研究论文

全球内波混合的时空分布特征

  • 黄淑旖 , 1, 2 ,
  • 谢晓辉 , 1, 2, 3, * ,
  • 李少峰 1, 2
展开
  • 1.自然资源部第二海洋研究所,浙江 杭州 310012
  • 2.卫星海洋环境监测预警全国重点实验室,浙江 杭州 310012
  • 3.上海交通大学 海洋学院, 上海 200240
*谢晓辉(1982—),男,研究员,主要从事海洋动力过程研究, E-mail:

黄淑旖(1998—),女,浙江省嘉兴市人,主要从事海洋内部混合过程研究,E-mail:

收稿日期: 2024-02-28

  修回日期: 2024-05-16

  网络出版日期: 2025-05-30

基金资助

国家重点研发计划(2022YFF0801403)

国家自然科学基金(42227901)

南方海洋科学与工程广东实验室(珠海)项目(SML2021SP207)

Spatial and temporal characteristic of global internal wave-induced mixing

  • HUANG Shuyi , 1, 2 ,
  • XIE Xiaohui , 1, 2, 3, * ,
  • LI Shaofeng 1, 2
Expand
  • 1. Second Institute of Oceanography, MNR, Hangzhou 310012, China
  • 2. State Key Laboratory of Satellite Ocean Environment Dynamics, Hangzhou 310012, China
  • 3. School of Oceanography, Shanghai Jiao Tong University, Shanghai 200240, China

Received date: 2024-02-28

  Revised date: 2024-05-16

  Online published: 2025-05-30

摘要

为了揭示全球海域内波混合的时空分布规律并探究其影响因素,本文采用内波细尺度参数化方法统计分析了2006—2021年全球250~500 m深度段的Argo温、盐数据,得到内波混合的时空分布特征以及全球海域在不同季节下风生近惯性能通量对内波混合的影响规律。在空间上,北大西洋和南大洋全年都存在较大的风生近惯性能通量,从而产生较强的内波混合;在西太平洋和40°N以北的北太平洋,内波混合与风生近惯性能通量的空间分布不一致,与涡动能的空间分布一致,说明内波混合不仅会受到风生近惯性能通量的影响,可能还会受到涡旋的调控。在时间上,12—2月全球内波混合最强,其次是9—11月和3—5月,6—8月最弱,这与全球风生近惯性能通量的季节变化相一致。在北半球,冬季的风生近惯性能通量和内波混合最大,而夏季风生近惯性能通量和内波混合最小。在南半球,风生近惯性能通量和内波混合四个季节的变化不一致。南、北半球内波混合和风生近惯性能通量的季节循环大致吻合,尤其在北大西洋,风生近惯性能通量和内波混合吻合较好。

本文引用格式

黄淑旖 , 谢晓辉 , 李少峰 . 全球内波混合的时空分布特征[J]. 海洋学研究, 2025 , 43(1) : 1 -13 . DOI: 10.3969/j.issn.1001-909X.2025.01.001

Abstract

To reveal the spatial and temporal distribution patterns of internal wave-induced mixing in global ocean and investigate its influencing factors, this study employs an internal wave fine-scale parameterization method to statistically analyze Argo temperature and salinity data at 250-500 m depth from 2006 to 2021. The analysis characterizes the spatial and temporal features of internal wave mixing and identifies the impact of wind-induced near-inertial energy flux on mixing across global oceans under varying seasonal conditions. In space, there is strong wind-induced near-inertial energy flux in the four seasons of the North Atlantic and Southern Ocean in the whole year, resulting in significant internal wave mixing. However, in the western Pacific and the north of 40°N in the North Pacific, the spatial distribution of internal wave-induced mixing are inconsistent with the wind-induced near-inertial energy flux. Instead, it follows the spatial distribution of eddy kinetic energy since internal wave-driven mixing can be also regulated by eddies. In terms of time, the strongest internal wave-induced mixing of global occurs from December to February, followed by September to November and March to May, and June to August. This is consistent with the seasonal variation of global wind-induced near-inertial energy flux. In the northern hemisphere, the wind-induced near-inertial energy flux and mixing are the strongest in winter, while the weakest in summer. In the southern hemisphere, the variation of wind-induced near-inertial energy flux and mixing over four seasons is inconsistent. However, the seasonal cycles of mixing and wind-induced near-inertial energy flux in the northern and southern hemispheres are roughly consistent, especially in the North Atlantic, where the wind-induced near-inertial energy flux and mixing match well.

