基于南海溫鹽流數值產品的南海氣候態溫躍層、溫度鋒和中尺度渦評估

尹漢軍，謝波濤，黃必桂，朱宇航，彭世球，李毅能，程高磊

（1.中海油研究總院有限責任公司，北京100027；2.中國科學院南海海洋研究所 熱帶海洋環境國家重點實驗室，廣東廣州510301；3.北部灣大學 廣西北部灣海洋災害研究重點實驗室，廣西欽州535011；4.南方海洋科學與工程廣東省實驗室（廣州），廣東 廣州511458）

0 引言

南海作為我國最大的邊緣海，地理戰略地位極其重要。南海不僅擁有豐富的油氣、礦產、漁業等資源，同時也是連接西北太平洋與印度洋的重要輸運通道，其海上航行、漁業捕撈、工程作業等活動頻繁。但是，受東亞季風和黑潮的影響，南海海洋環境狀況復雜，海上災害頻發，嚴重影響著我國在南海諸多活動的安全。因此，為了維護我國在南海的核心利益，確保我國在南海海上活動的安全，亟需不斷加強南海的海洋環境保障。

海洋環境要素對南海海洋環境的影響不僅體現在溫鹽流和水位等常規要素中，更體現在包括溫躍層、溫度鋒和中尺度渦等海洋現象要素中，它們對海上活動的安全保障有著各自的影響。海洋溫躍層是海洋水體溫度在垂向上急劇變化的過渡層，其分布直接影響著海水的聲吶探測，進而影響海上航行安全；此外，溫躍層與內波的關系十分密切，內波作為南海海域較為活躍的海洋現象之一，對海上工程設施等有著潛在的巨大破壞力，因此，南海溫躍層也間接影響著南海海上工程設施的安全。南海溫躍層有著典型的季節變化特征[1-5]，不同季節其結構分布差別巨大，因此要消除溫躍層對南海海洋活動安全的負面影響，必須對南海溫躍層的時空分布特征有深入的了解。溫度鋒也是南海特別是其北部海域常見的海洋現象之一。溫度鋒指的是海洋水平方向上毗鄰的溫度明顯不同的兩種或幾種水體之間的狹長過渡帶。前人研究表明，南海溫度鋒受風應力、大尺度環流和氣候變暖等影響，其分布和出現頻率表現出明顯的季節變化特征[6-7]。溫度鋒在陸架海系統中起著重要的作用，并影響著陸架海的生態環境、漁業環境和區域氣候[8-9]，在海洋漁業、環境保護、水聲技術利用等方面具有重要的應用價值。中尺度渦是南海海域最重要的海洋現象之一，其在南海海域活動頻繁[10-11]。南海中尺度渦在南海海洋動量、熱量及其他示蹤物（如葉綠素等）的輸送中起著重要的作用[12]，對漁業發展有著重要的影響；此外，中尺度渦引起的海洋層結變化也嚴重影響聲吶水聲探測和船只的安全航行。綜上所述，南海海洋環境保障不僅要求獲取準確的南海常規海洋要素信息，還需要對南海的現象要素有精確的感知。

南海海洋環境保障研究離不開數據，特別是長時間連續和高時空分辨率的海洋數據集的支持，數據集主要來自于數值模式模擬產品和再分析數據產品。目前，國內外覆蓋南海區域的上述產品不少，例如：國際著名的簡單海洋數據同化（Sample Ocean Data Assimilation，SODA）再分析產品[13-14]，其空間分辨率為1/8°×1/8°，但時間分辨率僅為5 d；混合坐標大洋環流模式（Hybrid Coordinate Ocean Model，HYCOM）再分析數據集[15]的空間分辨率為1/12°×1/12°，時間分辨率為1 d；國內自主研發的中國海洋 再分析（China Ocean Reanalysis，CORA）v1.0 數據產品[16-17]的空間分辨率為1/8°×1/8°，時間分辨率為1 d；南海海洋再分析（Reanalysis Dataset of the South China Sea，REDOS）v1.0 產品[18]的空間分辨率為1/10°×1/10°，時間分辨率為1 d；全球高分辨率冰-海耦合再分析產品（CORAv2.0）為國內僅有的含潮再分析數據集，空間分辨率為1/12°×1/12°，時間分辨率為1 d。以上覆蓋南海海區的數值產品的空間分辨率皆為渦分辨率，基本滿足南海中尺度海洋現象的分析要求，但大部分數據的時間分辨率較粗，且不包含潮強迫，無法滿足對南海潮汐和潮流及更小時間尺度現象的研究需求。

