黃海綠潮發(fā)展規(guī)模影響因子及預(yù)測(cè)方法研究

焦 艷 , 商 杰 , 高 松 , 吳玲娟 , 李 杰 , 于清溪 , 趙一丁 ,付 迪

(1. 山東省海洋生態(tài)環(huán)境與防災(zāi)減災(zāi)重點(diǎn)實(shí)驗(yàn)室, 山東 青島 266061; 2. 國(guó)家海洋局北海預(yù)報(bào)中心, 山東 青島 266061; 3. 國(guó)家海洋局北海信息中心, 山東 青島 266061)

綠潮是指海洋中一些大型藻類(如滸苔)在一定環(huán)境條件下漂浮增殖或聚集達(dá)到某一水平, 導(dǎo)致海洋生態(tài)環(huán)境異常的一種現(xiàn)象[1]。綠潮在全球沿岸海域暴發(fā)變得越來(lái)越頻繁, 已經(jīng)成為一種世界性的海洋災(zāi)害。自1980年起, 美國(guó)、加拿大、荷蘭、法國(guó)、意大利、日本和韓國(guó)等國(guó)家, 均暴發(fā)過(guò)綠潮災(zāi)害, 法國(guó)沿岸海域尤為嚴(yán)重[2-5]。

2007年, 黃海中、南部海域首次發(fā)生綠潮。2008年至今, 黃海海域綠潮災(zāi)害連年暴發(fā), 分布面積居高不下, 山東半島南部沿岸的日照、青島、煙臺(tái)、威海等地均有不同程度的綠潮登陸。綠潮不僅對(duì)沿海地區(qū)的水上賽事、水產(chǎn)養(yǎng)殖、濱海旅游、海上交通運(yùn)輸?shù)认嚓P(guān)產(chǎn)業(yè)產(chǎn)生嚴(yán)重影響, 也對(duì)近海海洋生態(tài)環(huán)境造成嚴(yán)重破壞。

黃海綠潮暴發(fā)已有十余年的歷史, 由于大氣和海洋環(huán)境不同, 不同年份綠潮的發(fā)展規(guī)模有明顯差異。特別是近年來(lái), 我國(guó)近海海洋環(huán)境的極端氣候事件增多, 導(dǎo)致綠潮發(fā)展的不確定性增大。因此, 研究黃海綠潮發(fā)展的影響因子, 在綠潮生成前期對(duì)其分布面積進(jìn)行有效預(yù)測(cè), 可為有關(guān)部門(mén)提前開(kāi)展綠潮防災(zāi)減災(zāi)工作部署、制定應(yīng)急處置方案提供必要的科學(xué)依據(jù)。

目前已有學(xué)者在綠潮影響因子和預(yù)測(cè)預(yù)報(bào)技術(shù)方面開(kāi)展了一些初步研究。張?zhí)K平等[6]和衣立等[7]分別從黃海水文氣象條件變化方面對(duì)2008、2009年綠潮聚集和定向移動(dòng)進(jìn)行研究分析, 認(rèn)為風(fēng)場(chǎng)是綠潮漂動(dòng)的主要強(qiáng)迫場(chǎng), 風(fēng)場(chǎng)驅(qū)動(dòng)下的海洋表層流場(chǎng)年際變化是綠潮漂移路徑變異的主要原因。黃娟等[8]基于三維全動(dòng)力POM海洋模式和2008—2009年黃海綠潮多源實(shí)測(cè)和監(jiān)測(cè)數(shù)據(jù), 利用拉格朗日粒子追蹤方法對(duì)綠潮的漂移軌跡進(jìn)行應(yīng)急預(yù)測(cè), 取得了較好的預(yù)報(bào)效果。Lin 等[9]從交叉學(xué)科的角度研究綠潮成因和動(dòng)力機(jī)制, 發(fā)現(xiàn)2008年4—5月在南黃海中部穩(wěn)定冷渦的發(fā)生發(fā)展和運(yùn)動(dòng)過(guò)程與滸苔的漂流聚集密切相關(guān), 可以利用冷渦來(lái)預(yù)測(cè)綠潮的生消和漂移。上述研究結(jié)合黃海綠潮在特定年份的發(fā)展過(guò)程, 提出了影響綠潮暴發(fā)和漂移的局地因子, 并通過(guò)數(shù)值模擬的方式進(jìn)行綠潮預(yù)報(bào)。

