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 >

2026 , Vol. 45 >Issue 1: 140 - 153

DOI: https://doi.org/10.11978/2025024

海洋水文学

印度洋赤道深层流的季节内变化特征及其驱动机制*

  • 钟卿文 , 1, 2 ,
  • 陈更新 , 1 ,
  • 陈举 1 ,
  • 何云开 1
展开
  • 1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 511458
  • 2中国科学院大学, 北京 100049
陈更新, 研究员, 博士生导师。email:

*本研究所使用的数据来自国家自然科学基金共享航次计划项目, 相关航次编号(及项目批准号)为: NORC2015-10(41549910)、NORC2016-10(41649910)、1ORC2017-10(41749910)、NORC2018-10(41849910)、NORC2019-10(41949910)、NORC2020-10(42049910)、NORC2022-10+NORC2022-303(42149910), 航次由“实验1号”“实验3号”和“实验6号”组织实施, 在此一并致谢

钟卿文(1997—), 广东省韶关市人, 博士研究生, 研究方向为海洋环流与波动动力学。email:

Editor: 孙翠慈

收稿日期: 2025-02-18

  修回日期: 2025-03-25

  网络出版日期: 2025-06-06

基金资助

国家自然科学基金共享航次计划项目(42149910)

国家自然科学基金(42476199)

国家自然科学基金(42476022)

国家自然科学基金共享航次计划项目(41549910)

国家自然科学基金共享航次计划项目(41649910)

国家自然科学基金共享航次计划项目(41749910)

国家自然科学基金共享航次计划项目(41849910)

国家自然科学基金共享航次计划项目(41949910)

国家自然科学基金共享航次计划项目(42049910)

收起

Intraseasonal variability and dynamical mechanisms of equatorial deep currents in the Indian Ocean*

  • ZHONG Qingwen , 1, 2 ,
  • CHEN Gengxin , 1 ,
  • CHEN Ju 1 ,
  • HE Yunkai 1
Expand
  • 1State Key Laboratory of Tropical Oceanography, South China Sea Institute of Oceanology, Chinese Academy of Sciences, Guangzhou 511458, China
  • 2University of Chinese Academy of Sciences, Beijing 100049, China
CHEN Gengxin. email:

Editor: SUN Cuici

Received date: 2025-02-18

  Revised date: 2025-03-25

  Online published: 2025-06-06

Supported by

Shiptime Sharing Project of National Natural Science Foundation of China (NSFC)(42149910)

National Natural Science Foundation of China(42476199)

National Natural Science Foundation of China(42476022)

Shiptime Sharing Project of National Natural Science Foundation of China (NSFC)(41549910)

Shiptime Sharing Project of National Natural Science Foundation of China (NSFC)(41649910)

Shiptime Sharing Project of National Natural Science Foundation of China (NSFC)(41749910)

Shiptime Sharing Project of National Natural Science Foundation of China (NSFC)(41849910)

Shiptime Sharing Project of National Natural Science Foundation of China (NSFC)(41949910)

Shiptime Sharing Project of National Natural Science Foundation of China (NSFC)(42049910)

Fold

摘要

本文利用2015年3月—2021年5月热带印度洋观测网(tropical Indian Ocean observation net, TIOON)在赤道80°E、85°E和93°E布设的观测潜标所获取的环流时间序列, 结合BRAN2020 (Bluelink ReANalysis)环流流速数据以及JRA-55(Japanese 55-year Reanalysis)气象数据, 研究了印度洋赤道深层环流(1200m以下)的季节内变化特征及其驱动机制。观测结果显示, 深层环流流速平均值接近0, 纬向流速标准偏差范围为2.5~3.1cm·s−1, 经向流速标准偏差范围为2.6~3.1cm·s−1。纬向流和经向流的季节内周期信号强度分别占各自总流动强度的88%~91%和74%~84%, 揭示了深层环流中的显著季节内周期变率特征。小波分析表明, 深层纬向流季节内信号主要周期为10~100d, 其中80°E处的周期较长(50~90d), 而93°E处的主要为50d及更高频信号, 表现为蓝移现象, 即环流变化的主导频率随位置靠东而变高的现象。经向流季节内信号以60d周期最显著。赤道风应力异常是深层环流季节内变率的重要驱动因素。中海盆(80°E和85°E)深层环流季节内变率主要受纬向风应力异常驱动, 通过反射波动过程调制; 基于低阶斜压模态, 能量通过Kelvin波在东边界反射后形成的Rossby波向深层传递。东海盆(93°E)深层环流季节内变率主要受纬向和经向风应力异常驱动, 通过直接波动过程调制; 基于多阶斜压模态, 能量通过在环流西侧由风直接驱动产生的Yanai波向深层传递。根据线性波动理论, 本研究刻画了上述赤道波的能量传播射线, 结果显示地形对赤道波调制深海环流的动力过程有重要影响: 中海盆的平坦地形有利于向下向西传播能量的反射波动过程, 而90°E海脊可能会阻碍向下向东传播能量的直接波动过程。在平坦地形区域, 正压不稳定过程在经向上无显著差异且强度弱, 区域平均结果显示能量主要由平均流向环流季节内变率释放; 90°E海脊附近, 环流季节内变率与平均流之间存在更强的非线性动力作用, 表现为环流季节内变率向平均流转移能量。本研究加深了对深层环流动力学的理解, 为改进深海环流模拟提供了观测依据。

关键词： 印度洋环流; 赤道深层流; 季节内变率; 赤道波动

本文引用格式

钟卿文 , 陈更新 , 陈举 , 何云开 . 印度洋赤道深层流的季节内变化特征及其驱动机制*[J]. 热带海洋学报, 2026 , 45(1) : 140 -153 . DOI: 10.11978/2025024

Abstract

This paper examines the intraseasonal variability of equatorial deep currents (below 1200 m) in the Indian Ocean, utilizing time series data spanning from 2015 to 2021. These data were obtained from TIOON (tropical Indian Ocean observation net) moorings positioned at 80°E, 85°E, and 93°E on the equator, supplemented by continuous current velocity data from BRAN2022, wind velocity data from JRA-55, and temperature-salinity data from WOA23. Observations reveal that the standard deviation (STD) of zonal current velocities at these locations ranges from 2.5 to 3.1 cm·s−1, while the STD of meridional current velocities ranges from 2.6 to 3.1 cm·s−1. Notably, intraseasonal variability accounts for 88%-91% and 74%-84% of the total current variability for the zonal and meridional currents, respectively, underscoring its significance. Wavelet analysis indicates that the primary period of intraseasonal deep zonal currents is 10-100 days, with a longer period (50-90 days) observed at 80°E and a shorter period (< 50 days) at 93°E. This suggests a blue-shift phenomenon, where the variability in deep currents shifts to higher frequencies toward the east. Additionally, intraseasonal meridional currents exhibit a significant peak at the 60-day period. Equatorial wind stress anomalies are a crucial forcing factor driving intraseasonal variability in deep currents through both direct and reflected wave processes. In the central basin (80°E and 85°E), intraseasonal variability is primarily driven by zonal wind stress anomalies and modulated by a reflected wave process. Energy is transferred to the deep layers via Rossby waves formed by Kelvin waves reflected at the eastern boundary, primarily involving low-order baroclinic modes. Conversely, in the eastern basin (93°E), intraseasonal variability is driven by both zonal and meridional wind stress anomalies and modulated by a direct wave process. Energy is transferred to the deep layers via Yanai waves generated directly west of the current, involving multi-order baroclinic modes. Based on linear wave theory, this study illustrates the energy propagation rays of equatorial beams, emphasizing the critical role of topography in deep circulation dynamics. The flat topography of the central basin facilitates downward and westward energy propagation through reflected wave processes, while the ridge near 90°E may impede downward and eastward energy propagation through direct wave processes. Barotropic conversion (T4) analysis reveals strong nonlinear dynamics near the 90°E ridge, with significant energy transfer from intraseasonal variability to the mean flow. In contrast, over flat topography, the energy transfer is reversed—from the mean flow to intraseasonal variability—though notably weak. This study enhances our understanding of deep current dynamics and provides observational evidence to improve deep ocean circulation simulations.

