2. 中国科学院大学, 北京 100049
2. University of Chinese Academy of Sciences, Beijing 100049, China
过去二十年,卫星观测显示全球海平面以3.2 mm/yr的速度稳步上升(Church and White,2011).全球持续性变暖导致的海平面上升对人类社会经济的发展构成巨大威胁,尤其是低海拔的沿海地区更容易受到海水入侵的影响(Cazenave et al.,2014).因此,认识现今全球海平面变化的成因,区分其中的自然因素和人类活动的影响极其重要.为了从全球平均海平面的长期加速中分离出自然的变化,那么了解引起这些年际变化的原因就很有必要.由于全球平均海平面中的自然变化可以被阐明和定性分析,卫星观测将成为人类对全球气候的影响的一个关键的指示器(Boening et al.,2012).
ENSO(El Nio-Southern Oscillation)是一个源自赤道太平洋自然产生的波动,影响全球的生态系统,农业,淡水供应,飓风和其他极端气候现象(Collins et al.,2010).在21世纪,ENSO仍将是赤道太平洋主要的年际变化模式,并且影响全球(Stocker et al.,2013).在赤道太平洋地区,拉尼娜活动期间的表面海水异常变冷,而厄尔尼诺活动期间的表面海水异常变暖,并且都随着季节性周期向西传播(Wallace et al.,1998).最近的研究表明,观测得到的全球平均海平面的年际变化与ENSO指数相关(Nerem et al.,2010),ENSO不仅影响了热带太平洋的海表温度,也影响了全球的降水与蒸发模式以及海洋热含量变化(Gu et al.,2007;冯伟等,2010;孙佳龙等,2014),全球平均海平面的年际变化也与ENSO驱动的陆地水储量的变化呈负相关,尤其是在热带地区(Llovel et al.,2011; Phillips et al.,2012).在厄尔尼诺或拉尼娜活动期间,全球平均海平面存在正或负的异常(Cazenave et al.,2012).例如在2010-2011年的拉尼娜活动期间,由于陆地水储量的增加(特别是在澳大利亚,南美和东南亚地区),全球平均海平面有一个下降过程(Boening et al.,2012).该拉尼娜事件也导致了澳大利亚在2011年年初遭遇了百年一遇的大洪水.
海平面变化主要由比容海平面变化和海水质量变化组成.海平面变化中的比容变化部分,可以利用温盐实测数据计算得到(金涛勇等,2010; Leuliette and Willis,2011;von Schuckmann and Le Traon,2011).海平面变化中的海水质量变化信号则可以通过卫星重力手段获得,美德联合研制的GRACE(Gravity Recovery and Climate Experiment)重力卫星于2002年发射升空,陆续观测到大尺度全球时变重力场信号(Tapley et al.,2004),并且在测量全球平均海水质量变化时间序列时,能够达到毫米级的精度.通过联合卫星测高、卫星重力数据、Argo浮标数据和冰川消融质量数据,可以系统地分析ENSO现象对全球平均海平面变化的影响.
很多研究人员研究了2011年拉尼娜对与全球海平面的影响.Boening等(2012)认为从2010年年初到2011年中期,海平面下降了5 mm,并且认为海水质量的减少可以解释海平面的下降,与此同时上升了等量的陆地水储量.冯伟等(2014)认为2010-2011年强烈的拉尼娜现象导致全球海平面下降了6 mm左右,这与GRACE观测到的同期海水质量变化相吻合,前面两位研究人员的研究结果都只是对去除了季节项的海平面变化时间序列进行估计.Llovel等(2014)认为海洋质量变化可以解释观测平均海平面波动里80%的差异.Chen等(2014)利用经验模态分解算法分析了1993-2012年的全球平均海平面即时速度的变化,发现在2011年最强的拉尼娜事件中超过了-5 mm/yr的即时速度,然而,全球平均比容海平面在这个时间范围内都保持在±2 mm/yr,因此他认为海水质量变化是GMSL年际变化的主要贡献.
上述的研究人员并未从海平面年际变化的角度来分析ENSO现象对海平面变化的影响,但是ENSO现象影响的是海平面的年际变化.为了研究影响海水质量长期变化的因素以及更好的研究ENSO现象对海平面变化的影响,本文对比了2003年2月-2013年5月间的全球冰川消融与同时间海水质量变化的趋势,发现冰川消融贡献了海水质量变化的长期变化部分,其中格陵兰和南极洲的冰盖消融起主导作用.本文也分别分析了总的海平面年际变化,以及组成海平面变化的两个因素-海水质量年际变化和比容海平面年际变化与ENSO指数的关系.并且分析了2010年强拉尼娜现象对海平面变化的影响及其分别对海水质量变化和比容海平面的影响.通过对Argo不同深度层的比容海平面变化的分析,发现ENSO能够影响赤道太平洋区域0~300 m的海深的海水温度.
