海洋与湖沼  2018, Vol. 49 Issue (3): 481-489   PDF    
http://dx.doi.org/10.11693/hyhz20170500129
中国海洋湖沼学会主办。
0

文章信息

杨洋, 孙群, 杨敏, 吕雯瑾. 2018.
YANG Yang, SUN Qun, YANG Min, LV Wen-Jin. 2018.
东中国海海平面高度的时空变化特征
TEMPORAL AND SPATIAL VARIATION OF SEA LEVEL OF THE EAST CHINA SEA
海洋与湖沼, 49(3): 481-489
Oceanologia et Limnologia Sinica, 49(3): 481-489.
http://dx.doi.org/10.11693/hyhz20170500129

文章历史

收稿日期:2017-05-15
收修改稿日期:2017-11-26
东中国海海平面高度的时空变化特征
杨洋 , 孙群 , 杨敏 , 吕雯瑾     
天津科技大学海洋与环境学院 天津 300457
摘要:基于AVISO卫星高度计数据,采用小波分析和EOF分析方法,对1993—2015年东中国海海平面高度的时空变化进行分析,结合海水温度比容效应和ENSO过程探讨了海平面高度变化成因。东中国海海平面高度具有明显的季节变化,冬春季较低,夏秋季较高,且SSH极值滞后海水温度极值月份一个月出现。东中国海海平面高度整体为北低南高,由于海区水深和水文动力过程的影响,不同季节SSH空间分布区域性强。在23年间,海平面高度平均线性上升速率为2.82mm/a,具有1a、2.2a的特征变化周期。EOF分析三个主要模态依次反映了海水温度比容效应的季节变化、水动力过程的季节变化和ENSO事件的年际变化对东中国海海平面高度的影响。
关键词海平面高度    东中国海    季节变化    EOF分析    ENSO    
TEMPORAL AND SPATIAL VARIATION OF SEA LEVEL OF THE EAST CHINA SEA
YANG Yang, SUN Qun, YANG Min, LV Wen-Jin     
Tianjin University of Science & Technology, Tianjin 300457, China
Abstract: Based on AVISO satellite altitude data, temporal and spatial patterns of the sea surface height (SSH) in the East China Sea (ECS) from 1993 to 2015 were analyzed using wavelet analysis and EOF methods. The variations of SSH related to the thermosteric effect and the ENSO were discussed. The SSH of the ECS had a significant seasonal variation, lower in winter-spring and higher in summer-autumn.The peak values of SSH lagged behind that of the sea temperature for a month. In overall, the SSH in the northern Part Ⅰs lower than that in the southern part of the ECS. In addition, the SSH showed obvious regional and seasonal features due to the effect of depth and ocean dynamical processes. The annual mean growth rate of SSH in the ECS from 1992 to 2015 is 2.82mm/a. Wavelet analysis results show a cycles of 1a and 2.2a in sealevel change. The first three modes of EOF (empirical orthogonal function) show that the seasonal variation of thermosteric effect and dynamical processes, and the interannual variation of ENSO had important impacts on the variations of SSH in the ECS.
Key words: sea surface height     East China Sea     seasonal variation     EOF analysis     ENSO    

随着全球气候变暖, 海平面在不断上升。根据IPCC(Intergovernmental Panel on Climate Change)的第五次评估报告(Church et al, 2013), 1993-2010期间全球海平面上升速率达到2.8—3.6mm/a, 明显大于1901—2010年的平均上升速率1.5—1.9mm/a, 这表明近二十年全球海平面上升变化正在加剧。在全球海平面上升的背景下, 我国沿海海平面高度同样处于快速上升趋势。《2015年中国海平面公报》显示, 中国沿海1980—2015年的海平面上升速率为3.0mm/a, 2015年的海平面为近三十年的第四高位(国家海洋局, 2016)。受到海平面升高的影响, 海水位的不断升高加剧了风暴潮、海岸侵蚀、海水入侵等海洋灾害性事件发生的可能性, 给沿海地区经济发展和人类生存环境造成威胁。通过开展海平面变化研究, 探究其主要影响因子, 进一步预测海平面的变化趋势可有效预防海洋灾害性事件的发生。因此, 开展海平面变化研究, 对于灾害评估具有十分重要的意义。