Key words： Indian Ocean circulation; equatorial deep current; intraseasonal variability; equatorial wave

深海环流在调节全球气候系统和维持海洋生态稳定方面具有关键作用(Gregory, 2000)。深入研究深海环流对揭示其在海洋生态系统变化与全球气候变暖背景下的响应机制至关重要, 有助于阐明深海在热量和碳储存中的功能(Levin et al, 2015)。然而, 理解和模拟赤道深层环流仍然是物理海洋学的巨大挑战之一。其中, 印度洋深层环流的结构和动力机制未被充分认识, 解决与观测之间存在的不一致性是深层环流模拟的重要研究课题之一。
赤道环流垂直结构复杂, 整个水柱由多支纬向流动构成, 一般表现为多个东西向交替的洋流, 其中, 中层环流位于温跃层以下至1200m, 深层赤道急流(equatorial deep jet)位于中层流以下, 为深海环流。Luyten 等(1976)在赤道印度洋的观测首次揭示了深海环流的存在, 而后续其他观测证明深海环流存在于所有大洋中, 局限于赤道南北纬1°范围内, 观测中深层流速的深度平均振幅介于10~20cm·s−1之间, 垂直波长为300~700m (Youngs et al, 2015; Ménesguen et al, 2019), 而近底层观测流速的标准差估计为3.2~4.2cm·s−1(Harvey et al, 1976; Jain et al, 2021)。赤道南、北纬2°范围内的深层纬向流呈相反流向的分布特点; 且深海环流的纬向速度与垂向位移有2/π个相位超前关系, 这些现象表明了关于深海环流的赤道波动过程的讨论可基于第一经向模态完成, 以及用线性波动理论可以解释印度洋深海环流的短垂直波长特征(Dengler et al, 2002)。前人研究还强调了风强迫在解释深海洋流维持能量来源中的重要性, 即风强迫通过赤道波动和垂直结构将能量传递到更深的水域的动力过程(O’Neill et al, 1984; Ascani et al, 2010)。相关驱动过程是通过线性波动将动量从海洋表面向下传递的过程: 赤道纬向风在表层激发显著开尔文波, 其传播方向为向东和向下; 开尔文波在东部边界反射后形成罗斯贝波, 其射线路径更陡峭。这些赤道波动及其相位传播特征在赤道印度洋观测中清晰可见(Nagura et al, 2016; Huang et al, 2018a)。Ogata 等(2008)利用高分辨率模式研究深层经向流季节内变率, 模拟了赤道纬向风所激发的双周混合Rossby-重力波可将能量自表层传递到85°E的1000m, 再向深处传播至93°E的4000m深层, 形成东海盆深层显著的经向流变率峰值, 这一结果支持了高频波动穿越密度跃层向深海传递能量的物理可行性。部分东海盆印度洋深海非连续观测揭示了4000m环流周期小于30d的能量分布(Amol et al, 2022); 但这些季节内、双周时间尺度的动力过程仍然需补充更连续的观测证据和分析实例。
在线性波动理论中, 还需要考虑赤道波束在中深层水体中的特殊传播路径和环流的垂直模态结构(McCreary, 1984)。因罗斯贝波向下传播过程中, 射线的角度与其频率成正比: 频率越高, 射线角度越陡, 向下穿透越深(Han, 2005; Chen et al, 2020a), 线性波动解释深层环流时需考虑传播阴影区的影响。在西印度洋深层环流模拟中显示, 7~21d周期信号由混合罗斯贝重力波(Yanai波)主导, 更短周期信号由惯性重力波主导(Eriksen, 1980)。前人研究发现Yanai波可以由局地经向风、动力不稳定以及Somali边界反射的Rossby波驱动(Moore et al, 1990; Chatterjee et al, 2013)。而在东印度洋海盆, 赤道罗斯贝波的传播角度与驱动场和驱动位置有关。例如, 中海盆风场利于驱动东海盆的中层流季节内和季节信号, 但由于传播路径的倾斜特征, 信号强度呈现西强东弱的特征(Chen et al, 2020a; Zhong et al, 2023)。因此, 在靠近东边界和底边界的区域容易形成阴影区, 该区域的赤道波动信号极弱, 这使得阴影区附近的深层环流难以解释。因在西海盆生成的Yanai波的能量向东传播,有可能在深层激发稳定的纬向流(d′Orgeville et al, 2007)。
而将观测事实与线性理论的结合能够使风能在东海盆深海环流的动力过程更加清晰; 来自热带印度洋观测网(tropical Indian Ocean observation net, TIOON) (Zeng et al, 2021)提供了高质量高时间分辨率的长时间观测序列, 使得东印度洋海盆的深海研究成为可能。本文通过观测资料分析刻画印度洋深海环流的时空特性, 进而利用线性波动理论解释印度洋深海环流的可能机理, 最后探讨了东印度洋深海海底地形效果。

1 数据和方法

1.1 观测数据

热带印度洋观测网(TIOON)由中国国家自然科学基金委员会、中国科学院战略重点研究项目和国家重大研究发展计划共同资助, 主要由中国科学院南海海洋研究所负责实施。TIOON可提供深层流实测时间序列, 其在赤道上布置有三个潜标Q5(0°, 80°E)、Q4(0°, 85°E)和Q2(0°, 93°E), 为研究热带印度洋赤道环流的重要特征及动力机制提供了关键数据(Chen et al, 2015a, 2015b, 2016, 2017, 2018, 2019, 2020a, 2020b; Huang et al, 2018a, 2018b, 2019)。图1展示了TIOON赤道潜标位置及热带东印度洋海底地形。
图1 TIOON潜标观测点(Q5、Q4、Q2; 红色三角形)及热带东印度洋海底地形图

该图基于自然资源部标准地图服务网站下载的审图号为GS(2016)1665号的标准地图制作

Fig. 1 Locations of TIOON mooring arrays (Q5, Q4, Q2; red triangles) and the bathymetry of the tropical eastern Indian Ocean

在固定深度部署海流计是一种有效测量深海流速的方法(Tuchen et al, 2022)。自2015年3月以来, 潜标在近底层布置的海流计提供高时间分辨率水平流速数据(纬向和经向)。在最终数据产品中, 只有经过质量控制的流速仪数据被保留, 且流速仪测得的流速经过40h低通滤波以去除潮流分量, 然后插值为24h时间分辨率的时间序列(图2)。对于深层环流中大于4000m的流速, Q5的观测深度4590m, 时间为2015年4月5日至2021年5月21日, 纬向流速为(0.2±3.1)cm·s−1, 经向流速为(0.0±2.6)cm·s−1; Q4的观测深度4463m, 时间为2015年3月30日至2019年5月4日, 纬向流速为(0.6±2.7)cm·s−1, 经向流速为(0.0±3.1)cm·s−1; Q2的观测深度4394m, 时间为2015年5月26日至2019年5月8日, 纬向流速为(0.3±2.5)cm·s−1, 经向流速为(0.0±2.8)cm·s−1 (表1)。
图2 2015年3月—2021年5月期间TIOON潜标(Q5、Q4、Q2)的纬向流速(a、b、c)和经向流速(d、e、f)的时间序列及其所在观测深度(g、h、i)

