海平面变化是全球气候系统变化的重要组成部分, 在气候变暖背景下全球平均海平面上升显著加快, 上升速率从1901—1990年的1.4 mm/a, 增加至1993—2015年3.2 mm/a, 2006—2015年进一步增加至3.6 mm/a^[1-2]。美国科罗拉多大学海平面研究小组(https://sealevel.colorado.edu)最新研究表明, 1993—2023年全球平均海平面上升速率约为3.5±0.4 mm/a。海平面上升的长期累积效应会造成沿海低洼地区的海岸侵蚀, 对沿海生态系统、水资源以及人类活动产生重大影响。研究海平面的变化对沿海区域海洋灾害的预防、预报和海洋环境的监测、保护有十分重要的意义。

目前海平面变化研究的数据主要有长期验潮数据和卫星测高数据。验潮站观测是海平面变化最早的观测手段, 迄今为止, 全球有超过2 000个验潮站为海平面的长期变化分析研究提供数据支持^[3-6]。Jevrejeva等^[7]基于验潮站数据集得到1807—2009年全球海平面上升速率约为3.1±0.6 mm/a。Dean等^[8]利用1993—2011年的验潮站数据计算出全球海平面平均上升速率为3.26 mm/a。但验潮站大多分布在海岸及岛屿, 获得的海平面为相对海平面, 无法全面反映全球海平面的时空变化规律^[9]。随着卫星测高技术的不断发展, 目前可提供1993年以来30余年的测高数据, 已成为海平面变化研究的重要数据来源^[10-12]。李大炜等^[12]联合多代卫星测高数据, 获得的1993—2011年全球平均海平面上升速率约为3.12±0.4 mm/a。Legeais等^[13]基于卫星测高数据发现1993—2015年全球平均海平面上升速率约为3.3±0.5 mm/a。郭金运等^[14]利用多种卫星测高数据得到的1993—2012年中国近海海域的平均海平面上升速率为4.64 mm/a。

由于雷达测高的反射回波会受到沿海地形、岛屿、海洋潮汐、地球物理效应和沿海海域硬件延迟的污染, 难以获得准确的沿海绝对海平面变化值^[15-16]。一些学者利用两种数据的优势, 联合验潮站与卫星测高数据来建立高精度高分辨率平均海面高度模型^[17-18]。为获得绝对海平面变化, 验潮站需建立与之联测的全球卫星导航系统(Global Navigation Satellite System, GNSS)站点对其进行地面垂直运动校正^[19-23]。Wöppelmann等^[21]将卫星测高数据与长期验潮数据结合, 分别计算了全球107个验潮站的地面沉降, 与GNSS观测数据的平均差异为–0.25±1.47 mm/a。Zhou等^[17]利用验潮和卫星测高数据对中国沿海绝对海平面变化进行分析, 结果表明: 校正地面垂直运动效应后中国沿海绝对海平面上升幅度为(2.51±0.86)~(5.03±0.600) mm/a, 与卫星测高数据获取的绝对海平面上升速率之差在(–0.85±1.12)~(0.92±0.84) mm/a。

然而利用不同观测数据得到的区域海平面变化趋势存在显著的差异和不确定性, 缺少长时间、一致性和连续性的有效数据, 限制了海平面变化研究。针对这一问题, 美国国家研究委员会提出了气候数据集(Climate Data Records, CDRs)的概念。CDRs定义为“可用于确定气候变率和气候变化, 具有足够时间长度、一致性和连续性的长时间序列数据, 是开展全球气候变化研究的有效数据”^[24]。自然资源部第一海洋研究所通过融合国内自主发射的卫星遥感数据, 形成了国内首套具有自主知识产权、长时间序列、高时空分辨率的全球海洋气候数据集CDRs^[24]。为了加强对区域海平面变化的研究, 准确获取南海海域海平面变化时空规律, 本文使用海洋气候数据集CDRs中的海平面异常(Sea Level Anomaly, SLA)数据, 联合验潮站和GNSS观测数据对南海海域海平面变化趋势、周期规律等进行分析, 探究南海海平面变化时空分布特征, 并对其影响因素进行探讨。

1 研究数据

本文采用的研究数据有3种, 分别是海洋气候数据集CDRs、验潮站数据和GNSS数据, 其中CDRs数据和验潮站数据分别实现对南海的绝对和相对海平面变化分析。受地面沉降影响, 无法直接对比验证两种数据分析结果, 将GNSS数据与验潮站数据联测可有效弥补地面沉降的影响, 进而获得南海海域绝对海平面变化。

