Search
E-mail
RSS

Online submission Editor-in-chief Peer review Staff Login

Journal of Tropical Oceanography >

2017 , Vol. 36 >Issue 4: 25 - 34

DOI: https://doi.org/10.11978/2017002

Orginal Article

Seasonal variability of sea surface salinity in tropical Southern Indian Ocean based on Argo and Aquarius observations

  • SUN Qiwei , 1, 2 ,
  • DU Yan , 1, 2 ,
  • ZHANG Yuhong 1
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
Corresponding author: DU Yan. E-mail:

Received date: 2017-01-02

  Request revised date: 2017-02-28

  Online published: 2017-07-26

Supported by

National Natural Science Foundation of China (41525019, 41506019)

“Global Changes and air-sea interaction” of State Oceanic Administration (GASI-IPOVAI-02)

Independent Project of State Key Laboratory of Tropical Oceanography (South China Sea Institute of Oceanology, Chinese Academy of Sciences) (LTOZZ1501)

Copyright

热带海洋学报编辑部
Fold

Abstract

Based on the monthly mean data of Argo and Aquarius satellite observations, we analyze the seasonal variation of sea surface salinity (SSS) in the tropical South Indian Ocean. The results show that the SSS has significant seasonal variation characteristics, that is, the SSS is lower in winter and higher in summer in the region of 60°-80°E, 5°-15°S. However, the center of anomalous SSS does not correspond to the center of anomalous precipitation. The seasonal variation of precipitation cannot explain the seasonal variation of SSS. Salinity budget analysis indicates that the ocean dynamics contribute to the seasonal variation of SSS. During the summer half of the year, the SSS increasing is attributed to the meridional advection transport high salinity from the equatorial region to the South Indian Ocean, as well as the entrainment strengthening from April to May. In the winter half of the year, precipitation increases, the northward currents transport low-salinity water induced by increasing precipitation to the study region, which favors the accumulation of low-salinity water in the region; at the same time, the westward zonal advection transports the low-salinity water from the Southeastern Indian Ocean to the west, both of which have important contributions to the decreasing SSS.

Key words： sea surface salinity; seasonal variation; salinity budget; freshwater flux; horizontal advection; tropical South Indian Ocean

Cite this article

SUN Qiwei , DU Yan , ZHANG Yuhong . Seasonal variability of sea surface salinity in tropical Southern Indian Ocean based on Argo and Aquarius observations[J]. Journal of Tropical Oceanography, 2017 , 36(4) : 25 -34 . DOI: 10.11978/2017002

