海洋与湖沼  2022, Vol. 53 Issue (6): 1311-1321   PDF    
http://dx.doi.org/10.11693/hyhz20220300054
中国海洋湖沼学会主办。
0

文章信息

刘凯, 高山, 侯颖琳, 赵军, 王凡. 2022.
LIU Kai, GAO Shan, HOU Ying-Lin, ZHAO Jun, WANG Fan. 2022.
南太平洋和南印度洋亚南极模态水潜沉率的长期变化趋势
LONG-TERM TRENDS IN SUBANTARCTIC MODE WATER SUBDUCTION RATES IN THE SOUTH PACIFIC AND SOUTH INDIAN OCEAN
海洋与湖沼, 53(6): 1311-1321
Oceanologia et Limnologia Sinica, 53(6): 1311-1321.
http://dx.doi.org/10.11693/hyhz20220300054

文章历史

收稿日期:2022-03-08
收修改稿日期:2022-05-19
南太平洋和南印度洋亚南极模态水潜沉率的长期变化趋势
刘凯1,2,3, 高山1,2,3,4, 侯颖琳1,2,3, 赵军1,2,3, 王凡1,2,3,4     
1. 中国科学院海洋研究所 山东青岛 266071;
2. 中国科学院海洋环流与波动重点实验室 山东青岛 266071;
3. 中国科学院大学 北京 100049;
4. 青岛海洋科学与技术试点国家实验室 海洋动力过程与气候功能实验室 山东青岛 266237
摘要:亚南极模态水(sub-Antarctic mode water, SAMW)的潜沉过程与全球变暖减缓现象密切相关。为了增进对亚南极模态水长期变化特征的认识, 使用一个高分辨率长时间序列的海洋模式数据对SAMW的潜沉率变化趋势的空间分布进行了系统地分析。结果显示, 在1958~2016年间, SAMW的潜沉量在南太平洋和南印度洋在长时间段上存在着相反的趋势变化, 即在南太平洋增大, 在南印度洋减少, 这与已有研究结果相符。但进一步的分析发现, SAMW潜沉量的空间分布存在着明显的差异。在南印度洋, 其北部潜沉区的潜沉率仅有很微弱的上升趋势, 而位于南部潜沉区的潜沉率则有明显的下降趋势。与此同时, 在南太平洋中, 其西部潜沉区的潜沉率趋势非常小, 而东部潜沉区的水的潜沉有明显上升的长期趋势。总体而言, 密度较大的SAMW潜沉水团比密度较小的潜沉水团表现出更显著的长期变化的趋势。南部变化趋势明显的潜沉水量大概占总潜沉水量的60%, 由此可知SAMW的总体趋势更多地来自其南部密度更大的潜沉区的贡献。进一步的分析表明, SAMW潜沉区的混合层的长期变化趋势与潜沉率的长期变化趋势之间存在较为一致的空间分布。其中, 在南太平洋, 东侧潜沉区的混合层的长期增大趋势, 主要由于风应力增大的作用, 而西侧潜沉区的混合层的长期减小趋势, 则主要因为海表浮力强迫的控制; 在南印度洋, 南侧潜沉区的潜沉率长期减小趋势更多的是受到浮力强迫的影响, 而西北部的潜沉率长期增加趋势则主要由风应力增强导致的。
关键词潜沉率    长期变化趋势    混合层    水团    
LONG-TERM TRENDS IN SUBANTARCTIC MODE WATER SUBDUCTION RATES IN THE SOUTH PACIFIC AND SOUTH INDIAN OCEAN
LIU Kai1,2,3, GAO Shan1,2,3,4, HOU Ying-Lin1,2,3, ZHAO Jun1,2,3, WANG Fan1,2,3,4     
1. Institute of Oceanology, Chinese Academy of Sciences, Qingdao 266071, China;
2. Center for Ocean Mega-Science, Chinese Academy of Sciences, Qingdao 266071, China;
3. University of Chinese Academy of Sciences, Beijing 100049, China;
4. Laboratory for Ocean Dynamics and Climate, Pilot National Laboratory for Marine Science and Technology (Qingdao), Qingdao 266237, China
Abstract: The subduction process of subantarctic modal water (SAMW) is closely related to the global warming hiatus. We systematically analyzed and calculated the spatial distribution of SAMW subduction rate trends using the high-resolution and long time series of ocean model data. Results show that the subduction rate of SAMW tends to increase in the South Pacific but to decrease in the Southern Indian Ocean between 1958~2016, which is consistent with the results of previous studies. However, further analysis revealed a clear spatial variation of the trend in the subduction of SAMW. In the Southern Indian Ocean, the subduction rate in the northern subduction zone (sea surface density (SSD) at 26.5~26.8 kg/m3) shows a very weak increasing trend, while in the southern subduction zone (water with SSD at 26.8~27.1 kg/m3) it presents an obvious long-term decreasing trend. Meanwhile, the South Pacific Ocean shows a weak trend of water subduction rate in the western subduction zone (SSD at 26.5~26.9 kg/m3), but an obvious increasing long-term trend of water subduction in the eastern subduction zone (SSD at 26.9~27.1 kg/m3). In general, the SAMW with higher density on the sea surface show more significant long-term trends than the less surface dense subducted water masses, accounting for about 60% of the total SAMW. In other words, the SAMW contributes more in overall from the southern part where surface density is higher. Additional studies uncovered a considerably consistent spatial distribution between the long-term variation trends of the mixed layer in the SAMW subduction zone and the long-term trends of the subduction rate. Among them, in the main subduction zone of the South Pacific, the long-term increasing trend of the mixing layer in the east subduction zone is mainly due to the increase of wind stress curl, while the long-term decreasing trend of the mixed layer in the western subduction zone is mainly due to the control of sea surface buoyancy forcing. In the main subduction zone of the southern Indian Ocean, the long-term decreasing trend of the subduction rate in the southern subduction zone is more influenced by buoyancy forcing, while the long-term increasing trend of the subduction rate in the northwestern region is mainly due to the contribution of increased wind stress curl.
Key words: subduction rate    long-term trends    mixed layer    water mass    

