2018, Vol. 38
2. 中国测绘科学研究院, 北京市莲花池西路28号, 100830
海洋中尺度涡旋是空间尺度为几十至几百km、时间尺度为几天至几个月的涡旋[1]。中尺度涡旋携带着巨大的动能，不仅对海洋中的温盐结构及流速分布有较大影响，而且对海洋热量、动量及其他示踪物的运输起着相当重要的作用。
利用卫星测高数据来识别涡旋取得了很多成果[2-3]。但由于卫星高度计数据的空间分辨率比较低，较小尺度的涡旋及其细节特征无法在海平面高度异常中反映出来，所以需要卫星红外数据来进行补充。近年来，常用高分辨率海表面温度(sea surface temperature, SST)来提取海洋中尺度涡旋。南海中尺度涡旋时空演变是南海环流季节性变化的内涵，相关研究成果较多[2-5]。2011年是有观测记录以来的第10个暖年，全球气温偏高，对南海海温和水深造成很大影响[6]。本文选择2011年的SST数据和海面高度异常(sea level anomaly，SLA)数据，对比分析两种数据的涡旋识别能力, 统计分析南海中尺度涡旋的时空分布规律。
1 数据和方法 1.1 研究区域概况南海海域是西太平洋最大的半封闭边缘海盆，海域内散布着众多的海礁滩，海底地形复杂多样，又地处东亚季风区，终年盛行季风，风向多变，海表面温度相对较高，存在显著的季节内变化，既有大洋的特征，又有局地海域的特征，呈现出复杂的多涡结构[7-9]。因此本文以南海为研究区域，对比分析SST数据和SLA数据识别中尺度涡旋的能力。
1.2 SST数据本文使用RSS(remote sensing system)提供的MW-IR OI SST数据，该数据是微波辐射计和红外辐射计数据的融合，即由MODIS(terra和aqua)、AMRS-E、AMRS-2和TMI数据融合得到的产品，空间分辨率约为0.1°×0.1°，时间分辨率为1 d，下载网址为http://www.ssmi.com/。
1.3 SLA数据SLA数据是法国空间局数据中心提供的融合多颗卫星高度计(ERS-1/2、TOPEX/Poseidon、ENVISAT和Jason-1/Jason-2)的网格化海平面异常数据[10]。该数据的空间分辨率为0.25°×0.25°，时间分辨率是7 d，下载网站为http://www.aviso.oceanobs.com/。地转流是从SLA数据中提取获得的，在流体静力平衡状态下，压力梯度与海洋Coriolis力平衡即形成地转流[11-12]，本文采用融合高度计数据提取南海中尺度涡旋并与SST数据提取的涡旋进行对比。
1.4 涡旋探测方法涡旋可以被直观地定义为速度场旋转流动的区域，即速度矢量围绕中心顺时针或逆时针旋转的区域。Dong等[4]基于该思想提出矢量几何法，可直接基于热风速度场和地转流场(u, v)的特点，根据约束条件自动提取涡旋。
由热风速度场和地转流场自动提取涡旋中心的4个约束条件为：①沿着EW方向，当v穿过涡旋中心时，符号必须发生变化，并且当远离涡旋中心时v要变大；②沿着SN方向，当u穿过涡旋中心时，符号也要发生变化，并且当远离涡旋中心时u要变大，趋向要和v保持一致；③计算满足约束条件①和②的速度矢量
若某点满足上述4个约束条件，则为检测到的涡旋中心，涡边界通过SST场及SLA场中闭合等值线计算出来。
2 结果和分析 2.1 涡旋识别对比分析为了对比SST和SLA数据所识别的涡旋，利用矢量几何法提取2011-07-08的一个反气旋涡旋并进行分析。图 1(a)和(b)分别表示2011-07-08由SST和SLA数据提取到的同一个暖涡，其位置大约在113.9°E、13°N。其中，SST提取到的涡旋生命周期为22 d，高度计数据提取到的涡旋生命周期为46 d。从图 1(a)和(b)可以看出，在北半球，暖涡的中心位置温度高(深色)，周围温度低(浅色)，这与倪东鸿等[7]的研究是一致的。
|
图 1 利用2011-07-08的SST和SLA数据识别的单个涡旋 Fig. 1 Single eddy identified by SST and SLA data on July 8, 2011 |
选取2011-06-24的识别结果进行对比，如图 2(a)和(b)所示(图中，▲代表暖涡，*代表冷涡，SST和SLA数据所识别的涡旋既有共同的部分，也有所不同)。SST数据每天识别的涡旋数量要明显多于高度计数据，这是由于SST数据的空间分辨率较高，可以检测到较小尺度的涡旋；而SLA的空间分辨率较低，检测不到一些较小尺度的涡旋，所以SST数据每天检测到的涡旋数量要明显多于高度计数据。另外，高度计数据在靠近沿岸的海域质量较差，这也是不能检测到沿岸涡旋的主要原因。例如在图 2(a)中，南海北部约114°E、20°N海域，SST数据检测到2个暖涡和2个冷涡，而高度计数据并没有检测到。越南南部沿海以及加里曼丹岛沿岸也检测到了较小尺度的暖涡和冷涡。
|
图 2 利用2011-06-24的SST和SLA数据识别的涡旋分布 Fig. 2 Eddies identified by SST and SLA data on June 24, 2011 |
由图 2(a)和(b)的对比结果可以看出，2个涡旋的位置有较明显的偏差，这是由于两种资料覆盖的时间区间不完全相同，并且两种传感器每天过境的时间和地点不同[13]。另外，SLA数据提取到的涡旋相对较大，而SST数据提取的涡旋相对较小，这是由于南海特殊的地理位置，海表面温度受风、沿岸流、遮掩物等众多因素影响，温度分布不均匀，梯度的方向和大小变化也不均匀[13]，所以检测到的涡旋相对较小。
