聯合CTD、海底地形和ARGO數據構建北太平洋深海時變溫度模型

張金輝,李姍姍,楊 光,范 雕,凌 晴

(1. 信息工程大學,河南 鄭州 450000; 2. 華北水利水電大學,河南 鄭州 450000; 3. 蘭州理工大學,甘肅 蘭州 730000)

海平面變化是全球氣候變化的重要指示器[1-2],它受自然和人為因素共同影響。自工業革命以來,全球氣候變暖直接導致海平面上升[3]。海平面上升不僅會反作用影響全球氣候變化,還將直接威脅沿海區域的生態環境[4]和社會經濟發展,甚至關乎沿海居民的生命與生存空間[2],以及低海拔島嶼的存亡[4]。

比容海平面變化作為海平面變化的重要組成部分,由于ARGO(array for real-time geostrophic oceanography)浮標目前僅能下潛到約2000 m 海深處,且在2005年之前浮標數目相對較少[2],因此大多數學者將研究時間選定為從2005年開始[5-14]。研究結果表明:2005-2015年全球海洋上層比容海平面上升趨勢差異較小約為1.0 mm/a;但最近研究結果表明,2015-2019[15]或2020年[16],其上升速率分別達1.34和1.25 mm/a,表明近幾年全球海洋上層比容海平面在加速上升[17]。

盡管2000 m以下海洋的溫度變化相對較小,但卻占整個海洋面積的50%[18],且2000 m以上海洋吸收的熱量大約會有19%傳導至2000 m以下的深海中[19],深海對比容海平面變化的貢獻可能會較大[20]。由于當前深海溫鹽觀測數據不足,對其比容海平面變化的研究也較少[4],一般利用衛星測高數據計算得到的全球平均海平面變化減去時變重力場和海洋上層ARGO數據估算的結果進行大致估計。筆者對文獻[5-16]研究結果統計發現,即使在2005-2016年相同時間段其變化趨勢差異也較大(0.23 ～0.56 mm/a),分析認為這主要與時間跨度、數據處理方法(如時變重力的低階項處理、冰川均衡調整改正等[2])不同等因素有關,也反映出現今地球觀測系統還不能完全捕捉到各因素對海平面變化的貢獻[22]。當前,有學者開始嘗試利用CTD數據模擬構建深海三維網格溫度數據,由此直接估算出2005-2015年深海熱比容海平面變化趨勢為0.12±0.03 mm/a[4],其結果與文獻[8,10,13]推算結果也存在較大差距。分析認為利用單個函數模型很可能不能準確地表達其所劃分的全球各區域(特別是北太平洋)溫度剖面隨海深變化特征的差異性。此外,由于CTD數據具有低時空分辨率特點,若直接以各區域統計的溫度剖面最值參與其所假設的比例關系運算,可能導致延伸推算的結果會產生較大偏差。

針對上述問題,本文選取北太平洋船測CTD數據,依據溫度剖面隨海深變化特性對該試驗海域重新劃分和建模,并聯合海底地形和ARGO數據采用層層遞推法構建北太平洋格網化深海時變溫度模型,并對該模型數據的質量和反演的深海比容海平面變化進行評估和檢驗。

1 試驗數據

1.1 全海深CTD數據

采用由國際全球海洋艦載水文調查項目整理并提供的高質量深海溫鹽剖面數據。該數據是利用測量船載著溫鹽深剖面儀大體沿著固定航線名義上每隔55 km測量一次,每次測量可獲得從海洋表面到距離海底10～20 m深度上的每隔1或 2 m的溫鹽壓等剖面數據[23]。由圖1(a)可知,除P19航線外,其他航線均至少進行了一次全段或部分測段的重復測量,時間間隔最短僅1個月,最長可達37 a。為構建更可靠的模型數據,對其進行必要的質量再控制,以此作為構建深海格網化溫度模型的基礎和約束(如圖1(b)所示)。

注:三角形用于區域劃分,實心圓僅用于檢核。圖1 北太平洋CTD航線測量與分布情況

1.2 ARGO數據

采用中國ARGO實時資料中心發布的2005-01-2020-12格網化月均溫鹽數據,空間分辨率為1°×1°,垂直分層為0～2000 m不等間隔共58層。

此外,選取上述相同時間段由英國氣象局最新發布的格網化月均溫鹽數據產品EN4.2.2(簡稱EN4),它相比于EN4.2.1的最大區別在于融合的數據源中由之前的全球海洋數據庫13(wold ocean database 13, WOD13)改為WOD18。這里將EN4在海深2130～5350 m的12層溫度數據作為參照進行比對。

