中国海洋湖沼学会主办。
文章信息
- 姜正, 张荣华, 宫勋. 2023.
- JIANG Zheng, ZHANG Rong-Hua, GONG Xun. 2023.
- 热带太平洋海表二氧化碳分压的时空变化特征及其与物理场间的联系
- SPATIO-TEMPORAL VARIABILITY OF SEA SURFACE PARTIAL PRESSURE OF CARBON DIOXIDE AND ITS RELATIONSHIP WITH PHYSICAL FIELDS IN THE TROPICAL PACIFIC OCEAN
- 海洋与湖沼, 54(3): 689-702
- Oceanologia et Limnologia Sinica, 54(3): 689-702.
- http://dx.doi.org/10.11693/hyhz20221100294
文章历史
-
收稿日期:2022-11-09
收修改稿日期:2022-12-30
2. 南京信息工程大学海洋科学学院 江苏南京 210044;
3. 崂山实验室 山东青岛 266237;
4. 中国地质大学(武汉)海洋地质资源湖北省重点实验室 湖北武汉 430074;
5. 中国科学院大学 北京 100049
2. School of Marine Sciences, Nanjing University of Information Science & Technology, Nanjing 210044, China;
3. Hubei Key Laboratory of Marine Geological Resources, China University of Geosciences, Wuhan 430074, China;
4. Laoshan Laboratory, Qingdao 266237, China;
5. University of Chinese Academy of Sciences, Beijing 100049, China
自工业革命以来, 人类大量使用化石燃料, 使得大气中二氧化碳(CO2)含量不断升高, 如2011年大气CO2浓度较工业革命前已增加近40% (王双晶, 2015), 这会对气候及环境造成诸多直接和间接的影响。海洋作为地球系统碳循环中的重要部分, 在缓解气候变化中扮演着重要的角色(Blunden et al, 2019)。据研究, 海洋储存了超过30%人为排放的二氧化碳(潘德炉等, 2012)。海洋作为碳源或碳汇是由海洋-大气界面间CO2分压差所决定的, 即海表二氧化碳分压(pCO2sw)与大气二氧化碳分压(pCO2air)之差, 其中pCO2sw是指与给定海水样品处于平衡状态的气相中CO2的分压, 受海表温度、盐度、海洋混合、生物、大气强迫等诸多因素的共同影响(Peng et al, 1993; 崔清晨等, 1993; Etcheto et al, 1999; Jiang et al, 2006; Betts et al, 2020), 一般通过走航观测、模式模拟和人工智能等方式获取数据(Takahashi et al, 2009; Valsala et al, 2010; Zhong et al, 2022)。进一步, CO2分压差直接影响海-气界面CO2通量的方向和大小。因此, pCO2sw是碳收支、海-气CO2通量、气候系统碳循环等多领域研究中的重要参数(Takahashi et al, 1997, 2002; Betts et al, 2020), 开展热带太平洋pCO2sw变化研究对改进大气-海洋物理与生物地球化学过程间相互作用及年际气候变化的认知、模式模拟和预测等都具有重要意义(Lin et al, 2007, 2008, 2011; Zhang et al, 2016, 2018, 2020; Tian et al, 2019; 张荣华等, 2021; Gao et al, 2022), 也有利于加深对热带太平洋气候变化和碳循环及其相互作用等的认知和模拟。
目前, 赤道太平洋pCO2sw多时空尺度变化特征及其与气候间的关系已有广泛而深入的研究(Feely et al, 2002; Valsala et al, 2014; Betts et al, 2020), 如已有学者通过观测数据和模式模拟的分析发现赤道太平洋pCO2sw主要受由厄尔尼诺-南方涛动(El Niño-Southern Oscillation, ENSO)所主导的年际变化的影响(Feely et al, 2002; Valsala et al, 2014; Betts et al, 2020); 在年代际尺度变化上, 热带太平洋CO2主要受太平洋年代际振荡(PDO)的影响(Takahashi et al, 2003; Feely et al, 2006)。特别地, Takahashi等(2003)、Feely等(2006)分别发现赤道太平洋中部、西部pCO2sw和海洋CO2逸度与PDO相位的转换密切相关。Valsala等(2014)使用模式研究pCO2sw和CO2通量的多时空尺度变化特征, 揭示了赤道东太平洋pCO2sw变化是由东部型El Niño所主导、而赤道中太平洋pCO2sw变化由中部型El Niño所主导的现象, 其中风场和海洋动力条件是主控因素。Feely等(2006)指出ENSO主要通过三种机制影响赤道西太平洋pCO2sw: 第一种机制是叶绿素效应(其浓度增大时, 消耗的CO2变多, 导致pCO2sw变小); 第二种机制是海洋中的纬向输送机制(El Niño时期出现西风异常时, 导致赤道西太平洋CO2浓度相对较低的水体向东输运增多); 第三种机制是海洋中的经向输送机制(通过经向海流将CO2浓度相对较低的赤道以外水体向赤道输运)。
