楊 敏, 孫 群, 王思佳, 郭新宇

臺(tái)灣島以東黑潮熱輸運(yùn)的季節(jié)及年際變化特征

楊 敏1, 孫 群1, 王思佳1, 郭新宇2, 3

(1. 天津科技大學(xué) 海洋與環(huán)境學(xué)院, 天津 300457; 2.愛媛大學(xué) 沿岸環(huán)境科學(xué)研究中心, 日本 松山 790-8577; 3. 日本海洋研究開發(fā)機(jī)構(gòu)應(yīng)用研究所, 日本 橫濱 236-0001)

黑潮熱輸運(yùn)對(duì)我國(guó)沿海區(qū)域氣候變化及海洋生態(tài)環(huán)境具有重要影響。基于JCOPE2(Japan Coastal Ocean Predictability Experiment 2)模式1993—2016年的高分辨率數(shù)值模擬結(jié)果, 計(jì)算了通過臺(tái)灣島以東24°N KET(Kuroshio East of Taiwan Island)斷面的黑潮熱輸運(yùn), 分析了其季節(jié)及年際變化特征, 結(jié)合ONI指數(shù)(Oceanic Nino Index)探討了其與ENSO(厄爾尼諾-南方濤動(dòng))事件的關(guān)系。研究結(jié)果表明, KET斷面黑潮熱輸運(yùn)具有顯著的季節(jié)變化, 春夏季較大, 秋冬季偏小; 年均值為1.98 PW(1 PW=1015W), 標(biāo)準(zhǔn)差為0.18 PW, 熱輸運(yùn)強(qiáng)年為1996—1997年和2015年, 熱輸運(yùn)弱年為2000年, 2002年和2013年。超強(qiáng)ENSO過程對(duì)黑潮熱輸運(yùn)有顯著影響。受超強(qiáng)厄爾尼諾事件影響, 臺(tái)灣島以東黑潮熱輸運(yùn)明顯增加, 熱輸運(yùn)極大值超前ONI指數(shù)極大值約5~10個(gè)月。利用方差分析得到流速方差項(xiàng)對(duì)KET斷面黑潮熱輸運(yùn)總時(shí)域方差貢獻(xiàn)最大, 解釋了熱輸運(yùn)總方差最大值的77%, 其次是溫度與流速協(xié)方差項(xiàng)以及溫度方差項(xiàng), 分別解釋了熱輸運(yùn)總方差的15%和6%。

黑潮熱輸運(yùn); 臺(tái)灣島以東; 年際變化; ENSO; 方差分析

黑潮是西北太平洋的一支強(qiáng)西邊界流, 也是太平洋經(jīng)向熱輸送的重要通道, 通過將低緯海區(qū)熱量輸送到中高緯海區(qū), 對(duì)全球熱平衡及熱量的再分配有重要的影響。東海黑潮在臺(tái)灣島東側(cè)進(jìn)入東海, 對(duì)東海陸架環(huán)流系統(tǒng)、沿海生態(tài)環(huán)境有著顯著影響[1], 同時(shí), 臺(tái)灣島以東黑潮水量和熱量輸運(yùn)的變化及黑潮跨陸架的入侵影響相鄰海域的局地海-氣相互交換過程, 進(jìn)一步影響到我國(guó)沿海區(qū)域的氣候環(huán)境[2-5]。因此, 開展臺(tái)灣島以東黑潮動(dòng)力輸運(yùn)過程研究對(duì)深入了解東海海洋生態(tài)環(huán)境及氣候變化具有十分重要的意義。

自20世紀(jì)60年代, 國(guó)內(nèi)外學(xué)者基于黑潮區(qū)的現(xiàn)場(chǎng)觀測(cè)數(shù)據(jù)和數(shù)值模擬結(jié)果, 對(duì)臺(tái)灣島以東黑潮動(dòng)力輸運(yùn)的結(jié)構(gòu)變化特征進(jìn)行了一系列研究。根據(jù)研究, 臺(tái)灣島以東黑潮流量變化范圍為15~33 Sv(1 Sv= 106m3/s)[6-8], 不同數(shù)據(jù)、計(jì)算方法及黑潮的變異都會(huì)對(duì)流量結(jié)果產(chǎn)生影響。臺(tái)灣島以東黑潮流量存在季節(jié)及季節(jié)內(nèi)的變化。東臺(tái)灣島水道南部黑潮存在30~ 70天和100~200天的季節(jié)內(nèi)變化[6-7]。黑潮流量30~ 70天的變化是黑潮與底地形相互作用的結(jié)果, 而100~200天的變化則受到太平洋內(nèi)部中尺度渦西向遷移的影響[7]。臺(tái)灣島東北部黑潮存在顯著的季節(jié)變化, 黑潮流量夏季較大, 冬季偏小[9-10]。臺(tái)灣島東北部黑潮流量的季節(jié)變化主要受到陸架海域的季風(fēng)和熱通量的影響[11], 而Chang等[12]利用29年的驗(yàn)潮站數(shù)據(jù)指出臺(tái)灣島東北部黑潮流量秋季大, 春季小, 季節(jié)變化受到副熱帶逆流渦旋的季節(jié)性遷移影響。臺(tái)灣島東南部黑潮流量夏季大, 冬季小, 主要受到呂宋海峽和呂宋島以東黑潮的聯(lián)合影響[13]。由于受到大尺度海氣相互作用過程和中尺度渦旋的影響, 臺(tái)灣島以東黑潮流量還存在年際變異。Hwang等[14]指出臺(tái)灣島東北部黑潮和臺(tái)灣島東南部黑潮流量與ENSO指數(shù)反相關(guān), 且時(shí)間滯后差異較大, 臺(tái)灣島東北部流量與ENSO存在1個(gè)月的滯后, 而臺(tái)灣島東南部流量與ENSO存在9~10個(gè)月的時(shí)間滯后。Soeyanto等[15]指出2002年前后臺(tái)灣島以東黑潮流量的年際變化與PDO指數(shù)存在相關(guān)性。許靈靜等[5]利用1993—2015年的AVISO海表面絕對(duì)動(dòng)力高度數(shù)據(jù)研究了黑潮的低頻變異, 表明PTO (Philippines-Taiwan Oscilla-tion)年際振蕩所導(dǎo)致的副熱帶逆流區(qū)反氣旋式渦旋與氣旋式渦旋的相對(duì)強(qiáng)度是影響臺(tái)灣島以東黑潮年際變化的主要?jiǎng)恿σ蛩亍?/p>