0 引言

海洋内波是发生在密度稳定的层化海洋内部的波动,它产生的湍流混合是海水混合的主要形式之一。内波破碎产生的湍流混合不仅对水体交换、能量输运和全球的翻转流产生重要影响,还能够将深海的营养盐输送到海洋上层,促进海洋上层初级生产力[1-2]和改变生态环境。海洋内波以约化重力和科氏力的合力为恢复力,使流体质点在平衡位置做周期性振荡。海洋内波产生湍流混合的能量来源主要是潮汐和风。根据产生机制的不同,海洋内波可分为以下两种类型[3]:一是海底地形和强潮汐相互作用产生的内潮;二是表面风场激发的近惯性内波。内潮在传播过程中发生破碎,使能量从大尺度转移到小尺度上,从而增强了湍流混合[4]。风作用于海表面,当风的频率接近于地球的固有频率,二者发生共振时,会在海洋上层产生近惯性运动,该运动一部分在海洋上层耗散,另一部分则以近惯性内波的形式向深海传播[5-6]。近惯性内波自身的剪切不稳定性会导致海洋内波破碎,从而产生小尺度的湍流运动,引起海洋内部湍流混合[7]
根据MUNK[8]的估算,为了维持大洋翻转环流的强度,大洋中需要的平均内波混合垂向扩散率约为10-4m2/s,而维持这种混合强度至少需要2.1 TW的能量输入,其中,约0.9 TW的能量来自内潮,约1.2 TW的能量来自风场。由于湍流混合难以量化,目前大多数模式的垂向内波混合扩散率都取常数。然而受地形[9]、风应力[10]、涡旋[11]等因素的影响,海洋内波混合的垂向扩散率在时空上的分布是不均匀的。NAVEIRA等[12]基于德雷克海峡断面的实测数据发现,地形粗糙处的耗散率在深度上积分的量级可达10-3 W/m2,扩散率的量级可达10-2 m2/s,混合强度显著高于大洋背景场。为加深对全球海洋内波混合时空变化以及生成机制的理解,LI等[13]基于10 000个CTD数据探究了西北太平洋湍流混合的分布特征,结果表明,300~1 800 m深度范围内的湍流混合与风生近惯性能通量之间存在显著相关性,而在3 300 m以下至海底区域的湍流混合则与地形粗糙度显著相关。WHALEN等[11]基于全球Argo数据和MERRA-2风应力数据探究了内波混合和风生近惯性能通量的关系,结果表明二者呈正相关。不仅如此,他们还基于浮标数据计算涡动能,将高涡动能和低涡动能分开,发现高涡动能海域的内波混合总是大于低涡动能海域的内波混合。LI等[14]基于黑潮区域的温、盐、流观测数据,通过对比分析发现中尺度涡可以捕获近惯性内波,促进近惯性能量向下传递,进一步驱动海洋内部的跨密度面混合。影响湍流混合的因素多种多样,这对量化湍流混合造成一定的困难,因此,科学家们一直致力于提高计算垂直内波混合扩散率的准确性。WHALEN等[7]基于细尺度参数化方法,使用Argo数据计算了全球250 m以深的内波混合,发现赤道、西太平洋等海域均存在较强的内波混合,但是缺少全球海域内波混合的季节变化研究。WATERHOUSE等[15]基于大约5 200条CTD观测剖面数据计算了全球混合层底部到1 000 m深度的内波混合,发现东印度洋和北太平洋等海域的内波混合较弱,但也没有给出季节变化。
理解内波混合的季节变化特征有利于提高数值模式对大尺度环流和全球变化的预报能力。JING等[10]基于西北太平洋CTD数据,发现内波混合和风场大小的季节变化一致。WU等[9]基于南大洋Argo数据,发现在平滑地形上内波混合的季节变化与风生近惯性能通量的季节变化具有很好的相关性。此外,WHALEN等[11]发现30°N—40°N区域内波混合的季节循环与风生近惯性能通量的季节循环一致。综上,前人的研究集中在特定区域,其他海域内波混合与风生近惯性能通量是否具有相关性还有待深入研究。本文将探索全球海域不同季节内波混合的空间分布,展现在不同海域和不同季节内波混合垂直扩散率的差异以及全球海域在不同季节内波混合与风生近惯性能通量的关系。

1 数据和方法

1.1 数据资料

本文将计算全球海洋的内波混合扩散率、耗散率、风生近惯性能通量和涡动能四个变量,具体为基于温、盐数据计算扩散率和耗散率,基于风应力数据计算风生近惯性能通量,基于地转流异常流速数据计算涡动能。
温、盐数据剖面来自中国Argo实时资料中心,可通过网络(ftp://ftp.argo.org.cn/pub/ARGO/global/)免费获取[16],所有的剖面在发布之前都经过质量再控制,标记好“1”、“2”、“3”、“4”,“1”表示通过质量控制,“2”、“3”、“4”表示没有通过质量控制[11]。本研究选取质量控制标记为“1”的温、盐数据剖面。从选取的2006—2021年全球范围数据中,筛选垂直分辨率为2~10 m、测量水深大于600 m的温、盐数据剖面,可用的温、盐数据剖面共有29万多条,基本上能覆盖全球(图1)。
图1 2006—2021年全球Argo剖面数量分布图