亚南极模态水(sub-Antarctic mode water, SAMW)作为南半球大洋中重要的水团, 主要由冬季海面变冷主导的上层海水潜沉形成(Hanawa et al, 2001)。该水团形成的区域位于亚极地区域(sub-Antarctic zone, SAZ)。该区域的北界和南界分别是亚热带锋面(sub-tropical front, STF)和亚极地锋面(sub-Antarctic front, SAF)。亚南极模态水通过潜沉过程形成后, 会将大气的信号通过通风过程传递到海洋内部(Robinson et al, 1959; Welander, 1959; Luyten et al, 1983; Speer et al, 1992; Primeau et al, 2006; Liu et al, 2012; Trossman et al, 2012)。通风的潜沉水继而在主温跃层的深度向北和向西运动, 进入中深层的亚热带环流圈当中参与大洋环流(McCartney, 1982; Sloyan et al, 2001; Sallée et al, 2006; Jones et al, 2016)。亚南极模态水被证实在储存和输运热量、氧气、二氧化碳等方面均发挥着重要的作用(McNeil et al, 2001; Sloyan et al, 2001; Sabine et al, 2004; Sarmiento et al, 2004; Khatiwala et al, 2009; Iudicone et al, 2010; Sallée et al, 2013; DeVries et al, 2017)。随着观测资料和模式数据的逐年丰富, 我们已经对SAMW的一些性质以及变化趋势有了初步的认识。Gao等(2018)通过分析Argo (Array for Real-time Geostrophic Oceanography)资料发现, SAMW显著地增厚、加深和变暖。该现象可以解释65%的上层2 000 m海洋热含量的增加, 这为全球变暖间断缺失的热量提供了一个可能的去处。需要指出的是, 尽管SAMW在整个南大洋都有生成, 但是生成率最高、水团面积最大的区域是在南印度洋和南太平洋(Sallée et al, 2006; Cerovečki et al, 2013; Downes et al, 2017), 鉴于发现了SAMW水团对气候重要的调节作用, 围绕这两个区域的关于SAMW趋势和变率的研究成为了一个热点。Hong等(2020)的研究表明, 在Argo观测时段内, 南印度洋亚热带模态水(southeast Indian sub-Antarctic mode water, SEISAMW)的体积下降了10%, 并指出该变化主要由马斯克林高压变化相关的海表面强迫导致的, Qiu等(2021)用CMIP6气候数据资料进一步证实了这一趋势。然而在南太平洋, Qu等(2020)同样使用Argo资料, 发现南太平洋SAMW的潜沉率存在准2 a周期的变率, 并且潜沉率存在长期增加的趋势。这和Gao等(2018)的结论是相符的。并且两者都指出引起太平洋中该增加趋势的是与南半球环状模(southern annular mode, SAM)增强相关的西风增强。综上来看, 南印度洋和南太平洋SAMW水团体积表现出的相反的变化趋势体现出两个大洋对SAMW有着不同的控制机制。

由于南太平洋和南印度洋SAMW面积广阔, 其性质并非均一。前人多采用将SAMW看作整体的方式来研究南大洋SAMW的变率, 这对于研究SAMW导致的整体的气候效应具有显而易见的意义。但是这样却无法体现出具体的区域差异性。既然南印度洋和南太平洋表现出了相反的变化趋势, 那就说明很有可能在单一大洋内部同样存在着趋势变化不同的区域。为此, 本文使用1958~2016年的长时间的OFES (OGCM for the Earth Simulator)模式数据, 给出南太平洋和南印度洋的SAMW潜沉率长期变化趋势的空间分布。在验证前人关于南太平洋和南印度洋SAMW水团长期变化的研究结果的基础上, 进一步分析了影响具体区域的潜沉率趋势的主要因素, 并按照潜沉密度的空间分布来对SAMW进行分组。这样可以将对SAMW长期趋势的研究进行更细致的划分, 从而抓住其影响气候的主要部分。本文随后的第一部分介绍了本研究使用的数据和潜沉率的计算方法。第二部分的结果分析中, 首先对OFES模式对于潜沉率以及其他相关变量的模拟情况同观测资料进行了比对评估, 得到长期平均结果下的潜沉率的分布, 给出了SAMW潜沉率长期变化趋势在南太平洋和南印度洋的空间分布结果, 然后我们对影响不同区域潜沉率趋势的因素进行了系统分析。第三部分是对本文研究内容的总结。