在影响pCO2sw因素的研究方面, Chavez等(1999)展示了El Niño时期热带太平洋海洋生物和化学的响应特征: El Niño时期赤道叶绿素浓度骤减, 当El Niño消退后, 叶绿素浓度随即恢复正常(Zhang et al, 2018; 张荣华等, 2021)。进一步, 与风场数据对比后发现, El Niño时期赤道中东太平洋上方的信风强度减弱, 导致赤道中东太平洋的上升流减弱, 次表层富含营养盐的次表层水上涌减少, 导致海表叶绿素浓度因缺少营养盐而骤减。其他研究者也发现海洋上升流变化是赤道太平洋pCO2sw异常的主要原因之一, 海洋上升流会将深层富含二氧化碳的冷水输运至海洋表层(Jiang, 2005; 乔然等, 2005; Jones, 2012; Fay et al, 2013; Chatterjee et al, 2017; Betts et al, 2020)。Sutton等(2017)研究了热带太平洋四个选定海域中pCO2sw的长期变化趋势及其与温度、盐度和风场等变量间的关系, 发现海表温度的升高会影响pCO2sw。乔然等(2005)分析了太平洋中低纬度海洋中CO2的分布特征及其与海洋环境场间的关系, 表明热带太平洋CO2的变化受海流、水团、黑潮和ENSO事件等的影响。Jiang(2005)指出南赤道逆流、赤道潜流和热带太平洋的上升流是赤道东太平洋CO2不对称结构形成的主要原因。Tian等(2019)利用模式模拟发现赤道中西太平洋是海-气CO2通量变化的重要区域, 风场是主要驱动因素, 而CO2分压差则影响甚微。
综上, 学者们针对赤道中、东太平洋的pCO2sw多时空变化特征及其主控因素等已有诸多研究, 其结果表明, 信风强度异常导致的海洋上升流强度变化是该海域pCO2sw变化的主要原因。但目前有关赤道中西太平洋pCO2sw气候态分布及其年际异常的多时空特征的研究还相对较少, 特别还没有系统分析赤道中西太平洋出现pCO2sw年际异常中心的原因。因此, 本文采用中国科学院海洋研究所宋金明研究团队于2021年新发布的基于逐步前反馈神经网络(feed-forward neural network; FFNN)算法得到的pCO2sw数据(Zhong et al, 2022), 使用相关性分析、经验正交函数(empirical orthogonal function, EOF)分析、奇异值分解(singular value decomposition, SVD)等诊断方法, 研究赤道太平洋pCO2sw气候态分布及其年际异常的时空演变特征和pCO2sw与各物理场之间的关系, 特别是探究赤道中西太平洋pCO2sw年际异常中心的变化特征及受ENSO调制影响的物理机制。
1 数据与方法 1.1 使用的数据近表面风场(单位: m/s)取自美国海洋和大气管理局(National Oceanic and Atmospheric Administration, NOAA)国家环境预报中心(National Centers for Environmental Prediction, NCEP)的第二版网格化再分析数据产品(https://www.psl.noaa.gov/data/gridded/data.ncep.reanalysis2.html), 本研究所使用的月平均风场数据的空间分辨率为1°×1°, 覆盖时域在1979年1月至2022年3月。
降水数据(单位: mm/d)取自马里兰大学帕克分校地球系统科学跨学科中心和气候与卫星合作研究所的降水数据产品(http://gpcp.umd.edu/)。本研究所使用的月平均降水数据具有1.25°×1.25°的空间分辨率, 覆盖时域在1993年2月至2021年12月。
海洋流场(经向流速、纬向流速, 单位为m/s)数据取自NOAA物理科学实验室的NCEP GODAS数据产品(NCEP Global Ocean Data Assimilation System, GODAS; https://psl.noaa.gov/data/gridded/data.godas.html), 其空间分辨率为0.33°×1.00°, 覆盖时域在1980年1月至2022年3月。
海表温度数据取自OISST_v2资料(optimum interpolation sea surface temperature, OISST V2产品), 它是NOAA物理科学实验室(Physical Sciences Laboratory)由最优插值得到的海表温度数据集(第二版, https://psl.noaa.gov/data/gridded/data.noaa.oisst.v2.html)。本研究采用的月平均海表温度数据的空间分辨率为1°×1°, 覆盖时域在1981年12月至2022年3月。
