胡世強, 黎 舸, 鄧曜成, 劉 娟, 蘇 亮, 于華明, 5

黃河口鄰近海域海冰變化特征及機制分析

胡世強1, 黎 舸2, 鄧曜成1, 劉 娟3, 蘇 亮4, 于華明1, 5

(1. 中國海洋大學(xué) 海洋與大氣學(xué)院, 山東 青島 266100; 2. 國家海洋局北海預(yù)報中心, 山東 青島 266061; 3. 北京應(yīng)用氣象研究所, 北京 100029; 4. 青島超算與大數(shù)據(jù)中心, 山東 青島 266237; 5. 中國海洋大學(xué) 三亞海洋研究院, 海南 三亞 572025)

黃河口鄰近海域海冰是渤海海冰的一部分, 為了解其獨特的變化特征及機制, 本研究基于北海預(yù)報中心提供的黃河口周邊海洋臺站觀測數(shù)據(jù)以及CMEMS(Copernicus Marine Environment Monitoring Service)全球海冰密集度再分析數(shù)據(jù), 使用統(tǒng)計分析和兩種滑動相關(guān)分析, 結(jié)合小波相干方法及大氣過程的影響, 得到長期變化分析的結(jié)果。黃河口冰情在1979—2020年間整體呈減輕趨勢(–0.25 %/a), 顯然其直接因素為局地溫度整體升高; 海冰密集度與黃河徑流量呈明顯正相關(guān), 相關(guān)系數(shù)為0.46, 其原因為徑流增大導(dǎo)致鹽度降低, 海冰增加; 與北極濤動指數(shù)(AOI, Arctic Oscillation Index)呈明顯負(fù)相關(guān), 相關(guān)系數(shù)為–0.44, 因為當(dāng)北極濤動為正位相時, 東亞大槽強度減弱, 北極冷空氣南侵受阻隔, 冬季黃河口的整體氣溫升高, 導(dǎo)致海冰減少; 1997年和2016年左右與北極濤動的相關(guān)性都出現(xiàn)了顯著正異常, 其原因為兩次強厄爾尼諾事件的影響, 同時海冰密集度在1985年左右的躍變可能與AOI和黃河徑流量的突變有關(guān)。短期變化分析的結(jié)果顯示: 從 2010年和2020年冬季逐日的典型寒潮過程與海冰密集度的變化分析可知, 海冰與前6 d負(fù)積溫的相關(guān)性最大, 平均相關(guān)系數(shù)為–0.77, 寒潮的出現(xiàn)時間、強度及間隔, 控制海冰的生成, 而整體氣溫的低頻變化控制海冰的維持和發(fā)展。

黃河口; 海冰; 變化特征; 長期趨勢; 控制機制

黃河口鄰近海域位于渤海灣和萊州灣之間, 是我國重要的生態(tài)濕地敏感區(qū), 同時是我國重要的灘海油田開發(fā)區(qū), 具有重要的生態(tài)價值和經(jīng)濟價值。此處每年冬季都會出現(xiàn)不同程度的海冰。如圖1所示, 黃河口鄰近海域水深較淺(平均小于15 m), 淡水輸入導(dǎo)致海水鹽度降低, 更易結(jié)冰, 每年冬季黃河口都會不同程度地結(jié)冰, 是北半球緯度最低的結(jié)冰河口海域(38°N左右)[1]。黃河口鄰近海域在常冰年從12月中旬開始結(jié)冰, 到次年2月下旬融冰, 總冰期為75 d。海冰對黃河口周邊人們的海上生產(chǎn)生活具有較大威脅[2], 掌握黃河口鄰近海域海冰的變化規(guī)律, 有助于黃河口鄰近海域海冰的預(yù)報預(yù)警, 從而減輕海冰造成的危害, 具有重要的現(xiàn)實意義。

聚焦黃河口鄰近海域海冰變化的研究總體較少。Qiu等[3]使用衛(wèi)星影像對黃河口渾濁水體中的海冰進行反演, 其反演精度超過93%。季順迎等[4]對黃河口附近的海冰剪切強度進行研究, 結(jié)果顯示海冰剪切強度隨冰溫的降低和剪切應(yīng)力的增大而呈線性增長。張緒良等[5]對2005年冬季萊州灣東部的海冰災(zāi)害進行分析, 介紹了災(zāi)害情況, 并給出了防御措施, 其研究區(qū)域離黃河口較近。上述研究都未對長期的變化趨勢及影響因素進行分析。

黃河口鄰近海域是渤海的重要部分, 因此渤海海冰的研究對本文具有重要參考價值。前人對渤海海冰的長期變化趨勢進行過大量研究, 劉欽政和李劍等[6-7]均指出20世紀(jì)30年代至21世紀(jì)初期間, 渤海冰情分為重冰情階段和輕冰情兩個階段, 分別認(rèn)為分界點為1972年和1980年左右。劉煜等[8]和鄭東梅等[9]則對20世紀(jì)50年代至21世紀(jì)前10年的渤海冰級數(shù)據(jù)進行了分析, 定量地計算了冰情的變化, 前者指出1980年前后冬季平均氣溫從–4.2 ℃升到–2.6 ℃, 升高了1.6 ℃, 冰級從2.9級降到2.3級, 下降了0.6級, 后者指出1972年前后冰級從3.1級降到2.4級, 下降了0.7級。顯然, 上述研究結(jié)果均表明, 近幾十年來渤海冰情顯著減輕。

圖1 研究區(qū)域示意圖

(紅色虛線內(nèi)為本文研究區(qū)域, 三個五角星分別對應(yīng)三個典型觀測站)

綜上所述, 雖然前人研究過渤海海冰的多年變化趨勢及機制[10-15], 或者研究黃河口海冰的反演、海冰性質(zhì)等方面, 但都未聚焦黃河口海冰的變化特征和機制進行研究, 河口海域與整個渤海會有一些不同的特征。因此本研究使用近四十年的逐日衛(wèi)星反演海冰數(shù)據(jù)集, 結(jié)合海洋站的現(xiàn)場觀測數(shù)據(jù), 首次聚焦黃河口進行了海冰的變化特征及機制研究。

