越南沿岸上升流海表叶绿素的季节内尺度变异及机制.pdf

热带海洋学报 JOURNAL OF TROPICAL OCEANOGRAPHY 2023 年 第 42 卷 第 4 期:113124 doi:10.11978/2022166 http:/ 越南沿岸上升流海表叶绿素的季节内尺度变异及机制 林少文1,任姮烨2,卢文芳2,3 1.福州大学数字中国研究院(福建),福建 福州 350108;2.中山大学海洋科学学院,广东 珠海 519000;3.南方海洋科学与工程广东省实验室(珠海),广东 珠海 519000 摘要:在夏季,南海西部的越南沿岸上升流系统(Vietnam boundary upwelling system,VBUS)时常出现高浮游植物生物量。其中由马登-朱利安振荡(Madden-Julian oscillation,MJO)主导的季节内尺度(3060d)变率占到重要作用,但 MJO 对海表叶绿素的调控效应及机制尚不清楚。本研究采用重建的遥感叶绿素数据与多源观测资料,探究 MJO 事件中 VBUS 叶绿素季节内变化特征及成因。复合分析结果显示,在 MJO 事件末期,该海域叶绿素浓度达到季节内最高值,海表温度(sea surface temperature,SST)、地转流纬向分量与 Ekman 泵吸及风场与该海域叶绿素浓度相位模态高度对应,且与叶绿素相位序列相关性按该顺序递减。进一步将 VBUS 分成近岸和离岸两个子区域,通过广义加性模型分析叶绿素浓度的主导调控因子。结果显示 VBUS 海域沿岸与离岸区域叶绿素浓度影响因子及其强度并不相同,SST 同为两个区域最强影响因子,沿岸区域次要影响因子为地转流纬向分量及 Ekman 泵吸,离岸次要影响因子为地转流纬向分量,且其影响强度与 SST 平分秋色。通过进一步分析该调控在不同厄尔尼诺年的不同,发现当 MJO处于第 48相位时,MJO能有效地补偿强厄尔尼诺事件导致的叶绿素浓度骤降。总体而言,MJO 所处相位决定了其对 VBUS 海域叶绿素影响的程度,且在不同子区域中因素的影响强度并不相同。本研究揭示了海洋生态系统和动力的短期变率特征,能够为南海叶绿素浓度变异的理解提供新视角。关键词:越南沿岸上升流;叶绿素;季节内变化;厄尔尼诺 中图分类号:P735.52 文献标识码:A 文章编号:1009-5470(2023)04-0113-12 Intra-seasonal regulation and mechanism on sea surface chlorophyll in the upwelling off the coast of Vietnam LIN Shaowen1,REN Hengye2,LU Wenfang2,3 1.The Academy of Digital China,Fuzhou University,Fuzhou 350108,China;2.School of Marine Sciences,Sun Yat-sen University,Zhuhai 519000,China;3.Southern Marine Science and Engineering Guangdong Laboratory(Zhuhai),Zhuhai 519000,China Abstract:In summer,high phytoplankton biomass often occurs in the Vietnam Boundary upwelling System(VBUS)of the western South China Sea.Therein,the variation of surface chlorophyll concentration at the intra-seasonal scale(3060 days)dominated by Madden-Julian Oscillation(MJO)can account for considerable variation,but the regulating effects and mechanism of the modulation to sea surface chlorophyll remain unclear.In this study,reconstructed remote sensing chlorophyll data and multi-source observation data were used to explore the characteristics and causes of the VBUS chlorophyll changes during MJO events.Composite analysis showed that in the late phases of MJO events,chlorophyll reached its intraseasonal maximum,while sea surface temperature(SST),zonal geostrophic current,Ekman pumping and wind speed were highly correlated in a decreasing order.Furthermore,the VBUS was divided into two sub-regions:nearshore and offshore regions.The analysis results of generalized additive model showed that the 收稿日期：2022-07-25;修订日期：2022-10-06。