Fig.1 The distribution of global Argo profile quantity during 2006-2021

风应力数据来自美国国家航空航天局的MERRA-2(Modern-Era Retrospective Analysis for Research and Applications Versions 2)再分析资料(https://disc.gsfc.nasa.gov/)[11]。空间分辨率为0.500°×0.625°,时间分辨率为1 h,时间范围为2006—2021年。
地转流流速从法国AVISO (Archiving, Validation and Interpretation of Satellite Oceanographic Data)卫星数据获得(https://www.aviso.altimetry.fr/)。该数据融合了ERS-1、ERS-2、T/P、GFO、Jason-1、Jason-2、Cryosat2、Saral/AltiKa、HY-2等多种卫星资料,其空间分辨率为0.25°×0.25°,时间分辨率为1 d,可以用于识别海表涡旋[17]。本文选取2006—2021年的准实时地转流流速资料去计算海表涡动能。

1.2 方法

1.2.1 内波混合的计算

基于GREGG[18]提出的细尺度参数化方法,KUNZE等[19]考虑多种因素,从内波剪切应变方面计算内波破碎引起的内波混合扩散率K:
K=K0 < ξ z 2 > 2   G M < ξ z 2 > 2h2(Rω)j(f/N)
式中:K0是参考湍动能扩散率,为5×10-6 m2/s;< ξ z 2>表示细尺度上内波的应变方差;GM< ξ z 2>是GM内波谱的应变方差; j(f/N)是内波场中关于纬度影响的修正项;h2(Rω)是内波场中关于内波结构的修正项。
j(f/N)= f a r c c o s h ( N / f ) f 30 a r c c o s h ( N 0 / f 30 )
式中: f是科氏参数; f30是南北纬30°的科氏参数;N是浮力频率;N0是参考浮力频率,取值5.24×10-3 rad/s。
h2(Rω)= 1 6 2 R ω ( R ω + 1 ) R ω - 1
Rω= < S z 2 > N 2 ¯ < ξ z 2 >
式中:Rω表示剪切/应变方差比,ω是内波的频率,< S z 2>表示流速剪切方差,z代表海水深度, N 2 ¯是对子剖面的位势密度进行二次拟合得到的层结均值。
不同海域的浮力频率不同,使得Rω也不同[19],由于缺乏流速数据,无法计算Rω。为了使计算结果更准确,一般在南大洋海域,Rω取为常数10[12];在西北太平洋海域,取为7[20];在其他海域取GM谱值,取为3[19-20]
混合层和季节性温跃层主要对海洋上层250 m以浅产生影响,在250 m以浅的深度上,细尺度参数化方程计算得到的内波混合扩散率会有很大的误差。因此,本文只采用250 m以深的数据,将每个Argo剖面数据分为250~500 m,500~750 m和750~1 000 m这三个深度段去计算平均扩散率和耗散率,每段深度的垂向应变可基于浮力频率计算:
ξz= N 2 - N 2 ¯ N 2 ¯
N2=- g ρ 0 d σ d z
式中:σ是位势密度;g是重力加速度,取值9.8 m/s;ρ0是海水密度,取值1 025 kg/m3; N 2 ¯是对子剖面内的位势密度进行二次拟合得到的层结的浮力频率均值。
基于多窗谱方法得到每段深度的垂向应变波数谱φ(k),再对其进行空间积分,得到应变方差:
< ξ z 2 > = k m i n k m a x φ ( k ) d k
式中:k是波数。
为了去除背景层结的影响,最小波数取kmin=2π×w/250=0.05 m-1,其中w=2,为时频带宽积   [ 21 ];同时为了避免仪器噪声的影响,垂直波数的积分上限kmax应满足< ξ z 2>≤0.1[9,20]。在同样的波数区间上计算GM应变方差:
  G M < ξ z 2 > = π E 0 b j * 2 k m i n k m a x k 2 ( k + k * ) 2 d k
k*= π j * N b N 0
式中:E0为无量纲能量,取值6.3×10-5;b为温跃层垂向尺度,取值1 300 m; j*为参考模态数,取值3。
耗散率ε可通过下式计算:
ε= K N 2 Γ
式中:Γ是混合效率,根据层化剪切流的实验研究和数值模拟,理查森数为0.17,那么Γ为0.2[22]

1.2.2 风生近惯性能通量的计算

本文利用平板模型计算风生近惯性流速。该模型假设风应力均匀作用于整个海洋的上混合层,其满足以下公式[11,23]:
u t - f v = τ x ρ 0 H - r u v t + f u = τ y ρ 0 H - r v
式中:uv分别是海洋上混合层经向和纬向方向上的近惯性流速;t是时间;τxτy分别是经向和纬向风应力,可从MERRA-2数据中直接获得[11];H是混合层深度,采用HUANG等[24]的方法,通过Argo温、盐剖面获得;r为衰减系数,可通过频率计算获得:
r(θ)=r0(1- e - θ 2 / 2 θ c 2)
式中:r0为常数,取值0.15f;θc为临界频率,取值f/2[25]
因为赤道附近海域的科氏频率较小,平板模型在赤道附近并不适用[26],因此本文仅计算了赤道以南和以北10°以外海域的风生近惯性能通量。
基于公式(11)可获得uv,进而可计算风场向海洋混合层输入的近惯性能通量Π:
Π=(τx,τy)·(u,v)

