南海次表层盐度的低频变化及与太平洋年代际振荡的关系*

王祥鹏, 张玉红, 王爱梅, 赵玮, 杜岩

南海次表层盐度的低频变化及与太平洋年代际振荡的关系*

王祥鹏1,2, 张玉红1, 王爱梅3, 赵玮4, 杜岩1,2

1. 热带海洋环境国家重点实验室(中国科学院南海海洋研究所), 广东 广州 510301; 2. 中国科学院大学, 北京 100049; 3. 国家海洋信息中心, 天津 300100; 4. 中国海洋大学海洋与大气学院, 山东 青岛 266100

南海是西北太平洋最大的边缘海, 是联系北太平洋和北印度洋的关键通道。黑潮北上经过吕宋海峡时会将来自西太平洋的信号传入南海, 进而影响南海的水动力环境。研究了南海次表层盐度的空间分布特征、低频变化规律及其与太平洋年代际振荡(Pacific Decadal Oscillation, PDO)的关系, 并进一步探究了次表层盐度近年来的变化。结果显示: 1)南海次表层高盐水的位势密度主要介于24~26σ, 受次表层气旋式环流所驱动, 盐度气候态空间分布北高南低, 以吕宋海峡处为起点, 呈逆时针自北向南逐渐降低。2)次表层盐度低频变化显著, 与PDO呈显著的正相关关系。当PDO处于正位相时, 吕宋海峡处西向平流输送加强, 次表层盐度升高; 当PDO处于负位相时, 吕宋海峡处西向平流输送减弱, 次表层盐度降低, 盐度的变化受到水平环流场的直接影响。3)近年来, 南海次表层盐度呈现先降低后升高再降低的趋势, 滞后PDO约10个月, 2006— 2014年初, 盐度呈下降趋势; 2014—2017年初, 盐度呈上升趋势, 且上升速率远大于先前下降的速率; 2017年后盐度再次逐渐降低。

次表层盐度; 低频变化; 太平洋年代际振荡; 平流输送; 南海

南海地处亚洲东南部, 是热带西北太平洋最大的边缘海, 通过其四周的海峡和深水海道与外海相连。其中, 位于南海东北部的吕宋海峡是南海所有与外大洋相通的海峡中最深的通道, 来自西太平洋的信号通过吕宋海峡直接或间接地传入南海, 进而影响南海的水动力环境(Ho et al, 2004; Liu et al, 2011; Zhuang et al, 2013)。盐度作为海洋观测中的重要参数, 在水团特性和大洋环流的研究中有着重要的地位(赫崇本等, 1984; Delcroix et al, 1991;田天等, 2005; Ren et al, 2010)。位于盐度极大值层的南海次表层高盐水由于其特殊性, 常作为南海和西太平洋相应层次水体交换的示踪物, 因而受到众多学者的关注(刘长建等, 2008; Nan et al, 2011)。Qu等(2000)利用历史水文观测数据分析南海水团分布, 发现太平洋高盐水通过吕宋海峡全年入侵南海, 且存在季节变化, 冬季入侵最强, 在东北季风的影响下, 高盐水可以输送到南海南部。Wang等(2014)利用高分辨率混合坐标海洋模式(Hybrid Coordinate Ocean Model, HYCOM)数据研究表明南海北部次表层高盐水位于20~100m水深, 其体积的季节变化主要受低纬度西北太平洋大尺度环流的调制, 与北赤道流分叉点位置的季节变化有关。邱春华等(2009)利用SODA1.2资料发现南海北部深水海域盐度场存在明显的年际变化, 其中吕宋海峡处黑潮弯曲的南侧年际变化的信号最强, 信号周期为2~5年, 与厄尔尼诺-南方涛动( El Niño- Southern Oscillation, ENSO )具有较大的相关性。Nan等(2013)基于卫星和观测数据发现, 最近20年黑潮入侵有减弱趋势, 使得南海东北部750m以浅的海水呈淡化态势。Yu等(2015)发现吕宋海峡次表层输运具有显著的年代际变化特征, 且与太平洋年代际振荡(PDO)指数有良好的对应关系。Zeng等(2016)指出南海北部次表层盐度具有显著的年代际变化特征, 来自吕宋海峡的水平平流输送和混合层的垂向夹卷作用对次表层盐度的变化有很大的贡献。

