陳 娟 喬夢(mèng)甜 曹安州 宋金寶

風(fēng)生近慣性能通量和地形粗糙度對(duì)海洋內(nèi)部混合的影響*

陳 娟 喬夢(mèng)甜 曹安州 宋金寶①

（浙江大學(xué)海洋學(xué)院 舟山 316021）

使用細(xì)尺度參數(shù)化方法和2015—2019年全球的Argo溫鹽剖面資料, 分析了風(fēng)生近慣性能通量和地形粗糙度對(duì)全球海洋300—600 m深度的渦流擴(kuò)散系數(shù)的影響。結(jié)果表明, 在30°—45°N區(qū)域, 月均渦流擴(kuò)散系數(shù)與月平均風(fēng)生近慣性能通量隨時(shí)間的變化趨勢較為一致, 相關(guān)系數(shù)可達(dá)0.43, 前者滯后1個(gè)月, 與后者的相關(guān)系數(shù)可達(dá)0.65, 但在其他區(qū)域二者的變化趨勢相差較大; 相較于中緯度和北半球, 低緯度和南半球的地形粗糙度與擴(kuò)散系數(shù)的相關(guān)關(guān)系更好?；谶@些分析結(jié)果, 擬合并建立了30°—45°N區(qū)域300—600 m深度的渦流擴(kuò)散系數(shù)與風(fēng)生近慣性能通量和地形粗糙度的關(guān)系式。而且, 用此關(guān)系式和細(xì)尺度參數(shù)化方法計(jì)算出來的擴(kuò)散系數(shù)平均量級(jí)差異為0.47, 且91%的值偏差小于一個(gè)量級(jí)。據(jù)此, 我們給出了1—12月30°—45°N太平洋區(qū)域的渦流擴(kuò)散系數(shù)的網(wǎng)格化結(jié)果。

海洋混合; 參數(shù)化; 風(fēng)生近慣性能通量; 地形粗糙度

跨等密度面湍流混合對(duì)海洋中的水體交換、背景層結(jié)的維持以及區(qū)域和全球的翻轉(zhuǎn)流都有重要影響, 研究湍流混合及其參數(shù)化意義重大。在遠(yuǎn)離混合層和底邊界層的海洋內(nèi)部混合, 其主要機(jī)制是通過與波-波相互作用相關(guān)的小尺度能量級(jí)聯(lián)引起內(nèi)波破碎。研究表明, 內(nèi)波場的能量來源主要是潮汐和風(fēng)(Munk, 1998; Wunsch, 2004)。風(fēng)驅(qū)動(dòng)的混合提供了約1 TW(1 TW=1012W)的能量(Munk, 1998; Wunsch, 1998), 風(fēng)產(chǎn)生的近慣性內(nèi)波提供了0.3—1.5 TW的能量(Alford, 2001, 2003; Watanabe, 2002; Rimac, 2013), 二者對(duì)全球能量平衡均有著重要影響。海洋內(nèi)部湍流混合主要與渦動(dòng)能和渦度、潮汐的強(qiáng)度、海底地形的粗糙度以及風(fēng)對(duì)近慣性運(yùn)動(dòng)的作用等因素有關(guān)(Kunze, 2006; Whalen, 2012; Jing, 2013)。

Munk(1966)基于一維垂向?qū)α鲾U(kuò)散方程指出, 為了維持深海的層結(jié), 全球海洋的平均湍流渦流擴(kuò)散系數(shù)至少要達(dá)到10–4m2/s。近幾十年來的研究表明, 在遠(yuǎn)離邊界的海洋內(nèi)部擴(kuò)散率相對(duì)較小, 僅10–5m2/s(Polzin, 1997; Kunze, 2006), 但在海山(Kunze, 1997)、峽谷(Carter, 2002)等粗糙地形附近, 湍流混合明顯增強(qiáng)。Wu等(2011)研究南大洋湍流混合的時(shí)空變化特征發(fā)現(xiàn)渦流擴(kuò)散系數(shù)與地形粗糙度顯著相關(guān), 相關(guān)系數(shù)可達(dá)0.51。研究表明, 海洋渦旋也對(duì)湍流混合產(chǎn)生了一定影響, Jing等(2013)發(fā)現(xiàn)在300—600 m水深上, 反氣旋渦影響下的混合明顯增強(qiáng); Yang等(2017)研究南海北部的3個(gè)反氣旋渦發(fā)現(xiàn)渦旋邊緣的渦流擴(kuò)散系數(shù)明顯高于渦旋中心; 陳娟等(2020)基于Argo剖面數(shù)據(jù)研究北太平洋渦旋對(duì)混合的影響發(fā)現(xiàn), 反氣旋渦增強(qiáng)了300—900 m水深的混合, 氣旋渦影響下, 600—900 m水深的混合增強(qiáng)了18%。風(fēng)對(duì)近慣性運(yùn)動(dòng)的作用是上層海洋內(nèi)波場的主要能量來源之一(Wunsch, 2004)。研究表明, 大多數(shù)風(fēng)生近慣性能通量被輸送到海洋內(nèi)部, 并在1 000 m深度內(nèi)耗散(Watanabe, 2008)。Wu等(2011)利用Argo浮標(biāo)測量的高分辨率水文剖面, 發(fā)現(xiàn)南大洋平滑地形上1 500 m深度的跨等密度面混合的季節(jié)變化在很大程度上歸因于風(fēng)生近慣性能通量的季節(jié)變化特征。該結(jié)果與Jing等(2010)在西北太平洋137°E斷面的研究結(jié)果相似。Whalen等(2018)利用Argo浮標(biāo)資料計(jì)算30°—45°N的渦流擴(kuò)散系數(shù), 發(fā)現(xiàn)該區(qū)域湍流混合的季節(jié)性周期變化和對(duì)風(fēng)生近慣性能通量的響應(yīng)都至少達(dá)到2 000 m深度。然而, 在夏威夷海脊附近的ALOHA站, 發(fā)現(xiàn)風(fēng)生近慣性運(yùn)動(dòng)強(qiáng)迫的湍流混合被限制在上層600 m內(nèi)(Jing, 2011, 2013)。雖然上層海洋的湍流混合受到海表面風(fēng)應(yīng)力, 特別是風(fēng)生近慣性能通量的影響, 但風(fēng)生近慣性能通量可以向下傳播多深仍不清楚。

