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 >

2022 , Vol. 41 >Issue 1: 82 - 93

DOI: https://doi.org/10.11978/2021011

海洋气象学

4个代表站点的珊瑚δ18O数据对热带印度洋气候变率的反演能力分析*

  • 陈云帆 , 1, 2, 3 ,
  • 陈天然 1 ,
  • 龙上敏 4 ,
  • 陈泽生 1, 2, 3 ,
  • 杜岩 , 1, 2, 3
展开
  • 1. 热带海洋环境国家重点实验室(中国科学院南海海洋研究所), 广东 广州 510301
  • 2. 中国科学院大学海洋学院, 北京 100049
  • 3. 南方海洋科学与工程广东省实验室(广州), 广东 广州 511458
  • 4. 河海大学海洋学院, 江苏 南京 210098
杜岩。email:

陈云帆(1998—), 女, 江苏省南京市人, 硕士研究生, 主要从事热带海洋气候变率研究。email: ucas.ac.cn

Copy editor: 姚衍桃

收稿日期: 2021-01-25

  修回日期: 2021-04-28

  网络出版日期: 2021-05-12

基金资助

国家自然科学基金(41830538)

国家自然科学基金(42090042)

中国科学院国际合作局对外合作重点项目(133244KYSB20190031)

国际空间水循环观测星座计划(183311KYSB20200015)

国际空间水循环观测星座计划(2019BT02H594)

收起

Reconstruction of climate variability of the tropical Indian Ocean based on coral δ18O data from four representative sites

  • CHEN Yunfan , 1, 2, 3 ,
  • CHEN Tianran 1 ,
  • LONG Shangmin 4 ,
  • CHEN Zesheng 1, 2, 3 ,
  • DU Yan , 1, 2, 3
Expand
  • 1. State Key Laboratory of Tropical Oceanography (South China Sea Institute of Oceanology, Chinese Academy of Sciences), Guangzhou 510301, China
  • 2. University of Chinese Academy of Sciences, Beijing 100049, China
  • 3. Southern Marine Science and Engineering Guangdong Laboratory (Guangzhou), Guangzhou 511458, China
  • 4. College of Oceanography, Hohai University, Nanjing 210098, China
DU Yan. email:

Copy editor: YAO Yantao

Received date: 2021-01-25

  Revised date: 2021-04-28

  Online published: 2021-05-12

Supported by

National Natural Science Foundation of China(41830538)

National Natural Science Foundation of China(42090042)

CAS-CSIRO Project(133244KYSB20190031)

Global Water Cycle Observatory(183311KYSB20200015)

Southern Laboratory of Ocean Science and Engineering(2019BT02H594)

Southern Laboratory of Ocean Science and Engineering(GML2019ZD0303)

Fold

摘要

珊瑚中的δ18O含量可以高精度地记录热带海洋中的气候变率及气候变化信息, 从而弥补器测观测时间长度有限的缺陷, 为反演过去长期的气候状况提供了可能。热带印度洋的气候模态通过海气相互作用影响周边区域甚至全球的气候, 具有重要的研究意义。本文对比分析了1880—1999年间热带印度洋4个站点(肯尼亚、坦桑尼亚、塞舌尔、明打威)的珊瑚δ18O数据, 研究了其对热带印度洋气候的反演情况。结果显示, 珊瑚δ18O对海表温度(sea surface temperature, SST)的长期变化趋势反演良好, 珊瑚δ18O与局地SST在季节循环中保持一致, 且在低温季节对SST的变化更为敏感。此外, 4个站点的珊瑚δ18O对印度洋海盆模态(Indian Ocean Basin Mode, IOBM)和印度洋偶极子模态(Indian Ocean Dipple Mode, IODM)有一定的表征能力, 并且δ18O记录的热带印度洋年际变率受年代际变率调制。本文的研究结果表明, 珊瑚δ18O数据对于了解古气候时期热带印度洋气候变率具有重要的指示意义, 但同时也需要综合考虑不同站点的信息来完整地反映印度洋在历史时期的气候变化情况。

关键词： 热带印度洋; 珊瑚δ18O; 印度洋气候模态; IOBM; IODM

本文引用格式

陈云帆 , 陈天然 , 龙上敏 , 陈泽生 , 杜岩 . 4个代表站点的珊瑚δ18O数据对热带印度洋气候变率的反演能力分析*[J]. 热带海洋学报, 2022 , 41(1) : 82 -93 . DOI: 10.11978/2021011

Abstract

The coral δ18O data can precisely record climate variation and change of the tropical ocean, making up the shortage of deficient instrumental observations and providing us with the possibility of retrieving long-term paleoclimate conditions. The climate modes of the tropical Indian Ocean influence the climate of the surrounding region and even the globe through ocean-atmosphere interaction; so they are of great significance in climate study. In the present study, coral δ18O data from 1880 to 1999 at four sites located in the tropical Indian Ocean (Kenya, Seychelles, Tanzania, Mentawai) are used to study their ability to reproduce past climate in the tropical Indian Ocean. First, coral δ18O and SST changes are consistent on the long-term trend. Second, coral δ18O coincides nicely with local SST in terms of seasonal cycle, and is more sensitive to SST variation in cold seasons. What is more, coral δ18O at the four sites can describe changes of IOBM (Indian Ocean Basin Mode) and IODM (Indian Ocean Dipole Mode), but the interannual variability of the tropical Indian Ocean recorded by coral δ18O is modulated by interdecadal variation. This study suggests that the δ18O data from coral is an essential indicator of paleoclimate in the tropical Indian Ocean. Different sites' information should be taken into account to reflect past climate change in the Indian Ocean.

