基于再分析數據的南大洋區域Ekman流時空分布規律研究*

林輝義 高艷秋 張繼才

基于再分析數據的南大洋區域Ekman流時空分布規律研究*

林輝義1高艷秋2張繼才1①

(1. 浙江大學海洋學院物理海洋與遙感研究所 舟山 316021; 2. 自然資源部第二海洋研究所衛星海洋環境動力學國家重點實驗室 杭州 310012)

南大洋Ekman輸運是全球大氣-海洋耦合氣候系統的重要組成部分, 對該區域Ekman動力過程的研究極為重要。首先基于實測數據和文獻資料, 對GEKCO2 (Geostrophic and Ekman Current Observatory 2) 產品提供的Ekman流數據進行了評估, 驗證了數據的有效性; 并結合CCMP(cross-calibrated multi-platform)、ERA5(the fifth generation European centre for medium-range weather forecasts atmospheric reanalysis)風場數據, 采用經驗正交函數分析法(empirical orthogonal function, EOF)等方法分析了2010—2018年南大洋Ekman流的時空變化規律。結果表明: (1)南大洋Ekman流速集中在9—11 cm/s, 且具有很強的月際變化特征(7月最強, 12月最弱); (2)南大洋40°S以北海域是Ekman流速隨時間變化較大的區域; (3)南大洋Ekman流速的EOF分析顯示: 第一模態和風場存在較強的相關性, 表現為流速在整體上同時增強或減弱; 第二模態和南半球中高緯大氣環流存在較強的相關性, 表現為以50°S為界南北流速反向變化; (4)Ekman流左偏角度集中在60°—75°, 其中概率密度最大值處所對應的角度為67.5°。通過矢量相關分析, 得到30°—35°S海域的平均偏角存在月際變化。南大洋的Ekman動力過程對海洋環流和全球氣候系統具有重大影響, 本文對于進一步理解南大洋的Ekman過程具有一定的參考價值。

南大洋; Ekman流; 時空變化; 經驗正交函數分析法; 海表洋流產品GEKCO2

Ekman理論(Ekman, 1905)是物理海洋學的奠基性理論之一(McWilliams, 2006)。根據嚴格的數學求解, Ekman流在北(南)半球隨深度增加呈螺旋狀順(逆)時針旋轉, 表層流速偏向風的右(左)側約45°。為提高Ekman理論與實測數據的符合度, 許多研究對經典Ekman理論做了很好的補充與修正, 比如加入水平浮力梯度項(Cronin, 2009; Wenegrat, 2016), 考慮波浪效應(Zhang, 2019b; Hui, 2016)、加入非線性效應(Constantin, 2019), 將渦黏系數設為隨時間或隨深度變化的量(Zhang, 2019a; Constantin, 2021)。

前人的研究表明, Ekman動力過程對海洋環流和全球氣候系統具有重大影響。Speer等(2000)指出Ekman輸運通過驅動50°S附近的深水上涌并向北運輸, 在經向翻轉環流中發揮著重要作用。這些Ekman流將冷水向北輸送, 影響了極地的熱量輸送, 從而促進了全球的熱量平衡。Lenn等(2009)指出南大洋區域Ekman層構成了南極繞極流及該區域經向翻轉流的最淺部分, 而南極繞極流是地球上唯一一支和所有其他洋流都有關系的洋流, 是全球氣候系統的重要組成部分。綜上所述, 研究南大洋區域的Ekman動力過程和Ekman流的時空分布特征具有重要的科學價值。

由于南大洋區域的大氣和海洋動力機制異常復雜, 觀測難度很大, 基于觀測數據對該區域Ekman動力過程進行研究的工作較少。Lenn等(2009)使用德雷克海峽的聲學多普勒流速剖面儀(acoustic doppler current profiler, ADCP)實測數據提取Ekman流, 并計算了隨深度變化的渦黏系數; Polton等(2013)用地轉剪切的方法從該ADCP數據中重新提取Ekman流, 提取結果與經典的Ekman理論(恒定的渦黏系數)相一致; Elipot等(2009)用頻譜方法將多個不同的Ekman模型與漂流浮標數據進行匹配, 結果表明將渦黏系數設為恒定, 且Ekman流速在Ekman層深度處衰減為零時的匹配效果最佳; Roach等(2015)使用恒定渦黏系數的Ekman模型描述克格倫以北的南極繞極流進入上層海洋的動力過程。

前文所述的工作基本基于少數的航線定點觀測剖面或者浮標觀測, 雖然能得到Ekman流的垂直結構, 但是不適用于描述南大洋大范圍、長時間的Ekman動力過程。近些年, 遙感技術和相關理論的發展為人們研究Ekman流的時空分布特征提供了可能, Lagerloef等(1999)、Bonjean等(2002)、Sudre等(2013)、Hui等(2016)從衛星遙感數據反演得到表層流場(地轉流和Ekman流之和), 其中Ekman流由海表風場數據得到。劉巍等(2012)和安玉柱等(2012)基于衛星遙感資料估算全球海表Ekman流時引入了權重函數, 解決了Lagerloef方法中Ekman流在25°S和25°N上的不連續問題。在海表流場數據產品方面, 由法國 LEGOS (laboratoire d’Etudes en géophysique et océanographie spatiales)發布的GEKCO2 (Geostrophic and Ekman Current Observatory 2)數據(詳細介紹見1.2節)提供了高分辨率海表流場數據。

