Application analysis of GDCSM-Argo in evaluating global ocean heat content

  • SU Han 1 ,
  • CHUANG Ziwei 1 ,
  • ZHANG Chunling 1, 2, 3, *
Expand
  • 1. College of Marine Science, Shanghai Ocean University, Shanghai 201306, China
  • 2. Demonstration Center for Experimental Teaching of Marine Science and Technology, Shanghai Ocean University, Shanghai 201306
  • 3. Key Laboratory of Marine Ecological Monitoring and Restoration Technology, MNR, Shanghai 201306, China

Received date: 2023-06-19

  Revised date: 2023-09-21

  Online published: 2024-08-09

Abstract

The ocean heat content is one of the most critical and stable indicators of the global climate change research. It’s systematic and accurate evaluation depends on the ocean internal observation of long time series and global coverage. Based on a global multi-parameter reanalysis data set (gradient dependent correlation scale method Argo, GDCSM-Argo) as well as the trend analysis, spatiotemporal series analysis and delayed regression analysis, the spatiotemporal evolution of global ocean heat content was investigated, and the relationship between ocean heat content change and the abnormal climate during 2004-2021 were discussed. The results showed that the global ocean heat content of 0-2 000 m had increased with different levels since 2004, with a increment of more than 2×108 J/m2. After 2013, the deep sea (700-2 000 m) had shown a continuous warming trend. The warming of all depths ranging from 0 to 2000 m was intensified after 2017. The temperature anomaly of 700 m made a prominent contribution to the overall change of the ocean heat content. The tropical eastern Pacific Ocean accumulated heat before El Niño, lost heat and distributed heat to the north and south during/after El Niño in order to offset the accumulated heat from earlier stages. The warming range extended to the north and south of the equator. The positive peak of heat content anomaly in the tropical Pacific Ocean preceded the ENSO (El Niño-Southern Oscillation) index by about 0-1 month. All of the results indicate that GDCSM-Argo will be able to provide more detailed of the ocean heat content evolution.

Cite this article

SU Han , CHUANG Ziwei , ZHANG Chunling . Application analysis of GDCSM-Argo in evaluating global ocean heat content[J]. Journal of Marine Sciences, 2024 , 42(2) : 40 -54 . DOI: 10.3969/j.issn.1001-909X.2024.02.004

0 引言

海洋贮存了地球系统吸收的约90%的能量,因此海洋作为地球系统能量循环的关键环节,其热含量的变化能够有效反映地球系统净能量的收支情况,是全球气候变化最关键、最稳定的指标之一[1]。在全球气候变暖趋势下,准确评估海洋热含量的时空演变显得尤为重要。
早在二十世纪六、七十年代,热含量作为温度的一个外延变量而备受关注[2-3]。LEVITUS等[4]采用气候态再分析数据集(World Ocean Database 1998,WOD 98),通过量化1948—1998 年间全球海洋0~3 000 m水深热含量的年际变化,首次指出海洋热含量自二十世纪五十年代开始上升,海洋次表层可能会比海洋表层更先变暖。随后,海洋0~2 000 m的变暖趋势陆续被多项研究证明。GILLE[5]利用WOD 05和船舶测量数据评估了南半球海洋热含量的变化,发现南半球海洋0~1 000 m水深大幅变暖,且集中在南极绕极流区域。LEVITUS等[6]评估了1955—2010年全球海洋0~2 000 m水深的热含量变化,结果显示,700~2 000 m水层热含量增量约占0~2 000 m水层热含量总增量的三分之一。CHENG等[7]同样使用WOD数据分析热含量时空演变,发现自1998年以来,所有海洋盆地都经历了显著变暖,南大洋,热带、亚热带太平洋及热带、亚热带大西洋变暖幅度最大。SU等[8]综合利用三种再分析数据集,给出了1992—2022年的海洋热含量异常时间序列,结果显示, 2021年全球海洋热含量异常已经突破1×1023 J。借助于耦合气候模式数据,CHENG等[9]指出:就水平空间而言,在不同时期全球海洋变暖的速率并不一致,大西洋和南大洋海域变暖的平均幅度最强,太平洋相对较小,但由于太平洋面积广阔,预计仍将成为最大的海洋热储库。此外,许多学者结合区域温-盐剖面观测数据对海洋热含量的演变机制也开展了一系列研究:如WILLIS等[10]通过对比热带海域热含量异常与 ENSO(El Niño-Southern Oscillation)信号的变化规律,指出ENSO事件对全球海洋热收支具有重要影响;CHENG等[11]研究表明ENSO是海洋热含量年变化的主要驱动因素,在厄尔尼诺事件中,海洋热含量变化趋势为负值,表征着海洋向大气输送热量。
有关海洋热含量的研究均依赖于海洋次表层的大量温度观测[12]。但锚碇浮标、观测断面和站点均有观测数量和观测范围受限的问题,且温度观测还受到如抛弃式测温仪(expendable bathy thermograph,XBT)、温盐深剖面仪(conductivity-temperature-depth profiler,CTD)等仪器设备不能长期、连续观测的限制,因此观测资料大多以大洋1 000 m水深以浅或局部海域(如热带海域)为主。21世纪以来,随着Argo全球海洋观测网的建立[13],0~2 000 m水深海洋的温度观测达到准同步、准连续和几乎全海域覆盖,观测剖面资料也在稳步积累,这为提高海洋热含量评估质量奠定了资料基础[14]。目前,有关全球海洋热含量评估的研究大多采用融合Argo在内的多种历史观测的再分析数据。这些数据集使用不同时期、不同仪器观测的剖面资料,因此存在多种观测误差[15-16],如数值预报模式的模式积分误差。当年际变化显著时,在强流区或洋流交汇区利用不同客观分析产品计算得到的海洋热含量误差较大[17]。近年来,国内外学者通过剖面资料偏差订正[18]、改进同化方法[7]、提高模式精度[19]等方式不断提高热含量评估精度,但目前仍缺少能够较准确地反映全球1 000~2 000 m水深海洋热含量演变特征的数据集。
本研究利用经过重构的Argo温度网格资料(gradient dependent correlation scale method Argo,GDCSM-Argo)[20]探讨了2004—2021年间全球海洋热含量变化的空间分布特征、时间演变规律以及热含量变化与异常气候条件的响应关系等,分析了GDCSM-Argo数据集在提高海洋热含量评估精度中的应用前景,为进一步研发热含量衍生产品奠定了基础,也为深入研究气候变化下极端海洋动力过程提供数据支撑。

