2026, Vol. 56
2. 中国海洋大学海洋与大气学院, 山东 青岛 266100;
3. 三亚海洋实验室, 海南 三亚 572000;
4. 中国海洋大学物理海洋教育部重点实验室, 山东 青岛 266100
黑潮是北赤道流在菲律宾以东的北向分支，具有高温高盐、流速大、流幅窄等特征，是北太平洋副热带环流系统最重要的西边界流[1-2]。当黑潮流经吕宋海峡这一宽度约300 km的深水通道时，通常呈现向西偏转特征，并周期性地入侵南海东北部海域[3-6]。作为南海贯穿流系统的核心组成部分，黑潮入侵不仅显著调控着南海的环流结构、温盐收支平衡、中尺度涡旋活动，而且对南海的海-气相互作用及气候变化过程产生深远影响[7-12]。因此，深入研究黑潮入侵的时空变化特征及调控机制，不仅对于加深对南海大尺度环流的认知具有重要意义，而且对提升南海多尺度环流的数值模拟精度具有重要的科学价值。
基于卫星观测数据[13-14]、数值模拟[6]和水动力实验[15]，前人对吕宋海峡黑潮流径的多样性和复杂性开展了广泛研究。Nitani[16]在20世纪中期首次发现黑潮以反气旋式环流的形式入侵南海，这一发现为后续的研究奠定了基础。随后，Hu等[2]将黑潮入侵南海的形式划分为直接分支入侵态、黑潮流套入侵态、延伸态和反气旋流环态4种类型。Caruso等[13]通过分析卫星高度计数据，进一步将黑潮入侵细分为5种类型：黑潮进入吕宋海峡、气旋式环流、反气旋脱落型、黑潮流套和黑潮分叉入侵形态。Nan等[17-19]在此基础上将黑潮入侵流径归纳为黑潮流套(Looping流径)、黑潮跨隙态(Leaping流径)和黑潮南海分支(Leaking流径)3种基本类型，并指出这几种流径可在数周内相互转换。其中，Looping流径表现为半开放的反气旋结构，黑潮从吕宋海峡中部入侵并从北部流出南海东北部海域；Leaking流径西侧分支进入南海，向西延伸至116°E附近，另一分支继续北上流向台湾以东海域；而Leaping流径表现为黑潮进入吕宋海峡后直接向东北方向流动，极少入侵南海。
黑潮入侵南海并非持续性现象，而是呈现间歇性特征[20]。不同的入侵流径展现出显著的季节性变化特征，这一现象已得到广泛研究。Looping流径有时会在台湾岛西南部脱落，形成反气旋式涡旋，进而对南海的温盐收支产生重要影响[14, 21]。前人研究一致认为，Looping流径主要发生在冬季，而Leaping流径在夏季具有较高的发生概率[17, 19]。而对于Leaking流径，前人研究发现其在非夏季(春、秋、冬三季)发生概率较大，但对于其逐月分布特征尚不清晰，仍需更多探究[17, 19]。同时，前人研究发现，吕宋海峡流径的季节性变化主要受到南海东北部季风的季节性变化以及上游黑潮强度的周期性波动的影响[22-26]。
相比于黑潮入侵流径的空间分布特征和季节变化规律，其年际变化特征尚未得到充分研究，尤其是对Leaking流径年际变化的认识相对较少。Nan等[17]展示了3种黑潮流径发生概率的年际变化时间序列，并分析了其长期趋势，但对年际变化的讨论尚不充分。与之相比，已有大量研究聚焦于吕宋海峡通量(Luzon Strait transport, LST)，并认为LST主要受厄尔尼诺-南方涛动(El Niño-southern oscillation, ENSO)、太平洋年代际振荡(Pacific decadal oscillation, PDO)及菲律宾-台湾振荡的调控[27-30]。季风、上游黑潮强度和沿岸开尔文波也被证实是影响LST的重要调控因子[24, 27-28, 30-31]。然而，吕宋海峡黑潮在同一时刻仅表现为单一状态或流径[17]，这表明不同黑潮流径的年际变化特征可能与LST的年际变化特征存在较大差异，且不同流径之间也可能表现出不同的调控机理。针对Looping流径的年际变化，已有研究解释了其与ENSO的密切关系：在拉尼娜年Looping流径通常较强，而在厄尔尼诺年则较弱。ENSO主要通过调控冬季东北风和台湾西南风应力旋度的强度来影响Looping流径的强度[14, 21]。相比之下，关于Leaking流径年际变化特征及其调控机理的研究较为有限，季风、上游黑潮强度以及沿岸开尔文波的传播如何影响Leaking流径的年际变化仍需更多针对性的探究。
本研究利用1993—2020年长时间序列卫星高度计数据，开展吕宋海峡黑潮3种流径的识别与分类，重点聚焦Leaking流径的季节变化规律和年际演变特征，深入探讨其调控机理，并定量评估Leaking流径对吕宋海峡水体输运的贡献。
1 数据与方法 1.1 卫星高度计数据为探究吕宋海峡黑潮流径的长期变化特征及其演变规律，本研究采用了1993—2020年的哥白尼海洋服务(Copernicus Marine Service，CMS)提供的卫星高度计数据产品，包含海表面高度(Sea surface height, SSH)、纬向地转流(u)和经向地转流(v)三个关键参数。数据产品整合了多个卫星测高计划的观测资料，涵盖了Jason系列(Jason-1/-2/-3)、Sentinel-3A、海洋二号(HY-2A)、SARAL/AltiKa、CryoSat-2、TOPEX/Poseidon、Envisat、GFO以及ERS-1/-2等多颗卫星的测高数据。经过严格的质量控制和数据同化处理，该产品具有1/4(°)的空间分辨率和逐日时间分辨率，为区域海洋动力过程研究提供了高精度的观测基础。本文的研究区域为115°E—125°E、15°N—25°N，覆盖吕宋海峡及其邻近海域。
1.2 再分析数据为定量评估黑潮Leaking流径对吕宋海峡通量的贡献，本研究采用了1993—2020年的CMS提供的GLORYS12V1再分析数据产品，该产品提供了吕宋海峡断面0~500 m的纬向流速数据。该产品基于欧洲海洋模型中心(Nucleus for European Modelling of the Ocean，NEMO)海洋环流模式开发，具有1/12(°)的水平网格分辨率和51层垂向分层结构。通过同化海面高度异常、海表温度、海冰以及实测温盐剖面等多源观测数据，该产品能有效重现海洋三维环流结构及其变化特征。
1.3 风场数据为揭示黑潮入侵南海流径的季节和年际变化调控机制，本研究还使用了1993—2020年间来自欧洲中期天气预报中心(European Centre for Medium-Range Weather Forecasts, ECMWF)的ECMWF Reanalysis v5 (ERA5)海表面10 m风场数据。该风场数据的时间分辨率为1个月，空间分辨率为1/4(°)。
1.4 PDO指数为了探讨黑潮南海分支流径年际变化的调控机制，本研究还使用了1993年1月至2020年12月期间来自美国国家海洋大气局(National Oceanic and Atmospheric Administration, NOAA)的PDO指数(数据网址：https://psl.noaa.gov/data/timeseries/month/)，数据时间分辨率为月。PDO指数的引入有助于揭示大尺度气候模态对黑潮南海分支流径年际变化的影响。
