Marine Physics

Spatial and seasonal differences of the upper-ocean submesoscale processes in the South China Sea

  • YANG Xiaoxiao , 1 ,
  • CAO Haijin , 1 ,
  • JING Zhiyou 2
Expand
  • 1. College of Oceanography, Hohai University, Nanjing 210024, China
  • 2. State Key Laboratory of Tropical Oceanography (South China Sea Institute of Oceanology, Chinese Academy of Sciences), Guangzhou 510301, China
CAO Haijin. email:

Copy editor: YIN Bo

Received date: 2020-09-30

  Request revised date: 2021-03-05

  Online published: 2021-03-15

Supported by

National Key Research and Development Program of China(2017YFA0604104)

Opening Foundation of State Key Laboratory of Tropical Oceanography(South China Sea Institute of Oceanology)(LTO1907)

Chinese Postdoctoral Foundation(2018M642148)

Jiangsu Planned Projects for Postdoctoral Research Funds(2018K149C)

National Natural Science Foundation of China(41776040)

Laboratory for Ocean Dynamics and Climate, Pilot Qingdao National Laboratory for Marine Science and Technology(OCFL-201804)

Copyright

Copyright reserved © 2021.

Abstract

The South China Sea (SCS) is the largest marginal sea in the western Pacific Ocean. Due to the significant monsoons and the impact of the Kuroshio intrusion via the Luzon Strait, the local dynamic environment is complicated. Thus, the submesoscale behaviors in the SCS show clear spatial and temporal differences. In this paper, based on the outputs of a high-resolution numerical model, we examine the spatial and seasonal differences of submesoscale processes, influence depth and possible influencing factors in different sub-regions (the northern SCS, the central SCS basin, the western SCS, and the southern SCS). We find that the seasonal variation and mechanisms in each region is unique: The northern part is affected by the winter monsoon and the intrusion of the Kuroshio obviously, so that the mixed layer instability (MSI) is strong; and the submesoscale processes (SMPs) are active in winter. The SMPs in the central basin also shows stronger in winter and weaker in summer. The enhanced summer SMPs in the western SCS are attributed to the summer monsoon. The multi-island topography in the southern SCS generates great submesoscale wake eddies, which do not show significant seasonality.Statistical analysis shows that submesoscale processes tend to be associated with strong positive relative vorticity and high strain; in contrast, negative values of potential vorticity are more likelyto appear in the surface layer with poor fluid stability. Furthermore, we discuss the main energy sources and control factors of SMPs by analyzing their energetics.

Cite this article

YANG Xiaoxiao , CAO Haijin , JING Zhiyou . Spatial and seasonal differences of the upper-ocean submesoscale processes in the South China Sea[J]. Journal of Tropical Oceanography, 2021 , 40(5) : 10 -24 . DOI: 10.11978/2020116

海洋环流中包含复杂的多尺度动力过程。以往对于涡旋的研究主要侧重于大尺度和中尺度过程(地转平衡条件)(Ferrari et al, 2009), 尤其近几十年来, 卫星高度计的成功应用大力推动了海洋中尺度过程的研究(Stammer, 1997; Chelton et al, 2007)。然而由于目前观测能力在空间分辨率上的限制, 海洋中的次中尺度[空间尺度O(0.1~10km), 时间尺度O(1d)]过程难以被准确的观测。尽管近年来, 海洋的水色卫星、合成孔径雷达(Synthetic Aperture Radar, SAR)图像能够捕捉到次中尺度过程的表面形态结构(Zeng et al, 2014; Zheng, 2017; Yu et al, 2018), 但仅通过瞬时的图像难以用于研究其复杂的动态特征和形成机制等问题。随着观测和数值模拟水平的提高, 大量研究表明次中尺度过程对海洋中能量正向串级有着重要作用(McWilliams et al, 2001; Capet et al, 2008), 同时由于其非地转过程产生的垂向速度较中尺度过程大一个量级, 对海洋中热量、盐度、营养盐等物质的垂向交换也起到了至关重要的作用(e.g., Rudnick et al, 1996; Spall et al, 2000; Lapeyre et al, 2006; Mahadevan et al, 2006)。
次中尺度流具有较强的局地涡度(接近甚至超过行星涡度)以及较小的Richardson数[O(1)], 表明其同时具有地转与非地转的特征, 且易于发生剪切不稳定和斜压不稳定。次中尺度流的形成主要受到背景流和强迫场的影响, 动力学上的主要生成机制包括: 1) 锋生作用(Thomas et al, 2008); 2) 非强迫作用, 比如非地转斜压不稳定(Molemaker et al, 2005; Boccaletti et al, 2007); 3) 外强迫作用, 如浮力损失(Haine et al, 1998), 因此往往具有较大的水平浮力梯度, 且随着斜压性的增强, 尤其容易引起位涡的变化。然而, 在实际海洋中往往难以辨别和诊断其形成机制。
南海是西太平洋最大的边缘海, 由于其独特的地形特征、受季风影响显著、黑潮入侵等特点, 有着丰富的中尺度涡旋和锋面(或涡丝)结构。这些特征是次中尺度过程形成的背景条件, 因此南海是天然的研究次中尺度过程的实验海域(Liu et al, 2010; 罗士浩 等, 2016; Cao et al, 2019; 黄小龙 等, 2020; Lin et al, 2020; Zhang et al, 2020; Zheng et al, 2020)。其中, 部分学者重点关注了南海次中尺度过程的季节性差异, 尤其在南海北部, 表现出典型的“冬强夏弱”的特征(Dong et al, 2018; Lin et al, 2020; Zhang et al, 2020)。而在空间上, 20°N以北地区的次中尺度过程普遍强于南部海域(Li et al, 2019)。该区域冬季丰富的次中尺度过程与混合层不稳定以及冬季高应变密切相关(Dong et al, 2018; Zhang et al, 2020), 同时该海域次中尺度涡旋与黑潮和岛屿的相互作用也存在联系(Lin et al, 2020)。这些次中尺度过程能够有效地从地转流中汲取能量, 并对垂向速度产生影响, 增强上层海洋混合, 使得混合层深度加深(Liu et al, 2010; 罗士浩 等, 2016; 郑瑞玺 等, 2018)。通过对该区域中尺度涡旋实验观测到的反气旋涡的横断面进行微观结构观测, Zhong等(2017)发现次中尺度过程可能导致垂向输送且强度至少比中尺度涡旋大一个量级。Zhang等(2016)通过对该反气旋涡进行能量收支分析, 提出次中尺度过程的生成可能是该区域反气旋涡耗散的主要机制。更进一步研究指出, 不平衡的次中尺度过程可能是该涡旋周边高混合层湍流耗散率的主要成因(Yang et al, 2017)。而针对南海西部夏季上升流海域, 黄小龙等(2020)通过数值模拟结合高分辨率卫星资料发现该海域存在丰富次中尺度现象, 并指出沿锋面射流风应力引起的浮力损失可能是导致锋面发生次中尺度对称不稳定的重要机制之一。Zheng等(2020)综述了关于南海次中尺度过程的研究, 并将整个南海的次中尺度过程分为次中尺度波(长内波、内潮、近惯性波、不稳定波等)、次中尺度涡旋、次中尺度陆架过程(如锋面、离岸射流等)和次中尺度湍流4个大类, 同时发现针对南海北部次中尺度过程的研究较多, 而针对南部海域的研究较少, 目前对于南海整个海域的次中尺度过程的特征和机制尚不明确。本文基于高分辨率的区域海洋模型ROMS (Regional Ocean Modeling System)模式结果, 分析了南海4个子区域(北部海域、中部海域、西部海域、南部海域)次中尺度过程的季节变化特征, 并对比了不同海域的差异。通过对位涡和能量转化的分析, 初步揭示了不同海区上层海洋次中尺度过程的控制因素和形成机制。