黑潮经吕宋海峡入侵南海, 除了将西太平洋的动量和热量传输给南海外, 还带来了大量的西太平洋高盐水, 从而对南海的热盐结构、水团性质、海洋环流等产生重要影响(Nan et al, 2014)。黑潮高盐水入侵南海的多寡是影响南海次表层盐度时空变化的重要因素, 但目前对于南海次表层盐度的研究多关注其季节变化, 对其低频变化特征和机制的探究较少, 因此开展这方面的研究具有重要的科学意义。在前述研究的基础上, 本文利用WOA13资料、SODA2.2.4 (1871—2010年)资料和Argo格点化(2006—2017年)资料, 分析了南海次表层盐度的空间分布特征、低频变化规律以及近年来的变化, 探讨了南海次表层盐度的变化和热带西北太平洋环流的关系, 并进一步研究了南海次表层盐度对太平洋年代际变率PDO的响应。

1 数据来源和处理方法

1.1 世界海洋图集数据(World Ocean Atlas 2013 V2, WOA13)

WOA13 V2数据是一套利用历史观测资料通过客观分析方法得到的包括温度、盐度、溶解氧、磷酸盐等海洋要素的海洋气候学数据产品。WOA13数据空间分辨率为 0.25°×0.25°, 垂直深度为0~ 1500m。本文采用年平均的温盐数据, 确定了南海次表层高盐水的位势密度介于24~26σ之间, 如图1所示。取两层等位势密度间盐度的最大值定义为南海次表层的盐度, 通过地转平衡方程, 由盐度最大值层的温度和盐度计算出对应层的地转流, 最后得到南海次表层盐度和地转流的气候态空间分布(图2b)。

图1 南海经向、纬向断面盐度(填色, 单位: ‰)和位势密度(等值线, 单位: σθ)分布 a. 20°N断面; b. 118°E断面

1.2 简单海洋同化数据(Simple Ocean Data Assimilation, SODA)

简单海洋同化数据集来源于美国马里兰大学和美国德州农工大学共同研制开发的全球简单海洋同化分析系统。本文采用SODA2.2.4的温度、盐度和流场的月平均数据, 其水平方向上空间分辨率为 0.5°×0.5°, 时间长度为1871年1月到2010年12月。研究中采用经验正交函数分解法(EOF)分析了南海次表层盐度的主要模态特征及低频变化, 并通过相关性分析进一步探究了太平洋年代际变率PDO对次表层盐度的影响。

1.3 Argo数据

自全球Argo计划实施以来, 各个国家在全球大洋共投入了超过4000个自动剖面浮标, 组成了全球海洋实时观测网。该计划旨在收集全球海洋0~ 2000m深度的温度、盐度、密度、海流以及与气候变化相关的信息。本文使用Scripps海洋研究所发布的Argo温盐格点化资料来探究南海次表层盐度近年来的变化。该资料是由Argo 全球数据收集中心(Argo Global Data Assembly Center, GDAC)发布的原始温、盐、压廓线资料重构而成的月平均格点化资料, 水平方向上空间分辨率为1.0°×1.0°, 重构过程中去除了沿岸和大岛屿附近平均水深小于500m的数据。本文选用的资料时间跨度为2006年1月—2017年12月。

2 结果分析

2.1 南海次表层盐度及流场气候态空间分布

Zeng等(2016)以位势密度介于24~26σ之间的盐度极大值定义南海次表层高盐水。本文以WOA13的温盐数据再次确定了次表层高盐水的位势密度范围(图1), 故下文将采用垂向上两层等位势密度面(24~26σ)之间盐度的极大值来探究南海次表层高盐水的分布特征, 并提取出盐度极大值层对应的流场信息, 进一步分析流场对盐度分布特征的影响。SODA2.2.4数据可用来分析南海各水文要素长时间的变化(陈海花等, 2015; 王鼎琦等, 2017)。WOA13数据是一套利用历史观测资料通过客观分析方法得到的海洋数据产品, 亦常被用来分析温盐场的气候态分布。本文将SODA数据和WOA13数据进行多年平均处理后, 探究南海次表层高盐水的气候态分布特征, 并将两套数据进行相互比对验证。图2a 为SODA多年平均的盐度极大值并叠加相应流场的空间分布; 图2b为WOA13气候态年平均盐度极大值并叠加相应地转流的空间分布。