然而, 而黃海綠潮發(fā)生在開(kāi)闊海域, 在生成和發(fā)展的過(guò)程中要經(jīng)過(guò)大規(guī)模、長(zhǎng)時(shí)間的漂移。數(shù)值模擬方法受強(qiáng)迫場(chǎng)和計(jì)算資源的限制, 預(yù)報(bào)時(shí)效偏短(一般小于7 d), 無(wú)法滿足綠潮防災(zāi)減災(zāi)的實(shí)際需求。為延長(zhǎng)綠潮的預(yù)報(bào)時(shí)效, 本文首次采用氣候統(tǒng)計(jì)預(yù)測(cè)的思想, 分析綠潮規(guī)模年際變化與前期大氣和海洋要素的定量關(guān)系, 建立綠潮最大分布面積的定量化預(yù)測(cè)模型。

1 研究區(qū)域及數(shù)據(jù)來(lái)源

黃海綠潮主要生成于江蘇鹽城外海, 隨著面積的增長(zhǎng)不斷向北漂移, 影響山東附近海域。本文選取(33~37°N, 119~123°E)為研究區(qū)域, 并根據(jù)綠潮藻種的演變規(guī)律和對(duì)近岸的影響程度, 以35°N為界劃分為兩部分(圖1)。綠潮發(fā)展初期主要位于35°N以南海域, 此時(shí)對(duì)近岸影響較小; 綠潮發(fā)展成熟期主要位于35°N以北海域, 當(dāng)綠潮北移進(jìn)入35°N時(shí)表明其對(duì)近岸的影響逐漸開(kāi)始。

圖1 研究區(qū)域位置Fig. 1 Location of the study area

綠潮資料來(lái)源于國(guó)家海洋局北海預(yù)報(bào)中心綠潮多源監(jiān)測(cè)數(shù)據(jù)和2019年《北海區(qū)海洋災(zāi)害公報(bào)》[10],時(shí)間為2008—2019年。國(guó)家海洋局北海預(yù)報(bào)中心承擔(dān)北海區(qū)綠潮業(yè)務(wù)化監(jiān)測(cè)與預(yù)警職責(zé), 數(shù)據(jù)資料詳實(shí)可靠。大氣和海洋數(shù)據(jù)選取NCEP/NCAR Climate Forecast System Reanalysis (CFSR)和Climate Forecast System Version 2 (CFS v2), 以及Met Office HadISST, 時(shí)間為1990—2019年。

2 綠潮規(guī)模年際變化

表征綠潮規(guī)模的物理量有兩個(gè), 分別為綠潮的分布面積和覆蓋面積。綠潮分布面積指發(fā)現(xiàn)漂浮綠潮的整個(gè)海域包絡(luò)線以內(nèi)的總面積; 綠潮覆蓋面積指綠潮實(shí)際覆蓋的海域面積。此外, 還有一個(gè)概念為綠潮分布密度, 定義為覆蓋面積與分布面積的比值,用公式表示為:

圖2為2008至2019年各年最大分布面積和最大覆蓋面積的年際變化。最大分布面積達(dá)到或超過(guò)50 000 km2的年份有5個(gè), 分別為2009、2014、2015、2016和2019年, 其中2009年分布面積最大, 達(dá)到58 000 km2; 2012年分布面積最小, 不足20 000 km2;平均分布面積約40 000 km2。

圖2 2008—2019年最大分布面積和最大覆蓋面積年際變化Fig. 2 Interannual variation in the maximum distribution and coverage area from 2008 to 2019

覆蓋面積最大值也出現(xiàn)在2009年, 約為2 100 km2,最小值為2018年的193 km2, 與當(dāng)年環(huán)境綜合治理密切相關(guān)。平均覆蓋面積約620 km2。

圖3為2008至2019年綠潮分布密度的年際變化及其線性趨勢(shì)。可以看出綠潮分布密度總體呈現(xiàn)下降的趨勢(shì), 2009年分布密度最大, 達(dá)到3.6%; 2018年分布密度最小, 僅為0.5%。

圖3 2008—2019年綠潮分布密度年際變化及線性趨勢(shì)Fig. 3 Interannual variation and linear trend of the green tide distribution density from 2008 to 2019

本文選取綠潮最大分布面積作為表征當(dāng)年綠潮規(guī)模的物理量, 分析影響因子并建立預(yù)測(cè)模型。一方面, 綠潮分布面積決定了其整體影響范圍; 另一方面, 與綠潮覆蓋面積相比, 分布面積的監(jiān)測(cè)技術(shù)更成熟、精確度更高。

