1982—2021年黄、渤海表层温度变化的线性和非线性特征分析

孙艺迪, 王 德, 高志强, 高 猛, 王跃启

1982—2021年黄、渤海表层温度变化的线性和非线性特征分析

孙艺迪1, 2, 3, 王 德1, 2, 高志强1, 2, 高 猛4, 王跃启1, 2

(1. 中国科学院烟台海岸带研究所, 中国科学院海岸带环境过程与生态修复重点实验室, 山东 烟台 264003; 2. 山东省海岸带环境过程重点实验室, 山东 烟台 264003; 3. 中国科学院大学, 北京 100049; 4. 烟台大学 数学与信息科学学院, 山东 烟台 264000)

近几十年, 全球气候变化背景下的海面温度(Sea Surface Temperature, SST)呈现越来越显著的非线性和非稳定变化特征, 并且在局部海区表现得更加明显。为全面认识海面温度的长期演变过程, 本研究基于1982—2021年间AVHRR海表温度遥感数据, 利用多项式回归趋势分类方法, 系统分析了黄海和渤海(黄渤海)SST近40 a的长期变化及时空分布格局。结果显示: 从1982年到2021年, 黄渤海SST以0.020 ℃/a的平均速度净增加约0.772 ℃, 增温幅度呈现明显的空间异质性和季节非对称性; 从空间上来看, SST变化趋势呈现明显的西高东低的特征; 从季节上来看, SST变化趋势呈现春夏季高、秋冬季低的特征; 受2012年前后全球增温暂缓事件的影响, 黄渤海58.87%的区域表层SST呈现显著的非线性(二次或三次多项式)趋势, 20.62%的区域表现为隐藏的非线性趋势, 4.21%的区域未呈现明显的趋势。结果表明, 在海面温度长期变化研究中应进一步关注其空间异质性、季节对称性以及趋势的非线性特征。

全球变暖; 海面温度; 黄海和渤海; 季节非对称性; 趋势非线性

海面温度(Sea Surface Temperature, SST)作为关键的海洋环境变量, 是海洋表面水热交换的重要参数, 能够指示海洋系统的动力过程[1], 同时通过海气相互作用对降水[2-4]、气候[5-6]以及海洋生态环境变化[7-8]等产生不容忽视的影响。对SST变化的准确描述有助于提高我们对海洋环境和生态系统变化的认识。全球变暖使大气和海水的温度升高, 因此一直是人们持续关注的焦点, 最新政府间气候变化专门委员会(IPCC)第六次气候变化评估(AR6)报告中显示, 自1850—1900年以来全球地表平均温度已上升约1 ℃[9]。已有研究显示, 1970年以来全球海洋持续升温, 特别是近年来SST表现为持续大幅度升高[10]。

海洋温度的变化趋势具有复杂的时空变异特征[11]。虽然从年代际变化角度看, 全球大部分海区SST表现为显著的增温趋势, 但是在极端事件(如: 全球增温停滞)的影响下, SST也可能出现阶段性变化[12-13]。已有研究表明, 全球海面温度在经历20世纪70—90年代的持续增温后, 1998—2012年出现了全球增温暂缓现象, 变暖速率减缓至约0.005 ℃/a[14]。对此, 许多学者展开讨论与研究, 尝试从动力学、热力学等方面对该现象进行解释[15-17]。研究结果发现, 增温停滞现象是外部强迫和气候系统内部变率共同作用所致[18-19], 可能与太平洋年代际涛动(Pacific Decadal Oscillation, PDO)息息相关[20-21]。然而, 全球变暖在经历了十年左右的短暂放缓之后, 2012年开始全球海温再次表现为持续快速的升高, 甚至在近几年更是屡创新高[10]。总的来说, SST在百年尺度上的持续升高顺应了全球变暖的大趋势, 在年代际尺度上则可能表现为明显的阶段性特征, 呈现出短暂的降速、停滞甚至反转。另外, 在全球一致性变暖的背景下, 由于地理环境的差异, 受区域气候变化、变率与关键热动力过程等作用体系调控的不同, 各区域海洋对气候变化的响应具有非均匀性, 特别应关注的是区域性海洋气候变化的方向、速率和幅度差异[22]。因此, 探讨SST长期变化的阶段性和区域性差异有助于深化我们对海洋环境和海洋生态系统长期变化的认识。

在全球气候变化的大背景下, 中国近海SST的时空演化及其对气候和海洋环境变化的响应和影响同样不容忽视。近百年来, 渤海、黄海、东海和南海均出现SST的显著升高[23], 自20世纪80年代以来升温更加明显[24]。1945—2006年期间以0.015 ℃/a速度升高, 总体升温约0.9 ℃[25]。在黄海和渤海(黄渤海)海域, 1870—2011年期间的SST持续升高, 且升温幅度相对较高[26], 渤海在20世纪60—90年代大约升温0.48 ℃[27], 平均升温速率约为0.011 ℃/a[28]。在全球增温停滞期间, 有研究发现我国近海的SST变化趋势与全球平均地表温度变化具有较好的一致性, 停滞或者降温的趋势明显[13, 29-30]。谭红建等通过对东海和南海的研究发现: 其温度变化速率相对较高, 并认为我国近海SST的年代际变化与PDO相位转换的关系密切[30]; 张琪等的研究发现: 1998—2014年黄海、渤海和东海的海温变化呈减小的趋势, 且在此期间海温变化的区域性和季节特征显著[13]; Wang等针对中国海域, 分别对1982—1997年的快速升温期和1998—2013年的增温停滞期进行研究, 提出了不同时期极值海温在空间、季节上存在明显的不对称性[29]。此外, 在不同的时间尺度上, 也有学者对中国近海SST的变化进行了研究, 发现近海SST的年际变化在季节上有显著的差异[1, 11, 31]。