SODA和WOA13两套数据得到的次表层盐度的分布比较一致。首先, 西太平洋水体盐度明显高于南海水; 其次, 次表层盐度在南海呈舌状分布, 高盐水舌以吕宋海峡为起点, 沿着陆架逆时针自北向南扩展, 等盐线近似东北-西南走向分布, 盐度西北高, 东南低。前人研究表明, 季风是南海上层海流的直接驱动力, 南海上层环流的基本流型随季风的改变而改变, 冬季在东北季风的控制下, 南海基本上呈现为气旋式环流; 夏季在西南季风的控制下, 表现为反气旋环流(蔡树群等, 2002; 鲍颖, 2007)。南海次表层流场的气候态分布表现为冬季型, 即气旋式环流。南海北部气旋式环流场有利于黑潮入侵南海, 西北太平洋高盐水与南海低盐水团在吕宋海峡剧烈混合后, 在气旋式环流驱动下向南海内区输送。SODA和WOA13两套数据在流场的分布上也比较类似, 仅在海南岛东南侧西边界流有所不同, SODA数据显示的西边界流比较明显, 这一方面是由于真实流场与地转流之间的差异造成, 另一方面还受岸界附近观测资料缺失影响。整体上两套数据的盐度和流场在南海的分布比较一致, 且盐度和流场相互匹配: 西太平洋高盐水从吕宋海峡进入南海, 在南海内部气旋式环流的驱动下, 沿着西边界自北向南输送, 进而影响整个南海的次表层盐度, 这在一定程度上体现了南海和西北太平洋水体交换的动力过程。

图2 南海次表层(24~26σθ盐度极大值层)盐度(填色, 单位: ‰)和流场(矢量, 单位: m·s–1)气候态空间分布 a. SODA数据; b. WOA13数据

2.2 南海次表层盐度的低频变化

分析盐度的低频变化, 需要较长时间序列资料, 本文选取SODA2.2.4(1871—2010年)数据, 采用经验正交函数分解法(EOF), 将次表层盐度场分解成空间模态和时间系数两部分, 进而研究盐度在长时间尺度上的变化。结果显示, 盐度EOF分解的前3个模态的方差贡献率分别为43.73%、8%、5%, 其中第一模态在盐度的低频变化中占据了主导地位, 故本文主要关注该模态。

盐度第一模态空间分布为明显的单极型, 即南海次表层盐度基本呈同相位变化, 其中变化高值中心出现在南海北部、吕宋海峡以西附近海域, 高值信号自吕宋海峡传入, 沿着陆架先向西然后向南传递, 此过程中信号强度逐渐减小, 该模态空间分布与次表层盐度气候态的空间分布(图2)形式极为相似。由先前的分析可知, 在气候态分布中, 西北太平洋高盐水沿着吕宋海峡入侵南海, 在南海气旋式环流的驱动下向南海内区输送。故可以推测, 南海次表层盐度的变化不是独立的, 而是受到吕宋海峡外西太平洋信号的调控, 且该信号的传播与次表层环流有很大的关系。结合时间系数(图3b), 该模态低频变化显著, 在1875—925年间, 南海次表层盐度主要呈负位相变化; 在1926—1965年间, 以正位相为主; 而在1970之后以负位相为主, 但是正负交替的频率增大了, 包含了更多小尺度的信号。为了更准确地研究时间序列的周期变化规律, 将其进行功率谱分析(图3c), 结果显示, 时间系数存在3个谱峰值, 第1种是3~5年的周期振荡; 第2种为11年左右的变化周期; 第3种为23年左右的年代际变化周期。该模态低频变化显著, 这可能与太平洋年代际振荡(PDO)有关。