1.5 识别方法根据Nan等[32]的研究，吕宋海峡黑潮的3种流径在海表面高度与流场分布上存在显著的差异，并提出了一种较为普适的黑潮流径识别方法，该方法主要依据相对涡度与表层吕宋海峡通量这两个参数来区分不同的黑潮流径。本文在其基础上对识别方法进行了改进，主要改进了Looping流径的识别方法，以期更加准确地识别黑潮的不同流径。图 1展示了吕宋海峡黑潮3种流径的典型海表动力特征。其中，Leaking流径(见图 1(a))表现为黑潮主轴在吕宋海峡中部发生显著西向偏转，一支水体穿越吕宋海峡进入南海并延伸至116°E以西海域，另一支水体则沿台湾岛东部边界继续北向输运。Looping流径(见图 1(b))特征表现为黑潮主轴在吕宋海峡中部进入南海，于南海东北部海域形成显著的反气旋式环流，随后经台湾南部海域重新汇入西北太平洋。在黑潮流套区域(见图 1(b)紫色方框，118°E—121°E、20.5°N—22.5°N)，通常伴生着较高的海表面高度场、增强的东向地转流以及负相对涡度，基于这3个动力学参数的协同变化特征，本研究构建了新的黑潮Looping流径指数(Kuroshio looping index, KLI)。
|
((a)—(c)对应Leaking、Looping及Leaping流径的典型特征。其中黑色实线代表黑潮主轴，选自吕宋岛以东17.5°N断面经向流速最大值附近对应的SSH等值线，间隔0.05 m；图(b)紫色方框代表黑潮流套指数KLI计算区域；图(c)紫色实线为120.6°E经线，用于计算表层吕宋海峡通量LSTsur。(a)—(c) represent the typical characteristics of Leaking, Looping, and Leaping paths. The black solid lines represent the Kuroshio axes, selected using the SSH contours with an interval of 0.05 m, corresponding to the vicinity of the maximum meridional velocity along the 17.5°N section east of Luzon Island, with an interval of 0.05 m. The purple box in (b) represents the calculation region of Kuroshio Looping index (KLI). The purple line in (c) represents 120.6°E meridional line, which is used to calculate the LSTsur.) 图 1 吕宋海峡处黑潮3种典型流径下的月平均海表面高度与绝对地转流分布图 Fig. 1 Distributions of monthly SSH and absolute geostrophic current corresponding to three typical Kuroshio paths in the Luzon Strait |
| $ K L I=\frac{{Nor}(S S H)+{Nor}(u)-{Nor}(v o r)}{3} 。$ | (1) |
式中：SSH为紫色方框区域内最大的海表面高度；u为区域内东向地转流的积分；vor为区域内负相对涡度的积分；Nor表示分别对SSH、u、vor进行标准化处理。当KLI>0.3倍标准差时判定为Looping流径发生时刻，经对比验证，0.3倍标准差是适用于识别黑潮Looping流径的判据指标(图片未展示)。同样，对研究区域进行敏感性分析表明，研究区域范围的西向和南向移动对Looping流径识别结果影响较小。
Leaping流径发生时，黑潮几乎不进入南海，反而会有南海水进入西北太平洋，因此定义120.6°E经向断面表层吕宋海峡通量(Sea surface Luzon Strait transport, LSTsur)作为Leaping流径的指标，这与Nan对于Leaping流径的识别方法一致[32]。
| $ L S T_{\text {sur }}=\int_0^L u \mathrm{~d} L \times 1 \mathrm{~m} 。$ | (2) |
式中：u表示吕宋海峡断面的纬向地转流速；L表示120.6°E经线上吕宋海峡的断面长度(见图 1(c))。当LSTsur为正值时，表示南海水体向西太平洋输送，此时流径可判定为Leaping型；当LSTsur为负值时，则表示西太平洋水体向南海输送。需要特别指出的是，在Looping流径发生期间，LSTsur亦可能为正值。因此，在流径识别过程中，应首先判定Looping流径，再在剩余时段内识别Leaping流径。
黑潮以Leaking和Looping两种流径入侵南海，因此，在排除不入侵南海的Leaping流径和入侵南海的Looping流径后，剩余时段的流径可判定为入侵南海的Leaking流径[17]。
2 结果与分析 2.1 识别结果展示基于1.4节中描述的方法，我们识别出了1993—2020年间黑潮3种流径的发生时刻。图 2(a)呈现了LSTsur的时间序列变化。从图 2可以看出，Leaping流径主要发生在夏季，通常对应正值的LSTsur；Looping流径则主要出现在冬季，多对应负值的LSTsur，但部分时段也出现正值；Leaking流径主要发生在冬半年，且LSTsur均为负值，代表黑潮入侵南海。统计分析表明，在1993—2020年期间，Leaking、Looping和Leaping流径的发生天数分别为4 102、2 913和3 212 d，对应的发生概率分别为40.1%、28.5%和31.4%。由此可见，Leaking流径的发生概率最高，Leaping流径则次之，而Looping流径的发生概率最低。
|
((a)1993—2020年表层吕宋海峡通量时间序列曲线，蓝色、红色、绿色实线分别代表Leaking、Looping和Leaping流径的LSTsur。(b)—(d)吕宋海峡黑潮3种流径发生时刻海表面高度与绝对地转流合成态，其中黑色实线代表黑潮主轴，与图 1一致。(a) Time series of LSTsur between 1993 and 2020. The blue, red, and green lines denote the LSTsur of Leaking, Looping, and Leaping paths, respectively. (b)—(d)Composite distributions of mean SSH and absolute geostrophic current associated with three Kuroshio paths in the Luzon Strait, the black lines in (b)—(d) represent the Kuroshio axis, same as Fig. 1.) 图 2 表层吕宋海峡通量时间序列与黑潮3种流径海表面高度与绝对地转流合成态分布图 Fig. 2 Time series of LST sur and composite distributions of SSH and absolute geostrophic current associated with the three Kuroshio paths |