1.2.3 涡动能的计算

基于地转流可计算海表涡动能 E k [11]:
Ek=0.5(U2+V2)
式中:UV是经向和纬向地转流异常流速,可从AVISO数据中获得[11]

2 结果与分析

2.1 内波混合的空间分布

水深为250~500 m、500~750 m、750~1 000 m的平均内波混合扩散率和耗散率的空间分布分别如图2图3所示。在250~500 m深度内,内波混合扩散率的空间分布量级为10-6~10-3,耗散率的空间分布量级为10-10~10-7,与WHALEN等[7]计算的结果一致。在这个深度内,西太平洋和北大西洋海域,平均内波混合扩散率和耗散率都比较大:西太平洋K=1.0×10-4m2/s,ε=1.2×10-8W/kg;北大西洋K=1.2×10-4m2/s,ε=3.4×10-9W/kg。在40°N以北的北太平洋海域,平均内波混合扩散率和耗散率都比较小,K=2.4×10-5m2/s,ε=1.4×10-9W/kg。在南大洋海域(40°S—70°S),平均内波混合扩散率较大( K=7.4×10-5m2/s),而平均耗散率较小(ε=2.1×10-9W/kg),这是由南大洋较小的浮力频率造成的。平均内波混合耗散率随着深度增加而减小,如250~500 m、500~750 m和750~1 000 m的全球平均内波混合耗散率分别为4.9×10-9W/kg、1.1×10-9W/kg和8.5×10-10W/kg;但是平均内波混合扩散率随着深度增加没有明显变化,这三个深度的全球平均内波混合扩散率分别为5.7×10-5m2/s,2.3×10-5m2/s和2.5×10-5m2/s,这是因为浮力频率在深水区较小。尽管西太平洋和北大西洋海域500~700 m与750~1 000 m深度的内波混合强度显著弱于250~500 m深度,但这两个海域仍表现出相对较高的平均内波混合扩散率与耗散率。水深500~750 m时,西太平洋K=3.0×10-5m2/s,ε=3.0×10-9W/kg,北大西洋K=6.7×10-5m2/s,ε=2.3×10-9W/kg;水深750~1 000 m时,西太平洋K=3.4×10-5m2/s,ε=1.9×10-9W/kg,北大西洋K=6.5×10-5m2/s,ε=2.0×10-9W/kg。
图2 全球不同深度的平均内波混合扩散率

(计算结果的空间分辨率为1°×1°。图中灰色区域代表没有数据的海域。)

Fig.2 The global averaged internal wave-induced mixing diffusivity at different depths

(Spatial resolution of the calculation results is 1°×1°. The gray areas in the figure represent seas for which there is no data.)

图3 全球不同深度的平均内波混合耗散率

(计算结果的空间分辨率为1°×1°。图中灰色区域代表没有数据的海域。)

Fig.3 The global averaged internal wave-induced mixing dissipation rate at different depths

(Spatial resolution of the calculation results is 1°×1°. The gray areas in the figure represent seas for which there is no data.)

2.2 风生近惯性能通量和涡旋对内波混合空间分布的影响

全球表层风生近惯性能通量的空间分布如图4a所示,其量级约为10-5~10-2,全球平均风生近惯性能通量为3.6×10-3W/m2,60°S—60°N范围内的总功率为1.0 TW,与RIMAC等[27]的计算结果一致。在北大西洋和南大洋,风生近惯性能通量分别为6.4×10-3W/m2和5.1×10-3W/m2,与内波混合空间分布一致,两个区域的风生近惯性通量都较大。40°N以北的北太平洋风生近惯性能通量也较大,为4.1×10-3W/m2,但其内波混合较小。西太平洋风生近惯性能通量和内波混合扩散率的空间分布也不一致,这是因为涡旋会调控风输入到海洋的近惯性能量。涡旋通过捕捉近惯性内波,并基于“惯性烟囱”效应[14],驱动近惯性能量向深海进行垂向传递,从而增强深海的湍流混合过程。在西太平洋,涡动能和内波混合扩散率都比较大(涡动能为2.1×10-2 m2/s2),而在40°N以北的北太平洋海域,涡动能和内波混合扩散率都比较小(涡动能为8.0×10-3 m2/s2)。在高涡动能海域,例如西太平洋,涡旋会将能量向下传递,使得风生近惯性能量在海洋内部耗散,增强海洋内部的内波混合;在低涡动能海域,例如40°N以北的北太平洋,风生近惯性能量大部分在海洋上层耗散,只有很少部分能传递到海洋内部。
图4 全球表层风生近惯性能通量(a)和涡动能(b)的空间分布