1 數(shù)據(jù)與方法

1.1 數(shù)據(jù)資料介紹

本文使用的溫鹽數(shù)據(jù)是經(jīng)過中國Argo實(shí)時(shí)資料中心(http://www.argo.org.cn/)質(zhì)量再控制的《全球海洋Argo散點(diǎn)資料集》。選取2015—2019年全球范圍內(nèi)的數(shù)據(jù), 并篩選平均垂直分辨率不大于10 m, 測量水深不小于600 m的Argo溫鹽剖面數(shù)據(jù)。2019年12月全球可用的Argo溫鹽剖面數(shù)據(jù)共7 049組, 位置分布如圖1所示。

圖1 2019年12月全球Argo剖面分布

注: 圖中藍(lán)色點(diǎn)為Argo站位

文中選用的風(fēng)場資料為美國國家環(huán)境預(yù)報(bào)中心(National Centers for Environmental Prediction, NCEP)發(fā)布的高分辨率氣候預(yù)報(bào)系統(tǒng)再分析(climate forecast system reanalysis, CFSR)風(fēng)場資料(https://rda.ucar. edu/)。選用2015—2019年的全球風(fēng)場數(shù)據(jù), 時(shí)間分辨率為6 h, 空間分辨率約為0.2°×0.2°。

本文選用的地形數(shù)據(jù)是來自美國海洋大氣管理局(National Oceanic and Atmospheric Administration, NOAA)的ETOPO1基巖模型網(wǎng)格數(shù)據(jù)(https://www. ngdc.noaa.gov/mgg/global/global.html)?，F(xiàn)有的ETOPO1模型是美國地球物理數(shù)據(jù)中心(National Geophysical Data Center, NGDC)在2008年8月開發(fā)的。ETOPO1中使用的測深、地形和海岸線數(shù)據(jù)來自NGDC, 美國國家航空航天局(National Aeronautics and Space Administration, NASA)等機(jī)構(gòu)。ETOPO1的分辨率是1′×1′, 是現(xiàn)在海洋地球科學(xué)研究中使用最為頻繁的數(shù)據(jù)之一(Amante, 2009)。本文定義的地形粗糙度為1/3°×1/3°網(wǎng)格區(qū)域內(nèi)地形高度的方差(Kunze, 2006; Jing, 2011)。

1.2 基于應(yīng)變的細(xì)尺度參數(shù)化方法

假設(shè)考慮的波數(shù)帶中的剪切或應(yīng)變變化主要是由內(nèi)波過程導(dǎo)致的, 內(nèi)波破碎是由非線性波-波相互作用控制的小尺度能量級(jí)聯(lián)引起的(Kunze, 2006)?；谝陨霞僭O(shè), 渦流擴(kuò)散系數(shù)可以根據(jù)細(xì)尺度參數(shù)化方法進(jìn)行計(jì)算(Polzin, 1997; Kunze, 2006; Wu, 2011), 它將厘米尺度的湍流混合過程與更容易測量到的海洋內(nèi)波的強(qiáng)度建立起聯(lián)系。

Gregg(1989)最早結(jié)合海洋流速觀測數(shù)據(jù), 根據(jù)波-波相互作用和大洋內(nèi)波譜(Garrett-Munk, GM, Garrett, 1979), 提出了基于流速剪切的細(xì)尺度參數(shù)化方案:

