2015, Vol. 58
2. 山东科技大学 矿山灾害预防控制省部共建国家重点实验室培育基地, 青岛 266590;
3. 河南理工大学 测绘与国土信息工程学院, 焦作 454003;
4. 台湾交通大学 土木工程学系, 新竹 30010;
5. 福州大学 环境与资源学院, 福州 350108
2. State Key Laboratory of Mining Disaster Prevention and Control Co-founded by Shandong Province and Ministry of Science & Technology, Shandong University of Science and Technology, Qingdao 266590, China;
3. School of Surveying and Land Information Engineering, Henan Polytechnic University, Jiaozuo 454003, China;
4. Department of Civil Engineering, National Chiao Tung University, Hsinchu 30010, Taiwan, China;
5. College of Environment and Resources, Fuzhou University, Fuzhou 350108, China
China seas located in the western Pacific Ocean are selected as the study area. T/P MGDR data of 11 to 364 cycles span January 1993 to August 2002. Jason-1 GDR data of 1 to 259 cycles span January 2002 to January 2009. Jason-2 GDR data of 1 to 165 cycles span July 2008 to December 2012. Southern oscillation index (SOI) time series span January 1993 to December 2012. Altimetry data in the tandem stages are used to calibrate biases of sea level anomalies (SLAs) from T/P, Jason-1 and Jason-2 point by point. The spatial distribution of China seas' level change is studied with the continuous tension spline method. Temporal variations of China seas' level are analyzed with the linear fitting method and the wavelet analysis. Relationships between the El Nio-Southern Oscillation (ENSO) and sea level changes of the South China Sea and the East China Sea are studied with the correlation analysis.
By unifying altimetry data point by point in tandem stages, the mean differences of sea level heights for Jason-1 vs T/P and Jason-2 vs Jason-1 are 0.21 cm and 0.03 cm, respectively. SLA time series are constructed after corrections of sea level biases from 1993 to 2012. In general, the mean SLA is positive over China seas. SLAs are higher in the south than those in the north, and lower in the west than those in the east. SLAs are negative over the western Bohai Sea, the northern Yellow Sea, the northern Taiwan Strait and the North Bay. SLAs rise with the increasing longitude and decrease with the growing latitude. This spatial distribution of SLAs over China seas is related to the water flux, sea surface wind stress, oceanic dynamics, monsoon, Kuroshio and ENSO. The mean rising rate of sea level for the 20 years is 4.64 mm·a-1 over the whole study area. Sea levels are rising in the Bohai Sea, Yellow Sea, East China Sea and South China Sea with rising rates 4.44 mm·a-1, 2.37 mm·a-1, 3.02 mm·a-1 and 4.25 mm·a-1, respectively. The annual sea level variation is obvious in the study area. The sea level is higher in summer and autumn than in winter and spring. The main cycles of sea level change include one year and 9 years over the whole seas. There are also minor cycles of 0.5 years, 1.5 years, 2 years and 4 years. Cyclical changes of sea level are related to the geographical position, climate, oceanic dynamics and submarine topography. The correlation coefficients between SOIs and SLAs of the South China Sea and the East China Sea are 0.39 and 0.02, respectively. The correlation coefficient is 0.44 after the two-month delay for the South China Sea. The correlation coefficient is 0.17 after the four-month delay for the East China Sea. This indicates that the sea level change over the South China Sea may be largely affected by ENSO.
Altimetry data of T/P, Jason-1 and Jason-2 are processed to study the sea level change over China seas from 1993 to 2012. We used the altimetry data in tandem stages to calibrate the sea level biases of these three missions to achieve the seamless SLAs point by point. The spatial distribution of sea level change is given with the continuous tension spline method. The sea level is generally rising at the mean rate of 4.64 mm·a-1 over China seas in these 20 years. The sea level variations change with different seas and seasons. The mean rising rates are 4.44 mm·a-1, 2.34 mm·a-1, 3.02 mm·a-1 and 4.25 mm·a-1 over Bohai Sea, Yellow Sea, East China Sea and South China Sea, respectively. Temporal-spatial change of sea level over the study area is related to oceanic dynamics, submarine topography, monsoon, Kuroshio and ENSO. The main cycles of sea level change are one year and 9 years as derived from the wavelet analysis. El Nio and La Nia events make stronger effects on sea level variations over the South China Sea than the other seas.
在全球变化背景下，海平面变化作为一种自然灾害引起了全球高度关注.根据IPCC在2013年公布的第五次评估报告，1993—2010年期间全球海平面上升速率达到了2.8~3.6 mm·a-1(Church et al.，2013)，大于1901—2010年的平均上升速率1.5~1.9 mm·a-1，这表明近年全球海面上升正在加速.海平面变化是全球气候变化的结果，也是表征全球气候变化的重要指标(Church et al.，2001).我国是个海洋大国，东部沿海地区集中了我国超过一半的人口和大部分大城市，是我国政治、经济和文化最发达的地区，海平面上升势必会对这些地区的社会经济发展产生重要影响.
海平面及其变化主要采用验潮数据和卫星测高资料开展研究.验潮资料具有精度高、时间长的优点，验潮提供了历史海平面变化研究的主要数据(Douglas，2001; Woodworth and Player，2003)，认为20世纪全球海平面上升速率为1.5~2.0 mm·a-1(Douglas，1997; Miller and Douglas，2004; Church and White，2006; Holgate，2007).徐起浩等(2000)分析了华南沿海25个验潮站近40年的观测资料，认为华南海域近几十年来的海平面上升速率为1.45 mm·a-1.文援兰和杨元喜(2001)分析了中国沿海42个验潮站资料，认为我国近海海平面在20世纪50年代至70年代的上升速率为0.62 mm·a-1.吴中鼎等(2003)分析了验潮资料，认为中国近海海域1950—1999年期间平均海平面变化速率为1.3 mm·a-1.由于验潮站多位于陆地沿岸，分布不均匀，验潮资料得到的是海平面相对于陆地的变化，结果受到陆地沉降和近海地形的严重影响.因此单独利用验潮资料进行海平面变化的研究无法得到绝对海平面的变化，无法全面反映气候变化(Nerem and Mitchum，2002; Cazenave and Nerem，2004).
