閆曉梅 張林林 龐重光

黑潮延伸體區(qū)跨等密度面湍流混合的次季節(jié)變化*

閆曉梅1, 2, 3張林林1, 2, 3龐重光1, 2, 3①

(1. 中國科學院海洋研究所環(huán)流與波動重點實驗室 山東青島 266071; 2. 青島海洋科學與技術(shù)試點國家實驗室海洋動力過程與氣候功能實驗室 山東青島 266237; 3. 中國科學院海洋大科學研究中心 山東青島 266071)

海洋中的跨等密度面湍流混合對于熱量和淡水輸送、翻轉(zhuǎn)環(huán)流以及全球氣候變化都有重要影響, 理解跨等密度面湍流混合的變化對于改進氣候模式模擬和預(yù)測大尺度海洋環(huán)流的能力具有重要作用?；诩毘叨葏?shù)化方法, 本文利用黑潮延伸體區(qū)的一個長期潛標K7觀測, 對跨等密度面湍流混合的次季節(jié)變化進行了分析。結(jié)果表明, 在2004年6～9月, 300～1 350 m的耗散率存在明顯的逐月變化, 8月份的平均耗散率為2.7×10-9m2/s3, 約為其他月份的2～3倍?？绲让芏让嫱牧骰旌系倪@一顯著的次季節(jié)變化與由風生近慣性內(nèi)波引起的近慣性剪切的次季節(jié)變化密切相關(guān)。特別地, 在8月中旬, 局地風盡管較弱但生成了較強的近慣性內(nèi)波, 在負地轉(zhuǎn)渦度促進下, 近慣性內(nèi)波向下穿透可達1 300 m。能量收支分析顯示, 8月總的風生近慣性能量是1.7×103W/m2, 其中71%能夠進入深海, 為跨等密度面湍流耗散提供了52%的能量。該研究為風生近慣性內(nèi)波在調(diào)制深?？绲让芏让嫱牧骰旌系皖l變化中的重要作用提供了一個直接依據(jù)。

跨等密度面湍流混合; 次季節(jié)變化; 近慣性內(nèi)波; 黑潮延伸體區(qū)

跨等密度面湍流混合控制著海洋中的熱量和淡水輸運, 對全球熱鹽環(huán)流和氣候變化都有重要影響(Munk, 1998)。西北太平洋的海洋環(huán)境復(fù)雜, 存在西邊界強流黑潮及其延伸體、大量的風生近慣性能量輸入(Alford, 2001)以及豐富的中尺度渦(Chelton, 2011), 而西邊界流區(qū)是發(fā)生強混合的關(guān)鍵海區(qū)(Jing, 2014; Nagai, 2021)。因此, 研究黑潮延伸體區(qū)跨等密度面湍流混合的變化規(guī)律及其影響機理, 對于加深我們對混合的認識, 進而改進數(shù)值模式, 理解海洋環(huán)流的變化及其在氣候系統(tǒng)中的作用具有重要作用。

海洋內(nèi)部的湍流混合主要由內(nèi)波破碎導(dǎo)致, 而內(nèi)波場的能量主要源自潮汐和海表面風應(yīng)力(Munk, 1998; Wunsch, 2004)。已有研究表明, 維持深海層結(jié)大約需2 TW的能量, 其中風生近慣性能量提供了大約0.5～1.4 TW (Watanabe, 2002; Alford, 2003; Jiang, 2005)。然而, 目前對于風生近慣性內(nèi)波的穿透深度及其對溫躍層以深的跨等密度面湍流混合的貢獻仍存在爭議。例如, Furuichi等(2008)和Zhai等(2009)的數(shù)值研究結(jié)果顯示, 風輸入到混合層中的70%～85%的近慣性能量在150或200 m以上就耗散掉了; Alford等(2012)通過分析東北太平洋Papa站的潛標資料發(fā)現(xiàn)12%～33%的風生近慣性能量能夠下傳800 m; 而Jing等(2014)利用2005年1月黑潮延伸體區(qū)的潛標觀測資料估算得到45%～62%的風生近慣性能量能夠進入溫躍層為深?；旌咸峁┠芰俊?/p>

在風生近慣性能量的影響下, 西北太平洋跨等密度面湍流混合呈現(xiàn)顯著的季節(jié)變化, 秋冬季較強而春夏季較弱(Jing, 2010, 2011, 2016; Whalen, 2012; 閆曉梅等, 2014; Li, 2014; Inoue, 2017; Hu, 2020)。同時, 已有研究表明海表面風場還有明顯的次季節(jié)(10～90 d)變化(祝從文等, 2019; Whitt, 2019)。Jing等(2015)在墨西哥灣北部觀測發(fā)現(xiàn)這里2006年1月份的湍流混合強度是2005年11～12月的3倍, 并將湍流混合的這一次季節(jié)變化歸因于風生近慣性能量的次季節(jié)變化。但是在西北太平洋, 除了季節(jié)變化, 目前對于該海區(qū)跨等密度面湍流混合在更小時間尺度上的變化(如次季節(jié)變化)及其影響機制的研究較少。