1 数据和方法1.1 卫星测高数据本文采用的卫星测高数据为法国AVISO(Archiving,Validation and Interpretation of Satellite Oceanographic)提供的格网化数据(http://www.aviso.altimetry.fr).该数据融合了TOPEX/Poseidon、Jason-1/2、Envisat和ERS1/2等多颗卫星的测高资料.数据使用的是2014年4月推出SSALTO/Duacs产品的新版本,其数据分辨率提高到1天,空间分辨率提高到1/4°×1/4°,时间跨度为2003年1月1日至2014年5月31日.这些数据上应用了改进的地球物理改正(Ablain et al.,2009).
1.2 GRACE卫星重力数据本文采用美国德克萨斯大学空间研究中心CSR(Center for Space Research)提供的2003年1月至2014年5月共128个月的GRACE level-2 RL05月重力场模型.数据为60阶正则化球谐系数,并且扣除了非潮汐大气、高频海洋信号、各种潮汐等影响(Bettadpur,2012).为了与经过反变气压计改正的卫星测高数据进行匹配,本文加回了GAD海洋大气模型,并扣除了大气质量在海洋上月平均值的时变部分(Kuo et al.,2008).
由于GRACE原始数据中的高阶球谐系数存在较大误差,同时也存在南北方向上的“条带”误差.本文在数据处理中采用了如下处理步骤:首先从球谐系数中,并且扣除该段时间的平均值;加回了卫星激光测距(SLR)观测的C20项(Cheng and Tapley,2004)和Swenson等(2008)计算的地心改正项;同时也使用300km高斯平滑来降低高阶球谐系数的噪声(冯伟等,2014);采用Wahr等(1998)提出的方法扣除陆地信号在海洋沿岸上的“泄漏”影响;最后将球谐系数转化为1°×1°的全球分布的等效水柱高变化(Wahr et al.,1998).冰后回弹改正模型(GIA)采用的是Paulson模型(Paulson et al.,2007).
1.3 Argo海水温盐数据Argo全球海洋观测网是由美国等国家大气、海洋科学家于1998年推出的一个全球海洋观测试验项目.本文采用了日本海洋地球科学技术中心(JAMSTEC)发布的格网化Argo资料数据,选取了其中2003年1月至2014年5月共137个月的数据(http://www.jamstec.go.jp/ARGO/).数据的时间分辨率为每月一值,空间分辨率为1°×1°,提供0~2000 m的三维温盐数据.
1.4 冰川消融数据本文采用了Schrama等(2014)通过质量集中(Mascon)方法计算的全球冰盖和冰川质量变化.冰盖和冰帽一共定义了10242个mascon集合,覆盖了全球的冰盖和冰帽区域.冰川和冰盖消融这一部分贡献,可以分为陆地冰川和冰盖(除去格陵兰冰原和南极洲的部分)、格陵兰和南极洲三部分(Church and White,2011).Schrama的数据分别包含了格陵兰冰盖、南极洲冰盖以及陆地冰川和冰帽2003年2月到2013年5月共124个月的质量变化时间序列.为了与GRACE海水质量变化的时间序列进行对应,选择对冰川消融质量转换成对全球海平面上升的贡献.
1.5 MEI指数本文采用美国国家海洋和大气管理局NOAA提供的MEI(Multivariate ENSO Index)指数(http://www.esrl.noaa.gov/psd/enso/mei/),MEI比起其他指数(如SOI,SST指数等)整合了更多的信息,它能够比其他组件更好的反映海洋-大气耦合系统的性质.它也更不容易受到每月更新的数据中存在的偶然误差的影响.MEI比起其他指数在ENSO现象的全程监测上做得更好,比如:与全球相关的表面温度和降水等.
