南海海浪场与厄尔尼诺的相关性分析

郭随平，庄卉，郑崇伟，贾本凯，陈志禄，王健

（1.解放军理工大学气象学院 江苏南京 211101；2.92538 部队气象台，辽宁大连 116041；3.91967 部队气象台，河北沙河 054100）

1 引言

厄尔尼诺（El Nino）是“圣婴”（上帝之子）的意思，现在用来指赤道中东太平洋SST（海表温度——Sea Surface Temperature）大范围持续异常增暖的现象。厄尔尼诺现象与我国乃至全球的灾害性的风暴潮、海浪、海冰、海啸、赤潮、干旱、洪涝等都有着密切联系[1-3]，厄尔尼诺现象海域人类的健康、疫病的发生和人群死亡率增加[4-5]，其带来的干旱常引发粮食危机,还会增加疾病传播的风险[5]。任广成[6]的研究发现：厄尔尼诺（拉尼娜）事件与甘肃河东秋雨关系密切，厄尔尼诺事件甘肃河东秋雨偏少，拉尼娜事件甘肃河东秋雨偏多；各NINO海区海温均与甘肃河东秋雨存在很好的负相关关系。夏咏华[7]的研究发现：厄尔尼诺对常引起全球气候异常，对西北太平洋台风的产生几率和活动规律、全球气候、亚洲冬季和夏季季风环流、海面能见度等都有重大影响，给航海业带来严重影响。仲桂清等通过对风场、温度场、大气环流等相关因素的分析指出[8]：厄尔尼诺是造成我国1998年长江特大洪水的重要原因之一。谌芸[9]的研究发现我国秋季降水与ENSO的关系远比夏季降水与ENSO的关系好，El Nino年我国秋季降水出现南多北少的分布型（S型）的频率增加近20%，而La Nina年出现S型的频率减少20%。刘爱国的研究发现[10]：中等强度的冷事件（拉尼娜）、暖事件（厄尔尼诺）与登陆斗门-厓县热带气旋个数关系不明显，而在强或弱冷、暖事件中，冷事件影响登陆斗门-厓县的热带气旋明显偏多，特别是在冷、暖事件影响下，登陆斗门-厓县热带气旋异常偏多年中，冷事件影响年占了64%。杨学祥等[11]发现行星冲日、近地潮、日月大潮、日食、月食的叠加所形成的强潮汐与厄尔尼诺事件发生时间有非常好的对应关系。庞景贵等[12]研究发现厄尔尼诺对我国和全球的农渔业带来严重危害。杨特群[13]的研究发现厄尔尼诺与黄河流域汛期降雨洪水有着密切的联系：在厄尔尼诺次年，黄河流域各区间汛期降水量偏多的几率较非厄尔尼诺次年要大；黄河中游以及兰州至托克托区间厄尔尼诺次年的汛期降雨总量偏多20%以上的几率明显大于气候概率；厄尔尼诺次年黄河下游汛期降雨量正常的年份很少。徐小玲[14]发现厄尔尼诺事件对毛乌素沙区的降水量影响程度较大，厄尔尼诺年降水量明显减少，且下一年降水量增多。何春良[15]的研究发现：1977—2007年发生的10次厄尔尼诺事件对厄尔尼诺年的次年我国海域赤潮发生的次数有比较显著的影响。在环境和资源危机严重困扰人类的当今世界[16-21]，本文利用来自ECMWF（欧洲中期天气预报中心-European Centre for Medium-Range Weather Forecasts）将1957年9月—2002年8月风浪和涌浪分离的ERA-40海浪再分析资料，分析了南海海浪场与厄尔尼诺的相关性，为防灾减灾、海洋水文研究等提供参考。

2 资料简介

ERA-40海浪再分析资料来自ECMWF，该海浪资料将风浪和涌浪进行了分离，该资料是全球第一份耦合海浪（WAM）和大气环流模式模拟结果并同化观测资料得到的再分析产品，该资料最大的特点是将风浪和涌浪进行了分离，也是目前为止长时间序列风浪和涌浪分离资料的最佳选择[22-24]。该资料的空间范围为90°S—90°N，0°—360°E，空间分辨率为1.5°×1.5°，时间范围从1957年09月01日00:00时—2002年08月31日18:00时，时间分辨率为6 h。