此外, 通過分析混合強度和風生近慣性能量季節(jié)變化之間的相關(guān)關(guān)系, 一些研究表明西北太平洋的風生近慣性能量能夠下傳600～1 800 m (Jing, 2010; 閆曉梅等, 2014; Li, 2014)。但是, 由于缺乏流速觀測, 這些研究未能直接給出風生近慣性內(nèi)波的垂向傳播特征, 因此, 對于影響湍流混合低頻變化機制的認識仍不完善。本文將利用黑潮延伸體區(qū)的一個長期潛標觀測資料, 基于細尺度參數(shù)化方法, 研究該海區(qū)跨等密度面湍流混合的次季節(jié)變化及其影響機制。

1 數(shù)據(jù)與方法

1.1 數(shù)據(jù)

黑潮延伸體系統(tǒng)研究(Kuroshio extension study system, KESS)于2004～2006年布放了一系列錨系潛標, 其中最南端的K7在144.5 E, 32.5 N (圖1), 該潛標配置了一個多普勒流速剖面儀(acoustic doppler current profiler, ADCP)、一個系纜式剖面儀(McLane moored profiler, MMP)以及四個海流計(current meter, CM)。如圖1b所示, 一個ADCP設(shè)置在250 m處, 向上發(fā)射信號, 其采樣時間間隔是1 h, 垂向間隔是8 m, 垂向共44層, 本文采用的是KESS提供的0～250 m標準網(wǎng)格化流速數(shù)據(jù), 其時空分辨率是10 m×1 h; MMP觀測250～1 500 m的流速、溫度和鹽度, 每15 h完成一次剖面觀測, 但在2005年1月, 變?yōu)槊? h完成一次剖面, 測得數(shù)據(jù)的垂向分辨率為2 m; 四個海流計分別設(shè)置在1 500, 2 000, 3 500和5 000 m, 每15 min觀測一次水平流速。以上數(shù)據(jù)及其詳細介紹和處理過程都可從KESS主頁(https://uskess. whoi.edu/ overview/dataproducts/)獲得。本文主要采用K7潛標數(shù)據(jù)質(zhì)量最高的2004年6～9月期間的流速和水文觀測資料, 分析跨等密度面湍流混合的次季節(jié)變化以及近慣性內(nèi)波的影響, 同時利用MMP在2005年1月的高分辨率數(shù)據(jù)進行比較和驗證。

圖1 黑潮延伸體區(qū)2004年6月至2005年1月平均海表面高度及KESS潛標和KEO浮標站位分布(a)以及K7潛標的儀器設(shè)置示意圖(b)

注: KESS表示黑潮延伸體研究(Kuroshio extension study system); KEO表示Kuroshio extension observatory

美國國家海洋和大氣管理中心/太平洋海洋環(huán)境實驗室于2004年6月在K7附近布放了一個錨系浮標KEO (Kuroshio extension observatory, 圖1), 提供了每10 min一次的海表面風速。此外, 本文還采用了Levitus94全球月平均混合層深度(空間分辨率0.5°×0.5°), 日本氣象廳提供的每6 h的臺風路徑資料, 美國國家環(huán)境預(yù)報中心提供的每小時的再分析海表面風應(yīng)力資料(空間分辨率約0.3°×0.3°), 以及法國多源衛(wèi)星高度計融合項目AVISO (archiving, validation, and interpretation of satellite oceanographic)提供的每天的海表面高度異常(sea level anomaly, SLA)(空間分辨率0.25°×0.25°)?；赟LA數(shù)據(jù), 可根據(jù)地轉(zhuǎn)平衡計算地轉(zhuǎn)渦度:

1.2 近慣性信號提取方法

1.3 細尺度參數(shù)化方法

本文還利用MMP觀測的溫度、鹽度和流速數(shù)據(jù), 采用細尺度參數(shù)化方法估算了跨等密度面湍流混合率(Polzin, 1995; Gregg, 2003; Kunze, 2006)。根據(jù)Gregg等(2003)和Kunze等(2006), 湍流耗散率可由細尺度(10～100 m)上的應(yīng)變和剪切估算如下:

得到max=2π/16 rad/m; 然后在相同的波數(shù)區(qū)間計算GM剪切譜:

細尺度參數(shù)化方法已被成功應(yīng)用于全球海洋混合研究中, 而前人研究結(jié)果顯示該參數(shù)化方法估算結(jié)果的不確定度在2倍之內(nèi)(Polzin, 1995; Gregg, 2003)。

1.4 風生近慣性能量計算方法

結(jié)合KEO風速資料與ADCP表層流速數(shù)據(jù), 可直接計算風輸入到混合層的近慣性能量如下:

此外, 我們還基于風應(yīng)力資料, 采用Pollard等(1970)提出的Slab模型間接估算風生近慣性能量如下:

