《自然资源部第一海洋研究所在棉兰老流年际变异研究方面取得重要突破》

  • 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:2024-06-16
  • 近日,自然资源部第一海洋研究所物理海洋室海洋与气候动力学(筹)团队在棉兰老流年际变异研究方面取得重要突破。该团队使用船载水文观测资料和锚定潜标数据,结合卫星高度计数据,揭示了棉兰老流流量的年际变化和动力机制。

    棉兰老流是沿菲律宾棉兰老岛东岸向赤道流动的一支强流,对西太平洋暖池和热带气候系统特别是厄尔尼诺/南方涛动(ENSO)现象有着重要影响。历史上,由于缺乏观测,对这只强流的研究较少。已有研究主要基于数值模式,结论与零星的实测结果不符。这一认识不足,制约着热带海洋环流和气候动力学研究的发展。

    国际CLIIVAR计划专门设立西北太平洋海洋环流与气候实验(NPOCE)的研究计划,全力攻克太平洋低纬度西边界流的动力学问题。“十一五”以来,我国持续开展西太环流的调查研究。依据这些资料,对菲律宾以东的海流结构和变异取得了长足的认识,但对于西边界流流量的变化及其动力机制仍缺乏基本认识。

    研究发现,2010-2011年拉尼娜冬季,棉兰老流的流量增加了约5-10Sv。卫星数据和模式实验结果表明,这种年际变化受环绕菲律宾的开尔文波的传播控制。拉尼娜期间,下降的赤道罗斯贝波在棉兰老岛以南海域激发沿岸开尔文波,从苏拉威西-苏禄海进入南海,并沿菲律宾群岛顺时针传播回到西太平洋,引起菲律宾东岸的海平面上升,海平面向东倾斜增加,地转效应导致西边界流出现南向流量异常。厄尔尼诺年的情况则与之相反。以上结论,与过去的模式结果相反,颠覆了传统的认识。

    分析表明,2010/2011年拉尼娜期间,棉兰老流的年际输运异常与整个太平洋内区经向输运的积分相当且同号,说明西边界流年际变异在ENSO期间西太暖池的充放电过程中发挥重要作用。

    棉兰老流离开菲律宾海岸以后,在西边界缺口海域回转向东进入北赤道逆流(NECC),过去关于棉兰老流在缺口海域的路径研究是空白。

    团队分析1993年至2019年的卫星高度计海表地转流,结合潜标观测和卫星水色数据印证,发现棉兰老流在菲律宾以南海域有强烈的季节和年际摆动(Wang et al., 2024):棉兰老流主轴在拉尼娜年倾向于塔劳群岛北部向东回转进入NECC北部,在厄尔尼诺年则异常大弯曲入侵北马鲁古海,再回转与南赤道流交汇并进入NECC南部。棉兰老流路径的年际移动受罗斯贝波的西向传播影响,比尼诺3.4指数超前约2-3个月,可能对ENSO事件的发展有重要影响。

    该系列研究成果,系统揭示了棉兰老流流量的年际变异及其动力机制,强调了其在西太暖池和ENSO变异中的重要作用,较完整地揭示了罗斯贝波的非线性西边界反射,及其控制西太与边缘海交换和西边界流变异的动力学过程,丰富了对海洋环流动力过程的认识,为预测未来ENSO事件和应对气候变化提供了依据。

    该系列工作由自然资源部第一海洋研究所袁东亮团队联合中国科学院南海海洋研究所李博博士共同完成,研究成员还包括中国科学院海洋研究所王坤祥博士生等。论文发表在美国气象学会《物理海洋学报》(Journal of Physical Oceanography)杂志上,袁东亮是论文通讯作者。研究得到了国家重点研发计划项目、国家自然科学基金等项目联合资助。

    论文链接:

    https://doi.org/10.1175/JPO-D-23-0124.1

    https://doi.org/10.1175/JPO-D-23-0125.1

  • 原文来源:https://www.fio.org.cn/news/news-detail-12881.htm
相关报告
  • 《自然资源部第一海洋研究所科研人员在全球高分辨率耦合海洋模式发展方面取得新突破》