因此，本研究基于區域海洋模式系統（Regional Ocean Model System，ROMS）構建了一套覆蓋南海區域40 a（1980—2019年）的渦分辨率逐時溫鹽流數據集產品OCEAN_SCS，以支撐南海海洋環境保障的數據需求。通過與各類實測資料對比，我們前期驗證了OCEAN_SCS 數據集對南海海表溫度（Sea Surface Temperature，SST）、鹽度、流場、海表高度（Sea Surface Height，SSH）和水位的模擬精度[19]。本研究我們將從海洋現象要素（包括季節性溫躍層、溫度鋒和中尺度渦）的角度對OCEAN_SCS 數據集進行進一步的評估，同時參與對比的還有包含了資料同化的HYCOM再分析數據產品。

1 數據集介紹

1.1 模式介紹與設置

OCEAN_SCS數據集基于ROMS[20-21]構建，版本為法國發展研究院（Institut de Recherche pour le Développment，IRD）開發的ROMS_ARGIF 3.3.1[22-23]。模式區域范圍包括了南海和部分西北太平洋區域（99°～134°E，1°～30°N，見圖1），水平分辨率為1/10°×1/10°，垂向采用S 坐標，分32 層。模式海底地形采用國際航道測量組織（International Hydrographic Organization，IHO）提供的15″×15″世界大洋深度 圖（General Bathymetric Chart of the Ocean，GEBCO）2019版數據[24]。為了減少大梯度地形對模式模擬精度的影響，本研究將GEBCO 2019 地形數據插值到模式網格點的同時對地形數據進行了適當的平滑。模式開邊界方案為適合潮強迫的Flather邊界方案，垂向混合方案采用KPP（K-profile parameterization）方案[25]。模式最大和最小水深分別設置為5 000 m和10 m，積分時間步長為600 s。

圖1 模式區域范圍和地形Fig.1 The model domain and topography

1.2 數據集構建

模式側邊界條件使用的溫鹽流和SSH數據來自SODA[26-28]3.4.2版本每5 d一次的結果，水平分辨率為0.25°×0.25°。大氣強迫數據包括10 m風場，短波輻射、長波輻射、海表氣溫、海表濕度、降水率，數據源為歐洲中期天氣預報中心（European Centre for Medium-Range Weather Forecasts，ECMWF）提供的第五代大氣再分析產品ERA5（Fifth Generation ECMWF Atmospheric Reanalysis）[29]每6 h一次的結果，水平分辨率為0.25°×0.25°。為了提高大氣風場強迫的精度，本研究將ERA5的10 m風場數據與HOLLAND[30]模式的經驗臺風風場數據進行融合作為模式強迫風場。大氣強迫數據通過塊體公式[31]轉化為模式所需風應力、熱通量和淡水通量，其中風應力計算取自PENG等[32]的南海最優風應力拖曳系數計算公式。

模式的側邊界潮強迫采用基于10 個主要分潮（M2、S2、N2、K2、K1、O1、P1、Q1、M4、MS4）的調和常數計算的潮位和潮流，數據來自于俄亥俄州立大學提供的TPXO8 全球潮汐數據產品[33]，水平分辨率為1/30°×1/30°。我們將TPXO8數據插值到本模式開邊界的網格上，然后計算開邊界處的潮汐和潮流預報值，并分別加到SODA 數據集的SSH 和流場中作為開邊界強迫。公式如下：

式中：η為水位/流速的東西（u）/南北（v）分量；A0為平均海面高度，此處設為0（計算潮流時A0也為0）；H和g是分潮水位/流速的振幅和遲角；V0是分潮的格林威治天文初相角，決定推算的起始時刻；σ為分潮的角速度；下標i代表不同的分潮。