图 2(b)、(c)、(d)分别展示了Leaking、Looping和Leaping 3种流径下海表面高度及地转流场的合成分布特征。就Leaking流径而言，黑潮在吕宋海峡呈现双分支结构：其一分支经吕宋海峡中部进入南海东北部海域，并向南海内部延伸，西向流最远延伸至115°E以西；而另一支则继续向北流动，最终汇入台湾岛东部海域。在Looping流径模式下，黑潮主体自吕宋海峡中部流入南海，形成显著的反气旋式环流结构，随后经吕宋海峡北部流出并重新汇入台湾岛东部海域。对于Leaping流径，黑潮初始流向为西北，随后转向东北向流动，最终沿台湾岛东岸方向运动。值得注意的是，在此流径模态下，黑潮主轴未越过120.6°E经线，亦未进入南海海域。
黑潮Leaking流径形式入侵南海的发生概率高达40.1%，表明Leaking流径在吕宋海峡水体输运中扮演着不可忽视的重要角色。基于高度计数据和GLORYS12V1再分析数据，本研究定量评估了Leaking流径对吕宋海峡体积输运的贡献，并计算了Leaking流径表层年平均通量(LSTsur_year)和上500 m年平均通量(LSTup_year)。具体而言，通过对Leaking流径下高度计海表地转流数据在120.6°E进行纬向和时间积分，获取由Leaking流径产生的该年度入侵南海的水体体积，并除以365 d，获得了LSTsur_year，代表Leaking流径对吕宋海峡通量的贡献；同时通过对GLORYS12V1再分析数据中上500 m的纬向流速进行积分，并除以365 d，得到了LSTup_year。分析结果显示，Leaking流径导致的平均表层水体通量为-0.7×10-2 Sv (1 Sv = 106 m3/s)，占表层总通量(-1×10-2 Sv)的70%(见图 3(a)、(b))。受到Leaping流径的影响，部分年份的LSTsur_year甚至是该年吕宋海峡表层平均通量的1.5~2.5倍(例如2002和2014年)；Leaking流径引起的平均上层水体通量为-1.58 Sv，占上层总通量(-2.85 Sv)的55.4%(见图 3(c)、(d))。值得注意的是，吕宋海峡总通量的年际变化与Leaking流径下的年平均水体通量表现出高度一致的变化特征，进一步凸显了Leaking流径在吕宋海峡水体交换过程中的主导作用。
|
(图(a)为黑潮Leaking流径表层年平均通量与吕宋海峡表层年平均通量的对比；图(b)为黑潮Leaking流径表层年平均通量占吕宋海峡表层年平均通量的百分比。图(c)、(d)与(a)、(b)类似，但为上层500 m吕宋海峡平均通量结果。图(a)与图(c)中“Total”分别表示吕宋海峡表层和上层500 m年平均通量。(a) Comparison between annual-mean sea surface transport during the Leaking paths and the total annual-mean sea surface transport in the Luzon Strait. (b) Percentage of annual-mean sea surface transport during the Leaking paths relative to the total annual-mean sea surface transport in the Luzon Strait. (c), (d) same as (a), (b), but for the results of the upper 500 m Luzon Strait volume transport. The word "Total" in (a) and (c) denotes the annual mean LST at the sea surface and in the upper 500 m, respectively.) 图 3 Leaking流径对吕宋海峡表层及上层500 m体积输运的贡献 Fig. 3 Contributions of the Leaking path to the volume transports at the sea surface and in the upper 500 m through the Luzon Strait |
已有研究表明，黑潮入侵南海现象具有显著的季节性变化特征，通常表现为冬季强盛、夏季减弱[17, 19, 33]。图 4(a)呈现了1993—2020年间Leaking、Looping和Leaping流径的气候态月平均发生概率分布。分析结果表明，Looping流径在冬季(11月至次年2月)发生概率较大，其中12月达到最高值(65.5%)。Leaping流径则主要出现在夏季，其发生概率在6月达到峰值(86.7%)。相比之下，Leaking流径呈现出显著的双峰季节变化特征，其发生概率在冬半年(10月至次年4月)较高，在夏季较低，在3和10月发生概率达到峰值，分别为73.39%和58.29%。从整体分布来看，Looping流径在12月发生概率显著高于Leaking和Leaping流径；Leaping流径在5—8月发生概率显著大于Leaking和Looping流径；而Leaking流径在2—4和10月发生概率显著大于Leaping和Looping流径。同时，1月，Looping流径和Leaking流径的发生概率相近；9月，Leaping流径和Leaking流径的发生概率相当。此外，通过分析黑潮入侵南海的Leaking流径和Looping流径之和(见图 4(b))，可以发现冬半年期间黑潮入侵南海的总发生概率均超过70%，其中11月至次年2月的发生概率更是高达90%以上，而在夏季则明显减弱。
|
((a) 1993—2020年Leaking、Looping和Leaping流径的气候态月平均发生概率分布，黑色曲线表示Leaking流径月平均发生概率。(b) Leaking与Looping流径月平均发生概率之和。(a) Climatological monthly mean occurrence probability distributions of Leaking, Looping, and Leaping paths from 1993 to 2020, the black curve in (a) represents the monthly occurrence probability of the Leaking path. (b) Sum of the monthly occurrence probabilities of Leaking and Looping paths.) 图 4 吕宋海峡黑潮3种流径逐月发生概率分布直方图 Fig. 4 Histogram of monthly occurrence probability distribution for the three Kuroshio paths in the Luzon Strait |