綜上所述, 盡管南大洋Ekman過程對海洋動力系統和全球氣候都有著重要的影響, 但是極大的觀測難度使得人們無法通過實測資料研究其大尺度的時間和空間變化。基于上述問題, 本文在采用南大洋浮標數據評估GEKCO2數據有效性的基礎上, 開展南大洋區域Ekman流速、偏向角的時空變化特征研究, 重點分析Ekman流速月際變化特征, 以及不同區域流速的差異性; 并結合CCMP(cross-calibrated multi-platform)、ERA5(the fifth generation European centre for medium-range weather forecasts atmospheric reanalysis)再分析風場資料, 討論Ekman流偏向角度的時空變化特征。本文結構如下: 第1部分介紹了本文所用數據資料以及所選研究區域; 第2部分采用實測資料評估GEKCO2數據有效性, 并分析了Ekman流速、偏向角度的時空變化特征; 第3部分是對本文的總結。

1 研究區域與數據

1.1 研究區域

南大洋是指太平洋、大西洋、印度洋的南部互相連通的海域(圖1a), 是世界上唯一完全環繞地球卻未被大陸分割的大洋, 獨特的地形結構造就了全球唯一的繞極環流 (Antarctic circumpolar current, ACC)。ACC將海水從西向東輸送, 流量超過100 Sv(Nowlin, 1986), 形成了各大洋間最強的水交換, 如一條紐帶連結起全球的熱鹽環流(史久新, 2000)。

圖1 南大洋地形圖(a)和數據有效區域(b)

注: 圖1b藍色區域為數據有效區域, 粉色區域為舍棄區域

1.2 GEKCO2數據

本文采用了法國LEGOS(http://www.legos.obs- mip.fr/)提供的GEKCO2數據探討南大洋Ekman流的時空變化特征。該數據集提供了海表流速(c)、Ekman流(e)以及地轉流(g), 其中Ekman流由CERSAT(centre ERS d′Archivage et de traitement)發布的QuickScat(quick scatterometer)/ASCAT(advanced scatterometer)風場數據計算得到, 地轉流由法國AVISO(archiving, validation and interpretation of satellite oceanographic data)發布的絕對動態地形MADT(maps of absolute dynamic topography)計算得到。本文選取的GEKCO2數據空間范圍為29.875°—70.125°S, 0°—359.75E°(圖1b), 分辨率為0.25°×0.25°; 時間范圍為2009年11月到2019年2月共3 407 d, 分辨率為1 d。

GEKCO2數據假設海表流速是Ekman流、地轉流之和(c=e+g)。Ralph等(1999)指出在熱帶太平洋地轉流和Ekman流對15 m處浮標流速的方差貢獻率分別是63%和15%, 累計方差貢獻率為78%, 證明了該假設在熱帶太平洋的合理性。許多反演海表流場的工作(Sudre, 2013; Hui, 2016)驗證了該假設在全球的合理性。

GEKCO2數據基于Lagerloef等(1999)的方法反演海表流場, Hui等(2016)重新推導了該方法, 其表達形式為

其中,軸分別以東、北為正方向,為科式參數,md為混合層深度,e(e,e)為海表Ekman流向量,(τ, τ)為海表風應力,w=1.02×103kg/m3為海水密度,為摩擦系數。為估算Ekman流, GEKCO2數據首先通過實測資料得到md和在不同海盆隨緯度的變化關系, 然后將風場輸入模型, 通過式(1)得到e。

由于GEKCO2數據存在數據缺失現象, 為了保證結果合理性, 本文選取數據缺失天數在50 d以內的南大洋海域作為數據有效區域(圖1b的藍色區域), 而舍棄了部分高緯度南大洋地區的數據(圖1b的粉色區域)。

1.3 風場資料

由于測量設備、算法選擇、數據質量以及觀測實驗等的不同, 各個風場數據之間存在一定區別。Schmidt等(2017)將南大洋實測數據與SW(SeaWinds)、ERA-Interim(ECMWF reanalysis interim)、NCEP-- DOE(National Centers for Environmental Prediction- department of energy)、CFSv2(NCEP version 2 coupled forecast system model)四個風場數據進行比較, 指出ERA-Interim數據最能代表風場的時間變化。Li等(2013)指出在南大洋, 相比于NCEP-DOE、ERA-Interim和NCDC(National Climatic Data Center), CCMP海表風速與船舶實測數據的誤差最小。

為了避免只使用一個風場數據的片面性, 本文采用了RSS(remote sensing systems)發布的CCMP Version 2和ECMWF(European Centre for Medium- Range Weather Forecasts)發布的ERA5兩種風場資料, 并將結果進行對比。CCMPV2數據網址為http://www. remss.com/measurements/ccmp/, 該數據是CCMP數據的改進, 融合了SSM/I(special sensor microwave imager)、SSMIS(special sensor microwave imager sounder)、QuikSCAT、ASCAT等微波輻射計和微波散射計采集到的海面風場數據。本文獲取的CCMP數據(版本為L3.5 CCMP V2.0)為2010—2018年的海面10 m高的月平均風場數據, 空間范圍為70.125°—29.875°S, 0.125°—359.875°E, 分辨率為0.25°×0.25°。

