Search
E-mail
RSS

Online submission Editor-in-chief Peer review Staff Login

Journal of Tropical Oceanography >

2018 , Vol. 37 >Issue 5: 62 - 73

DOI: https://doi.org/10.11978/2017121

Orginal Article

Vertical variability of chlorophyll a concentration and its responses to hydrodynamic processes in the northeastern South China Sea in summer

  • XU Wenlong , 1, 2 ,
  • WANG Guifen , 1, 3 ,
  • ZHOU Wen 1 ,
  • XU Zhantang 1 ,
  • CAO Wenxi 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
  • 3. College of Oceanography, Hohai University, Nanjing 210098, China;
Corresponding author: Wang Guifen. E-mail:

Received date: 2017-11-10

  Request revised date: 2018-03-07

  Online published: 2018-10-13

Supported by

National Natural Science Foundation of China (41776045, 41376042, 41576030, 41776044)

Open Project Program of the State Key Laboratory of Tropical Oceanography (South China Sea Institute of Oceanology, Chinese Academy of Sciences) (LTOZZ1602)

Copyright

热带海洋学报编辑部
Fold

Abstract

Chlorophyll a (Chla) concentration is an important indicator of phytoplankton biomass for estimating primary production, which exhibits inhomogeneous vertical distribution. In this study, optical measurements with high vertical resolution were used for studying the spatio-temporal variability of Chla profiles and its influencing mechanism, providing us much insights for understanding marine environmental dynamics in the South China Sea. In this study, an optical inversion method was proposed to retrieve Chla profiles from in situ measurements with high-spectral absorption/attenuation spectrophotometer in the northeastern South China Sea. Based on the in situ data of the Kuroshio Cruise in summer 2015, an empirical relationship between the absorption line height at 676 nm and Chla was developed for inverting Chla with a high accuracy (Chla=49.96×(aLH(676) (676))0.9339, the coefficient of determination R2=0.87, the root mean square error RMSE=0.16 mg·m-3). Moreover, the response characteristics of Chla profiles to different hydrodynamic processes were studied. Results showed that large spatial differences existed in the vertical distribution of Chla. In the nearshore area, surface Chla varied from 0.42 to 1.57 mg·m-3, which generally followed a decreasing trend with depth. Uniform vertical distribution of Chla in upper ocean was observed in the coastal upwelling region. The Subsurface Chlorophyll Maximum (SCM) layer is nearly ubiquitous in stratified waters of the open ocean, with its vertical structure being influenced by mesoscale processes. The depth of SCM ranged between 34 and 100 m, which showed consistent variability with the isopycnal depth of 1023 kg·m-3. The SCM layer was uplifted to about 34 m due to the mixing effect in the upper ocean caused by Kuroshio intrusion in the western area of Luzon Island. The uplifting and widening of the SCM layer were also observed in the area affected by a cold eddy, with obviously different features in the eddy center from that on the eddy edge.

Key words： the northeastern South China Sea; vertical distribution of chlorophyll a concentration; Subsurface Chlorophyll Maximum; absorption line height; hydrodynamic processes

Cite this article

XU Wenlong , WANG Guifen , ZHOU Wen , XU Zhantang , CAO Wenxi . Vertical variability of chlorophyll a concentration and its responses to hydrodynamic processes in the northeastern South China Sea in summer[J]. Journal of Tropical Oceanography, 2018 , 37(5) : 62 -73 . DOI: 10.11978/2017121

浮游植物是海洋初级生产力的主要贡献者, 其贡献约占全球初级生产力的50%, 在全球生态系统中占有至关重要的作用(黄邦钦 等, 2006)。确定全球海洋浮游植物的时空分布规律及其演变的环境控制机理, 是海洋生态系统结构与功能研究的重要组成部分(傅明珠 等, 2009)。叶绿素a是浮游植物进行光合作用的主要色素, 也是海洋生态学研究的基本参数。研究者通常使用叶绿素a浓度指示浮游植物生物量, 用于估算海洋初级生产力。现场分层采样是目前海洋生态学调查研究叶绿素a浓度剖面变化的常规测量方法, 但是相对而言, 其深度分辨率较低, 难以准确描述时空频率变化快、大尺度海洋的叶绿素a浓度变化。叶绿素荧光仪作为一种快速、灵敏、非破坏性、低能耗的测量方式(Yentsch et al, 1963, 陈纪新 等, 2013), 被广泛地应用于走航观测、生物地球化学浮标(邢小罡 等, 2012), 水下滑翔机等多种监测平台。但是对叶绿素荧光仪的定标, 人们多半是采用可控生长环境下、对数生长期内的单一藻类进行, 不同种群差异、色素打包效应以及非光化学湮灭作用得不到有效去除(Cullen et al, 1995)。浮游植物在长波波段的吸收特性, 为利用海水高光谱吸收测量推算叶绿素a浓度剖面提供了另外一种有效手段。浮游植物在红光波段的吸收峰值与在蓝波段的吸收峰值相比, 表现出更弱的色素打包效应, 而辅助色素的吸收贡献可以通过计算676nm在以650到715nm为线性吸收背景的吸收基线高度有效移除, 同时还可以较大程度上去除干扰颗粒物和溶解物质的吸收贡献(Roesler et al, 2013)。
南海是西北太平洋最大的边缘海(Liu et al, 2002), 其北部是热带陆架海, 从台湾海峡向西南延伸到雷州半岛, 呈西南东北走向, 长约750km, 从沿岸到120m等深线, 宽约200km, 在东部通过吕宋海峡与太平洋相连通, 吕宋海峡平均水深在1500m左右, 是南海重要的水体交换通道(Chu et al, 2000, Wong et al, 2015)。南海北部受沿岸上升流、中尺度涡及黑潮入侵等动力过程影响下, 水文及营养盐环境存在明显的空间差异, 表现出复杂的生态响应特征(Lu et al, 2010, Han et al, 2012, Lin et al, 2014, Zhang et al, 2016, Guo et al, 2017)。南海北部的汕头至汕尾沿岸受到风和地形的共同作用, 易于形成上升流(吴日升 等, 2003, Wong et al, 2015), 上升流把下层低温、高营养盐的海水带到上层, 增加局地的浮游植物生物量。在热带及副热带太平洋(包括南海), 季风驱动引起斜压不稳定产生中尺度涡是普遍存在的现象(Xu et al, 2002), 其中气旋式中尺度涡会抬升温跃层的深度, 反气旋则反之(Ning et al, 2004)。中尺度涡通过涡致搅拌、涡致携带、涡致抽吸及涡致Ekman抽吸等物理过程影响中尺度涡中心及周围的叶绿素分布(Mcgillicuddy et al, 1998, Ning et al, 2004, Siegel et al, 2008, He et al, 2016, Mcgillicuddy, 2016)。源于北赤道流的黑潮通过吕宋海峡入侵南海时, 其携带的高温高盐低营养盐海水及其相关的涡旋可以强烈扰动南海北部的水文环境及营养盐分布, 进而影响南海北部生态参数的分布(Wang et al, 2003, Chen et al, 2010, Hu et al, 2011, Zhang et al, 2016, Guo et al, 2017) 。
基于多年的航次调查, 人们研究发现沿岸、陆架到外海, 水体类型表现出明显的差异; 水体的营养盐结构发生较大变化, 相应的叶绿素a浓度也表现出不同的剖面分布(Ning et al, 2004, 陈纪新 等, 2006)。柯志新 等(2013)基于航次调查资料初步分析了南海不同区域叶绿素a浓度的垂向变化, 结果显示叶绿素在不同水层的水平分布差异很大, 垂直分布随站点深度变化也有较大差异。高姗 等(2010)基于10年的南海实测数据, 利用统计半分析模型分析了南海叶绿素a浓度垂直分布与海水物理环境之间的关系, 结果表明在表层叶绿素低值区(海盆), 拟合效果较接近平均态, 在表层叶绿素高值区(近岸), 拟合效果较差。Zhang等(2016)基于南海布放生物地球化学浮标数据, 指出南海中央海盆有一个深度介于48~96m永久的次表层叶绿素极大值(Subsurface Chlorophyll Maximum, SCM); 南海海盆北部冬季受到风应力混合、海表冷却、黑潮水入侵及水平输送共同作用, 充分补给了表层的营养盐, 进而表现出高的叶绿素a浓度。但是受限于观测方法及观测平台, 目前针对南海北部海域叶绿素剖面变化的研究结果还较为定性, 亟须实测垂向高分辨率数据的补充研究。
本文基于南海北部2015年夏季黑潮航次调查资料, 尝试建立一种适用南海北部的叶绿素a浓度的生物光学反演算法, 获取了垂向高分辨的叶绿素a浓度分布剖面。据此阐述了航次调查期间南海北部不同水动力过程影响下叶绿素a浓度分布剖面变化特征, 深入探讨了叶绿素a浓度剖面分布与主要环境因子和动力过程(上升流、涡旋及黑潮入侵)的关系, 旨在初步揭示南海东北部区域夏季叶绿素a浓度分布特征及其对动力过程的响应。