盐度能够表征海洋的水循环, 是影响海洋密度、热力和动力结构特征的重要因子, 它不仅与全球海洋的温、盐、环流密切相关, 而且也是海洋生物生存和初级生产力的主要环境决定因子(Dickson et al, 1988; Delcroix et al, 1991; Qu et al, 2013)。与温度相比, 盐度的观测在空间和时间上均较为稀缺。虽然从20世纪70年代就开始了盐度测量技术的研究和实验, 但在此后相当长的时间里, 由于技术限制, 盐度的测量方法一直停滞不前。随着Argo(Array for Real-time Geostrophic Oceanography)计划的实施, 海表盐度(sea surface salinity, SSS)数据才开始越来越多。这为研究海洋内部结构, 尤其是海洋环境要素的长期变化提供了难得的机遇。例如, Roemmich 等(2009)利用Argo资料重构出空间分辨率为1°的均匀格点气候态盐度资料, 显示热带海区表层海水盐度在最近10年有变淡的趋势。2009年欧洲航空局的SMOS(Soil Moisture and Ocean Salinity)卫星的成功发射, 以及2011年美国宇航局与阿根廷空间局共同开发的 Aquarius卫星的发射, 更使得获得海表盐度的方式不再局限于现场观测。Aquarius卫星的主要任务是监测SSS大尺度特征的季节变化和年际变化, 并支持150km的空间分辨率和0.2psu的反演精确度(Le Vine et al, 2007)。通过卫星观测, 现在已经可以获得大范围以及高时间分辨率的SSS资料, 相关研究也取得了显著的进展(Boutin et al, 2012)。
在全球的热带海洋中, 印度洋的SSS具有独特性。印度洋降水丰富, 年降水量在1000mm左右, 具有全球海洋最典型的季风气候, 根据大气环流系统, 印度洋海域可以划分为10°S以北的季风气候以及10°—30°S之间的东南信风带。由于北印度洋海域季风显著, 存在季节性海流, 最近几年关于印度洋的研究重点主要偏向于北印度洋地区的海表盐度的动力学机制及其与印度洋气候模态的关系。Rao 等(2003)利用全球海洋盐度数据对北印度洋的SSS进行了分析, 强调了淡水通量和水平平流对于SSS的重要性, 并证实两次热带印度洋航次观测的SSS差异受到厄尔尼诺的影响。张玉红 等(2009)采用SODA(Simple Ocean Data Assimilation)的月平均资料分析了阿拉伯海东南海域表层盐度的季节变化特征, 发现局地淡水通量不能解释盐度的变化, 而是归因于海洋平流输送的变化。Subrahmanyam 等(2011)使用Argo浮标获得的温、盐资料对北印度洋两个区域的SSS的时空变化做了分析, 并与HYCOM(Hybrid Coordinate Ocean Model)模拟做了对比, 证实可以用HYCOM模拟数据来快速检验SMOS卫星和Aquarius卫星的盐度监测。Prakash 等(2012)利用最近十年的海表盐度数据在北印度洋分析了其与淡水通量的关系, 证实了阿拉伯海海域的海表盐度与淡水通量具有较好的线性关系, 而孟加拉湾的线性关系较弱。
在赤道印度洋, Santos-Garcia 等(2014)使用Aquarius卫星海表盐度数据研究了SSS与降水之间的关系。Du 等(2015)使用两个盐度卫星观测和Argo数据分析了赤道印度洋海表盐度的时空变化特征, 并指出了其与IOD(Indian Ocean Dipole)事件的关系, 在IOD事件期间赤道海域海表盐度异常主要是由海洋平流输送引起。张莹 等(2015)采用SODA资料研究了IOD事件影响下赤道印度洋Wyrtki急流及其盐度输运的年际变化特征, 结果表明, 在正、负IOD 事件盛期, 赤道流场和盐度异常不仅呈反位相特征, 在空间分布及强度上还具有显著的不对称性。Zhang 等(2016)基于Argo近10年的海表盐度, 揭示热带印度洋存在经向的盐度偶极子模态(S-IOD), 在赤道印度洋中部和热带印度洋东南地区分别存在变化相反的盐度异常。
目前对于热带南印度洋的SSS研究相对较少。相比北印度洋季节性洋流, 南印度洋对应的洋流系统流向相对较为稳定, 但在跨赤道季风的驱动下, 热带南印度洋海流也存在季节变化特性。例如, 宣莉莉 等(2014)分析表明, 赤道及以南海域表层环流季节变化主要体现为Wyrtki 急流、南赤道逆流周期性出现, 以及南赤道流位置的南北向移动及其流速的变化。印度洋南赤道流在东南信风带的作用下, 自东向西输送海水, 它汇集了印度尼西亚贯穿流(Indonesian through flow, ITF)和来自孟加拉湾、热带南印度洋的表层低盐水, 其中ITF可以将大量的淡水和热量从太平洋带入印度洋, 甚至可以影响到非洲沿岸的阿古拉斯流, 热力输送进一步反馈到大气, 对区域降水有一定的影响。

1 资料与方法

1.1 资料

Aquarius/SAC-D卫星由美国航空航天局(National Aeronautics and Space, NASA)和阿根廷航天局(Argentinean space agency)合作(Lagerloef et al, 2008, 2013)于2011年6月10日发射成功, 该任务的主要目标是从太空观测全球海洋的海表盐度, 以便更好地理解气候变化和全球水循环。本文采用由NASA戈达德太空飞行中心的海洋数据处理系统(Goddard Space Flight Center’s Ocean Data Processing System, ODPS)提供的4.0版本的Aquarius 3级标准格点的海表盐度资料(Lagerloef et al, 2013), 其水平分辨率为1°×1°, 时间跨度为2011年8月—2015年6月。
Argo盐度资料采用了美国Scripps海洋研究所从Argo全球数据收集中心(Argo Global Data Assembly Center, GDAC)发布的原始温、盐、压廓线资料重构的月平均格点化盐度资料。该数据在经过严格质量控制后, 留下来的廓线资料在0~2000dbar之间被线性插值到58个等压面上; 上层数据分布较密, 间隔10dbar, 往深层间隔逐渐增大到100dbar。该数据被水平线性插值到1°×1°的网格上。在沿岸和大岛屿附近, 则去除了平均深度小于500m的数据。本文选用的资料时间跨度为2004年1月—2015年12月。
海表流场资料为海洋表层流场实时分析资料(Ocean Surface Currents Analyses Real time, OSCAR)。本文采用2004年1月—2015年12月水平分辨率为1°×1°的月平均资料。风场资料采用美国发射的全球第一个星载全极化的微波辐射计WindSat风场数据, 具体为美国遥感研究系统(Remote Sensing Systems)发布的第7 版(v7.0.1)全球空间分辨率为0.25°×0.25°的月平均数据, 时间为2004年1月至2015年12月。降水资料来自于全球降水气候计划(Global Precipitation Climatology Project, GPCP)2.2版本的水平分辨率为2.5°×2.5°的月平均数据。该资料由NASA的戈达德太空飞行中心(Goddard Space Flight Center, GSFC)所提供。蒸发数据采用美国伍兹霍尔海洋研究所提供的水平分辨率为1°×1°的海—气热通量客观分析(Objectively Analyzed air-sea Heat Fluxes, OAFlux)月平均数据(Yu et al, 2007), 时间跨度为2004年1月至2015年12月。
本文重点研究季节变化, 首先对数据进行累年逐月平均, 以获得12个月的气候意义下的平均态, 需要说明的是, 由于卫星海表盐度资料的时间跨度较短, 所以文章中采用不同时间跨度的海表盐度资料做月平均分析。对比结果显示, 不同时间跨度的结果在热带南印度洋海表盐度的形态分布上差异不大, 不影响最终的分析结果。

