EN4两套分析数据中海洋热含量的差异

张 敏赵 昌张远凌姜文正王 刚*

(1.自然资源部 第一海洋研究所,山东 青岛266061；2.青岛海洋科学与技术试点国家实验室 区域海洋动力学与数值模拟功能实验室,山东 青岛266237；3.自然资源部 海洋环境科学与数值模拟重点实验室,山东 青岛266061)

全球变暖过程中,地球气候系统增加的热量90%以上被储存在海洋中,表现为全球海洋热含量增加[1-2]。海洋热含量(Ocean Heat Content,OHC)的变化是全球气候变化中最为关键的一环,且过去60 a中表现出变暖加速的趋势[3]。海洋热含量的增加会导致海洋生态系统失衡[4-5]、海冰及冰架消融[6]、海平面上升[7-8]、洋流系统改变[9-10]、极端气候事件频发[11]等一系列问题。发端于20世纪末21世纪初的全球变暖减缓现象[12]激发了科学家们对海洋热量吸收并存储的关注。诸多研究认为,海洋表层以下热含量的增加是全球变暖减缓的主因[13-17]。虽然21世纪初开始Argo的布放丰富了全球海洋的观测数据,使近期海洋热含量的估算更加准确[18],但对于研究年代际、多年代际甚至百年尺度等长期的海洋热含量的变化,仍然需要时空精度较低的历史观测数据的支撑。以往的研究一直致力于改进历史观测数据的质量,以期能够更准确地重构过去海洋的状态[18-21]。然而,由于过去海洋观测数据有限,不同的海洋重构数据集存在较大的差异。这也导致如海洋增暖幅度等热点问题,基于不同数据所得到的结果不尽相同[22]。

目前海洋热含量研究中常用的基于观测的重构数据包括Ishii[23],EN4[24],IAP[25],以及本世纪以来基于Argo的格点数据重构的IPRC,SCRIPPS[26]等。这几套数据产品构建的全球海洋热含量时间序列存在差异[27],差异主要来源于各数据集对仪器偏差的处理方法、格点数据的构建方法以及对气候态的定义等[18,21,28]。此外,Ishii和EN4常作为“真实”数据,用于对比验证模式模拟结果[29]。在2000年Argo计划实施之前的三十余年,海洋次表层温度主要由抛弃式温度剖面仪(eXpendable Bathy Thermograph,XBT)观测获得,XBT数据占1970—2001年间所有次表层温度数据的41%,这也是目前所有历史数据的主要组成部分[3]。由于XBT上仅有温度传感器而无压力传感器,其观测海水温度对应的深度由降速方程和XBT进入水中的时间计算获取,从而引入了XBT数据的系统偏差；并且,XBT的下降速率随着保存期限也会产生漂移[19]。这两者是造成XBT观测数据偏差的主要原因。针对XBT以及后续的MBT(机械型温度计)数据偏差的校正,国际上不同的研究单位和小组提出了多种订正方案以减小数据的系统性偏差[18,21,23,28,30]。

修正XBT数据偏差时需考虑下面多种因素：温度和深度偏差的同步订正、仪器的差异、海水温度的影响、不同时期历史偏差不一致等[21]。以往研究常采用同期的就近海洋站(Ocean Station Data,OSD)和温盐深仪(Conductivity Temperature Depth,CTD)的观测来订正XBT和MBT数据。其中EN4根据2种校正方案提供了两套数据。前人[27]虽然比较了Ishii,EN4和IAP三套数据在海洋热含量分析中的异同,但未考虑EN4两套数据产品的差异。本研究采用集合经验模分解方法,研究1970—2017年间EN4中的海水温度和海洋热含量,重新审视2种方式校正的EN4产品在估算全球海洋热含量变化时的差异,为EN4两套数据应用于全球气候变化等重点科学问题的研究提供参考。

1 数据和方法

1.1 数 据

本文用做对比的两套数据均来自于英国气象局质量控制的温盐数据产品(EN4.2.1版本)。作为最新的EN4数据集,与以往的EN数据集相比,EN4在数据质量控制方面进行了很大的改进,并提供数据的不确定性估计[24]。EN4的主要观测数据来自全球海洋数据库(World Ocean Database,WOD,最新版本WOD09)、CORA(Coriolis Ocean datasat for ReAnalysis),北极观测海洋学项目(Arctic Synoptic Basin-wide Observation,ASBO)、全球温盐剖面计划(Global Temperature and Salinity Profile Program,GTSPP),以及Argo全球数据中心(Argo Global Data Assembly Centers,GDACs)自2000年以来的Argo数据集[24]等。而在没有观测数据的地方,EN4采用1971—2000年的气候态平均值进行重构。