Fig.4 Global spatial pattern of wind-induced near-inertial energy flux (a) and eddy kinetic energy (b) at surface

风生近惯性能通量、内波混合扩散率和涡动能随纬度的变化见图5。在南、北半球的高纬度(40°—60°)和低纬度(10°—20°)海域,风生近惯性能通量比较大。在南半球高纬度海域的风生近惯性能通量可达7.1×10-3 W/m2,低纬度海域可达3.6×10-3 W/m2;在北半球高纬度海域风生近惯性能通量可达8.7×10-3 W/m2,低纬度海域可达5.0×10-3 W/m2。在中纬度(20°—40°)海域,风生近惯性能通量比较小,南半球最低为1.6×10-3 W/m2,北半球最低为1.3×10-3 W/m2。与风生近惯性能通量不同的是,内波混合扩散率在低纬度海域比较小,南半球最小值为2.6×10-5 m2/s,北半球最小值为2.3×10-5 m2/s;在南半球45°S—60°S、北半球30°N—40°N和50°N—60°N,内波混合扩散率比较大,最大值分别为1.5×10-4 m2/s、1.2×10-4 m2/s和2.1×10-4 m2/s。在45°S—60°S和50°N—60°N处,风生近惯性能通量比较大,使得内波混合扩散率也比较大;在30°N—40°N处,风生近惯性能通量比较小,内波混合扩散率却比较大,原因是较大的涡动能增强了内波混合;在40°N—50°N处,尽管风生近惯性能通量比较大,但是较低的涡动能减弱了内波混合。这表明风生近惯性能通量在高纬度对内波混合的影响比较大,涡旋在中纬度对内波混合的影响比较大。尽管无法通过计算得到赤道上的风生近惯性能通量,但是计算得到赤道上的内波混合扩散率很大,一方面是因为受到涡旋的影响,另一方面则是因为赤道上其他动力过程产生的应变导致计算得到的内波混合扩散率被高估[7]。在10°N—20°N,风输入近惯性能通量以及涡动能均为中等大小,内波混合扩散率却比较小。这是因为东太平洋区域的内波混合相对较弱(图2),这会降低整个纬度带的平均内波混合扩散率。东太平洋区域内波混合的减弱主要是由于海底地形的平滑性质所导致的,平滑的地形条件限制了海洋中湍流混合的发展,从而影响了海洋的垂直混合过程[28]
图5 250~500 m层平均内波混合扩散率、表层风生近惯性能通量和涡动能随纬度的变化

Fig.5 Latitude variation of average internal wave-induced mixing diffusivity at 250-500 m, wind-induced near-inertial energy flux and eddy kinetic energy at surface

2.3 风生近惯性能通量对内波混合季节变化的影响

12—2月在北半球是冬季,在南半球是夏季;3—5月在北半球是春季,在南半球是秋季;6—8月在北半球是夏季,在南半球是冬季;9—11月在北半球是秋季,在南半球是春季。图6图7图8展示了全球平均内波混合扩散率、耗散率和风生近惯性能通量的季节变化。全球平均内波混合扩散率、耗散率和风生近惯性能通量在12—2月最大,平均值分别为5.7×10-5m2/s、 5.6×10-9W/kg和3.1×10-3W/m2;其次是在9—11月,平均值分别为5.3×10-5m2/s、5.2×10-9W/kg和2.9×10-3W/m2;再次是在3—5月,平均值分别为5.1×10-5m2/s、 4.9×10-9W/kg和2.7×10-3W/m2;在6—8月最小,平均值分别为4.9×10-5m2/s、 4.5×10-9W/kg和2.5×10-3W/m2。全球平均内波混合扩散率和耗散率的季节变化与风生近惯性能通量的季节变化一致。
图6 全球250~500 m层平均内波混合扩散率的季节变化

Fig.6 Seasonal variation of global average internal wave-induced mixing diffusivity at 250-500 m

图7 全球250~500 m层平均内波混合耗散率的季节变化

Fig.7 Seasonal variation of global average internal wave-induced mixing dissipation rate at 250-500 m

图8 全球表层风生近惯性能通量的季节变化

Fig.8 Season variation of global wind-induced near-inertial energy flux at surface