1 数据和方法

1.1 调查站点和水样采集

本文所用的现场实测数据来自2015年夏季黑潮航次, 调查时间是2015年8月5日到2015年8月17日, 调查站点分布如图1, 共36个水文参数调查站点, 21个光学调查站点。水文站点调查参数包括温度、盐度和深度, 生物光学调查站点包括固有光学参数的垂向剖面观测及分层叶绿素a浓度采样。
Fig. 1 Sampling sites in the northern South China Sea during August 2015. The section profile (T1) used in Fig. 6 is marked. Black line shows the topography of the study area (units: m)

图1 调查海区及站点分布
红框(T1)代表图6所示的断面; S表示航次作业站位, 共计36个水文参数调查站点, 21个光学调查站点; 黑实线为水深等值线(单位: m)

温度、盐度、深度由SeaBird公司CTD获取。匹配光学调查站点, 用Niskin采水器分别采集了标准层深度(沿岸: 0m, 10m, 15m, 25m; 外海: 0m, 25m, 50m, 75m)的海水, 在低压情况下(<125mm Hg, 约为1.7×104 kg·m-1·s-2)将一定体积的(0.5~1L)的水样过滤到直径25mm、孔径0.7μm的Whatman GF/F滤膜上, 放入液氮瓶中冷冻保存; 回到实验室后, 采用荧光法测量叶绿素a浓度, 所用仪器Turner-Design 10 型荧光计, 有关测量方法见文献Parsons等(1984)。

1.2 现场光学数据

海水吸收光谱使用高光谱吸收/衰减测量仪进行测量, 测量波长范围为401.6~744.1nm, 共82个波段, 光谱分辨率为4nm, 数据采样频率为5Hz, 近岸观测水深在20至40m左右, 外海在50至100m左右。航次出发前在实验室利用Milli-Q超纯水对ACS仪器进行标定。航次中各站点ACS测量的原始数据, 经超纯水定标文件校正后, 用同步采集的CTD数据进行温盐校正(Sullivan et al, 2006); 散射校正应用了基线校正的方法, 即设置716nm波段的吸收值为零。处理后的吸收光谱数据进行异常点剔除, 去除了小于零以及偏离平均值3倍标准差的点。保留的有效吸收光谱数据进行1m间隔深度插值, 选取650nm、676nm、715nm三个波段的吸收值数据作为后续研究的吸收光谱基础数据集。

