南海海表鹽度變化特征及機(jī)制研究*

徐豪然, 于華明,2,**, 葛晶晶, 劉 娟, 關(guān) 皓

(1.中國海洋大學(xué)海洋與大氣學(xué)院, 山東 青島 266100; 2.中國海洋大學(xué)三亞海洋研究院, 海南 三亞 572024; 3.解放軍31110部隊(duì); 4.北京應(yīng)用氣象研究所, 北京 100000; 5.解放軍61741部隊(duì))

海表面鹽度(Sea surface salinity,SSS)的變化受蒸發(fā)降水、地表徑流、海洋環(huán)流、結(jié)冰融冰等過程影響,指示著海氣交換、海洋環(huán)流、垂向輸運(yùn)、沖淡水分布等過程。南海是中國最大的邊緣海,總面積約350萬km2,平均深度1 212 m,中部深度超過5 000 m,通過呂宋海峽和馬六甲海峽連接著西北太平洋和印度洋[1]。南海環(huán)流受季風(fēng)和黑潮作用顯著,同時(shí)具有多渦結(jié)構(gòu),海洋內(nèi)波頻發(fā),臺(tái)風(fēng)風(fēng)暴潮劇烈,海洋動(dòng)力過程復(fù)雜[2]。研究南海SSS變化特征及機(jī)制對(duì)理解南海海氣交換和海洋環(huán)流有重要意義。

毛鍇等[3]利用海氣耦合模式COAWST,結(jié)合Argo浮標(biāo)數(shù)據(jù)對(duì)2016年臺(tái)風(fēng)“莎莉”過境時(shí)的南海上層鹽度變化進(jìn)行分析,認(rèn)為臺(tái)風(fēng)過境時(shí),海表面蒸發(fā),抽吸及混合作用強(qiáng)烈,SSS顯著上升。Shen等[4]利用ARGO浮標(biāo)數(shù)據(jù)研究了南海北部次表層鹽度的季節(jié)變化,結(jié)果表明,黑潮入侵的強(qiáng)度、局地風(fēng)應(yīng)力旋度等因素是表層最大鹽度異常高值的出現(xiàn)的原因。但是南海Argo浮標(biāo)缺乏淺水區(qū)采樣,空間分布相對(duì)稀疏,時(shí)間跨度較短,在前人的研究中大多用于分析南海SSS的短期變化。

Zeng等[5]利用Aquarius衛(wèi)星數(shù)據(jù)分析了2012年底開始出現(xiàn)的南海SSS上升現(xiàn)象,認(rèn)為其受到黑潮入侵和徑流量減少的共同影響,并可能與PDO位相由負(fù)轉(zhuǎn)正相關(guān)。Yi等[6]利用多衛(wèi)星數(shù)據(jù)集分析認(rèn)為,2011—2019年南海SSS的季節(jié)變化受到季風(fēng)降水控制,沿岸SSS變化強(qiáng)烈,2015—2016年的強(qiáng)厄爾尼諾現(xiàn)象使南海整體SSS上升。衛(wèi)星遙感能夠大范圍連續(xù)獲得海表鹽度數(shù)據(jù),但最早的土壤水分和海洋鹽度(Soil moisture and ocean salinity,SMOS)衛(wèi)星于2009年發(fā)射,在10年尺度內(nèi)得到的南海SSS與PDO和ENSO的相關(guān)關(guān)系不夠可靠。

王鑫[7]利用簡單海洋同化數(shù)據(jù)(Simple ocean data assimilation, SODA)對(duì)南海及毗鄰的太平洋海域SSS近140 a的長期變化進(jìn)行分析,認(rèn)為其存在季節(jié)和年際變化,空間分布呈現(xiàn)從南到北“高-低-次高”的分布,但未對(duì)SSS的變化機(jī)制進(jìn)行分析。王祥鵬等[8]采用SODA海洋再分析數(shù)據(jù)分析了南海次表層鹽度,認(rèn)為次表層鹽度變化存在11～23 a的低頻變化,與PDO呈正相關(guān),但次表層鹽度受到水平平流和垂向交換的影響較強(qiáng),不能夠反應(yīng)海氣交換對(duì)南海鹽度變化的影響。海洋再分析數(shù)據(jù)結(jié)合數(shù)據(jù)模型的數(shù)據(jù)和觀測數(shù)據(jù)的優(yōu)點(diǎn),具有時(shí)空連續(xù)性和較高的分辨率,是研究南海SSS長期變化的重要工具。

