Search
E-mail
RSS

Online submission Editor-in-chief Peer review Staff Login

Journal of Tropical Oceanography >

2023 , Vol. 42 >Issue 3: 52 - 66

DOI: https://doi.org/10.11978/2022141

Marine Hydrology

The characteristics of eddy in western boundary current of South China Sea and its relationship with winter circulation

  • LIU Qinyan , 1, 2 ,
  • LI Wenlian 1, 3 ,
  • SHI Rui 1 ,
  • CHEN Ju 1 ,
  • LI Chunhui 4 ,
  • XIE Qiang 5
Expand
  • 1. South China Sea Institute of Oceanology, Chinese Academy of Sciences, Guangzhou 510301, China
  • 2. Southern Marine Science and Engineering Guangdong Laboratory (Guangzhou), Guangzhou 511458, China
  • 3. University of Chinese Academy of Sciences, Beijing 100049, China
  • 4. Guangzhou Institute of Tropical and Marine Meteorology, China Meteorological Administration, Guangzhou 510640
  • 5. Institute of Deep-Sea Science and Engineering, Chinese Academy of Sciences, Sanya 572000, China
LIU Qinyan. email:

Copy editor: LIN Qiang

Received date: 2022-06-22

  Revised date: 2022-08-25

  Online published: 2022-09-07

Supported by

Science and Technology Basic Resources Investigation Program of China(2017FY201402)

National Natural Science Foundation of China(41576012)

National Natural Science Foundation of China(41876017)

National Natural Science Foundation of China(42176027)

Fold

Abstract

Based on the satellite observations and model outputs, the statistical characteristics of eddy, eddy-induced heat transport and the influences from two winter circulation patterns and wind stress are discussed in this study. The results show that the climatological mean of eddy statistics in the study area has characteristics of strong rotation speed, large radius and amplitude that are slightly higher than the average in the whole SCS, among which cyclonic eddy (CE) accounts for 56.8%. The formation and extinction of eddies mainly occur in winter/spring, while the amplitude, radius and rotation speed of eddy reach their peak values in summer/autumn. On the interannual time scale, the annual mean meridional wind stress has a good correlation with anticyclonic eddy (AE) including its amplitude, radius, rotation speed and extinction, but the correlations with CE are weak. In the “O” pattern, the western boundary current and winter wind stress are significantly weakened, and the easterly branches of winter circulation occur along the coast of Vietnam. By absorbing mean flow energy, the eddy in this study area developed rapidly in “O” pattern, generating strong eddy-induced heat transport (EHT) in the east of the Vietnam coast. In the meantime, the rotation speed of eddy and the number of AE decrease. The above situation is opposite under the “U” winter circulation pattern.

Key words： South China Sea western boundary current; eddy statistics; eddy-induced heat transport

Cite this article

LIU Qinyan , LI Wenlian , SHI Rui , CHEN Ju , LI Chunhui , XIE Qiang . The characteristics of eddy in western boundary current of South China Sea and its relationship with winter circulation[J]. Journal of Tropical Oceanography, 2023 , 42(3) : 52 -66 . DOI: 10.11978/2022141

南海作为热带太平洋最大且最深的边缘海, 其平均深度约1200m, 最深处可达5000m以上, 拥有丰富的渔业资源和矿产资源等, 具有极高的经济价值。同时它也是全球重要的海上运输要道, 是连接东南亚、非洲、西亚等地区的必经之地。南海是典型的亚热带季风海域, 冬季受东北季风的影响, 夏季受西南季风的影响(Wu et al, 1998; Chu et al, 1999; Qu et al, 2000; Fang et al, 2002; Xue et al, 2004; Gan et al, 2006)。南海西边界流的体积输运在冬季达到最强(Quan et al, 2016), 季风则是冬季南海西边界流持续向南运动的主要影响因素(Chen et al, 2014)。冬季强劲的东北季风在每年的9月份出现, 并持续4个月左右, 使得整个南海呈气旋式环流结构(Hu et al, 2000)。
除季节性环流外, 冬季南海西边界流还呈现出显著的年际变化特征(Wu et al, 1998; Wu et al, 2005; Wang et al, 2006b; Chen et al, 2014; Quan et al, 2016; Zu et al, 2019, 2020)。Zu等(2019)利用观测资料和数值模式研究指出, 冬季南海上层环流存在两种显著不同的模态(图1)。在某些年份, 南海西边界流显著增强并沿着等深线向南运动, 在到达5°N左右才开始向东北方向偏转, 在南海南部形成一个强且未闭合的“U”型结构的流场。然而, 在某些年份, 南海西边界流显著减弱, 一部分水体在越南东部(12°N左右)向东北偏转, 另一部分水体继续向南在5°N附近位置形成一个弱且闭合的“O”型结构的流场。其中, 越南东部存在的东向环流分支, 可能和南海贯穿流体积输运的年际变化特征有关, 厄尔尼诺和西向吕宋海峡输运的共同作用, 会驱动南海南部(北部)产生反气旋式(气旋式)环流异常, 从而导致在南海中部产生跨越海盆尺度的异常环流输送(Wang et al, 2020)。
图1 两类南海冬季环流示意图

改自Zu等(2019)。红线表示“U”模态, 蓝线表示“O”模态; 灰色箭头分别表示吕宋海峡(LST)、民都洛海峡(MST)和卡里马塔海峡(KST)的运输, 它们在“U”/“O”年份的值分别用红色和蓝色标记。红色虚线方框为本文重点研究海域

Fig. 1 Schematic diagram of two types of winter circulation in the SCS. The red line represents "U" pattern, the blue line represents "O" pattern, and the grey arrows indicate the transport of the Luzon Strait (LST), Mindoro Strait (MST), and Karimata Strait (KST). The red dotted box represents the research area. Modified from Zu et al (2019)