3 綠潮分布面積影響因子分析及預(yù)測(cè)模型建立

黃海綠潮的暴發(fā)機(jī)理比較復(fù)雜, 在生成和發(fā)展的過(guò)程中, 主要受綠潮源地生態(tài)因子、黃海海域大氣和海洋熱力和動(dòng)力因子的影響[11-13]。為延長(zhǎng)預(yù)報(bào)時(shí)效, 采用了氣候統(tǒng)計(jì)預(yù)測(cè)的思想和方法, 研究大氣和海洋熱力和動(dòng)力因子對(duì)綠潮發(fā)展規(guī)模的影響, 暫不考慮源地生態(tài)因子的影響。

3.1 綠潮分布面積影響因子分析

選取溫度、濕度、降水、輻射、風(fēng)、流、鹽度等14個(gè)與綠潮發(fā)展規(guī)?？赡芟嚓P(guān)的大氣和海洋熱、動(dòng)力因子(表1), 按照第1節(jié)的區(qū)域劃分, 分別計(jì)算區(qū)域1、區(qū)域2和區(qū)域1+2各要素區(qū)域平均值與當(dāng)年最大分布面積的滑動(dòng)相關(guān)系數(shù)(圖4)。為排除高頻信號(hào)的干擾, 同時(shí)為便于業(yè)務(wù)化應(yīng)用, 將上述大氣和海洋要素進(jìn)行5 d平均處理。

表1 影響綠潮發(fā)展規(guī)模的可能因子Tab. 1 Possible factors influencing the development scale of the green tide

表1列出的14個(gè)變量中, 有6個(gè)變量的滑動(dòng)相關(guān)系數(shù)通過(guò)95%顯著性檢驗(yàn), 分別為海溫、鹽度、降水率、表面短波輻射、風(fēng)的緯向分量和流的緯向分量(圖4)。變量名后的數(shù)字表示區(qū)域, 方框標(biāo)記出相關(guān)性較強(qiáng)的時(shí)段。

圖4中, 有5個(gè)因子的關(guān)鍵影響區(qū)都位于區(qū)域1,僅有鹽度的關(guān)鍵影響區(qū)是區(qū)域2, 說(shuō)明綠潮發(fā)展初期的大氣和海洋環(huán)境對(duì)綠潮發(fā)展規(guī)模起主導(dǎo)作用。下面對(duì)各因子的相關(guān)性進(jìn)行具體分析。

圖4 通過(guò)檢驗(yàn)的大氣和海洋要素與綠潮最大分布面積的滑動(dòng)相關(guān)系數(shù)Fig. 4 Sliding correlation coefficients between significant atmospheric and marine factors and the maximum distribution area of the green tide

所有因子中, 相關(guān)性最強(qiáng)且信號(hào)持續(xù)時(shí)間最長(zhǎng)的是海溫。持續(xù)的正相關(guān)信號(hào)表明, 前期海溫越高, 綠潮分布面積越大。鹽度雖然僅在4月第6—15 d通過(guò)顯著性檢驗(yàn), 但在綠潮暴發(fā)前期也呈現(xiàn)持續(xù)的正相關(guān)信號(hào), 且鹽度關(guān)鍵影響區(qū)為區(qū)域2, 表明35°N以北海域海水中的鹽分多少是綠潮能否持續(xù)發(fā)展的影響因子。降水率與綠潮最大分布面積在5月第11—15 d呈強(qiáng)正相關(guān)關(guān)系, 5月第11—15 d處于綠潮規(guī)模達(dá)到衛(wèi)星可觀測(cè)時(shí)間的前5 d, 表明在綠潮暴發(fā)前如果發(fā)生強(qiáng)降水, 易引發(fā)海水富營(yíng)養(yǎng)化, 從而有利于綠潮暴發(fā)。向下短波輻射的關(guān)鍵影響期是在6月第6—10 d前后, 說(shuō)明在綠潮發(fā)展初期, 充足的光照有利于綠潮的生長(zhǎng)。風(fēng)和流的緯向分量屬于大氣和海洋的動(dòng)力因子, 它們通過(guò)影響綠潮的漂移路徑對(duì)綠潮最大分布面積產(chǎn)生影響。具體來(lái)說(shuō), 當(dāng)風(fēng)和流的緯向分量為正(自西向東)時(shí), 有利于綠潮向東漂移, 東部開(kāi)闊的海域有利于綠潮的發(fā)展和擴(kuò)散。