月平均虚拟盐通量[virtual salt flux, SLTFL; 其表达式定义为S(P–E), 其中S为盐度, P为降水, E为蒸发, 单位为g/(cm2·s) (Kang et al, 2017)]数据和盐度(水深5 m处)数据取自NCEP GODAS, 空间分辨率为0.33°× 1.00°, 覆盖时域在1980年1月至2022年3月。
混合层深度数据取自Argo, 通过APDRC (Asia-Pacific Data-Research Center, http://apdrc.soest.hawaii.edu/las/v6/dataset?catitem=208)网站获得, 包括本研究采用的混合层深度数据为月平均场和月平均位势密度, 其空间分辨率为1°×1°, 覆盖时域在2005年1月至2019年12月。这里混合层深度是依据海水密度随深度的变化来确定的: 海水密度相对于海表增加0.125 kg/m3的深度为定义为混合层深度(Zhang et al, 2022a)。
月平均叶绿素数据(单位为mg/m3)来自GlobColour的水色数据集(https://www.globcolour.info/), 空间分辨率为1°×1°, 覆盖时域在1997年11月至2022年3月。
全球大洋pCO2sw格点数据取自中国科学院海洋科学数据中心专题数据产品(http://www.casodc.com/data/metadata-special-detail?id=1418424272291966978), 是基于逐步FFNN拟合法得到的(Zhong et al, 2022)。本研究使用的pCO2sw数据为月平均场, 其空间分辨率为1°×1°, 覆盖时域在1992年1月至2019年8月。
1.2 方法 1.2.1 数据处理气候态与年际异常: 对相关数据计算1992~2019年间1~12月的逐月平均值, 得到月平均气候态数据; 将各月原始数据与对应月份的气候态相减, 得到年际异常数据。
趋势计算与去除: 使用一元线性回归方法得到相关年际异常随时间的线性回归方程; 计算某一时间点的原始数据与线性回归方程对应时间点的差值, 得到去趋势后的年际异常数据。
分析感兴趣区域及其平均场的计算: 根据需要提取感兴趣研究区域的数据, 包括热带太平洋(25°S~25°N、120°E~80°W)和赤道西太平洋(5°S~5°N、150°E~150°W) pCO2sw年际异常中心。根据需要提取研究时间段的数据: 基于气候态的月平均数据, 计算得到的年平均、春季(二月、三月、四月)、夏季(五月、六月、七月)、秋季(八月、九月、十月)和冬季(十一月、十二月、次年一月)的季节平均数据。
ENSO演变特征量及分类: 按照NOAA Niño 3.4 SST异常指数数据及ENSO的鉴定标准(Trenberth, 1997; 方祝骏等, 2019; Zhi et al, 2021), 区分出ENSO、非ENSO、El Niño、La Niña、去除El Niño、去除La Niña共六种状态类别, 其中, 当Niño 3.4 SST异常指数5个月的滑动平均值连续5个月大于或小于±0.4 ℃时, 认定为El Niño或La Niña发生年。
1.2.2 经验正交函数分析经验正交函数分析(empirical orthogonal function, EOF)也被称为特征向量分析, 通过EOF以提取数据集的主要时空分布特征, 即得到数据集的特征向量和特征值并加以分析(魏凤英, 2007; Valsala et al, 2020)。该方法使用矩阵表示场函数Xm×n (m为某一变量的经纬度网格点的个数, n是时间序列中时间点数), 将原始场1(X)分解为空间场(S)与时间场(T); 空间场函数S可表示为Sm×n, 其中Si (i=1, 2, 3……)代表第i个空间场(仅与空间有关); 时间场函数T可表示为Tm×n, 其中Ti (i=1, 2, 3……)是第i个场时间系数。
1 原始场: 例如温度场、密度场、盐度场、高度场等。
1.2.3 奇异值分解EOF主要用于分析单一要素场的时空变化特征, 但海洋、大气间的相互作用十分复杂, 如想要研究多要素场间的时空变化关系, 可使用SVD方法来实现(魏凤英, 2007)。以双变量SVD为例, 假设一个变量场设为左场Z(m1为空间点数, t为时间点数), 另一个变量场设为右场Y(m2为空间点数, t为时间点数), 计算左场与右场的交叉协方差矩阵CZY=ZYT, 对协方差矩阵CZY进行SVD分解, 得到左场和右场的特征向量。此外, 还需要计算左场和右场的时间系数、空间型异类相关系数、空间型同类相关系数、方差与累积方差等, 最后进行显著性检验分析。
2 热带太平洋pCO2sw气候态分布及年际异常的时空演变特征 2.1 气候态分布特征 2.1.1 气候态年平均场如图 1a所示: 经向上, 热带太平洋pCO2sw平均态总体呈关于赤道的非对称分布, 在赤道附近和南美洲西海岸10°S附近海域出现高值, 最大值出现在赤道以南约为0°~5°S的海域内(约为4.863 6×107 Pa); 随着纬度的增加, pCO2sw逐渐变小。