1 模式配置和研究方法

1.1 模式配置

为了研究南海海域次中尺度特征的季节性变化, 采用ROMS模式对南海海域进行模拟, 模式使用网格优化的单向在线嵌套方案。低水平分辨率模式的空间分辨率约为7.5km, 覆盖了整个西北太平洋海域(图1a), 经过20年启动计算达到统计稳定状态后, 为子区域高分辨率模式提供初始场和边界条件, 高分辨率模式水平网格约为1.5km (图1a中的黑色实线区域)。模拟区域为整个南海海域(2°12′—25°36′N, 105°—127°E), 时间长度为1年。模式从7.5km嵌套到1.5km (5:1)相对于多数3: 1的嵌套原则稍大, 但仍在ROMS手册的建议范围之内。经过对模式结果的检验发现, 在嵌套边界处有一定的影响, 因而在子区域模式中, 采用了较大的外边界, 以避免边界带来的影响(图1b)(Dauhajre et al, 2017)。模式在垂直方向上使用sigma坐标, 共分60层, 在上层海洋垂向加密, 上层200m为第25层。模式使用的表层大气强迫(风应力、热通量、淡水通量)来源于日平均的快速散射计卫星(Quick Scatterometer, QuikSCAT)气候态数据集以及综合海洋大气数据集(International Comprehensive Ocean Atmosphere Data Set, ICOADS)数据。最大区域模拟的边界和初始条件来自于月平均的简单海洋数据同化的(Simple Ocean Data Assimilation, SODA)海洋气候态数据。次网格垂向通量和混合采用垂直混合参数化(K-profile parameterization, KPP)方案。模拟结果(温度、表层流以及中尺度涡旋能量水平等)已经通过卫星测量和有限的现场观测进行检验(黄小龙 等, 2020)。
图1 水平分辨率为7.5km的最大模拟区域的水深分布情况(a)和水平分辨率1.5km的模拟子区域(b)

图a中的方框为图b区域。图b中的方框表示不同的研究区域; 红色虚线表示南海诸岛归属范围线; 黑色虚线表示200m等深线。R1表示北部研究海域; R2表示中部研究海域; R3表示西部研究海域; R4表示南部研究海域。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(2016)1665的标准地图制作

Fig. 1 Water depth in the largest model domain with a horizontal resolution of 7.5 km (a), and in the sub-region with a horizontal resolution of 1.5 km (b)

由于本文主要关注上层海洋的次中尺度过程(Tandon et al, 1995; Boccaletti et al, 2007), 因此本文主要研究上层200m的次中尺度过程, 子区域的划分如图1b中黑框所示。需要指出, 本文在模式中并未考虑潮汐强迫, 因而无法对内波和次中尺度过程的相互作用进行讨论。这是因为内波在一定程度上会加强次中尺度过程的形成, 并且由于部分内波和次中尺度的时空尺度接近, 会给模拟数据的分析带来一定的难度(Torres et al, 2018; Cao et al, 2019)。

1.2 次中尺度特征参数

垂向相对涡度量级达到甚至超越行星涡度是次中尺度过程的重要特征, 其计算公式为:
$\zeta =\frac{\partial v}{\partial x}-\frac{\partial u}{\partial y}$
式中, u、v为水平背景速度场(单位: m•s-1)。垂向相对涡度($\zeta $)的绝对值越大, 次中尺度涡旋特征也就越明显, 次中尺度过程也就越活跃(Qiu et al, 2014)。此外, 流场应变率(S)公式为:
$S=\sqrt{{{(\frac{\partial u}{\partial x}-\frac{\partial v}{\partial y})}^{2}}+{{(\frac{\partial v}{\partial x}+\frac{\partial u}{\partial y})}^{2}}}$
以及水平方向散度(δ)公式为:
$\delta =\frac{\partial u}{\partial x}+\frac{\partial v}{\partial y}$
以上变量都能在一定程度上反应次中尺度过程
中局地流场的强烈变化。水平应变率能够表征流场水平变形的强弱, 强烈的水平流场拉伸往往暗示了强烈的锋生过程(Thomas et al, 2008), 加速倾斜的锋面容易导致次中尺度不稳定。水平散度对于满足体积守恒的不可压缩流体而言与垂向速度梯度$-\frac{\partial w}{\partial z}$相匹配, 式中w表示垂向速度(单位: m•s-1), 表征了垂向速度场在垂直方向的变化, 同时也表现了流场的辐聚/辐散。为方便比较, 这些特征参数均被除以科氏参数f进行标准化处理。
位势涡度(Potential vorticity, PV)作为重要的动力学示踪剂, 是判断海洋环流以及多尺度动力过程稳定性的重要依据之一(Hoskins, 1974; Thomas et al, 2013)。对于科氏参数f为正的北半球而言, 位涡为负时容易引发多种不稳定, 特别是对称不稳定(Thomas et al, 2013)。这种不稳定与上层海洋混合层强烈的水平浮力梯度以及在外强迫作用下产生的边界浮力损失密切相关。本文采用旋转分层流体内的完全厄特尔(Ertel)位涡公式:
$q={{\omega }_{a}}\cdot \nabla b$
并将其分为水平斜压分量和垂向分量:
${{q}_{bc}}=(\frac{\partial u}{\partial z}-\frac{\partial w}{\partial x})\frac{\partial b}{\partial y}+(\frac{\partial w}{\partial y}-\frac{\partial v}{\partial z})\frac{\partial b}{\partial x}$
${{q}_{vert}}=(f+\zeta ){{N}^{2}}$
式中,${{\omega }_{a}}$表示绝对涡度(单位: s-1); ${{N}^{2}}=-(g/{{\rho }_{0}})$${{\partial }_{\rho }}/{{\partial }_{z}}$为浮性频率(单位: s-1); $b=-\frac{g}{{{\rho }_{0}}}\rho $(单位: m•s-2), 式中${{\rho }_{0}}$为参考密度, 取值1025kg•m-3, $\rho $为密度, g为重力加速度。下文将对各区域位涡及其分量在不同季节的水平和垂向分布特征进行分析。
此外, 本文还将从正压、斜压两个方面对次中尺度动能的转换效率随时间、深度的变化规律进行探讨。为此, 需定义次中尺度的尺度范围。由于在低纬度地区(如南部海域)科氏参数f较小, 经典的混合层斜压变形半径$L=NH/f$ (Boccaletti et al, 2007)较大(式中H表示混合层深度), 由此定义的次中尺度过程的空间尺度偏大, 且会随着混合层变化而变化。因此, 本文采用了基于平衡运动和不平衡运动动能相对关系的谱方法(Cao et al, 2021)定义次中尺度的范围, 简述如下。根据公式(7)可以将动能谱密度分解为涡度贡献部分与散度贡献部分(Torres et al, 2018):
$\overset{\wedge }{\mathop{KE}}\,\text{= }\!\!|\!\!\text{ }\overset{\wedge }{\mathop{\zeta }}\,{{\text{ }\!\!|\!\!\text{ }}^{2}}/{{k}^{2}}+\text{ }\!\!|\!\!\text{ }\overset{\wedge }{\mathop{\delta }}\,{{\text{ }\!\!|\!\!\text{ }}^{2}}/{{k}^{2}}$
式中,k为水平波数。通常人们可以假定平衡的运动过程是无辐散的(Bühler et al, 2014), 此时散度贡献部分主要来自于不平衡运动。由于模式并未加入潮汐过程, 因此可以认为不平衡运动以次中尺度过程为主。所以本文认为, 当非地转平衡动能与地转平衡动能值比超过0.1时(即$\text{ }\!\!|\!\!\text{ }\overset{\wedge }{\mathop{\zeta }}\,{{\text{ }\!\!|\!\!\text{ }}^{2}}/\text{ }\!\!|\!\!\text{ }\overset{\wedge }{\mathop{\delta }}\,{{\text{ }\!\!|\!\!\text{ }}^{2}}$>0.1), 非地转贡献不可忽略, 将该尺度定义为是中尺度过程与次中尺度过程的分界尺度。详细的分析可参考(Cao et al, 2021)。

