Search
E-mail
RSS

Online submission Editor-in-chief Peer review Staff Login

Journal of Tropical Oceanography >

2017 , Vol. 36 >Issue 5: 16 - 23

DOI: https://doi.org/10.11978/2016125

Orginal Article

Seasonal variation of Guangdong coastal thermal front based on merged satellite data

  • QIU Chunhua ,
  • CUI Yongsheng ,
  • HU Shiqi ,
  • HUO Dan
Expand
  • The Center for Coastal Ocean Science and Technology, School of Marine Sciences, Sun Yat-sen University, Guangzhou 510275, China

Author:QIU Chunhua.E-mail:

Received date: 2016-12-01

  Request revised date: 2017-01-11

  Online published: 2017-09-22

Supported by

National Key R&D Program of China (2017YFC0305804)

Young Scientists Fund of the National Natural Science Foundation of China (41406002)

Natural Science Foundation of Guangdong Province (2015A030313151)

Distinguished Young Teachers of Fundamental Research Funds for the Central Universities (17lgzd11)

Copyright

热带海洋学报编辑部
Fold

Abstract

Based on the Operational Sea Surface Temperature and Sea Ice Analysis (OSTIA) data in 2015, we analyzed the seasonal variation and genesis mechanisms of thermal fronts in Guangdong coastal zone. The Guangdong coastal thermal fronts are strong in winter and weak in summer. In the eastern Guangdong coastal zone, thermal fronts are seen all year round, while in the western Guangdong coastal zone, thermal fronts disappear in summer. In the Pearl River estuary zone, thermal fronts are associated with the Pearl River plumes, which extend east northward in summer and southward in autumn. We suggest wind speed play important roles in the genesis and disappearance of these thermal fronts. Using a simple model, we find that monsoon influences the front strength through air-sea turbulent heat fluxes. Under southwesterly (northeasterly) wind condition, warm and wet (cold and dry) air mass could decrease (increase) the latent heat release near the cold coastal zone, leading to a temperature increase in the cold zone, and finally the front disappears.

Key words： thermal front; Guangdong coastal zone; temporal and spatial variation; river plume

Cite this article

QIU Chunhua , CUI Yongsheng , HU Shiqi , HUO Dan . Seasonal variation of Guangdong coastal thermal front based on merged satellite data[J]. Journal of Tropical Oceanography, 2017 , 36(5) : 16 -23 . DOI: 10.11978/2016125