Fig. 2 Time series of zonal velocity (a, b, c) and meridional velocity (d, e, f) observed by TIOON moorings (Q5, Q4, Q2) in the eastern tropical Indian Ocean, along with their corresponding observation depths (g, h, i)

表1 TIOON潜标观测点信息及洋流特征统计, 包括地理位置与深度(单位: m)、观测时间范围以及洋流速度, 其中速度包含纬向流速(u; 单位: cm·s−1)以及经向流速(v; 单位: cm·s−1), 数据为平均值±标准差

Tab. 1 Summary of TIOON mooring observations and statistical characteristics of zonal (u; units: cm·s−1) and meridional (v; units: cm·s−1) current velocities at each mooring site, including geographical location and depth (units: m), observation time range, and current velocity, with data presented as mean values ± standard deviation of velocities

潜标 位置 观测深度/m 地形深度/m 时间 纬向流速u / (cm·s−1) 经向流速v / (cm·s−1)
Q5 0°, 80°E 4590 4677 2015年4月5日—2021年5月21日 0.2±3.1 0.0±2.6
Q4 0°, 85°E 4463 4546 2015年3月30日—2019年5月4日 0.6±2.7 0.0±3.1
Q2 0°, 93°E 4394 4516 2015年5月26日—2019年5月8日 0.3±2.5 0.0±2.8
文中还使用了WOA23 (World Ocean Atlas 2023, World Ocean Atlas - Climate Fields Data Access)的温度和盐度气候态数据作为背景场, 计算赤道印度洋浮力频率垂向分布。WOA23是一套基于实测数据的海洋气候平均数据集, 包括温度、盐度、溶解氧、营养盐等海洋变量, 反映变量在标准深度层上的多年平均值和季节变化特征。其由美国国家海洋和大气管理局(National Oceanic and Atmospheric Administration, NOAA)国家环境信息中心发布, 利用全球范围内经过质量控制的实地观测数据[如CTD剖面、ARGO (Array for Real-time Geostrophic Oceanography)浮标、水瓶采样等]进行统计、插值和格点化处理生成。

1.2 再分析数据

JRA-55 (Japanese 55-year reanalysis)是由日本气象厅发布的再分析数据集(Kobayashi et al, 2015), 其覆盖时间从1958年至今, JRA-55数据的空间分辨率为1.25°×1.25°, 时间分辨率为6h, 覆盖全区域包括赤道。JRA-55采用四维变分同化技术, 结合现代观测技术和改进的数值模式, 能够提供高质量的气象变量数据, 是气候研究和天气分析中广泛应用的数据源之一。在本研究中, 我们使用了2015—2021年间JRA-55数据中的风速作为基础变量, 进一步计算了风应力和风应力旋度。风应力是通过风速与空气密度之间的关系计算得到, 反映了风对海洋表面的作用力大小; 风应力旋度则表示风应力场的空间变化, 是描述大尺度海洋环流动力学的重要参数。
BRAN2020 (Bluelink reanalysis 2020)是由澳大利亚海洋学界开发的海洋再分析数据集(Chamberlain et al, 2021), 该数据集基于澳大利亚的Bluelink系统, 通过同化卫星观测数据和海洋现场观测, 利用先进的海洋模式和数据同化技术。BRAN2020数据的空间分辨率为0.1°×0.1°, 时间分辨率为每日平均, 为准全球覆盖, 精度足以解析研究区域的中尺度流场, 其提供包括海流速度、海表温度、盐度等多种关键海洋变量。在本研究中, 我们选取了2015—2021年间BRAN2020数据中的逐日流速作为主要变量, 用于分析深海环流动力学。

1.3 赤道波动与线性波动理论

旋转行星的低纬度区域会产生一类特殊的赤道波动, 将赤道波动视为在恢复力为重力和线性变化的科氏力控制的一层定常密度流体中的运动, 其水平结构和频散特征来自在赤道β平面上的浅水方程的解(Matsuno, 1966)以描述赤道波。赤道波包括开尔文波(Wallace et al, 1968)、赤道罗斯贝波、混合罗斯贝-重力波(Yanai波) (Yanai et al, 1966)、惯性重力波。赤道波的周期从几天到几周不等, 由于惯性重力波的周期短于1周, 远高于本文讨论的深层环流频率, 因此下文着重讨论前三种赤道波动。
赤道波传播受到地转效应(科氏力)、重力和海洋/大气密度分布的影响, 这些波动的频散特性和结构在线性波动理论中得到了很好的描述(Kiladis et al, 2009)。线性波动理论不考虑基本流的潜在影响, 也不考虑与对流耦合产生的非线性效应, 再基于波的能量传播方向和浮力频率的垂向分布特性可计算赤道波的理论传播射线。
开尔文波沿赤道传播时仅在纬向传播, 其能量集中在赤道附近。它的射线斜率完全由波的频率 ω和浮力频率 N z决定, 用 c n表示第n阶垂直模态下波动传播速度; k表示纬向波数。频散关系和理论传播射线分别表示为:
ω = c n k
d z d x = − ω N z
赤道罗斯贝波依赖于科氏参数梯度; 罗斯贝波可向东或向西传播, 群速度通常向西, 频率较低(长周期)。射线的传播方向取决于纬向波数 k和经向模态阶数 m。不同模态具有不同的垂直结构。频散关系和理论传播射线分别表示为:
ω = − β k k 2 + 2 n + 1 2 β c n
d z d x = − 2 m + 1 ω N z
Yanai波兼具罗斯贝波和重力波的特性, 存在于低频(类似罗斯贝波)和高频(类似重力波)之间, 具有独特的传播特性——向西的相位传播, 但向东的能量频散。其传播方向可以向东或西, 依赖于赤道两侧的动力特征。频散关系和理论传播射线分别表示为:
ω = c n k + c n 2 k 2 + 4 β c n 2
d z d x = − ω N z

1.4 垂直模态分解

垂直模态分解(vertical modal decomposition)是研究赤道波动以及深层海洋环流重要方法。基于分层流体动力学方程, 将复杂的波动场分解为多个垂向模态, 每个模态具有独特的垂向结构和传播特性。本研究基于Gill(1982)的理论, 使用WOA23温盐剖面数据进行模态分解, 分解后对速度场进行模态投影:
u , v = ∑ n = 0 N u n x , y , v n x , y ϕ n z
其中, u , v为水平速度场; u n , v n为第n阶垂直模态的水平速度分量; ϕ n z为垂向模态函数, 描述垂向结构。这些模态函数表示波动在垂直方向上的形状, 即波动能量在深度上的分布用波动模式的垂向结构表示。第一模态为正压模态, 波动在整个水柱中方向一致; 模态阶数越高则垂直结构越复杂, 呈现多个正负振荡区域。模态函数满足以下特征值问题和边界条件:
d d z 1 N 2 z d ϕ n z d z + ω 2 c n 2 ϕ n z = 0
d ϕ n d z z = 0 = d ϕ n d z z = − H = 0
其中, H为海底深度。对应波速是指每个垂直模态的波动在水平传播方向上的速度, 决定了该模态波动能量在水平上的传输速度, 由模态分解过程中的特征值计算而得。能量在水平传播方向上的传输速率, 高阶模态的波速通常较低, 表明其传播更缓慢; 低阶模态通常主导能量传播, 波速较快。模态分解的前五个垂直模态特征值分别为 c 1=271cm·s−1; c 2=176cm·s−1; c 3=106cm·s−1; c 4=74cm·s−1; c 5=61cm·s−1。赤道印度洋环流的相关研究(Han, 2005; Chen et al, 2020a)强调了第二到四斜压垂直模态在解释中深层环流中的重要作用, 且本文结果中前五个模态对海盆环流的总贡献超过90%; 因此本研究在探讨深海环流动力过程时, 将重点依赖于前五个垂直模态。

