黑潮延伸體區域50～100 km渦旋分布特征

錢思佳, 于方杰, 陳 戈

黑潮延伸體區域50～100 km渦旋分布特征

錢思佳, 于方杰, 陳 戈

(中國海洋大學 信息科學與工程學院, 山東 青島 266100)

本文使用基于熱成風速度的渦旋識別拓展方法, 通過海表面溫度數據對黑潮延伸體區域50～ 100 km渦旋進行研究, 發現50～100 km渦旋主要分布在黑潮延伸體流軸兩側, 氣旋渦和反氣旋渦的壽命、半徑分布具有一致性。氣旋渦多出現在35°N以北, 反氣旋渦在35°N以南比較集中, 與尺度較小的中尺度渦旋分布特征較為相似。冬夏兩季渦旋地理分布存在一定差異, 主要與不同季節該區域海表溫度梯度及風應力旋度的變化有關。35°N以南50～100 km渦旋數量的季節性變化與風速大小的季節性變化存在明顯的正相關性。35°N以南50～100 km渦旋三倍半徑內風速異常和風應力旋度歸一化表明, 氣旋渦對應風速負異常而反氣旋渦對應風速正異常, 反氣旋渦的產生依賴于風應力負旋度, 氣旋渦的生成與風應力正旋度有關。

黑潮延伸體; 50～100 km渦旋; 海表面溫度; 渦旋識別拓展方法; 渦旋-風速

黑潮延伸體(140°～180°E, 28°～40°N)是伴隨大振幅灣流和大量脫落渦旋的帶向射流, 存在豐富的多尺度動力過程。前人的研究已經揭示了該區域中尺度渦旋的分布特征、季節性變化和生成機制[1-3]。由于渦旋運動通常會引起局部海平面高度變化, 因此人們普遍認為渦旋比較容易被衛星高度計捕獲。然而, 現有的衛星高度計具有相對較高的沿軌采樣分辨率但留有較大的跨軌間隙[4], 使得盡管多顆同時在軌的衛星高度計的融合產品的分辨率已經有了較大提高, 但也不足以準確描述100 km以下海洋渦旋的動態變化[5]。因此, 100 km以下渦旋目前處于觀測盲點, 其分布特征仍存在較大的認知空白, 且目前對100 km以下渦旋的尺度劃分還存在一定爭議?？紤]到黑潮延伸體區域第一斜壓羅斯貝變形半徑約為30～40 km[6], 而亞中尺度要小于所在緯度的第一斜壓羅斯貝變形半徑, 因而本文以50 km來大致區分該區域的中尺度和亞中尺度特征, 已有研究中也提出過50 km以下為亞中尺度這一觀點[7-8]。作為典型的中尺度(100 km以上)與亞中尺度的過渡, 50～100 km渦旋存在著重要意義。一方面, 對黑潮延伸體區域中尺度渦旋的統計分析表明, 半徑越小的中尺度渦旋數量越多[2, 9], 因而推斷出該區域存在豐富的50～100 km渦旋, 但卻無法被衛星高度計準確觀測。另一方面, 渦旋相互作用可以實現能量的正向和逆向級聯, 使能量通過各種尺度在時間和空間上重新分布, 因此, 50～100 km渦旋充當著海洋中大小尺度之間能量級聯的關鍵橋梁。

盡管許多數值模式已經被用來研究100 km以下渦旋在海洋熱傳輸及物質輸運等方面的作用[8, 10], 但相關結論仍需通過現場觀測加以驗證。因此, 如何進行有效觀測一直是近年來的研究熱點。水文測量儀器和浮標[11], 岸基高頻雷達[12], 漂流浮標[13], 水下滑翔機[14]等已用于觀測100 km以下渦旋。然而, 這些研究主要集中在局部區域的個例分析上, 所得到的渦旋特征很大程度上取決于觀測設備的數量, 而海洋設備的部署是昂貴且耗時的。與衛星測高數據相比, 海面溫度(sea surface temperature, SST)數據具有更高的空間分辨率, 且大部分上層海洋動力過程都與SST直接或間接相關。因此, 從理論上講, SST是在全球尺度上研究50～100 km渦旋的一種可行方法。盡管SST存在易受天氣過程影響等局限性, 但其較高的時空分辨率使得在基于海表面高度(sea surface height, SSH)的渦旋檢測算法無法正常工作的情況下, 它可以作為檢測渦旋的有力補充。目前使用人工神經網絡、準輪廓跟蹤和聚類、隨機橢圓擬合與圖像分割、與渦旋結構相關的iso-SST模式, 小波變換分析海表溫度鋒面等方法均能基于SST成功檢測出渦旋[15-19]。前人提出了一種基于熱成風速度的渦旋識別方法[20], 僅基于渦旋幾何形狀來確定渦旋。該方法在許多地區得到了運用, 均體現了不錯的效果[21-23]。