本文內(nèi)容分為4部分, 第一部分簡要介紹了所用的數(shù)據(jù)和方法, 第二部分使用觀測站數(shù)據(jù), 分析了短期黃河口結(jié)冰過程和寒潮降溫過程的關(guān)系, 第三部分采用衛(wèi)星反演數(shù)據(jù), 分析了黃河口海冰的長期變化趨勢及機制, 最后給出了本文主要結(jié)論和展望。

1 數(shù)據(jù)與方法

1.1 數(shù)據(jù)簡介

1)現(xiàn)場觀測數(shù)據(jù)

本文使用黃河口海域沿岸海洋觀測站(如圖1)的觀測數(shù)據(jù), 包括: 水溫、氣溫等海洋氣象數(shù)據(jù); 2005年至2020年共16 a的海冰冰級數(shù)據(jù)。

2)衛(wèi)星數(shù)據(jù)

本文使用的衛(wèi)星數(shù)據(jù)包括: 衛(wèi)星觀測的2011和2020年冬季的最大浮冰外緣線; CMEMS(哥白尼海洋環(huán)境監(jiān)測局)根據(jù)亮溫計算的全球海冰密集度再分析數(shù)據(jù)(Global Ocean Sea Ice Concentration Time Series REPROCESSED, https://doi.org/10.48670/moi-00136),包括1979至今的海冰密集度(SIC)數(shù)據(jù)(指浮冰覆蓋面積占浮冰分布海面的比例), 空間分辨率為25 km, 冬季誤差小于5%, 使用了其中1979至2020年冬季的數(shù)據(jù)。

3)其他輔助分析數(shù)據(jù)

為了分析黃河口海冰的變化機制, 我們還使用了其他數(shù)據(jù)包括ERA5(歐洲中期天氣預(yù)報中心對全球氣候的第五代大氣再分析數(shù)據(jù))提供的距離地表2 m氣溫等數(shù)據(jù), NCEI(美國國家環(huán)境信息中心)提供的全球地表溫度異常數(shù)據(jù)集和各個大尺度指數(shù), 以及NSIDC(美國國家冰雪數(shù)據(jù)中心)提供的全球海冰指數(shù)統(tǒng)計結(jié)果(https://masie_web.apps.nsidc.org/pub//DATASETS/NOAA/G02135/)。

1.2 研究方法

本文使用相關(guān)性分析對海冰的短期和長期變化的具體因素進行分析; 使用局域滑動相關(guān)系數(shù)(local running correlation coefficient, LRCC)分析和合成滑動相關(guān)系數(shù)(synthetic running correlation coefficient, SRCC)分析[16-18]對關(guān)鍵因素進行詳細(xì)分析; 使用小波分析和小波相干[19-20]等方法對海冰多年變化的周期等進行處理。

本研究將SRCC應(yīng)用在黃河口海冰變化特征分析中, SRCC相比于LRCC能夠更好地保留低頻信號, 該方法已經(jīng)應(yīng)用于北極濤動(AO, Arctic Oscillation)的空間變化及核心區(qū)等研究。滑動相關(guān)分析是指選擇一個較短的時間窗口, 計算該窗口內(nèi)的相關(guān)系數(shù), 再將窗口向前移動, 便獲得了隨時間變化的相關(guān)系數(shù)。以往的計算方法如下:

2 短期變化趨勢

經(jīng)過對比國家海洋局北海預(yù)報中心提供的黃河口鄰近海域冰情數(shù)據(jù), 2011年冬季冰情(常冰年偏輕)和2020年冬季冰情(常冰年)較為接近, 且在嚴(yán)重冰期內(nèi)存在較為典型的寒潮降溫過程。為分析兩年冬季海冰一致的影響因素, 本文使用2011和2020年冬季的海洋氣象、海冰現(xiàn)場觀測資料與CMEMS海冰密集度數(shù)據(jù)進行了相關(guān)性分析, 應(yīng)用了LRCC和SRCC, 詳細(xì)地研究了這兩年冬季的結(jié)融冰過程及影響因素。

2.1 結(jié)融冰控制因素

為了解黃河口海冰的冬季結(jié)融冰過程對非連續(xù)的現(xiàn)場觀測浮冰最大外援線數(shù)據(jù)與同時間段的連續(xù)衛(wèi)星反演海冰密集度計算相關(guān)系數(shù), 并一起繪制在圖2中, 2個冬季的平均值為0.78, 說明所用海冰密集度數(shù)據(jù)較為準(zhǔn)確。使用海冰密集度數(shù)據(jù)與現(xiàn)場觀測的氣溫、水溫、鹽度、風(fēng)速等要素進行相關(guān)性分析, 還進行了超前滯后相關(guān)分析, 結(jié)果如表1所示。

另外, 對不同天數(shù)的負(fù)積溫和海冰密集度進行相關(guān)性分析, 負(fù)積溫是此前某段時間內(nèi)小于0℃的日平均氣溫累加值。兩年的結(jié)果均顯示負(fù)積溫6 d左右相關(guān)系數(shù)的絕對值為最大值, 這體現(xiàn)了海冰的生消是一個積累過程, 一次強降溫過程的影響時間能達到6 d左右, 兩年平均相關(guān)系數(shù)達到–0.77。

圖2 短期結(jié)融冰過程中觀測數(shù)據(jù)與衛(wèi)星數(shù)據(jù)對比

表1 海冰密集度與海洋氣象要素相關(guān)系數(shù)

因此從表1可知, 短期海冰變化的主要影響因素為氣溫, 呈明顯負(fù)相關(guān), 氣溫超前1 d時相關(guān)系數(shù)最大, 之所以與風(fēng)速呈正相關(guān), 跟降溫一般伴隨著大風(fēng)過程有關(guān), 與其他要素的相關(guān)性不大。