前人研究表明, PDO是一种类似于ENSO型的具有年代际时间尺度的太平洋变率(Mantua et al, 1997; Qiu, 2003; Newman et al, 2016), 是中纬度北太平洋海洋-大气耦合系统中最显著的信号, 主要表现为准20年(10~30年)和准50年(50~70年)的周期振荡(Tourre et al, 1999;杨修群等, 2004; 刘秦玉等, 2010), 该信号可以通过大气桥通道以及海洋内部通道传递到其他海区, 进而影响相关海区的气候和海洋环境(Alexander, 2010; Nan et al, 2015)。 PDO模态下太平洋海表面温度呈偶极子型分布, 极值变化中心分别位于中纬度西北太平洋和赤道中东太平洋以及北美沿岸一部分, 其正负位相的变化, 必然会对北太平洋副热带环流有影响(谷德军等, 2004)。黑潮不仅是全球最强的西边界流之一, 同时也是北太平洋副热带环流的重要组成部分, 在其沿着菲律宾群岛北上经过吕宋海峡时会有一小部分以分支或者涡旋的形式入侵南海, 从而将西北太平洋的信号传入南海, 进而影响南海的水动力环境(Wang et al, 2014)。

图3 南海次表层盐度EOF第一模态 a. 空间模态; b. 时间系数; c. 功率谱分析, 红虚线为95%置信度检验

由功率谱分析结果, 南海次表层盐度EOF第一模态存在约11年和23年的低频变化周期, 这与PDO准20年的周期振荡类似。为了探究两者之间的关系, 将盐度EOF第一模态的时间系数与PDO指数进行7~30年低通滤波, 提取显著周期进行比较。结果发现两者具有显著的正相关关系, 相关系数可达到0.64(图4a), 且通过置信度95%的检验。这说明在低频变化尺度上, 南海次表层盐度的变化与PDO位相的变化具有一致性, 当PDO处于正位相时, 南海次表层盐度升高, 反之, 盐度降低。前人研究发现的1976/1977年PDO的正负位相转换在次表层盐度的变化中也能够体现(Mantua et al, 1997; Zhang et al,1997)。除了个别时间段外, 两个时间序列的峰值变化均表现出良好的对应关系。

为了更好地探究南海次表层盐度和PDO位相变化的关系, 我们挑选出盐度异常值较大的极值年份(图4a中对应的实心和空心绿色圆圈), 分别对盐度正负异常进行合成, 并叠加上对应的次表层流场异常(图4b、c)。结果显示, 在盐度正异常的年份, 吕宋海峡处西向平流加强, 西北太平洋高盐水输入增多, 同时南海内部气旋式环流加强, 进一步将高盐水自北向南输送; 反之, 在盐度负异常年份, 南海气旋式环流减弱, 吕宋海峡口西向平流输送减弱, 西太高盐水入侵减少, 南海次表层盐度降低。Yu等(2013)研究指出, 当PDO处于正位相时, 阿留申低压及与其相关的正风应力旋度异常出现南移, 北太平洋热带地区西风异常增强, 使得北赤道流分叉点向北移动, 导致吕宋岛以东黑潮减弱, 进而黑潮入侵南海加强。这与我们的分析结果吻合得很好, 即PDO通过海气相互作用, 影响北太平洋副热带环流, 进一步影响南海次表层盐度: 当PDO处于正位相时, 吕宋海峡处西向输送增强, 南海次表层盐度升高; 当PDO处于负位相时, 吕宋海峡处西向输运减弱, 南海次表层盐度随之降低, 这同时也反映了南海对太平洋大尺度气候模态的响应。

2.3 南海次表层盐度近年来的变化

利用Scripps海洋研究所发布的Argo格点化资料, 本文对南海次表层盐度近年来的变化进行相应探究。由于南海北部是盐度变化最显著的区域, 因此我们选取北部区域(112°—120°E,18°—22°N), 对盐度数据进行空间平均, 可得到次表层盐度随时间的变化曲线(图5a)。研究显示, 在2006—2014年初, 南海北部次表层盐度呈降低趋势, 下降速率约0.002‰·a–1, 在2014年初降到盐度最低值约34.550‰; 而在2014年后盐度逐渐升高, 且升高的速率明显比先前下降的速率快, 达到0.056‰·a–1, 在2017年初达到最大值, 约34.768‰; 2017年之后盐度又呈现降低的趋势。将盐度变化曲线和PDO指数进行比较, 可以看到, 南海北部次表层盐度近年来的变化与PDO呈显著正相关, 将其进行超前滞后分析发现, 当盐度变化滞后于PDO约10个月时, 两者的相关性最强, 相关系数达0.73。在2006—2012年底, PDO处于负位相且达到极小值, 南海次表层盐度呈现降低的趋势; 2013年后PDO位相逐渐由负转正, 由于滞后性, 次表层盐度2014年初才逐渐升高; 再到2016年后PDO位相逐渐由正转负, 次表层盐度在2017年初出现降低的趋势。