由于缺少流速剖面數(shù)據(jù), 且溫鹽剖面數(shù)據(jù)較為豐富, 本文采用基于應(yīng)變的細(xì)尺度參數(shù)化方案計(jì)算海洋內(nèi)部渦流擴(kuò)散系數(shù)。本文選取ω=7(Jing,2011; Zhu,2018)。具體計(jì)算和處理過程如下:

本文從300 m深度處開始計(jì)算渦流擴(kuò)散系數(shù), 由于Argo浮標(biāo)的測量深度大部分小于2 000 m, 為了盡可能多的計(jì)算垂向渦流擴(kuò)散系數(shù), 本文選取測量深度不小于600 m, 垂向精度不大于10 m的溫鹽剖面數(shù)據(jù)進(jìn)行計(jì)算, 最多計(jì)算至1 800 m。將300—1 800 m深度上的溫鹽剖面分割為300 m長度的子剖面, 每段子剖面上的垂向應(yīng)變的計(jì)算公式為:

其中,0= 6.3×10-5, 溫躍層垂直尺度=1 300 m, 參考模數(shù)*=3, 參考波數(shù)*=π*/0(Gregg, 1991)。

本文采用的細(xì)尺度參數(shù)化方法適用于開闊大洋(Kunze, 2006; Liang, 2018), 本文選取的區(qū)域雖然包含部分近岸區(qū)域, 但由于經(jīng)過數(shù)據(jù)篩選后, 近岸區(qū)域符合條件的Argo剖面數(shù)據(jù)很少, 可以認(rèn)為細(xì)尺度參數(shù)化方法基本適用于本文的研究區(qū)域。

1.3 風(fēng)生近慣性能通量的計(jì)算

本文利用平板模型(Pollard, 1970; Pollard, 1980; D’Asaro, 1985; Alford, 2001, 2003; Guan, 2014; Cao, 2018)計(jì)算風(fēng)生近慣性流速。該模型假設(shè)風(fēng)應(yīng)力均勻作用于整個(gè)海洋上混合層, 上混合層的運(yùn)動(dòng)滿足:

其中,和分別是海洋上混合層內(nèi)東西和南北方向上的近慣性流速分量,是時(shí)間,是科氏參數(shù),τ和τ分別是東西和南北方向上的風(fēng)應(yīng)力,是海水密度,m是混合層厚度,是衰減系數(shù)。風(fēng)應(yīng)力的計(jì)算公式為

本文采用Alford(2003)提出的譜方法對(duì)平板模型進(jìn)行求解, 得到混合層內(nèi)東西和南北方向上的近慣性流速分量和。在譜方法中, 衰減系數(shù)是隨頻率變化的函數(shù):

其中,0為常數(shù),c是臨界頻率, 低于此臨界頻率的響應(yīng)均是Ekman流的影響。隨緯度變化, 所以取為科氏參數(shù)的倍數(shù)符合近慣性運(yùn)動(dòng)衰減規(guī)律(Alford, 2001, 2003)。因此本文取0=0.15,c=/2。

其中,τ和τ分別是東西和南北方向上的風(fēng)應(yīng)力,和分別是海洋上混合層內(nèi)東西和南北方向上的近慣性流速分量。

2 結(jié)果與分析

2.1 風(fēng)生近慣性能通量對(duì)海洋內(nèi)部混合的影響

圖2展示了2015—2019年15°—30°N (S)、30°—45°N (S)、45°—60°N (S) 6個(gè)緯度帶范圍內(nèi)的月平均風(fēng)生近慣性能通量(wind-induced near-inertial energy flux, WNEF)與海洋內(nèi)部渦流擴(kuò)散系數(shù)的關(guān)系。我們發(fā)現(xiàn), 除了15°—30°N和15°—30°S, 其他4個(gè)緯度帶范圍內(nèi), 300—600 m深度的月平均渦流擴(kuò)散系數(shù)基本與WNEF的變化趨勢較為一致, 特別是30°—45°N范圍內(nèi), 300—600 m深度的渦流擴(kuò)散系數(shù)和WNEF隨時(shí)間的變化趨勢高度一致, 與Whalen等(2018)的研究結(jié)果一致。如圖3c所示, 在30°—45°N, 即使在600—900 m深度的渦流擴(kuò)散系數(shù)和WNEF仍具有比較一致的時(shí)間變化趨勢, 但該現(xiàn)象在其他緯度帶未曾出現(xiàn)。另外, 從圖2c可以明顯看出, 300—600 m深度的渦流擴(kuò)散系數(shù)的峰值滯后于風(fēng)生近慣性能通量的峰值, 因此, 本文計(jì)算了300—600 m深度上月平均垂向渦流擴(kuò)散系數(shù)與WNEF的遲滯相關(guān)系數(shù), 計(jì)算結(jié)果如圖4所示, 圖中橫坐標(biāo)“1”表示渦流擴(kuò)散系數(shù)相對(duì)于WNEF滯后一個(gè)月, 以此類推。結(jié)果顯示, 滯后的渦流擴(kuò)散系數(shù)與WNEF基本呈現(xiàn)正相關(guān), 且在95%置信區(qū)間內(nèi)顯著。300—600 m深度上, 月平均擴(kuò)散系數(shù)與WNEF的相關(guān)系數(shù)約為0.43, 相關(guān)系數(shù)的最大值出現(xiàn)在滯后1個(gè)月處, 相關(guān)系數(shù)約為0.65, 在95%置信區(qū)間內(nèi)顯著?？傮w來說, 30°—45°N區(qū)域300—600 m深度上的渦流擴(kuò)散系數(shù)的時(shí)間變化與風(fēng)生近慣性能通量的時(shí)間變化吻合得更好。

