Search
E-mail
RSS

Online submission Editor-in-chief Peer review Staff Login

Journal of Tropical Oceanography >

2020 , Vol. 39 >Issue 4: 1 - 12

DOI: https://doi.org/10.11978/2019080

Marine Hydrology

Study on the characteristics of high-frequency variation of Qiongdong upwelling in summer*

  • LIU Yequ , 1, 2, 3 ,
  • TANG Shilin , 1, 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. Guangdong Key Lab of Ocean Remote Sensing (South China Sea Institute of Oceanology, Chinese Academy of Sciences), Guangzhou 510301, China
TANG Shilin. E-mail:

Received date: 2019-08-30

  Request revised date: 2020-01-09

  Online published: 2020-07-27

Supported by

Foundation item: Strategic Priority Research Program of the Chinese Academy of Sciences(XDA13010404)

National Natural Science Foundation of China(41876207)

Science and Technology Planning Project of Guangdong Province, China(2017B020217002)

Copyright

Copyright reserved © 2020. Office of Acta Agronomica Sinica All articles published represent the opinions of the authors, and do not reflect the official policy of the Chinese Medical Association or the Editorial Board, unless this is clearly specified.
Fold

Abstract

Previous studies on upwelling mainly focus on inter-annual or seasonal variation, but the high-frequency observations of upwelling gain more attention with the availability of high-temporal-resolution remote sensing products. In this paper, we propose an algorithm for detecting cold upwelling signal based on daily merged sea surface temperature (SST) data with a multi-scale segmentation method. The upwelling area and intensity variation reflect a complete process of upwelling off eastern Hainan Island. Analyses on SST images in recent decade demonstrate that the upwelling did not exist daily during summer; instead, it occurred with a mean time interval of 6 days. Colder signature of upwelling events appeared for approximately 98 days on average in every summer from June to September. The mean values of cold area and intensity are 7698 km2 and 1.0℃, respectively, which are highly correlated. The frequency of upwelling occurrence is inversely proportional to the offshore distance, and the northeast is a high-frequent area. Offshore wind and wind stress curl make different contributions for different upwelling in the studied area. Offshore wind, wind stress curl and tropical cyclones are closely related to the short-term change of the upwelling.

Key words： Qiongdong upwelling; high-frequency variation; sea surface temperature; multi-scale segmentation; local wind

Cite this article

LIU Yequ , TANG Shilin . Study on the characteristics of high-frequency variation of Qiongdong upwelling in summer*[J]. Journal of Tropical Oceanography, 2020 , 39(4) : 1 -12 . DOI: 10.11978/2019080

*感谢国家科技基础条件平台-国家地球系统科学数据共享服务平台-南海及其邻近海区科学数据中心(http://ocean.geodata.cn)提供数据支撑。
季风对南海环流有很大的影响, 夏季期间南海盛行西南季风, 沿岸会发生季节性上升流现象(吴立升 等, 2003)。琼东上升流是我国主要上升流之一, 通常发生在夏季风期间, 6—8月强度最大(谢玲玲 等, 2012; Hu et al, 2016)。作为我国近海环流的一个重要组成部分, 琼东上升流对琼东海域渔业经济活动、生态环境等具有重要影响(邓松 等, 1995; Xie et al, 2003; 汪彧 等, 2016)。
上升流是南海陆架区一种重要的动力过程, 因此南海北部沿岸上升流研究一直受到国内外学者的关注。20世纪60年代, Wyrtki(1961)在绘制南海环流图时就推测香港海域夏季存在局部上升流。Niino等(1961)通过分析海底沉积物也指出海南岛东部及汕头以南海域夏季会发生上升流。国内学者们利用多年海洋调查资料, 指出和证实南海北部存在粤东、粤西和琼东三大主要上升流区(管秉贤 等, 1964; 于文泉, 1987)。韩舞鹰等(1990)根据1984—1985年琼东海岸四季的调查资料分析, 认为在30m以浅海域出现强烈的上升流。郭飞等(1998)利用二维数值模式进行诊断计算, 指出琼东沿岸上升流集中在离岸40km的100m水深以浅海域中。经志友等(2008)使用三维斜压非线性数值模式指出琼东上升流主要发生在海南岛沿岸清澜湾至七洲列岛和陵水湾至陵水沿岸附近。目前普遍认为夏季风驱动上层海水Ekman离岸输送而导致中、深层海水的涌升和补充是琼东上升流的主要动力机制。此外, 局地风场(Jing et al, 2009; 谢玲玲 等, 2016; Shu et al, 2018)、潮汐混合(Hu et al, 2003; Li et al, 2018)、地形抬升(Wang et al, 2014)、热带气旋(李立 等, 1994; Su et al, 2011)等也会影响局地上升流的形成与发展。
随着观测手段、遥感数据和数值模式的发展, 琼东上升流的时空分布和动力机制等研究已取得较多成果, 但有关上升流的周期、面积、强度、频率分布及热带气旋对上升流表层影响的高频观测仍有所缺失。本文使用2008—2017年夏季的卫星遥感逐日融合SST(Sea Surface Temperature)数据, 分析夏季琼东涌升到海面的上升流的高频变化特征, 并初步探讨琼东上升流的动力机制。