综上所述, 目前我国近海SST的研究时段多至2015/2016年前后为止, 专门针对黄海和渤海研究相对较少; 此外, 近几年来, 新的资料表明SST已进入了全新的加速上升期, 对SST在最近几年的变化仍需持续研究和关注。另外, 以往研究表明, 在全球变暖停滞事件的影响下, 中国近海SST在过去的几十年呈现明显的阶段性振荡。因此, 本研究拟借助多项式回归自动趋势分析和分类方法, 分析1982—2021年黄渤海海域SST的长期变化及时空分布格局。

1 数据来源和方法

1.1 研究区域

黄海和渤海(31°~41°N, 117°~127°E)地理位置如图1所示, 渤海是我国最北的近海, 是一个半封闭的内海; 黄海是西太平洋典型的半封闭边缘海, 具有明显的陆缘海特性。黄渤海(Bohai Sea and Yellow Sea, BYS)SST对沿海地区气候、经济等方面有重要影响。

图1 研究区位置图

(根据审图号GS(2020)4619号的地图制作)

1.2 数据来源

本文选取NOAA/NCDC遥感卫星搭载的AVHRR传感器测得的逐日最优插值海面温度资料, 时间跨度为1982年1月1日至2020年12月31日, 空间分辨率为0.25°×0.25°, 该资料通过最优插值算法融合了卫星、船舶与浮标资料[32-33], 有较高的准确性和较长时间跨度, 广泛应用于长时序的海面温度变化规律的相关研究, 数据获取网址为: http://www. esrl.noaa.gov/psd/data/gridded/data.noaa.oisst.v2.highres.html。本文基于逐日数据产品, 利用算术平均获得SST月均值和年均值数据, 然后提取1982—2021年黄渤海区域(31°~41°N, 117°~127°E)范围的SST资料, 形成40×40网格的SST时间序列, 用于相关的趋势分析。

1.3 研究方法

为了能够描述海面温度的长期变化趋势, 并对比分析线性和非线性趋势的时空分布格局, 本文使用线性最小二乘拟合来量化时间序列的线性趋势及显著性检验。另外, 为了提取和区分不同的时间序列的非线性趋势, 本文引入了Jamali等[34]提出的多项式回归趋势分类方法对时间序列进行分析, 图2为该方法的技术流程。该方法常用于趋势分类和比较研究, 基于多项式回归自动检测和区分不同的趋势类型, 即三次趋势及其隐藏趋势、二次趋势及其隐藏趋势、线性趋势及无显著趋势类型。其中, 在三次或二次多项式拟合显著时, 若时间序列在选定时段内未产生显著净变化(线性趋势不显著), 其趋势类型则被归类至三次或二次隐藏趋势。

图2 多项式趋势分类方法流程

多项式趋势分类方法由3个阶段组成, 首先建立多项式模型并进行三次趋势的多项式拟合, 若在α=0.05的条件下通过检验的显著性评估, 则检测拟合曲线中是否同时存在极大值与极小值。若不符合以上任一条件, 则进入下一个阶段; 若符合条件, 则对其进行线性拟合。如果线性拟合模型的统计结果显著, 则为三次趋势, 否则为三次隐藏趋势。若三次多项式拟合失败, 则进入第二阶段进行二次趋势的多项式拟合, 以相同的流程进行分析, 但在检测极值时仅检测拟合曲线是否存在一个极大值或一个极小值。若符合流程条件, 则对其进行线性拟合。如果线性拟合模型的统计结果显著, 则为二次趋势, 否则为二次隐藏趋势。

在隐藏趋势中, 时间序列存在显著升高-降低-升高(或降低-升高-降低)的三次趋势, 或者显著升高-降低(或降低-升高)的二次趋势, 但在整个研究期间, 时间序列并未出现净增长或净减少的现象[35]。若前两个阶段的多项式拟合结果均失败, 则进入最后阶段进行线性拟合。如果线性模型拟合的统计结果显著, 则为线性趋势, 否则将其归为无趋势类型。

2 结果

2.1 近40 a黄渤海SST的增温特征

2.1.1 区域平均SST的增温特征

对黄渤海区域内SST年平均时序数据进行线性趋势分析, 得到黄渤海SST在1982—2021年的平均变化特征(图3)。过去40年, 黄渤海平均SST总体显著上升, 平均变暖速率为0.020 ℃/a(< 0.01)。如图3所示, 平均SST低值主要出现在两个时期, 分别为1985—1988年和2010—2013年, 在此期间平均SST分别在1987和2011年时达到最小值14.38 ℃和14.51 ℃; 平均SST的显著高值出现在1982—1983年、1997—1998年和2017—2021年3个时间段, 并且平均SST在2021年达到最大值16.06 ℃。

图3 1982—2021年黄渤海年平均SST的线性趋势

黄渤海平均SST在不同月份的线性增温趋势见图4。从结果看, 尽管所有月份的平均SST在过去40年均表现为增加的趋势, 但不同的月份的平均增温速率具有明显的差异。3月至6月和8月增温最快,速率均在0.02 ℃/a以上(<0.05), 其中5月平均增速最快达到0.028 ℃/a。9月至11月份平均增温速率较低, 均小于0.02 ℃/a, 其中9月最低, 增速为0.017 ℃/a; 其中, 冬季的12月至次年2月, 以及夏季的7月增温趋势均不显著(>0.05), 未产生显著的净变化量, 因此在图4中无拟合曲线。