北大西洋海域四季都保持着较高的内波混合扩散率,并且有明显的季节变化特征,其中12—2月内波混合扩散率最大,平均值为2.2×10-4m2/s;3—5月和9—11月次之,平均值分别为1.6×10-4m2/s和7.3×10-5m2/s;6—8月最小,平均值为6.4×10-5m2/s。北大西洋的风生近惯性能通量与内波混合扩散率季节变化一致,12—2月风生近惯性能通量最大,平均值为9.3×10-3W/m2;在6—8月最小,平均值为2.9×10-3W/m2。北大西洋的内波混合耗散率在12—2月最大,为6.2×10-9W/kg;在6—8月最小,为1.6×10-9W/kg。
南大洋的内波混合扩散率也一直很大,并且呈现明显的季节变化。6—8月平均内波混合扩散率和耗散率最大,平均值分别为1.0×10-4m2/s和2.9×10-9W/kg;其次是9—11月,平均内波混合扩散率和耗散率分别为8.4×10-5m2/s和2.7×10-9W/kg;再次为3—5月,平均内波混合扩散率和耗散率分别为4.9×10-5m2/s和1.7×10-9W/kg;12—2月最小,平均内波混合扩散率和耗散率分别为4.5×10-5m2/s和1.5×10-9W/kg。南大洋的风生近惯性能通量与内波混合的季节变化一致,也是6—8月最大,平均值为5.3×10-3W/m2;9—11月和3—5月次之,分别为5.1×10-3W/m2和4.8×10-3W/m2;12—2月最小,为4.7×10-3W/m2
西太平洋在四个季节都存在着较强的内波混合,其中12—2月的平均内波混合扩散率和耗散率最大,分别为8.9×10-5m2/s和1.5×10-8W/kg;其次是9—11月,分别为8.7×10-5m2/s和1.3×10-8W/kg;接着是3—5月,分别为8.2×10-5m2/s和1.2×10-8W/kg;6—8月最小,分别为7.6×10-5m2/s和1.0×10-8W/kg。其内波混合与风生近惯性能通量的时空分布存在差异性,从图8可以看出,西太平洋的风生近惯性能通量并不大,并且9—11月的风生近惯性能通量最大,平均值为3.3×10-3W/m2
40°N以北的北太平洋在四个季节的内波混合均比较弱,12—2月平均内波混合扩散率和耗散率最大分别为3.7×10-5m2/s和2.6×10-9W/kg;其次为3—5月,分别为2.7×10-5m2/s和1.7×10-9W/kg;9—11月分别为1.9×10-5m2/s和1.3×10-9W/kg;6—8月分别为1.3×10-5m2/s和8.0×10-10W/kg。而风生近惯性能通量在12—2月和9—11月比较大,平均值分别为6.1×10-3W/m2和5.8×10-3W/m2,与内波混合的季节分布并不一致。
图9统计了南、北半球不同季节的平均内波混合扩散率、耗散率和风生近惯性能通量。北半球的内波混合在冬季最大,平均内波混合扩散率和耗散率分别为7.7×10-5 m2/s和7.7×10-9 W/kg;夏季最小,平均内波混合扩散率和耗散率分别为3.8×10-5 m2/s和4.8×10-9 W/kg。北半球春季的内波混合比秋季强,两个季节的内波混合扩散率和耗散率分别为5.9×10-5 m2/s,7.0×10-9 W/kg和3.9×10-5 m2/s,5.3×10-9 W/kg。
图9 南、北半球250~500 m层平均内波混合扩散率、耗散率以及表层风生近惯性能通量的季节变化

(图中细线表示95%的置信区间。)

Fig.9 Seasonal variation of average internal wave-induced mixing diffusivity, dissipation rate at 250-500 m, and wind-induced near-inertial energy flux at surface in the northern hemisphere and southern hemisphere

(The thin line is a 95%confidence interval.)

南半球的内波混合明显弱于北半球,季节变化与北半球也不一样。南半球春季的内波混合最强,平均内波混合扩散率和耗散率分别为4.5×10-5 m2/s和5.4×10-9 W/kg;其次是冬季和夏季,两个季节的平均内波混合扩散率分别为4.4×10-5 m2/s和3.5×10-5 m2/s,平均内波混合耗散率分别为4.6×10-9 W/kg和4.5×10-9 W/kg;秋季的内波混合最弱,平均内波混合扩散率和耗散率分别为3.4×10-5 m2/s和4.2×10-9 W/kg。
在北半球和南半球,都是冬季的风生近惯性能通量最大,北半球为3.5×10-3 W/m2,南半球为3.0×10-3 W/m2;其次是秋季,北半球为2.8×10-3 W/m2,南半球为2.8×10-3 W/m2;再次是春季,北半球为2.2×10-3 W/m2,南半球为2.7×10-3 W/m2;最小的是夏季,北半球为1.8×10-3 W/m2,南半球为2.6×10-3 W/m2
北半球和南半球的内波混合与风生近惯性能通量的季节变化并不完全一致。由图10可知,北半球和南半球的风生近惯性能通量和扩散率的季节循环大体吻合,北大西洋风生近惯性能通量和扩散率的季节循环比南大洋更吻合一些。陈娟等[25]基于全球Argo数据发现:30°N—45°N纬度带300~600 m深度内的内波混合与风生近惯性能通量的季节循环吻合最好,而15°N—30°N和15°S—30°S纬度带上内波混合和风生近惯性能通量的季节循环则不一致,这表明内波混合不仅会受到风生近惯性能通量的影响还会受到地形、涡旋等其他因素的影响。
图10 250~500 m层平均内波混合扩散率的月平均时间序列和表层风生近惯性能通量的月平均时间序列

