Marine Hydrography

Intra-seasonal variability of sea level anomalies and their propagation features in the northern South China Sea from 25 years of satellite altimetry data

  • WANG Xia 1, 2, 3 ,
  • FANG Wendong , 2 ,
  • CHEN Rongyu 2
Expand
  • 1. Guangzhou Institute of Geochemistry, Chinese Academy of Sciences, Guangzhou 510301, China
  • 2. State Key Laboratory of Tropical Oceanography (South China Sea Institute of Oceanology, Chinese Academy of Sciences), Guangdong Key Lab of Ocean Remote Sensing, Guangzhou 510301, China
  • 3. University of Chinese Academy of Sciences, Beijing 100049, China
FANG Wendong. E-mail:

Copy editor: LIN Qiang

Received date: 2018-08-22

  Request revised date: 2018-09-14

  Online published: 2019-06-17

Supported by

National Natural Science Foundation of China(41776014)

National Natural Science Foundation of China(41430964)

Key Research Program of Frontier Science of Chinese Academy of Sciences(QYZDJ-SSW-DQC034)

Copyright

Copyright reserved © 2019. Office of Acta Agronomica Sinica All articles published represent the opinions of the authors, and do not reflect the official policy of the Chinese Medical Association or the Editorial Board, unless this is clearly specified.

Abstract

Intra-seasonal variability (ISV) of sea level anomalies (SLA) and their propagation features in the northern South China Sea (NSCS) are investigated using 25-year (1993-2017) satellite observations. The standard deviation of intra-seasonal SLA reveals that larger ISV exists in the northeastern South China Sea along the continental shelf/slope (200~2000 m) where it extends southwestward from Taiwan to Hainan. The ISV of SLA exhibits obvious seasonality, being strong in winter and weak in summer. By using Complex Empirical Orthogonal Function (CEOF) analysis, the spatial pattern and temporal variability of the ISV, as well as their inter-annual modulation, are studied. We find that there are mainly two types of ISV pattern, showing great agreement with eddy activities in the NSCS. The ISV of SLA is also modulated by seasonal and inter-annual variation. The first mode of CEOF indicates southwestward propagation of the ISV from southwest of Taiwan to east of the Xisha Islands, being especially strong in winter. The second mode of CEOF reveals two westward ISV regions: southwest to Taiwan and south to the Dongsha Islands. The statistical analysis for the seasonal variation of mesoscale eddies indicates that the CEOF results are consistent with the distribution of mesoscale eddy activities in the NSCS.

Cite this article

WANG Xia , FANG Wendong , CHEN Rongyu . Intra-seasonal variability of sea level anomalies and their propagation features in the northern South China Sea from 25 years of satellite altimetry data[J]. Journal of Tropical Oceanography, 2019 , 38(3) : 1 -12 . DOI: 10.11978/2018086

南海是热带西太平洋最大的半封闭边缘海, 面积约3.6×106km2, 平均水深超过1800m, 中心和东部海盆深度超过了5000m。受特殊地理位置和复杂地形的影响, 南海蕴含着丰富而活跃的多尺度海洋动力过程, 包括大尺度环流、中尺度涡、内波与微尺度的湍流混合等。一般来说, 南海上层的海洋环流基本受东亚季风驱动, 具有明显的季节变化; 冬季在东北季风作用下, 南海上层基本呈气旋式环流, 而夏季在西南季风作用下南海主要为反气旋环流控制(Fang et al, 1998, 2006, 2014; 李立 等, 2002)。受东亚季风和黑潮的共同影响, 南海存在活跃且复杂的中尺度涡活动, 台湾岛西南和越南以东海域是南海中尺度涡高发区和涡动能最大的两个区域。中尺度涡流速快、动能大, 它不仅直接影响了南海温盐结构和流速结构, 而且还能输送动能和热能, 并能与平均流相互作用, 促进能量向平均流传输。南海北部具有宽阔的大陆架, 从东北部的台湾浅滩向西南一直延伸至北部湾, 陆架坡陡峭, 等深线基本与岸线平行, 分别通过吕宋海峡(水深>2000m)和台湾海峡(水深<200m)与西太平洋连通(图1)。南海北部的中尺度涡与环流均具有鲜明的季节变化和年际变化特征, 而频发的中尺度涡对环流过程起到重要的调制作用(李燕初 等, 2003;王桂华 等, 2005; 程旭华 等, 2005; Chen et al, 2009; He et al, 2015, 2016; Zhao et al, 2017; Qiu et al, 2019)。
图1 1993—2017年的SLA标准差分布(a)和box1(b)、box2(c)的功率谱密度图

图a中box1和box2为南海北部标准差分布的两个高值区。box3为第三节CEOF的计算范围。图b、c中的蓝色虚线为95%的置信度检验曲线, 红线标识了海面高度季节内变异带通滤波的截至频率带(30~120d), x轴为log10的对数坐标轴

Fig. 1 a: Standard deviation of SLA during 1993-2017. The black box1 and box2 indicate two regions with strong SLA variability. The black box3 denotes the area where the CEOF is applied for the intra-seasonal SLA in section 3. b-c: Power spectral analysis for SLA in box1 and box2. Blue dotted line denotes the 95% confidence line, and the red vertical lines indicate the cutoff periods (30-120 day) for intra-seasonal signals, the x-axis is log10 coordinates

