2024, Vol. 54
2. 国家海洋环境监测中心，辽宁 大连 116023
南海是西北太平洋最大的边缘海，是连接太平洋与印度洋的关键海区，同时受东亚季风的显著影响，存在明显的局地海气相互作用[1-3]。混合层是海气动能、热量及物质交换的界面，可以调控海表温度，例如热带太平洋的海表温度变化较大程度上与风力强迫、热通量等引起的上层垂向混合有关[1, 4-6]；混合层还影响着模态水的形成，冬季强烈的垂向混合使混合层迅速加深，次年春季季节性温跃层形成并令混合层底部水体潜沉[7-8]；同时大气能够对上层温盐结构的调整产生反馈，春季南海暖池引起的海表气压降低会影响夏季风的建立过程[9-10]。因此研究南海的混合层变化对潜沉的发生、局地气候变化和提高海气耦合模式准确性等相关研究具有重要意义。
对南海混合层的研究引起了学者们的广泛关注，近年来关于其空间分布与时间变化的研究已取得一定成果。南海混合层的分布具有明显的季节和区域差异，夏季时混合层南深北浅，北部混合层仅为表层很薄的水层；冬季混合层深度(Mixed layer depth，MLD)自西北至东南递减，在吕宋冷涡处会出现低值中心；春秋季为季风转向的过渡时期，MLD显示出海盆范围的减小或增大[11-12]。南海MLD季节变化的主要影响因素为风应力、风应力旋度和海表净热通量[10, 13]，其中冬季较强的东北季风与黑潮入侵使南海北部混合层迅速加深，并产生了最大的年循环振幅[13-14]。同时，MLD存在显著的经向梯度，有利于温跃层通风的发生，使得北部性质均一的水团能够进入季节性温跃层并沿等密面上的等位涡线向南移动[7]。
多数研究表明，El Niño可通过大气桥对南海进行调整：在El Niño期间，Hadley环流在印-太地区减弱并产生西北太平洋异常反气旋，使冬季东北季风强度远小于正常年份，进而调整了局地的云量、海气比湿差以及流场状态等[1, 15-18]，因此减少了向上的潜热通量，并削弱了低温高盐的西边界流产生的海盆尺度的影响，同时不同区域上升流或下降流的衰减阻碍了冷水或热量的垂向输运，这些因素共同导致了上层层结加强与表层增温[15, 18-20]。然而，不同因素(如风场、热通量场等)对MLD年际变化的影响及相对重要性缺少具体的讨论。
作为南海与太平洋进行深水交换的唯一通道，吕宋海峡在南海和大洋进行热盐交换的过程中发挥着至关重要的作用。黑潮分支通过海峡入侵南海的过程在冬季达到最强[21-24]。吕宋海峡水交换是El Niño通过海洋桥影响南海的重要环节，调控水通量年际变化的主要因素为中西部赤道太平洋的风应力而非局地风应力，El Niño对应的西风异常改变了北赤道流强度并实现对吕宋海峡水通量的调制，与南海北部气旋式环流和西边界流强度的年际变化密切相关[25-27]。此外，当高温高盐的黑潮水进入南海时，能够削弱由东北季风引起的较强净热通量导致的降温作用[22]。尽管已有研究提出, 黑潮通过吕宋海峡入侵南海的过程会调整MLD[13-14]，但并未对吕宋海峡水通量如何影响MLD进行深入探讨。
本文探究了冬季南海北部MLD年际变化规律, 从不同时间尺度进行讨论，确定了风应力、风应力旋度和海表净热通量对其年际变化的影响，并讨论了吕宋海峡水通量和MLD的关系。
1 资料与方法本文基于简单海洋资料同化(Simple ocean data assimilation，SODA)再分析数据集的2.2.4版本对1950—2010年冬季(12、1、2月)南海北部MLD的年际变化进行了分析。该数据集包括了温度、盐度、海流流速等变量，水平分辨率为0.5°×0.5°，垂直方向上共40层(5~5 374 m)。本研究选取了月平均温盐及流场数据和海表风应力数据，分别计算了南海上MLD、吕宋海峡上层水交换与风应力旋度。为探究影响南海北部MLD年际变化的多种因素，本文还使用了国家环境预报中心(National centers for environmental prediction，NCEP)再分析数据集中的月平均海表净热通量数据，包括长波辐射、短波辐射、潜热通量与感热通量，其空间分辨率为1.875°×1.875°。
根据Clement等[28]的研究中计算全球大洋中MLD的方法汇总，本文选取了适合南海范围内的MLD判别方法，即以10 m为参考深度，与其位势密度相差0.125 kg·m-3的位置对应的深度[29]，使用与海表温度相差0.5 ℃的方法计算的深度与上述方法得到的结果具有相似的时空变化特征，用于确定MLD显著周期的方法为小波分析，其在傅里叶变换的基础上通过自动伸缩或平移的窗口函数实现多尺度演变特征的识别，可同时获得时域及频域信息。在以小波能量谱中通过了卡方检验的部分确定了MLD的显著周期后，为提取出其不同频率的年际振荡，本文还使用了Lanczos滤波器对MLD以及其他变量场进行了处理。Lanczos滤波器是用来提取时间序列中不同特征周期信号的滤波方法，广泛应用于对水通量与各种变量场的年际或年代际等变化规律的探究[30-31]。用回归方程定量地刻画一个应变量与多个自变量间的线性依存关系, 称为多元回归分析(Multiple linear regression), 简称多元回归(Multiple regression)。MLD的年际变化受多个重要因素的影响，因此使用了多元线性回归的方法，通过偏回归系数来评估不同因素的相对重要性，并计算回归结果对原始序列的方差贡献率。
