南海中尺度渦數據融合研究

開放科學（資源服務）標志碼（OSID）

Fusion of mesoscale eddy data for the South China Sea

SHI Zhenjia'， HAO Zengzhou1，2.3*，LI Yunzhou2，3.4，YE Feng'，HUANG Haiqing1，3，PAN Delu1，3 （1.State Key LaboratoryofSatelite Ocean Environment Dynamics，Second InstituteofOceanography，Ministryof Natural Resources， Hangzhou 3100l2，China;2.Institute of Oceanographic Instrumentation，Qilu Universityof Technology（Shandong Academy of Sciences），Qingdao 266061，China;3.Shandong Provincial Academician Workstation，Shandong Academyof Sciences， Jinan 250014，China;4.Laoshan Laboratory，Qingdao ，China）

Abstract： Mesoscale edies areubiquitous in the ocean and playakeyrole in the transport of oceanic energyand matter. Current observation methods for mesoscaleeddies includesateliteremotesensing，buoy tracking，and research vessel surveys.Each of these methodsofer sdistinct scales and perspectives，resulting in varying mesoscale information standards and characteristics.Based onthree mesoscale eddy datasets obtained using diferent methods，this study proposesatwo-stage fusion strategy to generatea fused mesoscale eddy dataset for the South China Sea.Moreover，it analyzes the spatial distributionof mesoscaleeddycenters in the South China Seafrom 2014to2018.Results revealthat the fuseddataset efectivelymitigatesissues suchasoveridentification，omission，and misidentificationfoundinsingle-source observations.Additionaly，thefused datasetaccuratelyreflects the widespread spatialdistributionof mesoscaleeddies in the South ChinaSea，thesubstantialocalaggregationofcyclonicandanticycloniceddies，andclearparitioning between cyclonicandanticycloniceddies.Furthermore，the fused dataset forthe Southcan oferreliable data support for studies relatedtotrajectorytrackingof mesoscaleedies，inferringtheirthree-dimensional structures，andunderstanding mesoscale oceanic phenomena and circulation.

Key words ∵ mesoscale eddies； the South China Sea；sea level anomaly；satelite remote sensing；buoy tracking

海洋渦旋是全球海洋中普遍存在的動力學過程，其空間尺度與生命周期呈現出顯著差異的特點。在水平尺度方面，渦旋直徑分布范圍極廣，小至厘米量級（數厘米至數十厘米），大至數百公里;在時間尺度方面，微小渦旋的存在周期通常以秒為單位，而中、大尺度渦旋的生命周期可達數日或數年。直徑在幾十至幾百千米并且持續時間為數天至數月的渦旋被稱為中尺度渦[1]。根據Chelton 等[2]對全球海洋大型渦旋的系統性研究，中尺度渦的生命周期普遍介于數周至數月之間。另外還存在部分中尺度渦能夠維持更長時間的特殊案例。

與海水的平均流動不同，中尺度渦在運動結構上具有流速更快、內外層流速不均勻的特點，因此其攜帶更大的動能，在海洋能量傳遞方面發揮關鍵作用。已有研究表明，流體的不穩定性是中尺度渦形成的主要誘因[3]，尤其是邊界流與密度前沿區域發生的斜壓不穩定性過程。在動力學特征方面，中尺度渦的流場結構近似遵循地轉平衡關系，其羅斯比數與弗勞德數均處于較低量級，且水平尺度顯著大于垂向尺度[4]。