1 数据与方法 1.1 数据介绍

OFES是高分辨率的全球性的海洋模式(Masumoto et al, 2004; Sasaki et al, 2008), 该模式基于GFDL/NOAA (Geophysical Fluid Dynamics Laboratory/National Oceanic and Atmospheric Administration)的MOM3(Modular Ocean Model)模式, 并改进为并行计算。该模式几乎覆盖了75.9°S~75.9°N的除了北极海域的全球区域, 水平分辨率为1/10°, 垂向上从海面到5 850 m深度处共分为了100层, 每层的厚度参考了真实海洋的温跃层厚度, 随深度增加而逐渐变大, 即便是在较深的海洋中, 层与层之间的垂向间隔也没有很大。模式的地形采用的是南安普顿中心奥卡姆(OCCAM)计划测得的1/30°的地形测量数据, 动量方程中的水平湍流扩散项采用双调和算子以抑制水平网格尺度的误差, 垂直混合采用KPP边界层混合方案。表面热通量采用NCEP/NCAR的再分析数据的月平均输出结果, 月平均风应力也是采用1950~1999年的NCEP/NCAR的再分析数据, 温盐资料用的是WOA98 (World Ocean Atlas)的结果。在本文中, 采用的数据的时间跨度是从1958~2016年。由于其较合理的模拟结果, OFES数据在研究中得到了广泛认可和采用(Masumoto, 2010; Melnichenko et al, 2010)。

同时, 我们采用Argo数据的结果来同OFES模式的结果进行对比, Argo数据是目前最重要的海洋观测数据集之一, 自本世纪初以来, 已经有数千个Argo浮标被布放到海洋当中, 获取了从5~2 000 m的典型上层海洋的温度和盐度(T/S)剖面。在这里使用的是夏威夷大学国际太平洋研究中心的亚太数据研究中心(Asia-Pacific Data Research Center, APDRC) (http://apdrc.soest.hawaii.edu/)根据Argo剖面数据在1°×1°网格上建立的接近实时的月平均T/S数据, 数据时间从2005年1月至今, 共有26个垂直分层。这里使用了月平均的结果。根据该温盐数据资料, 我们计算出了相对于2 000 m深静止参考面的地转流。计算Ekman泵压速度使用的风应力采用了NCEP再分析数据集中的月平均的风场。

根据OFES和Argo的温盐数据资料, 计算了混合层深度。混合层深度的定义为海水位势密度相对表层增加0.125 kg/m3 (Gao et al, 2014)的深度。

1.2 年潜沉率的拉格朗日计算方法

本文年潜沉率Sann的计算这里采用的是Qiu等(1995)中采用的拉格朗日计算方法, 其原始计算公式为

    (1)

其中, 等式右边的前两项为垂向抽吸项, 代表了垂向速度导致的穿过混合层底的潜沉水量, wEK是风应力引起的Ekman抽吸速度, 而则是根据β螺旋估计的垂直速度, 代表Ekman层底和混合层底的垂直速度差, 其中v为水平经向流速, hm是混合层底的深度, f是科氏参量, β是行星涡度梯度。这两项之上的横线代表在这些强迫下进行1 a的拉格朗日轨迹追踪。等式右边的第三项为侧向导入项, 代表了混合层底倾斜引起的穿过混合层的水对潜沉率的贡献, 其中, hm,0代表追踪开始时混合层底所在的深度, 而hm,1则代表追踪一年后质点所在位置的混合层深度, T为时间, 这里选择为1 a。

由于OFES模式输出有垂直速度, 相比于用β螺旋和风应力来估算的垂直速度显然更有优势, 因此, 本文中直接以模式中的垂直速度来代替, 计算公式得到简化:

    (2)

其中, 为OFES模式的垂直速度。该计算方法的实质是将局地潜沉的水看作是一个水柱, 在三维流场的作用下运动1 a之后, 水柱的一部分到达了永久性跃层之下, 这一部分的结果就是有效的潜沉率。如未特殊说明, 本文的潜沉率均指的是年潜沉率。

