2022, Vol. 52
2. 中国极地研究中心, 上海 200136
南大洋是指太平洋、大西洋和印度洋南部互相连通的海域，因其在海洋学上具有独特的性质，被称为南大洋。占全球大洋面积20%的南大洋直接影响全球尺度的大气环流、大洋环流和气候变异[1]。南大洋还是地球上最大的冷水团源地，其微小的变化都会影响全球的大洋环流，是海-气相互作用的综合系统，对全球气候变化具有极高的敏感性和放大作用[2]。
海洋表面温度(Sea Surface Temperature, SST)作为研究海面水汽和热量交换的一个重要物理参数，是影响浮游动植物生长和分布的关键环境因子[3]。同时，SST也是一个重要的海洋环境参数，在海洋动力学、海气相互作用和污染监测等方面都有广泛的应用[4]。SST梯度分布与流系、涡旋、急流和上升流等区域有关，在全球气候观测系统中是一个至关重要的气候变量[5]，是海气相互作用和气候变化过程中的一个核心因素[6-7]。由于南大洋在全球气候系统中具有重要作用，研究其SST年际变化规律具有非常重要的意义。
基于已有的理论基础和技术方法，国内外许多研究者围绕南大洋海域SST应用做了大量研究。Ghasemi等[8]探究印度洋SST和厄尔尼诺-南方涛动(ENSO)对降水的影响，发现SST与降水具有显著正相关性，而ENSO与降水存在明显负相关。获取SST数据的方法有很多，在卫星技术相对薄弱的过去，研究者大多采用船载和监测站观测的数据，但传统的船测和站点测量不能反映海洋温度场的整体状况[9]。目前卫星遥感已成为观测全球海洋表面温度的最佳手段，不同遥感数据应用于不同的研究中，如AMSR-E、AATSR、AVHRR Pathfinder、MODIS等卫星数据都能被用来进行研究海表温度在不同区域的变化特征以及对环境的影响，如南极极地峰位置、南大洋海表温度时空变化以及对叶绿素a浓度影响、北极海表温度数据对比分析等[10-14]。此外，海表温度变化对气候变化有一定的响应，为此研究者利用遥感获取的海表温度数据做了大量研究。由于遥感在大尺度研究中的优势，利用遥感数据获取的海表温度数据经常被用于全球变化现象的研究，如Ferster等[15]研究SST数据集和SOI、南极涛动(AAO)遥相关性，发现SOI与SST存在负相关性，与AAO存在正相关性，且SOI和SST相关性更好。Megha Maheshwari等[16]利用1982—2011年SST数据分析南大洋海表面温度异常(SSTA时间变化和季节变化特征，并发现厄尔尼诺/拉尼娜事件在南大洋SST变化中发挥着重要的作用：在厄尔尼诺年份，南大洋SST异常变暖；而拉尼娜年份，南大洋SST异常变冷[16]。
基于以上研究，本文主要是对前人研究的延伸。一方面将研究时间尺度延长至2019年，以分析南大洋38年(1982—2019年)SSTA的时空变化特征及其原因；另一方面进一步探讨南大洋SSTA与SOI、ONI之间的遥相关性，从而为研究南大洋海气变化、洋流变化、海洋动力学等提供理论依据。
1 研究区域和数据 1.1 研究区域通常南大洋被定义为在60°S以南的海域，但是由于冬季海冰范围几乎覆盖整个60°S以南区域，无法得到真实的SST数据，而且若将南大洋海区按照60°S以南计，无法得到与中高纬度海域之间的联系。因此本文以45°S以南的海域作为研究区域(见图 1)。
|
图 1 南大洋位置示意图 Fig. 1 Location of the Southern Ocean |
本文采用了美国国家海洋和大气管理局(NOAA)发布的最佳插值(Optimum Interpolation Sea Surface Temperature Analysis，OISST)数据集的SST数据、美国国家海洋和大气管理局气候预测中心(CPC)的厄尔尼诺指数(Oceanic Niño Index, ONI)和南方涛动指数(Southern Oscillation Index, SOI)。
OISST是从https://www.esrl.noaa.gov/psd/data/gridded/data.noaa.oisst.v2.html下载的。该数据集采用了卫星遥感数据(AVHRR)和实测数据，通过最优插值法得到SST数据[17]。该数据集已将海冰设置为缺失值，避免SST结果受海冰影响。所采用的最佳插值法(Optimum Interpolation, OI)是一种用于不规则空间数据的客观分析方法，是根据大尺度运动基本气象要素的经验结构函数和相关函数的大量研究提出来的，选择权重使得分析误差最小。但由于在做线性回归和误差协方差模拟时做了多种假设，所以这种插值并不是真正的最优，而常称为“统计插值”。本研究采用的OISST v2数据集可以获取1981年9月以来月平均SST数据，空间分辨率为1°，时间跨度为1982—2019年。
ONI和SOI均来自于https://www.cpc.ncep.noaa.gov/。研究显示，当赤道太平洋中东部附近海区(Niño 3.4)的SST比往年明显升高时，ONI值为+0.5或更高，表明可能有厄尔尼诺现象；当该地区比平常冷时，ONI值为-0.5或更低，表明有可能会出现拉尼娜现象[18-20]。因此，目前ONI成为NOAA监测厄尔尼诺和拉尼娜现象的主要指标。