同時, 將兩年冬季觀測浮冰最大外援線、衛(wèi)星海冰密集度與青東人工島、孤東大堤、黃河海港共3個海洋觀測臺站去除缺測值的合成觀測氣溫、觀測水溫數(shù)據(jù)的變化繪圖對比, 如圖2所示。結(jié)果顯示, 2011年12月14日、2012年1月21日、2月1日和2月7日出現(xiàn)的4次寒潮過程對該年海冰發(fā)展造成了明顯影響。12月14日第一次較強寒潮, 導(dǎo)致該海域該年冬季首次出現(xiàn)海冰, 對應(yīng)了12月15日的初冰日, 其后3次寒潮強度大且間隔時間短, 造成冰情迅速發(fā)展, 在2月8日前后海冰密集度達到最大值, 值得注意的是, 嚴(yán)重冰日(又稱盛冰日)為1月22日, 從定義可知[21], 其為初冰日之后第一次連續(xù)重冰情的日子, 往往出現(xiàn)在第一次強寒潮過程后, 并不一定是整個冬季冰情最嚴(yán)重的一天。

因此從圖2的分析可知, 每年冬季寒潮首次出現(xiàn)的時間、連續(xù)出現(xiàn)的間隔、單次寒潮的強度是影響結(jié)冰過程發(fā)展的關(guān)鍵因素, 氣溫的整體上升則造成融冰, 冰期結(jié)束。

表中每個要素的前兩列分別為正常順序以及該要素滯后1 d時與海冰密集度的相關(guān)系數(shù), 氣溫的第三列為6 d負(fù)積溫與海冰密集度的相關(guān)系數(shù)。

2.2 結(jié)融冰過程與氣溫變化相關(guān)分析

為分析氣溫相關(guān)性隨時間的變化, 對兩年冬季的海冰密集度與氣溫均計算了LRCC和SRCC, 滑動窗口為11 d, 得到以下結(jié)果。

從圖3(a)和圖3(c)可見, 氣溫的相關(guān)性并不穩(wěn)定, 規(guī)律不明顯, 而從圖3(b)和圖3(d)可見, 在嚴(yán)重冰期內(nèi)出現(xiàn)連貫的顯著負(fù)相關(guān), 并向過去延伸了一段時間, 對應(yīng)著冰情發(fā)展期, 而嚴(yán)重冰期結(jié)束之后, SRCC隨之出現(xiàn)正相關(guān)。因此, SRCC在短期海冰的結(jié)融冰過程中既能夠得到相對穩(wěn)定且包含低頻變化的結(jié)果, 指示嚴(yán)重冰期, 還能體現(xiàn)海冰開始陡增和海冰趨于消失兩個階段的異常信號, 在物理上很好地展現(xiàn)了不同尺度物理過程的相互影響。

圖3 兩年冬季短期海冰密集度與氣溫得到的LRCC和SRCC對比

3 長期變化趨勢

前文細(xì)致分析了冬季短期的海冰變化趨勢及其影響因素, 結(jié)果顯示寒潮的發(fā)生時間、間隔、強度等是影響海冰變化最為關(guān)鍵的因素, 高頻的極端降溫事件控制海冰的生成, 但海冰的維持和發(fā)展受氣溫的低頻變化所支配。

下文將主要分析1979—2021年共42 a的海冰變化趨勢, 并且探究其長期變化機制。

3.1 總體時空分布特征

對該海域海冰進行多年的時間平均和空間平均, 得到其時空分布特征如圖4。從圖4中的時間分布圖(左圖)可看出, 海冰密集度在冬季呈現(xiàn)先增加后降低的趨勢, 在1月26日達到最大值, 若以此為分界點, 可得到結(jié)冰時間57 d, 融冰時間33 d, 結(jié)冰期長于融冰期, 前人研究指出整個渤海多年平均變化呈現(xiàn)單峰型, 且海冰面積和冰厚峰值均出現(xiàn)在1月25日左右[11], 由此可見黃河口海域海冰與渤海海冰在時間分布上是類似的。從圖4中的空間分布圖(圖4(b))可看出, 海冰主要分布在萊州灣南部和渤海灣南部, 即黃河三角洲的兩側(cè), 其中間外海會有海冰出現(xiàn), 但遠(yuǎn)小于兩側(cè), 黃河入?？谖挥谌R州灣北端, 該海域?qū)儆诒橄鄬^輕的區(qū)域, 但其在岸邊附近凍結(jié)生成, 隨潮汐向岸堆積, 最大時可以在高潮線附近堆成數(shù)米高的高大冰脊, 阻斷陸地和海洋的通道。

圖4 海冰密集度42 a時空平均分布

3.2 變化趨勢

將衛(wèi)星海冰密集度數(shù)據(jù)以及ERA5的再分析氣象數(shù)據(jù), 分別在每個年份進行研究區(qū)域內(nèi)的空間平均, 同時在冬季(12、1、2月)進行時間平均, 得到42 a研究區(qū)域內(nèi)冬季平均海冰密集度和冬季平均氣溫的時間序列, 結(jié)合北極濤動指數(shù)(AOI)以及2005年以來的冰級數(shù)據(jù), 繪圖對比如圖5。

從圖5中可以看出, 2005年至2020年共16 a冬季衛(wèi)星海冰密集度與臺站冰級觀測數(shù)據(jù)基本一致, 計算其相關(guān)系數(shù)為0.82, 二者的正相關(guān)十分顯著, 證明本文所使用的衛(wèi)星數(shù)據(jù)較為準(zhǔn)確。

整體而言, 黃河口鄰近海域平均海冰密集度在42 a間大約降低了10.5%, 平均每年減少0.25%, 在1985年之前處于高值區(qū), 在1985至1990年期間發(fā)生了一次由高向低的躍變, 此后基本穩(wěn)定在低值區(qū), 只在2010前后出現(xiàn)過高值。Jiang等[22]對1951年至2000年黃河的冰期進行研究, 結(jié)果顯示黃河的凍結(jié)時間從56 d縮短到44 d, 減少了12 d, 從側(cè)面印證了黃河口海冰整體下降的趨勢。