2 结果与分析 2.1 SAMW潜沉率的长期平均状态

OFES模式数据对于海表面温度和海表面盐度的模拟与Argo相比, 从分布到量值都几乎完全一致(图 1a~1d)。由公式(2)看出, 混合层深度(mixed layer depth, MLD)是影响潜沉率的重要因素。在混合层深度的模拟上, 由OFES计算得到的冬季混合层深度的空间分布图像也同Argo一样, 存在着西北到东南的倾斜的条带状峰值区, 不同的是OFES模式由同一判据计算得到的混合层深度的量值相比Argo偏大(图 1e图 1f), 这很有可能是Argo的垂向分辨率不高产生的差异。上述结果可知, 尽管存在一些量值上的差异, OFES对于南大洋上层海洋的模拟还是比较准确的, 使用该数据计算的潜沉率是合理可信的。

图 1 长期平均(2005~2016年)的南半球海表面温度、海表面盐度、冬季(9月)混合层深度分布 Fig. 1 Long-term averaged southern hemisphere sea surface temperature, sea surface salinity, and mixed layer depth distribution in winter (September) 注: 左列: OFES; 右列: Argo; a和b中, 空白区域, 表示温度小于0; d和f中, 由于Argo垂向分辨率较粗, 数据的南界选择为60°S以避免计算混合层深度时会出现偏差, SAMW潜沉区均位于60°S以北的位置, 60°S以南的区域空白

根据前人研究(Hanawa et al, 2001; Gao et al, 2018; Qu et al, 2020), SAMW通常被定义为在海表面密度26.5~27.1 kg/m3范围内通过潜沉生成的水。在该范围以南, 是强劲的南极绕极流(Antarctic circumpolar current, ACC), 通过SAF向北的Ekman输送会迫使该范围内的海水产生向下的Ekman泵压速度。另外, 中纬度强烈的季节变化使得该区域的混合层深度在深冬后快速变浅, 产生大量潜沉水。使用Argo数据得到的潜沉率如图 2b所示, 该结果与Qu等(2020)等使用Argo计算得到的潜沉率结果保持一致。而使用OFES数据以传统拉格朗日方法得到的在该区域多年平均的SAMW潜沉率分布如图 2a所示。结合混合层的空间分布来看(图 1e), 较大的潜沉率基本对应着冬季混合层较深的区域。在南印度洋中, 潜沉率的峰值位于60°~150°E的经度范围内, 在南太平洋中则位于150°~60°W的范围内, 并接近纬向分布。OFES模式数据的潜沉率结果和Argo的存在较好的一致性, 只是OFES得到的潜沉的面积和量值要比Argo更广和更大, 这一点在印度洋中体现的尤为明显。导致该差异的原因可能是由于OFES的分辨率更高导致的混合层深度与Argo的计算差异。另外, Argo潜沉率的计算中采用的水平流场是地转流, 垂直流速则是用风应力旋度加β螺旋进行的估计, 而OFES则是直接使用模式输出的流速, 因此, 使用OFES计算潜沉率时的流体质点的运动轨迹更加合理。

图 2 使用OFES (a)和Argo (b)数据计算的长期平均(2005~2016年)的SAMW年潜沉率 Fig. 2 Long-term averaged (2005~2016) annual subduction rate in southern hemisphere ocean using OFES(a) and Argo(b) data 注: 该区域亚南极模态水潜沉区的北界和南界限定为南半球冬季(9月份)海表面26.5kg/m3和27.1 kg/m3等密度线, 两条等密度线之间的空白区域代表该区域潜沉率计算结果为负值, 追踪质点位于混合层之内, 属于无效潜沉

图 3是长期平均的潜沉率的两个分量, 垂向泵压项和侧向导入项的空间分布, 二者分别在不同程度上以不同的物理机制对潜沉率产生贡献。可以看到侧向导入项对于潜沉率的贡献占绝对优势, 而垂向泵压项在海盆中则通常存在于较低纬度的热带海域, 这主要是由于低纬度海区较强的风应力旋度导致, 而对于本文研究的SAMW潜沉区, 其贡献则不是很大。该结果与前人的研究是一致的, Qu等(2020)的研究表明, 长期平均的Argo潜沉率的主分量是侧向导入项。因为是混合层深度的变化是产生侧向导入分量的重要因素[公式(2)], 所以混合层深度对于SAMW潜沉率的计算是至关重要的。

图 3 OFES长期平均(2005~2016年)的南半球大洋年潜沉率(a)、侧向导入分量(b)、垂向泵压分量(c) Fig. 3 Long-term averaged (2005~2016) annual subduction rate (a), lateral induction component (b) and vertical pumping component (c) in southern hemisphere ocean using OFES data
2.2 SAMW潜沉率的长期变化趋势

如前文所述, 为了探究南印度洋和南太平洋SAMW潜沉区中潜沉率变化趋势具体的区域性差异, 我们首先同前人一样(Hong et al, 2020; Qu et al, 2020; Qiu et al, 2021)进行两个大洋SAMW整体潜沉量的研究。首先, 使用OFES数据计算了1958~2015年每年的SAMW的潜沉率。在这里, 我们以150°E作为南太平洋和南印度洋的分界, 并分别以海表面密度(sea surface density, SSD)为26.5和27.1 kg/m3作为SAMW潜沉区的北界和南界。然后, 统计出南印度洋和南太平洋在SAMW潜沉区域中总的潜沉量的时间变化, 如图 4所示, 两个区域的潜沉量平均值大致相当, 均在4×107 m3/s)左右, 但是在58 a的长时间序列中, 两个大洋的潜沉率变化呈现出相反的线性趋势, 即在太平洋中呈微弱的上升趋势, 在印度洋则呈明显下降的趋势。该结果与已有的研究结果(Hong et al, 2020; Qu et al, 2020; Qiu et al, 2021)相符。同时, 该结果反映出了两个大洋中控制SAMW整体变化趋势的物理机制可能是不同的。