SOI是根据南方涛动理论，用法属波利尼西亚塔希提站(Tahiti)和澳大利亚达尔文站(Darwin)两个测站之间的海平面气压差值进行处理后，得到了一个用于衡量南方涛动强弱的指数，是ENSO的重要指标。正/负SOI指数表示东部热带太平洋上的SST变冷/暖，因此可以描述类似于厄尔尼诺(拉尼娜)事件[21-24]。
本研究利用中国气象局国家气候中心提供的《厄尔尼诺/拉尼娜事件判别方法》(GB/T 33666—2017)给出的厄尔尼诺/拉尼娜历史事件数据(https://cmdp.ncc-cma.net/pred/cn_enso_index.php)。
1.3 研究方法为了更好地观察南大洋海域38年里的变化规律，利用每年的SST平均值减去1982—2019年期间38年的SST平均值，可以得到SSTA。为了减少季节性偏差，用SST距平除以SST标准差(其中，SST标准差=
根据SSTA计算方法，我们可以得到38年的SSTA时空分布特征(见图 2)。如图所示，1983、1992、1997、1998、2011、2016、2018以及2019年SSTA值较高，SSTA数值变化在0.8 ℃上下，表明有异常变暖现象；在1982、1989、2009以及2010年SSTA值较低，SSTA数值变化在-0.8 ℃上下，表明有异常变冷现象；还能看出在1997、2017年，SSTA数据在0.6 ℃上下, 表明整个南大洋SSTA较高。而且观察发现，SSTA较高值的区域大多都在太平洋海域附近。
|
图 2 1982—2019年间南大洋SSTA时空分布 Fig. 2 Spatial and temporal distribution of SSTA in the Southern Ocean from 1982 to 2019 |
相关研究表明，1992年经历了中等强度的厄尔尼诺事件，1997年是厄尔尼诺最强的一年，这一年整个南大洋几乎所有区域都出现了变暖情况[16]，因此在图中观测到的异常升温可能与厄尔尼诺事件有关。而1988—1989年、1998—2001年、2007—2009年初以及2010年7月—2012年初都发生了较强的拉尼娜事件。因此，研究中观察到的异常变冷可以用拉尼娜事件来解释。后面会进一步讨论有关SST和厄尔尼诺/拉尼娜现象之间的相关性。
2.2 南大洋海域SST相关性分析将标准化SSTA与SOI和ONI进行了Pearson相关性的比较。Pearson相关系数是用来评估两个数据是否线性相关，相关系数的绝对值越大，相关性越强。
SST与SOI之间的相关性与中纬度(45°S—50°S)的正异常和中高纬度的负异常有关。在中纬度太平洋、澳大利亚西海岸和大西洋45°S以南，两者之间是正相关的，但是其相关系数大多小于0.25，相关性较低；在中高纬度，太平洋两者之间呈明显负相关性。SOI的负值说明东太平洋的异常变暖(类似厄尔尼诺事件)。SST与ONI之间的相关性与中高纬度的正异常有关，在中高纬太平洋SST与ONI有非常明显的正相关性(见图 3)。从图中可以看出，在南大洋西南海域SSTA与SOI、ONI存在明显的相关性，后面将重点讨论该区域的SSTA与SOI、ONI之间的相关性。
|
图 3 南大洋标准化SSTA与SOI以及ONI的Pearson相关系数 Fig. 3 Pearson correlation coefficients of standardized SST anomalies with SOI and ONI in the Southern Ocean |
前文分析了1982—2019年这段时间内南大洋(45°S以南)SSTA的变化，发现在南大洋西南海域(45°S—70°S，120°W—170°W)SSTA与SOI以及ONI存在明显的相关性，在讨论部分将对该区域中出现的SSTA进行原因分析。
历史上有三次超强厄尔尼诺事件，分别是1982—1983年、1997—1998年以及2015—2016年。SOI在1982—1983年、1986—1987年、1990—1994年、2002—2005年以及2014—2016年都出现持续性负值，表示有厄尔尼诺现象。数据显示(见图 4)，SOI与SSTA存在明显的负相关性(如1983、1992、1998和2016年)。超强拉尼娜事件的年份有1988—1989年、1998—2001年、2007—2009年以及2010—2012年。SOI在1984—1985年、1988—1989年、1999—2001年、2007—2013年以及2017—2018年都出现持续性正值。SOI与SSTA存在明显的正相关性(如1989年、1999—2001年、2011年)(见图 4)，表示有拉尼娜现象。由此可以发现，厄尔尼诺发生年份，SSTA增加，而拉尼娜发生年份，SSTA降低。此外，通过SSTA与SOI两者之间的分析发现，SSTA变化明显比SOI变化滞后一年，表明ENSO会对南大洋西南海域SSTA变化产生影响。
|
(负(正)系数为蓝色(红色)，表示SSTA的减少(增加)。Negative (positive) coefficients in blue (red) indicate a decrease (increase) in SSTA.) 图 4 1982—2019年SSTA与SOI相关系数 Fig. 4 SSTA-SOI correlation coefficients from 1982 to 2019 |