近年來, 隨著研究者們對(duì)海洋中熱量輸運(yùn)及空間再分配問題的關(guān)注, 對(duì)黑潮熱量輸運(yùn)的研究也取得一些有益的成果。Hsueh[16]基于Bryan-Cox模型數(shù)據(jù)得到臺(tái)灣島東部黑潮熱輸運(yùn)年均值為1.13 PW。Zhang等[17]利用實(shí)測(cè)數(shù)據(jù)估算PCM-1斷面黑潮熱輸運(yùn)平均值為1.79 PW, 且具有夏季大, 冬季小的季節(jié)變化特征。Jan等[8]于2012年9月~2014年9月期間對(duì)臺(tái)灣島以東23.75°N斷面(稱為KTV1)進(jìn)行了9次走航觀測(cè), 利用觀測(cè)測(cè)數(shù)據(jù)計(jì)算得到臺(tái)灣島以東23.75°N斷面黑潮熱輸運(yùn)平均值為1.52 PW。齊慶華等[18]利用52年的水文資料研究臺(tái)灣島以東24°N斷面(臺(tái)灣島—125°E)黑潮熱輸運(yùn)的低頻變異, 指出通過此斷面的黑潮熱輸運(yùn)年均值為1.33 PW, 存在明顯的準(zhǔn)2年和約16年的周期振蕩, 并且發(fā)現(xiàn)黑潮熱輸運(yùn)異常的低頻變化存在季節(jié)差異, 春季呈減弱趨勢(shì), 其他季節(jié)則為增強(qiáng)趨勢(shì)?；谌蜃兙W(wǎng)格海洋模式, Fang等[19]估算臺(tái)灣島以東黑潮熱輸運(yùn)的變化范圍為1.37~2.10 PW。Seo等[20]利用ROMS數(shù)值模擬結(jié)果得到臺(tái)灣島東北部黑潮熱輸運(yùn)年均值為1.62 PW, 具有較小的季節(jié)變化, 1989—1993年和1995—1997年兩個(gè)時(shí)間段的黑潮熱輸運(yùn)量值偏大。表1列出已有研究成果給出的黑潮熱輸運(yùn)結(jié)果, 由于斷面、零流面的選取不同及觀測(cè)時(shí)間和數(shù)值模式分辨率等的不同, 黑潮熱輸運(yùn)結(jié)果存在較大的變化范圍。

表1 黑潮熱輸運(yùn)研究結(jié)果統(tǒng)計(jì)表

綜上所述, 關(guān)于臺(tái)灣島以東黑潮水文和流速同時(shí)期、同斷面的觀測(cè)資料較少, 且臺(tái)灣島以東黑潮流的變化復(fù)雜, 不同流段的黑潮存在較大差異。目前對(duì)臺(tái)灣島以東黑潮熱輸運(yùn)量的估算變化范圍較大, 對(duì)熱輸運(yùn)的變化特征及機(jī)制分析尚未得到明確的認(rèn)識(shí)。因此, 利用高分辨率長(zhǎng)時(shí)間序列的數(shù)據(jù)研究黑潮熱輸運(yùn)的變化規(guī)律, 對(duì)深入了解黑潮對(duì)中國(guó)沿海氣候變化及近海生態(tài)環(huán)境的影響有重要的科學(xué)意義。為進(jìn)一步了解黑潮熱輸運(yùn)的季節(jié)和年際變化規(guī)律, 本文利用近24年的JCOPE2高分辨率海洋數(shù)值模擬結(jié)果, 計(jì)算并分析了臺(tái)灣島以東黑潮熱輸運(yùn)量的季節(jié)和年際變化特征, 并探討了通過臺(tái)灣島以東斷面控制黑潮熱輸運(yùn)空間分布結(jié)構(gòu)的影響因素。

1 數(shù)據(jù)介紹

本文采用海洋同化數(shù)值模式得到的高分辨率再分析數(shù)據(jù)[21], 該系統(tǒng)中海洋動(dòng)力模型為POM模式(Princeton Ocean Model), 應(yīng)用三維變分同化方法。水平方向采用高低分辨率雙區(qū)單向嵌套的方法, 垂直方向采用s坐標(biāo)[22]。模擬區(qū)域分為內(nèi)、外兩區(qū), 外區(qū)范圍為(30°S—62°N, 100°E—90°W), 水平分辨率較低, 為1/4°×1/4°, 垂向分21個(gè)s層。內(nèi)區(qū)范圍為(10.5°—62°N, 118°—180°E), 水平分辨率較高, 為1/12°×1/12°, 垂向分47個(gè)s層。內(nèi)區(qū)開邊界條件由外區(qū)模擬結(jié)果提供。