2.2 地形粗糙度對(duì)海洋內(nèi)部混合的影響

為了分析地形粗糙度(topographic roughness)T對(duì)海洋內(nèi)部渦流擴(kuò)散系數(shù)的影響, 本文計(jì)算了15°—30°N (S)、30°—45°N (S)、45°—60°N (S)緯度帶范圍內(nèi)的平均垂向渦流擴(kuò)散系數(shù)(log10)與地形粗糙度(log10T)的擬合關(guān)系及相關(guān)系數(shù), 結(jié)果如圖5所示。在15°—30°N (S)區(qū)域, 渦流擴(kuò)散系數(shù)的擬合結(jié)果基本在計(jì)算結(jié)果的中間, 擴(kuò)散率明顯隨地形粗糙度的增加而增大, 相關(guān)系數(shù)約為0.4; 在渦流擴(kuò)散系數(shù)的季節(jié)特征更為明顯的30°—45°N區(qū)域, 擬合結(jié)果的斜率更小且相關(guān)系數(shù)僅約為0.15, 30°—45°S的擬合結(jié)果斜率和相關(guān)系數(shù)均略大于30°—45°N的結(jié)果; 在更高緯度, 擬合結(jié)果的斜率和相關(guān)系數(shù)均更小?？傮w來說, 南半球的垂向平均渦流擴(kuò)散系數(shù)與地形粗糙度的正相關(guān)關(guān)系比北半球更加明顯, 且在低緯度, 擴(kuò)散率隨地形粗糙度的增加而增大的趨勢更明顯, 并且低緯度和南半球的擴(kuò)散率計(jì)算結(jié)果在擬合結(jié)果的兩側(cè)分布更為集中。

圖2 在15°—30°N(S)、30°—45°N(S)和45°—60°N(S)緯度帶范圍內(nèi)的月平均風(fēng)生近慣性能通量與月均300—600 m深度的渦流擴(kuò)散系數(shù)的關(guān)系

圖3 在15°—30°N(S)、30°—45°N(S)和45°—60°N(S)緯度帶范圍內(nèi)的月平均風(fēng)生近慣性能通量與月均600—900 m深度的渦流擴(kuò)散系數(shù)的關(guān)系

圖4 在15°—30°N(S)、30°—45°N(S)和45°—60°N(S)緯度帶范圍內(nèi)300—600 m深度上月平均垂向渦流擴(kuò)散系數(shù)與風(fēng)輸入近慣性能通量的遲滯相關(guān)系數(shù)

因?yàn)榍懊娴难芯勘砻? 海洋內(nèi)部的渦流擴(kuò)散系數(shù)與風(fēng)生近慣性能通量在300—600 m深度上的相關(guān)關(guān)系更好, 為了與之對(duì)應(yīng), 如圖6所示, 我們計(jì)算了300—600 m深度的渦流擴(kuò)散系數(shù)(log10300)與地形粗糙度(log10T)的擬合關(guān)系及相關(guān)系數(shù)。與圖5的結(jié)果相似, 該片段的渦流擴(kuò)散系數(shù)在低緯度和南半球與地形粗糙度的相關(guān)關(guān)系更好, 且擴(kuò)散率分布更為集中, 但6個(gè)緯度帶的擬合結(jié)果斜率和相關(guān)系數(shù)均低于圖5中的結(jié)果。在30°—45°N區(qū)域, 300—600 m深度的渦流擴(kuò)散系數(shù)與地形粗糙度的擬合斜率為0.1, 相關(guān)系數(shù)約為0.13, 在95%置信區(qū)間內(nèi)顯著。

本文還另外使用ETOPO2地形數(shù)據(jù)計(jì)算了地形粗糙度, 結(jié)果顯示, ETOPO2與ETOPO1地形數(shù)據(jù)的計(jì)算結(jié)果在數(shù)值上存在差異, 但相差不大, 表明在一定分辨率以內(nèi), 地形粗糙度的計(jì)算結(jié)果對(duì)分辨率不太敏感, 數(shù)據(jù)分辨率高低對(duì)地形粗糙度與渦流擴(kuò)散系數(shù)的擬合結(jié)果影響較小。