ERA5是第五代ECMWF再分析資料, 取代了ERA-Interim, 在以下網址中選取所需數據的類型、時間、變量以及區域來獲取數據: https://cds.climate. copernicus.eu/cdsapp#!/search?type=dataset。本文獲取的ERA5資料為2010—2018年的海面10 m高的月平均風場數據, 空間范圍為70.25°—29.75°S, 0°—359.75°E, 分辨率為0.25°×0.25°。

1.4 南大洋浮標數據

為驗證GEKCO2在南大洋區域的有效性, 本文采用美國伍茲霍爾海洋研究所OOI(the ocean observatories initiative, https://oceanobservatories.org/)的阿根廷錨系浮標陣列(Global Argentine Basin Array, 位置: 42.9204°S, 42.4409°W, 如圖1a中的紅色標記所示)和南大洋錨系浮標陣列(Global Southern Ocean Array, 位置: 54.0814°S, 89.6652°W, 如圖1a中的紫色標記所示)所觀測的風、流等變量對GEKCO2數據進行評估。風速數據由海表面浮標塔上的風速計進行測量, 并通過模型轉換為海表面上方10 m風速值, 時間分辨率為1 h。海面下0—500 m處的流速數據由ADCP進行測量, 垂向深度分辨率為10 m, 時間分辨率為1 h(阿根廷錨系浮標陣列)或3 h(南大洋錨系浮標陣列)。此外, OOI通過Single Point Velocity Meter觀測了海面下12 m處的流速, 時間分辨率為15 min。

2 結果及分析

2.1 南大洋浮標Ekman流提取及GEKCO2數據評估

隨著觀測技術的提高, 關于南大洋Ekman流的研究越來越受到重視。Ekman流速的量級一般為每秒幾個厘米到每秒十幾個厘米(Lenn, 2009)。Lenn等(2009)使用德雷克海峽的船載ADCP數據提取Ekman流, 提取結果顯示深度26 m的Ekman流速為1.6 cm/s。Polton等(2013)的提取結果顯示深度10 m處的Ekman流速為1.2 cm/s。

Roach等(2015)基于41°—49°S的EM-APEX浮標, 得到了1572個位置的流速剖面以及混合層深度, 通過提取近慣性流速, 并去除地轉切變流和恒定地轉參考流, 最終得到359個Ekman螺旋(垂向深度分辨率為2 m)。將這些Ekman螺旋的流速數據進行平均, 得到10、20、30 m處的平均流速分別為19.98、11.26、7.44 cm/s; 將混合層內的平均Ekman流速作為海表Ekman流速, 得到海表Ekman流速的均值為11.67 cm/s, 這與下文GEKCO2數據的平均Ekman流速9.918 cm/s相差不大。

本節選取了南大洋錨系浮標陣列從2017年4月15日0時到8月13日0時的風場數據(圖2a)和流速數據, 其中ADCP測量的流速深度為16.47—506.47 m, Single Point Velocity Meter測量的流速深度為12 m。總流速total()包含近慣性流速ni()和潮流流速tidal(),ni()又由Ekman流速ek()和地轉流速geo()兩部分構成(Chereskin, 1995; Lenn, 2009; Roach, 2015; Liu, 2018), 其中為時間:

本文主要分析Ekman流速, 需要把其余兩個流速濾除。為了濾除潮波信號, 保留近慣性頻率信號, 本文采用Zhang等(2009)提及的希爾伯特變換(Hilbert transform)帶通濾波方法。通過對濾波前流速信號的頻譜分析, 本文將帶通頻段取為[0.92, 1.09], 海面下12 m處流速時間序列在濾波前后的頻譜分析如圖2b所示, 濾波前后的流速對比如圖3a、3b所示(若選取時間過長會導致展示效果差, 因此只展示了4月15日0時到4月24日0時的時間序列)。由于地轉流速經常隨深度變化, 恒定地轉流速的假設很可能導致一部分地轉流速與Ekman流速發生混疊, Roach等(2015)提出, 將geo()分為恒定地轉參考流速deep()和恒定地轉切變流速[dgeo()d], 其中為水深且取軸垂直向上為正:

為了確定deep()和[dgeo()/d]的數值, 繪制了4月15日2時流速濾波后的剖面圖, 見圖2c。本文選取深度176.47—206.47 m之間的流速計算恒定地轉參考流。根據Ralph等(1999)提出的Ekman深度計算公式:

圖2 風速U10的時間序列圖(a), 濾波前(紅線)后(藍線)流速頻譜分析圖(b)和去除地轉流前后的流速剖面圖(c, d)

圖3 南大洋錨系浮標陣列水深12 m處濾波前后東向流速時間序列u (a)、北向流速時間序列v (b)以及東向Ekman流時間序列uek (c)、北向Ekman流時間序列vek (d)