1 数据和方法

1.1 研究区域

本文选择纬度区间为18°12′—21°30′N、海岸线至海岸线向东平移约150km(琼东上升流的最大宽度)处的海域为琼东上升流研究区, 即图1红线所示范围。
图1 研究区域(红线所圈海域)及CTD测站位置

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(2019)1825号的标准地图制作。图中黄点为2008年夏季的CTD测站, 洋红点为2015年夏季的CTD测站; 白色区域为数据缺失区域

Fig. 1 The study area (the sea area inside the red line) and the location of the CTD stations.

Yellow markers are the CTD stations in summer 2008, and magenta dots are the CTD stations in summer 2015

1.2 数据

1.2.1 遥感数据
采用2008—2017年夏季(6—9月)GHRSST (Group High Resolution Sea Surface Temperature)数据集, 该数据集是由JPL(Jet Propulsion Laboratory)融合了AMSRE(Advanced Microwave Scanning Radiometer)、MODIS(Moderate Resolution Imaging Spectroradiometer)、WindSat、AVHRR(Advanced Very High Resolution Radiometer)和现场观测数据, 利用最优插值算法产生的近实时的SST数据集, 其空间和时间分辨率分别为1km和1d。风场数据使用CCMP(Cross Calibrated Multi-Platform) 6h平均风速产品和ASCAT(Advanced Scatterometer)逐日平均风速产品, 空间分辨率为15′。前者平均处理为天数据, 用于计算风应力旋度, 后者用来分析热带气旋过境情况。台风数据来自于中国气象局热带气旋资料中心最佳路径数据集(http://tcdata.typhoon.org.cn/ zjljsjj_zlhq.html), 包括时间、位置、最佳路径、强度等信息。
1.2.2 现场调查数据
利用融合的遥感海表温度数据前, 需要验证其在南海的可靠性, 因此本文利用现场调查数据来验证GHRSST的可靠性和检验上升流提取精度。现场调查数据采用2008年和2015年夏季使用SBE 911 Plus CTD测得的水文资料, 观测站位见图1所示。调查航次为中国科学院南海海洋研究所负责实施的南海北部海洋观测开放航次, 调查船为“实验3”号科考船。比较温度实测数据与GHRSST数据集, 拟合结果表明实测数据与融合数据的相关系数达0.78(图2), RMSE(Root Mean Square Error)=0.29, 高于GHRSST产品在全球约0.5℃的精度, 因此融合的遥感海表温度能够较好地反映夏季琼东海域的SST状况。
图2 卫星遥感海表温度与CTD实测海表温度的散点图

图中虚线为GHRSST与CTD SST的1:1关系, 实线为两者的拟合直线; RMSE为Root Mean Square Error

Fig. 2 Scatter plots of satellite SST and in situ CTD data

1.3 上升流提取方法

当上升流涌上海面, 来自深层的海水显示出低温高盐的特征, 遥感平台通过检测这些信号作为探测上升流的基础条件。Sousa等(2008)利用SST图像, 应用FCM(Fuzzy c-means)模糊聚类的方法来识别沿岸上升流, 其识别精度达到了0.77(匹配率值, 无量纲)。Yin等(2019)基于逐日SST图像提出了一个边缘检测方法来探测台湾东北部上升流。Huang等(2019)利用2014年的月平均SST数据形成了一种尺度独立的方法来绘制澳大利亚东南海岸的上升流区域。本文结合TPI(Topographic Position Index)指数和多尺度分割, 提出了一个根据上升流冷信号异质性(Blaschke et al, 2014)提取上升流对象的方法。
1.3.1 TPI指数计算
TPI指数方法是通过计算中心像元与其周围像元平均值的差值, 来描述中心像元与相邻像元之间的关系。TPI指数最先应用于研究地理学上的地形地貌(Weiss, 2001), 后被应用到提取海面SST的冷暖异常信号(Huang et al, 2015; Shu et al, 2018; Huang et al, 2019)。同样地, 我们也从获得的SST图像上计算TPI指数去刻画琼东上升流的冷信号异常。TPI指数通过以下公式计算:
$TPI(x,y)=SST(x,y)-W(x,y)$
式中, (x, y)代表中心像元的位置, $W(x,y)$为中心像元周围像元的平均值,$W(x,y)=$ $\frac{\sum\nolimits_{j=-n}^{n}{\sum\nolimits_{i=-n}^{n}{SST(x-i,y-j)}}}{\mathop{N}^{\text{2}}}$, N为周围像元窗口的大小, n=(N–1)/2。因琼东上升流的最大宽度不超过150km, 我们选择N=150来计算TPI指数。负TPI指数意味着中心像元的SST比周围像元平均值要低(图3a), 上升流携带着低温的海水涌上海表, 其发生区域TPI指数应为负值。
图3 上升流各提取流程的结果图: TPI指数分布(a); 上升流背景温度(b); SST和TPI图像多尺度分割结果(c); 上升流对象合并结果(d); 上升流区域和上升流中心分布(e); 上升流强度(UPI)分布(f)