随着南海观测技术不断发展、完善和观测资料的积累, 关于南海环流和南海中尺度涡取得了诸多的研究成果。除去季节变化和年际变化外, 很多研究也表明南海中尺度涡和海面高度的分布亦存在显著的季节内变异(Hu et al, 2001; Zhuang et al, 2010b)。南海北部中尺度涡大多生成于吕宋海峡的西侧, 且其生消具有较大的季节变化和年际变化, 冬季涡旋活动比夏季活跃得多, 且呈现显著的西南向传播特征(Zhuang et al, 2010a; Nan et al, 2011; Chen et al, 2011), 季风和背景流不稳定性是南海北部中尺度涡产生的主要机制(Wang et al,2008; Nan et al, 2011)。南海北部海面高度季节内变异显著与该海区中尺度涡高发且西南向传播有关(Xiu et al, 2010; Zhuang et al, 2010b)。通过对T/P卫星资料的分析, 李燕初 等(2003)发现, 南海东北部海域海面高度的波动除有明显的季节变化和年际变化外, 季节内变化(周期在0.17~0.45a)也是一个重要的变化因素。通过对2个水文定点观测资料的分析, Wu等(2005)发现南海东北部流速具有显著的季节内变异。结合数值模拟方法, 他们认为台湾岛西南海域的环流形态和黑潮入侵的强度受局地风的季节内变异的调制。Zhuang等(2010b) 对南海海面高度(sea surface height, SSH)的季节内信号的时空变异研究表明, 吕宋海峡西侧海域在冬季表现出强的季节内变异(intra-seasonal variability, ISV), 他们认为这与吕宋海峡西侧中尺度涡的西南向传播有关。以往对南海北部涡旋的研究成果显示, 台湾西南海域冬季会产生强的反气旋涡, 且一直沿着南海北部的陆坡外缘向西运动(Zhuang et al, 2010a; Nan et al, 2011), 东沙群岛以西几乎每年都会有气旋涡生成(称作“东沙气旋涡”), 且向西南移动(Chow et al, 2008)。由此可见, 季节内变异是南海北部海域海面高度异常的一个重要特征, 与南海北部中尺度涡的产生、运动和演变规律密切相关。因此, 研究南海北部海面高度的季节内变异特征, 能够加深对南海北部中尺度涡活动的了解, 对进一步认识南海北部的环流特征具有重要意义。
综上所述, 南海北部海区是中尺度涡活跃频繁地带, 先前的研究大多关注该区涡旋的统计特征, 或使用相对较短的卫星资料, 或利用实测水文资料结合个例的方式对南海的季节内变异进行研究, 对该海区海面高度季节内变异的时空分布及其传播特征的研究较少。因此, 本文采用更长时间跨度(1993—2017)共计25年的卫星高度计资料, 运用对行波有很好分辨能力的复经验正交函数(complex empirical orthogonal function, CEOF)分解的方法, 探讨南海北部海面高度的季节内变异(intra-seasonal variability of sea level anomalies, SLA-ISV)的时空变化特征, 分析南海北部SLA-ISV的季节和年际调制及传播特征, 展示对应强季节内变化信号的典型涡旋传播过程实例, 统计同期的中尺度涡季节变化, 并与CEOF结果进行比较。

1 资料和方法

1.1 卫星高度计资料

本文所用的卫星高度计资料是由哥白尼海洋环境监测局(Copernicus Marine and Environment Monitoring Service, CMEMS)提供。该卫星观测资料的时间长度共25年, 为1993年1月至2017年12月, 由T/P、ERS、Sentinel-3A、Jason-3、HY-2A, Saral/Altika等多颗卫星高分辨率海面高度异常(SLA)数据整合而成, 其时间分辨率为日平均, 空间分辨率为0.25°×0.25°, 数据描述详见http://cmems-resources.cls.fr/ 。
地转速度异常的计算方法为${{{U}'}_{g}}=-\frac{g}{f}\frac{\partial {\eta }'}{\partial y}$和${{{V}'}_{g}}=\frac{g}{f}\frac{\partial {\eta }'}{\partial x}$, 其中${\eta }'$为SLA, g为重力常数, f是柯氏力参数, $\frac{\partial {\eta }'}{\partial y}$和$\frac{\partial {\eta }'}{\partial x}$分别为纬向和经向的SLA梯度, ${{{U}'}_{g}}$和${{{V}'}_{g}}$分别为纬向和经向速度异常。假设地转平衡和各向同性, 涡动动能(eddy kinetic energy, EKE)通过如下公式计算: $\text{EKE}=\frac{1}{2}\left( {{{{U}'}}_{g}}^{2}+{{{{V}'}}_{g}}^{2} \right)$。尽管数据经过潮汐和海面压力订正, 但浅海区仍包括潮汐和内波带来误差的影响(Yuan et al, 2006), 故水深浅于200m的数据本文不予采用。为了获得南海北部典型的季节内变异空间分布特征, 我们对每个格点的日均SLA时间序列采用30~120d的Lanczos带通滤波。Lanczos带通滤波器是一种分离季节内变异的常用滤波, 这种滤波方法也经常用于大气和海洋变量季节内变异信号的提取(Lyu et al, 2016; Mao et al, 2018)。

