ENSO对冬季中国近海海洋热浪事件的影响分析
Analysis of the Impact of ENSO on Marine Heatwaves in Offshore China in Winter
DOI: 10.12677/ccrl.2024.136167, PDF, HTML, XML,   
作者: 张忠禹, 贾文韬, 高振力, 张卫民:国防科技大学气象海洋学院,湖南 长沙
关键词: 海洋热浪海表温度ENSO中国近海Marine Heatwaves Sea Surface Temperature ENSO Offshore China
摘要: 海洋热浪(简称MHWs)是在一定海域内发生的海表温度异常偏高的现象,本文利用在再分析数据资料,分析了ENSO对中国近海40年间(1982~2023年)冬季MHWs事件的影响。长期趋势上,El Niño年冬季中国近海各海域MHWs分布较平均,La Niña年不同海域发生MHWs差异较大。El Niño、La Niña年总发生天数和平均持续时间在空间分布上几乎相反。发生El Niño事件后,中国近海都发生了大量的MHWs,La Niña事件后,MHWs发生很少甚至没有发生。同时,ENSO影响西太副高的加强西伸,对冬季MHWs的发生密切相关,环流异常会增大南海北部潜热通量与南部的短波辐射通量,促进MHWs发生。
Abstract: The phenomenon of marine heatwaves (MHWs) refers to abnormally high sea surface temperatures in specific marine areas. This paper utilizes reanalysis data to investigates the influence of El Niño-Southern Oscillation (ENSO) on winter MHWs in offshore China over the past 40 years (1982~2023). In terms of long-term trends, the distribution of MHWs in offshore China during El Niño winters exhibits relative uniformity, while significant variations are observed among different regions during La Niña winters. Spatially, there exists an inverse relationship between the total occurrence days and average duration of MHWs during El Niño and La Niña events. Subsequent to an El Niño event, a substantial number of MHWs occur in China’s coastal waters; however, following a La Niña event, occurrences of MHWs are infrequent or even absent. Furthermore, ENSO influences the westward extension and intensification of the West Pacific subtropical high pressure system and demonstrates close associations with winter occurrences of MHWs. Circulation anomalies enhance latent heat fluxes in northern South China Sea regions and short-wave radiation fluxes in southern South China Sea regions, thereby promoting the development of MHWs.
文章引用:张忠禹, 贾文韬, 高振力, 张卫民. ENSO对冬季中国近海海洋热浪事件的影响分析[J]. 气候变化研究快报, 2024, 13(6): 1554-1563. https://doi.org/10.12677/ccrl.2024.136167

1. 引言

海洋热浪(MHWs)通常来说在时间尺度上是一种持续数天至数月的海水暖异常,在空间尺度上为1到1000公里以上[1]。与陆地热浪相比,MHWs收到的关注较少,但其对海洋生物和海洋生态系统的影响是十分重大的。海洋温度的急剧升高可能导致物种不可逆的损害甚至局部灭绝,例如,2011年澳大利亚西海岸MHWs改变了当地藻类和珊瑚的生态环境,导致海藻数量减少,热带鱼群落分布向南拓展[2];2013~2015年东太平洋海温持续上升,严重影响当地的海洋生态系统和渔业资源;2016年受强El Niño事件驱动,澳大利亚大堡礁发生了严重的白化事件,波及90%以上的珊瑚。在最近的研究中发现,在过去的几十年里,全球MHWs显著增加,MHWs的持续时间更长,强度更大[3]-[5]。在中国近海地区,MHWs时间也在增加。近年来,黄海、渤海[6]和南海[7]都出现了强度规模破纪录的MHWs。在这种情况下,许多学者和政府机构开始关注MHWs,形成了一个以MHWs为核心的新兴研究前沿。

MHWs的产生通常受到全球气候系统内部变化和人类活动的共同影响,形成机制复杂。Holbrook等认为,长时间持续的MHWs主要发生在赤道东太平洋,并且总与El Niño事件相关[1]。Oliver等也证明在赤道东太平洋的MHWs受ENSO影响显著,平均持续时间长达60天[5]。此外,海气热通量和海洋热平流等局部物理过程也主导着MHWs [7],这两个过程通常通过大气和海洋环流与大尺度气候驱动相关联,例如El Niño和ENSO [8],有利于MHWs的大气强迫包括了由于低风速导致的云量减少和海洋潜热损失受到抑制而产生的净向下太阳辐射异常。尽管世界范围内与海温有关的文献越来越多,但对中国近海及边缘海区域MHWs的形成的关注较少,本文着重分析ENSO对冬季中国近海的影响。