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(2019)1825号的标准地图制作。图e、f中的红点为上升流中心, 蓝线所圈范围为提取到的上升流区域

Fig. 3 Working processes for obtaining upwelling: calculating TPI from SST image (a); obtaining background temperature of upwelling (b); carrying out multi-scale segmentation of SST and TPI layers (c); merging upwelling objects (d); removing non-upwelling objects and finding the center (e); and calculating the upwelling intensity (UPI) (f)

1.3.2 上升流背景(外海)温度计算
本文将TPI指数小于–0.5℃(即比周围像元至少冷0.5℃)的像元作为潜在的上升流对象, 并求出TPI=–0.5℃的像元的SST平均值作为上升流的背景温度SSTback(图3b)。
$SS{{T}_{back}}=mean\left[ SST({{x}_{i}},{{y}_{i}}) \right]$
式中, (xi , yi)为TPI=–0.5℃的像元所在位置。
1.3.3 SST和TPI图像的多尺度分割
将SST和TPI图像视为输入数据的两个“波段”, 考虑其光谱和空间特性, 使用多尺度分割的方法分割为相对“同质”的对象(Huang et al, 2019)。多尺度分割是根据SST和TPI图像的不同层次进行多次分割, 然后通过阈值进行优化合并, 形成网络层次结构(Beaulieu et al, 1989)。每一分割层次都以低层次的对象(最低层次为SST和TPI的像元)为单元进行合并, 合并标准是对象的异质性小于指定阈值, 同时还受到高层次对象边界的限制。这一层次合并完成之后, 再将上一轮生成的对象进行合并, 直到用户指定的尺度上不能再合并为止(Benz et al, 2011)。在本文研究中, SST图像和TPI图像的多尺度分割参数设置为2, 异构性阈值中颜色加权为0.9, 形状加权为0.1。为避免紧凑或非紧凑段, 平滑度和紧凑度权重均设置为0.5。在eCognition Developer 8.64.1平台上执行多尺度分割, 最终得到分割后的矢量图像(图3c)。
1.3.4 上升流对象合并
首先建立上升流对象合并的规则: 满足TPI指数小于或等于–0.5℃且低于或等于上升流背景温度的对象, 即满足TPI≤–0.5且SST≤SSTback条件的像元将被合并成上升流区(图3d)。
1.3.5 非上升流对象删除和上升流中心寻找
从图像中移除不满足合并规则的对象(未被合并的网格矢量), 另外在沿岸和近海出现孤立的一些上升流对象也会被删除。定义上升流区的最低温度为上升流中心(图3e)。
1.3.6 上升流强度计算
上升流强度(Upwelling intensity, UPI)的定义为上升流的背景温度与中心温度的差值:
$UPI=SS{{T}_{back}}-SS{{T}_{min}}$
根据上式计算, 可得到上升流的强度分布图(图3f)。

2 结果分析

2.1 提取精度检验

根据研究地点和研究时间, 本文选用了2015年7月1日和2008年8月30日这两条断面站位。2015年7月1日SST图像的断面位置上探测到了上升流信号(图4a), 2008年8月30日断面位置没有发生上升流(图4d)。分析其温盐垂直分布可知, 2015年等温线在沿岸较为密集, 离岸约35km的表层至50m层的等温线明显向岸抬升, 其中20℃和23℃等温线抬升约30m, 26℃等温线抬升15m左右。温盐等值线出现了上升流特有的离岸下倾的特征, 即在近岸处有低温高盐水上涌, 盐度变化相对于温度变化较小。2008年断面上层海水混合异常均匀, 等值线大体平行, 没有沿坡向爬升, 也没有出现明显的上升流三维结构。因此, 本算法能够较好地识别上升流在海表面所表现出来的SST信号, 提取的结果是可信的。
图4 2015年7月1日的断面位置(a)与断面温度(b)、盐度(c)分布和2008年8月30日的断面位置(d)与断面温度(e)、盐度(f)分布

图a和d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(2019)1825号的标准地图制作; 图中黑点和红点表示站位位置, 蓝线所圈范围为上升流区域。图b、c、e、f中的白色区为无数据区域

