Wave-mean decomposition of scale-dependent kinetic energy from surface drifters

本文引入了一个广义拉格朗日平均框架，利用漂流浮标数据将表面动能中的波浪与平均流贡献进行分离，揭示了在大于 1 km 的尺度上平均流在旋转能量中占主导地位，而在较小尺度上散度分量与旋转分量趋于均分，且冬季相比夏季表现出更活跃的平均流和更强的向尺度下波浪能量传递。

要点

宏观图景：理清海洋中的“噪声”与“信号”

想象一下，海洋表面是一个繁忙的舞池。这里同时存在着两种类型的运动：

1. “平均流”（慢舞）： 大规模、缓慢移动的洋流和涡旋，它们在数天或数周的时间里将海水（以及其中漂浮的任何物体）从一个地方带到另一个地方。这就是“信号”，或者是稳定的节奏。
2. “波浪”（快速抖动）： 高频的晃动、涟漪和内波，它们快速地搅动着水体。这就是“噪声”，或者是抖动的运动。

海洋科学家的挑战在于，这两种运动是混合在一起的。如果你仅仅观察一个漂浮物体（漂流仪），你会看到由缓慢漂移和快速晃动交织而成的混乱局面。很难分辨出有多少能量属于缓慢的电流，又有多少属于快速的波浪。

本文介绍了一种新方法，利用墨西哥湾数千个漂流仪的数据，将这两种运动进行分离。

工具：“拉格朗日滤波器”（移动的摄像机）

为了将舞蹈与抖动分离，作者使用了一种称为**拉格朗日滤波（Lagrangian filtering）**的技术。

• 旧方法（欧拉法）： 想象你站在码头观察海洋。你看到一波浪花拍打，接着是洋流，然后又是另一波浪。但由于洋流在移动，它会让波浪看起来比实际更快或更慢（类似于多普勒效应）。很难分辨波浪在哪里结束，洋流在哪里开始。
• 新方法（拉格朗日法）： 想象你正站在一块冲浪板上，随着缓慢的洋流一起移动。从你的视角来看，缓慢的洋流让你感觉像是静止不动的。然而，快速的波浪仍然会从你身边疾驰而过。通过从移动冲浪板（“平均轨迹”）的角度对数据进行滤波，作者可以清晰地将缓慢的漂移与快速的波浪分离出来。

核心创新： 作者不仅过滤了速度，还过滤了路径。他们计算了如果漂流仪仅跟随缓慢电流时本应经过的路径（“平均轨迹”）。然后，他们测量了相对于这条平滑路径的快速波浪，而不是相对于漂流仪实际经历的崎岖路径。这就像是在测量汽车乘客相对于汽车平稳行驶路径的晃动程度，而不是相对于颠簸路面的晃动程度。

他们的发现：“墨西哥湾”舞池

利用两个不同季节（2012年夏季和2016年冬季）的数据，他们分解了海洋表面的能量。

1. 尺度决定一切（尺度）

• 大尺度（大于10公里）： 海洋由慢舞（平均流）主导。这里的能量主要是旋转性的（像陀螺一样旋转），这是大型海洋电流的典型特征。
• 小尺度（小于1公里）： 快速抖动（波浪）占据了主导。在这里，能量几乎平分在旋转（旋转性）和拉伸/挤压（散度性）之间。

2. 季节性差异

• 冬季（LASER）： “慢舞”在冬季更加活跃且更有能量，尤其是在中等规模（亚中尺度）区域。“快速抖动”则集中在非常微小的点上。作者认为，更强的冬季电流可能正在“撕碎”波浪，将其能量分解到越来越小的尺度中。
• 夏季（GLAD）： “慢舞”没那么活跃。“快速抖动”分布在更大的区域。

3. “散度”带来的惊喜
关于小尺度（小于1公里）下的平均流，有一个非常有趣的发现：

• 通常，我们认为缓慢的电流仅仅是旋转的（旋转性）。
• 但作者发现，在小尺度下，缓慢的电流在旋转的同时，其拉伸和挤压（散度性）的活动也同样剧烈。
• 为什么这很重要： 水平方向上的拉伸和挤压会迫使海水进行垂直方向的上下运动。这表明，即使是“缓慢”的电流也在驱动垂直混合，而这对于海洋中营养物质和热量的输送至关重要。

“亥姆霍兹陷阱”：不要只看旋转

论文还警告了一些科学家过去常犯的错误。

• 捷径： 许多研究人员假设，如果他们看到了“旋转”运动，那就是缓慢的电流；如果看到了“拉伸”运动，那就是波浪。他们对未经滤波的原始数据使用了名为**亥姆霍兹分解（Helmholtz decomposition）**的数学技巧来进行这种猜测。
• 问题所在： 作者证明这种捷径往往是错误的。如果你没有先滤除波浪，你看到的“旋转”可能实际上是缓慢电流与快速波浪的混合物。
• 教训： 你必须在尝试弄清楚电流是旋转还是拉伸之前，先将波浪分离出来。否则，你就像是在别人摇晃书页时试图读书一样。