图4 1982—2021年黄渤海不同月份平均SST的线性趋势

2.1.2 SST变化的空间差异

图5为1982—2021年黄渤海年平均SST变化的空间分布, 绿色点状标记表示研究期间格点存在SST净变化, 即线性趋势显著(<0.05)。平均SST的趋势呈现明显的西高东低的形势。渤海海域海温变化均为正趋势, 且渤海湾、莱州湾近岸地区增温平均速率较快(>0.03 ℃/a,<0.05)。自渤海海峡往东, 增温平均速率降低, 直至西朝鲜湾处局部出现负趋势。山东半岛南部和江苏沿岸海域增温平均速率相对较小(>0.02 ℃/a,<0.05), 但长江入海口处增温速率大且出现北向水舌。由黄海中部海域向东到朝鲜半岛近岸地区降温速率逐渐增大, 并在朝鲜半岛西南部达到最快降温(<–0.015 ℃/a,<0.05)。此外, 除朝鲜半岛西南部外, 由黄海中部到朝鲜半岛西岸以及济州岛西南部未出现SST净变化。

表1为黄渤海SST不同月份的线性趋势统计特征。

图5 1982—2021年黄渤海年平均SST趋势的空间分布

表1 1982—2021年黄渤海不同月份SST空间趋势变化所占比例(单位: %)

其中, 无显著趋势是指线性趋势分析结果未呈现明显的变化趋势; 显著增高是指线性分析结果呈现明显的正趋势; 显著降低是指线性分析结果呈现明显的负趋势。从统计结果看, 春季和秋初具有显著趋势变化的格点所占比例较大, 其中3月的比例最高达到60.98%, 而1月、2月和7月大部分海域相对稳定, 平均SST未出现大面积变化, 其中7月份的所占比例最小, 仅有30.04%。从趋势方向来看, 显著增高趋势占绝对主导地位, 3—6月和8—10月显著升温的面积占比均超过50%, 其中3月和10月最大均超过58%, 1—2月和7月占比均未超过35%。此外, 具有显著降温趋势的月份集中在冬季的12月—2月, 占比相对较小均未超过7%。

黄渤海不同月份SST的线性趋势的空间分布如图6所示。结果显示过去40 a黄渤海温度的趋势呈现明显的季节特征。冬季各月份, 渤海出现SST显著净变化面积较小, 且主要集中在渤海中部; 黄海出现SST显著净变化的面积在夏季月份较小, 主要集中于黄海中西部。从趋势变化的平均速率看, SST在春季和夏季变化速度较快, 秋季和冬季变化则相对较慢。在渤海海域, 渤海中部全年平均SST均为升温趋势。辽东湾、渤海湾和莱州湾的SST趋势具有明显的季节分异特征, 11月至次年2月主要为负趋势, 其他月份则以不同速率的增高, 其中莱州湾2月以正趋势变化, 变化相对较早, 辽东湾和渤海湾3月增温速率增大, 在9—10月增温速率逐渐减小。黄海海域整体趋势为西升东降, 北黄海局部近岸海域在12月至次年2月降温速率大, 但3月趋势为增温的面积最大。山东半岛东部近岸海域在大多数月份呈增温趋势, 但1—2月及7月出现小范围降温。长江口近岸海域12月至次年2月降温趋势呈放射状, 3月升温趋势主导且速率相对较高。朝鲜半岛西部近海冬季和春季SST降温速率快, 且由近岸至近海地区速率逐渐减小, 此外, 济州岛西南部在1—4月出现舌状降温趋势。

图6 1982—2021年黄渤海不同月份平均SST线性趋势的空间分布

2.2 近40 a黄渤海SST的非线性趋势特征

2.2.1 区域平均SST的变化特征

将1982—2021年黄渤海SST年平均时序数据经多项式趋势分析后(图7), 发现黄渤海年平均SST在过去40年里呈现显著的三次多项式趋势(<0.01)。从趋势线来看, 1982—2021年间, SST大致经历了逐渐升温-升温放缓-加速升温的非线性变化过程。具体的阶段性变化特征表现为: 1998年之前, SST表现为逐渐升温(0.042 9 ℃/a); 1998—2012年间, SST表现为升温放缓(0.004 7 ℃/a); 2012年之后, SST进入新的加速上升期(0.067 9 ℃/a)。

黄渤海不同月份的平均SST时序的多项式趋势分析结果见图8。其中黑色线表示平均温度的变化; 红色虚线表示显著的线性变化; 蓝色虚线表示显著的非线性变化; 未有显著趋势线的则不划趋势线(7月)。结果来看, 1月、2月和12月为三次隐藏趋势(<0.01), 且均表现为升高-降低-升高, 极大值出现在1995/1996年, 极小值则出现在2010年附近; 3月和4月为三次趋势(<0.01), 同样表现为升高-降低-升高, 极大值出现在1996年, 极小值分别出现在2008年和2009年。5月、6月和8月—11月为线性升温趋势(<0.05), 其中5月升温速率最快, 6月、8月次之, 9—11月升温较慢, 7月则无明显趋势。从季节上看, 春季和冬季SST自1982年开始升高, 以1995/1996年为转折点逐渐降低, 在2010年前后再次进一步升高; 而夏季、秋季SST呈线性上升且增温速率较快。总体而言, 黄渤海SST在冷半年以三次或者三次隐藏趋势为主, 而暖半年以线性增加趋势为主。

图8 1982—2021年黄渤海不同月份平均SST的趋势

2.2.2 SST变化的空间分类

图9为不同趋势类型的空间分布以及所占比例。由图9可见, 黄渤海有超过一半格点趋势类型为三次趋势, 多分布于渤海中部和黄海西部。三次隐藏趋势类型所占面积约为18%, 黄海东部所占面积最大, 小范围分布于山东半岛东部近海。辽东湾、渤海湾以及莱州湾为线性趋势集中分布的区域, 其他类型为线性趋势的格点不规则地分布于黄海。二次趋势及其隐藏趋势所占面积相对较小, 济州岛西南海域呈西北-东南型分布, 而黄河入海口近海则为二次趋势。此外, 归类为无趋势类型的格点仅占约4%, 分布于朝鲜半岛西岸江华湾附近海域。

