基于HYCOM的西南黃海沿岸上升流分析

潘錫山，李春輝，王彬

（1.江蘇省海涂研究中心，江蘇 南京 210036；2.南京信息工程大學 海洋科學學院，江蘇 南京 210044；3.江蘇科技大學 船舶與海洋工程學院，江蘇 鎮江 210024）

海洋近岸區域最重要的海洋過程之一是上升流，其影響著海洋溫鹽垂直結構。上升流對于海水營養鹽的分布有著重要影響，而營養鹽的分布則影響著海洋生物的生存環境，因此上升流對海洋生態環境變化起著重要作用。黃海海域出現的上升流類型主要為沿岸上升流，其變化不僅需要考慮風力因素的影響，還應考慮地形對其調節作用，圖1展示了地形影響上升流的一種方式[1]。

圖1 沿岸流致上升流示意圖，引自呂新剛[1]

通常情況下，上升流由海流侵蝕陸架、等深線輻散、海流局地加速這三種方式誘發。對于地形這一影響因素，有研究發現地形起伏對上升流沿岸分布的影響大于海岸形狀的影響。此后有研究人員對于這一方面進行更進一步的探索，發現地形起伏可以引發風生上升流的不均勻分布，在跨陸架方向上存在的地形坡度對上升流的影響更大[1-2]。海岸形狀對于上升流的影響更多體現誘導渦度上，部分區域會出現底摩擦誘發橫向次級環流的情況增強上升流[1，3]。

近年來，針對黃海上升流，我國的研究人員獲得諸多研究成果。蘇紀蘭和黃大吉發現黃海冷水團的垂向環流結構呈現雙環結構[4]；呂新剛借助海浪-潮流-環流耦合模式提出在潮汐影響較強海域的夏季上升流具有斜壓“潮生機制”[1]；蘇育嵩等認為江蘇沿岸低溫帶是潮混合、風混合和海底坡度共同作用的結果[3]；柴霞等在研究臺風“布拉萬”過境期間出現異常增溫現象時，發現該臺風強烈抑制該地區上升流，在風場對上升流產生影響的方面做出了有力的證明[5]。上升流是海洋溫鹽垂直結構和營養鹽分布的重要影響因素，與海洋生物化學過程聯系極為緊密，對海洋生態環境具有重大意義[6]。此外，上升流通過物理過程[7]、化學過程兩方面影響著全球碳循環。

根據以往研究，我國沿岸海域屬于沿岸上升流的多發區[8]。近年來，南黃海西南以及長江口外海域大規模的赤潮、綠潮等災害頻繁爆發，而海水富營養化是其背后的潛在原因[9-13]。徑流（長江等）輸入的陸源性營養鹽逐年增加[14]，這曾被認為是造成該海區富營養化的主要原因。夏季上升流對該海域富營養化起著至關重要的作用，帶來的影響不可忽視[15]。然而，迄今為止，該上升流區營養鹽垂向輸送通量特征尚不明確，上升流攜帶至上層的高營養鹽水對南黃海西南海域的生態環境效應仍需要進一步研究。因此，本文針對西南黃海沿岸上升流的變化特征及成因機制開展相關研究與討論。

1 數據資料

1.1 HYCOM 模式數據

本研究使用的HYCOM 模式數據為HYCOM 逐日數據，來自網站“http:∕∕apdrc.soest.hawaii.edu∕datadoc∕hycom.php”。HYCOM.org 提供了近實時的全球海洋預報系統輸出，本研究的時段使用的數 據為1993 年1 月1 日至2012 年12 月31 日 的 全部數據集，數據集內包含了經度、緯度、水深、海水鹽度、海水溫度、水平流速等多類數據。實際使用部分的經緯度范圍為20°N－40°N、117.04°E－144.96°E，水平分辨率為0.08°×0.08°。數據集內將水深劃分為40 層，從海表（0 m） 到海底（5 000 m）不均勻分割，最終使用數據為前15 層（0～50 m）。

1.2 SST觀測數據

研究使用的SST 觀測數據來自哥白尼海洋服務公司所提供的數據產品——全球海洋OSTIA 海面溫度和海冰再處理數據（Global Ocean OSTIA Sea Surface Temperature and Sea Ice Reprocessed），下載網址為：https:∕∕resources.marine.copernicus.eu∕produ ct-detail∕SST_GLO_SST_L4_REP_OBSERVATIONS_010_011∕INFORMATION。本研究實際使用的衛星觀測SST 數據，覆蓋區域為28.025°N－42.025°N、118.975°E－126.975°E，水平分辨率為0.05°×0.05°，時間范圍為1993年1月1日至2012年12月31日。