1 数据与方法

1.1 GDCSM-Argo数据介绍

用于计算全球海洋热含量的再分析数据集GDCSM-Argo由上海海洋大学和杭州全球海洋Argo系统野外科学观测研究站联合开发,并在国际 Argo官网正式发布(https://argo.ucsd.edu/data/argo-data-products/)。该数据集采用Argo剖面观测资料,利用可以保留更多的中小尺度海洋特征的各向异性的背景误差相关计算方案[21-22],结合表层信息反演参数模型[23]和最大角度法[24]等分析方法构建完成。数据产品垂向(0~2 000 m水深)分为不等间隔的58层,空间覆盖范围为全球海洋(180°E—180°W,90°S—90°N),空间分辨率为1°×1°,时间分辨率有逐月平均、多年月平均、多年季节平均、多年气候态等。该数据集的可信度和优势已通过理论检验、实测资料比对及同类数据集的对比检验等系统验证[20]。数据集起始时间为2004年1月,每半年更新一次。本文选用2004年1月—2021年12月全球海域(0~2 000 m水深)的温度数据计算海洋热含量并对热含量结果进行分析评估。

1.2 计算方法

本文通过计算海洋热含量(ocean heat content, OHC)、海洋热含量异常(ocean heat content anomaly, OHCA)和海洋热含量变化趋势(ocean heat content change tendency, OHCT)等参数对全球海洋热含量的特征与变化加以分析。海洋热含量(OHC)以及海洋热含量异常(OHCA)是通过对海洋内部温度积分来确定的[25-26]:
OHC=c h 1 h 2ρt(z)dz
OHCA=c h 1 h 2ρΔt(z)dz
式中:c为海水比热容,取常数值4 320 J/(kg·℃);z为水深;t(z)为z深度处对应的温度,Δt(z)为剖面温度与预先设定的参考温度间的差值; ρ为海水密度,取常数值1 027 g/cm3;h1,h2分别表示热含量积分深度范围的最大和最小水深。
鉴于式(1)和式(2)是针对单个格点的热含量垂向积分,在确定全球热含量以及热含量异常时,需要乘以面积来补足数据集空间分辨率的不足。此外,计算OHC、OHCA的空间分布时,需要除以格点面积,因此单位为J/m2;而计算时间趋势时,则不需要除以格点面积,单位为J。
海洋热含量变化趋势也称海洋热量摄取,是地球系统能量收支评估中常用的参数,表征海洋吸收的热量去除再分配和平流失热后的海洋热量变化情况[27],它能从地球系统能量变化的角度反映气候变化对海洋热含量的影响,实际应用时可以通过海洋热含量对时间进行微分来确定[8,11]:
OHCT= d ( O H C ) d t
式中:t为时间。
此外,本文中还使用了海洋热含量变化速率和海洋热含量总变化量来分析全球海洋热含量变化的特征:海洋热含量变化速率的计算方式为用2004—2021年逐月平均的OHCA除以对应的时间长度(216个月),海洋热含量总变化量即为2021年海洋热含量与2004年海洋热含量的差值。