Key words： tropical Indian Ocean; coral δ18O; Indian Ocean climate mode; Indian Ocean Basin Mode; Indian Ocean Dipole Mode

热带印度洋(Indian Ocean)气候受海-陆-气相互作用的影响, 并与其他大洋有着紧密联系, 其气候模态对热带印度洋的海气相互作用以及周边国家和区域的气候都有较为重要的影响(Cai et al, 2019; Wang, 2019; Leupold et al, 2021)。对于热带气候模态的刻画主要基于海表面温度(sea surface temperature, SST)资料, 然而与其他热带海洋相比, 印度洋船测资料在早期非常稀少。在1950年以前, 印度洋没有大规模的海洋观测活动, 因而几乎没有连续的海洋观测资料(Fairbanks et al, 1997), 目前全球尺度上的海温资料基本上从1950年开始, 且空间分布很不均匀。若要获得空间结构场, 则需要经过再分析和处理(Kaplan et al, 1998), 这给印度洋早期年际、年代际甚至更长时间尺度上的气候变化规律研究带来很多困难。
利用地球化学指标来反演气候变化, 可以填补缺失的观测数据, 甚至可以将数据延伸至船测前。相对于陆地上的代用资料, 从珊瑚骨骼中获得的信息资料可以直接反映海洋的气候变化。珊瑚骨骼具有年轮结构并对环境变化极其敏感, 且具有年际界线清楚、生长速率较高(大约10mm•a-1)、适合高精度U-Th放射性测年等特点, 能够高分辨率、长时间地记录热带海洋中的气候变化信息(Yu, 2012)。珊瑚地球化学指标如氧18同位素(δ18O)等, 不仅可以记录海洋环境长周期的变化, 而且还可以记录短期的和突发的极端事件。如Cobb等(2003)利用莱恩群岛中帕尔米拉岛的珊瑚δ18O数据重建了近一千年的ENSO指数, Abram等(2020)根据明打威群岛珊瑚δ18O数据发现17世纪至少发生过一次极端印度洋偶极子(Indian Ocean Dipole, IOD)事件。通过从珊瑚骨骼中得到的代用指标, 可以有效延长对海洋的记录, 能够良好地解决实测资料不足的问题, 从而反演早期海洋气候变化的信息。
珊瑚骨骼中两个最常用的地球化学指标: 1) 锶/钙比值(Sr/Ca), 常常作为SST的直接代用指标; 2) δ18O, 为SST和海水中δ18O含量的代用指标(Epstein et al, 1953; Linsley et al, 2006)。而海水δ18O同时受到降雨、蒸发以及径流的影响, 这些过程会进一步影响珊瑚δ18O变化。因此, 在海表盐度(sea surface salinity, SSS)变化剧烈而SST变化平缓的海域, 珊瑚δ18O主要受SSS影响(Grottoli, 2019)。相较于珊瑚Sr/Ca, 记录珊瑚δ18O资料的热带印度洋站点数量更多, 并且珊瑚δ18O资料具有更高的数据分辨率。目前相关研究已建立了70余个珊瑚δ18O和SST之间的经验公式, 涵盖了全球多数珊瑚礁生长海域(余克服 等, 1999)。研究表明珊瑚δ18O与SST的变化呈现负相关的关系, 温度每下降(或上升)1℃时, 珊瑚δ18O含量升高(或下降)0.18‰~0.24‰(Gagan et al, 1994)。但需要注意的是, 部分特殊海域(如巴拿马奇里基湾)珊瑚δ18O受SST影响较小(Linsley et al, 1994)。前人通过对珊瑚δ18O数据的研究, 揭示了过去上百年热带印度洋年际气候变率的特点与影响因素。这些研究主要分为两大类: 1)主要利用珊瑚δ18O数据反演印度洋海盆模态(Indian Ocean Basin Mode, IOBM)。如Charles等(1997)通过分析塞舌尔站点150a的珊瑚δ18O数据, 发现印度洋西部海域的SST受到厄尔尼诺-南方涛动(El Niño-Southern Oscillation, ENSO)和亚洲季风的控制; Cole等(2000)通过分析肯尼亚海岸194a的珊瑚δ18O数据, 再一次证实了赤道印度洋区域西部SST的年际变率受到ENSO影响。值得注意的是, 塞舌尔珊瑚δ18O数据不仅可以作为IOBM良好的代用指数, 而且可以用来指示ENSO对热带印度洋的遥相关(Du et al, 2014)。2) 珊瑚δ18O数据揭示IOD事件。如Kayanne等(2006)的研究发现肯尼亚海岸的珊瑚δ18O数据有效地记录了印度洋偶极子模态(Indian Ocean Dipole Mode, IODM)的信息, 并且肯尼亚月精度的珊瑚δ18O数据清晰地记录了与1月份IOD相关的东非降雨异常事件(Nakamura et al, 2011); Abram等(2008)利用明打威群岛、巴厘岛珊瑚δ18O时间序列作为IOD东一极指数和利用塞舌尔珊瑚δ18O时间序列作为中西一极指数, 重建了过去近150a的印度洋偶极子指数(Dipole mode index, DMI), 并进一步半连续地重建了IOD事件, 其时间序列覆盖了近一千年中的5个世纪(Abram et al, 2020)。此外, 珊瑚δ18O和Sr/Ca数据还共同揭示了Ningaloo Niño/Niña的形成机制和变化特征(Zinke et al, 2014, Su et al, 2019)。
以上研究表明, 热带印度洋的珊瑚δ18O数据可以良好地反演年际气候环境的变化, 但不同站点对气候变化的记录仍存在误差。本文在前人研究的基础上, 对比分析东、西印度洋不同珊瑚站点的δ18O数据对热带印度洋气候的记录及其偏差, 评估不同珊瑚δ18O数据对热带印度洋气候变化的反演能力, 这有助于深入研究热带印度洋气候模态在年代际及更长时间尺度上的变化。