本文使用基于熱成風速度的渦旋識別拓展方法, 基于高分辨率SST數據對黑潮延伸體區域50～100 km渦旋分布特征進行研究并探究其與風速之間的相關性。

1 數據和方法

1.1 數據

本文使用Remote Sensing Systems發布的SST數據(http://www.remss.com/measurements/sea-surface- temperature/)來檢測50～100 km渦旋。該數據是結合微波的穿云功能和紅外SST數據高分辨率及近海岸觀測能力的近實時產品。數據從2002年6月1日發布至今, 其空間分辨率為9 km, 時間分辨率為1 d, 每天可以覆蓋全球所有的海洋[20]。

本文使用的風場數據來自美國國家航空航天局(NASA)的QuikSCAT衛星(https://coastwatch.pfeg. noaa.gov/data.html#)。該衛星上的海風觀測儀是一種雙波束微波散射儀, 用于測量全球海洋上風力的大小和方向, 風速測量的參考高度為地表以上10 m, 可以覆蓋全球90%的海洋, 被認為是海表風速的準確呈現[24]。數據集時間范圍為1999年7月21日至2009年11月21日, 空間分辨率為0.125°, 時間分辨率為1 d。NASA對海風數據進行了處理, 得到與風速同分辨率的風應力數據。

本文使用的海平面異常(sea level anomaly, SLA)數據為AVISO發布的all-sat融合產品(http://www. aviso.altimetry.fr)[25]。該數據融合了所有可用的衛星高度計觀測數據, 空間分辨率為0.25°, 時間分辨率為1 d, 能有效反映出全球海平面高度信息。

本文使用的drifter數據為全球漂流浮標計劃(global drifter program, GDP)每小時數據集的1.01版本(https://www.aoml.noaa.gov/phod/gdp/hourly_data. php), 該數據集中共包含985個由全球定位系統跟蹤(GPS-tracked)的drifter軌跡文件, 每個文件中記錄了每小時該drifter的位置和速度。

1.2 方法

本文對基于熱成風速度的渦旋識別方法進行了拓展, 命名為基于熱成風速度的渦旋識別拓展方法, 該方法通過以下步驟定義渦旋:

1) SST降噪。計算出海表面溫度異常(sea surface temperature anomaly, SSTA)以最大程度地降低由天氣和其他偶然因素引起的每日溫度變化的影響。

SSTA=SST–DC, (1)

其中, DC (daily climatology)為每日氣候態SST, 由18年間(2003—2020年)的每日SST數據得到。第日的DC值為第日所在月份的平均SST與每年第日的平均SST的均值(閏年最后一天的DC值用第365天的值代替)。

2) 依據基于熱成風速度的渦旋識別方法[20]將SSTA轉化為對應速度場并進行渦旋識別得到初始渦旋的渦心和極性, 渦旋邊界定義為SSTA水平梯度最大處溫度異常等值線。

3) 空間濾波。對于所有初始渦旋, 依據其空間尺度大小(渦旋內包含的最小網格數量需滿足min=8[26])進行篩選, 去除由SST隨機噪聲產生的小的“偽渦旋”。

4) 時間濾波。由于SST易受干擾, 短期存在的渦旋為噪聲引起的“偽渦旋”的可能性較大。依據相鄰時間幀的渦旋極性和位置對所有渦旋進行連續追蹤觀測, 根據渦旋生命周期對其進行時間濾波, 去除短期波動的影響。生命周期≥的渦旋被認為是真實渦旋。