2. 资料与方法

资料来源

本文采用的海表温度(简称SST)数据资料来自于NOAA发布的逐日平均海温OISST V2数据集,网格分辨率为0.25˚ × 0.25˚,数据格式为netcdf格式;海−气界面通量和高空气象数据取自NCEP提供的月平均ERA-5再分析数据,网格分辨率为1˚ × 1˚;海流数据来源于AVISO的再分析数据,网格分辨率为0.25˚ × 0.25˚。所有数据的时间范围为1982年1月1日至2023年12月31日。

a) MHWs的定义及指数计算

MHWs是海表发生的相互离散且持久的异常增暖事件。判断MHWs的主要依据是根据海温是否连续多日超过MHW的阈值。本文采用Hobday等[9]制定的定义方法,即MHW是指在一定海域内发生的日SST至少连续5 d超过当地阈值(即气候基准期内同期日SST的第90百分位)的事件,并将气候基准期定为1982~2011年,将每年的12月至次年的2月定为冬季,采用气候基准期内同期11天时间窗口内的日平均海温值并做31天的滑动平均计算得到当天气候态温度。

为了更好地描述MHWs的特征,参考Yao等在研究南海夏季MHWs特征时的方法,定义了如下的MHWs指数:HWN (次)为发生MHWs的次数,HWT (天)为发生MHWs的总天数,HWDU (天/次)为MHWs的平均持续时间,HWI (℃/次)为MHWs发生的平均强度[10]。其计算方式如表1所示。

Table 1. Definition and calculation method of MHWs index

1. MHWs指数定义及计算方法

指数名称

定义

计算方法

单位

HWN

发生次数

HWN=N

HWT

发生总天数

HWT= i=1 N D i

HWDU

平均持续时间

HWDU= i=1 N ( D i )/N

天/次

HWI

平均强度

HWI= i N j D i ( T ij T ij ˜ )/N

˚C/次

3. 厄尔尼诺/拉尼娜年中国近海MHWs的特征

选定1982~2011年为气候基准期,计算了1982~2023年间冬季的平均MHWs指数(HWN、HWT、HWDU和HWI),并分别提取出El Niño年(1983年、1988年、1998年、2010年、2015年和2016年)和La Niña年(1985年、1989年、1999年、2000年、2008年、2011年)的数据。结果如图1所示,其中(a)~(d)为El Niño年HWN、HWT、HWDU、HWI的年平均分布,(e)~(h)为La Niña年对应的年平均分布。可以看出:(1) 从频次上看,El Niño年的MHWs分布较为平均,除在渤海靠近陆地区域和东海外整个海域平均发生一次MHWs。La Niña年发生频次小于El Niño年,不同海域发生MHWs差异较大,南海和渤海海域几乎没有发生MHWs,黄海中部和东海东部海域平均发生一次MHWs。(2) El Niño、La Niña年总发生天数和平均持续时间在空间分布上几乎相反。南海和黄海海域在El Niño年的MHWs总持续时间在15~25天左右,平均持续时间在30天左右,而在La Niña年几乎没有发生MHWs,在渤海和东海海域El Niño年和La Niña年几乎没有发生MHWs。(3) 根据平均强度(HWI)指数,El Niño年HWI的空间分布与HWN基本一致,高值集中在南海和黄海地区,约为1.5 ℃/次,在中国近海,El Niño年的平均强度明显大于La Niña年。

除了长期趋势外,中国近海冬季MHWs的持续时间也存在年际变化。在1983年、1988年、1991年、1992年、1995年、1998年、2003年、2005年、2010年、2015年和2016年、2019年发生El Niño事件后,中国近海都发生了大量的MHWs如图2;与此相反,在1984年、1985年、1989年、1996年、1999年、2001年、2006年、2008年、2011年、2017年发生与El Niño相反的La Niña事件后,MHWs发生很少甚至没有发生,如图2所示,总体上,在El Niño事件后,中国近海不论是MHWs发生的次数还是单位面积发生MHWs的时间都大于发生La Niña事件后。