2.3 擬合結(jié)果

根據(jù)上述研究結(jié)果, 本文采用最小二乘法對(duì)30°—45°N區(qū)域的風(fēng)生近慣性能通量、地形粗糙度以及300—600 m深度的渦流擴(kuò)散系數(shù)進(jìn)行擬合, 結(jié)果如圖7所示。擬合關(guān)系式為

其中,300表示300—600 m深度的渦流擴(kuò)散系數(shù)的值,WNE表示風(fēng)生近慣性能通量的值,T表示地形粗糙度的值。根據(jù)計(jì)算得出, 300—600 m深度的渦流擴(kuò)散系數(shù)的計(jì)算值在3倍擬合結(jié)果和10倍擬合結(jié)果(即一個(gè)量級(jí))以內(nèi)的占比分別為60%和91%, 因此, 我們認(rèn)為此擬合關(guān)系式是可以接受的。

為了詳細(xì)分析根據(jù)細(xì)尺度參數(shù)化方法計(jì)算的渦流擴(kuò)散系數(shù)與根據(jù)擬合公式計(jì)算的渦流擴(kuò)散系數(shù)之間的差異, 如圖8所示, 本文計(jì)算了渦流擴(kuò)散系數(shù)的擬合結(jié)果與計(jì)算結(jié)果的量級(jí)差異分布。結(jié)果顯示, 隨著量級(jí)差異的增大, 分布的數(shù)量越來越少, 90%的量級(jí)差異小于1個(gè)量級(jí), 平均量級(jí)差為0.47個(gè)量級(jí), 量級(jí)差的中位數(shù)約為0.38。

為了根據(jù)擬合關(guān)系式給出1—12月30°—45°N區(qū)域的渦流擴(kuò)散系數(shù)網(wǎng)格化結(jié)果, 本文將月平均風(fēng)生近慣性能通量和地形粗糙度數(shù)據(jù)統(tǒng)一劃分為0.25°×0.25°的網(wǎng)格進(jìn)行計(jì)算, 并展示該緯度范圍內(nèi)太平洋區(qū)域的結(jié)果。30°—45°N的太平洋區(qū)域的地形粗糙度如圖9所示, 在日本群島以東的日本海溝和中太平洋(30°—45°N, 170°E—170°W)區(qū)域地形較為復(fù)雜, 粗糙度可達(dá)106m2。該區(qū)域月平均風(fēng)生近慣性能通量如圖10所示, 該區(qū)域WNEF的值主要分布在-4—-2量級(jí)內(nèi), 且該區(qū)域西北太平洋整體的WNEF高于東北太平洋, 冬季(12—2月)明顯高于其他季節(jié), 夏季(6—8月)的WNEF最低, 符合風(fēng)場的季節(jié)變化規(guī)律。

圖5 在15°—30°N(S)、30°—45°N(S)和45°—60°N(S)緯度帶范圍內(nèi)的垂向平均渦流擴(kuò)散系數(shù)(log10K)與地形粗糙度(log10RT)的擬合關(guān)系及相關(guān)系數(shù)

注: 紅色實(shí)線表示擬合結(jié)果, 紅色和灰色虛線分別表示3倍擬合結(jié)果和10倍擬合結(jié)果(即一個(gè)量級(jí)), 藍(lán)色散點(diǎn)表示垂向平均渦流擴(kuò)散系數(shù)的計(jì)算結(jié)果

圖6 在15°—30°N(S)、30°—45°N(S)和45°—60°N(S)緯度帶范圍內(nèi)300—600m深度的渦流擴(kuò)散系數(shù)(log10K300 )與地形粗糙度(log10RT)的擬合關(guān)系及相關(guān)系數(shù)

注: 紅色實(shí)線表示擬合結(jié)果, 紅色和灰色虛線分別表示3倍擬合結(jié)果和10倍擬合結(jié)果(即一個(gè)量級(jí)), 藍(lán)色散點(diǎn)表示300—600 m深度的渦流擴(kuò)散系數(shù)的計(jì)算結(jié)果

圖7 300—600 m深度的渦流擴(kuò)散系數(shù)與風(fēng)生近慣性能通量、地形粗糙度的擬合結(jié)果

注: 中間紅色平面表示擬合結(jié)果平面, 兩側(cè)藍(lán)色和黃色平面分別表示3倍擬合結(jié)果和10倍擬合結(jié)果(即一個(gè)量級(jí))的平面, 灰色散點(diǎn)表示渦流擴(kuò)散系數(shù)的計(jì)算結(jié)果

