全球海平面年际波动与陆地水储量异常的时空关联

Spatial and Temporal Association between Interannual Fluctuations of Global Sea Level and Anomalies in Terrestrial Water Storage

摘要

研究全球平均海平面（GMSL）上升过程中的年际波动有助于深入了解GMSL变化特征.主要分析GMSL在2005—2016年期间经历的两次显著年际波动及其成因，定量分析全球各大洲陆地水储量（TWS）异常的空间分布及其对GMSL年际波动的贡献，并探讨各大洲TWS变化与厄尔尼诺-南方涛动（ENSO）之间的相关性.结果表明在GMSL年际波动中与海水质量变化相关的重力海平面（BSL）变化贡献占80%，与海水温盐度变化相关的比容海平面变化的贡献约为20%，格陵兰岛和南极洲冰盖消融主要影响BSL的长期变化趋势，各大洲TWS异常变化则主导了BSL的年际变化，其中南美洲贡献最大，其次是北美洲、亚洲和大洋洲，欧洲TWS贡献最小.南美洲TWS异常变化与ENSO关联性最强，相关系数为-0.76，并存在超前7个月相位差，北美洲关联性最弱，超前5个月时相位差时达到最大值-0.25.

Abstract

Studying the interannual fluctuations during the rise of Global Mean Sea Level (GMSL) helps us to gain a deeper understanding of the changes in GMSL. This work mainly studies the two significant interannual fluctuations and their causes experienced by GMSL between 2005 and 2016, quantitatively estimates the spital distribution and contribution of terrestrial water storage (TWS) anomaly to GMSL changes in different global continent and analyzes the correlation between abnormal TWS changes in different continents and El Niño southern oscillation (ENSO). The results show that in the interannual fluctuations of GMSL, the contribution of gravity sea level (BSL) changes related to oceanic mass changes is 80%, and the contribution of steric sea level changes related to changes in seawater temperature and salinity is about 20%. The melting of ice sheets in Greenland and Antarctica mainly affects the long-term trend of BSL. TWS anomaly change in different continents affects the interannual changes of BSL differently, with South America contributing the most, followed by North America, Asia, and Oceania, the TWS contribution from Europe is the smallest. The correlation between TWS anomaly change in South America and ENSO is the strongest, with a correlation coefficient of -0.76 and a phase lead of 7 months. The correlation is the weakest in North America, reaching its maximum value of -0.25 at a phase lead of 5 months.

Graphical abstract

关键词

海平面变化 / 年际波动 / 陆地水储量异常 / 厄尔尼诺-南方涛动 / 大地测量学.

Key words

sea level change / interannual fluctuation / terrestrial water storage anomaly / El Niño southern oscillation / geodesy

0 引言

自1992年以来，卫星测高开始提供更加精确的全球海平面连续监测数据，使准确定量研究全球海平面变化成为可能.近三十年的测高海平面数据显示，全球平均海平面（global mean sea level， GMSL）正以每年大约3 mm的速度上升，且呈加速上升趋势（WCRP， 2018； 穆大鹏等， 2018），已成为表征全球变暖的关键指标.全球海平面变化主要由两部分构成，一是由海洋与陆地（陆地水、冰盖或冰川）或大气中的水交换导致的海水质量变化，称之为重力海平面（barystatic sea level，BSL）变化（Gregory et al.， 2019）；二是由海水温盐度变化导致的海水体积变化，称之为比容海平面变化（Cazenave et al.， 2022）.随着全球变暖的加剧，海水热含量增加和极区冰盖消融主导了GMSL的长期上升趋势，而地球的季节更替、海陆水质量的运移交换等是影响GMSL季节和年际波动的主要原因（WCRP， 2018； Llovel et al.， 2023）.

2002年发射的重力恢复与气候实验（the gravity recovery and climate experiment，GRACE）卫星任务可以探测全球重力场的变化，进而估算全球陆地水储量（terrestrial water storage，TWS）和BSL变化.2005年实现全球部署的Argo（Array for Real-Time Geostrophic Oceanography）浮标网络可提供全球海洋的温盐度观测资料，据此可以推算海水体积变化（Jayne et al.， 2003）.一直以来，研究人员通过将两种数据分别估算的海平面组分结果之和与卫星测高记录的GMSL作对比，从而分析GMSL在长期趋势变化上的收支平衡（WCRP， 2018； Barnoud et al.， 2021）.

