1. 物理海洋学中的海洋热学到底在研究什么第一次接触“海洋热学”这个词很多人会以为就是测测海水温度、画画等温线图。我带过几个刚进组的本科生他们一开始也是这么理解的直到让他们处理一批CTD数据才发现事情远没有那么简单。海洋热学是物理海洋学里非常核心的一个分支它关心的是海洋中热量的来源、分布、传输和变化规律以及这些过程如何与大气、海冰、海底沉积物相互作用。说得再直白一点海洋热学要回答的问题是太阳辐射到海面的热量去了哪里这些热量怎么从赤道跑到极地为什么同纬度的东西两岸海水温度能差好几度上层海洋的热量怎么和深层海水交换这些问题听起来偏理论但它们直接关系到台风强度预报、厄尔尼诺现象预测、海洋生态系统变化甚至全球气候模式的可靠性。我之所以想系统整理海洋热学的内容是因为这个领域的知识散落在物理海洋学教材、海洋气象学讲义、卫星遥感论文和数值模式文档里初学者很难找到一条清晰的线索。而且很多资料要么偏数学推导要么偏观测描述缺少把两者串起来的中间层。我打算用从业者的视角把海洋热学里最常用的概念、公式、观测手段和数据处理方法梳理一遍既讲清楚背后的物理逻辑也给出可以直接上手的操作路径。不管你是海洋科学专业的学生还是做气候模拟、海洋工程、渔业环境评估的从业者只要需要跟海水温度场打交道这些内容都能用得上。海洋热学的研究对象可以从空间尺度上分成几类大尺度的海盆尺度热量收支、中尺度的涡旋和锋面热输运、小尺度的湍流混合和边界层过程。时间尺度上则从日变化、季节变化一直延伸到年际和更长时间的气候变化。不同尺度对应不同的观测手段和分析方法这也是为什么海洋热学既有理论推导又高度依赖现场观测和卫星遥感。我在实际工作中最深的体会是海洋热学不是一门“纸上谈兵”的学科每一个参数背后都有具体的测量方式和误差范围忽略这些细节算出来的热收支可能完全不可信。2. 海洋热收支的基本框架与核心参数2.1 海面热收支方程的物理含义海洋热收支的核心是海面热平衡方程它描述的是海洋上层热量随时间的变化等于各种热通量的总和。这个方程看起来简单但每一项都有复杂的物理过程和观测难题。基本形式可以写成dH/dt Q_sw Q_lw Q_lat Q_sen Q_adv Q_mix其中H是海洋上层的热含量Q_sw是短波辐射净通量Q_lw是长波辐射净通量Q_lat是潜热通量Q_sen是感热通量Q_adv是水平平流带来的热量变化Q_mix是垂直混合引起的热量交换。这个方程是诊断海洋热状态的基础工具也是数值模式中必须闭合的方程。短波辐射是海洋最主要的熱量来源太阳辐射穿过大气后一部分被云反射一部分被水汽和臭氧吸收剩下的到达海面。到达海面的短波辐射并不是全部被表层吸收而是按照指数衰减规律向下穿透。清洁大洋水的衰减系数大约在0.02到0.05每米之间这意味着蓝光可以穿透到几十米甚至上百米深。近岸浑浊水的衰减系数可能高达0.5每米以上热量几乎全部集中在表层几米内。这个差异对上层海洋的热结构影响很大我在处理近岸数据时经常发现表层和十米深处的温度差能达到两三度而大洋站位的温差可能只有零点几度。长波辐射是海面向上发射的红外辐射遵循斯特藩-玻尔兹曼定律与海面温度的四次方成正比。但大气也会向下发射长波辐射所以净长波辐射是两者之差。实际计算中通常用经验公式比如Bignami公式或Clark公式这些公式依赖海面温度、气温、水汽压和云量。潜热通量是海水蒸发带走的热量感热通量是海气温差引起的热量交换两者都依赖风速和交换系数。这些交换系数不是常数而是随风速和大气稳定度变化在弱风条件下误差尤其大。