作為海洋動力學系統中的重要要素，中尺度渦被稱為天氣式海洋渦旋，其在全球海洋生態系統以及海洋物質循環過程中占據重要地位。中尺度渦通過驅動海水的三維運動，使能量在海洋內部進行高效傳遞與再分配。其引發的垂直對流與水平環流，促進了熱量、營養物質、浮游生物群落、溶解氧及碳元素等關鍵海洋生態學物質的跨區域輸運。這些物質輸運過程不僅改變了局部海域的理化性質，還通過生物地球化學循環途徑，對海洋生態系統的結構與功能造成影響，進而在全球氣候調節中發揮重要作用。中尺度渦可通過改變局部混合層深度，有效提升區域初級生產力水平[5]。然而，在東部邊界上升流系統中，該現象呈現出不同效應：受中尺度渦西向遷移作用影響，沿岸營養物質被大量輸運至開闊海域，導致東海岸營養鹽供應不足，進而對東部生物產量產生負面影響[6]。作為海-氣能量交換的重要參與者，中尺度渦通過重塑海洋與大氣之間熱量交換的強度與模式，間接推動著大氣環境狀態的改變。Frenger 等[7的研究發現，中尺度渦可通過作用于大氣邊界層湍流，對局地海表面風場結構、云層分布特征以及降水模式產生重要的調整作用，揭示了中尺度渦在海-氣耦合過程中的關鍵角色。例如，氣旋渦所引發的海表溫度負異常現象，能夠對局部地區海洋-大氣相互作用過程產生顯著影響，其具體呈現方式為：氣旋渦導致的海邊溫度偏低使得局部海面的風場強度出現削弱，云層的含水量隨之下降，最終造成區域內的降水量有所減少。綜上，在海洋科學研究與應用的諸多重要領域，中尺度渦研究都扮演著舉足輕重的角色：在全球氣候變化研究中，其對海-氣能量交換的影響為氣候模式構建提供關鍵參數;在海洋動力學機制解析方面，作為海洋內部能量傳輸的重要載體，有助于揭示海洋環流的形成與演變規律;在海洋漁業資源管理領域，中尺度渦引發的物質輸運與生態環境變化，為漁業資源分布預測提供科學依據;對于航海運輸而言，其造成的海流異常與波浪場變化直接關系到船舶航行安全;在系統性探究海洋物理過程時，中尺度渦更是不可或缺的研究對象，貫穿于海洋環境變化的諸多環節。

研究人員對海洋中尺度渦已經開展了多年的研究，開發了許多自動探測中尺度渦的方法。Dong 等[8]按照數據的類型將檢測方法分為兩類：歐拉方法和拉格朗日方法。歐拉方法會借助矢量來呈現海流的速度數值與走向，或者是海面的波動狀況，通過繪制流線圖的方式來展現流場里的速度分布情形，其主要包括海平面異常（SLA）數據、海面高度（SSH）數據、海表溫度（SST）數據等[9];拉格朗日方法是跟蹤水質點的運動情況來描述它的時空變化，在近代一般使用漂浮物（浮標）進行渦流追蹤，可近似地了解海流的運動情況。

Nencioli等[10]又將歐拉法分為物理參數法、幾何流場法和物理參數與幾何特征混合方法。歐拉識別方法作為目前最常見的識別方法，針對其的識別算法種類繁多。閉合等值（廓）線法依托海洋高度場物理邊界的數值變化，OW（Okubo-Weiss）參數法[\"|基于速度梯度張量的動力學分解，纏繞角法[12]通過流線幾何形態量化中尺度渦結構，流矢量法[10]則依據海水流動矢量場旋度特征構建判別模型。朱金彤等[13]對上述中尺度渦識別方法進行了比較，發現OW參數法存在著“過識別”的現象，同時僅能識別渦中心區域，導致中尺度渦尺寸偏小，而SLA閉合等值線法難以區分單核與多核中尺度渦。

基于多種多樣的中尺度渦識別算法，多種中尺度渦數據集也應運而生。例如目前最具有代表性的來自AVISO（Archiving，Validationand Interpretation of Satelite Oceanographic）衛星高度計數據的 META中尺度渦數據集，它是基于海面高度數據構建的經典歐拉中尺度渦數據集，在中尺度渦研究領域具有廣泛應用基礎；此外中國科學院南海海洋研究所針對南海區域創建了南海中尺度渦數據集，聚焦南海區域中尺度渦特征；還有 Liu等[14]學者基于浮標觀測數據構建的全球拉格朗日中尺度渦數據集，通過追蹤流體粒子運動軌跡實現中尺度渦的識別，為渦旋動力學研究提供了新視角。在此背景下，構建多源中尺度渦數據融合框架，整合異構算法優勢，是深化海洋渦旋動力學研究需要的重要工作。