2 南海MLD的年际变化标准差的空间分布南海大部分区域的MLD在冬季达到最深(见图 1)，受季风影响，MLD存在北深南浅的分布特征，北部MLD最深可至80 m，西南部最浅，仅在20 m左右。春季(3、4、5月)处于季风转向期，风应力导致的垂向混合减弱，除巴拉望岛西部外的区域显示出海盆范围的MLD减小。夏季(6、7、8月)盛行的西南季风相对于冬季风较弱，此时短波辐射最强，因此混合层依旧较浅，但空间分布上存在南深北浅的特征。秋季(9、10、11月)季风转向，风应力与太阳辐射均减弱；夏季MLD的分布规律逐渐消失且北部陆架区上层海水混合不断增强，混合层逐渐加深。此外，秋冬季吕宋岛西北部的吕宋冷涡与夏秋季越南以东的越南冷涡处的上升流区域[32]是MLD的低值中心。以上得到的MLD季节变化特征与前人获得的分布特征相似[11-13]。
|
( (a)海盆地形图是使用绘图软件Matlab绘制的南海水深，灰线为100 m等深线；(b)南海MLD各季节的气候态分布(等值线，单位：m)与年际变化标准差(填充)。本文的研究区域用黑色实线表示。(a) Topography of the sea basic is the depth of the South China Sea by using mapping soft wave matlab. Grey line is 100 m isobaths. (b) The seasonal climatology (contour; Unit: m) and interannual standard deviation of MLD (shaded). The black box denotes the study area. ) 图 1 南海地形和南海混合层深度空间分布 Fig. 1 Topography and the spatial distribution of MLD in the South China Sea |
根据南海MLD各季节的年际变化标准差可知(见图 1)，冬季南海北部的年际变化最显著，秋季吕宋岛西南部的年际变化强度次之。对比前人对南海潜沉率的计算，发现冬季潜沉的主要发生区域与秋冬季MLD年际变化显著的区域对应，故与垂向抽吸相比，MLD局地变化对应的侧向输入项是潜沉率的主要贡献项[33]。春夏季并未出现年际变化较明显的区域，且由于此时受到西南季风的影响，南海南部的年际变化相对北部更强。由于南海北部冬季混合层存在明显的年际变化且受到西北太平洋高温高盐水的直接影响[34]，因此本文选取图 1中冬季MLD年际变化标准差较大的南海北部区域进行分析。
利用SODA数据计算了冬季气候态MLD的纬向平均(见图 2(a))和所选区域的经向平均(见图 2(b))，并与WOA18的结果进行对比以验证数据的可靠性，两种数据纬向平均的结果均得到冬季南海混合层存在北深南浅的分布特征，南北相差约为30 m。仅对南海北部进行经向平均后发现，虽然两者在整体的量值大小上有差距，但空间分布形态相似(r=0.86)，在114.75°E—116.75°E均出现MLD加深，最大值(>63 m)出现在117°E附近，并在该处以东逐渐恢复到与115°E以西MLD相近的深度。进一步对比空间平均的MLD逐月变化可知，MLD均呈现出相似的季节变化，在冬季达到最深，且年际标准差的最大值也都出现在冬季(见图 2(c))。所以利用SODA数据计算出的研究区域的MLD气候态特征与WOA18较符合，可以使用SODA数据进行有关南海北部MLD的相关研究。
|
( 分别利用WOA18(红线)和SODA(蓝线)数据得到的(a)南海MLD纬向平均、(b)南海北部MLD经向平均与(c)区域平均的季节变化的结果(其中阴影部分代表年际标准差)、(d)冬季南海北部MLD(蓝线)、混合层底对应的位势密度的时间序列(红线)以及浮力频率N(填色，单位：cps)的时间-深度变化、(e)南海北部MLD对应的小波能量谱(其中灰线代表 95%置信度检验线)。Zonal mean of MLD in South China Sea (a), meridional mean of MLD in the study area (b), monthly mean of MLD averaged in the study area (shading is interannual standard deviation) (c), based on the SODA (blue lines) and the WOA18 (red lines), time series of MLD (blue line), potential density at the base of mixed layer (red line) and Brunt-Väisälä frequency (shaded; Unit: cps) (d) and morlet wavelet power spectrum of the MLD, with grey line denoting significant at the 95% confidence level (e). ) 图 2 混合层深度的时空变化特征 Fig. 2 The temporal and spatial characteristics of MLD |