1.2 方法

经验正交函数(empirical orthogonal function, EOF)分析是一种分析矩阵数据中的结构特征, 提取特征量的一种多元统计方法。该方法最早由Pearson(1902) 提出, Lorenz(1956)首次将其引入气候研究。地学数据分析中通常特征向量对应的是空间样本, 所以也称空间特征向量或者空间模态; 主成分对应的是时间变化, 也称时间系数。EOF分析的基本思想是将包含m个空间点的n个时次的观测场随时间进行分解, 即将特定区域的物理要素场序列Xij(i=1, 2, …, m; j=1, 2, …, n, 即m个空间点的n个时间的资料)分解成相互正交的空间函数v和时间函数t的乘积两部分, 即
或者
其中Xij表示第i个场中的第j个观测点的观测数据, 进行上述分解需要满足正交性。
盐度收支方程参照Feng 等(1998), 在忽略水平扩散的情况下, 可以表示为
其中, S为海表盐度, t为时间, u和v分别为纬向和经向的海表实时流速, P和E分别为降水率和蒸发率, S-h为混合层底的盐度, h为混合层深度, 通过基于海水温度较表层水温低0.8℃的海水密度标准计算得到(Kara et al, 2000), we为垂向卷夹速度, , ε为误差项。与以前的工作不同的是, 本文不仅考虑了进入混合层对盐度的影响, 同时也考虑了从混合层出去对盐度的影响, Kim 等(2006)系统阐述了其闭合性, 其中w-h为混合层底的垂向卷夹速度, 可以由连续方程 , 在z方向从-h到0积分, 即 , 可得 。另外, 在计算Aquarius盐度收支方程时, 混合层底盐度数据采用同时期的Argo混合层底的盐度数据。

2 海表盐度季节变化特征及盐度收支分析

2.1 海表盐度季节变化特征

热带南印度洋气候态海表盐度和淡水通量分布显示, 热带南印度洋年平均海表盐度具有显著的东西差异, 高盐值沿赤道向东延伸, 平均盐度高于35psu, 同时低盐值在10°S附近呈舌状向西延伸, 平均盐度低于34.5psu, 该分布特征在Aquarius与Argo的气候态年平均资料中均有较好的体现(图1)。值得注意的是, Argo资料的海表盐度比Aquarius卫星数据整体偏高0.15psu, 这主要是因为Aquarius卫星测量的为海表盐度, Argo测量值为深度5m左右的盐度(Du et al, 2015; 林新宇 等, 2016)。不同时间跨度对数值大小也产生一定的影响。
Fig. 1 Annual mean sea surface salinity (shading; units: psu) and freshwater flux (evaporation minus precipitation, contour; units: mm·d-1) of Argo (a) and Aquarius (b)

图1 年平均海表盐度(填色)和淡水通量(蒸发减降水, 等值线, 单位: mm·d-1)