姚衍桃编辑 基金项目：国家自然科学基金项目(41906019)作者简介：林少文(1997),男,福建省福州市人,硕士研究生,从事海洋遥感应用研究。email:lsw_ 通信作者：卢文芳。email: Received date:2022-07-25;Revised date:2022-10-06.Editor:YAO Yantao Foundation item:National Natural Science Foundation of China(41906019)Corresponding author:LU Wenfang.email: 114 热 带 海 洋 学 报 Vol.42,No.4/Jul.,2023 1 influencing factors and intensity of chlorophyll concentration in the coastal and offshore areas of VBUS were different.SST was the most important influencing factor in both regions.For the coastal region,zonal geostrophic current and Ekman pumping contributed secondly.For the offshore region,the second influence factor was zonal component of geostrophic current,and its influence was nearly equal to that of SST.We further investigated the MJOs modulation in different El Nio years.When MJO is in the fourth to eighth phases,the El Nios negative effects on the chlorophyll can be compensated.In general,our study showed that the MJOs phase determined the impact of MJO on chlorophyll in the VBUS.At the same time,the chlorophyll concentration in VBUS sea area under MJO events was controlled by SST,geostrophic zonal component and Ekman pump suction,and the impacts of different factors on VBUS were different.The study reveals the short-term variability of marine ecosystems and dynamics and can provide a new perspective for understanding the variation of chlorophyll in the South China Sea.Key words:Vietnam boundary upwelling system;chlorophyll;intraseasonal variability;ENSO 近几十年来,人类活动造成的气候变化以各种方式影响着海洋生态系统,进而对人类社会产生影响(Bindoff et al,2019)。叶绿素为海洋中的主要色素,能够有效表征浮游植物生物量,因而是海洋环境对气候变化响应的关键指标(Behrenfeld et al,2001;Ooi et al,2011)。研究南海的浮游生态系统生产力对于认识南海海洋动力(Ning et al,2004)、解析南海碳循环和气候响应(Hu et al,2014)、探究人类活动对南海区域生态系统造成的影响(Hu et al,2018;Lin et al,2018),以及利用南海海洋资源都具有重要的意义(Wang et al,2018)。尽管现在可以获得超过 20 年的全球叶绿素浓度数据(Bindoff et al,2019),但对叶绿素浓度预测的可信度仍然不高。