OCEAN_SCS數據集在構建前需要一個動力平衡的海洋初始場。本研究首先利用SODA 3.4.2 數據集和ERA5 數據集40 a（1980—2019 年）的氣候態月平均場對模式進行驅動，即“SPIN-UP”過程，在該過程中模式不添加潮強迫。經過10 a的“SPIN-UP”模擬，我們獲得了一個動力上相對穩定的海洋初始狀態場，并基于此初始場進行40 a 的真實模擬。我們將模式模擬輸出的基于sigma 坐標的結果插值到從海表～5 000 m 水深共分為40 層的深度坐標中（0 m、2 m、4 m、6 m、8 m、10 m、12 m、15 m、20 m、25 m、30 m、35 m、40 m、45 m、50 m、60 m、70 m、80 m、90 m、100 m、125 m、150 m、200 m、250 m、300 m、350 m、400 m、500 m、600 m、700 m、800 m、900 m、1 000 m、1 250 m、1 500 m、2 000 m、2 500 m、3 000 m、4 000 m、5 000 m），并按每24 h為一個數據文件以網絡通用數據格式（Network Common Data Form，NetCDF）輸出，從而得到最終的OCEAN_SCS數據集。OCEAN_SCS數據集的詳細介紹可參考文獻[19] 。

2 海洋現象要素評估

2.1 溫躍層評估

2.1.1 評估方法

溫躍層的評估主要對象為OCEAN_SCS 數據集多年月平均狀態場計算的南海季節性溫躍層參數，包括溫躍層上界深度（即溫躍層深度）、溫躍層厚度和溫躍層強度，評估范圍為99°～122°E，1°～30°N，評估參照的對象為前人的研究成果和基于HYCOM 再分析數據產品計算的結果。季節性溫躍層的評估方法如下：首先分別計算OCEAN_SCS 數據集40 a 平均和HYCOM 再分析數據產品20 a（1997—2016 年）平均的月平均溫度場，然后針對每個月溫度場的每個水平格點的垂向溫度廓線進行溫躍層參數的判定，最終繪制南海區域的季節性溫躍層參數分布圖，并與前人的研究成果進行比較。

本研究中季節性溫躍層各個參數的定義如下：當一條垂向溫度廓線某一段的垂向梯度≥臨界值時,則將該段定義為季節性溫躍層,以該段的頂部水深為季節性溫躍層深度,該段的垂向范圍為季節性溫躍層厚度。當水深>200 m 時，臨界值設為0.05 ℃/m；水深≤200 m時，臨界值設為0.2 ℃/m[4,34]。季節性溫躍層強度則定義為溫躍層整層的垂向溫度梯度[35]。

2.1.2 評估結果

圖2 為基于OCEAN_SCS 數據集計算的多年平均態1 月和7 月的南海季節性溫躍層深度、厚度和強度的水平分布。從圖2a、2b 可以看到，南海季節性溫躍層深度呈現出明顯的季節變化特征。冬季，溫躍層深度呈現出由東南（約30 m）—西北（約90 m）變深的分布趨勢，且區域邊界處的溫躍層深度梯度較大，同時，在呂宋島和加里曼丹島西北海域各出現一低值區（小于30 m）；而夏季，溫躍層深度全場平均值明顯低于冬季，且呈現出由西北（約10 m）—東南（約30 m）變深的分布趨勢，其高值區和低值區由貫穿海盆東北—西南方向的分界線隔開。與前人基于觀測數據產品的計算結果相比[4]，OCEAN_SCS 數據集模擬的南海季節性溫躍層深度不論是量值上還是時空分布特征上都十分相似。圖2c、2d 為OCEAN_SCS 數據集模擬的多年平均態1月和7月的南海季節性溫躍層厚度，從圖中可以看出，溫躍層厚度的空間分布形態與溫躍層深度相似。冬季，溫躍層厚度基本在100 m 左右，且呈現由西北—東南遞增的變化趨勢；而夏季，溫躍層深度的分布同樣由貫穿海盆東北—西南方向的分界線隔開，呈現西北部低值區和東南部高值區的分布狀態，整體量值大于冬季。OCEAN_SCS 數據集模擬的季節性溫躍層厚度與前人的模式模擬結果[5]在時空分布形態上也十分相似，但量值偏小。南海夏季季節性溫躍層強度整體小于冬季（見圖2e、f），冬季，溫躍層強度高值區位于海盆中部深水區，而夏季溫躍層強度空間分布與冬季相反，高值區位于海盆周圍陸架區，這種分布形態也與前人的模式模擬結果相似[5]。