1.6 提取年际变化和数据滑动平均、加权方法时间序列一般由四个成分构成即长期趋势、季节性变化、循环变化和不规则变化.在本文中,将不规则变化认为是年际变化.由于ENSO现象是对海平面的年际变化存在影响,我采用了谐波分析的方法来扣除海平面变化的季节项和长期项.由于只是分析近十年的数据,所以不考虑海平面时间变化序列中超过十年的循环项.公式为
a,b分别为常数,为时间序列的线性项,周期项的系数;PEi、AMi、PHi分别为谐波周期、振幅和相位(闫昊明等,2006).为了去除时间序列的季节项,可以考虑去除周年项和半周年项,所以分别对PE取值为365.2422和182.6211.通过谐波分析最后得到的拟合剩余项便是年际变化项.由于海洋测高卫星在观测时采样的空间间隔与纬度有关,不同纬度的网格点数据所代表的面积不同.所以在计算平均海平面变化时,必须对其进行面积加权(权重系数为数据所在网格点纬度的余弦),以避免人为夸大中高纬度海域的海平面变化对整个海洋海平面变化的贡献.由于数据的限制,本文分析的全球平均海平面变化,海水质量变化和比容海平面变化均是控制在全球65°S~65°N纬度范围内.对海平面年际变化的时间序列,均应用了3个月的滑动平均滤波进行处理.
本文对于GRACE海水质量变化的年际变化的计算使用了一种新的方法,就是利用GRACE海水质量变化减去冰川消融对海平面上升的贡献,通过这种得到海水质量的短期性变化,而再将短期性变化去除季节信号影响之后就可以得到海水质量变化的年际变化,也就是由于ENSO现象引起的变化.公式为
ΔMocean为海水质量变化,ΔMice为全球冰川消融对于海水质量变化的贡献部分,而ΔMSTC指代海水质量的短期性变化.由于冰川消融是一个长期性的趋势,所以我们可以将ΔMice看做是海水质量变化长期项的部分. 2 结果与讨论2.1 海水质量变化的长期趋势的成因分析本文采用Schrama等(2014)计算的全球冰川消融的质量变化,再转换成相应的对海平面上升的贡献,最后利用最小二乘线性拟合得到GRACE海水质量变化的趋势项.如图 1所示,在2003-2013年,冰川消融数据覆盖的时间段,格陵兰和南极洲冰盖消融对海平面上升的贡献与海水质量变化的线性项比较符合.全球冰川消融转换成对海平面上升速率的贡献为1.68 mm/yr,而其中的格陵兰和南极洲冰盖消融对海平面上升速率的贡献为1.27 mm/yr,海水质量变化的最小二乘拟合的线性趋势为1.36 mm/yr.这说明该段时间海水质量变化的长期趋势主要来自格陵兰和南极洲冰盖消融的贡献,其中陆地冰川和冰盖消融也存在部分贡献.可以看到近些年冰川消融存在加速的现象,与鞠晓蕾等(2013)的研究结果相类似.本文分析了冰川消融对海平面上升贡献的年际项,发现其与MEI指数的相关系数只有0.07(95%置信度),说明ENSO现象几乎不影响冰川消融速率.但是从图 1中,我们仍然可以看到2010年的强拉尼娜现象仍然导致冰川冰川消融速率的小幅上升,这可能是(Phillips et al.,2012)提到的ENSO现象对格陵兰西海岸的影响导致的.本文采用了两种方法计算了海水质量的年际变化项的对比,方法一是对GRACE海水质量变化时间序列直接做线性拟合来扣除长期项;方法二是用GRACE海水质量变化时间序列减去全球冰川消融对海水质量变化的贡献;两种方法再分别去除季节项从而得到的海水质量的年际变化项.方法一得到的结果与MEI指数的相关系数为0.29,而方法二得到的结果与MEI指数的相关系数为0.48(95%置信度),由于ENSO现象能够影响全球的降水分布以及海水质量的分布,两者对比,可以看到方法二更好的反映了ENSO现象对海水质量变化的影响.
如图 2a所示,正的MEI值表示处于厄尔尼诺(ENSO暖相位)时期,而负值表示处于拉尼娜(ENSO冷相位)时期.卫星测高得到的总海平面年际变化与MEI指数的相关性达0.41,而“GRACE+Argo”得到的总海平面年际变化与MEI指数的相关系数达到了0.54,均为95%置信度.卫星测高海平面年际变化与“GRACE+Argo”的海平面年际变化也符合得比较好.两者之间的差异除了由观测结果的不确定性导致以外,还可能是海洋2000 m以下的比容海平面变化的影响.这表明ENSO现象有可能影响海水质量变化或者比容海平面变化(或者两者兼有)(Cazenave et al.,2012).近十年主要的厄尔尼诺时期有:2004年3月-2005年5月,2006年5月-2007年5月,2009年4月-2010年4月,在这三个时期内,均可以看到海平面年际变化存在正异常;而主要的拉尼娜时期有:2007年5月-2009年2月,2010年5月-2012年3月,在这两个时期内,均可以看到海平面年际变化存在负异常.在2010年强拉尼娜时期,全球海平面下降了8 mm左右.