截止20世纪90年代末, 研究者们主要基于验潮站数据, 对中国近海海平面变化进行统计分析。吴中鼎等(2003)利用验潮站数据得出中国近海50年平均的海平面变化速度为(1.3±0.25) mm/a。但由于验潮站主要位于沿岸海域, 且分布不均, 同时验潮站测量的海平面变化受陆地沉降与近海地形的严重影响, 无法全面反映气候变化(Nerem, 1995)。随着卫星高度计遥感观测的不断发展, 遥感测高数据以其高空间覆盖度、高测量精度和长时间序列等特点成为研究海平面变化的重要数据源(Fu et al, 2000; Feng et al, 2012)。李大炜等(2012)利用多源卫星数据对全球海域海平面变化趋势进行分析, 认为在1993-2011年间全球平均海平面以3.12±0.4mm/a的速率上升。王龙等(2014)针对东海海域海平面变化特征进行分析, 认为1993—2011年间东海海平面线性上升速率为3.28mm/a。

除了具有趋势变化外, 东中国海海平面变化还表现出周期性和时空差异大等特性。詹金刚等(2008)利用卫星数据分析我国近海海平面变化, 结果表明1992—2007年周期信号在海平面变化中占主导地位, 半年周期信号在南海比较明显, 而黄海和东海则主要为高频信号。王慧等(2011)利用海洋观测站数据分析中国沿海冬季海平面的变化, 指出冬季海平面于1980—2010年存在显著的年际和年代际变化, 具有准2—4a、7—9a和18.6a周期。

导致海平面变化的主要因素包括两个方面(Cazenaveet al, 2008):一是海水质量导致的变化, 如冰的溶化、降水、蒸发、径流等水体质量交换; 二是由海水密度变化, 可称为因温度或盐度变化引起的比容效应(Steric effect)。郭金运等(2015)研究了东中国海SSH季节变化和空间分布, 认为与季风和海水温度引起的海水体积变化和热比容效应有关。

本文基于卫星高度计数据, 分析东中国海海平面的时空变化特征和长期变化趋势, 探讨了不同海域海平面变化的影响因素及相关性。

1 数据与对比 1.1 数据来源

本文采用的卫星高度数据为法国国家空间研究中心(CNES)AVISO(Archiving Validation and International of Satellites Oceanographic)提供的网格化绝对动力高度地形ADT(Absolute Dynamic Topography)数据(http://www.aviso.altimetry.fr/en/home.html)。该数据为T/P、Jason-1、ERS和ENVISAT等卫星的多源测高融合数据。AVISO提供了两种数据, 一种是海平面异常SLA(Sea Level Anomaly)数据; 第二种是ADT数据, 它等于SLA与平均动力地形MDT(Mean Dynamic Topography)之和, 其中MDT是平均海表面高度与大地水准面之差, 它代表大尺度平均海流引起的海表面高度变化。由于同一地点的ADT与SLA仅差一个常值MDT, 在进行长期趋势估计时两类数据是等效的。

1.2 数据校验与对比

文中采用网格化ADT数据对东中国海海平面高度SSH(Sea Surface Height)进行分析, 时间长度为1993年1月至2015年12月, 空间分辨率为1/4°×1/4°, 时间分辨率为1天, 海域范围23°—41°N, 117°—130°E。