其中,是的共軛。

2 結(jié)果與討論

2.1 跨等密度面湍流混合的次季節(jié)變化

Jing等(2014)研究結(jié)果表明, 在K7站位處, 300～1 350 m的跨等密度面湍流混合存在明顯的季節(jié)變化, 2004年冬季的平均耗散率約為夏季的3倍, 而本文進一步發(fā)現(xiàn)這里的混合也存在明顯的逐月變化即次季節(jié)變化。如圖3所示, 300～1 350 m垂向平均的耗散率在8月份最強(2.7×10-9m2/s3)而在9月份最弱(1.0×10-9m2/s3), 8月份的平均耗散率與6月、7月、9月平均耗散率的比值0分別為1.6、2.1、2.7, 擴散系數(shù)的結(jié)果與此一致。

圖3 基于系纜式剖面儀觀測的且取300～1 350 m垂向平均的跨等密度面擴散系數(shù)(a)、耗散率(b)、浮力頻率(c)、剪切方差(d)、近慣性剪切方差(e)、近慣性動能(f)的月平均分布

考慮到與真實的耗散率real相比, 利用細尺度參數(shù)化方法估算得到的耗散率obs的不確定度約為2倍(Polzin, 1995; Gregg, 2003)。因此, 以上我們看到的次季節(jié)變化是個真實的物理現(xiàn)象還是僅僅由隨機誤差導(dǎo)致需要進一步驗證。這里我們采用Jing等(2013)的方法, 以8月份的平均耗散率obs與其他月份obs之間的比值作為檢驗統(tǒng)計量, 對混合的次季節(jié)變化信號進行假設(shè)檢驗。原假設(shè)是耗散率不存在逐月變化, 每個月耗散率的數(shù)學期望相同; 而備擇假設(shè)是耗散率存在逐月變化, 8月份耗散率的數(shù)學期望要比其他月份大。假定obs在區(qū)間[0.5real, 2real]上均勻分布, 則的概率密度函數(shù)可由Monte Carlo方法模擬得到, 結(jié)果顯示,>0的概率不足1% (圖4)。這意味著, 在1%顯著性水平下, 可以拒絕原假設(shè)。因此, 以上觀測到的耗散率的次季節(jié)變化是可信的。

圖4 假設(shè)8月平均耗散率與6月(a)、7月(b)、9月(c)平均耗散率之間沒有明顯差異時, 檢驗統(tǒng)計量R的累計概率密度分布函數(shù)

注:0表示8月份與其他月份平均耗散率的比值

不同于背景層結(jié), 流速的剪切方差2和近慣性剪切方差i2都有明顯的次季節(jié)變化, 且與耗散率和擴散系數(shù)的變化位相一致(圖3)。特別的, 在300～1 350 m,耗散率隨著2和i2增大而增強,與2(i2)的相關(guān)系數(shù)在0.72～0.84 (0.50～0.70)之間(圖5), 且所有相關(guān)系數(shù)都超過95%?顯著性水平。圖6進一步比較了不同月份300～1 350 m垂向平均的背景層結(jié)和流速剪切與耗散率的相關(guān)關(guān)系, 可以看到8月份的2和i2與耗散率的相關(guān)最強, 相關(guān)系數(shù)分別為0.86和0.81, 也遠遠超過95%顯著性水平。Jing等(2014)也發(fā)現(xiàn)在K7處, 2005年1月的耗散率與近慣性剪切方差明顯相關(guān), 指出近慣性內(nèi)波在調(diào)制湍流混合中起著重要作用。因此, 以上結(jié)果意味著這里的近慣性內(nèi)波對湍流混合的次季節(jié)變化也有重要影響, 而且近慣性內(nèi)波的影響在8月份最強。

2.2 譜分析

進一步, 我們分析了每個月平均的近慣性流速剪切的旋轉(zhuǎn)垂向波數(shù)譜(圖8), 結(jié)果發(fā)現(xiàn), 當波數(shù)小于0.04 rad/m, 即波長大于150 m時, 隨深度順時針旋轉(zhuǎn)的分量約是逆時針旋轉(zhuǎn)分量的2倍以上, 意味著下傳能量強于上傳能量, 這與圖7所示的頻率-波數(shù)譜一致。特別的, 在8月份, 順時針旋轉(zhuǎn)分量最強且其主導(dǎo)作用最為明顯, 在垂直尺度大于120 m, 即波數(shù)小于0.05 rad/m處, 下傳分量強度約是上傳分量的4倍。以上結(jié)果表明近慣性內(nèi)波的能量主要是向下傳播的, 而這些下傳的能量很可能是來源于海表面的風生近慣性能量, 這將在后文中做進一步的分析。

圖5 2004年6～9月不同深度的浮力頻率(左)、剪切方差(中)、近慣性剪切方差(右)和耗散率的關(guān)系

注: 所有變量均是取對數(shù)log10后的結(jié)果; 虛線表示兩個變量的線性擬合;表示相關(guān)系數(shù)