圖8 渦流擴(kuò)散系數(shù)的擬合結(jié)果與計(jì)算結(jié)果的量級(jí)差異分布直方圖

利用公式(13), 本文根據(jù)風(fēng)生近慣性能通量和地形粗糙度數(shù)據(jù)計(jì)算的1—12月30°—45°N太平洋區(qū)域300—600 m深度上渦流擴(kuò)散系數(shù)的擬合結(jié)果如圖11所示。圖中顯示, 渦流擴(kuò)散系數(shù)的擬合結(jié)果主要在-5—-4量級(jí)內(nèi), 并且此區(qū)域的西北太平洋的渦流擴(kuò)散系數(shù)明顯高于東北太平洋, 11—4月的渦流擴(kuò)散系數(shù)明顯高于其他月份, 與風(fēng)生近慣性能通量(圖10)的變化較為一致; 在日本海溝和中太平洋地形粗糙的區(qū)域, 渦流擴(kuò)散系數(shù)明顯增大。以此擬合結(jié)果(圖11)代替KPP方案中內(nèi)波破碎導(dǎo)致的渦流擴(kuò)散系數(shù)(僅適用于30°—45°N), 使KPP方案中這一部分的擴(kuò)散率從常數(shù)變?yōu)殡S時(shí)間、區(qū)域而變化, 進(jìn)而改進(jìn)海洋模式的模擬結(jié)果。

圖9 30°—45°N太平洋地形粗糙度

注: 地形粗糙度的取值是log10取對(duì)數(shù)后的結(jié)果

圖10 30°—45°N太平洋1—12月月均風(fēng)生近慣性能通量

注: 風(fēng)生近慣性能通量的取值是log10取對(duì)數(shù)后的結(jié)果

圖11 1—12月太平洋30°—45°N區(qū)域300—600 m深度的渦流擴(kuò)散系數(shù)的擬合結(jié)果

注: 渦流擴(kuò)散系數(shù)的取值是log10取對(duì)數(shù)后的結(jié)果

3 結(jié)論

通過研究全球2015—2019年15°—30°N(S)、30°—45°N(S)、45°—60°N(S) 6個(gè)緯度帶范圍內(nèi)的風(fēng)生近慣性能通量和地形粗糙度對(duì)海洋內(nèi)部渦流擴(kuò)散系數(shù)的影響, 我們發(fā)現(xiàn):

(1) 在30°—45°N區(qū)域, 300—600 m深度的渦流擴(kuò)散系數(shù)和月平均風(fēng)生近慣性能通量隨時(shí)間(月份)的變化趨勢高度一致, 相關(guān)系數(shù)約為0.43; 滯后一個(gè)月的300—600 m深度的渦流擴(kuò)散系數(shù)與月平均風(fēng)生近慣性能通量的相關(guān)性更好, 相關(guān)系數(shù)可達(dá)0.65;

(2) 相對(duì)于中緯度和北半球, 低緯度和南半球的垂向平均擴(kuò)散率與地形粗糙度的相關(guān)關(guān)系更好; 在30°—45°N區(qū)域, 300—600 m深度的渦流擴(kuò)散系數(shù)隨地形粗糙度的增加而增大, 但相關(guān)性一般, 相關(guān)系數(shù)僅為0.13;

(3) 30°—45°N, 300—600 m深度的渦流擴(kuò)散系數(shù)與風(fēng)生近慣性能通量、地形粗糙度之間的擬合關(guān)系式為log10300=0.1×log10WNE+0.11×log10T-4.75; 該區(qū)域300—600 m深度的渦流擴(kuò)散系數(shù)的計(jì)算值在3倍擬合結(jié)果和10倍擬合結(jié)果(即一個(gè)量級(jí))以內(nèi)的占比分別為60%和91%; 該深度范圍的渦流擴(kuò)散系數(shù)的擬合結(jié)果與計(jì)算結(jié)果的平均量級(jí)差異為0.47個(gè)量級(jí); 1—12月渦流擴(kuò)散系數(shù)的擬合結(jié)果的空間分布明顯受到風(fēng)生近慣性能通量和地形粗糙度的影響, 空間和時(shí)間變化基本符合地形分布特征和風(fēng)場變化特征。

Kunze(1985)指出在地轉(zhuǎn)流背景下, 地轉(zhuǎn)渦度將內(nèi)波波段下限從科氏頻率移動(dòng)至有效科氏頻率eff(eff=+), 反氣旋渦附近的近慣性波的固有頻率可能小于周圍海域的有效科氏頻率, 加劇了近慣性能量向下傳播。因此海洋中尺度渦旋對(duì)近慣性內(nèi)波能量傳遞產(chǎn)生重要影響, 可能進(jìn)而影響了海洋內(nèi)部混合。本文僅考慮了風(fēng)生近慣性能通量和地形粗糙度對(duì)海洋內(nèi)部混合的影響, 未考慮反氣旋渦對(duì)風(fēng)生近慣性能量的影響, 可能對(duì)擬合結(jié)果存在一定的影響。本文在30°—45°N區(qū)域渦流擴(kuò)散系數(shù)的擬合結(jié)果呈現(xiàn)出明顯的西強(qiáng)東弱, 特別是黑潮延伸體區(qū)域, 除了風(fēng)生近慣性能通量對(duì)海洋內(nèi)部混合的直接影響, 可能也間接受到了中尺度渦旋的影響。