Figure 1. Annual mean distribution of MHWs index in offshore China in winter. Figure (a)~(d) are the an nual mean distributions of HWN, HWT, HWDU, and HWI in the winter of El Niño years, and (e)~(h) are the corresponding annual mean distributions in the winter of La Niña years

1. 厄尔尼诺/拉尼娜年中国近海MHWs的指数分布图。(a)~(d)为El Niño年冬季HWN、HWT、HWDU、HWI的年平均分布,(e)~(h)为La Niña年冬季对应的年平均分布

Figure 2. Scatter plot of the number of MHWs days and Niño3.4 index over China in winter of El Niño/La Niña year

2. 厄尔尼诺/拉尼娜年冬季中国近海MHWs天数与Niño3.4指数散点图

4. ENSO对冬季中国近海MHWs事件影响的机制

4.1. ENSO对冬季东亚大气环流的影响

ENSO是热带太平洋地区大尺度海–气耦合作用,作为气候系统中最为显著的年际变率,ENSO可通过西北太平洋反气旋强烈地影响东亚冬季气候[11]-[13]。大气再分析资料表明,由El Niño事件导致的热通量变化是造成偏远海域海温上升的主要原因[14]。在El Niño事件发生后,南海高压开始形成,并沿着西北太平洋黑潮暖流延伸的路径进入南海海域;同年冬季至翌年春季,南海高压西北部盛行西南风,东亚地区的东北冬季风比正常年份更弱[15]。在南海高压的发展阶段,西南风会引起南海的温暖平流[16] [17],从而将温暖潮湿的空气输送到中国近海。强劲的暖湿气流削弱了正常冬季的东北气流,并将亚洲大陆的冷空气排出。南海高压的南风或西南风还可以降低平均地面风速,因此,从海洋中损失的表面热通量显著减少,海气热量交换转为由大气向海洋补给热量。已有研究表明[18]-[20],整个南海的海表风场与 Niño指数均呈负相关,北部海域的相关性比南部好,加之由于南海高压西脊点较往年明显偏西、夏季风减弱,会导致海表潜热损失及越南东侧上升流减弱,从而致使海温在El Niño发生年的翌年夏季出现增暖过程。

图3给出了在Niño3.4指数回归的对流层中、低层的大气环流异常。当Niño3.4为正异常(El Niño)时,在500 hpa图上,东亚东部几乎全部呈现出正的位势高度异常,对应东亚大槽的显著减弱,东亚西部区域呈现负的位势高度异常,这种西低东高的纬向环流不利于冷空气的活动,导致东亚冬季风偏弱。在850 hpa图上,位于海洋大陆和赤道印度洋上,这是典型的ENSO型风场异常[21] [22]。在El Niño事件发生时,西北太平洋地区对应显著的PEA型大气遥相关,在日本海东部和菲律宾海上空伴随着两个异常中心。菲律宾海的反气旋异常中心会在中国南部产生西南风异常,西南风异常对应着减弱的气候态东北风,另一个位于日本海东部的异常反气旋中心会在中国北部产生东南风异常,东南风异常对应着气候态西北风的减弱[23]。冬半年东亚季风的减弱影响了海面潜热(LH)的释放,导致海表面温度的升高。

Figure 3. Regression of Niño3.4 index and East Asian 500 hpa and 850 hpa circulation anomalies. (a) and (b) are anomalies of geopotential height and wind field of 500 hpa and 850 hpa respectively. The dotted region corresponds to the area that has been tested with a confidence level of 99%

3. Niño3.4指数与东亚500 hpa、850 hpa环流异常的回归值。(a)、(b)分别为500 hpa、850 hpa位势高度及风场的异常。打点区域为超过99%置信度检验的区域

海洋和大气之间存在复杂的强迫和反馈机制,其中海气热通量交换是一个重要的方面。根据以往的研究,MHWs的发生与大尺度大气环流异常密切相关,Li等论证了MHWs的发生与近地表稳定反气旋异常密切相关,该异常导致云量减少,太阳短波辐射通量进而增加[24]