Fig. 4 The CTD stations, temperature and salinity profiles of the section on 1 July 2015 (a~c), and on 30 August 2008 (d~f). The blue line is the range of extracted upwelling area

2.2 算法应用

从2017年6月18日—7月5日的SST图像中捕捉到了一个上升流过程(图5), 其面积和强度几乎在同一时间达到最大值。该上升流过程分为增强和减弱两个阶段: 6月18日至29日为上升流的增强阶段, 占据了整个上升流过程的2/3时间, 面积从2643km2增加到17354km2, UPI指数从0.5℃上升到2.7℃; 上升流减弱阶段仅有6d (6月30日—7月5日), 其面积和UPI指数分别从最大值快速下降到1946km2和0.3℃, 减弱过程的速率比增强过程更快。上升流面积和UPI指数的吻合程度较高, 相关系数高达0.91, 高于2017年的0.76。
图5 2017年6月18日—7月5日上升流过程及其面积与UPI时间序列图

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(2019)1825号的标准地图制作。图中红点为上升流中心, 蓝线所圈范围为上升流区域

Fig. 5 A complete upwelling process off eastern Hainan Island and its time series of area and UPI between 18 June and 4 July 2017

2.3 统计分析

2.3.1 上升流周期
上升流周期是指上升流的持续时间, 即上升流从出现到消失的时间。基于近10年的SST数据对琼东海域进行上升流的探测, 图6的统计结果表明夏季琼东上升流并非每天都涌升到海面, 它存在间断期, 平均间隔为6d。近10年一共发生上升流34次, 周期范围在5~104d, 平均周期为29d; 每年上升流发生天数在87~107d之间, 平均为98d。厄尔尼诺现象使上升流得到增强, 拉尼娜现象则抑制上升流(Jing et al, 2011)。2009年和2015年为ENSO年, 但是从上升流发生的天数来看, 似乎没有体现出ENSO对上升流的加强作用, 反而在ENSO的上一年(即2008年和2014年), 上升流天数较多。2010年是拉尼娜年, 上升流发生的天数最少, 为87d。
图6 2008—2017年琼东上升流出现日期(a)及各年出现天数(b)

图a中蓝线表示上升流的持续时间, 蓝线两端的洋红点分别表示上升流的开始和结束

Fig. 6 Dates (a) and number of occurrence days (b) of the upwelling off eastern Hainan Island in 2008~2017

2.3.2 上升流面积及UPI指数
通过SST图像探测上升流冷信号得到近10年涌升至海面的上升流面积及强度数据(图7), 结果表明每年夏季琼东上升流发生的规律、面积与强度不一。夏季琼东上升流面积范围为88~20485km2, 平均面积为7698km2; 上升流强度范围为0~3℃, 平均强度为1.0℃。琼东上升流面积与强度在95%置信区间下相关性显著, 其相关系数R最低的是2014年的0.61, 最高的是2013年的0.84, 这也从侧面证实此算法提取的可靠性。
图7 2008—2017年琼东上升流面积和UPI指数及两者相关系数

Fig. 7 The statistical results of area and UPI and their correlation coefficient of the upwelling off eastern Hainan Island in 2008~2017

2.3.3 上升流发生频率
将探测到上升流的天数占研究期(2008—2017年的6—9月)总天数的比例定义为上升流发生频率。从图8可知, 琼东上升流发生频率与气候态上升流的分布基本一致, 呈北东—南西向, 主要存在于海南岛东部沿岸、雷州半岛以东至湛江湾东南部一带海域, 与粤西沿岸上升流在分布形态上表现为一个整体(经志友 等, 2008)。上升流发生的频率与离岸距离呈负相关, 即离岸越远, 出现频率越小: 离岸约100km处, 其频率在0.1以下; 离岸约50km为频发区, 达0.3以上, 其中海南岛东北部海域为高频发区, 达到0.5以上。数值模拟结果表明, 由M2、K1和O1分潮引起的潮汐作用使得海南岛东北部存在一个高动能区(Hu et al, 2003)。琼东海域南高北低的地形变化使得东北角产生密度变化, 造成额外的压力梯度, 使得上升流中心往东北处移动(Su et al, 2009)。因此, 琼东上升流东北角的高频发区可能与潮汐混合、地形抬升等因素有关。
图8 琼东夏季上升流频率分布图