海洋锋是指水平方向上两种或几种性质明显不同的水团相遇所产生的边界, 是海洋物理化学特征的跃变带, 温度、盐度、密度、水色、叶绿素等要素的水平梯度非常大。同时, 由于强烈的垂直运动, 该处动量和热量的交换异常活跃(赵宝宏 等, 2011)。温度锋面不仅可以作为辨识不同水团的边界, 更可进一步据之探究水团的时空推移与势力消长的变动特性 (Olson et al, 1994; Belkin et al, 2009)。
南海北部区域的海洋锋是影响南海陆架水体交换的重要物理因素。广东沿海温度锋面的结构特征和时空变化是南海北部一个重要的物理过程, 此项研究对于南海北部陆架区动力热力过程、生态环境、物质输运和海洋养殖等方面都有着重要的意义(朱凤芹 等, 2014)。因此对该区域海洋锋进行深入的研究变得更加必要。
迄今已有很多利用遥感数据针对南海北部锋面的研究。陈俊昌(1983)最早通过卫星红外云图研究了南海北部的台湾海峡至北部湾区域的温度锋; 李立等(2000)结合卫星遥感和水文观测资料, 对台湾海峡南部的海洋锋进行了整体分析, 结果表明受季风气候的影响, 该处海洋锋有明显的季节差异; Wang等(2002)运用连续8年的遥感数据, 研究了南海北部闽粤上升流锋、台湾浅滩锋、珠江口锋、黑潮锋、琼东锋等锋面的季节变化特征; 罗琳 等(2003)利用8年的卫星遥感海水表面温度资料对南海北部湾温度锋的季节变化和年际变化规律进行了探讨, 得出北部湾温度锋的强度是春季>夏季>冬季>秋季; 王磊(2004)利用7年的卫星遥感资料, 分析了南海北部陆架区域海表温度锋的季节内变化特征, 考察了黑潮南海流套对温度锋的强度和走向的影响, 并且利用线性谱方法对该处海洋锋的不稳定性特征进行了分析, 考察了海底地形、密度场和流速场对陆架海洋锋的不稳定性的影响; 赵宝宏等(2011)利用50年(1950—2007年)的SODA (Simple Ocean Data Assimilation)数据资料, 采用海洋锋频率分布统计的方法, 研究了整个南海表层以下5m海洋锋, 发现南海海洋锋明显沿着大陆沿岸分布, 是处在南海大陆架上的陆架锋; 朱凤芹等(2014)在此基础上也进行了更进一步研究, 除分析了南海表层温度锋分布特征以及季节变化规律外, 还根据计算的概率分布给出了0~50m深度温度锋的出现区域; Jing等(2016)利用遥感数据与实测数据, 研究了南海北部上升流/下降流引起的20~50km宽度的温度锋面。
学者对南海温度锋面的定义方法也进行了很多尝试, 用在南海北部的方法主要有温度梯度法(庄伟, 2004)、边缘检测法(Shimada et al, 2005; Qiu et al, 2012)以及小波分析法和形态学法(薛存金 等, 2007; 邵连军 等, 2015); 但是目前尚未有针对广东沿岸锋面(水深<50m)分布特征的相关研究。一方面是因为遥感海表温度数据在近岸的分辨率比较低(特别是微波遥感), 无法覆盖近岸水体; 另一方面是因为广东沿岸水系复杂, 锋面变化快, 温度梯度的方向各有不同。本研究将利用融合的海表温度数据, 采用最大梯度方法对广东沿岸锋面的季节变化进行研究, 并探讨其生消机制。

1 数据和方法

1.1 研究区域

本文研究区域如图1所示。因为广东沿岸比较细长, 其各个区域水系不一样。根据水系组成, 我们将研究区域大体分为粤西(20.5°—21.5°N, 112°—113°E)、珠江口(21°—22°N, 113°—115°E)和粤东(21.5°—22.5°N, 115°—116°E)3个区域。粤西区域受广东沿岸流影响大, 粤东主要有上升流、暖流等水系, 而珠江口区域由沿岸流、羽状流、南海水团组成。
Fig. 1 Study area. Isobaths are water depths. Units: m

图1 研究区域图
等值线为水深, 单位: m

1.2 数据

1.2.1 温度数据
海表温度数据为由英国气象局提供的2015年南海海表温度遥感数据(Operational Sea Surface Temperature and Sea Ice Analysis, OSTIA), 下载地址为http://data.nodc.noaa.gov/ghrsst/L4/GLOB/UKMO/OSTIA。OSTIA使用由全球高分辨率海表温度数据(GHRSST)项目提供的遥感数据并结合现场观测来确定海表面温度, 使用三维变分法最优内插分析, 空间分辨率为(1/20)°(约5km), 时间分辨率为1d。
1.2.2 风场数据
本文所用风场数据来自RSS(Remote Sensing Systems, http://www.remss.com/missions/windsat), 资料覆盖时段为2015年1—12月, 数据为月平均风场数据, 空间分辨率为25km。
1.2.3 航次观测数据
为验证近岸遥感海表温度数据的精度, 我们利用2015年6月11—16日Seabird 911 plus CTD测得的温度数据, 共利用了28个站位的数据。 该航次是由中山大学、中国科学院南海海洋研究所联合组织, 利用湛江“南科”号船针对珠江冲淡水的观测。