冬季南海北部MLD存在显著的年际变化(见图 2(d))，其年际标准差为8.3 m，在1960s前期MLD达到最大(约为80 m)，浮力频率普遍较小。在这之后上层层结不断增强，于1997年左右MLD出现最小值(< 45 m)，此时上100 m的垂向分层最稳定，该现象可能与超强El Niño对东北季风的削弱密切相关。以1976年为界，前期MLD的平均态约为70 m，年际标准差为8.7 m，后期MLD的平均态不超过60 m且年际变化振幅明显小于前期，年际标准差为6.1 m，其中1976—1995年期间没有出现显著的年际变化。在1950—2010年期间混合层底的位势密度不断减小，混合层内海水密度存在降低的趋势，1995年之后位势密度普遍小于23，这是层结增强阻碍了垂向混合的结果。通过MLD对应的小波能量谱可知(见图 2(e))，其存在显著的2~4 a周期的年际振荡，且在1960—1980年间出现较高的能量分布，即该时段内年际变化振幅较强。同时在1976年之前存在7~8 a周期的低频振荡，而1976年后该周期范围内未出现显著的能量分布。推测1976年的气候跃迁(或PDO转相)发生的大气环流与太平洋海温变化直接或间接调整了南海北部MLD的低频年际变化，驱动其长周期变化的过程在这之后可能被削弱或逆转。
3.1 短周期(2~4 a)年际变化为了探究不同周期年际振荡的影响因素，对MLD分别进行了5 a高通滤波和7 a低通滤波。经过5 a高通滤波后得到的时间序列振幅基本不超过10 m，在一些强El Niño事件(1972、1973、1997和1998年)的冬季成熟期混合层明显抬升，而La Niña事件时(1973、1974、1998和1999年)则相反。对变量场进行高通滤波后显示出，风应力(Wind stress, WS)、风应力旋度((Wind stress curl, WSC)，由于其与MLD之间为负相关，为保证不同因素对MLD存在显著影响时均显示为正回归系数，故进行回归分析时使用的是WSC的负值)和海表热通量(Net heat flux, NHF)对局地MLD的影响在南海北部均较显著。其中，风应力大小对MLD的主要影响区域为南海东北部及吕宋岛西部(见图 3(a))，即该处对冬季东北季风的直接响应更明显，当东北季风较强时，上层混合加强。同时东北季风带来了风应力旋度北负南正的空间分布，其局地影响主要体现在南海北部(见图 3(b))，尤其是台湾岛西南部，负的风应力旋度产生向下的Ekman抽吸，从而使混合层加深。海表热通量对局地MLD的影响在南海北部与吕宋岛西部均较明显(见图 3(c))，即当热通量为正时(以从海洋到大气的热量输送为正)，上层海水易失去浮力，层结不稳定使MLD增加。其中潜热通量主导了净热通量的年际变化(方差贡献率为53%)，这是由于黑潮入侵一定程度上加大了海气比湿差，且东北季风加强蒸发引起潜热损失[35]。除此之外，南海中部海盆冬季的年际变化信号较弱，与三种局地因素之间的关系不显著。
|
( 5年高通滤波后风应力(WS)(a)、负风应力旋度(WSC)(b)、海面净热通量(NHF)(c)与冬季南海MLD的标准化回归系数场(r)，斜线代表回归系数通过95%置信度的区域，(d)利用风应力、风应力旋度与海表净热通量对MLD进行多元线性回归的结果，(e)多元线性回归后不同因素对应的标准化偏回归系数以及回归结果与原序列之间的相关系数。Regression coefficients of the wind stress (WS) (a), negative wind stress curl (WSC) (b), and sea surface net heat flux (NHF), (c) onto the normalized time series of the MLD smoothed by a 5-year high-pass filter. Hatching denotes regressions significant at the 95% confidence level, (d) the MLD derived by multiple regression using WS, WSC and NHF and (e) Coefficients and related coefficient between time series in (d). ) 图 3 5年高通滤波后海气界面因素与混合层深度的标准化回归系数场(填色)和多元线性回归 Fig. 3 Regression coefficients of factors at the air-sea interface onto the normalized time series of the MLD smoothed by a 5-year high-pass filter (shaded) and the MLD derived by multiple regression |
经过多元线性回归后发现对MLD 5 a以内周期的年际振荡相对贡献最大的是净热通量与风应力旋度(见图 3(e))，两者对应的偏回归系数分别为0.42和0.39，而MLD年际变化和风应力强度间的关系相对较小(偏回归系数为0.19)。回归后得到的MLD与原始时间序列之间的相关性接近0.9，且前者能够解释后者超过80%的方差，在一些极值年份(如1968、1972、1995、1997和1998年)两者的结果几乎一致(见图 3(d))，即认为通过净热通量、风应力旋度以及风应力强度等海气界面的动量与热量交换能够较好的回归出南海北部MLD 5 a以下周期的年际变化。
3.2 长周期(7~8 a)年际变化然而，南海北部MLD长周期年际变化受局地因素的影响并不显著。风应力回归系数场依旧在南海东北部出现较大值，且东北季风对海盆东北-西南轴线上的MLD有明显调整(见图 4(a))。而风应力旋度的影响集中体现在台湾岛西南部和南海南部，与该因素对南海北部MLD短周期年际变化的影响相比，它和低频年际变化之间其并无密切联系(见图 4(b))。而净热通量也不再是影响南海北部与中部混合层低频振荡的主导因素，其对应的回归系数场几乎不存在通过显著性检验的区域(见图 4(c))。吕宋海峡水交换使南海与黑潮携带的西北太平洋海水进行从表层至深层的充分混合，对调整南海北部上层热盐结构起到不可忽视的作用[36-37]。因此结合上述分析可推测主导冬季南海北部MLD低频变化的动力过程与吕宋海峡水输送对上层温盐结构的调制作用相关。
