基于南海温盐流数值产品的南海气候态温跃层、温度锋和中尺度涡评估

尹汉军，谢波涛，黄必桂，朱宇航，彭世球，李毅能，程高磊

（1.中海油研究总院有限责任公司，北京100027；2.中国科学院南海海洋研究所 热带海洋环境国家重点实验室，广东广州510301；3.北部湾大学 广西北部湾海洋灾害研究重点实验室，广西钦州535011；4.南方海洋科学与工程广东省实验室（广州），广东 广州511458）

0 引言

南海作为我国最大的边缘海，地理战略地位极其重要。南海不仅拥有丰富的油气、矿产、渔业等资源，同时也是连接西北太平洋与印度洋的重要输运通道，其海上航行、渔业捕捞、工程作业等活动频繁。但是，受东亚季风和黑潮的影响，南海海洋环境状况复杂，海上灾害频发，严重影响着我国在南海诸多活动的安全。因此，为了维护我国在南海的核心利益，确保我国在南海海上活动的安全，亟需不断加强南海的海洋环境保障。

海洋环境要素对南海海洋环境的影响不仅体现在温盐流和水位等常规要素中，更体现在包括温跃层、温度锋和中尺度涡等海洋现象要素中，它们对海上活动的安全保障有着各自的影响。海洋温跃层是海洋水体温度在垂向上急剧变化的过渡层，其分布直接影响着海水的声呐探测，进而影响海上航行安全；此外，温跃层与内波的关系十分密切，内波作为南海海域较为活跃的海洋现象之一，对海上工程设施等有着潜在的巨大破坏力，因此，南海温跃层也间接影响着南海海上工程设施的安全。南海温跃层有着典型的季节变化特征[1-5]，不同季节其结构分布差别巨大，因此要消除温跃层对南海海洋活动安全的负面影响，必须对南海温跃层的时空分布特征有深入的了解。温度锋也是南海特别是其北部海域常见的海洋现象之一。温度锋指的是海洋水平方向上毗邻的温度明显不同的两种或几种水体之间的狭长过渡带。前人研究表明，南海温度锋受风应力、大尺度环流和气候变暖等影响，其分布和出现频率表现出明显的季节变化特征[6-7]。温度锋在陆架海系统中起着重要的作用，并影响着陆架海的生态环境、渔业环境和区域气候[8-9]，在海洋渔业、环境保护、水声技术利用等方面具有重要的应用价值。中尺度涡是南海海域最重要的海洋现象之一，其在南海海域活动频繁[10-11]。南海中尺度涡在南海海洋动量、热量及其他示踪物（如叶绿素等）的输送中起着重要的作用[12]，对渔业发展有着重要的影响；此外，中尺度涡引起的海洋层结变化也严重影响声呐水声探测和船只的安全航行。综上所述，南海海洋环境保障不仅要求获取准确的南海常规海洋要素信息，还需要对南海的现象要素有精确的感知。

南海海洋环境保障研究离不开数据，特别是长时间连续和高时空分辨率的海洋数据集的支持，数据集主要来自于数值模式模拟产品和再分析数据产品。目前，国内外覆盖南海区域的上述产品不少，例如：国际著名的简单海洋数据同化（Sample Ocean Data Assimilation，SODA）再分析产品[13-14]，其空间分辨率为1/8°×1/8°，但时间分辨率仅为5 d；混合坐标大洋环流模式（Hybrid Coordinate Ocean Model，HYCOM）再分析数据集[15]的空间分辨率为1/12°×1/12°，时间分辨率为1 d；国内自主研发的中国海洋 再分析（China Ocean Reanalysis，CORA）v1.0 数据产品[16-17]的空间分辨率为1/8°×1/8°，时间分辨率为1 d；南海海洋再分析（Reanalysis Dataset of the South China Sea，REDOS）v1.0 产品[18]的空间分辨率为1/10°×1/10°，时间分辨率为1 d；全球高分辨率冰-海耦合再分析产品（CORAv2.0）为国内仅有的含潮再分析数据集，空间分辨率为1/12°×1/12°，时间分辨率为1 d。以上覆盖南海海区的数值产品的空间分辨率皆为涡分辨率，基本满足南海中尺度海洋现象的分析要求，但大部分数据的时间分辨率较粗，且不包含潮强迫，无法满足对南海潮汐和潮流及更小时间尺度现象的研究需求。