=L≥2, (4)

其中,L是第個初始渦旋的壽命(此處不考慮僅存在一天的初始渦旋),為初始渦旋總數,表示初始渦旋的平均壽命,為標準差,取最接近整數。由于不同地理位置渦旋壽命和數量可能存在一定差異, 因而在不同區域計算得到的值可能會存在不同(綜合考慮保留的渦旋數量和準確性, 本文中黑潮延伸體區域值選取為4)。

2 50～100 km渦旋分布

本文采用2002年6月1日至2018年5月31日的SST數據, 使用基于熱成風速度的渦旋識別拓展方法, 成功檢測出了大部分中尺度渦旋和50～100 km渦旋。圖1顯示了2006年1、4、7、10月份某日渦旋分布情況。在同一時間幀下, 將渦旋與對應的SSTA及SLA在空間上進行疊加, 結果表明大多數溫度異常都能被算法檢測為渦旋。由于本文采用的SST數據分辨率為9 km而SLA數據分辨率為0.25°, 因此一些尺度較小的渦旋不能在SLA上體現出來, 但算法檢測出來的半徑較大(>40 km)的渦旋附近的等高線均較為密集并伴隨著SLA極值點的產生。圖1半徑較大的渦旋中, 約75%的渦旋的渦心與SLA中心并不重合, 但這些渦旋均與SLA極值點最外圍等值線確定的區域有所重疊。在不同月份, 半徑較大的渦旋均能與附近的SLA匹配, 算法體現了不錯的檢測效果。

圖1 渦旋分布示意圖

注: 圖中渦旋半徑均大于20公里, 底圖為SSTA, 金線為SLA, 紅色(藍色)曲線表示反氣旋渦(氣旋渦)

為檢驗算法在黑潮延伸體區域的準確性, 本文結合SLA和drifter數據在該區域進行了個例驗證, 圖2顯示了一個氣旋渦在2015年12月15日至26日的位置變化。在觀測期間內目標渦旋附近出現了一個drifter(ID: dd61504040), 從15日開始逐漸接近目標渦旋并一直圍繞渦旋外圍運動。由于SST易受干擾, 觀測期間內渦旋出現過短暫消失, 但均能在下一時間節點上被檢測出來。渦旋所在位置附近等高線較為密集, 且在渦旋西北方向有閉合SLA等值線出現(黃色三角形), 表明SLA在該位置也能檢測出相應渦旋。由連續時間內SLA等值線的變化可以看到兩個渦旋逐漸分離的過程(圖西北角), 而這一過程也能在SSTA上顯示出來。渦旋與drifter和SLA的一致性表明算法在該區域的確具有較好的檢測效果。

2002年6月1日至2018年5月31日間黑潮延伸體區域共識別出24 289個50～100 km渦旋, 氣旋渦和反氣旋渦的數量分別為13 385和10 904, 比值約為1.2。50～100 km渦旋生命周期分布如圖3a所示, 渦旋最大生命周期約為14 d, 最短生命周期為4 d(此處僅統計4 d及以上的渦旋), 與前人研究得到的10～100 km海洋動力過程時間變化通常持續數天到數周結論較為一致[27]。渦旋平均壽命約為5 d, 95%的渦旋生命周期在7 d以內, 相同壽命的渦旋中氣旋渦數量略多于反氣旋渦, 但兩者生命周期的分布趨勢基本一致。50～100 km渦旋半徑分布如圖3b所示, 隨半徑增大渦旋數量逐漸減少, 氣旋渦和反氣旋渦半徑的分布趨勢具有一致性。

對每個1°×1°網格內渦旋數量進行統計, 得到50～100 km渦旋地理分布如圖4所示。50～100 km渦旋總體上呈緯向分布, 大多沿等溫線分布于黑潮延伸體南北兩端, 32°～36°N之間渦旋數量相對較少。對該區域50～100 km渦旋極性分布(圖4b)進行分析表明, 氣旋渦和反氣旋渦具有不明顯的斑塊狀交替分布特征。相對而言, 氣渦旋主要分布在黑潮延伸體北側, 而反氣旋渦在黑潮延伸體南側相對密集。