圖2 OCEAN_SCS數據集多年月平均態1月與7月的南海季節性溫躍層深度、厚度和強度水平分布圖Fig.2 Climatological distributions of depth,thickness and strength of seasonal thermocline in the SCS in January and July from the OCEAN_SCS dataset

圖3 為基于HYCOM 再分析數據產品的南海季節性溫躍層深度、厚度和強度的水平分布計算結果。從圖中可以看出，季節性溫躍層各參量在空間分布上與OCEAN_SCS 數據集的計算結果較為一致，但溫躍層深度和厚度量值稍大于OCEAN_SCS數據集的計算結果，溫躍層強度量值則與OCEAN_SCS數據集的計算結果相當。

2.2 溫度鋒評估

2.2.1 評估方法

我們對OCEAN_SCS 數據集多年季節平均狀態場的溫度鋒分布和月平均狀態場的溫度鋒出現頻率分布進行評估，評估范圍同溫躍層。評估參照對象為基于美國國家海洋和大氣管理局（National Oceanic and Atmospheric Administration，NOAA）發布 的 AVHRR （Advanced Very High Resolution Radiometer）V2 格點化衛星SST 產品和HYCOM 再分析數據產品計算的溫度鋒以及前人的研究成果。評估方法為：首先分別計算OCEAN_SCS數據集40 a平均的季節平均SST 場、HYCOM 再分析數據產品20 a（1997—2016 年）平均的季節平均SST 場和AVHRR V2 數據產品多年（1982—2013 年）平均的季節平均SST 場，然后基于溫度鋒的判定方法和標準計算相關參數并進行對比；另外，基于OCEAN_SCS 數據集統計了40 a的月平均SST 場溫度鋒出現的概率空間分布，并與前人的研究成果進行對比。

溫度鋒的判定采用水平溫度梯度法[36-38]，即首先計算區域內格點的SST 水平梯度GM，然后選取溫度梯度大于臨界值的格點作為溫度鋒點，臨界值等值線包圍的GM 大于臨界值的區域則作為溫度鋒區。這里，我們選擇0.03 ℃作為溫度鋒判定的GM臨界值[7]。GM計算方法為：

式中：T表示SST，x和y分別表示經向和緯向方向坐標。

2.2.2 評估結果

圖4 為 基 于OCEAN_SCS 數 據 集、HYCOM 再分析數據產品和AVHRR V2 數據產品計算的SST水平梯度及溫度鋒區分布。從圖中可以看出，基于OCEAN_SCS數據集計算的SST水平梯度和溫度鋒區分布特征為：①南海溫度鋒主要分布于南海北部沿岸，且冬夏季季風期SST 水平梯度整體大于春秋季季風轉換期（見圖4a、4d、4g、4j）；②冬季受東北季風影響，低溫的南海沿岸流從東北流向西南，在南海北部沿岸形成顯著的溫度鋒區（見圖4a）；③夏季受西南季風影響，南海北部的溫度鋒區主要集中在粵西沿岸和海南島沿岸（見圖4g）。基于HYCOM再分析數據產品（見圖4b、4e、4h、4k）與OCEAN_SCS 數據集（見圖4a、4d、4g、4j）計算的SST水平梯度的空間分布和量值都極為相似。考慮到HYCOM 再分析數據產品同化了包括衛星觀測和現場觀測的SST數據，因此，該結果表明OCEAN_SCS 數據集對南海溫度鋒的空間分布和量值的模擬精度較高。與基于OCEAN_SCS數據集計算的SST水平梯度相比（見圖4a、4d、4g、4j），基于AVHRR V2數據產品計算的結果（見圖4c、4f、4i、4l）在時空分布上與之相似，但梯度量值明顯弱于前者。這可能是由于AVHRR V2 數據產品的水平分辨率較低（1/4°×1/4°），SST水平分布較為平滑導致的。