1.3 ERA5再分析風場數據

ERA5 是第五代ECMWF（歐洲中期天氣預報中心）對全球氣候的大氣再分析數據[16]，屬于綜合性再分析數據。ERA5把來自模型的數據和全球各地區的觀測數據組成一個覆蓋全球的連貫數據集，可以提供從1979 年至今的實時數據，數據包括位勢高度、溫度、經向風、緯向風、垂直風、相對濕度、比濕、散度及渦度等參量的網格數據[17]。通常情況下，ERA5 數據集接收的觀測值來自衛星觀測與就地觀測，分析數據采用數據同化方法[18]。ERA5 數據采用了相當先進的算法，整合了歷史觀測數據，這有效地提高了其準確性[19]。

本次研究采用ERA5再分析風場數據中的月平均數據，來自網站“https:∕∕cds.climate.copernicus.eu∕#!∕search?text=ERA5&type=dataset”。實 際 使 用部分的經緯度為27°N－41°N、117°E－132°E 區域，其水平分辨率為0.25°×0.25°，時間范圍為1993年1月1日至2012年12 月31 日，為距離海表10 m處的水平風場數據。

表1 1998年夏季33.60°N斷面垂向上升流流速和海表冷水斑面積的逐月相關系數

2 HYCOM 模式數據檢驗

2.1 夏季日均區域平均SST的檢驗

因本研究關注區域位于西南黃海，因此選取覆蓋該區域范圍（30.025°N－38.025°N、119.975°E－126.525°E）的數據進行檢驗。從觀測的SST 中分別提取該區域范圍內6 月、7 月、8 月三個月的日均值，從插值過的HYCOM 模式數據提取HYCOM模式數據在6 月、7 月、8 月三個月的日均值。將新獲得的兩組數據進行區域平均值的計算，并將結果逐日繪制在同一張圖上，得到圖2。圖2 中藍色部分為模式數據的SST 日均區域平均值，紅色部分為觀測數據的日均區域平均值。盡管圖2 只繪制了夏季三個月的日均區域平均SST，以年為單位的周期性變化特征仍非常明顯，6 月初通常為每年夏季SST區域平均的最低值，8月通常出現每年夏季區域平均的最高值。

圖2 研究區域（30.025°N－38.025°N、119.975°E－126.525°E）內夏季平均SST觀測數據和模式數據對比

為確定HYCOM 模式數據與觀測數據在夏季的區域平均SST 關聯度，繪制以模式數據為x 軸、觀測數據為y軸的SST日均區域平均值散點圖，得到圖3 的散點部分?？煽闯鰞蓴祿g應大致為線性相關，于是進行線性最小二乘擬合。計算得到擬合曲線的k 值（擬合曲線公式中自變量的系數）約為0.957 5，可認為模式數據和觀測數據之間相似度極高，也證明了模式數據的SST 區域平均值適用于本研究區域。

圖3 研究區域（30.025°N－38.025°N、119.975°E－126.525°E）內平均SST的觀測數據和模式數據

2.2 夏季西南黃海表層冷水斑變化

上升流可以影響海水的物理化學性質分布。上升流存在的海域，海表會因為上涌的深層或底層水產生能夠被衛星遙感檢測到的異常理化現象，例如低溫、高鹽度和高密度、高營養鹽含量、高葉綠素、低氧等。本研究中主要關注海洋表面出現的異常低溫這一指標，即夏季出現于黃海表層的冷水斑。在夏季西南黃海的江蘇沿岸附近，出現的冷水斑中心位置一般位于33°N－34°N、122°E－123.5°E 之間，因此將對冷水斑面積進行統計的研究區域設置在32.575°N－35.075°N、121.125°E－123.525°E內。

圖4（a）和 圖4（b）分 別為SST 觀測 數據 和HYCOM 模式數據夏季1993 年至2012 年多年平均SST 場?？梢园l現二者呈現出的溫度分布均大致為南高北低的分布，而在33°N－34°N、122°E－123.5°E 區間內出現了較為明顯的冷水斑；在模式數據多年平均SST 場中， 冷中心溫度為22.107 4 ℃，比周圍水體低4～5 ℃。