1.1 海洋气候数据集CDRs

本文选用海洋气候数据集CDRs产品中的海平面异常SLA数据进行研究, SLA数据作为一种卫星高度计融合产品, 在生成过程中涉及多源卫星高度计的轨道确定、电离层校正、潮汐校正、干湿对流层校正、海况偏差校正和平均海平面模型的统一与重处理等。该数据时间分辨率为1个月, 空间分辨率为25 km, 时间跨度为1993—2020年, 经与验潮站数据比较, 精度为0.2 mm/a^[25]。由于CDRs产品中SLA数据2020年缺失比较严重, 本文选取的SLA数据时间范围为1993—2019年, 空间范围为南海海域(0°~25°N, 105°~125°E)。

1.2 验潮站数据

验潮数据的收集来自平均海平面永久服务(Permanent Service for Mean Sea Level, PSMSL)网站(https://psmsl.org/data/obtaining), 采样频率为1个月, 数据格式为RLR, 单位是mm。本文选取南海区域具有连续观测值且数据缺失不超过20%的10个长期验潮站的潮位观测数据, 分别是西沙站、马尼拉站、乍波站、鲗鱼涌站、塞京卡特站、宾都鲁站、南沙站、公主港站、丹戎巴葛站、哥打京那巴鲁站。各验潮站相关信息如表 1所示。

1.3 GNSS数据

GNSS数据联测验潮站数据可有效弥补验潮站受陆地沉降与近海地形的影响, 反映验潮站点绝对海平面变化, SONEL(Systemed’ Observation duNiveau desEaux Littorales)网站(https://www.sonel.org)可提供GPS(Global Positioning System)天解算结果。联测GNSS站点与验潮站的距离通常不超过10 km, 综合考虑了GNSS站的数据完整度以及与验潮站之间的距离, 本文共选取了4个GNSS站, 分别为HKQT站、PPPC站、NTUS站和UMSS站。各GNSS站相关信息如表 2所示。

1.4 数据预处理

考虑到不同纬度数据密度差异, 采用纬度加权平均方法^[26]计算区域海平面变化的整体趋势。对海平面异常SLA时空数据进行预处理时, 主要处理除陆地之外的缺省值, 海洋气候数据集中缺省值用–214 748.36 m来表示, 以该网格多年海平面异常平均值来替换除陆地之外的缺省值。与验潮站数据进行对比验证时, 为了确保与GNSS校正验潮数据的一致性, 采用汪汉胜等的冰川均衡调整(glacial isostatic adjustment, GIA)模型对卫星测高数据进行改正^[27]。

由于验潮站时间序列存在粗差和数据缺失, 先采取三倍标准差准则剔除粗差, 再对缺失数据进行插补以获得完整的时间序列。验潮站在进行水位测量时受到大气压强的影响, 存在逆气压(Inverse Barometer, IB)效应, 为保持验潮数据和卫星测高数据的一致性, 本文使用欧洲中期天气预报中心(European Centre for Medium-Range Weather Forecasts, ECMWF)的全球海平面月均压力数据对验潮数据进行逆气压改正^[17]。采用与验潮站相同的处理方法对GNSS数据进行粗差剔除和插值处理, 为统一GNSS和验潮数据的时间尺度, 采取按月平均的方法将GNSS数据处理为月均数据。

2 基于气候数据集的南海区域绝对海平面时空变化分析 2.1 南海区域绝对海平面SLA及上升趋势

提取海洋气候数据集CDRs中1993—2019年的南海海域月均SLA数据, 考虑到不同网格对应的实际面积大小会受到不同纬度的影响, 利用式(1)进行区域加权平均得到南海海域海平面变化时间序列。

$ \bar{h}_{k}=\frac{\sum\limits_{i} \sum\limits_{i} h_{i\;jk } \cos \left(\phi_{j}\right)}{\sum\limits_{i} \sum\limits_{i} \cos \left(\phi_{j}\right)}，$

(1)

式(1)中, $ {\overline h _k} $表示k时刻区域加权后的SLA值, i、j表示网格点位置, h_{i jk}表示k时刻(i, j)位置的SLA观测值, ϕ_j表示取样点的纬度。

南海海域海平面变化时间序列如图 1所示, 从图 1可以看出1993—2019年南海SLA的整体波动幅度较大, 呈“上升—下降—上升—下降—上升”的变化趋势, 存在明显的1a周期信号, 夏秋季海平面变化较高, 冬春季节较低。对去除年周期变化的南海SLA时间序列进行功率谱分析(图 2), 发现南海海域海平面变化除了明显的1 a周期信号, 还具有2 a、4 a、8 a尺度的周期性变化。最小二乘拟合得出该时间段内的南海海平面整体上升速率为3.73±0.75 mm/a, 高于1993—2022年3.4±0.4 mm/a的全球平均海平面上升速率。

