1993－2017年南海中尺度涡特征分析

曾伟强，张书文,2，马永贵，王同宇

1993－2017年南海中尺度涡特征分析

曾伟强1，张书文1,2，马永贵1，王同宇1

（1. 广东省近海海洋变化与灾害预警重点实验室/广东海洋大学海洋与气象学院，广东 湛江 524088；2．区域海洋动力学与数值模拟功能实验室/海洋科学与技术国家实验室，山东 青岛 266237）

【】研究1993－2017年南海中尺度涡的空间分布、季节变化、移动速度等特征。根据AVISO提供的地转流数据，应用Nencioli等人提出的涡旋识别算法。南海中尺度涡主要分布在南海东北部和越南东部海域，冬（夏）季有利于（反）气旋涡产生，中尺度涡以2.0 ~ 9.0 cm/s的速度向西传播。南海气旋涡与反气旋逐年生成个数与ENSO事件相关，在1993－2007年期间，强（温和）厄尔尼诺年气旋涡生成数大于反气旋，弱（温和）拉尼娜年反气旋生成数大于气旋涡。2008－2017年，强厄尔尼诺年气旋涡生成数大于反气旋，温和拉尼娜年反气旋生成数小于气旋涡。在涡旋的生命周期内，涡旋半径与移动速度变化趋势相反。复杂海底地形会阻碍涡旋的传播。

南海；中尺度涡；识别；特征

中尺度涡是一种显著海洋现象[1]。中尺度涡生成后会携带大量动能移动几十km到几百km，其携带能量约占海洋环流动能80 %[2]。研究发现中尺度涡在全球海洋中广泛存在[3-4]，并在传播过程中对海洋能量、温、盐、水体的运输和大尺度环流产生重要作用[5-10]。南海中尺度涡活动非常活跃[11-12]，其中吕宋海峡西部和越南东部是涡动能高值区[13-15]。宋海峡西部黑潮水入侵南海并伴随涡旋季节性脱落[16-17]，而在西南季风期间风应力旋度是越南偶极子形成的原因[18-22]。因此研究该区域中尺度涡的各种特征，对深入研究南海动力过程具有重要意义。

随着卫星遥感技术发展，从高分辨率卫星遥感中提取涡旋信息已成为可能。由于中尺度涡的形状并不是理想的圆形，这使得中尺度涡的识别十分困难[23-24]。迄今为止前人提出了不同的中尺度涡识别算法[25-31]，但由于研究使用的数据类型和方法不一致，中尺度涡判据存在差异[32-38]，所以有必要对南海中尺度涡进行再统计分析。本研究利用AVISO中心提供的地转流异常数据，通过Nencioli涡旋识别算法探测南海中尺度涡，并统计分析南海中尺度涡的季节分布、半径、传播速度和空间分布等特征，为深入研究南海中尺度涡现象提供参考和依据。

1 数据与方法

1.1 数据

本研究使用AVISO（archiving,validation and interpretation of satellite oceanographic）网站提供的地转流异常数据，该数据通过海面高度异常（′）计算得到。具体公式：

其中，和分别是地转流场的东西分量和南北分量，为科氏参数，为重力加速度。本研究选取25年（1993－2017）的地转流数据，空间范围是5°N－25°N，108°E－122°E。空间分辨率为0.25°，时间分辨率为1 d。为提高涡旋识别准确性，本研究采用双线性插值法将空间分辨率提高至0.125°。此数据在时间和空间上极大满足中尺度涡的识别和研究。

1.2 方法

Nencioli[32]识别算法应用4个约束条件：（1）沿一个东西方向上，南北向的速度方向在涡旋两侧相反且离中心距离越远量值越大；（2）沿一个南北方向上，东西向的速度方向在涡旋两侧相反且离中心距离越远量值越大；（3）涡旋中心的速度是局地最小值；（4）涡旋中心四周的速度矢量必须以恒定的方向旋转，并且2个相邻的速度矢量要处于相同或相邻象限。