1.3 研究方法

本文比较了两种方法。第一种是普通的梯度法, 即运用正交直角坐标系(图2), 每一天有159×59个点, 求出每个点在x-y坐标系中的温度梯度值, 在计算梯度时采用前差差分方法, 得到所有点的梯度值后制得温度梯度图:
上式中Tx、Ty分别代表海表温度T沿经向、纬向方向的梯度, TG为总的梯度。
第二种为最大梯度法, 即变换直角坐标系方向, 共得到4个新直角坐标系, 方向为 x1y1(45°, 135°)、x2y2(135°, 225°)、x3y3(225°, 315°)、x4y4(315°, 45°), 以x1y1坐标系为例, 如图2所示:
Fig. 2 New coordinates (dashed) and old coordinates (solid)

图2 新、旧坐标系

则新坐标系梯度算法如下:
TG1代表第一种方法计算得的温度梯度, 同理可得第2种、第3种、第4种方法获得的 , 最终我们取最大梯度为锋面的梯度:
每个点每天有5个不同方向不同大小的梯度值, 选出每一个点的5个梯度值中绝对值最大者, 最后得到了一个新的拥有365天数据的梯度文件, 用这些数据制得新的一套2015年珠江口外温度梯度图。该方法与罗琳等(2003)年在北部湾用的方法有相同的思路, 都是通过变化坐标系取最大值的方法。

2 结果

2.1 温度时空变化特征

利用融合的遥感海表温度前, 本研究先对遥感数据进行验证。虽然南海北部的红外与微波遥感海温数据已被验证过(Qiu et al, 2009), 但是粤东近岸的遥感数据还存在很大不确定性(Yuan et al, 2016)。 采用时间窗为24h、空间窗为5 km的比对方法, 对比了2015年6月14日在南海北部利用Seabird 911 plus CTD 所测得的2m深处温度数据与OSTIA的海表温度数据(图3), 发现图3a和b中海表温度的空间分布完全一致, 其相关系数达0.82 (图3c)。两个数据之间的偏差为0.2℃, 标准偏差为 0.32℃, 这比OSTIA产品在全球约0.5℃的精度(Donlon et al, 2012)稍高。因此, 融合的遥感海表温度基本能反映真实的海表温度, 特别是能反映真实的空间分布。
图3d展示2015年珠江口外—广东沿岸海表温度年内变化曲线, 可以看到最低水温出现在1月, 最高水温出现在6月和8月, 整体趋势为2—8月为增温期, 8月至次年2月为降温期; 同时可以看出温度升高的速度高于温度降低的速度。另外, 观察海表温度空间分布(图4), 可以看到在同一时间内, 外海区域的温度普遍高于沿岸温度。分析海表层温度的季节变化, 可知其季节性变化明显。杨海军等(1998)认为, 南海北部四季平均水温分布与年均环流状况对应较好。
Fig. 3 OSTIA SST (a), in situ SST (b), scatter plots between OSTIA SST and in situ SST (c), and seasonal variation of zonal mean SST (d)

图3 2015年 6月14日OSTIA海表温度数据(a)、现场观测数据(b)、观测数据与实测数据的散点图(c)以及不同区域海表温度的季节变化(d)

Fig. 4 Spatial distributions of SST in (a) winter, (b) spring, (c) summer, and (d) autumn

图4 海表温度空间分布
a. 冬季; b. 春季; c. 夏季; d. 秋季

图4显示了海表温度的空间变化。冬季, 等温线整体上呈东北—西南走向, 与海岸线近似平行; 春季, 海表温度大约高出冬季2℃左右, 等温线仍与海岸线近似平行, 呈东北—西南走向; 夏季, 表层水温整体升温, 且分布相对较均匀, 广东沿岸海表温度约28℃, 外海在30℃左右, 南北温差相对较小, 基本不超过2℃, 此时在南海有暖涡出现(图4c), 等温线的东北—西南走向被削弱, 由于夏季南海北部环流比较复杂, 该暖涡还需要进一步的研究; 秋季, 9月海表温度分布和夏季相似, 10月28℃等温线明显向离岸方向推进, 相对于夏季有所降低。