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(2019)1825号的标准地图制作

Fig. 8 Frequency distribution of summer upwelling off eastern Hainan Island

3 风场初步分析

3.1 局地风场

上层海水Ekman离岸输送大小取决于离岸风的大小。由 ETOPO2地形数据(http://www.ngdc.noaa. gov/mgg/global/global.html)计算出岸线倾角, 将经向风和纬向风投影到沿岸方向, 通过计算可得到离岸风分量(谢玲玲 等, 2016)。2008年6月28日—8月1日琼东上升流强度指数(UPI)与离岸风的相关系数为0.7(图9a), 与风应力旋度的相关系数小于0.1, 离岸风占主导作用。正(负)风应力旋度推动辐散(辐合)气流垂直向上(向下)运动, 产生抽吸(下沉)运动, 从而加强(减弱)海水上涌(Jing et al, 2009; Cheng et al, 2018)。2014年7月28日—9月14日上升流发生期间, 风应力旋度绝大多数为正值(图9b), 平均为0.36×10-7N·m-3; 其中 7月28日—8月19日, 风应力旋度与UPI的相关系数为0.61; 8月20日—9月14日, 两者存在1~3d的滞后期, 滞后2d的相关系数为0.45。上升流期间, 离岸风与UPI的相关系数小于0.4, 故风应力旋度因子起主导作用。不同上升流的影响因子可能不同, 局地风场(离岸风、风应力旋度)与上升流的短期变化密切相关, 两者或存在1~3d的滞后期。
图9 2008年6月28日—8月1日离岸风与UPI时间序列图(a)及2014年7月28日—9月14日风应力旋度与UPI时间序列图(b)

图a中R表示2008年6月28日—8月1日离岸风与UPI的相关系数, 黑色虚线为离岸风风速0值线; 图b中R1表示2014年7月28日—8月19日风应力旋度与UPI的相关系数, R2表示8月20日—9月14日风应力旋度与UPI滞后2d的相关系数, 黑色虚线为风应力旋度0值线, 洋红色虚线为8月19日时间线, 即R1与R2的分界线

Fig. 9 Time series of offshore wind and UPI between 18 June and 4 August 2008 (a), and time series of wind stress curl and UPI between 28 July and 4 September 2014 (b)

3.2 热带气旋

南海海域是夏季热带气旋频繁过境区, 南海北部沿岸上升流对台风的响应也是多方面的(孙璐 等, 2008; 潘爱军 等, 2011; 谢玲玲 等, 2017)。有的热带气旋削弱上升流(李立 等, 1994; Su et al, 2011; 许金电 等, 2013), 有的热带气旋则会增强上升流, 这取决于台风的路径与强度(潘爱军 等, 2011; Yin et al, 2019)。2008—2017年经过琼东海域的台风有10个(表1), 根据它们的登陆位置划分为南部、中部和北部, 本文研究了这10个台风登陆前后7d的上升流短期变化情况。
表1 2008—2017年琼东海域热带气旋过境信息

Tab. 1 Information of tropical cyclones landing in eastern Hainan Island during 2008~2017

台风编号 名称 历经时间 登陆时间 登陆风速/(m·s-1) 台风级别 登陆位置
200905 苏迪罗 7月10—12日 12日6时 18 热带风暴 中部
200913 彩虹 9月9—12日 11日2时 20 热带风暴 中部
201003 灿都 7月19—23日 22日13时 35 台风 北部
201305 贝碧嘉 6月20—23日 22日11时 23 热带风暴 中部
201306 温比亚 6月28—7月2日 2日5时 30 强热带风暴 北部
201309 飞燕 7月31—8月3日 2日19时 28 强热带风暴 北部
201409 威马逊 7月12—20日 18日15时 72 超强台风 中部
201415 海鸥 9月12—17日 16日9时 42 强台风 中部
201508 鲸鱼 6月21—25日 22日18时 25 强热带风暴 南部
201603 银河 7月26—28日 26日22时 28 强热带风暴 南部
图10显示了表1中10个热带气旋过境风场及上升流的变化规律。通过与上升流的面积和UPI比较, 我们发现并非所有的台风都能影响上升流的短期变化。除了“温比亚”、“鲸鱼”和“银河”外, 其余7个过境热带气旋在一定程度上破坏了上升流结构(图10m)。根据风场情况分析显示, 台风过境时在琼东沿岸引起了偏北风, 气旋式风场改变了有利于琼东上升流的西南季风, 离岸风转为向岸风, 从而改变了上层海水的离岸输送, 上升流减弱或者消失。台风过境后, 上升流冷信号重新出现, 其面积与强度需要一定的时间恢复。此外, “温比亚”从琼东海域中部登陆, “鲸鱼”和“银河”从南部登陆, 这3个台风过境期间沿岸出现显著的利于上升流存在和维系的南风, 上升流面积与UPI没有出现明显变化(图10m)。综上, 台风过境时风场的改变是上升流短期变化的主要原因。
图10 2008—2017年过境琼东海域的台风路径(a)、风场分布(b—k)、风矢量(l)和上升流面积与UPI指数序列(m)

