中国科学院大学学报  2017, Vol. 34 Issue (3): 371-379   PDF    
基于卫星重力、卫星测高和温盐度综合数据的中国近海各区域海平面变化
常乐1, 钱安2, 易爽1, 徐长仪3, 孙文科1     
1. 中国科学院大学, 北京 100049;
2. 防灾科技学院, 北京 101601;
3. 中国地震局地震预测研究所, 北京 100036
摘要: 利用GRACE(gravity recovery and climate experiment)卫星重力、卫星测高和Ishii温盐度资料研究中国近海海平面变化。结果表明:1993-2014年南海海平面升高速率远高于同期全球速率,而黄海和东海均低于同期全球海平面上升速率。综合2003-2012年的上述3种数据,发现海水质量增加是导致渤海、黄海和东海海平面上升的主要原因,而南海主要受比容海平面上升影响。中国4个海域海平面年际变化均与ENSO有相关性,但是相关系数较小。4个海域在2000-2005年期间海平面均呈下降趋势,后来又慢慢回升。
关键词: 卫星测高     GRACE     温盐变化     中国近海     海平面变化    
Sea level change in China adjacent seas studied using satellite altimeter, satellite gravity, and thermohaline data
CHANG Le1, QIAN An2, YI Shuang1, XU Changyi3, SUN Wenke1     
1. University of Chinese Academy of Sciences, Beijing 100049, China;
2. Institute of Disaster Prevention, Beijing 101601, China;
3. Institute of Earthquake Science, China Earthquake Administration, Beijing 100036, China
Abstract: We study the sea level changes of China adjacent seas using satellite gravity data, satellite altimeter data, and thermohaline data. The results show that, compared with the global mean sea level rising rate during the period from 1993 to 2014, the sea level rising rate of the South China Sea is very fast, while the rates of the Yellow Sea and East China Sea are slow. The results and analysis based on these three kinds of data indicate that water mass change is the main reason for the sea level rising from 2003 to 2012, but the sea level of the South China Sea is mainly influenced by steric sea level change. The sea level interannual changes of the coastal waters of China have some correlations with ENSO, but the correlation coefficients are small. The sea level of China adjacent seas declined during the period from 2000 to 2005, and then rised again.
Key words: altimeter     GRACE     thermohaline change     coastal waters of China     sea level change    

随着近年来全球温度不断升高,全球平均海平面上升问题持续受到关注[1]。全球海平面变化是全球气候变化的指标之一,尤其是沿海区域的海平面上升可能会对该区域人们的生活产生一定的影响。海平面变化的原因有很多:海水温度和盐度变化会引起海水体积的变化,冰川和冰盖的融化,人为导致陆地水的变化,海水蒸发与渗透等都会引起地理上不均匀的海平面变化,同时引起全球平均海平面的变化;海洋环流和大气压力的变化会影响区域海平面的变化,对全球海平面基本上没有贡献;冰川均衡调整 (GIA)、板块运动和沉积等会以地面沉降的形式影响区域和全球平均海平面的变化,但是海水总体的体积不会改变。在我们研究的时间范围内,可以通过模型校正由于地面沉降引起的大部分的影响。综合上述影响因素,至少可以主要归纳为两种形式:比容海平面变化 (steric sea level, SSL) 及海水质量变化引起的海平面变化 (eustatic sea level, ESL)[2]

在卫星测高技术出现之前,验潮站数据是计算海平面变化的主要数据来源[3]。随着TOPEX/Poseidon (T/P),Jason-1和Jason-2等测高卫星的出现,可以针对高时空分辨率的海平面信息展开研究[4-5]。海水质量变化引起的海平面变化可以利用GRACE重力卫星数据得到。GRACE重力卫星是美国宇航局 (NASA) 和德国空间飞行中心于2002年发射,可以利用其观测大尺度的时变重力场来研究地球系统内的质量再分布[4-9],因此可以用于估计区域的海水质量变化[10-11]。海平面变化中的比容部分,可以由温盐实测数据集或海洋模式数据计算得到[10]