1 样本和方法

本文选取了位于热带印度洋的4个珊瑚站点的δ18O资料, 4个站点分别位于海盆东、西两侧(图1), 观测时间序列较长且连续, 并且记录的分辨率较高, 对表征热带印度洋气候变率具有一定代表性。本文所有珊瑚δ18O数据均取自美国国家海洋大气局(National Oceanic and Atmospheric Administration, NOAA)公开发布的古气候资料共享数据集(https://www.ncdc.noaa.gov/data-access/paleoclimatology-data/datasets), 时间精度为月平均。其中, 3个珊瑚站点位于热带西印度洋。最北边的珊瑚芯取自肯尼亚的马林迪海洋公园(Malindi; 3°12'S, 40°6'E) (Nakamura et al, 2009), 时间跨度为1886年12月—2002年9月; 最南边的珊瑚芯则取自坦桑尼亚的黑手党岛(Mafia; 8°0'S, 39°30'E)(Damassa et al, 2006), 时间跨度为1896年8月—1998年2月; 塞舌尔站点珊瑚数据取自塞舌尔共和国马埃岛布法龙海湾(Mahe; 4°36'S, 55°0'E)(Charles et al, 1997), 本文选用1846年7月—1995年2月的时间序列。位于热带东印度洋的珊瑚数据来源于苏门答腊西海岸以外偏远的明打威群岛(Mentawai; 0°6'S, 98°30'E)(Abram et al, 2008), 本文选用1858年4月—1997年12月的时间序列。为便于各站点之间相互比较, 本文选用珊瑚资料与SST、SSS资料重合最多的时间段(1880—1999年), 以探究百年来珊瑚δ18O数据对热带印度洋年际及年代际气候变率的记录情况。
图1 热带印度洋1880—1999年平均SST及珊瑚站点分布图

该图基于国家测绘地理信息局标准地图服务网站下载的审图号为GS(2020)4399号的标准地图制作, 底图无修改

Fig. 1 Map of SST of the tropical Indian Ocean (1880—1999 mean) and coral sites

海温数据选用了英国气象局哈德莱中心的HadISST数据集(Hadley Centre SST data set)(Rayner et al, 2003), 其时间跨度为1870年1月至2020年12月, 为逐月精度, 空间分辨率为1°×1°。本文研究选用其中的1880年1月至1999年12月共120a的数据。同时, 选用NOAA提供的全球海温重构数据(Extended Reconstructed Sea Surface Temperature, ERSST.v5)(Huang et al, 2017)作为对比, 其时间跨度为1854年1月至2020年12月, 为逐月精度, 空间分辨率为2°×2°。此外, 盐度数据选用了哈德莱中心EN系列数据集的第4版盐度分析数据(Good et al, 2013), 时间精度为月平均, 空间分辨率为1°×1°, 时间范围为1950年1月到1999年12月, 共50a。
本文采用的分析方法有相关性分析、经验正交分析(Empirical orthogonal function, EOF)以及滤波分析。在分析时间序列时, 所有数据均已去除了季节循环。取40°—100°E、20°S—20°N之间热带印度洋的SST通过EOF分解得到的第一模态时间序列作为IOBM指数(Du et al, 2009; Deser et al, 2010)。西赤道印度洋(50°—70°E, 10°S—10°N) 平均SST异常定义为IODM西一极指数, 东赤道印度洋(90°—110°E, 10°S—0°) 平均SST异常则定义为IODM东一极指数, 两者之差为印度洋偶极子指数(Dipole mode index, DMI) (Saji et al, 1999)。尼诺3.4(Niño3.4)指数由HadISST计算而得。计算相关系数采用了Pearson相关算法, 并运用了滑动窗口相关, 即已知变量x与y, 样本长度为n, 给定长度为m的窗口, 通过不断改变变量 $x_{m}^{i}=x(i:i+m)$和 $y_{m}^{i}=y(i:i+m)$, (i=1,…, n-m), 从而获得描述相关系数变化的时间序列, 进而研究变量相关性随时间的变化。此外, 通过巴特沃滋滤波器(Butterworth filter)对时间序列进行带通滤波处理, 提取其年际信号。采用双侧t检验方法检验相关性是否显著, 其中有效自由度是由Bretherton等(1999)提供的公式计算而得。