1.3 遥感数据

本文使用航次调查期间的遥感数据包括海表温度数据(Sea Surface Temperature, 以下简称SST), 延时海表高度异常数据(Delayed Time-Mean Sea level anomaly, 以下简称DT-MSLA), 海面风场数据(Sea Surface Wind, 以下简称SSW), 以及海表叶绿素数据。卫星高度计数据为法国国家空间研究中心卫星海洋学存档数据中心(AVSIO)提供的TOPEX/ Poseidon、Jason-1、ERS-1 和ERS-2 等高度计融合的延迟时间海表高度异常格点数据(DT-MSLA), 空间分辨率为15′×15′; 海表温度数据来自欧空局(ESA)(http://www.ghrsst-pp.org), 空间分辨率为7′30″×7′30″; 风场数据使用NOAA空间分辨率为15′×15′的海面风场数据(ftp://eclipse. ncdc.noaa.gov/pub/seawinds/); 海表叶绿素数据由Globcolour(http://hermes.acri.fr)获得, 空间分辨率为2′10″×2′10″。同时利用NOAA的风场数据计算了航次调查期间风应力旋度及Ekman抽吸速度, 空间分辨率为15′×15′。
风应力的定义式为:
${{\mathsf{\tau }}_{\mathrm{x}}}={{\mathrm{ }\!\!\rho\!\!\text{ }}_{\mathrm{a}}}\times {{\mathrm{C}}_{\mathrm{d}}}\times {{\left( {{\mathsf{W}}_{\mathrm{x}}}+{{\mathsf{W}}_{\mathrm{y}}} \right)}^{1/2}}\times {{\mathsf{W}}_{\mathrm{x}}}$
${{\mathsf{\tau }}_{\mathrm{y}}}={{\mathrm{ }\!\!\rho\!\!\text{ }}_{\mathrm{a}}}\times {{\mathrm{C}}_{\mathrm{d}}}\times {{\left( {{\mathsf{W}}_{\mathrm{x}}}+{{\mathsf{W}}_{\mathrm{y}}} \right)}^{1/2}}\times {{\mathsf{W}}_{\mathrm{y}}}$
风应力的旋度定义为:
$Cur{{l}_{\mathrm{z}}}=\frac{\partial \left( {{\mathsf{\tau }}_{\mathrm{y}}} \right)}{\partial \mathrm{x}}-\frac{\partial \left( {{\mathsf{\tau }}_{\mathrm{x}}} \right)}{\partial \mathrm{y}}$
Ekman垂向抽吸速度定义为:
${{\mathsf{\omega }}_{\mathrm{e}}}=\frac{\partial \left( Cur{{l}_{\mathrm{z}}} \right)}{{{\rho }_{^{_{\mathrm{w}}}}}\times \mathrm{f}}$
式中, τx与τy分别代表经向与纬向的风应力, 单位N·m-2; ρa=1.22kg·m-3为空气的密度; 拖曳系数Cd=1.3×10-3; W代表风速; ρw=1.025×103kg·m-3为海水的密度; 科氏力参数f=2×Ω×sinθ, 地球自转角速度Ω=7.292×10-5rad·s-1, θ为纬度。

1.4 叶绿素a浓度的吸收基线高度反演算法

本文采用676nm处的吸收基线高度法反演叶绿素a浓度(图2a), 具体的推演方法参考文献Boss 等(2013)和Roesler 等(2013)。如公式(5)所示, 吸收基线高度aLH(676)可由650nm、676nm、715nm三个波段的吸收值推算得到, 而叶绿素a浓度Chla与aLH(676)存在强幂指数函数相关性(公式(6))。
$\begin{align} & {{\mathrm{a}}_{\text{LH}}}\left( \text{676} \right)=\mathrm{a}\left( 676 \right)- \\ & \ \ \ \ \ \ \ \ \ \left( \frac{\mathrm{a}\left( 715 \right)-\mathrm{a}\left( 650 \right)}{715-650}\times \left( 676-650 \right)+\mathrm{a}\left( 650 \right) \right) \\ \end{align}$
$\text{Chla=}\mathrm{m}\times {{\left( {{\mathrm{a}}_{\text{LH}}}\left( \text{676} \right) \right)}^{\mathrm{n}}}$
式中, aLH(676)代表在676nm处的吸收基线高度, 单位为m-1; a代表海水总系数, 单位为m-1; m、n代表拟合线的系数。
Fig. 2 Estimation of Chlorophyll a concentration from a bio-optical algorithm. The description of absorption line height (a) and scatter plots of the absorption line height in 676 nm and chlorophyll a concentration, for a variety of standards of division (b, c, d). (d) Black line is the regression obtained in this study, while the red line is based on Boss et al (2013). The coefficient of determination between the logarithms of aLH(676) and Chla is 0.87, and the root mean square error (RMSE) is 0.16 mg·m-3. N=69

图2 叶绿素a浓度生物光学反演算法
a. 海水的总吸收光谱与aLH(676)的描述。b. 50m以浅(红色)与50m以深(蓝色)Chla与aLH (676)散点图拟合线。c. 近岸(红色)与外海(蓝色) Chla与aLH (676)散点图拟合线。d. 不同深度Chla与aLH (676)散点图; 黑实线是本文拟合回归的结果, 红色实线是基于Boss 等 (2013)给出的参数结果, 对数转换后的aLH (676)与Chla之间的决定系数(R2)为0.87, 均方根误差(RMSE)为0.16mg·m-3, N=69

因此, 本文选取标准层的吸收光谱推算的aLH(676)值, 以及同步采集的Chla实测数据进行幂指数函数拟合, 获取区域性的关系模型, 即
$\text{Chla=49}\text{.96}\times {{\left( {{\mathrm{a}}_{\text{LH}}}\left( 676 \right) \right)}^{0.9339}}$
模型的决定系数(R2)为0.87, 均方根误差(RMSE)为0.16mg·m-3。Boss 等(2013)提供的模型参数, 经区域性数据集(本文所用数据集)调整后, 模型精度得以提高(图2d)。
为进一步验证模型在不同水体环境中的适用性。考虑到水深及站点空间位置呈现出的叶绿素a浓度差异, 首先将整个吸收数据集划分为50m以浅的表层与50m以深的深层两部分, 采用公式(6)对两部分数据集分别进行幂指数拟合, 结果显示两部分的R2分别为0.88和0.89, RMSE分别为0.18mg·m-3和0.08mg·m-3 (图2b); 其次将陆架坡折深度120m等深线作为划分阈值, 数据集划分为120m以浅的近海区域与120m以深的外海区域, 获取的R2分别为0.77和0.81, RMSE分别为0.24mg·m-3和0.10mg·m-3(图2c)。分析表明676nm处的吸收基线高度与叶绿素a浓度之间的幂指数关系较稳健, 该模型适用于调查期间南海北部不同水体环境。

1.5 研究区域的划分

为了评估不同水体环境下叶绿素剖面的变化特征, 航次调查的南海北部水体根据水深以及水文动力环境进行了划分。首先以120m等深线(南海北部陆架坡折深度)为阈值划分近岸陆架区和开阔外海两部分(Wong et al, 2015)。其次, 近岸陆架区依据是否受离岸Ekman输送影响进一步划分为上升流区和非上升流区; 开阔外海可划分为南海局地生成的冷涡影响区、冷涡边缘区以及受到黑潮水影响的吕宋海峡西部海域。