綜上所述,前人大多對(duì)南海SSS的季節(jié)變化和10年尺度的變化特點(diǎn)和機(jī)制進(jìn)行了研究,對(duì)于南海SSS的長期變化前人大多只描述其變化特征。雖然對(duì)南海次表層鹽度的長期變化機(jī)制已經(jīng)有過一些研究,但次表層鹽度和SSS的影響機(jī)制不同,因此目前南海SSS長期變化機(jī)制還存在爭議。本文融合土壤水份主動(dòng)和被動(dòng)衛(wèi)星(Soil moisture active and passive, SMAP)遙感數(shù)據(jù)和SODA海洋再分析數(shù)據(jù),利用經(jīng)驗(yàn)正交函法(EOF)分解、相關(guān)分析等方法對(duì)南海(研究區(qū)域如圖1所示)SSS的長期(1871—2021年)時(shí)空變化特征進(jìn)行分析,對(duì)PDO和ENSO產(chǎn)生的復(fù)合影響機(jī)制進(jìn)行討論。

(紅點(diǎn)為特征點(diǎn)標(biāo)記。Red dots are characteristic points.)

1 數(shù)據(jù)與方法

1.1 數(shù)據(jù)簡介

1.1.1 衛(wèi)星遙感數(shù)據(jù) 衛(wèi)星遙感數(shù)據(jù)采用土壤水分主-被動(dòng)(Soil moisture active and passive,SMAP)探測計(jì)劃從2015—2021年的南海SSS月平均數(shù)據(jù),空間分辨率為40 km*。王藝晴等[9]計(jì)算得到西北太平洋區(qū)域SMAP L3數(shù)據(jù)與Argo實(shí)測數(shù)據(jù)的相關(guān)系數(shù)高達(dá)0.91,全年均方根誤差為0～0.35 psu,精度較高。

1.1.2 海洋再分析數(shù)據(jù) 海洋再分析數(shù)據(jù)采用SODA V2.2.4和V3.3.1。時(shí)間跨度分別為1871—2010年和1980—2015年,空間分辨率0.5°×0.5°[10]。該數(shù)據(jù)集同化了大量觀測數(shù)據(jù),共約7×106個(gè)溫鹽剖面,采用卡爾曼濾波修正誤差,在對(duì)2000年SODA最初版本的評(píng)估中,對(duì)比實(shí)測剖面數(shù)據(jù),1950—1995年500 m以上的平均溫度和鹽度誤差為0.70 ℃和0.092[11]。

1.1.3 其他輔助數(shù)據(jù) 世界海洋數(shù)據(jù)地圖冊(cè)(The world ocean atlas 2018,WOA18)[12]是基于世界海洋數(shù)據(jù)庫(World ocean database,WOD)觀測的剖面實(shí)測數(shù)據(jù)制作的海洋氣候態(tài)數(shù)據(jù)產(chǎn)品,為1955—2017年的每10年平均數(shù)據(jù),空間分辨率為1/4°,用于對(duì)數(shù)據(jù)集進(jìn)行誤差評(píng)估;美國國家海洋與大氣管理局(NOAA)提供的太平洋年代際濤動(dòng)(PDO)指數(shù)和Nio 3.4指數(shù),時(shí)間跨度均為1871—2021年;美國國家航空和宇宙航行局(NASA)的全球降水氣候?qū)W計(jì)劃(GPCP)提供的1979—2021年分辨率為2.5°×2.5°的降水資料[13];《中國河流泥沙公報(bào)》公示的2001—2020年珠江年徑流量數(shù)據(jù),為高要、石角和博羅站統(tǒng)計(jì)的年徑流量數(shù)據(jù),分別代表西江、北江和東江,本文將三站流量相加代表珠江總年徑流量;日本氣象廳提供的1956—2021年137°E斷面黑潮流量數(shù)據(jù),由日本氣象廳海洋氣象觀測船冬夏觀測數(shù)據(jù)診斷得到,位置位于本州島下方(137°E,28°N—34°N)。

1.2 數(shù)據(jù)融合處理

本文對(duì)SODA再分析數(shù)據(jù)和SAMP衛(wèi)星遙感數(shù)據(jù)重疊部分進(jìn)行相關(guān)性分析和差異性分析,根據(jù)分析結(jié)果構(gòu)建1871—2021年分辨率0.5°×0.5°的南海(106.25°E—122.125°E,8.25°N—25.25°N)SSS數(shù)據(jù)集。

1.2.1 相關(guān)性分析 對(duì)SODA V2.2.4與V3.3.1的1980—2010年共31 a重疊部分?jǐn)?shù)據(jù)和SAMP數(shù)據(jù)與SODA V3.3.1共9個(gè)月的重疊數(shù)據(jù)求全場平均,繪制其SSS變化曲線(見圖2),相關(guān)系數(shù)分別為0.85和0.94,置信度超過99%。重疊部分?jǐn)?shù)據(jù)相關(guān)極高,這說明三組數(shù)據(jù)反應(yīng)的南海SSS的變化趨勢基本相同。