受风生、热盐等多种动力过程耦合控制, 南海上层表现为多涡结构的环流系统(王东晓 等, 2019)。除具有复杂的流场结构外, 南海还广泛分布着大量的涡旋, 是涡旋频发的重要海域。其中, 越南东部和南海北部则是南海涡旋频发的重要典型区域(Wang et al, 2003)。伴随季风的转向以及上层流场的改变, 越南东部表现为北部为气旋涡、南部为反气旋涡的涡旋偶极子结构, 越南东部涡旋偶极子结构的形成是一种季节性现象, 并且具有显著的年际变化特征(Wu et al, 1999; Wang et al, 2006a; Chen et al, 2010; Chu et al, 2014)。另外, 南海涡旋还存在明显的迁移现象, Zhuang等(2010)利用卫星观测数据和数值模式指出涡旋主要有两个传播途径: 一个位于南海北部, 从吕宋海峡向西南沿着陆架区域自东向西传播; 另一个位于南海西南地区, 涡旋主要沿越南沿岸自北向南传播。两种不同极性的涡旋在传播过程中还会发生经向偏转现象(Wang et al, 2003; 林鹏飞 等, 2007; Xiu et al, 2010; Zhuang et al, 2010; Du et al, 2016)。
对越南东部沿岸而言, 西边界流的不稳定性(Gan et al, 2008)是涡旋生成的重要影响因素。风场主要通过影响海洋上层环流的剪切, 进而影响涡动能 (eddy kinetic energy, EKE)(Zheng et al, 2018)。因此, 风场特征的改变会通过调节南海西边界流进而对涡旋特征产生影响。Feng等(2020)利用模式实验发现, 黑潮入侵的减弱会在一定程度上削弱南海北部涡旋活动, 但越南东部地区涡旋活动的变化并不能单一地归因于黑潮入侵。除了上述原因之外, 风场和地形的相互作用(Wang et al, 2008), 流场和地形的相互作用(Cai et al, 2002), 平均流的涡度输运(Wang et al, 2006a)等因素也会在一定程度上影响涡旋的生成。南海涡旋具有相对稳定性, 且具有向西、向南传播的特征, 因此会对海洋的热、盐等物质输运过程产生重要影响(Chen et al, 2012; Wang et al, 2012; He et al, 2018; Gonaduwage et al, 2021)。南海的涡致热输运特征和海水层结以及背景流垂向剪切的季节性变化息息相关(Chen et al, 2012)。
中尺度涡旋的研究一直是物理海洋领域的热点问题, 而探究中尺度涡旋的统计特征、涡致热输运等, 具有很高的研究价值和科学意义。在越南以东海区, 南海西边界流和大量涡旋并存, 是涡-流相互作用发生的重点区域[图1红色点线方框, 以下简称SCSwbc(South China Sea western boundary current)区域]。南海环流的季节性和年际变化都会在很大程度上影响该区域的涡-流相互作用特征。过去的研究虽然关注了该区域涡旋的统计特征和涡致热输运特征, 但针对两类冬季环流状态下, SCSwbc区域涡旋的统计特征及涡致热输运特征, 前人并未涉及。冬季南海上层环流存在强“U”型流场和弱“O”型流场(Zu et al, 2019), 当平均流的强弱改变时, 涡旋统计特征以及涡致热输运的分布情况都会存在一定程度的变化。因此本文将重点探究两类冬季环流形态下西边界流的年际变化对SCSwbc区域涡旋统计特征和涡致热输运的影响, 这将有助于我们更好地了解涡旋年际变化特征的调节机制。

1 数据和方法

1.1 观测数据和模式产品

本文主要使用了法国国家空间研究中心卫星海洋学数据存档中心提供的卫星观测数据(vDT2021), 包括海面高度异常(sea level anomaly, SLA)以及地转流数据(cds.climate.copernicus.eu)。该数据融合了TOPEX/Poseidon、Jason-1、Jason-2、ERS-1和ERS-2等卫星的资料, 空间分辨率为0.25×0.25°, 时间分辨率为1d。
本文还用到Argo数据中心提供的BOA-Argo数据集(下载网址为 ftp://data.argo.org.cn/pub/ARGO/BOA_Argo/)。相对于最新版本的WOA(world ocean atlas)数据集, BOA-Argo可以更好地捕捉中尺度和大尺度运动信号, 并能够更好地覆盖整个南海区域, 同时还可以去除小尺度运动和高频噪声对数据的影响(Li et al, 2017)。该数据集的空间分辨率为1°×1°, 垂向从海表到1975m不等分为58层。本文所用时间从2004年4月至2021年6月份。
另外, 由于BOA-Argo数据缺乏越南沿岸地区近岸的数据, 因此我们利用日本地球模拟器模拟计算得到的高精度海洋模式(OGCM for the Earth Simulator, OFES)数据, 对涡致热输运进行计算和补充讨论。这是基于MOM3的OGCM模式计算的长时间序列、高分辨率、准全球的模式资料。本文所用时间长度为从1993年1月至2017年12月。数据空间分辨率为0.1°×0.1°, 垂向参照真实的海洋层化结构不等分为54层。其产品能够成功再现卫星观测到的SSH变化(Taguchi et al, 2007; Ceballos et al, 2009), 并适用于研究大尺度环流以及中尺度现象(Masumoto et al, 2004)。该产品曾被广泛运用研究南海区域的涡动能及能量诊断(Zhuang et al, 2010; Xu et al, 2016; Chu et al, 2017; Wang et al, 2017; Yan et al, 2019; Zhang et al, 2020; Li et al, 2022)。

1.2 涡旋的探测及追踪

根据Chelton等(2011)提出的基于SLA的涡旋自主识别算法, Mason等(2014)对识别SLA等值线的具体标准做出了一定改进, 并提供了完整的Python工具包(https://py-eddy-tracker.readthedocs.io/en/latest/index.html#)。
涡旋探测需要满足以下判别条件:
(1)闭合曲线的形状误差必须小于等于55%。形状误差这个概念由Kurian等(2011)首次提出, 定义为闭合曲线偏离其拟合圆的面积和与该圆面积的比值;
(2)闭合等值线包含的网格数目小于等于1000个, 大于等于8个;
(3)等值线内部的所有网格点上的SLA都要大于(小于)SLA最小(大)值;
(4)一个反气旋( 气旋涡)仅允许包含1个SLA极大值(极小值);
(5)闭合SLA等值线的振幅小于等于150cm, 大于等于1cm。
涡旋的振幅被定义为涡旋中心的SLA值与最外层闭合SLA等值线(涡旋边界)的差值。涡旋半径则是由速度确定(Chelton et al, 2011), 先计算每个涡旋内部闭合SLA等值线上地转速度的平均值, 找到地转速度最大的闭合等值线, 计算该等值线确定的涡旋面积, 然后计算同等面积的圆的半径作为涡旋的半径(Rspd)。将闭合SLA等值线上最大的平均地转速度定义为涡旋内部的旋转速度。Mason等(2014)通过引入“形状误差”这个阈值, 可以有效筛除大量极其不规则的闭合SLA等值线; 另外通过设置仅允许1个SLA极值点的存在, 使得Chelton等(2011)提供的涡旋数据集中的非常规超大涡旋被筛除。
涡旋的追踪本文采用了Chelton等(2011)提到的“椭圆法”。对于任意时刻k识别到的涡旋, 将在k+1时刻搜索与之最接近的涡旋, 为了减少计算量以及错误地识别另一条涡旋轨道, k+1的搜索范围被限制在长轴向纬向的椭圆形范围内, 该椭圆的南北向短半轴距离涡旋中心25km, 东端距离涡旋中心25km, 西端距离涡旋中心为长Rossby波相速度在1d传播距离的1.75倍。在划定的筛选椭圆范围内, 往往不止1个涡旋, 为了找到最接近k时刻的涡旋, 还引入了Penven等(2005)提出的相似度法, 计算相似度S(S越小代表相似度越高)来最终判定:
S k , k + 1 = Δ d d 0 2 + Δ a a 0 2 + Δ A A 0 2
其中 Δ d是涡旋在k时刻和k+1时刻的距离差, Δ a是涡旋面积在两个时刻的差值, Δ A是涡旋在两个时刻振幅的差值。d0=25km, a0=π602km2, A0=2cm分别是涡旋传播距离, 面积以及振幅的特征参数值。在k+1中的涡旋如果没有k时刻的与之匹配, 则被认定为新生成的涡旋。