图 4 SAMW潜沉区域总潜沉水量以及各分量潜沉水量的变化和线性趋势 Fig. 4 Variation and linear trends of total and component subduction water volume in the SAMW subduction region 注: a: 南太平洋, 年潜沉率趋势的p值为0.22; b: 南印度洋, 年潜沉率趋势的p值为0.001; 两图中的平均值分别为南太平洋和南印度洋在总的研究时段内的平均潜沉量, k为拟合直线的斜率, p代表显著性水平

由于SAMW空间分布极广, 且其水团性质的差异较大, 所以通过整个区域的SAMW总体水量的变化来进行研究并不能够细致反映其具体的空间分布的变化特征。因此, 为了具体探究SAMW潜沉率的长期变化趋势的空间分布, 我们对该研究区域的每一点做了线性趋势的分析。结果表明(图 5), SAMW潜沉率的长期变化趋势在空间上并不统一, 而是存在较大的区域差异。其中, 在南印度洋中, 其西北海域的SAMW潜沉率有长期增加的趋势, 而其东南海域中的潜沉率则普遍倾向于减小趋势。而对于太平洋来说, 情况刚好相反, 在其西北海域是减小的趋势, 而东南海域的潜沉率则是增加的趋势。下面对SAMW不同区域的潜沉率趋势分别进行系统的分析。

图 5 南印度洋和南太平洋年潜沉率(a)、侧向导入分量(b)和垂向抽吸分量(c)的线性变化趋势系数的分布 Fig. 5 Distribution of linear trend coefficients for annual subduction rate (a), lateral induction component (b) and vertical pumping component (c) in the Southern Indian Ocean and South Pacific 注: 等值线代表海表面等位势密度线, 黑色十字区域代表该点趋势通过了95%置信度检验

在南印度洋中, 从等密度线可以看出(图 5), 潜沉率呈上升趋势的部分主要位于北部的海表面密度为26.5~26.8 kg/m3的范围内, 而下降趋势的海域的海表面密度则集中在南部的海表面密度为26.8~ 27.1 kg/m3之间。Hong等(2020)在研究南印度洋SAMW的变化趋势时并没有针对潜沉率进行研究, 而是对水团本身进行研究, 得出导致SAMW体积存在长期减少的趋势的密度范围为26.8~26.9 kg/m3, 而密度范围在26.6~26.8 kg/m3的SAMW则有体积增加的趋势。该研究与我们的上述结果一致, 即在南印度洋SAMW中, 密度小的水有体积增加的趋势, 而密度大的水则有体积减小的趋势。根据本文的研究, 这两种趋势对应的水分别位于南印度洋中的西北和东南海域。

在南太平洋, SAMW潜沉量的整体变化呈现微弱上升趋势(图 4a)。Gao等(2018)Qu等(2020)使用Argo观测资料得出了整个南大洋SAMW增强的结论, 在此处只单独考虑了太平洋中的情况, 而印度洋中则是下降的趋势, 这表明前人对于南大洋SAMW增强的结论更单独适合于南太平洋。由图 5的结果表明, 在南太平洋中潜沉率呈下降趋势的西部海域, 其海表面密度范围主要分布在26.5~26.9 kg/m3, 而海表面密度在26.9~ 27.1 kg/m3的潜沉率则有明显增加的趋势。

从对上述的不同密度范围分别进行的潜沉量变化的统计结果(图 6)可以更细致的看到引起两个大洋中潜沉率变化的水的来源。结果表明, 在南印度洋和南太平洋的SAMW的潜沉区中, 密度较轻部分的趋势变化均很微弱, 而密度较大部分的趋势变化则非常明显。南印度洋中, 在26.5~26.8 kg/m3密度范围内潜沉的SAMW的平均值为2.514×107 m3/s, 其变化趋势很微弱, 仅有每年1×104 m3/s (图 6a)。而在26.8~27.1 kg/m3范围内潜沉的SAMW平均值则为1.309×107 m3/s, 其下降趋势则非常明显, 达到每年2.5×105 m3/s (图 6b), 在1983年以后, 其潜沉量则几乎一直在平均值以下了。由此可见, 南印度洋SAMW体积的减小可能主要是由表面密度为26.8~27.1 kg/m3的潜沉量减少造成的。与此同时, 在南太平洋, 位于26.5~26.9 kg/m3密度范围的潜沉水量为6.91×106 m3/s, 而位于26.9~27.1 kg/m3密度范围的潜沉水量为3.478×107 m3/s, 单从潜沉水量上来看, 后者占绝对优势, 而这部分水呈现的长期增加趋势也导致了整个南太平洋SAMW的潜沉率的增加(图 6d)。同样地, 南太平洋中密度较小的水团潜沉量很小, 且变化趋势不明显(图 6c)。