3 海表风场、海浪场与nino3指数的相关性

将南海1958—2001年的海表风速、风浪、涌浪、混合浪波高进行逐年平均，分别得到各个网格点上各个要素44个时次的年平均值，分别计算各网格点上各要素与nino3指数的相关系数（见图 1）。

nino3指数：nino3区（150°—90°W，5°N—5°S）SST的区域平均值。

由于南海海表风场与nino3指数相关系数的分布特征和南海风浪场与nino3指数相关系数的分布特征一致，本文只列出了风浪与nino3指数相关系数的分布图（见图1）。

1月，南海北部的风浪、混合浪与nino3指数相关性通过了95%的信度检验，表现出显著的负相关；海南岛东南部海域（中沙和西沙附近海域）的涌浪与nino3指数表现出显著的负相关。南海中部和南部的浪场与nino3指数的相关性没有通过95%的信度检验。4月，南海大部分海域的的浪场与nino3指数没有通过95%的信度检验，仅在一些零星海域表现出显著的正相关。7月，南海中南部的涌浪、混合浪与nino3指数表现出显著的正相关，相关性在中南半岛附近海域最强；风浪与nino3指数仅在南海南部一些零星海域表现出显著的正相关。10月，南海的风浪、涌浪、混合浪海浪场与nino3指数的相关性为全年最好，大部分海域表现出呈显著的负相关，仅中南半岛附近海域的风浪与nino3指数的相关性没有通过95%的信度检验。

整体来看，涌浪、混合浪与nino3指数的相关性好于风浪；7月、10月浪场与nino3指数的相关性好于1月和4月，其中4月相关性为全年最低。

本文仅揭示了南海的海浪场与nino3指数有着密切的联系，但两者一个为快变过程一个为慢变过程，其内部物理机制有待进一步借助海气相互作用原理和大气环流理论进行深入研究。

4 海表风场、海浪场的空间分布特征

对南海1958—2001年逐年年平均的海表风速、风浪波高、涌浪波高、混合浪波高进行EOF分析，分析南海海表风场、海浪场的空间分布特征[26]。

图1 1月、4月、7月、10月nino3指数与风浪（a1—d1）、涌浪（a2—d2）、混合浪（a3—d3）的相关系数，彩色区为通过了95%的信度检验。

图2 a-c：海表风场EOF分析的前三模态空间分布；d-f：风浪EOF分析的前三模态空间分布；g-i：为涌浪EOF分析的前三模态空间分布；j-l：混合浪（有效波高）EOF分析的前三模态空间分布

图3 风浪波高（a）、涌浪波高（b）、混合浪波高（c）EOF第一模态时间系数的功率谱，以及nino3指数的功率谱分析（d）

从图2可看出，各要素的第一模态空间分布均呈现东北-西南走向的高值区分布，这揭示了南海冬季风和夏季风期间最大风速扰动增强区以及它带来的风浪和涌浪的增强。海面风场的前三模态的空间分布和利用T/P高度计资料分析结果基本相似，第2和第3模态的空间分布分别代表了南海季风爆发初期南海南北海域风场的反位相关系以及南海周边地形对海面风场的影响。海面风场的前3个模态空间分布和风浪场前3模态空间分布有很好的对应，说明南海风的扰动变化决定南海风浪场的扰动变化。值得注意的是涌浪场各模态的空间分布和海面风场各模态的空间分布之间的对应关系明显不如风浪场与海面风场之间关系；涌浪场中特征向量等值线分布稀疏，表明涌浪扰动分布变化比风浪场均匀。混合浪场的各模态扰动分布与涌浪更为接近，也是风浪场和涌浪场对应模态的合成结果，它一方面是局地风场直接作用下的结果，另一方面又反映了非局地风场或前期风场以及周边水深、地形等因素的影响。

海面风场、混合浪场、风浪场和涌浪场的EOF分析的第1模态的时间系数的变化趋势基本一致，图略。特别是海面风场和风浪场之间的相关系数达到0.89（超过99%的信度检验）；海面风场和混合浪之间的相关系数达到0.37（超过95%的信度检验）；但海面风场和涌浪场之间的相关系数仅为0.18（未超过95%的信度检验）；这也表明南海的风浪场与海表风场具有较好的对应关系，而混合浪场则更多的是包含了涌浪的信息。