陳 娟, 李少峰, 曹安州等, 2020. 北太平洋渦旋對(duì)基于細(xì)尺度參數(shù)化的海洋內(nèi)部混合的影響. 海洋與湖沼, 51(2): 248—257

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

Alford M H, 2003. Improved global maps and 54-year history of wind-work on ocean inertial motions. Geophysical Research Letters, 30(8): 122—137, 1424, doi:10.1029/2002GL016614

Amante C, Eakins B W, 2009. ETOPO1 1 Arc-Minute Global Relief Model: procedures, data sources and analysis. NOAA Technical Memorandum NESDIS NGDC-24, 1(1): 1—25, doi: 10.7289/V5C8276M

Cao A Z, Guo Z, Song B, 2018. Near-inertial waves and their underlying mechanisms based on the South China Sea Internal Wave Experiment (2010-2011). Journal of Geophysical Research: Oceans, 123(7): 5026—5040

Carter G S, Gregg M C, 2002. Intense, variable mixing near the head of Monterey submarine canyon. Journal of Physical Oceanography, 32(11): 3145—3165

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

Garabato A C N, Polzin K L, King B A, 2004. Widespread intense turbulent mixing in the Southern Ocean. Science, 303(5655): 210—213

Garrett C, Munk W, 1979. Internal waves in the ocean. Annual Review of Fluid Mechanics, 11(1): 339—369, https://www. annualreviews.org/doi/abs/10.1146/annurev.fl.11.010179.002011

Gregg M C, 1989. Scaling turbulent dissipation in the thermocline. Journal of Geophysical Research: Oceans, 94(C7): 9686—9698

Gregg M C, Kunze E, 1991. Shear and strain in Santa Monica Basin. Journal of Geophysical Research: Oceans, 96(C9): 16709—16719

Gregg M C, Sanford T B, Winkel D P, 2003. Reduced mixing from the breaking of internal waves in equatorial waters. Nature, 422(6931): 513—515

Guan S D, Zhao W, Huthnance J, 2014. Observed upper ocean response to typhoon Megi (2010) in the Northern South China Sea. Journal of Geophysical Research: Oceans, 119(5): 3134—3157

Henyey F S, 1991. Acoustic scattering from ocean microbubble plumes in the 100 Hz to 2 kHz region. The Journal of the Acoustical Society of America, 90(1): 399—405, doi: 10.1121/1.401264

Jing Z, Wu L X, 2010. Seasonal variation of turbulent diapycnal mixing in the northwestern Pacific stirred by wind stress. Geophysical Research Letters, 37(23): L23604

Jing Z, Wu L X, 2013. Low-frequency modulation of turbulent diapycnal mixing by anticyclonic eddies inferred from the hot time series. Journal of Physical Oceanography, 43(4): 824—835

Jing Z, Wu L X, Li L, 2011. Turbulent diapycnal mixing in the subtropical northwestern Pacific: spatial-seasonal variations and role of eddies. Journal of Geophysical Research: Oceans, 116(C10): C10028, doi: 10.1029/2011jc007142

Kunze E, 1985. Near-inertial wave propagation in geostrophic shear. Journal of Physical Oceanography, 15(5): 544—565

Kunze E, Firing E, Hummon J M, 2006. Global abyssal mixing inferred from lowered ADCP shear and CTD strain profiles. Journal of Physical Oceanography, 36(8): 1553—1576

Kunze E, Toole J M, 1997. Tidally driven vorticity, diurnal shear, and turbulence atop fieberling seamount. Journal of Physical Oceanography, 27(12): 2663—2693

Large W G, McWilliams J C, Doney S C, 1994. Oceanic vertical mixing: a review and a model with a nonlocal boundary layer parameterization. Reviews of Geophysics, 32(4): 363—403

Li Y, Xu Y S, 2014. Penetration depth of diapycnal mixing generated by wind stress and flow over topography in the northwestern Pacific. Journal of Geophysical Research: Oceans, 119(8): 5501—5514

Liang C R, Shang X D, Qi Y F, 2018. Assessment of fine-scale parameterizations at low latitudes of the North Pacific. Scientific Reports, 8(1): 10281

Munk W H, 1966. Abyssal recipes. Deep Sea Research and Oceanographic Abstracts, 13(4): 707—730

Munk W H, 1981. Internal Waves and Small-Scale Processes Evolution of Physical Oceanography. Cambridge: The MIT Press, 264—291

Munk W, Wunsch C, 1998. Abyssal recipes II: Energetics of tidal and wind mixing. Deep Sea Research Part I: Oceanographic Research Papers, 45(12): 1977—2010