模型驅(qū)動(dòng)采用6小時(shí)/次的NCEP/NCAR (National Centers for Environmental Prediction-National Center for Atmospheric Research)的風(fēng)應(yīng)力和熱、鹽通量再分析數(shù)據(jù), 并同化了AVISO衛(wèi)星高度計(jì)的海平面高度異常數(shù)據(jù), AVHRR/MCSST(Advanced Very High Reso-lution Radiomeer/Multi-Channel Sea Surface Tempe-rature)的海表溫度數(shù)據(jù)和GTSPP(Global Temperature-Salinity Profile Program)的溫鹽剖面觀測(cè)數(shù)據(jù)。

本文提取內(nèi)區(qū)中國(guó)近海區(qū)域的日平均溫、鹽、流場(chǎng)的模擬結(jié)果, 其空間范圍為(19°N—42°N, 112°E—133°E), 時(shí)間范圍為1993年1月至2016年5月, 共281個(gè)月。圖1給出模擬得到的年平均東海全水深垂直平均的流場(chǎng)分布, 圖中黑色實(shí)線代表位于24°N上的KET斷面, 采用直接計(jì)算法[23]得到臺(tái)灣島與石垣島之間通過此斷面的黑潮流量和熱輸運(yùn)結(jié)果。

圖1 全水深垂直平均的年平均流場(chǎng)分布(顏色表示流速大小)

設(shè)通過KET斷面的黑潮流量為V, 經(jīng)向熱輸運(yùn)量為, 則計(jì)算公式如下:

其中為流速分量;C=3.996 2 ×103J/(kg·℃), 為海水定壓比熱容;=1 025 kg·m–3為海水密度,為海水溫度(℃)。臺(tái)灣島以東黑潮穿透深度為600~800 m[6], 本文選取700 m深度處為黑潮零流面[24], 進(jìn)行垂向深度積分。

圖2給出計(jì)算KET斷面黑潮熱輸運(yùn)量的經(jīng)向流速分量和海水溫度的氣候態(tài)分布, 由數(shù)值模擬的日輸出值進(jìn)行平均得到。圖2a結(jié)果表明黑潮流核中心位置位于上表層100 m以淺, 近岸側(cè)122°E處, 離岸約40 km, 中心流速大小超過1 m/s, 流核區(qū)平均流速為0.99 m/s, 這與楊曉丹等[25]的研究結(jié)果近似。臺(tái)灣島以東黑潮平均流幅約150 km, 黑潮流速大于0.2 m/s的水平范圍在121.7°—123°E之間, 垂向影響深度近500 m。根據(jù)Johns等[6]對(duì)PCM-1斷面的錨系觀測(cè)結(jié)果, 黑潮流幅(>0.2 m/s)為160 km, 垂向到400 m深度處, 與本文模擬結(jié)果相近。

圖2b給出KET斷面溫度分布, 上表層平均溫度在26℃以上, 隨深度增加溫度迅速降低, 至700 m深處溫度達(dá)到8℃以下。100 m以深等溫線明顯地自西向東下傾, 呈西高東低分布。在北半球, 強(qiáng)西邊界地轉(zhuǎn)流區(qū), 面向流去的方向, 同一深度上左側(cè)溫度低(密度大), 右側(cè)溫度高(密度小), 導(dǎo)致這種等溫線分布, 并且在黑潮近岸側(cè)出現(xiàn)冷水涌升現(xiàn)象。

圖2 KET斷面流速v分量(a)和溫度(b)氣候態(tài)分布

Zhang等[24]曾利用同樣的JCOPE2再分析數(shù)據(jù)計(jì)算得到PN斷面黑潮流量為21.47 Sv, 與實(shí)測(cè)數(shù)據(jù)計(jì)算的流量22.67 Sv[26]比較相近, 且PN斷面黑潮流量都具有冬季大、秋季小的季節(jié)變化特征, 并驗(yàn)證了模型的準(zhǔn)確性。此外, 不再對(duì)所采用的JCOPE2數(shù)值模擬數(shù)據(jù)進(jìn)行比較分析。

2 結(jié)果與討論

2.1 KET斷面黑潮熱輸運(yùn)季節(jié)變化特征

利用模式的日平均結(jié)果, 根據(jù)公式(2)計(jì)算通過KET斷面的黑潮熱輸運(yùn)量, 得到281個(gè)月的黑潮熱輸運(yùn)的逐月平均結(jié)果。圖3給出各個(gè)月份通過KET斷面的黑潮熱輸運(yùn)的時(shí)間變化。