自20世纪70年代以来，随着卫星测高技术的不断成熟，卫星测高数据以其高空间覆盖度、高测量精度、全天候等特点成为研究海平面变化的重要数据源(Fu and Cazenave，2001; Feng et al.，2012).20世纪90年代主要是利用TOPEX/Poseidon(T/P)测高资料研究全球海平面的变化特征(Nerem，1995; Nerem et al.，1997).董晓军和黄珹(2000)利用1993—1999年的T/P测高数据计算了全球海平面的变化，变化速率为2.0 mm·a-1，并成功监测到了1997年的厄尔尼诺事件.李建成等(2000)联合多种卫星测高数据计算了全球和中国近海海平面变化.Leuliette等(2004)分析了1993—2003年间的T/P和Jason-1卫星测高数据，得出全球平均海平面上升速率为2.8 mm·a-1.在利用T/P资料分析1993—2003年间海平面变化趋势的空间分布时，Cazenave和Nerem(2004)指出海平面变化具有显著的区域特征，由T/P和Jason-1确定的1993—2003年的全球海平面上升速率为3.1 mm·a-1.李大炜等(2012)利用多代卫星测高资料研究了1993—2011年全球海平面变化，认为全球平均海平面以3.12 mm·a-1的速率上升.这些研究主要针对全球海平面变化，所利用数据时间跨度较短，卫星测高监测的短期海平面变化会受到海平面十年变化规律的影响(Cazenave and Nerem，2004; Jin et al.，2012)，需要利用高精度长时间的多个卫星测高观测研究海平面绝对变化.
T/P及其后续卫星Jason-1、Jason-2为研究海平面变化提供了连续20多年的数据，为我们研究区域海平面的时空变化提供了可能.本文利用T/P、Jason-1和Jason-2三颗卫星1993年至2012年20年的连续观测，研究中国海及西太平洋的海平面变化规律以及空间分布特征.
2 研究海域和测高数据本文研究海域包括中国海(渤海、黄海、东海、南海)和西太平洋(3°N—40°N，105°E—130°E)，如图 1所示.渤海是一个近似封闭的内海，地处中国大陆东部最北端(117.5°E—122°E，37°N—41°N)，平均水深18 m，最大水深85 m.黄海是太平洋西部的一个边缘海，位于中国大陆与朝鲜半岛之间(122°E—127°E，37°N—40°N以及119°E—127°E，31°N—37°N).黄海平均水深44 m，最深为140 m.东海位于南海和黄海之间(117°E—130°E，23°N—31°N)，东临太平洋，平均水深在1000余米，多为水深200 m以内的大陆架，最深约为2700 m.南海是位于中国南方的陆缘海(105°E—120°E，3°N—23°N)，也是中国最深的海区，平均水深约1212 m，中部深海平原中最深处达5567 m.
 | 图 1 研究海域和测高卫星地面轨迹 Fig. 1 Studied seas and ground tracks of three altimetry satellites |
1992年执行的T/P开启了精确卫星测高时代(Tapley et al.，1994).随着Jason-1和Jason-2任务的顺利执行，可以得到20余年的无缝衔接的精确测高数据，以10天的间隔计算平均海平面.本文使用T/P、Jason-1和Jason-2的测高数据研究中国海及西太平洋的海平面时空变化.采用了T/P卫星第11-364周期“C”版本MGDR数据(1993年1月到2002年8月)，Jason-1卫星第1-259周期“C”版本的GDR数据(2002年1月至2009年1月)，Jason-2卫星第1-165周期“D”版本GDR数据(2008年7月至2012年12月).3颗卫星观测时间跨度为1993—2012年，共计20年的数据，卫星轨迹地面分布如图 1所示.
对这三颗卫星的测高数据首先进行预处理，剔除一些不能或者不推荐使用的数据，从而保证计算结果的准确性和可靠性.然后对数据进行包括对流层改正、电离层改正、海潮及海洋负荷潮改正、固体潮改正、极潮改正、逆气压改正以及海况偏差改正等在内的各项地球物理改正(Guo et al.，2010; 郭金运等，2010)，计算各轨迹点处的海面高异常值(Chelton et al.，2001).三颗卫星数据所采用的编辑准则和各项地球物理改正模型以及平均海面高模型见文献(AVISO/Altimetry，1996; AVISO and PODAAC，2012; Dumont et al.，2011).
这三颗测高卫星属于重复轨道卫星，由于轨道摄动影响，实际的卫星地面轨迹并不是完全重合的，而是非常接近的平行弧段，相邻轨迹间距约在1 km内(Fu and Cazenave，2001).共线处理就是以一定的规则选定一条轨迹作为参考轨迹，确定其他轨迹上相对于此参考轨迹相同纬度点的经度和海面高(郭金运等，2013).本文选择T/P卫星观测数据量最多的轨迹为参考轨迹(如图 1所示)，将T/P、Jason-1和Jason-2每个周期的观测量统一到此参考轨迹中.
根据卫星测高工作模式，卫星观测一般是等时间间隔的.在利用卫星测高数据计算区域海平面变化时，由于卫星星下点在沿轨方向上空间分布的不均匀性，因而需要对不同纬度的观测值赋予适当的权(Wang and Rapp，1994; 董晓军和黄珹，2000)，即
式中，φ为纬度，i表示卫星的轨道倾角，三颗测高卫星的轨道倾角为66°.研究海域的平均海面高异常为
式中，h(φ，λ)表示海面高异常，λ为经度.