纬向上, pCO2sw表现出东部高而西部低的特征, 其中高值出现在0°~5°S、90°~120°W海域, 与SST冷舌(0°~20°S、120°W以东)几乎处于相同的位置, 其原因是赤道中东太平洋上空有东南、东北信风, 海水在信风的作用下向西流动, 且在南、北半球受科里奥利力的作用, 赤道北部的水体向西运动时, 发生向运动方向右侧的偏移(向北); 同理, 赤道南部水体发生向南偏移, 导致赤道海域发生水体的辐散, 产生赤道上升流。由于海洋深层的溶解无机碳(海洋碳的主要存在形式)(宋金明等, 2020)浓度比海洋表层高15% (Key et al, 2004), 海洋上升流会使次表层富含CO2的冷水上涌, pCO2sw变大, 该过程与南美洲沿岸的Ekman抽吸过程一同造成赤道太平洋SST的冷舌现象和pCO2sw在纬向上的不均匀分布。
2.1.2 季节变化pCO2sw气候态月平均场如图 2a所示, 与气候态年平均场的纬向特征相同, 月平均场也呈现东部高、西部低的特征, 3月初至8月底在赤道东太平洋pCO2sw出现最大值。
相对于年平均而言, pCO2sw沿赤道的季节变化如图 2b所示。在日界线附近海域和赤道东太平洋分别存在一个pCO2sw季节变化中心。日界线附近的pCO2sw季节变化中心在3~5月出现最大正异常、8~10月出现最大负异常, 而赤道东太平洋的pCO2sw季节变化中心在6~8月出现最大正异常、2~4月出现最大负异常。日界线附近海域的pCO2sw在4~6月出现最大值, 在6~7月开始减小, 11~12月出现最小值; 赤道东太平洋的pCO2sw在2~3月出现最小值, 4月后开始逐渐增大, 8~10月出现最大。这些季节变化与叶绿素在北方的春夏季因信风较弱而出现低值, 而秋冬季因信风较强而出现高值的情况相反, 原因有待后续研究。
如图 3所示, 就pCO2sw年变化而言, 冬季pCO2sw幅度最大, 秋季其次, 春季和夏季较小(夏季最小, 图 3d), 这符合春季末期和夏季近海表风速较弱、秋季和冬季近海表风速逐渐增强的一般规律, 即春、夏季赤道太平洋上空信风强度较弱, 海洋上升流较弱; 而秋、冬季赤道太平洋上空信风增强, 海洋上升流增强。
空间上, 热带太平洋pCO2sw年际异常长期平均、各季节平均都沿赤道出现两个中心(图 3)。进一步聚焦赤道中西太平洋的pCO2sw异常中心, 发现各季节其位置有所不同: 春、冬季其位置在日界线和赤道的交点附近, 而夏、秋季赤道中西太平洋pCO2sw异常中心的位置则在165°E和赤道的交点附近。
2.2 年际异常去除pCO2sw趋势后(图 4b), pCO2sw年际异常特征十分明显, 上节中热带太平洋pCO2sw各季节平均场所展示出的双中心结构仍然存在, 且在不同ENSO相位时期, 赤道中西太平洋pCO2sw年际异常的相位及异常中心位置、强度均不同。在El Niño时期, 赤道太平洋pCO2sw出现负异常(图 1c、图 4c), 赤道中西太平洋pCO2sw异常中心的位置在175°W附近海域, 最大异常值小于−2.0265×106 Pa (图 1c)。在La Niña时期, 赤道太平洋pCO2sw出现正异常(图 1d、图 4c), 赤道中西太平洋pCO2sw异常中心的位置在165°E附近海域, 最大异常值大于2.0265×106 Pa (图 1d)。La Niña时期的pCO2sw异常的绝对值小于El Niño时期, 且前者中心的位置相比后者明显西移。空间上, 如图 1c、1d所示, 上述关于pCO2sw的双中心结构的季节变化在图 1b、图 1c、图 1d、图 3、图 4c、图 5 a中都有所体现。
进一步, 使用EOF分析了1992~2019年间热带太平洋pCO2sw年际异常的时空特征。经计算, pCO2sw年际异常的EOF第一模态的时间系数与Niño 3.4 SST指数呈极强的负相关, 二者间的相关系数为−0.853, 且第一模态的方差贡献率约为17.5% [通过North (1972)显著性检验]。因此, 本研究选取第一模态进行更详细的分析(图 5), 得到以下结论: pCO2sw异常的第一模态特征向量分布具有明显的沿赤道的双中心结构, El Niño时期(即时间系数为负值的时间段, 如图 5b蓝色条柱所在的时间段), 图 5a中正值的红色区域所示的海域(赤道中、东太平洋) pCO2sw变小, 赤道中西、东太平洋分别有一个负值中心; La Niña时期(即时间系数为正值的时间段, 如图 5b红色条柱所在时间段), 图 5a中正值的红色区域所示的海域(赤道中西、东太平洋)pCO2sw变大, 赤道中、东太平洋分别有一个正值中心。
本研究所使用的pCO2sw数据的年际异常特征与前人研究结论基本一致, 即El Niño时期赤道东太平洋pCO2sw变小、La Niña时期赤道东太平洋pCO2sw变大。其原因是El Niño时期赤道太平洋信风减弱, 造成表层水体向西输运减少、赤道东太平洋上升流减弱, 进而造成次表层富含营养盐和CO2的冷水上涌减少, 最终导致表层pCO2sw变小。目前, 关于赤道中西太平洋出现pCO2sw年际异常中心的原因还不十分清晰, 故下文将聚焦分析pCO2sw与多种参数间的相关性。
3 热带太平洋pCO2sw年际异常与物理场间的相关性 3.1 pCO2sw异常与海表温度异常间的相关性热带太平洋不同ENSO位相时期pCO2sw年际异常(去趋势后)与SST异常的相关系数如图 6a所示, 二者在赤道中东、东太平洋呈显著的负相关关系。负相关区域在赤道东太平洋的面积较大, 纬度跨度约为30°, 纬向从东向西延伸到150°E附近, 因此, pCO2sw异常与SST异常负相关的原因可能是由于南赤道海流在科氏力作用下发生辐散所导致的, 即在赤道中、东太平洋海域, 水体自东向西运动, 在科里奥利力的作用下, 赤道附近水体辐散, 造成次表层富含CO2的冷水上涌增多, 进而导致pCO2sw变大、SST降低。