圖3 KET斷面黑潮熱輸運(yùn)的季節(jié)變化

注: 空心圓表示對(duì)應(yīng)月份各年的原始值

KET斷面黑潮熱輸運(yùn)有顯著的季節(jié)變化(圖3)。熱輸運(yùn)最小值出現(xiàn)在3月, 為1.79 PW, 7月最高, 最高值為2.32 PW, 兩極值月份相差0.53 PW。黑潮流量和熱輸運(yùn)量的季節(jié)變化相似, 最小值和最大值也分別出現(xiàn)在3月和7月, 量值為21.49 Sv和26.60 Sv。黑潮熱輸運(yùn)整體表現(xiàn)為春、夏季較大, 秋、冬季偏小的季節(jié)特征。這與Fang等[19]研究結(jié)果類似, 且其結(jié)果給出熱輸運(yùn)年較差為0.64 PW。Jan等[8]根據(jù)KTV1斷面現(xiàn)場(chǎng)觀測(cè), 選取>0.2 m/s的流速等值線范圍計(jì)算黑潮熱輸運(yùn)范圍為0.84~1.80 PW, 由于選取斷面及計(jì)算方法的不同, 比本文數(shù)值模擬得到的黑潮熱輸運(yùn)結(jié)果要小。已有研究表明, 臺(tái)灣島以東黑潮流量存在夏季較大, 冬季偏小的季節(jié)特征[9-10, 13]。臺(tái)灣島以東黑潮熱輸運(yùn)的季節(jié)變化主要受到黑潮流量變異的影響, 臺(tái)灣島東側(cè)黑潮流量的季節(jié)變化主要受季風(fēng)和陸架區(qū)域海氣熱通量的影響[11, 27], 極大值出現(xiàn)月份的變化可能受到西北太平洋大尺度風(fēng)應(yīng)力旋度的影響以及與副熱帶逆流區(qū)的不穩(wěn)定有關(guān)[12]。圖3中的誤差棒表明不同月份的黑潮熱輸運(yùn)存在年際變化。其中, 黑潮熱輸運(yùn)的標(biāo)準(zhǔn)差最大值出現(xiàn)在7月, 為0.56 PW, 2月的標(biāo)準(zhǔn)差最小, 為0.33 PW, 表明黑潮熱輸運(yùn)的年際波動(dòng)夏季較大, 冬季較小。此外, 不同月份黑潮熱輸運(yùn)標(biāo)準(zhǔn)差的最大偏差為0.23 PW, 而季節(jié)變化的最大偏差為0.53 PW。不同月份黑潮熱輸運(yùn)的年際變化范圍約為季節(jié)變化范圍的41%, 表明黑潮熱輸運(yùn)的年際變化要弱于相應(yīng)的季節(jié)變化。

為比較不同深度黑潮熱輸運(yùn)量對(duì)整個(gè)斷面黑潮熱輸運(yùn)的貢獻(xiàn), 圖4給出不同季節(jié)KET斷面不同深度積分的熱輸運(yùn)比值Q/Q變化, 其中Q為從海面積分到該深度()的熱輸運(yùn)值,Q為總的熱輸運(yùn)。結(jié)果表明, 由表層至底層,Q/Q比值增加迅速, 在100 m深度處夏季該比值為45%, 冬季為40%; 到達(dá)300 m處時(shí), 上層熱輸運(yùn)在夏季和冬季分別占經(jīng)向黑潮總熱輸運(yùn)量的87%和86%; 600 m以淺, 該比值達(dá)到95%以上。春、秋季Q/Q量值和變化基本相同, 位于冬、夏季量值之間; 100 m以淺冬、夏季的Q/Q偏差最大, 達(dá)到5%。因此, KET斷面上黑潮熱輸運(yùn)的垂向結(jié)構(gòu)與經(jīng)向流速分量結(jié)構(gòu)類似, 主要集中在黑潮區(qū)上層。根據(jù)觀測(cè)結(jié)果, Johns等[6]指出PCM-1斷面上100 m積分深度內(nèi)的黑潮流量對(duì)斷面整體流量的貢獻(xiàn)近40%, 而200 m以淺的黑潮流量貢獻(xiàn)超過60%。由此表明, 黑潮經(jīng)向熱輸運(yùn)主要貢獻(xiàn)來自黑潮區(qū)上層。

圖4 不同深度積分的黑潮熱輸運(yùn)的貢獻(xiàn)

2.2 KET斷面黑潮熱輸運(yùn)的年際變化

利用1993—2016年的黑潮熱輸運(yùn)月均數(shù)據(jù), 得到其年均值為1.98 PW, 標(biāo)準(zhǔn)差為0.18 PW。KET斷面黑潮熱輸運(yùn)的原始月均值減去其年均值得到熱輸運(yùn)異常的月均結(jié)果(如圖5)。由于KET斷面黑潮熱輸運(yùn)的原始時(shí)間序列數(shù)據(jù)中季節(jié)信號(hào)顯著, 故對(duì)其進(jìn)行了13個(gè)月滑動(dòng)平均, 去掉了黑潮熱輸運(yùn)時(shí)間序列中的高頻季節(jié)及季節(jié)內(nèi)信號(hào), 滑動(dòng)平均后黑潮熱輸運(yùn)值的標(biāo)準(zhǔn)差從0.47 PW減小為0.18 PW。圖5中粗黑實(shí)線為滑動(dòng)平均后黑潮熱輸運(yùn)異常的年際變化, 粗黑虛線為ONI指數(shù)。

基于判別分析法, 定義滑動(dòng)平均后的黑潮熱輸運(yùn)異常值高于標(biāo)準(zhǔn)差(0.18 PW)的年份為黑潮熱輸運(yùn)強(qiáng)年, 而低于–0.18 PW 的年份對(duì)應(yīng)著黑潮熱輸運(yùn)弱年。結(jié)果表明, 1996年6月—1997年8月和2014年5月—2015年黑潮熱輸運(yùn)增加顯著, 2000, 2002和2013年大多數(shù)月份黑潮熱輸運(yùn)較弱。