2.2 热通量观测的几种主流手段海洋热通量的观测手段主要有三类船舶观测、浮标观测和卫星遥感。船舶观测是最传统的方式用气象传感器测量气温、风速、湿度、气压和辐射然后用块体公式计算热通量。这种方法的优点是直接、可靠缺点是空间覆盖有限而且船舶本身会干扰流场和温度场。我参与过一次走航观测船体周围的海面温度比远处低零点几度这就是船体扰动造成的偏差。锚系浮标是长时间连续观测的主力比如TAO/TRITON阵列在热带太平洋的布放为ENSO研究提供了关键数据。浮标通常配备气象传感器和水温传感器有些还带短波和长波辐射计。浮标数据的优势是时间序列长、位置固定适合研究季节内到年际的变化。但浮标也有问题传感器会生物附着辐射计窗口会积盐数据需要严格的质量控制。我处理过一批浮标数据发现某些站位的短波辐射在上午总是偏低后来查出来是辐射计被鸟粪遮挡了。卫星遥感是唯一能提供全球覆盖的手段但卫星测量的是海表皮温也就是几微米厚的表层温度和块体温度有差异。而且卫星不能直接测热通量只能测辐射亮温、风速、水汽等参数再通过块体公式反演。卫星数据的优势是空间分辨率高、时间序列长缺点是受云影响大近岸和极地反演误差较大。实际研究中通常把三种手段结合使用用浮标数据校准卫星反演用船舶数据验证浮标形成互补。2.3 热含量计算中的关键细节热含量是海洋热学里最常用的积分量定义为密度、比热容和温度异常在深度上的积分。计算热含量看起来简单但有几个坑必须注意。首先是参考温度的选取不同研究用的参考温度不一样有的用0°C有的用年平均气候态有的用某个固定等温面。参考温度不同算出来的热含量异常可能差很多。我在对比不同数据集时发现同样一片海域用0°C参考算出来的热含量趋势和用气候态参考算出来的趋势符号都可能相反。其次是比热容的取值海水比热容随温度和盐度变化在0°C到30°C范围内大约从3.98到4.02焦耳每克每度。虽然变化不大但在长时间序列的趋势分析中忽略这个变化会引入系统性偏差。密度也是温度和盐度的函数用常数密度近似在深海问题不大但在上层海洋尤其是河口和极地海域密度变化很大必须用实测的温盐数据计算。还有一个容易被忽略的问题是观测数据的垂直分辨率。CTD剖面通常在1米间隔采样但历史数据里有很多是标准层数据层间隔可能几十米甚至上百米。用粗分辨率数据计算热含量会平滑掉很多小尺度信号尤其是温跃层附近的梯度。我建议在做热含量分析时尽量用原始高分辨率数据如果只能用标准层数据要注明插值方法并评估插值误差。3. 温度、盐度与密度的现场观测与数据处理3.1 CTD剖面数据的获取与预处理CTD是海洋热学最基础的观测工具测量电导率、温度和深度再换算成盐度和密度。现在的CTD通常和采水器阵列一起使用可以在下降过程中连续测量并在特定深度采水用于校准。我用的比较多的是Sea-Bird 911plus配套的软件是Seasave和SBE Data Processing。整个流程从现场操作到最终数据产品中间有很多细节决定数据质量。现场操作时CTD下降速度一般控制在1米每秒左右太快会导致传感器响应滞后太慢则船体晃动影响大。下降过程中船要保持稳定最好迎风或者顺流避免缆绳倾斜导致深度测量偏差。采水器要在下降时闭合因为上升时传感器已经经过扰动。我见过有人为了省时间在上升时采水结果盐度校准总是对不上后来发现是上升时采水器周围的水已经被CTD本身搅动了。预处理的第一步是原始数据转换把电导率、温度、压力转换成物理量。然后要做传感器对齐因为温度和电导率的响应时间不同在梯度大的地方会出现尖峰。Sea-Bird的软件里有对齐功能通常把电导率滞后温度一两个扫描周期。