图9 1982—2021年黄渤海年平均SST趋势类型的空间分布及所占比例

表2为黄渤海平均SST不同月份趋势类型的统计特征。由统计结果看, 线性趋势在4—6月、10—11月占主要地位(>30%), 7—9月次之(>20%)。二次趋势及其隐藏趋势所占面积总体较小, 其中二次趋势主要分布于8—10月(>10%), 二次隐藏趋势则在9—11月时所占面积相对较大(>10%)。三次趋势集中分布于12—3月(>20%), 且3月达到最高占比48.89%; 三次隐藏趋势则大面积分布于1月、2月(>40%)。7月大多数海域变化不明显, 无趋势面积约占比61.53%。

黄渤海平均SST不同月份趋势类型空间分布如图10所示。渤海海域趋势类型分布的变化相对稳定, 主要为线性趋势、三次趋势及其隐藏趋势。渤海中部12月、1月主要为线性趋势, 三次趋势及其隐藏趋势在2、3月占比增大, 4月为线性趋势, 8月大面积海域被二次趋势占据并逐渐向岸消散, 9月由三次趋势过渡, 10—12月由线性趋势主导。渤海湾、辽东湾和莱州湾变化复杂, 大多月份以二次趋势为主, 但在12月至次年3月由三次趋势及其隐藏趋势占主要地位。

黄海12月至次年3月为三次趋势及其隐藏趋势, 其余月份主要为线性趋势并分布于黄海西部。黄海北部海域6、7月无趋势变化, 8月至年末则主要为二次趋势及其隐藏趋势, 伴有少数线性趋势沿岸分布。中部海域7月无趋势变化, 9月海州湾以三次趋势及其隐藏趋势为主, 10月主要类型转变为二次趋势及其隐藏趋势。南黄海海域1—3月以三次趋势及其隐藏趋势为主, 4—8月大面积海域以线性趋势为主, 9—11月自西到东由线性趋势变为二次趋势及其隐藏趋势, 其中济州岛西南部海域在12—2月存在由二次趋势经线性趋势过渡至无趋势类型的舌状区域并深入南黄海。

表2 1982—2021年黄渤海不同月份SST趋势类型所占的空间比例(单位: %)

图10 1982—2021年黄渤海不同月份平均SST趋势类型的空间分布

3 讨论

3.1 黄渤海的平均增温特征及其成因

过去40 a, 黄渤海SST以大约0.020 ℃/a的平均速率升温, 与以往研究相比有一定程度的偏高[36], 偏高的原因主要是2015年之后SST大幅升高。基于多项式回归的非线性趋势分析发现: 过去40 a黄渤海表层平均SST呈显著三次趋势, 即主要历经3个时期: 持续升温-短暂减缓-快速升温, 且减缓时段与广泛关注的全球增温停滞期基本一致[18, 20], 并且平均SST的变化与全球平均地表温度变化亦有较强的一致性[30], 这一定程度上反映了黄渤海温度与陆地温度变化的同步性。

从黄渤海平均SST的变化看(图7), 其平均高温大致出现在1982—1983年、1997—1998年和2017— 2021年3个时间段。目前已有研究表明我国近海SST异常与ENSO事件存在一定关联[37-38], 甚至不同类型厄尔尼诺的不同时期也使SST产生不同变化方向的异常[39-40], 作为ENSO事件表征的PDO相位与SST存在一定关系, 并通过东亚季风影响我国近海SST[30]。根据中国气象局国家气候中心发布的《ENSO历史事件统计表》(http://cmdp.ncc-cma.net/download/ ENSO/Monitor/ENSO_history_events.pdf)并结合图7发现, 在ENSO暖事件(厄尔尼诺)发生的年份, 黄渤海年均SST偏高, 特别在发生超强事件的1982—1983年和1997—1998年尤为典型。在大尺度超强暖事件的影响下, 海气相互作用强烈, 黄渤海SST在短时间内大幅抬升, 导致SST在短时间大幅度抬升之后的十年际尺度上的趋势表现为增速减缓, 进而造成了黄渤海平均SST在近40 a整体时间上的波动变化。因此, 黄渤海SST的这种长期的非线性趋势一定程度上体现了局部海域对全球性气候变化冷暖事件的响应。

黄渤海不同月份的平均SST的趋势分析结果显示, 黄渤海平均SST在除7月之外的暖季(5—11月)大致表现为线性增加, 且夏季月份增温相对较快。而冷季的12月至次年4月多表现为三次趋势或三次隐藏趋势, 趋势变化大致为升高-减缓-升高。因此, 整体上看, 黄渤海平均SST的变化表现为显著的冷、暖季非对称特征。冷季受黄海暖流和强烈冬季风的影响, 水体稳定性差, SST年际变化的波动性较大。而暖季黄渤海受冷水团控制, 加之季风减弱, 水体稳定性增强, SST年际变化较为稳定。

3.2 黄渤海SST变化的时空差异及其成因

黄渤海SST受太阳辐射、大陆气候和海流等多种环境因素直接或间接影响, 如冬季黄海暖流能够稳定暖流区SST[41], 夏季黄海中部的冷水团也会对SST产生一定影响[42], 因此, 地理环境差异以及区域气候变化等各种不同要素共同作用形成了黄渤海SST非均匀的时空分布格局。

从年空间分布上来看, 渤海海域持续升温, 海湾地区受邻近陆地影响对气温响应快, 变化速率快, 随着全球气温持续升高, 平均SST相对升温趋势较强, 且强趋势地区多表现为线性趋势, 而中部海域SST则以三次趋势形势增高。黄海与外海水体交换相对充分, SST变化速率相对较小但具有较强的空间异质性, 自西向东趋势由升温过渡到降温。黄海西部和中部多以三次趋势升温, 受地形和潮差影响, 西朝鲜湾和朝鲜半岛南部西岸海域以降温趋势为主且表现为三次隐藏趋势, 由此可以证明升温现象主要是由线性趋势主导。纬向风驱动海水运动产生上升流, 随着渤海和黄海表底层海水交换而导致SST发生变化。