对1993—2019年南海海域SLA时间序列进行分段处理, 结果如图 3所示, 发现1993—2000年南海海平面呈上升趋势, 上升速率为12.13 mm/a; 2001—2004年海平面大幅度下降, 下降速率为9.00 mm/a; 2005—2010年海平面再次显著上升, 上升速率为15.47 mm/a; 2011—2015年海平面再次发生下降, 下降速率为8.13 mm/a; 2016—2019年海平面再次进入上升期, 上升速率为7.60 mm/a。图 4为美国国家海洋和大气管理局(National Oceanic and Atmospheric Administration, NOAA)提供的ENSO(El Niño-Southern Oscillation) NINO3.4指数时间序列(https://www.cpc.ncep.noaa.gov/data/indices), 在1993—2019年期间经历了多次波动, 上升和下降趋势交替出现。对比图 3和图 4可以发现, 南海海域海平面变化在不同时段上升和下降的趋势均与ENSO变化趋势的交替相反, 图 5中时间超前滞后相关分析表明, 南海海平面变化时间序列与NINO3.4指数之间的最高相关性为–0.32(海平面延迟1个月), 说明ENSO对南海海平面变化具有一定的影响。

2.2 南海区域绝对海平面上升速率空间分布

为了分析南海海域海平面变化速率的空间分布规律, 对海洋气候数据集CDRs中南海海域每个格网的SLA数据点进行线性拟合, 得到1993—2019年南海海域绝对海平面变化速率的空间分布, 如图 6所示, 除巴士海峡部分区域以外均已通过95%的显著性检验。从图 6可以看出南海海域绝对海平面变化速率的空间分布差异很大, 平均速率为3.73 mm/a, 最大值为5.89 mm/a, 最小值为1.01 mm/a, 1993—2019年南海海域海平面变化全部呈上升趋势。10°~20°N区域SLA变化速率上下起伏比较大, 存在多个正值中心; 南海东南部海域比西南部的上升速率要快, 而最大的海平面上升趋势出现在越南东部海域, 主要是受到该地区上升流的影响^[28]。由此可见, 南海海域海平面变化不仅在时间上差异巨大, 相同海区其海平面变化速率随时间变化在空间分布上也有较大差异, 不同区域上升速率不同, 需同时对海平面变化进行时间和空间上的分析。

3 基于验潮站和GNSS观测数据的南海海平面变化分析 3.1 基于验潮站的南海海域相对海平面变化

本文选取了南海海域沿岸10个验潮站来分析其相对海平面变化。验潮站观测数据经过数据插补、数据改正并进行距平处理后得到各验潮站完整的时间序列, 如图 7所示。10个验潮站均存在明显的年周期变化特征, 对时间序列进行线性拟合计算出相对海平面上升速率和不确定度, 发现南海海域相对海平面上升速率在(–5.53±1.62)~(8.52±0.81) mm/a。不同站点的变化速率差异较大, 具有明显的区域性特征, 上升速率最大的是马尼拉站点, 最小的是塞京卡特站点。将10个验潮站的相对海平面上升速率取平均值, 近似得到南海海域相对海平面上升速率约为3.03±0.82 mm/a。

南海南部位于印度尼西亚沿岸由北至南的3个站点哥打京那巴鲁、宾都鲁和塞京卡特站点上升速率分别为4.22±0.80、2.49±0.52和–5.53±1.62 mm/a, 变化速率差异较大且呈下降趋势。位于南海北部由南至北的乍波站、鲗鱼涌站点上升速率分别为2.52±0.33、2.59±0.46 mm/a, 变化速率差异较小。从南北方向来看, 乍波站、西沙站、南沙站、宾都鲁站上升速率分别为2.52±0.33、4.38±0.80、3.34±0.71、2.49±0.52 mm/a, 相对海平面上升速率从北向南先上升再下降, 总体呈现出两边低中部高的变化特征, 与基于CDRs数据的南海绝对海平面变化速率空间分布一致。

3.2 联合GNSS与验潮站的南海海域绝对海平面变化

将基于验潮站数据得到的相对海平面变化与GNSS数据联测, 可有效弥补验潮站受陆地沉降与近海地形的影响, 反映南海海域验潮站点绝对海平面变化。为与验潮站获得的绝对海平面变化进行对比验证, 搜索各验潮站点周围4个网格的SLA数据, 采用反距离加权插值处理获取4个验潮站点的SLA原始时间序列, 线性拟合得到绝对海平面上升趋势。经过逆气压校正IB后的相对海平面(relative sea level, RSL, 记为L_RS)、地面垂直运动(vertical land motion, VLM, 记为M_VL)以及经过GIA校正后的绝对海平面(absolute sea level, ASL)上升速率如表 3所示。

$ A = V + h\text{，} $

(2)

$ {\sigma _A} = \sqrt {{\sigma _V}^2 + {\sigma _h}^2} , $

(3)