2 结果

2.1 时空分布特征

Q5、Q4和Q2的观测数据时间跨度较长(2015—2021年), 时间序列揭示了深层流流速幅值存在显著波动(图2), 但未显示明显的长期变化趋势。Q5和Q4潜标处的纬向流速(u)和经向流速(v)均在(±10)cm·s−1范围内变化, 其中纬向流速振幅较大、频率较低, 而经向流速振幅较小、高频波动显著; 其纬向流在2017—2018年期间出现强烈的季节变化特征, 推测可能受潜标向浅层漂移的影响。Q2潜标处的纬向流和经向流流速幅值振幅小于5cm·s−1, 且波动频率较高。三处潜标的流速振幅和变化特征反映了不同位置深层环流的振幅差异和周期特征差异。
我们结合小波分析探讨不同深度和地理位置上深海环流在纬向和经向流速的周期特征(图3)。小波分析相较于其他周期分析方法, 可以同时考虑时间和频率信息, 即具有时频局域性优势, 适合揭示非平稳信号(如季节内变率, intraseasonal variability, ISV)的频率结构随时间的演化。总体上, 小波分析结果与时间序列图结果统一, 如各处纬向流波动的周期信号显著, 而经向流波动周期信号较弱; 且Q5和Q4潜标处深层流动比Q2潜标处的强, 小波分析中周期性信号的能量亦更显著。具体而言, 小波分析能谱揭示, 赤道印度洋深层环流在区域尺度上呈现出显著的周期性差异。对于浅于4000m的深层环流, Q5潜标处纬向流在120~200d显示出最显著的周期信号; Q4潜标也显示出周期为120~200d的显著周期, 但整体强度略低于Q5, 相关分析显示与Q5潜标的相关系数高达0.42, 且当Q4潜标超前66d时相关系数高达0.80, 说明在80°E和85°E处纬向流的季节性周期信号具有相关性。另外, 同期的Q2潜标也出现季节性周期信号, 信号是Q4处的一半, 但与Q5的相关系数未通过显著性检验。因此, 85°E约1800m处的纬向流与80°E约3900m处的纬向流能归因于同一动力过程, 而93°E约4500m处的深层环流动力过程与该两处有差异。季节信号可能来源于具有显著季节性的印度洋赤道风场。但深层纬向流季节信号的观测时间短, 进一步分析需要更长的观测序列, 在此着重分析观测中具有更连续的观测数据的高频信号。以标准差(standard deviation, STD)代表环流的强度和环流季节内信号的强度, 计算表明, 80°E、85°E和93°E处的纬向流季节内信号分别占纬向流总强度的88%、91%和88%; 经向流季节内信号分别占经向流总强度的74%、84%和84%。由此可见, 季节内信号为深层环流的主要周期信号。
图3 TIOON潜标Q5、Q4、Q2观测的深层纬向流(a、b、c)和经向流(d、e、f)的小波时频分析振幅图

填色表示小波能谱强度(单位: m2·s−2), 用于揭示赤道印度洋深层环流的周期特征及其空间差异。观测数据时间范围为2015年3月至2021年5月, 纵轴为周期(单位: d)的对数坐标, 颜色刻度为线性比例。图中85%(粉色)和90%(品红色)置信水平的等值线用于标示统计上显著的小波信号区域

Fig. 3 Wavelet amplitude spectra of deep zonal currents (a, b, c) and meridional currents (d, e, f) observed by TIOON moorings Q5, Q4, and Q2 in the equatorial Indian Ocean. The analysis reveals the periodic characteristics and spatial variability of deep equatorial circulation. The x-axis represents observation time (from March 2015 to May 2021), and the y-axis indicates the period (in days, shown on a logarithmic scale). Wavelet power is color-shaded on a linear scale. Statistically significant regions are outlined by contours at the 85% (pink) and 90% (magenta) confidence levels

观测中, 4000m以深的高频信号集中在较短周期(50~100d)范围; 且4000m以深的纬向流具有显著空间变化, 即在80°E处周期较长, 而93°E处周期显著缩短, 其中93°E处的周期与Amol 等(2022)在同位置4000m深度观测到的周期一致, 他们提出用蓝移(blue shift)描述这一空间变化, 即环流主导频率随位置向东移动而向更高频率偏移的现象。观测经向流高频信号能量分布相对分散, 60d周期信号最为显著, 主要差异表现在信号强度上, 空间差异不明显。在Q5和Q4潜标位置表现出较弱的小波能量, 特别是在短周期范围(50d左右)内出现部分高能区域。Q2潜标的经向流也主要集中在50~100d的周期范围内, 但整体能量较低。因此, 整体来看, 东印度洋深层环流流速存在明显的季节和季节内周期性特征以及空间差异, 其动力过程可能与风应力强迫、地形效应及赤道波动传播机制密切相关。
蓝移现象反映了Kelvin波及其在东界反射形成的Rossby波能量传播路径的频率特征。Kelvin波沿赤道自西向东传播, 在东部边界反射为Rossby波, 波动能量在传播过程中呈现出明显的频率依赖性射线结构。在东印度洋深层, 低频Rossby波具有较长且倾斜的射线路径, 难以有效到达底层; 而高频Rossby波路径较短且更陡峭, 能量更易下传至深层, 从而导致环流变率的主导频率随经度向东升高, 形成典型的蓝移分布特征。在太平洋, 因其海盆宽度更大, Kelvin波在东界反射效率显著下降, 反而更可能以Kelvin模态直接将能量输送至深层(甚至达4000m), 因此“蓝移”特征在太平洋并不显著(Amol et al, 2022)。尽管赤道大西洋的海盆宽度与印度洋相近, 但其深层赤道环流的主要驱动机制存在本质差异。多项研究指出, 大西洋中层与深层环流系统(如赤道中层流和深海环流)主要由季节内Yanai波的非线性相互作用及耗散过程所整流(rectification)形成(d′Orgeville et al, 2007; Hua et al, 2008; Ménesguen et al, 2009; Ascani et al, 2010; Brandt et al, 2011)。在该机制下, 波动过程在传播中并不依赖边界反射形成频率筛选, 因此大西洋深层环流中理论上不易出现蓝移现象。

2.2 风应力驱动赤道波动过程及地形影响

东印度洋深层环流流速存在明显的季节和季节内周期性特征以及空间差异, 其动力过程可能与风应力强迫、地形效应及赤道波动传播机制密切相关。
印度洋赤道区域风应力的周期性特征及其空间分布特征(图4)显示, 纬向风应力异常主要集中在中海盆(> 70°E)和东海盆(> 90°E), 表明该区域环流异常可能受较强风应力变化的控制; 在75°E至90°E范围内2016年和2020年初有年际增强信号, 这与潜标观测中Q2潜标流速季节内信号增强(图3)时间上有一定对应关系。另外, 纬向风应力功率谱显示周期为60~90d的显著季节内信号集中在经度75°E至90°E, 说明季节内风应力异常可能是影响中海盆深层环流(如80°E和85°E) 季节内信号的重要驱动因素。而经向风应力异常分布图表明该异常整体较弱; 经向风应力功率谱显示, 在Maldives群岛东侧和西侧海盆出现显著的高频信号(<60d), 与Q5处的纬向深层环流以及各处经向深层环流在周期信号上有一定对应关系, 经向风应力可能局地增强风应力旋度以调制环流异常。上述时空特征为风应力作为外部强迫解释深层环流季节内波动特征提供了可能, 该强迫机制可能依赖于赤道波动的传播以及局地风应力的变化。
图4 印度洋赤道区域(2°S—2°N)风应力的时间演变和空间分布特征

a、b分别为纬向风应力异常τax与经向风应力异常τay时间经度分布图; c、d分别为τax与τay的快速傅里叶变换得到的周期-经度分布图, 颜色表示能谱强度。风应力数据来自JRA-55数据集, 基于2015年1月至2021年12月的逐日风速数据