南海作為西太平洋地區中尺度渦活動最為頻繁且復雜的典型海域，其中尺度渦生成、演化及遷移規律蘊含著豐富的科學信息。近年來，隨著海洋科學研究的不斷深人，該區域的中尺度渦現象受到了國內外學者的廣泛關注。開展對南海中尺度渦的高精度探測與持續性追蹤，并結合詳實的統計分析方法進行深人研究，不僅有助于深化對海洋動力過程的認知，還能為海洋資源開發、海上活動安全等實際應用提供重要的理論支撐，具有顯著的科學價值與現實意義。Wang 等[15]曾對 1993—2000 年間南海中尺度渦的生成區域進行劃分，定義了4個主要中尺度渦生成區。但該研究僅針對水深超過 1000m 海域內、生命周期大于 60d 的中尺度渦進行統計，尚未對中尺度渦的時空演變特征及運動規律展開深入分析。相比之下，林鵬飛等[16]采用SLA 閉合等值線法，對1993—2002 年間南海中尺度渦進行動態監測與識別，發現南海中尺度渦在空間分布上存在顯著差異，以 17^°N 緯線為界，可將南海劃分為南北兩個相對獨立的中尺度渦活動區域。在南海中尺度渦的量化研究方面，Xiu等[17]運用OW方法進行中尺度渦識別并進行統計分析，發現南海中尺度渦年平均發生數量約為33個，平均半徑達 87.4km ，且超 70% 的中尺度渦半徑處于 100km 以下區間。Chen 等[18]基于17年衛星測高數據，借助WA方法進行檢測，發現南海海域內氣旋渦與反氣旋渦在數量上無顯著差異，其平均壽命約為8.8周；通過 1^°×1^° 經緯度網格對中尺度渦地理位置進行精細化分析，發現南海中尺度渦相對集中分布于深海盆東北部（呂宋海峽以西）、中部區域以及西邊界地帶。此外，白志鵬等[19]針對 1993—2012年間南海中尺度渦的研究指出，該區域中尺度渦主要出現于水深超過 200m 的海域，多數中尺度渦壽命在1個月以內，半徑大小集中于 50～150km 范圍，傳播方向以西南向為主，其中運動速度處于 15～20cm/s 區間的中尺度渦占比最高。曾偉強等[20]運用速度場幾何識別手段，對1993—2017年間南海的中尺度渦展開探究，發現這些中尺度渦主要分布在南海東北部以及越南東部的海域;季節性特征方面，夏季更有利于反氣旋渦生成，冬季則更適宜氣旋渦發展;研究還發現，中尺度渦年際產生數量與厄爾尼諾現象存在關聯，且復雜的海底地形對中尺度渦傳播具有顯著阻礙作用。鐘江璐等[21根據中尺度渦數據集資料，分析了南海中尺度渦的生成地點、數量、尺寸、壽命和移動軌跡的空間分布與時間變化特征。從生成地點上看，中尺度渦主要生成于臺灣島西南側和呂宋島以西海域，且氣旋渦和反氣旋渦在不同季節有各自的主要產生地;并發現南海中尺度渦的生成地點、數量、尺寸和壽命與厄爾尼諾現象也有關聯。張舒妍等[22]基于衛星高度計數據，追蹤了南海西南海域中尺度渦的傳播軌跡，發現北部區域冬半年會有更多的氣旋渦偏北向運動，更多反氣旋渦偏南向運動，夏半年則會有更多的反氣旋渦偏北向運動，更多的氣旋渦偏南向運動;南部區域夏半年反氣旋渦的傳播路徑最為獨特，主要向東北方向運動，氣旋渦則主要向西南方向運動，二者方向完全相反。鄒童等[23]結合海表面高度計資料與潛標觀測資料，識別南海區域中尺度渦，針對三個中尺度渦的潛標實測結果表明：在中尺度渦經過時，海洋深層流動有明顯的變異，表現在速度、溫度方面，速度增加量能達到 5.5cm/s ，溫度變異可達到 0.02°C 。中尺度渦經過時，海洋上層、深層流向呈相反態勢，第一斜壓模動能顯著增強。