因此，本研究基于区域海洋模式系统（Regional Ocean Model System，ROMS）构建了一套覆盖南海区域40 a（1980—2019年）的涡分辨率逐时温盐流数据集产品OCEAN_SCS，以支撑南海海洋环境保障的数据需求。通过与各类实测资料对比，我们前期验证了OCEAN_SCS 数据集对南海海表温度（Sea Surface Temperature，SST）、盐度、流场、海表高度（Sea Surface Height，SSH）和水位的模拟精度[19]。本研究我们将从海洋现象要素（包括季节性温跃层、温度锋和中尺度涡）的角度对OCEAN_SCS 数据集进行进一步的评估，同时参与对比的还有包含了资料同化的HYCOM再分析数据产品。

1 数据集介绍

1.1 模式介绍与设置

OCEAN_SCS数据集基于ROMS[20-21]构建，版本为法国发展研究院（Institut de Recherche pour le Développment，IRD）开发的ROMS_ARGIF 3.3.1[22-23]。模式区域范围包括了南海和部分西北太平洋区域（99°～134°E，1°～30°N，见图1），水平分辨率为1/10°×1/10°，垂向采用S 坐标，分32 层。模式海底地形采用国际航道测量组织（International Hydrographic Organization，IHO）提供的15″×15″世界大洋深度 图（General Bathymetric Chart of the Ocean，GEBCO）2019版数据[24]。为了减少大梯度地形对模式模拟精度的影响，本研究将GEBCO 2019 地形数据插值到模式网格点的同时对地形数据进行了适当的平滑。模式开边界方案为适合潮强迫的Flather边界方案，垂向混合方案采用KPP（K-profile parameterization）方案[25]。模式最大和最小水深分别设置为5 000 m和10 m，积分时间步长为600 s。

图1 模式区域范围和地形Fig.1 The model domain and topography

1.2 数据集构建

模式侧边界条件使用的温盐流和SSH数据来自SODA[26-28]3.4.2版本每5 d一次的结果，水平分辨率为0.25°×0.25°。大气强迫数据包括10 m风场，短波辐射、长波辐射、海表气温、海表湿度、降水率，数据源为欧洲中期天气预报中心（European Centre for Medium-Range Weather Forecasts，ECMWF）提供的第五代大气再分析产品ERA5（Fifth Generation ECMWF Atmospheric Reanalysis）[29]每6 h一次的结果，水平分辨率为0.25°×0.25°。为了提高大气风场强迫的精度，本研究将ERA5的10 m风场数据与HOLLAND[30]模式的经验台风风场数据进行融合作为模式强迫风场。大气强迫数据通过块体公式[31]转化为模式所需风应力、热通量和淡水通量，其中风应力计算取自PENG等[32]的南海最优风应力拖曳系数计算公式。

模式的侧边界潮强迫采用基于10 个主要分潮（M2、S2、N2、K2、K1、O1、P1、Q1、M4、MS4）的调和常数计算的潮位和潮流，数据来自于俄亥俄州立大学提供的TPXO8 全球潮汐数据产品[33]，水平分辨率为1/30°×1/30°。我们将TPXO8数据插值到本模式开边界的网格上，然后计算开边界处的潮汐和潮流预报值，并分别加到SODA 数据集的SSH 和流场中作为开边界强迫。公式如下：

式中：η为水位/流速的东西（u）/南北（v）分量；A0为平均海面高度，此处设为0（计算潮流时A0也为0）；H和g是分潮水位/流速的振幅和迟角；V0是分潮的格林威治天文初相角，决定推算的起始时刻；σ为分潮的角速度；下标i代表不同的分潮。