伴随着显著的长期上升趋势，GMSL也存在显著的年际波动，且通常与极端ENSO事件同时发生（Hamlington et al.， 2020； Llovel et al.， 2023）.Boening et al.（2012）和Llovel et al.（2023）研究发现GMSL的年际波动主要与BSL和全球平均比容海平面（global mean steric sea level，GMSSL）变化有关，其中BSL变化起决定性作用，而GMSSL贡献较小.同时，波动期间全球的TWS出现了显著的异常变化.这些研究主要对GMSL年际波动的某一时段内变化进行了分析，而对近年来发生的两次显著波动期间全球TWS的时空演变以及与ENSO相关性缺少详细分析.

本文首先分析GMSL在2005—2016期间发生的两次年际波动的特征和主要因素，识别年际波动期间全球各大洲TWS异常变化的时空分布，然后定量分析各大洲TWS变化对BSL的贡献及其与ENSO的关联特性.通过本文研究加深大家对GMSL多尺度变化和成因机制的理解.

1 数据和方法

1.1　全球海陆水质量平衡

全球水循环主要在海洋、大气和陆地中进行，在年际和十年际尺度上总体上保持平衡（Kuo et al.， 2021），可用如下公式表示它们之间在年际以上的关系：

\mathrm{\Delta }{M}_{\mathrm{o}\mathrm{c}\mathrm{e}\mathrm{a}\mathrm{n}}+\mathrm{\Delta }{M}_{\mathrm{l}\mathrm{a}\mathrm{n}\mathrm{d}}+\mathrm{\Delta }{M}_{\mathrm{a}\mathrm{t}\mathrm{m}\mathrm{o}\mathrm{s}\mathrm{p}\mathrm{h}\mathrm{e}\mathrm{r}\mathrm{e}}=\mathrm{0},(1)

式中：\mathrm{\Delta }{M}_{\mathrm{o}\mathrm{c}\mathrm{e}\mathrm{a}\mathrm{n}}表示海水质量变化，\mathrm{\Delta }{M}_{\mathrm{l}\mathrm{a}\mathrm{n}\mathrm{d}}为陆地水质量变化，\mathrm{\Delta }{M}_{\mathrm{a}\mathrm{t}\mathrm{m}\mathrm{o}\mathrm{s}\mathrm{p}\mathrm{h}\mathrm{e}\mathrm{r}\mathrm{e}}为大气水质量变化.由于大气中水含量的停留时间为8~10 d（van der Ent and Tuinenburg， 2017），所以在月时间尺度以上，大气中水含量的变化可以忽略不计，公式（1）可简化为：

\mathrm{\Delta }{M}_{\mathrm{o}\mathrm{c}\mathrm{e}\mathrm{a}\mathrm{n}}=-\mathrm{\Delta }{M}_{\mathrm{l}\mathrm{a}\mathrm{n}\mathrm{d}} .(2)

根据公式（2）可知海水质量的变化与TWS变化呈现相反的过程，大家能够据此估算年际以上TWS变化对GMSL（BSL）变化的贡献.这两部分的变化都可以通过GRACE重力卫星数据进行估算.

1.2　卫星测高数据

本文采用海洋高度计卫星观测服务（archiving， validation and interpretation of satellites oceanographic data，AVISO）提供的GMSL时间序列产品（https：//www.aviso.altimetry.fr/）.为确保数据的准确性，该数据产品已进行了多项重要校正，包括电离层延迟、干湿对流层延迟等大气校正，以及固体潮、极潮、海潮等地球物理校正.此外，还考虑了参考椭球体校正.该时间序列产品的时间分辨率为10 d，已去除季节性波动，并且进行了-0.3 mm/a的冰川均衡调整（glacial isostatic adjustment， GIA）改正（Peltier， 2009）.为与Argo再分析数据时间分辨率一致，本文选取了2005.01~2017.06期间的10 d原始数据，并重采样至一个月.根据Jason-1和Jason-2的验潮计校准，卫星测高10 d的GMSL观测误差约为4 mm（Leuliette et al.， 2011），GMSL月均值的误差约为2.6 mm（Llovel et al.， 2011）.