數據與研究區域

1.1 數據

常見的中尺度渦數據集有5種，如表1所示，本研究選擇META中尺度渦數據集、南海中尺度渦數據集、全球拉格朗日中尺度渦數據集作為研究對象。META中尺度渦數據集是AVISO發布的中尺度渦數據產品——Mesoscale Eddy Trajectory Atlas Product。該數據集使用 Pegliasco C等[24|提出的基于海水絕對動態地形（ADT）的中尺度渦識別算法（PET）進行中尺度渦識別，其數據空間分辨率為 0.01^° ，時間分辨率為1d，時間覆蓋范圍為1993—2022年。南海中尺度渦數據集由中國科學院南海研究所發布，該數據集使用基于海面高度異常值（SLA）的尺度選擇中尺度渦探測算法（scale-selective eddy identification algorithm，SEIA）[25]進行中尺度渦探測，該數據集聚焦南海區域，空間分辨率為 0.25^° ，時間分辨率為1d，時間覆蓋范圍為1993—2023年。GLED v1.0是Liu[14]等基于全球浮標軌跡數據，使用拉格朗日平均渦度偏差（LAVD）算法創建的全球拉格朗日中尺度渦數據集。其中尺度渦數據時間分辨率為10 d，空間分辨率可達數米，時間覆蓋范圍為1993—2019 年。

1.2 研究區域

本文研究區域是中國南海區域 （5^°N-25^°N ，105^°E-121^°E ）。南海位于北太平洋西部，是被大陸、半島以及島嶼所包圍的半封閉海域（如圖1），其中 3000m 深的水域長和寬均達到 1000km 以上，其面積和水深為中尺度渦的生消及傳播提供了有利條件。

受季風系統、黑潮入侵等多重動力因素驅動，南海區域的中尺度渦生成機制呈現出多元化的特點。冬季東北季風和夏季西南季風交替，在海洋表面形成復雜的應力場，成為中尺度渦持續生成的重要動力來源。黑潮作為北太平洋西部的強流，攜帶著大量的中尺度渦，蘊藏著大量的 EKE[26]。其分支侵入南海后，與區域環流相互作用，進一步加劇了中尺度渦的活動。此外，南海獨特的海底地形（如珊瑚礁群、廣闊大陸架）與復雜多變的水文條件，不僅為中尺度渦提供了獨特的生成環境，也使其在傳播和演變過程中呈現出多樣性。這些因素的相互交織，讓南海成為研究中尺度渦現象的天然實驗室。

2 中尺度渦數據對比

2.1 南海中尺度渦數量對比

本研究選擇的時間范圍為1993年1月1日—2018年12月31日。在南海區域，三套數據集的中尺度渦記錄數量存在顯著差異（表2）。META數據集共記錄了476876個中尺度渦（氣旋渦CE246174個，反氣旋渦AE 230702個），數量最多，為其他兩套數據集的數倍至數十倍；南海所中尺度渦數據集共記錄170 775個中尺度渦（氣旋渦84061個，反氣旋渦86714個），數量居中;GLED數據集共記錄12943個中尺度渦（氣旋渦6456個，反氣旋渦6487個），數量最少。從年變化穩定性來看，三套數據集的中尺度渦數量波動特征差異顯著。META數據集的中尺度渦總數、氣旋渦總數、反氣旋渦總數的變化率分別是 2.1%2.94%2.17% ，平均變化率最低，中尺度渦數量年變化最穩定。南海所數據集的中尺度渦總數、氣旋渦總數、反氣旋渦總數的變化率分別是 5.71%3.91%9.22% ，中尺度渦數量年變化幅度居中。GLED數據集的中尺度渦總數、氣旋渦總數、反氣旋渦總數的變化率分別是 9.43%，13.53%，12.77% ，中尺度渦數量年變化最不穩定，波動幅度最大。