圖4 基于OCEAN_SCS數據集、HYCOM再分析數據產品多年季節平均態和AVHRR V2 SST數據集計算的4個季節的SST水平梯度及鋒區分布Fig.4 Climatological spatial distributions of Oceanic Zones and horizontal gradients of SST in four seasons based the OCEAN_SCS dataset，the HYCOM reanalysis dataset and the AVHRR V2 SST dataset

圖5 為基于OCEAN_SCS 數據集計算的南海北部月平均場的溫度鋒出現頻率空間分布。由于南海溫度鋒主要分布在南海北部沿岸，且為了更直觀地與前人的計算結果[7,37]進行比較，本文只展示了南海北部（105°～122°E，17°～30°N）的溫度鋒概率空間分布。從圖中可以看出，OCEAN_SCS 數據集計算的溫度鋒出現頻率空間分布同樣表現出明顯的季節變化特征。冬季，溫度鋒出現區域分布在整個南海北部沿岸，且出現頻率較高，近岸區域的溫度鋒出現頻率超過70%（見圖5a）；夏季，溫度鋒出現的區域主要集中于粵西和海南島沿岸以及臺灣島西部海域，出現頻率較冬季低（見圖5c）；春秋季為季風轉換區，其中春季溫度鋒出現頻率分布與冬季相似，但量值小于冬季，秋季溫度鋒出現頻率最小（見圖5b、5d）。該結果表明，基于OCEAN_SCS 數據集計算的溫度鋒頻率時空分布與前人基于衛星觀測SST 計算的結果十分相似[7,37]，OCEAN_SCS 數據集對南海溫度鋒的模擬效果較好。

圖5 基于OCEAN_SCS數據集月平均態計算的4個季節溫度鋒出現頻率空間分布Fig.5 Climatological spatial distribution of the seasonal thermal frontal probability in four seasons based on the OCEAN_SCS dataset

2.3 中尺度渦評估

2.3.1 評估方法

海洋中尺度渦的生成、運動和消亡是海洋最復雜的動力過程之一，相關物理機制目前尚未完全清楚。在缺少資料同化的條件下，現有的數值模式對海洋中的中尺度渦個例還不能作出準確的模擬。因此，本研究針對南海中尺度渦的統計性評估，即通過統計一段時間內南海中尺度渦的個數、生命長度、半徑、相對渦度、旋轉速度、移動速度和海表渦動能等，驗證OCEAN_SCS 數據集對南海中尺度渦的模擬效果。評估對比參考的對象為HYCOM 再分析數據產品和哥白尼海洋服務中心（Copernicus Marine Service）提供的包括多衛星融合的海表高度異常（Sea Level Anomaly，SLA）網格化數據（空間分辨率為1/4°×1/4°），時間分辨率都是1 d，評估區域為99°～122°E，1°～30°N，評估時段為2007—2016年共10 a。

中尺度渦的探測方法為：首先，將OCEANS_SCS 數據集或HYCOM 再分析數據產品的日平均SSH 減去對應月的多年月平均SSH，得到各自的日平均SLA 場；接著，將各自的日平均SLA場插值到1/4°×1/4°的網格中，并利用地轉流計算公式算出各自的地轉流場。計算方法如下：

式中：g表示重力加速度；f表示科氏參數；x和y分別表示經向和緯向方向坐標。最后，將OKUBOWEISS（OW）方法[39]分別應用到OCEAN_SCS 數據集或HYCOM 再分析數據產品中，探測各自的中尺度渦信息。OW 方法首先定義一個判別參數W[40-41]：