2 结果

2.1 相对涡度、水平散度以及应变率

图2为不同季节南海表层(水面下10m)涡度场、辐聚/辐散场和应变率场。由涡度场可见, 冬季(以模式结果1月15日为代表)的次中尺度结构较夏季(以模式结果7月15日为代表)更为明显。北部吕宋口海域(R1)冬季涡丝分布密集, 标准化的相对涡度ζ/f在涡丝结构附近绝对值普遍大于1; 而$|\zeta |/f$在夏季明显较小, 表明夏季次中尺度过程减弱。中部海域(R2)呈现出同样的季节性特点。而西部海域(R3)冬季次中尺度过程弱于夏季, 其原因可能是由于夏季中南半岛东部存在离岸冷锋锋面(Yu et al, 2018), 锋面位置次中尺度过程活跃。南部海域(R4)由于受到岛屿地形的影响, 冬夏两季都有着明显较大的$|\zeta |/f$值, 两季差距并不明显。各区域散度场$|\delta |/f$与应变率场S/f在冬夏两季的表层整体强弱特征与$|\zeta |/f$一致, 从水平分布的角度来看, $|\delta |/f$与S/f的较大值多分布在锋面和中尺度涡旋边缘海域。
图2 研究区域10m层水平相对涡度ζ/f, 水平散度δ/f, 水平应变率S/f在1月15日(a~c)和7月15日(d~f)水平分布的瞬时图像

图中黑色方框表示不同的研究区域; 红色虚线表示南海诸岛归属范围线; 黑色虚线表示200m等深线。审图号为GS(2016)1665

Fig. 2 Horizontal distributions ofζ/f, δ/f, and S/f in the 10 m layer of the model. An instantaneous image taken on January 15 (a~c), and on July 15 (d~f)

为了进一步分析各区域次中尺度过程的季节性变化, 图3表1给出了不同区域上层200m水平区域平均的相对涡度$\zeta $、水平散度$\delta $以及应变率S的标准化结果随时间、深度变化情况以及它们在不同区域上层50m的季节平均值(由于ζ/fδ/f存在正负值, 因而取其均方根值表征强度)。
图3 R1 (a, e, i)、R2 (b, f, j)、R3 (c, g, k)和R4 (d, h, l)各区域内平均水平相对涡度ζ/f均方根(a~d), 水平散度δ/f均方根(e~h), 水平应变率S/f (i~l)随时间、深度变化情况

图中黑线表示该区域平均混合层深度随时间变化情况

Fig. 3 The variations of averaged ζ/f, δ/f, and S/f over time and depth in different regions. The black curve shows the variation of the averaged mixed-layer depth over time

表1 不同区域特征参数上层50m各季节平均的结果

Tab. 1 Seasonal averages of characteristic parameters of different regions in the upper 50 m