2 结果与讨论

2.1 南海北部的水文动力背景分析

沿岸上升流是夏季南海东北部一个明显的物理过程(Gan et al, 2009)。平行于沿岸的风在地球自转的作用下, 把Ekman层的表层水向离岸方向输送, 从而将冷而富营养盐的深层水带到表层以补偿近岸水体质量的损失。航次观测期间, 南海北部盛行西南风(图3b), 汕头沿岸在离岸Ekman输送的作用下, 形成很强的沿岸上升流, 相应海区海表温度显现出显著低值(图3c), 相对低纬度外海的30±0.8℃, 上升流影响的沿岸区域温度在27±0.5℃。根据图3a平均海表高度异常和海表地转流场的分布图所示, 在吕宋海峡西部存在一个低的平均海表高度异常和封闭的等值线, 与外侧海域相比, 中心海区平均海表高度异常为6.5cm, 结合地转流场判断为弱的冷涡。图3d给出了航次调查期间多卫星合成产品(MODIS、SeaWiFS、MERIS)的月平均海表叶绿素a浓度分布图, 图中显示, 在近岸叶绿素a浓度普遍较高, 达到2mg·m-3, 其主要原因可能有陆源营养物质的输入、人类活动的影响以及沿岸上升流等因素的共同作用。在开阔外海, 受到营养盐的限制, 叶绿素a浓度普遍较低, 基本在0.15±0.05mg·m-3。
Fig. 3 Spatial distributions of mean sea level anomaly and geostrophic velocities (a), sea surface wind and wind stress curl (b), and sea surface temperature (c), together with sea surface chlorophyll during the survey (d). All data are downloaded from the websites (MSLA: ftp.aviso.altimetry.fr; SSW: ftp://eclipse.ncdc.noaa.gov/pub/seawinds/; SST: http://www.ghrsst-pp.org; Chla: http://hermes. acri.fr). Vectors in (a) and (b) are surface geostrophic currents and wind speed, respectively. Geostrophic current is from the AVSIO data. MSLA, SeaWind, SST, and Chla are 13-day-mean data during the period 5-17 August 2015. Wind stress curl is the data of 7 August 2015

图3 航次期间南海北部遥感数据分布
a. 平均海表高度异常及地转流场; b. 海表10m高度风场及风应力旋度; c. 海表温度; d. 海表叶绿素a浓度分布。数据是从相应网站下载(MSLA: ftp.aviso.altimetry.fr; SSW: ftp://eclipse.ncdc.noaa.gov/pub/seawinds/; SST: http://www.ghrsst-pp.org; Chla: http:// hermes.acri.fr), 时间范围是2015年8月5号至2015年8月17号, 时间分辨率为天, 图中展示的数据是由航次调查期间所有数据算术平均获得, 而风应力旋度为2015年8月7日的数据, 黑色实线代表海底地形等值线

2.2 南海北部叶绿素垂向分布特征及其空间差异

水色卫星反演获取的表层叶绿素a浓度分布图(图3d)清晰地描述了表层叶绿素a浓度从近岸到外海逐渐递减的趋势, 且表层叶绿素a浓度的分界线与120m等深线很好吻合, 此海域表层叶绿素a浓度(单点遥感反演叶绿素a浓度采用临近四个像元算数平均值替代)由1mg·m-3骤减为0.3mg·m-3左右。在近岸陆架区, 表层及水体剖面的叶绿素a浓度均普遍高于外海水体值(图3d与图4)。近岸陆架区站点表层叶绿素a浓度变化范围为0.42~ 1.57mg·m-3, 随着水深增加叶绿素a浓度逐渐降低, 可能与浑浊水体底层光照不充足相关。开阔外海的站点叶绿素剖面均观测到SCM, 分布形状类似单峰高斯曲线, 这一分布规律与前人的研究结果一致(宫响 等, 2012, Zhang et al, 2016)。夏季南海东北部水深大于120m区域水体出现明显的分层现象, 在水体分层时, 近表层垂直混合强度较为强烈, 跃层中垂直混合强度变弱, 自底向上输送的营养盐减少, 表层可利用的营养盐逐渐被耗尽, 次表层的浮游植物则继续生长, 从而出现层化水体经常出现的SCM现象。同时, 参考宫响 等(2010)给出的SCM深度、厚度及强度的定义及计算方法, 获取了不同站点的SCM深度、厚度及强度信息。结果显示, 不同站点的SCM所处的深度和厚度有较大差异, 其深度范围为30m到100m; 厚度从16m到52m不等; SCM强度变化范围为0.36~1.12mg·m-3, 平均强度为0.59mg·m-3。
Fig. 4 Chlorophyll a profiles estimated from absorption line height. Red/black solid lines represent stations with water depth lower/higher than 120 m

图4 基于吸收线性高度反演得到的叶绿素垂向分布剖面
红色实线代表水深大于120m的站点, 黑色实线代表水深小于120m的站点

2.2.1 上升流影响区的叶绿素a浓度剖面分布特征
上升流影响区选取了五个典型站点(S57、S56、S41、S40、S39)的叶绿素a浓度剖面进行分析。五个站点均位于近岸(图1), 叶绿素a浓度存在较大差异(图5a), 表层最大差异可达0.6mg·m-3, 在次表层最大Chla差异可达0.9mg·m-3。S56与S57表层与底层存在显著差异, 而另外三个站点叶绿素a浓度垂向上相对均匀分布。据卫星数据图3c所示, S41、S40、S39海域SST呈现冷异常, 海面盛行西南季风, 风速可达10m·s-1(图3b), S41、S40与S39, 依次逐渐远离沿岸上升流影响区, 向外海延伸。虽然风应力旋度仅为0.01×10-6 N·m-3(图3b), 相应的Ekman垂向抽吸速度较小, 对上升流的贡献非常微弱。但在科氏力和地转平衡的作用下, 沿岸线的西南风将表层海水向离岸方向输送, 因此, 底层水得以上升以补偿上层海水质量的损失, 在沿岸水深较浅区域形成较强的上升流(吴日升 等, 2003)。S41最靠近上升流区, 低温高盐, 上升流把下层低温高盐的海水带到上层, 伴随着下层高营养盐水体带到上层, 促进浮游植物的生长, 因而显现出高的叶绿素a浓度(Gan et al, 2009, Lin et al, 2014)。而S41、S40与S39水深较浅(<40m), 在上升流和潮汐的共同作用下, 水体充分混合, 温盐特性基本一致(图5b与图5c), 水体中的叶绿素也相对均匀分布(图5a), 但是, 受到光照等因素的影响, 在接近海底处, 叶绿素a浓度又有减小趋势。Lin等(2014)在2008年8月对同一个上升流区域进行了类似的研究, 叶绿素a浓度表层的分布与本文研究结果相近, 但在次表层Lin等(2014)观测发现了SCM的存在, 且随着远离海岸次表层叶绿素极大值层逐渐加深, 与本文研究结果有所差异, 这可能与上升流的强度有关。进一步分析发现, 在风应力主导的粤东沿岸上升流区(Jing et al, 2009), 观测期间风速较大(图3b), 上升流较强, 水体垂向混合均匀, 营养盐均一分布, 可能是造成叶绿素a浓度垂向相对均匀分布的主要影响因素。在近岸非上升流影响区站点的叶绿素a浓度值相对上升流区偏低, 叶绿素垂向剖面分布不均匀, 表层叶绿素a浓度较高, 底层叶绿素a浓度偏低。
Fig. 5 Vertical distributions of chlorophyll a concentration (a), temperature (b) and salinity (c). Blue and red are marked inside and outside the upwelling influenced area, respectively