OCEAN_SCS数据集在构建前需要一个动力平衡的海洋初始场。本研究首先利用SODA 3.4.2 数据集和ERA5 数据集40 a（1980—2019 年）的气候态月平均场对模式进行驱动，即“SPIN-UP”过程，在该过程中模式不添加潮强迫。经过10 a的“SPIN-UP”模拟，我们获得了一个动力上相对稳定的海洋初始状态场，并基于此初始场进行40 a 的真实模拟。我们将模式模拟输出的基于sigma 坐标的结果插值到从海表～5 000 m 水深共分为40 层的深度坐标中（0 m、2 m、4 m、6 m、8 m、10 m、12 m、15 m、20 m、25 m、30 m、35 m、40 m、45 m、50 m、60 m、70 m、80 m、90 m、100 m、125 m、150 m、200 m、250 m、300 m、350 m、400 m、500 m、600 m、700 m、800 m、900 m、1 000 m、1 250 m、1 500 m、2 000 m、2 500 m、3 000 m、4 000 m、5 000 m），并按每24 h为一个数据文件以网络通用数据格式（Network Common Data Form，NetCDF）输出，从而得到最终的OCEAN_SCS数据集。OCEAN_SCS数据集的详细介绍可参考文献[19] 。

2 海洋现象要素评估

2.1 温跃层评估

2.1.1 评估方法

温跃层的评估主要对象为OCEAN_SCS 数据集多年月平均状态场计算的南海季节性温跃层参数，包括温跃层上界深度（即温跃层深度）、温跃层厚度和温跃层强度，评估范围为99°～122°E，1°～30°N，评估参照的对象为前人的研究成果和基于HYCOM 再分析数据产品计算的结果。季节性温跃层的评估方法如下：首先分别计算OCEAN_SCS 数据集40 a 平均和HYCOM 再分析数据产品20 a（1997—2016 年）平均的月平均温度场，然后针对每个月温度场的每个水平格点的垂向温度廓线进行温跃层参数的判定，最终绘制南海区域的季节性温跃层参数分布图，并与前人的研究成果进行比较。

本研究中季节性温跃层各个参数的定义如下：当一条垂向温度廓线某一段的垂向梯度≥临界值时,则将该段定义为季节性温跃层,以该段的顶部水深为季节性温跃层深度,该段的垂向范围为季节性温跃层厚度。当水深>200 m 时，临界值设为0.05 ℃/m；水深≤200 m时，临界值设为0.2 ℃/m[4,34]。季节性温跃层强度则定义为温跃层整层的垂向温度梯度[35]。

2.1.2 评估结果

图2 为基于OCEAN_SCS 数据集计算的多年平均态1 月和7 月的南海季节性温跃层深度、厚度和强度的水平分布。从图2a、2b 可以看到，南海季节性温跃层深度呈现出明显的季节变化特征。冬季，温跃层深度呈现出由东南（约30 m）—西北（约90 m）变深的分布趋势，且区域边界处的温跃层深度梯度较大，同时，在吕宋岛和加里曼丹岛西北海域各出现一低值区（小于30 m）；而夏季，温跃层深度全场平均值明显低于冬季，且呈现出由西北（约10 m）—东南（约30 m）变深的分布趋势，其高值区和低值区由贯穿海盆东北—西南方向的分界线隔开。与前人基于观测数据产品的计算结果相比[4]，OCEAN_SCS 数据集模拟的南海季节性温跃层深度不论是量值上还是时空分布特征上都十分相似。图2c、2d 为OCEAN_SCS 数据集模拟的多年平均态1月和7月的南海季节性温跃层厚度，从图中可以看出，温跃层厚度的空间分布形态与温跃层深度相似。冬季，温跃层厚度基本在100 m 左右，且呈现由西北—东南递增的变化趋势；而夏季，温跃层深度的分布同样由贯穿海盆东北—西南方向的分界线隔开，呈现西北部低值区和东南部高值区的分布状态，整体量值大于冬季。OCEAN_SCS 数据集模拟的季节性温跃层厚度与前人的模式模拟结果[5]在时空分布形态上也十分相似，但量值偏小。南海夏季季节性温跃层强度整体小于冬季（见图2e、f），冬季，温跃层强度高值区位于海盆中部深水区，而夏季温跃层强度空间分布与冬季相反，高值区位于海盆周围陆架区，这种分布形态也与前人的模式模拟结果相似[5]。