|
( (a)风应力、(b)负风应力旋度、(c)海面净热通量。斜线代表回归系数通过95%置信度的区域。Regression coefficients of the wind stress (WS) (a), Negative wind stress curl (WSC) (b), Sea surface net heat flux (NHF) (c). Hatching denotes regressions significant at the 95% confidence level. ) 图 4 7年低通滤波后海气界面因素与混合层深度的标准化回归系数场(填色) Fig. 4 Regression coefficients of factors at the air-sea interface onto the normalized time series of the MLD smoothed by a 7-year low-pass filter (shaded) |
冬季吕宋海峡断面(120.75°E)纬向流速的垂向分布显示出: 0~200 m的深度区间内普遍为太平洋海水流入南海(流速以自东向西为正)[14, 38-39]，但流速大小在垂向上存在显著差异(见图 5(a))，流速在表层最大且随深度递减，为50 m深度，左右纬向流速的垂向梯度迅速减小。考虑到不同深度进入的高温高盐水对南海温盐结构的影响差异，图 5(a)中的红线是利用不同深度区间的流量差(ΔLST)与该区域MLD进行的相关分析，其中若深度为xm，则其对应的ΔLST=LST（0~xm）-LST（x~2xm）。不同深度水通量差与MLD之间的相关系数差异明显，当层厚为60~70 m时, 对应的流量差与MLD最相关(r>0.7)。与ΔLST相比，直接使用0~70 m的LST一定程度上忽略了流速垂向变化的影响，相关性较小(r=0.49)。因此选取了0~70 m和70~140 m之间的ΔLST与其他局地影响因素对MLD低频变化开展多元回归分析(见图 5(b))，发现净热通量等局地因素对MLD低频年际振荡的贡献不显著，ΔLST起主导作用，偏回归系数为0.81，并能解释超过65%的方差。根据图 5(c)中ΔLST峰值或谷值出现的时间，定义其正极值年份为1953、1961、1969、1976、1985、1995、2005年，负极值年份为1957、1965、1972、1981、1991、2000、2009年。ΔLST与MLD的峰值在正极值年份普遍对应，而负极值年份稍有偏差(见图 5(c))。同时，ΔLST自1976年降低后难以恢复至前期水平，两个时期平均态相差约0.16 Sv，这与MLD在1976年之后明显降低结果也是一致的。故认为在长周期年际尺度上，冬季通过吕宋海峡进入的高温高盐水对南海北部上层的垂向密度分布进行调整，从而改变MLD，即当ΔLST远大于气候态时，相对增强了入流对混合层内的增密作用，降低了垂向密度梯度使混合更充分；若小于气候态时，则增强了入流对混合层之下的增密作用，进而使层结更稳定。
|
( (a)吕宋海峡断面经向平均的冬季气候态纬向流速(蓝线；单位：m/s)，7年低通滤波后ΔLST与南海北部MLD的相关性(红线)，虚线代表 90%置信度检验线。ΔLST的冬季气候态垂向变化(灰线；单位：Sv)。(b)多元线性回归后不同因素对应的标准化偏回归系数以及回归结果与原序列之间的相关系数。(c)多元线性回归的时间序列及相对误差。红线为1950—1979年ΔLST平均值，蓝线为1980—2009年ΔLST平均值。(a) Meridional mean of zonal velocity along the Luzon Strait in winter (blue line; Unit: m/s). The correlation between the ΔLST and MLD smoothed by 7-year low-pass filter (red line) and the dashed line indicates the 90% significance level for the correlation (gray; Unit: Sv). (b) Coefficients and related coefficient between time series of MLD in (c). (c) Time series of ΔLST and MLD smoothed by a 7-year low-pass filter, the MLD derived by multiple regression and relative error. ΔLST averaged in 1950—1979 (red line) and 1980—2009(blue line). ) 图 5 7年低通滤波后ΔLST和海气界面因素关于混合层深度的多元线性回归 Fig. 5 The MLD derived by multiple regression using ΔLST and factors at the air-sea interface smoothed by a 7-year low-pass filter |