Nencioli识别算法需要定义参数和。参数用于确定算法可探测到的最小的涡旋尺度。参数则用于确定算法可探测到的涡旋速度区域最小值时的范围。系数和的取值范围是1至10网格间距。本研究发现= 3和= 3时效果较好（SDR = 94.9 %，EDR = 6.8 %）。

由于涡旋速度场辐散较弱，可采用最大闭合流函数等值线作为涡旋的边界。将边界上的点到涡旋中心点的平均距离定义为涡旋半径。

根据背景流速乘时间间隔确定搜索区域。有了搜索半径，首先定义涡旋生成时间为，然后根据搜索半径和涡旋中心搜索+ 1时刻性质相近、距离最近的涡旋。当+ 1时刻未检测到相似的涡旋，需要将搜索半径增加1/2继续搜索+ 2时刻性质相近的涡旋。当+ 2时刻依然没有检测到相似的涡旋，则认为涡旋已经耗散并且保存特定的涡旋轨迹。最后可以得到每个涡旋不同时刻的位置。

2 结果与分析

2.1 算法的检验

本研究选取1993年1月1日识别结果（图1）。图1a表示人工识别的情况，图1b表示算法识别的情况。算法检测到25个涡旋，其中气旋涡（蓝色星号）10个反气旋（红色星号）15个。算法遗漏4个涡旋中心（红色圆点），由涡旋靠近陆架和岛屿或涡旋尺度小于所选参数所致。该算法能识别出相对较小和不规则的涡旋，说明该算法是可靠的。

黑色圆点表示算法与人工同时识别到的涡旋中心，红色圆点表示算法未识别到的涡旋中心；红色（蓝色）闭合曲线表示反气旋（气旋）边界，红色（蓝色）星号表示反气旋（气旋）

The black dot represents the center of the eddy which is recognized by the algorithm at the same time as the manual, and the red dot represents the center of the eddy which is not recognized by the algorithm. The red （blue） closed curve indicates the boundary of anticyclone （cyclone）, and the red （blue） asterisk indicates anticyclone （cyclone）

（a）1993年1月1日南海中尺度涡人工识别的情况；（b）涡旋识别算法识别到的涡旋中心和边界

（a）Artificial identification of mesoscale eddies in the South China Sea on the first day of 1993；（b） Eddy center and boundary recognized by eddy recognition algorithms

图1 人工识别与算法识别的比较

Fig. 1 Comparison of Artificial Recognition and Algorithmic Recognition

2.2 涡旋识别算法在南海的应用

2.2.1 涡旋个数统计及季节变化 涡旋生成数量随季节和年际变化。表1可知，如不考虑涡旋寿命，涡旋识别算法识别出32 429个涡旋，气旋涡约15 682个而反气旋约16 747个。2种涡旋在四季生成的数量均大于3 600，表明南海是中尺度涡频发的海域。如考虑涡旋寿命大于30 d，算法识别出1 540个涡旋，气旋涡约784个而反气旋约756个。气旋与反气旋数量相差不大，这与Lin[39]和Chen[40]研究结果一致。气旋涡（反气旋）在冬季（夏季）生成数量最大，在夏季（冬季）生成数量最小。所以冬季有利于气旋涡产生，夏季有利于反气旋产生，涡旋个数有明显的季节变化，此结果与林鹏飞[25]和崔凤娟[41]得到结果一致。

表 1 两种涡旋统计方法的涡旋个数在季节分布情况

2.2.2 南海中尺度涡月份及年际变化 从月份分布直方图可知（图2a），气旋涡在1月生成数量最多（约85个），反气旋在6、7月生成数量最多（约93个）。气旋涡在5、6、7月生成数量最少（约56个），反气旋在11、12月生成数量最少（约44个）。气旋涡月平均生成63.3个，反气旋65.0个。总涡旋月生成数可知，4月份涡旋生成数最多（约155个），11月份生成数最少（约80个）。