其中最重要的一个原因是,在广泛的时间序列上叶绿素浓度波动具有较大的自然变率(Henson et al,2010)。季节内叶绿素变率是这种变率的重要组成部分,其方差占比可能接近甚至大于季节性波动(Loisel et al,2017;Salgado-Hernanz et al,2019),因此对季节内叶绿素浓度变化的评估必不可少。马登-朱利安振荡(Madden-Julian oscillation,MJO)被认为是季节内大气变率的主要组成部分,它对热带海洋以及热带及温带天气和气候都有着较大的影响(Madden et al,1971),因此 MJO 事件下叶绿素浓度的变化及各海洋因子的协同响应成为了学者们研究的热点。Mandal 等(2021)以马六甲海峡为研究区域,利用修正小波分析对叶绿素与每日实时多元 MJO(daily real time multi-variate MJO,RMM)指数进行分析,结果显示叶绿素季节内变异性与 MJO 事件活跃期的相关性高于与 ENSO 和印度洋偶极子事件的相关性,表明 MJO 事件是影响马六甲海峡(12 月次年 2 月)生态系统的最主要因素。Haryanto 等(2017)在东印度洋苏门答腊海域水域的研究同样证明了 MJO 与该水域叶绿素的浓度变化有着紧密联系,研究结果表明叶绿素浓度增加的概率与东印度洋苏门答腊海域 MJO 事件的持续时间呈线性关系,MJO 事件持续的时间长度能够确定该海域叶绿素浓度的增量。Jin 等(2013)通过对不同地区的案例研究表明,MJO 可以增强海水垂向混合,使深层营养盐向表层传输,进而增加叶绿素浓度。而 Chang 等(2019)对海洋大陆西部的研究表明,MJO事件驱动的降水异常能够通过河流径流输入,影响下游 1000km 外的班达海叶绿素浓度。这些南海以外海域的相关研究指出,在研究 MJO 的影响时,气象因子和海洋环境动力因子都是必须考虑的因素。在南海,学者们也进行了一系列探究。Isoguchi等(2006)认为 MJO 可以通过影响某些特定年份的南海 夏 季 风,导 致 越 南 沿 岸 上 升 流 系 统(Vietnam boundary upwelling system,VBUS)季节性的海表降温事件,进而造成海洋浮游植物大量繁殖。Liu 等(2012)调查了 2007 年 8 月 VBUS 海域强盛的上升流和一同发生的海洋浮游植物水华事件,认为 MJO致使的夏季西南季风异常在此事件中发挥着重要作用。在不同海洋环境的影响下,季节内变化可能产生更小空间尺度的特征,因此不同的子区域对 MJO事件的响应可能并不相同(Keerthi et al,2020)。VBUS 中的浮游植物类群以硅藻为主,其分裂周期远小于季节内时间尺度(Huang et al,2004;谢艳辉 等,2015),因此预期 MJO事件造成的物理影响能够反映浮游植物的生物量变化,进而影响叶绿素。目前,多数研究者都通过讨论整个VBUS 海域的因素协同变异来探究叶绿素浓度对MJO 事件的响应,少有对 VBUS 海域进行进一步划分,并更为精细地研究叶绿素浓度的季节内变异及其影响因子。此外,前人研究表明,VBUS对厄尔尼诺南方涛动(El Nio-Southern oscillation,ENSO)有非常敏感的响应(Kuo et al,2004;Dang et al,2022),MJO事件也受大尺度的年际事件调控。虽然已有很多针对ENSO 调控 VBUS 海域叶绿素浓度异常事件的探究,如 Zhao 等(2007)基于 1998 年异常事件研究讨论了林少文等:越南沿岸上升流海表叶绿素的季节内尺度变异及机制 115 1 ENSO、南海风场和 Ekman 抽吸与叶绿素浓度之间的关系,Dang 等(2022)也基于 1998 年和 2016 年的强厄尔尼诺事件讨论了 VBUS海域叶绿素浓度对强 ENSO事件的响应。但这些研究并未探究 VBUS 对 ENSO与 MJO 的协同响应,如 Dang 等(2022)认为 MJO 可能会补偿强 ENSO 事件带来的叶绿素浓度骤减,但对于同时存在 MJO 事件的不同强 ENSO 年份下叶绿素浓度具有显著差异的原因却未能明确。基于上述认知,本文选取 VBUS 海域(106114E,915N)为研究区,利用 20052019 年连续的无缺失的高分辨率叶绿素浓度数据(Wang et al,2021),将 VBUS 划分成沿岸海域及离岸海域,以探究MJO 事件下两个区域中夏季叶绿素浓度的调控因子、调控因子的相对强度及各因素空间协变情况。同时基于典型的强 ENSO 年份,尝试解释 VBUS 海域对强 ENSO 与 MJO 的协同响应机制。本文研究结果将为更好地理解叶绿素浓度季节内变化提供新的视角,并有助于更准确地估计季节内叶绿素浓度的波动,进而为叶绿素浓度变化趋势的预报与评估做出贡献。