图2 OCEAN_SCS数据集多年月平均态1月与7月的南海季节性温跃层深度、厚度和强度水平分布图Fig.2 Climatological distributions of depth,thickness and strength of seasonal thermocline in the SCS in January and July from the OCEAN_SCS dataset

图3 为基于HYCOM 再分析数据产品的南海季节性温跃层深度、厚度和强度的水平分布计算结果。从图中可以看出，季节性温跃层各参量在空间分布上与OCEAN_SCS 数据集的计算结果较为一致，但温跃层深度和厚度量值稍大于OCEAN_SCS数据集的计算结果，温跃层强度量值则与OCEAN_SCS数据集的计算结果相当。

2.2 温度锋评估

2.2.1 评估方法

我们对OCEAN_SCS 数据集多年季节平均状态场的温度锋分布和月平均状态场的温度锋出现频率分布进行评估，评估范围同温跃层。评估参照对象为基于美国国家海洋和大气管理局（National Oceanic and Atmospheric Administration，NOAA）发布 的 AVHRR （Advanced Very High Resolution Radiometer）V2 格点化卫星SST 产品和HYCOM 再分析数据产品计算的温度锋以及前人的研究成果。评估方法为：首先分别计算OCEAN_SCS数据集40 a平均的季节平均SST 场、HYCOM 再分析数据产品20 a（1997—2016 年）平均的季节平均SST 场和AVHRR V2 数据产品多年（1982—2013 年）平均的季节平均SST 场，然后基于温度锋的判定方法和标准计算相关参数并进行对比；另外，基于OCEAN_SCS 数据集统计了40 a的月平均SST 场温度锋出现的概率空间分布，并与前人的研究成果进行对比。

温度锋的判定采用水平温度梯度法[36-38]，即首先计算区域内格点的SST 水平梯度GM，然后选取温度梯度大于临界值的格点作为温度锋点，临界值等值线包围的GM 大于临界值的区域则作为温度锋区。这里，我们选择0.03 ℃作为温度锋判定的GM临界值[7]。GM计算方法为：

式中：T表示SST，x和y分别表示经向和纬向方向坐标。

2.2.2 评估结果

图4 为 基 于OCEAN_SCS 数 据 集、HYCOM 再分析数据产品和AVHRR V2 数据产品计算的SST水平梯度及温度锋区分布。从图中可以看出，基于OCEAN_SCS数据集计算的SST水平梯度和温度锋区分布特征为：①南海温度锋主要分布于南海北部沿岸，且冬夏季季风期SST 水平梯度整体大于春秋季季风转换期（见图4a、4d、4g、4j）；②冬季受东北季风影响，低温的南海沿岸流从东北流向西南，在南海北部沿岸形成显著的温度锋区（见图4a）；③夏季受西南季风影响，南海北部的温度锋区主要集中在粤西沿岸和海南岛沿岸（见图4g）。基于HYCOM再分析数据产品（见图4b、4e、4h、4k）与OCEAN_SCS 数据集（见图4a、4d、4g、4j）计算的SST水平梯度的空间分布和量值都极为相似。考虑到HYCOM 再分析数据产品同化了包括卫星观测和现场观测的SST数据，因此，该结果表明OCEAN_SCS 数据集对南海温度锋的空间分布和量值的模拟精度较高。与基于OCEAN_SCS数据集计算的SST水平梯度相比（见图4a、4d、4g、4j），基于AVHRR V2数据产品计算的结果（见图4c、4f、4i、4l）在时空分布上与之相似，但梯度量值明显弱于前者。这可能是由于AVHRR V2 数据产品的水平分辨率较低（1/4°×1/4°），SST水平分布较为平滑导致的。

