黄河口邻近海域海冰变化特征及机制分析

胡世强, 黎 舸, 邓曜成, 刘 娟, 苏 亮, 于华明, 5

黄河口邻近海域海冰变化特征及机制分析

胡世强1, 黎 舸2, 邓曜成1, 刘 娟3, 苏 亮4, 于华明1, 5

(1. 中国海洋大学 海洋与大气学院, 山东 青岛 266100; 2. 国家海洋局北海预报中心, 山东 青岛 266061; 3. 北京应用气象研究所, 北京 100029; 4. 青岛超算与大数据中心, 山东 青岛 266237; 5. 中国海洋大学 三亚海洋研究院, 海南 三亚 572025)

黄河口邻近海域海冰是渤海海冰的一部分, 为了解其独特的变化特征及机制, 本研究基于北海预报中心提供的黄河口周边海洋台站观测数据以及CMEMS(Copernicus Marine Environment Monitoring Service)全球海冰密集度再分析数据, 使用统计分析和两种滑动相关分析, 结合小波相干方法及大气过程的影响, 得到长期变化分析的结果。黄河口冰情在1979—2020年间整体呈减轻趋势(–0.25 %/a), 显然其直接因素为局地温度整体升高; 海冰密集度与黄河径流量呈明显正相关, 相关系数为0.46, 其原因为径流增大导致盐度降低, 海冰增加; 与北极涛动指数(AOI, Arctic Oscillation Index)呈明显负相关, 相关系数为–0.44, 因为当北极涛动为正位相时, 东亚大槽强度减弱, 北极冷空气南侵受阻隔, 冬季黄河口的整体气温升高, 导致海冰减少; 1997年和2016年左右与北极涛动的相关性都出现了显著正异常, 其原因为两次强厄尔尼诺事件的影响, 同时海冰密集度在1985年左右的跃变可能与AOI和黄河径流量的突变有关。短期变化分析的结果显示: 从 2010年和2020年冬季逐日的典型寒潮过程与海冰密集度的变化分析可知, 海冰与前6 d负积温的相关性最大, 平均相关系数为–0.77, 寒潮的出现时间、强度及间隔, 控制海冰的生成, 而整体气温的低频变化控制海冰的维持和发展。

黄河口; 海冰; 变化特征; 长期趋势; 控制机制

黄河口邻近海域位于渤海湾和莱州湾之间, 是我国重要的生态湿地敏感区, 同时是我国重要的滩海油田开发区, 具有重要的生态价值和经济价值。此处每年冬季都会出现不同程度的海冰。如图1所示, 黄河口邻近海域水深较浅(平均小于15 m), 淡水输入导致海水盐度降低, 更易结冰, 每年冬季黄河口都会不同程度地结冰, 是北半球纬度最低的结冰河口海域(38°N左右)[1]。黄河口邻近海域在常冰年从12月中旬开始结冰, 到次年2月下旬融冰, 总冰期为75 d。海冰对黄河口周边人们的海上生产生活具有较大威胁[2], 掌握黄河口邻近海域海冰的变化规律, 有助于黄河口邻近海域海冰的预报预警, 从而减轻海冰造成的危害, 具有重要的现实意义。

聚焦黄河口邻近海域海冰变化的研究总体较少。Qiu等[3]使用卫星影像对黄河口浑浊水体中的海冰进行反演, 其反演精度超过93%。季顺迎等[4]对黄河口附近的海冰剪切强度进行研究, 结果显示海冰剪切强度随冰温的降低和剪切应力的增大而呈线性增长。张绪良等[5]对2005年冬季莱州湾东部的海冰灾害进行分析, 介绍了灾害情况, 并给出了防御措施, 其研究区域离黄河口较近。上述研究都未对长期的变化趋势及影响因素进行分析。

黄河口邻近海域是渤海的重要部分, 因此渤海海冰的研究对本文具有重要参考价值。前人对渤海海冰的长期变化趋势进行过大量研究, 刘钦政和李剑等[6-7]均指出20世纪30年代至21世纪初期间, 渤海冰情分为重冰情阶段和轻冰情两个阶段, 分别认为分界点为1972年和1980年左右。刘煜等[8]和郑东梅等[9]则对20世纪50年代至21世纪前10年的渤海冰级数据进行了分析, 定量地计算了冰情的变化, 前者指出1980年前后冬季平均气温从–4.2 ℃升到–2.6 ℃, 升高了1.6 ℃, 冰级从2.9级降到2.3级, 下降了0.6级, 后者指出1972年前后冰级从3.1级降到2.4级, 下降了0.7级。显然, 上述研究结果均表明, 近几十年来渤海冰情显著减轻。