近年来的研究发现,反气旋环流可能造成异常的大气下沉运动,导致云量减少,从而增加到达地面的太阳短波辐射(SW),强大的向下运动和风速的降低抑制了海面LH的释放。受到海面LH释放减少和SW接收增大的共同作用,海表面热通量增加导致海面温度上升。如图4所示,南海南部潜热通量与Niño3.4指数呈显著负相关,南海和东海南部太阳短波辐射热通量与Niño3.4指数呈显著正相关,这与Li等的结论一致,由大气环流异常引起LH通量和SW通量的异常间接影响了海面温度的升高,导致MHWs的形成。

Figure 4. Regression values of Niño3.4 index and short-wave, long-wave, latent and sensible heat anomalies off the coast of China in winter. (a)~(d) represent LH, SH, SW, and LW fluxes in the winter half year, respectively. The dotted region corresponds to the area that has been tested with a confidence level of 99%

4. Niño3.4指数与冬季中国近海短波、长波、潜热感热异常的回归值。(a)~(d) 分别表示冬半年LH、SH、SW和LW通量,打点区域表示置信水平超过99%的区域

4.2. ENSO对中国近海海洋环流及温度的影响

海洋环流主要是由风驱动或密度梯度所产生的,海洋环流的变化主要是风应力异常引起的。海表风应力的异常引起海洋内部水平压强梯度的变化,从而造成流场的变化。以往的研究指出,ENSO期间,海洋环流的变化与其上空异常风场有密切联系[25]。在El Niño成熟期,热带西太平洋赤道外南、北热带海域出现异常气旋性环流,导致该区北赤道流、南赤道流、棉兰老流、黑潮(KC)、新几内亚沿岸潜流及南赤道潜流显著加强;沿北赤道逆流流区出现异常气旋性环流串,北赤道逆流南北两部分异常流场方向相反,其总体强度接近正常。在El Niño衰退期或La Niña发展期,热带中西太平洋赤道潜流最强,赤道两侧出现异常气旋性环流;热带西太平洋赤道外热带海域异常气旋性环流明显减弱,北部转为弱的反气旋性环流,南部出现小范围的异常反气旋性环流,这些海域主要流场的强度减弱或接近正常状态;北赤道逆流流区为异常西向流,哈马黑拉涡、棉兰老涡和北赤道逆流最弱[26]。海洋环流的变化是ENSO事件对中国近海海洋环流影响的关键。ENSO对中国近海海洋环流的影响机制:ENSO事件引起的海洋表面温度异常和大气环流调整会共同作用于中国近海的海洋环流系统。具体来说,厄尔尼诺期间,赤道太平洋东部的暖水会导致西太平洋暖池向东扩展,进而影响中国近海的海洋环流。例如,南海的环流系统可能会受到影响,表现为南海暖流和黑潮南海分支流轴的异常变化。这些变化会进一步影响中国近海地区的海水温度、盐度、营养盐分布等海洋环境要素[26]。El Niño事件发生后,KC和TWC显著加强,有利于温暖的KC和台湾暖流(TWC)侵入中国近海区域,从而升高海温。从图5中也可以看出,在海水由低纬向高纬输送时,海温和Niño3.4指数呈正相关,说明El Niño事件会影响中国南海和黄海海面温度的升高,更容易发生MHWs,在海水由高纬向低纬输送时,海温和Niño3.4指数呈负相关,说明La Niña事件会影响中国东海海面温度的升高,引起MHWs,这与上文El Niño/ La Niña与中国近海MHWs的HWN特征一致。

Figure 5. Regression values of Niño3.4 index and ocean circulation and temperature off China. (a) and (b) correspond to winter and summer related information, respectively

5. Niño3.4指数与中国近海海洋环流及温度的回归值。(a)、(b)分别对应为冬季、夏季相关信息

5. 总结与讨论

5.1. 结论

本文首先基于多源再分析数据,分析了ENSO对中国近海MHWs在冬季的时空特征的影响。本文的主要结论总结如下:

(1) 总体来讲,近40年中国近海冬季MHWs发生的频率和强度与ENSO关系密切,尤其在中国南海北部陆架区,南海冬季MHWs的各项指数与ENSO现象的发生变化明显。

(2) MHWs深受大气环流异常的影响,特别是西太副高的异常变化与之紧密相关。当MHWs事件发生时,西太副高通常会展现出异常向西扩张和增强的特征,这一现象伴随着大规模环流结构和风场的显著异常。通过对海表热通量的深入回归分析,我们发现,在MHWs事件中,仅有LH和LW表现出对事件发生的显著贡献,而其他因素的作用则相对较为微弱。