1982、1997年发生了较为严重的厄尔尼诺事件，尤其1997年，是厄尔尼诺最强的一年，整个南大洋几乎所有海域都出现了变暖。与此同时，在某些相近年份的ONI≥0.5(1982—1983年、1987年、1991—1992年、1997年和2002年)。数据显示(见图 5)，南大洋在1982—1983年、1986—1988年、1991—1993年、1996—1997年以及2000—2003年里SST存在明显的异常升温现象，表示在厄尔尼诺发生的年份，SSTA会增加。而在1989、1999、2008以及2011年都发生过强烈的拉尼娜事件。同时观察到某些年份的ONI≤0.5(1988—1989年、1999—2000年、2007—2008年以及2011年)。1988—1989年、1997—2000年、2007—2008年以及2010—2012年里存在显著的异常降温现象(见图 5)，因此在研究中观察到的SSTA降低可能与拉尼娜事件有关。SSTA与ONI的相关性都为正，只不过正相关性系数有所差别。ONI和SOI是用来表征SSTA的一个指标，ONI和SOI对应的厄尔尼诺/拉尼娜年份和南大洋SSTA年份并不完全一致，这表明SST除了受到厄尔尼诺/拉尼娜事件、南方涛动的影响之外，还有可能受其他因素，如西风、洋流等影响[25-26]。
|
(负(正)系数为蓝色(红色)，表示SSTA的减少(增加)。Negative (positive) coefficients in blue (red) indicate a decrease (increase) in SSTA.) 图 5 1982—2019年SSTA与ONI相关系数 Fig. 5 SSTA-ONI correlation coefficients from 1982 to 2019 |
通过上述分析可知，南大洋西南海域SSTA对厄尔尼诺/拉尼娜事件有较好的响应。为了进一步分析南大洋西南海域SSTA与厄尔尼诺/拉尼娜事件的关系，根据ONI指数计算方法，取南大洋西南海域(45°S—70°S，120°W—170°W)的SST，利用3个月的SST距平均值得到新的指数，我们把这个新的指数命名为南太平洋指数(SPI)。研究发现(见图 6)，SPI与ONI数据的一致性较好(R=0.87)，这表明南大洋西南海域SST变化与厄尔尼诺/拉尼娜的发生具有一定的联系。
|
图 6 南太平洋指数(SPI)与厄尔尼诺指数(ONI)散点图 Fig. 6 SPI and ONI scatter diagram |
分析SPI，发现连续5个月SPI ≥ 0.5 ℃的年份有1982、1983、1991—1992年，2002—2003年，在历史上这些年份均有发生厄尔尼诺事件(见表 1)；连续5个月SPI ≤ -0.5 ℃的年份有1984、1994、1999—1901年、2005、2006、2008、2010、2013、2016—2017年，历史上这些年份里也有拉尼娜事件发生(见表 2)。SPI≥0.5 ℃未出现的年份也有超强或者中等厄尔尼诺事件，SPI≤-0.5 ℃的年份也有未“识别”的强拉尼娜事件，说明了该区域对全球气候变化是有响应的，但是SPI与厄尔尼诺、拉尼娜事件存在的相关性是遥相关的，其可能的遥相关机制是，厄尔尼诺事件(拉尼娜事件)可能会影响南大洋西南海域SST异常升温(降温)。
|
表 1 EI Nino历史事件以及SPI统计 Table 1 EI Nino historical events and statistics of SPI |
|
|
表 2 La Nina历史事件以及SPI统计 Table 2 La Nina historical events and statistics of SPI |
因此，除了可以用Nino3.4区域表征ENSO之外，SPI(45°S—70°S，120°W—170°W)的区域与ENSO有较好的遥相关性，表明该海域对全球气候变化具有响应作用。对比表 1和2可以发现，在38年间SPI区域对厄尔尼诺事件反馈较少，而对拉尼娜事件有更多的反馈，这表明该区域受南极附近海冰影响较大。实际上，该区域的海冰也会受到厄尔尼诺的影响[27]。从整个南大洋海域SST变化趋势来看，整体呈现下降趋势，表明南大洋中高纬度海域对全球气候变化也有自身的调节机制，可以起到一个平衡的作用。
4 结论本研究利用OISST V2的SST产品数据(1982—2019年)，研究南大洋海域(45°S以南)年际SSTA变化特征，并研究SSTA与SOI、ONI之间的相关性，体现了南大洋海域对全球气候变化的响应，尤其发现SPI区域较其他海域有更加明显的反应。结果表明：
(1) 通过SSTA与SOI、ONI相关性分析，南大洋西南海域(45°S—70°S，120°W—170°W)与SOI和ONI有非常明显的相关性，这可能与厄尔尼诺/拉尼娜事件发生在热带东太平洋海域附近有关，体现了南大洋海域对全球气候变化的响应。