图1 研究区域示意图

(红色虚线内为本文研究区域, 三个五角星分别对应三个典型观测站)

综上所述, 虽然前人研究过渤海海冰的多年变化趋势及机制[10-15], 或者研究黄河口海冰的反演、海冰性质等方面, 但都未聚焦黄河口海冰的变化特征和机制进行研究, 河口海域与整个渤海会有一些不同的特征。因此本研究使用近四十年的逐日卫星反演海冰数据集, 结合海洋站的现场观测数据, 首次聚焦黄河口进行了海冰的变化特征及机制研究。

本文内容分为4部分, 第一部分简要介绍了所用的数据和方法, 第二部分使用观测站数据, 分析了短期黄河口结冰过程和寒潮降温过程的关系, 第三部分采用卫星反演数据, 分析了黄河口海冰的长期变化趋势及机制, 最后给出了本文主要结论和展望。

1 数据与方法

1.1 数据简介

1)现场观测数据

本文使用黄河口海域沿岸海洋观测站(如图1)的观测数据, 包括: 水温、气温等海洋气象数据; 2005年至2020年共16 a的海冰冰级数据。

2)卫星数据

本文使用的卫星数据包括: 卫星观测的2011和2020年冬季的最大浮冰外缘线; CMEMS(哥白尼海洋环境监测局)根据亮温计算的全球海冰密集度再分析数据(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)数据(指浮冰覆盖面积占浮冰分布海面的比例), 空间分辨率为25 km, 冬季误差小于5%, 使用了其中1979至2020年冬季的数据。

3)其他辅助分析数据

为了分析黄河口海冰的变化机制, 我们还使用了其他数据包括ERA5(欧洲中期天气预报中心对全球气候的第五代大气再分析数据)提供的距离地表2 m气温等数据, NCEI(美国国家环境信息中心)提供的全球地表温度异常数据集和各个大尺度指数, 以及NSIDC(美国国家冰雪数据中心)提供的全球海冰指数统计结果(https://masie_web.apps.nsidc.org/pub//DATASETS/NOAA/G02135/)。

1.2 研究方法

本文使用相关性分析对海冰的短期和长期变化的具体因素进行分析; 使用局域滑动相关系数(local running correlation coefficient, LRCC)分析和合成滑动相关系数(synthetic running correlation coefficient, SRCC)分析[16-18]对关键因素进行详细分析; 使用小波分析和小波相干[19-20]等方法对海冰多年变化的周期等进行处理。

本研究将SRCC应用在黄河口海冰变化特征分析中, SRCC相比于LRCC能够更好地保留低频信号, 该方法已经应用于北极涛动(AO, Arctic Oscillation)的空间变化及核心区等研究。滑动相关分析是指选择一个较短的时间窗口, 计算该窗口内的相关系数, 再将窗口向前移动, 便获得了随时间变化的相关系数。以往的计算方法如下:

2 短期变化趋势

经过对比国家海洋局北海预报中心提供的黄河口邻近海域冰情数据, 2011年冬季冰情(常冰年偏轻)和2020年冬季冰情(常冰年)较为接近, 且在严重冰期内存在较为典型的寒潮降温过程。为分析两年冬季海冰一致的影响因素, 本文使用2011和2020年冬季的海洋气象、海冰现场观测资料与CMEMS海冰密集度数据进行了相关性分析, 应用了LRCC和SRCC, 详细地研究了这两年冬季的结融冰过程及影响因素。

2.1 结融冰控制因素

为了解黄河口海冰的冬季结融冰过程对非连续的现场观测浮冰最大外援线数据与同时间段的连续卫星反演海冰密集度计算相关系数, 并一起绘制在图2中, 2个冬季的平均值为0.78, 说明所用海冰密集度数据较为准确。使用海冰密集度数据与现场观测的气温、水温、盐度、风速等要素进行相关性分析, 还进行了超前滞后相关分析, 结果如表1所示。