选取两个验潮站数据与AVISO卫星高度计的SSH数据进行对比, 遥感数据格点与验潮站经纬度相同。在渤海和东海各取一个台站, 分别为大连验潮站和坎门验潮站, SSH数据时间范围是2013—2015年, 计算得到各月距平变化(图 1)。通过比较得知, 大连验潮站SSH的季节变化明显, 最低值出现在冬季(12、1、2月), 夏季(7、8、9月)SSH最高, 虽然与卫星高度计SSH数据变化较为一致, 但后者在冬、夏两季的结果偏差较大。坎门验潮站的SSH变化要复杂, 最高值出现在9—11月, 最低值主要出现在1—3月份, 但变化较大。整体而言, 卫星高度计数据与两个验潮站数据对应较好, 利用该数据分析东中国海SSH的时空变化可信度较高。

图 1 2013—2015年验潮站(虚线)和卫星高度计(实线)的SSH月均数据比较 Fig. 1 Comparison in monthly mean SSH between tide gauge stations (dashed line) and AVISO data (solid line) during 2013—2015at Dalian (a) and Kanmen (b) Stations 注: a:大连; b:坎门
2 结果与讨论 2.1 东中国海SSH空间分布与季节变化特征

对1993—2015共23年的东中国海海平面高度月均数据进行气候态平均, 得到SSH多年平均的空间分布, 并进行了标准差分析(图 2)。图 2a表明东中国海SSH具有显著的区域性差异, 从北向南递增, 以70cm等值线为界, 渤海、黄海和东海北部海域SSH较低, 小于70cm。渤海大部分海域, 黄海中部和山东半岛南部海域SSH最低, 低于60cm。SSH最低值为56.8cm, 位于渤海北部秦皇岛附近海域。东海大部分海域SSH高于70cm, 最大值出现在台湾海峡澎湖列岛以西海域, 高达107.0cm, 整个研究海域南北SSH高度差为50.2cm。东海黑潮主轴路径几乎与SSH的100cm等值线一致, 往东南方向, SSH迅速升高, 琉球群岛以东海域SSH高达140cm。且在东海黑潮流经海域SSH等值线比较密集, 表明垂直于黑潮流轴方向, 海平面高度的变化梯度较大, 形成驱动太平洋西边界强地转流的水平压强梯度力。

图 2 多年SSH高度平均空间分布(a)及其标准差分布(b) Fig. 2 The mean (a) andstandard deviation (b) of SSH during 1993—2015 in the East China Sea (ECS)

图 2b是东中国海SSH季节变化的标准差分布。SSH标准差高值区主要分布在渤海、黄、东海的近岸浅水区和台湾海峡西侧海域, 表明在这些海域海平面的季节差异较大, 具有较明显的季节变化特征。低值区主要分布在黄海中部、台湾东北部和台湾海峡东侧海域, 这些海域的季节差异相对要小。

对研究海域1993—2015年的SSH进行逐月平均, 得到气候态月均分布, 取1、4、7、10月分别代表冬季、春季、夏季和秋季。为比较不同海区SSH变化, 定义渤海范围为(37°—41°N, 117°—122°E), 黄海范围为(37°—39 N, 122°—126°E)和(32°—37°N, 117°—126°E), 东海范围为(23°—32°N, 117°—126°E)。图 3图 4分别给出东中国海SSH在不同季节的空间分布和不同海区SSH的季节变化。

图 3 研究海域SSH的季节变化 Fig. 3 Seasonal distributions of SSH in the study areas. (a) Winter, (b) Spring, (c) Summer, (d) Autumn 注: a:冬季; b:春季; c:夏季; d:秋季

图 4 不同海区SSH的季节变化 Fig. 4 Seasonal variations of monthly mean SSH

冬季, 整个东中国海SSH呈现北低南高的分布特征, 最低海域在渤海北部, 1月平均SSH为46.7cm (图 4), 为全年最低; 最高海域位于台湾海峡南端, 高达110cm。但1月并不是SSH最低的月份, 海平面仍呈下降变化, 70cm等值线继续南移, 到春季4月份时, 整个海区SSH呈最低分布, 渤海、黄海和东海中北部大部分海域SSH都小于70cm, 该等值线移至长江口以南。