2 结果与分析

2.1 全球海洋热含量变化的空间分布

历史上全球海洋热含量观测资料的最大有效深度多在700~800 m,对其系统的评估集中在700 m水深以浅。鉴于此,在Argo剖面浮标量程(0~2 000 m)内,分为0~700 m和700~2 000 m两个代表水层来展示全球气候态海洋热含量和平均海洋热含量异常的空间分布(图1)。整体而言,从0 m到2 000 m水深(图1a1),全球海洋热含量高值(>8×1010 J/m2)集中在北大西洋20°N—40°N之间以及印度洋西北部海域,且大西洋和印度洋南、北纬40°之间的大部分海域海洋热含量在6×1010 J/m2以上,太平洋热含量相对较低,多处于(4~7)×1010 J/m2之间。这与0~2 000 m深度的平均水温在大西洋最高,在印度洋次之,在太平洋最低的分布规律[9]相吻合。与海表温度空间分布的变化趋势[28]类似,全球海洋热含量在经向上西高东低,高纬度海域(南、北纬40°以南或以北)热含量显著降低(<4×1010 J/m2)。由图1a2可见,0~700 m水深的全球海洋热含量空间分布规律与0~2 000 m水深基本一致,但三大洋热含量的相对高值范围(北大西洋和北印度洋>5×1010 J/m2,太平洋>4×1010 J/m2)较0~2 000 m水深明显收缩,高纬度海洋热含量的低值区向低纬度扩展。在700~2 000 m水深,热含量纬向分布相对均匀,大部分海域为(1~2)×1010 J/m2,海洋热含量相对高值(大西洋>4×1010 J/m2,太平洋>2×1010 J/m2)区逐渐向东和向南扩展(图1a3),这表明700~2 000 m水深海洋热含量在东部海域和高纬度海域具有不可忽视的地位。
图1 全球气候态海洋热含量和全球平均海洋热含量异常的空间分布

Fig.1 Spatial distribution of global climate ocean heat content and mean ocean heat content anomaly

由全球平均海洋热含量异常的空间分布(图1b)可以看出:全球大部分海域呈现冷暖交错的分布格局,这种分布特征在前人研究[29]中也有所体现,但在本文中表现得更为明显。大部分海域0~2 000 m的海洋热含量异常增幅超过2×108 J/m2,大西洋西北部海域、西北太平洋海域、热带太平洋西部海域以及南大洋的部分海域,其变暖趋势相对更强,这些海域0~2 000 m水深的海洋热含量异常超过 4×108 J/m2(图1b1)。西太平洋和大西洋中纬度海域的海洋变暖信号较强,与北半球出现的创纪录热浪和干旱事件越来越多[22]相一致。700 m水深以浅的海洋热含量异常空间分布规律与0~2 000 m水深十分相似(图1b2)。700~2 000 m水深的热含量异常分布(图1b3)显示,热带海域和北太平洋700~2 000 m海水的变暖趋势明显减弱,而北大西洋及南大洋40°S—60°S 之间的海域依然保持较强的变暖趋势,700~2 000 m水深的大部分海域的热含量异常仍为正值。总体而言,大西洋和太平洋的海洋热含量高值区域(图1a)与其热含量异常高值区域(图1b)基本对应。
图2给出了2004—2021年全球海洋热含量逐月的平均变化速率和18年间海洋热含量的总变化量。0~2 000 m水深海洋热含量增加速率较大的海域与热含量增加量较高的海域一致,均集中在大西洋和太平洋20°N—40°N之间、东南印度洋以及南大洋40°S纬度带附近的部分海域,高值区对应的热含量增加速率为1.0 W/m2以上(图2a1),热含量总变化量在4×109 J/m2以上(图2b1)。这些特征与已有研究结果[9]基本一致,但图 2给出的热含量变化趋势呈现出更明显的 ENSO 模态,且在南、北纬40°左右的极锋区,热含量的正、负增长速率(总变化量)交替出现,这或许与该海域冷暖水的混合相关。南、北纬20°之间的热带海域,大西洋热含量基本呈正向增加趋势,18年间热含量总变化量为(0~4)×109J/m2;太平洋热含量呈现西高东低的分布规律;受印尼贯穿流暖水输运的影响,印度洋东部沿岸的热含量也有正向增加趋势,而其西部海域则表现出减少的趋势,这些特征与前人研究结果[9]一致,但表现得更为明显。在0~700 m水深显示出的热含量空间变化规律与0~2 000 m水深总体较为相似,但无论是热含量变化速率,还是热含量总变化量,在0~700 m水深的高值区范围均显著缩小(图2a2、2b2)。由图2a3可见,全球海域700~2 000 m水深热含量变化相对较均匀,且正、负值交替分布,变化速率为-0.5~0.5 W/m2,其中,大西洋和印度洋的700~2 000 m水深变暖趋势较0~700 m水深明显增强(正向增长速率高值区范围扩大),而太平洋的700~2 000 m水深变暖趋势较0~700 m水深则表现为西部减弱、东部增强。各大洋700~2 000 m水深热含量总变化量的正向增加区域[(0~2)×109J/m2]也显著扩展(图2b3)。
图2 2004—2021年全球海洋热含量变化速率与海洋热含量总变化量的空间分布

Fig.2 Spatial distribution of global ocean heat content change rate and total ocean heat content change from 2004 to 2021