筆者于2014年4至6月，受邀到臺灣大仁科技大學(xué)護理系擔(dān)任訪問學(xué)者，很榮幸地參加了該系客觀結(jié)構(gòu)式臨床測驗（OSCE）教案設(shè)計與種子師資培訓(xùn)班，目前該校已經(jīng)順利通過了TNAC（臺灣護理教育評鑒組織）科大護理評鑒，拿到相關(guān)經(jīng)費，正在進行OSCE項目建設(shè)。該培訓(xùn)班就如何撰寫OSCE教案、如何招募和培訓(xùn)OSCE標(biāo)準(zhǔn)化病人、如何進行考官訓(xùn)練以及考題信效度檢測進行了探討，使筆者對OSCE有了更全面的認(rèn)識?，F(xiàn)就目前OSCE在臺灣護理教育與臨床護理教學(xué)中的應(yīng)用現(xiàn)狀進行簡單介紹。

分析其原因, 從整體趨勢上看, 氣溫上升導(dǎo)致了海冰的減小, 海冰密集度與局地氣溫呈現(xiàn)顯著的負(fù)相關(guān), 相關(guān)系數(shù)達到–0.72, 1985至1990年的躍變可能是AOI的躍變所致, 2010年的嚴(yán)重冰情也恰好對應(yīng)著AOI的極小值, 但是1997年前后和2016年前后可以看到海冰密集度和AOI出現(xiàn)了短期的正相關(guān)。

圖5 海冰密集度與局地氣溫、AOI長期變化趨勢

3.3 機制分析

3.3.1 相關(guān)性分析

為探究除了氣溫之外的要素, 將海冰密集度與全球氣溫、北半球冬季海冰、北極濤動指數(shù)(AOI)、尼諾3.4指數(shù)(NINO3.4)等大尺度指數(shù)計算相關(guān)系數(shù), 并將最關(guān)鍵的局地氣溫和上述指數(shù)計算相關(guān)系數(shù), 得到表2。

表2 黃河口海冰、局地氣溫與大尺度指數(shù)相關(guān)系數(shù)

結(jié)果顯示, 黃河口海冰密集度與局地氣溫呈顯著負(fù)相關(guān), 相關(guān)系數(shù)達到–0.72, 與短期變化中的關(guān)鍵因素相一致。由于黃河口海冰還與AOI之間存在較明顯的負(fù)相關(guān), 對海冰和局地氣溫以及AOI進行滑動相關(guān)系數(shù)的計算, 滑動窗口為11 a, 結(jié)果如圖6。

從圖6(a)和圖6(b)看到海冰密集度與局地氣溫的相關(guān)性并無太大變化, 從圖6(c)和圖6(d)看出, 在大部分時間, 海冰密集度和AOI呈現(xiàn)負(fù)相關(guān), 但是在2000年前后出現(xiàn)了異常正相關(guān), LRCC的穩(wěn)定性稍差一些, 由于滑動相關(guān)分析在兩端無法得到結(jié)果, 上節(jié)提到的2016年左右的正異常在滑動相關(guān)中無法得到體現(xiàn)。

結(jié)合表2以及圖6的分析可以得出結(jié)論, 黃河口海冰的趨勢性下降信號是全球氣溫與局地氣溫的整體性上升所導(dǎo)致, 而AO與黃河口鄰近海域海冰高度相關(guān), 從表2中看到黃河口海冰與AOI的相關(guān)性僅次于與局地氣溫的相關(guān)性, 二者呈現(xiàn)顯著的負(fù)相關(guān)。AO實際上體現(xiàn)了大氣環(huán)流的強弱, AOI為正值時表明大氣西風(fēng)增強, 不利于西伯利亞冷空氣南下, 整體上不利于海冰增長; 而AOI為負(fù)值表明大氣西風(fēng)減弱, 但有利于冷空氣增強和海冰增加。

從這兩個因素出發(fā)探究黃河口海冰在1985年之后的這次躍變, 考慮可能對應(yīng)著氣溫以及AOI的躍變, 前人一般認(rèn)為整個渤海海冰在1972年前后出現(xiàn)了一次從重冰情向輕冰情的躍變[6], 故本次躍變是發(fā)生在1972年之后的輕冰情階段之內(nèi)的, 這表示黃河口海域的海冰冰情仍在進一步減輕。從圖5中可以看到, 1985年之后局地氣溫開始劇增, 并且之后保持在較高水平, 這是這次躍變的直接因素, 但是全球氣溫持續(xù)升高, 難以解釋只在這一時間段發(fā)生了躍變。近兩年AOI的研究顯示[23], 近幾十年冬半年AOI的突變發(fā)生在1986年前后, 由低指數(shù)突變?yōu)楦咧笖?shù), 而AOI與中國東部的極端降溫事件發(fā)生頻次存在顯著的負(fù)相關(guān)關(guān)系, AOI的增大能很好地解釋極端降溫事件的減少。前文指出, 黃河口海域海冰的暴發(fā)最主要的原因就是短期內(nèi)極端降溫, 因此, AOI在1986年前后的突變導(dǎo)致局地氣溫劇增, 并且之后極端降溫事件減少, 能夠解釋這次海冰的躍變。

3.3.2 小波分析與小波相干

結(jié)合上文的結(jié)果, 重點分析AOI的變化, 使用小波分析和小波相干對黃河口海冰密集度和AOI進行分析, 小波相干譜可用來度量時頻空間中兩個時間序列局部相關(guān)的密切程度, 結(jié)果如圖7。

圖7 小波分析和小波相干結(jié)果

注: 圖b, c, d中位相關(guān)系由箭頭指示, 向左表示負(fù)相關(guān), 向右表示正相關(guān), 向上表示前者領(lǐng)先后者。粗黑線代表通過了0.05的顯著性檢驗，細(xì)黑線代表影響錐曲線

從圖7(a)中可以看出, 黃河口海冰存在10~15 a的主要周期和3、7 a左右的次要周期, 李劍等[7]認(rèn)為海冰變化存在2~4 a、6~8 a以及15 a左右的周期, 與本文研究基本一致。圖7(b)為海冰密集度和局地氣溫的小波相干圖, 其中箭頭基本都向左, 在數(shù)值上絕大部分區(qū)域都大于0.8, 印證海冰和局地氣溫整體呈高度負(fù)相關(guān)。圖7(d)為海冰密集度和AOI的小波相干圖, 可以看到, 相比于局地氣溫, 高值區(qū)的面積稍有減小, 但二者的分布較為類似, 這說明AOI的確在時頻空間中與海冰的變化密切相關(guān), 尤其是在7 a和12 a的周期變化中。