1.3 涡致热输运

计算经向和纬向涡致热输运用到了以下公式:
Μ Ε Η Τ = − ρ C Ρ ( 2 α K Ε T alt ) ∂ [ T ¯ ] ∂ y H
Ζ Ε Η Τ = − ρ C Ρ ( 2 α K Ε T alt ) ∂ [ T ¯ ] ∂ x H
其中MEHT代表经向涡致热输运, ZEHT代表纬向涡致热输运, ρ为海水密度, CP取4187J·kg-1·℃-1, H取400m是垂向作用深度, α是计算涡流混合效率的比例因子, 取α=0.01 (Chen et al, 2012); [ T ¯ ]是温度取深度和时间上的平均; KE是近表层的EKE; Talt是SSH的积分时间尺度, 计算公式为
T alt ( x , y ) = 1 C ξ ( 0 ) ∫ 0 T 0 C ξ ( τ ) d τ
我们在进行计算之前首先对SSH做10个月的高通滤波, C ξ ( τ )是SSH时间序列在点(x, y)处的自协方差函数, T0是 C ξ第一个跨0值(Stammer, 1997)。需要注意的是, 我们利用了AVISO提供的地转流数据和SLA数据以及BOA-Argo提供的温度和盐度数据计算涡致热输运。为了统一两组数据的时间分辨率, 对AVISO的日平均数据做了每个月的平均。另外, 为了统一两组数据的水平分辨率, 对BOA-Argo数据进行了水平方向的二维差值, 差值后的分辨率为0.5°×0.5°, 而对AVISO数据进行了水平方向的平均降低其分辨率, 得到同样为0.5°×0.5°的水平分辨率。

1.4 南海两类冬季环流的判定方法

一般情况下, 南海洋盆尺度的气旋环流可以存在2~4个月(11月到下一年2月), 而气旋环流在12月份发展到最强(Zu et al, 2019), 而EKE和风场都在12—1月达到最大值(Yang et al, 2013)。参考Zu等(2019)的研究结果, 我们也采用了12月(南海冬季流场发展的成熟期)的数据来研究SCSwbc区域两类环流模态下涡旋的年际变化。我们利用AVISO数据和OFES数据计算的两类南海冬季环流场(图2), 其中OFES数据做了上层241m平均。如Li等(2022), 根据Zu等(2019)提出的“U”, “O”模态的筛选法, 我们利用12月(南海冬季流场发展的成熟期)的数据计算出总动能(kinetic energy, KE), KE=1/2[ρ0(u2+v2)], 其中参考密度ρ0=1025kg·m-3, u、v分别为纬向和经向速度; 并对KE做了经验正交分解(empirical orthogonal function, EOF), 其中PC1模态反映了整个要素场的分布特征, 并选取KE 的PC1中变化量较大的年份进行合成分析。对于AVISO数据而言, “O”模态年份包括1997、2002、2009、2012、2015; “U”模态年份包括1993、1995、1998、1999、2005、2011; 其余年份则被认为是正常年份。对OFES数据而言, “O”模态年份包括1994、1997、2009、2010、2012、2015; “U”模态年份包括1998、1999、2003、2005、2006、2007。虽然OFES数据和AVISO数据存在一定差异, 但可以看到OFES数据还是能基本抓住两类冬季环流的基本变化特征。
图2 由OFES数据(a、c)以及AVISO数据(b、d)绘制的两类南海冬季上层流场的水平分布情况

a、c为由OFES模式数据计算的上层241m平均后的流场分布, 其中a为 “O”模态合成年分布, c为 “U”模态合成年分布。b、d为AVISO数据计算结果。颜色部分代表流速, 矢量箭头代表流场, 红色箭头代表西边界流的运动情况

Fig. 2 The horizontal distribution of upper layer current from OFES outputs (a, c) and geostrophic current from AVISO data (b, d). (a) and (c) are the horizontal distribution of the upper layer calculated by OFES data(averaged in upper 241m), where (a)/(c) represents the distribution of "O"/"U" years. (b) and (d) are the same as (a) and (c) but for AVISO data. The gray arrow represents the velocity vector, the color shedding represents the absolute velocity, and the red bold arrow represents the movement of the western boundary current

2 结果分析

2.1 涡旋统计特征分析

2.1.1 气候态特征

本文将采用Mason等(2014)提供的涡旋自主探测代码对南海地区1993—2017年的涡旋进行探测和追踪。Chelton等(2011)提出了在识别中尺度涡旋时常用的椭圆追踪法, 该方法指出如果单次追踪持续4周以上, 那么由此次追踪所得的涡旋结果被视为同一个中尺度涡旋的演变过程。因此, 我们仅保留了生存周期在30d以上的涡旋。另外通过功率谱分析我们发现(图略), SCSwbc区域的涡动能能量最大峰值出现在周期为80d左右。因此在本研究中我们仅对生存时常在30~90d的涡旋进行了研究和统计。在本研究中, 我们将涡旋第一次被探测的时间和位置定义为涡旋生成的时间和区域; 涡旋最后一次被探测的时间和位置定义为消亡的时间和区域。注意这里既包含了局地生成的涡旋, 也包含了传播而来的涡旋, 因此对部分传播而来的涡旋“生成”/“消亡”指的是“第一次”/“最后一次”出现在研究区域。
表1中涡旋个数代表25年间探测到所有涡旋的次数, 由于每天探测1次, 因此涡旋在其生存周期内会被重复探测。从表1的结果可以看到, 在整个南海, 气旋式涡旋(cyclonic eddy, CE)占比52.5%。Wang等(2003)利用卫星高度计资料分析了1993—2000年间的涡旋, 并统计出CE占比为40%, 而Xiu等(2010)利用1992—2009的模式数据统计指出南海地区CE的占比为53%。可以看到我们的结果和Xiu等(2010)的非常相似。在南海地区, 平均每年生成91个涡旋, 其中CE为49个, 反气旋式涡旋(anticyclonic eddy, AE)为42个; 平均每年消亡100个, CE为52个, AE为48个。对SCSwbc区域而言, CE的占比为56.8%, 明显高于南海的平均情况。在SCSwbc区域, 平均每年生成20个涡旋, 其中CE为12个, AE为8个; 平均每年消亡24个, CE为13个, AE为11个。可以看到无论是整个南海还是SCSwbc区域, 涡旋的生成个数都小于消亡个数, 且SCSwbc区域的消亡个数占比很高。He等(2018)指出, 南海大部分的涡旋都是在118°E以东的沿岸地区生成, 而越南东部地区涡旋的生成情况明显减少; 与之相反的是涡旋的消亡情况, 在南海西部沿岸地区存在大量涡旋消亡, 而东部则较少。因此, 在SCSwbc区域内, 涡旋生成的个数明显小于涡旋消亡的个数, 但由于有其他区域的涡旋传播而来, 该区域的涡旋总个数并不会越来越少。
表1 SCS(South China Sea)地区以及SCSwbc区域涡旋统计特征