a. Argo数据; b. Aquarius数据

爪哇岛—苏门答腊岛附近海域年平均淡水通量较小, 最小值可达-4mm·d-1,导致该区域盐度较低, 而在赤道西部地区, 年平均淡水通量较小, 可达2mm·d-1, 导致该地区的海表盐度较高。前人研究结果表明, 淡水通量差异是造成热带印度洋年平均盐度东、西分部差异的主要原因(张玉红, 2014)。但从图1可以看出, 淡水通量最小值中心与海表盐度最小值中心并不重合, 淡水通量中心位于海表盐度最小值中心偏北方向。这表明, 除了淡水通量对海表盐度的影响, 盐度的变化还会受到其他因素的影响。前人研究表明, 海表流场引起的温盐输送在热带印度洋海域起着重要的作用(Zhang et al, 2013; 宣莉莉 等, 2015)。印度洋热带环流系统主要由Wyrtki急流(也称为赤道急流)和南赤道流两部分组成。赤道急流最初由Yoshida(1959)通过理论推导得出, 即在西风的强迫下, 赤道会出现向东的海流, 而后Wyrtki(1973)通过观测证实了赤道向东急流的存在。由印度洋热带环流结构可知, 南赤道流汇集了ITF出流的淡水和来自孟加拉湾以及赤道东南部印度洋的低盐水向西输送, 在10°S附近形成向西延伸的低盐水舌。赤道急流将西部来自阿拉伯海的高盐水向东输送, 形成赤道高盐水舌。南赤道流与赤道急流构成的热带环流系统对维持热带南印度洋的盐度平衡起着重要作用。
热带南印度洋海表盐度季节变化显著(图2)。Argo和Aquarius海表盐度季节方差显示, 二者时空分布相似, 强度相差不大; 在60°—80°E, 5°—15°S的海域存在显著的大值中心, 表明这是热带南印度洋海表盐度季节变化最强的海域。淡水通量与盐度在季节方差分布形态上存在较大差异。淡水通量的季节变化存在3个大值中心, 其中两个分别位于马达加斯加岛附近和爪哇岛—苏门答腊岛附近, 另一个大值中心位于海表盐度季节变化最大值中心偏西南方向。淡水通量的季节变化与海表盐度的季节变化并不一致, 海表盐度的季节变化特征并不能完全由淡水通量来解释。
Fig. 2 Seasonal standard deviation and first mode of sea surface salinity (shading; units: psu) and freshwater flux (contour; units: mm/day). a) Seasonal standard deviation of Argo; b) Seasonal standard deviation of Aquarius; c) the first mode for Argo; d) the first mode for Aquarius; e) time coefficient of the first mode for Argo; f) time coefficient of the first mode for Aquarius

图2 海表盐度(填色)、淡水通量(等值线, 单位: mm·d-1)的季节标准差和EOF第一模态空间分布图及时间序列

a. Argo的季节标准差; b. Aquarius的季节标准差; c. Argo的EOF第一模态; d. Aquarius的EOF第一模态; e. Argo的EOF第一模态时间变化系数; f. Aquarius的EOF第一模态时间变化系数

上述结果与海表盐度和降水的EOF分析结果相似。无论是空间分布还是时间序列, Argo和Aquarius结果显示的海表盐度第一模态均具有较好的一致性(图2c、d)。两者的第一模态方差贡献率分别为61%和62%, 也进一步校验了数据的可信度。
EOF第一模态空间分布表明, 海表盐度第一模态存在位相相反的两个异常值中心, 分别位于60°—80°E, 5°—15°S的海域以及东南印度洋海域, 其中, 60°—80°E, 5°—15°S海域变化更为显著, 且与海表盐度季节方差的最大值中心重合。从时间序列来看, 在60°—80°E, 5°—15°S的海域, 存在明显的季节变化特征。1—5月, 海表盐度表现为负异常, 盐度偏低, 在3月达到一年中的最低值。6—12月期间, 盐度表现为正异常, 盐度偏高, 8月海表盐度达最高值, EOF分析结果很好地反映了海表盐度的季节变化特征。
淡水通量的第一模态的空间分布存在3个同相位的异常中心, 这个异常中心与淡水通量的标准差大值中心吻合很好。位于60°—80°E, 10°—18°S附近的异常中心与海表盐度异常中心位置不一致, 相对偏向西南方向。其第一模态的时间序列表明, 淡水通量也存在较为明显的季节变化。4—11月淡水通量较大, 最大值出现在7—8月, 12月至次年3月, 淡水通量较小, 1月最低, 淡水通量的时间序列超前海表盐度时间序列1~2个月。
Argo和Aquarius在3月以及8月海表盐度异常(sea surface salinity anomaly, SSSA)分布表明, 两者海表盐度异常场整体结构相同, 在60°—80°E, 5°—15°S的海域存在最大的异常中心。3月为盐度负异常, 中心平均值低于-0.25psu; 8月为盐度正异常, 中心区域平均值高于0.25psu, 年均海表盐度差值达到0.5psu(图3)。这与EOF第一模态结果相似(图2c、d)。淡水通量异常分布与EOF结果相似, 1月份淡水通量小值中心位于海表盐度异常中心西南方向, 最大异常达到-4.5mm·d-1; 6月, 淡水通量异常中心位于海表盐度偏南方向, 最大异常值可达到3mm·d-1。淡水通量的季节性变化主要是由于海表温度的季节性变化以及大气垂向对流强弱引起。冬季, 南半球温度较高, 垂向对流较强, 降水增多; 夏季, 太阳直射北半球, 雨带北移, 南半球降水减少。从冬、夏季海表盐度异常和淡水通量异常的分布可以看出, 热带南印度洋中部显著的海表盐度季节变化不能完全由淡水通量来解释。
Fig. 3 Spatial distribution of anomalous SSS (shading; units: psu), freshwater flux (contour; units: mm·d-1) and wind (vector; units: m·s-1). a) Anomalous SSS in March; anomalous freshwater flux and wind in January using Argo data. b) Same as a), except using Aquarius data. c) Anomalous SSS in August; anomalous freshwater flux and wind in June using Argo data. d) Same as c), except using Aquarius data