1.3　卫星重力数据

卫星重力时变重力场观测资料是目前计算全球地表系统（海洋、陆地水和冰川等）质量变化的主要数据源，本研究综合使用了GRACE卫星解算的球谐系数（SH）和Mascon数据产品.其中球谐产品主要为美国德克萨斯大学空间研究中心（UTCSR）， 德国地学研究中心（GFZ）和美国喷气实验室（JPL）发布的GRACE RL06 球谐系数解（GRACE SH）（Bettadpur， 2018； Dahle et al.， 2018，2019）.Mascon （GRACE MC）产品主要为CSR、JPL、戈达德太空飞行中心（GSFC）提供的最新水文产品（等效水柱高表示；Watkins et al.， 2015； Save et al.， 2016； Loomis et al.， 2019）.

为提高GRACE SH数据反演质量变化的准确度，对GSM系数中的1阶项（Swenson et al.， 2008； Sun et al.， 2016）、C20项及C30项（Loomis et al.， 2020）进行了相关替换处理，并采用去相关（Swenson et al.， 2006）和高斯300 km滤波（Wahr et al.， 1998）处理来减小条带误差和降低高阶噪声的影响.两种数据产品计算的质量变化都进行了相应的地球物理改正，如GIA模型改正（Peltier et al.， 2015）.

（1）海水质量变化（BSL）计算：在利用GRACE SH计算全球BSL变化时，笔者选取SH截断阶数为60阶的GSM数据和180阶的GAD数据，并采用将海陆边界向海洋内缩进300 km的策略来减少陆地信号对海洋信号的影响（WCRP， 2018）.此外，还进行了与卫星测高相同的反变气压计改正（Gregory et al.， 2019）并统一采用1 025 kg/m³的海水密度作为重力与海水质量变化的转换标准.为减少BSL结果的不确定性，采用3套SH数据和3套MC产品分别计算结果的平均值作为BSL的最终值.

（2）陆地水储量变化计算：相较于GRACE SH数据，GRACE MC产品解算过程中使用了较强的时空约束条件，信噪比更高，海陆泄露误差更小，这使得计算陆地水变化的结果更加可靠，同样有助于提高估算极区冰盖消融对海平面变化贡献的准确性.在GRACE MC产品中，CSR MC相较于GSFC和JPL MC产品有着更高的网格分辨率、较小的幅度衰减以及更平滑的信号变化，为此本文使用CSR MC数据估计全球TWS的变化.

1.4　Argo温盐数据

Argo全球海洋观测网络是目前获取海水温度和盐度数据的主要途径，国内外多家机构发布了多套数据集，可用于计算全球比容海平面变化.本文选取美国Scripts海洋研究所（SIO） （Roemmich et al.， 2009）、日本海洋地球科学技术振兴机构（JAMSTEC） （Hosoda， 2007）和英国气象局哈德利气候变化中心提供的格网数据产品（Good et al.， 2013）来分析海水比容变化，所有产品的空间分辨率均为1°×1°，时间分辨率为一个月.

利用Joint Committee on the Properties of Seawater（JCS）提供用于计算海水温盐的TEOS-10程序包，笔者分别计算了GMTSL和全球平均盐容海平面（global mean halosteric sea level change，GMHSL）变化，两者共同构成了GMSSL变化（Jayne et al.， 2003）.由于2016年后Argo盐度观测数据存在系统漂移（Wong et al.， 2021）导致根据其估算的GMHSL变化出现突降，显著影响了GMSL收支平衡（Barnoud et al.， 2021），尽管这种不平衡不完全是盐度漂移造成的，但仍然对GMSL收支平衡带来显著影响（Barnoud et al.， 2021； Yang et al.， 2022）.为此，本文主要研究时间段为2005—2016年.同时，为了减少结果的不确定性，笔者使用3套Argo数据集计算结果的平均值作为GMSSL最终值.

1.5　年际波动信号提取

本文着重研究全球平均海平面和陆地水储量在年际尺度上的波动和异常变化，为更好地展示年际波动，笔者对本文涉及的时间序列进行如下处理：（1）统一时间基准：将所有时间序列数据都减去2005.01~2005.12的平均值；（2）移除短周期项：采用最小二乘法移除时间序列中的周年和半周年信号；（3）移除长期趋势：为准确估算年际波动幅度大小，从时间序列中扣除长期线性变化趋势；（4）滤波平滑处理：为减少噪声误差及季节信号的影响，对时间序列进行7个月的滑动平均处理.

本文同样对CSR MC提供的TWS格网数据采用上述处理，以便更清晰地揭示全球陆地水储量年际波动幅度的空间分布.此外，本文所有全球平均值计算均采用±64.5°纬度范围内的面积加权.