    • 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:2023-04-02
    • 水平分辨率和物理过程表达的精确性是决定全球海洋模式模拟结果真实性的两个最重要的因素。按照自然资源部第一海洋研究所数值模式“运行一代、研制一代、策划一代”的总体思路,物理海洋室肖斌工程师与团队成员密切协作,突破系列关键技术瓶颈,将自然资源部第一海洋研究所全球高分辨率海洋模式水平分辨率由1/10°提升至1/32°,并实现了全球海浪-潮流-环流耦合。新的模式命名为全球1/32°海浪-潮流-环流耦合海洋模式(FIO-COM32)。这为下一代业务化预报系统建设打下了坚实的基础。论文2023年3月28日发表于国际高端期刊《Geoscientific Model Development》(https://doi.org/10.5194/gmd-16-1755-2023),乔方利研究员为通讯作者。 首先,随着分辨率由1/10°提升至1/32°,模式的计算量和内存开销将分别增加约32倍和10倍,对模式研发与运行提出了巨大的技术挑战。该课题组通过设计四级并行框架,突破了高效并行计算技术瓶颈;通过IO二次剖分和多进程归集,突破了IO技术瓶颈。 模式分辨率的提升对地形岸线的解析、涡旋现象的模拟等都有本质性改进。新的高分辨率模式能够模拟更丰富的海洋涡旋现象,显著改进了模式对涡动能的模拟能力,尤其在黑潮和湾流等西边界强流区域,所模拟的强流路径与形态均有较大提升,涡动能的均方根误差随之大幅降低。 其次,即使分辨率提升至全球1/32°,夏季上层海洋混合不足的问题依然存在,图中显示模式与Argo观测的夏季混合层深度存在显著的偏浅问题,这是国内外海洋环流模式的共性问题。基于本研究组原创的浪致混合理论,将浪致混合方案Bv引入到新模式,显著改进了夏季混合层深度模拟,首次实现了高分辨率海浪-潮流-环流的耦合。 以往国内外超高分辨率海洋模式与卫星观测的海面高度数据对比显示,两者的中尺度波数谱斜率存在明显差异,这是一个困扰了物理海洋学领域多年的科学难题。基于建立的新型模式,该课题组首次在全球尺度科学阐释了该差异是由于海洋环流模式中未引入潮流而引起的。通过引入天体引潮力实现潮流-环流耦合,全球模式中激发的内潮和惯性重力波所致的海面起伏显著改进了模式的中尺度波数谱斜率。在乔方利研究员带领下,经过几十年的不断探索,该研究组打破了国内外海浪、潮流、环流分治的传动动力学框架,在国际上首次提出海浪、潮流、环流等多运动形态耦合建模的学术思想。该论文清晰表明,耦合建模是未来海洋模式发展的正确道路。 在联合国“海洋十年”框架下,乔方利联合欧美等25个国家34家海洋研究机构和3个国际组织,于2022年发起了“海洋与气候无缝预测(OSF)”大科学计划。该论文的发表标志着OSF又迈上了一个新台阶。  
  • 《自然资源部第一海洋研究所在海洋声场预报研究方面取得重要进展》

    • 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:2025-02-26
    • 近日,自然资源部第一海洋研究所在海洋声场预报研究方面取得重要进展,率先研发应用“海-底-声学”耦合模式(Ocean-Sediment-Acoustic coupled model)。该研究重点针对传统海洋模式缺乏海洋声场预报所需海底沉积物参数模拟能力的瓶颈科学难题,以海底沉积物温度敏感声学参数时变性强为突破口,在国际上率先构建海-底-声学耦合模式,实现了典型条件下声预报误差降低超10dB。 相关研究以“Enhancing marine acoustic field prediction in shallow seas using an ocean-sediment coupled model”为题发表于海洋声学顶刊《The Journal of the Acoustical Society of America》,自然资源部第一海洋研究所杨光兵副研究员为论文第一作者,吕连港研究员和乔方利研究员为通讯作者。该研究得到国家自然科学基金面上项目、创新研究群体项目、专项项目等的资助。 海洋环境中水温、盐度、流场以及海底沉积物的性质都会影响声波传播特性,而海洋环境的快速变化给声场预报准确性带来重大挑战。此前的海洋声学预报模型大多仅能顾及海水的声学特性变化对声场的影响,极少涉及海底沉积物声学性质时变性的影响,这导致在陆架海等声波受海底影响显著海域的海洋声场预报结果经常存在明显误差。 针对上述这一涉及物理海洋学、海洋声学、沉积动力学、数值计算等多学科交叉的海洋声场预报瓶颈难题,自然资源部第一海洋研究所海洋水文与水声环境调查分析支撑平台团队和海洋与气候环境数值保障平台团队的科研人员协同攻关,提出了一种基于海-底耦合模式的海洋声场预报模式,即海-底-声学耦合模式。研究结果表明,海-底-声学耦合模式在两个方面显著改善了声场预报:首先,海-底耦合模式能够提供动态变化的沉积物温度场,并进而用以给出随时间演变的温度敏感沉积物声学参数;其次,海-底耦合模式还能够给出更加准确的水温剖面。这些改进较传统海洋声学预报模式能够显著降低预报误差,在陆架海环境尤具突出优势。 近十年来,自然资源部第一海洋研究所科研人员围绕“以多圈层耦合视角发展海洋声场预报”开展了长期系列研究工作。包括剧变天气过程对海洋声场的影响(JASA, 2016);自主研制了“海底沉积物声学性质和温度剖面的原位定点连续测量装置”,以观测证据揭示海底热通量驱动下海底沉积物声学、热学同步变化过程(ECSS, 2020);评估了我国近海海底热通量过程(OM, 2022);率先构建海-底耦合模式(JPO, 2022);最终建立了基于海-底耦合模式的海洋声场预报模型(JASA, 2025)。 相关论文链接: Yang et al., 2025, JASA, https://doi.org/10.1121/10.0035831 Yang et al., 2022, JPO, https://doi.org/10.1175/JPO-D-22-0076.1 Yang et al., 2022, OM, https://doi.org/10.1016/j.ocemod.2022.102073 Yang et al., 2020, ECSS, https://doi.org/10.1016/j.ecss.2020.106932 Yang et al., 2016, JASA, https://doi.org/10.1121/1.4962343