图3 海表盐度异常(填色)、淡水通量异常(等值线, 单位: mm·d-1)以及风场异常(矢量, 单位: m·s-1)的空间分布图

a. 3月份Argo的海表盐度异常, 1月份淡水通量及风场异常; b. 3月份Aquarius的海表盐度异常, 1月份淡水通量及风场异常; c. 8月份Argo的海表盐度异常, 6月份淡水通量及风场异常; d. 8月份Aquarius的海表盐度异常, 6月份淡水通量及风场异常

印度洋海域受季风气候影响显著(Schott et al, 2009)。冬、夏两季, 热带南印度洋海域的风场异常从偏北风异常转变为偏南风异常(图3)。1月及6月风场分布图表明, 1月风场方向为西北方向, 6月则改变为东南季风。由于该地区距离赤道较近, 地转效应相对Ekman漂流效应较弱, 后者占主导地位。南半球1月海表流场在西北季风的作用下主要偏向东北方向, 在6月则偏向西南方向, 季风方向的变化导致洋流方向以及输送能力的变化, 是导致热带南印度洋海表盐度季节变化的重要因素。1月流场出现偏北方向的海流, 将位于南侧由降水导致的局部低盐水体向北输送, 同时, 赤道附近的高盐水体无法向南堆积, 导致3月份海表盐度降低最显著, 异常中心位于降水中心偏北方向。6月时, 流场出现偏西南方向的海流, 由赤道急流带来的高盐水向南输送堆积, 在该地区形成高盐值, 在8月达到盐度正异常最大值。

2.2 海表盐度收支分析及主要物理过程

60°—80°E, 5°—15°S海域存在显著的季节变化特征, 针对该海域盐度变化, 并根据海表盐度季节标准差以及EOF分析结果, 选取70°—80°E, 5°—15°S的区域进行盐度收支分析以探讨相关的动力过程。
分别对盐度收支方程左侧的海表盐度变化率、方程右侧的平流及垂向卷夹、淡水通量项进行纬向平均, 得到方程各项对应的时间—纬度分布图(图4)。Argo资料与Aquarius卫星数据计算得到的各项较为相似。图4a、d表明海表盐度变化率正值在4月开始出现在赤道区域, 随后逐渐向南移动。5—6月最强, 平均大于0.2psu·month-1, 正值中心移动到8°—10°S附近。7—8月变化强度有所降低, 中心位置继续向南移动。结果表明, 4—8月期间, 海表盐度持续增加, 盐度异常中心位置南移, 在8月海表盐度达到最高; 5°—15°S的海域范围内, 在9月至次年3月, 海表盐度变化为负值; 在12月, 海表盐度变化率最低。平流项以及垂直对流时间—纬度分布图表明(图4b、e), 4—8月, 平流与垂向卷夹的变化趋势与海表盐度变化趋势具有很强的相似性。从4月开始, 均从赤道地区逐渐向南移动, 并在6月达到最强, 表明盐度的平流以及对流变化是造成该时期盐度增加的主要原因。淡水通量项(图4c、f)则在9月至次年3月表现为负值, 在冬半年对盐度降低贡献作用明显。
Fig. 4 Latitude-time section of salt budgets using Argo and Aquarius data: a) salinity tendency; b) sum of horizontal (zonal & meridional) advection and entrainment; c) freshwater flux

图4 Argo及Aquarius盐度收支方程的时间—纬度分布图

a、d为盐度变化率; b、e为平流及垂向卷夹之和; c、f为淡水通量; 其中a、b和c为Argo结果, d、e和f为Aquarius结果

对于海表盐度收支方程左侧的海表盐度变化率与方程右侧各项之和及误差项, Argo和Aquarius的变化趋势几乎相同, 其相关系数分别为0.96, 0.95。Argo的残余项除了在2月大于0.1psu·month-1以外, 大部分小于0.05psu·month-1, Aquarius相对Argo而言残余项略大, 但大部分均小于0.1psu·month-1。数据资料的来源不同以及空间分辨率不统一等可能是存在残余项的主要原因。上述误差的存在并不会影响本文最终的结论, 盐度收支方程能够较好地反映海表盐度变化及其动力机制。
4—8月, 海表盐度变化为正值(图5a、d), 海表盐度持续增加, 6月强度达到最强, 约为0.2psu·month-1。海洋平流的贡献与海表盐度变化基本一致(图5b、e), 在6月峰值约为0.15psu·month-1; 而淡水通量作用相对较小, 约为0.05psu·month-1。这源于4—5月期间, 赤道急流加强, 将来自阿拉伯海的高盐向东输送, 在赤道东中部地区堆积, 造成局部高盐, 经向盐度梯度增大。在东南季风影响下(图3c), 赤道中东部的局部高盐在流场(尤其是经向流)的作用下, 向西南方向输运, 影响了热带南印度洋中部海区, 导致该地区海表盐度增加。与此同时, 该时期温度逐渐降低, 海气相互作用减弱, 大气垂向对流相对减弱, 导致降水减少。季风导致蒸发作用增强, 对盐度的增加也有一定程度的贡献, 但相对海流而言贡献较小。值得关注的是, 除了经向平流作用对盐度增加作用显著以外, 4—5月海洋的垂向交换显著增强(图5c、f), 将混合层的高盐输送至表层, 约为0.1psu·month-1, 对该地区海表盐度增加贡献较大。
Fig. 5 Seasonal variation of regionally averaged salt budgets using Argo and Aquarius data