Tab. 1 Statistical characteristics of eddy in SCS and the SCSwbc region

涡旋特征 CE AE All
WSCS SCS WSCS SCS WSCS SCS
个数 16046 67156 12502 60861 28548 128017
生成 289 1217 202 1058 491 2275
消亡 319 1306 281 1204 600 2510
振幅/m 0.039 0.028 0.032 0.027 0.036 0.028
半径/km 84.87 68.90 80.81 70.01 82.84 69.46
旋转速度/(m·s-1) 0.278 0.203 0.240 0.191 0.259 0.197

注: SCS代表整个南海区域(4°N—22°N, 108°E—121°E), WSCS代表SCSwbc区域(9°N—16°N, 108°E—114°E)

图3是南海地区涡旋振幅、半径和涡旋内部旋转速度(以下简称“旋转速度”)在1993—2017年平均之后的气候态分布。图3与表1联合表明, 振幅较大的涡旋主要出现在台湾西南海域, SCSwbc区域涡旋的振幅略高于南海的平均值; 半径较大的涡旋主要分布在南海南部和西南地区, 且SCSwbc区域AE的平均半径高于CE; 旋转速度较强的涡旋大部分都分布在SCSwbc区域, 其中CE的旋转速度明显强于AE。综上所述可以看出, SCSwbc区域分布着大量涡旋且CE偏多, 这些涡旋的振幅不大但半径很大且旋转速度非常强。涡旋的旋转速度在一定程度上和EKE相关, 这也是SCSwbc区域存在EKE高值的重要原因。
图3 南海涡旋各项基本特征的气候态水平分布

a、c、e为反气旋式涡旋; b、d、f为气旋式涡旋。图片中红色虚线框为研究区域, 黑色实线为400m等深线

Fig. 3 Horizontal distribution of climatology statistic features of eddy in South China Sea. (a, c, e) AE; (b, d, f) CE. The red dotted box is the study area, and the solid black lines represent the isobath of 400m

南海东部沿岸是涡旋生成的重要区域, 因此SCSwbc区域的涡旋很多都从东部沿岸传播而来(Chen et al, 2011)。Du等(2016)指出, 南海涡旋主要有两个传播途径, 其一是自台湾西南沿大陆架向西南传播到海南岛南部以及越南东部地区, 其二则是自吕宋岛西部地区生成并向西传播到越南东部地区。涡旋在生成之后分别向西和西南地区运动, 能量逐渐耗散, 并最终在南海西部地区消亡。He等(2018)指出, 南海大部分的涡旋都是在118°E以东的沿岸地区生成, 而越南东部地区涡旋的生成情况明显减少; 与之相反的是涡旋的消亡情况, 在南海西部沿岸地区存在大量涡旋消亡, 而东部则较少。因此, 在SCSwbc区域内, 涡旋生成的个数明显小于涡旋消亡的个数, 但由于有其他区域的涡旋传播而来, 该区域的涡旋总个数并不会越来越少。
图4所示为涡旋振幅、半径和旋转速度的概率分布以及两种涡旋的比值。两种涡旋概率分布的差异并不明显。振幅较小的涡旋占比最多, 并随着振幅的增大百分比逐步下降。对半径而言, AE半径在50km分布较多而CE则在60km, 随后两种涡旋的比例都随着半径的增加而降低。从二者半径的比值可以看到, 大半径的涡旋主要为AE, 小半径(< 60km)的涡旋个数也是AE占优。对旋转速度而言, AE和CE的旋转速度峰值都出现在同样的位置, 但AE的占比明显高于CE, 随着旋转速度的增加两种涡旋的个数明显下降, 且比值也明显下降, 说明旋转速度较高的涡旋大部分为CE。
图4 SCSwbc区域涡旋各项的基本特征

a—c为AE与CE的分布直方图; d—f为两类涡旋的比值(AE/CE)

Fig. 4 Histogram distribution and the ratio of anticyclonic to cyclonic eddies of eddy amplitude (a, d), radius (b, e) and rotation speed (c, f) in the SCSwbc area

2.1.2 季节特征

南海涡旋的特征会受到季风以及流场的影响, 呈现显著的季节性变化。SCSwbc区域四个季节内涡旋各项统计特征的距平值如图5所示。图5a、b结果表明, 涡旋个数较多的是冬/春季节, 涡旋生成主要集中在冬季, 夏季涡旋个数最少, 生成的涡旋也最少。从涡旋的消亡情况来看, 涡旋都集中在冬季和春季消亡。从图5d—f可以看到涡旋的振幅、半径和旋转速度都在夏/秋两季明显增强。图6给出了冬季涡旋各项统计特征的水平分布情况。结果表明, 整个南海冬季期间涡旋特征南海西边界流区域主要以CE为主, 其涡旋振幅、半径和旋转速度最强中心均位于南海沿岸西边界流区域。
图5 涡旋各项基本特征在四个季节的柱状图分布

a. 涡旋个数; b. 涡旋生成个数; c. 涡旋消亡个数; d. 涡旋振幅; e. 涡旋内部旋转速度; f. 涡旋半径。绿色柱代表春天(2—4月), 橙色柱代表夏天(5—7月), 黄色柱代表秋天(8—10月), 蓝色柱代表冬天(11—1月)

Fig. 5 The histogram distribution of the statistical features of eddy in four seasons. a. the number of eddy occurrence; b. the number of eddy genesis; c. the number of eddy dissipation; d. amplitude; e. rotation speed; f. radius. The green column represents spring (February to April), the orange column represents summer (May to July), the yellow column represents autumn (August to October), and the blue column represents winter (November to January)