Leaking流径在冬半年较强，呈现明显的双峰型季节变化特征。为了进一步探讨Leaking流径季节性变化的调控机理，本文选取了3、6、10和12月(分别对应Leaking、Leaping和Looping流径发生概率较高的时段)，对其气候态平均的海表面高度场、地转流场以及二者的异常场、风场和风应力旋度场进行了分析(见图 5)。这4个月分别对应Leaking、Leaping和Looping流径发生概率较高的时间段。图 5显示：3和10月，黑潮以Leaking流径的形式入侵南海，黑潮的一个分支在吕宋海峡中部向西进入南海，吕宋海峡区域的海表纬向流速异常为负，吕宋岛西北部呈现负的海表高度异常；12月，黑潮以Looping流径入侵南海，台湾西南部流场异常呈现反气旋式环流分布特征，同时台湾西南和吕宋西北分别表现为正的和负的海表高度异常；6月，黑潮表现为Leaping流径，并未入侵南海，吕宋海峡处的纬向流速异常为正，台湾西南和吕宋西北则分别呈现负的和正的海表高度异常。
|
((a)—(d) 3、6、10和12月海表面高度与绝对地转流分布图，黑色实线代表黑潮主轴，与图 1一致；(e)—(h)与(a)—(d)类似，但为海表面高度异常及流场异常分布图；(i)—(l)与(a)—(d)类似，但为风应力旋度及风场分布图。(a)—(d) Distributions of SSH and absolute geostrophic current in March, June, October, and December, respectively. The black lines represent the Kuroshio axes, same as Fig. 1. (e)—(h) same as (a)—(d) but for the distributions of SSHA and current anomalies. (i)—(l) same as (a)—(d) but for the distributions of wind stress curl and wind vectors.) 图 5 海表面高度与绝对地转流、海表面高度异常与绝对地转流异常以及风应力旋度与风场合成态分布图 Fig. 5 Composite distributions of SSH and absolute geostrophic current, SSHA and current anomalies, and wind stress curl and wind vectors |
进一步分析表明，6月，吕宋岛东侧黑潮呈现正异常，增强的黑潮不利于其入侵南海；而在3、10和12月(冬半年)，黑潮流速异常小或为负值，更有利于黑潮入侵南海。从风场特征来看，南海东北部盛行季风，6月以西南风为主，这种风场配置不利于黑潮入侵南海；而在3、10和12月的冬半年，东北风占据主导地位，强劲的东北风在台湾西南和吕宋西北分别激发负的风应力旋度和正的风应力旋度，从而导致台湾西南海域海表高度升高，吕宋西北海域海表高度降低，进而增加吕宋海峡南北两侧的压力梯度，促进黑潮入侵南海。然而，12月异常强劲的东北风会显著增强台湾西南海域的负风应力旋度，促使黑潮更易以Looping流径形式入侵南海，从而降低Leaking流径的发生概率。综上所述，夏季西南风和强黑潮的共同作用抑制了黑潮入侵南海，而冬半年东北风和相对较弱的黑潮则有利于黑潮入侵南海，冬季强东北风及其引发的台湾西南负风应力旋度异常，使得黑潮更易呈现Looping流径。因此，Leaking流径在冬半年表现出较强的入侵特征，而在夏季则显著减弱，并呈现显著的双峰季节变化规律，其发生概率在3和10月达到峰值。这一结果揭示了风场、上游黑潮强度与黑潮入侵流径之间的内在联系，为理解黑潮入侵南海流径的季节性变化特征提供了重要依据。
2.3 年际变化特征为深入探究吕宋海峡黑潮Leaking流径的年际变化特征，本研究定义了Leaking流径强度指数(Lea-kingstr)作为量化Leaking事件强弱的客观指标。该指数通过对冬半年Leaking流径发生时间的LSTsur进行积分获得，并进行标准化处理。当Leakingstr呈现正值时，可判定该年度发生强Leaking流径事件。基于1993—2020年Leakingstr的时间序列分析(见图 6(a))，共识别出11个强Leaking流径事件年份。其中，1993—1994年、2002—2003年、2004—2005年、2015—2016年和2018—2019年冬半年最为强盛，这5个年份的Leaking流径事件均超过130 d。特别地，2002—2003年冬半年的持续时间达到了186 d，为观测期内最长，LSTsur_year和LSTup_year分别达到了-1.5×10-2 Sv和-2.93 Sv；1993—1994年、2004—2005年、2015—2016年和2018—2019年冬半年的持续时间分别为178、131、139和170 d，LSTsur_year和LSTup_year均分别超过了-1.1×10-2 Sv和-2.3 Sv (见表 1)。值得注意的是，Leakingstr表现出较长周期的变化规律，并与太平洋年代际振荡(Pacific decadal oscillation, PDO)有着较好的对应关系，相关系数为0.53(R0=0.35，Monte Carlo方法[34])，11次强Leaking流径事件均发生在PDO正相位期间；而在1999—2002年和2007—2014年PDO负相位时期，Leakingstr也明显偏低。这一现象暗示着Leaking流径的年际变化受到大尺度气候模态的调控。
|
((a)蓝色阴影代表强Leaking流径事件；(b)蓝色(红色)阴影表示PDO处于正(负)相位。(a) Blue shadings represent strong Leaking path events; (b) Blue (red) shadings denote positive (negative) PDO phases.) 图 6 1993—2020年Leakingstr与PDO时间序列曲线图 Fig. 6 Time series of Leakingstr and PDO between 1993 and 2020 |
|
表 1 11次强Leaking流径事件特征参数统计 Table 1 Characteristic parameters of 11 strong Leaking path events |