图4 南海次表层盐度的低频变化与PDO的关系 a. PDO与EOF1时间系数比较(7~30年低通滤波); b. 盐度极大值年(a中绿色填充圆点)的盐度异常(填色, 单位: ‰)和流场异常(矢量, 单位: m·s–1); c. 盐度极小值年(a中绿色空心圆点)的盐度异常(填色, 单位: ‰)和流场异常(矢量, 单位: m·s–1)

图5 南海北部次表层盐度变化与PDO、纬向流异常的关系 a. 盐度变化曲线(红线, 单位: ‰)和PDO指数(蓝线), 黑色虚线为盐度线性变化趋势; b. 盐度异常曲线(红线, 单位: ‰)和纬向流异常(蓝线, 单位: m·s–1)

南海次表层盐度的变化和流场直接相联系, 将南海北部平均的次表层盐度和对应地转流的时间序列进行多年逐月距平, 得到盐度异常和流场异常(图5b)。南海北部盐度的变化和纬向地转流的变化有很好的一致性, 呈显著的正相关, 相关系数约为0.59。当吕宋海峡处西向平流减弱时, 盐度降低; 当西向平流增强时, 盐度增加, 且西向平流增强的速率远大于其先前减弱的速率, 这与盐度的下降趋势慢而上升的趋势快具有很好的对应关系。为了更好地了解盐度的流场之间的空间配置关系, 分别将盐度正负异常年份对应的盐度和流场异常进行平均, 得到盐度正异常和负异常下的盐度和流场的空间分布。但由于Argo资料时间长度较短, 总共只存在一次明显的盐度正负异常的转换, 由盐度变化曲线可以看到, 在2011年盐度存在异常上升而后在2012年初又迅速下降的波动, 而在2014年盐度由负异常向正异常转变, 在2017年初盐度达到最大值而后逐渐降低, 故我们分别选择2015—2016年和2012—2013年作为典型的盐度正、负异常年份进行分析。分别对时间平均得到盐度正异常和负异常对应的盐度和流场的空间分布, 如图6所示。在正异常年份, 吕宋海峡处西向平流加强, 西太平洋高盐水入侵增多, 南海北部盐度显著上升, 同时南海内部加强的气旋式环流将高盐水往南边输送, 使得南海次表层盐度整体升高; 在负异常年份, 南海内部出现反气旋式环流异常, 且吕宋海峡处西向平流减弱, 使得西太平洋高盐水入侵减少, 南海次表层盐度降低。

图6 南海次表层盐度异常(填色, 单位: ‰)、流场(矢量, 单位: m·s–1)异常空间分布 a.负异常(2012—2013年平均); b.正异常(2015—2016年平均)

3 结论与讨论

本文利用WOA13资料、SODA2.2.4资料和Argo格点化资料, 研究了南海次表层盐度的空间分布特征, 低频变化规律以及近年来的变化, 探究了南海次表层盐度和热带西北太平洋环流的关系, 以及次表层盐度的低频变化对太平洋年代际变率PDO的响应。

研究表明, 南海次表层高盐水主要位于24~ 26σ之间, 盐度气候态空间分布北高南低, 以吕宋海峡入口为起点, 呈逆时针自北向南逐渐降低, 而且次表层盐度的空间分布和对应的流场有很好的匹配性, 说明南海内部气旋式环流场是该层盐度空间分布的主要驱动力。EOF分析表明, 南海次表层盐度低频变化显著, 存在3~5年的年际周期振荡, 以及11年和23年的年代际变化周期, 且与太平洋年代际振荡(PDO)之间存在显著的正相关关系。当PDO处于正位相时, 吕宋海峡处西向平流输送加强, 南海内部气旋式环流场增强, 次表层盐度增加; 当PDO处于负位相时, 吕宋海峡处西向平流输送减弱, 南海内部气旋式环流场减弱, 次表层盐度降低。近年来, 南海次表层盐度呈现先减小后增大再减小的趋势, 在2006—2014年初, 盐度呈下降趋势, 下降速率约0.002‰·a–1, 在2014年初盐度降到最低值约34.550‰; 在2014—2017年, 盐度呈上升趋势, 上升速率为0.056‰·a–1, 在2017年初达到最大值约34.768‰, 上升速率远大于下降的速率, 这与吕宋海峡处西向平流增强的速率大于其先前减小的速率相对应; 在2017年之后盐度又呈现出下降的趋势。近年来次表层盐度的变化滞后于PDO约10个月, 且受到该层水平环流场的直接影响。

鲍颖, 2007. 南海环流年际变化特征的初步研究[D]. 青岛: 中国海洋大学: 1–64. BAO YING, 2007. Primary study of the South China Sea circulation inter-annual variation[D]. Qingdao: Ocean University of China: 1–64 (in Chinese with English abstract).