圖2 (a)SODA v2.24和SODA v3.31及(b)2015年SODA v3.31與SAMP數(shù)據(jù)重疊部分平均鹽度時(shí)間序列對(duì)比

1.2.2 差異性分析 由于三組數(shù)據(jù)存在一定的差異,對(duì)數(shù)據(jù)進(jìn)行了以下處理:對(duì)SODA V2.2.4與V3.3.1的1980—2010年共31 a重疊部分?jǐn)?shù)據(jù)按月求歐拉距離分布并做31 a平均,結(jié)果如圖3(a)所示。從圖中可以發(fā)現(xiàn)南海大部分區(qū)域數(shù)據(jù)匹配度較好,數(shù)據(jù)差異較大的點(diǎn)出現(xiàn)在河口附近,由此將圖中歐拉距離大于0.6 psu的空間點(diǎn)剔除;接著將SAMP數(shù)據(jù)插值為0.5°×0.5°,將SAMP數(shù)據(jù)與第一步剔除數(shù)據(jù)后的SODA V3.3.1重疊共9個(gè)月的數(shù)據(jù)求歐拉距離分布并平均,結(jié)果如圖3(b)所示。同樣將歐拉距離大于0.6的空間點(diǎn)剔除,最后計(jì)算得到在重疊部分的歐拉距離的空間平均值約為0.103和0.264,認(rèn)為數(shù)據(jù)差異在可接受范圍內(nèi)。

圖3 (a)SODA v2.24和SODA v3.31及(b)SODA v3.31和SAMP重疊部分?jǐn)?shù)據(jù)歐拉距離分布

1.2.3 數(shù)據(jù)集構(gòu)建 綜合相關(guān)性分析和差異性分析的結(jié)論,作者認(rèn)為經(jīng)過處理后三組數(shù)據(jù)重疊部分?jǐn)?shù)據(jù)相關(guān)性強(qiáng)且數(shù)據(jù)差異小,可以用于分析南海SSS的變化及機(jī)制?？紤]到衛(wèi)星數(shù)據(jù)和SODA再分析數(shù)據(jù)間可能存在的系統(tǒng)偏差,我們計(jì)算了重疊部分9個(gè)月偏差的逐點(diǎn)平均值并用衛(wèi)星數(shù)據(jù)逐點(diǎn)減去該平均值。將3組數(shù)據(jù)按時(shí)間相接,對(duì)于SODA2.2.4和SODA3.3.1重疊部分?jǐn)?shù)據(jù),選擇版本更新的SODA3.3.1數(shù)據(jù);對(duì)于SODA V3.3.1和SAMP重疊部分?jǐn)?shù)據(jù),選擇SAMP數(shù)據(jù),得到1871—2021年分辨率為0.5°×0.5°的南海SSS數(shù)據(jù)集,南海SSS在1871—2021年變化如圖4所示。

圖4 研究區(qū)域平均SSS時(shí)間序列

1.2.4 數(shù)據(jù)集誤差分析 將數(shù)據(jù)集研究區(qū)域在1955—2004年每10年平均值以及2005—2017年的平均值并與WOA2018數(shù)據(jù)進(jìn)行誤差分析,研究區(qū)域內(nèi)SSS平均均方根誤差分別為0.23,0.22,0.17,0.19,0.17和0.16。在1871—1954年由于缺少數(shù)據(jù)暫時(shí)無法驗(yàn)證,但在1955—2017年間經(jīng)過驗(yàn)證誤差較小,可作為本研究的數(shù)據(jù)支持。

1.3 分析方法

經(jīng)驗(yàn)正交函數(shù)法(EOF)分解可以將數(shù)據(jù)降維,分別對(duì)南海SSS的時(shí)間和空間特征進(jìn)行分析。方法如下:按月求距平得到矩陣X,由矩陣X得到協(xié)方差矩陣A=XXT/M(M為總月數(shù)),求A的特征值和特征向量,將特征值從大到小排列,特征值的大小順序即對(duì)應(yīng)EOF的模態(tài)順序,找到最大幾個(gè)特征值對(duì)應(yīng)的向量,計(jì)算方差貢獻(xiàn)并做顯著性檢驗(yàn)[14]。

小波分析將一個(gè)函數(shù)用一個(gè)衰減的小波函數(shù)通過平移伸縮來表示,它可以分析不穩(wěn)定的信號(hào),對(duì)突變信號(hào)的處理比傅里葉變換更優(yōu)秀[15]。

為了了解時(shí)間序列之間相關(guān)性隨時(shí)間的變化,研究者定義了局部滑動(dòng)相關(guān)系數(shù)Rr(Local running correlation coefficient,LRCC)[16],LRCC被廣泛的應(yīng)用在各項(xiàng)研究中,其公式如下:

Rr(i)=

(1)

