journal of Climate, 12(4): 917-932.

[19]
KRAWCZYK H, ZINKE J, BROWNE N, et al, 2020. Corals reveal ENSO-driven synchrony of climate impacts on both terrestrial and marine ecosystems in northern Borneo[J]. Scientific Reports, 10(1): 3678.

DOI PMID

[20]
KUO N J, ZHENG QUANAN, HO C R, 2004. Response of Vietnam coastal upwelling to the 1997-1998 ENSO event observed by multisensor data[J]. Remote Sensing of Environment, 89(1): 106-115.

[21]
LIU QINYAN, WANG DONGXIAO, WANG XIN, et al, 2014. Thermal variations in the South China Sea associated with the eastern and central Pacific El Niño events and their mechanisms[J]. Journal of Geophysical Research: Oceans, 119(12): 8955-8972.

[22]
MARSHALL J F, MCCULLOCH M T, 2002. An assessment of the Sr/Ca ratio in shallow water hermatypic corals as a proxy for sea surface temperature[J]. Geochimica et Cosmochimica Acta, 66(18): 3263-3280.

[23]
MCGREGOR H V, FISCHER M J, GAGAN M K, et al, 2013. A weak El Niño/Southern Oscillation with delayed seasonal growth around 4, 300 years ago[J]. Nature Geoscience, 6(11): 949-953.

[24]
RONG ZENGRUI, LIU YUGUANG, ZONG HAIBO, et al, 2007. Interannual sea level variability in the South China Sea and its response to ENSO[J]. Global and Planetary Change, 55(4): 257-272.

[25]
SEN GUPTA A, THOMSEN M, BENTHUYSEN J A, et al, 2020. Drivers and impacts of the most extreme marine heatwaves events[J]. Scientific Reports, 10(1): 19359.

DOI PMID

[26]
TAN FEI, YANG HONGQIANG, ZHANG XIYANG, et al, 2022. Assessing the intercolony δ18O proxy calibration in a coral microatoll and its implication for ENSO reconstruction in the northern South China Sea[J]. Palaeogeography, Palaeoclimatology, Palaeoecology, 598: 111031.

[27]
TROUET V, VAN OLDENBORGH G J, 2013. KNMI Climate Explorer: a web-based research tool for high-resolution paleoclimatology[J]. Tree-Ring Research, 69(1): 3-13.

[28]
TUDHOPE A W, CHILCOTT C P, MCCULLOCH M T, et al, 2001. Variability in the El Niño-Southern Oscillation through a glacial-interglacial cycle[J]. Science, 291(5508): 1511-1517.

PMID

[29]
VOSKRESENSKAYA E N, MARCHUKOVA O V, MASLOVA V N, et al, 2018. Interannual climate anomalies in the Atlantic-European region associated with La-Nina types[C]. IOP Conference Series: Earth and Environmental Science, 107: 012043.

[30]
WANG BIN, LUO XIAO, YANG Y M, et al, 2019. Historical change of El Niño properties sheds light on future changes of extreme El Niño[J]. Proceedings of the National Academy of Sciences of the United States of America, 116(45): 22512-22517.

DOI PMID

[31]
WANG CHUNZAI, WANG WEIQIANG, WANG DONGXIAO, et al, 2006. Interannual variability of the South China Sea associated with El Niño[J]. Journal of Geophysical Research: Oceans, 111(C3): C03023.

[32]
WU YANG, FALLON S J, 2020. Prebomb to postbomb 14C history from the west side of Palawan Island: insights into oceanographic changes in the South China Sea[J]. Journal of Geophysical Research: Oceans, 125(6): e2019JC015979.

[33]
XIE SHANGPING, XIE QIANG, WANG DONGXIAO, et al, 2003. Summer upwelling in the South China Sea and its role in regional climate variations[J]. Journal of Geophysical Research: Oceans, 108(C8): 3261.

[34]
YU KEFU, 2012. Coral reefs in the South China Sea: Their response to and records on past environmental changes[J]. Science China Earth Sciences, 55: 1217-1229.

[35]
YU KEFU, CHEN TEGU, HUANG DINGCHENG, et al, 2001. The high-resolution climate recorded in the δ18O of Porites lutea from the Nansha Islands of China[J]. Chinese Science Bulletin, 46(24): 2097-2102.

[36]
YU KEFU, ZHAO JIANXIN, SHI QI, et al, 2006. U-series dating of dead Porites corals in the South China Sea: Evidence for episodic coral mortality over the past two centuries[J]. Quaternary Geochronology, 1(2): 129-141.

[37]
YUAN YUAN, YAN HONGMING, 2013. Different types of La Niña events and different responses of the tropical atmosphere[J]. Chinese Science Bulletin, 58: 406-415.

[38]
ZHANG WENJUN, WANG LEI, XIANG BAOQIANG, et al, 2015. Impacts of two types of La Niña on the NAO during boreal winter[J]. Climate Dynamics, 44: 1351-1366.

Options
文章导航

/

〈 〉