图 6 南印度洋和南太平洋SAMW潜沉区域不同密度范围内的潜沉水量以及各分量潜沉水量的变化和线性趋势 Fig. 6 Variation and linear trend of subduction water and its components in different density ranges in the South Indian Ocean and South Pacific SAMW subduction regions 注: a: 南印度洋海表面密度26.5~26.8 kg/m3; b: 南印度洋海表面密度26.8~27.1 kg/m3; c: 南太平洋海表面密度26.5~26.9 kg/m3; d: 南太平洋海表面密度26.9~27.1 kg/m3; 图a与图c的潜沉率趋势并不显著, 图b的p值< 0.01, 图d的p值为0.27; 平均值分别为南太平洋和南印度洋各密度范围在总的研究时段内的平均潜沉量; k为拟合直线的斜率, p代表显著性水平
2.3 影响SAMW潜沉率长期趋势分布的因素

前人研究表明, 影响SAMW变化的主要因素为风应力(Gao et al, 2018; Qu et al, 2020)和海表面浮力强迫(Hong et al, 2020)。其中, 影响潜沉率的最重要因素是混合层深度, 更深的混合层深度往往导致更大的潜沉量。当然, 潜沉率大小还要受到另一个因素, 流场的影响, 所以其变化并不完全由混合层深度决定。将SAMW潜沉区的冬季混合层深度与其潜沉率两者的长期变化趋势的空间分布(图 5图 7)进行对比可见, 虽然两者不完全一致, 但在几个主要区域内呈现较好的对应关系。其中在南太平洋, SAMW潜沉区的混合层深度在170°~130°W的范围内呈长期减小的趋势, 而在130°W以东的部分则是呈现长期增加的趋势, 两个区域的趋势明显且相反, 构成了一个偶极子, 而这与该区域潜沉率的变化趋势基本一致(图 5); 而在南印度洋, 虽然西北海域的对应关系并不是很好, 但是如前所述, 引起南印度洋SAMW潜沉率长期减小趋势的主要是潜沉密度较大的东南海域, 而东南海域的混合层深度恰好也是长期变浅的(图 7)。由此可以推断, SAMW潜沉区的混合层深度的变化可能是引起潜沉率变化的主要因素。

图 7 南印度洋和南太平洋混合层深度的线性变化趋势系数的分布 Fig. 7 Distribution of linear trend coefficients of mixed layer depth in the Southern Indian Ocean and South Pacific 注: 等值线代表海表面等位势密度线, 黑色十字区域代表该点趋势通过了95%置信度检验

那么, 在SAMW潜沉区的混合层深度的变化是由什么因素支配的呢?通常认为海表面密度和风应力旋度的综合效应决定了混合层深度的变化。对两大洋的SAMW潜沉区的冬季海表面温度(sea surface temperature, SST)变化趋势的分析表明(图 8), 除了在印度洋的西南海域是长期减小的趋势外, 在其他区域都是增加的趋势, 该趋势主导了SSD在大部分区域的变小。而南印度洋西南海域盐度的降低使得该区域的密度也同其他区域一样呈减小趋势, 这可能跟淡水通量的减小有关。另一方面, 风应力旋度在整个SAMW潜沉区域内都是长期增加的趋势, 这与近年来SAM的增强有关(Qu et al, 2020)。尽管海表面密度普遍减小, 但在不同的区域内, 其减小的幅度也是不同的。例如在南印度洋海表面密度较大的南侧和南太平洋海表面密度较小的西侧, 海表面密度减小的趋势则相较于其他区域要更明显, 而这两个区域的混合层深度是明显降低的(图 7), 因此, 我们认为在这两个区域内, 控制混合层深度长期变浅从而导致潜沉率长期减小的主要原因是海面浮力强迫引起的海表面密度变小, 该作用要大于风应力旋度增加而导致的混合层加深的效应。而在某些区域的情况则相反, 例如130°W以东的位置, 海表面密度的减小趋势并不是很大(图 8c), 因此, 风应力旋度增大引起的混合层增加效应则占主导, 最终导致了混合层深度的增加。另外, 在南印度洋SAMW的西北海域, 混合层深度是增加的(图 7), 而相同位置处其海表面密度的减小趋势并不如其他区域那么明显, 因此, 该区域的混合层的变化以至于潜沉率的变化也是风应力旋度增加所主导的。

图 8 南印度洋和南太平洋SAMW潜沉区域冬季海表面温度(a), 冬季海表面盐度(b)和冬季海表面密度(c)与风应力旋度(d)的线性变化趋势系数的分布 Fig. 8 Distribution of linear trend coefficients of winter sea surface temperature (a), winter sea surface salinity (b), winter sea surface density (c), and wind stress curl (d) in SAMW subduction region in the Southern Indian Ocean and South Pacific 注: 等值线代表海表面等位势密度线, 黑色十字区域代表该点趋势通过了95%置信度检验
3 结论