次中尺度特征参量 区域 冬季(12—2月) 春季(3—5月) 夏季(6—8月) 秋季(9—11月)
ζ/f的均方根值在不同
季节内的平均值
R1 0.51 0.32 0.21 0.32
R2 0.41 0.37 0.30 0.30
R3 0.38 0.33 0.47 0.51
R4 0.70 0.73 0.70 0.72
δ/f的均方根值在不同
季节内的平均值
R1 0.19 0.11 0.07 0.12
R2 0.13 0.08 0.07 0.07
R3 0.15 0.09 0.18 0.14
R4 0.31 0.26 0.26 0.24
S/f在不同季节内的
平均值
R1 0.42 0.27 0.19 0.27
R2 0.34 0.32 0.25 0.25
R3 0.32 0.29 0.37 0.38
R4 0.58 0.58 0.57 0.55
整体来看, 相对涡度ζ/f均方根存在着明显的季节性变化, 且随深度明显变小, 高值区域主要在混合层以内, 表明南海上层的次中尺度过程主要集中在混合层内。散度δ/f均方根与应变率S/f随时间变化情况与ζ/f均方根基本一致。不同的是, δ/f均方根与S/f在垂直方向上存在一个双极值结构, 尤其是散度, 其在表层与混合层底部附近分别存在一个极值, 最大值出现在表层, 这可能与表层与混合层底接近为0的垂向速度有关。表明在南海次中尺度过程活跃的时期, 这些过程引起的海水辐聚(或辐散)的加强或减弱以及流场的水平变形均主要集中在很浅的表层和混合层底部, 而非混合层中间。
不同区域结果对比来看, 在R1区域, ζ/f均方根的最大值出现在冬季(2月中旬), 最小值出现在夏季(6月末—7月初)。随时间变化情况与混合层类似, 特别是在混合层较深的冬季, 说明混合层不稳定可能是这个区域次中尺度过程的重要控制机制, 但是两者之间存在约半个月的滞后。此外, 由于该区域位于吕宋海峡附近, 冬季受黑潮入侵影响很强(赵伟等, 2007), 容易激发较强的流场侧向剪切从而使相对涡度变强。自5月末到夏季结束, R1区域ζ/f均方根始终小于0.3, 且随深度变化很小, 显然在该时间段内次中尺度过程明显较弱。整体变化情况与Zhang等(2020)的结果一致。
R2区域大部分特征与R1相似, 但ζ/f均方根的最大值出现在1月末—2月初, 最小值则是在6月中旬。此外, 不同于R1, 在5月末开始到夏季结束的时间段内, R2区域次中尺度过程虽然同样弱于冬季, 但不同于始终保持一个很低水平的R1区域, R2区域在6—10月强度明显大于R1区域, 且在8月中旬有一个较弱的极大值。该区域的混合层深度变化情况存在相似特征, 但是整体位相相比ζ/f均方根提前约一个月, 表明该海域次中尺度的季节性变化同样受到明显的混合层的滞后影响。
R3区域不同于前两个区域, 该区域次中尺度过程在6—10月份最为显著。ζ/f均方根的第一个极大值出现在7月中旬, 这似乎与夏季西南季风的爆发有关; 第二个极大值出现在9月末, 主要成因可能是中南半岛沿岸部分冷涡受到南沙群岛影响, 产生的地形尾涡和西南季风的共同作用。在12月下旬到3月中下旬稍弱, 这一特征与该时间段较深的混合层相吻合, 表明该时段可能受混合层不稳定的影响比较明显, 之后在4—5月份出现极小值。值得注意的是R3区域次中尺度过程在夏秋季节活跃, 但混合层相对较浅, 说明该时段混合层不稳定的影响并不占主导地位。
R4区域包含南沙群岛, 与其他海域明显不同, 其混合层冬季最浅而夏季最深, 8月中旬达到最大值。次中尺度过程与混合层深度变化的关系并不显著, 有两个相对高值分别出现在10月上旬和1月下旬, 最小值则在12月, 季节性差异相对较小。该区域相比于其他区域整体罗斯贝数(ζ/f)偏大, 这主要与该地区丰富的岛屿地形以及较小的科氏参数有关。岛屿地形引起的流场水平方向剪切, 易于产生地形尾涡(Dong et al, 2007), 激发次中尺度过程, 也使得该区域流场应变率、散度明显强于其他区域。另外, 与其他区域不同的是, R4区域δ/f均方根、S/f的变化情况与ζ/f均方根的变化并不一致, 两者大值均出现在1月和8月。
表1列出了标准化后的相对涡度、水平散度的区域均方根值及应变率在不同季节的平均结果。对比发现: 相对涡度ζ/f均方根在R1区域表现出了冬强夏弱的特点, 在冬季达到夏季的两倍以上, 其他两个参数的季节变化也类似; R2区域ζ/f均方根的最大平均值出现在冬季, 最小值出现在秋季, 而δ/f均方根、S/f的最小值则出现在夏季, 3个参数在夏秋季的差距不大; R3区域ζ/f均方根在秋季最大, 夏季略低于秋季, 春季最小, 该区域S/f分布情况与ζ/f均方根一致, 但δ/f的均方根最大值出现在夏季; R4区域ζ/f均方根在各季节的平均值均保持在0.7左右, 普遍高于其他3个区域, S/f的特征与相对涡度一致, 但是散度δ/f均方根在冬季的平均值明显高于其他3个季节。下文将对各区域次中尺度特征参数强度的季节差异的原因做进一步探讨。
由于除了R4区域, 其他3个区域的次中尺度过程均在冬、夏两季表现出极大或是极小值, 表明次中尺度过程在冬夏季差异显著。至于R4区域, ζ/f均方根随时间变化不明显, 且δ/f均方根与S/f的两个极大值分别出现在冬夏两季, 因此本文研究重点主要集中在冬夏两季。为了进一步量化对比各参数冬夏季的差异, 考察了不同区域各参数在1月和7月的概率密度分布函数(Probability density distribution function, PDF), 如图4
图4 R1 (a, e, i)、R2 (b, f, j)、R3 (c, g, k)和R4 (d, h, l)各区域1月和7月份水平相对涡度ζ/f (a~d), 水平散度δ/f (e~h), 水平应变率S/f (i~l)的概率密度分布曲线

相对涡度图像中的数字为不同月份的PDF的偏态系数

Fig. 4 PDF curves of ζ/f, δ/f, and S/f in January and July. The numbers in the relative vorticity images are the skewness coefficients of PDF in different months

PDF分布显示, 各区域的δ/f均很好地符合了高斯分布, 且在各自次中尺度过程较强的月份相对零线更为分散。应变率S/f的PDF图像近似满足χ分布, 在次中尺度过程相对活跃的月份, 曲线峰值位置距离零点更远, 表明此时S/f的众数较大, 表层流体应变普遍更强。相对涡度ζ/f, 平均值在0附近, 整体上看近似满足高斯分布, 但存在不对称的情况, 偏态系数结果表明次中尺度过程活跃时期这种不对称现象更为明显, 各区域偏态系数均大于1, 此时可以较明显地看到曲线在正半轴存在一个较长的“尾巴”, 图像在0线附近的集中程度也较弱, 表明存在稀疏的强正相对涡度结构。
图5ζ/f的偏态系数与标准差随深度变化情况, 在混合层以上各区域均以正偏态为主。不同区域偏态系数随深度变化存在差异, 但整体上先减小后增大, 至200m深度以下开始趋于0。ζ/f的标准差则随深度减小, 不同月份逐渐趋于一致, 在混合层底部附近存在一个比较明显的突变, 次中尺度过程活跃时期尤为明显。不同月份标准差在表层的大小分布与均方根一致, 进一步证明次中尺度过程活跃时期ζ/f的分布更为分散。
图5 R1 (a, e)、R2 (b, f)、R3 (c, g)和R4 (d, h)各区域相对涡度ζ/f的偏态系数与标准差随深度变化情况

Fig. 5 Variations of skewness coefficient and standard deviation of ζ/f with depth in each region