2.2 温度梯度的时空变化

由于计算方法中最大梯度法包含了各个方向的梯度, 其值应更能反映真实的锋面状态, 以下是两个例子。2015年1月8日, 最大温度梯度法中锋面区域(深红)比原方法所得的锋面带更宽一些(图5 a与b), 这说明最大梯度法捕捉到了同一时间同一地点上较大的梯度值, 使得锋面带更完善。在粤西区域(白色箭头所示位置), 最大梯度法显示的锋面梯度更大。5月3日在珠江口东侧的口门位置, 最大温度梯度法显示出现了较大梯度的锋面(4℃每5km)(图5c), 然而在普通梯度法中并不显著, 因此最大梯度法较适合用于珠江口位置。
温度锋面具有明显的季节变化特征(图6)。冬季(图6a), 整个研究区域有非常显著的温度锋面带, 粤东、粤西和珠江口都有稳定的温度锋(大于5℃每5km); 春季(图6b), 温度锋面较冬季有所削弱, 粤东区域锋面仍然强, 珠江口处温度锋有断开的现象, 粤西温度锋也有所减弱; 进入夏季(图6c), 海南岛东部温度锋面显著, 台湾岛西部也存在较明显的温度锋面, 珠江口位置温度梯度值波动则较大, 同时粤西区域一直处于低梯度值的情况; 秋季(图6d)仍延续了夏季的情况, 整体梯度值较低, 珠江口和粤东地区有较强温度锋, 粤西海域相对稳定, 处于低梯度值。
Fig. 5 The SST gradient magnitude from (a) maximum gradient method, and (b) gradient magnitude method on Jan. 8th, 2015. (c) Maximum gradient method, and (d) gradient magnitude method on May 3rd, 2015. Units: ℃·(5 km)-1

图5 2015年1月8日梯度最大化方法(a)和普通梯度方法(b)以及5月3日梯度最大化方法(c)和普通梯度法(d)得到的温度梯度状况(色柱单位: ℃·(5km)-1)

Fig. 6 Seasonal variation of SST gradient magnitude in (a) winter, (b) spring, (c) summer, and (d) autumn. Units: ℃·(5 km)-1

图6 温度锋面分布图
a. 冬季; b. 春季; c. 夏季; d. 秋季. 色柱单位: ℃·(5km)-1

图7a为分别制得的3个区域温度锋面随时间变化曲线。可以看到广东沿岸3个区域的温度锋整体特征是冬季最强, 春季减弱, 夏季最弱, 秋季后期向冬季过渡温度锋逐渐加强。温度锋在1月最强, 此时标准偏差也最小(小于0.5℃每5km), 说明锋的形态与强度变化幅度较小; 春季是温度锋开始减弱, 温度梯度最大值的标准偏差变大可达1℃每5km; 夏季温度锋强度达到最小, 最大温度梯度值平均值表现为粤东> 珠江口>粤西。粤东因为有上升流的存在(庄伟, 2004), 锋面强度最大, 珠江口的温度锋受珠江口径流量的影响, 而粤西区域温度锋面强度最小。由于夏季的锋面系统时间尺度较小, 并且在珠江口附近锋面位置变化较大(Ou et al, 2007), 温度梯度的标准差达到最大值(约1.5℃每5km); 秋季, 9月温度锋的分布与夏季类似, 10月温度锋开始加强, 最先形成于22°N、113.5°E的位置, 是冬季温度锋的形成初期, 随后温度锋强度与范围持续增大。
Fig. 7 Monthly mean (a) SST gradient magnitude and (b) wind speed. The error bar stands for the standard deviation of SST gradient magnitude