本文使用长时间序列高分辨率的OFES模式数据研究了SAMW潜沉率的长期变化趋势。结果表明, 在南印度洋和南太平洋中, 产生长期变化趋势的SAMW可以更具体的归源为表层的某一部分水: 在南印度洋中, 表层密度位于26.8~27.1 kg/m3范围内的水的潜沉率的长期减小主导了南印度洋潜沉率的长期下降趋势。而在南太平洋中, 则是表层密度位于26.9~27.1 kg/m的潜沉水主导了南太平洋潜沉率的长期上升趋势, 而其余部分的潜沉水则不具备明显的趋势, 总的来看, 密度较大的SAMW潜沉水团比密度较小的潜沉水团表现出更显著的长期变化的趋势, 有趋势的潜沉水量(4.787×107 m3/s)大概占到了SAMW总潜沉水量(7.922×107 m3/s)的60%。在SAMW几个主要的潜沉区域内, 潜沉率长期变化的空间分布与冬季混合层深度存在着比较好的对应关系, 而风应力旋度和海表面浮力强迫通过影响混合层深度来影响潜沉率的变化, 在南印度洋SAMW潜沉区海表面密度较大的南侧海域, 其混合层深度的变化主要由浮力强迫的改变引起, 最终导致了SAMW潜沉率的降低, 这和Hong等(2020)估算的南印度洋SAMW体积减小的现象能够很好的对应起来。在南太平洋中, 潜沉率的长期增大则主要是由于风应力旋度的增强, 而风应力的增强则与近年来SAM的增强有关。Gao等(2018)Qu等(2020)将SAMW作为一个整体进行研究, 得出了SAMW有增强的趋势, 从本文的结果来看该结论似乎更适用于太平洋, 因为在太平洋中有上升趋势的水量占了大部分, 而在印度洋中, 尽管风应力旋度的增强导致西北部分海域的潜沉有增加趋势, 但是整体的下降趋势是由海表面浮力强迫导致的海表面密度的长期减小所导致的。