由于强Leaking流径事件主要发生在PDO正相位期间，而PDO负相位时Leaking流径强度显著减弱，因此本研究对PDO正相位和负相位期间冬半年的海表面高度场及流场进行合成(见图 7(a)、(b))。结果表明，在PDO正相位期间，太平洋黑潮主要以Leaking流径形式入侵南海东北部海域，此时吕宋岛西北海域的海表高度较低，最低值可达0.8 m；而在PDO负相位期间，黑潮则更接近于Looping流径结构特征，黑潮入侵南海较弱，吕宋岛西北海域的海表高度高于PDO正相位期间，最低值为0.9 m。通过对PDO正、负相位期间海表面高度场及流场作差分析(见图 7(c))，发现在吕宋海峡及其西侧海域存在显著的西向流异常，这表明PDO正相位期间Leaking流径更强，吕宋海峡向南海的水体输运通量更大，这一结果揭示了PDO周期性振荡对黑潮入侵流径的重要调节作用。此外，PDO正相位期间吕宋岛西北较低的海表高度以及吕宋岛东侧相对较弱的黑潮流速，进一步表明这两个因素可能共同调控了Leaking流径的强度变化。具体而言，吕宋岛西北较低的海表高度可能增强了吕宋海峡南北两侧的压力梯度，而吕宋岛东侧较弱的黑潮流速则降低了黑潮主轴的惯性，二者共同促进了黑潮以Leaking流径形式入侵南海。
|
((a)和(b)分别表示PDO正相位和负相位期间的海表面高度与绝对地转流空间分布。(c)为PDO正相位和负相位期间的海表面高度与绝对地转流差值空间分布图，红色方框代表SSHA和WSC计算区域，红色直线代表上游黑潮强度计算断面。Composite distributions of SSH and absolute geostrophic current during (a) positive and (b) negative PDO phases. (c) Spatial patterns of sea surface height and absolute geostrophic current differences between the positive PDO phases and negative PDO phases. The red box in (c) indicates the region to calculate the SSHA and WSC, the red line represents the section to calculate the upstream Kuroshio intensity.) 图 7 PDO正、负相位下海面高度与绝对地转流分布及其差异 Fig. 7 Distribution of SSH and absolute geostrophic current during positive and negative PDO phases, and the difference |
前人已针对LST及Looping流径的动力特征及年际变化机制开展了大量研究[14, 21, 24-25, 27, 31, 35-36]，但针对Leaking流径年际变化调控机理的研究相对较少。同时，风场、上游黑潮强度、沿岸开尔文波等因素均被认为是影响黑潮流径和吕宋海峡通量的潜在因素[19, 22, 25, 27, 37]，这些因素如何具体影响Leaking流径的年际变化，仍需进一步深入研究。
图 8(a)展示了吕宋岛西北侧海面高度异常与Leakingstr的时间序列。从图 8(a)中可以看出，二者存在显著的负相关关系，相关系数达到了-0.7，且超过95%置信区间检验(R0=0.35)。这一发现表明，Lea-kingstr显著受到吕宋岛西北侧的海面高度异常的调控：当海面高度异常为负时，Leakingstr增强；而当海面高度异常为正时，Leakingstr减弱。进一步分析显示，海面高度异常又受到PDO的调控，二者相关系数达到-0.82(见图 8(b))。在PDO正相位期间，吕宋岛西北侧的海面高度异常为负，这增强了吕宋海峡南北两侧的海面高度差和压力梯度，进而有利于黑潮以Leaking流径入侵南海。而在PDO负相位期间，吕宋岛西北侧的海面高度异常为正，导致吕宋海峡南北两侧的海面高度差和压力梯度减弱，不利于黑潮以Leaking流径入侵南海。
|
(SSHA与Leakingstr、PDO相关系数分别为-0.7、-0.82，均超过了95%置信区间检验(R0=0.35)。The correlation coefficients of SSHA and Leakingstr, SSHA and PDO are-0.7 and-0.82, respectively, both exceeding the 95% confidence interval test (R0 =0.35).) 图 8 吕宋岛西北海域海面高度异常(SSHA)与Leakingstr、PDO时间序列曲线图 Fig. 8 Time series of SSHA in the northwest of Luzon Island, Leakingstr and PDO |
吕宋岛西北侧的海面高度变化主要受到沿岸开尔文波和局地风场的调控[19, 22, 27]。为定量评估沿岸开尔文波对吕宋岛西北侧海面高度异常的影响，本研究在菲律宾沿岸选取了5个站点(见图 9(a))，并利用各站点的海面高度异常数据追踪沿岸开尔文波信号(见图 9(b))。从图 9可以看出，来自太平洋的海表高度异常信号以沿岸开尔文波的形式沿菲律宾海岸向南海东北部传播，其在S1至S5站点间的信号呈现依次滞后的特征(见图 9(c))。S5站点的海表高度异常年际信号较S1站点滞后约42 d，且二者相关系数高达0.98。进一步分析表明，沿岸开尔文波传播过程显著受到PDO的调控。在PDO正相位期间，西北太平洋呈现显著的负海表高度异常信号，该信号以沿岸开尔文波的形式传入南海，从而降低吕宋岛西北侧的海表高度，增强吕宋海峡南北两侧的压力梯度，更有利于黑潮以Leaking流径入侵南海。这一机制解释了强Leaking流径事件主要发生在PDO正相位期间的现象。相反，在PDO负相位期间，正的海表高度异常信号传输至吕宋岛西北，降低吕宋海峡南北两侧的压力梯度，不利于黑潮入侵南海。
|
((a)红星表示站点S1—S5的位置，红色方框表示吕宋岛西北侧风应力旋度计算区域；(b)不同站点海面高度异常与PDO时间序列曲线图；(c)站点S2—S5与站点S1超前滞后曲线。(a)The red stars represent the locations of stations S1—S5, the red box indicates the region for calculating wind stress curl in the northwest of Luzon Island; (b) Time series of SSHA and PDO of different stations; (c) Lead-lag curves between stations S2—S5 and station S1.) 图 9 菲律宾沿岸地形、不同站点SSHA与PDO时间序列及其超前滞后关系 Fig. 9 Topography along the Philippines coast, time series of SSHA and PDO of different stations, and their lead-lag relationships |