(3) 海洋环流的变化是ENSO事件对中国近海海洋环流影响的关键,ENSO通过影响海洋上方风场间接产生海洋环流异常,ENSO事件引起的海洋表面温度异常和大气环流调整会共同作用于中国近海的海洋环流系统。

5.2. 讨论

在全球气候变迁与区域气候因素的交织影响下,MHWs现象愈发频繁,已成为海洋环境稳定性、生态系统健康以及海洋资源可持续利用的重大考验。鉴于人类活动引发的全球变暖中,超九成热量被海洋吸纳,导致全球海洋平均温度显著攀升,预计未来MHWs将在全球多数海域以更高的频率、更长的持续时间和更强的强度出现。当前研究尚不足以全面揭示不同海域MHWs的独特特征及背后机制。特别是作为中国近海这一气候敏感且脆弱的区域,将面临更为严峻的风险与挑战。因此,我们亟需高度重视MHWs事件及其潜在影响,积极采取行动,加快构建完善的海洋热浪监测体系与预测预警机制,以科学应对这一全球性挑战。

参考文献

[1] Holbrook, N.J., Scannell, H.A., Sen Gupta, A., Benthuysen, J.A., Feng, M., Oliver, E.C.J., et al. (2019) A Global Assessment of Marine Heatwaves and Their Drivers. Nature Communications, 10, Article No. 2624. httpsu//doi.org/10.1038/s41467-019-10206-z
[2] Caputi, N., Kangas, M., Denham, A., Feng, M., Pearce, A., Hetzel, Y., et al. (2016) Management Adaptation of Invertebrate Fisheries to an Extreme Marine Heat Wave Event at a Global Warming Hot Spot. Ecology and Evolution, 6, 3583-3593.
https://doi.org/10.1002/ece3.2137
[3] Bond, N.A., Cronin, M.F., Freeland, H. and Mantua, N. (2015) Causes and Impacts of the 2014 Warm Anomaly in the NE Pacific. Geophysical Research Letters, 42, 3414-3420.
https://doi.org/10.1002/2015gl063306
[4] Hughes, T.P., Kerry, J.T., Álvarez-Noriega, M., Álvarez-Romero, J.G., Anderson, K.D., Baird, A.H., et al. (2017) Global Warming and Recurrent Mass Bleaching of Corals. Nature, 543, 373-377.
https://doi.org/10.1038/nature21707
[5] Oliver, E.C.J., Donat, M.G., Burrows, M.T., Moore, P.J., Smale, D.A., Alexander, L.V., et al. (2018) Longer and More Frequent Marine Heatwaves over the Past Century. Nature Communications, 9, Article No. 1324.
https://doi.org/10.1038/s41467-018-03732-9
[6] Li, Y., Ren, G., Wang, Q. and You, Q. (2019) More Extreme Marine Heatwaves in the China Seas during the Global Warming Hiatus. Environmental Research Letters, 14, Article ID: 104010.
https://doi.org/10.1088/1748-9326/ab28bc
[7] Li, Y., Ren, G., Wang, Q., Mu, L. and Niu, Q. (2022) Marine Heatwaves in the South China Sea: Tempo-Spatial Pattern and Its Association with Large-Scale Circulation. Remote Sensing, 14, Article 5829.
https://doi.org/10.3390/rs14225829
[8] Wu, R., Chen, W., Wang, G. and Hu, K. (2014) Relative Contribution of ENSO and East Asian Winter Monsoon to the South China Sea SST Anomalies during ENSO Decaying Years. Journal of Geophysical Research: Atmospheres, 119, 5046-5064.
https://doi.org/10.1002/2013jd021095
[9] Hobday, A.J., Alexander, L.V., Perkins, S.E., Smale, D.A., Straub, S.C., Oliver, E.C.J., et al. (2016) A Hierarchical Approach to Defining Marine Heatwaves. Progress in Oceanography, 141, 227-238.
https://doi.org/10.1016/j.pocean.2015.12.014
[10] Yao, Y. and Wang, C. (2021) Variations in Summer Marine Heatwaves in the South China Sea. Journal of Geophysical Research: Oceans, 126, e2021JC017792.
https://doi.org/10.1029/2021jc017792