其中, φ為流速數據的緯度, U10=10.58 m/s為海表面上10 m處的風速(上劃線代表所取時間內的均值), 得到DE=83.53 m, 最接近采樣深度86.47 m。因此, 選取86.47—176.47 m之間的流速計算切變地轉流, 最終得到56.47—206.47 m處的Ekman流的垂向剖面如圖2d所示。將地轉切變和恒定地轉參考流代入式(3)得到12 m處的地轉流數據, 得到該處從2017年4月15日0時到8月13日0時的Ekman流, 如圖3c、3d所示(同樣只展示了4月15日0時到4月24日0時的時間序列)。利用相同的方法得到2016年3月14日0時到5月31日0時阿根廷錨系浮標陣列12 m處的Ekman流(圖4)。本文將南大洋錨系浮標陣列和阿根廷錨系浮標陣列12 m處Ekman流速分別與GEKCO2同一地點數據進行對比(圖5), 可以看出在兩個浮標陣列處, 雖然12 m處Ekman流速變化幅度更大, 但其與GEKCO2數據隨時間的變化趨勢較為一致, 所以本文認為GEKCO2數據是合理有效的。

Fig.4 The time series of eastward Ekman current velocityek(a) and northward Ekman current velocityek(b) at 12 m in the Global Argentine Basin Array

圖5 GEKCO2數據與12 m處Ekman流速對比

注: a: 南大洋錨系浮標陣列; b: 阿根廷錨系浮標陣列

2.2 Ekman流速的時空變化

2.2.1 Ekman流速的時間變化 圖6展示了GEKCO2所提供的Ekman流速隨時間的變化, 需要說明的是圖6的所有數據建立在對Ekman流速進行空間平均的基礎上。圖6a—6c中紅色虛線為2010—2018年年的平均Ekman流速, 為定值9.918 cm/s; 圖6a中藍色實線為2009年11月1日到2019年2月28日共3407 d的Ekman流速時間序列, 黃色實線是其經過滑動平均(窗口大小為101)后的時間序列。從濾波后的時間序列可以看出, Ekman流速存在周期變化, 且周期為1 a左右。為進一步分析Ekman流速的時間變化規律, 本文計算出2010—2018年流速的年平均值(圖6b藍色實線)和月平均值(圖6c藍色實線)。可以看出, 流速的年際變化很小, 最大值(2018年)和最小值(2016年)之差為0.08 cm/s, 僅為平均流速的0.8%; 與年際變化相反, Ekman流速具有很強的月際變化特征, 在6—8月(冬季)較大, 12—2月(夏季)較小, 最高值和最低值的差為1.3 cm/s, 接近平均流速的13.2%, 遠遠大于年際變化的0.8%, 由此可以說明Ekman流速的時間變化主要體現在月份上。

2.2.2 Ekman流速的空間變化 由圖6a可知, Ekman流速在時間上表現出明顯的年周期變化, 且不同月份的Ekman流速存在顯著差異(圖6c), 因此探究Ekman流速均值的空間分布時需要使用整年的數據。基于此原因, 本文使用了2010—2018年共9 a的數據, 而舍棄了非整年數據(2009年11、12月份及2019年1、2月份的數據, 會導致均值偏小)。南大洋區域Ekman流速均值的空間分布如圖7a所示, 圖中每個點的值為2010—2018年期間該點Ekman流速的時間均值。流速在10 cm/s以上的區域面積為6.78×1014km2, 占研究區域總面積的46%; 流速在11 cm/s以上的區域面積為3.69×1013km2, 占研究區域總面積的2.5%。40°—60°S緯度帶的Ekman流速集中分布在10 cm/s以上, 尤其是30°—150°W區域(圖7a黑框), 該區域是南大洋Ekman流最為強勢的區域。圖7c為由CCMP風場數據計算出的2010—2018年的風速均值, 可以看出風速較大區域(圖7c黑框)的Ekman流速也較大, 因此Ekman流速的空間分布受風場的影響。同時, 由Ekman流速區間分布圖(圖8a)可見, 南大洋區域的Ekman流速主要分布在9—11 cm/s之間, 占總面積的91.8%。

南大洋區域Ekman流速標準差的空間分布如圖7b所示, 該圖描述了南大洋不同地區Ekman流速隨時間的波動情況, 圖中每個點的值為2010—2018年期間該點Ekman流速的標準差。可以看出, 南大洋Ekman流速標準差的地區分布差異比較大, 40°S以北海域流速隨時間變化較大, 標準差基本在3 cm/s以上; 而40°—60°S, 0°—143°E地區(圖7b黑框)的流速變化較小。圖7d為由CCMP風場數據計算出的2010—2018年的風速標準差的空間分布, 與Ekman流速標準差的空間分布之間的差異較大, 說明除了風場, Ekman流速的時間變化還受其他因素的影響。

2010年1月到2018年12月期間Ekman流速區間分布的年際變化和月際變化分別如圖8b、8c所示, 可以看出流速區間分布的月際變化特征強于年際變化特征。為進一步分析Ekman流速的月際變化, 本文將2010—2018年期間1、4、7、10月份的Ekman流速均值(圖9a—9d)減去南大洋各點的總流速均值(圖7a), 得到這4個月流速異常的空間分布(圖9e—9h), 分別代表典型夏季、秋季、冬季、春季流速異常的空間分布特征。可以看出, 在夏季(冬季)南大洋Ekman流速呈整體性地減弱(增強), 對應后文經驗正交函數分析(empirical orthogonal function, EOF)結果的第一模態。