从年际变化图可知（图2b），气旋涡在2008年和2015年生成数量最多（约37个），反气旋在1995年生成数量最多（约38个）。气旋涡在2005年生成数量最少（约15个），反气旋在2003年、2011和2017年生成数量最少（约14个）。不考虑涡旋极性，2005年涡旋生成数量最小（约46个），而1997年、2003年和2017年涡旋生成数量相对较少（约54个）。气旋涡生成数年平均为30.1个，反气旋平均为29.1个。

1993－2017年期间，强厄尔尼诺事件发生在1997－1998年、2014－2016年，温和厄尔尼诺事件发生在2002－2003年、2004－2005年、2006－2007年、2009－2010年；温和拉尼娜事件发生在1998－1999年、2007－2008年、2010－2014年，弱拉尼娜事件发生在1995－1996年、2000－2001年。前人研究[42]未发现南海中尺度涡生成数与厄尔尼诺或拉尼娜有关。本研究从南海中尺度涡年际分布图（图2b）发现，1993－2007年期间，弱（温和）拉尼娜年反气旋生成数大于气旋涡，强（温和）厄尔尼诺年气旋涡生成数大于反气旋；2008－2017年期间，温和拉尼娜年反气旋生成数小于气旋涡，此结果与1993－2007年的相反。强厄尔尼诺年，气旋涡生成数大于反气旋。

2.2.3 涡旋空间分布特征 本研究采用Chen[40]划分网格方法，把中尺度涡生成和消亡位置细分到1 ° × 1 °的网格内，得到南海中尺度涡的空间分布图（图3）和概率分布图（图4）。由图3a和图4可以看出，涡旋主要发生在水深大于1 000 m的海域，其中吕宋海峡以西、吕宋岛西南部和越南东部海域是中尺度涡多发的海区，这与Chen[40]、崔凤娟[41]、林鹏飞[25]和Hwang[43]得到的结果相似。吕宋海峡以西中尺度涡的形成可能与风应力旋度[44]和黑潮入侵有关[45,46]，越南东部涡旋多发主要是由西南季风产生的离岸射流所致[18-20]。南海东南部海域生成的数量极少，这可能是海底地形复杂不利于涡旋产生，该结论与林鹏飞得到的结果一致[25]。涡旋消亡的地理位置大都发生在南海西北部陆架、南海西边界和南海中部。结合涡旋生成（图3a）与消亡（图3b）可知，南海中尺度涡生成后会向西或沿西北陆架传播并在西边界耗散。

如考虑涡旋极性的空间分布（图3c-图3f）。在吕宋海峡以西海域，气旋涡生成数量比反气旋多，气旋涡生成位置比反气旋偏南。在吕宋岛西南外海，反气旋生成数量比气旋涡多，而气旋涡生成位置依然比反气旋偏南。在越南东部海域，气旋和反气旋数量和生成位置大致相同。气旋涡主要在南海盆西北陆架或西边界消散，反气旋主要在南海盆中部和西南边界消散。

（a）1993－2017年南海中尺度涡逐月分布统计；（b）逐年分布统计

（a）Statistical histogram of the mesoscale eddy distribution in the South China Sea from 1993 to 2017；（b）Annual distribution statistical histogram

图2 1993－2017年南海中尺度涡逐月分布和逐年分布统计

Fig. 2 Statistical histogram of monthly and annual distribution of mesoscale eddy in the South China Sea from 1993 to 2017

图4 1993－2017年南海涡旋概率空间分布

2.2.4 涡旋传播特征 涡旋生成后会受背景流场和β效应的影响而运动。现对涡旋传播速度进行定量分析，得到南海中尺度涡水平传播特征（图5a）、涡旋移动速度纬向平均（图5b）和经向平均（图5c）。