圖5 1993—2016年KET斷面黑潮熱輸運(yùn)異常及ONI指數(shù)(Oceanic Nino Index)的年際變化

1997和2015年KET斷面黑潮熱輸運(yùn)異常偏高, 極大值出現(xiàn)在1997年1月和2015年7月, 分別為0.48 PW和0.79 PW。根據(jù)NOAA氣候預(yù)報(bào)中心提供的表征Nino 3.4區(qū)ENSO過程的ONI指數(shù), 1997/1998年和2015/2016年均發(fā)生超強(qiáng)厄爾尼諾事件, ONI指數(shù)于1997年11月和2015年12月達(dá)到峰值, 分別為2.4和2.6。在兩次超強(qiáng)厄爾尼諾事件發(fā)生之前約5~ 10個(gè)月的時(shí)候, KET斷面黑潮熱輸運(yùn)均出現(xiàn)異常增高。這與超強(qiáng)厄爾尼諾事件發(fā)生之前, 西太平洋暖池溫度顯著升高有密切關(guān)系。結(jié)合Nino 3.4區(qū)的位置(170°W—120°W, 5°S—5°N)和暖池范圍(125°E—165°E, 0°N—16°N), 表征Nino 3.4區(qū)的ONI指數(shù)在超強(qiáng)厄爾尼諾事件中達(dá)到極大值的時(shí)間要滯后暖池區(qū)水溫達(dá)到最大值的時(shí)間大約是1年, 且以3~9個(gè)月最為顯著[28]。研究表明, 臺(tái)灣島以東黑潮流量的年際變化與ENSO過程密切相關(guān), Hwang等[14]指出臺(tái)灣島東北和臺(tái)灣島東南部黑潮流量與Nino3指數(shù)反相關(guān), 且時(shí)間滯后差異較大, 臺(tái)灣島東北部流量與ENSO存在1個(gè)月的滯后, 而臺(tái)灣島東南部流量與ENSO存在9~10個(gè)月的滯后關(guān)系。ENSO過程與臺(tái)灣島以東黑潮熱輸運(yùn)年際變化的關(guān)系體現(xiàn)在對(duì)黑潮流量與溫度的共同影響。為分析西太平洋暖池增溫與KET斷面黑潮熱輸運(yùn)異常增高及超強(qiáng)厄爾尼諾事件的關(guān)系, 圖6給出西太平洋暖水體積指數(shù)(WWV- West, https: //www.pmel.noaa.gov/elnino/upper-ocean- heat-content-and-enso)的年際變化。結(jié)果表明, 超強(qiáng)厄爾尼諾事件期間, 西太平洋暖水體積指數(shù)分別在1997年1月和2015年1月達(dá)到峰值, 值為1.26和0.51, 分別超前ONI指數(shù)峰值10個(gè)月和11個(gè)月。1997年, WWV-West峰值與黑潮熱輸運(yùn)同位相變化, 2015年強(qiáng)厄爾尼諾事件過程中, 黑潮熱輸運(yùn)峰值滯后WWV-West指數(shù)6個(gè)月。從暖池到臺(tái)灣島東部的信號(hào)傳播時(shí)間要短于其到Nino 3.4區(qū)的傳播時(shí)間。因而, 在厄爾尼諾事件期間, 受到北赤道流流經(jīng)暖池增溫過程的影響, 臺(tái)灣島東部黑潮熱輸運(yùn)會(huì)出現(xiàn)熱輸運(yùn)量增加的現(xiàn)象, 且極大值出現(xiàn)時(shí)間將超前ONI指數(shù)極大值出現(xiàn)時(shí)間。分析可知, KET斷面黑潮熱輸運(yùn)超前ONI指數(shù)峰值5~10個(gè)月出現(xiàn)顯著增加, 熱輸運(yùn)高出年平均值分別約25%和40%, 所以KET斷面黑潮熱輸運(yùn)的長(zhǎng)周期變化將受到超強(qiáng)ENSO過程的調(diào)制。

圖6 1993—2016年西太平洋暖水體積指數(shù)(WWV-West)與黑潮熱輸運(yùn)異常及ONI指數(shù)對(duì)比

KET斷面黑潮熱輸運(yùn)異常在2013年偏小, 極小值出現(xiàn)在11月, 為–0.53 PW。通過模式數(shù)據(jù)分析臺(tái)灣島以東海區(qū)1993—2016年的流場(chǎng)分布, 2013年黑潮主軸流幅偏窄(以流速大于0.2 m/s), 比多年平均的黑潮流軸窄20 km, 尤其在2013年10—12月份, 黑潮流軸異常偏窄, 比年平均值窄50 km。Jan等[8]在2013年12月觀測(cè)到黑潮流軸比其他幾次觀測(cè)的流軸要窄, 并且觀測(cè)到2013年12月份黑潮流軸明顯向東移動(dòng), 同樣給出黑潮熱輸運(yùn)存在異常低值, 只有0.84 PW。此外, 上游黑潮在冬季向南海入侵加強(qiáng), 也會(huì)造成臺(tái)灣島以東黑潮熱輸運(yùn)減少[12]。