对ΔLST正极值年份对应的冬季各个月份MLD进行合成(见图 6)，在12—2月均普遍显示为正异常，MLD加深且异常最大可超过10 m。12月时，异常中心主要显示在吕宋海峡西部，虽然南海北部一致显示为正异常但异常值较小。次年1月则出现了两个更强的极值中心，分别位于之前极值中心的西北和西南部，其中北部灰色框线对应了图 4(d)中的风应力旋度的主要影响区域。但由于北部大陆架还受到丰富的地面径流的影响，故与其他区域变化不一致，出现微弱的负异常。2月时南海北部MLD正异常最显著且范围最广，相比于1月异常中心位置几乎不变但范围向西延伸。负极值年份时MLD的负异常也存在类似的分布形态和向西延伸趋势，其异常中心相对于正极值年份时较弱。
|
( 正极值年份(上)和负极值年份(下)对应的冬季各月份MLD异常(单位：m)空间分布。12(0)代表所选年份的12月，01(1)和02(1)代表次年的1和2月。异常的极值中心用框线表示。Composites of MLD anomolies (Unit: m) during the positive (upper) and negative (lower) ΔLST extreme years. 12(0), 01(1) and 02(1) respectively represent December of the chosen years, January and February of the next years. The boxs denote extreme anomaly areas. ) 图 6 ΔLST正极值年份和负极值年份对应的冬季各月份混合层深度异常空间分布 Fig. 6 Composites of MLD anomalies during the positive and negative ΔLST extreme years |
冬季南海北部MLD的变化能够影响潜沉的发生，进而对局地气候调整产生重要作用，因此本文对其年际变化进行了探究。在1950—2010年的年际标准差为8.3 m，MLD最大可至80 m，最小约为40 m。通过小波能量谱发现其分别在2~4 a以及7~8 a周期显示出较强的能量分布，即存在2~4 a与7~8 a的准周期年际振荡。
局地因素多元回归得到的时间序列与原序列均表明，多数MLD的极值年份处于强ENSO事件的成熟期，在El Niño年(如1972、1973、1997、1998年)或La Niña年(如1973、1974、1998、1999年)时分别为极小值或极大值。场回归和多元回归的结果显示出南海北部MLD的短周期(2~4 a)年际振荡受海表净热通量的局地影响最明显，且风应力旋度引起的Ekman抽吸也是导致该年际振荡的主要因素，而MLD的低频(7~8 a)年际振荡和局地因素尤其是净热通量之间并没有显著联系。
考虑到吕宋海峡水交换对南海北部垂向密度分布的影响，利用LST纬向通量差与MLD进行相关分析后发现两者之间关系密切。对局地影响因子和ΔLST进行多元线性回归后印证了ΔLST是驱动冬季南海北部MLD 7~8 a准周期年际振荡的主要因素，即当ΔLST增大或减小时会相应增强入流对南海北部混合层内或混合层之下水体的增密作用，进而改变密度梯度，最终影响MLD。在ΔLST正极值年份时，冬季各月份MLD普遍加深且2月时正异常最显著，负极值年份时MLD变浅且与正极值年份具有相似的分布特征。同时异常中心还存在向西延伸的趋势, 该现象产生的原因在未来值得进一步探究。
| [1] |
Wang C, Wang W, Wang D, et al. Interannual variability of the South China Sea associated with El Niño[J]. Journal of Geophysical Research (Oceans), 2006, 111(C3). DOI:10.1029/2005JC003333 (  0) |
| [2] |
Wang G, Li J, Wang C, et al. Interactions among the winter monsoon, ocean eddy and ocean thermal front in the South China Sea[J]. Journal of Geophysical Research (Oceans), 2012, 117: 8002. DOI:10.1029/2012JC008007 ( 0) |
| [3] |
Gordon A L, Huber B A, Metzger E J, et al. South China Sea throughflow impact on the Indonesian throughflow[J]. Geophysical Research Letter, 2012, 39(11). DOI:10.1029/2012GL052021 ( 0) |
| [4] |
Chen D, Busalacchi A J, Rothstein L M. The roles of vertical mixing, solar radiation, and wind stress in a model simulation of the sea surface temperature seasonal cycle in the tropical Pacific Ocean[J]. Journal of Geophysical Research (Oceans), 1994, 99(C10): 20345-20359. DOI:10.1029/94JC01621 ( 0) |