夏季, 太阳辐射加强, 海水温度不断升高, 海水膨胀, 整个海域海平面明显升高, 渤海和黄海近岸浅水区升温明显, 海平面高度增加也相应较大。对应黄海夏季中北部的冷水团区, 海平面出现低值区, 此外, 由于受沿岸上升流的影响, 闽浙沿岸海域海平面高度在7月也出现低值分布。但7月也不是SSH最高的月份, 海平面继续呈上升变化, 70cm等值线在秋季10月份时已向北扩展到黄海中北部, 东海大部分海域SSH均高于80cm。由于北上台湾暖流的影响, 秋季(10月)时SSH的100cm等值线出现台湾海峡北部和闽浙沿岸, 90cm等值线则沿垂直于岸线方向向北到达浙江外海, 同时夏季长江淡水的大量输入也导致苏北沿岸海域SSH的增加, 海平面高度超过80cm。

东中国海SSH有显著的季节变化(图 4)。整个研究海域, SSH最小值为67.5cm, 出现在3月, 9月则最高, 两极值月份高度差为17.6cm。虽然一年中海洋上最低和最高气温分别出现在2月和8月, 但由于海水的比热容比大气大三倍量级, 海水降温和升温均出现一个月的时间滞后, 相应地整个东中国海SSH的变化也滞后一个月达到极值。但渤海、黄海和东海三个海区的SSH分布除受季节温度变化影响, 还受到海区水深和一些海洋动力过程的影响。

由于渤海水深较浅, 冬季(1月)气温最低时, 在海上强劲的风应力搅拌混合作用下, 海水温度可从表到底快速地混合均匀, 水温也降到最低, 所以1月渤海SSH最低。考虑黄海冷水团的影响, 黄海最高SSH分布更是推迟到10月份冷水团消退之后。东海海平面高度除了受气温的季节变化影响外, 台湾暖流强弱的季节变化对东海SSH的分布也有重要影响。

表 1 不同海区SSH的极值 Tab. 1 Peak values of SSH in the different areas
渤海 黄海 东海 整个海域
月份 1 3 2 3
最小值(cm) 46.7 52.1 75.8 67.5
月份 9 10 8 9
最大值(cm) 74.7 69.5 94.9 85.1

根据图 4可知, 冬季(1月)是东中国海气候态月平均SSH南北差值最大的季节, 东海和渤海高达31.9cm; 9月的南北差异最小, 减小到19.2cm。渤海是海平面高度季节差异最大的海域, 最大年变化为28.0cm。黄海则是SSH季节差异最小的海域, 最低和最高值分别出现在3月和10月, 年较差只有16.9cm, 考虑主要是夏季黄海冷水团的存在阻碍了海平面高度的升高。由图 2b中SSH的标准差分布也可知, 渤海是标准差较大的分布海域, 黄海中部SSH的标准差则较小。综上所述, 东中国海海平面高度具有季节变化特征, 和显著的区域分布特点。

2.2 东中国海SSH年际变化特征

对SSH进行区域平均, 图 5a给出1993—2015年东中国海SSH的时间序列。东中国海海平面高度变化有显著的年周期变化, 冬春季降到低值, 夏秋季达到高值。在1995—1998年, 2013—2015年东中国海SSH年变化幅度减小, 而1999—2001年, 2010—2012年东中国海SSH的年变化幅度明显增大, 海平面高度的这种年振幅变化规律与ENSO过程密切相关(王国栋等, 2011; 王慧等, 2014)。

图 5 1993—2015年东中国海SSH的时间序列 Fig. 5 The time series ofspatial mean (a) and the rising trend of SSH (b) in 1993—2015 in the ECS 注: a:区域平均; b:趋势分析