图5 近岸叶绿素a浓度(a)、温度(b)和盐度(c)及分布剖面
蓝色代表上升流影响区, 黑色代表非上升流影响区; 不同形状标志代表不同的站点

2.2.2 冷涡影响区的叶绿素a浓度分布特征
吕宋海峡西部一直以来是涡旋频发区(Wang et al, 2003)。在寡营养海区, 冷涡形成初期, 通过涡旋抽吸作用形成的上升流, 把底层营养盐抽吸到真光层, 进而影响涡旋中心区的叶绿素分布(Siegel et al, 2008, Xiu et al, 2011)。如图3a平均海表高度异常显示沿着北纬21°从吕宋海峡向南海西部延伸有一个冷的海表高度异常, 异常中心大约位于北纬21°东经118°30′, 中心与外围的海表高度差可达6.5cm。S11、S20、S21、S22位于涡旋的中心影响区, 而S12、S13、S19、S28位于涡旋边缘。冷涡的中心与外围的温度差最大可达2.5℃, 在水深为40~80m的水层, 涡旋中心明显低于涡旋外测, 平均温度差可达1℃(图6a), 但盐度变化并不明显(图6b)。在涡旋中心表层水体盐度稍高于涡旋外测, 但是在60m以深, 涡旋中心与外围的盐度基本一致, 没有显著变化(图6b)。同时给出了穿过涡旋中心及边缘的一条断面(图1中, 标注为T1矩形红框), 包括站点S24、S23、S22、S21、S20、S19, 共计六个站点。本文利用22 ℃等温线所在的深度作为温跃层的深度(Zhang et al, 2016), 在冷涡中心温跃层的深度为50±10m, 在冷涡旋边缘深度达到100±10m, 冷涡中心温跃层的深度明显抬升(图6c和图6d)。冷涡中心的风应力旋度约为0.5× 10-6N·m-3(图3b), 相应Ekman垂向抽吸速度约为1.3×10-5m·s-1。为进一步展示涡旋的三维结构, 本文给出25m、65m、105m和150m的温盐分布切面(图7a和图7b), 为了显现处它们的变化, 对每一层都减去其平均值。在水深25m及以浅, 由于混合作用, 水体温度基本一致; 在65m深度, 存在一个显著的冷异常, 这可能是冷涡把底层低温水体向上输运的结果; 水温随着深度加深涡旋的影响变小, 在150m以深已经基本不受影响。
Fig. 6 Temperature (a) and salinity (b) profiles within the cold eddy. Sectional distribution of temperature (c) and salinity (d) along transect T1. The black dashed line corresponds to the thermocline (defined as the 22°C contour)

图6 冷涡断面(T1)的温度及盐度分布
(a)、(b)为温度、盐度随深度的分布; (c)、(d)为T1断面上温度、盐度的分布

Fig. 7 Three-dimensional structures of temperature anomaly (°C)(a) and salinity anomaly (‰)(b). The black dashed line indicates the area affected by the cold eddy

图7 冷涡影响范围温度距平(°C) (a)和盐度距平(‰)切面图(b)
切面图包含25m、55m、105mm、150m共计四层水体标准层, 图中黑色虚线框代表涡旋所在区域

在涡旋影响区, 光学调查水深均超过120m, 调查站点都存在SCM(图4)。但是通过对比涡旋中心与外围发现SCM的深度和厚度存在较大差异(图8a), 位于涡旋中心区的站点SCM所在的深度较浅, 厚度较厚, 而涡旋外侧的站点SCM深度较深, 厚度较薄。这可能与两个过程相关: 其一, 冷涡通过垂向输送, 把温跃层下的富营养水带到温跃层以上, 局地的浮游生物充分生长, 促使SCM厚度增大; 其二, 冷涡的垂向输送过程, 不仅抬升了温跃层的深度, 同时也抬升了SCM所在的深度。25m及以上的表层叶绿素a浓度处于低值区(图8b), 符合南海北部贫营养水体的特性; 在55m处叶绿素分布呈现一个涡旋结构, 中间高四周低, 梯度变化也比较大(图8c)。
Fig. 8 Vertical distribution of chlorophyll a concentration (mg·m-3) in a cold eddy in (a). Horizontal distribution of chlorophyll a concentration (mg·m-3) in a cold eddy (b, c); the contour intervals in (b) and (c) are 0.07 mg·m-3 and 0.04 mg·m-3, respectively. The symbols represent the station information used in (a)

图8 冷涡叶绿素a浓度(mg·m-3)分布剖面及切面
a. 叶绿素a浓度分布剖面; b. 5m水层叶绿素a浓度的分布, 等值线的间隔为0.07mg·m-3; c. 55m水层叶绿素a浓度的分布, 等值线的间隔为0.04mg·m-3。图b、c中◇、×等代表站位信息见图a