由图5b可知：（1）南海大部分涡旋都具有向西传播的特征；（2）南海北部涡旋大致沿西北陆架向西南传播，平均传播速度为5.0 ~ 9.0 cm/s；（3）南海中部以北向西传播速度约为2.0 ~ 3.0 cm/s；（4）南海中部向西传播速度约为3.0 ~ 3.5 cm/s；（5）南海南部传播规律不明显，然而东西向气旋涡和反气旋传播速度并没太大差异，且与总涡旋的传播速度呈现大体一致的分布规律。

由图5c可知：（1）南海涡旋传播速度具有南北分量，但向南的分量要大于向北的分量；（2）南海西边界出现向南最大速度分量；（3）南海中东部向南传播速度约-0.5 cm/s至1.0 cm/s。气旋和反气旋南北向传播速度在海盆中部并没太大差异。但在南海西边界，（反）气旋涡平均传播速度约为-3.7 cm/s（-1.8 cm/s）。在南海东边界，（反）气旋涡平均传播速度约为-2.1 cm/s（2.5 cm/s）。

（a）南海中尺度涡水平传播速度的矢量场；（b）沿纬向平均的移动速度；（c）沿经向平均的移动速度

为进一步说明南海涡旋运动特征，本研究选取寿命大于100 d的涡旋（图6）。灰色虚线将南海划分4区：Z1（20.5°N－24°N ，108°E－122°E）、Z2（6°N－20.5°N，108°E－122°E）、Z3（8°N－16°N，116°E－122°E）、Z4（8°N－16°N ，108°E－116°E），这些区域与Wang等[13]的划分大体一致。在Z1区发现了6个反气旋，它们都在秋冬季产生，产生机制还不清楚。生成的涡旋会沿西北陆架向西南传播，平均传播距离约1 153 km，平均传播速度约7.0 cm/s，与南海中尺度涡传播速度的矢量场得到的结果一致。在Z2区识别到15个涡旋，其中4个为反气旋，这些涡旋主要产生于吕宋岛西北部海域并向西传播，最终传播至海盆西北陆架区耗散。平均传播距离约931 km，平均传播速度约2.5 cm/s。在Z3区识别到17个涡旋，其中13个为反气旋，这些涡旋主要产生于吕宋岛西南部海域。其中反气旋生成的位置比气旋涡偏北，只能传播致海盆中部。平均传播距离约1 029 km，平均传播速度约3.0 cm/s。在Z4区北部产生的涡旋可以传播至西边界并消亡，平均传播距离约759 km，平均传播速度约2.5 cm/s。在Z4区南部海域生成的气旋涡大致向西南方向并穿过1 000 m等深线传播，平均传播距离约1 079 km，平均传播速度约4.0 cm/s，而反气旋传播距离较短。本研究发现，当海底地形复杂时，有2个长寿的反气旋被困于Z4东南部海域，说明复杂海底地形可以对中尺度涡传播起到阻碍作用。

2.2.5 涡旋半径分布特征 为了进一步描述涡旋的特征，需要一种方法定义涡旋的尺度。首先将最外的封闭流线作为涡旋的边界｡然后将边界上的点到涡旋中心点的平均距离定义为涡旋的半径｡涡旋寿命大于30 d时，涡旋平均半径与发生概率的关系如图7所示。气旋涡和反气旋半径均在50 km以上。涡旋半径主要分布在55 ~ 65 km，在此范围气旋涡发生的概率比反气旋大（气旋涡约79.1 %，反气旋约76.5 %）。半径为50 km的气旋涡和反气旋发生的概率相等。半径为70 km以上时，反气旋发生的概率比气旋涡大（气旋涡约8.2 %，反气旋约10.9 %）。涡旋半径的空间分布如图8所示，1 000 m以深海域涡旋半径均大于60 km。南海中部和越南东南部的涡旋半径较大（70 ~ 90 km），吕宋海峡和吕宋岛以西海域平均涡旋半径偏小（50 ~ 60 km）。