EN4采用最优插值方法在每个海洋层进行数据校正和重构。在处理XBT或MBT数据与OSD/CTD数据平均值之间的差异时采用了不同的统计量：EN4.2.1G10[20]采用了算数平均值(以下简称为EN4G10),而EN4.2.1L09[19]采用了中位值以减少异常值对差异估计的影响(以下简称为EN4L09)。两者都包含全球1900至今的海水温度和盐度数据,时间分辨率为月,空间水平分辨率为1°×1°,从约水下5～5 500 m深度分为42个垂向层。20世纪60年代中期开始,由于XBT的使用,海洋次表层温度数据覆盖率大幅增加,故本文截取1970—2017年EN4.2.1的两套校正数据进行对比。

1.2 方 法

OHCdepth表示某一深度以上水层中的海洋热含量,计算公式为

式中,t是海水摄氏温度,ρ和Cp分别为海水密度和比热容。本研究主要对比两套数据中0～1 000 m海洋热含量的差异及其产生机制。由于1 000 m以浅水层观测数据覆盖率较高,我们的比较仅限于该深度范围。

本研究结合集合经验模分解方法(EEMD)[31]对比分析EN4.2.1两套数据海洋热含量在不同时间尺度上的差异。EEMD是在经验模分解方法[32]的基础上提出的一种噪声辅助的分解方法。其分解的原理是将白噪声引入原始数据中,由于白噪声具有正态分布特点,使得混合后的信号具有相对均匀的极值点,弱化了原始信号中极值点间的距离比差异,从而降低了模态混叠的问题；另一方面,由于白噪声具有零均值特性,经过多次添加随机白噪声后,平均得到的集合经验模分解IMF分量中的白噪声部分可相互抵消,实现原始信号的不同频率模态分量的有效分解。因而,EEMD可以有效地分解出非线性信号在不同时间尺度上的分量,以及非线性趋势项。该方法的详细介绍可参见 Wu等[31]和Huang等[32],在本研究中所使用的MATLAB的EEMD代码可以从http：∥rcada.ncu.edu.tw/research1.htm下载。

2 结果与讨论

2.1 EN4两套数据0～1 000 m海洋热含量的时空差异

图1显示了EN4G10和EN4L09在全球及各个海盆0～1 000 m海洋热含量的时间序列及差异。总体来看,两套数据在分析时段的前段(1970—1985年)及后段(2006—2017年)较为一致,主要差异出现在1985—2005年间,可达约5×1022J。此差异的量级与不同仪器的残余偏差导致的数据集之间的差异相当[20]。在1985—2005年间,EN4G10和EN4L09在太平洋、大西洋和印度洋均表现出明显的差异。值得注意的是,虽然南大洋EN4G10和EN4L09的差异不大,但这并不代表南大洋数据质量高。这是因为此海区观测数据稀少,EN4以1970—2000年的气候态均值进行补充,导致两套数据的差异不大。即便如此,1985—2005年间南大洋海区两套数据之间也出现了细微的差异。此外,两套EN4数据在1985—2005年间还存在周期约为6～7 a的年际差异,其中1985年、1991年及1998年差异最大。

图1 1970—2017年EN4G10和EN4L09海洋热含量(0～1 000 m)在全球及各个海盆的时间序列及差异Fig.1 Time series of the OHC in upper 1 000 m from 1970 to 2017 for the global,Atlantic,Southern Pacific and Indian Oceans and corresponding discrepancies between EN4G10 and EN4L09

进一步分析1985年、1991年和1998年这3 a中,EN4G10和EN4L09两套数据年平均差异的空间特征(图2)。两套数据的年平均差异主要集中在热带及亚热带海域(30°S～30°N),且随着观测数据覆盖率的增加而增大。1985年,差异主要分布在东太平洋和南大西洋；1991年,在大西洋的差异明显大于太平洋；1998年,差异随着观测数据的增加而明显增大,且空间分布比较均衡,主要与大洋XBT观测站位大致吻合。

图2 1985年、1991年和1998年EN4G10和EN4L09海洋热含量(0～1 000 m)年平均差异的空间分布Fig.2 Spatial distribution of OHC discrepancies between EN4G10 and EN4L09 in upper 1000 m for the years 1985,1991 and 1998