2.2.3 黑潮水影响区的叶绿素a浓度分布特征
吕宋岛西部海域各站点剖面显示, 站点S15的SCM深度异常浅, 仅有34m, 而在邻近S14站点SCM的深度则高达100m(图9a)。航次调查期间该海域并未观察到海表高度异常(图3a)。通过温盐剖面(图9a)发现站点S14的温跃层(22℃等温线所在的水层)深度约为114m, 而S15的温跃层深度仅有68m, 两个站点的盐度差异也较大。如图9b所示, 吕宋海峡西部海域S11、S21、S30站点的温盐特性较接近南海标准水团特性, 而靠近吕宋海峡海域S14、S15站点的温盐特性更接近黑潮水团特性(Chen et al, 2007); 相比S14站点, S15表层水体已符合黑潮水的特征。黑潮高温高盐低营养盐的水团与南海高温低盐高营养盐的水团相互转变过程中, 在水团转换边界形成较强的海洋锋面。海洋锋面以产生局地上升流或将次表层营养盐抬升至表层对锋面中区域生态系统生产力产生重要影响(Mahadevan, 2016, Guo et al, 2017)。因此, 黑潮入侵加速水体的垂向混合, 补充了上层水体的营养盐(马翱慧 等, 2013)。水体中的浮游植物得以充分生长, 进而在水深34m处就形成了SCM。
Fig. 9 Observed chlorophyll a concentration (green), temperature (red) and salinity (blue) profiles at the two sites in the western area of Luzon Island (a) and temperature versus salinity plots for five stations in the western area of Luzon Island (b). Typical South China Sea (SCS) and Kuroshio T/S curves are based on measurements made by Chen and Huang (1996). Solid lines are isopycnal contour lines (units: kg·m-3 ). S11, S20 and S21 are located in the western Luzon Strait; S14 and S15 are close to the region of Kuroshio intrusion

图9 黑潮影响区叶绿素a浓度及温盐分布
a. 吕宋岛西部海域站点叶绿素a浓度(绿色)、温度(红色)、盐度(蓝色)分布剖面, 虚线代表S14, 实线代表S15。b. 吕宋以西海域五个站点的位温-盐度廓线图; 黑色粗实线与红色黑实线分布代表Chen 等(1996)实测的典型南海水体(SCS)与黑潮水体(Kuroshio)温盐廓线图, 黑色细实线为密度等值线(单位: kg·m-3). S11、S20、S21在吕宋海峡西部, 站点S14、S15靠近黑潮影响区的站点

2.3 剖面积分叶绿素a浓度与现场实测表层叶绿素a浓度之间的关系

鉴于研究海域地形复杂, 水深变化大, 同时受仪器剖面观测深度的限制, 本文选取12个较完整的剖面进行了初步分析。采用公式(8)计算了水柱积分平均的叶绿素a浓度:
$\text{Chl}{{\text{a}}_{\text{d}}}=\frac{\mathop{\int }_{0}^{{{\mathrm{Z}}_{\text{max}}}}\text{Chla(}z\text{)d}z}{{{\mathrm{Z}}_{\text{max}}}}$
其中, z为深度, Zmax为最大观测深度, Chlad为水柱积分平均的叶绿素a浓度。
水柱积分结果表明, 南海东北部开阔外海在航次调查期间水柱积分平均的叶绿素a浓度的分布范围是0.25~0.44mg·m-3。分析发现水柱积分平均的叶绿素a浓度值(Chlad)与现场实测的表层叶绿素a浓度值(Chlasurf)的决定系数达0.57(图10a), 水柱积分平均的叶绿素a浓度值(Chlad)与Chlamax的值的决定系数达0.59(图10b), 因此, 可以尝试通过表层叶绿素含量推算叶绿素的水柱积分量。近年来, 研究者基于表层叶绿素a浓度(遥感反演或现场实测), 以真光层深度与混合层深度比值或表层叶绿素a浓度为阈值划分为不同研究区域, 利用单峰或双峰高斯曲线模拟了海洋中叶绿素a浓度的剖面分布(Uitz et al, 2006, Gong et al, 2015, Muñoz- Anderson et al, 2015)。但是均未使用温跃层深度作为模型的约束条件, 而温跃层的深度可用22 ℃等温线所在的深度近似代替(Zhang et al, 2016)。如图10c所示, 次表层叶绿素极大值所在的水深(ZSCM)与22 ℃等温线所在的深度(ZT22)有较好的相关性, 决定系数为0.79。通过以上相关参数统计分析, 基于表层叶绿素a浓度, 在水文环境因子约束下, 结合叶绿素剖面分布的高斯模型(宫响 等, 2012), 为推算整个水层的叶绿素垂向剖面分布情况提供一种可能性。
Fig. 10 Statistical analysis of related parameters. Chlad: The average of water column integrated chlorophyll a concentration;, Chlamax: subsurface chlorophyll maximum; ZSCM: subsurface chlorophyll maximum layer; ZT22: depth of 22°C; N=12

图10 相关参数统计分析图
叶绿素a浓度水柱积分均值(Chlad)与表层叶绿素a浓度(Chlasurf)(a)、叶绿素a浓度极大值(Chlamax)(b)之间的散点图; c为海水22℃等温线深度(ZT22)与次表层叶绿素极大值层深度(ZSCM)之间的散点图; N=12

3 结论

本文基于2015年夏季黑潮调查航次实测生物光学剖面, 利用676nm处吸收基线高度与叶绿素a浓度之间的关系, 建立了叶绿素a浓度反演算法, 其反演精度较高(R2=0.87和RMSE=0.16mg·m-3), 676nm处的吸收基线高度与叶绿素a浓度之间的幂指数关系较稳健, 该模型适用于航次调查期间南海北部不同水体环境。需要注意的是, 本模型是依据单个航次数据分析建立的, 下一步还需更多实测数据的补充验证。研究发现, 水动力过程对叶绿素a浓度的水平及垂向分布具有重要影响。卫星图像和现场观测均清晰展现2015年8月南海东北部表层叶绿素a浓度以120m等深线为界, 近岸一侧表层叶绿素a浓度较高, 而远离一侧表层叶绿素a浓度偏低。表层以下, 近岸站点的叶绿素a浓度随着深度增加而逐渐减小, 在沿岸上升流影响下的近岸站点, 叶绿素a浓度明显增高, 在垂向上相对趋于均一分布; 外海站点存在明显的次表层叶绿素极大值现象, 但受中尺度过程影响明显, SCM深度在34m到100m之间变化, 如在吕宋岛以西海域, 黑潮入侵加速上层水体的混合, 浮游植物得以充分生长, SCM所在水层显著被抬升至34m左右; 在冷涡影响区域, 次表层叶绿素浓度极大值层被抬升, 其厚度也增大。由于航次观测的时间和空间分辨率偏低, 只能捕捉到某一区域某一瞬时物理过程影响下的叶绿素分布特征, 今后将在更多观测数据积累基础上, 结合三维模式数据分析重要物理过程对叶绿素垂向分布的影响。
*感谢中国科学院南海海洋所“实验3”号科考船南海北部夏季黑潮航次资助; 衷心感谢河海大学的程旭华老师及各位同学的指导和帮助。

The authors have declared that no competing interests exist.