另外, 对不同天数的负积温和海冰密集度进行相关性分析, 负积温是此前某段时间内小于0℃的日平均气温累加值。两年的结果均显示负积温6 d左右相关系数的绝对值为最大值, 这体现了海冰的生消是一个积累过程, 一次强降温过程的影响时间能达到6 d左右, 两年平均相关系数达到–0.77。

图2 短期结融冰过程中观测数据与卫星数据对比

表1 海冰密集度与海洋气象要素相关系数

因此从表1可知, 短期海冰变化的主要影响因素为气温, 呈明显负相关, 气温超前1 d时相关系数最大, 之所以与风速呈正相关, 跟降温一般伴随着大风过程有关, 与其他要素的相关性不大。

同时, 将两年冬季观测浮冰最大外援线、卫星海冰密集度与青东人工岛、孤东大堤、黄河海港共3个海洋观测台站去除缺测值的合成观测气温、观测水温数据的变化绘图对比, 如图2所示。结果显示, 2011年12月14日、2012年1月21日、2月1日和2月7日出现的4次寒潮过程对该年海冰发展造成了明显影响。12月14日第一次较强寒潮, 导致该海域该年冬季首次出现海冰, 对应了12月15日的初冰日, 其后3次寒潮强度大且间隔时间短, 造成冰情迅速发展, 在2月8日前后海冰密集度达到最大值, 值得注意的是, 严重冰日(又称盛冰日)为1月22日, 从定义可知[21], 其为初冰日之后第一次连续重冰情的日子, 往往出现在第一次强寒潮过程后, 并不一定是整个冬季冰情最严重的一天。

因此从图2的分析可知, 每年冬季寒潮首次出现的时间、连续出现的间隔、单次寒潮的强度是影响结冰过程发展的关键因素, 气温的整体上升则造成融冰, 冰期结束。

表中每个要素的前两列分别为正常顺序以及该要素滞后1 d时与海冰密集度的相关系数, 气温的第三列为6 d负积温与海冰密集度的相关系数。

2.2 结融冰过程与气温变化相关分析

为分析气温相关性随时间的变化, 对两年冬季的海冰密集度与气温均计算了LRCC和SRCC, 滑动窗口为11 d, 得到以下结果。

从图3(a)和图3(c)可见, 气温的相关性并不稳定, 规律不明显, 而从图3(b)和图3(d)可见, 在严重冰期内出现连贯的显著负相关, 并向过去延伸了一段时间, 对应着冰情发展期, 而严重冰期结束之后, SRCC随之出现正相关。因此, SRCC在短期海冰的结融冰过程中既能够得到相对稳定且包含低频变化的结果, 指示严重冰期, 还能体现海冰开始陡增和海冰趋于消失两个阶段的异常信号, 在物理上很好地展现了不同尺度物理过程的相互影响。

图3 两年冬季短期海冰密集度与气温得到的LRCC和SRCC对比

3 长期变化趋势

前文细致分析了冬季短期的海冰变化趋势及其影响因素, 结果显示寒潮的发生时间、间隔、强度等是影响海冰变化最为关键的因素, 高频的极端降温事件控制海冰的生成, 但海冰的维持和发展受气温的低频变化所支配。

下文将主要分析1979—2021年共42 a的海冰变化趋势, 并且探究其长期变化机制。

3.1 总体时空分布特征

对该海域海冰进行多年的时间平均和空间平均, 得到其时空分布特征如图4。从图4中的时间分布图(左图)可看出, 海冰密集度在冬季呈现先增加后降低的趋势, 在1月26日达到最大值, 若以此为分界点, 可得到结冰时间57 d, 融冰时间33 d, 结冰期长于融冰期, 前人研究指出整个渤海多年平均变化呈现单峰型, 且海冰面积和冰厚峰值均出现在1月25日左右[11], 由此可见黄河口海域海冰与渤海海冰在时间分布上是类似的。从图4中的空间分布图(图4(b))可看出, 海冰主要分布在莱州湾南部和渤海湾南部, 即黄河三角洲的两侧, 其中间外海会有海冰出现, 但远小于两侧, 黄河入海口位于莱州湾北端, 该海域属于冰情相对较轻的区域, 但其在岸边附近冻结生成, 随潮汐向岸堆积, 最大时可以在高潮线附近堆成数米高的高大冰脊, 阻断陆地和海洋的通道。