圖6 Ekman流速的時間序列(a)、隨年份的變化(b)以及隨月份的變化(c)

注: 所有Ekman流速數據建立在空間平均的基礎上, 紅色虛線為2010—2018年年的平均Ekman流速, 圖6a中藍色實線為2009年11月1日到2019年2月28日的Ekman流速時間序列, 黃色實線是其經過滑動平均(窗口大小為101)后的時間序列, 圖6b藍色實線為2010—2018年流速的年平均值, 圖6c藍色實線為2010—2018年流速的月平均值

圖7 Ekman流速均值(a)和標準差(b)的空間分布, 風速均值(c)和標準差(d)的空間分布

注: 淺灰色為陸地, 白色為數據無效區域; 圖7a黑色方框表示南大洋Ekman流最為強勢的區域, 圖7b黑色方框表示流速變化較小的區域, 圖7c黑色方框表示南大洋風速較大區域

圖8 Ekman流速的區間分布(a), Ekman流速區間分布的月際變化(b)和年際變化(c)

2.2.3 基于EOF的Ekman流速變化特征分析 本節采用EOF方法對研究區域2010—2018年的再分析Ekman流速進行分析。EOF分析本質上是一種主成分分析方法, 能夠提取數據的主要特征量, 目前在海洋科學以及地球科學領域發揮著巨大的作用。楊洋等(2018)采用EOF方法分析東中國海海平面高度的時空變化; 潘衛華等(2019)分析了臺灣海峽海面風場的時空變化; 羅鳳云等(2020)采用季節EOF分析南海海平面異常在中部、東部型El Ni?o期間的時空演變特征; 韓樹宗等(2020)用其分析南海波浪波高的時空變化; 秦嶺等(2020)分析全球春-秋季風降水強度的年際變化。

本節首先對2010—2018年每個空間點上的Ekman流振幅進行逐月平均, 并進行距平處理, 然后利用EOF方法進行分析, 并進行顯著性檢驗。表1給出各個模態的方差貢獻率, 可以看出, 前兩個模態累計方差貢獻率為45%, 且通過North檢驗, 因此前兩個模態可以較好地解釋2010—2018年南大洋Ekman流速的空間變化特征。模態空間場上某個點的絕對值越大, 則該點的Ekman流速變化越顯著; 相反, 如果該點的絕對值越接近零, 則該點的Ekman流速在時間上的變化越趨于穩定。

第一模態(圖10a)的方差貢獻率為37.7%, 可以表征南大洋海域Ekman流速的主要空間分布特征。除了在少部分海域(如南非西邊海域、澳大利亞西邊海域, 南美洲35°S西邊海域等), 第一模態均為負值, 表明2010—2018年期間Ekman流速在整體上同時增強或減弱的分布特征; 第一模態在40°S以北海域的絕對值較大, 對應圖7b流速標準差較大處; 以(35°S, 89°E)、(33.5°S, 101°W)和(31.5°S, 6°W)為中心的三個區域出現了第一模態的極小值, 說明這三個區域的月際變化強烈; 以(48°S, 110°E)和(50°S, 100°W)為中心的兩個區域的模態接近零, 表明其月際變化比較平穩。第二模態如圖10b所示, 以50°S為界, 基本將南大洋海域從南北兩向分為負值區和正值區, 該模態代表Ekman流速在南北方向上反向變化的分布特征。

圖9 Ekman流速(a—d)在1、4、7、10月份的空間分布及異常流速(e—h)在1、4、7、10月份的空間分布

注: 淺灰色為陸地, 深灰色為數據無效區域

表1 Ekman流速EOF分析的前五個模態

Tab.1 The First Five Modes of EOF Analysis of the Speed of Ekman Current

圖10 Ekman流速的EOF分析中的前兩個模態

注: a: 第一模態, b: 第二模態

圖11a、11b的藍線分別為第一、二模態所對應的時間系數。時間系數表示這一區域由特征向量所表征的模態的時間變化特征, 該時刻模態是否典型與對應時間系數數值絕對值大小成正比。第一模態時間系數表明南大洋Ekman流速具有很強的月際變化, 這與之前得到的結論相同; 將南大洋研究區域CCMP風速數據進行月平均及空間平均, 得到的結果為研究區域的風速指標(圖11a橙線)。該指標與第一模態時間系數的相關性系數為-0.62, 呈負相關, 且通過0.01的顯著性檢驗, 因此Ekman流速第一模態和風場之間存在較強的相關性。