2.2 全球海洋热含量的时间演变

由不同深度上海洋热含量异常的时间变化规律(图3a)可见,2004—2021年全球海洋0~2 000 m水深的热含量异常虽然在短时间尺度(月)内有不同程度的上下浮动,但在长时间尺度上呈逐渐增加趋势。至2021年底,全球0~2 000 m水深热含量异常已超过1.0×1023 J。2013以前,0~2 000 m水深热含量异常基本为负值,这与前人研究提到的1998—2013年地表变暖放缓现象[30-31]相吻合。在此期间,正的海洋热含量异常主要出现在0~100 m水深,而其他水层则主要都为负的海洋热含量异常。这与2012年以前,只有100 m以浅存在正温度异常,而100 m以深温度异常基本全为负值的特征(图3b)相对应。2013—2017年,海洋300~2 000 m水深明显增温,各深度上的热含量异常基本均为正值。而自2017年开始,全球海洋0~2 000 m水深热含量异常显著增加,其中0~700 m水深热含量异常增加幅度最大,占主导地位,而0~100 m和0~300 m水深的热含量异常则呈下降趋势。至2021年,0~100 m水深的热含量异常贡献已经处于末位,这说明300~700 m水深热含量异常增加幅度更大,超过了0~300 m水深热含量异常的增加幅度,同时700~2 000 m水深的热含量异常也稳步增加,这些都与2017年以后300 m以深的海水加速增温[32]相一致。2017年以来300 m水深以浅海洋热含量异常增加的停滞,意味着海洋热含量向更深水层海洋的垂直输运增加,海洋300 m甚至700 m以深的变暖已经不容忽视。
图3 全球海洋不同深度内热含量异常变化时间序列(a)和0~2 000 m水深温度异常时间序列(b)

(图a中的灰色阴影代表0~2 000 m曲线的三倍标准差范围。)

Fig.3 Time series of ocean heat content anomaly at different depths (a) and time series of temperature anomaly from 0 to 2 000 m (b)

(Gray shading in figure a represents the range of triple standard deviations of the 0-2 000 m curve.)

为更清楚地对比各水层海洋热含量的时间演变规律,图4展示了2004—2021年间,0~100 m、100~300 m、300~700 m、700~2 000 m水深的热含量异常随时间和深度变化的剖面分布情况。由图4可知,每个水层或早或晚均会表现出较为强烈的海洋变暖(热含量异常显著增加)信号。2013年以前,海洋变暖信号主要集中在700 m水深以浅,且伴有冷、热交替现象,如在0~100 m水深,2006年、2008年、2009年、2011年和2012年的海洋热含量异常为负值,2005年和2010年的海洋热含量异常则为正值(图4a),这体现了长周期大气振动(如ENSO)对海洋热含量异常的影响[11,32]。研究期间,海洋热含量异常的垂向变化也有正、负交替的现象存在,这或许与海洋内部的热量传递有关[33]。2013年以后,各水层开始出现持续变暖趋势,尤其是700~2 000 m的水层,其内的海洋热含量异常基本为正值(图4d);0~100 m水深自2015年开始变暖趋势加剧(图4a);100~300 m水深自2017年开始变暖趋势加剧(图4b);300~700 m水深的海洋热含量异常在2013—2017年间虽然已有明显增加,但仍伴有正、负交替现象,2017年后海洋热含量异常持续增加(图4c)。2017年之后,0~2 000 m水深海洋热含量异常已全面升高,并且,海洋热含量自上而下传递,在海洋混合过程的缓冲作用下,热含量被“固定”在某一水层,使得该水层的变暖趋势尤为明显,如300~700 m水深(图4c)。值得注意的是,700~2 000 m水深的海洋热含量自2013年之后逐年上升,这或许与盐度导致的垂直密度对流有关[34],也可能与700 m以深Argo观测数据量的逐年增加导致所观测到的变暖信号比以前更多有关。
图4 全球海洋分层热含量异常随时间和深度变化的断面分布

(图中虚线代表海洋热含量异常由负转正的起始年份。)

Fig.4 Sections of global ocean heat content anomaly with time and depth at different depths

(The dashed line represents the beginning year when the ocean heat content anomaly turned from negative to positive.)

2.3 海洋热含量变化与异常气候的响应关系

海洋热含量的变化与异常气候条件息息相关,其中以ENSO事件的影响(主要在赤道附近海域)为主。图5为2004—2021年热带海洋(180°W—180°E,25°S—25°N)0~2 000 m水深热含量异常的纬向平均和经向平均的时间序列及其对应的Niño3.4区的ENSO指数(分别以0°N和150°W为对称中心)。由热含量异常的纬向平均分布(图5a)可见,2004—2021年间,三次较为强烈的厄尔尼诺事件(海表温度异常大于1 ℃),对应ENSO指数的三个正的高峰值,分别发生在2006年11月、2010年1月和2015年12月。20°S—5°N范围内对应的海洋热含量异常在厄尔尼诺之前均为正值,且在厄尔尼诺之前(约0~1个月)达到正向峰值,之后海洋热含量异常基本为负值,即20°S—5°N范围内的海域在厄尔尼诺之前处于变暖状态,在厄尔尼诺之后则处于失热变冷状态,这与前人的研究结果[35]类似。大约在5°N纬度线的南、北两侧,同一时间的海洋热含量异常呈正、负相反的分布特征,这或许与气候异常事件期间,热带北部海域损失的热量被排放到北半球的赤道以外海域有关[36]。热含量的经向平均分布显示了太平洋热含量异常的经向梯度与气候异常条件的响应关系(图5b):三次显著的厄尔尼诺事件前夕,西太平洋的热含量异常基本为负值,而东太平洋的热含量异常则多为正值(西部冷却,东部变暖),厄尔尼诺现象达到峰值后,太平洋热含量的东、西拉锯格局逐渐恢复。印度洋也呈现出类似的拉锯模式,但海洋热含量异常的信号与太平洋相反。
图5 2004—2021年间0~2 000 m水深热带海洋热含量异常的纬向平均(a)和经向平均(b)的时间序列

(图中黑色实线为对应的Niño3.4区的ENSO指数。)

Fig.5 Time series of zonal mean (a) and meridional mean (b) of the ocean heat content anomaly at 0-2 000 m from 2004 to 2021

(The solid black lines are the ENSO index of the Niño3.4.)