| [5] |
Wang B, Wu R, Fu X. Pacific-East Asian teleconnection: How does ENSO affect East Asian Climate?[J]. Journal of Climate, 2000, 13(9): 1517-1536. DOI:10.1175/1520-0442(2000)013<1517:PEATHD>2.0.CO;2 ( 0) |
| [6] |
Kawai Y, Wada A. Diurnal sea surface temperature variation and its impact on the atmosphere and ocean: A review[J]. Journal of Oceanography, 2007, 63(5): 721-744. DOI:10.1007/s10872-007-0063-0 ( 0) |
| [7] |
Wang D, Du Y, Shi P. Evidence for thermocline ventilation in the South China Sea in winter[J]. Chinese Science Bulletin, 2001, 46(9): 774-778. DOI:10.1007/BF03187221 ( 0) |
| [8] |
Suga T, Motoki K, Aoki Y, et al. The North Pacific climatology of Winter mixed layer and mode waters[J]. Journal of Physical Oceanography, 2004, 34(1): 3-22. DOI:10.1175/1520-0485(2004)034<0003:TNPCOW>2.0.CO;2 ( 0) |
| [9] |
Chu P, Chang C. South China Sea warm pool in boreal spring[J]. Advances in Atmospheric Sciences, 1997, 14: 195-206. DOI:10.1007/s00376-997-0019-8 ( 0) |
| [10] |
Qu T. Role of ocean dynamics in determining the mean seasonal cycle of the South China Sea surface temperature[J]. Journal of Geophysical Research (Oceans), 2001, 106(C4): 6943-55. DOI:10.1029/2000JC000479 ( 0) |
| [11] |
孙成学, 刘秦玉, 贾英来. 南海混合层深度的季节变化及年际变化特征[J]. 中国海洋大学学报(自然科学版), 2007, 37(2): 197-203. Sun C, Liu Q, Jia Y. Annual and interannual variations of the mixed layer in the South China sea[J]. Periodical of Ocean University of China, 2007, 37(2): 197-203. DOI:10.16441/j.cnki.hdxb.2007.02.004 ( 0) |
| [12] |
Duan R, Yang K, Ma Y, et al. A study of the mixed layer of the South China Sea based on the multiple linear regression[J]. Acta Oceanologica Sinica, 2012, 31(6): 19-31. DOI:10.1007/s13131-012-0250-8 ( 0) |
| [13] |
Qu T, Du Y, Gan J, et al. Mean seasonal cycle of isothermal depth in the South China Sea[J]. Journal of Geophysical Research (Oceans), 2007, 112(C2). DOI:10.1029/2006JC003583 ( 0) |
| [14] |
Gan J, Li H, Curchitser E N, et al. Modeling South China Sea circulation: Response to seasonal forcing regimes[J]. Journal of Geophysical Research (Oceans), 2006, 111(C6). DOI:10.1029/2005JC003298 ( 0) |
| [15] |
Chao S Y, Shaw P T, Wu S Y. El Niño modulation of the South China Sea circulation[J]. Progress in Oceanography, 1996, 38(1): 51-93. DOI:10.1016/S0079-6611(96)00010-9 ( 0) |