2 结果与讨论

2.1 珊瑚δ18O数据对热带印度洋海温季节循环的反演

在季节循环的分析中可以发现, 印度洋各站点的珊瑚δ18O与局地SST在季节演变上保持高度一致, 其中肯尼亚、坦桑尼亚、塞舌尔和明打威4个站点的结果如图2所示。不同站点会存在一些超前或滞后现象, 如塞舌尔站点珊瑚δ18O变化超前局地SST约1个月, 而位于西澳大利亚的一些站点珊瑚δ18O变化则滞后局地SST约1个月。其原因有二: 一是礁址局地海温数据的记录存在偏差。虽然HadISST与ERSST是目前最好的全球海温重构数据之一, 但是它们是基于在空间和时间上不规则的观测数据统计而来, 并且得到的大尺度数据信息具有很强的一致性, 由于缺乏对近岸地区的实际观测, 许多礁址的小尺度局地变化无法被重建海温数据捕捉到。二是珊瑚δ18O数据经过内插处理, 且珊瑚骨骼具有非线性生长的特点, 在高纬度地区(如夏威夷、佛罗里达), 最佳生长温度出现在夏季。在低纬度地区(如赤道太平洋地区、澳大利亚大堡礁), 最佳生长温度出现在较冷的月份(Grottoli, 2019)。总体上, 珊瑚δ18O数据能够比较准确地反映局地SST的季节变化。
图2 珊瑚δ18O与局地SST季节循环(1880—1999年月平均)

Fig. 2 Seasonal cycles of coral δ18O and local SST (1880—1999 monthly mean)

根据图2, 对4个站点的珊瑚δ18O与局地SST在高、低温月份作比对 (图3)。其中, 热带西印度洋珊瑚站点(肯尼亚、坦桑尼亚、塞舌尔站点)高温月份取2—4月, 低温月份取7—9月; 东印度洋珊瑚站点(明打威站点)高温月份取4—6月, 低温月份取10—12月。西印度洋站点珊瑚δ18O与SST在低温月份的相关性较好, 尤其是塞舌尔站点的相关性达到了-0.57(neff=236, p<0.01)。而在高温月份珊瑚δ18O与SST的相关性普遍低于低温月份, 这是由于高温季节的蒸发加强(珊瑚δ18O与SSS在高温月份的相关性高于低温月份), 从而削弱了珊瑚δ18O对SST的记录能力。事实上, 苏瑞侠等(2006)在对南海北部的珊瑚研究中也指出珊瑚δ18O与SST在冬季极冷时的相关性很密切, 而在夏季则与SSS呈现较好的相关性。明打威站点位于东印度赤道附近, 全年温差小, 不管冬季还是夏季, SSS对珊瑚记录的影响都很弱(珊瑚δ18O与SSS的相关性接近于0), 所以珊瑚δ18O与SST在低温月份与高温月份的相关性差异不大。总体来说, 本文选用的4个站点的珊瑚δ18O与局地SSS的相关性(普遍|R|<0.28)远远低于其与SST的相关性, 揭示了海温变化是控制这4个站点δ18O含量变化的主要因素, 进而证实了利用该4个站点的珊瑚δ18O反演SST的合理性。
图3 珊瑚δ18O与局地SST于高温、低温月份的散点对比图

黑色三角形代表4个站点珊瑚δ18O与SST的均值, 图中珊瑚δ18O与SST坐标轴反向

Fig. 3 Scatter diagrams of coral δ18O and local SST in high and low temperature months

2.2 珊瑚δ18O数据对热带印度洋气候年际变率的反演

2.2.1 珊瑚δ18O数据对局地SST的反演

为了进一步分析4个站点的珊瑚δ18O数据与局地SST在年际尺度上的相关性, 所有数据均通过减去当月气候态平均(1880—1999年)来去除季节循环的影响。由于观测误差和重建方法的局限性, HadISST数据存在一定的误差。考虑到ERSST.v5也具有百年尺度, 并且有较高的时空分辨率, 现将其与HadISST作为比对参考数据。通过珊瑚δ18O与局地SST的年际异常值相比较(图4), 发现珊瑚δ18O可以较好地刻画局地SST的长期变化趋势。在1880—1999年间, 与SST长期上升趋势相对应, 珊瑚δ18O具有明显且稳定的减少趋势, 符合印度洋SST的长期增暖趋势(Alory et al, 2007; Du et al, 2008)。根据公式dδ18O/dT=-0.22(‰/℃)(Epstein et al, 1953)计算发现, 1880—1999年间珊瑚δ18O反演的温度变化幅度比重构海温变化幅度略大, 肯尼亚、坦桑尼亚、塞舌尔、明打威站点珊瑚骨骼δ18O反演得到的SST变化幅度分别为1.38℃、0.89℃、1.08℃、0.84℃, 而重构的SST变化幅度则分别为0.70℃、0.76℃、0.67℃、0.36℃(ERSST)和0.13℃、0.38℃、1.33℃、0.34℃(HadISST)。1950—1999年间SST上升幅度愈加显著, 然而只有肯尼亚站点珊瑚δ18O记录的SST增暖幅度较为接近重构值(SSTcoral=0.60℃, SSTERSST=0.55℃, SSTHadISST=0.48℃)。坦桑尼亚站点的珊瑚δ18O于1950—1999年间呈现上升趋势(即反演的SST呈现下降趋势), 同时其与SSS的相关性高于其他3个站点(|R|坦桑尼亚=0.26, |R|其他<0.18), 由此推断在该时段SSS对δ18O的影响干扰了珊瑚对SST的记录。总体来说, 珊瑚δ18O记录可以反映出印度洋海温的长期增暖趋势, 但会高估增温幅度。
图4 珊瑚δ18O与局地SST异常值的时间序列图