圖2 某氣旋渦2015年12月15日至26日的位置變化

注: 顏色表示SSTA, 靛藍色細線表示SLA, 藍色粗線表示目標渦旋, 黑線為當天drifter運動軌跡, 黃色三角形為SLA閉合等值線中心

圖3 50～100 km渦旋生命周期和半徑分布

盡管黑潮延伸體流軸形態年際變化較大, 但多年間其流軸位置基本位于32°～36°N之間[28]。黑潮延伸體流軸附近50～100 km渦旋數量較少而流軸兩側渦旋數量較多, 與前人利用SSH得到的渦旋分布特征并不完全相符。已有研究表明黑潮延伸體區域渦旋生成機制主要有兩種: 一是由黑潮延伸體流軸彎曲脫落生成, 二是由水平剪切力不穩定產生。流軸彎曲脫落形成的渦旋主要位于流軸附近, 大多為壽命較長半徑較大攜帶能量較強的渦旋, 其中反氣旋渦主要分布在流軸北側, 氣旋渦主要分布在流軸南側[29]。而由水平剪切力不穩定產生的渦旋壽命和半徑相對較小, 這一部分渦旋中, 氣旋渦主要分布在35°N以北, 反氣旋渦主要分布在35°N以南[2]。圖4結果表明50～100 km渦旋地理分布特征與由水平剪切力不穩定產生的中尺度渦旋較為相似。

圖4 1°×1°網格內50～100 km渦旋數量和極性分布

注: 渦旋極性表示一個點位于氣旋渦或反氣旋渦內的概率, 計算公式為(ae–ce)/(ae+ce)[30], 其中ae(ce)表示該點出現反氣旋渦(氣旋渦)的時間占統計時間的百分比, 極性為正(負)表示在這一點上很可能會出現反氣旋渦(氣旋渦)

3 50～100 km渦旋數量與風速的相關性

高分辨率衛星觀測表明, 在熱帶和亞熱帶地區, SST和海表風速在中尺度上呈正相關[31], 因此本文探究50～100 km尺度上SST和海表風速是否也存在相關性?？紤]到黑潮延伸體區域50～100 km渦旋的極性分布大致以35°N為界, 圖5顯示了2002年6月1日至2009年5月31日黑潮延伸體區域35°N南北兩側的平均風速與50～100 km渦旋生成數量的季節性變化。在35°N以北, 風速夏季較小而冬季較大, 氣旋渦和反氣旋渦數量冬季較小而春季較大(圖5a, 5b)。風速大小與氣旋渦和反氣旋渦數量的相關性分別為–0.2和–0.02, 表明35°N以北渦旋數量和風速大小季節性變化幾乎不存在相關性。在35°N以南, 冬春季節, 渦旋數量較多, 風速較大; 夏秋季節, 渦旋數量較少, 風速也相對較小, 渦旋數量和風速季節性變化具有一致性(圖5c, 5d)。風速大小與氣旋渦和反氣旋渦數量的相關性分別為0.74和0.8, 表明35°N以南渦旋數量和風速大小季節性變化存在較強的正相關。

圖5 35°N南北兩側50～100 km渦旋數量與風速的季節性變化

由于渦旋數量與風速的季節性變化一致, 進一步分析渦旋地理分布的季節性變化與風速之間是否存在相關性。選取夏季(6月—8月)和冬季(12月—2月)對渦旋地理分布進行分析, 結果如圖6所示。夏季渦旋主要集中在黑潮延伸體北側(36°N以北), 南側(32°N以南)渦旋數量較少, 氣旋渦和反氣旋渦在(144°E, 39°N)附近較為集中。冬季時黑潮延伸體南側渦旋數量相對夏季明顯增多, 且整個區域渦旋生成數量更多, 位置覆蓋范圍相對更廣, 氣旋渦和反氣旋渦分布特征變化基本一致。