根据NOAA气候预报中心(Climate Prediction Center, CPC)对Nino 3.4区ENSO过程的ONI(Ocean Nino Index)统计分析, 1997/1998年发生强厄尔尼诺事件, 1997年12月ONI达到2.3, 东中国海SSH年变化幅度明显减小, 且在1996年3月SSH提前约1年出现显著减小, 同样对于2015/2016的强厄尔尼诺事件, 2015年SSH年变化幅度也相应减小, 类似地在2013年10月SSH也提前约1年(2014年10月该厄尔尼诺事件开始)出现减幅变化(图 5a)。1998年6月厄尔尼诺事件结束后, 于1998年8月转变为强拉尼娜事件, 且该事件持续时间较长, 直到2001年1月才结束, 此时东中国海SSH年变化幅度显著增大, 且于2001年9月达到一极大值, 比拉尼娜事件结束滞后8个月。从2010年8月至2011年3月同样出现一次中等强度拉尼娜事件, 2010年12月ONI达到-1.4, 东中国海SSH年幅度在2011年有明显增大, 且于2011年9月达到一极大值, 比拉尼娜事件结束时间滞后6个月。可见东中国海SSH的年变化振幅与ENSO事件呈负相关, 厄尔尼诺事件期间SSH年变化幅度减小, 且减小的变化提前约1年出现, 相反, 拉尼娜事件期间SSH年幅度变化增大, 且增加的变化会持续并滞后6个月或以上。

图 5a还表明东中国海海平面高度存在明显的升高趋势, 通过对原始日平均SSH数据移除年周期和半年周期信号, 并进行30天和60天滤波分析, 最后对所得数据进行线性拟合(图 5b)。在这23年中, 东中国海平均海平面呈明显的线性上升趋势, 上升速率为2.82mm/a。根据AVISO数据统计结果, 同时期全球平均海平面的线性上升速率为3.21mm/a, 东中国海的SSH升高趋势略小于全球变化。

采用小波分析方法, 对东中国海海平面变化的周期特征进行了分析。先对东中国海SSH异常去除趋势项后进行1—10a带通滤波处理, 再将滤波后获得的年际变化分量进行小波分析。图 6a中黑线所包含的区域超过了95%信度检验, 其结果是可信的, 可信数据显示东中国海SSH异常在1.5—3a的年际振荡最为明显, 尤其体现在2009—2013年间。图 6b为整个时间序列的小波谱分布图, 横坐标为方差, 纵坐标为周期, 与图 6a中的纵轴相同, 结果显示1.5—3a的振荡信号超过了95%信度, 表明SSH具有显著年际变化特征, 其谱峰值对应的年际变化周期为2.2a。

图 6 1993—2015年东中国海SSH数据小波分析 Fig. 6 Wavelet analysis of SSH of 1993—2015 in the ECS
2.3 东中国海SSH的EOF模态分析

对东中国海23年的SSH气候态距平数据去除趋势项后进行经验正交函数分析(Empirical orthogonal function, EOF), 得到SSH距平的空间模态分布及其对应的时间变化系数(图 7)。EOF前三个主要模态的累计贡献率达77.03%, 前三模态分别记为EOF1, EOF2, EOF3, 它们的方差贡献率依次为: 44.95%、18.06%和14.02%。

图 7 东中国海SSH距平的EOF分析(空间分布中等值线间隔为2cm) Fig. 7 EOF modes for SSH in the ECS. (a) EOF1, (b) EOF2 and (c) EOF3. The contour interval is 2cm

图 7a是SSH距平的第一模态, 对应时间系数在图 7d中。EOF1的方差贡献率为44.95%, 解释了SSH偏差变化近一半的信息。从其空间分布可知渤海、黄海北部、山东半岛沿岸和苏北浅滩海域、东海中北部SSH偏差变化较大, 黄海中部、台湾东北部及台湾海峡的SSH偏差变化较小。从时间变化曲线可知, 海平面年周期变化显著, 季节空间分布模态占主导地位。整个研究海域都呈正位相分布, 表明东中国海SSH的升高或降低都是同步的。