此外, 为了进一步研究南海不同区域次中尺度流场的结构, 分析了各区域10m深度ζ/fS/f的联合概率密度分布(Joint probability density distribution function, JPDF), 如图6。结果表明, R1区域次中尺度过程活跃的冬季, 气旋、反气旋区域的结构有显著不同, 尤其是在$|\zeta |/f$相对较大的区间(大于1)。强的正涡度往往伴随着较高的应变率, 在比较极端的情况下甚至接近纯剪切关系, 即$S/f=|\zeta |/f$, 这表明, 显著的气旋性涡度通常出现在次中尺度过程活跃的锋面区域; 相对的, 反气旋性涡度较弱, 且有更高概率分布在接近刚体旋转特征的区间($S/f\ll |\zeta |/f$)内, 这些海域涡旋结构的特点更为明显。而夏季这种特征并不明显, 且S/f、$|\zeta |/f$小于冬季。R2区域与R1区域的分布特点类似。不同于前二者, R3区域由于次中尺度过程活跃时期为夏季, 所以这种正反气旋区域结构上的不同在夏季更为显著。另外值得注意的是, R3在夏季有着更极端的高应变、正涡度区域, 表明次中尺度过程强弱与夏季强大的离岸剪切锋面有关。R4区域S/fζ/f的JPDF在不同季节虽然数值上存在差异, 但整体结构特征并没有明显不同, 该区域ζ/f的均方根值和S/f在不同季节无明显差异(图3)。与前3个区域相比, 该区域由于存在分布密集的岛屿地形, 整体应变更强。
图6 R1 (a, e)、R2 (b, f)、R3 (c, g)和R4 (d, h)各区域1月(a~d)和7月(e~h)水平应变率S/f和相对涡度ζ/f的联合概率密度分布

图中灰色虚线表示$S/f\text{=}|\zeta |/f$

Fig. 6 Joint probability density distributions of S/f, ζ/f in different regions in January and July

2.2 位涡分析

基于位涡在冬季(以1月15日为代表)、夏季(以7月15日为代表) 10m水深处的水平分布(图7)和典型断面S1、S2、S3 (S1断面跨越了R1区域冬季的强烈涡旋结构; S2断面跨越了R3区域夏季强锋面结构; S3断面位于冬季R4区域, 受到地形影响显著)的垂向分布(图8), 对不同区域两季的位涡分布特征进行分析。并基于公式(5)和公式(6)将位势涡度q分成垂向和水平斜压两个分量, 对比其季节性差异(垂向分量qvert由垂向绝对涡度和浮力频率控制, 斜压分量qbc则受浮力的水平梯度和流场的垂向剪切影响)。
图7 1月15日(a~c)和7月15日(d~f)位涡q (a, d)及其分量qvert (b, e)、qbc (c, f)在表层10m深度的水平分布情况

图中黑色实线S1、S2、S3为所选典型断面, 图中红色虚线表示南海诸岛归属范围线。审图号为GS(2016)1665

Fig. 7 Horizontal distributions of q and its components in different seasons at 10 m.

The time in (a~c) and (d~f) is consistent with that in Fig. 2. S1, S2, and S3 are the typical sections selected

图8 典型断面S1 (a~c)、S2 (d~f)、S3 (h~j)处位涡q (a, d, h)及其分量qvert (b, e, i)、qbc (c, f, j)的分布情况

图中黑色虚线为该断面混合层深度, 黑色实线为等密度线; 图h~j中的灰色部分表示地形

Fig. 8 Distributions of q and its components at S1, S2, and S3.

The dashed line shows the mixed-layer depth at each section, and the solid contours are isopyrdensity lines

图7所示, 整体上各区域表层位涡q空间分布存在差异, 在锋面中尺度涡边缘等次中尺度过程活跃海域更容易出现负值, 容易产生不稳定现象。同时, 垂向分量qvert在这些区域有着较大的绝对值。斜压分量qbc则存在明显的正负变化, 这与北半球流体在准地转平衡态下qbc始终为负的特点不符, 表明此时局地非地转作用不可忽视, 流体垂向速度的水平剪切十分重要。与qvert类似, qbc在锋面、次中尺度涡旋、涡丝及中尺度涡边缘海域绝对值明显偏大。同时, 这些区域有着较大的水平浮力梯度, 所以更容易使qbc<0, 有利于产生对称不稳定。此外, 对于有明显涡旋特征的区域, 冬季qbc正值主要分布在涡旋南部, 负值则多位于北部, 夏季分布情况相反。|qbc|普遍强于|qvert|, 表明在这些区域表层, 斜压分量对于q的贡献占主导地位。
对不同区域进行分析, R1区域表层q在冬季以负为主, 夏季以正为主。冬季区域内qvert同样以负值为主, 如图2所示, 该区域除东北角涡旋中心部分外, 负相对涡度绝对值普遍小于科氏参数, 因此混合层内密度梯度受东北季风搅拌以及黑潮入侵出现正值, 引发重力不稳定可能是导致qvert<0的主要原因。与罗士浩等(2016)的结果不同, R1区域冬季q在涡旋南侧边缘存在明显正值, 这可能与本文对于斜压分量qbc没有采用准地转近似有关; 夏季由于季风的搅拌作用减弱, 重力不稳定情况减弱, qvert多为正, 但靠近吕宋海峡海域受黑潮影响, 部分区域仍有为负的情况。而斜压分量qbc在冬季季风对流场剪切的影响下强度也明显高于夏季。
R2区域q及其分量的季节性特征与R1区域一致, 但由于受黑潮影响弱于R1区域, qvert<0的情况相对微弱, 特别是在夏季, 此时除了北部小部分区域外, qvert基本为正。
类似地, R3区域qqvert为负的情况在冬季出现更为频繁, 但由于冬季风影响进一步减弱, 强度较前两者更低。特别的是, 在夏季10°—14°N存在的强锋面区域内, q为负的现象同样十分显著。主要是因为该区域在夏季受西南季风影响, 存在强烈的东向离岸上升流锋面, 跨锋面水平浮力梯度很强, 同时在沿锋面风应力的影响下引起的Ekman输运会将冷水向暖水侧跨锋面输运, 进一步增强水平浮力梯度并削弱垂向层结, 使得qbc<0, 从而克服正qvert产生负位涡, 引发对称不稳定。
R4区域冬夏两季q没有明显的正负偏向, 但冬季存在更多的|q|高值区, 这可能是因为该海域上层流场在冬季整体强度更高, 在岛屿地形丰富的条件下容易产生更强的垂向流速剪切, 产生较大的局地位涡水平分量绝对值|qbc|。qvert以正值为主, 这主要归因于该地区受季风影响较小, 风的搅拌作用较弱。但由于南沙群岛的存在, 受地形尾涡等作用, 该海域全年次中尺度过程较为活跃qvert会有零星的负值分布。
根据不同特点的典型断面考察q及其分量的垂向分布特点, 如图8所示。整体上, 混合层以上q较小, 正负差异并不明显, 仅在约10m以上存在较大的绝对值, 而在混合层底及以下, 则以正值为主, 表明对于整个南海, 混合层以上流体稳定性相对更差。对于垂向分量qvert, 其绝对值在混合层内很小, 仅在表层比较显著, 这主要是因为混合层内的层结较弱。而对于层化较强的混合层以下区域, 由于ζ变弱, 所以这部分深度范围qvert大小主要由垂向层结决定, 表现为显著正值, 并随深度减小。斜压分量qbc以负值为主, 仅在表层存在小部分正值区域, 这与准地转平衡态下, 北半球qbc<0的特点一致。混合层底部, 温跃层顶, 由于等密度线分布密集, 当其发生弯曲时会产生较大的水平浮力梯度, 易使qbc出现显著负值, 削弱流体稳定性。与表层不同, 混合层以下, q主要贡献来自于qvert, qbc的影响几乎可以忽略, 表明混合层以下流体受斜压性影响减弱, 流体的不稳定性是主要来自于水平切变产生的正压不稳定。
对不同典型断面进行分析, 发现它们各自有着独特的特征。S1断面横跨了R1区域冬季显著的反气旋涡, 其等密度线在涡旋位置明显下凹。该断面表层|q|在涡旋边缘高于中心区域, 等密度线露头处有明显极大值存在, 表层位涡水平分量绝对值|qbc|有着同样的分布特点。此外, 在混合层底部, 涡旋边缘区域由于水平密度梯度极大, qbc有明显负值; 位于夏季R3区域的S2断面跨越了12°—13°N范围内的强上升流锋面, 受该锋面影响, 等密度线倾斜, 水平浮力梯度增大, 部分等密度线甚至可以从表层延伸至50m以下, 因而在锋面附近存在从表层沿等密度线延伸到混合层底的强qbc负值, 有助于削弱上层流体的稳定性, 引发对称不稳定; S3断面, 由于其所在R4区域包括了南沙群岛且冬季流速相对较强, 因而受地形尾涡的影响在部分区域混合层底部可能会出现强烈的负涡度, 导致qvert<0, 引发惯性不稳定。