3.2 pCO2sw异常与虚拟盐通量异常间的相关性热带太平洋不同ENSO位相时期pCO2sw年际异常(去趋势后)与SLTFL异常的相关系数如图 6b所示, 二者在赤道中西太平洋呈显著的负相关关系, 由前人研究可知, El Niño位相中, 日界线附近存在降水异常的大值中心(白文蓉等, 2017), 可推断该海域降水变化导致的虚拟盐通量异常是造成pCO2sw异常的主要原因之一, 其机制如下: 根据SLTFL的计算公式S(P−E)可知, 当蒸发增加或降水减少时, 净淡水通量和虚拟盐通量减少, 进入海表的局部净淡水减少, 盐度增大, 层结减弱, 垂向混合增强(Zhang et al, 2009; 白文蓉等, 2017; Zhi et al, 2020, 2022), 次表层富含CO2的冷水上涌增多, 导致表层pCO2sw变大, 即虚拟盐通量、淡水通量负异常时, pCO2sw为正异常。
3.3 pCO2sw异常与混合层深度异常间的相关性图 6c给出了pCO2sw年际异常(去趋势后)与混合层深度异常的相关系数, 表明赤道中西太平洋(150°E~150°W、10°S~10°N)海区的pCO2sw异常与混合层深度异常呈正相关, 而赤道东太平洋(150°~ 90°W、15°S~5°N)海区的pCO2sw异常与混合层深度异常呈负相关。
3.4 pCO2sw异常与风场异常间的相关性如图 6d所示, 在热带太平洋日界线附近海域(165°E~150°W、10°S~8°N), pCO2sw年际异常(去趋势后)与总风场异常呈显著的正相关(165°E~150°W、10°S~8°N), 即当该海域上空风速增大时, pCO2sw变大。下文将进一步解释pCO2sw异常与经、纬向风速异常间的相关性。
在热带太平洋pCO2sw异常与总风场异常的正相关区域, pCO2sw异常与纬向风速(向东为正)呈现极强的负相关关系(图 6e)。
在赤道中西太平洋, 赤道北侧(150°E~150°W、0°~5°N)海区的pCO2sw异常与经向风速(向北为正)异常呈正相关, 而在其关于赤道的对称位置, pCO2sw异常则与经向风速异常呈负相关关系(图 6f)。经向风速可能通过以下机制影响pCO2sw: 赤道以北的热带太平洋海域上空盛行东北信风, 在赤道以南则为东南信风, 当赤道太平洋日界线附近的北半球海域上空的经向风速减小时(即东北信风增强时), 会驱动北半球热带低CO2浓度的冷水向赤道流动, 可能会导致赤道太平洋pCO2sw变小, 故北半球pCO2sw异常与经向风速异常呈现正相关关系; 同样地, 当赤道太平洋日界线附近南半球海域上空的经向风速增大时(即东南信风增强时), 会驱动南半球热带低CO2浓度的冷水向赤道流动, 可能会导致赤道太平洋pCO2sw变小, 故南半球pCO2sw异常与经向风速异常呈现负相关关系。此外, 向赤道的经向流会造成赤道海域水体出现辐合现象, 次表层富含CO2的冷水上涌减少, pCO2sw变小。为证实上述猜想是否合理, 接下来本研究进一步分析了pCO2sw与海洋流场间的相关性。
3.5 pCO2sw异常与流场异常间的相关性在赤道中西太平洋, pCO2sw年际异常与纬向流速异常(向东为正)的相关系数分布呈狭长带状分布: 在南北纬4°~7°呈强负相关性; 而在本研究聚焦的日界线附近海域, pCO2sw异常与海洋纬向流速呈弱相关, 故排除了纬向海流对赤道中西太平洋pCO2sw异常的局地作用(图 6h)。结合上节中对纬向风速的分析, 发现虽然赤道中西太平洋日界线附近海域的纬向风速异常与pCO2sw异常呈强相关(图 6e), 但这种相关性并非通过赤道表层的水平纬向海流来作用的, 这印证了Tian等(2019)的研究结论。
赤道中西太平洋pCO2sw异常与海洋经向流速异常(向北为正)的相关系数分布也呈狭长带状分布, 在5°S~5°N间分别有中等程度的正、负相关区域。当赤道北侧经向流速增加或赤道南侧经向流速减小时, 对应海域的pCO2sw变大(图 6h), 即赤道北太平洋经向流的正异常和赤道南太平洋经向流的负异常会造成日界线附近海域水体辐散, 导致次表层富含CO2的冷水上涌增多, 该海域出现pCO2sw正异常; 同时, 该过程还会造成热带太平洋较高纬度的低CO2浓度水体向赤道输运的减少, 也会导致该海域pCO2sw正异常。由此可见, 经向流速异常是导致赤道中西太平洋出现pCO2sw异常中心的原因之一。
综上, 赤道太平洋日界线附近海域(Niño 3.4研究区域)的pCO2sw异常与纬向流速异常间的相关性不高, 而与经向流速异常的相关性相对较高。虽然这可解释为何赤道中西太平洋出现pCO2sw年际异常中心, 但经向流速异常在二者的SVD第一模态分析中的方差贡献率却只有3.4%, 说明这种经向流速异常并不是造成赤道中西太平洋pCO2sw出现异常中心的主要过程。因此, 赤道中西太平洋的表层水体水平输运并非是该区域出现pCO2sw异常的主要原因。