全球0~2 000 m水深海洋热含量异常和ENSO指数的滞后相关分析(图6a)显示,在厄尔尼诺事件发生前(图6a1图6a2),热带西太平洋海域已经开始出现负的海洋热含量异常,东太平洋的海洋热含量异常为正,这代表热带西太平洋在厄尔尼诺发生前已经开始失去热量,热带东太平洋在厄尔尼诺发生前已经开始积蓄热量,热带太平洋整体在厄尔尼诺发生前就已经显示出了轻微的ENSO“跷跷板”模态,提前为厄尔尼诺发生做准备[37]。随着时间越来越接近厄尔尼诺的发生时间,160°E附近的热带西太平洋冷却范围和150°W附近的热带东太平洋增暖范围均逐渐向南、北两侧扩展。厄尔尼诺发生期间(图6a3),太平洋南、北纬20°之间的东、西拉锯模式达到顶峰(海洋热含量异常高达5×1010 J/m2)。随着厄尔尼诺事件的结束,热带海域“堆积”的正、负海洋热含量异常逐渐减弱,热带东太平洋开始失去热量以中和正热含量异常,热带西太平洋开始获得热量以中和负热含量异常,同时“堆积”的正、负海洋热含量异常也开始向南、北扩散,加速这一中和过程,且南向扩散趋势更显著,这或许与南大洋面积更大、热含量容纳能力更强有关。这些现象与前人综合历史数据计算得到的变化规律[11]相一致,但本文图6 中展示的热含量南、北向扩展范围更大。厄尔尼诺事件前、后,印度洋海洋热含量异常由负值转变为正值,且在厄尔尼诺前、后4个月内(图6a2~6a4),其海洋热含量异常的空间分布与太平洋呈明显的反向特征(西部增暖,东部变冷),这或许与印度洋偶极子有关[38-39]。热带大西洋(30°S—30°N)的海洋热含量异常对厄尔尼诺事件的响应关系与印度洋类似。
图6 海洋热含量异常和海洋热含量变化趋势与异常气候的超前滞后相关分析

Fig.6 Correlation analysis of lead/lag relationship between ocean heat content anomaly and ocean heat content change tendency with abnormal climate

海洋热含量变化趋势表征了热含量随时间的累积情况,热带西太平洋海洋热含量变化趋势与热含量异常有较好的对应关系。厄尔尼诺发生前,热带西太平洋海域的热含量变化趋势为负,代表海洋失热。厄尔尼诺前4个月(图6b2),西太平洋失热速率最大(约为0.1 W/m2),西太平洋负的海洋热含量变化趋势,导致厄尔尼诺期间海洋热含量异常为负。而在厄尔尼诺事件之后,热带西太平洋海域的热含量变化趋势基本为正,从而中和厄尔尼诺期间产生的海洋热含量负值,积蓄正的海洋热含量异常。

3 讨论

由全球海洋热含量异常的时间序列(图3图4)可看出:自2013年开始,0~2 000 m海洋开始出现整体变暖趋势,因此,可将不同深度内的全球海洋热含量分2004—2012年和2013—2021年两个时间段进行对比分析(图7)。全球海洋大部分海域0~2 000 m水深于2013年后显著变暖(图7a):北大西洋(除40°N—60°N之间的高纬度海域外)海洋热含量增量多超过4×108 J/m2,南大西洋60°S以南的高纬度海域热含量增幅也超过4×108 J/m2。大西洋海洋热含量的这一变化特征主要体现在300~700 m水深(图7d),在300 m以浅表现得并不明显(图7b、7c),700~2 000 m的水体也呈大范围增暖特征(图7e)。太平洋海域的变暖趋势依区域不同而有所不同,0~2 000 m水深热带东太平洋的气候态海洋热含量相对较低(图1),但该海域在2013年之后海洋热含量增幅高达5×108 J/m2以上;而在气候态海洋热含量相对较高的热带西太平洋海域,自2013年以来热含量则整体呈减少趋势(图7a)。这个现象在0~100 m水深也有所体现,0~100 m水深热带东太平洋增暖范围比0~2 000 m水深明显扩大,但该水层热带太平洋东、西部的海洋热含量差异不如在0~2 000 m水深明显(图7b);热带太平洋东暖西冷的特征在100~300 m的水深范围内表现得尤为突出(图7c);300~700 m水深东太平洋增暖范围逐渐向西扩展(图7d);到了700~2 000 m水深,太平洋绝大多数海域的海洋热含量均呈增加趋势(图7e)。
图7 分层海洋热含量变化量的时空演变特征

(图中热含量为2013—2021年平均热含量减去2004—2012年平均热含量。)

Fig.7 Temporal and spatial evolution characteristics of ocean heat contentat at different depths

(The figure shows the average OHC from 2013 to 2021 minus the OHC from 2004 to 2012.)