图4 海冰密集度42 a时空平均分布

3.2 变化趋势

将卫星海冰密集度数据以及ERA5的再分析气象数据, 分别在每个年份进行研究区域内的空间平均, 同时在冬季(12、1、2月)进行时间平均, 得到42 a研究区域内冬季平均海冰密集度和冬季平均气温的时间序列, 结合北极涛动指数(AOI)以及2005年以来的冰级数据, 绘图对比如图5。

从图5中可以看出, 2005年至2020年共16 a冬季卫星海冰密集度与台站冰级观测数据基本一致, 计算其相关系数为0.82, 二者的正相关十分显著, 证明本文所使用的卫星数据较为准确。

整体而言, 黄河口邻近海域平均海冰密集度在42 a间大约降低了10.5%, 平均每年减少0.25%, 在1985年之前处于高值区, 在1985至1990年期间发生了一次由高向低的跃变, 此后基本稳定在低值区, 只在2010前后出现过高值。Jiang等[22]对1951年至2000年黄河的冰期进行研究, 结果显示黄河的冻结时间从56 d缩短到44 d, 减少了12 d, 从侧面印证了黄河口海冰整体下降的趋势。

笔者于2014年4至6月，受邀到台湾大仁科技大学护理系担任访问学者，很荣幸地参加了该系客观结构式临床测验（OSCE）教案设计与种子师资培训班，目前该校已经顺利通过了TNAC（台湾护理教育评鉴组织）科大护理评鉴，拿到相关经费，正在进行OSCE项目建设。该培训班就如何撰写OSCE教案、如何招募和培训OSCE标准化病人、如何进行考官训练以及考题信效度检测进行了探讨，使笔者对OSCE有了更全面的认识。现就目前OSCE在台湾护理教育与临床护理教学中的应用现状进行简单介绍。

分析其原因, 从整体趋势上看, 气温上升导致了海冰的减小, 海冰密集度与局地气温呈现显著的负相关, 相关系数达到–0.72, 1985至1990年的跃变可能是AOI的跃变所致, 2010年的严重冰情也恰好对应着AOI的极小值, 但是1997年前后和2016年前后可以看到海冰密集度和AOI出现了短期的正相关。

图5 海冰密集度与局地气温、AOI长期变化趋势

3.3 机制分析

3.3.1 相关性分析

为探究除了气温之外的要素, 将海冰密集度与全球气温、北半球冬季海冰、北极涛动指数(AOI)、尼诺3.4指数(NINO3.4)等大尺度指数计算相关系数, 并将最关键的局地气温和上述指数计算相关系数, 得到表2。

表2 黄河口海冰、局地气温与大尺度指数相关系数

结果显示, 黄河口海冰密集度与局地气温呈显著负相关, 相关系数达到–0.72, 与短期变化中的关键因素相一致。由于黄河口海冰还与AOI之间存在较明显的负相关, 对海冰和局地气温以及AOI进行滑动相关系数的计算, 滑动窗口为11 a, 结果如图6。

从图6(a)和图6(b)看到海冰密集度与局地气温的相关性并无太大变化, 从图6(c)和图6(d)看出, 在大部分时间, 海冰密集度和AOI呈现负相关, 但是在2000年前后出现了异常正相关, LRCC的稳定性稍差一些, 由于滑动相关分析在两端无法得到结果, 上节提到的2016年左右的正异常在滑动相关中无法得到体现。

结合表2以及图6的分析可以得出结论, 黄河口海冰的趋势性下降信号是全球气温与局地气温的整体性上升所导致, 而AO与黄河口邻近海域海冰高度相关, 从表2中看到黄河口海冰与AOI的相关性仅次于与局地气温的相关性, 二者呈现显著的负相关。AO实际上体现了大气环流的强弱, AOI为正值时表明大气西风增强, 不利于西伯利亚冷空气南下, 整体上不利于海冰增长; 而AOI为负值表明大气西风减弱, 但有利于冷空气增强和海冰增加。