圖4 1993－2012年夏季多年平均SST場

盡管圖4 展示出的兩數據溫度分布大致相似，但為了確保冷水斑面積的適用性，需要對冷水斑面積這一要素進行單獨的檢驗。

檢驗使用的觀測數據為30.025°N－38.025°N、119.975°E－126.525°E 提取的夏季日均數據，模式數據使用在SST 檢驗中插值到觀測數據網格上的表層夏季日均數據。

以往對于蘇北沿岸夏季表層冷水斑的研究中，通常采用0.03 ℃∕km 的等值線作為冷水斑的邊界[20]，但是這一等值線不能保證每年均存在，于是本研究試圖采用更為適合的方式劃分冷水斑。上升流引起的深層冷水上涌會導致對應區域SST驟降，這會使上升流區邊界與周圍海水形成較大的溫差，即表層冷水斑邊界處的溫度梯度會比周圍區域更大，也就意味著可以用溫度梯度最大值對應SST作為冷水斑的SST邊界值?？紤]到近岸區域的溫度梯度最大值對應的SST，存在SST等值線不能閉合的可能，因此采用SST 等值線較為稀疏的東北方向對邊界值進行篩選。

分別計算SST 觀測數據和模式數據在經向和緯向上的兩個日均溫度梯度值。對于同一天的同一經緯度，將經向梯度和緯向梯度中較大的一個作為后續處理中所使用的梯度值進行儲存。隨后考慮到冷水斑中心位置一般位于33°N－34°N、122°E－123.5°E之間，在其東北邊界區域（34°N－35°N、122°E－124.5°E）尋找溫度梯度最大值對應SST 作為冷水斑的SST 邊界值。在32.575°N－35.075°N、121.125°E－123.525°E 范圍內，SST 值低于冷水斑邊界值的網格點均屬于表層冷水斑。

在實際數據處理中，冷水斑東北邊界區域（34°N－35°N、122°E－124.5°E）所求得的溫度梯度最大值可能存在多個網格點與之對應。因此，先記錄所求得的溫度梯度最大值，后求東北邊界區域內所有溫度梯度值與之相同的網格點對應的SST平均值，把這一平均值作為冷水斑的SST邊界值。遙感SST數據和HYCOM 模式數據均按照這一方式進行處理。

求得冷水斑的SST 邊界值后，將32.575°N－35.075°N、121.125°E－123.525°E 范圍內全部網格點上的SST值與冷水斑SST邊界值進行對比，記錄所有SST值低于冷水斑SST邊界值的點的個數和位置，這些點均視為夏季西南黃海表層冷水斑范圍內的點。對于多年平均的SST 場，夏季蘇北外海海表冷水斑冷中心溫度為22.1 ℃，與邊界值溫度22.4 ℃相差約0.3 ℃。

為確定這種冷水斑SST 邊界值確定方法的使用效果，在地圖上繪制出記錄下的點進行確認。例如圖5 所示，這種邊界值確定方法對于1993 年至2012 年夏季西南黃海表層冷水斑的使用效果較為優秀，計算得出的冷水斑基本與圖4 所示冷水斑范圍基本一致。

圖5 夏季西南黃海表層冷水斑位置示意圖

經過上述一系列操作得到夏季西南黃海表層冷水斑內日均網格點個數，可以求得每年夏季（6月、7 月、8 月三個月）西南黃海表層冷水斑內平均網格點個數。在數據處理中使用的網格為0.05°×0.05°的經緯度網格，于是可將一個網格點換算為30.802 5 km2的面積。將每年夏季西南黃海表層冷水斑內平均網格點個數轉換為每年夏季西南黃海表層冷水斑平均面積，將SST 觀測數據和HYCOM 模式數據對應的面積變化曲線繪制在同一張圖上，得到圖6。根據圖像信息，對于觀測數據而言，夏季西南黃海表層冷水斑年平均面積在1997 年達最大值3.234×104km2，在1998 年達最小值1.519 8 ×104km2；對于HYCOM 模式數據而言，夏季西南黃海表層冷水斑年平均面積在2012 年達最 大 值3.413 3 ×104km2，在1998 年 達 最 小 值2.028 9×104km2。

圖6 1993－2012年夏季西南黃海冷水斑年平均面積變化

為確定HYCOM 模式數據與SST觀測數據在夏季西南黃海年平均冷水斑面積變化上的關聯度，繪制以模式數據為x軸、觀測數據為y軸的夏季西南黃海年平均冷水斑面積散點圖，隨后對離散數據進行線性擬合，得到擬合曲線“y=0.9468x-0.0977”。將擬合曲線繪制在散點圖上，得到圖7。擬合曲線k=0.946 8，可認為模式數據和觀測數據之間相似度極高，也證明了模式數據在夏季西南黃海年平均冷水斑面積這一要素上能夠適用于研究區域。