根据不同月份的空间趋势分析结果, 黄渤海SST季节特征差异明显。春季和夏季SST变化幅度大, 主导的趋势类型由三次趋势及其隐藏趋势逐渐转变为线性趋势。随着太阳辐射增强, 气温升高, 3月大部分海域升温速率快。渤海中部SST变化多由线性趋势主导, 渤海湾、莱州湾和辽东湾SST升温速率增大, 趋势类型由三次趋势变为二次趋势, 8月则基本为二次趋势。进入夏季后, 黄海西部SST以线性趋势升高, 但大部分海域受低温冷水团控制, 趋势相对较弱且未产生净变化。

秋季和冬季SST趋势则相对稳定, 由线性趋势逐渐转变为三次趋势及其隐藏趋势。9月渤海中部SST升温速率放缓且主导趋势由三次趋势变为线性趋势。在陆地气温的影响下, 渤海湾、莱州湾、辽东湾和西朝鲜湾水深浅, 海面温度变化幅度大、变化速率快[41]且对气温响应快, 以降温趋势为主且降温速率快, 12月降温速率达到最大, 多表现为三次隐藏趋势。黄海海域受冬季黄海暖流影响多以三次趋势及其隐藏趋势形式升温, 自西向东趋势由升高向降低转变。黄海暖流能够使流经地区SST稳定, 因此济州岛西南部水体呈舌状深入南黄海[43], 趋势类型由二次趋势经线性趋势过渡至无趋势类型, 且SST趋势无净变化。长江入海口近岸海域SST增温秋季速率减缓, 在冬季以三次趋势-三次隐藏趋势呈放射状降温, 次年春季受径流影响升温变化明显。

季风系统的变化能够通过海气热交换影响海温, 黄渤海地处东亚季风区, 冬季盛行干冷的西北季风, 带来强冷空气冷却表层海水, 且大风增加海表蒸发潜热, 降低海面温度; 而夏季盛行偏南风, 来自热带海洋的暖湿气流能够相对稳定海温变化。在全球气候变化背景下, 东亚季风强度自1979年至2020年整体呈减弱趋势, 其中东亚冬季风指数存在阶段性变化, 20世纪80至90年代较弱, 20世纪90年代至20世纪末偏强, 且在进入21世纪后至2020年几乎持续较弱[44]。在此期间黄渤海冬季SST产生一定程度的趋势响应, 在1997/1998年附近海面温度趋势增长速度开始减缓。研究发现东亚季风在冬季与黄渤海SST相关关系显著且与黄海SST具有相对较高的关联程度。东亚冬季风指数与SST负相关性显著[45], 东亚冬季风的减弱[36]也对黄海海域SST趋势增高有一定程度的影响。此外, 黑潮及其分支的热输送影响我国东海及南黄海海域海洋环境[46], 研究发现黑潮自1981年以来温度长期增高[47], 这对黄海南部的海面温度趋势的增高也存在一定程度影响。

总体来看, 在全球气温变暖的时候, 黄渤海海面温度加速上升, 而当变暖停滞时, 黄渤海海面温度增速减缓。在气温、季风等因素的作用下, 海洋上层大气通过热量交换影响海面温度变化, 黄渤海对全球气候变化的响应敏感。

3.3 本研究的局限性和展望

本文利用AVHRR OISST产品分析了1982—2021年黄渤海SST长期变化及时空分布格局, 该数据产品空间分辨率为0.25°×0.25°, 但研究区域内的渤海海域面积相对较小且三面环陆, 黄海为相对半封闭的边缘海, 因此可以考虑通过使用更高空间分辨率的数据来完善近岸地区SST变化的研究。ENSO作为与全球气候变化异常息息相关的周期性热带太平洋SST异常现象, 对中国近海SST也有一定程度影响, 但由于影响黄渤海SST的环境因素较多, 因此与之相关的研究较少, 后续可以通过区分不同海域范围和时期并采用其他相关指数来探索黄渤海对该现象的响应。此外, 长期以来, 黄渤海SST受陆地、季风等地理环境因素和气候区域性特征影响表现出阶段性变化, 因此针对全球增温停滞期黄渤海SST时空格局特征以及该时期SST变化对临近陆地气候、海洋生态环境的影响也待进一步探究。

4 结论

本文基于AVHRR最优插值海面温度遥感资料, 采用多项式趋势回归与分类方法系统地分析了1982—2021年黄渤海SST长期变化的线性和非线性特征及空间分布格局, 得到以下结论:

1)在1982—2021年间, 黄渤海SST整体以0.020 ℃/a平均速率升温, 期间净增加约0.772 ℃, 表现为显著的三次趋势, 1982—1998年SST迅速升高, 1998—2012年期间短暂减缓, 2012—2021年SST再次加速升高。在空间分布上, SST东西空间格局差异大, 趋势表现为西部升温而东部降温, 升温区域由三次趋势主导, 降温区域由三次隐藏趋势主导。整体来看, 受全球增温暂缓事件的影响, 黄渤海58.87%的区域表层SST呈现显著的非线性(二次或三次)趋势, 20.62%的区域表现为隐藏的非线性趋势。

2)近40年来, 黄渤海月平均SST整体表现为变暖的趋势, 但受气候特征、海水稳定性的影响, SST趋势的季节非对称性明显, 春季、夏季SST表现为持续快速升温, 而秋季和冬季SST则表现为较强的波动性变化, 即黄渤海SST在冷半年主要表现为升高-减缓-升高的三次或者三次隐藏趋势且波动明显、面积范围广, 而暖半年则相对稳定, 以线性增加趋势为主。

[1] 鲍献文, 万修全, 高郭平, 等. 渤海、黄海、东海AVHRR海表温度场的季节变化特征[J]. 海洋学报(中文版), 2002, 24(5): 125-133.

