徐天河，穆大鹏，闫昊明，郭金运，尹 鹏

1. 山东大学空间科学研究院，山东 威海 264209； 2. 中国科学院精密测量科学与技术创新研究院，湖北 武汉 430077； 3. 山东科技大学测绘与空间信息学院，山东 青岛 266590

海平面变化是全球气候变化的重要指示器[1-2]。自工业革命以来，地表温度持续上升，引发全球冰川消融和海水热膨胀，最终导致海平面上升[3-5]。重构数据显示，自1900年全球平均海平面上升速率为1.4～1.9 mm/a[6-8]。自1993年，卫星测高观测表明全球平均海平面上升速率超过3 mm/a[9-12]。这意味着，至少最近30年，全球平均海平面上升伴随着明显的加速变化，未来海平面上升速度将会增大[13-14]。海平面上升直接威胁沿海区域的经济社会发展，以及沿海居民的生命与生存空间[15]。由于海平面上升具有显著的空间分布特征，区域海平面上升的速率明显区别于全球平均值。如在菲律宾海域，最近20年的海平面上升速率超过10 mm/a[16]，而赤道西太平洋上升速率在2003—2015年为负值[12]。

认识和理解海平面变化成因不仅具有重要科学意义，而且对社会发展产生实际价值[17]。从定量的角度而言，海平面变化成因可以用海平面平衡方程表示[18-19]。对于全球平均海平面(GMSL)，其主要贡献成分包括

GMSL=GMSLsteric+GMSLGreenland+GMSLAntarctica+

GMSLglacier+GMSLhydrology+GMSLresidual

(1)

式中，steric表示海水比容变化；Greenland表示格陵兰岛冰盖消融的贡献；Antarctica表示南极冰盖消融的贡献；glacier表示全球山地冰川消融的贡献；hydrology表示陆地水储量变化；residual表示剩余残差。若上述方程的残差小于估计的不确定度，则认为海平面平衡方程被闭合，即成因变化被成功解释[20-21]。

卫星大地测量技术是认识全球及区域海平面变化成因的重要观测手段[22-24]。20世纪90年代至今，卫星测高发展成为监测全球海平面变化的成熟技术[10-12]；2002年后，随着重力卫星(包括GRACE、GRACE Follow-On等)的成功发射[25]，利用时变重力估计全球海水质量变化成为可能[26]。此外，21世纪初Argo浮标计划的实施[27]，能够允许测量全球上层海洋(2000 m深度)的温度和盐度变化，特别是在2005年后Argo浮标数目能够覆盖全球主要海洋区域。可见，卫星测高、卫星重力及Argo浮标为研究海平面上升的成因提供了观测数据基础[28-32]。

海平面变化的主要贡献源随研究时间尺度的不同而产生显著差别。例如，在天、小时及更短的时间尺度上，潮汐、风场、波、涡等因素会调节海平面高度变化[33]。本文的时间尺度是年际变化，即时间采样以月平均值为主，总跨度一般为几十年，但不超过100年。

在年际尺度上，调节海平面变化的主要因素有[4,34]：①海水质量变化；②海水温盐变化引起的海水密度变化；③地壳垂直运动。另外，海平面会对大气质量负荷做出静态均衡响应[35]，尽管该响应不影响全球平均海平面变化，但会影响区域海平面变化。由于在卫星测高和时变重力观测中对大气负荷和地壳垂直运动已经作了改正，因此本文不再阐述这两种变化的影响，而是重点对①和②两种因素展开综述，其中海水质量变化主要包含式(1)的各个成分变化。

本文首先系统总结了近20年海平面变化成因的研究成果，然后重点分析了海水质量变化成因，即不同陆地质量变化成分对海平面变化的贡献，最后在此基础上阐述海平面变化成因研究面临的一些新挑战。

1 全球平均海平面上升成因

尽管卫星测高可以提供1993年以来的海平面变化，但是重力卫星是自2002年观测地球重力场变化的。因此，使用观测数据研究海平面变化成因一般只能针对2002年以后的时间段；此外，由于Argo浮标的数目在2005年之前相对较少[27]，很多研究的时间段是从2005年开始的(表1)。本文对2005—2015年海平面上升成因的研究成果进行了总结，虽然部分研究的时间段从2002或2003年开始，但并不影响成因分析的统计结果。