Zhao等[17]基于LRCC,采用全局不變均值代替原公式中的局部變化均值,得到合成滑動(dòng)相關(guān)系數(shù)RS(Synthetic running correlation coefficient, SRCC)的計(jì)算公式如下:

(2)

兩式中n要根據(jù)時(shí)間序列的具體情況,大到抑制高頻信號(hào),小到可以表示時(shí)間序列的周期性,SRCC既能反映異常變化引起的相關(guān)性,也能反映均值變化引起的相關(guān)性,代表不同時(shí)間點(diǎn)相關(guān)性的完全可比性,更能夠反應(yīng)時(shí)間序列的低頻變化。

2 南海SSS變化特征分析

2.1 長期變化趨勢

對(duì)研究區(qū)域1871—2021年SSS數(shù)據(jù)逐點(diǎn)求標(biāo)準(zhǔn)差,得到圖5(a)所示的標(biāo)準(zhǔn)差分布。從圖中可以看到標(biāo)準(zhǔn)差高值出現(xiàn)在珠江口處,SSS變化劇烈;南海大部分海域標(biāo)準(zhǔn)差在0.5以下,說明大部分海域SSS比較穩(wěn)定。同樣,對(duì)研究區(qū)域SSS數(shù)據(jù)逐點(diǎn)求變化趨勢,得到圖5(b)所示的變化趨勢分布。從圖中可以發(fā)現(xiàn):呂宋海峽區(qū)域SSS呈上升趨勢,速度約為每10年0.03,南海北部海域SSS呈上升趨勢,速度約為每10年0.02,南海南部與納土納海和泰國灣相接的海域SSS呈下降趨勢,速度約為每10年-0.03,變化趨勢相反。

圖5 1871—2021年南海SSS(a)標(biāo)準(zhǔn)差和(b)變化趨勢分布

由南海SSS月平均數(shù)據(jù)求計(jì)算出SSS年平均,為了更好地描述南海SSS變化趨勢,根據(jù)空間平均SSS的極值點(diǎn)將變化分為4個(gè)階段,分別為1871—1915年、1915—1939年、1939—1958和1958—2021年。在研究區(qū)域內(nèi)取6個(gè)特征點(diǎn)(見圖1),分別位于呂宋海峽、珠江口外、北部灣中心、南海中心、湄公河口外和蘇祿海,繪制其SSS變化曲線(見圖6)。

圖6 (a)1871—1913年、(b)1914-1938年、(c)1939-1957年及(d)1958-2021年南海平均SSS變化曲線(藍(lán)色)和整體變化趨勢(黑色)及6個(gè)特征點(diǎn)(其他)的SSS變化曲線

從圖6(a)中可以發(fā)現(xiàn),在1871—1915年南海SSS總體呈上升趨勢,速度為每10年0.09,除北部灣特征點(diǎn)的SSS處于震蕩平衡狀態(tài)外,其他所有特征點(diǎn)SSS均呈上升趨勢;從圖6(b)中可以發(fā)現(xiàn),在1915—1939年南海SSS總體呈下降趨勢,速度為每10年-0.19,除蘇祿海特征點(diǎn)SSS呈振蕩平衡狀態(tài)外,其他特征點(diǎn)SSS均呈下降趨勢;從圖6(c)中發(fā)現(xiàn),在1940—1958年南海SSS總體呈上升趨勢,速度為每10年0.31,所有特征點(diǎn)SSS均呈上升趨勢;從圖6(d)中發(fā)現(xiàn)1958—2021年南海SSS總體呈下降趨勢,速度為每10年-0.09,所有特征點(diǎn)SSS均呈下降趨勢?？梢钥吹侥虾８魈卣鼽c(diǎn)和平均SSS的變化趨勢基本一致,相比于平均SSS,呂宋海峽SSS偏高而珠江口和北部灣SSS偏低,南海中心點(diǎn)SSS變化基本貼合平均SSS變化,其中珠江河口和北部灣的特征點(diǎn)SSS振蕩變化較強(qiáng),和SSS標(biāo)準(zhǔn)差分布及變化趨勢分布顯示的結(jié)論吻合。

從圖5(b)的南海長期變化趨勢分布中可以發(fā)現(xiàn),南海SSS的變化在南部和北部是反向的。由于在圖6的分段變化中不易看出南海鹽度的長期變化,我們選取了位于南海南北部的兩個(gè)特征點(diǎn)分析在1871—2020年的長期變化(見圖7),結(jié)果顯示北部特征點(diǎn)的鹽度呈上升趨勢(每10年0.03),而南部特征點(diǎn)呈下降趨勢(每10年-0.03),這種南北變化不一致的原因我們將在后文中進(jìn)一步討論。