红色（蓝色）实心圆和空心圆表示反气旋涡（气旋涡）生成和消亡位置。红色（蓝色）虚线为反气旋涡（气旋涡）移动轨迹，灰色虚线将南海划分四区（Z1，Z2，Z3，Z4）

图7 不同尺度涡旋发生概率

图8 1993－2017年南海涡旋平均半径的空间分布

2.2.6 涡动能 中尺度涡具有相当大的动能，在海洋传播中起到重要作用。对于涡动能（e）的计算，首先采用90 d带通滤波计算地转流速度异常，再根据公式：

e= (2+2) / 2， （3）

其中，和分别为纬向和经向地转流异常。

图9可看出，南海吕宋海峡和越南以东海域存在涡动能2个高值区，这也是涡旋活动较大的地区，而南海东南海域与南海西北陆架区存在涡动能的2个低值区。该研究结果与Chen[15]和Cheng[48]相同。

2.2.7 涡旋寿命 涡旋寿命分布图可知（图10）。涡旋平均寿命约6.4周，气旋涡约6.5周，反气旋约6.3周，两种涡旋的平均生命周期相差不大。无论气旋涡、反气旋还是总的涡旋的个数都与寿命成反比。当涡旋寿命从4周增加到10周时，涡旋个数在急剧下降。由涡旋寿命分布的累积概率可知，寿命不超过10周的涡旋数占总数的91.4 %。其中寿命最长的涡旋（214 d）在吕宋岛西南部海域生成的气旋涡，其生成后平均以7.9 cm/s的速度向西传播，在它生命周期内移动轨迹约长1.745×103km。当只考虑寿命大于10周的涡旋时，气旋涡的个数是反气旋个数的一半这与Chen得到的结果相似[40]。

图9 1993－2017年南海平均涡动能的空间分布

黑线表示这两种涡旋累积概率

（a）涡旋寿命与平均半径关系；（b）涡旋半径随涡旋寿命的演化；（c）涡旋移动速度随涡旋寿命的演化黑色曲线表示拟合曲线

Fig. 11 Evolution of radius and velocity of vortices in their lifetime and normalized time

2.2.8 涡旋的生消演化 为进一步了解涡旋在其生命周期内半径、移动速度的变化情况，对以上2个涡旋特征进行归一化处理。本研究选取1993－2017年间寿命大于30 d的涡旋，计算得到归一化后的涡旋半径（图11b）与涡旋移动速度（图11c）。与前人结果不同[40]，本研究发现，在涡旋寿命前半期，半径随时间增加而增加，而涡旋移动速度随时间增加而减少。在后半期，变化趋势与前半期相反。整个生命期内涡旋半径与涡旋移动速度变化趋势相反，这可能由于涡旋在扩大其半径时需要降低其移动速度，而增加移动速度需要减小其半径。所以移动速度和半径在涡旋生命周期呈现相反的变化趋势。

3 结论

（1）1993－2007年，强（温和）厄尔尼诺年气旋涡生成数大于反气旋，弱（温和）拉尼娜年反气旋生成数大于气旋涡；2008－2017年，强厄尔尼诺年气旋涡生成数大于反气旋，温和拉尼娜年反气旋生成数小于气旋涡。

（2）复杂的海底地形可以对中尺度涡传播起到阻挡作用。

（3）涡旋半径的增加需要降低涡旋移动速度，相反涡旋半径的减少则需要增加涡旋移动速度。

南京信息工程大学董昌明教授提供涡旋识别程序，特此致谢！

[1] ROEMMICH D, GILSON J. Eddy Transport of heat and thermocline waters in the North Pacific: a key to interannual/decadal climate variability?[J]. Journal of Physical Oceanography, 2001, 31(3): 675-687.

[2] CHELTON D B, SCHLAX M G, SAMELSON R M. Global observations of nonlinear mesoscale eddies[J]. Progress in Oceanography, 2011, 91(2): 167-216.

[3] CHELTON D B, SCHLAX M G, SAMELSON R M, et al. Global observations of large oceanic eddies[J]. Geophys Res Lett, 2007, 34(15): 87-101.