接着是热滞后校正电导率传感器对温度变化的响应有延迟需要用温度变化率来校正。这个步骤在温跃层附近特别重要不做的话盐度会出现虚假的峰值。3.2 盐度校准与误差控制盐度校准是CTD数据处理里最关键的环节。现场采水样品用实验室盐度计测量然后和CTD测量的盐度对比计算偏差。通常每个航次要做几十个样品覆盖不同深度和温度范围。校准系数一般是一个线性关系但有时候也需要考虑温度和压力的依赖。我遇到过一批数据表层盐度偏差很小但深层偏差达到0.01以上后来发现是电导率传感器的压力效应没有正确校正。盐度误差对热学计算的影响是间接但重要的因为密度依赖盐度而热含量计算需要密度。0.01的盐度误差大约对应0.008千克每立方米的密度误差在1000米深度上积分热含量误差可能达到每平方米几十千焦。对于研究年际变化的项目这个量级的误差已经不可忽略了。所以我在做热含量分析前一定会检查盐度校准报告确保偏差在0.002以内。还有一个常见问题是生物附着尤其是在长时间布放的潜标上。电导率传感器的探头如果被生物膜覆盖测量值会偏低。处理方法是定期回收清洁或者在数据后处理时用相邻站位的温盐关系做校正。我见过一个潜标连续工作了两年回收后发现电导率探头几乎被藤壶包住了数据后半段完全不可用。3.3 密度与层结参数的计算密度用UNESCO公式或者TEOS-10标准计算TEOS-10是2010年以后推荐的标准用绝对盐度和保守温度代替实用盐度和位温。TEOS-10的优点是热力学一致性更好尤其是在深海和极地海域。但很多历史数据还是用旧标准对比时要注意转换。我一般用Python的gsw库做计算这个库实现了TEOS-10的全部函数调用方便结果可靠。层结参数里最常用的是浮力频率N定义为N² -(g/ρ)(dρ/dz)。N的物理意义是海水稳定层结的振荡频率N越大层结越稳定垂直混合越难发生。计算N需要密度剖面而密度剖面对盐度和温度的误差都很敏感。在温跃层附近N可以达到每秒钟0.01到0.02弧度而在深层海洋N可能只有每秒钟0.001弧度。我在分析混合层深度时通常用N²超过某个阈值比如1e-5 s⁻²作为温跃层的上界。混合层深度是海洋热学里另一个关键参数它决定了热量在垂直方向上的分布。计算混合层深度的方法有很多种常用的有温度阈值法、密度阈值法和曲率法。温度阈值法简单但受季节和区域影响大密度阈值法物理意义更明确但在近岸低盐海域可能失效。我一般用密度阈值法阈值取0.03千克每立方米这个值在开阔大洋比较稳定但在强降水区域需要调整。4. 海洋热学中的关键过程与机制分析4.1 上层海洋的热量平衡与混合层演变上层海洋的热量平衡决定了海表温度的变化而海表温度又是海气相互作用的核心变量。混合层是上层海洋里温度、盐度和密度接近均匀的一层它的深度随季节和天气变化。在热带海域混合层深度通常在50到100米之间季节变化不大在中纬度海域冬季混合层可以加深到几百米夏季则只有十几米。这个季节循环是由风搅拌和浮力通量共同控制的。风搅拌通过剪切不稳定产生湍流把热量从表层向下输送到混合层底部。浮力通量则通过加热或冷却改变表层水的密度影响层结稳定性。夏季海面加热表层变暖变轻层结稳定混合层浅冬季海面冷却表层变冷变重对流不稳定混合层深。这个机制听起来简单但实际观测中混合层深度的变化往往比理论预测复杂因为降水和水平平流也会改变表层浮力。我在分析一次中纬度海区的秋季数据时发现混合层深度在两天内从30米加深到80米但海面热通量并没有明显变化。后来查了风场数据发现那两天有一次强风事件风速达到15米每秒风搅拌是混合层加深的主要原因。这个例子说明在分析混合层演变时不能只看热通量风场和降水同样重要。