1.3 海底地形數據

基于筆者所在院校提供的全球表面地形模型STO＿IEU2020[24]提取北太平洋海底深度。該模型是基于SIO V29.1重力異常和重力異常垂直梯度,并融合多源水深測量結果構建而成,其空間分辨率為1′×1′。為構建與ARGO數據空間分辨率相一致的深海溫度模型,以ARGO格網點為中心,將該地形模型中經緯度相差1°范圍內各點的平均海深作為該網格點的海底深度,并結合CTD航線實際分布提取北太平洋海深2000 m以下邊界線(如圖1(a)中黑實線所示)。

2 深海時變溫度模型構建基礎

2.1 CTD與ARGO數據溫度剖面的一致性

CTD數據是一段時間內某條航線上的逐點測量值,而ARGO數據是經質量控制重構的格網化月平均值。為檢驗這兩種數據的一致性,這里以ARGO數據格網點坐標為中心,在CTD航線上經緯度相差1°范圍內海深大于1500 m各測量點的溫鹽剖面均值作為該點的溫鹽剖面數據,并與同年同月的ARGO數據進行比較,結果見表1?？芍?在1000～2000 m,特別是1500～2000 m,兩種數據的溫度差異隨海深增加逐步縮小,并趨于一致。據此推測,若ARGO計劃未來可獲取2000 m以下海洋溫度剖面數據,則它與CTD測量結果也是一致的。

表1 北太平洋CTD與ARGO數據在海深1500～2000 m的溫度差異 (℃)

2.2 深海CTD數據溫度剖面的相對穩定性

由于CTD航線重復測量的時間間隔最長將近40年,受水團橫向流動影響,2000 m以下溫度剖面能否保持相對穩定是模擬構建深海溫度剖面的基礎。11條航線上首末兩次測量的所有溫度剖面,如圖2所示?？梢钥闯?盡管兩次測量的時間間隔從15～37 年不等,但其溫度剖面卻保持較好的穩定性,這是因為CTD重復測量的時間間隔遠小于深海水團循環周期(500～1600年)[25],因此可近似認為深海溫度變化僅受深度方向上熱量傳遞影響。此外,也可看出,各航線上首末兩次溫度剖面并非完全重合,如圖2中的P02、P03、P10、P13、P16等,這是因為受當時海上測量各種海況因素影響,部分航線僅是對原航線的某段或對原航線進行了延長測量。

圖2 北太平洋CTD航線首末兩次測量的溫度剖面

2.3 深海CTD數據溫度剖面的波動性

為探究溫鹽深剖面儀能否測量出海深2000 m以下溫度的微小變化[18],將這11條航線上首末兩次各測量點坐標逐一比較,并視相距最近的兩點為同一點,由此統計出北太平洋海深2000 m到海底溫度剖面的波動情況,結果見表2?？梢钥闯?北太平洋各層溫度波動均隨海深增加而減小,且各層溫度波動的標準差均大于0.008℃(大于3倍的溫鹽深剖面儀測量精度0.002℃[23]),這表明北太平洋溫度剖面的波動雖較小,但這種較小的波動卻能被測定,而這種較小的波動正是構建深海時變溫度模型的關鍵。

表2 北太平洋各層溫度波動情況 (℃)

2.4 CTD數據2000 m以上深溫度剖面的區域性

由圖2可知,有些航線(如P01、P02)上測量點的溫度剖面具有很好的相似性,但大部分航線(如P03、P14和P16等)的溫度剖面則在某個界線兩側存在明顯不同,即具有顯著的區域特性。為合理劃分溫度區域,嚴格依據溫度隨海深變化特性,通過分析這14條全段測量航線(圖1(a)中三角形所示)上測量點的溫度剖面,并與不同航線上溫度剖面相互比較,由此確定出不同溫度區域間的分界點,然后將分界點連接,由此劃分為11個區域(如圖3所示),與文獻[4,26-28]在北太平洋的劃分結果完全不同。此外,從區域劃分結果來看,在空間上與大洋洋流存在一定聯系,如黑潮位于區域①,千島寒流位于區域③,加利福尼亞寒流位于區域⑨,其他區域則與赤道逆流或北赤道暖流有很大重合,這說明由于大洋洋流的性質不盡相同,在其循環流動過程中很可能對原海水溫度剖面特性產生了一定影響。