圖6 夏季和冬季50～100 km渦旋地理分布

為探究黑潮延伸體區域冬夏兩季渦旋地理分布差異的原因, 對冬夏兩季SST水平梯度及風應力旋度進行分析如圖7所示。夏季SST范圍為17～27 ℃, 等溫線分布較為稀疏(圖7a), 對應的SST水平梯度在(143°E, 36°N)和(146°E, 39°N)附近較大, 約為3.5 ℃/100 km, 其他區域較小, 35°N以南更小, 在1 ℃/100 km以下(圖7c)。對于風應力旋度而言, 夏季時35°N以南風應力為負旋度, 約為–1×10–7Pa/m, 35°N以北除SST水平梯度較大處的風應力旋度為2×10–7Pa/m外, 其他區域風應力旋度均接近于0 (圖7e)。在冬季, SST范圍為8～22 ℃, 等溫線分布較為密集(圖7b), 35°N以北SST水平梯度相較于夏季有明顯增強, 最大值為5 ℃/100 km, 35°N以南SST水平梯度與夏季基本一致(圖7d)。冬季時風應力旋度相比于夏季有明顯增強, 水平梯度較強(>3.5 ℃/100 km)的區域對應的風應力旋度基本為正, 其他區域風應力為負旋度, 正負旋度的最大值均接近5×10–7Pa/m (圖7f)。

渦旋冬夏兩季地理分布的差異與該區域SST水平梯度及風應力旋度有關。夏季時風應力旋度較小, SST水平梯度強度較弱, 上方大氣的斜壓較弱, 使得向渦動能轉換的斜壓能量較弱, 渦旋在此區域的生成較少。渦旋生成主要集中在水平梯度強度較大處(約為142°～146°E, 36°～40°N), 因此夏季時這一區域的渦旋數量相較于其他區域較多。由于這一區域風應力為正旋度, 風向海水輸入正的渦度, 有助于氣旋渦的生成, 使得這一區域生成的渦旋中氣旋渦數量多于反氣旋渦(圖6a, b)。冬季時黑潮延伸體區域風應力旋度大, SST水平梯度較大, 該區域海表溫度鋒強度較強, 增強了其上空的大氣斜壓, 使得向渦動能轉化的斜壓能量增強, 渦旋在此區域生成更頻繁[32], 因此冬季黑潮延伸體區域渦旋數量較夏季明顯增多。較大的風應力負旋度使高緯度海水向南運動, 導致黑潮延伸體區域南側渦旋數量增加。風應力負旋度給海水輸送負的渦度, 有助于反氣旋渦生成, 使得冬季反氣旋渦數量較夏季明顯增多, 相對集中在風應力旋度為負的黑潮延伸體南側(圖6d)。同時, 冬季較強的西風使得渦旋生成后向下游運動, 因而下游區域渦旋數量相對于上游較多。

圖7 夏季和冬季平均SST、SST水平梯度和風應力旋度

之前的分析表明黑潮延伸體區域35°N以南50～ 100 km渦旋數量與風速大小和風應力旋度之間存在明顯的相關性, 為進一步探究35°N以南50～100 km渦旋與風速和風應力旋度之間的關系, 對冬夏兩季50～ 100 km渦旋3倍半徑內風速異常(風速異常為每日風速的大小與該日所在月份10 a間平均風速值大小的差異)和渦旋生成時3倍半徑內風應力旋度進行歸一化如圖8所示。夏季反氣旋渦附近風速異常為正值, 隨著與渦心距離的增大, 風速異常逐漸減小; 氣旋渦附近風速異常為負值, 渦心處風速異常值最小, 遠離渦心處風速異常逐漸增大。冬季反氣旋渦3倍半徑內均為強烈的風速正異常, 氣旋渦3倍半徑內均為強烈的風速負異常(圖8上)。相較于夏季而言, 冬季氣旋渦和反氣旋渦附近風速異常均明顯增強, 這可能是由于冬季時風向較為穩定且SST水平梯度較大, 使得SST與風之間的響應增強。氣旋渦對應風速負異常而反氣旋渦對應風速正異常, 表明氣旋渦的溫度冷異?？赡芟魅醯孛骘L而反氣旋渦的溫度暖異常會增強地面風。