1.2 复经验正交函数(CEOF)分解

传统的经验正交函数(EOF)分解可用于提取变量场的空间结构特征和提取主要数据特征量, 但EOF分离出来的仅是空间驻波振动分布的结构, 而对行波无能为力, 而CEOF则是一种能够分离出变量场空间尺度行波分布结构及位相变化的方法, 能较好地揭示变量场的时空分布及变化特点、演变规律等。
CEOF的实质是将一个标量场经过变换, 构造成一个同时含有实部和虚部的复数矩阵—— Hermite矩阵, 对矩阵进行分解, 然后计算表征振荡和移动特征的空间振幅函数Sk(x)、空间位相函数Qk(x)、时间振幅函数Sk(t)和时间位相函数Qk(t), 以及特征向量的方差贡献及累积方差贡献。通过空间振幅函数Sk(x), 分析变量场的空间分布结构, 根据空间位相函数Qk(x), 分析波的传播方向。通过时间振幅函数Sk(x)分析变化强度随时间的变化, 由时间位相函数Qk(t)分析波动的传播特征。CEOF的详细原理和计算方法详见魏凤英(2007)。CEOF常用于天气气候过程的诊断分析, 近年来也有用于海洋海面高度异常、中尺度过程的研究中, 例如Wilkin等(2007)采用CEOF方法探讨东澳大利亚外海的中尺度涡变异和传播特征; Lyu等(2016) 用CEOF方法探讨冬季南海南部西边界流海面高度异常季节内变异的时空结构和传播特征。

1.3 涡旋检测方法

本文采用Winding-angle算法对中尺度涡进行自动识别和跟踪, 该方法已在南海中尺度涡旋检测中得到成功应用( Chen et al, 2011; Chu et al, 2014)。这种方法主要有以下五步: 1)识别可能的反气旋涡(气旋涡)中心, 并通过搜寻移动的1°×1°区域内最大(最小)的SLA值来实现; 2)计算每个可能的反气旋涡(气旋涡)中心附近的流线; 3)利用Winding-angle $\left| \alpha \right|\ge 2\pi $辨认封闭流线; 4)将不同涡旋的流线各自聚类, 达到辨认涡旋的目的; 5)通过比较不同时次内的两个涡旋涡e1e2的空间距离、半径、涡度和EKE变化值判断涡旋的相似程度, 以追踪涡旋的移动过程。研究区域内, 涡旋的典型移动速度为1~20cm·s-1 (Chow et al, 2008; Chen et al, 2010; Nan et al, 2011), 相邻时次的时间间隔为1 d, 因此本文取搜索半径为20km, 涡旋的振幅须大于3cm。本文将涡旋的移动速度定义为t-1时刻至t+1时刻涡旋移动的总路程与时间的比值。

2 海面高度季节内变异的标准差分布

为说明海面高度季节内(30~120d)信号的显著性, 首先计算了1993—2017年SLA的标准差分布和两个关键区平均SLA的功率谱密度。可以看出, 标准差的高值区主要位于台湾岛西南海区(图1a中的box1)和吕宋岛西侧的深水海域(图1a中的box2), 吕宋岛西侧标准差的峰值可达14cm, 台湾岛西南部标准差的峰值在12cm, 这两个位置是南海北部涡旋最活跃、涡旋能量最大的区域。我们通过分别对这两个区域的SLA空间平均的时间序列进行功率谱分析(图1b、c)可见, 除显著的年变化周期外, 台湾岛西南海区(box1)还具有显著的季节内变化(30~120d), 而吕宋岛西侧海区的季节内变化较弱。
为了得出南海北部海面高度异常季节内变异(SLA-ISV)的时空分布特征, 分别对全年、夏半年(4月至9月)、冬半年(10月至次年3月)计算了标准差、方差贡献率和平均涡动动能的大面分布(图2)。由标准差的分布可以明显看出(图2a), SLA-ISV在南海北部陆坡外侧海域较强, 高值在20°—21°N, 118°— 120°E范围内, 呈由东北向西南衰减的趋势。SLA-ISV还表现出显著的季节变化(图2b、c)。冬半年明显强于夏半年, 尤其在台湾岛西南外海区, 冬半年SLA-ISV的峰值为7.54cm, 而夏半年其峰值仅为5.49cm, 全年标准差的分布结构更多地反映了冬半年的特征。SLA-ISV标准差的空间分布和季节变化特征与Zhuang等(2010b)的研究结果相一致。
图2 1993—2017年30~120d季节内变异标准差(a—c)、方差贡献率(d—f)和平均EKE(log10)空间分布(g—i)

a—c中的矢量表示多年平均表层地转流。从左至右分别表示全年、夏半年和冬半年

Fig. 2 Multiyear mean surface geostrophic current anomaly and standard deviation (a-c), variance contribution (d-f), mean EKE(log10) of 30~120 day filtered SLA during 1993-2017(g-i). The left, middle and right columns are for all, summer (April-September) and Winter (October-March)