2.2 EN4两套数据差异的来源

EN4G10与EN4L09的数据源是一致的,造成两套数据集差异的主要原因是在数据校正过程中选取了不同的统计量[19-20]。由式(1)可以得知,热含量的计算主要依赖于各层的海水温度,为此我们进一步对比EN4两套数据海洋垂向各层温度在1985年、1991年及1998年的差异。图3给出它们的空间分布。总体来看,1985年与1991年EN4两套数据的差异主要集中在海洋上层500 m,而1998年的差异体现在海洋整层。除此之外,这3 a中的差异都在上200 m明显偏大。相对于EN4G10,EN4L09的温度呈现正位相的系统性差异,差异主要在0.2～0.4℃；1991年与1998年,局部海域的差异甚至超过0.5℃。这表明中位值的取法应该大于平均值,导致了EN4L09在1985—2005年热含量的估计高于EN4G10。该结果与前人的研究一致[19-20]。

图3 1985年、1991年和1998年EN4G10和EN4L09两套数据海洋温度在各层差异的空间分布Fig.3 Spatial distribution of the temperature discrepancies between EN4G10 and EN4L09 at different vertical layers for the years 1985,1991 and 1998

导致EN4G10和EN4L09两套数据差异的最根本的原因是XBT数据的“不成熟”。XBT观测及处理引入的偏差进而导致了XBT与CTD数据对比校正的偏差。因而即使同样的数据源,在计算XBT或MBT数据与OSD/CTD数据平均值之间的差异时,选取算数平均值[20]和中位值[19]也会加剧差异。两套数据在1985年、1991年及1998年的差异最大值均出现在纬度30°S～30°N,深度范围50～150 m。这是由于船舶走航的XBT观测主要集中在这一海域,并且这一海域上层温度较高,温跃层变化较为剧烈,从而即使是同一数据源,不同的校正方式下也会出现较大的偏差[19]。值得注意的是,两套数据差异最大的这几个年份均为强厄尔尼诺年,其中在1983—1984年和1997—1998年的强厄尔尼诺所造成的海洋表层的温度异常可高达3～5℃[33]。这种强厄尔尼诺现象对XBT偏差校正的影响还需要进一步的研究和探讨。

1985年之前和2005年之后,EN4G10和EN4L09两套数据差异相对较小,其原因各不相同。在1970—1985年期间,观测数据相对于后期较少,缺失观测数值会采用1970—2000年的气候态平均值填补,这部分数据不存在校正方法引入误差的问题；而2005年之后,随着大量Argo观测数据的纳入,数据的覆盖率大量增加,测量精度也大大提高,从而EN4的两套数据的差异较小。

2.3 EN两套海洋热含量数据在不同时间段的平均偏差

我们以1970年为起点,计算不同长度时间内EN4G10与EN4L09两套数据的海洋热含量的线性趋势。图4显示的是海洋热含量在不同时间段内的平均偏差。在整个1970—2017年期间,两套数据的差别不大,且集中于几条主要的观测路径。然而当时间段终点落在差异显著的1985—2005年期间时,整个热带及亚热带海域(30°S～30°N)表现出较大的差异,格点差异值可高达5×1018～6×1018J。由此可以推断,在全球海洋热含量的线性趋势分析中,如果选用EN4的数据作为对比数据,那么两套数据在不同时间段的线性趋势有较大差异；尤其是1985—2005年的数据对结果影响较大。因而,如果采用EN4分析海洋热含量的趋势,并与其他再分析或者模式数据进行对比,两套数据得到的结论有可能会不一致。

图4 EN4G10与EN4L09在不同时间段线性趋势差异的空间分布Fig.4 Spatial distribution of the discrepancies in linear trend of the OHC between EN4G10 and EN4L09 for different time range

为进一步分析EN4G10和EN4L09在季节尺度的差异,我们计算了1985—2005年两套数据上1 000 m海洋热含量全球及各个海盆海洋热含量的气候态平均(图5)。由图5可见,全球及各个海盆的海洋热含量年变化态势基本一致。全球海洋热含量的气候态平均的分布主要受南大洋影响。但南大洋观测数据稀少,数据多为1971—2000年的气候态平均所填补,因而EN4G10和EN4L09的差异不大。全球以及除南大洋之外的其他海盆均表现出季节性差异,其中在4月及10月差异最大。最大差异范围在5×1021～3×1022J。由于海洋是在春季到秋季期间释放热量,在秋季到春季期间吸收热量,海洋热含量的峰值根据南北半球的差异一般出现在4月和10月[27]。两套数据的季节差异也体现在这2个月最大,可能的原因是这2个月是海洋吸收热量和释放热量的过渡期,对不同的数据处理方式更为敏感。此外,两套数据在气候态平均的差异会导致以此为基础的距平分析出现问题,进而可能导致在低频信号上两者的巨大差异(图6)。