图中为珊瑚δ18O和局地SST时间序列进行13点平滑的结果

Fig. 4 Time series of coral δ18O and local SST anomalies

虽然在1880—1999年间珊瑚δ18O总体上可以较好地反映SST长期的变化, 但是在1947—1958年期间, 西印度洋站点珊瑚δ18O与局地SST的相关性存在显著的变化, 二者甚至出现正相关。对比ERSST与HadISST记录的SST时间序列, 发现ERSST会稍微“高估”海温上升(如西印度洋1901年、1942年、1973年等)或下降(如塞舌尔1891年、1899年、1907—1912年、1934年等)的幅度, 在这些年份中HadISST与珊瑚记录更为接近。因此, 珊瑚δ18O与局地SST具有一定的相关性(p<0.01), 但二者的相关性在某些时段会出现降低的情况。
由于ENSO对印度洋气候的年际变化有显著影响, 且ENSO周期为2~7a, 同时考虑到印度洋受季风和ENSO活动的共同作用, 二者的相互作用会产生明显的准两年周期的震荡(Charles et al, 1997), 因此将4个站点的珊瑚δ18O数据与局地SST的时间序列做3~7a的带通滤波处理。在年际尺度上的分析中, 所有时间序列均去除了长期趋势。为了比较SSS与SST对珊瑚δ18O的贡献, 所有时间序列选取1950—1999年。除了坦桑尼亚站点, 其他3个站点处理后的SST与珊瑚δ18O均具有较强的相关性(R坦桑尼亚= -0.10, R肯尼亚=-0.74, R塞舌尔=-0.82, R明打威=-0.74), SSS与珊瑚δ18O数据的相关性也较滤波前有了一定的提升(R坦桑尼亚=0, R肯尼亚=-0.44, R塞舌尔=-0.24, R明打威= -0.31)。比较4个站点可以发现, 在年际尺度上坦桑尼亚站点的珊瑚δ18O数据受SST与SSS的影响均较小, 肯尼亚、塞舌尔、明打威站点的珊瑚δ18O则主要受SST的影响。

2.2.2 珊瑚δ18O数据对年际气候模态的反演

前人研究表明, 热带印度洋海温年际变化主要是对ENSO事件的被动响应(Cadet et al, 1984), 呈现出非常显著的空间分布特征, 主要表现为两个空间模态——IOBM(Xie et al, 2009, 2016)与IODM(Saji et al, 1999)。
1) IOBM
IOBM导致印度洋SST呈海盆尺度变化(Xie et al, 2009)。4个热带印度洋珊瑚站点的数据对IOBM变化的记录情况可以反映印度洋气候的年际变化。比较图5、图6, 可以发现SST和珊瑚δ18O时间序列经过滤波(3~7a带通滤波)后的相关性有了显著提高。由于塞舌尔站点位于IOBM的核心区域, 并且受沿岸流的影响较小, 该站点的珊瑚δ18O数据与IOBM指数的时间序列基本一致, 两者的相关系数最高(RERSST=-0.73, RHadISST=-0.81, neff=10, p<0.01), 因此该站点的珊瑚数据对IOBM年际变化的反演最为准确。Du等(2014)的研究结果也表明塞舌尔珊瑚δ18O数据可作为IOBM的代用指标, 且珊瑚δ18O所反演的IOBM呈现3~7a周期变化的特征。其次是位于东印度洋的明打威站点, 其珊瑚δ18O数据与IOB指数的相关性系数较高(RERSST=-0.53, RHadISST=-0.59, neff=10, p<0.01), 也基本能够反演IOBM的年代际变率。值得注意的是, 1947—1958年间IOBM一直处于显著的冷相位, 该时段西印度洋珊瑚站点的δ18O数据并不能准确记录海温变化, 而位于东印度洋的明打威站点的δ18O数据对海温的记录能力则没有受到明显的扰动(图5)。
图5 珊瑚δ18O与IOBM指数异常值的时间序列图

红线、蓝线分别为珊瑚δ18O与IOBM指数异常值进行13点平滑的结果

Fig. 5 Time series of coral δ18O and IOBM index anomalies

图6 珊瑚δ18O与IOBM指数异常值3~7a滤波图

Fig. 6 Coral δ18O and IOBM index anomalies after applying 3-7 years filter

2) IODM
IODM是位于热带印度洋的一个涉及纬向海洋—大气相互作用的年际变化模态(Saji et al, 1999; Yang et al, 2010)。考虑到东、西印度洋珊瑚站点对局地SST的反演存在一定偏差, 而两者相减得到的指数可能会使偏差增大, 所以将东、西印度洋站点分别与IOD东、西极进行相关性分析。塞舌尔站点的珊瑚δ18O数据与IOD西极的年际变率基本能够重合(RERSST=-0.76, RHadISST=-0.80, neff=10, p<0.01) (图7)。但1947—1958年间西印度洋海温受IOBM冷相位的影响出现了异常降低(图8), 西印度洋珊瑚δ18O的反演能力也出现了明显下降。然而, 在该时段东印度洋SST并未出现大幅降低, 其与珊瑚δ18O的时间序列基本吻合, 即明打威站点的珊瑚在该时段的反演能力并未受到影响。由此可知, 1947—1958年间该珊瑚站点并没有位于印度洋IOBM冷相位的区域, 故明打威站点的珊瑚数据对IOD东极的记录没有受到扰动。前人研究发现重建DMI的珊瑚最佳位置位于赤道印度洋东南部的爪哇和苏门答腊外海(约3°—7°S)(Abram et al, 2015)。本文选用的明打威站点的珊瑚位于赤道附近(0°6′S), 离苏门答腊较远, 在IOD东极的边缘海域, 较为准确地记录了极端IOD事件(1997年), 但正常或弱IOD事件对局地SST影响较小, 导致珊瑚δ18O对其响应也较弱。Abram等(2020)利用明打威另一处珊瑚样本(约2°—3°S)的δ18O资料(时间序列长达500a), 发现1960年以前极端IOD事件虽然出现次数较少, 但在17世纪至少出现了一次, 且强度比1997年的极端IOD事件大27%~42%。此外, Abram等(2008)利用明打威群岛、巴厘岛与塞舌尔的珊瑚δ18O时间序列重建了过去近150a的DMI, 并指出加强的东南信风可能是导致20世纪IOD事件强度和频率增大的原因。
图7 珊瑚δ18O与IOD单极异常值3~7a滤波图