圖7 1993－2012年模式數據和觀測數據的夏季西南黃海年平均冷水斑面積

3 夏季西南黃海表層冷水斑與上升流

3.1 氣候態變化

在對夏季西南黃海表層冷水斑進行檢驗時，已經獲得夏季西南黃海表層冷水斑的分布范圍。將表層冷水斑范圍內溫度最低點作為冷水斑中心，計算得到多年平均的冷水斑中心緯度在33.60°N附近。

在HYCOM 模式數據中，僅提供了每層的水平流速，因此上升流的垂向流速需要使用流體的連續性方程計算得到。連續性方程的一般形式為：

式中：ρ為流體的密度，u、v、w分別為流體在x、y、z方向上的流速。

通常將海水視為不可壓縮流體，即海水密度為常數，公式1可化簡為：

根據化簡后的連續性方程（公式2）進行計算HYCOM模式下1993－2012年的日均垂向流速。

根據上一步得到的日均垂向流速，計算多年夏季6月、7月、8月三個月平均垂向流速，考慮到上升流的流速量級非常小，一般為×10-7～×10-5m∕s，為方便觀察，繪圖時使用的數值均乘105。沿33.60°N 繪制121°E－124°E 范圍內的多年平均斷面垂向流速分布圖，得到圖8，圖8 中正值為流速向上方向。從圖中可以看出122.5°E附近存在明顯的上升流，這一上升的垂向流速隨深度的增加逐漸減小，最大值位于海表附近，大于3.6×10-5m∕s；在123.3°E附近存在一個強烈的下降流，這一下降的垂向流速也隨深度的增加逐漸減小，最大值同樣位于海表附近，大于5.7×10-5m∕s；此外，在123.7°E 附近存在一個較弱的上升流速，這一經度附近最大流速約為3×10-6m∕s。上升流與下降流進行配合，保證了海水的連續性。

圖8 冷水斑中心平均緯度多年平均33.60°N斷面垂向流速

為確定垂向流速與垂向的溫度場匹配情況，繪制33.60°N 這一斷面在121°E－124°E 范圍內的多年夏季平均垂向溫度場，得到圖9?？梢钥闯鲈?22.5°E附近為明顯的低溫區域，海水溫度隨深度的增加而降低。將圖8和圖9結合，可認為該斷面122.5°E附近存在強烈的冷水上涌現象，上升流主軸位置與圖4（b）所展示的冷水斑中心位置相符。

圖9 冷水斑中心平均緯度多年平均斷面海溫

上升流最強烈的分支和最大值均出現在海表冷水斑范圍內，這種吻合證明多年變化中上升流對于夏季西南黃海表層冷水斑現象的形成具有直接作用。

3.2 年際變化

為確定年際變化情況下，夏季年均垂向上升流流速與表層冷水斑面積的相關情況，繪制33.60°N 斷面處夏季年均垂向上升流流速與表層冷水斑面積的時間序列圖像，得到圖10?？梢园l現年際尺度下，1998－2012 年間垂向上升流流速與表層冷水斑面的變化趨勢有部分相似。為了確定年平均夏季西南黃海表層冷水斑面積和33.60°N斷面處的年平均上升流垂向流速間是否存在相關性，計算年平均夏季西南黃海表層冷水斑面積和33.60°N 斷面處的年平均上升流垂向流速的相關系數，為0.445 3，采用P 檢驗方法對其顯著性進行檢驗，得到對應p 值矩陣非對角元素值為0.045 1，小于顯著水平0.05，通過了95%置信度檢驗。因此可以證明年際變化中，夏季西南黃海的沿岸上升流對于夏季西南黃海表層冷水斑面積有一定程度的影響。