BAO Xianwen, WAN Xiuquan, GAO Guoping, et al. The characteristics of the seasonal variability of the sea surface temperature field in the Bohai Sea, the Huanghai Sea and the East China Sea from AVHRR data[J]. Acta Oceano­logica Sinica, 2002, 24(5): 125-133.

[2] HE J, JOHNSON N C, VECCHI G A, et al. Precipitation sensitivity to local variations in tropical sea surface tem­pe­ra­ture[J]. Journal of Climate, 2018, 31(22): 9225- 9238.

[3] TRENBERTH K E, BRANSTATOR G W, KAROLY D, et al. Progress during TOGA in understanding and modeling global teleconnections associated with tropical sea surface temperatures[J]. Journal of Geophysical Resea­rch: Oceans, 1998, 103(C7): 14291-14324.

[4] 黄晓璐, 徐海明, 邓洁淳. 冬季中国近海海表温度的长期升高及其对中国降水的影响[J]. 气象学报, 2015, 73(3): 505-514.

HUANG Xiaolu, XU Haiming, DENG Jiechun. Long- term rising of SST over the marginal seas of China in winter and its impact on precipitation in China[J]. Acta Meteorologica Sinica, 2015, 73(3): 505-514.

[5] 陈佩燕, 倪允琪, 殷永红. 近50年来全球海温异常对我国东部地区冬季温度异常影响的诊断研究[J]. 热带气象学报, 2001, 17(4): 371-380.

CHEN Peiyan, NI Yunqi, YIN Yonghong. Diagnostic study on the impact of the global sea surface tempera­ture anomalies on the winter temperature anomalies in eastern China in past 50 years[J]. Journal of Tropical Meteorology, 2001, 17(4): 371-380.

[6] 陈少勇, 张燕霞, 夏权, 等. 中国东部冬季气温异常与海表温度异常的关系分析[J]. 高原气象, 2009, 28(5): 1181-1188.

CHEN Shaoyong, ZHANG Yanxia, XIA Quan, et al. Analysis of relationship between winter air temperature in eastern China and sea surface temperature anomaly[J]. Plateau Meteorology, 2009, 28(5): 1181-1188.

[7] BEHRENFELD M J, O’MALLEY R T, SIEGEL D A, et al. Climatedriven trends in contemporary ocean producti­vity[J]. Nature, 2006, 444(7120): 752-755.

[8] 官文江, 高峰, 陈新军. 卫星遥感在海洋渔业资源开发、管理与保护中的应用[J]. 上海海洋大学学报, 2017, 26(3): 440-449.

GUAN Wenjiang, GAO Feng, CHEN Xinjun. Review of the applications of satellite remote sensing in the exp­loi­tation, management and protection of marine fishe­ries resources[J]. Journal of Shanghai Ocean University, 2017, 26(3): 440-449.

[9] IPCC. Climate change 2021: The physical science basis. Contribution of working group I to the sixth assessment report of the intergovernmental panel on climate change[M]. Cambridge, United Kingdom and New York, NY, USA: Cambridge University Press, 2021.

[10] CHENG L J, ABRAHAM J, HAUSFATHER Z, et al. How fast are the oceans warming?[J]. Science, 2019, 363(6423): 128-129.

[11] JIN Q, WANG H. Multitime scale variations of sea surface temperature in the China seas based on the HadIsst dataset[J]. Acta Oceanologica Sinica, 2011, 30(4): 14-23.

[12] WANG F, MENG Q J, TANG X H, et al. The long-term variability of sea surface temperature in the seas east of China in the past 40 a[J]. Acta Oceano­logica Sinica, 2013, 32(3): 48-53.

[13] 张琪, 龙景超. 东中国海海温在增暖停滞期的变化特征及成因分析[J]. 海洋预报, 2021, 38(1): 78-82.

ZHANG Qi, LONG Jingchao. The characteristics and causes of sea surface temperature variations in the warming hiatus period over the eastern China seas[J]. Marine Forecasts, 2021, 38(1): 78-82.

[14] IPCC. Climate change 2013: The physical science basis. Contribution of working group I to the fifth assessment report of the intergovernmental panel on climate change[M]. Cambridge, United Kingdom and New York, NY, USA: Cambridge University Press, 2013.

[15] ENGLAND M H, MCGREGOR S, SPENCE P, et al. Recent intensification of wind-driven circulation in the Pacific and the ongoing warming hiatus[J]. Nature climate Change, 2014, 4(3): 222-227.

[16] MEEHL G A, HU A X, ARBLASTER J M, et al. Externally forced and internally generated decadal climate variability associated with the Interdecadal Pacific Oscillation[J]. Journal of Climate, 2013, 26(18): 7298-7310.

[17] WANG C Y, XIE S P, KOSAKA Y, et al. Global influence of tropical Pacific variability with implications for global warming slowdown[J]. Journal of Climate, 2017, 30(7): 2679-2695.

[18] XIE S P, KOSAKA Y. What caused the global surface warming hiatus of 1998–2013?[J]. Current Climate Change Reports, 2017, 3(2): 128-140.

[19] 徐一丹, 李建平, 汪秋云, 等. 全球变暖停滞的研究进展回顾[J]. 地球科学进展, 2019, 34(2): 175-190.

XU Yidan, LI Jianping, WANG Qiuyun, et al. Review of the research progress in global warming hiatus[J]. Advances in Earth Science, 2019, 34(2): 175-190.

[20] KOSAKA Y, XIE S P. Recent global-warming hiatus tied to equatorial Pacific surface cooling[J]. Nature, 2013, 501(7467): 403-407.

[21] MCGREGOR S, TIMMERMANN A, STUECKER M F, et al. Recent Walker circulation strengthening and Pacific cooling amplified by Atlantic warming[J]. Nature Climate Change, 2014, 4(10): 888-892.