3 T/P、Jason-1和Jason-2确定的海面高无缝衔接虽然三颗卫星是同一系列的卫星，拥有相同的轨道参数，由于系统偏差的存在，三颗卫星测得的海面高并不完全相同(Beckley et al.，2004，2010).利用T/P和Jason-1卫星在2002年1月至2002年8月伴飞期间的21个周期数据，以及Jason-2和Jason-1卫星在2008年7月至2009年1月伴飞期间20个周期的数据，逐点校正Jason-1卫星与T/P卫星之间以及Jason-2卫星与Jason-1卫星确定的海面高异常之间偏差(Guo et al.，2015).
利用T/P卫星与Jason-1卫星同轨道伴飞的21个周期，先通过共线处理将数据归算到参考轨道(郭金运等，2013)，然后计算每个周期各参考点上Jason-1卫星与T/P卫星经过各项地球物理改正之后的海面高异常值之差，进而计算各参考点21个周期的平均差值，然后利用连续张力样条法(Smith and Wessel，1990)进行格网化，得到研究海域Jason-1与T/P确定的海面高异常的差异分布，如图 2a所示.同理，利用Jason-2卫星与Jason-1卫星同轨伴飞的20个周期，也可以得到各参考点上Jason-2卫星与Jason-1卫星经过各项地球物理改正之后的海面高异常之差，如图 2b所示.从图 2中可以看出，由T/P、Jason-1和Jason-2确定的海面高异常差异在各个点上都不一样，并不是一个常数，其差异包含了测量误差和地球物理环境改正误差的共同影响.
 | 图 2 Jason-1与T/P(a)及Jason-2与Jason-1(b)同步段SLA平均差异 Fig. 2 Mean SLA differences in tandem stages: (a) between Jason-1 and T/P, and (b) Jason-2 and Jason-1 |
图 3和图 4分别给出了同轨伴飞期间T/P和Jason-1、Jason-1与Jason-2在研究海域的平均海面高异常差异情况.在数据统一之前，Jason-1与T/P确定的21个周期海面高异常平均差值为9.72 cm；经过统一之后，平均差值降为0.21 cm.在数据统一之前，Jason-2与Jason-1确定的20个周期的海面高平均差值为-11.03 cm；经过数据统一后，两颗卫星的平均差值降低为0.03 cm.经过逐点校正三颗卫星确定的SLA系统偏差，建立了一个基于Jason-1卫星的统一海面高异常变化时间序列.
 | 图 3 T/P与Jason-1同步段SLA平均差异 Fig. 3 Mean SLA differences from T/P and Jason-1 in tandem stages |
 | 图 4 Jason-2卫星与Jason-1卫星同步段SLA平均差异 Fig. 4 Mean SLA differences from Jason-2 and Jason-1 in tandem stages |
利用原始数据和经过上述逐点数据统一之后的数据，分别计算研究海域在卫星同轨伴飞阶段Jason-1与T/P之间、Jason-2与Jason-1之间逐点SLA之差，进而求得同轨运行阶段差值的平均值，统计结果见表 1.
|
表 1 伴飞阶段SLA差异统计结果(单位：cm) Table 1 Statistics of SLAs in tandem stages (unit in cm) |
由图 2和表 1可以发现，在不同海域，三颗测高卫星确定的SLA之间的偏差并不相同，存在着较大的差异.如果单纯使用整个研究海域的偏差平均值对测高数据进行统一，势必会对后续SLA时间序列的计算和分析引入系统误差.因而本文所得的时间序列，均是采用图 2所得的逐点偏差值对相应的测高数据进行改正而建立起来的连续时间序列.图 5给出了研究海域平均SLA时间序列.
 | 图 5 偏差改正后的平均SLA序列 Fig. 5 Mean SLA time series after bias corrections |
对研究海域1993—2012年的逐点SLA数据求取时间平均，采用连续张力样条法(Smith and Wessel，1990)进行格网化，得到逐点平均SLA的地理空间分布，如图 6所示.从图 6中可以看出，总体上研究海域平均SLA为正，空间分布上表现为南高北低的状况.渤海西部、黄海北部、江苏中南部沿海、台湾海峡北部以及北部湾北部地区表现为负的SLA.
 | 图 6 1993—2012年平均SLA空间分布 Fig. 6 Spatial distribution of mean SLA from 1993 to 2012 |
对平均SLA随经纬度变化的情况进行研究，分别进行二次多项式拟合，如图 7所示.研究海域的平均SLA呈现出南高北低、东高西低的分布状况.随着经度的增加，SLA呈上升趋势，但是在102°E，108°E以及121°E三个经度上出现异常下降.结合图 6可以发现，102°E经线上的马六甲海峡地区、108°E经线上的北部湾广西沿海地区以及121°E经线上的台湾海峡北部地区为三个明显的SLA呈负值的地区，正是这三个区域造成相应经度上的平均SLA较低.随着纬度增加，海平面呈下降趋势，其中
 | 图 7 平均SLA随(a)经度和(b)纬度的变化情况 Fig. 7 Variations of mean SLA with respective to (a) longitude and (b) latitude |
在20°N—25°N以及36°N—38°N两个区域平均SLA变化剧烈.结合图 6发现，在20°N—25°N区域内，既包括了北部湾北部和台湾海峡北部两个平均SLA为负的地区，又包括台湾海峡南部和台湾东部两个平均SLA较高的海域.这些区域受地转流和季风等的影响较大，其中在东海受黑潮影响较大，在南海受季风影响较大.在36°N—38°N区域内，包括了黄海中部的平均SLA较高地区和黄海北部平均SLA为负的地区，这两个区域受黄海暖流的影响较大.