研究表明，黑潮入侵南海同样与东北季风密切相关[3, 22, 25]。图 10(a)、(b)呈现了PDO正负相位期间冬半年风应力旋度异常与风场异常的合成分布。结果表明，PDO正相位期间，南海东北部冬半年的东北季风强度减弱，在吕宋西北海域诱发负风应力旋度异常，根据Ekman输运理论，该负风应力旋度异常通过引起水体辐聚，应导致海面上升，从而理论上形成抑制黑潮入侵的动力屏障。相反，PDO负相位期间东北季风增强诱发正风应力旋度异常，其辐散效应理论上应降低海面高度，从而增强黑潮入侵南海。风场理论上产生的变化与海表面高度和Leaking流径实际的年际变化特征相反，表明风场强迫并非调控Leaking流径年际变化的主导机制。定量统计分析进一步佐证了该结论：Leakingstr与局地风应力旋度的相关系数仅为-0.27(见图 10(d))，未通过95%置信水平的显著性检验(R0=0.35)。该统计结果进一步排除了风场和风应力旋度作为Leaking流径年际变化主要驱动因子的可能性。
|
((a)、(b) PDO正(负)相位期间风应力旋度异常与风场异常空间分布图。(c) PDO正负相位作差得到的风应力旋度异常与风场异常空间分布图，红色方框代表吕宋西北侧WSC计算区域，红色曲线表征上游黑潮强度断面。(d)、(e) Leakingstr与WSC、上游黑潮强度时间序列曲线。(a), (b) Composite distributions of wind stress curl anomalies and wind vector anomalies during the positive (negative) PDO phases. (c)Differences in WSCA and wind vector anomalies between positive and negative PDO phases, the red box in (c) indicates the region to calculate the WSC, and the red line represents the section to calculate the upstream Kuroshio strength. (d), (e) Time series of Leakingstr, WSC, and upstream Kuroshio strength.) 图 10 PDO正负相位的风应力旋度异常合成分析，Leaking流径强度指数与风应力旋度、上游黑潮强度的相关性分析 Fig. 10 Composite analysis of wind stress curl anomalies under positive and negative PDO phases, and correlation analysis between the Leaking intensity index, WSC and upstream Kuroshio intensity |
上游黑潮强度的变化同样是调控黑潮入侵南海的关键动力因子。观测证实上游黑潮的减弱可增强黑潮对南海的入侵[19]。本研究的合成分析表明，PDO正相位期间，吕宋岛东侧(17.5°N断面，121.5°E—124.0°E)的黑潮较弱(见图 6)，从而有利于黑潮以Leaking流径入侵南海。为定量表征上游黑潮强度，选取该断面经向地转流的积分构建黑潮强度指数。基于1993—2020年的时序数据分析(见图 10(e))，发现Leakingstr与冬半年上游黑潮强度呈现负相关关系，相关系数达-0.45，超过95%置信水平的显著性检验(R0=0.35)。在已识别的11次强Leaking事件中，有9次发生在上游黑潮强度偏弱期间，另外2次事件的上游黑潮强度也接近于平均水平。这一统计规律表明，PDO正相位期间，上游黑潮强度的减弱同样促进Leaking流径的形成。
综上所述，黑潮Leaking流径入侵南海呈现显著的年际变化特征，PDO正相位期间较强，PDO负相位期间较弱。菲律宾沿岸开尔文波诱发的吕宋西北侧海面高度的变化与吕宋岛东侧上游黑潮强度的变化是调控Leaking流径年际变化的两个主导因素；相比之下，风场在该过程中作用较弱。
3 结论本研究基于1993—2020年长时间序列的卫星高度计观测数据，系统地识别了黑潮入侵南海不同流径的发生时刻，着重探讨了Leaking流径的季节、年际变化特征及其调控机理，主要结论如下：
(1) 黑潮主要以Leaking流径的形式入侵南海，其发生概率为40.1%。在季节尺度上，Leaking流径在冬半年(10月至次年4月)较强，呈现显著的双峰型季节变化特征，其中3月(73.4%)和10月(58.3%)发生概率达到峰值。季风和上游黑潮强度的变化是其季节变化的主要调控机理，冬半年东北风的发展和上游较弱的黑潮有利于黑潮入侵南海，但冬季强东北季风更有利于黑潮以Looping流径的形式入侵南海，从而降低了Leaking流径的发生概率，最终导致Leaking流径呈现双峰型季节变化。
(2) 在年际尺度上，Leaking流径受到大尺度气候模态的调控。1993—2020年间发生的11次强Leaking流径事件均出现在PDO正相位期间。在此期间，西北太平洋的负海表面高度异常信号以沿岸开尔文波的形式传播至吕宋岛以西海域，显著增强了吕宋海峡南北的经向压力梯度，从而促进了Leaking流径的发展。PDO正相位期间较弱的上游黑潮强度同样有利于Leaking流径的形成与发展。
(3) Leaking流径下海表和上层500 m的吕宋海峡平均水体通量分别为-0.7×10-2 Sv和-1.58 Sv，分别占全年总通量的70%和54.4%。同时，总通量的逐年变化趋势与Leaking流径呈现一致的变化特征，这一现象说明黑潮Leaking流径在南海与西北太平洋上层水体交换过程中起主导和调控作用。
| [1] |
Hu D, Wu L, Cai W, et al. Pacific western boundary currents and their roles in climate[J]. Nature, 2015, 522(7556): 299-308. DOI:10.1038/nature14504 (  0) |
| [2] |
Hu J, Kawamura H, Hong H, et al. A review on the currents in the South China Sea: Seasonal circulation, South China Sea warm current and Kuroshio intrusion[J]. Journal of Oceanography, 2000, 56: 607-624. DOI:10.1023/A:1011117531252 ( 0) |