南海北部SLA-ISV方差贡献率的空间分布(图2d—f)与标准差较相似, 其峰值亦在台湾岛西南部, 由东北向西南衰减。在季节性变化方面, 方差贡献率也表现出冬强夏弱的特点, 尤其是台湾岛西南部海域, 冬半年海面高度的季节内变异占总方差的33%, 而夏半年仅为25%, 这表明台湾岛西南海区的海面高度异常季节内变异是其变异的一个重要组成部分。
南海北部海区季节内变异EKE均值的空间分布如图2g—i所示, 其分布特征在全年和冬季尺度上基本一致, EKE均值在台湾岛西南海域为显著的高值区, 可达2000cm2·s-2, 向西南向略有减弱, EKE的高值区指示着该海域涡旋的频发。而南海西北部的陆架区则为显著低值, 其多年平均值小于100cm2·s-2。EKE的空间分布亦具有明显的季节性, 冬半年强于夏半年。冬半年EKE均值的分布与图2c的分布结构较类似, 表现为在台湾西南海域有显著高值, 且向西南向有衰减的趋势。夏半年, EKE均值在台湾西南海域仍为显著高值(图2i)。EKE的均值状态并不代表EKE的基本状况, 因为EKE结构是不同变化因素叠加的结果, 且EKE受短时间的强涡事件影响较大(Chen et al, 2011)。
值得关注的是, 吕宋岛西侧海域虽也是南海北部涡旋高发区域之一, 其冬、春季频发的气旋涡(又称“吕宋冷涡”)(Fang et al,1998; Yang et al, 2003; He et al, 2015, 2016)和夏季频发的反气旋涡(又称“吕宋暖涡”)(Yuan et al, 2007; Chen et al, 2010; Wang et al, 2017)季节内变异的标准差不高, 方差贡献率有显著低值, 这表明吕宋岛西侧的涡旋主要表现为季节变化, 而在季节内尺度上的变异性较小, 这与图1c功率谱的分析结果相一致。

3 海面高度季节内变异的CEOF分析

如1.2节所述, CEOF方法对空间行波的识别能力较强, 能分离出空间行波的分布结构及位相变化。以往的研究表明, 南海北部的中尺度涡大多呈现显著的西南向传播特征(Chow et al, 2008; Nan et al, 2011; Chen et al, 2011), 吕宋海峡西侧冬季强的季节内变异与台湾岛西南海域中尺度涡的西南向传播有关(Zhuang et al, 2010b)。为了更好地识别海面高度季节内变异的特征, 我们对南海北部的SLA-ISV信号进行CEOF分解, 也分别计算了夏半年、冬半年分量的CEOF, 计算结果如图3—5和表1所示。全年、冬半年和夏半年CEOF各自的前三个模态的累计方差贡献率分别为38.1%、44%和33.2%, 基本可反映SLA-ISV的主要演变特征。以下, 我们主要讨论前两个主要模态的结构和特征。
图3 南海北部SLA-ISA全年数据的CEOF分解结果

a、b为第一模态(CEOF1)和第二模态(CEOF2)的空间振幅(填色)及空间位相分布(等值线, 间隔为30°); c、d分别为CEOF1和CEOF2的时间振幅(无量纲)

Fig. 3 Spatial amplitude (shading; cm) and phase (contour; interval = 30°) corresponding to CEOF1(a) and CEOF2 (b) of the 30-120 day filtered SLA. Time series for CEOF1 (c) and CEOF2 (d)

图4 南海北部SLA-ISA夏半年(4月至9月)数据的CEOF分解结果

a、b为第一模态(CEOF1)和第二模态(CEOF2)的空间振幅(填色)及空间位相分布(等值线, 间隔为30°); c、d分别为CEOF1和CEOF2的时间振幅(无量纲)

Fig. 4 Same as Fig. 3, except calculated from the 30~120 day bandpass filtered SLA from April to September

图5 南海北部SLA-ISA冬半年(10月至次年3月)数据的CEOF分解结果

a、b为第一模态(CEOF1)和第二模态(CEOF2)的空间振幅(填色)及空间位相分布(等值线, 间隔为30°); c、d分别为CEOF1和CEOF2的时间振幅(无量纲)

Fig. 5 Same as Fig. 3, except calculated from the 30~120 day bandpass filtered SLA from October to March

表1 前3个模态的方差贡献率

Tab. 1 Variance of the first three leading CEOF modes

CEOF
模态
全年 冬半年(10—3月) 夏半年(4—9月)
方差贡献率/% 累计/% 方差贡献率/% 累计/% 方差贡献率/% 累计/%
1 19.5 19.5 24.3 24.3 13.8 13.8
2 10.8 30.3 11.0 35.3 11.3 25.1
3 7.8 38.1 8.8 44.0 8.1 33.2

3.1 全年CEOF

图3显示南海北部海域SLA-ISV全年信号的前两个主要CEOF模态的空间振幅、空间位相和时间振幅的分布。CEOF1的方差贡献率为19.5%, 在南海北部陆坡南侧有一空间振幅的高值带(图3a的填色图), 高值带呈东北—西南走向, 高值中心在115°—119°E之间。结合空间位相的分布(图3a中的等值线), 空间位相呈西南向递增, 表明南海北部SLA-ISV信号由台湾岛西南海区向西南传播。图3c显示CEOF1的时间振幅, 可以看出, 时间振幅也呈季节和年际变化, 冬半年普遍高于夏半年, 尤其是在2000、2012、2016和2017年有显著高值, 表明CEOF1的空间分布结构和传播特征在这些年尤为显著, 尤其是冬半年台湾岛西南海区涡旋活动引起的SLA-ISV十分显著。而在2005—2009年冬半年的时间振幅水平明显偏低, 表明这些年CEOF1揭示的SLA-ISV较弱。
CEOF2占总的方差贡献率为10.8%, 其空间振幅有两个高值区, 这两个高值区亦是分布在台湾岛至海南岛之间的大陆架带上, 以东沙群岛为界, 而对应的空间位相则分别呈东向西和东北向西南递增的趋势(图3b)。值得注意的是, 两个空间振幅高值区的位相相差180°, 其过渡带在东沙群岛西侧, 表明这两个高值区的SLA-ISV变化特征相反, 即台湾岛西南海域SLA-ISV信号强时, 东沙岛西南海域的SLA-ISV 的信号较弱, 反之亦然。CEOF2的时间振幅(图3d)分布也表现出季节和年际调制, 冬季强于夏季, 在2000年春、2013年冬、2017年春时间振幅有显著高值。