为了研究哪一个水层的温度会对热含量起主导作用,本文计算了2004—2012年和2013—2021年各深度范围内温度影响下的海洋热含量异常演变,将0 m、700 m、2 000 m水深在对应年份区间内的平均温度异常与对应年份区间0~2 000 m水深的平均热含量异常进行线性回归,再将回归系数乘回到对应年份区间的热含量异常中,得到了两个时间段,不同深度的温度异常对海洋热含量异常的影响分布(图8)。由图8可见,与图3图4展示的演变特征类似,2013年前、后,全球大部分海域的海洋热含量异常发生翻转,热带东太平洋海域、热带大西洋及印度洋的海洋热含量异常由负转正,而热带西太平洋则由正转负。两个阶段的海洋热含量异常的空间分布特征几乎完全相反,也都在热带太平洋显示出了ENSO的“跷跷板”模态。从不同水深来看,无论哪个时期,700 m水深乘以温度回归系数后的热含量异常值均大于其他两个水深(图8a2、8b2),表明海洋700 m深度温度异常的变化对海洋热量的吸收起主导作用。表层(0 m)受热量再分配(如海-气交换、垂向能量输运等)的影响,温度异常影响下的海洋热含量异常相对较小(图8a1、8b1)。而2 000 m水深处,由于温度分布相对均匀,其对0~2 000 m水深热含量整体变化的贡献与表层相当,但与表层相比,在该水层温度变化导致的全球变暖海域范围明显扩大(图8a3、8b3)。不同深度温度变化对海洋热含量异常贡献较高区域集中在北大西洋、西北太平洋以及南大洋40°S—60°S之间的海域,这也与全球变暖增强的区域相对应。
图8 2004—2012年和2013—2021年不同深度的温度异常对海洋热含量异常的影响分布

Fig.8 Distribution of the ocean heat content anomaly influenced by the temperature anomaly at different depths during 2004—2012 and 2013—2021

4 结论

地球系统吸收的能量绝大多数以热量形式储存在海洋中,因而海洋热含量成为评估气候变化的关键指标之一。海洋热含量变化的精确评估依赖于Argo浮标观测带来的海洋内部观测数据的持续积累。Argo剖面浮标提供的海量、准同步、准实时的海洋剖面观测资料为全面评估全球海域热含量的时空演变提供了重要的数据支撑。本文基于自主构建的GDCSM-Argo再分析数据集,分析探讨了2004—2021年全球海洋热含量变化的时空演变特征,得到如下结论。
1)2004—2021年,全球气候态海洋热含量平均已达到1010 J/m2的量级。大西洋的海洋热含量最高,印度洋次之,太平洋最低。其中,北大西洋20°N—40°N之间的海洋热含量超过8×1010 J/m2,热带西太平洋的海洋热含量超过6×1010 J/m2,印度洋西北部的海洋热含量超过8×1010 J/m2,这些海域增暖趋势都比较显著,此外印度洋热含量空间分布特征与热带太平洋相反。自2004年以来,全球0~2 000 m水深的海洋热含量均呈现不同程度的上升趋势,大部分海域增幅超过 2×108 J/m2,且以2013年为分水岭。2013年之前,海洋0~300 m热含量异常在垂向上呈现正、负交替的变化特征,海洋变暖信号主要集中在700 m以浅; 2013年之后,700~2 000 m水深持续变暖;2017年以后,全球0~2 000 m水深海洋热含量异常基本为正,海洋出现整体变暖的趋势。至2021年底,0~100 m水深的热含量增长趋势相对于700~2 000 m水深逐渐减弱,表明700 m以深海洋热含量的增加在全球变暖中的作用越来越重要。值得注意的是,海洋300 m水深以深变暖开始的时间与地表变暖放缓结束的时间(2013年)相对应。2013年之后,海洋吸收的热量逐渐由0~100 m向其内部传递,加上对流扩散作用,致使2017年开始,300 m以深海洋大范围显著变暖。
2)2013年前、后,全球大部分海域各水层温度变化引起的海洋热含量异常呈反向分布特征,热带东太平洋海域、热带大西洋及印度洋的海洋热含量异常由负转正,而热带西太平洋则由正转负,其中,700 m水深的温度变化对热含量整体变化的贡献最突出。2013年前、后两个时期,热带太平洋都出现了明显的“跷跷板”模态,表明海洋热含量受异常气候事件(如ENSO)的影响强烈。在厄尔尼诺事件发生前,热带东太平洋开始出现正的海洋热含量异常,热带西太平洋海域开始出负的热含量异常,即在厄尔尼诺之前积蓄/失去热量;厄尔尼诺期间以及之后,热带海域“堆积”的正、负海洋热含量异常减弱并向南、北扩散,即热带东/西太平洋通过失去/获得热量以及南、北向的热扩散中和“堆积”的正、负海洋热含量异常。热带太平洋热含量异常正向峰值先于厄尔尼诺 0~1个月出现,随着时间越来越接近厄尔尼诺的发生时间,东/西太平洋增暖/冷却范围逐渐增大。厄尔尼诺期间,太平洋南、北纬20°之间的东、西拉锯模式达到顶峰。厄尔尼诺现象达到峰值后,印度洋也呈现出类似的拉锯模式,但海洋热含量异常的信号与太平洋相反。
综上,利用GDCSM-Argo数据集所揭示的全球海洋热含量变化时空分布特征与前人的研究结果[9,40-41]基本吻合,说明该数据集在评估分析海洋热含量变化方面是可靠的。由于GDCSM-Argo数据集立足Argo观测本身(不涉及其他观测误差),基于各向异性的梯度,依赖相关尺度法进行构建,能够更充分地提取中尺度观测信息。因此,通过对不同水层海洋热含量的长时间序列分析,得到了比前人研究更丰富的信息和成果,揭示的海洋热含量变化特征,如西北太平洋和北大西洋展示的斑点状冷、热交错变化趋势,热带海域热含量变化趋势表现出更明显的 ENSO 模态以及强厄尔尼诺事件滞后热带太平洋热含量异常正向峰值约0~1个月等结论更具有代表性和说服力。随着该数据集的持续更新(每半年更新一次),其可为系统评估海洋热含量演变及其影响作用提供必要的数据支撑。