1 数据和方法 1.1 数据介绍 本文最主要的数据为本课题组 Wang 等(2021)构建的完整覆盖南海的 20052019年逐天的叶绿素产品SCSDCT(South China Sea full-coverage daily 4km surface chlorophyll remote sensing reconstruction dataset from discrete cosine transform)。该数据产品采用离散余弦变换方法,通过插值重构整个南海范围的 OC-CCIv4.2 水色遥感叶绿素数据,其空间分辨率为4km4km(https:/ 资料在南海其他海域也能达到理想的重建效果。本次使用的数据时间范围为 2005 年至2019年共 5478d。虽然重点关注以 106114E、915N为界的 VBUS海区,其中红色区域为沿岸海域,黄色区域为离岸海域(图 1)。本文也查看了南海(103124E,025N)夏季叶绿素浓度的变化情况。此外,为了分析叶绿素浓度与不同驱动因子的关联,本研究采用了海表温度(sea surface temperature,SST)、10m 风场、降水和绝对地转流等资料集进行分析。使用的温度数据是美国国家海洋和大气管理局(National Oceanic and Atmospheric Administration,NOAA)发布的 MUR(multi-scale ultra high resolution)数 图 1 南海夏季叶绿素浓度平均 该图基于国家测绘地理信息局标准地图服务网站审图号为GS(2020)4392 号的标准地图制作。图中红框为沿岸区域,黄框为离岸区域 Fig.1 Average chlorophyll in summer.The red box is the coastal area,and the yellow box is the offshore area 据,空间分辨率为 1km。MUR 是一种融合了 AMSR-E(NASA advanced microwave scanning radiometer-EOS)、AMSR-2(JAXA advanced microwave scanning radiometer 2)、MODIS、US navy microwave windsat radiometer、AVHRR(the advanced very high resolution radiometer)和实测的温度数据,可以从美国航天局地球观 测 系 统 数 据 和 信 息 系 统 数 据 中 心 官 网 获 取(https:/podaac.jpl.nasa.gov/MEaSUREsMUR?sections=data)。使用的日平均风场数据和降水率来自于 ERA5数据集,是欧洲中期天气预报中心第五代全球大气再分 析 资 料(https:/cds.climate.copernicus.eu/cdsapp#!/dataset/reanalysis-era5-single-levels?tab=overview),文章中使用的是 10m 风的向东分量和向北风量,两者结合可以得到水平风的速度和方向。ERA5 的空间分辨率均为 0.250.25,为了有利于后续分析,研究中将风场与降水率数据插值为 0.10.1的空间分辨率。绝对地转流数据来自 Copernicus Marine Service发布的 AVISO(archiving,validation,and interpretation of satellite oceanographic)数 据,空 间 分 辨 率 为0.250.25。该产品由 DUACS 多任务测高仪数据处理系统处理,它几乎实时地服务于欧洲和全世界主要的海洋学和气候预测中心,并处理来自所有测高仪任务的数据,可以由哥白尼海洋数据服务网站获取(https:/resources.marine.copernicus.eu/?option=com_csw&view=details&product_id=SEALEVELGLO_PHY_L116 热 带 海 洋 学 报 Vol.42,No.4/Jul.,2023 1 4_REP_OBSERVATIONS_008_047)。1.2 主要分析方法 1.2.1 Ekman 泵吸速率 经向海表风应力 x与纬向海表风应力 y可分别由如下公式(1)、(2)计算,Ekman 泵吸 WE由公式(3)计算。d1010 xc Wu=(1)d1010yc Wv=(2)()1E0curlWf=(3)在公式(1)、(2)中,空气密度=1.175kgm3,阻力系数 cd=0.0015。公式(3)中 f 为科里奥参量,表层海水密度 0=1022kgm3。W10为 ERA5 数据集 10m 风速,其中 u10为纬向风速,v10为经向风速。1.2.2 研究方法(1)扩展经验正交函数分析 扩 展 经 验 正 交 函 数 分 析(extended empirical orthogonal function,EEOF)是在经验正交函数分析方法(empirical orthogonal function,EOF)基础上进行的扩展,即对重新组成的资料阵进行 EOF 分析,这一方法能同时提取要素场的时间持续性的主要特征(Weare et al,1982)。