References

Publishing order | Descend order by publishing year | Descend order by cited within
[1]
陈纪新, 黄邦钦, 刘媛, 等, 2006. 应用特征光合色素研究东海和南海北部浮游植物的群落结构[J]. 地球科学进展, 21(7): 738-746.

CHEN JIXIN, HUANG BANGQIN, LIU YUAN, et al, 2006. Phytoplankton community structure in the transects across east China and northern South China Sea determined by analysis of HPLC photosynthetic pigment signatures[J]. Advance in Earth Science, 21(7): 738-746 (in Chinese with English abstract).

[2]
陈纪新, 黄邦钦, 柳欣, 2013. 海洋浮游生物原位观测技术研究进展[J]. 地球科学进展, 28(5): 572-576.

CHEN JIXIN, HUANG BANGQIN, LIU XIN, 2013. The progress of in situ observation of marine plankton[J]. Advances in Earth Science, 28(5): 572-576 (in Chinese with English abstract).

[3]
傅明珠, 王宗灵, 孙萍, 等, 2009. 2006年夏季南黄海浮游植物叶绿素a分布特征及其环境调控机制[J]. 生态学报, 29(10): 5366-5375.

FU MINGZHU, WANG ZONGLING, SUN PING, et al, 2009. Spatial distribution characteristics and the environmental regulation mechanisms of phytoplankton chlorophyll a in Southern Yellow Sea during summer 2006[J]. Acta Ecologica Snica, 29(10): 5366-5375 (in Chinese with English abstract).

[4]
高姗, 王辉, 刘桂梅, 等, 2010. 南海叶绿素a浓度垂直分布的统计估算[J]. 海洋学报, 32(4): 168-176. GAO

SHAN, WANG HUI, LIU GUIMEI, et al, 2010. The statistical estimation of the vertical distribution of chlorophyll a concentration in the South China Sea[J]. Acta Oceanologica Sinica, 32(4): 168-176 (in Chinese with English abstract).

[5]
宫响, 史洁, 高会旺, 2012. 海洋次表层叶绿素最大值的特征因子及其影响因素[J]. 地球科学进展, 27(5): 539-548.

GONG XIANG, SHI JIE, GAO HUIWANG, 2012. Subsurface chlorophyll maximum in ocean: its characteristics and influencing factors[J]. Advances in Earth Science, 27(5): 539-548 (in Chinese with English abstract).

[6]
黄邦钦, 刘媛, 陈纪新, 等, 2006. 东海、黄海浮游植物生物量的粒级结构及时空分布[J]. 海洋学报, 28(2): 156-164.

HUANG BANQING, LIU YUAN, CHEN JIXIN, et al, 2006. Temporal and spatial distribution of size-fractionized phytoplankton biomass in East China Sea and Huanghai Sea[J]. Acta Oceanologica Sinica, 28(2): 156-164 (in Chinese with English abstract).

[7]
柯志新, 黄良民, 谭烨辉, 等, 2013. 2008年夏末南海北部叶绿素a的空间分布特征及其影响因素[J]. 热带海洋学报, 32(4): 51-57.

KE ZHIXIN, HUANG LIANGMIN, TAN YEHUI, et al, 2013. Spatial distribution of chlorophyll a and its relationships with environmental factors in northern South China Sea in late summer 2008[J]. Journal of Tropical Oceanography, 32(4): 51-57 (in Chinese with English abstract).

[8]
马翱慧, 刘湘南, 李婷, 等, 2013. 南海北部海域叶绿素a浓度时空特征遥感分析[J]. 海洋学报, 35(4): 98-105.

MA AOHUI, LIU XIANGNAN, LI TING, et al, 2013. The satellite remotely-sensed analysis of the temporal and spatial variability of chlorophyll a concentration in the northern South China Sea[J]. Acta Oceanologica Sinica, 35(4): 98-105 (in Chinese with English abstract).

[9]
吴日升, 李立, 2003. 南海上升流研究概述[J]. 应用海洋学学报, 22(2): 269-277.

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

[10]
邢小罡, 赵冬至, CLAUSTRE H, 等, 2012. 一种新的海洋生物地球化学自主观测平台: Bio-Argo浮标[J]. 海洋环境科学, 31(5): 733-739.

XING XIAOGANG, ZHAO DONGZHI, CLAUSTRE H, et al, 2012. A new autonomous observation platform of marine biogeochemistry: Bio-Argo floats[J]. Marine Environmental Science, 31(5): 733-739 (in Chinese with English abstract).

[11]
BOSS E, PICHERAL M, LEEUW T, et al, 2013. The characteristics of particulate absorption, scattering and attenuation coefficients in the surface ocean; Contribution of the Tara Oceans expedition[J]. Methods in Oceanography, 7: 52-62.

[12]
CHEN C T A, HUANG M H, 1996. A mid-depth front separating the South China Sea water and the Philippine sea water[J]. Journal of Oceanography, 52(1): 17-25.

[13]
CHEN C T A, JAN S, HUANG T H, et al, 2010. Spring of no Kuroshio intrusion in the southern Taiwan Strait[J]. Journal of Geophysical Research: Oceans, 115(C8): C08011.

[14]
CHEN Y L L, CHEN H Y, LIN I I, et al, 2007. Effects of cold eddy on phytoplankton production and assemblages in Luzon strait bordering the South China Sea[J]. Journal of Oceanography, 63(4): 671-683.

[15]
CHU P C, LI RONGFENG, 2000. South China Sea isopycnal-surface circulation[J]. Journal of Physical Oceanography, 30(9): 2419-2438.

[16]
CULLEN J J, LEWIS M R, 1995. Biological processes and optical measurements near the sea surface: Some issues relevant to remote sensing[J]. Journal of Geophysical Research, 100(C7): 13255.