3.2 夏半年CEOF

为了突出夏半年SLA-ISV的变化特征, 我们对夏半年(4—9月)的数据进行了CEOF分解, 前两个主要模态如图4所示。显然, 夏半年CEOF分解的前两个主要模态的空间分布与全年数据的计算结果有所不同。CEOF1的方差贡献率为13.8%, 其空间振幅的高值区位于东沙岛西南至西沙群岛以东海域, 空间位相为西南向递增。与全年CEOF1不一样的是, 台湾岛西南为空间振幅弱高值区。CEOF2的方差贡献率为11.3%, 空间振幅的高值区位于台湾岛西南至东沙群岛以东, 空间位相西北向传播。另在西沙群岛附近有一弱高值区, 空间位相为西南向递增(图4b)。

3.3 冬半年CEOF

冬半年(10—3月)的数据的CEOF分解的前两个主要模态如图5所示。可以看出, 冬半年CEOF前两个主要模态的空间振幅和位相与全年数据的CEOF结果的空间振幅和空间位相分布较一致, 但CEOF1的方差贡献率增加了4.8%, CEOF2的方差贡献率差不多, 表明全年数据的CEOF分析结果更多反映了冬半年的分布特征。

4 典型涡旋实例

3.1节分析显示, 南海北部SLA-ISV CEOF1的时间振幅(图3c)在2016年12月至2017年6月期间有一25年以来的极大值, 表明在该时段CEOF1表征的涡旋分布和移动特征最为显著。图6显示了该时段一个典型反气旋涡的生命历程, 该反气旋涡自2016年11月26日在台湾岛西南海区产生, 12月—1月逐渐增强, 2017年2月开始向西南传播, 于2017年6月3日在海南岛的东侧消亡, 共持续了约210d, 向西南方向移动约800km。该涡旋的主要运动参数(EKE、直径和传播速度)的变化过程如图7所示。由图6图7可以看出, 这一反气旋涡的生命历程大致为两个阶段: 1)发展强盛期(12月—1月), 这个时期涡旋的位置相对比较稳定, 反气旋涡的半径从52km增加到155km, 涡动动能从926cm2·s-2增强到2467cm2·s-2。涡旋中心SLA的最大值为30~40cm。这个时期的大多数时间涡旋的移动速度很慢(<6cm·s-1), 平均移动速度为4.5cm·s-1。2)西向传播期。从2月7日开始, 该反气旋涡的东侧开始形成一个气旋涡, 压迫该反气旋涡逐渐削弱且向西南移动, 移动速度在6~16cm·s-1之间, 平均移动速度为8.6cm·s-1。反气旋涡在西移过程中, 其半径基本在120~200km之间, 至2月23日, 反气旋涡能量急剧下降, 同时气旋涡也开始削弱, 2017年6月3日消亡时, 该反气旋涡的能量仅为220cm2·s-2。同时, 在该反气旋涡西移过程中, 其东侧伴生一气旋涡, 表现为反气旋涡-气旋涡这一对涡共同向西移动, 且反气旋涡的强度大于气旋涡, 生命周期、运动距离也比气旋涡要长, 但二者的移动速度相当。
图6 2016年11月至2017年6月一典型的反气旋涡演变过程

矢量表示地转流异常, 白色的封闭曲线为涡旋的边界, 白色星号点为涡旋中心

Fig. 6 Temporal evolution of an anticyclonic eddy detected by altimeter SLA, and geostrophic current anomalies from November 2016 to June 2017. Enclosed white contour and white dot denote eddy boundary and eddy core, respectively

图7 2016—2017年典型反气旋涡的涡旋特征量随时间的变化

Fig. 7 Properties of the anticyclonic eddy detected by altimeter SLA from November 2016 to June 2017: EKE (a), radius (b), and propagation speed (c)