图5 Argo及Aquarius盐度收支区域平均的季节变化

S/t代表盐度月变化率, SUM (right)代表盐度收支方程右侧各项之和, Residual为残余项, S-adv代表平流及垂向卷夹之和, FWF代表淡水通量, S-advx、S-advy和S-advz分别代表纬向输送、经向输送和垂直项的输送; a、b、c为Argo数据; d、e、f 为Aquarius卫星数据

9月至次年3月, 海表盐度变化为负值, 12月强度最大, 在此期间海表盐度逐渐降低, 在3月达到盐度最低值。图5表明, 9-12月, 淡水通量以及纬向平流对盐度降低作用明显, 例如在12月二者贡献分别为-0.1、-0.12psu·month-1; 而Argo和Aquarius的经向平流项稍有差别, Argo经向平流贡献较小, 而Aquarius贡献相对较大, 但Aquarius余项较大, 这可能是造成经向平流差异的主要原因。混合层垂向卷夹比其他各强迫项小一个量级, 贡献较小。1—3月, 淡水通量相比较其他各项贡献作用最大, 是导致海表盐度降低的主要原因。
冬半年, 热带南印度洋温度逐渐升高, 海洋与大气交界面温度梯度增大, 海气相互作用增强, 大气垂直对流作用明显, 降水增加, 蒸发相对减弱。淡水通量受降水主导, 在强降水的作用下, 造成该海域偏西南方向海表盐度降低, 形成局部低盐海域(图2、3)。在此期间, 印度洋东北季风跨赤道后转为西北季风, 引起海流异常场主要为偏东北方向, 将降水导致的局部低盐输送到该地区。而赤道地区的高盐水在冬季东北海流异常的作用下无法向南堆积。另外, 9—12月期间, 东南印度洋海域的纬向流强度加强, 将东南印度洋海域的低盐自东向西堆积到该地区, 在3月达到最低值, 对该地区盐度降低有不可忽视的贡献。
由海表盐度变化示意图(图6)可以更清楚地理解海表盐度的季节变化特征及其机理, 60°—80°E, 5°—15°S海域海表盐度在冬半年异常降低, 而在夏半年异常升高, 海表盐度季节变化特征显著, 冬半年与夏半年海表盐度之差大于0.5psu, 在整个热带南印度洋变化最为剧烈。
Fig. 6 Sketch of variation of anomalous SSS (shading), currents (vector) and precipitation (contour) of (a) winter and (b) summer

图6 海表盐度异常(填色), 流场异常(矢量)、降水异常(等值线)示意图

冬半年, 温度升高, 大气垂向对流增强, 导致降水增加, 局部地区海表盐度降低, 在西北季风的作用下, 海表流场将局部低盐输送到该地区, 另外, 赤道地区的高盐水在偏向东北海流异常的作用下无法向南堆积。与此同时, 东南印度洋海流作用加强, 将东南印度洋海域的低盐自东向西堆积到该地区, 加强了该地区海表盐度降低的趋势。
夏半年, 在东南季风的作用下, 海流异常方向偏向西南方向, 将赤道急流在赤道中东部堆积的高盐向西南输送; 同时, 该地区降水减少, 蒸发增强, 多种因素共同作用, 导致海表盐度增加。值得关注的是, 4—5月上升流表现强烈, 将混合层底部的高盐输送到海表面, 促进了盐度增加的趋势, 对夏半年海表盐度升高的作用显著。