2.3 風生近慣性內(nèi)波的下傳

一般地, 風向海洋中輸入近慣性能量主要是在風暴過境期間(D’Asaro, 1985)。在2004年6～9月, 有6個臺風經(jīng)過研究海區(qū)(圖9), 其中6月底至7月初發(fā)生的“婷婷”、7月底發(fā)生的“南川”和8月發(fā)生的“暹芭”在K7處輸入海洋的近慣性能量較強, 超過4×10-3W/m2; 相反地, 8月初經(jīng)過的“瑪瑙”由于風力較弱, 在K7處無明顯增強的風生近慣性能量, 而8月底9月初發(fā)生的“桑達”由于距離K7較遠輸入的近慣性能量也較小, 僅2×10-3W/m2(圖10a)。值得注意的是, 8月中旬K7處有很強的風生近慣性能量, 最強達到8×10-3W/m-2, 此時雖然臺風“鲇魚”過境, 但其中心距離K7站位約2 000 km, 風力也較弱, 因此對K7處的近慣性流不會產(chǎn)生直接影響。進一步基于再分析風應(yīng)力資料, 利用Slab模型得到了8月13～16日風生近慣性能量的水平分布(圖11), 結(jié)果發(fā)現(xiàn), 在8月14日, K7站位及其西北側(cè)的局地風都向海洋輸入了很強的近慣性能量, 在8月15日達到最強, 到了8月16日, 盡管臺風“鲇魚”的邊緣掠過K7, 但對K7處近慣性能量的影響很小?？傊? 8月中旬K7處的風生近慣性能量增強是局地風導(dǎo)致, 與臺風“鲇魚”無關(guān)。對于月平均的風生近慣性能量, 也是8月份最強(1.6×10-3W/m2), 9月份最弱(0.5×10-3W/m2), 其次季節(jié)變化的位相與近慣性剪切方差及湍流混合一致。這一結(jié)果進一步說明了風生近慣性能量對調(diào)制跨等密度面湍流混合的次季節(jié)變化起著重要作用。

圖6 2004年6～9月300～1 350 m垂向平均的浮力頻率N2 (左)、剪切方差S2 (中)、近慣性剪切方差Si2 (右)和耗散率?的相關(guān)系數(shù)

注: 柱狀圖的基值為95%顯著性水平

伴隨著每個強風生近慣性能量事件, 混合層中的近慣性動能也增強, 特別是對應(yīng)于8月中旬最強的風生近慣性能量, 表層0～50 m的近慣性動能也達到最強35 J/m3(圖10)。但是, 如圖10所示, 風生近慣性能量與表層近慣性動能的變化幅度也有所差異, 例如臺風“暹芭和“婷婷”過境時, 風輸入的近慣性能量大小相當, 但是50 m以淺的近慣性動能在“暹芭”期間僅是“婷婷”期間的1/2 (圖10b); 而在7月19日前后, 無臺風發(fā)生且風生近慣性能量較弱, 但表層的近慣性動能卻與臺風“婷婷”經(jīng)過時相當。相應(yīng)的, 對于表層近慣性動能的次季節(jié)變化, 6～8月的大小相當, 且7月最強, 也與風生近慣性能量的變化位相不同。這些差異可能是由于臺風的水平結(jié)構(gòu)、路徑以及局地風場和背景流等因素的不同導(dǎo)致(Alford, 2016)。

圖7 基于系纜式剖面儀觀測的2004年6～9月采樣間隔為15 h (a)、2005年1月采樣間隔為2 h (b)和15 h (c)得到的流速剪切的頻率-波數(shù)譜以及周期為22.3 h隨時間順時針旋轉(zhuǎn)的慣性流速的概念圖(d)

圖8 近慣性流速剪切的月平均旋轉(zhuǎn)垂直波數(shù)譜

注: 紅線(藍線)為隨深度增加順時針(逆時針)旋轉(zhuǎn)的分量; 陰影區(qū)域是基于bootstrap法計算的90%置信區(qū)間

圖9 熱帶氣旋每6 h的移動軌跡

與表層的近慣性動能相比, 深層的近慣性動能明顯減弱。在2004年6～9月期間, 50～230、300～1 350、1 500、2 000 m的平均近慣性動能分別為1.5、1.5、0.4、0.1 J/m3, 分別是表層0～50 m平均近慣性動能的30%、30%、8%、2%, 意味著大部分的風生近慣性能量在表層就耗散掉了。但對于8月中旬表層的強近慣

性動能峰值, 也明顯存在于次表層50～230 m, 至8月20日出現(xiàn)在了300～1 350 m垂向平均的近慣性動能時間序列中, 而在1 500和2 000 m處消失, 這直觀地顯示了近慣性能量的下傳(圖10b～10f)。對于月平均的近慣性動能, 50～230和300～1 350 m處都是在8月最強, 而1 500和2 000 m處都是在9月最強。另外值得注意的是, 伴隨著這個近慣性動能的下傳, 地轉(zhuǎn)相對渦度在8月中旬由正變負, 這一結(jié)果符合Kunze (1985)的理論, 即背景渦度g能夠?qū)?nèi)波的頻率下限0變?yōu)橛行ьl率eff=0+g/2, 因此負渦度區(qū)將捕獲固有頻率小于eff的近慣性內(nèi)波, 促進近慣性能量下傳。Martínez-Marrero等(2019)基于觀測也發(fā)現(xiàn)在弱風環(huán)境下, 反氣旋渦中也會存在很強的近慣性內(nèi)波及湍流混合。因此, 對于8月份增強的近慣性剪切, 除了較強的風生近慣性能量輸入, 負渦度也起了一定作用。