2 结果与分析

2.1　全球平均海平面及其组成部分年际波动

图1a给出了2005.01~2016.12期间GMSL、BSL、GMSSL以及BSL+GMSSL的变化，所有时间序列已扣除周年和半周年项，并采用7个月滑动滤波处理.2005.01~2016.12期间GMSL的上升速率达到了3.90 mm/a，这一速率高于1993.01~2002.12期间2.27 mm/a和2003.01~2012.12期间3.29 mm/a （Cazenave et al.， 2022），表明近十年来海平面仍然呈加速上升趋势.在2005.01~2016.01期间GMSL、BSL、GMSSL及BSL+GMSSL的上升速率分别为3.72\pm0.17 mm/a、2.17\pm0.15 mm/a、1.37\pm0.09 mm/a、3.54\pm0.18 mm/a，这与Barnoud et al.（2023）的研究结果相一致.从图1a还可看到在2005.01~2015.12期间BSL+GMSSL与GMSL吻合度非常高，表明该段时间内GMSL预算是闭合的（预算平衡），但从2016年初开始，二者之间出现了明显偏差，观测数据估算的总海平面与其组分之和不再闭合（Chen et al.， 2020； Barnoud et al.， 2021）.

虽然GMSL在2010—2016年期间显示了明显的长期上升趋势，但期间也经历了两次显著的年际波动，表现为两次急剧下降和上升.这期间BSL与GMSL在年际变化上基本一致，都存在显著的年际波动，而GMSSL仅在2010.03~2011.04间出现了稍微下降，其他时段上波动不明显.在2014.02~2016.01期间，BSL变化上升了12.7 mm，约占GMSL上升的80%，而GMSSL上升了4.5 mm，约占GMSL上升的20%.因此，BSL的年际波动是导致GMSL两次显著震荡的主要因素.

为了更好地揭示GMSL、BSL和GMSSL年际波动，笔者进一步去除其中的长期上升趋势（图1a中各曲线的线性项），结果如图1b所示.从图1b可以更加清晰地看出2010—2016年期间GMSL和BSL经历的两次显著震荡，其中GMSSL的波动则弱很多，这进一步说明BSL在GMSL年际波动中占主导作用，因此本文后续将重点分析BSL的年际波动.

2.2　全球陆地水储量异常的空间分布

从公式（2）可知，海洋质量变化与陆地水变化存在平衡关系.笔者首先分析GMSL年际波动期间，全球陆地水储量TWS异常的空间分布和变化幅度（去除趋势项、周年项和半周年项）.图2展示了BSL两次年际波动中海平面上升和下降前后全球陆地区域TWS异常变化的空间分布.在BSL第一次显著波动的下降阶段（2010.03~2011.04），澳大利亚、南美洲北部和北美洲中部区域的TWS有显著增加（图2a），而在上升阶段（2011.04~2012.10）澳大利亚、南美洲北部和北美洲中部区域的TWS减少（图2b）.对比图2a和2b，可以发现BSL在2010.03~2013.02的剧烈波动期间内，TWS增加和减少的空间分布基本相同，主要集中在澳大利亚、南美洲北部和北美洲中部，其他区域TWS变化不明显.在2013.02~2016.01期间BSL再次经历了剧烈波动，TWS的显著增减则主要集中在南美洲北部、亚洲南部和非洲南部区域，如图2c~2d所示.因此，可以发现BSL两次显著波动期间，TWS大幅增减的区域分布存在明显不同.表1给出了不同区域TWS异常变化对不同时段BSL年际波动的等效贡献，显示了不同区域的贡献差异.此外，BSL两次年际波动中下降幅度小于上升幅度，这可能与极区冰盖以及陆地冰川消融的年际变化叠加有关，有待进一步研究.

2.3　区域陆地水储量异常对BSL波动的影响

为了解不同区域TWS异常变化对BSL变化的影响，本文基于CSR MC数据分别计算了全球陆地和各大洲TWS异常变化的总量，结果如图3所示，其中TWS变化量值用等效全球平均海平面来表示.从图3a可以发现全球TWS变化之和与BSL变化基本一致，其微小差异可能与未考虑里海质量变化（Chen et al.， 2015）或者数据误差有关.格陵兰和南极地区冰盖消融的贡献主要为线性趋势，上升速率分别为0.95 mm/a和0.57 mm/a，占全球TWS总上升速率的44%和26%.从去除趋势项后的图3b中可以看出极区冰盖消融对BSL年际波动几乎没有影响，这表明BSL年际波动主要是由全球非冰盖陆地区域TWS的变化造成.