4.2 中尺度涡旋对热输运的贡献中尺度涡旋是海洋里普遍存在的现象空间尺度在几十到几百公里时间尺度在几周到几个月。涡旋通过旋转流场把热量从一处输送到另一处对海洋热收支的贡献不可忽略。在湾流和黑潮等西边界流区域涡旋的热输运甚至和平均流相当。我做过一次涡旋热输运的估算用的是卫星高度计数据和CTD剖面发现一个直径200公里的暖涡在三个月里把大约10的19次方焦耳的热量从副热带输送到中纬度。涡旋的热输运计算需要涡旋的流场和温度场流场可以从卫星高度计的地转流反演温度场可以从Argo剖面或者卫星海表温度获取。难点在于涡旋的识别和追踪因为涡旋会变形、合并、分裂。常用的方法有Okubo-Weiss参数法和海面高度异常闭合等值线法。我一般用海面高度异常法因为它直观而且和卫星数据直接对应。但这个方法在涡旋变形严重时会失效需要结合流场矢量做人工判断。涡旋对热含量的影响还体现在涡旋引起的垂直运动上。暖涡通常伴随下沉运动把表层暖水向下压冷涡则伴随上升运动把深层冷水向上带。这种垂直运动改变了局地热含量但不一定改变海盆尺度的热收支。我在做区域热收支时会把涡旋的平流和垂直运动分开处理避免重复计算。4.3 海洋热浪与冷事件的物理机制海洋热浪是近年来备受关注的现象定义为海表温度持续异常偏高的时段。海洋热浪对珊瑚礁、渔业和海洋生态系统有严重影响比如2016年大堡礁的珊瑚白化事件就和海洋热浪直接相关。海洋热浪的物理机制主要有几种海面热通量异常、水平平流异常、垂直混合异常和这些因素的组合。在有些区域海洋热浪主要由局地海面加热驱动比如地中海在另一些区域平流和混合的贡献更大比如东北太平洋。我在分析一次东北太平洋海洋热浪时发现海面热通量异常只能解释三分之一的海温异常剩下的部分来自风减弱导致的垂直混合减少和暖平流增强。这个案例说明海洋热浪的机制是多样的不能一概而论。诊断海洋热浪需要做热收支分析把海温变化分解成海面通量、平流和混合的贡献。这个分解可以用混合层热收支方程做但需要高质量的流场和热通量数据。海洋冷事件的研究相对少一些但同样重要。冷事件通常和强风、上升流或者冷平流有关。我在一次冬季调查中遇到过海表温度在一天内下降4°C的情况原因是强冷空气过境海面失热加上风搅拌把深层冷水带到表层。这种事件对海洋生物的冲击很大可能导致鱼类死亡或者迁移。5. 数据处理工具与实操流程5.1 Python在海洋热学数据处理中的应用Python现在是海洋数据处理的主流工具生态里有numpy、scipy、pandas、xarray、matplotlib这些基础库还有专门做海洋计算的gsw、seawater、oceano等。我自己的工作流基本是用xarray读NetCDF数据用gsw做热力学计算用pandas做时间序列分析用matplotlib画图。这套组合灵活、开源、社区支持好比传统的Matlab和Ferret更适合做可重复研究。读NetCDF数据用xarray特别方便它支持标签索引不用记维度顺序。比如要读一个CTD剖面的温度和盐度直接写ds[temp]和ds[salt]就行xarray会自动对齐坐标。gsw库提供了TEOS-10的全部函数比如gsw.SA_from_SP把实用盐度转成绝对盐度gsw.CT_from_t把温度转成保守温度gsw.rho算密度。这些函数的输入输出都是numpy数组可以批量处理。做热含量计算时我一般写一个函数输入温度和盐度剖面输出热含量。函数里先算密度和比热容然后做垂直积分。积分用梯形法则scipy的trapz函数可以直接用。