5 同期中尺度涡空间分布的统计特征

南海北部为中尺度涡的频发区, 海面高度的季节内变异的变化特征与中尺度涡的产生、运动和演变规律密切相关。为了更确定地了解南海北部的SLA-ISV的时空变化特征, 我们采用Chelton等(2011)开发的基于卫星高度计资料的涡旋追踪数据集(Version 4)分析南海北部涡旋的产生、运动、季节特征和演变规律。该数据集由AVISO发布, 是基于AVISO最新发布的两星融合的1/4°的日均SLA数据集而开发, 追踪时段为1993年1月1日至2017年1月6日, 涡旋的生命周期均设定大于28d。除涡旋中心的位置和时间外, 还输出了涡旋的振幅、半径、极性(气旋/反气旋)及涡旋边界的平均流速等参数。涡旋追踪的详细过程见https://www.aviso. altimetry.fr/en/data/products/value-added-products/global-mesoscale-eddy-trajectory-product.html和http://wombat.coas.oregonstate.edu/eddies/和相关文献 (Chelton et al, 2011; Williams et al, 2011)。该数据集已广泛应用于南海和全球的海洋涡旋研究之中(He et al, 2018; Hausmann et al, 2017; Chelton et al, 2011)。
从中尺度涡的全年和季节性统计分布(图8)来看, 南海北部是中尺度涡的高发海区, 涡旋主要分布在吕宋岛西侧海域和南海北部陆坡的南侧, 前者集中分布, 后者呈带状分布。中尺度涡在冬半年、夏半年的分布有明显区别。在冬半年, 南海北部涡旋高发区和全年分布一致, 也是主要分布在吕宋岛西侧海域和南海北部陆坡的南侧, 反气旋涡在这一条带范围均有存在, 而气旋涡主要集中在台湾岛西南侧和吕宋岛西侧海区(即吕宋冷涡)。在夏半年, 涡旋的分布与全年和冬半年有所不同, 存在4个高发区, 分别位于台湾岛西南、吕宋岛西北、东沙群岛与西沙群岛之间, 以及西沙群岛以西。其中, 反气旋涡在这4个高发区内均存在, 而气旋涡则主要位于台湾岛西南和东沙群岛以西的海域。与南海北部SLA-ISV的全年和冬半年CEOF1模态的空间振幅分布(图3a、4a、5a)对比显示, CEOF1的空间振幅的高值区亦是中尺度涡分布、活动的高值区。由 3.2节可知, 夏半年CEOF分解的前两个模态的方差贡献率相近, 表明这两个模态的空间变化特征的发生概率基本相当。这两个模态的空间振幅的高值区(图4a、b)与夏半年中尺度涡的高发海区基本一致(图8g)。
图8 1993年1月至2017年1月南海北部涡旋出现次数的空间统计

a—c为全年, d—f为冬半年, g—i为夏半年。按0.5°×0.5°的网格大小, 统计了1993年1月至2017年1月涡旋中心经过每个网格的次数。从左至右分别为所有的涡旋、反气旋涡和气旋涡

Fig. 8 Geographic distributions of eddy occurrence (units in times). The upper row is for the whole year, the middle row is for winter (October to March) and the lower row is for summer (April to September) at each 0.5°×0.5° pixel in the NSCS between January 1993 and January 2017. The eddy occurrence denotes all detected eddy snapshots. The left, middle and right columns are for all eddies, anticyclonic eddies and cyclonic eddies, respectively

从涡旋的传播速度和方向的空间分布来看(图9), 不论是气旋涡还是反气旋涡, 均为西南向传播(图9a—c), 传播速度在台湾岛西南至海南岛东侧这一条带内较大, 最大值可达9~12cm·s-1, 而在吕宋岛西侧区较小, 仅为3cm·s-1。涡旋在冬半年的传播速度明显大于夏半年, 气旋涡和反气旋涡皆如此(图9d—i)。
图9 南海北部涡旋传播速度的空间分布

a—c为全年, d—f为冬半年, g—i为夏半年。按0.5°×0.5°的网格大小, 统计了1993年1月至2017年1月涡旋经过每个网格时的速度和方向。从左至右分别为所有的涡旋、反气旋涡和气旋涡

Fig. 9 Geographic distributions of eddy propagation speeds (units: cm·s-1). The upper row is for the whole year, the middle row is for winter (October to March) and the lower row is for summer (April to September) at each 0.5°×0.5° pixel in the NSCS between January 1993 and January 2017. The left, middle and right columns are for all eddies, anticyclonic eddies and cyclonic eddies, respectively

特征, 分析两由此可见, 全年、冬半年和夏半年的CEOF第一模态均表明了涡旋频发的区域和涡旋西南向的移动特征, 南海北部海面高度的季节内变异的CEOF模态分解结果与中尺度涡的分布、传播特征一致, 表明南海北部海面高度的季节内变异与中尺度涡的活动密切相关。吕宋岛西侧海域虽也是涡旋频发海区, 冬季频发气旋涡(图8f), 夏季频发反气旋涡(图8h), 但该海域的涡旋变异以季节性为主, 且传播速度仅为0~3cm·s-1(图9), 海面高度季节内变异的标准差和方差贡献率均显示该海域季节内变异较弱(如图2)。因此, CEOF的分解结果没有反映出吕宋岛西侧海域的涡旋活动。

6 结论

以往利用时间连续的卫星遥感海面高度资料, 对南海海面高度季节内变异的时空演变及其传播特征的研究较少。Zhuang 等(2010b)利用卫星遥感和模式结果资料分析了整个南海 SLA-ISV的特征, 并指出海洋内部动力不稳定对陆坡外深水区SLA-ISV的重要性。他们的结果也表明, 南海东北部吕宋海峡西北部全年存在着沿西南向传播的中尺度涡旋活动。但是, 该区SLA-ISV的主要空间模态、长时间变化和传播特征, 以及中尺度涡的年际调制等问题尚未解决。为此, 本文利用25年(1993—2017)较高空间分辨率(0.25°×0.25°)的卫星高度计资料, 采用可对行波有很好分辨能力的CEOF等统计方法, 研究了南海北部海面高度的季节内变异的时空分布及传播个SLA-ISV CEOF主要模态的季节性和年际调制, 描述了一个强SLA-ISV中尺度涡的演变过程实例, 并把季节内海面高度CEOF分析结果与同期中尺度涡空间分布的统计特征进行比较。主要结论如下。
1) 季节内变异是南海北部SLA变异的重要分量。标准差分析表明, 该区海面高度的季节内变异在大陆坡外侧较强, 标准差高值区形成一从台湾岛西南到东沙群岛西南海区沿陆坡的带状分布, SLA-ISV也表现出明显的季节性差异, 冬半年明显强于夏半年。
2) 全年CEOF前两个主要模态较好地揭示了南海北部SLA-ISV的时空分布及其传播特征, 并表明SLA-ISV的强度受到季节性变化调制, 冬半年强于夏半年。CEOF1揭示SLA-ISV从台湾岛西南至西沙群岛以东区域的冬半年西南向传播特征; 而CEOF2则表现了SLA-ISV分别在台湾西南、东沙群岛西南的西南向传播特征。
3) SLA-ISV的CEOF1表征着从台湾岛西南海区沿大陆坡西南向传播的SLA-ISV, 其时间变幅也受到年际调制。2000、2012、2016、2017年有显著高值; 2005—2009年期间较弱。
4) SLA-ISV的CEOF2有两个高值中心, 分别位于台湾岛西南至东沙群岛以东、东沙群岛东南至西沙群岛以东海域, 这两个高值区的空间位相相差180°, 其过渡带在东沙群岛西侧, 表明这两个高值区的SLA-ISV变化特征相反。
5) 与同期中尺度涡空间分布的统计结果比较, 南海北部SLA-ISV的CEOF1模态的空间分布与该海区中尺度涡的空间分布、传播特征基本一致, 表明南海北部海面高度的季节内变异与中尺度涡的活动密切相关。