为了研究年内平均SLA的空间分布特征，计算了20年中12个月的月均SLA空间分布，如图 8所示，各月SLA的分布有一定的规律可循.在渤海、黄海和东海，从3月开始海平面呈现逐渐上升的过程，并在10月份的时候达到最大值，且存在明显的从东南向西北方向演变的过程.从11月份开始，这一区域的海平面开始下降，并且显示了从西北向东南方向逐步下降的过程，一直到2月份降到最低点.在南海，从3月开始，从西南向东北方向，海平面开始逐渐上升，并在10月份的时候达到最大；随后从东北方向开始，海平面逐渐降低，在2月份的时候，SLA为负值的面积达到最大.由于每个月的气候情况都是不同的，因而海面高异常的空间分布也会各有不同.
 | 图 8 月均SLA空间分布 Fig. 8 Spatial distribution of monthly mean SLA |
12—2月份：渤海、黄海、东海以及南海的海平面不断下降，SLA为负的海域不断增加.渤海、黄海及东海海域呈现出海水从西北向东南撤离的趋势.这是由于在这一时期，受海陆热力性质差异的影响，蒙古高压和阿留申低压分别在大陆和海洋中形成，巨大的压力差使渤海、黄海及东海的海水自西北向东南方向移动.同时受西北季风的影响，海水向东南方向撤离.在台湾岛以东海域，由于黑潮的影响，始终保持较高的SLA值.在南海，受东北季风的影响，海水持续向西南方向流动，并在中南半岛南部形成SLA较高的海域.
3—5月份：渤海、黄海以及东海的SLA分布逐渐由负转正.这是因为这一时期蒙古高压逐渐减退北移，亚洲低压开始加强并逐渐影响我国沿海地区，使渤海、黄海以及东海的海平面逐渐升高.与此同时，黑潮的流量开始加强，并影响东海以及南海北部的海域，使其海平面上升.在南海，随着东北季风的不断减弱，海水呈现从西南向东北流动的趋势.
6—8月份：渤海、黄海、东海以及南海海平面持续上升.在渤海、黄海以及东海海域，这一时期盛行东南季风，再加上亚洲低压与北太平洋高压之间的压力差，都使海平面持续升高，并呈现出从东南到西北逐渐增高的过程.黑潮也达到一年中最强的时期，黑潮及其分支黄海暖流推动了南海北部、东海以及黄海的海平面的上升.同时，在这一时期，副热带高压脊线逐渐由20°N北上至跨过30°N，再加上南海夏季盛行的西南季风的共同作用，使得南海的SLA逐渐呈现出东北高西北低.
9—11月份：随着渤海、黄海以及东海海域的东南季风和南海海域的西南季风的逐渐减弱，四个海域的海平面表现为由夏季风向冬季风转变的趋势.这一时期黑潮流量也逐渐减少，对海平面变化的影响减弱.
总之，在渤海和黄海海域，冬春两季SLA为正值，夏秋两季SLA为负值，随季节变化明显，也说明其受气压、季风等气候因素的影响较大.在东海海域，SLA的变化情况表明，该海域海平面的变化主要受季风与黑潮的共同作用，随季风以及黑潮强度的变化而变化.通过分析发现，在南海北部海域，SLA的空间分布在冬、夏两季相反，这与同时期季风的风向和强弱变化是吻合的，表明这一海域的海平面变化与季风的变化密切相关.
对比已有的研究成果，王龙(2013)也得出海面风是南海以及黄渤海海平面季节内变化的影响因素之一.中国东海海平面变化主要受到淡水通量、海表风应力、ENSO、黑潮等的影响，其中黑潮作为北太平洋副热带环流的西边界流，对中国近海环流和海平面有着重要的影响(王国栋，2013).黑潮作为西太平洋的主要地转流，其强弱变化不仅控制着整个东海及其邻近海域的水文状况，而且还对海平面变化有着显著的影响(李艳芳，2012).刘秦玉等(2002)也指出，南海海平面季节变化是南海海洋环流季节变化的反应，局地风应力、浮力通量和黑潮都对南海北部海平面高度的季节变化产生着影响.本研究与这些研究均得到相似的研究成果，从而进一步证明了本研究结论的正确性.
5 海平面线性变化5.1 年均线性变化分析数据包括T/P卫星11-364cycle的数据、Jason-1卫星1-259cycle的数据以及Jason-2卫星1-165cycle的数据，时间跨度上涵盖了从1993年1月—2012年12月共20年的测高卫星数据.通过计算得到中国海域年均SLA变化序列(图 9)，对该序列进行线性拟合，得到20年的平均上升速率为4.64 mm·a-1.与李大炜等(2012)得到的全球海平面平均变化速率3.12 mm·a-1相比，研究海域的海平面上升速率要大于全球海平面的平均上升速率，与王龙(2013)利用AVISO提供的19年SLA计算的中国海海平面的上升速率(4.99 mm·a-1)接近.
 | 图 9 年均SLA随时间变化及其线性趋势 Fig. 9 Temporal variations of annual mean SLA and its trend |
对参考轨道上的每个轨迹点求取其变化速率，利用张性样条格网法插值得到海平面变化速率，如图 10所示.通过统计发现，研究海域的7200点中约92.6%(6667个点)的海平面呈上升趋势，只有7.3%的海域呈下降趋势(533个点).渤海、黄海、东海和南海均呈现上升趋势，平均上升速率分别为4.44 mm·a-1、2.37 mm·a-1、3.02 mm·a-1以及4.25 mm·a-1.
 | 图 10 年均海平面上升速率 Fig. 10 Annual mean sea level rising rate |
渤海海平面平均上升速率要大于黄海的平均上升速率.黄海在辽宁东南部海区有一个明显的下降速率，在江苏中北部沿海海平面上升较快.东海总体呈现西高东低的分布形态，在长江入海口处有较快的上升速率，在台湾海峡存在一个明显的下降速率海域.南海总体上是东南高西北低的分布，在菲律宾群岛南部有一片上升速率较大的海域，是本研究海域内海平面上升速率最快的地区，在北部湾还存在一个明显的海平面下降速率.