渦旋3倍半徑內風應力旋度歸一化結果表明, 夏季反氣旋渦生成時附近的風應力幾乎均為負旋度, 氣旋渦生成時渦旋外圍出現了明顯的風應力正旋度。冬季時反氣旋渦3倍半徑內風應力旋度為負且相較于夏季明顯增強; 氣旋渦內出現風應力正旋度, 渦旋外圍其他區域風應力旋度為負, 正負旋度均有明顯增強(圖8下)。由于夏季和冬季黑潮延伸體區域35°N以南平均風應力旋度均為負值, 因而歸一化后氣旋和反氣旋渦附近均出現了風應力負旋度。不同的是反氣旋渦附近風應力幾乎均為負旋度而氣旋渦附近出現了明顯的正旋度, 這表明35°N以南50～100 km渦旋生成可能與風應力旋度有關, 負旋度有助于反氣旋渦的生成, 而正旋度有助于氣旋渦的產生。

圖8 50～100 km渦旋3倍半徑內風速異常和風應力旋度歸一化

4 結論

本文采用了基于熱成風速度的渦旋識別拓展方法對黑潮延伸體區域50～100 km渦旋分布特征及其與風速的相關性進行研究, 得到如下結論:

1) 50～100 km渦旋壽命大多在一周以內, 其生命周期及半徑分布不依賴于渦旋的極性, 其空間分布與該區域半徑較小的中尺度渦旋分布較為相似, 即氣旋渦(反氣旋渦)多分布于黑潮延伸體北(南)側。

2) 35°N以南50～100 km渦旋數量分布具有明顯的季節性變化, 表現為春季較多而夏季較少; 風速大小和氣旋渦數量、反氣旋渦數量之間均存在較強的正相關。在35°N以北, 渦旋數量和風速大小之間不存在相關性。

3) 冬夏兩季50～100 km渦旋地理分布存在一定差異, 主要與不同季節風應力旋度和SST水平梯度的不同有關。夏季渦旋主要分布于SST梯度較大的黑潮延伸體北側上游區域, 南側下游區域渦旋數量較少。冬季黑潮延伸體南側渦旋數量增多, 南側下游區域渦旋數量相較于夏季有明顯增加。

4) 黑潮延伸體區域35°N以南50～100 km渦旋與風速異常和風應力旋度存在相關性。氣旋渦對應風速負異常而反氣旋渦對應風速正異常, 反氣旋渦生成時其附近風應力旋度為負值, 氣旋渦的生成與風應力正旋度有關。

[1] Itoh S, Yasuda I. Characteristics of mesoscale eddies in the Kuroshio–Oyashio Extension region detected from the distribution of the sea surface height anomaly[J]. Journal of Physical Oceanography, 2010, 40(5): 1018-1034.

[2] Ji J, Dong C, Zhang B, et al. Oceanic eddy characteristics and generation mechanisms in the Kuroshio Extension region[J]. Journal of Geophysical Research: Oceans, 2018, 123(11): 8548-8567.

[3] Yang Y, San Liang X. On the seasonal eddy variability in the Kuroshio Extension[J]. Journal of Physical Oceanography, 2018, 48(8): 1675-1689.

[4] Fu L, Ubelmann C. On the transition from profile altimeter to swath altimeter for observing global ocean surface topography[J]. Journal of Atmospheric and Oceanic Technology, 2014, 31(2): 560-568.

[5] Durand M, Fu L, Lettenmaier D P, et al. The surface water and ocean topography mission: Observing terrestrial surface water and oceanic submesoscale eddies[J]. Proceedings of the IEEE, 2010, 98(5): 766-779.

[6] Chelton D B, Deszoeke R A, Schlax M G, et al. Geographical variability of the first baroclinic Ros-sby radius of deformation[J]. Journal of Physical Ocea-nography, 1998, 28(3): 433-460.

[7] Zhang Z, Qiu B. Evolution of submesoscale ageos-trophic motions through the life cycle of oceanic mesoscale eddies[J]. Geophysical Research Letters, 2018, 45(21): 11847-11855.

[8] Su Z, Wang J, Klein P, et al. Ocean submesoscales as a key component of the global heat budget[J]. Nature Communications, 2018, 9: 775.