[17]
GAN JIANPING, CHEUNG A, GUO XIAOGANG, et al, 2009. Intensified upwelling over a widened shelf in the northeastern South China Sea[J]. Journal of Geophysical Research: Oceans, 114(C9): C09019.

[18]
GONG X, SHI J, GAO H W, et al, 2015. Steady-state solutions for subsurface chlorophyll maximum in stratified water columns with a bell-shaped vertical profile of chlorophyll[J]. Biogeosciences, 12(4): 905-919.

[19]
GUO LIN, XIU PENG, CHAI FEI, et al, 2017. Enhanced chlorophyll concentrations induced by Kuroshio intrusion fronts in the northern South China Sea[J]. Geophysical Research Letters, 44(22): 11565-11572.

[20]
HAN AIQIN, DAI MINHAN, KAO S J, et al, 2012. Nutrient dynamics and biological consumption in a large continental shelf system under the influence of both a river plume and coastal upwelling[J]. Limnology and Oceanography, 57(2): 486-502.

[21]
HE QINGYOU, ZHAN HAIGANG, CAI SHUQUN, et al, 2016. Eddy effects on surface chlorophyll in the northern South China Sea: Mechanism investigation and temporal variability analysis[J]. Deep Sea Research Part I: Oceanographic Research Papers, 112: 25-36.

[22]
HU JIANYU, GAN JIANPING, SUN ZHENYU, et al, 2011. Observed three-dimensional structure of a cold eddy in the southwestern South China Sea[J]. Journal of Geophysical Research: Oceans, 116(C5): C05016.

[23]
JING ZHIYOU, QI YIQUAN, HUA ZULIN, et al, 2009. Numerical study on the summer upwelling system in the northern continental shelf of the South China Sea[J]. Continental Shelf Research, 29(2): 467-478.

[24]
LIN JIANFANG, CAO WEIXI, WANG GUIFEN, et al, 2014. Inversion of bio-optical properties in the coastal upwelling waters of the northern South China Sea[J]. Continental Shelf Research, 85: 73-84.

[25]
LIU K K, CHAO S Y, SHAW P T, et al, 2002. Monsoon-forced chlorophyll distribution and primary production in the South China Sea: observations and a numerical study[J]. Deep Sea Research Part I: Oceanographic Research Papers, 49(8): 1387-1412.

[26]
LU ZHONGMING, GAN JIANPING, DAI MINHAN, et al, 2010. The influence of coastal upwelling and a river plume on the subsurface chlorophyll maximum over the shelf of the northeastern South China Sea[J]. Journal of Marine Systems, 82(1-2): 35-46.

[27]
MAHADEVAN A, 2016. The Impact of Submesoscale Physics on Primary Productivity of Plankton[J]. Annual Review of Marine Science, 8(1): 161-84.

[28]
MCGILLICUDDY D J Jr, 2016. Mechanisms of Physical- Biological-Biogeochemical Interaction at the Oceanic Mesoscale[J]. Annual Review of Marine Science, 8(1): 125-159.

[29]
MCGILLICUDDY D J Jr, ROBINSON A R, SIEGEL D A, et al, 1998. Influence of mesoscale eddies on new production in the Sargasso Sea[J]. Nature, 394(6690): 263-266.

[30]
MUÑOZ-ANDERSON M, MILLÁN-ÚÑEZ R, HERNÁNDEZ- WALLS R, et al, 2015. Fitting vertical chlorophyll profiles in the California Current using two Gaussian curves[J]. Limnology and Oceanography: Methods, 13(8): 416-424.

[31]
NING X, CHAI F, XUE H, et al, 2004. Physical-biological oceanographic coupling influencing phytoplankton and primary production in the South China Sea[J]. Journal of Geophysical Research: Oceans, 109(C10): C10005.

[32]
PARSONS T R, MAITA Y, LALLI C M, 1984. A manual of chemical and biological methods for seawater analysis[M]. New York: Pergamon Press.

[33]
ROESLER C S, BARNARD A H.2013. Optical proxy for phytoplankton biomass in the absence of photophysiology: Rethinking the absorption line height[J]. Methods in Oceanography, 7: 79-94.

[34]
SIEGEL D A, COURT D B, MENZIES D W, et al, 2008. Satellite and in situ observations of the bio-optical signatures of two mesoscale eddies in the Sargasso Sea[J]. Deep Sea Research Part II: Topical Studies in Oceanography, 55(10-13): 1218-1230.

[35]
SULLIVAN J M, TWARDOWSKI M S, ZANEVELD J R, et al, 2006. Hyperspectral temperature and salt dependencies of absorption by water and heavy water in the 400-750 nm spectral range[J]. Applied Optics, 45(21): 5294-5309.

[36]
UITZ J, CLAUSTRE H, MOREL A, et al, 2006. Vertical distribution of phytoplankton communities in open ocean: An assessment based on surface chlorophyll[J]. Journal of Geophysical Research: Oceans, 111(C8): C08005.

[37]
WANG GUIHUA, SU JILAN, CHU P C, 2003. Mesoscale eddies in the South China Sea observed with altimeter data[J]. Geophysical Research Letters, 30(21): 2121.

[38]
WONG G T F, PAN X J, LI K Y, et al, 2015. Hydrography and nutrient dynamics in the Northern South China Sea Shelf-sea (NoSoCS)[J]. Deep Sea Research Part II: Topical Studies in Oceanography, 117: 23-40.

[39]
XIU PENG, CHAI FEI, 2011. Modeled biogeochemical responses to meso-scale eddies in the South China Sea[J]. Journal of Geophysical Research: Oceans, 116(C10): C10006.

[40]
XU JIANPING, XUE HUIJIE, SHI MAOCHONG, et al, 2002. Study on circulation and meso-scale eddies in the South China Sea in summer of 1998[J]. Acta Oceanologica Sinica, 21(4): 469-481.

[41]
YENTSCH C S, MENZEL D W, 1963. A method for the determination of phytoplankton chlorophyll and phaeophytin by fluorescence[J]. Deep Sea Research and Oceanographic Abstracts, 10(3): 221-231.

[42]
ZHANG WENZHOU, WANG HAILI, CHAI FEI, et al, 2016. Physical drivers of chlorophyll variability in the open South China Sea[J]. Journal of Geophysical Research: Oceans, 121(9): 7123-7140.

Options
Outlines

/

〈 〉