Fig. 7 Coral δ18O and monopole of IOD anomalies after applying 3-7 years filter

图8 珊瑚δ18O与IOD单极异常值的时间序列图

红线、蓝线分别为珊瑚δ18O与IOD单极异常值进行13点平滑的结果

Fig. 8 Time series of coral δ18O and monopole of IOD anomalies

2.3 珊瑚δ18O数据对热带印度洋气候年代际变率的反演

对热带印度洋(35°—100°E, 20°S—20°N)1880—1999年SST的时间序列作谱分析, 发现年代际信号的主要周期为9a, 故作9a以上的低通滤波来表现年代际变率。比较SSS、SST与珊瑚δ18O的相关性发现, 坦桑尼亚站点的珊瑚δ18O 对局地SST年代际变率记录较好, 而其余3个站点的珊瑚δ18O 与SST呈现的相关性(R坦桑尼亚=-0.35, R肯尼亚=-0.10, R塞舌尔= -0.08, R明打威=-0.09)则较低; 珊瑚δ18O与SSS的相关性(R坦桑尼亚=0.38, R肯尼亚=0.43, R塞舌尔=0.11, R明打威=0.21)整体优于SST。坦桑尼亚站点的珊瑚δ18O数据对SST的年代际变化记录优于其对SST的年际变化记录, 而肯尼亚、塞舌尔、明打威站点的珊瑚δ18O则未能记录到SST的年代际变化。总体上, 4个站点的珊瑚δ18O在年代际尺度上的变化情况受SSS的影响大于SST。
对滤波处理后的SST进行EOF分析, 计算得到第一空间结构和主成分时间序列(方差贡献为79.47%), 两者用以表示热带印度洋年代际信号的时空变化。根据空间分布图(图9)所示, 本文选取的4个珊瑚站点位于热带印度洋SST在年代际尺度上一致增加或减少的海区, 并且塞舌尔站点局地SST在年代际尺度上的增减幅度最大(图9a)。从时间序列图上可以看出, 1940—1950年间热带印度洋SST存在冷暖相位转变(图9b), 该时段热带印度洋SST受年代际变率影响显著。
图9 热带印度洋SST年代际信号空间分布(a)和时间序列(b)
基于国家测绘地理信息局标准地图服务网站下载的审图号为GS(2020)4399号的标准地图制作, 底图无修改

图a Spatial distribution (a) and time series (b) of interdecadal signals in the tropical Indian Ocean

为了进一步探讨印度洋珊瑚δ18O对海温记录出现的扰动情况, 将局地SST分别与珊瑚δ18O、Niño3.4指数进行21a时间窗口的滑动相关性分析, 并与热带印度洋年代际变率的时间序列(去除长期趋势)比较。如图10所示, 1950年后热带西印度洋局地SST与Niño3.4指数的相关性出现降低, 揭示了热带印度洋SST存在年代际调整, 即该时段SST主要受自身的年代际变率调制, 而受ENSO影响较小。该遥相关减弱的现象被塞舌尔、坦桑尼亚站点的珊瑚所记录(珊瑚δ18O与局地SST的相关性也出现明显的下降), 这是由于该时段西印度洋受到的年代际气候变化影响大于年际变化, 而在年代际尺度上珊瑚δ18O受SSS影响较大, 因此无法准确记录SST的变化情况。前人对塞舌尔珊瑚站点的研究也证实了珊瑚δ18O在1940—1975年间以年代际变化为主导(Du et al, 2014)。在年代际尺度上, 肯尼亚站点的珊瑚δ18O变率受SSS的影响远大于SST, 因此无法指示热带印度洋SST与ENSO的遥相关的变化情况。明打威站点的珊瑚对SST的记录也存在明显的年代际变化。总体来说, 坦桑尼亚、塞舌尔站点的珊瑚δ18O数据能够较为准确地指示热带印度洋SST与ENSO的遥相关。
图10 珊瑚δ18O与局地SST、Niño3.4指数的21a滑动相关性

Fig. 10 The 21-year sliding correlations of coral δ18O with local SST and Niño3.4 index

蓝线为珊瑚δ18O与局地SST的相关系数时间序列; 黄线为珊瑚δ18O与Niño3.4指数的滑动相关系数时间序列; 红线为局地SST与Niño3.4指数的滑动相关系数时间序列; 粗灰线为热带印度洋的SST年代际变率; 灰色细实线为95%的置信线