式中：u和v分別代表地轉流場的東西和南北分量。接著將參數W小于2e×10-12/s2的區域定義為渦旋區域[42]。最后，將不符合如下參數范圍的渦旋剔除：渦旋半徑范圍為30～400 km；渦旋振幅不小于0.02 m；渦旋生命長度不短于5 d。

2.3.2 評估結果

表1 為 基 于OCEAN_SCS 數 據 集、HYCOM 再分析數據產品和衛星觀測SLA 數據產品識別的南海渦旋相關參數對比。這其中，基于OCEAN_SCS數據集識別出了1 240 個渦旋，包括氣旋渦和反氣旋渦各620 個；基于HYCOM 再分析數據產品識別出了1 315 個渦旋，包括748 個氣旋渦和567 個反氣旋渦。兩套數據產品的氣旋渦與反氣旋渦個數相當，這與林鵬飛等[43]和CHEN 等[44]的結論一致。基于衛星觀測SLA數據產品識別出的渦旋數量（1 720個）明顯大于基于OCEAN_SCS 數據集識別出的渦旋數量，而其渦旋的平均生命長度（25.4 d）小于基于OCEAN_SCS 數據集識別出的渦旋（28.9 d）。因此可以看出，相對于衛星觀測，OCEAN_SCS數據集模擬的中尺度渦生命周期更長，個數更少，這可能是由于用于構建OCEAN_SCS 數據集的數值模式對中尺度渦的耗散機制模擬不夠準確，其模擬的中尺度渦難以耗散。另一方面，OCEAN_SCS 模擬的海表渦動能（1.81×109m4/s2）與HYCOM 再分析數據產品的海表渦動能（0.97×109m4/s2）明顯大于衛星觀測SLA 數據產品模擬的海表渦動能（0.56×109m4/s2），這主要是由于衛星觀測SLA 數據產品的水平分辨率較低，其SLA 較為平滑。OCEAN_SCS數據集與HYCOM 再分析數據產品模擬的渦旋半徑也稍大于衛星觀測SLA 數據產品識別的渦旋半徑。除此之外，3 種數據在中尺度渦相對渦度、旋轉速度和移動速度等方面的模擬結果都較為接近（見表1）。圖6 為3 種數據探測的渦旋各參量的分布圖，從圖中可以看出，相較OCEAN_SCS 數據集，基于HYCOM 再分析數據產品探測的渦旋各參數（除相對渦度）都更貼近于衛星觀測，這主要得益于HYCOM 再分析數據產品同化了衛星高度計觀測數據；而OCEAN_SCS 數據集探測的渦旋相對渦度分布優于HYCOM 再分析數據產品，其他參量的分布則與之相當。

表1 OCEAN_SCS數據集、HYCOM再分析數據產品和衛星觀測資料探測的2007—2016年間中尺度渦參數對比Tab.1 The comparison of mesoscale eddy parameters during 2007—2016 from the OCEAN_SCS dataset,the HYCOM reanalysis dataset and satellite observations

圖6 OCEAN_SCS數據集、HYCOM再分析數據產品和衛星觀測資料探測的2007—2016年間南海中尺度渦海表渦動能（a）、渦度（b）、旋轉速度（c）、半徑（d）和移動速度（e）對比Fig.6 The comparison of the sea surface eddy kinetic energy(a),vorticity(b),rotational speed(c),radius(d)and propagation speed(e)of mesoscale eddies in the SCS during 2007—2016 from the OCEAN_SCS dataset,the HYCOM reanalysis dataset and satellite observations

3 結論

本文基于ROMS 模式構建了一套覆蓋南海區域40 a 渦分辨率的逐時溫鹽流數值產品OCEAN_SCS，并利用獨立觀測資料、HYCOM 再分析數據產品和前人的研究成果對比評估了OCEAN_SCS 數據集對南海區域海洋現象要素（包括溫躍層、溫度鋒和中尺度渦）的模擬效果。