要注意的是深度方向CTD数据的压力要转成深度用gsw.z_from_p函数。积分的时候从海面到参考深度参考深度根据研究问题选研究上层海洋热含量一般用混合层深度或者固定深度比如300米。5.2 卫星海表温度数据的处理要点卫星海表温度是海洋热学里用得最多的数据之一常用的产品有NOAA的AVHRR、NASA的MODIS和Aqua、以及多传感器融合的OISST。OISST是日平均、0.25度分辨率的全球产品从1981年到现在适合做长时间序列分析。但OISST是皮温和块体温度有差异在夜间差异小白天差异大因为白天有日暖层。处理卫星海表温度时云检测是关键。AVHRR和MODIS都有云掩膜产品但云边缘的像元经常被误判。我一般用多天合成来减少云的影响比如用3天或者7天的中值合成。OISST本身已经做了云填补和偏差校正用起来方便但要注意它的空间分辨率比较粗近岸和锋面区域可能不够用。卫星海表温度和现场观测的对比是必须做的因为卫星反演有区域性和季节性偏差。我一般用浮标数据做匹配时间和空间窗口取6小时和25公里。匹配后算偏差和均方根误差如果偏差超过0.5°C就要考虑做区域校正。校正方法有简单的偏差扣除也有复杂的统计回归看数据质量和研究需求。5.3 Argo数据在热含量分析中的使用Argo浮标阵列是2000年以后海洋观测的革命性进展全球有近4000个浮标每10天提供一个0到2000米的温盐剖面。Argo数据对热含量分析特别有价值因为它覆盖全球、时间连续、深度范围大。我用Argo数据做过全球海洋热含量的趋势分析发现2005年到2020年上层2000米的热含量以每平方米每年0.5到1.0焦耳的速度增加这个趋势和气候模式的预测一致。Argo数据的处理有几个关键步骤。首先是质量控制Argo数据中心提供了延迟模式数据经过了严格的质量控制包括盐度校准、压力校正和实时质量标记。我一般用延迟模式数据虽然滞后几个月但质量可靠。其次是网格化Argo剖面是散点数据做区域平均需要插值到规则网格。常用的方法有最优插值、客观分析和简单分箱。我一般用分箱法把研究区域分成1度乘1度的格子每个格子里的剖面做平均然后算热含量。Argo数据也有局限比如在边缘海和极地海域覆盖不足在2000米以下没有数据。做全深度热含量分析时需要用气候态数据填补深层。我一般用WOA18的气候态数据补2000米以下的部分但要注意这会平滑掉深层的变化信号。对于研究上层海洋热含量的项目Argo数据已经足够好了。6. 常见问题与排查技巧实录6.1 热通量计算中的异常值排查热通量计算最容易出问题的地方是块体公式的输入参数。风速、气温、湿度和海表温度任何一个有异常热通量就会离谱。我遇到过一批数据潜热通量在某些天达到每平方米500瓦以上查了半天发现是湿度传感器在雨天饱和了相对湿度一直是100%导致海气湿度差算出来偏大。后来加了降雨标记把雨天数据剔除了。另一个常见问题是海表温度的日变化。块体公式用的海表温度通常是日平均或者某个时刻的但实际海表温度有日变化白天可以比夜间高1到2度。如果热通量计算用的是白天温度感热通量会偏大。我一般用日平均海表温度或者用卫星夜间海表温度减少日暖层的影响。还有风速的高度问题。块体公式的风速是10米高度的但浮标的风速传感器可能在3到4米高度需要转换。转换用对数风廓线公式需要粗糙度长度而粗糙度长度又依赖风速和浪高。这个转换在弱风条件下误差大我一般用经验公式做近似并在结果里注明不确定性。6.2 热含量趋势分析中的陷阱热含量趋势分析看起来简单做起来坑很多。第一个坑是数据的不连续性比如Argo之前和之后的数据来源不同直接拼接会引入虚假趋势。