2.2 中尺度渦空間分布對比

圖2給出了2015年1月1日南海區域不同數據集中尺度渦中心的地理分布情況。在META數據集中，渦中心大多數落在了SLA局部極值點區域，且每個不同極性渦中心之間具有著一定的距離，總體上分布較為合理。在南海所中尺度渦數據集中，存在著部分不同極性的渦中心相互重疊的現象，這種現象很明顯是一些錯誤識別結果。在GLED數據集中，中尺度渦數量較少，這是由于GLED是基于浮標數據的拉格朗日中尺度渦數據集，因此存在一定量的漏失別。同樣也因為這個原因，可以將GLED 中結果視作實測中尺度渦數據。

3 中尺度渦數據融合策略

上述每套數據集存在著各自的優勢與缺陷，因此為了得到一套更加準確的南海中尺度渦數據集，提出如下中尺度渦數據融合策略（如圖3），該策略主要分為數據輸入、初次融合和再融合三部分。

3.1 數據輸入

META數據集、南海中尺度渦數據集以及GLED數據集在數據存儲格式、數據結構、中尺度渦信息記錄方式等方面存在差異，因此進行數據輸入及預處理。將三套數據集中的中尺度渦信息分別讀取，并整理成統一的時間、渦中心位置、渦邊界位置，極性的中尺度渦信息數據。

3.2 初次融合

本研究以應用最廣、中尺度渦數量最多的 META數據集為融合主體，進行補充和刪減;將同屬歐拉中尺度渦數據集的南海所數據集作為依據，為META數據集提供中尺度渦補充和刪減參考；保留最準確可靠的拉格朗日數據集GLED 的全部識別結果，用于補充 META 及南海中尺度渦數據集。具體初次融合步驟如下。

步驟1：在META數據集中，選擇某一中尺度渦 X 。

（1）在 2^°×2^° 的網格內，若南海中尺度渦數據集存在與 X 極性一致的中尺度渦中心，則將中尺度渦X 保留并記錄在初次融合結果中；（2）在 2^°×2^° 的網格內，若GLED數據集存在與 X 極性一致的渦中心，則將中尺度渦 X 保留并記錄在初次融合結果中；（3）在 2^°×2^° 的網格內，若南海所數據集與GLED數據集均不存在與 X 極性一致的渦旋中心，則將中尺度渦 X 舍棄。步驟2：將GELD數據集中的所有中尺度渦中心保留在初次融合結果中。

3.3 再融合

使用基于海面高度異常值（SLA）的閉合等值線法作為初次融合后的再融合方法。SLA可以有效地反應海面的起伏變化，其局部極小值位置一般可視作氣旋渦中心，局部極大值位置可視作反氣旋渦中心，其閉合等值線可用于確定中尺度渦邊界。在同一個中尺度渦內部，會存在多條閉合等值線，此時需引入有關中尺度渦形狀的篩選標準。當閉合等值線滿足這些標準，便將某等值線判定為中尺度渦邊界。將中尺度渦邊界所圍區域面積等同的圓的半徑定義為中尺度渦半徑。閉合等值線法具體步驟如下：

（1）以 2cm 為步長，對SLA進行全局等值線掃描，保留所有閉合等值線（如圖4（a））；（2）閉合等值線內像素數量 I ，應滿足 6?I?1000 ：（3）對于具有相似（相同極性）渦中心的閉合廓線，僅保留最外層廓線；

（4）通過形狀檢驗，形狀誤差 δ_Err?55% （如圖4（b）），計算公式如下：

其中 P_area 為閉合等值線面積， C_area 為中尺度渦擬合圓面積， I_area 為二者重合面積;