图4 基于OCEAN_SCS数据集、HYCOM再分析数据产品多年季节平均态和AVHRR V2 SST数据集计算的4个季节的SST水平梯度及锋区分布Fig.4 Climatological spatial distributions of Oceanic Zones and horizontal gradients of SST in four seasons based the OCEAN_SCS dataset，the HYCOM reanalysis dataset and the AVHRR V2 SST dataset

图5 为基于OCEAN_SCS 数据集计算的南海北部月平均场的温度锋出现频率空间分布。由于南海温度锋主要分布在南海北部沿岸，且为了更直观地与前人的计算结果[7,37]进行比较，本文只展示了南海北部（105°～122°E，17°～30°N）的温度锋概率空间分布。从图中可以看出，OCEAN_SCS 数据集计算的温度锋出现频率空间分布同样表现出明显的季节变化特征。冬季，温度锋出现区域分布在整个南海北部沿岸，且出现频率较高，近岸区域的温度锋出现频率超过70%（见图5a）；夏季，温度锋出现的区域主要集中于粤西和海南岛沿岸以及台湾岛西部海域，出现频率较冬季低（见图5c）；春秋季为季风转换区，其中春季温度锋出现频率分布与冬季相似，但量值小于冬季，秋季温度锋出现频率最小（见图5b、5d）。该结果表明，基于OCEAN_SCS 数据集计算的温度锋频率时空分布与前人基于卫星观测SST 计算的结果十分相似[7,37]，OCEAN_SCS 数据集对南海温度锋的模拟效果较好。

图5 基于OCEAN_SCS数据集月平均态计算的4个季节温度锋出现频率空间分布Fig.5 Climatological spatial distribution of the seasonal thermal frontal probability in four seasons based on the OCEAN_SCS dataset

2.3 中尺度涡评估

2.3.1 评估方法

海洋中尺度涡的生成、运动和消亡是海洋最复杂的动力过程之一，相关物理机制目前尚未完全清楚。在缺少资料同化的条件下，现有的数值模式对海洋中的中尺度涡个例还不能作出准确的模拟。因此，本研究针对南海中尺度涡的统计性评估，即通过统计一段时间内南海中尺度涡的个数、生命长度、半径、相对涡度、旋转速度、移动速度和海表涡动能等，验证OCEAN_SCS 数据集对南海中尺度涡的模拟效果。评估对比参考的对象为HYCOM 再分析数据产品和哥白尼海洋服务中心（Copernicus Marine Service）提供的包括多卫星融合的海表高度异常（Sea Level Anomaly，SLA）网格化数据（空间分辨率为1/4°×1/4°），时间分辨率都是1 d，评估区域为99°～122°E，1°～30°N，评估时段为2007—2016年共10 a。

中尺度涡的探测方法为：首先，将OCEANS_SCS 数据集或HYCOM 再分析数据产品的日平均SSH 减去对应月的多年月平均SSH，得到各自的日平均SLA 场；接着，将各自的日平均SLA场插值到1/4°×1/4°的网格中，并利用地转流计算公式算出各自的地转流场。计算方法如下：

式中：g表示重力加速度；f表示科氏参数；x和y分别表示经向和纬向方向坐标。最后，将OKUBOWEISS（OW）方法[39]分别应用到OCEAN_SCS 数据集或HYCOM 再分析数据产品中，探测各自的中尺度涡信息。OW 方法首先定义一个判别参数W[40-41]：