Fig. 4 Temporal and spatial characteristics of wind stress in the equatorial Indian Ocean (2°S - 2°N). Panels (a, b) show the time-longitude distributions of zonal (τax) and meridional (τay) wind stress anomalies, respectively. Panels (c, d) present the period-longitude distributions of τax and τay derived from fast Fourier transform (FFT), respectively, with colors indicating spectral power. Wind stress data are derived from the JRA-55 reanalysis, based on daily wind fields from January 2015 to December 2021

下面进一步结合风应力与观测深层环流的滞后相关结果分析深层环流动力机制。深层纬向流季节内变率(10~100d)与季节内风应力的滞后相关性分析(图5a—c)显示, Q5深层纬向流与纬向风应力显著相关, 超前60~90d相关的纬向风应力位于60°E—90°E, 超前210~250d的位于50°E—60°E, 强相关呈现正负交替分布; 超前深层环流60~90d的风应力激发强传播赤道波动信号, 传播速度满足基于第二和第三斜压模态的反射波动传播过程; 超前210~250d的风应力激发弱传播赤道波动信号, 传播速度满足基于第五斜压模态的直接波动传播过程。Q4潜标位置的相关性不显著, 可能是由于深层环流季节内时间序列短(<1a), 相关性区域难以通过显著性检验。
图5 印度洋赤道深层纬向流(基于潜标Q2、Q4、Q5观测)与季节内风应力(源于JRA-55数据集)的滞后相关分析

a、b、c展示纬向流与纬向季节内风应力的相关性; d、e、f展示纬向流与经向季节内风应力的相关性; 反映风应力调控赤道印度洋深层纬向环流的时空滞后特征; 图中99%置信水平(即P< 0.01)的等值线(黑色实线)用于标示统计显著的相关性区域

Fig. 5 Lagged correlation between intraseasonal deep zonal currents in the equatorial Indian Ocean (based on mooring observations at Q2, Q4, and Q5) and intraseasonal wind stress (derived from the JRA-55 reanalysis), illustrating the spatiotemporal lag characteristics of wind stress in modulating deep equatorial zonal circulation. Panels (a, b, c) show the correlation between zonal currents with intraseasonal zonal wind stress anomalies; panels (d, e, f) show the correlation between zonal currents with meridional wind stress anomalies. Statistically significant regions are outlined by black contours at the 99% confidence level (P < 0.01)

Q2潜标位置的深层环流与纬向风应力和经向风应力均有相关性, 相关纬向风信号超前60d和超前180d出现在Q2以西区域, 相关经向风应力超前210~240d出现在西边界至60°E区域; 超前60d时的风应力激发的赤道波动满足基于第二斜压模态的直接波动传播过程, 超前180d以及210~240d的风应力则满足基于高阶斜压模态(5~10)的直接波动传播过程。Q2、Q4和Q5的深层经向流季节内变率与季节内风应力的滞后相关分析中, 纬向风应力与Q5的相关性最强(图6a—c), 经向风应力与Q2的相关性最强(图6d—f)。与三处潜标观测深层经向流季节内变率相关性强的纬向风应力覆盖全海盆, 而相关性强的经向风应力主要存在于潜标左侧。纬向风应力激发的赤道波动主要为向西传播, 对比之下, 经向风应力激发的赤道波动向东传播且传播速度更快, 符合第二斜压模态特征速度。
图6 印度洋赤道深层经向流(基于潜标Q2、Q4、Q5观测)与季节内风应力(源于JRA-55数据集)的滞后相关分析

a、b、c展示经向流与纬向季节内风应力的相关性; d、e、f展示经向流与经向季节内风应力的相关性; 反映风应力调控赤道印度洋深层经向环流的时空滞后特征; 图中99%置信水平(即P< 0.01)的等值线 (黑色实线)用于标示统计显著的相关性区域

Fig. 6 Lagged correlation between intraseasonal deep meridional flow in the equatorial Indian Ocean (based on mooring observations at Q2, Q4, and Q5) and intraseasonal wind stress (derived from the JRA-55 reanalysis). Statistically significant regions are outlined by black contours at the 99% confidence level (P < 0.01)

结合上述深层环流相关分析可知, 经向和纬向风应力异常通过赤道波动调制深层环流季节内变率: 纬向风应力激发的反射波动过程, 调制中海盆80°E处的深层经向和纬向流季节内变率; 纬向风应力激发的直接波动过程, 对东海盆93°E处的深层经向和纬向季节内变率都起调制作用; 而经向风应力主要激发直接波动过程, 对三处深层纬向和经向流季节内变率均具有驱动作用。
风应力的能量通过赤道波动向深层传播的过程依赖于垂直模态: 主导反射赤道波动过程的垂直模态为低阶斜压模态, 直接波动过程可以基于各阶垂直模态完成。由于纬向流季节内信号呈现空间差异更显著, 下面将进一步基于纬向流季节内变率刻画赤道波动过程。基于垂直模态分解方法, 由温盐场得到垂直模态结构, 将全水深的环流投影到各个垂直模态上, 可知各模态对环流的影响, 经计算投影后的环流时间序列的方差得, 前五个模态对于三处深层环流的贡献和占所有模态总贡献的80%以上。基于赤道波动频散关系可知, 垂直模态的特征速度影响波动传播轨迹和速度, 特征速度随阶数升高而降低, 第一模态通常具有更高的传播速度, 对应较低的频率和较大的波长; 第五模态显示出较高频率和较短波长的波动特性。由于第一和第五模态的频散特征曲线能有效表达前五模态的频散响应区间, 因此为避免图形信息冗余, 我们采用第一和第五个垂直模态的频散曲线探究参与深层环流动力过程的赤道波动。
结合线性波动理论(Matsuno, 1966), 将东赤道印度洋深层纬向流分解为以Yanai波、Rossby波和Kelvin波为主导的赤道波动成分。纬向波数-周期功率谱密度显示(图7), 深层纬向流波数小于1/4经度; 能量峰值集中在30~100d, 更高频的10~30d周期信号能量较弱。理论频散曲线显示, 高能量频谱范围与理论频散曲线基本吻合, 验证了观测到的纬向流周期信号包含低阶到高阶斜压模态线性赤道波。Kelvin波主导了正波数季节内周期信号, 斜压模态阶数越高, 由Kelvin波传播的能量周期越长、波长越长; Rossby波主导了负波数季节内周期信号, 斜压模态阶数越高, 由Rossby波传播的能量周期越长。高阶斜压模态Yanai波贡献于向东传播的周期小于20d的短周期波动, 低阶斜压模态Yanai波贡献于向西传播的周期小于50d的短周期波动。另外我们发现, 在印度洋中海盆, 低阶模态显著, 而海盆东侧高阶模态与低阶同样显著; 因此Yanai波更容易在东侧潜标处发挥作用, 与东侧潜标处高频信号突出的特征吻合。
图7 赤道东印度洋季节内纬向流的纬向波数(经度−1)-频率(d−1)功率谱能量(m2·s−2) (a)以及赤道波在印度洋海盆中的理论传播轨迹(b)

a. 基于第一和第五斜压模态的赤道波动理论频散关系, 其中包括的Yanai波(虚线)、Kelvin波(点线)以及Rossby波(实线); b. 基于第二斜压模态赤道波理论传播轨迹, 其中x0表示赤道波传播起点经度, WB(western boundary, 西边界), T为典型周期, 灰色阴影区域为海底地形, 黑色条表示观测潜标位置, 从左到右分别为Q2、Q4、Q5