图7 粤东沿岸温度梯度(a)和风速大小(b)的季节变化
误差棒代表的是各个区域的温度梯度的均方差

3 季风对广东沿岸锋面季节变化的影响

季风、羽状流、上升流、南海暖流、地形等都对广东沿岸温度锋面有影响(Wang et al, 2001; Gan et al, 2009), 而羽状流、上升流、南海暖流等的季节变化都与季风有关(刘秦玉 等, 1997; Ou et al, 2007; Jing et al, 2015), 因此本研究主要讨论季风对锋面的影响。前人研究认为,季风对广东沿岸温度锋面季节变化起着重要作用(Wang et al, 2001; 王磊, 2004), 图7b也显示温度锋的强度与风速的大小变化趋势一致, 但是季风通过什么物理过程影响锋面尚未有明确的解释。本文将从热力学角度分析季风对锋面强度的影响。
在不考虑海水水平平流、垂向对流以及湍流耗散时, 海水吸收的热量可以由海气界面热收支方程获得,
其中: Q(t)为净热通量; QSR为太阳短波辐射; QL、QS分别为潜热通量、感热通量; QLR为长波辐射; ρa为大气密度1.2kg·m-3; CE=1.18×10-3, CH=1.16×10-3, 分别为潜热、感热系数; L=2.501-0.00237T(t)为水汽蒸发潜热; T为海表温度。σ=5.67×10-8W·m-2·K-4为斯蒂芬博尔兹曼常数, nc为云量, P为大气压强, 为水汽压, qs(t)为饱和比湿, 其值由压强与海表温度给出。
本研究假定A、B两点上空吹定常的西南风, 且A、B上方气团的大气温度、湿度、风速分别为Ta=28℃、qa=19g·kg-1、w=5m·s-1。
由热功当量可知, 水深为H(假定为6m)单位面积的水柱吸收净热通量与海表温度变化的关系为:
其中: ρ为海水密度, 这里取常数1200kg·m-3; Cp为等压热容量1006J·kg-1·K-1, 那么温度的变化为
其中To代表A、B两点的初始温度, A点为23℃, B点为26℃。
A、B两点海表温度的变化如图8所示。这里A、B两点分别代表冷水区与暖水区, 在20天后冷水区与暖水区温度相近, 意味着温度锋面消失。通过对增温过程中潜热通量、感热通量、长波辐射和短波辐射的比较, 我们发现潜热通量量值最大, 为200~500W·m-2。因此, 广东沿岸锋面消失的过程可以总结为: 西南风将高温、高湿的暖气团携带至锋面两侧, 冷水区(A点)海水的潜热通量释放小于暖水区(B点)的潜热通量释放, 当太阳短波辐射均一时, 冷水区海水吸收的热量大于暖水区吸收的热量, 最终由方程(15)可知冷水区温度升速大于暖水区温度升速(图8b), 进而两边温度达到一致(方程(16)), 导致锋面消失。锋面生成过程相反。
Fig. 8 (a) Spatial distribution of SST, and (b) SST temporal variation at stations A and B. A and B stand for cold ad warm zones, respectively. Purple arrow stands for wind speed

图8 温度的空间分布图(a)及变化趋势(b)
A点对应图b中的冷区, B点对应暖区。紫色箭头代表风向

风通过湍流热通量影响海洋温度锋面的物理过程在大尺度锋面区域已有实测数据验证过。上面的简单模型证明了风向可以通过影响海气界面热量交换而引起锋面的生消。Qiu等(2014) 利用7年的遥感数据定量得出风向是引起副热带锋面消失的主要机制。王磊(2004)曾从动力学上推测冬季广东沿岸近岸相对较暖的海水在东北季风的作用下形成向岸一侧的Ekman输运, 从而使其与沿岸冷水之间的温度梯度增大, 因此温度锋面更明显; 夏季西南季风有助于近岸表层海水的离岸Ekman输运, 降低了近岸海水垂向温度梯度, 温度锋面减弱甚至消失。Qiu等(2016)分析航次观测数据发现, 海气净热通量是南海北部海洋上层混合最重要的原因。这些都从侧面支持了本文的观点, 即风向影响锋面两侧的海气界面的湍流热通量, 因而引起广东沿岸锋面生消。

4 结论

本文基于2015年珠江口外—广东沿岸的海表温度遥感数据OSTIA以及风场数据, 采用多重坐标系求温度梯度最大值法, 探讨了2015年广东沿岸温度锋面的时空变化特征, 并重点分析了季风对温度锋面的影响, 主要结论如下。
1) 以温度梯度最大值法获取研究区域中各格点梯度最大值后所绘制的温度锋面分布图较贴近实际情况, 如部分珠江口位置的温度锋面分布情况;
2) 粤西、珠江口、粤东3个区域月均温度梯度变化趋势整体一致, 均在冬季锋面最强烈, 在夏季锋面最弱, 春秋季节梯度值波动较大;
3) 简单的模型分析表明, 西南季风会引起广东沿岸冷水区与暖水区之间的潜热通量差异, 引起暖水区吸热少, 冷水区吸热多, 最终导致锋面消失。

The authors have declared that no competing interests exist.