感谢杭州全球海洋Argo系统野外科学观测研究站为本文提供的Argo剖面观测资料!

[1]
PÖRTNER H O, ROBERTS D C, MASSON-DELMOTTE V, et al. IPCC special report on the ocean and cryosphere in a changing climate[M]. Cambridge: Cambridge University Press, 2019.

[2]
BRYAN K, SCHROEDER E. Seasonal heat storage in the North Atlantic Ocean[J]. Journal of Meteorology, 1960, 17(6): 670-674.

[3]
LEVITUS S. Annual cycle of temperature and heat storage in the world ocean[J]. Journal of Physical Oceanography, 1984, 14(4): 727-746.

[4]
LEVITUS S, ANTONOV J I, BOYER T P, et al. Warming of the world ocean[J]. Science, 2000, 287(5461): 2225-2229.

[5]
GILLE S T. Decadal-scale temperature trends in the southern hemisphere ocean[J]. Journal of Climate, 2008, 21(18): 4749-4765.

[6]
LEVITUS S, ANTONOV J I, BOYER T P, et al. World ocean heat content and thermosteric sea level change (0-2000m), 1955—2010[J]. Geophysical Research Letters, 2012, 39(10): L10603.

[7]
CHENG L J, TRENBERTH K E, FASULLO J, et al. Improved estimates of ocean heat content from 1960 to 2015[J]. Science Advances, 2017, 3(3): e1601545.

[8]
SU H, WEI Y N, LU W F, et al. Unabated global ocean warming revealed by ocean heat content from remote sensing reconstruction[J]. Remote Sensing, 2023, 15(3): 566.

[9]
CHENG L J, VON SCHUCKMANN K, ABRAHAM J P, et al. Past and future ocean warming[J]. Nature Reviews Earth & Environment, 2022, 3: 776-794.

[10]
WILLIS J K, ROEMMICH D, CORNUELLE B. Interannual variability in upper ocean heat content, temperature, and thermosteric expansion on global scales[J]. Journal of Geophysical Research: Oceans, 2004, 109(C12): C12036.

[11]
CHENG L J, TRENBERTH K E, FASULLO J T, et al. Evolution of ocean heat content related to ENSO[J]. Journal of Climate, 2019, 32(12): 3529-3556.

[12]
ISHII M, FUKUDA Y, HIRAHARA S, et al. Accuracy of global upper ocean heat content estimation expected from present observational data sets[J]. SOLA, 2017, 13: 163-167.

[13]
ROEMMICH D, JOHNSON G C, RISER S, et al. The Argo program: Observing the global oceans with profiling floats[J]. Oceanography, 2009, 22(2): 34-43.

[14]
LIU Z H, XING X G, CHEN Z H, et al. Twenty years of ocean observations with China Argo[J]. Acta Oceanologica Sinica, 2023, 42(2): 1-16.

[15]
DOMINGUES C M, CHURCH J A, WHITE N J, et al. Improved estimates of upper-ocean warming and multi-decadal sea-level rise[J]. Nature, 2008, 453: 1090-1093.

[16]
YU X R, MCPHADEN M J. Seasonal variability in the equatorial Pacific[J]. Journal of Physical Oceanography, 1999, 29(5): 925-947.

[17]
YANG L N, MURTUGUDDE R, ZHOU L, et al. A potential link between the Southern Ocean warming and the South Indian Ocean heat balance[J]. Journal of Geophysical Research: Oceans, 2020, 125(12): e2020JC016132.

[18]
CHENG L J, ABRAHAM J, GONI G, et al. XBT science: Assessment of instrumental biases and errors[J]. Bulletin of the American Meteorological Society, 2016, 97(6): 924-933.

[19]
EYRING V, BONY S, MEEHL G A, et al. Overview of the Coupled Model Intercomparison Project Phase 6 (CMIP6) experimental design and organization[J]. Geoscientific Model Development, 2016, 9(5): 1937-1958.

[20]
ZHANG C L, WANG D Y, LIU Z H, et al. Global gridded Argo dataset based on gradient-dependent optimal interpo-lation[J]. Journal of Marine Science and Engineering, 2022, 10: 650.

[21]
ZHANG C L, XU J P, BAO X W, et al. An effective method for improving the accuracy of Argo objective analysis[J]. Acta Oceanologica Sinica, 2013, 32(7): 66-77.

[22]
张春玲, 许建平, 鲍献文. 基于Argo资料的梯度依赖相关尺度方法[J]. 解放军理工大学学报:自然科学版, 2015, 16(5):476-483.