Fig. 7 Zonal wavenumber [1·(°)−1]-frequency (d−1) power spectral density (m2·s−2) of intraseasonal zonal flow in the eastern equatorial Indian Ocean (a) and theoretical propagation trajectories of equatorial waves in the Indian Ocean basin (b). In (a), the theoretical dispersion relationships of equatorial waves are plotted based on the first and fifth baroclinic modes, including Yanai waves (dashed lines), Kelvin waves (dotted lines), and Rossby waves (solid lines). In (b), the theoretical propagation trajectories of equatorial waves are calculated using the second baroclinic mode; the gray shaded areas indicate seafloor topography, and the black bars mark the locations of observation moorings, from left to right: Q2, Q4, Q5; x0: the starting longitude of equatorial wave propagation; WB: western boundary; T: period

波数-频率谱显示季节内信号符合多个赤道波的色散关系, 下一步结合赤道波动理论传播路径揭示不同波动类型的传播特性。基于海盆模态以及相关风场结果绘制波动理论传播路径: 对于中海盆(Q4和Q5)赤道波动采用印度洋海盆中部70°E为起始点, 以季节内周期信号典型周期50d和90d展示季节内周期信号的赤道波动传播轨迹; 对于东侧赤道波动(Q2)采用印度洋海盆西边界(WB)以及中部67°E为起始点, 以季节内周期信号的最高和最低频为典型周期(25d、48d)展示季节内周期信号的赤道波动传播轨迹(图7b)。67°E起始点选取为赤道波将季节内周期信号传播到93°E潜标位置的最大起始经度。Kelvin波主要在浅层传播能量, 并在边界反射生成Rossby波; 能量通过反射Rossby波以及Yanai波进入深层海洋并有效激发环流季节内周期信号。
反射Rossby波和Yanai波在激发中深层环流的动力过程中扮演重要角色。中印度洋风场异常在海盆中东部表层激发Kelvin波和Rossby波, 并在边界反射Rossby波, 基于低阶斜压模态与直接波动叠加生成向深层向西传播能量的波束。在靠近西边界的海域, Chatterjee 等(2013)提出西印度洋风应力和涡旋驱动生成边界Yanai波的机制, 该机制与驱动东侧深层环流的动力特征相似, Yanai波基于多个斜压模态叠加形成向深层向东传播能量的波束。当激发点在西边界时, Yanai波在传播轨迹亦能抵达93°E潜标处, 该能量周期最短为48d; 而激发点越远离西边界时, 能抵达93°E潜标的能量周期将越小。在赤道中层, Chen 等(2020a)提出, 73°E处的地形特征(马尔代夫群岛)会削弱模态共振, 阻滞相关赤道罗斯贝波及直接强迫波的能量传递, 从而影响中层洋流的变化率。本研究进一步表明, 海底地形同样会影响传递至深层的能量。在中海盆80°E至90°E之间, 由于地形相对平坦, 罗斯贝波动的传播路径畅通, 能量可传递至4000m深的深层环流; 而在海盆东侧, 90°E海岭可能阻碍波动传播, 导致波动能量的反射或重新分布。因此, 在模式中以更贴近实际的地形替代均一平坦地形, 有望提升深层环流模拟的准确性。

2.3 平均流-扰动动能转换过程

最后, 根据平均流-扰动能量转换机制可知, 海洋内部不稳定过程可将能量从较长时间尺度的平均流转移至中小尺度信号, 形成中尺度涡动能; 涡动能亦可通过非线性作用反过来调制深层平均流。正压能量转换项(barotropic conversion, T4)常用于诊断此类能量转换过程(Lorenz, 1955; Oey, 2008; Qiu et al, 2015; Wang et al, 2016), 本文用其评估季节内变率与深层平均流之间的动力学关系, 其定义如下:
T 4 = − u ' u ' ∂ u ¯ ∂ x + u ' v ' ∂ v ¯ ∂ x + ∂ u ¯ ∂ y + v ' v ' ∂ v ¯ ∂ y
其中, u'和v'分别为30~105d波段的纬向和经向水平流速的季节内变率, u ¯和 v ¯为105d低通滤波后的平均流。需要指出的是, 当T4为负时, 表示ISV动能通过正压不稳定机制向平均能提供能量; 而当T4为正值时, 则表示能量由平均流释放至季节内变率。在时间平均结果中, T4项在90°E海岭附近较显著, 沿赤道呈现正负交替分布(STD: 3.19×10−10m2·s−3); 而在平坦地形区, T4数值较小, 沿赤道经度分布差异不明显(STD: 1.76×10−11m2·s−3)。这表明, 在起伏地形区域, 季节内扰动与深层平均流之间作用更为显著。
为进一步定量对比不同地形区域中的能量转化特征, 我们对两类区域的T4进行区域平均: 起伏地形区选取88°E—89°E与91°E—94°E两个子区域(位于东边界以西以避免边界影响), 平坦地形区则选取80°E—87°E范围。分析结果显示: 平坦地形区域, T4为(1.47±3.79)×10−11m2·s−3, 表明该区域存在由平均流向季节内扰动释放动能的趋势, 但转化较弱; 起伏地形区域T4项为(−7.33±6.98)×10−11 m2·s−3, 说明季节内扰动的动能更多地向平均流转化, 且转化较强。
季节内扰动能量为深层水平环流提供能量来源的过程和机制等在其他大洋中有类似报道。Bastin 等(2020)发现赤道大西洋环流季节内变率的纬向通量在维持深层环流中具有关键作用; Greatbatch 等(2018)提出大西洋环流共振海盆模态可通过季节内变率获得能量补给以抵抗能量耗散。本文进一步揭示了, 季节内变率与平均流的能量转换机制在不同地形区域存在显著差异: 起伏地形附近以扰动动能向平均流动能整合为主, 平坦地形则以平均流向扰动输运能量为主。未来研究应进一步聚焦于复杂地形背景下的ISV行为及其在深层能量维持机制中的角色, 进一步探讨地形复杂度在印度洋深层2000m以深的区域调制能量转换路径中发挥的作用。