References

Publishing order | Descend order by publishing year | Descend order by cited within
[1]
陈俊昌, 1983. 南海北部冬季海面温度实时分布特征的若干解译[J]. 海洋学报, 5(3): 391-395.

[2]
李立, 郭小钢, 2000. 台湾海峡南部的海洋锋[J]. 台湾海峡, 19(2): 147-156.

LI LI, GUO XIAOGANG, 2000. Oceanic fronts in southern Taiwan Strait[J]. Journal of Oceanography in Taiwan Strait, 19(2): 147-156.

[3]
刘秦玉, 李薇, 徐启春, 1997. 东北季风与南海海洋环流的相互作用[J]. 海洋与湖沼, 28(5): 493-502.

LIU QINYU, LI WEI, XU QICHUN, 1997. Interaction between the northeast monsoon and ocean circulation in South China Sea[J]. Oceanologia et Limnologia Sinica, 28(5): 493-502 (in Chinese).

[4]
罗琳, 王东晓, 刘赟, 等, 2003. 北部湾温度锋的季节与年际变化[J]. 热带海洋学报, 22(4): 60-67.

LUO LIN, WANG DONGXIAO, LIU YUN, et al, 2003. Seasonal and interannual variabilities of thermal fronts in Beibu Gulf, South China Sea[J]. Journal of Tropical Oceanography, 22(4): 60-67 (in Chinese).

[5]
邵连军, 张红雷, 张春华, 等, 2015. 基于海温遥感资料的海洋锋检测方法[J]. 海洋测绘, 35(2): 42-44, 51.

SHAO LIANJUN, ZHANG HONGLEI, ZHANG CHUNHUA, et al, 2015. A method for detecting the oceanic front using remotely sensed sea-surface temperature[J]. Hydrographic Surveying and Charting, 35(2): 42-44, 51 (in Chinese).

[6]
王磊, 2004. 南海北部陆架区域的海洋锋及锋面涡旋研究[D]. 青岛: 中国海洋大学.

WANG LEI, 2004. A study of fronts and frontal eddies in the northern shelf region of the South China Sea[D]. Qingdao: Ocean University of China (in Chinese).

[7]
薛存金, 苏奋振, 周军其, 2007. 基于小波分析的海洋锋形态特征提取[J]. 海洋通报, 26(2): 20-27.

XUE CUNJIN, SU FENZHEN, ZHOU JUNQI, 2007. Extraction of ocean fronts based on wavelet analysis[J]. Marine Science Bulletin, 26(2): 20-27 (in Chinese).

[8]
杨海军, 刘秦玉, 1998. 南海上层水温分布的季节特征[J]. 海洋与湖沼, 29(5): 501-507.

YANG HAIJUN, LIU QINYU, 1998. The seasonal features of temperature distributions in the upper layer of the South China Sea[J]. Oceanologia et Limnologia Sinica, 29(5): 501-507 (in Chinese).

[9]
赵宝宏, 刘宇迪, 赵加华, 等, 2011. 南海海洋锋季节分布特征初探[C]//第28届中国气象学会年会——S17第三届研究生年会. 厦门: 中国气象学会: 1-16.

[10]
朱凤芹, 谢玲玲, 成印河, 2014. 南海温度锋的分布特征及季节变化[J]. 海洋与湖沼, 45(4): 695-702.

ZHU FENGQIN, XIE LINGLING, CHENG YINHE, 2014. Distribution and seasonal variations of temperature front in the South China Sea[J]. Oceanologia et Limnologia Sinica, 45(4): 695-702 (in Chinese).