（5）將ADT（SLA）極大值（極小值）定義為反氣旋渦（氣旋渦）中心。

在得到識別結果后，設置一個 4^°×4^° 的滑動窗口，對初次融合結果進行滑動搜索，若窗口內不存在初次融合中尺度渦，而存在補充識別中尺度渦，則將該補充識別中尺度渦添加進融合結果。

4 結果與討論

4.1 案例分析

以2015年1月1日為例，南海中尺度渦初次融合結果如圖5（a）所示。在初次融合結果中，面積較大、位于水深較深區域的中尺度渦信息被有效保存，且不會出現極性不同的中尺度渦相互重疊的情況。但也存在著一些遺漏的中尺度渦信息，尤其在近岸海區，因此補充識別步驟不可或缺。

再融合結果如圖5（b）。經過SLA閉合等值線法補充識別后，大部分在初次融合過程中被漏掉的中尺度渦，得到了很好補充，尤其是在海面流場復雜的近岸區域。

在中尺度渦空間分布特征上，最終數據融合結果表現出顯著優勢：中尺度渦中心定位準確，邊界清晰可辨，且未出現不同極性中尺度渦相互疊加導致的邊界混亂現象。在中尺度渦數量方面，當日融合結果共記錄中尺度渦 23個，其中氣旋渦（非氣旋渦）13（10）個，而META數據集中記錄最終中尺度渦35個，其中氣旋渦（非氣旋渦）21（14）個，融合結果數量低于 META 數據集結果。這是由于 META 數據集使用 py-eddy-track（PET）算法進行中尺度渦識別，該算法將海洋絕對動力高度（ADT）作為輸入變量，使用閉合廓線掃描法，通過廓線掃描、面積矯正、極值判斷等步驟，完成中尺度渦的識別。在本文補充識別中，使用的是基于 SLA值的閉合廓線法，該方法與PET算法在流程上類似，主要區別是使用SLA，而非ADT作為輸入變量。在海洋科學中，ADT值 SLA值 +MDT 值，因此在中尺度渦識別中，ADT值比SLA值更加敏感，即在某一區域，即使SLA變化不明顯，ADT的值仍然也可能存在相對更加劇烈的變化。因此，使用 ADT值作為輸入量，可能會導致中尺度渦的過識別現象，這也是META數據集中中尺度渦數量遠多于其他數據集的原因之一。

4.2 基于融合數據的南海中尺度渦地理分布

2014年1月1日—2018年12月31日南海區域氣旋渦（反氣旋渦）生成數量分布如圖6所示。南海中尺度渦活動范圍廣泛，主要集中于水深大于 200m 的海域，且氣旋渦與反氣旋渦呈現出規律性的交替分布格局。從典型區域來看，臺灣島西南部（南海東北部）中尺度渦頻發，且氣旋渦與反氣旋渦呈現出東南—西北兩塊區域顯著的分區態勢，即臺灣島東南部， 20^°N 以北海區主要存在氣旋渦， 20^°N 以南海區主要存在反氣旋渦。在海南島東南側海區（ 17^°N-18^°N? ），也存在著類似的近鄰的氣旋渦與反氣旋渦高發區域。同樣在呂宋島西側海域（ 13^°N-14^°N? ），存在著氣旋渦與反氣旋渦各自活躍分布的海域，且兩種中尺度渦高發區位置接近。由此可見，南海中尺度渦在地理分布上，氣旋渦與反氣旋渦呈現出明顯的局部聚集性與空間獨立性。氣旋渦與反氣旋渦并非隨機分布，而是分別形成多個邊界清晰的集中聚集區域。在每個聚集區內，氣旋渦與反氣旋渦各自形成獨立的優勢分布區域，呈現出清晰可辨的分區現象，兩類中尺度渦在空間上既相互毗鄰又保持相對獨立的分布態勢。