*致谢:

感谢两位匿名审稿人提出宝贵的意见。

The authors have declared that no competing interests exist.

作者已声明无竞争性利益关系。

[1]
程旭华, 齐义泉, 王卫强 , 2005. 南海中尺度涡的季节和年际变化特征分析[J]. 热带海洋学报, 24(4):51-59.

CHENG XUHUA, QI YIQUAN, WANG WEIQIANG , 2005. Seasonal and interannual variabilities of mesoscale eddies in South China Sea[J]. Journal of Tropical Oceanography, 24(4):51-59 (in Chinese with English abstract).

[2]
李立, 许金电, 靖春生 , 等, 2002. 南海海面高度、动力地形和环流的周年变化——TOPEX/Poseidon卫星测高应用研究[J]. 中国科学(D辑), 32(12):978-986.

LI LI, XU JINDIAN, JING CHUNSHENG , et al, 2003. Annual variation of sea surface height, dynamic topography and circulation in the South China Sea: a TOPEX/Poseidon satellite altimetry study[J]. Science in China Series D: Earth Sciences, 46(2):127-138.

[3]
李燕初, 蔡文理, 李立 , 等, 2003. 南海东北部海域中尺度涡的季节和年际变化[J]. 热带海洋学报, 22(3):61-70.

LI YANCHU, CAI WENLI, LI LI , et al, 2003. Seasonal and interannual variabilities of mesoscale eddies in northeastern South China Sea[J]. Journal of Tropical Oceanography, 22(3):61-70 (in Chinese with English abstract).

[4]
王桂华, 苏纪兰, 齐义泉 , 2005. 南海中尺度涡研究进展[J]. 地球科学进展, 20(8):882-886.

WANG GUIHUA, SU JILAN, QI YIQUAN , 2005. Advances in studying mesoscale eddies in South China Sea[J]. Advances in Earth Science, 20(8):882-886 (in Chinese with English abstract).

[5]
魏凤英 , 2007. 现代气候统计诊断与预测技术[M]. 2版. 北京: 气象出版社: 1-296.

[6]
CHELTON D B, SCHLAX M G, SAMELSON R M , 2011. Global observations of nonlinear mesoscale eddies[J]. Progress in Oceanography, 91(2):167-216.

DOI

[7]
CHEN GENGXIN, HOU YIJUN, CHU XIAOQING , et al, 2009. The variability of eddy kinetic energy in the South China Sea deduced from satellite altimeter data[J]. Chinese Journal of Oceanology and Limnology, 27(4):943-954.

DOI

[8]
CHEN GENGXIN, HOU YIJUN, CHU XIAOQING , et al, 2010. Vertical structure and evolution of the Luzon Warm Eddy[J]. Chinese Journal of Oceanology and Limnology, 28(5):955-961.

DOI

[9]
CHEN GENGXIN, HOU YIJUN, CHU XIAOQING , 2011. Mesoscale eddies in the South China Sea: mean properties, spatiotemporal variability, and impact on thermohaline structure[J]. Journal of Geophysical Research: Oceans, 116(C6):C06018.

[10]
CHOW C-H, HU J-H, CENTURIONI L R , et al, 2008. Mesoscale Dongsha Cyclonic Eddy in the northern South China Sea by drifter and satellite observations[J]. Journal of Geophysical Research: Oceans, 113(C4):C04018.

DOI

[11]
CHU XIAOQING, XUE HUIJIE, QI YIQUAN , et al, 2014. An exceptional anticyclonic eddy in the South China Sea in 2010[J]. Journal of Geophysical Research: Oceans, 119(2):881-897.

DOI

[12]
FANG GUOHONG, FANG WENDONG, FANG YUE , et al, 1998. A survey of studies on the South China Sea upper ocean circulation[J]. Acta Oceanographica Taiwanica, 37(1):1-16.

[13]
FANG WENDONG, GUO JUNJIAN, SHI PING , et al, 2006. Low frequency variability of South China Sea surface circulation from 11 years of satellite altimeter data[J]. Geophysical Research Letters, 33(22):L22612.