图6 涡旋各项基本特征在冬季的水平分布

a. AE振幅; c. AE半径; e. AE旋转速度; b、d、f同a、c、e, 但为CE。黑色实线为400m等深线

Fig. 6 Horizontal distribution of eddy’s statistical features in winter. (a) amplitude of AE; (c) radius; (e) rotation speed of AE; (b, d, f) are the same as (a, c, e) but for CE. The solid black lines represent the isobath of 400m

2.1.3 两类冬季环流形态下的年际变化

为了探究涡旋的统计特征是否会受南海两类冬季环流的影响, 我们绘制了SCSwbc涡旋各项统计特征的水平分布在“U”和“O”两种合成年份的差异, 并在表2总结了各项平均值。我们利用“O”/“U”年份跟正常年的差异, 对表2中涡旋的各项统计特征进行了信度检验。具体操作如下, 利用t检验的公式, 来判断“O”/“U”年份的统计结果和正常年份统计结果所代表的总体差异是否显著:
t = X 1 ¯ − X 2 ¯ ( n 1 − 1 ) S 1 2 + ( n 2 − 1 ) S 2 2 n 1 + n 2 − 2 1 n 1 + 1 n 2
表2 两类冬季环流形态下SCSwbc区域涡旋统计特征

Tab. 2 Statistical characteristics of eddy in the SCSwbc area in “U”/“O” patterns

涡旋统计特征 CE AE 全部
O U O U O U
个数 875 874 686 912 781 893
生成 21 19 13 15 17 17
消亡 21 17 14 17 18 17
振幅/m 0.028 0.029 0.026 0.025 0.027 0.027
半径/km 75.26 74.00 75.03 72.32 75.14 73.16
旋转速度/(m·s-1) 0.233 0.244 0.192 0.203 0.212 0.224
这里的 X 1 ¯代表 “O”/“U”年份的统计量的平均值, X 2 ¯代表正常年份的统计量的平均值; n 1代表“O”/“U”年份的数量, n 2代表正常年份的数量; S 1 2代表“O”/“U”年份的统计量的方差, S 2 2代表正常年份的统计量的方差。按照α=0.05的水准, 表2中涡旋的各项统计结果都通过信度检验。
可以看出, 涡旋在两种年份的差异主要体现在个数以及旋转速度上。对涡旋统计个数而言, 差异主要由AE体现, AE在“U”年份的个数多于“O”年份。同时, “U”年份的旋转速度要比弱西边界流“O”年份的旋转速度快。对应强冬季风驱动条件下, 南海西边界流环流增强, 从而导致反气旋式涡旋数量增多, 并且涡旋内部旋转速度增强。图7可以看到对涡旋的各项统计特征而言, 两种年份都存在显著差异, 对AE而言振幅和旋转速度的负值较为明显且分布在越南离岸以及东部地区。在“U”年份, 随着涡旋旋转半径的减弱、旋转速度显著增强、AE的个数明显增加。
图7 AE(a、c、e)和CE(b、d、f)各项基本统计特征在“O”模态和“U”模态的差异(“O”减去“U”)

Fig. 7 The difference of statistic features of AE (a, c, e) and CE (b, d, f) between “O” and “U” pattern (“O” minus “U”)

总体而言, 涡旋各项统计特征在两种年份的变化并不如季节性变化显著, “O”和“U”年份的差值在水平方向正负值交替出现, 当水平平均后正负值相互抵消。两种年份的差异主要由旋转速度以及AE的个数体现。在“O”年份涡旋的旋转速度减小, 且AE的个数减少; 而在“U”年份涡旋的旋转速度增强、AE的个数明显增加。这是因为, 在“O”年份, SCSwbc显著减弱, 一部分水体并向东北方向偏转, 从而导致了研究区域内AE的个数明显减少。

2.2 涡致热输运

通过前面的研究和分析, 我们对SCSwbc 区域涡旋的统计特征有了基本了解, 但其统计特征并不能帮助我们深入了解涡旋在海洋中扮演的重要角色, 因此我们选择在欧拉参考系下对涡致热输运进行进一步分析, 这样有助于在整体上定量了解涡致热输运的分布情况。图8a—c为由AVISO提供的SLA数据结合BOA-Argo提供的温、盐数据根据公式(2)和(3)计算的经向涡致热输运(MEHT), 纬向涡致热输运(ZEHT)以及二者的平方根涡致热输运(EHT, EHT= Μ Ε Η Τ 2 + Ζ Ε Η Τ 2 )在2004—2017年平均后的气候态分布。但是由于BOA-Argo数据精度的限制, 缺少了沿岸区域的数据, 并且受时间长度的限制, 可用于两类环流合成的年份数量太少。因此我们引入OFES数据计算的结果, 作为BOA-Argo资料长度不足以及边界数据缺失的补充讨论。OFES数据计算的1993—2017年平均后的气候态分布如图8d—f所示。
图8 两组数据计算的涡致热输运的水平气候态分布情况

由月平均Argo数据计算(2004—2017年)的MEHT(a, 向极地为正)、ZEHT(b, 向东为正)和EHT(c); d—f同a—c, 但为由OFES模式产品提供的月平均数据(1993—2017年)计算。图中的红色虚线框为研究区域(SCSwbc区)

Fig. 8 The horizontal distribution of eddy induced heat transport based on two datasets. (a) MEHT(poleward is positive); (b) ZEHT(east is positive); (c) EHT calculated from monthly mean Argo data (2004-2017); (d-f) are the same as (a-c) but calculated from the monthly average data (1993-2017) provided by OFES products. The red dotted box is the study area