图3c为各大洲的TWS变化，可以发现2005—2016年期间各大洲TWS变化对BSL变化的影响程度差异较大，且在不同时间段的影响也不相同.图3d在图3c的基础上进一步去除线性项，可以更清晰地揭示各大洲TWS年际波动幅度差异，结果表明南美洲TWS波动一直较大，欧洲TWS波动则一直较小.

表1给出了BSL两次显著波动中不同时段全球陆地和各大洲水储量异常变化量（等效海平面变化表示）.可以看出在BSL两次年际波动期间，不同大洲TWS异常变化幅度各异.在2010.03~2011.04的强拉尼娜事件期间，大洋洲和南美洲的TWS异常变化最为显著，分别达到了-2.13 mm和-1.78 mm.在2014.02~2016.01的强厄尔尼诺事件期间，南美洲和亚洲的TWS异常变化最为显著，分别达到4.14 mm和2.27 mm.在两次强ENSO事件过度期间的部分大洲TWS异常变化同样显著，在2011.04~2013.02期间，北美洲和大洋洲的TWS异常变化最大，分别为2.00 mm和1.83 mm，南美洲TWS异常变化其次，为1.64 mm.而在2013.02~2014.02期间，TWS异常变化最大的是南美洲和亚洲，分别为-1.80 mm和-1.89 mm，其次是北美洲，为-1.15 mm.

通过对比BSL两次年际波动期间，各大洲TWS异常变化对BSL的影响，可以发现南美洲在两次波动中均提供了较大的贡献，并在第2次波动的上升阶段达到峰值.相比之下，欧洲的影响则一直相对较小.在2011.04~2013.02期间，大洋洲TWS的异常变化对BSL年际波动的贡献在2011.04~2013.02期间大幅减小，随后则持续增加.另外，亚洲在第2次年际波动中的TWS异常变化明显大于第1次波动期间的变化幅度.

2.4　区域陆地水储量异常与ENSO的关联

ENSO是地球系统中一种大尺度海/气相互作用的异常事件，对全球海陆间水汽循环和水质量运移具有重要影响.本文采用SOI指数来表示ENSO强度，其是通过比较澳大利亚东部的塔希提岛（Tahiti）和澳大利亚西部的达尔文港（Darwin）两地的月平均海平面气压差来计算（Allan et al.， 1991）.当SOI超过一定的正值时，表示发生拉尼娜事件，当SOI超过一定负值时，表示发生厄尔尼诺事件.Llovel et al.（2023）的研究认为BSL的年际波动变化与ENSO密切相关，本文前述分析也显示两次BSL年际波动期间各大洲TWS存在不同程度的异常变化，为进一步了解各区域TWS异常变化与ENSO之间的关联，本文定量分析2005—2016年期间各大洲TWS异常变化与ENSO指数SOI之间的相关性，结果如图4和表2所示.

根据图4可知，除亚洲外的其他大洲与SOI的相关系数均为负值，且南美洲和大洋洲TWS变化与SOI的相关性较强.根据表2可进一步得到南美洲与SOI在相差8个月时的相关系数达到最大值（-0.76），而大洋洲与SOI在相差5个月时的相关系数为达到最大（-0.62）.这两个大洲都位于赤道附近，这说明ENSO对赤道地区TWS变化的影响更加明显.亚洲和非洲的TWS与SOI最大相关系数分别为0.57和-0.43，相位延迟分别为超前16和4个月，而欧洲和北美洲的相关系数则较小，且北美洲在相关系数最大时的显著性较弱.

总体来看，ENSO对靠近赤道的南美洲、大洋洲和非洲地区的TWS影响较为显著，均呈现负相关且存在相位差，说明这些区域的TWS变化通常早于ENSO事件的发生或结束.相对而言，亚洲地区TWS与SOI相关系数在相差16个月时才达到最大，这一结果可能是由于本文未排除亚洲青藏高原冰川的影响，造成出现了超过一年的相位差，相关研究表明长江流域的TWS变化与ENSO之间的相位差为7~8个月（Zhang et al.， 2015）.至于欧洲和北美洲与SOI的相关性较小，这表明ENSO对这两个地区的影响不太明显.