雖然從圖7(b)中明顯看到1997年左右體現(xiàn)了2~4 a周期, 在圖7(c)中這一時期卻沒有體現(xiàn), 由于1997年發(fā)生了較強的厄爾尼諾事件, 考慮厄爾尼諾現(xiàn)象導(dǎo)致了該區(qū)域的異常, 從圖7(d)中海冰與尼諾指數(shù)的小波相干圖中可以看到, 1997年前后該區(qū)域存在明顯的高值區(qū), 正好對應(yīng)了圖7(b)中無法被AO解釋的部分。這一異常也同樣被合成滑動相關(guān)系數(shù)捕捉到, 圖6(b)中可以看到, 1997年前后出現(xiàn)了明顯的異常信號, 表明該時期有比AO更強烈的過程影響了黃河口海冰, 結(jié)合小波相干的結(jié)果我們考慮該異常為1997—1998年的強厄爾尼諾過程, 將在下文對ENSO進行詳細(xì)分析。合成滑動相關(guān)系數(shù)和小波相干分析在海冰多年變化的分析中都能夠起到獲取異常信號的作用, 并且可以相互印證。

3.3.3 大氣影響分析

為探究AO和ENSO對黃河口海域海冰的影響, 繪制42 a的冬季平均2 m高度溫度及500 hPa高度, 如圖8(a)所示。再從前文的AOI曲線中取1989、1990、1992、1993、2008、2015、2020共7年為顯著AO正異常年; 取1980、1985、1987、1996、2001、2005、2010共7年為顯著AO負(fù)異常年, 對于ENSO, 則取上文討論的1997年為正異常年, 緊隨其后的1999年作為負(fù)異常年, 上述年份均代指該年冬季的數(shù)據(jù)。繪制AO正負(fù)異常年和ENSO正負(fù)異常年的2 m溫度及500 hPa高度的距平, 如圖8(b-e)所示。

圖8 2 m溫度及500 hPa高度平均和距平分布圖

注: 圖a中等值線為平均500 hPa高度, 圖b、c、d、e中等值線為500 hPa高度距平值, 單位均為m

從圖8(a)中可以看出, 渤海冬季平均離地2 m高度氣溫為0 ℃左右。而500 hPa高度平均分布顯示, 其東北部存在一個顯著的低壓槽, 即東亞大槽, 上方存在一個明顯的低壓中心。顯然, 東亞大槽的強度將影響整個渤海海域的冬季風(fēng)以及氣溫, 從而間接影響海冰。

當(dāng)冬季AO位相為正時, 圖8(b)顯示500 hPa高度在西北和東北太平洋存在兩個顯著正異常中心, 對應(yīng)著2 m高度溫度的正異常中心, 其中西北的正異常中心處于東亞大槽的位置。結(jié)合圖8(a)可以看到, 若該區(qū)域正異常, 且其北部存在一個負(fù)異常, 這將導(dǎo)致原本向南凸出的等值線向北調(diào)整, 低壓槽結(jié)構(gòu)被削弱。這表示AO正異常年東亞大槽偏弱, 不利于北極冷空氣南下, 東亞大陸的東岸主要受暖中心影響溫度偏高, 導(dǎo)致該區(qū)域的海冰減少。反之, 當(dāng)冬季AO位相為負(fù)時, 圖8(c)顯示同樣的區(qū)域正好存在兩個相反的顯著負(fù)異常中心, 而其北部也存在相反的正異常, 同理, 這將加強東亞大槽, 有利于冷空氣南下, 從圖中陰影代表的溫度距平能看到, 渤海整個海域都處于溫度負(fù)異常, 導(dǎo)致該區(qū)域的海冰增加。

黃河口海冰與ENSO的相關(guān)性, 相較AO而言更小, 主要分析其不同相位時的區(qū)別。對比圖8(d)和圖8(e)可見, ENSO處于正位相和負(fù)位相時, 2 m高度溫度及500 hPa高度在赤道東太平洋分別存在相對高值和低值, 而在北太平洋500 hPa高度則呈現(xiàn)了不同的分布, 正位相時, 正異常與負(fù)異常表現(xiàn)為東-西分布, 且負(fù)異常強度更大, 負(fù)位相時, 二者表現(xiàn)為接近南-北分布, 且二者強度相當(dāng), 2 m高度溫度距平的分布與之類似。因此, ENSO對黃河口鄰近海域的海冰可能是正位相時渤海海域主要受赤道西太平洋上空的暖中心控制, 有利于海冰增加, 負(fù)相位時該暖中心東移, 不利于海冰生成, 從前文分析可知二者并不存在明顯的線性關(guān)系。

并且從圖5可以看出, 原本1997年至1998年AOI減小, 有利于海冰增加, 但是海冰卻減少, 經(jīng)過上述分析可知強厄爾尼諾事件的發(fā)生導(dǎo)致冬季偏暖, 不利于海冰的生成, 這與圖7(d)中海冰密集度與尼諾指數(shù)呈負(fù)相關(guān)的結(jié)論一致, 并且在圖5中2016年左右海冰密集度與AOI的異常正相關(guān)同樣在此得到了解釋。另外, 有研究表明強厄爾尼諾會削弱東亞冬季風(fēng)的活動[24], 導(dǎo)致氣溫升高。

3.3.4 黃河徑流分析

黃河口鄰近海域相比其他海域, 最大的特點是受到黃河徑流的影響。對比1979年至2020年黃河利津站的徑流量數(shù)據(jù)和衛(wèi)星海冰密集度數(shù)據(jù), 如圖9所示。

圖9 黃河利津站徑流量與衛(wèi)星海冰密集度的年際變化對比

從圖9可以看到, 二者的整體變化趨勢較為相似, 且均在1985年左右發(fā)生了一次由高到低的躍變。計算二者相關(guān)系數(shù)為0.46, 呈明顯正相關(guān)。黃河徑流量增大代表入海淡水量增大, 導(dǎo)致黃河口鄰近海域鹽度減小, 從而促使海冰增加。