圖11 基于Slab模型計算的風生近慣性能量(顏色)和再分析風應(yīng)力(箭頭)的水平分布

注: 風生近慣性能量是取對數(shù)log10的結(jié)果; 黑色星號表示K7潛標站位; 白線表示8月平均混合層深度, 其間隔為5 m; 白色粗線為15 m等值線

圖12顯示了2004年8～9月近慣性動能隨深度的變化, 可以看到伴隨著表層近慣性流增強, 次表層100～150 m處也存在一個明顯的近慣性動能極大值。Chen等(2013)也曾在臺風“浣熊”經(jīng)過南海西北部時發(fā)現(xiàn)類似現(xiàn)象, 他們指出近慣性動能的表層峰值主要由第一斜壓模態(tài)主導(dǎo), 而次表層峰值是由高階垂直模態(tài)決定。進一步通過將傅里葉變換的流速針對正負波數(shù)進行分離, 可得到近慣性流速的上傳和下傳信號。圖12b～12c顯示了近慣性動能及其下傳分量的深度-時間分布, 其中對于流速, 我們進行了wentzel- kramers-brillouin (WKB)近似以消除層結(jié)的影響(Alford, 2012)。從中可以明顯看到一個很強的近慣性內(nèi)波波包從8月14日的300 m處下傳, 至9月4日到達1 300 m, 下傳速度約為5.5×10-4m/s, 在此期間平均下傳的近慣性動能約為1.61 J/m3, 超過上傳動能的3倍。

2.4 能量收支分析

針對圖12中的強近慣性內(nèi)波波包, 我們進一步分析了其下傳期間即8月11日至9月4日的垂向能量通量。根據(jù)Leaman (1976)和Jaimes等(2010), 垂向能量通量可計算如下:

圖12 230 m以淺的近慣性動能(a)以及300～1 350 m處Wentzel-Kramers-Brillouin (WKB)修正后的總近慣性動能(b)及其下傳分量(c)

注: 黑色虛線表示近慣性內(nèi)波波包下傳; b和c的空白處表示無數(shù)據(jù)

其中,是觀測到的慣性頻率obs與局地科氏頻率0之間的差異。

為了得到obs, 我們對ADCP觀測的0～230 m處8月11日至9月4日的流速進行了譜分析, 結(jié)果如圖13a所示?？梢钥吹? 譜值在近慣性頻段明顯增大,obs在0～230 m的平均值為0.267 rad/h, 比0小5%。因此, 對于上傳和下傳的能量, 分別設(shè)置為-0.05和0.05。

計算300～1 350 m處WKB近似的近慣性流速的(旋轉(zhuǎn))垂向波數(shù)譜, 結(jié)果如圖13b所示, 在波數(shù)小于0.06 rad/m, 即波長大于100 m時, 其主要由隨深度順時針旋轉(zhuǎn)的分量主導(dǎo), 即近慣性能量以下傳為主導(dǎo), 這與前文中的譜分析結(jié)果一致。最終, 估算得到下傳的近慣性能量通量zdown為1.2×10-3W/m2, 是上傳能量通量zup的4倍?？紤]到1 350 m以深的近慣性內(nèi)波遠弱于300～1 350 m的內(nèi)波(圖10, 12), 這里得到的zdown可以近似看作是300和1 350 m之間的能量通量差異。同時, 300～1 350 m垂向平均的耗散率為2.3×10-3W/m2。因此, 下傳的近慣性能量zdown為湍流混合提供了52%的能量, 證實了近慣性能量對于維持深?？绲让芏让嫱牧骰旌洗_實起著重要作用。此外, 在這期間的平均風生近慣性能量為1.7×10-3W/m2, 這意味著其71%下傳至深海。我們同樣估算了2004年6～7月的能量收支, 結(jié)果發(fā)現(xiàn)僅有18%的風生近慣性能量下傳, 與Alford等(2012)在東北太平洋得到的結(jié)果(12%～33%)一致。進一步比較8～9月和6～7月兩個時間段的平均地轉(zhuǎn)渦度分別為-0.150和0.160, 這一結(jié)果也顯示了負地轉(zhuǎn)渦度對于近慣性能量向深海穿透的促進作用(Kunze, 1985)。

圖13 ADCP觀測水平流速的功率譜(a)以及基于系纜式剖面儀觀測的300～1 350 m處WKB修正近慣性流速的旋轉(zhuǎn)波數(shù)譜(b)

注: a中的功率譜是取對數(shù)log10后的結(jié)果, 黑色細實線表示局地慣性頻率0, 黑色虛線分別表示0.850(左)和1.150(右), 粗實線表示近慣性頻率峰值