[22] 齐庆华, 蔡榕硕. 中国近海海表温度变化的极端特性及其气候特征研究[J]. 海洋学报, 2019, 41(7): 36-51.

QI Qinghua, CAI Rongshuo. Analysis on climate charac­teristics of sea surface temperature extremes in coastal China seas[J]. Haiyang Xuebao, 2019, 41(7): 36-51.

[23] 伍玉梅, 徐兆礼, 樊伟, 等. 1985—2005年东海海表温度时空变化特征分析[J]. 海洋学报(中文版), 2011, 33(6): 9-18.

WU Yumei, XU Zhaoli, FAN Wei, et al. Changes of sea surface temperature in East China Sea during 1985— 2005[J]. Acta Oceanologia Sinica, 2011, 33(6): 9-18.

[24] 张秀芝, 裘越芳, 吴迅英. 近百年中国近海海温变化[J]. 气候与环境研究, 2005, 10(4): 799-807.

ZHANG Xiuzhi, QIU Yuefang, WU Xunying. The long- term change for sea surface temperature in the last 100 years in the offshore sea of China[J]. Climatic and Envi­ronmental Research, 2005, 10(4): 799-807.

[25] 冯琳, 林霄沛. 1945—2006年东中国海海表温度的长期变化趋势[J]. 中国海洋大学学报(自然科学版), 2009, 39(1): 13-18.

FENG Lin, LIN Xiaopei. Long-term trend of the East China Sea surface temperature during 1945—2006[J]. Periodical of Ocean University of China, 2009, 39(1): 13-18.

[26] BAO B, REN G Y. Climatological characteristics and long- term change of SST over the marginal seas of China[J]. Continental Shelf Research, 2014, 77(1): 96-106.

[27] 方国洪, 王凯, 郭丰义, 等. 近30年渤海水文和气象状况的长期变化及其相互关系[J]. 海洋与湖沼, 2002, 33(5): 515-525.

FANG Guohong, WANG Kai, GUO Fengyi, et al. Long- term changes and identifications of annual variations of the hydrographical and meteorological parameters of the Bohai Sea during recent 30 years[J]. Oceanologia et Limnologia Sinica, 2002, 33(5): 515-525.

[28] LIN C L, SU J L, XU B R, et al. Long-term variations of temperature and salinity of the Bohai Sea and their influence on its ecosystem[J]. Progress in Oceanography, 2001, 49(1/4): 7-19.

[29] WANG Q Y, LI Y, LI Q Q, et al. Sea surface tempe­rature extremes of different intensity in the China Seas during the global warming acceleration and hiatus periods[J]. Journal of Tropical Meteorology, 2020, 26(4): 473-482.

[30] 谭红建, 蔡榕硕, 黄荣辉. 中国近海海表温度对气候变暖及暂缓的显著响应[J]. 气候变化研究进展, 2016, 12(6): 500-507.

TAN Hongjian, CAI Rongshuo, HUANG Ronghui. Enha­nced responses of sea surface temperature over offshore China to global warming and hiatus[J]. Climate Change Research, 2016, 12(6): 500-507.

[31] 郭世安, 张海彦, 魏皓, 等. 2013—2019年渤海夏季高温现象及机制分析[J]. 海洋与湖沼, 2022, 53(2): 269-277.

GUO Shian, ZHANG Haiyan, WEI Hao, et al. Summer high temperature phenomenon and its mechanisms in the Bohai Sea form 2013 to 2019[J]. Oceanologia et Limnologia Sinica, 2022, 53(2): 269-277.

[32] BANZON V, SMITH T M, CHIN T M, et al. A long- term record of blended satellite and in situ sea-surface temperature for climate monitoring, modeling and environmental studies[J]. Earth System Science Data, 2016, 8(1): 165-176.

[33] REYNOLDS R W, SMITH T M, LIU C Y, et al. Daily high-resolution-blended analyses for sea surface tempera­­ture[J]. Journal of Climate, 2007, 20(22): 5473-5496.

[34] JAMALI S, SEAQUIST J, EKLUNDH L, et al. Auto­ma­ted mapping of vegetation trends with polynomials using NDVI imagery over the Sahel[J]. Remote Sensing of Environment, 2014, 141(141): 79-89.

[35] KAZEMZADEH M, HASHEMI H, JAMALI S, et al. Linear and nonlinear trend analyzes in global satellite- based precipitation, 1998–2017[J]. Earth’s Future, 2021, 9(4): e2020EF001835.

[36] 刘伊格. 渤海和黄海海表温度变化及成因分析[D]. 南京: 南京大学, 2019.

LIU Yige. Sea surface temperature change and cause analysis in the Bohai Sea and the Yellow Sea[D]. Nanjing: Nanjing University, 2019.

[37] WANG M, GUO J R, SONG J, et al. The correlation between ENSO events and sea surface temperature anomaly in the Bohai Sea and Yellow Sea[J]. Regional Studies in Marine Science, 2020, 35(C): 101228.

[38] 曹丛华, 曲如美, 张惠滋. 东中国海海温场对厄尔尼诺与反厄尔尼诺事件的响应[J]. 海洋预报, 1999, 16(4): 39-45.

CAO Conghua, QU Rumei, ZHANG Huizi. Response of sea surface temperature in eastern China Sea to El Niño and La Nina event[J]. Marine Forecasts, 1999, 16(4): 39-45.

[39] 李玲莉, 王林慧, 宋军, 等. 两类El Niño事件对中国近海及毗邻海域海表温度的影响[J]. 海洋科学, 2021, 45(4): 51-63.

LI Lingli, WANG Linhui, SONG Jun, et al. Effects of two types of El Niño events on the sea surface tempe­rature in China’s offshore and adjacent seas[J]. Marine Sciences, 2021, 45(4): 51-63.

[40] 吴国丽, 李思航, 刘子洲, 等. 2015/2016年超强厄尔尼诺期间热带西太平洋海洋环流变化特征[J]. 海洋科学, 2020, 44(1): 8-18.