圖7 南海南北部兩個(gè)特征點(diǎn)的變化趨勢

2.2 年際和年代際變化特征

為進(jìn)一步研究南海SSS的年際及年代際變化特征,對(duì)研究區(qū)域(106.25°E—122.125°E,8.25°N—25.25°N)1871—2021年的月平均SSS距平場進(jìn)行12個(gè)月的低通濾波消除季節(jié)變化影響,進(jìn)行EOF分解。表1展示了前三個(gè)模態(tài)的特征值及方差貢獻(xiàn)率。

表1 EOF前三個(gè)模態(tài)對(duì)應(yīng)特征值和方差貢獻(xiàn)率Table 1 The first three EOF modes eigenvalues and variance contribution rates

根據(jù)顯著性檢驗(yàn)條件,相鄰特征值滿足[19]:

(3)

式中:λ為特征值;n為樣本個(gè)數(shù)。

EOF前三個(gè)模態(tài)均通過顯著性檢驗(yàn),其中前兩個(gè)模態(tài)的累計(jì)方差貢獻(xiàn)率達(dá)到67.78%,可以代表原始場的主要特征,本文主要對(duì)前兩個(gè)模態(tài)進(jìn)行分析。

2.2.1 空間分布特征 EOF第一模態(tài)的方差貢獻(xiàn)率為44.49%,展示了南海SSS變化最主要的特點(diǎn),其空間分布如圖8(a)所示。EOF第一模態(tài)南海北部呈正異常,南海南部和北部灣區(qū)域鹽度呈負(fù)異常,與蒸發(fā)降水有關(guān)。在南海北部可以發(fā)現(xiàn)明顯的鹽舌,該鹽舌在南海北部從呂宋海峽開始向西深入至海南島附近,這可能是受到黑潮入侵的影響。

圖8 EOF(a)第一和(b)第二模態(tài)空間分布

EOF第二模態(tài)解釋了總方差的23.29%,其空間分布如圖8(b)所示。從圖中可以發(fā)現(xiàn)第二模態(tài)SSS在南海整體呈現(xiàn)正異常,在珠江口、紅河口和湄公河口處SSS變化梯度較大,可能是受到包括珠江在內(nèi)徑流的影響。

2.2.2 時(shí)間變化特征 為探究南海SSS的周期性變化特征,對(duì)第一和第二模態(tài)的時(shí)間序列進(jìn)行了小波分析并計(jì)算小波方差(見圖9)。圖中紅色圓圈標(biāo)記了通過95%置信度檢驗(yàn)的周期。可以發(fā)現(xiàn)第一模態(tài)時(shí)間序列存在2、7和11 a左右的周期振蕩,第二模態(tài)時(shí)間序列存在2和9 a左右的周期振蕩,兩個(gè)模態(tài)的第一主周期都為2 a左右?？梢园l(fā)現(xiàn)南海SSS變化呈現(xiàn)顯著的年代及年代際變化特征,其變化機(jī)制將在后文予以討論。

(紅色虛線為95%置信度檢驗(yàn)線。Red dashed line is 95% confidence coefficient test line.)

3 南海SSS變化機(jī)制分析

3.1 直接作用機(jī)制

從第一模態(tài)的空間分布中發(fā)現(xiàn),南海SSS可能受到黑潮入侵的影響。將1967—2020年137°E斷面黑潮流量與對(duì)應(yīng)時(shí)間點(diǎn)的EOF第一模態(tài)的時(shí)間序列進(jìn)行對(duì)比,二者呈明顯的負(fù)相關(guān)關(guān)系,兩者相關(guān)性系數(shù)為-0.41,置信度超過99%(見圖10)。進(jìn)一步對(duì)兩個(gè)時(shí)間序列計(jì)算LRCC,滑動(dòng)窗口選擇為10 a(見圖11),可以發(fā)現(xiàn),除了在1984—1986年間有微弱正相關(guān),在其他大多數(shù)年份中都呈現(xiàn)0.4～0.8的中強(qiáng)負(fù)相關(guān)性,結(jié)合圖8(a)的第一模態(tài)空間分布,我們認(rèn)為南海北部受到黑潮入侵作用明顯,呈負(fù)相關(guān)關(guān)系。

圖10 黑潮流量與EOF第一模態(tài)時(shí)間序列對(duì)比

圖11 黑潮流量與EOF第一模態(tài)時(shí)間序列LRCC

黑潮流量與南海SSS呈負(fù)相關(guān)性的原因可以解釋為:黑潮向南海的入侵主要通過渦旋和水平平流[19],在黑潮流量大時(shí),強(qiáng)慣性作用使通過呂宋海峽向南海輸送的高鹽水變少,在流量較小時(shí),受到地形的影響更加明顯,容易產(chǎn)生渦旋和水平平流,向南海輸送的高鹽水變多,這種效應(yīng)也稱為“茶壺效應(yīng)”[20]。周艷芳等[21]使用OFES數(shù)值模擬數(shù)據(jù)對(duì)呂宋島東側(cè)(18°N,122.25°E—123.65°E)斷面黑潮上游流量與呂宋海峽輸運(yùn)之間的關(guān)系進(jìn)行了研究,認(rèn)為在一般情況下黑潮上游流量較小,有利于太平洋水入侵南海,而黑潮流量較大時(shí)不利于入侵南海,與本文的結(jié)論較為一致。