| [16] |
Klein S A, Soden B J, Lau N-C. Remote sea surface temperature variations during ENSO: Evidence for a tropical atmospheric bridge[J]. Journal of Climate, 1999, 12(4): 917-932. DOI:10.1175/1520-0442(1999)012<0917:RSSTVD>2.0.CO;2 ( 0) |
| [17] |
Wang C. Atmospheric circulation cells associated with the El Niño-southern oscillation[J]. Journal of Climate, 2002, 15(4): 399-419. DOI:10.1175/1520-0442(2002)015<0399:ACCAWT>2.0.CO;2 ( 0) |
| [18] |
Zu T, Xue H, Wang D, et al. Interannual variation of the South China Sea circulation during winter: Intensified in the southern basin[J]. Climate Dynamic, 2019, 52(3): 1917-1933. ( 0) |
| [19] |
Xie S P, Xie Q, Wang D, et al. Summer upwelling in the South China Sea and its role in regional climate variations[J]. Journal of Geophysical Research (Oceans), 2003, 108(C8). DOI:10.1029/2003JC001867 ( 0) |
| [20] |
Peng H, Pan A, Zheng Q A, et al. A study of response of thermocline in the South China Sea to ENSO events[J]. Journal of Oceanology and Limnology, 2018, 36(4): 1166-1177. DOI:10.1007/s00343-018-7013-0 ( 0) |
| [21] |
Shaw P T. The seasonal variation of the intrusion of the Philippine sea water into the South China Sea[J]. Journal of Geophysical Research (Oceans), 1991, 96(C1): 821-827. DOI:10.1029/90JC02367 ( 0) |
| [22] |
Metzger E J, Hurlburt H E. The nondeterministic nature of Kuroshio penetration and eddy shedding in the South China Sea[J]. Journal of Physical Oceanography, 2001, 31(7): 1712-1732. DOI:10.1175/1520-0485(2001)031<1712:TNNOKP>2.0.CO;2 ( 0) |
| [23] |
Yu Z, Shen S, McCreary J P, et al. South China Sea through flow as evidenced by satellite images and numerical experiments[J]. Geophysical Research Letter, 2007, 34(1). DOI:10.1029/2006GL028103 ( 0) |
| [24] |
Yang J, Lin X, Wu D. On the dynamics of the seasonal variation in the South China Sea throughflow transport[J]. Journal of Geophysical Research (Oceans), 2013, 118(12): 6854-6866. DOI:10.1002/2013JC009367 ( 0) |
| [25] |
Wang D, Liu Q, Huang R X, et al. Interannual variability of the South China Sea throughflow inferred from wind data and an ocean data assimilation product[J]. Geophysical Research Letter, 2006, 33(14). DOI:10.1029/2006GL026316 ( 0) |
| [26] |
Quan Q, Xue H, Qin H, et al. Features and variability of the South China Sea western boundary current from 1992 to 2011[J]. Ocean Dynamics, 2016, 66(6): 795-810. ( 0) |