Gong等(1999)研究了南極濤動(Antarctic oscillation, AAO), 并定義了南極濤動指數。南極濤動是南半球熱帶外地區最顯著的半球尺度大氣活動模態(Thompson, 2000), 具有以位于極區(60°S以南)與環繞極區(45°S)的位勢高度場異常反向變化的特點(宋潔等, 2009), 且對南半球的海洋風場、溫度場都有一定的影響(Lovenduski, 2005)。本文使用的AAO指數數據(圖11b橙線)來自于NOAA(National Oceanic and Atmospheric Administration), 它是對20°S以南的NCEP/NCAR再分析月平均海平面氣壓距平場(1979年1月到2020年10月)進行EOF分解得到的第一模態時間系數。AAO指標與第二模態時間系數的相關性系數為-0.64, 呈負相關, 且通過0.01的顯著性檢驗。同時, 南大洋Ekman流速第二模態與南極濤動模態都具有中高緯度反向變化的空間分布特征。因此第二模態和南半球中高緯大氣環流之間存在較強的相關性, 本文猜測中高緯大氣環流通過風場、溫度場等影響Ekman動力過程。結合2.2.2節, 本文認為南大洋Ekman流速的時空分布特征主要受風場以及南半球中高緯大氣環流的影響。

2.3 Ekman流左偏角度的時空變化

2.3.1 Ekman流左偏角度的時間變化 根據經典Ekman漂流理論, 南半球Ekman流偏向風矢量的左邊。本文定義兩者偏角為Ekman流偏離風矢量的角度(逆時針為正, 即左偏)。圖12e為Ekman流和風矢量偏角的概率分布, 可以看出, 雖然Ekman流場和ERA5風場的夾角概率分布相對于CCMP風場而言比較“平緩”, 但是兩者得到的偏角都集中在60°—75°, 概率密度最大值處所對應的角度也都為67.5°。圖12a和12b為Ekman流和風矢量偏角在不同年份的概率分布圖, 偏角分布隨年份的變化程度很小。圖12c和12d為Ekman流和風矢量偏角在不同月份的概率分布圖, 在流速較大的七月, 無論是使用CCMP還是ERA5風場, 偏角分布程度較其他月份都有變化, 但相差不大。

2.3.2 Ekman流左偏角度的空間變化 從圖12f可以看出, 除30°S附近, 使用ERA5風場時的緯向平均偏角大于CCMP風場, 但是兩者隨緯度的變化情況較為一致, 在35°S都有明顯的變小。從圖13可以看出, 使用CCMP和ERA5風場得到的偏角空間分布圖很相似, 35°—70°S之間的高緯區域的偏角在65°—70°之間; 30°—35°S之間的區域出現了少數偏角小于零的情況(即偏向風的右側), 以及部分偏角大于90°的區域。

圖11 第一模態時間系數及風速指標時間序列(a), 第二模態時間系數及南極濤動指數(b)

圖12 Ekman流偏角在不同年份的概率分布(a, b), Ekman流偏角在不同月份的概率分布(c, d), Ekman流左偏角的概率分布(e), Ekman流偏角隨緯度的變化(f)

注: a和c的風場資料為CCMP, b和d的風場資料為ERA5

圖13 南大洋Ekman流時間平均偏角的空間分布圖

注: a的風場資料為CCMP, b的風場資料為ERA5

2.3.3 風場與Ekman流場之間的矢量相關 由于CCMP和ERA5風場的區別不大, 因此只使用CCMP數據來探究風場和Ekman流場之間的矢量相關。從圖13可以看出, 南大洋30°—35°S之間區域的Ekman流偏角情況較為復雜, 同時考慮到不同月份的偏角存在差異, 因此本文以35°S為界將南大洋分為上下兩部分, 探討這兩片海域以及南大洋整個海域的Ekman流場在不同月份與CCMP風場的矢量相關(見附錄)。如圖14b所示, 計算得到的||(衡量兩個隨時間變化的矢量之間的相關性)都在0.84以上, 因此本文認為得到的θ(兩個隨時間變化的矢量的夾角)都是合理的。如圖14a所示, 30°—35°S海域的Ekman流偏角存在月際變化, 4月份和9月份之間的偏角相差7°; 不同于該片海域, 35°—70°S海域的Ekman流偏角穩定在67.5°附近, 30°—70°S海域(即南大洋整個海域)的Ekman流偏角穩定在67°附近。

圖14 南大洋不同海域的Ekman流場在不同月份與CCMP風場的矢量相關

注:表示矢量相關;θ表示兩個隨時間變化的矢量的夾角

3 結論

本文在驗證GEKCO2數據有效性的基礎上, 采用GEKCO2數據探討2010—2018年期間Ekman流速在南大洋區域的時空分布特征。通過對Ekman流速時間序列的分析, 發現其集中在9—11 cm/s, 且具有很強的月際變化特征。為研究Ekman流速在不同區域的差異性, 本文給出了南大洋各個點的流速均值及標準差, 流速高值區域為40°—60°S, 30°—150°W, 而40°S以北海域是Ekman流速隨時間變化較大的區域。為進一步分析南大洋Ekman流速的時空變化規律, 本文對2010—2018年逐月平均Ekman流速進行EOF分析。第一模態表現為流速在整體上同時增強或減弱的分布特征, 第二模態表現為以50°S為界流速南北反向變化的分布特征; 同時通過時間系數與氣候指標的相關性分析, 發現第一模態和風場之間存在較強的相關性, 第二模態和南半球中高緯大氣環流存在較強的相關性。結合CCMP、ERA5風場資料, 本文繼續討論了Ekman流偏向角度的時空變化特征。Ekman流左偏角度集中在60°—75°, 其中概率密度最大值處所對應的角度為67.5°。Ekman流左偏角度隨時間的變化很小, 隨著緯度的變小左偏角度也在變小。通過矢量相關分析, 得到30°—35°S海域的平均偏角存在月際變化, 其中4月和9月之間的偏角相差7°。