4 赤道中西太平洋pCO2sw年际异常中心的归因分析 4.1 pCO2sw与多参数间的时空协同变化为解释赤道中西太平洋出现pCO2sw异常中心的原因, 本研究从海-气相互作用、海洋动力学角度提出一种关于ENSO调制赤道中西太平洋pCO2sw年际变化的机制, 其中淡水通量(虚拟盐通量)是该机制的主导因素。图 7给出了2005~2019年间热带太平洋pCO2sw年际异常与叶绿素浓度、降水、虚拟盐通量、海表温度和盐度(水深5 m处)、位势密度和混合层深度年际异常进行联合SVD分析得到的第一模态结果, 第一模态方差贡献率为65.8% [通过蒙特卡洛显著性检验(魏凤英, 2007)], pCO2sw异常场第一模态的时间系数与联合场时间系数的相关系数为0.94 (为极强相关), 即在赤道中西太平洋: 当pCO2sw为正值时, 虚拟盐通量、降水和SST为负值, 而叶绿素浓度、盐度、位势密度和混合层深度为正值。
综合相关性分析的结论和多参数联合SVD分析结果, 本研究聚焦淡水通量的作用, 推断出一种关于ENSO调制赤道中西太平洋pCO2sw的物理机制(图 8): 当赤道中西太平洋海-气界面处的净淡水通量、虚拟盐通量减少时, 即局地降水减少或蒸发增多时(净淡水减少), 局地盐度升高、层结减弱、垂向混合增强。
此时, 次表层高CO2浓度、高营养盐的冷水上涌增多, 海洋上层出现三种响应, 分别是海表温度降低、pCO2sw变大、营养盐浓度升高(叶绿素浓度升高), 即当虚拟盐通量为正异常时, pCO2sw、叶绿素浓度为正异常, 而海表温度为负异常, 这符合联合SVD分析的结果。
例如, 当La Niña发生时, 信风增强, 沃克环流的上升支西移, 赤道西太平洋主要降水带西移, 导致赤道中西太平洋降水减少(白文蓉等, 2017; Zhi et al, 2020, 2022), 根据图 8所描述的机制, 此时赤道中西太平洋165°E附近海域淡水通量、虚拟盐通量减少(淡水减少), 局地盐度升高、层结减弱、垂向混合增强、次表层富含CO2的冷水上涌增加, 导致赤道中西太平洋的pCO2sw变大(图 1d)。
需要特别注意的是, El Niño位相中, pCO2sw负异常中心比La Niña时期pCO2sw负异常中心偏东的现象(图 1c、1d), 与El Niño和La Niña位相时期降水异常中心的位置沿赤道东西向移动的现象一致。该调制机制可解释赤道中西太平洋出现pCO2sw年际异常中心且不同ENSO位相时期其中心位置不同的原因, 即ENSO演变中沃克环流上升支和主要降雨带位置沿赤道在纬向上有东西向移动, 导致赤道中西太平洋海-气界面处淡水通量变化, 这是造成该海域pCO2sw异常的主要原因之一。
4.2 ENSO调制赤道中西太平洋pCO2sw异常中心的机制论证如图 9所示, 在2008年、2011年等La Niña位相中, 赤道中西太平洋降水减少、虚拟盐通量减小, 而在2010、2015~2016年等El Niño位相中, 赤道中西太平洋降水增多、虚拟盐通量增大, 这与图 4c所展示的日界线附近pCO2sw年际异常中心的位置和相位变化一致。
根据该机制可知, 当El Niño发生时, 由于赤道中西太平洋垂向混合减弱, 次表层富含CO2、高营养盐浓度的冷水上涌减少; 作为一种响应, 叶绿素浓度应与pCO2sw同步减小。如图 9所示, 发现在2015~2016年等El Niño位相中, 赤道中西太平洋叶绿素浓度确实存在一个明显的负异常中心, 这与图 4c中所示的赤道中西太平洋pCO2sw异常中心的位置和相位关系相一致。
5 总结本研究发现热带太平洋pCO2sw多年平均、季节变化及与ENSO演变相关的年际变化(去趋势后)及其EOF第一模态的特征向量均沿赤道出现两个中心, 且ENSO不同位相其强度和位置有所不同, 赤道太平洋pCO2sw年际异常的EOF第一模态时间系数与Niño 3.4海表温度指数呈极强的负相关性。聚焦赤道中西太平洋日界线附近海域的pCO2sw年际异常中心现象, 分析了赤道太平洋(尤其是赤道中西太平洋) pCO2sw的基本特征和时空演变, 探究了赤道中西太平洋日界线附近海域pCO2sw与多个物理参数间的相关性和协同变化关系; 基于pCO2sw年际异常与其他物理参数的相关性, 聚焦淡水通量的作用, 提出一种关于ENSO调制赤道中西太平洋pCO2sw的机制, 可解释此海域出现pCO2sw异常中心和不同ENSO位相时期其位置沿赤道东西向移动的原因, 其中降水、虚拟盐通量和叶绿素等的年际变化及其相互间的关联是该机制的核心所在。具体机制如下: 当沃克环流上升支和主要降雨带位置变化时, 虚拟盐通量(淡水通量)随之变化: 当虚拟盐通量减少(增加)时, 即蒸发增加或降水减少(蒸发减少或降水增多)时, 海洋局部净淡水减少(增加), 造成海洋表层盐度增大(减小)、上层海洋层结减弱(增强)和垂向混合增强(减弱)、次表层富含CO2的冷水上涌增多(减少), 导致pCO2sw变大(变小)。此外, 还发现热带中西太平洋pCO2sw异常与海洋表层纬向流速异常无关, 热带中西太平洋pCO2sw年际异常与风场异常高度相关, 但具体机制有待后续使用模式进一步探究。
本文这些基于观测和再分析资料的分析有利于增进对热带太平洋pCO2sw年际变化的认知, 有助于大气-海洋物理和生物地球化学过程间耦合模式的发展和改进(Kang et al, 2017; Zhang et al, 2018, 2020; Gao et al, 2020)。同时, 有助于理解在全球变暖背景下pCO2sw年代际或更长时间变化及其与ENSO多样性和年代际变化间的关联(Zhang et al, 2022b)。
王双晶, 2015. 二氧化碳增加和气候变化对海洋碳储量、酸化及氧储量的影响[D]. 杭州: 浙江大学.