3 结论

本文选取热带印度洋中肯尼亚、坦桑尼亚、塞舌尔和明打威4个站点的珊瑚δ18O数据, 结合前人的研究成果, 对比分析了1880—1999年间4个站点的珊瑚δ18O在不同时间尺度上对热带印度洋海温变
化的反演能力。本文结果表明4个站点的珊瑚δ18O数据和热带印度洋SST在长期趋势上保持一致。珊瑚δ18O能够准确地刻画出SST的季节循环, 且在低温季节中珊瑚δ18O与SST的相关关系更为密切。珊瑚δ18O能够反演IOBM和IODM的年际变率情况, 尤其是塞舌尔站点位于开放海域, 受沿岸气候的影响较弱, 并且是IOBM核心海域, 该站点的珊瑚δ18O数据对印度洋海温年际变率的反演情况最为准确。在年代际尺度上, 珊瑚δ18O由于受SSS影响较大, 对SST的记录存在偏差, 因此在1950年后热带西印度洋以年代际变化为主导的时段, 珊瑚无法准确记录SST的变化。此外, 坦桑尼亚站点的珊瑚δ18O对热带印度洋SST与ENSO之间遥相关年代际变化的记录最为准确。综上所述, 由于地理位置、数据处理方法等原因, 不同珊瑚站点对气候的记录存在不同的扰动, 通过互相对比修正, 可以使珊瑚数据对古气候的反演更为准确。

*感谢美国国家海洋大气局(NOAA)提供的古气候资料共享数据集(https://www.ncdc.noaa.gov/data-access/paleoclimatology-data/datasets)和ERSST.v5数据(https://www.ncdc.noaa.gov/data-access/marineocean-data/extended-reconstructed-sea-surface-temperature-ersst-v5), 感谢英国气象局哈德莱中心的HadSST数据集(https://www.metoffice.gov.uk/hadobs/hadisst/data/download.html)和EN系列数据集的第4版盐度分析数据(https://www.metoffice.gov.uk/hadobs/en4/download-en4-2-1.html)。

参考文献

原文顺序 | 文献年度倒序 | 文中引用次数倒序
[1]
苏瑞侠, 朱照宇, 陈小明, 2006. 南海北部造礁珊瑚氧同位素的年际和年代际趋势变化及其影响因素[J]. 科学通报, 51(S3): 57-65. (in Chinese)

[2]
余克服, 黄耀生, 陈特固, 等, 1999. 雷州半岛造礁珊瑚Porites lutea月分辨率的δ18O温度计研究[J]. 第四纪研究, 19(1): 67-72. (in Chinese)

YU KEFU, HUANG YAOSHENG, CHEN TEGU, et al, 1999. A monthly resolution δ18O thermometer of a Porites lutea coral from Leizhou Peninsula[J]. Quaternary Sciences, 19(1): 67-72. (in Chinese with English abstract)

[3]
ABRAM N J, DIXON B C, ROSEVEAR M G, et al. 2015. Optimized coral reconstructions of the Indian Ocean Dipole: An assessment of location and length considerations[J]. Paleoceanography, 30(10):1391-1405.

DOI

[4]
ABRAM N J, GAGAN M K, COLE J E, et al, 2008. Recent intensification of tropical climate variability in the Indian Ocean[J]. Nature Geoscience, 1(12): 849-853.

DOI

[5]
ABRAM N J, WRIGHT N M, ELLIS B, et al, 2020. Coupling of Indo-Pacific climate variability over the last millennium[J]. Nature, 579(7799): 385-392.

DOI

[6]
ALORY G, WIJFFELS S, MEYERS G, 2007. Observed temperature trends in the Indian Ocean over 1960-1999 and associated mechanisms[J]. Geophysical Research Letters, 34(2): L02606.

[7]
BRETHERTON C S, WIDMANN M, DYMNIKOV V P, et al, 1999. The effective number of spatial degrees of freedom of a time-varying field[J]. Journal of Climate, 12(7): 1990-2009.

DOI

[8]
CADET D L, DIEHL B C, 1984. Interannual variability of surface fields over the Indian Ocean during recent decades[J]. Monthly Weather Review, 112(10): 1921-1935.

DOI

[9]
CAI WENJU, WU LIXIN, LENGAIGNE M, et al, 2019. Pantropical climate interactions[J]. Science, 363(6430): eaav4236.

DOI

[10]
CHARLES C D, HUNTER D E, FAIRBANKS R G, 1997. Interaction between the ENSO and the Asian monsoon in a coral record of tropical climate[J]. Science, 277(5328): 925-928.

DOI

[11]
COBB K M, CHARLES C D, CHENG H, et al, 2003. El Niño/Southern Oscillation and tropical Pacific climate during the last millennium[J]. Nature, 424(6946): 271-276.

DOI

[12]
COLE J E, DUNBAR R B, MCCLANAHAN T R, et al, 2000. Tropical pacific forcing of decadal SST variability in the western Indian Ocean over the past two centuries[J]. Science, 287(5453): 617-619.

DOI

[13]
Damassa T D, Cole J E, Barnett H R, et al, 2006. Enhanced multidecadal climate variability in the seventeenth century from coral isotope records in the western Indian Ocean[J]. Paleoceanography, 21: PA2016.

[14]
DESER C, ALEXANDER M A, XIE SHANGPING, et al, 2010. Sea surface temperature variability: Patterns and mechanisms[J]. Annual Review of Marine Science, 2(1): 115-143.

DOI

[15]
DU YAN, XIE SHANGPING, 2008. Role of atmospheric adjustments in the tropical Indian Ocean warming during the 20th century in climate models[J]. Geophysical Research Letters, 35(8): L08712.