本文的研究結論對于進一步理解南大洋的Ekman過程具有一定的參考價值。雖然本文充分調研了關于南大洋Ekman流的文獻資料, 并利用Roach等(2015)的實測資料和伍茲霍爾海洋研究所的兩個南大洋浮標數據, 對再分析數據Ekman流速進行了評估; 但受限于南大洋區域的觀測難度, 實測資料的時空分布密度較低, 故本文對于再分析數據的驗證仍然不夠充分, 這一點將在未來的工作中通過數值模式予以彌補。

附錄: 矢量相關

Kundu(1976)提出了矢量相關(complex correlation), 用來計算兩個隨時間變化的二維速度矢量之間的平均夾角, 也可用來衡量模型結果和觀測數據之間的匹配程度(Yin, 2007)。假設二維速度矢量為

()=()+(), (5)

其中, 星號表示復數共軛, 尖括號表示時間平均, 也可寫為

因此,

需要注意的是只有當||較大時,θ才有意義。

史久新, 2000. 南大洋印度扇形區南極繞極流和南極沿岸流的相互作用研究. 中國科學院海洋研究所博士學位論文, 1—6

劉 巍, 張 韌, 王輝贊等, 2012. 基于衛星遙感資料的海洋表層流場反演與估算. 地球物理學進展, 27(5): 1989—1994

安玉柱, 張 韌, 王輝贊等, 2012. 基于衛星遙感數據的全球表層流場反演重構. 海洋通報, 31(1): 1—8

楊 洋, 孫 群, 楊 敏等, 2018. 東中國海海平面高度的時空變化特征. 海洋與湖沼, 49(3): 481—489

宋 潔, 李崇銀, 2009. 南極濤動和北半球大氣環流異常的聯系. 大氣科學, 33(4): 847—858

羅鳳云, 譚 偉, 李 娟等, 2020. 南海海平面對兩類El Ni?o的不同響應. 海洋學報, 42(3): 36—46

秦 嶺, 黃 菲, 許士斌等, 2020. 全球春-秋季風降水的年際變化主模態時空特征. 中國海洋大學學報(自然科學版), 50(10): 11—18

韓樹宗, 董楊楊, 張水平等, 2020. 南海波浪時空變化特征研究. 海洋湖沼通報, (2):1—9

潘衛華, 林 毅, 2019. 近10年臺灣海峽海面風場的時空特征變化動態分析. 熱帶氣象學報, 35(3): 296—303

Bonjean F, Lagerloef G S E, 2002. Diagnostic model and analysis of the surface currents in the tropical Pacific Ocean. Journal of Physical Oceanography, 32(10): 2938—2954

Chereskin T K, 1995. Direct evidence for an Ekman balance in the California Current. Journal of Geophysical Research: Oceans, 100(C9): 18261—18269

Constantin A, 2021. Frictional effects in wind-driven ocean currents. Geophysical & Astrophysical Fluid Dynamics, 115(1): 1—14

Constantin A, Johnson R S, 2019. Ekman-type solutions for shallow-water flows on a rotating sphere: A new perspective on a classical problem. Physics of Fluids, 31(2): 021401

Cronin M F, Kessler W S, 2009. Near-surface shear flow in the tropical pacific cold tongue front. Journal of Physical Oceanography, 39(5): 1200—1215

Ekman V W, 1905. On the influence of the Earth’s rotation on ocean-currents. Arkiv fo?r Matematik, Astronomi Och Fysik, 2(11): 1—52

Elipot S, Gille S T, 2009. Ekman layers in the Southern Ocean: spectral models and observations, vertical viscosity and boundary layer depth. Ocean Science, 5(2): 115—139

Gong D Y, Wang S W, 1999. Definition of Antarctic Oscillation index. Geophysical Research Letters, 26(4): 459—462

Hui Z L, Xu Y S, 2016. The impact of wave-induced Coriolis-Stokes forcing on satellite-derived ocean surface currents. Journal of Geophysical Research: Oceans, 121(1): 410—426

Kundu P K, 1976. Ekman veering observed near the ocean bottom. Journal of Physical Oceanography, 6(2): 238—242

Lagerloef G S E, Mitchum G T, Lukas R B, 1999. Tropical Pacific near-surface currents estimated from altimeter, wind, and drifter data. Journal of Geophysical Research: Oceans, 104(C10): 23313—23326

Lenn Y D, Chereskin T K, 2009. Observations of Ekman currents in the Southern Ocean. Journal of Physical Oceanography, 39(3): 768—779

Li M, Liu J P, Wang Z Z, 2013. Assessment of sea surface wind from NWP reanalyses and satellites in the Southern Ocean. Journal of Atmospheric and Oceanic Technology, 30(8): 1842—1853

Liu J, Dai J J, Xu D F, 2018. Seasonal and interannual variability in coastal circulations in the northern South China Sea. Water, 10(4): 520