3.2 綠潮分布面積預(yù)測(cè)模型建立

為便于業(yè)務(wù)化應(yīng)用, 在建立預(yù)測(cè)模型時(shí), 選取因子應(yīng)遵循以下幾個(gè)原則: (1) 因子的強(qiáng)相關(guān)信號(hào)要有一定的持續(xù)性; (2) 因子強(qiáng)相關(guān)時(shí)段宜早不宜晚,以保證預(yù)測(cè)的時(shí)效性; (3) 兼顧大氣與海洋、熱力與動(dòng)力因子的影響。選取相關(guān)系數(shù)最高的海溫、向下短波輻射和流的緯向分量作為預(yù)測(cè)因子, 分別代表海洋熱力因子、大氣因子和海洋動(dòng)力因子, 并以其在對(duì)應(yīng)時(shí)段內(nèi)的均值定義指數(shù):Xsst(3月第16 d至4月第30 d)、Xdswsfc(6月第6 d至第15 d)和Xocn_u(6月第6 d至第25 d)。

采用一元/多元回歸方法建立綠潮最大分布面積(S)與各因子組合的回歸方程。表2列出了各因子組合方程的相關(guān)系數(shù)(R)和標(biāo)準(zhǔn)差(standard deviation,DST)。

由表2可知, 與綠潮最大分布面積相關(guān)性最好的因子是Xocn_u,R達(dá)到0.75, 通過(guò)95%顯著性檢驗(yàn)。因此最優(yōu)一元回歸方程為:

表2 不同因子組合建立一元/多元回歸方程結(jié)果檢驗(yàn)Tab. 2 Test of linear/multiple regression equations constructed via different factor combinations

在Xocn_u因子的基礎(chǔ)上增加X(jué)sst因子,R提升至0.80,DST下降至9.58×103km2, 因此最優(yōu)二元回歸方程為:

若同時(shí)考慮3個(gè)因子的影響, 建立三元回歸方程,R并沒(méi)有較二元回歸方程有所提高, 反而標(biāo)準(zhǔn)差有所增大, 說(shuō)明引入預(yù)測(cè)因子過(guò)多會(huì)引起干擾信號(hào)增強(qiáng), 因此僅采用一元和二元回歸方程作為預(yù)測(cè)模型。

從擬合結(jié)果來(lái)看(圖5), 一元和二元回歸模型都能夠比較好地模擬出綠潮最大分布面積的總體變化趨勢(shì), 即2009年偏大, 2010—2013年偏小, 2014—2016年轉(zhuǎn)為偏大。對(duì)比而言, 二元回歸模型更接近與觀測(cè)值, 由此采用式(3)作為綠潮最大分布面積的預(yù)測(cè)方程。

圖5 最優(yōu)一元/二元回歸模型擬合值與綠潮實(shí)際最大分布面積對(duì)比圖Fig. 5 Comparison between the fitting value of the optimal linear/binary regression model and the observation value of the maximum distribution area of the green tide

4 大尺度海洋和大氣環(huán)流的影響

由上文可知, 影響綠潮最大分布面積的關(guān)鍵因子為綠潮暴發(fā)前的海溫和綠潮漂移過(guò)程中的緯向流,本節(jié)將進(jìn)一步探究各因子與大尺度大氣和海洋系統(tǒng)的聯(lián)系。

將Xsst和Xocn_u指數(shù)時(shí)間序列延長(zhǎng)至1990—2019年, 分別計(jì)算各指數(shù)與同期和前期500 hPa位勢(shì)高度和全球海面溫度異常(sea surface temperature anomaly, SSTA)的相關(guān)系數(shù)。圖6a為Xsst指數(shù)與4月500 hPa位勢(shì)高度相關(guān)系數(shù)分布圖(由于篇幅所限,未通過(guò)顯著性檢驗(yàn)的月份圖略)?？梢钥闯? 在北大西洋—?dú)W亞大陸500 hPa位勢(shì)高度自西向東呈現(xiàn)出“+-+”的相關(guān)分布型, 即大西洋東北部正相關(guān), 烏拉爾山負(fù)相關(guān), 貝加爾湖以東正相關(guān), 該分布為比較典型的歐亞遙相關(guān)波列的負(fù)位相。

將與均值的偏差超過(guò)一倍標(biāo)準(zhǔn)差定義為異常年,圖6b和圖6c分別為Xsst偏小年和偏大年500 hPa位勢(shì)高度距平及其等值線合成圖。Xsst偏小年烏拉爾山上空為位勢(shì)高度正距平, 東北大西洋和貝湖以東上空為位勢(shì)高度負(fù)距平。具體表現(xiàn)為烏拉爾阻塞高壓增強(qiáng), 東亞大槽偏西偏深, 歐亞大陸呈經(jīng)向型環(huán)流, 有利于源自高緯度的冷氣團(tuán)南下, 造成黃海海域海溫偏低。反之, 在Xsst偏大年, 烏拉爾脊和東亞大槽整體位相偏東, 東亞大槽偏北偏淺, 不利于高緯度冷氣團(tuán)南下深入至黃海海域, 導(dǎo)致黃海海域海溫偏高。相比之下,Xsst偏大年歐亞遙相關(guān)波列影響更明顯。