圖10 1993－2012年間在夏季年均垂向上升流流速與表層冷水斑面積

為確定年際變化情況下，33.60°N 斷面上升流區域的垂向流速與對應區域的表層冷水斑平均溫度的相關情況，繪制年均斷面上升流區域的垂向流速與對應區域的年均海水溫度之間的時間序列，得到圖11?？砂l現年均垂向斷面流速與上升流區的年平均海水溫度呈現大致相似的波動上升趨勢；33.60°N 斷面上升流流速最大值出現在2010 年，最小值出現在1993 年；而上升流區SST 的最大值出現在1999年，最小值出現在1993年。因為圖像未完全重合，所以需要計算年均斷面上升流區域的垂向流速與對應的年均SST 之間的相關系數來確定具體相關情況。計算相關系數后，得到年均斷面上升流區域的垂向流速與對應的年均SST 之間的相關系數為0.382 9，對應p 值矩陣非對角元素值為0.045 7，通過95%置信度檢驗。因此可以證明年際變化中，夏季西南黃海的沿岸上升流對于夏季西南黃海表層冷水斑的SST 有一定程度的影響。

圖11 1993－2012年間在33.60°N斷面每年夏季年均垂向上升流流速和SST

3.3 季節內變化

根據圖6 所示信息，在HYCOM 模式數據中，1993－2012 年間夏季西南黃海表層冷水斑面積最小值年在1998年，為2.028 9萬平方千米；夏季西南黃海表層冷水斑面積最大值年在2012 年，為3.413 3 萬平方千米。為研究上升流與夏季西南黃海表層冷水斑之間的季節內變化關系，分別對1998 年和2012 年在33.60°N 斷面的垂向上升流流速和表層冷水斑面積與平均溫度進行相關性計算。

計算兩個最值年（最小值和最大值所在年份，分別為1998年和2012年）在33.60°N斷面121°E－124°E 范圍內的夏季的垂向上升流流速和海表冷水斑面積的逐月相關系數，1998 年的逐月相關系數在表1 中展示，2012 年的逐月相關系數展示在表2 中，表中全部相關系數均通過95%置信度檢驗?？梢钥闯鰞勺钪的暝戮嚓P系數主要分布在0.39～0.5 之間；最高可達0.608 0，在2012 年6 月份達到；最低值為0.389 1，在1998 年8 月份達到（全部相關系數均通過95%置信度檢驗）。

表2 2012年夏季33.60°N斷面垂向上升流流速和海表冷水斑面積的逐月相關系數

因此，可以認為33.60°N斷面夏季垂向上升流流速和表層冷水斑面積之間的相關性屬于中度相關。

計算1998 年在33.60°N 斷面121°E－124°E 范圍內的6 月、7 月、8 月的垂向上升流流速和冷水斑平均溫度的逐月相關系數，可以得到表3。計算2012 年在33.60°N 斷面121°E－124°E 范圍內的6 月、7 月、8 月的垂向上升流流速和冷水斑平均溫度的逐月相關系數，得到表4。能夠看出兩最值年月均相關系數主要分布在0.49～0.6 之間；最高可達0.710 8，最低值為0.496 5，兩個極值均在最大值年達到（全部相關系數均通過置信度檢驗）。

表3 1998年夏季33.60°N斷面垂向上升流流速和冷水斑平均溫度的逐月相關系數

表4 2012年夏季33.60°N斷面垂向上升流流速和冷水斑平均溫度的逐月相關系數

因此，可以認為33.60°N斷面夏季垂向上升流流速和表層冷水斑平均海水溫度之間的相關性屬于中度相關。

4 西南黃海上升流的動力機制研究

已有研究表明，黃海上升流除了風生機制（Ekman），還與潮汐過程有關。由于潮流與風生流之間復雜、強烈的非線性作用，大多研究將兩者分開簡化討論。本文基于的HYCOM數據，未引入潮汐過程，因此重點僅討論上升流的風生機制。

Ekman 輸運、Ekman 抽吸可促使上升流產生，而Ekman 輸運與Ekman 抽吸均是因為風力因素產生的現象，本質作用是漂流使上層水體產生輸運。因此研究中使用了ERA5 再分析風場數據，對多年風應力和風應力旋度分別對表層海水帶來的影響進行探討。

風應力計算的經驗公式為：

相應的垂向風應力旋度為：

式中：curl(τ)為垂向風應力旋度，τ→為風應力矢量，U為距海表10 米處風應力矢量，x、y分別為向東和向北方向，Cd為拖曳系數（研究中取Cd=(0.8 + 0.065 |U|) × 10-3），ρa為空氣密度（研究中使用值為1.29 kg∕m3）[15]。

4.1 風應力對上升流的影響

本研究中使用的ERA5 再分析風場數據與HYCOM 模式數據使用的經緯度網格不同，為保證后續分析正常進行，將ERA5 再分析風場數據插值至HYCOM 模式數據所用經緯度網格。依據插值后的ERA5 再分析風場數據繪制28°N－36°N、120°E－128°E 范圍內的多年夏季平均風場分布，具體如圖12 所示?？梢钥闯鲈谙募疚髂宵S海表層冷水斑范圍（32.575°N－35.075°N、121.125°E－123.525°E）內，盛行東南風，將會產生東北方向的Ekman輸運。