[9] 胡冬, 陳希, 毛科峰, 等. 黑潮延伸體鄰近區域中尺度渦特征統計分析[J]. 海洋與湖沼, 2018, 49(3): 497- 511.

Hu Dong, Chen Xi, Mao Kefeng, et al. Statistical characteristics of mesoscale eddies near the Kuroshio Extension region[J]. Oceanology et Limnologia Sinica, 2018, 49(3): 497-511.

[10] Resplandy L, Lévy M, McGillicuddy D J. Effects of eddy‐driven subduction on ocean biological carbon pump[J]. Global Biogeochemical Cycles, 2019, 33(8): 1071-1084.

[11] Kasajima Y, Olsson K A, Johannessen T, et al. A submesoscale coherent eddy in the Greenland Sea in 2003[J]. Journal of Geophysical Research, 2006, 111(C7): C07013.

[12] Kim S Y. Observations of submesoscale eddies using high-frequency radar-derived kinematic and dynamic quantities[J]. Continental Shelf Research, 2010, 30(15): 1639-1655.

[13] Zheng S, Du Y, Li J, et al. Eddy characteristics in the South Indian Ocean as inferred from surface drifters[J]. Ocean Science, 2015, 11(3): 361-371.

[14] Kolodziejczyk N, Testor P, Lazar A, et al. Subsurface fine-scale patterns in an anticyclonic eddy off Cap-Vert Peninsula observed from glider measurements[J]. Journal of Geophysical Research: Oceans, 2018, 123(9): 6312-6329.

[15] Zhang C, Li H, Liu S, et al. Automatic detection of oceanic eddies in reanalyzed SST images and its application in the East China Sea[J]. Science China Earth Sciences, 2015, 58(12): 2249-2259.

[16] Jin H, Yang X, Gong J, et al. Automatic eddy extraction from SST imagery using artificial neural network[C]//Proceedings of the International Archives of the Photogrammetry, Remote Sensing and Spatial Information Sciences. Beijing, China: ISPRSArchives, 2008, XXXVII (B6b): 279-282.

[17] Fernandes A. Automatic water eddy detection in SST maps using random ellipse fitting and vectorial fields for image segmentation[M]. Berlin, Heidelberg: Springer Berlin Heidelberg, 2006: 77-88.

[18] D’Alimonte D. Detection of mesoscale eddy-related structures through Iso-SST patterns[J]. IEEE Geoscience and Remote Sensing Letters, 2009, 6(2): 189-193.

[19] Karoui I, Chauris H, Garreau P, et al. Multi- resolution eddy detection from ocean color and sea surface temperature images[C]. OCEANS'10 IEEE SYDNEY, Sydney, NSW, 2010, 1-6.

[20] Dong C, Nencioli F, Liu Y, et al. An automated approach to detect oceanic eddies from satellite remo-tely sensed sea surface temperature data[J]. IEEE Geoscience and Remote Sensing Letters, 2011, 8(6): 1055- 1059.

[21] Liu Y, Dong C, Guan Y, et al. Eddy analysis in the subtropical zonal band of the North Pacific Ocean[J]. Deep-Sea Research Part I-Oceanographic Research Papers, 2012, 68: 54-67.

[22] Lin X, Dong C, Chen D, et al. Three-dimensional properties of mesoscale eddies in the South China Sea based on eddy-resolving model output[J]. Deep-Sea Research Part I-Oceanographic Research Papers, 2015, 99: 46-64.

[23] Sun W, Dong C, Wang R, et al. Vertical structure anomalies of oceanic eddies in the Kuroshio Extension region[J]. Journal of Geophysical Research-Oceans, 2017, 122(2): 1476-1496.

[24] Fan X, Krieger J R, Zhang J, et al. Assimilating QuikSCAT ocean surface winds with the weather research and forecasting model for surface wind-field simulation over the Chukchi/Beaufort Seas[J]. Boundary-Layer Meteorology, 2013, 148(1): 207-226.

[25] 劉穎潔, 田豐林, 陳戈. 南海中尺度渦旋海表溫度特征統計研究[J]. 中國海洋大學學報(自然科學版), 2020, 50(5): 146-156.