式(2)(3)中, A表示ASL变化趋势; V表示$ {M_{{\text{VL}}}} $变化趋势; h表示$ {L_{{\text{RS}}}} $变化趋势。即绝对海平面变化是同期相对海平面变化和地壳垂直运动变化的总和。${\sigma _A}$表示A的不确定度, ${\sigma _V}$和${\sigma _h}$分别为地壳垂直运动和相对海平面变化的不确定度。

经过$ {M_{{\text{VL}}}} $校正后的南海区域4个验潮站的绝对海平面上升速率在(2.68±0.48)~(4.60±0.81) mm/a, 上升速率空间分布差异较大, 最大的是公主港站, 最小的是鲗鱼涌站。地面沉降速率在(–1.30±0.77)~(0.60±0.27) mm/a, 其中丹戎巴葛和哥打京那巴鲁站地面抬升, 且均位于南海南部, 代表南海南部区域的地面垂直运动状况。验潮+GNSS数据与海洋气候数据集CDRs中的SLA数据得到的绝对海平面变化速率一致, 差异较小, 公主港和丹戎巴葛站的差异小于0.50 mm/a, 鲗鱼涌和哥打京那巴鲁站的差异在0.50~1.02 mm/a。

3.3 南海海平面变化影响因素

对表 3中4个GNSS点对验潮站相对海平面上升的贡献率进行计算, 贡献率为负值表示地面垂直运动导致相对海平面上升速率低于绝对海平面, 贡献率为正值表示地面发生沉降, 导致相对海平面加速上升。即:

$ C = \frac{{{M_{{\text{VL}}}}}}{{{L_{{\text{RS}}}}}} \times 100\% $

(4)

其中, $ {C} $表示$ {M_{{\text{VL}}}} $对$ {L_{{\text{RS}}}} $上升的贡献率。

鲗鱼涌、公主港、丹戎巴葛和哥打京那巴鲁站中陆地垂直运动的贡献率分别为–3.47%、–15.00%、10.93%和30.81%, 说明地面垂直运动对于区域海平面变化的影响不可忽视。

厄尔尼诺El Niño和拉尼娜La Nina现象大约每2~7 a出现一次, 1993—2019年共出现5次El Niño事件和4次La Nina事件, El Niño期间南海海平面整体呈下降趋势, La Nina期间南海海平面整体呈上升趋势。结合图 4和图 5发现南海海平面变化在不同时段上升和下降的趋势均与ENSO变化趋势相反, 且对于ENSO现象具有滞后性。ENSO可以通过南海季风和北太平洋环流(黑潮)的变化来影响南海海平面变化, ENSO发生时入侵南海的黑潮水增加, 会导致南海的整体热容量下降, 海平面降低, La Nina年时情况相反。

4 结论

本文基于我国首套自主研发的海洋气候数据集CDRs数据, 联合长期验潮站和GNSS观测数据, 对1993—2019年南海海域的海平面时空变化进行分析, 并对南海海平面变化的主要影响因素进行了探讨, 主要结论如下:

(1) 利用海洋气候数据集CDRs中的SLA数据对南海海域绝对海平面变化进行分析, 发现南海区域1993—2019年间海平面变化呈“上升-下降-上升-下降-上升”的变化, 上升和下降的趋势均与ENSO变化趋势的交替相反, 且具有滞后性, 总体上升速率为3.73±0.75 mm/a。南海海平面变化速率的空间分布形态有很大差异, 南海东南部海域的上升速率比西南部的上升速率要快, 而最大的海平面上升趋势出现在越南东部海域。10°~20°N区域SLA变化速率上下起伏比较大, 且存在多个正值中心。

(2) 验潮数据显示南海区域相对海平面上升速率在(–5.53±1.62)与(8.52±0.81) mm/a, 具有明显的区域性特征。总体呈现出两边低中部高的空间分布特征, 与基于海洋气候数据集的南海绝对海平面变化速率空间分布一致。$ {M_{{\text{VL}}}} $校正后南海区域4个验潮站的绝对海平面上升速率在(2.68±0.48)~(4.60±0.81) mm/a, 与海洋气候数据集CDRs中的SLA数据通过反距离插值计算出的验潮站绝对海平面变化速率一致。并对南海海平面变化的影响因素进行了初步探讨, 南海区域海平面变化与地面垂直运动和ENSO密切相关。

(3) 区域海平面变化是全球气候系统变化的重要响应, 是多种因素共同影响的结果。今后应进一步加强对气候变化机理的相关研究, 更好地揭示在全球海平面变化的大背景下南海海平面变化趋势的物理机制及其发展方向。

致谢: 感谢自然资源部第一海洋研究所提供海洋气候数据集CDRs。