圖6 Xsst與4月500 hPa位勢(shì)高度的關(guān)系Fig. 6 Relationship between Xsst and geopotential height of 500 hpa in April

圖7a為Xocn_u指數(shù)與5月全球海面溫度的相關(guān)系數(shù)分布場(chǎng)。在低緯度中東太平洋以及東北太平洋沿岸, 二者呈正相關(guān)關(guān)系, 在西北太平洋呈負(fù)相關(guān)關(guān)系。

圖7b、c分別為Xocn_u指數(shù)偏小和偏大年全球海溫合成場(chǎng)?？梢钥闯鲈赬ocn_u偏小年, 低緯度中東太平洋以及東北太平洋沿岸海溫異常偏低, 該分布型為太平洋年代際振蕩(Pacific decadal oscillation, PDO)負(fù)位相與厄爾尼諾與南方濤動(dòng)(El Ni?o-Southern oscillation, ENSO)負(fù)位相疊加而成。前人研究表明, PDO與ENSO的共同作用下, Walker環(huán)流偏強(qiáng), 西太平洋副熱帶高壓偏弱偏小、位置偏北偏東, 在高空呈現(xiàn)出氣旋式環(huán)流異常[14-16], 在我國(guó)東部沿海表現(xiàn)為東北風(fēng)距平。根據(jù)Ekman漂流關(guān)系, 在東北風(fēng)距平的驅(qū)動(dòng)下, 將產(chǎn)生西向流距平, 導(dǎo)致綠潮整體位置偏西,分布面積偏小。而在Xocn_u偏大年, 全球海溫異常并不顯著。

圖7 Xocn_u與5月全球海面溫度的關(guān)系Fig. 7 Relationship between Xocn_u and sea surface temperature in May

5 總結(jié)與討論

基于綠潮多源監(jiān)測(cè)數(shù)據(jù)和大氣海洋再分析資料, 分析綠潮規(guī)模的年際變化及其影響因子, 首次建立了綠潮年最大分布面積的預(yù)測(cè)模型, 并探討了大尺度海洋和大氣因子對(duì)綠潮分布面積的可能影響。

2008至2019年間, 黃海綠潮平均分布面積約40 000 km2, 最大值為2009年的58 000 km2, 最小值為2012年的不足20 000 km2; 黃海綠潮平均覆蓋面積約620 km2, 最大值為2 100 km2, 最小值為193 km2。

通過(guò)計(jì)算, 共有6個(gè)變量與綠潮最大分布面積的滑動(dòng)相關(guān)系數(shù)通過(guò)顯著性檢驗(yàn), 分別為海溫、鹽度、降水率、表面短波輻射、風(fēng)的緯向分量和流的緯向分量。根據(jù)綠潮業(yè)務(wù)化預(yù)測(cè)實(shí)際需求和回歸方程檢驗(yàn)結(jié)果, 最終選取綠潮生成區(qū)的海溫(3月第16 d至4月第30 d)和緯向海流(6月第6 d至第25 d)兩個(gè)因子建立綠潮年最大分布面積預(yù)測(cè)模型(見(jiàn)式3), 預(yù)測(cè)模型與觀測(cè)值相關(guān)系數(shù)達(dá)到0.80, 通過(guò)95%顯著性檢驗(yàn)。

進(jìn)一步分析影響綠潮規(guī)模的大尺度海洋和大氣環(huán)流因子。歐亞遙相關(guān)波列負(fù)位相引起黃海海域前期海溫升高, 是導(dǎo)致綠潮分布面積偏大的主要大尺度環(huán)流因子; 而PDO與ENSO負(fù)位相疊加引起的西太平洋上空反氣旋環(huán)流, 造成6月綠潮北上路徑偏西, 是導(dǎo)致綠潮分布面積偏小的主要大尺度環(huán)流因子。需要說(shuō)明的是, 本文僅從定性的角度探究了綠潮規(guī)模和大尺度環(huán)流因子間的關(guān)系, 其具體影響機(jī)制仍需通過(guò)數(shù)值模擬的方法開(kāi)展深入研究。