为了分析全球海平面变化的不同部分对ENSO的响应,如图 2b所示,分别分析了海水质量变化和比容海平面变化与MEI指数的关系.可以看到,在近十年三个主要的厄尔尼诺时期:2004年3月-2005年5月,2006年5月-2007年5月,2009年4月-2010年4月,存在海水质量年际变化增加的现象,而在近十年两个主要的拉尼娜时期2007年5月-2009年2月,2010年5月-2012年3月,存在海水质量年际变化减少的现象.在拉尼娜现象影响的后期,由于陆地水重新流入海洋大于拉尼娜对海水质量分布的影响,所以后期会存在海水质量增加的现象,厄尔尼诺与之有相反的现象.对比比容海平面变化,2003-2005年的比容海平面年际变化与MEI指数相关性较小,而2005-2014年的比容海平面年际变化与MEI指数很符合,也可以看到比容海平面对ENSO现象几乎是同时响应的.分析比容海平面年际变化与MEI指数的相关性,得到2003-2014年比容海平面年际变化与MEI指数相关系数为0.56,而2005-2014年比容海平面年际变化与MEI指数相关系数却达到了0.71,均为95%的置信度.2003-2005年的比容海平面年际变化存在偏差与早期的Argo资料覆盖率较低有关.本文也研究了2007年5月到2007年10月以及2012年11月到2013年1月比容海平面年际变化与MEI指数不符合的时间段,两者分别可以看到北半球在前者时间段的异常变暖和南半球在后者时间段的异常变暖.2010年强拉尼娜现象导致比容海平面下降了5.5 mm左右.从图 2b也可以看到海水质量年际变化对ENSO现象的响应时间在3个月左右,而比容海平面年际变化几乎是同时响应.2010年强拉尼娜现象导致海水质量变化下降了6 mm左右,在海水质量变化下降的时间段内比容海平面下降了2 mm左右.
2.3 不同深度的比容海平面变化分析本文分析了2005-2014年不同深度的比容海平面变化对ENSO现象的响应,如图 3所示,可以看到0~100 m的比容海平面受ENSO影响最大,但是100~200 m和200~300 m的比容海平面变化却与0~100 m的比容海平面变化却几乎完全反相.本文也继续分析了300 m以下的海水深度与MEI指数的相关性,发现其与ENSO几乎不相关,相关系数基本在0.1以下.
由于ENSO现象主要影响的是热带太平洋的海水温度变化,所以后文主要分析ENSO对热带太平洋区域的海水温度的影响.当厄尔尼诺现象发生时,太平洋表层平均海水温度上升,而100~300 m的平均海水温度却是下降的.
对于这个现象的解释,以厄尔尼诺为例.温跃层把热带海洋分隔成上下两个不同热力性质的海水层,上层为暖水层,而下层则为冷水层.赤道太平洋东部20 ℃等温线一般位于50 m深处,但向西逐渐倾斜,在赤道太平洋西部一般位于200 m深处.在厄尔尼诺期间,由于信风减弱,海水向西的力量减弱,使得热带太平洋表层海水向东移.这导致沿南美沿岸的温跃层加深,海平面高度上升,海面变暖,而在西太平洋海平面高度下降,温跃层上升(Trenberth and Josey,2007).因此在0~100 m的区域,平均海水温度表现的是升高,进而导致该层海水的比容海平面上升.而在西太平洋100~300 m的区域,由于温跃层的上升,导致海深100~300 m的区域平均海水温度下降,从而使得100~300 m的比容海平面是对应的下降.以上分析可以解释100~300 m的比容海平面变化与MEI呈负相关.从图 3中可以看到,200~300 m的海深区域虽然与MEI指数呈负相关,但是由于此海深处于温跃层以下,所以ENSO现象对此海深的区域的水温影响较小,温度变化较小,图中显示的则是比容海平面变化较小.
拉尼娜的影响与厄尔尼诺大致相反,但影响程度一般较厄尔尼诺小.
致 谢 对法国空间局Aviso提供的卫星测高数据,美国Texas大学CSR提供的卫星重力数据,Argo全球海洋观测网提供的温盐数据,荷兰代尔夫特理工大学Ernst J.O.Schrama提供的全球冰川消融数据和美国国家海洋和大气管理局NOAA提供的MEI数据表示感谢.