从这两个因素出发探究黄河口海冰在1985年之后的这次跃变, 考虑可能对应着气温以及AOI的跃变, 前人一般认为整个渤海海冰在1972年前后出现了一次从重冰情向轻冰情的跃变[6], 故本次跃变是发生在1972年之后的轻冰情阶段之内的, 这表示黄河口海域的海冰冰情仍在进一步减轻。从图5中可以看到, 1985年之后局地气温开始剧增, 并且之后保持在较高水平, 这是这次跃变的直接因素, 但是全球气温持续升高, 难以解释只在这一时间段发生了跃变。近两年AOI的研究显示[23], 近几十年冬半年AOI的突变发生在1986年前后, 由低指数突变为高指数, 而AOI与中国东部的极端降温事件发生频次存在显著的负相关关系, AOI的增大能很好地解释极端降温事件的减少。前文指出, 黄河口海域海冰的暴发最主要的原因就是短期内极端降温, 因此, AOI在1986年前后的突变导致局地气温剧增, 并且之后极端降温事件减少, 能够解释这次海冰的跃变。

3.3.2 小波分析与小波相干

结合上文的结果, 重点分析AOI的变化, 使用小波分析和小波相干对黄河口海冰密集度和AOI进行分析, 小波相干谱可用来度量时频空间中两个时间序列局部相关的密切程度, 结果如图7。

图7 小波分析和小波相干结果

注: 图b, c, d中位相关系由箭头指示, 向左表示负相关, 向右表示正相关, 向上表示前者领先后者。粗黑线代表通过了0.05的显著性检验，细黑线代表影响锥曲线

从图7(a)中可以看出, 黄河口海冰存在10~15 a的主要周期和3、7 a左右的次要周期, 李剑等[7]认为海冰变化存在2~4 a、6~8 a以及15 a左右的周期, 与本文研究基本一致。图7(b)为海冰密集度和局地气温的小波相干图, 其中箭头基本都向左, 在数值上绝大部分区域都大于0.8, 印证海冰和局地气温整体呈高度负相关。图7(d)为海冰密集度和AOI的小波相干图, 可以看到, 相比于局地气温, 高值区的面积稍有减小, 但二者的分布较为类似, 这说明AOI的确在时频空间中与海冰的变化密切相关, 尤其是在7 a和12 a的周期变化中。

虽然从图7(b)中明显看到1997年左右体现了2~4 a周期, 在图7(c)中这一时期却没有体现, 由于1997年发生了较强的厄尔尼诺事件, 考虑厄尔尼诺现象导致了该区域的异常, 从图7(d)中海冰与尼诺指数的小波相干图中可以看到, 1997年前后该区域存在明显的高值区, 正好对应了图7(b)中无法被AO解释的部分。这一异常也同样被合成滑动相关系数捕捉到, 图6(b)中可以看到, 1997年前后出现了明显的异常信号, 表明该时期有比AO更强烈的过程影响了黄河口海冰, 结合小波相干的结果我们考虑该异常为1997—1998年的强厄尔尼诺过程, 将在下文对ENSO进行详细分析。合成滑动相关系数和小波相干分析在海冰多年变化的分析中都能够起到获取异常信号的作用, 并且可以相互印证。

3.3.3 大气影响分析

为探究AO和ENSO对黄河口海域海冰的影响, 绘制42 a的冬季平均2 m高度温度及500 hPa高度, 如图8(a)所示。再从前文的AOI曲线中取1989、1990、1992、1993、2008、2015、2020共7年为显著AO正异常年; 取1980、1985、1987、1996、2001、2005、2010共7年为显著AO负异常年, 对于ENSO, 则取上文讨论的1997年为正异常年, 紧随其后的1999年作为负异常年, 上述年份均代指该年冬季的数据。绘制AO正负异常年和ENSO正负异常年的2 m温度及500 hPa高度的距平, 如图8(b-e)所示。

图8 2 m温度及500 hPa高度平均和距平分布图

注: 图a中等值线为平均500 hPa高度, 图b、c、d、e中等值线为500 hPa高度距平值, 单位均为m

从图8(a)中可以看出, 渤海冬季平均离地2 m高度气温为0 ℃左右。而500 hPa高度平均分布显示, 其东北部存在一个显著的低压槽, 即东亚大槽, 上方存在一个明显的低压中心。显然, 东亚大槽的强度将影响整个渤海海域的冬季风以及气温, 从而间接影响海冰。