5 海表风速、波高的变化周期

将南海1958—2001年逐年年平均的海表风场、风浪场、涌浪场、混合浪场进行EOF分析第1模态的时间系数进行功率谱分析，以求南海风场、海浪场的变化周期，见图3。这种方法被广泛使用，证明是可行的[25]。

研究发现南海风场、风浪、涌浪和混合浪场均存在多种时间尺度的周期变化。海面风场的功率谱值（图略）和风浪场的功率谱值（见图3a）分布较为相似，均存在峰值3.3年和5.0年左右的周期变化；涌浪场功率谱值分布和海面风场功率谱值分布有所不同，除存在和海面风场相近的3.75年主周期变化外，5年的周期并不显著，而2.3年、3.3—4.29年和30年的周期通过了红噪音检验。混合浪场的功率谱值分布和涌浪场相似，既有风浪、涌浪共有的3.3—3.75年主周期变化，也存在涌浪场具有的2.3年和30年左右的周期变化。上述周期均通过了95%的红噪音（或白噪音）标准谱信度检验。

上述各要素场存在共同的3—3.75年周期变化，其中风场和风浪场还存在5年左右的主周期，这一周期可能受东亚冬季风异常和ENSO循环影响有关。陈红霞等[27]指出中国近海及临近海域（15°—25°N，112°—130°E）海浪的年际变化中以5年为周期的变化最为显著，和ENSO事件有着很好的对应关系。

此外，本文还利用功率谱分析nino3指数的变化周期，发现nino3指数存在显著的3.25—5.2年的周期，见图3。也就是说，南海海表风场、风浪场与nino3指数存在的3.3年左右、5年左右的共同周期，与陈红霞[27]的研究结论吻合，郑崇伟等[28]的研究也发现全球海域的海浪场与nino3指数存在着密切的联系。南海的涌浪场、混合浪场与nino3指数存在的3—4年左右的共同周期，这也从侧面验证了图1可信度。但是正如文中第二部分指出，厄尔尼诺和海浪两者一个为快变过程一个为慢变过程，其内部物理机制有待进一步借助海气相互作用原理和大气环流理论进行深入研究。

6 结论

（1）南海的海表风场、海浪场与nino3指数有着密切的关系，其中涌浪、混合浪与nino3指数的相关性好于风浪；7月和10月海浪场与nino3指数的相关性好于1月和4月，其中4月相关性为全年最低。1月，nino3指数与风场、浪场在东沙和西沙附近海域呈显著的负相关；4月，相关系数为全年最差；7月，nino3指数与风场、风浪场在南沙附近海域呈显著的正相关，大部分海域的涌浪与nino3指数呈显著的正相关，nino3指数与混合浪在16°N以南的海域呈显著的正相关；10月，nino3指数与风场、浪场的相关系数为全年最好，大部分海域均呈显著的负相关；

（2）南海海表风场、风浪、涌浪、混合浪场第一模态空间分布均呈现东北-西南走向的高值区分布，这揭示了南海冬季风和夏季风期间最大风速扰动增强区以及它带来的风浪和涌浪的增强。海面风场的第2和第3模态的空间分布分别代表了南海季风爆发初期南海南北海域风场的反位相关系以及南海周边地形对海面风场的影响，海面风场的空间分布和风浪场空间分布有很好的对应。涌浪扰动分布变化比风浪场均匀。混合浪场的各模态与涌浪较为接近，南海的风浪场与海表风场具有较好的对应关系，而混合浪场则更多的是包含了涌浪的信息；

（3）南海海表风场、风浪、涌浪、混合浪场存在3—3.75年的共同周期。南海的海表风场、风浪场与nino3指数存在的3.3年左右、5年左右的共同周期，涌浪场、混合浪场与nino3指数存在的3—4年左右的共同周期，这也表明南海的海浪场与厄尔尼诺存在着较为密切的联系，但两者一个为快变过程一个为慢变过程，其内部物理机制有待进一步借助海气相互作用原理和大气环流理论进行深入研究。

[1]沈四林.厄尔尼诺现象与中国的海洋灾害[J].海洋技术，2001,4：16-17.

[2]陈健,胡世巧,赵佩章,等.我国大旱大涝与厄尔尼诺和拉尼娜的关系[J].河南师范大学学报,1999,27(4):34-39.