如今,国内外学者已经联合卫星测高、温盐及卫星重力数据资料来研究全球海平面的变化。2009年Cazenave等[12]利用测高、温盐度及卫星重力数据得到2003—2007年全球海平面的3种变化趋势分别为:(2.5±0.04)、(0.3±0.15) 和1.9 mm/a。2013年Chen等[11]基于测高、Argo以及GRACE数据研究2005—2013年全球平均海平面3种变化趋势分别为:(2.4±0.4)、(0.6±0.3) 和 (1.8±0.5) mm/a。最近Yi等[13]的研究表明,2005—2014年间全球范围内温盐和质量的贡献分别占海平面上升的25%~35%和55%~70%,并且2010年后格陵兰岛冰川融化加快了100%。上述研究工作表明:近年来全球平均海平面变化的主要来源是由于两极冰盖及陆地冰川融化引起的海水质量增加。

1 中国近海的研究状况

针对中国近海区域 (渤海、黄海、东海及南海4区域) 的海平面变化研究主要集中在季节尺度和年际尺度上。Han和Huang[14]利用1992—2006年卫星测高数据得出中国南海区域海平面变化呈现出明显的季节和年际变化特征。詹金刚等[15]利用1993—2007年的卫星测高数据得出年信号是导致近海区域海平面变化的最明显的周期信号,在南海和东海区域首次探测到540 d的准周期信号,中国近海区域海平面上升的速率要高于同期的全球海平面上升速率。荣增瑞等[16]利用1993—2004年卫星测高数据表明南海海平面受到ENSO (El Nino-southern oscillation) 现象的影响较大,南海平均海平面在厄尔尼诺事件期间呈现出负异常,而在拉尼娜事件期间表现为正异常。与中国近海其他区域不同,一些学者开始联合卫星测高、卫星重力及温盐数据来研究南海区域海平面变化。2012年冯伟等[4]利用2003—2009年的测高、GRACE和ECCO等3种数据得到结果表明在季节性的尺度上南海质量变化为主要因素,但是在年际尺度上比容海平面变化是导致南海海平面变化的主要因素。2003—2009年南海整体海水质量处于平衡状态,也可以说南海整体与周边陆地水或海域的水循环是处于平衡状态[4]

但是,这些研究结果都只反映了中国近海的部分区域变化,对于整个中国近海区域还没有完整的估计。为了得到中国近海 (南海,东海,黄海和渤海 (图 1)) 的海平面变化趋势及其变化机制,本文联合卫星测高、卫星重力及温盐度数据计算近年来中国近海各个区域海平面变化趋势,并分析导致中国近海海平面变化的主要来源。

Download:

图 1 研究区域

Fig. 1 Study area
2 数据和方法

本文采用的卫星测高的数据来源于法国AVISO (archiving, validation and interpretation of satellite oceanographic),其时间跨度为1993年1月—2014年4月,该数据融合多颗测高卫星 (Jason-1、T/P、Envisat、GFO、ERS-1/2和GEOSAT) 资料。本文使用月平均的海平面异常格网数据 (MSLA),其空间分辨率为1/4°×1/4°,网格点数为1 440×720(ftp://ftp.aviso.altimetry.fr/global/delayed-time/grids/climatology/monthly_mean/)。该数据已进行了电离层延迟、电磁偏差及干湿对流层影响,固体潮、极潮、海洋潮汐等相应的地球物理影响因素改正及反气压计等误差改正。测高给出的是相对于1993—2012年20年平均值的异常值 (anomaly)。本文采用Geruo等[17]的三维地球计算下的GIA模型对卫星测高结果进行GIA改正。

温盐度数据是由日本气象局提供的Ishii温盐度数据,该数据主要基于WOA05(world ocean atlas 2005)、WOD09(world ocean datebase 2005)、IRD (L’institut derecherche pour le development,France,ds279.1) 热带太平洋温盐度数据和COBE (centennial in situ obervation based estimates) 海表面温度构建而成,近年来,该数据又根据WOD09、GTSPP和GADC Argo浮标数据进行了更新,Ishii温盐度数据时间长度为1945—2012年,空间分辨率为1°×1°,包含海表面以下0~1 500 m数据,全球覆盖[18]。本文采用其最新版本V6.13数据,时间段为1993—2012年 (http://rda.ucar.edu/datasets/ds285.3/)。