3 结论

本文通过分析GMSL在2005—2016年期间经历的两次显著年际波动特征及其主导因素，并定量估算各大洲TWS异常变化和ENSO的相关性，得到以下主要结论：

（1） GMSL的年际波动主要受到BSL年际波动的影响，而BSL的年际波动则主要由TWS年际波动所驱动.

（2） 在2005—2016年间，南美洲、亚洲、大洋洲和北美洲的TWS异常变化显著影响了BSL的波动.特别是在BSL第1次波动下降期间，大洋洲的TWS快速增加（2.13 m）显著超过其他大洲，与此同时期的强拉尼娜事件相吻合.此后，大洋洲TWS异常持续处于亏损状态.在BSL第2次年际波动的上升期间，多个大洲TWS异常变化达到了两次年际波动中的最大值，同时期的SOI则达到负峰值，发生了强厄尔尼诺事件.

（3） 靠近赤道的地区（南美洲、大洋洲和非洲）TWS变化与SOI的相关性较强，这表明ENSO对这些地区的TWS异常变化有显著影响.其中ENSO对南美洲TWS变化影响最为显著，而对亚洲、北美洲和欧洲的TWS变化整体影响相对较弱.

海平面变化的成因比较复杂，受到气候变化的驱动，也有来自固体地球物理过程（如大地震、海底变形等，Tang et al.， 2020； Xu et al.， 2022）和人类活动（如水库建设，Chao et al.， 2008；王林松等，2014）等因素的影响，此外还有观测数据误差或者表征范围等因素的影响，这些都值得进一步深入研究.

参考文献

[1] Allan, R. J., Nicholls, N., Jones, P. D., et al., 1991. A Further Extension of the Tahiti-Darwin SOI, Early ENSO Events and Darwin Pressure. Journal of Climate, 4(7): 743-749. https://doi.org/10.1175/1520-0442(1991)0040743: afeott>2.0.co;2

[2] Barnoud, A., Pfeffer, J., Cazenave, A., et al., 2023. Revisiting the Global Mean Ocean Mass Budget over 2005—2020. Ocean Science, 19(2): 321-334. https://doi.org/10.5194/os-19-321-2023

[3] Barnoud, A., Pfeffer, J., Guérou, A., et al., 2021. Contributions of Altimetry and Argo to Non-Closure of the Global Mean Sea Level Budget since 2016. Geophysical Research Letters, 48(14): e2021GL092824. https://doi.org/10.1029/2021GL092824

[4] Bettadpur, S., 2018. Level-2 Gravity Field Product User Handbook. Grace Project, 4: 21.

[5] Boening, C., Willis, J. K., Landerer, F. W., et al., 2012. The 2011 La Niña: So Strong, the Oceans Fell. Geophysical Research Letters, 39(19): L19602. https://doi.org/10.1029/2012GL053055

[6] Cazenave, A., Moreira, L., 2022. Contemporary Sea-Level Changes from Global to Local Scales: A Review. Proceedings of the Royal Society A: Mathematical, Physical and Engineering Sciences, 478(2261): 20220049. https://doi.org/10.1098/rspa.2022.0049

[7] Chao, B. F., Wu, Y. H., Li, Y. S., 2008. Impact of Artificial Reservoir Water Impoundment on Global Sea Level. Science, 320(5873): 212-214. https://doi.org/10.1126/science.1154580

[8] Chen, J. L., Tapley, B., Wilson, C., et al., 2020. Global Ocean Mass Change from GRACE and GRACE Follow-on and Altimeter and Argo Measurements. Geophysical Research Letters, 47(22): e2020GL090656. https://doi.org/10.1029/2020GL090656

[9] Chen, J. L., Wilson, C. R., Li, J., et al., 2015. Reducing Leakage Error in GRACE-Observed Long-Term Ice Mass Change: A Case Study in West Antarctica. Journal of Geodesy, 89(9): 925-940. https://doi.org/10.1007/s00190-015-0824-2

[10] Dahle, C., Flechtner, F., Murböck, M., et al., 2018. GRACE 327-743 (Gravity Recovery and Climate Experiment): GFZ Level-2 Processing Standards Document for Level-2 Product Release 06 (Rev. 1.0, October 26, 2018)[R/PDF]//Scientific Technical Report-Data; 18/04; ISSN 1610-0956. GFZ German Research Centre for Geosciences: 513 kB[2021-11-10]. https://gfzpublic.gfz-potsdam.de/pubman/item/item_3489896. https://doi.org/10.2312/GFZ.B103-18048