前文計算得到衛(wèi)星海冰密集度與AOI的相關(guān)系數(shù)為–0.44, 從相關(guān)性的角度來說, 黃河徑流導(dǎo)致海水鹽度變化, 正向影響黃河口鄰近海域的海冰變化, AO的影響則是反向的, 可能是改變局地氣溫所致, 并且二者得到的相關(guān)系數(shù)絕對值相近, 這表明在該海域, 影響海冰的最主要因素為氣溫, 其次為黃河徑流、AO, 且二者影響相當(dāng)。

4 結(jié)論與展望

本文針對黃河口海冰的變化特征和機制, 使用2年現(xiàn)場觀測數(shù)據(jù)和42年衛(wèi)星數(shù)據(jù)以及ERA5等再分析數(shù)據(jù), 采用相關(guān)性分析、小波分析和小波相干、大氣過程分析等方法進行研究, 本文的結(jié)論如下:

(1)在短期變化中, 黃河口鄰近海域海冰密集度主要與氣、水溫呈顯著負(fù)相關(guān), 尤其是6天負(fù)積溫, 說明海冰的生成主要受到前6天溫度的累積影響;寒潮的發(fā)生時間、強度及間隔主要控制了海冰的生成, 但海冰的維持和發(fā)展受氣溫的低頻變化所支配。

(2)在長期變化中, 黃河口鄰近海域海冰密集度42年來平均每年冬季減小0.25%, 主要原因為氣候變化導(dǎo)致的局地氣溫上升; 海冰密集度還與AOI呈負(fù)相關(guān), 因為AOI通過大氣過程影響局地氣溫, 與黃河徑流量呈正相關(guān), 因為黃河徑流改變海水鹽度; 在1985年左右的躍變可能是AOI的躍變和徑流的躍變共同作用所致; 在2000年和2016年左右海冰與AOI的異常正相關(guān)正好對應(yīng)了強厄爾尼諾的出現(xiàn); 小波分析的結(jié)果表明海冰密集度存在10~14 a的主要周期和3、7 a的次要周期。

(3)總體而言, 不論是長期變化還是短期變化, 黃河口海域海冰變化都與氣溫變化密切相關(guān), 關(guān)鍵問題是引起氣溫變化的因素并不相同。研究表明, 由于發(fā)生海冰的冬季以冷空氣過程主導(dǎo), 黃河口海冰的變化與北極濤動高度負(fù)相關(guān), 體現(xiàn)了北半球冷空氣過程對冰情的影響。但是, 北極的冷空氣受到ENSO過程的制約, 當(dāng)厄爾尼諾發(fā)生時, 會大幅削弱冷空氣的影響, 在1997/98和2016/17兩次強厄爾尼諾過程中, 都體現(xiàn)了AO和ENSO此消彼長的影響。

本文詳細(xì)分析了黃河口鄰近海域海冰的變化特征和機制, 但由于衛(wèi)星數(shù)據(jù)的分辨率和現(xiàn)場觀測數(shù)據(jù)的限制, 仍然沒有針對黃河口內(nèi)的區(qū)域進行精細(xì)研究, 因此在本文的基礎(chǔ)上, 進一步將黃河口研究[25]與海冰研究[26-29]結(jié)合起來, 能夠拓展對黃河口的認(rèn)識。

[1] 劉煜, 李寶輝, 李春花, 等. 2006~2007年冬季渤海天氣與冰情分析[J]. 海洋預(yù)報, 2009, 26(1): 1-6.

LIU Yu, LI Baohui, LI Chunhua, et al. Analysis of Weather and Ice Conditions for the Bohai Sea in the Winter of 2006~2007[J]. Marine Forecasts, 2009, 26(1): 1-6.

[2] 孫明, 袁本坤, 黎舸, 等. 勝利油田作業(yè)海域冰情特征及減災(zāi)對策[J]. 海洋開發(fā)與管理, 2017, 34(5): 98-102.

SUN Ming, YUAN Benkun, LI Ge, et al. Characteristics of Sea Ice Condition and Disaster Mitigation Measures in the Operation Sea Area of Shengli Oil Field. Ocean Development and Management, 2017, 34(5): 98-102.

[3] QIU H C, GONG Z N, MOU K N, et al.Automatic and Accurate Extraction of Sea Ice in the Turbid Waters of the Yellow River Estuary Based on Image Spectral and Spatial Information[J]. Remote Sensing, 2022, 14(4): 927.

[4] 季順迎, 李鵬飛, 劉宏亮, 等. 渤海萊州灣和黃河口附近海冰剪切強度的試驗研究[J]. 海洋通報, 2013, 32(3): 241-245.

JI Shunying, LI Pengfei, LIU Hongliang, et al. Experimental studies of the shear strength of sea ice in the Laizhou Bay and around the Yellow River Delta of Bohai Sea[J]. Marine Science Bulletin, 2013, 32(3): 241-245.

[5] 張緒良, 谷東起, 陳東景. 2005/2006年度萊州灣東部的海冰災(zāi)害及其影響[J]. 海洋湖沼通報, 2009, 121(2): 131-136.

ZHANG Xuliang, GU Dongqi, CHEN Dongjing. Research on the sea ice disasterof eastern Laizhou Bay in 2005/2006 abd its influences[J]. Transactions of Ocea-nology and Limnology, 2009, 121(2): 131-136.

[6] 劉欽政, 黃嘉佑, 白珊, 等. 渤海冬季海冰氣候變異的成因分析[J]. 海洋學(xué)報(中文版), 2004, 26(2): 11-19.

LIU Qinzheng, HUANG Jiayou, BAI Shan, et al. Studies on the causation of sea ice decadal variation in the Bohai Sea of China[J]. Acta Oceanologica Sinica, 2004, 26(2): 11-19.

[7] 李劍, 黃嘉佑, 劉欽政. 黃、渤海海冰長期變化特征分析[J]. 海洋預(yù)報, 2005, 22(2): 22-32.