[16]
DU YAN, XIE SHANGPING, HUANG GANG, et al, 2009. Role of air-sea interaction in the long persistence of El Niño-induced north Indian ocean warming[J]. Journal of Climate, 22(8): 2023-2038

DOI

[17]
DU YAN, XIAO JINJUN, YU KEFU, 2014. Tropical Indian Ocean Basin Mode recorded in coral oxygen isotope data from the Seychelles over the past 148 years[J]. Science China Earth Sciences, 57(11): 2597-2605.

DOI

[18]
EPSTEIN S, BUCHSBAUM R, LOWENSTAM H A, et al, 1953. Revised carbonate-water isotopic temperature scale[J]. GSA Bulletin, 64(11): 1315-1326.

DOI

[19]
FAIRBANKS R G, EVANS M N, RUBENSTONE J L, et al, 1997. Evaluating climate indices and their geochemical proxies measured in corals[J]. Coral Reefs, 16(1): S93-S100.

[20]
GAGAN M K, CHIVAS A R, ISDALE P J, 1994. High-resolution isotopic records from corals using ocean temperature and mass-spawning chronometers[J]. Earth and Planetary Science Letters, 121(3-4): 549-558.

DOI

[21]
GOOD S A, MARTIN M J, RAYNER N A, 2013. EN4: quality controlled ocean temperature and salinity profiles and monthly objective analyses with uncertainty estimates[J]. Journal of Geophysical Research: Oceans, 118(12): 6704-6716.

DOI

[22]
GROTTOLI A G, 2019. Past climate from corals[J]. Encyclopedia of Ocean Sciences, 6: 445-463.

[23]
HUANG BOYIN, THORNE P W, BANZON V F, et al, 2017. Extended Reconstructed Sea Surface Temperature, Version 5 (ERSSTv5): Upgrades, Validations, and Intercomparisons[J]. Journal of Climate, 30(20): 8179-8205.

DOI

[24]
KAPLAN A, CANE M A, KUSHNIR Y, et al, 1998. Analyses of global sea surface temperature 1856-1991[J]. Journal of Geophysical Research: Oceans, 1998, 103(C9): 18567-18589.

[25]
KAYANNE H, IIJIMA H, NAKAMURA N, et al, 2006. Indian Ocean Dipole index recorded in Kenyan coral annual density bands[J]. Geophysical Research Letters, 33(19): L19709.

DOI

[26]
LEUPOLD M, PFEIFFER M, WATANABE T K, et al, 2021. El Niño-Southern Oscillation and internal sea surface temperature variability in the tropical Indian Ocean since 1675[J]. Climate of the Past, 17(1): 151-170.

DOI

[27]
LINSLEY B K, DUNBAR R B, WELLINGTON G M, et al, 1994. A coral-based reconstruction of Intertropical Convergence Zone variability over Central America since 1707[J]. Journal of Geophysical Research: Oceans, 99(C5): 9977-9994.

[28]
LINSLEY B K, KAPLAN A, GOURIOU Y, et al, 2006. Tracking the extent of the South Pacific Convergence Zone since the early 1600s[J]. Geochemistry, Geophysics, Geosystems, 7(5): Q05003.

[29]
NAKAMURA N, KAYANNE H, IIJIMA H, et al, 2009. Mode shift in the Indian Ocean climate under global warming stress[J]. Geophysical Research Letters, 36(23): L23708.

DOI

[30]
NAKAMURA N, KAYANNE H, IIJIMA H, et al, 2011. Footprints of IOD and ENSO in the Kenyan coral record[J]. Geophysical Research Letters, 38(24): L24708.

[31]
RAYNER N A, PARKER D E, HORTON E B, et al, 2003. Global analyses of sea surface temperature, sea ice, and night marine air temperature since the late nineteenth century[J]. Journal of Geophysical Research: Atmospheres, 108(D14): 4407.

DOI

[32]
SAJI N H, GOSWAMI B N, VINAYACHANDRAN P N, et al, 1999. A dipole mode in the tropical Indian Ocean[J]. Nature, 401(6751): 360-363.

[33]
SU LUN, DU YAN, FENG MING, et al, 2019. Ningaloo Niño/Niña and their regional climate impacts as recorded by corals along the coast of western Australia[J]. Palaeogeography, Palaeoclimatology, Palaeoecology, 535: 109368.

DOI

[34]
WANG CHUNZAI, 2019. Three‐ocean interactions and climate variability: a review and perspective[J]. Climate Dynamics, 53(7): 5119-5136.

DOI

[35]
XIE SHANGPING, HU KAIMING, HAFNER J, et al, 2009. Indian Ocean capacitor effect on Indo-western Pacific climate during the summer following El Niño[J]. Journal of Climate, 22(3): 730-747.

DOI

[36]
XIE SHANGPING, KOSAKA Y, DU YAN, et al, 2016. Indo-western Pacific Ocean capacitor and coherent climate anomalies in post-ENSO summer: a review[J]. Advances in Atmospheric Sciences, 33(4): 411-432.

DOI

[37]
YANG JIANLING, LIU QINYU, LIU ZHENGYU, 2010. Linking observations of the Asian Monsoon to the Indian Ocean SST: possible roles of Indian Ocean Basin Mode and Dipole Mode[J]. Journal of Climate, 23(21): 5889-5902.

DOI

[38]
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(8): 1217-1229.

DOI

[39]
ZINKE J, ROUNTREY A, FENG M, et al, 2014. Corals record long-term Leeuwin current variability including Ningaloo Niño/Niña since 1795[J]. Nature Communications, 5(1): 3607.

DOI

Options
文章导航

/

〈 〉