蔡树群, 苏纪兰, 甘子钧, 等, 2002. 夏季南海上层环流动力机制的数值研究[J]. 海洋学报, 24(1): 1–7. CAI SHUQUN, SU JILAN, GAN ZIJUN, et al, 2002. The numerical study of the dynamic mechanism of the South China Sea upper circulation in summer[J]. Acta Oceanologica Sinica, 24(1): 1–7 (in Chinese with English abstract).

陈海花, 李洪平, 何林洁, 等, 2015. 基于SODA数据集的南海海表面盐度分布特征与长期变化趋势分析[J]. 海洋技术学报, 34(4): 48–52. CHEN HAIHUA, LI HONGPING, HE LINJIE, et al, 2015. Analysis on the distribution characteristics of sea surface salinity and its long-term variation trend in the South China Sea based on SODA data set[J]. Journal of Ocean Technology, 34(4): 48–52 (in Chinese with English abstract).

谷德军, 王东晓, 袁金南, 2004. 黑潮输送的异常及其与大尺度海气相互作用的关系[J]. 热带海洋学报, 23(6): 30–39. GU DEJUN, WANG DONGXIAO, YUAN JINNAN, 2004. Anomalous transport of Kuroshio and its relationship with large scale atmosphere-sea interaction[J]. Journal of Tropical Oceanography, 23(6): 30–39 (in Chinese with English abstract).

赫崇本, 管秉贤, 1984. 南海中部NE-SW向断面海水热盐结构以及海盆冷水来源的分析[J]. 海洋与湖沼, 15(5): 411–418. HE CHONGBEN, GUAN BINGXIAN, 1984. Analysis of the thermohaline structure of the sea water on NE-SW section and the origin of the cold water in the basin of Central South China Sea[J]. Oceanologia et Limnologia Sinica, 15(5): 411–418 (in Chinese with English abstract).

刘长建, 杜岩, 张庆荣, 等, 2008. 南海次表层和中层水团年平均和季节变化特征[J]. 海洋与湖沼, 39(1): 55–64. LIU CHANGJIAN, DU YAN, ZHANG QINGRONG, et al, 2008. Seasonal variation of subsurface and intermediate water masses in the South China Sea[J]. Oceanologia et Limnologia Sinica, 39(1): 55–64 (in Chinese with English abstract).

刘秦玉, 李春, 胡瑞金, 2010. 北太平洋的年代际振荡与全球变暖[J]. 气候与环境研究, 15(2): 217–224. LIU QINYU, LI CHUN, HU RUIJIN, 2010. Interdecadal oscillations in the north Pacific and the global warming[J]. Climatic and Environmental Research, 15(2): 217–224 (in Chinese with English abstract).

邱春华, 贾英来, 2009. 南海北部深水海域温度以及盐度的季节及年际变化特征[J]. 中国海洋大学学报, 39(3): 375–380, 386. QIU CHUNHUA, JIA YINGLAI, 2009. Seasonal and inter-annual variations of temperature and salinity in the northern South China Sea[J]. Periodical of Ocean University of China, 39(3): 375–380, 386 (in Chinese with English abstract).

为落实国务院防控非洲猪瘟专题会议要求，2018年9月18—21日，农业农村部联合公安部、卫生健康委组成第一联合督查组，赴内蒙古、黑龙江、吉林开展非洲猪瘟防控工作督查。督查组组长、农业农村部副部长于康震强调，各地要坚决贯彻党中央、国务院决策部署，坚持疫病防控和生产供应两手抓，强化思想认识，逐级压实责任，将非洲猪瘟防控的各项措施落实到场、到村、到户、到人。

田天, 魏皓, 2005. 南海北部及巴士海峡附近的水团分析[J]. 中国海洋大学学报, 35(1): 9–12, 28. TIAN TIAN, WEI HAO, 2005. Analysis of water masses in the northern South China Sea and Bashi Channel[J]. Periodical of Ocean University of China, 35(1): 9–12, 28 (in Chinese with English abstract).