為了檢驗以上能量通量估算的準確性, 我們又對2005年1月4～14日地轉(zhuǎn)渦度也是負值時的垂向近慣性能量通量進行了計算。為了便于比較, 這里也采用了由MMP觀測得到的15 h采樣間隔的去混疊的近慣性流速。結(jié)果表明, 此時的近慣性頻率obs比局地慣性頻率0小8%, 下傳能量通量zdown是3.6×10-3W/m2, 約為上傳能量通量zup的4倍。這一結(jié)果與Jing等(2014)基于對同期的2 h采樣間隔的流速進行二維頻率-波數(shù)譜分析得到的下傳能量通量3.5×10-3W/m2一致?？梢? 我們利用去混疊的近慣性流速計算的能量通量結(jié)果是可信的。此外, 這期間的平均風生近慣性能量是4.8×10-3W/m2, 而平均垂向積分的耗散率為5.5×10-3W/m2。因此, 風輸入的近慣性能量有75%下傳, 為深海湍流混合提供了65%的能量。通過比較可以看到, 盡管2004年8月11日至9月4日的風生近慣性能量較弱, 但其能量下傳效率及其對深?？绲让芏让嫱牧骰旌系呢暙I與2005年1月4～14日相當。

3 結(jié)論

本文基于黑潮延伸體區(qū)的K7潛標觀測資料, 利用細尺度參數(shù)化方法分析了跨等密度面湍流混合的次季節(jié)變化, 發(fā)現(xiàn)了一系列現(xiàn)象如下:

K7處300～1 350 m的湍流混合存在明顯的次季節(jié)變化, 表現(xiàn)在2004年8月份的平均耗散率是2.7×10-9m2/s3, 是同年9月份的3倍。湍流混合的這一次季節(jié)變化與風生近慣性內(nèi)波的剪切方差密切相關(guān)。

在2004年6～9月有6個臺風經(jīng)過研究海區(qū), 其中有4個在K7處輸入了大量的近慣性能量。在8月中旬, K7處的風生近慣性能量最強達到35 J/m3, 此時雖然臺風鲇魚過境, 但由于其距離觀測站位較遠且風力較弱, 而對K7處的近慣性能量無明顯影響, 因此這里的風生近慣性能量增強是一局地現(xiàn)象, 由局地風導(dǎo)致。伴隨著風輸入海洋中的近慣性能量增強, K7處的地轉(zhuǎn)渦度也在8月中旬由正變負, 相應(yīng)地, 一個強近慣性內(nèi)波波包下傳至1 300 m。能量收支分析顯示, 在8月11日至9月4日期間, K7處的平均風生近慣性能量為1.7×10-3W/m2, 其中約有71%下傳, 為300～1 350 m的跨等密度面耗散提供了52%的能量。相比之下, 在2004年6～7月, 地轉(zhuǎn)渦度為正時, 僅有18%的風生近慣性能量下傳。因此, 8月份的負地轉(zhuǎn)渦度也促進了近慣性能量的下傳, 從而使得跨等密度面湍流混合增強。

總之, 與臺風過境時在海洋混合層中激發(fā)出較強的近慣性內(nèi)波進而促進海洋混合的情況不同, 本文研究結(jié)果表明, 在正常風或弱風環(huán)境下, 在負的背景渦度中, 也會存在較強的近慣性能量及湍流混合。Martínez-Marrero等(2019)在大西洋中也觀測到這一現(xiàn)象。已有理論研究指出, 在水平方向上, 近慣性內(nèi)波從正渦度區(qū)向負渦度區(qū)輻射(Lee, 1998), 而在垂直方向上, 負背景渦度也能促進近慣性內(nèi)波下傳(Kunze, 1985)。因此可以推測以上現(xiàn)象可能廣泛存在于開闊海洋中。

另外, 對于西北太平洋風生近慣性能量向下傳播的穿透深度, 已有一些研究通過比較風生近慣性能量和湍流混合的季節(jié)變化, 間接估算得到的結(jié)果是600～1 800 m (如Jing, 2010, 2011; 閆曉梅等, 2014; Li, 2014)。而在本文中, 我們通過直接分析黑潮延伸體區(qū)的近慣性流速, 發(fā)現(xiàn)局地風引起的強近慣性內(nèi)波能夠下傳1 300 m, 為風生近慣性內(nèi)波在調(diào)制深海湍流混合次季節(jié)變化中所起的重要作用提供了更直觀的證據(jù)。然而, 除了垂向傳播, 風生近慣性內(nèi)波也能水平傳播, 但后者無法從單個錨定站位觀測中確定。因此, 為了獲取近慣性內(nèi)波的所有特性, 更深入地理解其對深?？绲让芏让嫱牧骰旌系挠绊? 也為了驗證我們的以上猜測, 提高關(guān)于海洋對正常風和弱風的近慣性響應(yīng)的認識, 今后仍需基于更多的現(xiàn)場觀測以及高分辨率數(shù)值模式進行分析研究。

閆曉梅, 李穎, 徐永生. 西北太平洋跨等密度面湍流混合的時空變化分析[J]. 海洋與湖沼, 2014, 45(6): 1148-1157

祝從文, 劉伯奇, 左志燕, 等. 東亞夏季風次季節(jié)變化研究進展[J]. 應(yīng)用氣象學報, 2019, 30(4): 401-415.