[1] | Ablain M, Cazenave A, Valladeau G, et al. 2009. A new assessment of the error budget of global mean sea level rate estimated by satellite altimetry over 1993-2008[J]. Ocean Sci. 5(2): 193-201. |
[2] | Bettadpur S. 2012. UTCSR level-2 processing standards document for Level-2 product release 0005[R]. Scientific Technical Report-Data. Austin: The University of Texas, 16. |
[3] | Boening C, Willis J K, Landerer F W, et al. 2012. The 2011 La Nia: So strong, the oceans fell[J]. Geophys. Res. Lett., 39(19): L19602, doi: 10.1029/2012gl053055. |
[4] | Cazenave A, Dieng H B, Meyssignac B, et al. 2014. The rate of sea-level rise[J]. Nat. Climate Change, 4(5): 358-361, 1038/Nclimate2159doi: 10.. |
[5] | Cazenave A, Henry O, Munier S, et al. 2012. Estimating ENSO influence on the global mean sea level, 1993-2010[J]. Mar. Geod., 35(S1): 82-97, doi: 10.1080/01490419.2012.718209. |
[6] | Chen X Y, Feng Y, Huang N E. 2014. Global sea level trend during 1993-2012[J]. Global Planet. Change, 112: 26-32. |
[7] | Cheng M K, Tapley B D. 2004. Variations in the Earth’s oblateness during the past 28 years[J]. J. Geophys. Res., 109(B9), doi: 10.1029/2004jb003028. |
[8] | Church J A, White N J. 2011. Sea-level rise from the late 19th to the early 21st century[J]. Surv. Geophys., 32(4-5): 585-602, doi: 10.1007/s10712-011-9119-1. |
[9] | Collins M, An S I, Cai W J, et al. 2010. The impact of global warming on the tropical Pacific ocean and El Nio[J]. Nat. Geosci., 3(6): 391-397, doi: 10.1038/Ngeo868. |
[10] | Feng W, Zhong M, Jiang M, et al. 2010. Inferring ocean heat content variations from satellite altimetry and model data[J]. Chin. J. Geophys. (in Chinese), 53(7): 1562-1570, doi: 10.3969/j.issn.0001-5733.2010.07.007. |
[11] | Feng W, Zhong M, Xu H Z. 2014. Global sea level changes estimated from satellite altimetry, satellite gravimetry and Argo data during 2005-2013[J]. Progress in Geophysics (in Chinese), 29(2): 471-477, doi: 10.6038/pg20140201. |
[12] | Gu G J, Adler R F, Huffman G J, et al. 2007. Tropical rainfall variability on interannual-to-interdecadal and longer time scales derived from the GPCP monthly product[J]. J. Climate, 20(15): 4033-4046, doi: 10.1175/Jcli4227.1. |
[13] | Jin T Y, Li J C, Wang Z T, et al. 2010. Global ocean mass variation in recent four years and its spatial and temporal characteristics[J]. Chin. J. Geophys. (in Chinese), 53(1): 49-56, doi: 10.3969/j.issn.0001-5733.2010.01.006. |
[14] | Ju X L, Shen Y Z, Zhang Z Z. 2013. Antarctic ice mass change analysis based on GRACE RL05 data[J]. Chin. J. Geophys. (in Chinese), 56(9): 2918-2927, doi: 10.6038/cjg20130906. |
[15] | Kuo C Y, Shum C K, Guo J Y, et al. 2008. Southern Ocean mass variation studies using GRACE and satellite altimetry[J]. Earth Planets Space, 60(5): 477-485. |
[16] | Leuliette E W, Willis J K. 2011. Balancing the Sea Level Budget[J]. Oceanography, 24(2): 122-129. |
[17] | Llovel W, Becker M, Cazenave A, et al. 2011. Terrestrial waters and sea level variations on interannual time scale[J]. Global Planet. Change, 75(1-2): 76-82, doi: 10.1016/j.gloplacha.2010.10.008. |
[18] | Llovel W, Willis J K, Landerer F W, et al. 2014. Deep-ocean contribution to sea level and energy budget not detectable over the past decade[J]. Nat. Climate Change, 4(11): 1031-1035, doi: 10.1038/nclimate2387. |