3 总结和展望

本研究基于TIOON潜标观测数据和BRAN2020环流流速数据, 研究印度洋赤道深层环流(1200m以下)的季节内变化特征, 深入探讨了驱动机制。观测表明, 深层环流中纬向流的主要变化周期为10~100d, 季节内信号的强度占纬向流总强度的88%~91%, 经向流信号则占总强度的74%~84%, 显示出显著的季节内周期性变率。纬向流的周期特征具有明显的空间差异: 80°E处的主导周期较长(50~90d), 93°E处以更短周期(约50d或更高频率)为主。经向流信号以60d周期最为显著, 但空间变化不明显。风应力周期分析及其与环流的相关性研究表明, 热带东印度洋深层环流季节内可能与赤道风应力异常有密切关系; 且85°E位置的纬向流信号与80°E处具有66d的超前关系, 表明两者可能受到共同赤道波动过程控制, 而中海盆(80°E和85°E)和东海盆(93°E)机制和波动特性存在区域差异。
赤道风应力异常通过激发直接波动和反射波动过程驱动深层环流的季节内变率。中海盆深层环流季节内变率以纬向风应力异常驱动为主, 通过反射波动过程控制; 而东海盆深层环流季节内变率同时受到纬向和经向风应力异常的驱动, 通过直接波动过程控制。结合赤道波动的理论传播路径分析表明, 低阶斜压模态下的Kelvin波、反射Rossby波和多阶斜压模态下的Yanai波是深层纬向流能量传播的主要载体, 分别主导反射波动过程和直接波动过程。风应力异常激发Kelvin波在东边界反射生成Rossby波, 并将能量向下向西传播至深层(陈更新, 2022; Chen et al, 2024), 调制中海盆深层环流季节内变率。风应力异常激发Yanai波向下向东传播至深层, 激发东海盆深层环流季节内高频变率。
地形条件在赤道深层环流的季节内变化中起到重要的调制作用。中海盆的相对平坦地形为反射波动的传播提供了有利条件, 使得Rossby波能够向深层顺畅传播, 调制深层环流的周期信号。相比之下, 东海盆附近的90°E海岭可能阻碍波动传播路径, 特别是限制了低阶模态Rossby波和Yanai波的能量传递, 从而导致能量分布和波动频率特征发生变化。73°E Maldives群岛和90°E海岭构成Kelvin或Rossby波的传播屏障, 进一步限制低频能量向东海盆的有效传输, 同时促成高频能量的下传优势, 间接加剧了深层环流周期的蓝移特征。此外, 在中海盆西侧(如73°E Maldives岛)的地形特征可能减弱模态共振, 阻滞Kelvin波及其反射波动的传播, 进一步影响环流变率(Chen et al, 2020a)。
进一步定量分析季节内变率和平均流之间的动力关系, 结果显示: 在中海盆平坦地形区域, 正压能量转换项T4为正(1.47×10−11 ±3.79×10−11m2·s−3), 平均流向环流季节内变率释放能量; 而在起伏地形区域(90°E海岭附近), T4为负(−7.33×10−11 ±6.98×10−11 m2·s−3), 环流季节内变率通过正压不稳定机制向平均流注入动能, 揭示复杂地形区域内ISV与平均流之间的非线性交互作用更为强烈。该机制在大西洋也有类似发现: Bastin 等(2020)认为季节内动量通量收敛维持赤道深层流, Greatbatch 等(2018)指出季节内变率可为共振海盆模态提供维持能量。表明了地形在深层环流动力过程中的关键作用。本研究的结果表明, 地形条件是深层环流动力学中不可忽视的因素, 未来的模式研究需更精细地考虑地形的影响, 以提高深层环流模拟的准确性。
此外, 潜标观测还揭示了深层环流季节信号及其年际差异, 如Q5和Q4在2017年3月至2018年7月期间表现出显著季节周期信号。这可能由于驱动中海盆深层环流的赤道波动在特殊时期(2017—2018年)受热带大气强迫的相关风场调制, 未来需要更长的观测序列以展开更翔实的机制研究。如结合厄尔尼诺-南方涛动(El Niño-Southern Oscillation, ENSO)或印度洋偶极子(Indian Ocean Dipole, IOD)等气候模式进一步探索深层环流特殊变率, 将有助于更全面地理解热带深层海洋的动力学特性。结合前人研究发现, 赤道波动会受密度跃层的阻尼影响(Philander, 1978; Gent et al, 1985)或因垂直混合和密度变化而随深度减弱(Tang et al, 1976; Mysak, 1978), 因此通过数值模拟进一步验证赤道波动在深层海洋中的调制过程, 也将是完善深层环流动力研究的重要环节。本研究基于潜标观测初步揭示了赤道印度洋深层环流的季节内变率及其与风应力的响应机制, 这些结果为改进深层环流模式和理解热带海洋动力学提供了科学依据。

参考文献

原文顺序 | 文献年度倒序 | 文中引用次数倒序
[1]
陈更新, 2022. 链接热带东印度洋环流的海洋波动桥梁[J]. 地球科学进展, 37(1): 80-86.

DOI

CHEN GENGXIN, 2022. The ocean wave bridge linking the circulation in the tropical eastern Indian Ocean[J]. Advances in Earth Science, 37(1): 80-86 (in Chinese with English abstract).

DOI

[2]
AMOL P, JAIN V, APARNA S G, 2022. Blue-shifted deep ocean currents in the equatorial Indian Ocean[J]. Climate Dynamics, 59(1): 219-229.

DOI

[3]
ASCANI F, FIRING E, DUTRIEUX P, et al, 2010. Deep equatorial ocean circulation induced by a forced-dissipated Yanai beam[J]. Journal of Physical Oceanography, 40(5): 1118-1142.

DOI

[4]
BASTIN S, CLAUS M, BRANDT P, et al, 2020. Equatorial deep jets and their influence on the mean equatorial circulation in an idealized ocean model forced by intraseasonal momentum flux convergence[J]. Geophysical Research Letters, 47(10): e2020GL087808.

[5]
BRANDT P, FUNK A, HORMANN V, et al, 2011. Interannual atmospheric variability forced by the deep equatorial Atlantic Ocean[J]. Nature, 473(7348): 497-500.

DOI

[6]
CHAMBERLAIN M A, OKE P R, FIEDLER R A S, et al, 2021. Next generation of Bluelink ocean reanalysis with multiscale data assimilation: BRAN2020[J]. Earth System Science Data, 13(12): 5663-5688.

DOI

[7]
CHATTERJEE A, SHANKAR D, MCCREARY JR J P, et al, 2013. Yanai waves in the western equatorial Indian Ocean[J]. Journal of Geophysical Research: Oceans, 118(3): 1556-1570.

DOI

[8]
CHEN GENGXIN, HAN WEIQING, LI YUANLONG, et al, 2015a. Seasonal-to-interannual time-scale dynamics of the equatorial undercurrent in the Indian Ocean[J]. Journal of Physical Oceanography, 45(6): 1532-1553.

DOI

[9]
CHEN GENGXIN, HAN WEIQING, LI YUANLONG, et al, 2015b. Intraseasonal variability of upwelling in the equatorial Eastern Indian Ocean[J]. Journal of Geophysical Research: Oceans, 120(11): 7598-7615.

DOI

[10]
CHEN GENGXIN, HAN WEIQING, LI YUANLONG, et al, 2016. Interannual variability of equatorial eastern Indian ocean upwelling: local versus remote forcing[J]. Journal of Physical Oceanography, 46(3): 789-807.

DOI

[11]
CHEN GENGXIN, HAN WEIQING, LI YUANLONG, et al, 2017. Strong intraseasonal variability of meridional currents near 5°N in the eastern Indian ocean: characteristics and causes[J]. Journal of Physical Oceanography, 47(5): 979-998.

DOI

[12]
CHEN GENGXIN, LI YUANLONG, XIE QIANG, et al, 2018. Origins of eddy kinetic energy in the Bay of Bengal[J]. Journal of Geophysical Research: Oceans, 123(3): 2097-2115.

DOI

[13]
CHEN GENGXIN, HAN WEIQING, LI YUANLONG, et al, 2019. Intraseasonal variability of the equatorial undercurrent in the Indian Ocean[J]. Journal of Physical Oceanography, 49(1): 85-101.

DOI

[14]
CHEN GENGXIN, HAN WEIQING, ZHANG XIAOLIN, et al, 2020a. Determination of spatiotemporal variability of the Indian equatorial intermediate current[J]. Journal of Physical Oceanography, 50(11): 3095-3108.

DOI

[15]
CHEN GENGXIN, WANG DONGXIAO, HAN WEIQING, et al, 2020b. The extreme El Niño events suppressing the intraseasonal variability in the eastern tropical Indian Ocean[J]. Journal of Physical Oceanography, 50(8): 2359-2372.

DOI

[16]
CHEN GENGXIN, HAN WEIQING, HUANG RUIXIN, et al, 2024. Equatorial waves substantially modulate currents in the tropical Indian Ocean[J]. The Innovation Geoscience, 2(1): 100053.

[17]
DENGLER M, QUADFASEL D, 2002. Equatorial deep jets and abyssal mixing in the Indian Ocean[J]. Journal of Physical Oceanography, 32(4): 1165-1180.

DOI

[18]
D′ORGEVILLE M, HUA B L, SASAKI H, 2007. Equatorial deep jets triggered by a large vertical scale variability within the western boundary layer[J]. Journal of Marine Research, 65(1): 1-25.