式中：u和v分别代表地转流场的东西和南北分量。接着将参数W小于2e×10-12/s2的区域定义为涡旋区域[42]。最后，将不符合如下参数范围的涡旋剔除：涡旋半径范围为30～400 km；涡旋振幅不小于0.02 m；涡旋生命长度不短于5 d。

2.3.2 评估结果

表1 为 基 于OCEAN_SCS 数 据 集、HYCOM 再分析数据产品和卫星观测SLA 数据产品识别的南海涡旋相关参数对比。这其中，基于OCEAN_SCS数据集识别出了1 240 个涡旋，包括气旋涡和反气旋涡各620 个；基于HYCOM 再分析数据产品识别出了1 315 个涡旋，包括748 个气旋涡和567 个反气旋涡。两套数据产品的气旋涡与反气旋涡个数相当，这与林鹏飞等[43]和CHEN 等[44]的结论一致。基于卫星观测SLA数据产品识别出的涡旋数量（1 720个）明显大于基于OCEAN_SCS 数据集识别出的涡旋数量，而其涡旋的平均生命长度（25.4 d）小于基于OCEAN_SCS 数据集识别出的涡旋（28.9 d）。因此可以看出，相对于卫星观测，OCEAN_SCS数据集模拟的中尺度涡生命周期更长，个数更少，这可能是由于用于构建OCEAN_SCS 数据集的数值模式对中尺度涡的耗散机制模拟不够准确，其模拟的中尺度涡难以耗散。另一方面，OCEAN_SCS 模拟的海表涡动能（1.81×109m4/s2）与HYCOM 再分析数据产品的海表涡动能（0.97×109m4/s2）明显大于卫星观测SLA 数据产品模拟的海表涡动能（0.56×109m4/s2），这主要是由于卫星观测SLA 数据产品的水平分辨率较低，其SLA 较为平滑。OCEAN_SCS数据集与HYCOM 再分析数据产品模拟的涡旋半径也稍大于卫星观测SLA 数据产品识别的涡旋半径。除此之外，3 种数据在中尺度涡相对涡度、旋转速度和移动速度等方面的模拟结果都较为接近（见表1）。图6 为3 种数据探测的涡旋各参量的分布图，从图中可以看出，相较OCEAN_SCS 数据集，基于HYCOM 再分析数据产品探测的涡旋各参数（除相对涡度）都更贴近于卫星观测，这主要得益于HYCOM 再分析数据产品同化了卫星高度计观测数据；而OCEAN_SCS 数据集探测的涡旋相对涡度分布优于HYCOM 再分析数据产品，其他参量的分布则与之相当。

表1 OCEAN_SCS数据集、HYCOM再分析数据产品和卫星观测资料探测的2007—2016年间中尺度涡参数对比Tab.1 The comparison of mesoscale eddy parameters during 2007—2016 from the OCEAN_SCS dataset,the HYCOM reanalysis dataset and satellite observations

图6 OCEAN_SCS数据集、HYCOM再分析数据产品和卫星观测资料探测的2007—2016年间南海中尺度涡海表涡动能（a）、涡度（b）、旋转速度（c）、半径（d）和移动速度（e）对比Fig.6 The comparison of the sea surface eddy kinetic energy(a),vorticity(b),rotational speed(c),radius(d)and propagation speed(e)of mesoscale eddies in the SCS during 2007—2016 from the OCEAN_SCS dataset,the HYCOM reanalysis dataset and satellite observations

3 结论

本文基于ROMS 模式构建了一套覆盖南海区域40 a 涡分辨率的逐时温盐流数值产品OCEAN_SCS，并利用独立观测资料、HYCOM 再分析数据产品和前人的研究成果对比评估了OCEAN_SCS 数据集对南海区域海洋现象要素（包括温跃层、温度锋和中尺度涡）的模拟效果。