5.2 海平面四季线性变化根据参考轨道上各点的SLA时间序列，计算出各轨迹点每个季度平均SLA，通过线性拟合得到20年中各轨迹点在四个季度的海平面平均升降速率，利用张性样条格网法插值得到研究海域四个季度海平面平均上升速率，如图 11所示.
 |
图 11 四个季度海平面平均上升速率 (a) 第一季度; (b) 第二季度; (c) 第三季度; (d) 第四季度. Fig. 11 Mean sea level rising rates for four seasons (a) First; (b) Second; (c) Third; (d) Fourth season. |
在第一季度(1—3月)，渤海和南海的海平面上升较快，上升最快的地区在菲律宾群岛的南部海域.在黄海部分海面有下降的速率.在第二季度(4—6月)，渤海和南海的大部分海域继续保持较快的上升速率，在长江入海口处的海域海面开始加速上升，北部湾出现了一个较明显的下降速率，上升最快的海域依然是菲律宾群岛的南部海域.
在第三、四两季度，季节上大致相当于北方的夏秋季节，受副热带高压影响，东南季风为黄海和东海输送了大量的水汽和热量，进而造成黄海和东海海平面的加速上升，东海在第四季度时海面上升达到最快.同时受黑潮的影响，台湾东部海面也上升.
综合来看，在20°N以南的大部分海域，海面始终保持较快增长速率，受季节因素影响较小.20°N以北海域，海面升降则受气候、洋流等因素的影响较大.
对图 11的逐点数据进行统计，得到研究海域20年间各季度的海平面平均升降速率，如表 2所示.
|
|
表 2 各季度海平面平均上升速率(单位：cm·a-1) Table 2 Mean sea level rising rates of each season (unit in cm·a-1) |
结合图 11和表 2可以看出，渤海在第一、第二季度海面上升速率较快，第三、四季度上升速率有所减缓.受副热带高压和黑潮的共同作用，黄海在第二季度上升速率最小，而东海从第一季度开始海面上升速率逐步加快.南海一直保持较快的海面上升速率，在第三季度上升最快.整个研究海域平均海面上升速率相对稳定，第二、三季度略高于第一、四季度.
5.3 海平面每月线性变化用上述处理方式，得到各个海区20年间12个月的月均SLA值，分别进行线性拟合，得到20年间研究海域每个月的平均升降速率，如表 3所示.
|
|
表 3 各月份海平面平均上升速率(单位：cm·a-1) Table 3 Mean sea level rising rates of each month (unit in cm·a-1) |
从表 3中可以看出，各海域在一年中绝大多数月份都处于海平面上升的状态.仅有渤海、黄海在4月份，东海在1月份出现了月均海平面下降的情况；渤海和东海的下降速率较小，分别是0.04 cm·a-1和0.07 cm·a-1；黄海下降的稍快，速率为0.16 cm·a-1.渤海在6月份月均海平面上升最快，速率为1.03 cm·a-1.
黄海在5月份时海平面升高最快，上升速率为0.51 cm·a-1.东海在2月份时月均海平面升高的最快，速率是0.68 cm·a-1.南海在8月份海平面升高的最快，上升速率为0.49 cm·a-1.
6 海平面周期变化对研究海域20年的SLA数据进行空间平均，得到20年平均SLA时间序列，然后对其进行小波分析(Guo et al.，2011)，以研究其周期性变化特征，如图 12所示.
 |
图 12 SLA时间序列小波分析 (a) SLA时间序列; (b) 功率谱; (c) 全局小波谱. Fig. 12 Wavelet analysis of SLA time series (a) SLA time series; (b) Power spectrum; (c) Global wavelet spectrum. |
从图 12a中可以看出，研究海域海平面的周年变化明显，海平面夏秋高、冬春低.整体来看，海平面异常经历了以下几个阶段：从1993年到1996年的4年间，海平面处于平稳上升阶段.从1997年到1999年出现明显的海平面变化异常情况，这与1997年开始的厄尔尼诺以及之后的拉尼娜有巨大的关系，造成了1997年平均海平面的大幅下降，以及1998年到1999年海平面大幅上升.在经过1999年到2001年的3年的稳定阶段后，从2001年到2004年，海平面出现了下降的趋势.从2005年开始到2012年底，海平面又出现了上升过程，并且上升趋势有所增强.
从图 12b的谱分析结果和图 12c小波分析的结果可以明显看出，研究海域整体上存在1年和9年的两个主要周期项，同时还存在0.5年、1.5年、2年和4年等周期项.
不同海域、不同的位置、气候特征、海底地形条件等诸多因素造成了各海域海平面变化的周期性也有所不同.对渤海、黄海、东海及南海分别求取其SLA海平面异常时间序列，并进行小波分析，得到图 13—16的结果.
 |
图 13 渤海SLA时间序列小波分析 (a) SLA时间序列; (b) 功率谱; (c) 全局小波谱. Fig. 13 Wavelet analysis of SLA time series over Bohai Sea (a) SLA time series; (b) Power spectrum; (c) Global wavelet spectrum. |
 |
图 14 黄海SLA时间序列小波分析 (a) SLA时间序列; (b)功率谱; (c)全局小波谱. Fig. 14 Wavelet analysis of SLA time series over Yellow Sea (a) SLA time series; (b) Power spectrum; (c) Global wavelet spectrum. |
 |
图 15 东海SLA时间序列小波分析 (a) SLA时间序列; (b)功率谱; (c)全局小波谱. Fig. 15 Wavelet analysis of SLA time series over East China Sea (a) SLA time series; (b) Power spectrum; (c) Global wavelet spectrum. |
 |
图 16 南海SLA时间序列小波分析 (a) SLA时间序列; (b)功率谱; (c)全局小波谱. Fig. 16 Wavelet analysis of SLA time series over South China Sea (a) SLA time series; (b) Power spectrum; (c) Global wavelet spectrum. |
从图 13中可以看出，渤海SLA的振幅较大，这表明渤海一年内海平面变化幅度较大，这主要是因为渤海纬度较高，冬季与夏季气温变化显著.渤海海平面整体上表现为平稳上升状态，海平面在1997年至1999年期间变化异常不太显著.从功率谱和全局小波谱来看，渤海最显著的周期为1年，其余周期信号并不明显.