由表1可知，2005—2015年期间，卫星测高确定的全球平均海平面上升速率略高于3 mm/a，该全球平均值的覆盖范围是南北纬65°以内的海域，不包括高纬度海域(如北冰洋)。时变重力估计的海水质量贡献为2 mm/a左右。最近的研究表明，在计算全球海洋区域的平均质量变化时，无须使用传统的滤波技术，将近海300 km海域屏蔽后进行纬度加权，即可得到可靠的全球平均时间序列[49]。Argo浮标确定的比容海平面上升约为1 mm/a；需要注意的是，2010年之前，比容海平面的线性速率一般小于0.9 mm/a；但是研究时间段延伸至2013年之后，比容速率明显超过1 mm/a，这暗示着最近比容海平面在加速上升[31]。

表1 全球平均海平面上升成因

除总体上升趋势外，海平面变化还伴随着明显的年际变化与低频变化。例如，2011年拉尼娜事件造成全球平均海平面下降最大值范围为5～8 mm[50-51]，且整个下降和回升过程持续时间超过半年，对全球气候和经济造成深刻影响。图1为全球平均海平面变化时间序列，其中季节变化被移除，并作3点滑动平均。图1中蓝色表示卫星测高(AVISO)，橘黄色表示海水质量(GRACE)，绿色表示比容变化(Argo数据是日本JAMSTEC发布的产品)，红色表示质量与比容之和(SUM)。进一步分析显示，减少的大部分海水以降水的形式迁移至澳大利亚[52]。这证明气候变化特别是强气候振荡对海平面年际变化具有重要影响[53]，尤其是对地表质量迁移再分布具有重要调节作用[36]。考虑到未来增温情况下极端气候事件的频率将更加频繁[54]，因此持续监测海平面上升成因尤为重要。

图1 全球平均海平面变化时间序列

全球平均海平面上升速率在2015年之后出现了快速上升的趋势。例如，把研究时间段由2005—2015年扩大至2005—2016年，卫星测高的平均速率增加量就超过了0.5 mm/a(表1)。这主要与2015年的强厄尔尼诺事件有关，该事件引起了全球平均海平面快速上升。研究显示，2005—2015年的海平面上升加速与海水质量增加、海水热膨胀均有关系[31]。

尽管当前对海水质量速率不确定度的估计超过了0.3 mm/a，该估计主要是考虑一些可能的系统偏差，如冰川均衡调整的影响。实际上，不同机构发布的时变重力产品之间的差异较小，一般在0.1 mm/a以下。图2为质量与比容海平面变化，其中JAM的发布机构为JAMSTEC，EN4的发布机构为Met Office，BOA由中国自然资源部第二海洋研究所研制。最近研究表明，仅冰川均衡调整改正的不确定度就超过了0.3 mm/a[32]，此外时变重力的低阶项也存在较大不确定度，如一阶项的不确定度为0.2 mm/a[55]。由图2可以看出，2005年之后Argo浮标的数目基本能够覆盖全球主要海域，数据质量得到极大改善，尽管不同数据产品之间仍然存在明显的年际变化差异，但整体的上升趋势差异较小；但在2005年之前，不同Argo产品之间的差异较为显著。

SHCs为球谐系数产品；mascon为约束解

研究结果显示，不仅观测系统的速率估计相差较小，而且时间序列变化也十分吻合(图1)，因此2002—2015年的全球平均海平面上升成因被成功揭示。考虑到海水质量变化的贡献几乎全部来自陆地，分析不同陆地区域的质量变化可进一步增进对海平面上升成因的理解。

2 陆地质量迁移的贡献

陆地质量迁移主要包括3个成分：极地冰盖消融、山地冰川变化、陆地水文变化。在长期趋势方面，极地冰盖消融和山地冰川变化是海平面上升的最主要原因[56-58]；在年际变化尺度上，陆地水文变化的贡献则影响更大[36,53]。