[11] Dahle, C., Murböck, M., Flechtner, F., et al., 2019. The GFZ GRACE RL06 Monthly Gravity Field Time Series: Processing Details and Quality Assessment. Remote Sensing, 11(18): 2116. https://doi.org/10.3390/rs11182116

[12] Good, S. A., Martin, M. J., Rayner, N. A., 2013. EN4: Quality Controlled Ocean Temperature and Salinity Profiles and Monthly Objective Analyses with Uncertainty Estimates. Journal of Geophysical Research (Oceans), 118(12): 6704-6716. https://doi.org/10.1002/2013JC009067

[13] Gregory, J. M., Griffies, S. M., Hughes, C. W., et al., 2019. Concepts and Terminology for Sea Level: Mean, Variability and Change, Both Local and Global. Surveys in Geophysics, 40(6): 1251-1289. https://doi.org/10.1007/s10712-019-09525-z

[14] Hamlington, B. D., Gardner, A. S., Ivins, E., et al., 2020. Understanding of Contemporary Regional Sea-Level Change and the Implications for the Future. Reviews of Geophysics, 58(3): e2019RG000672. https://doi.org/10.1029/2019RG000672

[15] Hosoda, S., 2007. Grid Point Value of the Monthly Objective Analysis Using the Argo Data. JAMSTEC[2023-01-11]. https://www.jamstec.go.jp/datadoi/doi/10.17596/0000102.html. https://doi.org/10.17596/0000102

[16] Jayne, S. R., Wahr, J. M., Bryan, F. O., 2003. Observing Ocean Heat Content Using Satellite Gravity and Altimetry. Journal of Geophysical Research: Oceans, 108(C2): 3031. https://doi.org/10.1029/2002JC001619

[17] Kuo, Y. N., Lo, M. H., Liang, Y. C., et al., 2021. Terrestrial Water Storage Anomalies Emphasize Interannual Variations in Global Mean Sea Level during 1997—1998 and 2015—2016 El Niño Events. Geophysical Research Letters, 48(18): e2021GL094104. https://doi.org/10.1029/2021GL094104

[18] Leuliette, E., Willis, J., 2011. Balancing the Sea Level Budget. Oceanography, 24(2): 122-129. https://doi.org/10.5670/oceanog.2011.32

[19] Llovel, W., Balem, K., Tajouri, S., et al., 2023. Cause of Substantial Global Mean Sea Level Rise over 2014—2016. Geophysical Research Letters, 50(19): e2023GL104709. https://doi.org/10.1029/2023GL104709

[20] Llovel, W., Becker, M., Cazenave, A., et al., 2011. Terrestrial Waters and Sea Level Variations on Interannual Time Scale. Global and Planetary Change, 75(1-2): 76-82. https://doi.org/10.1016/j.gloplacha.2010.10.008

[21] Loomis, B. D., Rachlin, K. E., Luthcke, S. B., 2019. Improved Earth Oblateness Rate Reveals Increased Ice Sheet Losses and Mass-Driven Sea Level Rise. Geophysical Research Letters, 46(12): 6910-6917. https://doi.org/10.1029/2019GL082929

[22] Loomis, B. D., Rachlin, K. E., Wiese, D. N., et al., 2020. Replacing GRACE/GRACE-FO with Satellite Laser Ranging: Impacts on Antarctic Ice Sheet Mass Change. Geophysical Research Letters, 47(3): e2019GL085488. https://doi.org/10.1029/2019GL085488

[23] Mu, D.P., Yan, H.M., 2018. The Instantaneous Rate of Global Mean Sea Level Rise. Chinese Journal of Geophysics, 61(12): 4758-4766 (in Chinese with English abstract).