|
方祝骏, 智海, 林鹏飞, 等, 2019. 利用热带太平洋关键区海表面盐度指标区分两类厄尔尼诺. 热带海洋学报, 38(2): 32-42 |
白文蓉, 智海, 林鹏飞, 2017. CMIP5多模式模拟两类El Niño海表盐度分布及与降水的关系. 大气科学, 41(3): 629-647 |
乔然, 王彰贵, 陈陟, 等, 2005. 太平洋中低纬海水中的二氧化碳分布特征及其与海洋环境条件的关系. 海洋学报, 27(6): 30-37 |
宋金明, 李学刚, 袁华茂, 等, 2020. 海洋生物地球化学. 北京: 科学出版社, 590
|
张荣华, 高川, 王宏娜, 等, 2021. 中间型海洋-大气耦合模式及其ENSO模拟和预测. 北京: 科学出版社, 254-267
|
崔清晨, 孙秉一, 1993. 海洋化学辞典. 北京: 海洋出版社, 4-5
|
潘德炉, 李腾, 白雁, 2012. 海洋: 地球最巨大的碳库. 海洋学研究, 30(3): 1-4 DOI:10.3969/j.issn.1001-909X.2012.03.001 |
魏凤英, 2007. 现代气候统计诊断与预测技术. 2版. 北京: 气象出版社, 106-169
|
BETTS R A, BURTON C A, FEELY R A, et al, 2020. ENSO and the carbon cycle [M] //MCPHADEN M J, SANTOSO A, CAI W J. El Niño Southern Oscillation in a Changing Climate. Washington, DC, USA: American Geophysical Union: 453-470.
|
BLUNDEN J, ARNDT D S, 2019. State of the climate in 2018. Bulletin of the American Meteorological Society, 100(9): Si-S306 DOI:10.1175/2019BAMSStateoftheClimate.1 |
CHATTERJEE A, GIERACH M M, SUTTON A J, et al, 2017. Influence of El Niño on atmospheric CO2 over the tropical Pacific Ocean: findings from NASA's OCO-2 mission. Science, 358(6360): eaam5776 DOI:10.1126/science.aam5776 |
CHAVEZ F P, STRUTTON P G, FRIEDRICH G E, et al, 1999. Biological and chemical response of the equatorial Pacific Ocean to the 1997-98 El Niño. Science, 286(5447): 2126-2131 DOI:10.1126/science.286.5447.2126 |
ETCHETO J, BOUTIN J, DANDONNEAU Y, et al, 1999. Air-sea CO2 flux variability in the equatorial Pacific Ocean near 100°W. Tellus B, 51(3): 734-747 DOI:10.3402/tellusb.v51i3.16474 |
FAY A R, MCKINLEY G A, 2013. Global trends in surface ocean pCO2 from in situ data. Global Biogeochemical Cycles, 27(2): 541-557 DOI:10.1002/gbc.20051 |
FEELY R A, BOUTIN J, COSCA C E, et al, 2002. Seasonal and interannual variability of CO2 in the equatorial Pacific. Deep Sea Research Part II: Topical Studies in Oceanography, 49(13/14): 2443-2469 |
FEELY R A, TAKAHASHI T, WANNINKHOF R, et al, 2006. Decadal variability of the air-sea CO2 fluxes in the equatorial Pacific Ocean. Journal of Geophysical Research: Oceans, 111(C8): C08S90 |
GAO C, CHEN M N, ZHOU L, et al, 2022. The 2020-2021 prolonged La Niña evolution in the tropical Pacific. Science China Earth Sciences, 65(12): 2248-2266 DOI:10.1007/s11430-022-9985-4 |
GAO C, ZHANG R H, KARNAUSKAS K B, et al, 2020. Separating freshwater flux effects on ENSO in a hybrid coupled model of the tropical Pacific. Climate Dynamics, 54(11): 4605-4626 |
JIANG M S, CHAI F, 2005. Physical and biological controls on the latitudinal asymmetry of surface nutrients and pCO2 in the central and eastern equatorial Pacific. Journal of Geophysical Research: Biogeosciences, 110(C6): C06007 |
JIANG M S, CHAI F, 2006. Physical control on the seasonal cycle of surface pCO2 in the equatorial Pacific. Geophysical Research Letters, 33(23): L23608 DOI:10.1029/2006GL027195 |
JONES S, 2012. Spatio-temporal variability in surface ocean pCO2 inferred from observations [D]. Norwich, UK: University of East Anglia.
|
KANG X B, ZHANG R H, WANG G S, 2017. Effects of different freshwater flux representations in an ocean general circulation model of the tropical Pacific. Science Bulletin, 62(5): 345-351 DOI:10.1016/j.scib.2017.02.002 |
KEY R M, KOZYR A, SABINE C L, et al, 2004. A global ocean carbon climatology: Results from Global Data Analysis Project (GLODAP). Global Biogeochemical Cycles, 18(4): GB4031 |
LIN P F, LIU H L, YU Y Q, et al, 2011. Response of sea surface temperature to chlorophyll-a concentration in the tropical Pacific: annual mean, seasonal cycle, and interannual variability. Advances in Atmospheric Sciences, 28(3): 492-510 DOI:10.1007/s00376-010-0015-2 |
LIN P F, LIU H L, ZHANG X H, 2007. Sensitivity of the upper ocean temperature and circulation in the equatorial Pacific to solar radiation penetration due to phytoplankton. Advances in Atmospheric Sciences, 24(5): 765-780 DOI:10.1007/s00376-007-0765-7 |
LIN P F, LIU H L, ZHANG X H, 2008. Effect of chlorophyll-a spatial distribution on upper ocean temperature in the central and eastern equatorial Pacific. Advances in Atmospheric Sciences, 25(4): 585-596 DOI:10.1007/s00376-008-0585-4 |
PENG T H, TAKAHASHI T, 1993. Ocean uptake of carbon dioxide [C] //Proceedings of National Conference and Exposition on Heat Transfer. Atlanta, GA, USA: 2-6.