极地冰盖指的是南极冰盖和格陵兰岛冰盖。两个冰盖容纳的总质量足以让全球平均海平面上升约60 m[59-61]。当前，冰盖消融具有高度的空间差异，如格陵兰岛冰盖消融主要集中在靠近海岸的边缘地区，特别是高程在2000 m以下的冰川[62]；格陵兰岛内部冰盖消融较小，甚至有一定增加的趋势[63-64]。类似的情况也发生在南极，尽管其冰盖面积宏大，但冰盖消融或增长主要发生在沿海边缘地区，如最显著的消融位于西南极的阿蒙森海湾[65]；而在东南极沿海地区有质量增加的趋势。极地冰盖消融的主要原因与表面物质平衡过程有关[66]，即由增温引起的径流增加[67-68]。

基于时变重力数据，不同反演方法获取的格陵兰岛冰盖消融速率有所差异(表2)。较小的结果约为160 Gt/a，而较大的估计约为280 Gt/a(每370 Gt的质量消融引起1 mm的等效海平面上升)。文献[79,80,82]建立了独特的反演框架，如依赖于冰川位置的质量集中方法。文献[77]联合使用GNSS数据反演地表质量迁移。文献[16,48]使用海平面变化指纹作反演等。文献[62]将格陵兰岛划分为不同的流域，反演其质量变化。由于格陵兰岛的地理位置相对独立，其他陆地区域质量变化对其信号泄漏的影响较小[63]，格陵兰岛质量变化外泄漏的影响主要体现在空间模态方面。使用球谐系数计算格陵兰岛的质量变化，不使用滤波技术，但把其海岸线向海洋延伸300 km，得到的总体质量变化与很多结果相一致，约为270 Gt/a[36]。延伸300 km的作用是涵盖泄漏进入海洋的信号[86]。由于时变重力的空间分辨率较低，其反演的质量变化空间模态与真实的地表质量相差较大，即使与卫星激光测高的结果也有较大出入[87]。

基于时变重力反演南极冰盖消融的结果差异较大。从方法论角度而言，研究格陵兰岛质量变化的技术方法可以直接应用于南极地区。事实上，很多研究是采用同样反演框架，同时给出对南极和格陵兰岛冰盖消融的变化(表2)。与格陵兰岛不同的是，冰川均衡调整改正对南极冰盖消融估计的影响十分显著。从改正量而言，较大的冰川均衡调整超过了150 Gt/a，而较小的改正仅为60 Gt/a左右，即不同模型输出的冰川均衡调整改正差异显著[88-90]。引起冰川均衡调整模型差异的主要原因有两点：一是模型对南极地区的地质结构假设不同，一是对南极地区古冰盖消融(主要是末次盛冰期以来)历史的约束存在显著差异[88]。南极地区冰盖面积虽然巨大，但冰川消融(或增加)的主要变化发生在沿海局部地区，如西南极的阿蒙森海湾地区是南极冰盖消融最显著的区域，而东南极的毛德皇后地甚至经历质量增加的变化[85]。

表2 陆地质量变化对海平面上升的贡献

山地冰川消融(即除南极和格陵兰岛以外的陆地冰川)对海平面上升同样有重要贡献。时变重力的估计显示，全球山地冰川消融量极大，有的估计结果几乎等于格陵兰岛的冰川消融[84]。山地冰川的消融变化主要发生在阿拉斯加和加拿大北极群岛[84]，两者的消融贡献几乎占据了全部冰川消融的一半。表2给出了阿拉斯加和高亚洲冰川消融的部分估计结果。在阿拉斯加地区，较小的估计结果为35 Gt/a左右，较大的结果约为70 Gt/a。尽管研究时间段会对结果产生影响(因为冰川消融会伴随加速度)，但对信号泄漏的改正策略不同也引起一定差异。不同反演方法引起的差异在高亚洲更为显著，如文献[79]估计的结果仅为-4 Gt/a，而文献[76]估计的结果为47 Gt/a，两者之间存在10倍差异。这可能是由于文献[79]采用球谐展开技术对局部不规则冰川反演产生了较大不确定度，同时采用模型扣除非冰川变化信号(主要是陆地水文)。由于水文模型对趋势的估计不准确[91]，因此，这也可能是造成结果差异的原因。