2.2 南海涡旋时间分布规律为了深入研究南海涡旋的统计规律，进一步利用SST和SLA数据提取南海2011年的涡旋并跟踪分析。选取生命周期大于2 d的涡旋，卫星测高数据共跟踪到945条涡旋轨迹，其中暖涡474个，冷涡471个，平均寿命为6.4 d；SST共跟踪到699条涡旋，其中暖涡290个，冷涡409个，平均寿命为2 d。选取生命周期大于7 d的涡旋，卫星测高数据共跟踪到273条涡旋，其中暖涡125个，冷涡148个，平均寿命为14.1 d；SST跟踪到的涡旋轨迹为11条，其中暖涡3个，冷涡8个，平均寿命为7.8 d。由此可见，虽然SST数据每天检测到的涡旋数量较多，但跟踪涡旋时存在不稳定性，跟踪到的涡旋数量明显减少且平均寿命较短。这是由于南海地处近赤道区域，受太阳照射非常明显，海表面温度相对较高且受风、沿岸流、遮掩物等众多因素影响，该区域温度的日变化比较大[13]，所以涡旋的平均寿命较短。
图 3给出了由SST和SLA两种数据探测到的涡旋的季节分布规律。SST数据在春季检测到暖涡44个，冷涡79个，共123个；夏季检测到暖涡83个，冷涡84个，共167个；秋季检测到暖涡87个，冷涡125个，共212个；冬季检测到暖涡121个，冷涡76个，共197个。SLA数据春季检测到暖涡81个，冷涡112个，共193个；夏季检测到暖涡123个，冷涡124个，共247个；秋季检测到暖涡145个，冷涡114个，共259个；冬季检测到暖涡118个，冷涡118个，共236个。图 4给出了SST和SLA两种数据检测到的涡旋总数的季节分布，可以看出，虽然两种数据检测到不同数量的涡旋，但是两者数量的变化趋势呈现一致性，即春季提取的涡旋数量最少，夏季和秋季数量上升，冬季数量减少，这与Ji等[5]的研究结果一致。
|
图 3 2011年的SST和SLA数据识别涡旋数量统计特征 Fig. 3 The statistical characteristics of eddies identified by SST and SLA data in 2011 |
|
图 4 2011年的SST和SLA数据识别涡旋数量变化趋势 Fig. 4 The trend of statistical characteristics of eddies identified by SST and SLA data in 2011 |
图 5(a)和(b)分别是SST和SLA数据在2011年检测到的涡旋的空间分布，从图中可以看出，冷涡(*)和暖涡(▲)在南海的分布比较均匀，两种涡旋没有明显的差别，并且涡旋集中分布在5°~20°N之间的海域。由于SST数据的空间分辨率比较高，检测到的涡旋数量多，因此涡旋分布比较密集。另外，在沿海海域，包括中国南部沿海、越南南部和东部沿海以及加里曼丹岛沿岸等，相比SLA数据，SST数据检测到更多的涡旋，其分布也更为密集。
|
图 5 2011年SST和SLA数据检测到的涡旋空间分布 Fig. 5 The spatial distribution of eddies identified by SST and SLA data in 2011 |
本文利用SST和SLA数据识别了南海中尺度涡旋，对比两者提取涡旋的能力并对南海区域的涡旋分布进行统计分析。研究结果表明，SST和SLA数据识别涡旋的能力基本是一致的，但各自存在优缺点。从每天的数据探测结果可以看出，SST数据的空间分辨率较高，可以检测出小尺度的涡旋；SLA数据的空间分辨率较低，不能检测到较小尺度的涡旋。由于靠近沿海的高度计数据质量较差，检测不到沿岸的涡旋，而靠近沿岸的SST数据相对较好，可以检测到沿岸涡旋。从长时间的跟踪结果可以看出，SLA数据具有更好的稳定性，可以跟踪到更多的涡旋，并且涡旋的平均寿命更长。另外，两种数据检测到的涡旋在时间和空间分布上也有一致性。显然，两种数据在识别涡旋能力上各有其优缺点，综合两种数据进行分析可以更好地提取海洋中尺度涡旋。
| [1] |
林宏阳, 胡建宇, 郑全安. 南海及西北太平洋卫星高度计资料分析:海洋中尺度涡旋统计特征[J]. 台湾海峡, 2012, 31(1): 105-113 (Lin Hongyang, Hu Jianyu, Zheng Quanan. Analysis of Satellite Altimeters in the South China Sea and the Northwest Pacific:Statistical Features of Mesoscale Eddies in the Ocean[J]. Journal of Oceanography in Taiwan Strait, 2012, 31(1): 105-113 DOI:10.3969/J.ISSN.1000-8160.2012.01.017)
(  0) |
| [2] |
汪承义, 赵忠明, 杜云艳. 基于卫星影像的自动提取中尺度漩涡方法研究[J]. 遥感信息, 2007(6): 3-5 (Wang Chengyi, Zhao Zhongming, Du Yunyan. Research on Automatic Mesoscale Eddies Method Based on Satellite Imagery[J]. Remote Sensing Information, 2007(6): 3-5 DOI:10.3969/j.issn.1000-3177.2007.06.001)
( 0) |
| [3] |
Chaigneau A, Gizolme A, Grados C. Mesoscale Eddies off Peru in Altimeter Records:Identification Algorithms and Eddy Spatio-temporal Patterns[J]. Progress in Oceanography, 2008, 79(2-4): 106-119 DOI:10.1016/j.pocean.2008.10.013