LI Jian, HUANG Jiayou, LIU Qinzheng. The long-term variation characteristics of sea ice in the Bohai Sea and the north Huanghai Sea[J]. Marine Forecasts, 2005, 22(2): 22-32.

[8] 劉煜, 劉欽政, 隋俊鵬, 等. 渤、黃海冬季海冰對大氣環(huán)流及氣候變化的響應(yīng)[J]. 海洋學(xué)報(中文版), 2013, 35(3): 18-27.

LIU Yu, LIU Qinzheng, SUI Junpeng, et al. The Respond of Ice for the Bohai Sea and the Huanghai Sea with the general circulation and the climate change in winters[J]. Acta Oceanologica Sinica, 2013, 35(3): 18-27.

[9] 鄭冬梅, 王志斌, 張書穎, 等. 渤海海冰的年際和年代際變化特征與機理[J]. 海洋學(xué)報, 2015, 37(6): 12-20.

ZHENG Dongmei, WANG Zhibin, ZHANG Shuying, et al. Interannual and Interdecadal Variations of the Sea Ice in Bohai Sea and Its Mechanisms[J]. Haiyang Xuebao, 2015, 37(6): 12-20.

[10] 劉成, 曹祥村, 尹朝暉, 等. 2007—2018年黃渤海海冰氣候特征及其對氣象因子的響應(yīng)[J]. 海洋通報, 2019, 38(2): 173-178.

LIU Chen, CAO Xiangcun, YIN Zhaohui, et al. Climatic characteristics of sea ice extent and its response to meteorological factors in the Yellow Sea and the Bohai Sea during 2007-2018[J]. Marine Science Bulletin, 2019, 38(2): 173-178.

[11] YAN Y, Uotila P, HUANG K, et al. Variability of sea ice area in the Bohai Sea from 1958 to 2015[J]. Science of the Total Environment, 2020, 709(12): 136-164.

[12] 孫靜琪, 陳笑娟, 李倩, 等. 基于遙感技術(shù)的1988—2018年渤海海冰冰情時空變化特征[J]. 災(zāi)害學(xué), 2022, 37(1): 178-184, 191.

SUN Jingqi, CHEN Xiaojuan, LI Qian, et al. Temporal and spatial variation characteristics of sea ice conditions in the Bohai Sea from 1988 to 2018 based on remote sensing technology[J]. Journal of Catastrophology, 2022, 37(1): 178-184, 191.

[13] 藥蕾, 蘇潔. 渤海海冰與西伯利亞高壓之間的關(guān)系及與北大西洋濤動之間的可能聯(lián)系[J]. 中國海洋大學(xué)學(xué)報: 自然科學(xué)版, 2018, 48(6): 1-12.

YAO Lei, SU Jie. Relationships between Bohai Sea Ice and Siberial High and possible connections between Bohai Sea ice and north Atlantic Oscillation[J]. Journal of Ocean University of China, 2018, 48(6): 1-12.

[14] OUYANG L X, HUI F M, ZHU L X, et al. The spatiotemporal patterns of sea ice in the Bohai Sea during the winter seasons of 2000–2016[J]. International Journal of Digital Earth, 2019; 12(8): 893-909.

[15] JIAO Y, HUANG F, LIU Q R, et al. Interannual variability and scenarios projection of sea ice in Bohai Sea Part I: Variation characteristics and interannual hindcast[J]. Journal of Ocean University of China, 2020, 19(2): 272-280.

[16] 紀(jì)旭鵬, 趙進平. 北極中央?yún)^(qū)海冰密集度與云量相關(guān)性分析[J]. 海洋學(xué)報, 2015, 37(11): 92-104.

JI Xupeng, ZHAO Jinping. Analysis of Correlation between sea ice concentration and cloudiness in the Central Arctic[J]. Haiyang Xuebao, 2015, 37(11): 92-104.

[17] ZHAO J P, CAO Y, WANG X. The physical significance of the synthetic running correlation coefficient and its applications in oceanic and atmospheric studies[J]. Journal of Ocean University of China, 2018, 17(3): 451-460.

[18] ZHAO J P, CAO Y, SHI Y Y, et al. Mathematical proof of the synthetic running correlation coefficient and its ability to reflect temporal variations in correlation[J]. Journal of Ocean University of China, 2021, 20(3): 562-572.

[19] GRINSTED A, MOORE J C, JEVREJEVA S. Application of the cross wavelet transform and wavelet coherence to geophysical time series[J]. Nonlinear Processes in Geophysics, 2004, 11(5/6): 561-566.

[20] 余丹丹, 張韌, 洪梅, 等. 基于交叉小波與小波相干的西太平洋副高與東亞夏季風(fēng)系統(tǒng)的關(guān)聯(lián)性分析[J]. 南京氣象學(xué)院學(xué)報, 2007(6): 755-769.

YU Dandan, ZHANG Ren, HONG Mei, et al. Correlation analysis between the West Pacific subtropical High and the East Asian summer monsoon system based on cross wavelet and wavelet coherence[J]. Journal of Nanjing Institute of Meteorology, 2007(6): 755-769.

[21] 袁本坤, 王瑋, 黎舸, 等. 2015—2016年冬季膠州灣冰情特征分析[J]. 海洋開發(fā)與管理, 2016, 33(11): 77-79.

YUAN Benkun, WANG Wei, LI Ge, et al. Analysis on characteristics of the sea ice in the Jiaozhou Bay in Winter of 2015—2016[J]. Ocean Development and Management, 2016, 33(11): 77-79.

[22] JIANG Y D, DONG W J, YANG S, et al. Long-term changes in ice phenology of the Yellow River in the past decades[J]. Journal of Climate, 2008, 21(18): 4879-4886.

[23] 蔡倩. 中國東部冬半年極端降溫事件的時空特征及其與北極濤動的聯(lián)系[D]. 南京: 南京信息工程大學(xué), 2020.

CAI Qian. Spatiotemporal features of extreme cooling events in East China and their relationships with Arctic Oscillation during boreal winter half year[D]. Nanjing: Nanjing University of Information Science and Techno-logy, 2020.