如原始资料阵为 Xmn,其中 m 为场中的格点数,n为事件时间天数,可把原始的资料矩阵扩展成如下两个分块矩阵组成的新资料阵,研究延迟一个时刻的场的相互依赖关系:()(1)(1)1212mnmnmnXXX=(4)上式中1X是数据 n 个观测值的原始资料阵,2X是延迟一个时刻的资料矩阵,以此类推可形成延迟 k个时刻的新资料矩阵()()1kmn kX+。对形成的新的资料矩阵进行 EOF 分析,得到对应的时间函数和特征向量,便可分析变量场的时空协变特征。通过 EEOF 分析的信号,能够得到不同延迟天数范围内的 k 个空间场,以及对应的主成分(principal component,PC)。在本文,首先对南海夏季(69 月)SST 异常及风速异常进行 2090d 带通滤波处理(由 Lanczos 滤波方法实现),进而利用上述数据构建 SST 与风速的延迟矩阵分别进行 EEOF 分析(本文 k 的取值为 55)。参考Waliser 等(2003)的研究及本文多次实验后发现,归一化处理后的时间函数 PC1 大于 1.2 时能更好地提取MJO 事件。因此,将其作为筛选阈值提取 MJO 事件,并将每个 MJO 事件对应的 55d 中最早的 11d 平均对应 20d 的滞后,中间的 11d 平均对应 0d 的滞后,以此类推形成复合 MJO 的 5 个周期模态图(Lag 20、Lag 10、Lag 0、Lag 10、Lag 20)。其中,Lag 20 为MJO 事件开端,Lag 20 为 MJO 事件周期的结束并进入下一个 MJO事件周期。(2)MJO 复合分析 由于 EEOF 方法定义 MJO 事件需要构建维度巨大的时间延迟矩阵,因而 Wheeler 等(2004)提出了较为简化的 MJO 事件定义,采用卫星的长波辐射数据和纬向风数据进行多变量经验正交函数(multiple empirical orthogonal function,MEOF)分析来识别。MEOF 得到的前两个主成分 PC1 和 PC2 作为表征 MJO 事件的两个维度的时间序列(RMM1,RMM2)。这两个序列共同提供了 MJO 的 8 个不同相位(MJO0MJO8),表征MJO 对流系统所处的位置。通过该方法得到的指数称为 RMM指数(2212RMMRMM+)。RMM 指数相较 EEOF 分析提取 MJO信号的优势如下:1)RMM 指数采用 MEOF,可以减少多种变化的不利影响,大大增加了 MJO信号的信噪比及季节内可解释方差的占比;2)RMM 指数对数据进行了除以ENSO 为主要的年际变率处理,大大减少了其他因素噪音;3)不使用带通滤波、高通滤波的数据处理方式,克服了实时获取的限制。本研究采用的 RMM 指数可以由澳大利亚气象局(http:/www.bom.gov.au/climate/mjo/)获 取。一 般 当RMM 指数大于 1.0 时,则定义为 MJO 事件的发生。本研究采用的阈值为 1.1,这实质上是研究较强的MJO 事件期间的海洋响应。(3)广义加性模型 广 义 加 性 模 型(generalized additive models,GAMs)是一种非参数化的广义多元线性回归方法,它可以很好地解释变量间非线性的复杂关系。在本研究中,温度、降水、风速等海洋因素与叶绿素浓度并不能很好地通过线性关系表示,利用 GAMs 便能很好地分析 VBUS 海域中叶绿素浓度受何种因素的调控,以及调控的相对影响强度。GAMs 可用以下公式表示:()()1NiiifXgx=(5)式中:f(X)代表连接函数,gi(xi)代表第 i 个自变量的非参数函数。利用 GAMs 得出的 R2、方差解释率可以判断回归模型的精确度和拟合效果;F 值可以判断各因子的相对重要性,F 值越大,相对重要性越大;p值用以判断林少文等:越南沿岸上升流海表叶绿素的季节内尺度变异及机制 117 1 结果的显著程度,p 值越小,表明因素拟合结果越显著。具体做法是:将强 MJO事件下 SST 异常、Ekman 泵吸速率异常、地转流纬向分量速率异常等数据输入作为自变量,X 在此时代表叶绿素浓度异常,利用 R软件中的 mgcv 程序包进行 GAMs 建模,得出各因素的相对重要性。2 结果与讨论 2.1 MJO 事件提取方法比较 图 2 展示了南海夏季 MJO 事件期间 SST 异常和海表风速异常的 EEOF 复合结果。其中利用 EEOF 分析中的归一化 PC1 时间序列提取 MJO 事件,并进行事件合并形成 MJO 的 5 个周期模态图,分别为 Lag 20、Lag 10、Lag 0、Lag 10 和 Lag 20。夏季南海海表风速在 MJO 事件最开始的 11d 与最后的 11d 呈现负异常峰值,Lag 0 南海全域达到风速正异常峰值,以 10N12N 长条状分布的微弱异常值为界,南海北部与南部在 Lag 10 呈现明显的偶极子结构,北部呈现风速负异常,南部呈现风速正异常,而 Lag 10 则反相位。由于 Lag 20 和 Lag 20 呈现几乎一样的空间分布,因此可以视为周期性的 MJO事件进入了下一个事件周期。