陆地水文对海平面上升的贡献小于冰盖和冰川消融(表2)，且不同估计得到的陆地水文长期趋势变化有所差异。这些差异的原因与采用的反演方法有一定关系。如文献[74]认为陆地水文在2002—2015年的趋势变化为正值，即通过吸收部分海水质量缓和海平面上升(-0.33±0.20)；文献[38]通过迭代模型方法恢复的陆地水文变化呈现下降趋势，即对海平面上升具有正贡献(0.07±0.13)；估计为正贡献的结果还有文献[19]和文献[48]。不同的反演方法得到的结果差异较大，很大程度上是因为全球陆地面积广袤，而很多信号变化振幅较弱，加之时变重力空间分辨率较低，无法准确反映细节变化。

3 面临的挑战

全球平均海平面上升成因分析研究取得了较大成就，但仍然存在一些挑战，引起这些挑战的主要原因与时变重力的分辨率有一定关系。

3.1 局部变化成因

局部海平面变化成因分析仍然面临较大不确定度。本文将局部尺度定义为300 km以下的空间范围。导致局部海平面变化成因分析困难的主要原因与时变重力的空间分辨率和Argo浮标的有效空间采样有关。通常认为时变重力的空间分辨率大约为300 km[34]，但实际上由于高阶噪声和条带误差的影响，时变重力的有效分辨率难以达到300 km[29]，由于海洋质量变化的信号较弱，其空间分辨率更是低于300 km。特别是在海陆交界处，陆地质量信号高于海洋质量信号，导致陆地质量向海洋区域扩散延伸，形成所谓的泄漏误差[34,86]，特别是在格陵兰岛、阿拉斯加及南极海岸等区域，泄漏误差十分明显[39]。鉴于此，一般认为时变重力恢复的近海海水质量趋势不准确，往往将近海300 km内的海水质量变化屏蔽[36,41,49]。因此，本文提及的全球尺度的海平面上升成因，其海水质量变化不包含近海300 km内的信号。

尽管多数Argo数据产品为1°×1°均匀网格，但有效分辨率低于1°。从线性趋势的空间特征而言，Argo的趋势与卫星测高的趋势十分类似(图3)，从定性的角度而言，几乎捕捉了海平面上升的主要变化，如赤道太平洋区域的正负趋势，以及大西洋和印度洋的趋势。图3(d)中趋势残差为卫星测高计算出的趋势项减去海水质量变化引起的趋势项，再减去海水比容变化引起的趋势项。然而，如果将卫星测高和时变重力产品均转换至1°×1°网格，每个网格点的趋势残差仍然十分明显。就Argo产品而言，浮标观测稀疏程度存在空间差异，直接制约产品的精度。此外，研制Argo产品的方法也会影响数据精度，这由全球平均序列的差异可以推测(图2(b))。

图3 海平面上升趋势(2003—2015年)

实际上，不仅局部海平面上升成因分析具有较大不确定性，即便是在大洋尺度上，海平面上升的长期趋势也无法完全解释，尤其是印度洋，其海平面上升成因仍有超过1 mm/a的趋势无法被时变重力和Argo浮标解释[41]。

鉴于直接估计区域或局部海水空间分布有很大困难，有研究使用海平面指纹研究区域海平面变化成因[92]。从海平面指纹获取的海水质量变化空间分布主要是基于负荷理论和自吸引效应，计算陆地冰川和水文变化引起的海洋空间响应。如文献[16]基于海平面指纹建立了反演框架，能够得出空间任意位置处的海平面变化成因。该方法获得的结果仍有一部分残差无法被质量变化和比容变化解释。因此，该方法也存在一定挑战。

3.2 2016年后成因

图4为全球平均海平面上升趋势，黑色线表示卫星测高(AVISO产品)，红色线表示海水质量与海水热容之和(SUM)，可以看到两者在2016年后差异变大。海平面上升成因在2016年后面临严峻挑战，因为海平面平衡方程的闭合差明显增大，由2005—2015年的0.2～0.3 mm/a增加至1.2 mm/a[42]。观测结果显示，2016年之后卫星测高观测的GMSL速率继续增加，并保持加速度，海水热膨胀的速率也高于2016年之前，但海水质量增加的速率却显著下降，这是引发闭合差增大的直接原因。2016年之后增大的闭合差与观测系统的部分重要时间节点存在巧合。