3 结论

本文采用2004年1月至2015年12月Argo海表盐度数据, 以及2011年8月至2015年6月的Aquarius卫星获取的海表盐度等资料, 利用EOF以及盐度收支分析总结了海表盐度的季节变化特征, 并尝试解释主要的动力学机制。
首先, EOF分析表明60°—80°E, 5°—15°S海域具有明显的季节变化。4—8月海表盐度增加, 在8月达到最高值; 9月至次年3月, 海表盐度逐渐降低, 在3月达到最低值。同时, 淡水通量异常中心与海表盐度异常中心不一致, 并且前者在时间上超前后者1~2个月, 淡水通量不能直接解释该地区海表盐度的季节变化。
其次, 利用盐度收支方程分析了海表盐度变化的主要动力学贡献。夏半年, 在东南季风的驱动下, 经向流将赤道中部高盐向南输送, 是造成海表盐度增加的最主要因素。同时, 降水减少, 蒸发增大, 对海表盐度增加有一定贡献。冬半年, 降水增加, 局部地区海表盐度降低, 在西北季风的驱动下, 海表流场偏向东北方向, 将低盐水体补充到该地区。另外, 东南印度洋海流作用加强, 将东南印度洋海域的低盐输运到该地区, 导致了该地区盐度的降低。
垂向卷夹相对于其他贡献整体较小。但值得注意的是, 4—5月, 上升流对夏半年海表盐度升高的作用显著, 这主要是由于该区域季节上升流此时达到最大。上升流在年际时间尺度上的贡献, 有待于进一步研究讨论。

The authors have declared that no competing interests exist.

References

Publishing order | Descend order by publishing year | Descend order by cited within
[1]
林新宇, 邱云, 杜岩, 等, 2016. 孟加拉湾海表盐度变化特征的卫星遥感应用研究[J]. 海洋学报, 38(5): 46-56.

LIN XINYU, QIU YUN, DU YAN, et al, 2016. Study on the utilization of satellite remote sensing for variation characteristic of sea surface salinity in the Bay of Bengal[J]. Haiyang Xuebao, 38(5): 46-56 (in Chinese with English abstract).

[2]
宣莉莉, 邱云, 许金电, 等, 2014. 热带东印度洋表层环流季节变化特征研究[J]. 热带海洋学报, 33(1): 26-35.

XUAN LILI, QIU YUN, XU JINDIAN, et al, 2014. Seasonal variation of surface-layer circulation in the eastern tropical Indian Ocean[J]. Journal of Tropical Oceanography, 33(1): 26-35 (in Chinese with English abstract).

[3]
宣莉莉, 邱云, 许金电, 等, 2015. 孟加拉湾与赤道东印度洋水交换的季节变化特征[J]. 热带海洋学报, 34(6): 26-34.

XUAN LILI, QIU YUN, XU JINDIAN, et al, 2015. Seasonal variation of the water exchange between the Bay of Bengal and the equatorial eastern Indian Ocean[J]. Journal of Tropical Oceanography, 34(6): 26-34 (in Chinese with English abstract).

[4]
张莹, 杜岩, 张玉红, 等, 2015. 赤道印度洋秋季Wyrtki急流盐度输运对正、负IOD事件的不对称响应[J]. 热带海洋学报, 34(5): 1-10.

ZHANG YING, DU YAN, ZHANG YUHONG, et al, 2015. Asymmetric influences of positive and negative IOD events on salinity transport by the fall Wyrtki Jet along the equatorial Indian Ocean[J]. Journal of Tropical Oceanography, 34(5): 1-10 (in Chinese with English abstract).

[5]
张玉红, 徐海明, 杜岩, 等, 2009. 阿拉伯海东南海域盐度收支的季节变化[J]. 热带海洋学报, 28(5): 66-74.

ZHANG YUHONG, XU HAIMING, DU YAN, et al, 2009. Seasonal variability of salinity budget in the southeastern Arabian Sea[J]. Journal of Tropical Oceanography, 28(5): 66-74 (in Chinese with English abstract).

[6]
张玉红, 2014. 热带印度洋盐度年际变化及其与IOD的关系[D]. 广州: 中国科学院南海海洋研究所: 1-135.

ZHANG YUHONG, 2014. Interannual variability of salinity in the tropical Indian Ocean and its relationship with IOD[D]. Guangzhou: South China Sea Institute of Oceanology, Chinese Academy of Sciences: 1-135 (in Chinese with English abstract).

[7]
BOUTIN J, MARTIN N, YIN XIAOBIN, et al, 2012. First assessment of SMOS data over open ocean: Part Ⅱ-sea surface salinity[J]. IEEE Transactions on Geoscience and Remote Sensing, 50(5): 1662-1675.

[8]
DELCROIX T, HÉNIN C, 1991. Seasonal and interannual variations of sea surface salinity in the tropical Pacific Ocean[J]. Journal of Geophysical Research: Oceans, 96(C12): 22135-22150.

[9]
DICKSON R R, MEINCKE J, MALMBERG S A, et al, 1988. The “great salinity anomaly” in the Northern North Atlantic 1968-1982[J]. Progress in Oceanography, 20(2): 103-151.