南海夏季 SST 异常与风速异常空间模态对应情况良好,大致表现为反相位。SST 在 MJO 事件开始呈现大面积的正异常(图 2f),在接下来的 20d内南海南部SST 开始降低,降温趋势向北部传播,在 Lag 0 时 SST达到最低值(图 2h);后南海南部 SST逐渐升温,升温趋势向北部蔓延,在 MJO 事件的最后 11d 达到 SST 正异常高值。最后在 Lag 20后期,呈现与 Lag 20时基本一致的空间分布,表征一个新的 MJO 周期的开始。图 2 夏季南海 MJO风速异常(ae)和海表温度异常(fj)Lag 0 代表 55d滞后中心的 11d的南海风速异常平均结果,Lag 20代表 55d起始的 11d,Lag 20代表最后的 11d,以此类推。该图基于国家测绘地理信息局标准地图服务网站审图号为 GS(2020)4392号的标准地图制作 Fig.2 Summer MJO wind speed anomaly(ae)and SST anomaly(fj).Lag 0 represents the 11-day average of wind speed anomaly in the South China Sea with a 55 day-lag center window.Lag 20 represents the 11-day average starting from 55 days.Lag 20 represents the last 11 days,and so on 为了进一步分析两种不同的 MJO 提取方法的差异性,利用 RMM 指数复合平均对夏季南海风速异常、SST 异常进行复合分析。图 3 分别为夏季风场异常和 SST 异常的 MJO 复合分析结果。由于南海夏季盛行西南风(图 3i),最高风速可达 8ms1,因此东北方向的风场异常对应着图 2ae 中的风速负异常,西南方向的风场异常对应着风速正异常。与 EEOF 分析结果的空间变化趋势大致相同,其中 MJO2、MJO3(图 3b、3c)大致与图 2a 对应,MJO4、MJO5(图 3d、3e)与图 2b 大致对应,MJO6MJO8(图 3fh)与图 2c 大致对应,MJO1(图 3a)与图 2d 大致对应。在 MJO2 和 MJO3 中,南海中南部西南风最弱;MJO4和 MJO5 中,北部西南风减弱,南部西南风逐渐增强;在 MJO6 和 MJO7 中,南海全域西南风正异常达到峰值;在 MJO8 到下一个 MJO1,南海南部西南风减弱,北部增强。由图 3r 可知南海夏季非 MJO 海表温度最低值为28左右,位于越南沿岸喷射流附近。以喷射流为中心,海表温度以涟漪状向外逐渐递增,SST 最高可达30左右。MJO 事件期间,SST 异常值为0.5。118 热 带 海 洋 学 报 Vol.42,No.4/Jul.,2023 1 图 3 南海夏季 MJO风场异常(矢量)(ai)和海表温度异常(jr)ah代表 MJO模态(背景为风速异常),图例对应其右侧长色标;i为非 MJO风场平均(背景为风速),图例对应其右侧短色标。jq代表 MJO模态,图例对应其右侧长色标;r为非 MJO海表温度平均,图例对应其右侧短色标。图中红色框为 VBUS海域,N代表各模态天数。该图基于国家测绘地理信息局标准地图服务网站审图号为 GS(2020)4392号的标准地图制作 Fig.3 Summer MJO surface wind anomaly(ai)and summer MJO SST anomaly(jr).Summer MJO wind speed anomaly(ah)correspond to the longer color bar on the right side,and the average of non-MJO wind speed(i)corresponds to the shorter color bar on its right side.Summer MJO SST anomaly(jq)correspond to the longer color bar on the right side,and average SST in summer(r)correspond to the shorter color bar on its right side.N represents the days of each mode.The red box shows the VBUS sea area SST 异常 MJO 复合分析结果与 EEOF 分析结果高度相似,MJO2、MJO3(图 3k、3l)大致与图 2f 对应,MJO4、MJO5(图 3m、3n)与图 2g 大致对应,MJO6MJO8(图 3oq)与图 2h 大致对应,图 3j 的 MJO1 与 图 2i 大致对应。在 MJO2 模态中,南海 SST 处于正异常峰值;在随后的 MJO3 和 MJO4 模态,SST 逐渐降低,且降温趋向北传播;在 MJO6 至 MJO8 模态,SST达到夏季最低值后转为逐渐升高;MJO1 模态时,南海南部呈现 SST 正异常,北部呈现负异常(图 3j)。