黄海与渤海类似，但SLA振幅没有渤海大，海平面在1997年至1999年期间变化没有太大异常，这表明黄海和渤海虽然会受到厄尔尼诺及拉尼娜的影响，但其影响相对较小.在这20年间，黄海海平面平稳上升且上升速率较小.从周期上来看，与渤海相似，黄海海平面变化主要周期为1年，其余周期项不显著.黄海海平面的变化主要呈现年内的季节性变化，夏秋季海面较高，冬春季海面较低.
从图 15中可以看出，在这20年间，东海海平面变化呈稳步上升的状态，SLA振幅较黄海继续减小.东海海平面变化主要周期是1年，其他周期不显著.
南海海平面的变化整体呈上升趋势，在1997年至1999年期间，海平面变化出现明显异常，表明1997年的厄尔尼诺及之后的拉尼娜对南海海平面的变化有较大影响.从2001年末到2005年期间，南海海平面出现了一次下降的过程.从2006年至2012年，海平面加速上升.南海海平面变化存在1年和9年的两个显著周期信号.
对比渤海、黄海、东海和南海四个海域的海平面异常的变化过程可以看出，各海域的SLA振幅在南海最小.随纬度的增大，SLA振幅逐渐加大，渤海海平面变化振幅最大.周年信号的强度从北向南依次减小，但各海域最明显的周期性信号均为周年信号，南海还有明显的9年周期，其他周期具有区域性.
7 南海和东海SLA与ENSO的相关性1997—1998年发生的厄尔尼诺-南方涛动(El Nio-Southern Oscillation，ENSO)引起全球海平面较大的震荡(White et al.，2001; 王慧等，2014).利用由T/P、Jason-1和Jason-2确定的东海和南海SLA序列与南方涛动指数(Southern Oscillation Index，SOI)进行相关性分析.SOI数据来自美国NCDC/NOAA(http://www.ncdc.noaa.gov/)，是用太平洋的塔西提岛与印度洋的达尔文岛海平面气压值之差来表示ENSO现象的活跃情况.本文使用的是SOI距平时间序列(1993年1月至2012年12月)，采样间隔为1个月.与SOI相比较的是南海和东海的卫星测高月均SLA时间序列(1993年1月至2012年12月)，采样间隔也是1个月.
图 17和图 18分别给出了南海和东海的SLA时间序列与SOI距平时间序列的对比.南海和东海两种数据的相关系数分别为0.39和0.02，这表明ENSO与南海海平面变化有一定的相关性，而与东海的海平面变化相关性较小.ENSO是全球性的气候事件，从其发生到对南海和东海造成影响会有一定的滞后性.因此，以SOI序列为基础对南海和东海的SLA序列顺延一定的时间间隔，然后再计算其相关系数.南海海平面变化与ENSO之间相关性较大，在延后2个月之后相关系数达到0.44.东海海平面变化与ENSO之间的相关性较小，在顺延4个月之后相关系数为0.17.
 | 图 17 南海SLA序列与SOI序列对比 Fig. 17 Comparison between SLA series over South China Sea and SOI series |
 | 图 18 东海SLA序列与SOI序列对比 Fig. 18 Comparison between SLA series over East China Sea and SOI series |
分别计算沿经度和纬度两个方向南海和东海SLA序列与SOI之间的相关系数，如图 19和图 20所示.从图 19中可以看出，在经度方向上，两种序列成正相关，相关系数在0.16至0.42之间，相关系数随经度增大有一个微小的上升趋势.从图 20可以发现，在纬度方向上，相关系数的范围在0.67至-0.02之间.随纬度增大，相关系数有明显的下降趋势，这表明ENSO对南海和东海的影响随纬度的增大而减小.
 | 图 19 SLA与SOI相关系数与经度的关系 Fig. 19 Correlation coefficient of SLA and SOI with respective to longitude |
 | 图 20 SLA与SOI相关系数与纬度的关系 Fig. 20 Correlation coefficient of SLA and SOI with respective to latitude |
本文利用T/P、Jason-1和Jason-2三颗卫星1993—2012年共20年的数据研究中国海及西太平洋的海平面时空变化情况，主要结论如下：
(1)利用三颗卫星伴飞阶段数据计算了三颗卫星观测的海面高异常值之间的差异，Jason-1卫星的海面高异常值比T/P卫星高9.72 cm，Jason-2卫星的海面高异常值比Jason-1低11.03 cm.利用逐点差异改正，实现了三颗卫星测高数据的无缝衔接.
(2)通过对各海域20年海面高异常时间序列的线性拟合，得出研究海域的海平面平均上升速率为4.64 mm·a-1，渤海、黄海、东海和南海的海平面在同时期的平均上升速率分别为4.44 mm·a-1、2.34 mm·a-1、3.02 mm·a-1和4.25 mm·a-1.菲律宾群岛附近海面是整个研究海域海平面上升最快的海域.研究海域整体海平面时空变化与黑潮和季风密切相关.
(3)通过SLA序列的小波分析，得出各海域均存在1年的显著周期，南海和整个研究海域还存在9年的显著周期.
(4)ENSO事件对南海海平面变化的影响较大，对其他海域影响相对较小.