[24] Peltier, W. R., 2009. Closure of the Budget of Global Sea Level Rise over the GRACE Era: The Importance and Magnitudes of the Required Corrections for Global Glacial Isostatic Adjustment. Quaternary Science Reviews, 28(17-18): 1658-1674. https://doi.org/10.1016/j.quascirev.2009.04.004

[25] Peltier, W. R., Argus, D. F., Drummond, R., 2015. Space Geodesy Constrains Ice Age Terminal Deglaciation: The Global ICE-6G_C (VM5a) Model. Journal of Geophysical Research: Solid Earth, 120(1): 450-487. https://doi.org/10.1002/2014JB011176

[26] Roemmich, D., Gilson, J., 2009. The 2004–2008 Mean and Annual Cycle of Temperature, Salinity, and Steric Height in the Global Ocean from the Argo Program. Progress in Oceanography, 82(2): 81-100. https://doi.org/10.1016/j.pocean.2009.03.004

[27] Save, H., Bettadpur, S., Tapley, B. D., 2016. High-Resolution CSR GRACE RL05 Mascons. Journal of Geophysical Research: Solid Earth, 121(10): 7547-7569. https://doi.org/10.1002/2016jb013007

[28] Sun, Y., Riva, R., Ditmar, P., 2016. Optimizing Estimates of Annual Variations and Trends in Geocenter Motion and J2 from a Combination of GRACE Data and Geophysical Models. Journal of Geophysical Research: Solid Earth, 121(11): 8352-8370. https://doi.org/10.1002/2016JB013073

[29] Swenson, S., Chambers, D., Wahr, J., 2008. Estimating Geocenter Variations from a Combination of GRACE and Ocean Model Output. Journal of Geophysical Research: Solid Earth, 113(B8): B08410. https://doi.org/10.1029/2007JB005338

[30] Swenson, S., Wahr, J., 2006. Post-Processing Removal of Correlated Errors in GRACE Data. Geophysical Research Letters, 33(8): L08402. https://doi.org/10.1029/2005GL025285

[31] Tang, L., Li, J., Chen, J. L., et al., 2020. Seismic Impact of Large Earthquakes on Estimating Global Mean Ocean Mass Change from GRACE. Remote Sensing, 12(6): 935. https://doi.org/10.3390/rs12060935

[32] van der Ent, R. J., Tuinenburg, O. A., 2017. The Residence Time of Water in the Atmosphere Revisited. Hydrology and Earth System Sciences, 21(2): 779-790. https://doi.org/10.5194/hess-21-779-2017

[33] Wahr, J., Molenaar, M., Bryan, F., 1998. Time Variability of the Earth’s Gravity Field: Hydrological and Oceanic Effects and Their Possible Detection Using GRACE. Journal of Geophysical Research: Solid Earth, 103(B12): 30205-30229. https://doi.org/10.1029/98JB02844

[34] Wang, L. S., Chen, C., Du, J. S., et al., 2014. Impact of Water Impoundment of Large Reservoirs on Spatial Variation of Coastal Relative Sea Level in China. Earth Science, 39(11): 1707-1716 (in Chinese with English abstract).

[35] Watkins, M. M., Wiese, D. N., Yuan, D. N., et al., 2015. Improved Methods for Observing Earth’s Time Variable Mass Distribution with GRACE Using Spherical Cap Mascons. Journal of Geophysical Research: Solid Earth, 120(4): 2648-2671. https://doi.org/10.1002/2014JB011547

[36] WCRP, 2018. Global Sea-Level Budget 1993-Present. Earth System Science Data, 10(3): 1551-1590. https://doi.org/10.5194/essd-10-1551-2018

[37] Wong, A., Keeley, R., Carval, T., et al., 2021. Argo Quality Control Manual for CTD and Trajectory Data. Ifremer[2021-11-17]. https://archimer.ifremer.fr/doc/00228/33951/. https://doi.org/10.13155/33951

[38] Xu, C. Y., Li, J., 2022. Seismic Contributions to Secular Changes in Global Geodynamic Parameters. Journal of Geophysical Research: Solid Earth, 127(8): e2022JB024590. https://doi.org/10.1029/2022JB024590

[39] Yang, Y. Y., Feng, W., Zhong, M., et al., 2022. Basin-Scale Sea Level Budget from Satellite Altimetry, Satellite Gravimetry, and Argo Data over 2005 to 2019. Remote Sensing, 14(18): 4637. https://doi.org/10.3390/rs14184637

[40] Zhang, Z. Z., Chao, B. F., Chen, J. L., et al., 2015. Terrestrial Water Storage Anomalies of Yangtze River Basin Droughts Observed by GRACE and Connections with ENSO. Global and Planetary Change, 126: 35-45. https://doi.org/10.1016/j.gloplacha.2015.01.002

基金资助

国家自然科学基金项目(42174042)

国家自然科学基金项目(42174100)

国家自然科学基金项目(42074094)

湖北珞珈实验室开放基金项目(220100044)

泰山学者工程专项经费资助项目(tsqnz20230617)