[24] 李崇銀, 穆明權(quán). 東亞冬季風(fēng)-暖池狀況-ENSO循環(huán)的關(guān)系[J]. 科學(xué)通報, 2000, 45(7): 678-685.

LI Chongyin, MU Mingquan. Relationship between East Asian winter monsoon, warm pool condition and ENSO cycle[J]. Chinese Science Bulletin, 2000, 45(7): 678-685.

[25] 喬守文, 李凡, 秦華偉, 等. 黃河口門位置及入海徑流變化對萊州灣鹽度分布的影響[J]. 海洋科學(xué), 2022, 46(9): 12-24.

QIAO Shouwen, LI Fan, QIN Huawei, et al. The effects of gate and runoff changes on salinity distribution around Laizhou Bay[J]. Marine Sciences, 2022, 46(9): 12-24.

[26] 國巧真, 顧衛(wèi), 孫從容, 等. 基于遙感數(shù)據(jù)的渤海海冰面積提取訂正模型研究[J]. 海洋科學(xué), 2008, 32(8): 70-75.

GUO Qiaozhen, GU Wei, SUN Congrong, et al. Study on the revised model for extraction of sea-ice area in the Bohai Sea based on remote sensing data.[J]. Marine Sciences, 2008, 32(8): 70-75.

[27] 郭衍游, 謝宏全, 楊光. 基于MODIS 影像渤海2012 年海冰變化分析[J]. 海洋科學(xué), 2014, 38(6): 60-64.

GUO Yanyou, XIE Hongquan, YANG Guang. Variation analysis of sea ice in the Bohai Sea in 2012 based on MODIS[J]. Marina Sciences, 2014, 38(6): 60-64.

[28] 張永梅, 阮成卿, 劉愛超, 等. 基于變分水平集方法的海冰信息自動提取[J]. 海洋科學(xué), 2022, 46(7): 1-10.

ZHANG Yongmei, RUAN Chengqing, LIU Aichao, et al. Automatic extraction of sea ice information based on variational level set method[J]. Marine Sciences, 2022, 46(7): 1-10.

[29] 張晰, 張杰, 孟俊敏. Landsat-8 與GF-1 衛(wèi)星渤海海冰探測能力對比研究[J]. 海洋科學(xué), 2015, 39(2): 50-56.

ZHANG Xi, ZHANG Jie, MENG Junmin. Comparison of sea ice detection ability of Landsat-8 and GF-1 in the Bohai Sea[J]. Marine Sciences, 2015, 39(2): 50-56.

Analysis of the variations and mechanisms of sea ice change in the sea area near the Yellow River Estuary

HU Shi-qiang1, LI Ge2, DENG Yao-cheng1, LIU Juan3, SU Liang4, YU Hua-ming1, 5

(1. College of Oceanic and Atmospheric Sciences, Ocean University of China, Qingdao 266100, China; 2. North China Sea Marine Forecast Center, Qingdao 266061, China; 3. Beijing Institute of Applied Meteorology, Beijing 100029, China; 4. Qingdao Supercomputing and Big Data Center, Qingdao 266237, China; 5. Sanya Oceanographic Institution, Ocean University of China, Sanya 572025, China)

The sea ice in the sea area proximal to the Yellow River Estuary is a part of the sea ice in the Bohai Sea. In this paper, its unique variation characteristics and mechanisms were explored based on the observation data of the ocean stations around the Yellow River Estuary, employing statistical analysis and two types of sliding correlation analyses integrated with wavelet coherence analysis and the impact of atmospheric processes. The observation data were provided by the North Sea Forecast Center and the reanalysis data of the CMEMS global sea ice concentration. The long-term variation analysis showed a decreasing trend in the ice regime within the Yellow River Estuary (?0.25%/year) between 1979 and 2020; the primary factor contributing to this decrease is the overall increase in local temperature. The sea ice concentration is positively correlated with runoff in the Yellow River due to the increase in runoff and the decrease in salinity, resulting in the increase in sea ice; The sea ice concentration exhibits a considerable negative correlation with the Arctic Oscillation Index (AOI), with a correlation coefficient of ?0.44; this can be attributed to the fact that when the Arctic Oscillation is in a positive phase, the strength of the East Asia Trough is weakened, the Arctic cold air is blocked from invading to the south, and the overall temperature of the Yellow River Estuary in winter increases, giving rise to sea ice reduction. Remarkable positive anomalies in the correlation with the Arctic Oscillation were observed around 1997 and 2016 due to the impact of two strong El Ni?o events exceeding the Arctic Oscillation. Similarly, the marked increase in sea ice concentration around 1985 is mainly attributable to the sudden change in the AOI. According to the short-term change analysis of the daily typical cold wave process in the winter of 2010 and 2020 and the change in sea ice concentration, it can be observed that sea ice exhibits the largest correlation with the negative accumulated temperature of the past six days, with an average correlation coefficient of ?0.77. The occurrence, intensity, and interval of the cold wave control sea ice generation, while the low-frequency change in the overall temperature controls sea ice maintenance and development.

Yellow River Estuary; sea ice; change characteristics; long-term trends; control mechanism

Nov. 4, 2022

P731.15

A

1000-3096(2023)5-0149-12

10.11759/hykx20221104003

2022-11-04;

2022-11-22

國家重點研發(fā)計劃項目(2018YFB1502801); 三亞崖州灣科技城科技專項項目(SCKJ-JYRC-2022-101); 崖州灣科技城南海海洋大數(shù)據(jù)中心項目(SKJC-2022-01-001)

[National Key Research and Development Program of China, No. 2018YFB1502801; Project of Sanya Yazhou Bay Science and Technology City, No. SCKJ-JYRC-2022-101; Nanhai Marine Big Data Center of Yazhou Bay Science and Technology City Project, No. SKJC-2022-01-001]

胡世強(1999—), 男, 江西贛州人, 碩士研究生, 主要從事海冰及數(shù)值模擬研究, E-mail: hsq@stu.ouc.edu.cn; 于華明(1982—), 山東威海人,通信作者, 主要從事近海動力學(xué)及其生態(tài)效應(yīng)研究, E-mail: hmyu@ouc.edu.cn

(本文編輯: 叢培秀)