从图8a可以看到在SCSwbc区域存在大面积向北的MEHT(> 3×106W·m-1), 而在台湾岛西南存在大面积向南的MEHT, 除此之外, 在吕宋冷涡高发区也存在弱的向北的MEHT信号。对ZEHT而言(图8b), 在整个南海几乎都是向西的, 并且ZEHT的高值信号也是出现在台湾西南地区和南海西南地区, 并且几乎覆盖整个SCSwbc区域。从EHT(图8c)可以看出, 南海涡致热输运的高值主要出现在台湾西南、SCSwbc区。OFES得到的结果形态分布(图8d—f)与BOA(图8a—c)基本相似, 但OFES数据计算的结果量级更大。在图7d中可以看到MEHT的高值信号分布广泛, 可以看到向南的MEHT信号在台湾西南地区沿大陆架向南海西南方向延伸。两组数据中都能看到SCSwbc区域MEHT向北, 这表明研究区域的MEHT输运气候态涡旋输运倾向于将低纬度地区的热量带到高纬度地区。图8e可以看出OFES计算下的ZEHT明显弱于BOA-Argo数据并且在沿岸区域分布着向东传播的ZEHT信号。受涡旋准西向传播影响, 图8b中ZEHT的信号基本体现了向西输送热量, 但南海西部沿岸地区由于受到地形和西边界流的影响, 所以存在向东的热量输运信号。实测数据由于分辨率的限制缺少沿岸数据, 因此图8b中没有向东的ZEHT信号。总体而言, 离岸区域OFES得到的涡致热输运水平分布特征与BOA-Argo数据基本相似, 进一步说明OFES在南海内部的模拟能力是基本可信的。
为了探究两类冬季环流下涡致热输运的变化, 我们进行合成场分析(图9)。需要注意的是, 由于BOA-Argo数据范围较短(2004—2017年), 因此筛选的“O”模态的年份为2005、2011年; “U”模态的年份为2009、2012、2015年。从图中可以看到, 冬季两类流场下ZEHT依然向西, 而MEHT的方向向北, 二者都在SCSwbc区域存在显著的信号。无论是MEHT还是ZEHT, “O”模态的情况明显强于“U”模态(图9c、f)。在“U”年份, ZEHT和MEHT分布范围明显减小并沿着越南沿岸分布(图9b、e)。而在“O”年份, ZEHT和MEHT的分布范围较广并向南海东部延伸(图9a、d)。同样的情况也出现在OFES数据计算结果中, 从两种模态的差值可以看到“O”年份信号明显强于“U”年份。并且ZEHT在沿岸区域向东的信号在“U”模态也同样减弱了。在 “O”模态下, 西边界流减弱并在12°N左右的位置发生向东北的偏转, 然而在该模态下涡旋引起的向北和向西的热输运增强, 在“U”模态下则刚好相反。
图9 由两组数据计算的MEHT/ZEHT在“O”模态和“U”模态的水平分布以及差异

a—f为Argo数据计算结果: a为纬向涡致热输运(ZEHT, 向东为正)在“O”模态合成年份的分布情况; b为ZEHT在“U”模态合成年份的分布情况; c为二者差异(“O”减去“U”); d—f同a—c, 但为经向涡致热输运(MEHT, 向极地为正)的分布; g—l同a—f, 但为OFES数据计算结果

Fig. 9 Horizontal distribution and differences of MEHT/ZEHT in “O” and “U” pattern based on two datasets. (a-f) are results calculated by Argo data: (a) distribution of ZEHT(poleward is positive) in “O” years; (b) distribution of MEHT in “U” years; (c) difference between “O” and “U” pattern (“O” minus “U”); (d-f) are the same as (a-c) but for MEHT; (g-l) are the same as (a-f) but calculated from the monthly average data (1993-2017) provided by OFES products

2.3 风场的影响: 相关分析和“O”/“U”模态分布

为了探讨风应力对涡旋统计特征的影响, 图10给出了区域经向风应力和涡旋各项统计特征做年平均后经过归一化的时间序列。分析发现AE的各项特征和经向风应力的变化有很强的相关性(其相关系数如图10b所示), 可以看到AE的振幅、半径和旋转速度都和经向风应力呈正相关, 而AE的消亡情况则呈负相关。但是, SCSwbc区域CE的个数占优, 但风应力与CE特征的相关性并不好。这表明, 除风场之外还有其他因素在影响着该区域涡旋的年际变化, 其中流场的变化不可忽略。
图10 SCSwbc区域经向风应力和AE各项统计特征做年平均后经过归一化的时间序列

a. 振幅、半径和旋转速度; b. 消亡

Fig. 10 The normalized time series of the meridional wind stress and statistical features of AE in the SCSwbc region. (a) amplitude, radius and rotation speed; (b) dissipation

两种不同模态下环流风场分布和EHT分布以及差异如图11所示。在“O”模态下, 风场的强度显著减弱并伴随着南海西边界流的减弱(图11a、d、g)。南海西边界流的一部分水体继续向南运动, 另一部分水体发生向东北的偏转, 该分支在偏转的过程中与周围的水体发生水平剪切, 并且产生垂向密度的变化, 使得平均流能量通过正/斜压不稳定向涡旋传递(Li et al, 2022)。涡旋在“O”模态下吸收平均流的能量并迅速发展, 在其运动的过程中在越南东部地区产生了强的涡旋热输运(图11a)。“U”模态下, 风场强度增强, 南海西边界流在风应力驱动作用下也增强, SCSwbc区域涡旋活动明显减弱因此导致东部涡致热输运减弱(图11b、e、h)。
图11 由Argo数据(a—c)和OFES数据(d—f)计算的EHT和OFES提供的风场数据和风应力旋度 (g—i)在“O”模态和“U”模态的水平分布及差异

a、d、g为“O”模态合成年份的分布情况; b、e、h为“U”模态合成年份分布情况; c、f、i为二者差异(“O”减去“U”)。a、b、d、e中的箭头代表“O”/“U”模态下南海西边界流的情况; g、h中的蓝色箭头代表风场强度大小

Fig. 11 The horizontal distribution of EHT based on Argo (a-c) and OFES outputs (d-f). The third rows show horizontal distributions of the wind stress and wind stress curl in two patterns based on OFES outputs. (a, d, g) Distribution of “O” pattern; (b, e, h) distribution of “U” pattern; (c) the difference between “O” and “U” pattern (“O” minus “U”). The blue/red arrows in (a, b, d, e) represent the western boundary current of South China Sea in “O”/“U” pattern. The blue arrows in (g) and (h) represent the intensity of wind field in two patterns

3 结论

本文基于卫星观测数据、Argo浮标数据以及OFES模式产品, 针对两类冬季环流模态“U”/“O”下, 探讨了南海西边界流区域涡旋的统计特征、涡致热输运并探讨了与风场的关系, 主要结果如下。
1)SCSwbc区域的涡旋气候态上存在旋转速度很强, 半径较大, 振幅略高于平均值的涡旋统计特征, 其中CE的占比约为56.8%。其中, 涡旋的生成和消亡主要在冬/春季, 涡旋的振幅、半径和旋转速度在夏/秋季发展到顶峰, 冬夏季涡旋的统计特征存在显著差异。另外, 涡旋各项统计特征在两种环流模态年份下的变化不如季节性变化显著, 差异主要体现在涡旋的旋转速度以及AE的个数体现上。
2)涡旋的各项统计特征与风应力在纬向分量的相关性很弱, 主要与经向分量的影响有关。经向风应力与AE的振幅、半径、旋转速度和消亡均有较好的相关性, 但与CE特征的相关性并不好。这表明除风场之外, 还有其他因素也在影响着该区域涡旋的年际变化, 例如流场等的作用。
3)“O”型冬季环流模态下, 风场的强度显著减弱, 南海西边界流显著减弱并在越南沿岸发生向东分支。涡旋在“O”模态下吸收平均流能量迅速发展, 在越南东部地区产生了强的EHT。同时, 涡旋内部旋转速度减小且反气旋式涡旋个数减少。“U” 型冬季环流模态下, 南海西边界流显著增强, 但EHT减弱。同时, 涡旋旋转速度增强且反气旋式涡旋个数明显增加。

References

Publishing order | Descend order by publishing year | Descend order by cited within
[1]
林鹏飞, 王凡, 陈永利, 等, 2007. 南海中尺度涡的时空变化规律Ⅰ. 统计特征分析[J]. 海洋学报(中文版), 2007(3): 14-22.