Lovenduski N S, Gruber N, 2005. Impact of the Southern Annular Mode on Southern Ocean circulation and biology. Geophysical Research Letters, 32(11): L11603

McWilliams J C, Huckle E, 2006. Ekman layer rectification. Journal of Physical Oceanography, 36(8): 1646—1659

Nowlin W D Jr, Klinck J M, 1986. The physics of the Antarctic Circumpolar Current. Reviews of Geophysics, 24(3): 469—491

Polton J A, Lenn Y D, Elipot S, 2013. Can drake passage observations match Ekman’s classic theory?. Journal of Physical Oceanography, 43(8): 1733—1740

Ralph E A, Niiler P P, 1999. Wind-driven currents in the Tropical Pacific. Journal of Physical Oceanography, 29(9): 2121—2129

Roach C J, Phillips H E, Bindoff N L, 2015. Detecting and characterizing Ekman currents in the southern Ocean. Journal of Physical Oceanography, 45(5): 1205—1223

Schmidt K M, Swart S, Reason C, 2017. Evaluation of satellite and reanalysis wind products with in situ wave glider wind observations in the Southern Ocean. Journal of Atmospheric and Oceanic Technology, 34(12): 2551–2568

Speer K, Rintoul S R, Sloyan B, 2000. The diabatic deacon cell. Journal of Physical Oceanography, 30(12): 3212—3222

Sudre J, Maes C, Gar?on V, 2013. On the global estimates of geostrophic and Ekman surface currents. Limnology & Oceanography Fluids & Environments, 3(1): 1—20

Thompson D W J, Wallace J M, 2000. Annular modes in the extratropical circulation. Part I: Month-to-month variability. Journal of Climate, 13(5): 1000—1016

Wenegrat J O, McPhaden M J, 2016. Wind, waves, and fronts: Frictional effects in a generalized Ekman model. Journal of Physical Oceanography, 46(2): 371—394

Yin X Q, Oey L Y, 2007. Bred-ensemble ocean forecast of loop current and rings. Ocean Modelling, 17(4): 300—326

Zhang J C, Li G Q, Yi J C, 2019a. A Method on estimating time-varying vertical eddy viscosity for an Ekman layer model with data assimilation. Journal of Atmospheric and Oceanic Technology, 36(9): 1789—1812

Zhang Y M, Song Z Y, Wu K J, 2019b. Influences of random surface waves on the estimates of wind energy input to the Ekman layer in the Antarctic circumpolar current region. Journal of Geophysical Research: Oceans, 124(5): 3393—3410

Zhang Y W, Tian J W, Xie L L, 2009. Estimation of eddy viscosity on the South China Sea shelf with adjoint assimilation method. Acta Oceanologica Sinica, 28(5): 9—16

THE SPATIAL AND TEMPORAL DISTRIBUTION OF EKMAN CURRENT IN THE SOUTHERN OCEAN BASED ON REANALYSIS DATA

LIN Hui-Yi1, GAO Yan-Qiu2, ZHANG Ji-Cai1

(1. Institute of physical oceanography and remote sensing, Ocean College, Zhejiang University, Zhoushan 316021, China;2. State Key Laboratory of Satellite Ocean Environment Dynamics, Second Institute of Oceanography, Ministry of Natural Resource, Hangzhou 310012, China)

Ekman transport in the Southern Ocean is an important part of the global atmosphere ocean coupled climate system. It is very important to study the Ekman dynamic process in this region. The Ekman current data provided by GEKCO2 product was evaluated and its validity verified. In addition, combined with sea surface wind products (CCMP and ERA5), EOF analysis and other methods were used to analyze the spatial and temporal variation of Ekman current in the Southern Ocean from 2010 to 2018. Results show that first, the speed of Ekman current ranged 9—11 cm/s with a strong inter-monthly oscillation (the strongest in July and the weakest in December). Secondly, the speed of Ekman current varied greatly with time north of 40°S in the Southern Ocean. Thirdly, The EOF analysis of the speed of Ekman current indicates that the first mode had a strong correlation with the wind field, in which the speed increased or decreased at the same time on the whole. The second mode had a strong correlation with the middle and high latitude atmospheric circulation in the southern hemisphere, in which the speed from north to south was reversed with 50°S as the boundary. Fourthly, the left deviation angle of Ekman current was distributed in the range of 60° to 75° with the maximum probability density at 67.5°. Through the analysis of complex correlation, it was found that the average deviation angle in the area of 30—35°S varied monthly. This study provides a reference for further understanding of the Ekman process in the Southern Ocean.

the Southern Ocean; Ekman current; spatial and temporal variation; empirical orthogonal function (EOF) analysis; ocean current product GEKCO2 (Geostrophic and Ekman Current Observatory 2)

* 國家重點研發計劃“全球變化及應對”重點專項, 2017YFA0604100號; 國家重點研發計劃“海洋環境安全保障”重點專項, 2017YFC1404000號; 國家自然科學基金, 41876086號; 國家自然科學基金, 41706006號。林輝義, 碩士研究生, E-mail: 21934005@zju.edu.cn

張繼才, 副教授, 博士生導師, E-mail: jicai_zhang@163.com

2021-01-11,

2021-03-04

P731

10.11693/hyhz20210100010