从南海季节性温跃层参数（包括温跃层深度、厚度和强度）的对比结果可以看出，OCEAN_SCS数据集模拟的南海季节性温跃层深度不论是量值还是时空分布都与前人基于观测数据计算的结果十分吻合；对于南海季节性温跃层厚度，OCEAN_SCS数据集的模拟结果与前人的模式模拟结果在时空分布形态上相似，但量值偏小。OCEAN_SCS 数据集模拟的南海季节性温跃层强度时空分布形态也与前人的模式模拟结果相似。HYCOM 再分析数据产品计算的季节性温跃层各参量在空间分布上与OCEAN_SCS 数据集的计算结果也较为一致，但其温跃层深度和厚度量值稍大于OCEAN_SCS 数据集的计算结果。

与基于HYCOM再分析数据产品计算的SST水平梯度相比，基于OCEAN_SCS 数据集的计算结果的空间分布和量值都极为相似。考虑到HYCOM再分析数据产品同化了包括卫星和现场观测的SST数据，因此，该结果表明OCEAN_SCS 数据集对南海温度锋空间分布和量值的模拟精度较高。与基于OCEAN_SCS 数据集计算的SST 水平梯度相比，基于AVHRR V2 数据产品计算结果的分布与之相似，但量值明显更小，这可能是由于AVHRR V2 数据产品水平分辨率（1/4°×1/4°）较低，其SST的水平分布较为平滑。从月平均温度锋的出现频率空间分布图可以看出，OCEAN_SCS 数据集模拟的温度锋表现出明显的季节变化特征，其在冬夏季风盛行季出现的频率较高，分布范围较广，而在春秋季风转换季出现的频率较低，分布范围主要集中于近岸海域。这种时空分布特征与前人基于卫星观测SST数据产品计算的结果也十分相似。

对OCEAN_SCS 数据集模拟的南海中尺度涡的评估主要为统计性的，评估参考的对象为基于HYCOM 再分析数据产品和卫星观测SLA 数据产品识别的中尺度涡。评估结果表明，OCEAN_SCS数据集模拟的南海中尺度涡在数量上明显小于基于卫星观测SLA 数据产品识别的中尺度涡，而在涡旋的平均生命长度上则大于后者。这可能是由于OCEAN_SCS数据集构建所用的数值模式对中尺度涡的耗散机制模拟不够准确，其模拟的中尺度涡难以耗散。此外，在涡旋的半径和海表涡动能的模拟上，OCEAN_SCS数据集的模拟结果都偏大，但两套资料在涡旋相对涡度、旋转速度和移动速度等方面的对比都比较接近。由于HYCOM 再分析数据产品同化了卫星高度计资料，因此其在涡旋各参量（除相对涡度）分布的模拟上更接近卫星观测结果，而OCEAN_SCS 数据集探测的涡旋各参量分布也与之相当。

通过以上评估结果可以看出，OCEAN_SCS 数据集总体对南海季节性温跃层、温度锋和中尺度涡的模拟效果较好，与前人的研究成果和国际主流HYCOM 再分析数据产品的计算结果也较为相符，仅在中尺度涡数量、生命周期、半径和海表涡动能的模拟上与观测稍有偏差。中尺度涡的准确模拟对于现有海洋模式仍是一个不小的挑战，在没有资料同化的前提下，目前的模拟结果也是可以接受的。 另一方面，本文的评估对象主要是OCEAN_SCS数据集模拟的海洋现象要素的气候月平均态，因此，本文的评估结果仅反映了OCEAN_SCS数据集对气候态尺度的海洋现象要素的模拟精度。在未来的工作中，我们将收集更多的观测，进一步评估OCEAN_SCS 数据集对特定时刻海洋现象要素时空分布与变化的模拟精度。本文的研究结果表明OCEAN_SCS 数据集基本能够为进一步研究南海季节性温跃层、温度锋和中尺度涡的生消变化规律等提供数据支撑，可用于更全面地研究南海的海洋环境特征，服务于南海海洋环境保障工作。

致谢：感谢南海海洋研究所的高性能计算中心为本文数值模拟提供的技术支持。