2.3 能量转换

根据次中尺度过程动能(Submesoscale processes kinetic energy, SMKE)收支方程(Capet et al, 2008), 上层海洋中次中尺度过程的能量来源与中尺度不稳定密切相关。本文主要考察了次中尺度扰动过程中可用势能(Available potential energy, APE)向SMKE的转换项(Potential energy to kinetic energy, 即PKE, 可以表示为$-g\rho 'w'/{{\rho }_{0}}$, “′”表示从背景流中分离出来的次中尺度扰动成分, 通过对背景流进行临界波长为30km的高通滤波来实现)和通过正压过程进行的背景流动能(Background kinetic energy, BKE)向次中尺度动能(SMKE)的转换项(Background kinetic energy to Submesoscale processes kinetic energy, BSK)。两者的区域平均结果随深度和时间变化情况如图9所示。其中BSK可以分解成垂向与水平两个分量, 即BSK=HRS+VRS(其中$HRS=-u{{'}^{2}}\frac{\partial \overline{u}}{\partial x}-u'v'\frac{\partial \overline{u}}{\partial y}-v{{'}^{2}}\frac{\partial \overline{v}}{\partial y}-u'v'\frac{\partial \overline{v}}{\partial x}$, 表示背景流的水平剪切和水平雷诺应力引起的动能转化;$VRS=-u'w'\frac{\partial \overline{u}}{\partial z}-w'v'\frac{\partial \overline{v}}{\partial z}$, 表示背景流垂向剪切和垂向雷诺应力引起的转换, 式中u、v、w表示三维的速度场), PKE和BSK随时间、深度变化情况如图10所示。
图9 R1 (a, e)、R2 (b, f)、R3 (c, g)和R4 (d, h)各区域平均的斜压转换项PKE (a~d)、正压转换项BSK (e~h)随时间变化情况

图中黑线为区域平均混合层深度随时间变化情况

Fig. 9 Variations of averaged PKE and BSK in each region over time. Panels from top to bottom correspond to regions R1~R4, respectively.

The black curve shows the variation of regionally averaged mixed-layer depth over time

图10 R1 (a, e)、R2 (b, f)、R3 (c, g)和R4 (d, h)各区域正压转换项BSK的水平分量HRS (a~d)与垂向分量VRS (e~h)随时间变化情况

图中黑色实线表示混合层深度随时间变化情况

Fig. 10 Variations of HRS and VRS in different regions over time. Panels from top to bottom correspond to regions R1~R4, respectively.

The black curve shows the variation of regionally averaged mixed-layer depth over time

R1区域(图9a), 秋末和冬季混合层加深的时间段内, 斜压转换项PKE主要存在于混合层内, 且振幅与混合层深度变化情况一致, 最大值位于混合层中间位置, 表明这一阶段上层海洋PKE主要由混合层不稳定控制, 高应变在混合层中容易产生锋生作用, 激发混合层发生再分层, 使APE向SMKE转换, 这一过程主要发生在混合层中部。自2月中旬起, 混合层深度开始衰减, 混合层不稳定产生的APE源和混合层内的斜压能量转换开始减弱, 到了夏季与混合层以下的PKE项大致处于同一量级。R2区域的情况与R1基本一致(图9b), 但强度较弱。R3区域(图9c)在冬、春季与R1、R2区域一样, 上层PKE强度与混合层深度变化情况一致。不同的是, R3区域夏季受西南季风影响, 出现显著东向离岸上升流, 由于锋面海区强水平梯度、弱层结的特点, 极易产生锋面不稳定, 引起APE向SMKE的转换, 因此表层PKE的最大值出现在7—8月。至于R4区域(图9d), PKE全年变化并不明显, 仅在冬夏两季稍强, 可见该区域PKE并不完全由混合层不稳定控制。另外值得一提的是, 由于R1、R2区域冬季受到黑潮入侵的限制影响(特别是R1), PKE明显高于其他海区。在混合层以下可能出现PKE为负的情况, 但相对较弱, 并随深度逐渐趋于0。
各区域BSK随时间变化情况与PKE相近, 且主要存在于混合层内, 但在混合层以下也可能存在明显正负值。相对PKE而言较弱, 尤其是对于R1 (图9e)、R2 (图9f)区域, 表明这两个区域次中尺度动能的主要来源是混合层内斜压不稳定引起的APE释放, 特别是在冬季, 由于混合层较深, 斜压性更强, 这一特征更为明显, 该结论与Zhang等(2020)一致。R3区域(图9g)夏季由于有强烈的离岸上升流锋面存在, BSK与PKE的贡献相当, 表明夏季中尺度流场剪切引起的动能转换是该区域次中尺度动能的重要来源。正压转换项BSK主要由剪切拉伸等引起, 其强度与背景流场剪切密切相关, 因而在垂直方向上表现出与应变率相似的双极值结构, 尤其是在R4区域, 这一特征十分明显(图9h)。
不同于Zhang 等(2020)仅考虑了背景流水平剪切的作用, 本文将BSK分为水平分量(HRS)和垂向分量(VRS)(图10)。其中HRS仅在表层20m以上有明显正值分布, 随深度减小甚至出现负值, 混合层以下开始逐渐趋于0, 且明显的正负值往往同时出现。这表明, 南海大部分区域由背景流水平剪切和雷诺应力引发的背景流动能向次中尺度动能的正压能量转换仅发生在表面边界层, 而在表层以下则表现为能量的逆向串级。
垂向分量VRS的贡献普遍大于水平分量HRS, 表明研究区域内, BKE向SMKE的转化更多是通过背景流垂向剪切以及垂向雷诺应力实现。VRS在混合层内多为正, 混合层以下逐渐趋于0。需要强调的几个特点是: 冬末R1区域(图10e)在100~200m深度范围出现明显正值, 这主要是该地区北部陆架结构向外延伸以及东沙群岛部分地形共同作用的结果; R3区域内(图10g), 与HRS一样的, 受强烈上升流锋面影响, VRS最大值出现在夏季; R4区域(图10h)由于岛屿分布密集、地形复杂, 在部分海区会产生较强的背景流垂向剪切, 有可能使得等密度线密集的混合层底部、密跃层顶部区域出现VRS绝对值的高值区, 甚至有可能大于混合层内VRS的绝对值, 其他区域也存在这种现象, 但相对来说比较微弱。
次中尺度动能SMKE随时间变化情况与各区域ζ/f均方根值一致, 但是与中尺度动能EKE的存在明显差异(图11)。仅R1区域由于受黑潮影响显著, 次中尺度过程活跃程度与中尺度过程活跃程度密切相关, 其他区域EKE与SMKE相关性均不显著。背景流能量向次中尺度动能的转换项(Total kinetic energy transform, TKE, TKE=BSK+PKE)在各区域随时间变化情况与SMKE一致, 表明次中尺度过程的活跃程度与背景流向次中尺度动能的能量转换密切相关, 但不同区域之间有一定的差别, R1区域一致性较好, 而R2区域8月中下旬、R3区域9月中下旬和R4区域10月上旬的SMKE图像上均存在一个峰值, 表明此时SMKE可能受大气强迫作用或是海洋外部能量输送的影响更为显著。
图11 不同区域上层50m区域平均的中尺度动能EKE (a)、次中尺度动能SMKE (b)与次中尺度动能的正压转换项BSK、斜压转换项PKE之和(c)随时间变化情况