当冬季AO位相为正时, 图8(b)显示500 hPa高度在西北和东北太平洋存在两个显著正异常中心, 对应着2 m高度温度的正异常中心, 其中西北的正异常中心处于东亚大槽的位置。结合图8(a)可以看到, 若该区域正异常, 且其北部存在一个负异常, 这将导致原本向南凸出的等值线向北调整, 低压槽结构被削弱。这表示AO正异常年东亚大槽偏弱, 不利于北极冷空气南下, 东亚大陆的东岸主要受暖中心影响温度偏高, 导致该区域的海冰减少。反之, 当冬季AO位相为负时, 图8(c)显示同样的区域正好存在两个相反的显著负异常中心, 而其北部也存在相反的正异常, 同理, 这将加强东亚大槽, 有利于冷空气南下, 从图中阴影代表的温度距平能看到, 渤海整个海域都处于温度负异常, 导致该区域的海冰增加。

黄河口海冰与ENSO的相关性, 相较AO而言更小, 主要分析其不同相位时的区别。对比图8(d)和图8(e)可见, ENSO处于正位相和负位相时, 2 m高度温度及500 hPa高度在赤道东太平洋分别存在相对高值和低值, 而在北太平洋500 hPa高度则呈现了不同的分布, 正位相时, 正异常与负异常表现为东-西分布, 且负异常强度更大, 负位相时, 二者表现为接近南-北分布, 且二者强度相当, 2 m高度温度距平的分布与之类似。因此, ENSO对黄河口邻近海域的海冰可能是正位相时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, 负相位时该暖中心东移, 不利于海冰生成, 从前文分析可知二者并不存在明显的线性关系。

并且从图5可以看出, 原本1997年至1998年AOI减小, 有利于海冰增加, 但是海冰却减少, 经过上述分析可知强厄尔尼诺事件的发生导致冬季偏暖, 不利于海冰的生成, 这与图7(d)中海冰密集度与尼诺指数呈负相关的结论一致, 并且在图5中2016年左右海冰密集度与AOI的异常正相关同样在此得到了解释。另外, 有研究表明强厄尔尼诺会削弱东亚冬季风的活动[24], 导致气温升高。

3.3.4 黄河径流分析

黄河口邻近海域相比其他海域, 最大的特点是受到黄河径流的影响。对比1979年至2020年黄河利津站的径流量数据和卫星海冰密集度数据, 如图9所示。

图9 黄河利津站径流量与卫星海冰密集度的年际变化对比

从图9可以看到, 二者的整体变化趋势较为相似, 且均在1985年左右发生了一次由高到低的跃变。计算二者相关系数为0.46, 呈明显正相关。黄河径流量增大代表入海淡水量增大, 导致黄河口邻近海域盐度减小, 从而促使海冰增加。

前文计算得到卫星海冰密集度与AOI的相关系数为–0.44, 从相关性的角度来说, 黄河径流导致海水盐度变化, 正向影响黄河口邻近海域的海冰变化, AO的影响则是反向的, 可能是改变局地气温所致, 并且二者得到的相关系数绝对值相近, 这表明在该海域, 影响海冰的最主要因素为气温, 其次为黄河径流、AO, 且二者影响相当。

4 结论与展望

本文针对黄河口海冰的变化特征和机制, 使用2年现场观测数据和42年卫星数据以及ERA5等再分析数据, 采用相关性分析、小波分析和小波相干、大气过程分析等方法进行研究, 本文的结论如下:

(1)在短期变化中, 黄河口邻近海域海冰密集度主要与气、水温呈显著负相关, 尤其是6天负积温, 说明海冰的生成主要受到前6天温度的累积影响;寒潮的发生时间、强度及间隔主要控制了海冰的生成, 但海冰的维持和发展受气温的低频变化所支配。

(2)在长期变化中, 黄河口邻近海域海冰密集度42年来平均每年冬季减小0.25%, 主要原因为气候变化导致的局地气温上升; 海冰密集度还与AOI呈负相关, 因为AOI通过大气过程影响局地气温, 与黄河径流量呈正相关, 因为黄河径流改变海水盐度; 在1985年左右的跃变可能是AOI的跃变和径流的跃变共同作用所致; 在2000年和2016年左右海冰与AOI的异常正相关正好对应了强厄尔尼诺的出现; 小波分析的结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)总体而言, 不论是长期变化还是短期变化, 黄河口海域海冰变化都与气温变化密切相关, 关键问题是引起气温变化的因素并不相同。研究表明, 由于发生海冰的冬季以冷空气过程主导, 黄河口海冰的变化与北极涛动高度负相关, 体现了北半球冷空气过程对冰情的影响。但是, 北极的冷空气受到ENSO过程的制约, 当厄尔尼诺发生时, 会大幅削弱冷空气的影响, 在1997/98和2016/17两次强厄尔尼诺过程中, 都体现了AO和ENSO此消彼长的影响。