图5 EN4G10与EN4L09中海洋热含量在全球、大西洋、南大洋、太平洋和印度洋的气候态平均Fig.5 Annual cycle of OHC of global ocean,the Atlantic Ocean,the Southern Ocean,the Southern Ocean,the Pacific Ocean,and the Indian Ocean derived from EN4G10 and EN4L09

图6 EN4G10与EN4L09中0～1 000 m海洋热含量在全球、大西洋、南大洋、太平洋和印度洋的EEMD分解结果Fig.6 EEMD decomposition of the OHC(0～1000 m)in global ocean,the Atlantic Ocean,the Southern Ocean,the Southern Ocean,the Pacific Ocean,and the Indian Ocean for EN4G10 and EN4L09

我们进而运用EEMD方法对EN4G10和EN4L09中上1 000 m的全球及各个海盆热含量进行分解(图6)。EEMD能够借助白噪音辅助的方法,有效地将海洋热含量数据分解为从高频到低频的不同分量。在年变化及更高频的信号中,由EN4G10和EN4L09分解得到的分量差异很小。在年际,年代际及多年代际等低频信号中(图6,C5-C7),两套数据分解得到的分量差异明显,尤其体现在大西洋、太平洋和印度洋海域(图6b,6d,6e),在1980年以后,出现振幅及相位不一致的现象。由于EEMD方法是自适应的数据分析方法,其本质遵循了原始数据的特征,因而数据的加长并不影响前期数据分解的分量和趋势项,只是更长时间尺度上的前期的循环过程[34]。两套数据分解结果的差异提示我们,在选取EN4数据分析海洋热含量年代际及多年代际变化时,尤其是用来作为“真实”数据进行对比时,需要针对两套数据的结果分别对比。值得注意的是,在多年代时间尺度上(图6中的C7分量),全球、大西洋、太平洋及印度洋都显示EN4G10的热含量增暖速率远远大于EN4L09,甚至在太平洋出现了1980年后两套数据在多年代时间尺度上的反位相特征。两套数据在年代际及多年代际的差异直接影响全球变暖减缓期间海洋热含量的变化分析。

3 结 语

由于不同海洋温盐数据集的差异,导致了全球及各海域海洋热含量变化分析的不一致性,特别是近20 a的全球气候变暖停滞现象的研究,亟需对不同海洋温盐资料进行对比分析。本研究比较了EN4的两套数据(EN4G10和EN4L09)中海洋热含量的差异、造成差异的原因以及两套数据的差异在不同时间尺度中的特点,重新审视了两种方式校正的EN4产品在估算全球海洋热含量变化时的差异,为EN4两套数据应用于全球气候变化等重点科学问题的研究提供参考。主要结果如下：

1)EN4G10和EN4L09中全球海洋热含量(0～1 000 m)在1985—2005年间差异约为5×1022J,且主要分布在热带及亚热带海域(30°S～30°N)；

2)两套数据偏差较大的年份是1985年、1991年和1998年。1985年与1991年两套数据的海洋热含量的差异集中于0～500 m,主要是由采样时段、深度和温跃层变化所带来,而1998年之后由于仪器观测深度更深,两者的差异贯穿于整个深度层(0～1 000 m)；

3)两套数据差异主要源于对XBT-(OSD/CTD)(或MBT-(OSD/CTD))仪器偏差的校正方式不同：EN4.2.1L09选取偏差的中位数,而EN4.2.1G10选取偏差的平均值；

4)两套数据海洋热含量的季节性差异夏季最小,冬季最大,其中在4月及10月差异最大。最大差异范围在5×1021～3×1022J。在气候态平均的差异会导致以此为基础的距平分析出现问题,进而可能导致在低频信号上两者的巨大差异；

5)两套数据中,海洋热含量时间序列在1985年后出现的差异影响了全球海洋热含量的线性趋势分析和年代际及多年代际变率,其中基于EN4.2.1G10的年代际及多年代际分量的幅度在1985年后是EN4.2.1L09的2倍,且存在相位的差异。线性趋势若时间段选在1985—2015年间则对结果影响较大。