[4] 程旭华, 齐义泉. 基于卫星高度计观测的全球中尺度涡的分布和传播特征[J]. 海洋科学进展, 2008, 26(4): 447-453.

[5] YIM B Y, NOH Y, QIU B, et al. The vertical structure of eddy heat transport simulated by an Eddy-Resolving OGCM[J]. Journal of Physical Oceanography, 2010, 40(2): 340-353.

[6] EARLY J J, SAMELSON R M, CHELTON D B. The evolution and propagation of quasigeostrophic ocean eddies[J]. Journal of Physical Oceanography, 2011, 41(8): 1535-1555.

[7] CHEN G X, GAN J P, XIE Q, et al. Eddy heat and salt transports in the South China Sea and their seasonal modulations[J]. Journal of Geophysical Research Oceans, 2012, 117(C5): C05021.

[8] WANG X D, LI W, QI Y Q, et al. Heat, salt and volume transports by eddies in the vicinity of the Luzon Strait[J]. Deep Sea Research Part I: Oceanographic Research Papers, 2012, 61: 21-33.

[9] ADAMS D K, MCGILLICUDDY D J, ZAMUDIO L, et al. Surface-Generated mesoscale eddies transport deep-sea products from hydrothermal vents[J]. Science, 2011, 332(6029): 580-583.

[10] ZHANG Z W, ZHAO W, TIAN J W, et al. A mesoscale eddy pair southwest of Taiwan and its influence on deep circulation[J]. Journal of Geophysical Research: Oceans, 2013, 118(12): 6479-6494.

[11] HU J Y, KAWAMURA H, HONG H S, et al. A review on the currents in the South China Sea: seasonal circulation, south china sea warm Current and Kuroshio Intrusion[J]. Journal of Oceanography, 2000, 56(6): 607-624.

[12] GAN J P, LI H, CURCHITSER E N, et al. Modeling South China Sea circulation: Response to seasonal forcing regimes[J]. Journal of Geophysical Research: Oceans, 2006, 111(C6).

[13] WANG G H, SU J L, CHU P C. Mesoscale eddies in the South China Sea observed with altimeter data[J]. Geophys Res Lett, 2003, 30(21).

[14] WANG D X, XU H Z, LIN J, et al. Anticyclonic eddies in the northeastern South China Sea during winter 2003/2004[J]. Journal of Oceanography, 2008, 64(6): 925-935.

[15] CHEN G X, HOU Y J, CHU X Q, et al. The variability of eddy kinetic energy in the South China Sea deduced from satellite altimeter data[J]. Chinese Journal of Oceanology and Limnology, 2009, 27(4): 943-954.

[16] WU C R, HSIN Y C. The forcing mechanism leading to the Kuroshio intrusion into the South China Sea[J]. Journal of Geophysical Research: Oceans, 2012, 117(C7).

[17] JIA Y L, CHASSIGNET E P. Seasonal variation of eddy shedding from the Kuroshio intrusion in the Luzon Strait[J]. Journal of Oceanography, 2011, 67(5): 601-611.

[18] CHEN G X, HOU Y J, ZHANG Q L, et al. The eddy pair off eastern Vietnam: Interannual variability and impact on thermohaline structure[J]. Continental Shelf Research, 2010, 30(7): 715-723.

[19] HU J Y, GAN J P, SUN Z Y, et al. Observed three-dimensional structure of a cold eddy in the southwestern South China Sea[J]. Journal of Geophysical Research: Oceans, 2011, 116(C5).

[20] GAN J P, QU T D. Coastal jet separation and associated flow variability in the southwest South China Sea[J]. Deep Sea Research Part I: Oceanographic Research Papers, 2008, 55(1): 1-19.

[21] WANG G H, CHEN D K, SU J L. Generation and life cycle of the dipole in the South China Sea summer circulation[J]. Journal of Geophysical Research: Oceans, 2006, 111(C6).

[22] PULLEN J, DOYLE J D, MAY P, et al. Monsoon surges trigger oceanic eddy formation and propagation in the lee of the Philippine Islands[J]. Geophys Res Lett, 2008, 35(7).

