《Nature:潮汐和季节时间尺度上高度变化的深海水流》

  • 来源专题:中国科学院文献情报系统—海洋科技情报网
  • 编译者: 熊萍
  • 发布时间:2024-10-14
  • 深海沉积物及其相关物质(如有机碳、营养物质和污染物)的运输受近底流控制。在大陆坡,这些近底流包括浊流和等深流。深海监测技术的进步促进了人们对浊流和等深流的理解。然而,这些过程很少单独进行,混合系统中近底流的量化仍然不足。而这类测量对于理解深海颗粒运输、校准数值模型和重建古海流至关重要。

    近期,英国南安普顿大学国家海洋研究中心的科学家通过对莫桑比克近海混合系统4年34个观测站的观测数据,研究了近底流的动态性。研究发现:近底流在潮汐和季节时间尺度上具有高度的空间各异性,包括流向反转、局部海底地形引导和漏斗效应。观测到的近底流能够搅动在海底分布沉积物,增加了深海颗粒运输的复杂性,对古海洋学的重建构成挑战。(李亚清 编译;熊萍 责编)

  • 原文来源:https://www.nature.com/articles/s41561-024-01494-2
相关报告
  • 《利用机器学习改进次季节时间尺度的气候预报》

    • 来源专题:物理海洋学知识资源中心
    • 编译者:cancan
    • 发布时间:2019-03-22
    • 麻省理工学院访问科学家Judah Cohen和Ernest Fraenkel教授在由国家海洋和大气管理局主办的次季节气候预报的四分之三温度预报竞赛中获得第一名。麻省理工学院的研究人员击败了美国政府使用的长期运营预测模型。 参赛队伍必须在2017年4月17日至2018年4月18日之间每两周提交一次气候预测报告。他们的目标是创建一种模式,使美国西部能够提前数周依赖这种模式来帮助管理水资源,为野火和干旱做好准备。 “目前的天气预报模型只能在前7~10天进行预测。通过使用我们为此次竞赛创建的机器学习技术,新模型能够帮助能源公司和城市更早地为严重风暴做好准备。” Cohen说,“我们充分利用当前充足的气象记录和高性能计算技术,将基于物理的动力学模型和统计机器学习方法融合在一起,以便将预测周期从数天延长至数周。” 机器学习技术和传统天气模式识别的结合是非常强大的,因为它可以帮助政府最大限度地利用水资源,为自然灾害或极端天气条件做好准备。 (侯颖琳 编译;於维樱 审校)
  • 《Science Advances:海岸陷波和潮汐混合控制了热带安哥拉上升流系统的初级生产力》

    • 来源专题:中国科学院文献情报系统—海洋科技情报网
    • 编译者:liguiju
    • 发布时间:2024-02-27
    • 东部边界上升流系统是世界上最具生产力的海洋生态系统之一,系统中上升流的强度和季节性通常与当地风力强迫有关。然而,在一些热带上升流系统中,当上升流有利风弱时,生产力出现季节性最大值。德国亥姆霍兹基尔海洋研究中心GEOMAR领导的一项研究利用水文、氧气、硝酸盐、海洋湍流和卫星数据来分析大西洋热带安哥拉上升流系统(tAUS)中净初级生产力NPP 季节性和年际变化的物理驱动因素。 研究表明,在tAUS中,季节性生产力最大值受海岸陷波(CTW)和陆架上高位潮汐混合的综合影响。在南半球冬季,上升流 CTW 的通过将硝酸盐向上移动超过 50 m。因此,富含硝酸盐的水扩散到陆架上,其中增强的垂直混合导致硝酸盐流入表面混合层。生产力最大值的年际变化与上升流CTW的振幅在海平面数据中密切相关。此外,研究人员使用区域海洋模型证实观测结果。结果发现,CTW 和大陆坡与大陆架上方增强的垂直混合可以解释季节和年际时间尺度上生产力的变化。鉴于 CTW 与赤道强迫有关,研究建议对生产率最大值的强度进行预测。(张灿影 编译;熊萍 校稿)