LIN PENGFEI, WANG FAN, CHEN YONGLI, et al, 2007. Temporal and spatial variation characteristics on eddies in the South China Sea I. statistical analyses. Haiyang Xuebao, 29(3): 14-22. (in Chinese)

[2]
王东晓, 王强, 蔡树群, 等, 2019. 南海中深层动力格局与演变机制研究进展[J]. 中国科学: 地球科学, 49(12): 1919-1932. (in Chinese)

[3]
CAI SHUQUN, SU JILAN, GAN ZIJUN, et al, 2002. The numerical study of the South China Sea upper circulation characteristics and its dynamic mechanism, in winter[J]. Continental Shelf Research, 22(15): 2247-2264.

DOI

[4]
CEBALLOS L, DI LORENZO E, HOYOS C, et al, 2009. North Pacific Gyre Oscillation Synchronizes Climate Fluctuations in the Eastern and Western Boundary Systems[J]. Journal of Climate, 22(19): 5163-5174.

DOI

[5]
CHELTON D B, SCHLAX M G, SAMELSON R M, 2011. Global observations of nonlinear mesoscale eddies[J]. Progress in Oceanography, 91(2): 167-216.

DOI

[6]
CHEN CHANGLIN, WANG GUIHUA, 2014. Interannual variability of the eastward current in the western South China Sea associated with the summer Asian monsoon[J]. Journal of Geophysical Research: Oceans, 119(9): 5745-5754.

DOI

[7]
CHEN GENGXIN, GAN JIANPING, XIE QIANG, et al, 2012. Eddy heat and salt transports in the South China Sea and their seasonal modulations[J]. Journal of Geophysical Research: Oceans, 117(C5).

[8]
CHEN GENGXIN, HOU YIJUN, CHU XIAOQING, 2011. Mesoscale eddies in the South China Sea: Mean properties, spatiotemporal variability, and impact on thermohaline structure[J]. Journal of Geophysical Research, 116(C6).

[9]
CHEN GENGXIN, HOU YIJUN, ZHANG QILONG, et al, 2010. The eddy pair off eastern Vietnam: Interannual variability and impact on thermohaline structure[J]. Continental Shelf Research, 30(7): 715-723.

DOI

[10]
CHEN GENGXIN, XUE HUIJIE, 2014. Westward intensification in marginal seas[J]. Ocean Dynamics, 64(3): 337-345.

DOI

[11]
CHU P C, EDMONS N L, FAN C, 1999. Dynamical mechanisms for the South China Sea seasonal circulation and thermohaline variabilities[J]. Journal of Physical Oceanography, 29(11): 2971-2989.

DOI

[12]
CHU XIAOQING, DONG CHANMING, QI YIQUAN, 2017. The influence of ENSO on an oceanic eddy pair in the South China Sea[J]. Journal of Geophysical Research: Oceans, 122(3): 1643-1652.

DOI

[13]
CHU XIAOQING, XUE HUJIE, QI YIQUAN, et al, 2014. An exceptional anticyclonic eddy in the South China Sea in 2010[J]. Journal of Geophysical Research: Oceans, 119(2): 881-897.

DOI

[14]
DU YUNYAN, DI WU, LIANG FUYUAN, et al, 2016. Major migration corridors of mesoscale ocean eddies in the South China Sea from 1992 to 2012[J]. Journal of Marine Systems, 158: 173-181.

DOI

[15]
FANG WENDONG, FANG GUOHONG, SHI PING, et al, 2002. Seasonal structures of upper layer circulation in the southern South China Sea from in situ observations[J]. Journal of Geophysical Research, 107(C11): 23-1-23-12.

[16]
FENG BAOXIN, LIU HAILONG, LIN PENGFEI, 2020. Effects of Kuroshio intrusion optimization on the simulation of mesoscale eddies in the northern South China Sea[J]. Acta Oceanologica Sinica, 39(3): 12-24.

[17]
GAN JIANPING, LI H, CURCHITSER E N, et al, 2006. Modeling South China Sea circulation: Response to seasonal forcing regimes[J]. Journal of Geophysical Research, 111(C6).

[18]
GAN JIANPING, QU TANGDONG, 2008. Coastal jet separation and associated flow variability in the southwest South China Sea[J]. Deep Sea Research Part I: Oceanographic Research Papers, 55(1): 1-19.

DOI

[19]
GONADUWAGE L P, CHEN GENGXIN, PRIYADARSHANA T, et al, 2021. Interannual variability of summertime eddy-induced heat transport in the Western South China Sea and its formation mechanism[J]. Climate Dynamics, 57(1-2): 451-468.

DOI

[20]
HE QINGYOU, ZHAN HAIGANG, CAI SHUQUN, et al, 2018. A New Assessment of Mesoscale Eddies in the South China Sea: Surface Features, Three‐Dimensional Structures, and Thermohaline Transports[J]. Journal of Geophysical Research: Oceans, 123(7): 4906-4929.

DOI

[21]
HU JIANYU, KAWAMURA H, HONG H, et al, 2000. A Review on the Currents in the South China Sea: Seasonal Circulation, South China Sea Warm Current and Kuroshio Intrusion[J]. Journal of Oceanography, 56(6): 607-624.

DOI

[22]
KURIAN JAISON, COLAS FRANCOISX, CAPET XAVIER, et al, 2011. Eddy properties in the California Current System[J]. Journal of Geophysical Research, 116(C08027).

[23]
LI HONG, XU FANGHUA, ZHOU WEI, et al, 2017. Development of a global gridded Argo data set with Barnes successive corrections[J]. Journal of Geophysical Research: Oceans, 122(2): 866-889.

DOI

[24]
LI W, LIU Q, FANG W, et al, 2022. Interannual variability of eddy kinetic energy in the South China Sea related to two types of winter circulation events[J]. Chinese Journal of Oceanology and Limnology (in press).