(2) 本研究基于ONI指数的计算原理，利用南大洋西南海域(45°S—70°S，120°W—170°W)的SST，获得该海域的一个类似ONI的指数——南太平洋指数(SPI)，该指数与ONI相关系数较高(R=0.87)，表明该区域与厄尔尼诺/拉尼娜事件可能存在遥相关性，说明该区域对全球气候变化具有响应作用，但是还需要进一步研究该区域预测厄尔尼诺/拉尼娜事件发生的精准度。
| [1] |
史久新, 赵进平. 中国南大洋水团、环流和海冰研究进展(1995—2002)[J]. 海洋科学进展, 2002, 20(4): 116-126. Shi Jiuxin, Zhao Jinping. Advances in Chinese studies on water masses, circulation and sea lce in the Southern Ocean (1995—2002)[J]. Advances in Marine Science, 2002, 20(4): 116-126. DOI:10.3969/j.issn.1671-6647.2002.04.017 (  0) |
| [2] |
陈立奇, 汪建君, 詹力扬, 等. 中国南大洋海洋大气化学研究进展[J]. 极地研究, 2018, 30(3): 221-234. Chen Liqi, Wang Jianjun, Zhan Liyang, et al. Progress in Chinese research on marine atmospheric chemistry over the Southern Ocean[J]. Chinese Journal of Polar Research, 2018, 30(3): 221-234. DOI:10.13679/j.jdyj.20180009 ( 0) |
| [3] |
Merchant C J, Embury O, Bulgin C E, et al. Satellite-based time-series of sea-surface temperature since 1981 for climate applications[J]. Scientific Data, 2019, 6(1): 223-241. DOI:10.1038/s41597-019-0236-x ( 0) |
| [4] |
Benz V, Esper O, Gersonde R, et al. Last glacial maximum sea surface temperature and sea-ice extent in the Pacific sector of the Southern Ocean[J]. Quaternary Science Reviews, 2016, 146: 216-237. DOI:10.1016/j.quascirev.2016.06.006 ( 0) |
| [5] |
Reynolds R W, Smith T M. Daily high-resolution-blended analyses for sea surface temperature[J]. Journal of Climate, 2007, 20(22): 5473-5496. DOI:10.1175/2007JCLI1824.1 ( 0) |
| [6] |
Maturi E, Harris A, Mittaz J, et al. A new high-resolution sea surface temperature blended analysis[J]. Bulletin of the American Meteorological Society, 2017, 98(5): 1015-1026. DOI:10.1175/BAMS-D-15-00002.1 ( 0) |
| [7] |
张松, 于非, 刁新源, 等. 渤、黄、东海海表面温度年际变化特征分析[J]. 海洋科学, 2009, 33(8): 76-81. Zhang Song, Yu Fei, Diao Xinyuan, et al. Interannual variation of sea surface temperature in the Bohai Sea, the Yellow Sea and the East China Sea[J]. Marine Sciences, 2009, 33(8): 76-81. ( 0) |
| [8] |
Ghasemi A R. Influence of northwest Indian Ocean sea surface temperature and El Nino-Southern Oscillation on the winter precipitation in Iran[J]. Journal of Water and Climate Change, 2020, 11(4): 1481-1494. DOI:10.2166/wcc.2019.274 ( 0) |
| [9] |