DOI

[14]
FANG WENDONG, QIU FUWEN, GUO PU , 2014. Summer circulation variability in the South China Sea during 2006-2010[J]. Journal of Marine Systems, 137:47-54.

DOI

[15]
HAUSMANN U, MCGILLICUDDY D J JR, MARSHALL J , 2017. Observed mesoscale eddy signatures in Southern Ocean surface mixed-layer depth[J]. Journal of Geophysical Research: Oceans, 122(1):617-635.

DOI

[16]
HE QINGYOU, ZHAN HAIGANG, CAI SHUQUN , et al, 2018. A new assessment of mesoscale eddies in the South China Sea: surface features, three-dimensional structures, and thermohaline transports[J]. Journal of Geophysical Research: Oceans, 123(7):4906-4929.

DOI

[17]
HE YINGHUI, CAI SHUQUN, WANG DONGXIAO , et al, 2015. A model study of Luzon Cold Eddies in the northern South China Sea[J]. Deep-Sea Research Part I: Oceanographic Research Papers, 97:107-123.

DOI

[18]
HE YINGHUI, XIE JIESHUO, CAI SHUQUN , 2016. Interannual variability of winter eddy patterns in the eastern South China Sea[J]. Geophysical Research Letters, 43(10):5185-5193.

DOI

[19]
HU JIANYU, KAWAMURA H, HONG HUASHENG , et al, 2001. 3≈6 months variation of sea surface height in the South China Sea and its adjacent ocean[J]. Journal of Oceanography, 57(1):69-78.

DOI

[20]
LYU KEWEI, YANG XIAOYI, ZHENG QUANAN , et al, 2016. Intraseasonal variability of the winter western boundary current in the South China Sea using satellite data and mooring observations[J]. IEEE Journal of Selected Topics in Applied Earth Observations and Remote Sensing, 9(11):5079-5088.

DOI

[21]
MAO JIANGYU, WANG MING , 2018. The 30-60-day intraseasonal variability of sea surface temperature in the South China Sea during May-September[J]. Advances in Atmospheric Sciences, 35(5):550-566.

DOI

[22]
NAN FENG, XUE HUIJIE, XIU PENG , et al, 2011. Oceanic eddy formation and propagation southwest of Taiwan[J]. Journal of Geophysical Research: Oceans, 116(C12):C12045.

DOI

[23]
QIU CHUNHUA, MAO HUABIN, WANG YANHUI , et al, 2019. An irregularly shaped warm eddy observed by Chinese underwater gliders[J]. Journal of Oceanography, 75(2):139-148.

DOI

[24]
WANG DONGXIAO, XU HONGZHOU, LIN JING , et al, 2008. Anticyclonic eddies in the northeastern South China Sea during winter 2003/2004[J]. Journal of Oceanography, 64(6):925-935.

DOI

[25]
WANG XIA, FANG WENDONG, CHEN RONGYU , et al, 2017. The summer-fall anticyclonic eddy west of Luzon: structure and evolution in 2012 and interannual variability[J]. Journal of Marine Systems, 172:84-92.

DOI

[26]
WILKIN J L, ZHANG W G , 2007. Modes of mesoscale sea surface height and temperature variability in the East Australian Current[J]. Journal of Geophysical Research: Oceans, 112(C1):C01013.

[27]
WILLIAMS S, PETERSEN M, BREMER P-T , et al, 2011. Adaptive extraction and quantification of geophysical vortices[J]. IEEE Transactions on Visualization and Computer Graphics, 17(12):2088-2095.

DOI PMID

[28]
WU C R, TANG T Y, LIN S F , 2005. Intra-seasonal variation in the velocity field of the northeastern South China Sea[J]. Continental Shelf Research, 25(17):2075-2083.

DOI

[29]
XIU PENG, CHAI FEI, SHI LEI , et al, 2010. A census of eddy activities in the South China Sea during 1993-2007[J]. Journal of Geophysical Research: Oceans, 115(C3):C03012.

[30]
YANG HAIJUN, LIU QINYU , 2003. Forced Rossby wave in the northern South China Sea[J]. Deep Sea Research Part I: Oceanographic Research Papers, 50(7):917-926.

DOI

[31]
YUAN DONGLIANG, HAN WEIQING, HU DUNXIN , 2006. Surface Kuroshio path in the Luzon Strait area derived from satellite remote sensing data[J]. Journal of Geophysical Research: Oceans, 111(C11):C11007.

DOI

[32]
YUAN DONGLIANG, HAN WEIQING, HU DUNXIN , 2007. Anti-cyclonic eddies northwest of Luzon in summer-fall observed by satellite altimeters[J]. Geophysical Research Letters, 34(13):L13610.

DOI

[33]
ZHUANG WEI, DU YAN, WANG DONGXIAO , et al, 2010a. Pathways of mesoscale variability in the South China Sea[J]. Chinese Journal of Oceanology and Limnology, 28(5):1055-1067.

DOI

[34]
ZHUANG WEI, XIE SHANGPING, WANG DONGXIAO , et al, 2010b. Intraseasonal variability in sea surface height over the South China Sea[J]. Journal of Geophysical Research: Oceans, 2010,115(C4):C04010.

[35]
ZHAO RUIXIANG, ZHU XIAOHUA, GUO XINYU , 2017. The impact of monsoon winds and mesoscale eddies on thermohaline structures and circulation patterns in the northern South China Sea[J]. Continental Shelf Research, 143:240-256.

DOI

Outlines

/