参考文献
CEROVEČKI I, TALLEY L D, MAZLOFF M R, et al, 2013. Subantarctic mode water formation, destruction, and export in the eddy-permitting southern Ocean State Estimate. Journal of Physical Oceanography, 43(7): 1485-1511 DOI:10.1175/JPO-D-12-0121.1
DEVRIES T, HOLZER M, PRIMEAU F, 2017. Recent increase in oceanic carbon uptake driven by weaker upper-ocean overturning. Nature, 542(7640): 215-218 DOI:10.1038/nature21068
DOWNES S M, LANGLAIS C, BROOK J P, et al, 2017. Regional impacts of the westerly winds on Southern Ocean Mode and intermediate water subduction. Journal of Physical Oceanography, 47(10): 2521-2530 DOI:10.1175/JPO-D-17-0106.1
GAO S, QU T D, NIE X W, 2014. Mixed layer salinity budget in the tropical Pacific Ocean estimated by a global GCM. Journal of Geophysical Research: Oceans, 119(12): 8255-8270 DOI:10.1002/2014JC010336
GAO L B, RINTOUL S R, YU W D, 2018. Recent wind-driven change in Subantarctic Mode Water and its impact on ocean heat storage. Nature Climate Change, 8(1): 58-63 DOI:10.1038/s41558-017-0022-8
HANAWA K, TALLEY L D. 2001. Mode waters[M]//SIEDLER G, CHURCH J, CHURCH J. Ocean Circulation and Climate. New York: Academic Press: 373-363.
HONG Y, DU Y, QU T D, et al, 2020. Variability of the subantarctic mode water volume in the South Indian Ocean during 2004-2018. Geophysical Research Letters, 47(10): e2020GL087830 DOI:10.1029/2020GL087830
IUDICONE D, RODGERS K B, STENDARDO I, et al, 2010. Water masses as a unifying framework for understanding the Southern Ocean carbon cycle. Biogeosciences Discussions, 7(3): 3392-3451 DOI:10.5194/bgd-7-3393-2010
JONES D C, MEIJERS A J S, SHUCKBURGH E, et al, 2016. How does subantarctic mode water ventilate the southern hemisphere subtropics?. Journal of Geophysical Research: Oceans, 121(9): 6558-6582 DOI:10.1002/2016JC011680
KHATIWALA S, PRIMEAU F, HALL T, 2009. Reconstruction of the history of anthropogenic CO2 concentrations in the ocean. Nature, 462(7271): 346-349 DOI:10.1038/nature08526
LIU L L, HUANG R X, 2012. The global subduction/obduction rates: their interannual and decadal variability. Journal of Climate, 25(4): 1096-1115 DOI:10.1175/2011JCLI4228.1
LUYTEN J R, PEDLOSKY J, STOMMEL H, 1983. The ventilated thermocline. Journal of Physical Oceanography, 13(2): 292-309 DOI:10.1175/1520-0485(1983)013<0292:TVT>2.0.CO;2
MASUMOTO Y, 2010. Sharing the results of a high-resolution ocean general circulation model under a multi-discipline framework-a review of OFES activities. Ocean Dynamics, 60(3): 633-652 DOI:10.1007/s10236-010-0297-z
MASUMOTO Y, SASAKI H, KAGIMOTO T, et al, 2004. A fifty-year eddy-resolving simulation of the world ocean-Preliminary outcomes of OFES (OGCM for the Earth Simulator). Journal of the Earth Simulator, 1: 35-56
MCCARTNEY M S, 1982. The subtropical recirculation of mode waters. Journal of Marine Research, 40(S1): 427-464
MCNEIL B I, TILBROOK B, MATEAR R J, 2001. Accumulation and uptake of anthropogenic CO2 in the Southern Ocean, south of Australia between 1968 and 1996. Journal of Geophysical Research: Oceans, 106(C12): 31431-31445 DOI:10.1029/2000JC000331
MELNICHENKO O V, MAXIMENKO N A, SCHNEIDER N, et al, 2010. Quasi-stationary striations in basin-scale oceanic circulation: vorticity balance from observations and eddy-resolving model. Ocean Dynamics, 60(3): 653-666 DOI:10.1007/s10236-009-0260-z
PRIMEAU F W, HOLZER M, 2006. The ocean's memory of the atmosphere: Residence-time and ventilation-rate distributions of water masses. Journal of Physical Oceanography, 36(7): 1439-1456 DOI:10.1175/JPO2919.1
QIU B, HUANG R X, 1995. Ventilation of the North Atlantic and North Pacific: subduction versus obduction. Journal of Physical Oceanography, 25(10): 2374-2390 DOI:10.1175/1520-0485(1995)025<2374:VOTNAA>2.0.CO;2
QIU Z S, WEI Z X, NIE X W, et al, 2021. Southeast Indian subantarctic mode water in the CMIP6 coupled models. Journal of Geophysical Research: Oceans, 126(7): e2020JC016872 DOI:10.1029/2020JC016872
QU T D, GAO S, FINE R A, 2020. Variability of the Sub-Antarctic mode water subduction rate during the Argo period. Geophysical Research Letters, 47(13): e2020GL088248 DOI:10.1029/2020GL088248
ROBINSON A, STOMMEL H, 1959. The oceanic thermocline and the associated thermohaline circulation. Tellus, 11(3): 295-308 DOI:10.3402/tellusa.v11i3.9317
SABINE C L, FEELY R A, GRUBER N, et al, 2004. The oceanic sink for anthropogenic CO2. Science, 305(5682): 367-371 DOI:10.1126/science.1097403
SALLÉE J B, SHUCKBURGH E, BRUNEAU N, et al, 2013. Assessment of Southern Ocean water mass circulation and characteristics in CMIP5 models: Historical bias and forcing response. Journal of Geophysical Research: Oceans, 118(4): 1830-1844 DOI:10.1002/jgrc.20135
SALLÉE J B, WIENDERS N, SPEER K, et al, 2006. Formation of subantarctic mode water in the southeastern Indian Ocean. Ocean Dynamics, 56(5/6): 525-542 DOI:10.1007/s10236-005-0054-x
SARMIENTO J L, GRUBER N, BRZEZINSKI M A, et al, 2004. High-latitude controls of thermocline nutrients and low latitude biological productivity. Nature, 427(6969): 56-60 DOI:10.1038/nature02127
SASAKI H, NONAKA M, MASUMOTO Y, et al. 2008. An eddy-resolving hindcast simulation of the quasiglobal ocean from 1950 to 2003 on the Earth Simulator[M]//HAMILTON K, OHFUCHI W. High Resolution Numerical Modelling of the Atmosphere and Ocean. New York: Springer: 157-185.
SLOYAN B M, RINTOUL S R, 2001. Circulation, renewal, and modification of antarctic mode and intermediate water. Journal of Physical Oceanography, 31(4): 1005-1030 DOI:10.1175/1520-0485(2001)031<1005:CRAMOA>2.0.CO;2
SPEER K, TZIPERMAN E, 1992. Rates of water mass formation in the North Atlantic Ocean. Journal of Physical Oceanography, 22(1): 93-104 DOI:10.1175/1520-0485(1992)022<0093:ROWMFI>2.0.CO;2
TROSSMAN D S, THOMPSON L, MECKING S, et al, 2012. On the formation, ventilation, and erosion of mode waters in the North Atlantic and Southern Oceans. Journal of Geophysical Research: Oceans, 117(C9): C09026 DOI:10.1029/2012JC008090
WELANDER P, 1959. An advective model of the ocean thermocline. Tellus, 11(3): 309-318 DOI:10.1111/j.2153-3490.1959.tb00036.x