本文采用的GRACE重力场数据来源于美国德克萨斯大学空间研究中心 (CSR, Center for Space Research, University of Texas at Austin) 提供的2003—2014年6月份共129个月的GRACE level-2(Release 05,RL05) 月重力场模型数据GSM,该数据为60阶正则化球谐系数。对GRACE数据进行处理时,本文用卫星激光测距 (SLR) 得到的结果来替换GRACE数据中的C20项[19],采用Cheng等[20]地心改正模型对一阶项进行改正,采用Swenson方法[21]对每月的GRACE球谐系数进行去相关滤波,并使用500 km高斯平滑降低高阶噪声的影响[7]。为了与经过反气压计改正的卫星测高数据相匹配,我们将GRACE数据加回GAD海洋大气模型,并扣除大气质量在海洋上月平均的时变[4, 22-23]。最后,与卫星测高一样,本文同样采用Geruo[17]GIA模型对GRACE结果进行GIA改正。

3 结果和讨论 3.1 各海域海平面变化

海平面变化的主要影响因素有两方面:海水质量变化和比容海平面变化。卫星测高得到的结果为整体的海平面变化,GRACE卫星重力观测得到的是海水质量变化,Ishii温盐度资料观测得到比容海平面变化。在不考虑数据缺陷导致的误差的前提下,“GRACE + Ishii”理论上应该等于测高的结果。

我们将测高数据进行GIA改正,然后将研究区域的测高数据进行加权平均得出该区域的时间序列。然后将时间序列进行最小二乘拟合,拟合公式为

$ \begin{array}{l} y = a + bx + c{\rm{cos}}\left( {\frac{{2\pi }}{{{T_1}}}\left( {x-{\varphi _1}} \right)} \right) + \\ \;\;\;\;\;d{\rm{cos}}\left( {\frac{{2\pi }}{{{T_2}}}(x-{\varphi _2})} \right) + \varepsilon, \end{array} $ (3-1)

式中:a为常数项;b为趋势项;cd为年振幅及半年振幅;T1T2代表年周期及半年周期;φ1φ2为年及半年相位,ε代表残差。首先研究中国近海各个区域1993—2014年4月的整体的海平面变化,各个区域海平面都呈现增加的趋势,渤海 (3.14±0.43) mm/a,黄海 (2.63±0.41) mm/a,东海 (2.43±0.25) mm/a,南海 (4.72±0.24) mm/a,其中南海海平面增加的速度要大于近年来全球平均海平面约3 mm/a上升的速度[24]。刘雪源等[25]利用1992—2007年卫星高度计资料得到渤海及黄海海平面上升速度分别为3.28 mm/a和2.48 mm/a,与本文的结果一致。中国近海各个区域海平面变化的周年振幅分别约为:渤海12.35 cm,黄海9.75 cm,东海9.16 cm,南海4.03 cm。周年相位分别约为:渤海8月,黄海9月,东海9月,南海10月。可以看出:随纬度增加周年振幅逐渐变大,周年相位逐渐减小。

为了便于分析3种数据的结果,考虑到GRACE和Ishii数据的时间跨度限制,我们选取2003—2012年的数据。GRACE的结果等于GSM和GAD之和去陆地泄露信号的影响。我们首先使用2013年Chen等[11]的方法恢复陆地真实信号,然后计算500 km平滑后的泄露信号。中国近海各个区域海平面变化趋势情况如表 1,各个区域海平面都呈增加趋势,南海增加速度最快,渤海海平面增加速度最小。渤海、黄海和东海比容海平面未呈现出明显地增加或减少的趋势,而南海区域比容海平面则呈现出增加的趋势。各个区域海水质量都呈现出增加的趋势。

表 1 2003—2012年中国近海各个区域海平面变化趋势 Table 1 Sea level change trends of China adjacent seas from 2003 to 2012