Oey L Y, Ezer T, Wang D P, 2006. Loop current warming by hurricane Wilma. Geophysical Research Letters, 33(8): L08613, doi: 10.1029/2006GL025873

Pollard R T, 1980. Properties of near-surface inertial oscillations. Journal of Physical Oceanography, 10(3): 385—398

Pollard R T, Millard Jr R C, 1970. Comparison between observed and simulated wind-generated inertial oscillations. Deep Sea Research and Oceanographic Abstracts, 17(4): 813—816, IN5, 817—821

Polzin K L, Toole J M, Ledwell J R, 1997. Spatial variability of turbulent mixing in the abyssal ocean. Science, 276(5309): 93—96

Polzin K L, Toole J M, Schmitt R W, 1995. Finescale parameterizations of turbulent dissipation. Journal of Physical Oceanography, 25(3): 306—328

Rimac A, von Storch J S, Eden C, 2013. The influence of high-resolution wind stress field on the power input to near-inertial motions in the ocean. Geophysical Research Letters, 40(18): 4882—4886

Watanabe M, Hibiya T, 2002. Global estimates of the wind-induced energy flux to inertial motions in the surface mixed layer. Geophysical Research Letters, 29(8): 64-1—64-3

Watanabe M, Hibiya T, 2008. Energetics of wind-induced turbulent mixing in the ocean. Journal of Oceanography, 64(1): 131—140

Whalen C B, Mackinnon J A, Talley L D, 2018. Large-scale impacts of the mesoscale environment on mixing from wind-driven internal waves. Nature Geoscience, 11(11): 842—847, doi:10.1038/s41561-018-0213-6

Whalen C B, Talley L D, MacKinnon J A, 2012. Spatial and temporal variability of global ocean mixing inferred from Argo profiles. Geophysical Research Letters, 39(18): L18612, doi: 10.1029/2012GL053196

Wijesekera H, Padman L, Dillon T, 1993. The Application of Internal-Wave Dissipation Models to a Region of Strong Mixing. Journal of Physical Oceanography, 23(2): 269—286

Wu L X, Jing Z, Riser S, 2011. Seasonal and spatial variations of Southern Ocean diapycnal mixing from Argo profiling floats. Nature Geoscience, 4(6): 363—366

Wunsch C, 1998. The work done by the wind on the oceanic general circulation. Journal of Physical Oceanography, 28(11): 2332—2340

Wunsch C, Ferrari R, 2004. Vertical mixing, energy, and the general circulation of the oceans. Annual Review of Fluid Mechanics, 36: 281—314

Yang Q X, Zhao W, Liang X F, 2017. Elevated mixing in the periphery of mesoscale eddies in the South China Sea. Journal of Physical Oceanography, 47(4): 895—907

Zhu Y C, Zhang R H, 2018. An Argo-derived background diffusivity parameterization for improved ocean simulations in the tropical pacific. Geophysical Research Letters, 45(3): 1509—1517

INFLUENCE OF WIND-INDUCED NEAR-INERTIAL ENERGY FLUX AND TOPOGRAPHIC ROUGHNESS ON OCEAN INTERNAL MIXING

CHEN Juan, QIAO Meng-Tian, CAO An-Zhou, SONG Jin-Bao

(Ocean College, Zhejiang University, Zhoushan 316021, China)

Using the fine-scale parameterization method and the global Argo data in 2015—2019, the influence of wind-induced near-inertial energy flux and topographic roughness on ocean internal eddy diffusion in 300—600 m depth were analyzed. Results show that, in the Pacific region of 30°—45°N, the trend of the monthly average eddy diffusion coefficient was consistent with the monthly average wind-induced near-inertial energy flux, and the correlation coefficient was ～0.43. The correlation coefficient between the former with a lag of one month and the latter was up to 0.65. However, the trend of the two was quite different in other regions. The correlation between the topographic roughness and eddy diffusion coefficient in the low latitude and southern hemisphere was greater than that of the mid-latitude and northern hemisphere. The analysis shows, in the region of 30°—45°N, the equation describing the relationship between the eddy diffusion coefficient in 300—600 m depth and the wind-induced near-inertial energy flux and topographic roughness was established. The difference between the average magnitude of eddy diffusion coefficientcalculated by this formula and by the fine-scale parameterization method was 0.47, and 91% of the value deviation was within one order of magnitude. At last, the gridded results of eddy diffusion coefficients in the Pacific region of 30°—45°N from January to December were given.

ocean mixing; parameterization; wind-induced near-inertial energy flux; topographic roughness

P731

10.11693/hyhz20210100017

* 國家重點(diǎn)研發(fā)計(jì)劃項(xiàng)目，2016YFC1401404號(hào)，2017YFA0604102號(hào)。陳 娟，碩士研究生，E-mail: 21834017@zju.edu.cn

宋金寶，教授，E-mail: songjb@zju.edu.cn

2021-01-18，

2021-03-25