ALFORD M H, 2001. Internal swell generation: The spatial distribution of energy flux from the wind to mixed layer near-inertial motions [J]. 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 [J]. Geophysical Research Letters, 30(8): 1424.

ALFORD M H, CRONIN M F, KLYMAK J M, 2012. Annual cycle and depth penetration of wind-generated near-inertial internal waves at Ocean Station Papa in the northeast Pacific [J]. Journal of Physical Oceanography, 42(6): 889-909.

ALFORD M H, Mackinnon J A, SIMMONS H L,, 2016. Near-inertial internal gravity waves in the ocean. Annual Review of Marine Science, 8: 95-123.

CHELTON D B, SCHLAX M G, SAMELSON R M, 2011. Global observations of nonlinear mesoscale eddies [J]. Progress in Oceanography, 91(2): 167-216.

CHEN G X, XUE H J, WANG D X,, 2013. Observed near-inertial kinetic energy in the northwestern South China Sea. Journal of Geophysical Research: Oceans, 118(10): 4965-4977.

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

FURUICHI N, HIBIYA T, NIWA Y, 2008. Model-predicted distribution of wind-induced internal wave energy in the world’s oceans [J]. Journal of Geophysical Research: Oceans, 113(C9): C09034.

GARGETT A E, 1990. Do we really know how to scale the turbulent kinetic energy dissipation rate ε due to breaking of oceanic internal waves? [J]. Journal of Geophysical Research: Oceans, 95(C9): 15971-15974.

GREGG M C, KUNZE E, 1991. Shear and strain in Santa Monica Basin [J]. 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 [J]. Nature, 422(6931): 513-515.

HU S J, LIU L L, GUAN C,, 2020. Dynamic features of near-inertial oscillations in the Northwestern Pacific derived from mooring observations from 2015 to 2018 [J]. Journal of Oceanology and Limnology, 38(4): 1092-1107.

INOUE R, WATANABE M, OSAFUNE S, 2017. Wind-induced mixing in the North Pacific [J]. Journal of Physical Oceanography, 47(7): 1587-1603.

JAIMES B, SHAY L K, 2010. Near-inertial wave wake of Hurricanes Katrina and Rita over mesoscale oceanic eddies [J]. Journal of Physical Oceanography, 40(6): 1320-1337.

JIANG J, LU Y Y, PERRIE W, 2005. Estimating the energy flux from the wind to ocean inertial motions: The sensitivity to surface wind fields [J]. Geophysical Research Letters, 32(15): L15610.

JING Z, CHANG P, DIMARCO S F,, 2015. Role of near-inertial internal waves in subthermocline diapycnal mixing in the Northern Gulf of Mexico [J]. Journal of Physical Oceanography, 45: 3137-3154.

JING Z, WU L X, 2010. Seasonal variation of turbulent diapycnal mixing in the northwestern Pacific stirred by wind stress [J]. 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 [J]. Journal of Physical Oceanography, 43(4): 824-835.

JING Z, WU L X, 2014. Intensified diapycnal mixing in the midlatitude western boundary currents [J]. Scientific Reports, 4: 7412.

JING Z, WU L X, LI L,, 2011. Turbulent diapycnal mixing in the subtropical northwestern Pacific: Spatial-seasonal variations and role of eddies [J]. Journal of Geophysical Research: Oceans, 116(C10): C10028.

JING Z, WU L X, MA X H,, 2016. Overlooked role of mesoscale winds in powering ocean diapycnal mixing [J]. Scientific Reports, 6(1): 37180.

KUNZE E, 1985. Near-inertial wave propagation in geostrophic shear [J]. 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 [J]. Journal of Physical Oceanography, 36(8): 1553-1576.

KUNZE E, KENNELLY M A, SANFORD T B, 1992. The depth dependence of shear finestructure off point arena and near pioneer seamount [J]. Journal of Physical Oceanography, 22(1): 29-41.

LEAMAN K D, 1976. Observations on the vertical polarization and energy flux of near-inertial waves [J]. Journal of Physical Oceanography, 6(6): 894-908.

LEE D K, NIILER P P, 1998. The inertial chimney: The near-inertial energy drainage from the ocean surface to the deep layer [J]. Journal of Geophysical Research: Oceans, 103(C4): 7579-7591.

LI Y, XU Y S, 2014. Penetration depth of diapycnal mixing generated by wind stress and flow over topography in the northwestern Pacific [J]. Journal of Geophysical Research: Oceans, 119(8): 5501-5514.

MARTINEZ-MARRERO A, BARCELó-LLULL B, PALLAS-SANZ E,, 2019. Near-inertial wave trapping near the base of an anticyclonic mesoscale eddy under normal atmospheric conditions [J]. Journal of Geophysical Research: Oceans, 124(11): 8455-8467.

MUNK W, WUNSCH C, 1998. Abyssal recipes II: Energetics of tidaland wind mixing [J]. Deep Sea Research I, 45(12): 1977-2010.