王鼎琦, 方国洪, 邱婷, 2017. 吕宋海峡黑潮脱落涡旋的特征分析[J]. 海洋与湖沼, 48(4): 672–681. WANG DINGQI, FANG GUOHONG, QIU TING, 2017. The characteristics of eddies shedding from Kuroshio in the Luzon Strait[J]. Oceanologia et Limnologia Sinica, 48(4): 672–681 (in Chinese with English abstract).

杨修群, 朱益民, 谢倩, 等, 2004. 太平洋年代际振荡的研究进展[J]. 大气科学, 28(6): 979–992. YANG XIUQUN, ZHU YIMIN, XIE QIAN, et al, 2004. Advances in studies of Pacific Decadal Oscillation[J]. Chinese Journal of Atmospheric Sciences, 28(6): 979–992 (in Chinese with English abstract).

ALEXANDER M, 2010. Extratropical air-sea interaction, sea surface temperature variability, and the pacific decadal oscillation[M]//SUN DEZHENG, BRYAN F. Climate dynamics: why does climate vary? Washington, DC: American Geophysical Union.

DELCROIX T, HÉNIN C, 1991. Seasonal and interannual variations of sea surface salinity in the tropical Pacific Ocean[J]. Journal of Geophysical Research, 96(C12): 22135–22150.

HO C R, ZHENG Q, KUO N J, et al, 2004. Observation of the Kuroshio intrusion region in the South China Sea from AVHRR data[J]. International Journal of Remote Sensing, 25(21): 4583–4591.

LIU QINYAN, FENG MING, WANG DONGXIAO, 2011. ENSO-induced interannual variability in the southeastern South China Sea[J]. Journal of Oceanography, 67(1): 127–133.

NAN FENG, XUE HUIJIE, CHAI FEI, et al, 2011. Identification of different types of Kuroshio intrusion into the South China Sea[J]. Ocean Dynamics, 61(9): 1291–1304.

NAN FENG, XUE HUIJIE, CHAI FEI, et al, 2013. Weakening of the Kuroshio intrusion into the South China Sea over the past two decades[J]. Journal of Climate, 26(20): 8097–8110.

NAN FENG, XUE HUIJIE, YU FEI, 2014. Kuroshio intrusion into the South China Sea: a review[J]. Progress in Oceanography, 137: 314–333.

NAN FENG, YU FEI, XUE HUIJIE, et al, 2015. Ocean salinity changes in the northwest Pacific subtropical gyre: the quasi-decadal oscillation and the freshening trend[J]. Journal of Geophysical Research, 120(3): 2179–2192.

NEWMAN M, ALEXANDER M A, AULT T R, et al, 2016. The pacific decadal oscillation, revisited[J]. Journal of Climate, 29(12): 4399–4427.

QIU BO, 2003. Kuroshio extension variability and forcing of the pacific decadal oscillations: responses and potential feedback[J]. Journal of Physical Oceanography, 33(12): 2465–2482.

QU TANGDONG, MITSUDERA H, YAMAGATA T, 2000. Intrusion of the North Pacific waters into the South China Sea[J]. Journal of Geophysical Research, 105(C3): 6415–6424.

REN LI, RISER S C, 2010. Observations of decadal time scale salinity changes in the subtropical thermocline of the North Pacific Ocean[J]. Deep Sea Research Part II: Topical Studies in Oceanography, 57(13–14): 1161–1170.

TOURRE Y M, KUSHNIR Y, WHITE W B, 1999. Evolution of interdecadal variability in sea level pressure, sea surface temperature, and upper ocean temperature over the Pacific Ocean[J]. Journal of Physical Oceanography, 29(7): 1528–1541.

WANG A, DU Y, ZHUANG W, et al, 2014. Seasonal variability of subsurface high salinity water in the northern South China Sea and its relationship with the northwestern Pacific currents[J]. Ocean Science Discussions, 11(5): 2423–2446.

YU KAI, QU TANGDONG, 2013. Imprint of the pacific decadal oscillation on the South China Sea throughflow variability[J]. Journal of Climate, 26(24): 9797–9805.