ZHANG C L, XU J P, BAO X W. Gradient-dependent correlation scale method based on Argo[J]. Journal of PLA University of Science and Technology: Natural Science Edition, 2015, 16(5): 476-483.

[23]
ZHANG C L, WANG Z F, LIU Y. An Argo-based experiment providing near-real-time subsurface oceanic environmental information for fishery data[J]. Fisheries Oceanography, 2021, 30(1): 85-98.

[24]
CHU P C, FAN C W. Maximum angle method for determi-ning mixed layer depth from seaglider data[J]. Journal of Oceanography, 2011, 67(2): 219-230.

[25]
LIANG X F, LIU C, PONTE R M, et al. A comparison of the variability and changes in global ocean heat content from multiple objective analysis products during the Argo period[J]. Journal of Climate, 2021, 34: 7875-7895.

[26]
邓绍坤, 吴祥柏. 基于再分析数据的南大西洋上层海洋热含量变化研究[J]. 海洋学研究, 2019, 37(3):12-20.

DENG S K, WU X B. Upper-layer ocean heat content variability in the Southern Atlantic from reanalysis data[J]. Journal of Marine Sciences, 2019, 37(3): 12-20.

[27]
ROBERTS C D, PALMER M D, ALLAN R P, et al. Surface flux and ocean heat transport convergence contri-butions to seasonal and interannual variations of ocean heat content[J]. Journal of Geophysical Research: Oceans, 2017, 122(1): 726-744.

[28]
REYNOLDS R W, SMITH T M. A high-resolution global sea surface temperature climatology[J]. Journal of Climate, 1995, 8(6): 1571-1583.

[29]
CHENG L J, ABRAHAM J, TRENBERTH K E, et al. Another record: Ocean warming continues through 2021 despite La Niña conditions[J]. Advances in Atmospheric Sciences, 2022, 39(3): 373-385.

[30]
LI C Y, HUANG J P, HE Y L, et al. Atmospheric warming slowdown during 1998—2013 associated with increasing ocean heat content[J]. Advances in Atmospheric Sciences, 2019, 36(11): 1188-1202.

[31]
蒋佳茗, 汪亦蕾. 热带西北太平洋0-300 m热含量的年代际变化[J]. 海洋学研究, 2022, 40(1):1-11.

JIANG J M, WANG Y L. Interdecadal variation of ocean heat content at depth of 0-300 m in the tropical northwest Pacific[J]. Journal of Marine Sciences, 2022, 40(1): 1-11.

[32]
SU H, JIANG J W, WANG A, et al. Subsurface tempe-rature reconstruction for the global ocean from 1993 to 2020 using satellite observations and deep learning[J]. Remote Sensing, 2022, 14(13): 3198.

[33]
DESBRUYÈRES D G, PURKEY S G, MCDONAGH E L, et al. Deep and abyssal ocean warming from 35 years of repeat hydrography[J]. Geophysical Research Letters, 2016, 43(19): 10356-10365.

[34]
CHEN X Y, TUNG K K. Varying planetary heat sink led to global-warming slowdown and acceleration[J]. Science, 2014, 345(6199): 897-903.

[35]
李宁, 王晓春. 赤道太平洋海域上层海洋热含量及其变化机制的诊断分析[J]. 热带海洋学报, 2019, 38(1):1-10.

LI N, WANG X C. Diagnostic analysis of upper-ocean heat content change in the equatorial Pacific and related mechanism[J]. Journal of Tropical Oceanography, 2019, 38(1): 1-10.

[36]
MAYER M, BALMASEDA M A, HAIMBERGER L. Unprecedented 2015/2016 indo-pacific heat transfer speeds up tropical Pacific heat recharge[J]. Geophysical Research Letters, 2018, 45(7): 3274-3284.

[37]
吴晓芬, 许建平. 海洋上层热含量的分布特征、变化模态及观测手段综述[J]. 海洋学研究, 2010, 28(1):46-54.

WU X F, XU J P. A summary of upper ocean heat content in the tropical westen Pacific Ocean and its distribution features, variation patterns and observations[J]. Journal of Marine Sciences, 2010, 28(1): 46-54.

[38]
钱浩, 张启龙. 热带太平洋—印度洋热含量变异及其与表层水温的关系[J]. 海洋科学进展, 2013, 31(1):1-11.

QIAN H, ZHANG Q L. Variations of heat content in the tropical pacific-indian ocean and their relations to the sea surface temperature[J]. Advances in Marine Science, 2013, 31(1): 1-11.

[39]
黄科, 张启龙. 热带印度洋上层热含量异常场的年际变率分析[J]. 海洋科学进展, 2011, 29(3):265-274.

HUANG K, ZHANG Q L. Analysis for interannual variability of heat content anomaly in the upper tropical Indian Ocean[J]. Advances in Marine Science, 2011, 29(3): 265-274.

[40]
ZHANG L, HAN W Q, LI Y L, et al. Variability of sea level and upper-ocean heat content in the Indian Ocean: Effects of subtropical Indian Ocean Dipole and ENSO[J]. Journal of Climate, 2019, 32(21): 7227-7245.

[41]
JOHNSON G C, LYMAN J M, LOEB N G. Improving estimates of Earth’s energy imbalance[J]. Nature Climate Change, 2016, 6: 639-640.

Outlines

/