圖3 依據溫度隨海深變化特性劃分的北太平洋溫度區域

為檢驗上述區域劃分是否合理,將各區域內每條航線(圖1(b)中圓形所示航線)上的溫度剖面逐一地與同一區域內所有參與區域劃分航線上的溫度剖面進行比較,結果如圖4所示(P04和P19在區域10、11內均未重復觀測,括號中的內容為該航線標識)?？梢钥闯?各區域內溫度剖面吻合度很好,且不同區域溫度剖面的差異性也較明顯,這說明上述溫度區域劃分是比較合理的。

圖4 北太平洋溫度區域檢核

3 北太平洋深海時變溫度模型的構建與檢驗

由于深海溫度剖面具有相對穩定性,且隨時間變化又具有一定的波動性,顯然這種波動應該是各點的溫度剖面圍繞均值在一定范圍內變化。為此,基于各區域內CTD數據構建一段時間內深海溫度剖面均值與最值數學模型模擬其隨海深變化的特性和波動范圍,這里以構建溫度剖面均值模型為例,最值模型構建與之相同。

3.1 溫度剖面均值數學模型的構建與檢驗

為構建各區域1500 m以下溫度剖面均值模型,基于各區域內所有航線(圖1(b)中實心圓表示的航線除外)得到各層溫度剖面的平均值,如圖5所示?？梢钥闯?各區域溫度剖面均值線的差異性較明顯,即表現出較明顯的區域特性;此外,也可看出,除區域在3000 m以下溫度隨海深增加呈現線性趨勢性特點外,在3000 m以上部分與其他區域的溫度隨海深增加先下降再緩慢上升的變化特性相似。除區域在3000 m以下采用線性函數模型,其他則采用如下數學模型進行擬合,公式為

圖5 北太平洋各溫度區域CTD溫度剖面均值線

T′i(h)=ai+bi×h+ci×hdi+ei×logh

(1)

式中,T′i表示溫度區域;i表示區域編號;h表示從1500 m到海底H之間的海深;ai、bi、ci、di、ei為各區域溫度剖面均值模型的待定系數。

為確定上述區域溫度剖面均值模型中的參數,基于最小二乘估值準則(VTV=min)解算,結果見表3。從參數擬合結果來看,各區域溫度剖面均值雖可歸結為統一的數學模型,但各區域具體數學表達式區分度較大,這也表明溫度隨海深變化的區域性是較顯著的。

表3 北太平洋各區域溫度剖面均值數學模型參數

圖6 北太平洋溫度數學模型擬合結果與CTD實測溫度剖面比較

3.2 北太平洋深海時變溫度模型構建與檢驗

測量點的溫度剖面可視為隨時間變化圍繞均值在最值之間波動,由于2000 m以下ARGO與CTD數據的測量結果在理論上具有一致性,為此以各區域溫度最值模型相對于均值模型的波動大小,借助于海底地形將ARGO數據推算延伸至海底。為便于說明以區域④為例,其他區域的推算方法與之相同。

3.2.1 模型構建方法

圖7 將2000 m以上ARGO溫度剖面延伸至海底的原理

(2)

(3)

式中,H表示海底深度;ai表示各區域內在海深2000 m(含)以下ARGO網格點的溫度剖面值(海深2000 m時)或推算值與均值模型T′i(h)的差異,其計算表達式為ai(λm,φn,h,tk)=Ti(λm,φn,h,tk)-T′i(h)h≥2000 m。式中,bi表示各區域內在海深2000 m(含)以下最大值模型T′iR(h)與均值模型T′i(h)的差異,其計算表達式為

式中,di(h)表示推算相鄰層所在海深的最大值模型T′iR(h)與均值模型T′i(h)的差異,其計算表達式為

di(λm,φn,h+Δh,tk)=T′iR(h+Δh)-

T′i(h+Δh)h≥2000 m

當將2005-2020年北太平洋ARGO所有網格點月均溫度數據均延伸至海底后,即構建了與ARGO數據具有相同的時空分辨率的北太平洋深海溫度模型。

3.2.2 模型數據檢驗

為檢驗該溫度時變模型數據的質量,將其與圖1(b)中用于模型檢核(實心圓所示)的7條航線進行比較,以ARGO數據格網點坐標為中心,將航線上經緯度相差1°范圍內各測量點的溫度剖面均值作為該格網點的實測溫度剖面數據,并與同年同月的模型數據進行比較,統計結果見表4?？梢钥闯?在北太平洋海深2000 m以下,模型數據與CTD數據在溫度上的最大差異不超過0.20℃,平均差異不超過0.03℃,標準差不超過0.06℃。這表明本文構建的溫度模型數據與CTD實測結果較接近,結果較可靠。