圖7給出對(duì)KET黑潮熱輸運(yùn)異常的時(shí)間序列進(jìn)行小波分析的結(jié)果。圖7a黑線包含區(qū)域超過了95%置信檢驗(yàn), 圖7b的譜分析表明黑潮熱輸運(yùn)存在顯著的5~8 a的年際振蕩周期, 譜峰對(duì)應(yīng)的年際變化特征周期為6.2 a。兩次超強(qiáng)厄爾尼諾事件間隔約18 a, 由于所用數(shù)據(jù)時(shí)間序列較短, 沒有給出這一長(zhǎng)周期變化, 齊慶華等[15]研究表明臺(tái)灣島以東黑潮熱輸運(yùn)異常存在約16 a的年代際變化。

圖7 1993—2016年KET斷面黑潮熱輸運(yùn)

注: a: 小波譜分析; b: 能量譜分析

2.3 KET斷面黑潮熱輸運(yùn)的方差分析

由公式(2)計(jì)算黑潮熱輸運(yùn)時(shí), 影響其變化的參數(shù)主要是黑潮流量和海水溫度兩個(gè)參量。對(duì)KET斷面黑潮流量、溫度分別進(jìn)行13個(gè)月滑動(dòng)平均, 圖8給出兩者以及黑潮熱輸運(yùn)的時(shí)間變化。黑潮流量與熱輸運(yùn)的年際變化曲線較一致(圖8b, 8c), KET斷面黑潮流量同樣在1997年和2015年顯著增加, 分別為28.48 Sv和29.91 Sv, 2000、2002和2013年流量偏小, 最小值出現(xiàn)在2013年, 為17.92 Sv。溫度變化略有不同(圖8a), 且斷面溫度在熱輸運(yùn)強(qiáng)、弱年的變化相對(duì)要小, 2000年后, 溫度變化較平穩(wěn)。相關(guān)性分析表明黑潮流量與熱輸運(yùn)為顯著正相關(guān), 相關(guān)系數(shù)為0.99, 溫度與熱輸運(yùn)的相關(guān)性稍低, 相關(guān)系數(shù)為0.79, 以上相關(guān)性分析皆通過99%置信檢驗(yàn)。

為進(jìn)一步討論KET斷面上流量和溫度的變化與黑潮熱輸運(yùn)時(shí)間變化的交互影響, 定量分析二者影響所占權(quán)重, 采用多因素方差分析方法, 將KET斷面黑潮熱輸運(yùn)的時(shí)域方差進(jìn)行分解, 對(duì)分解所得的六項(xiàng)進(jìn)行分析[29]。

圖8 KET斷面 (a)平均溫度, (b)流量, (c)熱輸運(yùn)13個(gè)月低通濾波時(shí)間序列

黑潮斷面上的流速(V)和溫度(T)可表示為平均值與擾動(dòng)項(xiàng)的和, 即:

其中,

分別為流速和溫度的平均值,=281為總月份數(shù)。在不考慮網(wǎng)格面積的情況下, 各月黑潮熱輸運(yùn)可由下式計(jì)算:

其中,

圖9 KET斷面黑潮熱輸運(yùn)時(shí)域方差(a)及其六個(gè)分解項(xiàng)(b—g)的分布

3 結(jié)論

本文采用1993年1月—2016年5月的JCOPE2高分辨率數(shù)值模擬結(jié)果, 研究了臺(tái)灣島以東KET斷面黑潮熱輸運(yùn)的時(shí)空變化特征, 分析了ENSO過程對(duì)黑潮熱輸運(yùn)年際變化的影響, 采用方差分析量化了流速、溫度及兩者協(xié)方差對(duì)KET斷面黑潮熱輸運(yùn)總方差的貢獻(xiàn)。

通過KET斷面的黑潮熱輸運(yùn)具有顯著的季節(jié)變化, 春、夏季為熱輸運(yùn)高值季節(jié), 秋、冬季是低值季節(jié); 最高值出現(xiàn)在7月, 為2.32 PW, 最小值出現(xiàn)在3月, 為1.79 PW, 兩月份極值差為0.53 PW。黑潮經(jīng)向熱輸運(yùn)的主要貢獻(xiàn)來自黑潮區(qū)上層, 不同深度積分的熱輸運(yùn)比值由100 m處的45%迅速增加至300 m的87%。冬季和夏季黑潮熱輸運(yùn)的比值差異達(dá)到5%, 這是可能受到黑潮流量的季節(jié)性變化影響。

KET斷面黑潮熱輸運(yùn)的年均值為1.98 PW, 標(biāo)準(zhǔn)差為0.18 PW, 存在顯著的年際變化, 熱輸運(yùn)強(qiáng)年為1996—1997年和2015年, 弱年為2000年、2002年和2013年, 年際變化特征周期為6.2 a。超強(qiáng)ENSO過程對(duì)黑潮熱輸運(yùn)有顯著影響, 超強(qiáng)厄爾尼諾事件的發(fā)生將導(dǎo)致黑潮熱輸運(yùn)明顯增加, 但達(dá)到峰值時(shí)間超前ONI指數(shù)約5~10個(gè)月, 這與超強(qiáng)厄爾尼諾事件發(fā)生之前, 西太平洋暖池溫度顯著升高有密切關(guān)系。

方差分析表明, 熱輸運(yùn)中的流速方差項(xiàng)最大值約占黑潮熱輸運(yùn)總時(shí)域方差最大值的77%, 是影響黑潮熱輸運(yùn)時(shí)間變化的主要影響因子, 溫度與流速協(xié)方差項(xiàng)和溫度方差項(xiàng)分別是影響黑潮熱輸運(yùn)總方差的第二和第三重要因子。

[1] Zhao L, Guo X Y. Influence of cross-shelf water transport on nutrients and phytoplankton in the East China Sea: a model study[J]. Ocean Sci, 2011, 7(1): 27-43.