[23] CHAIGNEAU A, GIZOLME A, GRADOS C. Mesoscale eddies off Peru in altimeter records: Identification algorithms and eddy spatio-temporal patterns[J]. Progress in Oceanography, 2008, 79(2/3/4): 106-119.

[24] 韩玉康, 周林, 吴炎成. 基于HYCOM的南海中尺度涡数值模拟[J]. 海洋通报, 2016, 35(3): 299-316.

[25] 林鹏飞. 南海和西北太平洋中尺度涡的统计特征分析[D]. 青岛：中国科学院海洋研究所, 2005.

[26] 王桂华. 南海中尺度涡的运动规律探讨[D]. 青岛：中国海洋大学, 2004.

[27] DOGLIOLI A M, BLANKE B, SPEICH S, et al. Tracking coherent structures in a regional ocean model with wavelet analysis: Application to Cape Basin eddies[J]. Journal of Geophysical Research: Oceans, 2007, 112(C5): C05043.

[28] OKUBO A. Horizontal dispersion of floatable particles in the vicinity of velocity singularities such as convergences[J]. Deep Sea Research and Oceanographic Abstracts, 1970, 17(3): 445-454.

[29] WEISS J. The dynamics of enstrophy transfer in two-dimensional hydrodynamics[J]. Physica D: Nonlinear Phenomena, 1991, 48(2): 273-294.

[30] ROBINSON S K. Coherent Motions in the Turbulent Boundary Layer[J]. Annual Review of Fluid Mechanics, 1991, 23(1): 601-639.

[31] SADARJOEN I A, POST F H. Detection, quantification, and tracking of vortices using streamline geometry[J]. Computers & Graphics, 2000, 24(3): 333-341.

[32] NENCIOLI F, DONG C M, DICKEY T, et al. A Vector Geometry–Based Eddy Detection Algorithm and Its Application to a High-Resolution Numerical Model Product and High-Frequency Radar Surface Velocities in the Southern California Bight[J]. Journal of Atmospheric and Oceanic Technology, 2010, 27(3): 564-579.

[33] LIU Y, DONG C M, GUAN Y P, et al. Eddy analysis in the subtropical zonal band of the North Pacific Ocean[J]. Deep Sea Research Part I: Oceanographic Research Papers, 2012, 68: 54-67.

[34] DONG C M, LIU Y, LUMPKIN R, et al. A Scheme to Identify Loops from Trajectories of Oceanic Surface Drifters: An Application in the Kuroshio Extension Region[J]. Journal of Atmospheric and Oceanic Technology, 2011, 28(9): 1167-1176.

[35] COUVELARD X, CALDEIRA R M A, ARAÚJO I B, et al. Wind mediated vorticity-generation and eddy-confinement, leeward of the Madeira Island: 2008 numerical case study[J]. Dynamics of Atmospheres and Oceans, 2012, 58: 128-149.

[36] DONG C M, LIN X Y, LIU Y, et al. Three-dimensional oceanic eddy analysis in the Southern California Bight from a numerical product[J]. Journal of Geophysical Research: Oceans, 2012, 117(C7): C00H14.

[37] AGUIAR A C B, PELIZ Á, Carton X. A census of Meddies in a long-term high-resolution simulation[J]. Progress in Oceanography, 2013, 116: 80-94.

[38] PELIZ A, BOUTOV D, Teles-Machado A. The Alboran Sea mesoscale in a long term high resolution simulation: Statistical analysis[J]. Ocean Modelling, 2013, 72: 32-52.

[39] LIN P, WANG F, CHEN Y, et al. Temporal and spatial variation characteristics on eddies in the South China Sea I. Statistical analyses[J]. Acta Oceanologica Sinica, 2007, 29(3): 14-22.

[40] CHEN G X, HOU Y J, CHU X Q. Mesoscale eddies in the South China Sea: Mean properties, spatiotemporal variability, and impact on thermohaline structure[J]. Journal of Geophysical Research: Oceans, 2011, 116(C6).