表 1可以看出,各个海域海平面的变化的长趋势并不能由质量变化和比容变化很好地解释,尤其在南海区域。但是在年周期变化的振幅和相位上符合得很好 (见下文分析)。这3组数据中,测高数据融合了多颗卫星的数据,并且在水陆分界处做了较好的处理,所以结果可信度较高。由于GRACE分辨率较低,而且使用的GRACE数据为60阶的球谐系数,处理过程中还会进行平滑处理以降低噪声的影响,因此GRACE结果会受到截断误差和信号泄露的影响。然而目前还没有完全分离陆地和海洋信号的办法,而且各个海域的面积比较小,尤其是渤海,信号泄露的影响更为严重,所以GRACE的结果相对于测高要差一些。Ishii数据存在采样点的覆盖范围和覆盖密度问题,而且是融合几种数据的再分析数据,因此在局部区域可靠性也不能保证。综合上述因素,GRACE和Ishii之和与测高存在一定差异也是正常的。但是还是可以得出:2003—2012年海水质量增加是导致渤海、黄海和东海海平面升高的主要因素。然而在南海海水质量变化和比容海平面变化基本差不多,两种结果之和与测高结果相差比较大。南海的面积相对大一点,GRACE结果可靠一点,所以应该是Ishii数据在南海更差一些。冯伟[26]利用ECCO数据和Ishii数据研究2003—2011年南海的比容海平面变化,两种数据相差较大,ECCO数据和GRACE结果能够更好地解释测高结果。我们也利用2003—2012年南海的ECCO数据计算比容海平面变化为 (8.3±0.63) mm/a,吻合得很好。东海的ECCO结果为 (-0.28±0.3) mm/a,和Ishii的结果基本一致。由于ECCO数据空间分布的限制,只能得到南海和东海的比容海平面变化。我们通过两种温盐数据的比较和测高与GRACE的结果推测Ishii数据在南海精度较低。由此可以得出2003—2012年南海比容海平面变化是导致南海海平面变化的主要因素。

3.2 3种结果之间的相关性

本文利用2003—2012年3种数据得到的结果计算它们的相关性,然后讨论影响中国近海海平面变化的主要因素。表 2为中国近海各个区域3种不同观测结果年振幅和年相位情况。表 3为2003—2012年流入中国近海的河流年径流量变化的趋势,数据来源于中华人民共和国水利部 (http://www.mwr.gov.cn/zwzc/hygb/zghlnsgb/)。

表 2 3种不同观测结果的年振幅和年相位 Table 2 Annual amplitudes and annual phases in the three results

表 3 中国河流的年径流量变化趋势 Table 3 Change trends of annual runoffs of China's rivers
3.2.1 渤海

渤海结果显示在图 2。渤海区域测高与GRACE+Ishii结果之间相关性为0.97,Ishii与测高-GRACE结果之间相关性为0.84,GRACE与测高-Ishii结果之间相关性为0.95,由表 2可以看出该区域测高与GRACE+Ishii、Ishii与测高-GRACE、GRACE与测高-Ishii结果相位表现出很好的一致性,各种结果的周年相位都约在8月份。由于观测结果中总是夹杂着误差和采样时间的不同,几种结果组合的周年振幅并不能很好地吻合。因而导致渤海区域年振幅结果存在着一定的差异。渤海区域海水质量变化的振幅要大于比容海平面变化振幅,海水质量变化是导致该区域海平面季节性变化的主要因素。渤海位于北温带,冬无严寒,夏无酷暑,多年气温相对比较稳定。而且渤海相对封闭,平均水深只有18 m。辽河、滦河、海河、黄河等河流流入渤海,带来淡水,同时带来大量的泥沙。中国近海与整个大洋是联在一起的,河流带来的水大部分流入大洋中,相对于全球来说河流的水对中国近海海平面影响较小, 而且由表 3看出河流的年径流量变化相对于其总量也比较小。在最近十几年,全球海平面的增长主要是由于冰川和两极冰盖的融化造成的[13]。全球海水质量增加必定导致整体海平面上升。因此,从测高和Ishii的结果及GRACE的结果都可以得出:渤海海平面变化的长期趋势来看海水质量增加占主要地位。

Download:

图 2 渤海区域3种数据的时间序列及其与它们组合的相互比较

Fig. 2 Time series of three kinds of data in Bohai and the comparison with their combinations
3.2.2 黄海

黄海结果显示在图 3。黄海区域测高与GRACE+Ishii结果之间相关性为0.96,Ishii与测高-GRACE结果之间相关性为0.88,GRACE与测高-Ishii结果之间相关性为0.83,另外该区域测高与GRACE+Ishii、Ishii与测高-GRACE、GRACE与测高-Ishii的周年振幅和周年相位结果很相似,各种结果的周年相位都约在9月份。黄海区域比容海平面变化振幅要大于海水质量变化振幅,比容变化是导致该区域海平面季节性变化的主要因素。黄海是一个近似南北向的半封闭浅海。淮河、鸭绿江、大同江、汉江等主要河流注入黄海。这些河流带来的水对海平面的影响非常小,而且由表 3看出河流的年径流量变化相对于其总量也比较小。同样黄海也受到全球海水质量增加的影响。因而从表 1中黄海海平面变化的长期趋势来看海水质量增加占主要的地位。泥沙沉积可能会影响GRACE的结果,而且泥沙的密度大于水的密度。从黄河进入渤海的泥沙沿着山东半岛进入南黄海靠近山东半岛的部分,沉积形成水下三角洲[27]。注入黄海的朝鲜半岛的河流也会携带较多的泥沙,在附近形成沉积[28]。这一部分影响没有办法从GRACE的结果中去除,影响的大小也没有做过定量的估计。