[3]郑崇伟，张霞.基于WAVEWATCH-III模式的近10年南海波候统计分析[J].气象与减灾研究，2011，34（1）：48-55.

[4]严有望.厄尔尼诺现象与人类健康[J].自然杂志,2001,23(3):149-151.

[5]王秀峰.厄尔尼诺现象与人类健康[J].中华医学科研管理杂志,2001,14(4):254.

[6]任广成，樊文军，余明祥.厄尔尼诺与甘肃河东秋雨关系分析[J].海洋预报，2008,25（4）：9-14.

[7]夏咏华.“厄尔尼诺和拉尼娜”现象与航海[J].天津航海，2001,3:39-40,47.

[8]仲桂清，王辉，姜斌.1997—1998年厄尔尼诺与相关的天气现象之分析[J].海洋预报，2000,17（4）：34-40.

[9]谌芸，施能.厄尔尼诺/南方涛动与我国秋季气候异常[J].热带气象学报，2003,19（2）：137-146.

[10]刘爱国，吴阳.厄尔尼诺和反厄尔尼诺与登陆斗门—厓县热带气旋的统计关系[J].海洋通报，2003,22（4）：87-91.

[11]杨学祥，陈震，陈殿友,等.厄尔尼诺事件与强潮汐的对应关系[J].吉林大学学报（地球科学版），2003,33（1）：87-91.

[12]庞景贵，郭金龙.厄尔尼诺现象给我国及世界农渔业带来的危害[J].海洋环境保护，2008,4：25-27.

[13]杨特群，饶素秋，张勇,等.厄尔尼诺与黄河流域汛期降雨洪水的关系分析[J].人民黄河，2007,29（8）：20-21.

[14]徐小玲，延军平.近30年毛乌素沙区的气候与厄尔尼诺/拉尼娜事件的相关分析[J].干旱区研究，2003,20（2）：117-122.

[15]何春良，杨红.我国海域赤潮时空分布及其与厄尔尼诺的关系[J].上海海洋大学学报，2009,18（2）：206-211.

[16]郑崇伟，郑宇艳，陈洪春.基于SWAN模式的近10年南海北部波浪能资源研究[J].亚热带资源与环境学报，2011，6（2）：54-59.

[17]Zheng C W,Zhuang H,Li X,et al.Wind Energy and Wave Energy Resources Assessment in the East China Sea and South China Sea[J].Sci China Tech Sci,2012,55(1):163-173.

[18]郑崇伟，李训强.基于WAVEWATCH-III模式的近22年中国海波浪能资源评估[J].中国海洋大学学报（自然科学版），2011，41（11）：5-12.

[19]郑崇伟.南海波浪能资源与其他清洁能源的优缺点比较研究[J].亚热带资源与环境学报，2011，6（3）：76-81.

[20]郑崇伟.全球海域风能资源储量分析[J].中外能源，2011，16（7）：43-47.

[21]郑崇伟，潘静.全球海域风能资源评估及等级区划[J].自然资源学报，2012，26（3）：1-8.

[22]ALVARO S,KAY S.A Global View of the Wind Sea and Swell Waves Interannual Variability from ERA-4011th International workshop on wave[J].Handcasting and Forcasting,2009，4:8-23.

[23]ALVARO S,KAY S,ANNA R,et al.A Global View on the Wind Sea and Swell Climate and Variability from ERA-40[J].Journal of Climate,2010.doi:10.1175/2010JCLI3718.1

[24]郑崇伟，周林，周立佳.西沙、南沙海域波浪及波浪能季节变化特征[J].海洋科学进展，2011，29（4）：419-426.

[25]郑崇伟，周林，刘志宏.近45年大西洋波候统计分析[J].海军大连舰艇学院学报，2011，34（2）：50-53.

[26]郑崇伟.南海海浪特征分析及波浪能资源评估[D].解放军理工大学硕士论文，2011.

[27]陈红霞，华锋，袁业立.中国近海及临近海域海浪的季节特征及其时间变化[J].海洋科学进展,2006,24(4):407-415.

[28]郑崇伟，潘静，田妍妍等.全球海域风浪、涌浪、混合浪波候图集[M]，海洋出版社，2012.