本文详细分析了黄河口邻近海域海冰的变化特征和机制, 但由于卫星数据的分辨率和现场观测数据的限制, 仍然没有针对黄河口内的区域进行精细研究, 因此在本文的基础上, 进一步将黄河口研究[25]与海冰研究[26-29]结合起来, 能够拓展对黄河口的认识。

[1] 刘煜, 李宝辉, 李春花, 等. 2006~2007年冬季渤海天气与冰情分析[J]. 海洋预报, 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] 孙明, 袁本坤, 黎舸, 等. 胜利油田作业海域冰情特征及减灾对策[J]. 海洋开发与管理, 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] 季顺迎, 李鹏飞, 刘宏亮, 等. 渤海莱州湾和黄河口附近海冰剪切强度的试验研究[J]. 海洋通报, 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] 张绪良, 谷东起, 陈东景. 2005/2006年度莱州湾东部的海冰灾害及其影响[J]. 海洋湖沼通报, 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 Ocea­nology and Limnology, 2009, 121(2): 131-136.

[6] 刘钦政, 黄嘉佑, 白珊, 等. 渤海冬季海冰气候变异的成因分析[J]. 海洋学报(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] 李剑, 黄嘉佑, 刘钦政. 黄、渤海海冰长期变化特征分析[J]. 海洋预报, 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] 刘煜, 刘钦政, 隋俊鹏, 等. 渤、黄海冬季海冰对大气环流及气候变化的响应[J]. 海洋学报(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] 郑冬梅, 王志斌, 张书颖, 等. 渤海海冰的年际和年代际变化特征与机理[J]. 海洋学报, 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] 刘成, 曹祥村, 尹朝晖, 等. 2007—2018年黄渤海海冰气候特征及其对气象因子的响应[J]. 海洋通报, 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] 孙静琪, 陈笑娟, 李倩, 等. 基于遥感技术的1988—2018年渤海海冰冰情时空变化特征[J]. 灾害学, 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] 药蕾, 苏洁. 渤海海冰与西伯利亚高压之间的关系及与北大西洋涛动之间的可能联系[J]. 中国海洋大学学报: 自然科学版, 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] 纪旭鹏, 赵进平. 北极中央区海冰密集度与云量相关性分析[J]. 海洋学报, 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, 张韧, 洪梅, 等. 基于交叉小波与小波相干的西太平洋副高与东亚夏季风系统的关联性分析[J]. 南京气象学院学报, 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, 王玮, 黎舸, 等. 2015—2016年冬季胶州湾冰情特征分析[J]. 海洋开发与管理, 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. 中国东部冬半年极端降温事件的时空特征及其与北极涛动的联系[D]. 南京: 南京信息工程大学, 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 Techno­logy, 2020.

[24] 李崇银, 穆明权. 东亚冬季风-暖池状况-ENSO循环的关系[J]. 科学通报, 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] 乔守文, 李凡, 秦华伟, 等. 黄河口门位置及入海径流变化对莱州湾盐度分布的影响[J]. 海洋科学, 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] 国巧真, 顾卫, 孙从容, 等. 基于遥感数据的渤海海冰面积提取订正模型研究[J]. 海洋科学, 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, 谢宏全, 杨光. 基于MODIS 影像渤海2012 年海冰变化分析[J]. 海洋科学, 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] 张永梅, 阮成卿, 刘爱超, 等. 基于变分水平集方法的海冰信息自动提取[J]. 海洋科学, 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] 张晰, 张杰, 孟俊敏. Landsat-8 与GF-1 卫星渤海海冰探测能力对比研究[J]. 海洋科学, 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 Niño 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

国家重点研发计划项目(2018YFB1502801); 三亚崖州湾科技城科技专项项目(SCKJ-JYRC-2022-101); 崖州湾科技城南海海洋大数据中心项目(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]

胡世强(1999—), 男, 江西赣州人, 硕士研究生, 主要从事海冰及数值模拟研究, E-mail: hsq@stu.ouc.edu.cn; 于华明(1982—), 山东威海人,通信作者, 主要从事近海动力学及其生态效应研究, E-mail: hmyu@ouc.edu.cn

(本文编辑: 丛培秀)