| [27] |
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 Dynamic, 2020, 54(1): 1145-1159. ( 0) |
| [28] |
de Boyer Montégut C, Madec G, Fischer A S, et al. Mixed layer depth over the global ocean: An examination of profile data and a profile-based climatology[J]. Journal of Geophysical Research (Oceans), 2004, 109(C12). DOI:10.1029/2004JC002378 ( 0) |
| [29] |
Suga T, Motoki K, Aoki Y, et al. The North Pacific climatology of Winter mixed layer and mode waters[J]. Journal of Physical Oceanography, 2004, 34(1): 3-22. DOI:10.1175/1520-0485(2004)034<0003:TNPCOW>2.0.CO;2 ( 0) |
| [30] |
Yu K, Qu T. Imprint of the Pacific decadal oscillation on the South China Sea through flow variability[J]. Journal of Climate, 2013, 26: 9797-9805. DOI:10.1175/JCLI-D-12-00785.1 ( 0) |
| [31] |
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) |
| [32] |
Hu J, Wang X. Progress on upwelling studies in the China seas[J]. Reviews of Geophysics, 2016, 54(3): 653-673. DOI:10.1002/2015RG000505 ( 0) |
| [33] |
Liu L L, Huang R X, Wang F. Ventilation in the South China Sea: Subduction versus obduction[J]. Deep Sea Research Part Ⅰ: Oceanographic Research Papers, 2020, 158: 103227. DOI:10.1016/j.dsr.2020.103227 ( 0) |
| [34] |
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) |
| [35] |
隋丹丹, 谢强, 王东晓. 南海潜热交换年际与年代际变化的分析探讨[J]. 海洋学报, 2012, 34(4): 27-34. Sun D, Xie Q, Wang D. A discuss on interannual to decadal variations of latent heat exchange over the South China Sea[J]. Haiyang Xuebao, 2012, 34(4): 27-34. ( 0) |
| [36] |
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) |
| [37] |
Qu T, Du Y, Sasaki H. South China Sea throughflow: A heat and freshwater conveyor[J]. Geophysical Research Letter, 2006, 33(23): L23617. ( 0) |
| [38] |
韩钦臣, 康建成, Han G, 等. 基于海洋分析资料的吕宋海峡水交换的月际变化特征[J]. 地球科学进展, 2015, 30(5): 609-619. Han Q, Kang J, Han G, et al. Monthly variation characteristics of water exchange based on the analyzed ocean data in the Luzon Strait[J]. Advances in Earth Science, 2015, 30(5): 609-619. ( 0) |
| [39] |
王兆毅, 刘桂梅, 王辉, 等. 吕宋海峡水交换季节和年际变化特征的数值模拟研究[J]. 海洋学报, 2016, 38(5): 1-13. Wang Z, Liu G, Wang H, et al. Numerical study of seasonal and interannual variation of circulation and water transports in the Luzon Strait[J]. Haiyang Xuebao, 2016, 38(5): 1-13. ( 0) |
2. National Marine Environmental Monitoring Center, Dalian 116023, China