從南海季節性溫躍層參數（包括溫躍層深度、厚度和強度）的對比結果可以看出，OCEAN_SCS數據集模擬的南海季節性溫躍層深度不論是量值還是時空分布都與前人基于觀測數據計算的結果十分吻合；對于南海季節性溫躍層厚度，OCEAN_SCS數據集的模擬結果與前人的模式模擬結果在時空分布形態上相似，但量值偏小。OCEAN_SCS 數據集模擬的南海季節性溫躍層強度時空分布形態也與前人的模式模擬結果相似。HYCOM 再分析數據產品計算的季節性溫躍層各參量在空間分布上與OCEAN_SCS 數據集的計算結果也較為一致，但其溫躍層深度和厚度量值稍大于OCEAN_SCS 數據集的計算結果。

與基于HYCOM再分析數據產品計算的SST水平梯度相比，基于OCEAN_SCS 數據集的計算結果的空間分布和量值都極為相似。考慮到HYCOM再分析數據產品同化了包括衛星和現場觀測的SST數據，因此，該結果表明OCEAN_SCS 數據集對南海溫度鋒空間分布和量值的模擬精度較高。與基于OCEAN_SCS 數據集計算的SST 水平梯度相比，基于AVHRR V2 數據產品計算結果的分布與之相似，但量值明顯更小，這可能是由于AVHRR V2 數據產品水平分辨率（1/4°×1/4°）較低，其SST的水平分布較為平滑。從月平均溫度鋒的出現頻率空間分布圖可以看出，OCEAN_SCS 數據集模擬的溫度鋒表現出明顯的季節變化特征，其在冬夏季風盛行季出現的頻率較高，分布范圍較廣，而在春秋季風轉換季出現的頻率較低，分布范圍主要集中于近岸海域。這種時空分布特征與前人基于衛星觀測SST數據產品計算的結果也十分相似。

對OCEAN_SCS 數據集模擬的南海中尺度渦的評估主要為統計性的，評估參考的對象為基于HYCOM 再分析數據產品和衛星觀測SLA 數據產品識別的中尺度渦。評估結果表明，OCEAN_SCS數據集模擬的南海中尺度渦在數量上明顯小于基于衛星觀測SLA 數據產品識別的中尺度渦，而在渦旋的平均生命長度上則大于后者。這可能是由于OCEAN_SCS數據集構建所用的數值模式對中尺度渦的耗散機制模擬不夠準確，其模擬的中尺度渦難以耗散。此外，在渦旋的半徑和海表渦動能的模擬上，OCEAN_SCS數據集的模擬結果都偏大，但兩套資料在渦旋相對渦度、旋轉速度和移動速度等方面的對比都比較接近。由于HYCOM 再分析數據產品同化了衛星高度計資料，因此其在渦旋各參量（除相對渦度）分布的模擬上更接近衛星觀測結果，而OCEAN_SCS 數據集探測的渦旋各參量分布也與之相當。

通過以上評估結果可以看出，OCEAN_SCS 數據集總體對南海季節性溫躍層、溫度鋒和中尺度渦的模擬效果較好，與前人的研究成果和國際主流HYCOM 再分析數據產品的計算結果也較為相符，僅在中尺度渦數量、生命周期、半徑和海表渦動能的模擬上與觀測稍有偏差。中尺度渦的準確模擬對于現有海洋模式仍是一個不小的挑戰，在沒有資料同化的前提下，目前的模擬結果也是可以接受的。 另一方面，本文的評估對象主要是OCEAN_SCS數據集模擬的海洋現象要素的氣候月平均態，因此，本文的評估結果僅反映了OCEAN_SCS數據集對氣候態尺度的海洋現象要素的模擬精度。在未來的工作中，我們將收集更多的觀測，進一步評估OCEAN_SCS 數據集對特定時刻海洋現象要素時空分布與變化的模擬精度。本文的研究結果表明OCEAN_SCS 數據集基本能夠為進一步研究南海季節性溫躍層、溫度鋒和中尺度渦的生消變化規律等提供數據支撐，可用于更全面地研究南海的海洋環境特征，服務于南海海洋環境保障工作。

致謝：感謝南海海洋研究所的高性能計算中心為本文數值模擬提供的技術支持。