從第一模態(tài)的空間分布中發(fā)現(xiàn),EOF在南海南部及北部灣呈現(xiàn)負(fù)異?？赡苁鞘艿浇邓绊?。對(duì)GPCP南海區(qū)域的降水?dāng)?shù)據(jù)進(jìn)行EOF分解,得到第一模態(tài)的方差貢獻(xiàn)率為47.58%,能夠代表該區(qū)域降水的主要形態(tài)。如圖12所示,將歸一化的降水時(shí)間序列與EOF第一模態(tài)的時(shí)間序列進(jìn)行對(duì)比,兩者呈相關(guān)系數(shù)為-0.49的負(fù)相關(guān)關(guān)系,置信度超過99%。圖中能夠觀察到明顯的負(fù)相關(guān)關(guān)系,這說明降水對(duì)南海SSS年際變化的影響非常顯著。進(jìn)一步對(duì)二者計(jì)算LRCC,滑動(dòng)窗口選擇為10 a,結(jié)果如圖13所示。從圖中可以發(fā)現(xiàn)相關(guān)系數(shù)在0.45～0.70之間,變化幅度不大。結(jié)合圖13的降水第一模態(tài)空間分布,當(dāng)降水第一模態(tài)時(shí)間序列值增加時(shí),降水量減少,對(duì)應(yīng)南海SSS第一模態(tài)時(shí)間序列值減少,結(jié)合圖8(a)南海南部及北部灣呈現(xiàn)負(fù)異常,因此SSS上升?？梢哉J(rèn)為降水和南海SSS之間呈現(xiàn)穩(wěn)定的中強(qiáng)負(fù)相關(guān)性,降水增多時(shí),海表凈淡水通量增加,SSS下降,反之SSS上升。

圖12 降水時(shí)間序列和EOF第一模態(tài)時(shí)間序列對(duì)比

圖13 降水時(shí)間序列和EOF第一模態(tài)時(shí)間序列LRCC

為了分析第一模態(tài)的空間分布中南北變化相反的原因,進(jìn)一步討論南海降水和黑潮對(duì)南海鹽度的影響。從圖14中可以發(fā)現(xiàn),1979—2021年南海降水的變化一致,變化高值出現(xiàn)在南海南部,因此南海南部的降水變化更強(qiáng),根據(jù)前文的結(jié)論,南海北部受到黑潮入侵的影響明顯,因此在南海SSS第一模態(tài)在北部呈現(xiàn)正異常,北部灣海域由于地理位置受到黑潮入侵的影響很小,而南海南部SSS受到降水影響強(qiáng)烈,都呈現(xiàn)負(fù)異常,因此第一模態(tài)呈現(xiàn)南北位相相反的特點(diǎn)。北部灣的鹽度變化受到多種因素影響,受到數(shù)據(jù)量和數(shù)據(jù)精度的限制,本文定性地認(rèn)為其鹽度變化受到地理位置、降水及徑流的影響,未來結(jié)合北部灣高分辨率的數(shù)據(jù)可以進(jìn)行進(jìn)一步的研究。

圖14 南海降水EOF第一模態(tài)空間分布

從第二模態(tài)的空間分布可以發(fā)現(xiàn)其主要受到包括珠江在內(nèi)的徑流的影響,作者將年平均后的第二模態(tài)時(shí)間序列與珠江年徑流量進(jìn)行對(duì)比并做相關(guān)性分析(見圖15)。從圖中可以發(fā)現(xiàn)二者有明顯的負(fù)相關(guān)關(guān)系,相關(guān)系數(shù)達(dá)到-0.45,置信度超過99%。三個(gè)站位中高要站與第二模態(tài)時(shí)間序列的負(fù)相關(guān)性最強(qiáng),相關(guān)系數(shù)為-0.46,置信度超過99%,因此珠江徑流量變化是影響南海陸架及沿岸區(qū)域SSS變化的重要因素。結(jié)合第二模態(tài)的空間分布,珠江徑流量增大時(shí),向南海輸入淡水增多,導(dǎo)致南海陸架及沿岸區(qū)域SSS下降。