[11]
庄伟, 2004. 粤东和越南沿岸上升流的分布特征及形成机制[D]. 厦门: 厦门大学.

ZHUANG WEI, 2004. Study of distribution and generating mechanism of eastern Guangdong and Vietnam Coastal upwelling[D]. Xiamen: Xiamen University (in Chinese).

[12]
BELKIN I M, CORNILLON P C, SHERMAN K, 2009. Fronts in large marine ecosystems[J]. Progress in Oceanography, 81(1-4): 223-236.

[13]
DONLON C J, MARTIN M, STARK J, et al, 2012. The operational sea surface temperature and sea ice analysis (OSTIA) system[J]. Remote Sensing of Environment, 116: 140-158.

[14]
GAN JIANPING, LI LI, WANG DONGXIAO, et al, 2009. Interaction of a river plume with coastal upwelling in the northeastern South China Sea[J]. Continental Shelf Research, 29(4): 728-740.

[15]
JING ZHIYOU, QI YIQUAN, DU YAN, et al, 2015. Summer upwelling and thermal fronts in the northwestern South China Sea: Observational analysis of two mesoscale mapping surveys[J]. Journal of Geophysical Research: Oceans, 120(3): 1993-2006, doi: 10.1002/2014JC010601.

[16]
JING ZHIYOU, QI YIQUAN, FOX-KEMPER B, et al, 2016. Seasonal thermal fronts on the northern South China Sea shelf: Satellite measurements and three repeated field surveys[J]. Journal of Geophysical Research: Oceans, 121(3): 1914-1930.

[17]
OLSON D B, HITCHCOCK G L, MARIANO A J, et al, 1994. Life on the edge: marine life and fronts[J]. Oceanography, 7(2): 52-60.

[18]
OU SUYING, ZHANG HONG, WANG DONGXIAO, et al, 2007. Horizontal characteristics of buoyant plume off the pearl river estuary during summer[J]. Journal of Coastal Research, 23(1): 652-657.

[19]
QIU CHUNHUA, WANG DONGXIAO, KAWAMURA H, et al, 2009. Validation of AVHRR and TMI-derived sea surface temperature in the northern South China Sea[J]. Continental Shelf Research, 29(20): 2358-2366.

[20]
QIU CHUNHUA, WANG DONGXIAO, HE ZHIGANG, et al, 2012. Seasonal variability of chlorophyll a fronts in the Luzon Strait based on satellite observations[J]. Aquatic Ecosystem Health & Management, 15(1): 46-52.

[21]
QIU CHUNHUA, KAWAMURA H, MAO HUABIN, et al, 2014. Mechanisms of the disappearance of sea surface temperature fronts in the subtropical north Pacific Ocean[J]. Journal of Geophysical Research: Oceans, 119(7): 4389-4398.

[22]
QIU CHUNHUA, CUI YONGSHENG, REN JIE, et al, 2016. Characteristics of the surface mixed layer depths in the northern south china sea in spring[J]. Journal of Oceanography, 72(4): 567-576.

[23]
SHIMADA T, SAKAIDA F, KAWAMURA H, et al, 2005. Application of an edge detection method to satellite images for distinguishing sea surface temperature fronts near the Japanese coast[J]. Remote Sensing of Environment, 98(1): 21-34.

[24]
WANG DONGXIAO, LIU YUN, QI YIQUAN, et al, 2001. Seasonal variability of thermal fronts in the northern South China Sea from satellite data[J]. Geophysical Research Letters, 28(20): 3963-3966.

[25]
YUAN JINNAN, WANG DONGXIAO, LIU CHUNXIA, et al, 2016. Validation of microwave-infrared, tropical rainfall measuring mission microwave imager and advanced microwave scanning radiometer-earth observing system and WindSat-derived sea surface temperatures in coastal waters of the northern South China Sea[J]. Aquatic Ecosystem Health & Management, 19(3): 260-269.

Options
Outlines

/

〈 〉