|
SUTTON A J, WANNINKHOF R, SABINE C L, et al, 2017. Variability and trends in surface seawater pCO2 and CO2 flux in the Pacific Ocean. Geophysical Research Letters, 44(11): 5627-5636 DOI:10.1002/2017GL073814 |
TAKAHASHI T, FEELY R A, WEISS R F, et al, 1997. Global air-sea flux of CO2: an estimate based on measurements of sea-air pCO2 difference. Proceedings of the National Academy of Sciences of the United States of America, 94(16): 8292-8299 DOI:10.1073/pnas.94.16.8292 |
TAKAHASHI T, SUTHERLAND S C, FEELY R A, et al, 2003. Decadal variation of the surface water PCO2 in the western and central Equatorial Pacific. Science, 302(5646): 852-856 DOI:10.1126/science.1088570 |
TAKAHASHI T, SUTHERLAND S C, SWEENEY C, et al, 2002. Global sea-air CO2 flux based on climatological surface ocean pCO2, and seasonal biological and temperature effects. Deep Sea Research Part II: Topical Studies in Oceanography, 49(9/10): 1601-1622 |
TAKAHASHI T, SUTHERLAND S C, WANNINKHOF R, et al, 2009. Climatological mean and decadal change in surface ocean pCO2, and net sea–air CO2 flux over the global oceans. Deep Sea Research Part II: Topical Studies in Oceanography, 56(8/9/10): 554-577 |
TIAN F, ZHANG R H, WANG X J, 2019. Factors affecting interdecadal variability of air-sea CO2 fluxes in the tropical Pacific, revealed by an ocean physical-biogeochemical model. Climate Dynamics, 53(7): 3985-4004 |
TRENBERTH K E, 1997. The definition of El Niño. Bulletin of the American Meteorological Society, 78(12): 2771-2778 DOI:10.1175/1520-0477(1997)078<2771:TDOENO>2.0.CO;2 |
VALSALA V, MAKSYUTOV S, 2010. Simulation and assimilation of global ocean pCO2 and air-sea CO2 fluxes using ship observations of surface ocean pCO2 in a simplified biogeochemical offline model. Tellus B: Chemical and Physical Meteorology, 62(5): 821-840 DOI:10.1111/j.1600-0889.2010.00495.x |
VALSALA V K, ROXY M K, ASHOK K, et al, 2014. Spatiotemporal characteristics of seasonal to multidecadal variability of pCO2 and air-sea CO2 fluxes in the equatorial Pacific Ocean. Journal of Geophysical Research: Oceans, 119(12): 8987-9012 DOI:10.1002/2014JC010212 |
VALSALA V, SREEUSH M G, CHAKRABORTY K, 2020. The IOD impacts on the Indian Ocean carbon cycle. Journal of Geophysical Research: Oceans, 125(11): e2020JC016485 |
ZHANG R H, BUSALACCHI A J, 2009. Freshwater flux (FWF)-induced oceanic feedback in a hybrid coupled model of the Tropical Pacific. Journal of Climate, 22(4): 853-879 DOI:10.1175/2008JCLI2543.1 |
ZHANG R H, GAO C, 2016. The IOCAS intermediate coupled model (IOCAS ICM) and its real-time predictions of the 2015-2016 El Niño event. Science Bulletin, 61(13): 1061-1070 DOI:10.1007/s11434-016-1064-4 |
ZHANG R H, GAO C, FENG L C, 2022b. Recent ENSO evolution and its real-time prediction challenges. National Science Review, 9(4): nwac052 DOI:10.1093/nsr/nwac052 |
ZHANG R H, TIAN F, WANG X J, 2018. A new hybrid coupled model of atmosphere, ocean physics, and ocean biogeochemistry to represent biogeophysical feedback effects in the Tropical Pacific. Journal of Advances in Modeling Earth Systems, 10(8): 1901-1923 DOI:10.1029/2017MS001250 |
ZHANG R H, YU Y Q, SONG Z Y, et al, 2020. A review of progress in coupled ocean-atmosphere model developments for ENSO studies in China. Journal of Oceanology and Limnology, 38(4): 930-961 DOI:10.1007/s00343-020-0157-8 |
ZHANG R H, ZHOU G H, ZHI H, et al, 2022a. Salinity interdecadal variability in the western equatorial Pacific and its effects during 1950-2018. Climate Dynamics DOI:10.1007/s00382-022-06417-8 |
ZHI H, HUANG Y, LIN P, et al, 2022. Interannual variability of the sea surface salinity and its related freshwater flux in the tropical Pacific: a comparison of CMIP5 and CMIP6. Atmospheric and Oceanic Science Letters, 15(4): 100190 DOI:10.1016/j.aosl.2022.100190 |
ZHI H, LIN P F, FANG Z J, et al, 2021. Sea surface salinity-derived indexes for distinguishing two types of El Niño events in the tropical Pacific. Science China Earth Sciences, 64(8): 1267-1284 DOI:10.1007/s11430-020-9780-2 |
ZHI H, ZHANG R H, LIN P F, et al, 2020. Interannual salinity variability associated with the Central Pacific and Eastern Pacific El Niños in the Tropical Pacific. Journal of Geophysical Research: Oceans, 125(10): e2020JC016090 |
ZHONG G R, LI X G, SONG J M, et al, 2022. Reconstruction of global surface ocean pCO2 using region-specific predictors based on a stepwise FFNN regression algorithm. Biogeosciences, 19(3): 845-859 DOI:10.5194/bg-19-845-2022 |