图4 全球平均海平面上升趋势

2016年前后，卫星测高任务由Jason-2切换至Jason-3，理论上可能是由于卫星测高出现了较大的系统偏差，造成闭合差增大。然而Jason-3的线性漂移与之前的卫星测高任务基本一致，在0.4 mm/a左右[93]，并不能解释增大的闭合差。Argo浮标观测系统在2016年前后出现了较为严重的系统误差[94]，主要是部分浮标对盐度采样偏差较大，甚至影响全球平均比容海平面趋势。然而，鉴于在全球尺度上海水比容变化来自盐度的贡献较小[1]，主要是由海水热膨胀引起的，因此在估计全球比容趋势时，可以只考虑温度变化的贡献，这在一定程度上可以缩小海平面平衡方程的闭合差，但仍不能将其降低至2005—2015年的水平。

卫星重力观测在2016年前后也经历了不同寻常的变化，如为节省电池能量，地面控制组将GRACE其中一颗卫星的加速度计关闭，以保障电池能量能够发射微波测距[85]。在GRACE-FO发射成功后不久，其中一颗卫星的加速度计出现故障[56]。因此重力卫星在2016年之后实际上只有一颗卫星加速度计在工作。在数据处理层面，研究机构采用数据移植策略得到模拟的加速计观测值，用于构建时变重力场模型[85]。在南极和格陵兰岛，时变重力在2016年之后观测的结果与模型输出较一致，因此有研究认为，单加速度计运行期间时变重力观测的精度并没有降低[85]。当然也有研究认为，由于南极和格陵兰岛的冰川消融巨大，并不足以证明时变重力观测精度在2016年后保持不变[42]。

冰川均衡调整改正可能在一定程度上减小2016年后的闭合差。不过需要强调的是，在几十年的时间尺度上，冰川均衡调整是一种线性变化，不会在2016年前后出现速率不一致。采用较大的冰川均衡调整改正值在降低2016年之后闭合差的同时，也可能会增加2005—2015年的闭合差。理论上当前没有足够的证据支持采用较大的冰川均衡调整改正。不过由于冰川均衡调整表征着长期趋势变化[88-90]，观测数据的时间序列越长越有利于对冰川均衡调整的约束，在更长的时间尺度上，选取适宜的冰川均衡调整改正降低闭合差具有一定合理性。

4 总结与展望

海平面变化综合反映了地表水文循环的多种变化，从陆地水文、山地冰川、极地冰盖到地下水抽取[95]。卫星测高可以直接量化海平面总体变化，而Argo浮标和时变重力为研究海平面变化成因提供了独立观测数据。此外，时变重力通过估计陆地质量变化，进一步揭示了海水质量变化的成因，表明气候增温引起的冰川和冰盖消融是海平面上升的主要原因[1,18]。这些研究结果不仅可以丰富对当前海平面上升的认识，还可以有效约束对未来海平面上升的预测，如利用当前的Argo浮标约束模型对热容海平面的输出可以缩小预测的不确定度[96]。

尽管卫星重力测量取得了重大成就，但未来几年海平面变化成因研究仍面临较大挑战。海平面平衡方程的闭合差在2016年明显增大[42]，这是因为卫星测高观测的海平面和Argo浮标观测的热容变化虽然继续保持上升，且速率大于2016年之前，但时变重力估计的海水质量却明显下降。

显然，直接估计海水质量变化无法闭合全球平均海平面平衡方程，一种可行的方案是通过建立和发展有效的技术方法，改善陆地质量变化，缩小闭合差，如在全球陆地冰川区域，联合激光卫星观测确定冰川消融。吸收GNSS垂直位移有望提高区域陆地水储量信号变化，甚至是全球估计[97-101]；使用这些独立观测也有助于验证时变重力是否低估了2016年以后的陆地质量变化。区域海平面变化成因研究则可以借助海洋模型，如使用海洋模式(未同化Argo观测)的盐度输出校正Argo的盐度偏差；由于海洋模式的洋底压力长期趋势变化存在较大偏差，可以通过对比模型和时变重力的年际变化，尝试校正时变重力的长期趋势变化。总体上，仅使用卫星测高、卫星重力、Argo浮标已经难以完全揭示2016年之后的海平面变化成因，无论是全球还是区域尺度上的成因分析都需要模型输出和其他观测的辅助。