[11] Wang, B., Wu, R. and Fu, X. (2000) Pacific-East Asian Teleconnection: How Does ENSO Affect East Asian Climate? Journal of Climate, 13, 1517-1536.
https://doi.org/10.1175/1520-0442(2000)013<1517:peathd>2.0.co;2
[12] Wu, R. and Wang, B. (2002) A Contrast of the East Asian Summer Monsoon-ENSO Relationship between 1962-77 and 1978-93. Journal of Climate, 15, 3266-3279.
https://doi.org/10.1175/1520-0442(2002)015<3266:acotea>2.0.co;2
[13] Wu, R., Hu, Z. and Kirtman, B.P. (2003) Evolution of Enso-Related Rainfall Anomalies in East Asia. Journal of Climate, 16, 3742-3758.
https://doi.org/10.1175/1520-0442(2003)016<3742:eoerai>2.0.co;2
[14] Klein, S.A., Soden, B.J. and Lau, N. (1999) Remote Sea Surface Temperature Variations during ENSO: Evidence for a Tropical Atmospheric Bridge. Journal of Climate, 12, 917-932.
https://doi.org/10.1175/1520-0442(1999)012<0917:rsstvd>2.0.co;2
[15] 张文静, 郑兆勇, 张婷, 陈天然. 1960-2017年北部湾珊瑚礁区海洋热浪增强原因分析[J]. 海洋学报(中文版), 2020, 42(5): 41-48.
[16] Wang, D., Liu, Q., Huang, R.X., Du, Y. and Qu, T. (2006) Interannual Variability of the South China Sea Throughflow Inferred from Wind Data and an Ocean Data Assimilation Product. Geophysical Research Letters, 33, L14605.
https://doi.org/10.1029/2006gl026316
[17] Liu, Q., Huang, R., Wang, D., Xie, Q. and Huang, Q. (2006) Interplay between the Indonesian Throughflow and the South China Sea Throughflow. Chinese Science Bulletin, 51, 50-58.
https://doi.org/10.1007/s11434-006-9050-x
[18] 郑崇伟, 周林. 近10年南海波候特征分析及波浪能研究[J]. 太阳能学报, 2012, 33(8): 1349-1356.
[19] Zheng, C.W. and Zhou, L. (2012) Wave Climate and Wave Energy Analysis of the South China Sea in Recent 10 Years. Acta Energiae Solaris Sinica, 33, 1349-1356.
[20] 黄卓, 徐海明, 杜岩, 等. 厄尔尼诺期间和后期南海海面温度的两次显著增暖过程[J]. 热带海洋学报, 2009, 28(5): 49-55.
[21] Rasmusson, E.M. and Carpenter, T.H. (1982) Variations in Tropical Sea Surface Temperature and Surface Wind Fields Associated with the Southern Oscillation/El Niño. Monthly Weather Review, 110, 354-384.
https://doi.org/10.1175/1520-0493(1982)110<0354:vitsst>2.0.co;2
[22] Wallace, J.M., Rasmusson, E.M., Mitchell, T.P., Kousky, V.E., Sarachik, E.S. and von Storch, H. (1998) On the Structure and Evolution of Enso‐Related Climate Variability in the Tropical Pacific: Lessons from Toga. Journal of Geophysical Research: Oceans, 103, 14241-14259.
https://doi.org/10.1029/97jc02905
[23] 胡苏琼. 中国东部冬季雾日数的年际变化特征及其与海温异常的联系[D]: [硕士学位论文]. 南京: 南京信息工程大学, 2020.
[24] Li, Y., Ren, G., Wang, Q., Mu, L. and Niu, Q. (2022) Marine Heatwaves in the South China Sea: Tempo-Spatial Pattern and Its Association with Large-Scale Circulation. Remote Sensing, 14, Article 5829.
https://doi.org/10.3390/rs14225829
[25] Hu, D., Wu, L., Cai, W., Gupta, A.S., Ganachaud, A., Qiu, B., et al. (2015) Pacific Western Boundary Currents and Their Roles in Climate. Nature, 522, 299-308.
https://doi.org/10.1038/nature14504
[26] 陈永利, 官聪, 赵永平, 王凡. ENSO 相联系的热带太平洋上层海洋异常环流[J]. 海洋与湖沼, 2020, 51(5): 967-977.