( 0) |
| [4] |
Dong C, Nencioli F, Liu Y, et al. An Automated Approach to Detect Oceanic Eddies from Satellite Remotely Sensed Sea Surface Temperature Data[J]. IEEE Geoscienceand Remote Sensing Letters, 2011, 8(6): 1055-1059 DOI:10.1109/LGRS.2011.2155029
( 0) |
| [5] |
Ji J L, Dong C M, Zhang B, et al. An Oceanic Eddy Statistical Comparison Using Multiple Observational Data in the Kuroshio Extension Region[J]. Acta Oceanologica Sinica, 2017, 36(3): 1-7 DOI:10.1007/s13131-016-0882-1
( 0) |
| [6] |
司东, 李修仓, 任福民, 等. 2011年全球重大天气气候事件及其成因[J]. 气象学报, 2012, 38(4): 480-289 (Si Dong, Li Xiucang, Ren Fumin, et al. Major Global Weather Events and Their Causes in 2011[J]. Acta Meteorologica Sinica, 2012, 38(4): 480-289)
( 0) |
| [7] |
倪东鸿, 孙照渤, 陈海山. 冬季黑潮区域SSTA的时空演变及其与大气环流的联系[J]. 南京气象学院学报, 2003, 26(6): 740-743 (Ni Donghong, Sun Zhaobo, Chen Haishan. Spatial and Temporal Evolution of SSTA in Winter Kuroshio Region and Its Relationship with Atmospheric Circulation[J]. Transactions of Atmospheric Sciences, 2003, 26(6): 740-743 DOI:10.3969/j.issn.1674-7097.2003.06.003)
( 0) |
| [8] |
Shaw P T, Chao S Y. Surface Circulation in the South China Sea[J]. Deep Sea Research Part Ⅰ:Oceanographic Research Papers, 1994, 41(11-12): 1663-1683 DOI:10.1016/0967-0637(94)90067-1
( 0) |
| [9] |
Su J L. Overview of the South China Sea Circulation and Its Influence on the Coastal Physical Oceanography Outside the Pearl River Estuary[J]. Continental Shelf Research, 2004, 24(16): 1745-1760 DOI:10.1016/j.csr.2004.06.005
( 0) |
| [10] |
Aviso.User Handbook Merged Topex/Poseidon Products (GDR-Ms) Edition3.0[Z].1996
( 0) |
| [11] |
郭金运, 常晓涛, 黄金维, 等. 基于卫星测高交叉点的海洋表面地转流速度[J]. 地球物理学报, 2010, 53(11): 2582-2589 (Guo Jinyun, Chang Xiaotao, Huang Jinwei, et al. Sea Surface Geostrophic Flow Based on Satellite Elevation Intersection[J]. Chinese Journal of Geophysics, 2010, 53(11): 2582-2589)
( 0) |
| [12] |
李惠玲, 郭金运, 沈毅, 等. 基于卫星测高的南海中尺度涡统计特征研究[J]. 海洋测绘, 2016, 36(4): 27-30 (Li Huiling, Guo Jinyun, Shen Yi, et al. Research of the Statistical Characteristics of Mesoscale Eddies in the South China Sea Based on Satellite Altimetry[J]. Hydrographic Surveying and Charting, 2016, 36(4): 27-30 DOI:10.3969/j.issn.1671-3044.2016.04.006)
( 0) |
| [13] |
Vignudelli S, Kostianoy A G, Cipollini P, et al. Coastal Altimetry[M]. Berlin Heidelberg: Springer, 2011
( 0) |
2. Chinese Academy of Surveying and Mapping, 28 West-Lianhuachi Road, Beijing 100830, China