通过对比图 2 和图 3 可知,夏季南海 SST 对南海西南风强度有着敏感的响应,西南风增强则 SST 降低,西南风减弱则 SST 上升。两种 MJO 描述方法呈现的结果大致空间变化一致。先前已有研究表明经过EEOF 分析的数据能够提取 MJO 主导的季节内主要传播信号(Waliser et al,2005)。但利用 EEOF 分析提取的 MJO 信号包含着其他极端天气事件造成的季节内变化和噪音,其中包括 ENSO 事件以及与 MJO 传播途径类似的气候事件(Wheeler et al,2004)。因此,只能将获取的信号称为类 MJO 信号,以此判断 MJO 事件下不同因素空间演变模态。从图 2、图 3 结果可以看出,基于 MEOF 的RMM 指数能够合理提取 MJO 事件所造成的南海季节内尺度变率,并具有计算简单易行、无需复杂滤波等优势,因此本文利用 RMM 指数复合分析方法对VBUS 海域叶绿素浓度异常开展更进一步的探究。2.2 MJO事件下 VBUS海域叶绿素变异影响因子讨论 夏季南海叶绿素浓度异常的 RMM 复合结果如 图 4 所示。与前述一致,夏季叶绿素浓度空间分布在第二模态表现为南海北部叶绿素浓度逐渐降低,由连续斑块逐渐消散成零散的小斑块;南部叶绿素浓度逐渐升高,零星小斑块连接成大片叶绿素高值区域,扩张至整个南海后,南海南部叶绿素浓度又开始逐渐降低。图 4 中的红框部分为研究区 VBUS 海域,在MJO1 至 MJO8 模态叶绿素浓度总体呈现升高的趋势,在 MJO2 和 MJO3 模态达到叶绿素浓度最低值,在MJO6 模态叶绿素浓度正异常值分布呈现显著的喷射流状,后在 MJO7 和 MJO8 模态达到该叶绿素浓度峰值。相应的浓度异常约为 1.09mgm-3,其变率可达夏季平均叶绿素浓度的 82.18%。SST 异常与叶绿素浓度异常复合结果在空间模态上有着紧密的联系,VBUS 区域在 MJO6 模态时,SST负异常分布呈现明显的喷射流状,与图 4f中 VBUS海域呈现的叶绿素浓度异常分布高度一致,总体呈现SST 负异常而叶绿素浓度正异常的规律。在风场异常 林少文等:越南沿岸上升流海表叶绿素的季节内尺度变异及机制 119 1 图 4 南海夏季 MJO叶绿素浓度异常 ah 代表 MJO 模态(以 e为底的叶绿素浓度对数),图例为右侧长色标;i 为非 MJO 叶绿素浓度平均(单位为:mgm3),图例为右侧短色标;N代表各模态天数,图中红框为 VBUS海域。该图基于国家测绘地理信息局标准地图服务网站审图号为 GS(2020)4392号的标准地图制作 Fig.4 Summer MJO chlorophyll anomaly(ah)and the average non MJO chlorophyll in summer(i).N represents the number of days in each mode.The red box shows the VBUS region.(ah)correspond to the longer color bar on the right side,and(i)corresponds to the shorter color bar on the right side 方面,上述两个因素也有着很好的空间相关性,大致表现为:西南风增强,SST呈负异常,叶绿素浓度呈正异常。结合图 2、图 3 和图 4,在 MJO2 和 MJO3 模态中,南海西南风最弱,VBUS 海域 SST 位于峰值,叶绿素浓度则为最低;MJO4 和 MJO5 模态中,南海中部、南部西南风增强,VBUS 海域 SST 逐渐降低,叶绿素浓度逐渐升高;在 MJO6和 MJO7 模态,南海西南风强度达到峰值,使南海 SST 大面积降低(最高降低 0.5左右),VBUS 海域 SST 达到最低,叶绿素随着越南沿岸喷射流离岸传输,该海域内叶绿素浓度达到峰值;在MJO8 模态,虽西南风减弱,但南海 SST 并未明显升高,VBUS 海域叶绿素浓度依旧处于高值;至 MJO1模态,南海南部西南风减弱,SST 明显升高,北部升温不明显,VBUS海域叶绿素浓度明显降低,沿岸喷射流附近叶绿素浓度略高于其他位置。对于由 MJO 带来的其他动力因素(如降水、环流和 Ekman 泵吸等)变化是否与叶绿素的变率存在关联,本文尝试利用 MJO 复合分析法来对这些因素开展研究,以解答该问题。根据本研究对夏季南海降水异常的 MJO 复合结果(限于篇幅,相应图件未展现),降水高值与低值分别位于菲律宾群岛附近与 VBUS 海域,由 MJO1 至MJO8 模态南海降水表现出由南向北的传播趋势,于MJO4 和 MJO5 模态达到降水峰值,但与南海叶绿素浓度异常 MJO复合分析结果的空间对应情况不佳。同样地,分别对地转流经向、纬向分量进行 MJO复合分析(图 5)。结果显示,地转流经向分量复合分析结果不能与叶绿素浓度相互对应,