Fig.10 Monthly average time series of average internal wave-induced mixing diffusivity at 250-500 m and wind-induced near-inertial energy flux at surface

3 结论

利用2006—2021年的Argo温、盐数据,基于细尺度参数化方程,研究了全球250~500 m、500~750 m、750~1 000 m深度段内波混合的空间分布特征和250~500 m深度段内波混合的季节分布特征,并分析了全球海域在不同季节下风生近惯性能通量和涡动能对250~500 m深度段内波混合的影响。主要得出以下两点结论。
1)在空间上,北大西洋,西太平洋和南大洋在四个季节都存在比较强的内波混合, 40°N以北的北太平洋内波混合相对较弱。在北大西洋和南大洋,存在较大的风生近惯性能通量,从而产生较强的内波混合。在这两个海域,内波混合的季节变化与风生近惯性能通量一致,都是冬季最大,秋季和春季次之,夏季最小。在西太平洋和40°N以北的北太平洋,内波混合与近惯性能通量的时空分布不一致,而与涡动能的空间分布相一致。西太平洋的涡动能大,产生了较强的内波混合;40°N以北的北太平洋涡动能小,内波混合也小。由此可见,内波混合不仅会受到风生近惯性能通量的影响,还会受到涡旋的调控作用。
2)在时间上,12—2月全球内波混合最强(K=5.7×10-5m2/s, ε=5.6×10-9W/kg),其次是9—11月(K=5.3×10-5m2/s, ε=5.2×10-9W/kg)和3—5月(K=5.1×10-5m2/s, ε=4.9×10-9W/kg),6—8月(K=4.9×10-5m2/s, ε=4.5×10-9W/kg)最小,与全球风生近惯性能通量的季节变化一致(12—2月:Π=3.1×10-3W/m2;9—11月:Π=2.9×10-3W/m2;3—5月:Π=2.7×10-3W/m2;6—8月:Π=2.5×10-3W/m2)。其中,在北半球,冬季的风生近惯性能通量和内波混合最大,而夏季的风生近惯性能通量和内波混合最小。在南半球,风生近惯性能通量和内波混合四个季节的变化不一致。但是,南、北半球内波混合和风生近惯性能通量的季节循环大致吻合,尤其在北大西洋,风生近惯性能通量和内波混合吻合较好。
[1]
ZHANG S W, XIE L L, HOU Y J, et al. Tropical storm-induced turbulent mixing and chlorophyll-a enhancement in the continental shelf southeast of Hainan Island[J]. Journal of Marine Systems, 2014, 129: 405-414.

[2]
DU C J, LIU Z Y, KAO S J, et al. Diapycnal fluxes of nutrients in an oligotrophic oceanic regime: The South China Sea[J]. Geophysical Research Letters, 2017, 44(22): 11510-11518.

[3]
WUNSCH C, FERRARI R. Vertical mixing, energy, and the general circulation of the oceans[J]. Annual Review of Fluid Mechanics, 2004, 36(1): 281-314.

[4]
EGBERT G D, RAY R D. Significant dissipation of tidal energy in the deep ocean inferred from satellite altimeter data[J]. Nature, 2000, 405(6788): 775-778.

[5]
D’ASARO E A. The energy flux from the wind to near-inertial motions in the surface mixed layer[J]. Journal of Physical Oceanography, 1985, 15(8): 1043-1059.

[6]
ALFORD M H, MACKINNON J A, SIMMONS H L, et al. Near-inertial internal gravity waves in the ocean[J]. Annual Review of Marine Science, 2016, 8: 95-123.

DOI PMID

[7]
WHALEN C B, TALLEY L D, MACKINNON J A. Spatial and temporal variability of global ocean mixing inferred from Argo profiles[J]. Geophysical Research Letters, 2012, 39(18): L18612.

[8]
MUNK W H. Abyssal recipes[J]. Deep Sea Research and Oceanographic Abstracts, 1966, 13(4): 707-730.

[9]
WU L X, JING Z, RISER S, et al. Seasonal and spatial variations of Southern Ocean diapycnal mixing from Argo profiling floats[J]. Nature Geoscience, 2011, 4: 363-366.

[10]
JING Z, WU L X. Seasonal variation of turbulent diapycnal mixing in the northwestern Pacific stirred by wind stress[J]. Geophysical Research Letters, 2010, 37(23): L23604.

[11]
WHALEN C B, MACKINNON J A, TALLEY L D. Large-scale impacts of the mesoscale environment on mixing from wind-driven internal waves[J]. Nature Geoscience, 2018, 11: 842-847.