[2] 黃榮輝, 陳際龍, 周連童, 等. 關(guān)于中國(guó)重大氣候?yàn)?zāi)害與東亞氣候系統(tǒng)之間關(guān)系的研究[J]. 大氣科學(xué), 2003, 27(4): 770-787. Huang Ronghui, Chen Jilong, Zhou Liantong, et al. Studies on the relationship between the severe climatic disasters in china and the East Asia climate system[J]. Journal of Atmospheric Sciences, 2003, 27(4): 770-787.

[3] 溫娜, 劉秦玉. 臺(tái)灣以東黑潮流量變異與冬季西北太平洋海洋-大氣相互作用[J]. 海洋與湖沼, 2006, 37(3): 264-270. Wen Na, Liu Qinyu. Winter Ocean-Atmosphere interac-tion in the Northwest Pacific[J]. Oceanologia et Lm-nologia Sinica, 2006, 37(3): 264-270.

[4] Oey L Y, Chang M C, Chang Y L, et al. Decadal war-ming of coastal China Seas and coupling with winter monsoon and currents[J]. Geophysical Research Letters, 2013, 40(23): 6288-6292.

[5] 許靈靜, 齊繼峰, 尹寶樹, 等. 臺(tái)灣以東黑潮的低頻變化及機(jī)制研究[J]. 海洋學(xué)報(bào), 2017, 39(9): 15-25. Xu Lingjing, Qi Jifeng, Yin Baoshu, et al. Low frequency variability and mechanism of the Kuroshio in the East of Taiwan[J]. Haiyang Xuebao, 2017, 39(9): 15-25.

[6] Johns W E, Lee T N, Zhang D X, et al. The Kuroshio East of Taiwan: Moored Transport Observations from the WOCE PCM-1 Array[J]. Journal of Physical Ocea-nography, 2001, 31(4): 1031-1053.

[7] Hsin Y C, Wu C R, Shaw P T. Spatial and temporal variations of the Kuroshio east of Taiwan, 1982–2005: A numerical study[J]. Journal of Geophysical Research: Oceans, 2008, 113(C4).

[8] Jan S, Yang Y J, Wang J, et al. Large variability of the Kuroshio at 23.75°N east of Taiwan[J]. Journal of Geophysical Research: Oceans, 2015, 120(3): 1825- 1840.

[9] Tang T Y, Yang Y J. Low frequency current variability on the shelf break northeast of Taiwan[J]. J. Oceanogr., 1993, 49(19): 193-210.

[10] Hsin Y C, Chiang T L, Wu C R. Fluctuations of the thermal fronts off northeastern Taiwan[J]. J Geophys Res, 2011, 116, C10005.

[11] Oey L Y, Hsin Y C, Wu C R. Why does the Kuroshio northeast of Taiwan shift shelfward in winter?[J]. Ocean Dyn., 2010, 60: 413–426.

[12] Chang Y L, Oey L Y. Interannual and seasonal variations of Kuroshio transport east of Taiwan inferred from 29 years of tide‐gauge data[J]. Geophysical Research Letters, 2011, 38(8): L08603.

[13] Hsin Y C, Qiu B, Chiang T L, et al. Seasonal to intera-nnual variations in the intensity and central position of the surface Kuroshio east of Taiwan[J]. Journal of Geophysical Research: Oceans, 2013, 118.

[14] Hwang C, Kao R. TOPEX/POSEIDON-derived space– time variations of the Kuroshio Current: applications of a gravimetric geoid and wavelet analysis[J]. Geophysical Journal International, 2002, 151(3): 835-847.

[15] Soeyanto E, Guo X Y, Ono J, et al. Interannual variations of Kuroshio transport in the East China Sea and its relation to the Pacific Decadal Oscillation and mesoscale eddies[J]. Journal of Geophysical Research: Oceans, 2014, 119(6): 3595-3616.

[16] Hsueh Y. The Kuroshio in the East China Sea[J]. Journal of Marine Systems, 2000, 24(1): 131-139.

[17] Zhang D X, Johns W E, Lee T N. The seasonal cycle of meridional heat transport at 24°N in the North Pacific and in the global ocean[J]. Journal of Geophysical Research: Oceans (1978–2012), 2002, 107(C7): 20-1- 20-24.

[18] 齊慶華, 蔡榕碩, 張啟龍. 臺(tái)灣以東黑潮經(jīng)向熱輸送變異及可能的氣候效應(yīng)[J]. 海洋學(xué)報(bào), 2012, 34(5): 31-38. Qi Qinghua, Cai Rongshuo, Zhang Qilong. Heat transport variability of the Kuroshio East of Taiwan and its possible climatic effect[J]. Acta Oceanologica Sinica, 2012, 34(5): 31-38.

[19] Fang G H, Wei Z X, Choi B H, et al. Interbasin freshwater, heat and salt transport through the boundaries of the East and South China Seas from a variable-grid global ocean circulation model[J]. Science in China Series D: Earth Sciences, 2003, 46(2): 149-161.