圖12 在28°N－36°N、120°E－128°E范圍內多年夏季平均風應力矢量圖

根據圖12 的陸地分布，可以發現此時風場產生的Ekman 輸運是一個離岸的方向，因此需要得到深層或底層水的補充來維持水體穩定。

根據ERA5 再分析風場數據插值結果計算風應力，單位為N∕m2，隨后計算關鍵斷面年平均上升流流速大小與風應力大小，將兩者的時間序列繪制在同一張圖上，得到圖13。能夠看出二者的變化趨勢存在一定的相似性，為確定二者間關系，隨后計算關鍵斷面年平均上升流流速大小與風應力大小的相關系數，其值為0.487 2，對應p 值矩陣非對角元素值為0.040 3，小于顯著水平0.05，通過95%置信度檢驗，證明斷面平均上升流速大小與風應力大小之間的具有一定的相關性。

圖13 1993－2012年間在33.60°N關鍵斷面年平均上升流速大小與風應力的時間序列圖像

因此可以認為因風應力而產生的Ekman 輸運對于海洋上升流存在一定的影響。

4.2 風應力旋度對上升流的影響

根據垂向風應力旋度計算公式（公式4），計算得到垂向風應力旋度大小，單位為N∕m3，最大值為3.139 3×10-7N∕m3，最小值為-1.335 4×10-7N∕m3。將垂向風應力旋度分布繪制在地圖上，可以得到圖14?？梢园l現在28°N－34°N區域及附近的沿岸地區存在為正的風應力旋度，此外的大部分海域風應力旋度為負值。

風應力旋度會引起Ekman 抽吸，理論上可以影響上升流流速，但實際分析過程中對比圖14 與圖4（b），發現風應力旋度與上升流引起的SST 分布吻合情況并不明顯，因此需要計算上升流流速和風應力旋度間的相關系數確認二者之間的關系。

依然采用33.60°N 這一關鍵斷面進行相關分析，分別計算33.60°N斷面上每月的上升流平均垂向流速和冷水斑附近的風應力旋度平均值，將兩者的時間序列繪制在同一張圖上，得到圖15。能夠看出二者的變化趨勢存在一定的相似性，為確定二者間關系，隨后計算兩組平均值之間的相關系數?？梢缘贸?3.60°N斷面處，平均上升流流速與風應力旋度的相關系數為0.420 9，對應p 值矩陣非對角元素值為0.037 6，小于顯著水平0.05，通過95%置信度檢驗，表明風應力旋度與平均上升流流速之間具有一定的相關性。

圖15 1993－2012年33.60°N關鍵斷面年平均上升流速大小與風應力旋度的時間序列圖像

可以認為，這一區域風應力旋度引起的Ekman 抽吸對關鍵斷面平均上升流流速的存在一定的影響。

5 結論

本文應用HYCOM 模式數據、高分辨率衛星遙感SST 觀測數據和ERA5 再分析風場數據，對HYCOM 模式數據在西南黃海江蘇沿海地區的適用性進行了檢驗，對于1993年至2012年間夏季西南黃海表層冷水斑進行了統計，研究了長期情況下上升流與夏季西南黃海表層冷水斑間的關系、風應力與風應力旋度與上升流之間的相關性，計算所得相關系數均通過95%置信度檢驗。得到的主要結論如下：

（1）夏季蘇北外海海表冷水斑多年平均冷中心位于33.60°N 斷面，冷中心溫度為22.1℃，比表層冷水斑范圍外的周圍水體溫度低4～5℃；上升流主軸位置與冷水斑中心位置一致。

（2）夏季蘇北外海海表冷水斑面積與上升流流速的相關系數在年際尺度上為0.445 3，季節內二者相關系數在0.39～0.5之間。

（3）夏季蘇北外海海表冷水斑平均溫度與上升流流速的相關系數在年際尺度上為0.382 9，季節內二者相關系數在0.49～0.6之間。

（4）對于上升流流速，風應力引起的Ekman輸運比風應力旋度引起的Ekman 抽吸影響更大。在33.60°N斷面處，計算得到風應力與平均上升流流速間相關系數為0.487 2，風應力旋度與平均上升流流速間相關系數為0.420 9。