[19] | Nerem R S, Chambers D P, Choe C, et al. 2010. Estimating mean sea level change from the TOPEX and jason altimeter missions[J]. Mar. Geod., 33(S1): 435-446, doi: 10.1080/01490419.2010.491031. |
[20] | Paulson A, Zhong S J, Wahr J. 2007. Inference of mantle viscosity from GRACE and relative sea level data[J]. Geophys. J. Int. 171(2): 497-508. |
[21] | Phillips T, Nerem R S, Fox-Kemper B, et al. 2012. The influence of ENSO on global terrestrial water storage using GRACE. Geophys[J]. Res. Lett., 39(16), doi: 10.1029/2012gl052495. |
[22] | Schrama E J, Wouters B, Rietbroek R. 2014. A mascon approach to assess ice sheet and glacier mass balances and their uncertainties from GRACE data[J]. J. Geophys. Res. 119(7): 6048-6066. |
[23] | Stocker T F, Qin D, Plattner G K, et al. 2013. Climate change 2013: The physical science basis. Contribution of Working Group I to the Fifth Assessment Report of the Intergovernmental Panel on Climate Change[R]. Cambridge: Cambridge University Press. |
[24] | Sun J L, Guo J Y, Guo S Y. 2014. Combining satellite altimetry, satellite gravity and Argo Data to monitor the change of global ocean heat content and its correlation with ENSO event[J]. Progress in Geophysics (in Chinese), 29(6): 2550-2559, doi: 10.6038/pg20140612. |
[25] | Swenson S, Chambers D, Wahr J. 2008. Estimating geocenter variations from a combination of GRACE and ocean model output[J]. J. Geophys. Res., 113(B8), doi: 10.1029/2007jb005338. |
[26] | Tapley B D, Bettadpur S, Ries J C, et al. 2004. GRACE measurements of mass variability in the Earth system[J]. Science, 305(5683): 503-505, doi: 10.1126/science.1099192. |
[27] | Trenberth K E, Josey S A. 2007. Observations: Surface and atmospheric climate change[A]. //Solomon S, Qin D, Manning M, et al eds. Climate Change 2007: The Physical Science Basis. Contribution of Working Group I to the Fourth Assessment Report of the Intergovernmental Panel on Climate Change[M]. Cambridge, UK: Cambridge University Press, 235-336. |
[28] | von Schuckmann K, Le Traon P Y. 2011. How well can we derive Global Ocean Indicators from Argo data[J]. Ocean Sci., 7(6): 783-791. |
[29] | Wahr J, Molenaar M, Bryan F. 1998. Time variability of the Earth’s gravity field: Hydrological and oceanic effects and their possible detection using GRACE[J]. J. Geophys. Res., 103(B12): 30205-30229. |
[30] | Wallace J M, Rasmusson E M, Mitchell T P, et al. 1998. On the structure and evolution of ENSO-related climate variability in the tropical Pacific: Lessons from TOGA[J]. J. Geophys. Res. 103(C7): 14241-14259. |
[31] | Yan H M, Zhong M, Zhu Y Z. 2006. Scientific computation library WHIGG F90 LIB and it’s application in geoscience[J]. Journal of Geodesy and Geodynamics (in Chinese), 26(1): 109-114. |
[32] | 冯伟, 钟敏, 江敏等. 2010. 联合卫星测高和模式资料研究海水热含量变化[J]. 地球物理学报, 53(7): 1562-1570, doi: 10.3969/j.issn.0001-5733.2010.07.007. |
[33] | 冯伟, 钟敏, 许厚泽. 2014. 联合卫星测高、卫星重力和海洋浮标资料研究2005-2013年的全球海平面变化[J]. 地球物理学进展, 29(2): 471-477, doi: 10.6038/pg20140201. |
[34] | 金涛勇, 李建成, 王正涛,等. 2010. 近四年全球海水质量变化及其时空特征分析[J]. 地球物理学报, 53(1): 49-56, doi: 10.3969/j.issn.0001-5733.2010.01.006. |
[35] | 鞠晓蕾, 沈云中, 张子占. 2013. 基于GRACE卫星RL05数据的南极冰盖质量变化分析[J]. 地球物理学报, 56(9): 2918-2927, doi: 10.6038/cjg20130906. |
[36] | 孙佳龙, 郭金运, 郭淑艳. 2014. 联合卫星测高、卫星重力和Argo资料监测海水热含量变化[J]. 地球物理学进展, 29(6): 2550-2559, doi: 10.6038/pg20140612. |
[37] | 闫昊明, 钟敏, 朱耀仲. 2006. 科学计算程序库WHIGG F90 LIB及其地学应用[J]. 大地测量与地球动力学, 26(1): 109-114. |