[20] Seo G H, Cho Y K, Choi B J. Variations of heat transport in the northwestern Pacific marginal seas inferred from high-resolution reanalysis[J]. Progress in Oceanography, 2014, 121: 98-108.

[21] Miyazawa Y, Zhang R C, Guo X Y, et al. Water mass variability in the western North Pacific detected in a 15-year eddy resolving ocean reanalysis[J]. Journal of Oceanography, 2009, 65(6): 737-756.

[22] Mellor G L, H?kkinen S M, Ezer T, et al. A Generalization of a Sigma Coordinate Ocean Model and an Intercomparison of Model Vertical Grids[M]// Pinardi N, Woods J. Ocean Forecasting: Conceptual Basis and Applications. Berlin, Heidelberg: Springer, 2002: 55-72.

[23] Bryden H L, Imawaki S. Chapter 6.1 Ocean heat transport[M]//Siedler G, Church J, Gould J. International Geophysics. Salt Lake, USA: Academic Press, 2001: 455-474.

[24] Zhang J, Guo X Y, Zhao L, et al. Water Exchange across Isobaths over the Continental Shelf of the East China Sea[J]. Journal of Physical Oceanography, 2017, 47(5): 1043-1060.

[25] 楊曉丹, 毛新燕, 江文勝. 反映臺(tái)灣以東黑潮流量變化的海表面高度關(guān)鍵區(qū)域的確定[J]. 海洋湖沼通報(bào), 2014, (1): 1-6. Yang Xiaodan, Mao Xinyan, Jiang Wensheng. Study of the sea surface Height key region which reveals the variability of the Kuroshio Volume Transport East of Taiwan[J]. Transactions of Oceanology and Limnology, 2014, (1): 1-6.

[26] Wei Y Z, Huang D J, Zhu X H. Interannual to decadal varia-bility of the Kuroshio Current in the East China Sea from 1955 to 2010 as indicated by in-situ hydrographic data[J]. Journal of Oceanography, 2013, 69(5): 571- 589.

[27] Chuang W S, Liang W D. Seasonal variability of intrusion of the Kuroshio water across the continental shelf northeast of Taiwan[J]. Journal of Oceanography, 1994, 50(5): 531-542.

[28] 單嬋, 李業(yè)進(jìn), 任冉, 等. 基于GODAS 數(shù)據(jù)的西太平洋暖池?zé)釥顟B(tài)特征及其對(duì)ENSO 事件的影響[J]. 氣象科學(xué), 2016, 36(5): 674-680. Shan Chan, Li Yejin, Ren Ran, et al. Characterisitics of the West Pacific warm pool thermal condition and its effects on the ENSO events based on the GODAS data[J]. Journal of the Meteorological Sciences, 2016, 36(5): 674-680.

[29] Guo X Y, Zhu X H, Wu Q S, et al. The Kuroshio nutrient stream and its temporal variation in the East China Sea[J]. Journal of Geophysical Research: Oceans, 2012, 117(C1).

Seasonal and interannual variations of Kuroshio heat transport east of Taiwan Island

YANG Min1, SUN Qun1, WANG Si-jia1, GUO Xin-yu2, 3

(1. College of Marine and Environmental Sciences, Tianjin University of Science and Technology, Tianjin 300457, China; 2. Center for Marine Environment Studies, Ehime University, Matsuyama 790-8577, Japan; 3. Application Laboratory, Japan Agency for Marine-Earth Science and Technology, Yokohama 236-0001, Japan)

The Kuroshio heat transport (KHT) plays an important role in the continental shelf circulation and the associated ecosystems in the East China Seas(ECS). On the basis of the daily reanalysis data from 1993 to 2016 obtained by a data assimilative ocean model developed by the Japan Coastal Ocean Predictability Experiment 2, the KHT east of Taiwan Island was calculated and its temporal and spatial variations were analyzed. Results show significant seasonal variations, in which the KHT is large in spring and summer but small in autumn and winter. The annual mean KHT is 1.98 PW and the standard deviation is 0.18 PW. The KHT is strong in 1996–1997 and 2015 but weak in 2000, 2002, and 2013. The super ENSO has a significant effect on the KHT. During super El Ni?o events, the KHT increased distinctly and its peak value was detected approximately 5–10 months ahead of the peak of ONI. Variance analysis indicates that the maximum variance of velocity accounts for 77% of the total variance of the KHT. The covariance of temperature and velocity and the variance of temperature account for 15% and 6% of the total variance of the KHT, respectively.

Kuroshio heat transport; east of Taiwan Island; interannual variation; ENSO; variance analysis

Apr. 1, 2019

[National Key Research and Development Project, No. 2016YFA0601301; National Natural Science Foundation of China, No. 41376006]

P731

A

1000-3096(2020)02-0001-09

10.11759/hykx20190401002

2019-04-01;

2019-10-22

國(guó)家重點(diǎn)研發(fā)計(jì)劃項(xiàng)目(2016YFA0601301); 國(guó)家自然科學(xué)基金項(xiàng)目(41376006)

楊敏(1994-), 女, 河北保定人, 碩士, 研究方向: 上層海洋動(dòng)力學(xué), 電話: 13388023230, E-mail: minyang@mail.tust.edu.cn; 孫群,通信作者, 副研究員, 主要從事上層海洋動(dòng)力和熱力過程研究, 電話: 18649026127, E-mail: sunqun@tust.edu.cn

(本文編輯: 叢培秀)