Fig. 11 Variations of averaged EKE, SMKE, and the sum of BSK and PKE in the upper 50 m depth of different regions

4 结论

本文基于高分辨率ROMS结果, 将整个南海海域分成4个子区域, 分析了不同子区域上层200m海域次中尺度过程的季节性变化特征。研究表明, 南海次中尺度过程在不同子区域的季节性特征存在显著差异, 与区域的位置、底部地形和受季风影响情况等条件有关。特征参量ζ/f的均方根值随时间变化情况表明(图3): 靠近吕宋海峡的R1区域和位于中部偏北的R2区域次中尺度过程冬季最强、夏秋季较弱, 这与Zhang等(2020)的结论一致; 靠近中南半岛东部的R3区域夏秋季最强, 冬季次之, 春季最弱, 这一特征与黄小龙等(2020)的结果相吻合; 位于南沙群岛附近的R4区域各季节差异相对较小, 仅在秋末冬初存在明显偏小的情况。能量转换的结果表明, TKE主要贡献来源于斜压不稳定PKE (R3区域除外), 受背景流水平浮力梯度影响显著。斜压不稳定带来的势能转换主要出现在上混合层, 以混合层斜压不稳定为主, 强弱变化与混合层深度变化情况基本一致。特别的是, R3区域受夏季西南风影响, 存在显著东向离岸上升流, 此时PKE的主要来源为锋面不稳定, 并伴随着强烈的动能正压转换(BSK)。背景流场剪切和雷诺应力通过正压不稳定过程引起的BKE向SMKE的转换BSK仅发生在表面边界层, 受锋生作用和地形导致的流场剪切(如R4区域)的影响比较显著。
[1]
黄小龙, 经志友, 郑瑞玺, 等, 2020. 南海西部夏季上升流锋面的次中尺度特征分析[J]. 热带海洋学报, 39(3):1-9.

HUANG XIAOLONG, JING ZHIYOU, ZHENG RUIXI, et al, 2020. Analysis of submesoscale characteristics of summer upwelling fronts in the western South China Sea[J]. Journal of Tropical Oceanography, 39(3):1-9 (in Chinese with English abstract).

[2]
罗士浩, 经志友, 齐义泉, 等, 2016. 南海北部次中尺度过程数值研究[J]. 热带海洋学报, 35(5):10-19.

LUO SHIHAO, JING ZHIYOU, QI YIQUAN, et al, 2016. Numerical study on sub-mesoscale processes in the northern South China Sea[J]. Journal of Tropical Oceanography, 35(5):10-19 (in Chinese with English abstract).

[3]
赵伟, 侯一筠, 乐肯堂, 等, 2007. 吕宋海峡水交换季节变化的数值研究[J]. 海洋与湖沼, 38(6):495-503.

ZHAO WEI, HOU YIJUN, LE KENTANG, et al, 2007. Numerical study on seasonal variation of water exchange in the Luzon strait[J]. Oceanologia et Limnologia Sinica, 38(6):495-503 (in Chinese with English abstract).

[4]
郑瑞玺, 经志友, 罗世浩, 2018. 南海北部反气旋涡旋边缘的次中尺度动力过程分析[J]. 热带海洋学报, 37(3):19-25.

ZHENG RUIXI, JING ZHIYOU, LUO SHIHAO, 2018. Analysis of sub-mesoscale dynamic processes in the periphery of anticyclonic eddy in the northern South China Sea[J]. Journal of Tropical Oceanography, 37(3):19-25 (in Chinese with English abstract).

[5]
BOCCALETTI G, FERRARI R, FOX-KEMPER B, 2007. Mixed layer instabilities and restratification[J]. Journal of Physical Oceanography, 37(9):2228-2250.

DOI

[6]
BÜHLER O, CALLIES J, FERRARI R, 2014. Wave-vortex decomposition of one-dimensional ship-track data[J]. Journal of Fluid Mechanics, 756:1007-1026.

DOI

[7]
CAO HAIJIN, JING ZHIYOU, FOX-KEMPER B, et al, 2019. Scale transition from geostrophic motions to internal waves in the northern South China Sea[J]. Journal of Geophysical Research: Oceans, 124(12):9364-9383.

DOI

[8]
CAO HAIJIN, FOX-KEMPER B, JING ZHIYOU, 2021. Submesoscale eddies in the upper ocean of the Kuroshio Extension from high-resolution simulation: energy budget[J]. Journal of Physical Oceanography, 51(7):2181-2201.

[9]
CAPET X, MCWILLIAMS J C, MOLEMAKER M J, et al, 2008. Mesoscale to submesoscale transition in the California current system. Part Ⅲ: Energy balance and flux[J]. Journal of Physical Oceanography, 38(10):2256-2269.