我一般把Argo之前和之后分开分析或者用交叉校准的方法做统一。第二个坑是空间覆盖的变化早期观测稀疏后期密集区域平均热含量会被采样变化影响。解决方法是用固定网格做平均或者用最优插值填补空缺。第三个坑是参考温度的选择前面提过不同参考温度算出来的趋势可能不同。我在做趋势分析时会同时用几个参考温度算看趋势是否稳健。如果趋势对参考温度敏感说明结果不可靠。第四个坑是统计显著性海洋热含量有很强的年际和年代际变化短时间序列的趋势可能不显著。我一般用20年以上的数据做趋势并用蒙特卡洛方法估计置信区间。6.3 现场观测中的常见故障与应对现场观测的故障五花八门我挑几个典型的说。CTD缆绳倾斜是常见问题尤其是在深水站位船漂移会导致CTD偏离垂直剖面。倾斜超过15度深度和温度的关系就会失真。应对方法是调整船位保持迎风或者顺流必要时用声学多普勒流速剖面仪监测缆绳角度。采水器闭合失败也经常发生尤其是老式采水器弹簧疲劳或者密封圈老化都会导致漏水。我一般在下放前检查每个采水器的闭合机构带备用弹簧和密封圈。如果发现某个深度样品盐度异常先检查采水器是否闭合再检查样品瓶是否污染。传感器漂移是长时间布放的主要问题电导率传感器和温度传感器都会漂。应对方法是定期回收校准或者在数据后处理时用相邻站位的温盐关系做校正。我见过一个潜标的温度传感器在两年里漂了0.05度虽然不大但对热含量趋势分析有影响。后来用航次CTD数据做了线性校正把漂移去掉了。6.4 常见问题速查表问题现象可能原因排查方法解决措施潜热通量异常偏高湿度传感器饱和检查相对湿度是否持续100%剔除降雨时段数据盐度剖面出现尖峰电导率与温度未对齐检查梯度大处的盐度做传感器对齐和热滞后校正热含量趋势不显著年际变化掩盖趋势计算置信区间延长序列或做滤波混合层深度异常浅降水导致表层低盐检查盐度剖面用密度阈值法并调整阈值卫星海表温度偏差大云污染或日暖层对比浮标数据用多天合成或夜间数据CTD深度偏差缆绳倾斜检查缆绳角度调整船位或做倾斜校正7. 海洋热学在气候与生态中的应用延伸海洋热学不只是理论它在很多实际领域有直接应用。气候预测里海洋热含量是比海表温度更稳健的指标因为海表温度受天气影响大而热含量积分了上层海洋记忆更长。我在做季节预测时用热带太平洋的热含量异常预测ENSO提前量比用海表温度多两三个月。这个技巧在业务预测里已经用了很多年效果稳定。渔业海洋学里海洋热学用来研究鱼类的栖息地变化。很多鱼类对温度敏感海洋热浪会导致鱼类迁移或者死亡。我参与过一个鳕鱼栖息地评估项目用热含量和混合层深度做栖息地适宜性指数发现变暖背景下鳕鱼的适宜栖息地向北移动了大约100公里。这个结果对渔业管理有直接参考价值。海洋工程里热含量影响海水密度和声速进而影响水下声传播和结构设计。比如海底管道设计要考虑底层水温因为低温会影响材料韧性。我做过一次南海北部底层水温分析发现冬季底层水温可以低到15度以下比夏季低10度以上这个差异在管道设计中必须考虑。珊瑚礁研究里海洋热浪是珊瑚白化的主要驱动因素。 Degree Heating Week是常用的白化预警指标定义为海表温度超过最大月平均温度1度以上的累积周数。这个指标的计算依赖卫星海表温度而卫星海表温度的准确性直接影响预警效果。我在做珊瑚礁监测时会把卫星数据和现场温度记录仪对比确保预警指标可靠。海洋热学的内容还有很多比如极地海洋的热收支、海底热液对深海热含量的贡献、海洋内部混合的热效应等等。我打算持续更新这个系列把每个专题都展开讲透。如果你在实操中遇到具体问题欢迎一起讨论很多技巧都是在解决实际问题中摸索出来的。