[41] 崔凤娟, 匡晓迪, 王玉. 南海中尺度涡年际变化特征及动力机制分析[J]. 海洋与湖沼, 2015, 46(3): 508-516.

[42] XIU P, CHAI F, SHI L, et al. A census of eddy activities in the South China Sea during 1993–2007[J]. Journal of Geophysical Research: Oceans, 2010, 115(C3).

[43] HWANG C, CHEN S-A. Circulations and eddies over the South China Sea derived from TOPEX/Poseidon altimetry[J]. Journal of Geophysical Research: Oceans, 2000, 105(C10): 23943-23965.

[44] YANG H J, LIU Q Y. Forced Rossby wave in the northern South China Sea[J]. Deep Sea Research Part I: Oceanographic Research Papers, 2003, 50(7): 917-926.

[45] METZGER E J, HURLBURT H E. The Nondeterministic Nature of Kuroshio Penetration and Eddy Shedding in the South China Sea[J]. Journal of Physical Oceanography, 2001, 31(7): 1712-1732.

[46] LI L, NOWLIN W D, JILAN S. Anticyclonic rings from the Kuroshio in the South China Sea[J]. Deep Sea Research Part I: Oceanographic Research Papers, 1998, 45(9): 1469-1482.

[47] KURIAN J, COLAS F, CAPET X, et al. Eddy properties in the California Current System[J]. Journal of Geophysical Research: Oceans, 2011, 116(C8): C08027.

[48] CHENG X H, QI Y Q. Variations of eddy kinetic energy in the South China Sea[J]. Journal of Oceanography, 2010, 66(1): 85-94.

Analysis of Mesoscale Eddy Characteristics in the South China Sea from 1993 to 2017

ZENG Wei-qiang1，ZHANG Shu-wen1,2，MA Yong-gui1，WANG Tong-yu1

1.,,,524088,; 2,,266237,

【】The spatial distribution, seasonal variation and moving velocity in the South China Sea from 1993 to 2017 are studied.【】According to the geostrophic data provided by AVISO, the eddy recognition algorithm proposed by Nencioli et al was applied.【】The mesoscale eddies in the South China Sea mainly distribute in the northeastern South China Sea and the eastern Vietnam Sea. Winter (summer) is favorable for the generation of cyclone (anticyclone) eddies. Mesoscale vortices propagate westward at a speed of 2.0-9.0 cm/s.【】The number of cyclonic eddies and anticyclones generated annually in the South China Sea is related to ENSO events. From 1993 to 2007, the number of cyclone vortices in strong (mild) El Nino years was larger than that in anticyclones, and in weak (mild) La Nina years was larger than that in cyclone vortices. From 2008 to 2017, the number of strong El Nino year cyclone vortices was larger than that of anticyclone, and the number of mild La Nina year anticyclone vortices was smaller than that of cyclone vortices. During the life cycle of the vortex, the change trend of the radius of the vortex is opposite to that of the moving velocity. Complex submarine topography can hinder the propagation of vortices.

South China Sea; mesoscale eddy; recognition; characteristics

P731

A

1673-9159（2019）05-0096-11

10.3969/j.issn.1673-9159.2019.05.014

2019-04-29

国家重点研发计划重点专项（2016YFC1401403）；国家自然科学基金面上项目（41676008和41876005）；国际合作项目（GASI-IPOVI-04）；广东省自然科学基金（2016A030312004）；广东海洋大学创新强校项目（GDOU2016050260）

曾伟强（1994－），男，硕士研究生，研究方向为物理海洋。E-mail：707402414@qq.com

张书文（1962－），男，博士，教授，主要从事物理海洋学研究。E-mail：gdouzhangsw@163.com

曾伟强，张书文，马永贵，等. 1993－2017年南海中尺度涡特征分析[J].广东海洋大学学报，2019，39（5）：96-106.

（责任编辑：刘岭）