表4 北太平洋溫度模型數據與CTD實測數據差異

此外,還將該溫度模型數據與EN4在海深2130～5350 m的12層溫度數據比較,統計結果見表5?？梢钥闯?在北太平洋海深2000 m以下,模型數據與EN4數據間的溫度差異隨海深增加而增大,但最大差異不超過0.54℃,平均差異不超過0.42℃,標準差不超過0.002℃。分析認為,由于EN4以氣候態作為背景場采用最優插值法進行數據校正和重構,而本文則是以低時空分辨率的CTD數據作為基礎和約束采用層層遞推法分區域重構,這是造成兩類數據存在一定差異的主要原因。

表5 北太平洋溫度模型數據與EN4數據差異

為檢驗溫度模型數據解譯深海比容海平面變化能力,計算該模型與EN4在2005-2020年北太平洋深海比容海平面變化時間序列(其相關系數為0.708 6),如圖8所示?？梢钥闯?該模型與EN4的深海比容海平面變化時間序列整體符合性較好,如在2005-2010年,模型數據與EN4在北太平洋深海比容海平面均存在較明顯的上升趨勢(前者為0.52±0.09 mm/a,后者為0.73±0.11 mm/a),這與文獻[28]基于海洋熱含量(ocean heat content, OHC)所得到的從2000-2010年整個太平洋也存在較為明顯的增溫趨勢的結論一致;此外,也可看出,在2010年之后,EN4出現小幅震蕩,即深海比容海平面變化時間序列先下降再上升,然后基本保持不變,而模型數據的深海比容海平面變化時間序列則幾乎一直保持不變,雖然兩數據的時間序列存在一定差異,但在2010年之后它們在整體上均沒有表現出明顯的上升趨勢(前者為0.02±0.03 mm/a,后者為-0.01±0.01 mm/a),這與文獻[29]通過延長文獻[27]的數據發現在2010年之后太平洋的熱含量變化較為微弱也不存在明顯的增溫趨勢的結論一致。此外,在整個研究時間段內,模型數據與EN4在北太平洋2000 m以下比容海平面的上升趨勢分別為0.11±0.17和0.09±0.11 mm/a,計算結果基本一致,說明該模型數據可以較好地反映北太平洋深海比容海平面變化趨勢,所構建的時變模型數據具有一定的可靠性。

圖8 北太平洋2000 m以下比容海平面變化時間序列

4 結 論

針對深海溫度實測數據不足的現實情況,本文首先依據CTD溫度剖面隨海深變化特性重新對北太平洋海域進行了區域劃分和分區域建模;然后基于各區域的溫度剖面均值和最值模型,聯合海底地形和ARGO數據采用層層遞推法構建了2005-2020年北太平洋深海月均格網化溫度模型,并反演了其深海比容海平面變化,試驗結果表明:

(1)本文構建的深海溫度剖面均值數學模型相較于文獻[4]提出的數學模型與CTD實測溫度剖面均值的差異要小1～2個數量級,更能準確地反映各區域深海溫度剖面隨海深變化特性,且在表達形式上更為簡潔。

(2)本文構建的2005-2020年北太平洋深海月均格網溫度模型與CTD數據的最大差異不超過0.20℃,平均差異不超過0.03℃,標準差不超過0.06℃,與EN4數據的最大差異不超過0.60℃,平均差異不超過0.50℃,標準差不超過0.002℃,表明該模型與CTD數據和EN4具有較好吻合度。

(3)在2005-2010年,基于本文構建的溫度模型和EN4計算得到的北太平洋深海比容海平面均存在較為明顯的上升趨勢(前者為0.52±0.09 mm/a,后者為0.73±0.11 mm/a),而在2010年之后沒有表現出明顯的上升趨勢(前者為0.02±0.03 mm/a,后者為-0.01±0.01 mm/a);在整個研究時間段內,兩者的比容海平面的上升趨勢分別為0.11±0.17 和0.09±0.11 mm/a,這說明本文構建的溫度模型數據具有一定的可靠性,能夠較好地反映北太平洋深海比容海平面變化趨勢,這對于閉合區域海平面平衡方程成因變化的解釋具有一定的參考價值。