| [3] |
Ho C R, Zheng Q, Kuo N J, et al. Observation of the Kuroshio intrusion region in the South China Sea from AVHRR data[J]. International Journal of Remote Sensing, 2004, 25(21): 4583-4591. DOI:10.1080/0143116042000192376 ( 0) |
| [4] |
Qu T, Mitsudera H, Yamagata T. Intrusion of the north Pacific waters into the South China Sea[J]. Journal of Geophysical Research: Oceans, 2000, 105(C3): 6415-6424. DOI:10.1029/1999JC900323 ( 0) |
| [5] |
Wu C R, Wang Y L, Lin Y F, et al. Intrusion of the Kuroshio into the south and East China Seas[J]. Scientific Reports, 2017, 7(1): 7895. DOI:10.1038/s41598-017-08206-4 ( 0) |
| [6] |
Xue H, Chai F, Pettigrew N, et al. Kuroshio intrusion and the circulation in the South China Sea[J]. Journal of Geophysical Research: Oceans, 2004, 109(C2): C02017. ( 0) |
| [7] |
Chang Y, Shih Y Y, Tsai Y C, et al. Decreasing trend of Kuroshio intrusion and its effect on the chlorophyll-a concentration in the Luzon Strait, South China Sea[J]. GIScience & Remote Sensing, 2022, 59(1): 633-647. ( 0) |
| [8] |
Guo L, Xiu P, Chai F, et al. Enhanced chlorophyll concentrations induced by Kuroshio intrusion fronts in the northern South China Sea[J]. Geophysical Research Letters, 2017, 44(22): 11565-11572. ( 0) |
| [9] |
Park J H, Farmer D. Effects of Kuroshio intrusions on nonlinear internal waves in the South China Sea during winter[J]. Journal of Geophysical Research: Oceans, 2013, 118(12): 7081-7094. DOI:10.1002/2013JC008983 ( 0) |
| [10] |
Zhang Z, Zhao W, Tian J, et al. A mesoscale eddy pair southwest of Taiwan and its influence on deep circulation[J]. Journal of Geophysical Research: Oceans, 2013, 118(12): 6479-6494. DOI:10.1002/2013JC008994 ( 0) |
| [11] |
Sun Z, Zhang Z, Zhao W, et al. Interannual modulation of eddy kinetic energy in the northeastern South China Sea as revealed by an eddy-resolving OGCM[J]. Journal of Geophysical Research: Oceans, 2016, 121(5): 3190-3201. DOI:10.1002/2015JC011497 ( 0) |
| [12] |
Zhao W, Zhou C, Zhang Z, et al. The South China Sea mooring array and its applications in exploring oceanic multiscale dynamics[J]. Science Bulletin, 2024, 70(5): 609-623. ( 0) |
| [13] |
Caruso M J, Gawarkiewicz G G, Beardsley R C. Interannual variability of the Kuroshio intrusion in the South China Sea[J]. Journal of Oceanography, 2006, 62: 559-575. DOI:10.1007/s10872-006-0076-0 ( 0) |
| [14] |
Sun Z, Zhang Z, Qiu B, et al. Three-dimensional structure and interannual variability of the Kuroshio Loop Current in the northeastern South China Sea[J]. Journal of Physical Oceanography, 2020, 50(9): 2437-2455. DOI:10.1175/JPO-D-20-0058.1 ( 0) |
| [15] |
Sheremet V A, Kuehl J. Gap-leaping western boundary current in a circular tank model[J]. Journal of Physical Oceanography, 2007, 37(6): 1488-1495. DOI:10.1175/JPO3069.1 ( 0) |
| [16] |
Nitani H. Beginning of the Kuroshio[M]//Stommel H, Yoshida K. Kuroshio, its Physical Aspects. Tokyo: University of Tokyo Press, 1972: 129-163.