WU Guoli, LI Sihang, LIU Zizhou, et al. Variations in the tropical Western Pacific gyre during the 2015/2016 super El Niño event[J]. Marine Sciences, 2020, 44(1): 8-18.

[41] 于华明, 李冀, 于海庆, 等. 黄海暖流区SST年际变化分析[J]. 海洋预报, 2020, 37(5): 34-41. YU Huaming, LI Ji, YU Haiqing, et al. Analysis of the interannual variation of the SST in the Yellow Sea Warm Current area[J]. Marine Forecasts, 2020, 37(5): 34-41.

[42] 褚芹芹, 于华明, 李松霖, 等. 黄海海表温度与冷水团年际变化关系的分析研究[J]. 海洋预报, 2021, 38(2): 21-30.

CHU Qinqin, YU Huaming, LI Songlin, et al. Study of the correlation between SST and inter-annual variation of the cold water mass in the Yellow Sea[J]. Marine Forecasts, 2021, 38(2): 21-30.

[43] 郝佳佳. 河流和暖平流对中国东部近海逆温层影响的数值研究[J]. 海洋科学, 2020, 44(3): 1-14.

HAO Jiajia. Numerical study of the influence of river and warm advection on the temperature inversion in the eastern China seas[J]. Marine Sciences, 2020, 44(3): 1-14.

[44] 郭政伟. 1979—2020年东亚季风的时空分布特征[J]. 地球科学前沿, 2021, 11(10): 1283-1293.

GUO Zhengwei. Temporal and spatial distribution charac­teristic of East Asian Monsoon from 1979 to 2020[J]. Advances in Geosciences, 2021, 11(10): 1283- 1293.

[45] 蔡榕硕, 陈际龙, 谭红建. 全球变暖背景下中国近海表层海温变异及其与东亚季风的关系[J]. 气候与环境研究, 2011, 16(1): 94-104.

CAI Rongshuo, CHEN Jilong, TAN Hongjian. Varia­tions of the sea surface temperature in the offshore area of China and their relationship with the East Asian Monsoon under the global warming[J]. Climatic and Environmental Research, 2011, 16(1): 94-104.

[46] 王建丰, 司广成, 于非. 2020. 台湾暖流变化特征及机制研究进展[J]. 海洋科学, 44(5): 141-148.

WANG Jianfeng, SI Guangcheng, YU fei. 2020. Progress in studies of the characteristics and mechanisms of variations in the Taiwan Warm Current[J]. Marine Sciences, 44(5): 141-148.

[47] 易香妤, 董文杰, 李劭怡, 等. 中国东海黑潮海温变化特征及成因分析[J]. 海洋预报, 2021, 38(3): 38-51.

YI Xiangyu, DONG Wenjie, LI Shaoyi, et al. The cha­rac­teristics of sea temperature variation in the Kuroshio area in the East China Sea and its causes[J]. Marine Forecasts, 2021, 38(3): 38-51.

Linear and nonlinear trend analyses of sea surface temperature in the Bohai and Yellow Seas of China during 1982-2021

SUN Yi-di1, 2, 3, WANG De1, 2, GAO Zhi-qiang1, 2, GAO Meng4, WANG Yue-qi1, 2

(1. CAS Key Laboratory of Coastal Environmental Processes and Ecological Remediation, Yantai Institute of Coastal Zone Research, Chinese Academy of Sciences, Yantai 264003, China; 2. Shandong Key Laboratory of Coastal Environmental Processes, Yantai 264003, China; 3. University of Chinese Academy of Sciences, Beijing 100049, China; 4. School of Mathematics and Information Sciences, Yantai University, Yantai 264000, China)

Over the past few decades, the sea surface temperature (SST) has exhibited increasingly noticeable characteristics of nonlinear and unstable changes in the context of global climate change, particularly in specific local sea areas. This study aims to comprehensively understand the long-term evolution of SST by proposing a novel polynomial-based trend classification model. This model was used for detecting the long-term trends in SST using satellite-based AVHRR SST data from 1982 to 2021, with a special emphasis on the Bohai and Yellow Seas (BYS). It was revealed that the SST of the BYS was increasing by an average of 0.020 ℃/a in the 1982–2021 period, in which time it increased by 0.772 ℃ overall. The magnitude of warming exhibited distinct spatial heterogeneity and seasonal asymmetry. On the spatial scale, the SST trend was higher in the western part than in the eastern part of the BYS. On the seasonal scale, the SST trend was higher during spring and winter than during summer and autumn. During the period of the global warming hiatus around 2012, a substantial nonlinear trend (quadratic or cubic) dominated 58.87% of the area, a concealed nonlinear trend occupied 20.62% of the area, and no considerable trend was detected in 4.21% of the BYS. This study suggests that more attention should be paid to the spatial heterogeneity, seasonal asymmetry, and nonlinear feature of these trends in long-term SST trend evaluation.

global warming; sea surface temperature; Bohai and Yellow Seas; seasonal asymmetry; nonlinear trend

Oct. 27, 2022

P731.11

A

1000-3096(2023)5-0041-13

10.11759/hykx20221027002

2022-10-27;

2022-12-14

山东省自然科学基金项目(ZR2022MD028, ZR2020KF031); 国家自然科学基金项目(42030402)

[Shandong Provincial Natural Science Foundation, Nos. ZR2022MD028, ZR2020KF031; National Natural Science Foundation of China, No. 42030402]

孙艺迪(1997—), 女, 山东烟台人, 硕士研究生, 研究方向: 海洋环境遥感技术与应用, E-mail: ydsun@yic.ac.cn; 王跃启(1984—), 山东济宁人,通信作者, 副研究员, 研究方向: 海洋生态环境遥感, E-mail: yueqiwang@yic.ac.cn

(本文编辑: 丛培秀)