渤海和苏北浅滩海域由于水深较浅, 对冬季强风搅拌混合作用及夏季净热输入的响应较迅速, SSH的年变化幅度较大, 表现为EOF1中的高值区。黄海中部受夏季黄海冷水团的影响, 抑制了夏季海平面的升高, 表现为EOF1中的低值区, 而台湾海峡虽然SSH较大(图 2), 但其年幅度变化较小, 同在EOF1中为低值区; 台湾岛东北部存在冷涡, 决定了该海域的SSH在EOF1中的分布。该模态主要反映了海水温度对海平面季节变化有较大贡献, 因为该模态下高值区域均位于海水温度季节变化较为显著的海域, 而低值区则为海水温度季节变化较小的海域(武扬, 2013)。

图 7b是SSH距平的第二模态, 其空间分布反映了由于风应力及长江径流等局地过程导致的SSH偏差变化。除苏北浅滩、闽浙沿岸海域和台湾东北部为负值外, 其他海域均为正值, 这种分布正是反映了夏秋季节这三个海区与其他海域SSH偏差变化的反位相关系。时间序列显示夏季为负值, 表明闽浙沿岸、苏北浅滩和长江口附近海域SSH在夏季表现为正偏差, 由于台湾暖流北上势力与长江径流在夏季较强(张志欣, 2014)同时东南风盛行(毛园等, 2002), 由此引起的海水堆积导致该海区SSH上升。渤海北部和黑潮主流区域SSH表现为正位相, 表明在夏秋季节这两个海区SSH呈下降趋势。

图 7c是SSH距平的第三模态, 其空间分布反映东中国海SSH与西北太平洋SSH偏差变化之间的反位相关系, 整个东中国海SSH基本呈负偏差, 黑潮东南大洋区SSH出现一正值中心。对EOF3时间系数进行谱分析, 得到其年际变化周期为2.9a和4.3a。由图 5a可知, 1993—2015这23年间, 共发生7次El-Nino事件(平均周期3.3a), 与东中国海海平面异常的EOF3模态时间序列主周期相近。此外, 自2000年以后, ENSO的主周期明显缩短(McPhaden, 2012; Hu et al, 2017), SSH年际变化的振荡周期主要集中在1—3a, 因此可认为EOF3的空间分布反映了SSH年际变化特征, 同时还表明东中国海SSH年际变化受ENSO事件的调制(Zuo et al, 2012)。

3 结论

本文采用1993—2015年的AVISO卫星高度数据, 分析了东中国海海平面高度的时空变化特征, 并探讨了不同海洋水文动力过程和ENSO过程对东中国海SSH的影响。

东中国海海平面高度具有显著的季节变化, 冬、春季为海平面低值季节, 夏、秋季是高值季节, 由于海水比大气的比热容要大, 导致一年中SSH的最小值和最大值相对气温的极值月份滞后一个月。虽然东中海SSH整体呈现从北向南逐渐升高的分布特点, 但由于海区水深和水文过程(如黄海冷水团、长江径流输入、闽浙沿岸流、台湾暖流等)的影响, 导致东中国海SSH在不同季节呈现出明显的区域性特点。

东中国海SSH在23年间的线性上升速率为2.82mm/a, 通过小波分析, 表明存在多时间尺度的周期变化, 特征周期主要包括1a、2.2a, 其中年变化周期特征最为显著。

基于EOF分析, 东中国海海平面高度距平分为三个主要模态。EOF第一模态的方差贡献率为44.95%, 主要解释了年变化周期下的SSH偏差分布, 且整个研究海域都为正位相, 表明SSH的升高或降低是同步的, 反映了季节变化下海水温度比容效应对SSH分布的影响。EOF第二模态的方差贡献率为18.06%, 主要解释了半年周期内SSH的偏差分布, 反映了局地季节内水动力过程长江径流、闽浙沿岸流和季风的影响。EOF第三模态的方差贡献率为14.02%, 主要解释了年际周期内SSH的偏差分布, 表明东中国海SSH受ENSO过程调制, 年际变化主周期为2.9a和4.3a。关于两者之间的影响机制, 希望通过进一步研究进行深入探讨。