刘良明, 周军元. MODIS数据的海洋表面温度反演[J]. 地理空间信息, 2006, 4(2): 7-9. Liu Liangming, Zhou Junyuan. Retrieval of ocean surface temperature from MODIS data[J]. Geospatical Information, 2006, 4(2): 7-9. DOI:10.3969/j.issn.1672-4623.2006.02.003 ( 0) |
| [10] |
Meneghesso C, Seabra R, Broitman B R, et al. Remotely-sensed L4 SST underestimates the thermal fingerprint of coastal upwelling[J]. Remote Sensing of Environment, 2019, 237(2020): 111588-111598. ( 0) |
| [11] |
Dong S, Sprintall J, Gille S T. Location of the Antarctic polar front from AMSR-E satellite sea surface temperature measurements[J]. Journal of Physical Oceanography, 1980, 36(11): 2075-2089. ( 0) |
| [12] |
张精英, 孙伟富, 张杰, 等. 基于星载红外辐射计的北极海表温度数据对比分析[J]. 海洋科学, 2018, 42(11): 1-12. Zhang Jingying, Sun Weifu, Zhang Jie, et al. Comparative analysis of Arctic sea surface temperature data based on spaceborne infrared radiometer[J]. Marine Sciences, 2018, 42(11): 1-12. ( 0) |
| [13] |
Zeng C, Xu H P. Temporal and spatial SST (Sea Surface Temperature) distribution and its impact on Chlorophyll-a concentration in Southern Ocean during 2002—2012[J]. Applied Mechanics and Materials, 2014, 675-677: 1197-1200. DOI:10.4028/www.scientific.net/AMM.675-677.1197 ( 0) |
| [14] |
张雷, 任国玉, 宝乐尔其木格, 等. 基于卫星观测的南海表层温度气候学特征及长期变化[J]. 气候变化研究进展, 2017, 13(3): 189-197. Zhang Lei, Ren Guoyu, Baoleerqimuge, et al. Climatological characteristics and long-term variation of surface temperature in the South China Sea based on satellite observations[J]. Climate Change Research, 2017, 13(3): 189-197. ( 0) |
| [15] |
Ferster B S, Subrahmanyam B, Macdonald A M. Confirmation of ENSO-Southern Ocean teleconnections using satellite-derived SST[J]. Remote Sensing, 2018, 10(2): 331-339. DOI:10.3390/rs10020331 ( 0) |
| [16] |
Maheshwari M, Singh R K, Oza S R, et al. An investigation of the Southern Ocean surface temperature variability using long-term optimum interpolation SST data[J]. ISRN Oceanography, 2013, 2013(1): 1-9. ( 0) |
| [17] |
Reynolds R W, Smith T M. Improved global Sea Surface Temperature analyses using optimum interpolation[J]. Journal of Climate, 1994, 7(6): 929-948. ( 0) |
| [18] |
王文秀, 林燕丹, 许桂旋, 等. 1951—2016年厄尔尼诺/拉尼娜事件对登陆华南地区台风的影响[J]. 亚热带水土保持, 2018, 30(2): 13-19. Wang Wenxiu, Linn Yandan, Xu Guixuan, et al. Impact of El Nino / La Nina events on landfall typhoons in South China from 1951 to 2016[J]. Subtropical Soil and Water Conservation, 2018, 30(2): 13-19. ( 0) |