图a—k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(2019)1703号的标准地图制作。图a中点的不同颜色代表不同台风级别, 绿线、蓝线和红线分别代表南部、中部和北部登陆的台风; 图l为过境前后7d的风矢量, 红色箭头代表过境期间偏北风, 黑色箭头代表其他风向的风

Fig. 10 The trajectories and strength of the typhoons passing through the Qiongdong area. The green, blue and red lines represent the northern, central and southern landing typhoons, respectively (a); wind field of typhoon passage (b~k); time series of wind vector (red arrows represent the northerly wind, black arrows represent the other wind directions) (l), upwelling area and UPI (m)

4 结论与讨论

4.1 结论

本文利用多年GRHSST日平均数据计算TPI指数, 结合多尺度分割方法提取了夏季琼东海域上升流信息, 初步分析了琼东上升流的影响因素, 结论如下:
1) 利用冷信号的异质性探测到了一个完整的持续了18d的上升流过程, 以面积及UPI的变化将其划分为上升流增强和减弱两个阶段, 其中减弱速度比增强速度快。
2) 夏季琼东涌升到海面的上升流并非每天都出现, 其周期不一, 平均发生天数为98d, 间隔期为6d。上升流面积与强度相关性较高, 平均面积为7698km2, 平均强度为1.0℃。琼东上升流发生频率与离岸距离呈反比, 上升流主要分布在岸线至岸线外50km的范围内, 海南岛东北海域为高发区。
3) 不同上升流的影响因子可能不同, 离岸风和正风应力旋度对上升流有积极作用。离岸风、风应力旋度与上升流短期变化密切相关, 局地风场与上升流短期变化或存在1~3d的滞后期。过境台风对风场的改变是导致上升流短期变化的主要原因。

4.2 讨论

与实测数据的对比表明, 本算法提取上升流的精度可靠, 但提取精度也与SST数据集本身的精度有关。由于GHRSST数据集不可避免地存在一定的差异, 导致提取上升流的准确度也就出现一定的误差。随着遥感技术的高速发展, 以及越来越多的高重访周期卫星的出现, 如GOCI(Geostationary Ocean Color Imager)和Himawari-8地球同步气象卫星, 可获得的SST产品数据集时间分辨率达到小时级, 这些数据集可以相互验证以减少单一数据集的偏差, 因而在上升流的高频研究中具有极大的应用前景。
前人研究(于文泉, 1987; 韩舞鹰 等, 1990; 邓松 等, 1995)指出, 琼东海域的上升流强度在2~4℃之间, 本文研究的结果则为0~3℃之间, 稍低于以往的研究。造成这一差异的原因在于上升流背景温度的选取不同: 前人以南海的夏季多年平均值(29℃)作为背景温度, 而本文是以TPI=–0.5℃的像元温度均值作为背景温度, 其大多数小于29℃, 因而得到的上升流强度稍低。此外, 本文仅初步分析了局地风场和热带气旋对上升流的影响, 然而琼东上升流的动力机制实际更为复杂, 是风场、潮汐和地形等多种因素综合的结果, 因此上升流短期变化的动力机制还有待深入研究。
和其他遥感产品一样, GHRSST数据集仅能描述海表的温度状况, 不能反映温度的垂直分布结构。当上升流发生在海表以下水层, 即SST冷信号没有涌升到海面或者表面信号很弱时, 就会难以观测到明显的上升流现象, 算法的探测能力也就下降, 从而产生识别误差, 因此需要进一步结合实测资料来分析上升流的垂直结构。

References

Publishing order | Descend order by publishing year | Descend order by cited within
[1]
邓松, 钟欢良, 王名文, 等, 1995. 琼海沿岸上升流及其与渔场的关系[J]. 台湾海峡, 14(1):51-56.

DENG SONG, ZHONG HUANGLIANG, WANG MINGWEN, et al, 1995. On relation between upwelling off Qionghai and fishery[J]. Journal of Oceanography in Taiwan Strait, 14(1):51-56 (in Chinese with English abstract).

[2]
管秉贤, 陈上及, 1964. 中国近海的海流系统: 全国海洋综合调查报告第五册第六章[R]. 北京: 国家科委海洋组海洋综合调查办公室: 1-85 (in Chinese).

[3]
郭飞, 侍茂崇, 夏综万, 1998. 琼东沿岸上升流二维数值模型的诊断计算[J]. 海洋学报, 20(6):109-116.

GUO FEI, SHI MAOCHONG, XIA ZHONGWAN, 1998. Two-demension diagnose model to calculate upwelling on offshore of the east coast of Hainan Island[J]. Haiyang Xuebao, 20(6):109-116 (in Chinese with English abstract).

[4]
韩舞鹰, 王明彪, 马克美, 1990. 我国夏季最低表层水温海区—琼东沿岸上升流区的研究[J]. 海洋与湖沼, 21(3):267-275.