致谢 感谢匿名审稿专家的建设性意见和建议，感谢AVISO提供卫星测高数据.
| [1] | AVISO/Altimetry. 1996. AVISO user handbook: merged TOPEX/Poseidon products (GDR-Ms). AVI-NT-02-101-CN, AVISO. |
| [2] | AVISO, PODAAC. 2012. AVISO and PODAAC user handbook: IGDR and GDR Jason products. SLAP-MU-M5-OP-13184-CN (AVISO), JPL D-21352 (PODAAC). |
| [3] | Beckley B D, Zelensky N P, Luthcke S B, et al. 2004. Towards a seamless transition from TOPEX/Poseidon to Jason-1. Mar. Geod., 27(3-4): 373-389, doi: 10.1080/01490410490889148. |
| [4] | Beckley B D, Zelensky N P, Holmes S A, et al. 2010. Assessment of the Jason-2 extension to the TOPEX/Poseidon, Jason-1 sea-surface height time series for global mean sea level monitoring. Mar. Geod., 33(S1): 447-471, doi: 10.1080/01490419.2010.491029. |
| [5] | Cazenave A, Nerem R S. 2004. Present-day sea level change: observations and causes. Rev. Geophys., 42(3): RG3001, doi: 10.1029/2003RG000139. |
| [6] | Chelton D B, Ries J C, Haines B J, et al. 2001. Satellite altimetry.//Fu L L, Cazenave A eds. Satellite Altimetry and Earth Sciences. San Diego: Academic Press, 1-131. |
| [7] | Church J, Gregory J M, Hybrechts P, et al. 2001. Changes in sea level.//Houghton J T, Ding Y, Griggs D J, et al. Climate Change 2001: The Scientific Basis, Contribution of Working Group I to the Third Assessment Report of the Intergovernmental Panel on Climate Change. New York: Cambridge University Press, 639-693. |
| [8] | Church J A, White N J. 2006. A 20th century acceleration in global sea-level rise. Geophys. Res. Lett., 33(1): L01602, doi: 10.1029/2005GL024826. |
| [9] | Church J A, Clark P U, Cazenave A, et al. 2013. Sea level change.//Climate Change 2013: The Physical Science Basis, Contribution of Working Group I to the Fifth Assessment Report of the Intergovernmental Panel on Climate Change. Cambridge and New York: Cambridge University Press. |
| [10] | Dong X J, Huang C. 2000. Monitoring global mean sea level variation with TOPEX/Poseidon altimetry. Acta Geodaetica et Cartographica Sinica (in Chinese), 29(3): 266-272. |
| [11] | Douglas B C. 1997. Global sea rise: a redetermination. Surv. Geophys., 18(2-3): 279-292, doi: 10.1023/A:1006544227856. |
| [12] | Douglas B C. 2001. Sea level change in the era of the recording tide gauge.//Douglas B C, Kearney M S, Leatherman S P eds. Sea Level Rise: History and Consequences. San Diego: Academic Press, 37-64. |
| [13] | Dumont J P, Rosmorduc V, Picot N, et al. 2011. OSTM/Jason-2 products handbook.CNES: SALP-MU-M-OP-15815-CN, EUMETSAT: EUM/OPS-JAS/MAN/08/0041, JPL: OSTM-29-1237, NOAA/NESDIS: Polar Series/OSTM J400. |
| [14] | Feng W, Zhong M, Xu H Z. 2012. Sea level variations in the South China Sea inferred from satellite gravity, altimetry, and oceanographic data. Sci. China Earth Sci., 55(10): 1696-1701, doi: 10.1007/s11430-012-4394-3. |
| [15] | Fu L L, Cazenave A. 2001. Satellite Altimetry and Earth Sciences: a Handbook of Techniques and Applications. San Diego: Academic Press. |
| [16] | Guo J Y, Gao Y G, Hwang C W, et al. 2010. A multi-subwaveform parametric retracker of the radar satellite altimetric waveform and recovery of gravity anomalies over coastal oceans. Sci. China Earth Sci., 53(4): 610-616, doi: 10.1007/s11430-009-0171-3. |
| [17] | Guo J Y, Chang X T, Hwang C, et al. 2010. Oceanic surface geostrophic velocities determined with satellite altimetric crossover method. Chinese J. Geophys., 53(11): 2582-2589, doi: 10.3969/j.issn.0001-5733.2010.11.006. |
| [18] | Guo J Y, Sun J L, Chang X T, et al. 2011. Correlation analysis of NINO3. 4 SST and inland lake level variations monitored with satellite altimetry: case studies of lakes Hongze, Khanka, La-ang, Ulungur, Issyk-kul and Baikal. Terr. Atmos. Ocean. Sci., 22: 203-213, doi: 10.3319/TAO.2010.09.17.01(TibXS). |
| [19] | Guo J Y, Chang X T, Sun J L, et al. 2013. Waveform Retracking of Satellite Radar Altimeter and Applications (in Chinese). Beijing: Surveying and Mapping Press. |
| [20] | Guo J Y, Hu Z B, Wang J B, et al. 2015. Sea level changes of China seas and neighboring ocean based on satellite altimetry missions from 1993 to 2012. J. Coastal Res., (Special Issue 73): 17-21, doi: 10.2112/SI73-004.1. |
| [21] | Holgate S J. 2007. On the decadal rates of sea level change during the twentieth century. Geophys. Res. Lett., 34(1): L01602, doi: 10.1029/2006GL028492. |
| [22] | Jin T Y, Li J C, Jiang W P, et al. 2012. Low-frequency sea level variation and its correlation with climate events in the Pacific. Chinese Sci. Bull., 57(27): 3623-3630, doi: 10.1007/s11434-012-5231-y. |
| [23] | Leuliette E W, Nerem R S, Mitchum G T. 2004. Calibration of TOPEX/Poseidon and Jason altimeter data to construct a continuous record of mean sea level change. Mar. Geod., 27(1-2): 79-94, doi: 10.1080/01490410490465193. |