DOI

[10]
CHELTON D B, SCHLAX M G, SAMELSON R M, et al, 2007. Global observations of large oceanic eddies[J]. Geophysical Research Letters, 34(15):L15606.

[11]
DAUHAJRE D P, MCWILLIAMS J C, UCHIYAMA Y, 2017. Submesoscale coherent structures on the continental shelf[J]. Journal of Physical Oceanography, 47(12):2949-4976.

DOI

[12]
DONG CHANGMING, MCWILLIAMS J C, SHCHEPETKIN A F, et al, 2007. Island wakes in deep water[J]. Journal of Physical Oceanography, 37(4):962-981.

DOI

[13]
DONG JIHAI, ZHONG YISEN, 2018. The spatiotemporal features of submesoscale processes in the northeastern South China Sea[J]. Acta Oceanologica Sinica, 37(11):8-18.

[14]
FERRARI R, WUNSCH C, 2009. Ocean circulation kinetic energy: Reservoirs, sources, and sinks[J]. Annual Review of Fluid Mechanics, 41:253-282.

DOI

[15]
HAINE T W N, MARSHALL J, 1998. Gravitational, symmetric, and baroclinic instability of the ocean mixed layer[J]. Journal of Physical Oceanography, 28(4):634-658.

DOI

[16]
HOSKINS B J, 1974. The role of potential vorticity in symmetric stability and instability[J]. Quarterly Journal of the Royal Meteorological Society, 100(425):480-482.

DOI

[17]
LAPEYRE G, KLEIN P, HUA B L, 2006. Oceanic restratification forced by surface frontogenesis[J]. Journal of Physical Oceanography, 36(8):1577-1590.

DOI

[18]
LI JIANING, DONG JIHAI, YANG QINGXUAN, et al, 2019. Spatial-temporal variability of submesoscale currents in the South China Sea[J]. Journal of Oceanology and Limnology, 37(2):474-485.

DOI

[19]
LIN HONGYANG, LIU ZHIYU, HU JIANYU, et al, 2020. Characterizing meso- to submesoscale features in the South China Sea[J]. Progress in Oceanography, 188:102420.

DOI

[20]
LIU GUOQIANG, HE YIJUN, SHEN HUI, et al, 2010. Submesoscale activity over the shelf of the northern South China Sea in summer: simulation with an embedded model[J]. Chinese Journal of Oceanology and Limnology, 28(5):1073-1079.

DOI

[21]
MAHADEVAN A, TANDON A, 2006. An analysis of mechanisms for submesoscale vertical motion at ocean fronts[J]. Ocean Modelling, 14(3-4):241-256.

DOI

[22]
MCWILLIAMS J C, MOLEMAKER M J, YAVNEH I, 2001. From stirring to mixing of momentum: Cascades from balanced flows to dissipation in the oceanic interior[R]. Los Angeles, CA: Institute of Geophysics and Planetary Physics, University of California.

[23]
MOLEMAKER M J, MCWILLIAMS J C, YAVNEH I, 2005. Baroclinic instability and loss of balance[J]. Journal of Physical Oceanography, 35(9):1505-1517.

DOI

[24]
QIU BO, CHEN SHUIMING, KLEIN P, et al, 2014. Seasonal mesoscale and submesoscale eddy variability along the North Pacific subtropical countercurrent[J]. Journal of Physical Oceanography, 44(12):3079-3098.

DOI

[25]
RUDNICK D L, LUYTEN J R, 1996. Intensive surveys of the Azores Front: 1. Tracers and dynamics[J]. Journal of Geophysical Research: Oceans, 101(C1):923-939.

[26]
SPALL S A, RICHARDS K J, 2000. A numerical model of mesoscale frontal instabilities and plankton dynamics —Ⅰ. Model formulation and initial experiments[J]. Deep Sea Research Part Ⅰ: Oceanographic Research Papers, 47(7):1261-1301.

[27]
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

[28]
TANDON A, GARRETT C, 1995. Geostrophic adjustment and restratification of a mixed layer with horizontal gradients above a stratified layer[J]. Journal of Physical Oceanography, 25(10):2229-2241.

DOI

[29]
THOMAS L N, TANDON A, MAHADEVAN A, 2008. Submesoscale processes and dynamics[M]// HECHT M W, HASUMI H. Ocean modeling in an Eddying Regime. American Geophysical Union, 177:17-38.

[30]
THOMAS L N, TAYLOR J R, FERRARI R, et al, 2013. Symmetric instability in the Gulf Stream[J]. Deep Sea Research Part Ⅱ: Topical Studies in Oceanography, 91:96-110.

[31]
TORRES H S, KLEIN P, MENEMENLIS D, et al, 2018. Partitioning ocean motions into balanced motions and internal gravity waves: A modeling study in anticipation of future space missions[J]. Journal of Geophysical Research: Oceans, 123(11):8084-8105.

DOI

[32]
YANG QINGXUAN, ZHAO WEI, LIANG XINFENG, et al, 2017. Elevated mixing in the periphery of mesoscale eddies in the South China Sea[J]. Journal of Physical Oceanography, 47(4):895-907.

DOI

[33]
YU JIE, ZHENG QUANAN, JING ZHIYOU, et al, 2018. Satellite observations of sub-mesoscale vortex trains in the western boundary of the South China Sea[J]. Journal of Marine Systems, 183:56-62.

DOI

[34]
ZENG XUEZHI, BELKIN I M, PENG SHIQIU, et al, 2014. East Hainan upwelling fronts detected by remote sensing and modelled in summer[J]. International Journal of Remote Sensing, 35(11-12):4441-4451.

DOI

[35]
ZHANG ZHIWEI, TIAN JIWEI, QIU BO, et al, 2016. Observed 3D structure, generation, and dissipation of oceanic mesoscale eddies in the South China Sea[J]. Scientific Reports, 6:24349.

DOI

[36]
ZHANG ZHIWEI, ZHANG YUCHEN, QIU BO, et al, 2020. Spatiotemporal characteristics and generation mechanisms of submesoscale currents in the northeastern South China Sea revealed by numerical simulations[J]. Journal of Geophysical Research: Oceans, 125(2): e2019JC015404.

[37]
ZHENG QUANAN, 2017. Satellite SAR detection of sub-mesoscale ocean dynamic processes[M]. London: World Scientific: 121-178.

[38]
ZHENG wQUANAN, XIE LINGLING, XIONG XUEJUN, et al, 2020. Progress in research of submesoscale processes in the South China Sea[J]. Acta Oceanologica Sinica, 39(1):1-13.

[39]
ZHONG YISEN, BRACCO A, TIAN JIWEI, et al, 2017. Observed and simulated submesoscale vertical pump of an anticyclonic eddy in the South China Sea[J]. Scientific Reports, 7(1):44011.

DOI

Outlines

/