Liu Yingjie, Tian Fenglin, Chen Ge. Statistical characterization of sea surface temperature over meso-scale eddies in the South China Sea[J]. Periodical of Ocean University of China, 2020, 50(5): 146-156.

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

[27] Morrow R, Fu L, Ardhuin F, et al. Global observations of fine-scale ocean surface topography with the surface water and ocean topography (SWOT) mission[J]. Frontiers in Marine Science, 2019, 6: 232.

[28] Qiu B, Chen S. Eddy-mean flow interaction in the decadally modulating Kuroshio Extension system[J]. Deep-Sea Research Part II-Topical Studies in Oceanography, 2010, 57(13/14): 1098-1110.

[29] 張笑, 賈英來, 沈輝, 等. 黑潮延伸體區域海洋渦旋研究進展[J]. 氣候變化研究快報, 2013, 2(1): 1-8.

Zhang Xiao, Jia Yinglai, Shen Hui, et al. Review on mesoscale eddy studies in the Kuroshio Extension region[J]. Climate Change Research Letters, 2013, 2(1): 1-8.

[30] Chen G, Hou Y, Chu X. Mesoscale eddies in the South China Sea: Mean properties, spatiotemporal variability, and impact on thermohaline structure[J]. Journal of Geophysical Research, 2011, 116: C06018.

[31] Chelton D B, Esbensen S K, Schlax G, et al. Observations of coupling between surface wind stress and sea surface temperature in the eastern tropical Pacific[J]. Journal of Climate, 2001, 14(7): 1479-1498.

[32] 劉明洋, 李崇銀, 譚言科, 等. 黑潮延伸體區域海表溫度鋒的季節變化對北太平洋風暴軸的影響[J]. 氣象, 2017, 43(4): 443-449.

Liu Mingyang, Li Chongyin, Tan Yanke, et al. Seasonal variation of Kuroshio Extension SST front and it influence on the Pacific storm track[J]. Meteorological Monthly, 2017, 43(4): 443-449.

Distribution characteristics of eddies with a scale of 50～100 km in the Kuroshio Extension region

QIAN Si-jia, YU Fang-jie, CHEN Ge

(College of Information Science and Engineering, Ocean University of China, Qingdao 266100, China)

This paper utilizes a high-resolution sea surface temperature (SST) and an extended eddy detection algorithm based on the thermal-wind velocity to study the characteristics of eddies with a scale of 50～100 km in the Kuroshio Extension region. Results show that eddies with a scale of 50–100 km are mainly distributed on both sides of the Kuroshio Extension region. The lifetime and radius distribution of cyclonic eddies (CEs) and anticyclonic eddies (AEs) are consistent. CEs are mostly distributed in the north of 35°N while AEs are more concentrated in the south of 35°N; this distribution is similar to the distribution characteristic of mesoscale eddies at small scales. There is a slight difference in the eddy distribution characteristics in winter and summer, which is mainly due to the difference in the SST horizontal gradient and wind stress curl in different seasons. The seasonal variation of the number of CEs and AEs in the south of 35°N is positively correlated with the seasonal variation of the wind speed. The normalization of the wind speed anomaly and wind stress curl within three times the radius of eddies with a scale of 50～100 km in the south of 35°N show that AEs correspond to the positive anomaly of the wind speed while CEs correspond to the negative wind speed anomaly. AEs and CEs are generated due to the negative and positive curls of the wind stress, respectively.

Kuroshio Extension; eddy with a scale of 50～100 km; sea surface temperature; extended eddy detection algorithm; eddy-wind speed

Dec. 14, 2020

P731.21

A

1000-3096(2021)11-0010-10

10.11759/hykx20201214002

2020-12-14;

2021-03-08

國家重點研發計劃(2016YFC1400904, 2016YFC1402608)

[National key research and development program of China, No. 2016YFC1400904, No. 2016YFC1402608]

錢思佳(1997—), 女, 湖北荊州人, 碩士生, 主要從事中小尺度渦旋分布研究, E-mail: sijiaqiancug@163.com; 于方杰(1979—),通信作者, 男, 山東青島人, 副教授, 主要從事海洋移動觀測研究, E-mail: yufangjie@ouc.edu.cn

(本文編輯: 趙衛紅)