( 0) |
| [17] |
Nan F, Xue H, Chai F, et al. Identification of different types of Kuroshio intrusion into the South China Sea[J]. Ocean Dynamics, 2011, 61: 1291-1304. DOI:10.1007/s10236-011-0426-3 ( 0) |
| [18] |
Nan F, Xue H, Chai F, et al. Weakening of the Kuroshio intrusion into the South China Sea over the past two decades[J]. Journal of Climate, 2013, 26(20): 8097-8110. DOI:10.1175/JCLI-D-12-00315.1 ( 0) |
| [19] |
Nan F, Xue H, Yu F. Kuroshio intrusion into the South China Sea: A review[J]. Progress in Oceanography, 2015, 137: 314-333. DOI:10.1016/j.pocean.2014.05.012 ( 0) |
| [20] |
Yuan D, Han W, Hu D. Surface Kuroshio path in the Luzon Strait area derived from satellite remote sensing data[J]. Journal of Geophysical Research: Oceans, 2006, 111(C11): C11007. ( 0) |
| [21] |
Zhang Z, Zhao W, Qiu B, et al. Anticyclonic eddy sheddings from Kuroshio loop and the accompanying cyclonic eddy in the northeastern South China Sea[J]. Journal of Physical Oceanography, 2017, 47(6): 1243-1259. DOI:10.1175/JPO-D-16-0185.1 ( 0) |
| [22] |
Farris A, Wimbush M. Wind-Induced Kuroshio Intrusion into the South China Sea[J]. Oceanographic Literature Review, 1997, 44(7): 771-784. ( 0) |
| [23] |
Sheremet V A. Hysteresis of a western boundary current leaping across a gap[J]. Journal of Physical Oceanography, 2001, 31(5): 1247-1259. DOI:10.1175/1520-0485(2001)031<1247:HOAWBC>2.0.CO;2 ( 0) |
| [24] |
Sun Z, Zhang Z, Huang R X, et al. Novel insights into the zonal flow and transport in the Luzon Strait based on long-term mooring observations[J]. Journal of Geophysical Research: Oceans, 2023, 128(3): e2022JC019017. DOI:10.1029/2022JC019017 ( 0) |
| [25] |
Wu C R, Hsin Y C. The forcing mechanism leading to the Kuroshio intrusion into the South China Sea[J]. Journal of Geophysical Research: Oceans, 2012, 117(C7): C07015. ( 0) |
| [26] |
Yuan D, Wang Z. Hysteresis and dynamics of a western boundary current flowing by a gap forced by impingement of mesoscale eddies[J]. Journal of Physical Oceanography, 2011, 41(5): 878-888. DOI:10.1175/2010JPO4489.1 ( 0) |
| [27] |
Chen Y, Zhai F, Li P. Decadal variation of the Kuroshio intrusion into the South China Sea during 1992—2016[J]. Journal of Geophysical Research: Oceans, 2020, 125(1): e2019JC015699. DOI:10.1029/2019JC015699 ( 0) |
| [28] |
Wang Y G, Fang G H, Wei Z X, et al. Interannual variation of the South China Sea circulation and its relation to El Niño, as seen from a variable grid global ocean model[J]. Journal of Geophysical Research: Oceans, 2006, 111(C11): C11S14. ( 0) |
| [29] |
Wu C R. Interannual modulation of the Pacific decadal oscillation(PDO) on the low-latitude western North Pacific[J]. Progress in Oceanography, 2013, 110: 49-58. DOI:10.1016/j.pocean.2012.12.001 ( 0) |
| [30] |
Yu K, Qu T. Imprint of the Pacific decadal oscillation on the South China Sea throughflow variability[J]. Journal of Climate, 2013, 26(24): 9797-9805. ( 0) |
| [31] |
Qu T, Kim Y Y, Yaremchuk M, et al. Can Luzon Strait transport play a role in conveying the impact of ENSO to the South China Sea?[J]. Journal of Climate, 2004, 17(18): 3644-3657. DOI:10.1175/1520-0442(2004)017<3644:CLSTPA>2.0.CO;2 ( 0) |
| [32] |
南峰. 台湾西南部海域流-涡结构及其演变规律研究[D]. 青岛: 中国海洋大学, 2012. Nan F. Spatiotemporal Evolution of the Current-Eddy Structure Southwest of Taiwan[D]. Qingdao: Ocean University of China, 2012. ( 0) |
| [33] |
Wu C R, Wang Y L, Lin Y F, et al. Weakening of the Kuroshio intrusion into the South China Sea under the global warming hiatus[J]. IEEE Journal of Selected Topics in Applied Earth Observations and Remote Sensing, 2016, 9(11): 5064-5070. DOI:10.1109/JSTARS.2016.2574941 ( 0) |
| [34] |
Press W H, Teukolsky S A, Vetterling W T, et al. Numerical Recipes Cambridge[Z]. Cambridge: Cambridge University Press, 1992.
( 0) |
| [35] |
Wang Q, Zeng L, Shu Y, et al. Interannual variability of South China Sea winter circulation: Response to Luzon Strait transport and El Niño wind[J]. Climate Dynamics, 2020, 54: 1145-1159. DOI:10.1007/s00382-019-05050-2 ( 0) |
| [36] |
Zhang Z, Zhao W, Tian J, et al. Spatial structure and temporal variability of the zonal flow in the Luzon Strait[J]. Journal of Geophysical Research: Oceans, 2015, 120(2): 759-776. DOI:10.1002/2014JC010308 ( 0) |
| [37] |
Zhao R, Zhu X H. Weakest winter S outh C hina S ea western boundary current caused by the 2015—2016 El Niño event[J]. Journal of Geophysical Research: Oceans, 2016, 121(10): 7673-7682. DOI:10.1002/2016JC012252 ( 0) |
2. College of Oceanic and Atmospheric Sciences, Ocean University of China, Qingdao 266100, China;
3. Sanya Oceanographic Laboratory, Sanya 572000, China;
4. The Key Laboratory of Physical Oceanography, Ministry of Education, Ocean University of China, Qingdao 266100, China