[25]
MASON E, PASCUAL A, MCWILLIAMS J, 2014. A New Sea Surface Height-Based Code for Oceanic Mesoscale Eddy Tracking[J]. Journal of Atmospheric and Oceanic Technology, 31(5): 1181-1188.

DOI

[26]
MASUMOTO Y, SASAKI H, KOMORI N, et al, 2004. A Fifty-year Eddy-Resolving Simulation of the World Ocean-Preliminary Outcomes of OFES(OGCM for the Earth Simulator)[J]. Journal of the Earth Simulator, 1: 35-56.

[27]
PENVEN P, ECHEVIN V, PASAPERA J, et al, 2005. Average circulation, seasonal cycle, and mesoscale dynamics of the Peru Current System: A modeling approach[J]. Journal of Geophysical Research, 110(C10).

[28]
QU TANGDONG, 2000. Upper-Layer Circulation in the South China Sea[J]. Journal of Physical Oceanography, 30(6): 1450-1460.

DOI

[29]
QUAN QI, XUE HUIJIE, QIN HUILING, et al. 2016. Features and variability of the South China Sea western boundary current from 1992 to 2011[J]. Ocean Dynamics, 66(6): 795-810.

DOI

[30]
STAMMER D, 1997. Global Characteristics of Ocean Variability Estimated from Regional TOPEX/POSEIDON Altimeter Measurements[J]. Journal of Physical Oceanography, 27(8): 1743-1769.

DOI

[31]
TAGUCHI B, XIE SHANG-PING, SCHNEIDER N, et al, 2007. Decadal Variability of the Kuroshio Extension: Observations and an Eddy-Resolving Model Hindcast[J]. Journal of Climate, 20(11): 2357-2377.

DOI

[32]
WANG GUIHUA, CHEN D, SU JILAN, 2006a. Generation and life cycle of the dipole in the South China Sea summer circulation[J]. Journal of Geophysical Research, 111(C6).

[33]
WANG GUIHUA, CHEN D, SU JILAN, 2008. Winter Eddy Genesis in the Eastern South China Sea due to Orographic Wind Jets[J]. Journal of Physical Oceanography, 38(3): 726-732.

DOI

[34]
WANG GUIHUA, SU JILAN, CHU P, 2003. Mesoscale eddies in the South China Sea observed with altimeter data[J]. Geophysical Research Letters, 30(21).

[35]
WANG MINYANG, DU YAN, QIU BO, et al, 2017. Mechanism of seasonal eddy kinetic energy variability in the eastern equatorial Pacific Ocean[J]. Journal of Geophysical Research: Oceans, 122(4): 3240-3252.

DOI

[36]
WANG QIANG, ZENG LILI, SHU YEQIANG, et al, 2019. Energetic Topographic Rossby Waves in the Northern South China Sea[J]. Journal of Physical Oceanography, 49(10): 2697-2714.

DOI

[37]
WANG QIANG, ZENG LILI, SHU YEQIANG, et al, 2020. Interannual variability of South China Sea winter circulation: response to Luzon Strait transport and El Nino wind[J]. Clim Dyn, 54: 1145-1159.

DOI

[38]
WANG XIDONG, LI WEI, QI YIQUAN, et al, 2012. Heat, salt and volume transports by eddies in the vicinity of the Luzon Strait[J]. Deep Sea Research Part I: Oceanographic Research Papers, 61: 21-33.

DOI

[39]
WANG YONGGANG, FANG GUOHONG, WEI ZEXUN, et al, 2006b. Interannual variation of the South China Sea circulation and its relation to El Niño, as seen from a variable grid global ocean model[J]. Journal of Geophysical Research, 111(C11).

[40]
WU CHAU-RON, CHANG C, 2005. Interannual variability of the South China Sea in a data assimilation model[J]. Geophysical Research Letters, 32(17).

[41]
WU CHAN-RON, SHAW PING-TUNG, CHAO SHENN-YU, 1998. Seasonal and interannual variations in the velocity field of the South China Sea[J]. Journal of Oceanography, 1998, 54(4): 361-372.

DOI

[42]
WU CHAU-RON, SHAW PING-TUNG, CHAO SHENN-YU, 1999. Assimilating altimetric data into a South China Sea model[J]. Journal of Geophysical Research, 104(C12): 29987-30005.

DOI

[43]
XIU PENG, CHAI FEI, SHI LEI, et al, 2010. A census of eddy activities in the South China Sea during 1993-2007[J]. Journal of Geophysical Research, 115(C3).

[44]
XU LIXIAO, LI PEILIANG, XIE SHANG-PING, et al, 2016. Observing mesoscale eddy effects on mode-water subduction and transport in the North Pacific[J]. Nature communications, 7: 10505.

DOI PMID

[45]
XUE HUIJIE, CHAI FEI, PERTTIGREW N, et al, 2004. Kuroshio intrusion and the circulation in the South China Sea[J]. Journal of Geophysical Research, 109(C2).

[46]
YAN XIAOMEI, KANG DUJUAN, CURCHITSER E, et al, 2019. Energetics of Eddy-Mean Flow Interactions along the Western Boundary Currents in the North Pacific[J]. Journal of Physical Oceanography, 49(3): 789-810.

DOI

[47]
YANG HAIYUAN, WU LIXIN, LIU HAILONG, 2013. Eddy energy sources and sinks in the South China Sea[J]. Journal of Geophysical Research: Oceans, 118(9): 4716-4726.

DOI

[48]
ZHANG NINGNING, LIU GUOQIANG, LIU QINYAN, et al, 2020. Spatiotemporal Variations of Mesoscale Eddies in the Southeast Indian Ocean[J]. Journal of Geophysical Research: Oceans, 125(8): e2019JC15712.

[49]
ZHENG SHAOJUN, FENG MING, DU YAN, et al, 2018. Interannual Variability of Eddy Kinetic Energy in the Subtropical Southeast Indian Ocean Associated With the El Niño-Southern Oscillation[J]. Journal of Geophysical Research: Oceans, 123(2): 1048-1061.

DOI

[50]
ZHUANG WEI, XIE SHANG-PING, WANG DONGXIAO, et al, 2010. Intraseasonal variability in sea surface height over the South China Sea[J]. Journal of Geophysical Research, 115(C4)

[51]
ZU TINGTING, XUE HUIJIE, WANG DONGXIAO, et al, 2019. Interannual variation of the South China Sea circulation during winter: intensified in the southern basin[J]. Climate Dynamics, 52(3-4): 1917-1933.

DOI

[52]
ZU TINGTING, WANG DONGXIAO, WANG QIANG, et al, 2020. A revisit of the interannual variation of the South China Sea upper layer circulation in summer: correlation between the eastward jet and northward branch[J]. Climate Dynamics, 54(1-2): 457-471.

DOI

Options
Outlines

/

〈 〉