| [19] |
陈虹颖, 徐峰, 李晓惠, 等. 近65年ENSO事件强度变化及时频特征研究[J]. 热带气象学报, 2017, 33(5): 683-694. Chen Hongying, Xu Feng, Li Xiaohui, et al. Study on time frequency characteristics of ENSO events in recent 65 years[J]. Journal of Tropical Meteorology, 2017, 33(5): 683-694. ( 0) |
| [20] |
刘颖婧, 陈永平, 甘敏, 等. 1951—2016年影响我国热带气旋的强度变化特征及其与ENSO的关系[J]. 应用海洋学学报, 2018, 37(3): 301-312. Liu Yingjing, Chen Yongping, Gan MIN, et al. Intensity variation characteristics of tropical cyclones affecting China from 1951 to 2016 and its relationship with ENSO[J]. Journal of Applied Oceanography, 2018, 37(3): 301-312. ( 0) |
| [21] |
Kingtse C. Relationships between low-frequency variability in the southern hemisphere and Sea Surface Temperature anomalies[J]. Journal of Climate, 1999, 13(20): 3599-3610. ( 0) |
| [22] |
Welhouse L J, Lazzara M A, Keller L M, et al. Composite analysis of the effects of ENSO events on Antarctica[J]. Journal of Climate, 2016, 29(5): 1797-1808. ( 0) |
| [23] |
Cerrone D, Fusco G, Simmonds I, et al. Dominant covarying climate signals in the Southern Ocean and Antarctic sea ice influence during the last three decades[J]. Journal of Climate, 2017, 30(8): 3055-3072. ( 0) |
| [24] |
Fogt R L, Bromwich D H. Decadal variability of the ENSO teleconnection to the high-latitude South Pacific governed by coupling with the southern annular mode[J]. Journal of Climate, 2004, 19(6): 979-997. ( 0) |
| [25] |
廖静思, 陆志波, 王娟, 等. 南大洋扇区夏季表层海水叶绿素a分布特征及其原因分析[J]. 四川环境, 2019, 38(1): 105-115. Liao Jingsi, Lu Zhibo, Wang Juan, et al. Distribution characteristics and causes of Chlorophyll a in surface water of Southern Ocean sector in summer[J]. Sichuan Environment, 2019, 38(1): 105-115. ( 0) |
| [26] |
Caiazzo L, Baccolo G, Barbante C, et al. Prominent features in isotopic, chemical and dust stratigraphies from coastal East Antarctic ice sheet (Eastern Wilkes Land)[J]. Chemosphere, 2017, 176: 273-287. ( 0) |
| [27] |
Yuan X. ENSO-related impacts on Antarctic sea ice: A synthesis of phenomenon and mechanisms[J]. Antarctic Science, 2004, 16(4): 415-425. ( 0) |
2. Polar Research Institute of China, Shanghai 200136, China