DOI

[19]
ERIKSEN C C, 1980. Evidence for a continuous spectrum of equatorial waves in the Indian Ocean[J]. Journal of Geophysical Research: Oceans, 85(C6): 3285-3303.

[20]
GENT P R, LUYTEN J R, 1985. How much energy propagates vertically in the equatorial oceans?[J]. Journal of Physical Oceanography, 15(7): 997-1007.

DOI

[21]
GILL A E, 1982. Chapter 11—The tropics[M]// HOLTON J R. An introduction to dynamic meteorology, International Geophysics Vol 30. Amsterdan: Elsevier, 429-491.

[22]
GREATBATCH R J, CLAUS M, BRANDT P, et al, 2018. Evidence for the maintenance of slowly varying equatorial currents by intraseasonal variability[J]. Geophysical Research Letters, 45(4): 1923-1929.

DOI

[23]
GREGORY J M, 2000. Vertical heat transports in the ocean and their effect on time-dependent climate change[J]. Climate Dynamics, 16(7): 501-515.

DOI

[24]
HAN WEIQING, 2005. Origins and dynamics of the 90-day and 30-60-day variations in the equatorial Indian Ocean[J]. Journal of Physical Oceanography, 35(5): 708-728.

DOI

[25]
HARVEY R R, PATZERT W C, 1976. Deep current measurements suggest long waves in the eastern equatorial Pacific[J]. Science, 193(4256): 883-885.

PMID

[26]
HUA B L, D’ORGEVILLE M, FRUMAN M D, et al, 2008. Destabilization of mixed Rossby gravity waves and the formation of equatorial zonal jets[J]. Journal of Fluid Mechanics, 610, 311-341.

DOI

[27]
HUANG KE, MCPHADEN M J, WANG DONGXIAO, et al, 2018a. Vertical propagation of middepth zonal currents associated with surface wind forcing in the equatorial Indian Ocean[J]. Journal of Geophysical Research: Oceans, 123(10): 7290-7307.

DOI

[28]
HUANG KE, HAN WEIQING, WANG DONGXIAO, et al, 2018b. Features of the equatorial intermediate current associated with basin resonance in the Indian Ocean[J]. Journal of Physical Oceanography, 48(6): 1333-1347.

DOI

[29]
HUANG KE, WANG DONGXIAO, HAN WEIQING, et al, 2019. Semiannual variability of middepth zonal currents along 5°N in the eastern Indian Ocean: characteristics and causes[J]. Journal of Physical Oceanography, 49(10): 2715-2729.

DOI

[30]
JAIN V, AMOL P, APARNA S G, et al, 2021. Two decades of current observations in the equatorial Indian Ocean[J]. Journal of Earth System Science, 130(2), 75.

[31]
KILADIS G N, WHEELER M C, HAERTEL P T, et al, 2009. Convectively coupled equatorial waves[J]. Reviews of Geophysics, 47(2): RG2003.

[32]
KOBAYASHI S, OTA Y, HARADA Y, et al, 2015. The JRA-55 reanalysis: general specifications and basic characteristics[J]. Journal of the Meteorological Society of Japan Ser II, 93(1): 5-48.

[33]
LEVIN L A, LE BRIS N, 2015. The deep ocean under climate change[J]. Science, 350(6262): 766-768.

DOI PMID

[34]
LORENZ E N, 1955. Available potential energy and the maintenance of the general circulation[J]. Tellus, 7(2): 157-167.

[35]
LUYTEN J R, SWALLOW J C, 1976. Equatorial undercurrents[J]. Deep Sea Research and Oceanographic Abstracts, 23(10): 999-1001.

DOI

[36]
MATSUNO T, 1966. Quasi-geostrophic motions in the equatorial area[J]. Journal of the Meteorological Society of Japan Ser II, 44(1): 25-43.

[37]
MCCREARY J P, 1984. Equatorial beams[J]. Journal of Marine Research, 42(2): 395-430.

DOI

[38]
MÉNESGUEN C, HUA B L, FRUMAN MD, et al, 2009. Dynamics of the combined extra-equatorial and equatorial deep jets in the Atlantic[J]. Journal of Marine Research, 67(3), 323-346.

DOI

[39]
MOORE D W, MCCREARY J P, 1990. Excitation of intermediate-frequency equatorial waves at a western ocean boundary: With application to observations from the Indian Ocean[J]. Journal of Geophysical Research: Oceans, 95(C4): 5219-5231.

[40]
MYSAK L A, 1978. Wave propagation in random media, with oceanic applications[J]. Reviews of Geophysics, 16(2): 233-261.

DOI

[41]
NAGURA M, MCPHADEN M J, 2016. Zonal propagation of near-surface zonal currents in relation to surface wind forcing in the equatorial Indian Ocean[J]. Journal of Physical Oceanography, 46(12): 3623-3638.

DOI

[42]
OEY L Y, 2008. Loop current and deep eddies[J]. Journal of Physical Oceanography, 38(7): 1426-1449.

DOI

[43]
OGATA T, SASAKI H, MURTY V S N, et al, 2008. Intraseasonal meridional current variability in the eastern equatorial Indian Ocean[J]. Journal of Geophysical Research: Oceans, 113: C07037.

[44]
O’NEILL K, LUYTEN J R, 1984. Equatorial velocity profiles. part II: zonal component[J]. Journal of Physical Oceanography, 14(12): 1842-1852.

DOI

[45]
PHILANDER S G H, 1978. Forced oceanic waves[J]. Reviews of Geophysics, 16(1): 15-46.

DOI

[46]
QIU BO, CHEN SHUIMING, RUDNICK D L, et al, 2015. A new paradigm for the north Pacific subthermocline low-latitude western boundary current system[J]. Journal of Physical Oceanography, 45(9): 2407-2423.

DOI

[47]
TANG C L, MYSAK L A, 1976. A note on “internal waves in a randomly stratified fluid”[J]. Journal of Physical Oceanography, 6(2): 243-246.

DOI

[48]
TUCHEN F P, BRANDT P, HAHN J, et al, 2022. Two decades of full-depth current velocity observations from a moored observatory in the central equatorial Atlantic at 0°N, 23°W[J]. Frontiers in Marine Science, 9: 910979.

DOI

[49]
WALLACE J M, KOUSKY V E, 1968. Observational evidence of Kelvin waves in the tropical stratosphere[J]. Journal of the Atmospheric Sciences, 25(5): 900-907.

DOI

[50]
WANG FAN, LI YUANLONG, WANG JIANING, 2016. Intraseasonal variability of the surface zonal currents in the western tropical Pacific Ocean: characteristics and mechanisms[J]. Journal of Physical Oceanography, 46(12): 3639-3660.

DOI

[51]
YANAI M, MARUYAMA T, 1966. Stratospheric wave disturbances propagating over the equatorial Pacific[J]. Journal of the Meteorological Society of Japan Ser II, 44(5): 291-294.

[52]
YOUNGS M K, JOHNSON G C, 2015. Basin-wavelength equatorial deep jet signals across three oceans[J]. Journal of Physical Oceanography, 45(8): 2134-2148.

DOI

[53]
ZENG LILI, CHEN GENGXIN, HUANG KE, et al, 2021. A decade of eastern tropical Indian Ocean observation network (TIOON)[J]. Bulletin of the American Meteorological Society, 102(10): E2034-E2052.

[54]
ZHONG QINGWEN, CHEN GENGXIN, CHEN JU, 2023. Intraseasonal variability of the equatorial intermediate current in the eastern Indian Ocean[J]. Deep Sea Research Part I: Oceanographic Research Papers, 192: 103938.

DOI

Options
文章导航

/

〈 〉