5 總結與展望

本研究基于三套中尺度渦數據集，提出了一種南海中尺度渦數據兩次融合策略。首先對不同來源的中尺度渦信息進行初次融合整理，然后使用中尺度渦識別算法對初次融合結果進行再融合補充，最終形成一套南海中尺度渦融合數據。結果表明本研究使用的融合策略有效的解決了由單一觀測方式獲得的中尺度渦數據存在的過度識別、漏判、誤判等問題。基于融合數據，分析2014—2018 年南海中尺度渦中心空間分布情況，發現南海區域中尺度中尺度渦分布范圍廣、氣旋渦與反氣旋渦顯著局部聚集、氣旋渦與反氣旋渦分區明顯的特點。

在中尺度渦識別算法方面，傳統的歐拉方法將 SLA或者ADT值作為輸入數據源，通過設置閾值，搜索等值線的方法確定中尺度渦邊界。然而海水的流動狀態是復雜多變的，很難通過某種單一閾值進行精準刻畫中尺度渦現象，因此傳統的識別方法在復雜流場環境中存在顯著局限性。在未來的研究中，可引入人工智能算法（如機器學習、深度學習模型）對再融合識別過程進行改進，以提升中尺度渦識別的精度和魯棒性，為南海中尺度渦的精細化研究提供更可靠的技術支撐。

參考文獻：

[1]TANSLEY C E， MARSHALL D P. Flow past a cylinder on a β Plane，with application to gulf stream separation and the Antarcticcircumpolar current[J]．Journal of PhysicalOceanography，2001，31（11）：3274-3283.DOI;10.1175/1520-0485（2001）0313274 ：fpacoagt;2.0.co;2.

[2]CHELTONDB，SCHLAX MG，SAMELSONRM，etal.Global observations of large oceanic eddies[J].Geophysical ResearchLetters，2007，34（15） ： 2007GL030812. D01：10.1029/2007gl030812.

[3]WILLIAMS RG，FOLLOWS MJ.Physicaltransport of nutrientsandthe maintenanceof biological production[M]//OceanBiogeochemistry：TheRoleof theOcean Carbon Cyclein Global Change.Berlin，Heidelberg：Springer Berlin Heidelberg，2003：19-51. DOI：10.1007/978-3-642-55844-3_3.

[4]MCWILLIAMSJC.Thenature and consequences ofoceaniceddies[J].Geophysical Monograph Series，2O8，177：5-15.DOI：10.1029/177GM03.

[5]OSCHLIESA，GARCONV.Eddy-inducedenhancementofprimary productionina modelofthe North AtlanticOceanJ].Nature，1998，394（6690） ： 266-269.D01：10.1038/28373.

[6]GRUBER N，LACHKAR Z，FRENZEL H，etal.Eddy-inducedreductionof biological production ineasternboundaryupwelingsystems[J]. Nature Geoscience，2011，4（11） ： 787-792.DOI：10.1038/ngeo1273.

[7]FRENGERI，GRUBERN，KNUTTIR，etal.Imprintof Southern Ocean eddieson winds，cloudsandrainfall[J].NatureGeoscience，2013，6（8） ： 608-612. DOI：10.1038/ngeo1863.

[8]DONG CM，MCWILLIAMSJC，LIUY，etal.Global heat andsaltransports byeddymovement[J].Nature Communications，2014，5： 3294. DOI：10.1038/nc0mms4294.

[9]許可，蔣茂飛.海洋衛星雷達測高技術進展[J].空間科學學報，2023，43（6）：1036-1057.DOI：10.11728/cjs2023.06.2023-06-yg14.

[10]NENCIOLIF，DONGCM，DICKEYT，etal.Avectorgeometry-basededdydetectionalgorithmanditsapplicationtoahighresolutionnumerical modelproductandhigh-frequencyradarsurfacevelocitiesinthesouthernCaliforniabightJ].JournalofAtmospheric and Oceanic Technology，2010，27（3） ： 564-579. DO1：10.1175/2009jtecho725.1.