圖15 珠江年徑流量與EOF第二模態(tài)時(shí)間序列對(duì)比

3.2 氣候變化過程的作用機(jī)制

太平洋年代際振蕩(Pacific decadal oscillation,PDO)周期為10～20 a,ENSO是厄爾尼諾(El Nio)和南方濤動(dòng)(Southern oscillation)的合稱,其發(fā)生周期為2～7 a,兩者對(duì)中國南海氣候變化都有重要的影響。從圖9可以看到,南海SSS存在顯著的年際和年代際變化,其周期分別與ENSO和PDO相近,南海SSS極有可能受到ENSO和PDO的復(fù)合影響。

本文首先在年代際尺度上對(duì)PDO與南海SSS進(jìn)行相關(guān)分析及機(jī)制討論,并在年際尺度上分析ENSO和PDO對(duì)南海SSS的復(fù)合作用。

3.2.1 年代際變化機(jī)制分析 為獲取第一模態(tài)時(shí)間序列和PDO指數(shù)的年代際變化信號(hào),對(duì)二者進(jìn)行了10年低通濾波,在1871—2021年進(jìn)行對(duì)比并做相關(guān)分析。如圖16所示,兩者相關(guān)性系數(shù)為0.46,呈正相關(guān)關(guān)系,南海SSS滯后于PDO 10個(gè)月時(shí),二者相關(guān)性最強(qiáng),為0.47。黑潮入侵南海的強(qiáng)度有顯著的年代際變化,PDO處于正位相時(shí),阿留申低壓南移,西風(fēng)異常增強(qiáng),北赤道流分叉點(diǎn)向北移動(dòng),導(dǎo)致呂宋海峽東部黑潮流量減小[22],由于“茶壺效應(yīng)”,黑潮入侵南海的強(qiáng)度增強(qiáng),南海鹽度上升。PDO負(fù)位相時(shí),結(jié)果相反。

圖16 EOF第一模態(tài)時(shí)間序列與PDO指數(shù)對(duì)比

為驗(yàn)證黑潮入侵南海的變化,使用SODA數(shù)據(jù)繪制了1871—2021年呂宋海峽附近PDO正位相(PDO指數(shù)大于0.5)和負(fù)位相(PDO指數(shù)小于-0.5)時(shí)的流場合成圖,圖17(a)中呂宋海峽西側(cè)和南海北部的流場強(qiáng)于圖17(b),且黑潮流軸更靠近南海,這說明在PDO負(fù)位相比PDO正位相時(shí)黑潮入侵南海的效應(yīng)更強(qiáng)。

圖17 PDO正(a)負(fù)(b)位相時(shí)呂宋海峽周邊及南海流場

3.2.2 年際變化機(jī)制分析 前人的研究中已經(jīng)發(fā)現(xiàn)ENSO對(duì)南海SSS的影響主要通過兩種方式:一是通過沃克環(huán)流形成“大氣橋”[23],進(jìn)而控制降水變化產(chǎn)生的,在厄爾尼諾年降水減少,SSS上升,拉尼娜年反之[24-25];二是ENSO通過影響黑潮入侵南海產(chǎn)生的,黑潮經(jīng)呂宋海峽向南海輸入的流量在厄爾尼諾年較高,在拉尼娜年較低[26]。ENSO南海SSS的年際變化受到ENSO的影響[6],但是在以往對(duì)ENSO與南海SSS的相關(guān)分析中并沒有考慮PDO的影響,因此本文對(duì)ENSO和PDO對(duì)南海SSS復(fù)合作用機(jī)制進(jìn)行了研究。

為了討論P(yáng)DO和ENSO對(duì)南海SSS變化的復(fù)合影響,需要獲取南海SSS與ENSO的低頻變化,因此對(duì)NINO3.4和南海SSS的EOF第一模態(tài)時(shí)間序列計(jì)算了SRCC(滑動(dòng)窗口設(shè)為10 a),繪制了NINO3.4指數(shù)和10年低通濾波PDO指數(shù)的變化曲線(見圖18中紅線和藍(lán)線)。從圖中可以發(fā)現(xiàn),SRCC與PDO周期接近,兩者呈現(xiàn)正相關(guān)關(guān)系,相關(guān)系數(shù)為0.38,在滯后9個(gè)月后達(dá)到最大值0.43,置信度超過99%,也就是說ENSO與南海SSS的相關(guān)關(guān)系很可能受到PDO的影響,南海SSS的年際變化受到PDO和ENSO的復(fù)合作用。

圖18 NINO3.4和EOF第一模態(tài)時(shí)間序列10 a的SRCC(紅色、藍(lán)色陰影)與PDO指數(shù)(藍(lán)色)和NINO3.4指數(shù)(紅色)對(duì)比