[10]
DU YAN, ZHANG YUHONG, 2015. Satellite and Argo observed surface salinity variations in the tropical Indian Ocean and their association with the Indian Ocean Dipole mode[J]. Journal of Climate, 28(2): 695-713.

[11]
FENG MING, HACKER P, LUKAS R, 1998. Upper ocean heat and salt balances in response to a westerly wind burst in the western equatorial Pacific during TOGA COARE[J]. Journal of Geophysical Research: Oceans, 103(C5): 10289-10311.

[12]
KARA A B, ROCHFORD P A, HURLBURT H E, 2000. An optimal definition for ocean mixed layer depth[J]. Journal of Geophysical Research: Oceans, 105(C7): 16803-16821.

[13]
KIM S B, FUKUMORI I, LEE T, 2006. The closure of the ocean mixed layer temperature budget using level-coordinate model fields[J]. Journal of Atmospheric and Oceanic Technology, 23(6): 840-853.

[14]
LAGERLOEF G, COLOMB F R, LE VINE D, et al, 2008. The Aquarius/SAC-D mission: designed to meet the salinity remote-sensing challenge[J]. Oceanography, 21(1): 68-81, doi: 10.5670/oceanog.2008.68.

[15]
LAGERLOEF G S E, KERR Y, CABOT F, et al, 2013. SMOS and Aquarius Inter-comparison over oceans[C]//EGU General Assembly Conference 2013. Vienna, Austria: EGU.

[16]
LE VINE D M, LAGERLOEF G S E, COLOMB F R, et al, 2007. Aquarius: an instrument to monitor sea Surface salinity from space[J]. IEEE Transactions on Geoscience and Remote Sensing, 45(7): 2040-2050.

[17]
LORENZ E N, 1956. Empirical orthogonal functions and statistical weather prediction[R]. Scientific Reports No 1. Cambridge: MIT.

[18]
PEARSON K, 1902. On lines and planes of closest fit of points in space[J]. Philosophical Magazine, 2: 559-572.

[19]
PRAKASH S, MAHESH C, GAIROLA R M, 2012. Observed relationship between surface freshwater flux and salinity in the north Indian Ocean[J]. Atmospheric and Oceanic Science Letters, 5(3): 163-169.

[20]
QU TANGDONG, GAO SHAN, FUKUMORI I, 2013. Formation of salinity maximum water and its contribution to the overturning circulation in the North Atlantic as revealed by a global general circulation model[J]. Journal of Geophysical Research: Oceans, 118(4): 1982-1994.

[21]
RAO R R, SIVAKUMAR R, 2003. Seasonal variability of sea surface salinity and salt budget of the mixed layer of the north Indian Ocean[J]. Journal of Geophysical Research: Oceans, 108(C1): 9-1-9-14.

[22]
ROEMMICH D, GILSON J, 2009. The 2004-2008 mean and annual cycle of temperature, salinity, and steric height in the global ocean from the Argo Program[J]. Progress in Oceanography, 82(2): 81-100.

[23]
SANTOS-GARCIA A, JACOB M M, JONES W L, et al, 2014. Investigation of rain effects on Aquarius Sea Surface Salinity measurements[J]. Journal of Geophysical Research: Oceans, 119(11): 7605-7624.

[24]
SCHOTT F A, XIE SHANGPING, MCCREARY J P JR, 2009. Indian Ocean circulation and climate variability[J]. Reviews of Geophysics, 47(1): RG1002.

[25]
SUBRAHMANYAM B, MURTY V S N, HEFFNER D M, 2011. Sea surface salinity variability in the tropical Indian Ocean[J]. Remote Sensing of Environment, 115(3): 944-956.

[26]
WYRTKI K, 1973. An equatorial jet in the Indian Ocean[J]. Science, 181(4096): 262-264.

[27]
YOSHIDA K, 1959. A theory of the Cromwell current (the equatorial undercurrent) and of the equatorial upwelling-an interpretation in a similarity to a costal circulation[J]. Journal of the Oceanographical Society of Japan, 15(4): 159-170.

[28]
YU LISAN, WELLER R A, 2007. Objectively analyzed air-sea heat fluxes for the global ice-free oceans (1981-2005)[J]. Bulletin of the American Meteorological Society, 88(4): 527-539, doi: 10.1175/BAMS-88-4-527.

[29]
ZHANG YUHONG, DU YAN, ZHENG SHAOJUN, et al, 2013. Impact of Indian Ocean Dipole on the salinity budget in the equatorial Indian Ocean[J]. Journal of Geophysical Research: Oceans, 118(10): 4911-4923.

[30]
ZHANG YUHONG, DU YAN, QU TANGDONG, 2016. A sea surface salinity dipole mode in the tropical Indian Ocean[J]. Climate Dynamics, 47(7-8): 1-13.

Options
Outlines

/

〈 〉