| [24] | Li D W, Li J C, Jin T Y, et al. 2012. Monitoring global sea level change from 1993 to 2011 using TOPEX and Jason altimeter missions. Geomatics and Information Science of Wuhan University (in Chinese), 37(12): 1421-1424. |
| [25] | Li J C, Wang Z T, Hu J G. 2000. Mean sea level variation using historic satellite altimeter data. Journal of Wuhan Technical University of Surveying and Mapping (in Chinese), 25(4): 343-347. |
| [26] | Li Y F. 2012. The influence of variability of the subtropical gyre in the North Pacific on sea level change around the East China Sea (in Chinese). Qingdao: Ocean University of China. |
| [27] | Liu Q Y, Jia Y L, Yang H J, et al. 2002. Seasonal variation mechanism of sea surface height in the north of the SCS. Acta Oceanologica Sinica (in Chinese), 24(S1): 134-141. |
| [28] | Miller L, Douglas B C. 2004. Mass and volume contributions to twentieth-century global sea level rise. Nature, 428(6981): 406-409, doi: 10.1038/nature02309. |
| [29] | Nerem R S. 1995. Measuring global mean sea level variations using TOPEX/Poseidon altimeter data. J. Geophys. Res., 100(C12): 25135-25151, doi: 10.1029/95JC02303. |
| [30] | Nerem R S, Haines B J, Hendricks J, et al. 1997. Improved determination of global mean sea level variations using TOPEX/Poseidon altimeter data. Geophys. Res. Lett., 24(11): 1331-1334, doi: 10.1029/97GL01288. |
| [31] | Nerem R S, Mitchum G T. 2002. Estimates of vertical crustal motion derived from differences of TOPEX/Poseidon and tide gauge sea level measurements. Geophys. Res. Lett., 29(19): 40-1-40-4, doi: 10.1029/2002GL015037. |
| [32] | Smith W H F, Wessel P. 1990. Gridding with continuous curvature splines in tension. Geophysics, 55(3): 293-305, doi: 10.1190/1.1442837. |
| [33] | Tapley B D, Ries J C, Davis G W, et al. 1994. Precision orbit determination for TOPEX/Poseidon. J. Geophys. Res., 99(C12): 24383-24404, doi: 10.1029/94JC01645. |
| [34] | Wang G D. 2013. The spatial and temporal variation, the influence mechanism and risk assessment on sea level change of the East China Sea (in Chinese). Shanghai: Shanghai Normal University. |
| [35] | Wang H, Liu K X, Zhang Q, et al. 2014. The relationship between sea level change of China's coast and ENSO. Acta Oceanologica Sinica (in Chinese), 36(9): 65-74. |
| [36] | Wang L. 2013. Study of sea level change and its influencing factor in the China Sea based on nineteen years' altimeter data (in Chinese). Qingdao: Ocean University of China. |
| [37] | Wang Y M, Rapp R H. 1994. Estimation of sea surface dynamic topography, ocean tides, and secular changes from TOPEX altimeter data. Report No. 430, Columbus, The Ohio State University. |
| [38] | Wen Y L, Yang Y X. 2001. Research on sea level and rising trend of coastal waters in China. Geomatics and Information Science of Wuhan University (in Chinese), 26(2): 127-132. |
| [39] | White W B, Cayan D R, Dettinger M D, et al. 2001. Sources of global warming in upper ocean temperature during El Nio. J. Geophys. Res., 106(C3): 4349-4367, doi: 10.1029/1999JC000130. |
| [40] | Woodworth P L, Player R. 2003. The permanent service for mean sea level: an update to the 21st century. J. Coastal Res., 19(2): 287-295. |
| [41] | Wu Z D, Li Z Q, Zhao M C. 2003. The process and prediction of sea level change of China offshore waters in 50 years. Hydrographic Surveying and Charting (in Chinese), 23(2): 17-19. |
| [42] | Xu Q H, Ding L Q, Feng X. 2000. Sea level change and coastal rising and descending reflected by information of tide-gauge stations in South China coastal area. South China Journal of Seismology (in Chinese), 20(3): 52-56. |
| [43] | 董晓军, 黄珹. 2000. 利用TOPEX/Poseidon卫星测高资料监测全球海平面变化. 测绘学报, 29(3): 266-272. |
| [44] | 郭金运, 常晓涛, 黄金维等. 2010. 基于卫星测高交叉点的海洋表面地转流速度. 地球物理学报, 53(11): 2582-2589. |
| [45] | 郭金运, 常晓涛, 孙佳龙等. 2013. 卫星雷达测高波形重定及应用. 北京: 测绘出版社. |
| [46] | 李大炜, 李建成, 金涛勇等. 2012. 利用多代卫星测高资料监测1993—2011年全球海平面变化. 武汉大学学报: 信息科学版, 37(12): 1421-1424. |
| [47] | 李建成, 王正涛, 胡建国. 2000. 联合多种卫星测高数据分析全球和中国海海平面变化. 武汉测绘科技大学学报, 25(4): 343-347. |
| [48] | 李艳芳. 2012. 北太平洋副热带环流变异对东中国海海平面变化的影响研究[博士论文]. 青岛: 中国海洋大学. |
| [49] | 刘秦玉, 贾英来, 杨海军等. 2002. 南海北部海面高度季节变化的机制. 海洋学报, 24(S1): 134-141. |
| [50] | 王国栋. 2013. 中国东海海平面变化时空分异、影响机理及风险评估[博士论文]. 上海: 上海师范大学. |
| [51] | 王慧, 刘克修, 张琪等. 2014. 中国近海海平面变化与ENSO的关系. 海洋学报, 36(9): 65-74. |
| [52] | 王龙. 2013. 基于19年卫星测高数据的中国海海平面变化及其影响因素研究[硕士论文]. 青岛: 中国海洋大学. |
| [53] | 文援兰, 杨元喜. 2001. 我国近海平均海面及其变化的研究. 武汉大学学报: 信息科学版, 26(2): 127-132. |
| [54] | 吴中鼎, 李占桥, 赵明才. 2003. 中国近海近50年海平面变化速度及预测. 海洋测绘, 23(2): 17-19. |
| [55] | 徐起浩, 丁丽青, 酆晓. 2000. 华南沿海地区验潮站资料反映的海平面变化与海岸升降. 华南地震, 20(3): 52-56. |