當(dāng)PDO正位相時(shí),NINO3.4指數(shù)與南海SSS整體呈現(xiàn)正相關(guān),在厄爾尼諾年正相關(guān)較強(qiáng),而在拉尼娜年相關(guān)性不明顯,對(duì)于這種相關(guān)性的變化,分析并給出了以下解釋:當(dāng)PDO正位相且處在厄爾尼諾年時(shí),赤道西風(fēng)增強(qiáng),進(jìn)而加強(qiáng)了沃克環(huán)流,導(dǎo)致太平洋中部的上升運(yùn)動(dòng)更強(qiáng),南海區(qū)域下沉運(yùn)動(dòng)更強(qiáng),厄爾尼諾對(duì)南海降水的控制加強(qiáng),導(dǎo)致南海降水大幅減少,其周邊河流徑流量減少,同時(shí),ENSO和PDO正位相時(shí)黑潮入侵強(qiáng)烈,兩種因素共同影響使南海SSS上升;而在拉尼娜年,南海降水增強(qiáng),同時(shí)黑潮入侵效應(yīng)強(qiáng),兩者作用相反,使南海SSS在拉尼娜年變化不明顯。

當(dāng)PDO負(fù)位相時(shí),NINO3.4指數(shù)與南海SSS整體呈現(xiàn)負(fù)相關(guān),在拉尼娜年負(fù)相關(guān)性較強(qiáng),而在厄爾尼諾年相關(guān)性不明顯,對(duì)此給出了一部分解釋:PDO負(fù)位相時(shí),在厄爾尼諾年南海降水減少,同時(shí)黑潮入侵效應(yīng)減弱,兩者作用相反,使南海SSS變化不明顯。但在拉尼娜年呈現(xiàn)負(fù)相關(guān)的原因根據(jù)現(xiàn)有的結(jié)論還無法解釋,猜測可能與印度洋偶極子(IOD)的影響有關(guān),但同時(shí)分析3種氣候變化過程的影響較為困難,具體的影響機(jī)制還有待進(jìn)一步研究。

4 結(jié)論

本文融合海洋再分析數(shù)據(jù)和衛(wèi)星遙感數(shù)據(jù),處理生成151 a(1871—2021年)的長期南海SSS數(shù)據(jù)集,采用EOF和相關(guān)分析等方法,分析了南海SSS的長期時(shí)空變化特征及機(jī)制,得到以下結(jié)論:

(1)近150 a(1871—2021年)南海SSS整體變化趨勢分為4個(gè)階段,分別為1871—1914年,1915—1939年,1940—1958年,1959—2021年,變化速度分別為每10年0.09、-0.19、0.31和-0.09。由方差和增長趨勢的空間分布可以發(fā)現(xiàn),南海SSS變化劇烈的位置集中在珠江河口,南海SSS的變化在南部和北部反向。

(2)利用EOF和相關(guān)性分析方法,發(fā)現(xiàn)南海SSS變化呈現(xiàn)顯著的年代及年代際變化特征,主要受到黑潮入侵和降水的共同影響,與黑潮流量和降水時(shí)間序列分別呈相關(guān)系數(shù)為-0.41和-0.49的中度負(fù)相關(guān)性,滑動(dòng)相關(guān)分析結(jié)果表明相關(guān)性穩(wěn)定。河口及沿岸SSS變化與珠江徑流流量呈負(fù)相關(guān),相關(guān)系數(shù)為-0.45。

(3)PDO通過黑潮入侵變化影響南海SSS,在年代際尺度上呈現(xiàn)正相關(guān),在滯后10個(gè)月時(shí)正相關(guān)性最強(qiáng),為0.47。ENSO主要通過降水影響南海SSS,受到PDO的調(diào)控,相關(guān)性呈現(xiàn)與PDO周期相近的年代際變化,在滯后9個(gè)月時(shí)這種調(diào)控效應(yīng)最強(qiáng),南海SSS受到PDO和ENSO的復(fù)合影響:PDO正位相時(shí),厄爾尼諾現(xiàn)象對(duì)南海降水的影響加強(qiáng),使南海降水量減少,加之黑潮入侵強(qiáng)烈,南海SSS呈現(xiàn)明顯上升;而在拉尼娜年,南海降水增強(qiáng),但同時(shí)受到黑潮入侵增強(qiáng),兩者作用相反,南海SSS在拉尼娜年變化不明顯;在PDO負(fù)位相時(shí),厄爾尼諾現(xiàn)象使南海降水減少,同時(shí)黑潮入侵效應(yīng)減弱,兩者作用相反,使南海SSS變化不明顯。

本文分析了近150 a南海SSS的變化特征及機(jī)制,相比于前人的研究,本文使用的數(shù)據(jù)時(shí)間范圍更長,因此南海SSS年際及年代際變化的研究結(jié)論更加可靠,且本文討論了PDO和ENSO兩者對(duì)南海SSS產(chǎn)生的復(fù)合影響,有助于理解南海SSS的復(fù)雜變化機(jī)制。