HAN WUYING, WANG MINGBIAO, MA KEMEI, 1990. On the lowest surface water temperature area of China Sea in summer-the upwelling along the east coast of Hainan Island[J]. Oceanologia et Limnologia Sinica, 21(3):167-275 (in Chinese with English abstract).

[5]
经志友, 齐义泉, 华祖林, 2008. 南海北部陆架区夏季上升流数值研究[J]. 热带海洋学报, 27(3):1-8.

JING ZHIYOU, QI YIQUAN, HUA ZULIN, 2008. Numerical study on summer upwelling over northern continental shelf of South China Sea[J]. Journal of Tropical Oceanography, 27(3):1-8 (in Chinese with English abstract).

[6]
李立, 许金殿, 1994. 近海对台风的响应注记——I.大亚湾海况对8708和8710号台风的综合响应[J]. 台湾海峡, 13(3):213-218.

LI LI, XU JINDIAN, 1994. Notes on response of coastal waters to typhoon passage I. response of Daya Bay hydrological conditions to Typhoons No. 8708 and No. 8710[J]. Journal of Oceanography in Taiwan Strait, 13(3):213-218 (in Chinese with English abstract).

[7]
潘爱军, 郭小钢, 许金电, 等, 2011. 粤东沿岸上升流对2006年夏季台风响应[J]. 中国科学: 地球科学, 40(10):1530-1541.

PAN AIJUN, GUO XIAOGANG, XU JINDIAN, et al, 2011. Responses of Guangdong coastal upwelling to the summertime typhoons of 2006. Science China Earth Sciences, 55(3):495-506.

[8]
孙璐, 王东晓, 胡建宇, 等, 2008. 南海北部海洋对局地生成热带气旋的响应[J]. 热带海洋学报, 27(4):10-18.

SUN LU, WANG DONGXIAO, HU JIANYU, et al, 2008. Responses of upper layer of northern South China Sea to two locally-generated tropical cyclones[J]. Journal of Tropical Oceanography, 27(4):10-18 (in Chinese with English abstract).

[9]
汪彧, 经志友, 齐义泉, 2016. 2013年夏季琼东海域上升流观测研究[J]. 热带海洋学报, 35(2):40-49.

DOI

WANG YU, JING ZHIYOU, QI YIQUAN, 2016. Coastal upwelling off eastern Hainan Island observed in the summer of 2013[J]. Journal of Tropical Oceanography, 35(2):40-49 (in Chinese with English abstract).

[10]
吴日升, 李立, 2003. 南海上升流研究概述[J]. 台湾海峡, 22(2):269-277.

WU RISHENG, LI LI, 2003. Summarization of study on upwelling system in the South China Sea[J]. Journal of Oceanography in Taiwan Strait, 22(2):269-277 (in Chinese with English abstract).

[11]
谢玲玲, 张书文, 赵辉, 2012. 琼东上升流研究概述[J]. 热带海洋学报, 31(4):35-41.

DOI

XIE LINGLING, ZHANG SHUWEN, ZHAO HUI, 2012. Overview of studies on Qiongdong upwelling[J]. Journal of Tropical Oceanography, 31(4):35-41 (in Chinese with English abstract).

[12]
谢玲玲, 宗晓龙, 伊小飞, 等, 2016. 琼东上升流的年际变化及长期变化趋势[J]. 海洋与湖沼, 47(1):43-51.

XIE LINGLING, ZONG XIAOLONG, YI XIAOFEI, et al, 2016. The interannual variation and long-term trend of Qiongdong upwelling[J]. Oceanologia et Limnologia Sinica, 47(1):43-51 (in Chinese with English abstract).

[13]
谢玲玲, 何超凤, 李明明, 等, 2017. 琼东上升流区海表温度对台风过境的响应[J]. 海洋科学进展, 35(1):8-19.

XIE LINGLING, HE CHAOFENG, LI MINGMING, et al, 2017. Response of Sea surface temperature to typhoon passages over the upwelling zone east of Hainan Island[J]. Advances in Marine Science, 35(1):8-19 (in Chinese with English abstract).

[14]
许金电, 蔡尚湛, 宣莉莉, 等, 2013. 2006年夏季琼东、粤西沿岸上升流研究[J]. 海洋学报, 35(4):11-18.

XU JINDIAN, CAI SHANGZHAN, XUAN LILI, et al, 2013. Study on coastal upwelling in eastern Hainan Island and western Guangdong in summer, 2006[J]. Haiyang Xuebao, 35(4):11-18 (in Chinese with English abstract).

[15]
于文泉, 1987. 南海北部上升流的初步探讨[J]. 海洋科学, 6(11):7-10.

YU WENQUAN, 1987. A preliminary approach of the upwelling for the northern South China Sea[J]. Marine Sciences, 6(11):7-10 (in Chinese with English abstract).