NAGAI T, ROSALES QUINTANA G M, DURán GOMEZ G S, 2021. Elevated turbulent and double-diffusive nutrient flux in the Kuroshio over the Izu Ridge and in the Kuroshio Extension [J]. Journal of Oceanography, 77(1): 55-74.

OSBORN T R, 1980. Estimates of the local rate of vertical diffusion from dissipation measurements [J]. Journal of Physical Oceanography, 10(1): 83-89.

POLLARD R T, MILLARD R C, 1970. Comparison between observed and simulated wind-generated inertial oscillations [J], Deep Sea Research, 17: 813-821.

POLZIN K L, TOOLE J M, SCHMITT R W, 1995. Finescale parameterizations of turbulent dissipation [J]. Journal of Physical Oceanography, 25(3): 306-328.

RAINVILLE L, JAYNE S R, CRONIN M F, 2014. Variations of the north Pacific Subtropical Mode water from direct observations [J]. J ournal of Climate, 27(8): 2842-2860.

RAY R D, MITCHUM G T, 1997. Surface manifestation of internal tides in the deep ocean: Observations from altimetry and island gauges [J]. Progress in Oceanography, 40(1/4): 135-162.

ROSSBY H T, SANFORD T B, 1976. A study of velocity profiles through the main thermocline [J]. Journal of Physical Oceanography, 6(5): 766-774.

SUN H, YANG Q X, ZHAO W,, 2016. Temporal variability of diapycnal mixing in the northern South China Sea [J]. Journal of Geophysical Research: Oceans, 121(12): 8840-8848.

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

WHALEN C B, TALLEY L D, MACKINNON J A, 2012. Spatial and temporal variability of global ocean mixing inferred from Argo profiles [J]. Geophysical Research Letters, 39(18): L18612.

WHITT D B, NICHOLSON S A, CARRANZA M M, 2019. Global impacts of subseasonal (<60 day) wind variability on ocean surface stress, buoyancy flux, and mixed layer depth [J]. Journal of Geophysical Research: Oceans, 124(12): 8798-8831.

WUNSCH C, FERRARI R, 2004. Vertical mixing, energy, and the general circulation of the oceans [J]. Annual Review of Fluid Mechanics, 36: 281-314.

ZHAI X M, GREATBATCH R J, EDEN C,, 2009. On the loss of wind-induced near-inertial energy to turbulent mixing in the upper ocean [J]. Journal of Physical Oceanography, 39(11): 3040-3045.

SUBSEASONAL VARIATION OF TURBULENT DIAPYCNAL MIXING IN THE KUROSHIO EXTENSION REGION

YAN Xiao-Mei1, 2, 3, ZHANG Lin-Lin1, 2, 3, PANG Chong-Guang1, 2, 3

(1. Key Laboratory of Ocean Circulation and Waves, Institute of Oceanology, Chinese Academy of Sciences, Qingdao 266071, China; 2. Laboratory for Ocean Dynamics and Climate, Pilot National Laboratory for Marine Science and Technology (Qingdao), Qingdao 266237, China; 3. Center for Ocean Mega-Science, Chinese Academy of Sciences, Qindao 266071, China)

Diapycnal mixing in the ocean affects the heat and freshwater transport, overturning circulation as well as global climate changes. Understanding the variability of diapycnal mixing is important for improving the ability of climate models to simulate and predict the large-scale ocean circulations. Based on a finescale parameterization method, the subseasonal variation of turbulent diapycnal mixing in the Kurshio Extension region was analyzed using measurements of a long-term mooring deployed here. During June to September 2004, the inferred diapycnal mixing exhibits significant month-to-month variation. Within 300～1 350 m, the mean dissipation rate in August is 2.7×10-9m2/s3, which is about 3 times of the value in September. This significant subseasonal variation of the diapycnal mixing is closely related to that of near-inertial shear variance, which is associated with the wind-induced near-inertial internal waves. In particular, in mid-August, the moderate local wind induces strong near-inertial waves that could reach 1 300 m depth. Energy budget analysis indicates that for the total near-inertial wind work of 1.7×10-3W/m2in August, about 71% can radiate into the deep ocean and accounts for 52% of the energy required for diapycnal dissipation. Besides, the deep penetration of near-inertial waves is suggested to be facilitated by the negative geostrophic vorticity at that time. This study provides direct evidence for the important role of wind-induced near-inertial waves in modulating low-frequency variation of diapycnal mixing in deep ocean.

turbulent diapycnal mixing; subseasonal variation; near-inertial internal waves; Kuroshio extension region

P731.1

10.11693/hyhz20210700153

*國家重點研發(fā)計劃, 2016YFC0301203號; 國家自然科學基金, 41606016號, 41776021號; 中國科學院戰(zhàn)略先導(dǎo)專項, XDB 42010102號。閆曉梅, 副研究員, E-mail: yanxiaomei@qdio.ac.cn

龐重光, 博士生導(dǎo)師, 研究員, E-mail: chgpang@qdio.ac.cn

2021-07-05,

2021-08-27