参考文献
毛园, 沙文钰, 2002. 海面风场对环台湾岛海域温跃层的影响. 海洋预报, 19(3): 33–43 DOI:10.11737/j.issn.1003-0239.2002.03.004
王龙, 王晶, 杨俊钢, 2014. 东海海平面变化的综合分析. 海洋学报, 36(1): 28–37
王慧, 刘克修, 张琪, 等, 2014. 中国近海海平面变化与ENSO的关系. 海洋学报, 36(9): 65–74
王慧, 范文静, 张建立, 等, 2011. 中国沿海近31年冬季海平面变化特征. 海洋通报, 30(6): 637–643
王国栋, 康建成, 刘超, 等, 2011. 中国东海海平面变化多尺度周期分析与预测. 地球科学进展, 26(6): 678–684
吴中鼎, 李占桥, 赵明才, 2003. 中国近海近50年海平面变化速度及预测. 海洋测绘, 23(2): 17–19
张志欣, 2014. 中国近海沿岸流及毗邻流系的观测与分析研究. 青岛: 中国海洋大学博士学位论文, 66-68
李大炜, 李建成, 金涛勇, 等, 2012. 利用多代卫星测高资料监测1993-2011年全球海平面变化. 武汉大学学报(信息科学版), 37(12): 1421–1424
国家海洋局, 2016. 2015年中国海平面公报. http://www.soa.gov.cn/zwgk/hygb/zghpmgb/201603/t20160324_50508.html
武扬, 程国胜, 韩桂军, 等, 2013. 基于CORA资料的中国海海表面温度季节和年际变化特征分析. 海洋学报, 35(1): 44–54
郭金运, 王建波, 胡志博, 等, 2015. 由TOPEX/Poseidon和Jason-1/2探测的1993-2012中国海海平面时空变化. 地球物理学报, 58(9): 3103–3120 DOI:10.6038/cjg20150908
詹金刚, 王勇, 许厚泽, 等, 2008. 我国近海1992-2006年海平面变化的小波分析. 测绘学报, 37(4): 438–443
Cazenave A, Lombard A, Llovel W, 2008. Present-day sea levelrise:A synthesis. ComptesRendus Geoscience, 340(11): 761–770 DOI:10.1016/j.crte.2008.07.008
Church J A, Clark P U, Cazenave A et al, 2013. Sea level change. In: Stocker TF, Qin D, Plattner GK, et al, eds. Climate change 2013: the physical science basis contribution of Working Group Ⅰ to the Fifth Assessment Report of the Intergovernmental Panel on Climate Change. Cambridge: Cambridge University Press, 641-693
Feng W, Zhong M, Xu H Z, 2012. Sea level variations in the South China Sea inferred from satellite gravity, altimetry, and oceanographic data. Science China Earth Sciences, 55(10): 1696–1701 DOI:10.1007/s11430-012-4394-3
Fu L L, Cazenave A, 2000. Satellite Altimetry and Earth Sciences:A Handbook of Techniques and Applications. San Diego: Academic Press, 69
Hu Z Z, Kumar A, Huang B, et al, 2017. Interdecadal variations of ENSO around 1999/2000. Journal of Meteorological Research, 31(1): 73–81 DOI:10.1007/s13351-017-6074-x
Mcphaden M J, 2012. A 21st century shift in the relationship between ENSO SST and warm water volume anomalies. Geophysical Research Letters, 39(9): L09706
Nerem R S, 1995. Measuring global mean sea level variations using TOPEX/POSEIDON altimeter data. Journal of Geophysical Research:Oceans, 100(C12): 25135–25151 DOI:10.1029/95JC02303
Zuo J C, He Q Q, Chen C L, et al, 2012. Sea level variability in East China Sea and its response to ENSO. Water Science and Engineering, 5(2): 164–174