[11]OKUBOA.Horzontaldispesinoffloatableparticlesinthevicinityofvelocitysingularitiessuchascovergences[J]pSeaResearch and Oceanographic Abstracts， 1970，17（3） ： 445-454. DOI：10.1016/0011-7471（70）90059-8.

[12]ARI SADARJOENI，POSTFH.Detection，quantification，andtrackingof vortices using streamline geometryJ].Computers amp; （20號Graphics，2000，24（3） ： 333-341. DO1：10.1016/S0097-8493（00） 00029-7.

[13]朱金彤，范陳清，萬勇，等.基于AVISO衛星測高數據的海洋中尺度渦識別算法對比分析[J].海洋技術學報，2025，44（2）：1-14.

[14]LIUTY，ABERNATHEYR.A global Lagrangianeddy dataset basedonsatelitealtimetry[J].Earth System Science Data，2023，15（4） ： 1765-1778. D01：10.5194/essd-15-1765-2023.

[15]WANG G H，SUJL，CHUPC.Mesoscaleeddies inthe South China Seaobserved with altimeterdata[J].Geophysical ResearchLetters，2003，30（21） ：2003GL018532.DOI：10.1029/2003gl018532.

[16]林鵬飛，王凡，陳永利，等.南海中尺度渦的時空變化規律I.統計特征分析[J].海洋學報，2007，29（3）：14-22.DOI：10.3321/j.issn：0253-4193.2007.03.002.

[17]XIUP，CHAIF，SHL，etal.Acensus of eddyactivitiesintheSouth China Seaduring1993—2007[J].JournalofGeophsicalResearch： Oceans，2010，115（C3） ： 2009JC005657. DOI：10.1029/2009jc005657.

[18]CHEN G X，HOUYJ，CHU X Q. Mesoscale eddies inthe South China Sea： Mean properties，spatiotemporal variability，andimpact onthermohaline structure[J].Journal of Geophysical Research（Oceans），2011，116（C6）： C06018.DOI：10.1029/2010JC006716.

[19］白志鵬，韓君，郭賢鵬，等.基于CORA2再分析數據的南海中尺度渦時空分布特征初步研究［J].海洋預報，2020，37（2）： 73-83.

[20]曾偉強，張書文，馬永貴，等.1993—2017年南海中尺度渦特征分析[J].廣東海洋大學學報，2019，39（5）：11.DOI：10.3969/j.issn.1673-9159.2019.05.014.

[21]鐘江璐，馬超.南海中尺度渦時空特征分析[J/OL].海洋湖沼通報（中英文），1-10[2025-03-29].http：/ns.cnki.net/kems/detail/37.1141.P.20250103.1437.004.html.

[22]張舒妍，裘是，郭佳祺，等.南海西南海域中尺度渦傳播特征分析[J]．中國海洋大學學報（自然科學版），2024，54（6）：1-10. DOI：10.16441/j.cnki.hdxb.20230067.

[23]鄒童，徐勤博，周春，等.南海中尺度渦對深層流調控作用的個例研究[J].海洋與湖沼，2022，53（6）：1299-1310.DOI：10.11693/hyhz20220200029.

[24]PEGLIASCOC，DELEPOULLEA，MASONE，et al. META3.lexp：Anewglobal mesoscale eddy trajectoryatlas derivedfromaltimetry[J]. Earth System Science Data，2022，14（3）： 1087-1107. DOI：10.5194/essd-14-1087-2022.

[25]YANG Y，ZENGL，WANG Q.Asessmentofglobaleddiesfromsatelitedatabyascale-selectiveeddyidentificationalgorith（SEIA）[J]. Clim Dyn ，2024，62（2） ： 881-894.DOI：10.1007/s00382-023-06946-w.

[26]高淑敏，韓樹宗，倪煜淮，等.西北太平洋黑潮水入侵南海的路徑、成因及影響[J].海洋湖沼通報，2023，45（5）：163-172.DOI：10.13984/j.cnki.cn37-1141.2023.05.021.