YU KAI, QU TANGDONG, DONG CHANGMING, et al, 2015. Effect of subtropical mode water on the decadal variability of the subsurface transport through the Luzon Strait in the western Pacific Ocean[J]. Journal of Geophysical Research, 120(10): 6829–6842.

ZENG LILI, WANG DONGXIAO, XIU PENG, et al, 2016. Decadal variation and trends in subsurface salinity from 1960 to 2012 in the northern South China Sea: decadal subsurface S changes in the NSCS[J]. Geophysical Research Letters, 43(23): 12181–12189.

ZHANG YUAN, WALLACE J M, BATTISTI D S, 1997. ENSO-like interdecadal variability: 1900–93[J]. Journal of Climate, 10(5): 1004–1020.

ZHUANG WEI, QIU BO, DU YAN, 2013. Low-frequency western Pacific Ocean sea level and circulation changes due to the connectivity of the Philippine Archipelago[J]. Journal of Geophysical Research, 118(12): 6759–6773.

Low-frequency variability of subsurface salinity in the South China Sea and its relationship with the Pacific Decadal Oscillation

WANG Xiangpeng1,2, ZHANG Yuhong1, WANG Aimei3, ZHAO Wei4, DU Yan1,2

1. State Key Laboratory of Tropical Oceanography (South China Sea Institute of Oceanology, Chinese Academy of Sciences), Guangzhou 510301, China; 2. University of Chinese Academy of Sciences, Beijing 100049, China; 3. National Marine Data and Information Service, Tianjin 300100, China; 4. College of Oceanic and Atmospheric Sciences, Ocean University of China, Qingdao 266100, China

The South China Sea is the largest marginal sea in the northwestern Pacific and the key channel connecting the North Pacific and northern Indian Ocean. When the Kuroshio flows northward along the Philippine Islands, signals from the western Pacific are transmitted to the South China Sea through the Luzon Strait, thus affecting the hydrodynamic environment of the South China Sea. We analyze the spatial distribution and low-frequency variability of subsurface salinity in the South China Sea, and try to explain the relationship between the subsurface salinity in the South China Sea and the Pacific Decadal Oscillation (PDO); we also explore the change of the subsurface salinity in recent years. The results are as follows. 1) Driven by the subsurface cyclonic circulation, subsurface salinity at about 24-26σdecreases gradually from north to south counterclockwise starting from the Luzon Strait. 2) The low-frequency variability of subsurface salinity is significantly correlated with PDO. When the PDO is in the positive phase, the westward transport in the Luzon Strait is strengthened and the subsurface salinity increases. When the PDO is in the negative phase, the westward transport in the Luzon Strait is weakened and the subsurface salinity decreases, and the salinity change is directly affected by the horizontal circulation. 3) In recent years, the subsurface salinity has shown a trend of refreshing from 2006 to early 2014, and then increasing from 2014 to early 2017, lagging behind the PDO by about 10 months. Since 2017, the salinity decreased again.

subsurface salinity; low frequency variability; Pacific Decadal Oscillation (PDO); advection; South China Sea

date: 2018-11-26;

date: 2019-02-28.

This work is supported by the Chinese Academy of Sciences (XDA19060501,XDA13010404), the State Oceanic Administration of China ( GASI-IPOV AI-02), and the National Natural Science Foundation of China (41525019, 41506019, 41805057, 41830538).

DU Yan. E-mail: duyan@scsio.ac.cn

P731

A

1009-5470(2019)04-0001-9

10.11978/2018128

http://www.jto.ac.cn

2018-11-26;

2019-02-28。

孙淑杰编辑

中国科学院战略性先导科技专项(XDA19060501、XDA13010404); 国家海洋局“全球变化与海气相互作用”专项(GASI-IPOV AI-02); 国家自然科学基金项目(41525019、41506019、41805057、41830538)

王祥鹏 (1995—), 男, 海南省澄迈县人, 博士研究生, 主要从事海气相互作用研究。E-mail: wangxiangpeng18@mails.ucas.ac.cn

杜岩。E-mail: duyan@scsio.ac.cn

*感谢韩冰、张涟漪、王闵杨、孙启伟、郑依玲在数据处理方面提供的帮助;

Editor: SUN Shujie