[16]
BEAULIEU J M, GOLDBERG M, 1989. Hierarchy in picture segmentation: a stepwise optimization approach[J]. IEEE Transactions on Pattern Analysis and Machine Intelligence, 11(2):150-163.

DOI

[17]
BENZ U C, HOFMANN P, WILLHAUCK G, et al, 2004. Multi-resolution, object-oriented fuzzy analysis of remote sensing data for GIS-ready information[J]. ISPRS Journal of Photogrammetry and Remote Sensing, 58(3-4):239-258.

DOI

[18]
BLASCHKE T, HAY G J, KELLY M, et al, 2014. Geographic object-based image analysis-towards a new paradigm[J]. ISPRS Journal of Photogrammetry and Remote Sensing, 87:180-191.

DOI

[19]
CHENG Y H, HU JIAYU, ZHENG QUANAN, et al, 2018. Interannual variability of cold domes northeast of Taiwan[J]. International Journal of Remote Sensing, 2017,39(13):4293-4303.

DOI

[20]
HU J Y, KAWAMURA H, TANG D L, 2003. Tidal front around the Hainan Island, northwest of the South china Sea[J]. Journal of Geophysical Research: Oceans, 2003,108(C11):3342.

[21]
HU JIANYU, WANG XIAOHUA, 2016. Progress on upwelling studies in the China seas[J]. Reviews of Geophysics, 54(3):653-673.

DOI

[22]
HUANG ZHI, FENG MING, 2015. Remotely sensed spatial and temporal variability of the Leeuwin Current using MODIS data[J]. Remote Sensing of Environment, 166:214-232.

DOI

[23]
HUANG ZHI, WANG XIAOHUA, 2019. Mapping the spatial and temporal variability of the upwelling systems of the Australian south-eastern coast using 14-year of MODIS data[J]. Remote Sensing of Environment, 227:90-109.

DOI

[24]
JING ZHIYOU, QI YIQUAN, DU YAN, 2011. Upwelling in the continental shelf of northern South China Sea associated with 1997-1998 El Niño[J]. Journal of Geophysical Research: Oceans, 116(C2):C02033.

[25]
JING ZHIYOU, QI YIQUAN, HUA ZULIN, et al, 2009. Numerical study on the summer upwelling system in the northern continental shelf of the South China Sea[J]. Continental Shelf Research, 29(2):467-478.

DOI

[26]
LI YINENG, PENG SHIQIU, WANG JIA, et al, 2018. On the mechanism of the generation and interannual variations of the summer upwellings west and southwest off the Hainan Island[J]. Journal of Geophysical Research: Oceans, 123(11):8247-8263.

DOI

[27]
NIINO H, EMERY K O, 1961. Sediments of shallow portions of east China Sea and South China Sea[J]. GSA Bulletin, 72(5):731-762.

DOI

[28]
SHU YEQIANG, WANG DONGXIAO, FENG MING, et al, 2018. The contribution of local wind and ocean circulation to the interannual variability in coastal upwelling intensity in the northern south china sea[J]. Journal of Geophysical Research: Oceans, 123(9):6766-6778.

DOI

[29]
SOUSA F M, NASCIMENTO S, CASIMIRO H, et al, 2008. Identification of upwelling areas on sea surface temperature images using fuzzy clustering[J]. Remote Sensing of Environment, 112(6):2817-2823.

DOI

[30]
SU JIAN, POHLMANN T, 2009. Wind and topography influence on an upwelling system at the eastern Hainan coast[J]. Journal of Geophysical Research: Oceans, 114(C6):C06017.

[31]
SU JIAN, WANG JUN, POHLMANN T, et al, 2011. The influence of meteorological variation on the upwelling system off eastern Hainan during summer 2007-2008[J]. Ocean Dynamics, 61(6):717-730.

DOI

[32]
WANG DONGXIAO, SHU YEQIANG, XUE HUIJIE, et al, 2014. Relative contributions of local wind and topography to the coastal upwelling intensity in the northern South China Sea[J]. Journal of Geophysical Research: Oceans, 119(4):2550-2567.

DOI

[33]
WEISS A, 2001. Topographic position and landforms analysis[C]// Poster Presentation, ESRI User Conference, San Diego, CA. 2001: 200.

[34]
WYRTKI K, 1961. Physical oceanography of the Southeast Asian waters. Scientific results of marine investigations of the South China Sea and the Gulf of Thailand 1959-1961[R]. La Jolla,California: Scripps Institution of Oceanography: 1-195.

[35]
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.

[36]
YIN WENBIN, HUANG DAJI, 2019. Short-Term variations in the surface upwelling off northeastern Taiwan observed via satellite data[J]. Journal of Geophysical Research: Oceans, 124(2):939-954.

DOI

Options
Outlines

/

〈 〉