Download:

图 3 黄海区域3种数据的时间序列及其与它们组合的相互比较

Fig. 3 Time series of three kinds of data in the Yellow Sea and the comparison with their combinations
3.2.3 东海

东海结果显示在图 4。东海区域测高与GRACE+Ishii结果之间相关性为0.97,Ishii与测高-GRACE结果之间相关性为0.95,GRACE与测高-Ishii结果之间相关性为0.58,该区域测高与GRACE+Ishii、Ishii与测高-GRACE、GRACE与测高-Ishii结果的周年振幅呈现出很好的一致性,但GRACE与测高-Ishii的周年相位符合得不太好。与黄海区域类似,东海区域比容海平面变化振幅要大于海水质量变化振幅,因而比容变化是导致该区域海平面季节性变化的主要因素。长江、钱塘江、瓯江、闽江等4大水系为注入东海的主要江河,大量的淡水流入东海。河流带来的水流向海洋,对海平面的影响非常小,而且由表 3看出河流的年径流量变化相对于其总量较小。同时,河水中也带有大量的泥沙,在长江入海口的南部形成沉积。Liu等[29]利用2002年3月—2015年的GRACE数据计算东海内部大陆架的沉积质量的积累变化率为6 mm/a (等效水柱高)。因此,泥沙沉积质量的积累对GRACE结果会产生一定影响,影响大小还需要进一步的研究。

Download:

图 4 东海区域3种数据的时间序列及其与它们组合的相互比较

Fig. 4 Time series of three kinds of data in the East China Sea and the comparison with their combinations
3.2.4 南海

南海结果显示在图 5。南海区域测高与GRACE+Ishii结果之间相关性为0.76,Ishii与测高-GRACE结果之间相关性为0.6,GRACE与测高-Ishii结果之间相关性为0.66,该区域测高与GRACE+Ishii、Ishii与测高-GRACE、GRACE与测高-Ishii结果的周年振幅结果符合得较好,周年相位都有将近一个月的相位差,南海区域海水质量变化振幅大于比容海平面变化振幅,且该区域海水质量变化的相位与比容海平面变化的相位大致相反,故而海水质量变化是导致该区域海平面季节性变化的主要因素。但是Ishii数据在南海的趋势符合得较差,所以得出的结果还有进一步的研究。流入南海的主要河流是珠江,由表 3可以看出珠江的年径流量的变化相对于其总量很小,而河流的水对南海海平面的贡献几乎为零。南海通过吕宋海峡与太平洋相连,所以南海海平面主要受太平洋的影响。

Download:

图 5 南海区域3种数据的时间序列及其与它们组合的相互比较

Fig. 5 Time series of three kinds of data in the South China Sea and the comparison with their combinations
3.3 年际变化

图 6为中国近海各个海域的海平面变化和SOI指数的时间序列,并且都已经进行了一年的滑动窗口平滑。每个子图的插入图内为滞后时间 (月) 变化引起的相关系数变化,峰值表示最佳滞后相关时间,各个子图中SOI也依照最佳相关时间做了延迟处理。浅蓝色时间区域为2000—2005年,在此时间段内4个海域海平面均为下降。中国近海各区域海平面除呈现出明显的季节性信号外,还表现出一定的年际变化。其中南海区域海平面年际变化特征最为明显:1993—2000年其呈现出 (9.45±0.83) mm/a的上升趋势,2001—2004年却呈现出 (-15.83±1.82) mm/a的下降趋势,2005—2014年4月又呈现出 (9.04±0.75) mm/a的迅速上升趋势,本文南海区域海平面年际变化趋势的结果与冯伟等[4]结果相似。

Download:

图 6 海平面变化 (实线) 与南方涛动指数 (虚线) 的时间序列

Fig. 6 Time series of sea level change and SOI

与卫星测高结果相似,南海区域比容海平面年际变化特征也十分明显,其在相应时间段也出现“升-降-升”的波动,即1993—2000年趋势为 (6.98±0.08) mm/a,2001—2004年趋势为 (-6.26±1.84) mm/a,2005—2012年趋势为 (1.56±0.9) mm/a。已有研究表明,南海区域的海平面所表现出的这种年际变化特征与ENSO事件相关[4, 14, 30]

ENSO事件发生在赤道附近,因此对南海影响最为明显,相关讨论也最丰富。对于中国其他3个海域与ENSO事件的相关性,以及ENSO对中国近海4个海域的影响差异,讨论还很少。ENSO的强弱可以通过南方涛动指数 (SOI, southern oscillation index) 衡量。海平面对ENSO的响应有一定的延迟性,我们通过按月延迟SOI计算与海平面变化的相关系数变化,得到结果见图 6子图内的小图。峰值即为最佳延迟时间。我们发现ENSO对中国近海域的影响有一个很明显的由南向北的延迟增大,即在南海延迟时间为4个月,东海为15个月 (附近6个月峰值变化都很平缓),黄海为18个月,渤海为20个月。东海、黄海和渤海的相关系数比较小,峰值一般在0.4附近,虽然均超过99%的信度检验,但是在1998年等ENSO显著年,海平面变化与SOI指数符合得并不好,因此以后还需做进一步的研究。南海的相关性的峰值可达到0.6。

2000—2005年,中国近海海平面的波动比全球平均海平面变化更为剧烈,均出现较大幅度下降趋势 (图 6中灰色区域)。对于东海和黄海,这个下降趋势持续到2010年。

4 结论

本文联合卫星测高、卫星重力及温盐度数据对中国近海各个区域海平面变化及其规律进行研究,其结果表明:

1) 1993—2014年4月卫星测高的结果表明,中国近海各个区域海平面呈上升趋势,上升速度各不相同,中国近海各个区域海平面均呈现出明显的季节和年际变化。

2) 由2003—2012年各区域海平面变化趋势看,渤海、黄海及东海的海水质量变化占主要地位,南海比容海平面变化占主要地位。3种结果之间具有一定的相关性。

3) 4个海域的海平面变化均和ENSO有一定的关系,具体的影响机制还需要以后进一步的研究。

参考文献
[1] Stocker T F, Qin D, Plattner G K, et al. IPCC, climate change 2013: the physical science basis. Contribution of working group Ⅰ to the fifth assessment[M]. Cambridge: Cambridge University Press, 2013.
[2] Cazenave A, Cabanes C, Dominh K, et al. Present-day sea level change: observations and Causes[J]. Space Science Reviews, 2003, 1(108):131–144.
[3] Church J A, White N J. Sea-level rise from the late 19th to the early 21st century[J]. Surveys in Geophysics, 2011, 32(4/5):585–602.
[4] 冯伟, 钟敏, 许厚泽. 联合卫星重力, 卫星测高和海洋资料研究中国南海海平面变化[J]. 中国科学:地球科学, 2012, 42(3):313–319.
[5] Fu L L, Cazanave A. Satellite altimetry and earth science: a handbook of techniques and applications[M]. Academic Press, 2000.
[6] Tapley B D, Bettadpur S, Watkins M, et al. The gravity recovery and climate experiment: mission overview and early results[J]. Geophysical Research Letters, 2004, 31(9):L09607. DOI:10.1029/2004GL019920
[7] Wahr J, Molenaar M, Bryan F. Time variability of the Earth's gravity field: hydrological and oceanic effects and their possible detection using GRACE[J]. Journal of Geophysical Research: Solid Earth, 1998, 103(B12):30205–30229. DOI:10.1029/98JB02844
[8] Lelin X, Hui L, Songbai X, et al. Long-term gravity changes in Chinese mainland from GRACE and ground-based gravity measurements[J]. Geodesy and Geodynamics, 2011, 2(3):61–70. DOI:10.3724/SP.J.1246.2011.00061.1
[9] Zou Z, Li H, Luo Z, et al. Seasonal gravity changes estimated from GRACE data[J]. Geodesy and Geodynamics, 2010, 1(1):57–63. DOI:10.3724/SP.J.1246.2010.00057
[10] Cazenave A, Chen J. Time-variable gravity from space and present-day mass redistribution in theEarth system[J]. Earth and Planetary Science Letters, 2010, 298(3):263–274.
[11] Chen J L, Wilson C R, Tapley B D. Contribution of ice sheet and mountain glacier melt to recent sea level rise[J]. Nature Geoscience, 2013, 6(7):549–552. DOI:10.1038/ngeo1829
[12] Cazenave A, Dominh K, Guinehut S, et al. Sea level budget over 2003-2008: a reevaluation from GRACE space gravimetry, satellite altimetry and Argo[J]. Global and Planetary Change, 2009, 65(1):83–88.
[13] Yi S, Sun W, Heki K, et al. An increase in the rate of global mean sea level rise since 2010[J]. Geophysical Research Letters, 2015, 42(10):3998–4006. DOI:10.1002/2015GL063902
[14] Han G, Huang W. Low-frequency sea-level variability in the South China Sea and its relationship to ENSO[J]. Theoretical and Applied Climatology, 2009, 97(1/2):41–52.
[15] 詹金刚, 王勇, 程永寿. 中国近海海平面变化特征分析[J]. 地球物理学报, 2009, 52(7):57–65.
[16] 荣增瑞, 刘玉光, 陈满春, 等. 全球和南海海平面变化及其与厄尔尼诺的关系[J]. 海洋通报 (中文版), 2008, 27(1):1–8.
[17] Geruo A, Wahr J, Zhong S. Computations of the viscoelastic response of a 3-D compressible Earth to surface loading: an application to glacial isostatic adjustment in Antarctica and Canada[J]. Geophysical Journal International, 2013, 192(2):557–572. DOI:10.1093/gji/ggs030
[18] Ishii M, Kimoto M, Sakamoto K, et al. Steric sea level changes estimated from historical ocean subsurface temperature and salinity analyses[J]. Journal of Oceanography, 2006, 62(2):155–170. DOI:10.1007/s10872-006-0041-y
[19] Cheng M, Ries J C, Tapley B D. Variations of the Earth's figure axis from satellite laser ranging and GRACE[J]. Journal of Geophysical Research (Solid Earth), 2011, 116(B1):B01409. DOI:10.1029/2010JB000850
[20] Altamimi Z, Collilieux X. Reference frames for applications in geosciences[M]. Springer Berlin Heidelberg, 2013: 19-25.
[21] Swenson S, Wahr J. Post-processing removal of correlated errors in GRACE data[J]. Geophys Res Lett, 2006, 33(8):L08402. DOI:10.1029/2005GL025285
[22] Willis J K, Chambers D P, Nerem R S. Assessing the globally averaged sea level budget on seasonal to interannual timescales[J]. Journal of Geophysical Research (Oceans), 2008, 113(C6):C06015. DOI:10.1029/2007JC004517
[23] Kuo C Y, Shum C K, Guo J, et al. Southern Ocean mass variation studies using GRACE and satellite altimetry[J]. Earth, Planets and Space, 2008, 60(5):477–485. DOI:10.1186/BF03352814
[24] Nerem R S, Chambers D P, Choe C, et al. Estimating mean sea level change from the TOPEX and Jason altimeter missions[J]. Marine Geodesy, 2010, 33(S1):435–446.
[25] 刘雪源, 刘玉光, 郭琳, 等. 渤黄海海平面的变化及其与ENSO的关系[J]. 海洋通报 (中文版), 2009, 28(5):34–42.
[26] 冯伟. 区域陆地水与海平面变化的卫星重力监测研究[D]. 武汉: 中国科学院测量与地球物理研究所. 2013.
[27] Yang Z S, Liu J P. A unique Yellow River-derived distal subaqueous delta in the Yellow Sea[J]. Marine Geology, 2007, 240(1):169–176.
[28] Lim D I, Choi J Y, Jung H S, et al. Recent sediment accumulation and origin of shelf mud deposits in the Yellow and East China Seas[J]. Progress in Oceanography, 2007, 73(2):145–159. DOI:10.1016/j.pocean.2007.02.004
[29] Liu Y C, Hwang C, Han J, et al. Sediment-mass accumulation rate and variability in the east China sea detected by GRACE[J]. Remote Sensing, 2016, 8(9):777.
[30] Peng D, Palanisamy H, Cazenave A, et al. Interannual sea level variations in the South China Sea over 1950-2009[J]. Marine Geodesy, 2013, 36(2):164–182. DOI:10.1080/01490419.2013.771595