[12]
NAVEIRA G A C, POLZIN K L, KING B A, et al. Widespread intense turbulent mixing in the Southern Ocean[J]. Science, 2004, 303(5655): 210-213.

PMID

[13]
LI Y, XU Y S. Penetration depth of diapycnal mixing generated by wind stress and flow over topography in the northwestern Pacific[J]. Journal of Geophysical Research: Oceans, 2014, 119(8): 5501-5514.

[14]
LI Q, CHEN Z H, GUAN S D, et al. Enhanced near-inertial waves and turbulent diapycnal mixing observed in a cold- and warm-core eddy in the Kuroshio extension region[J]. Journal of Physical Oceanography, 2022, 52(8): 1849-1866.

[15]
WATERHOUSE A F, MACKINNON J A, NASH J D, et al. Global patterns of diapycnal mixing from measurements of the turbulent dissipation rate[J]. Journal of Physical Oceanography, 2014, 44(7): 1854-1872.

[16]
刘增宏, 李兆钦, 卢少磊, 等. 全球海洋Argo温盐度剖面散点数据集[J]. 全球变化数据学报, 2021, 5(3):312-321,451-460.

LIU Z H, LI Z Q, LU S L, et al. Scattered dataset of global ocean temperature and salinity profiles from the international Argo program[J]. Journal of Global Change Data & Discovery, 2021, 5(3): 312-321, 451-460.

[17]
黄挺, 周锋, 田娣, 等. 孟加拉湾及其毗邻海域中尺度涡旋活动的冬、夏季差异[J]. 海洋学研究, 2020, 38(3):21-30.

HUANG T, ZHOU F, TIAN D, et al. Seasonal variations of mesoscale eddy in the Bay of Bengal and its adjacent regions[J]. Journal of Marine Sciences, 2020, 38(3): 21-30.

DOI

[18]
GREGG M C. Scaling turbulent dissipation in the thermocline[J]. Journal of Geophysical Research: Oceans, 1989, 94(C7): 9686-9698.

[19]
KUNZE E, FIRING E, HUMMON J M, et al. Global abyssal mixing inferred from lowered ADCP shear and CTD strain profiles[J]. Journal of Physical Oceanography, 2006, 36(8): 1553-1576.

[20]
乔梦甜, 陈娟, 曹安州, 等. 吕宋海峡及周边海域湍流混合的时空分布特征研究[J]. 海洋与湖沼, 2021, 52(5):1115-1124.

QIAO M T, CHEN J, CAO A Z, et al. Spatial and temporal distribution of turbulent mixing in the Luzon strait and nearby sea[J]. Oceanologia et Limnologia Sinica, 2021, 52(5): 1115-1124.

[21]
荆钊. 中尺度涡和风应力影响下的跨等密度面湍流混合低频变异[D]. 青岛: 中国海洋大学, 2012.

JING Z. Low-frequency variation of turbulent mixing across equal density surface under the influence of mesoscale vortex and wind stress[D]. Qingdao: Ocean University of China, 2012.

[22]
OSBORN T R. Estimates of the local rate of vertical diffusion from dissipation measurements[J]. Journal of Physical Oceanography, 1980, 10(1): 83-89.

[23]
ALFORD M H. Internal swell generation: The spatial distribution of energy flux from the wind to mixed layer near-inertial motions[J]. Journal of Physical Oceanography, 2001, 31(8): 2359-2368.

[24]
HUANG P Q, LU Y Z, ZHOU S Q. An objective method for determining ocean mixed layer depth with applications to WOCE data[J]. Journal of Atmospheric and Oceanic Technology, 2018, 35(3): 441-458.

[25]
陈娟, 乔梦甜, 曹安州, 等. 风生近惯性能通量和地形粗糙度对海洋内部混合的影响[J]. 海洋与湖沼, 2021, 52(4):874-885.

CHEN J, QIAO M T, CAO A Z, et al. Influence of wind-induced near-inertial energy flux and topographic roughness on ocean internal mixing[J]. Oceanologia et Limnologia Sinica, 2021, 52(4): 874-885.

[26]
杨兵, 侯一筠. 基于高分辨率风场的海洋近惯性能通量计算:时空特征及其影响因素[J]. 海洋与湖沼, 2020, 51(5):978-990.

YANG B, HOU Y J. Wind-generated near-inertial energy flux to the oceans: The spatial-temporal variations and impact factors[J]. Oceanologia et Limnologia Sinica, 2020, 51(5): 978-990.

[27]
RIMAC A, VON STORCH J S, EDEN C, et al. The influence of high-resolution wind stress field on the power input to near-inertial motions in the ocean[J]. Geophysical Research Letters, 2013, 40(18): 4882-4886.

[28]
WHALEN C B, MACKINNON J A, TALLEY L D, et al. Estimating the mean diapycnal mixing using a finescale strain parameterization[J]. Journal of Physical Oceanography, 2015, 45(4): 1174-1188.

文章导航

/