简而言之

作者构建了一个更好的“数学筛子”，用以分离海洋缓慢稳定的电流与快速抖动的波浪。他们发现：

1. 大型电流主要是旋转性的。
2. 小型电流（小于1公里）在旋转和拉伸方面都异常活跃，这有助于海洋的垂直混合。
3. 冬季电流比夏季电流更有能量，并且会将波浪破碎成更小的碎片。
4. 旧方法如果不在先分离波浪，很可能会误读海洋的能量。

这项研究为我们提供了更清晰的视角，让我们了解能量是如何通过海洋表层流动的，有助于我们理解海洋如何输送热量和营养物质。

技术摘要

技术摘要：基于表面漂流仪的尺度相关动能波-均分解

问题陈述
将海洋运动分离为“平衡态”（慢速、地转或亚中尺度流）和“非平衡态”（快速、内重力波）是海洋动力学中的一个基本挑战。虽然赫姆霍兹分解（将流分为旋转分量和散度分量）是一种常见的启发式方法——将旋转与平衡流联系起来，将散度与非平衡波联系起来——但它并不是一种严格的动力学分解。平衡流可以是散度的（例如亚中尺度锋面），而非平衡流也可以是旋转的（例如近惯性波）。此外，欧拉时间滤波常受到平衡运动引起的多普勒频移的影响，使得清晰的分离变得困难。拉格朗日滤波通过利用流跟随坐标系中平衡运动与非平衡运动之间更清晰的时间尺度分离，提供了一种有前景的替代方案，但其在处理用于推导尺度相关统计量的稀疏、非结构化表面漂流仪数据方面的应用仍然有限。

方法论
作者将广义拉格朗日平均（GLM）框架应用于来自两次墨西哥湾航次的表面漂流仪数据：GLAD（2012年夏季）和LASER（2016年冬季）。

1. 受GLM启发的拉格朗日滤波：

   • 使用5阶巴特沃斯低通滤波器对漂流仪序列进行滤波，截止频率为1.5天（接近惯性周期）。
   • 关键方法论选择： 作者在GLM框架内实施滤波。这意味着高通（波）和低通（平均流）速度分量都被归因于低通滤波后的（平均）轨迹，而非原始粒子轨迹。这一选择的动机是需要消除由平均流平流引起的波能量多普勒频移，从而确保诊断出的平均流代表真实的平衡运动。
   • 高通速度定义为未滤波速度与低通速度之差。

2. 尺度相关统计量（SF2s）：

   • 计算纵向和横向速度差的二阶速度结构函数（SF2s）。
   • 不同于以往假设各向同性的研究，作者将SF2s扩展到方位角傅里叶模态，重点关注 $n=0$（角度平均）模态，以处理非各向同性采样而不假设各向同性。
   • SF2s针对以下内容进行计算：
     • 未滤波速度（$D_{LLo}, D_{TTo}$）。
     • 低通（平均流）速度（$D_{LLs}, D_{TTs}$）。
     • 高通（波）速度（$D_{LLf}, D_{TTf}$），作为低通分离向量 $r_s$ 的函数进行评估。

3. 滤波后SF2s的赫姆霍兹分解：

   • 作者应用赫姆霍兹分解公式对滤波后的SF2s进行处理，以分离旋转（$D_{\psi\psi}$）和散度（$D_{\phi\phi}$）贡献，并针对平均流和波成分分别进行。
   • 这允许直接比较“波-均”分解（通过拉格朗日滤波）与“旋转-散度”分解（通过赫姆霍兹）的结果，以测试仅使用赫姆霍兹作为波-均分离代理指标的有效性。

主要贡献

• 首次实现基于观测的GLM启发式波-均分解： 本研究展示了首次将基于GLM的波-均分解应用于海洋观测数据，特别是从表面漂流仪中推导尺度相关的动能统计量。
• 方法论验证： 论文证明，将滤波后的速度归因于平均轨迹（GLM框架）比将其归因于原始粒子轨迹能产生更具物理可解释性的结果。粒子轨迹坐标系可能会引入人工伪影，即平均流平流会泄露到诊断出的“波”成分中，导致高通SF2s出现不物理的旋转主导现象。
• 对仅使用赫姆霍兹分解的批判： 作者表明，仅对未滤波统计量进行赫姆霍兹分解不足以诊断尺度相关的平衡与非平衡运动之间的划分。虽然旋转主导通常在大尺度上与平衡流相关，但这种关系在小尺度上会失效，因为此时非平衡运动可以是旋转的，而平衡运动可以是散度的。

主要结果

• 尺度相关划分：
  • 大尺度（>10 km）： 平衡（低通）运动在动能中占主导地位，且旋转成分在低通SF2s中占主导，这与地转平衡一致。
  • 小尺度（<1 km）： 非平衡（高通/波）运动在动能中占主导地位。
  • 过渡： 在5–10 km的空间分离处发生从波主导到平均流主导的转变。
• 波（高通）的赫姆霍兹分解：
  • 高通SF2s与线性内波大致一致，表明散度贡献通常大于或等于旋转贡献（$D_{\phi\phi f} \ge D_{\psi\psi f}$）。
  • 在冬季（LASER），近惯性波活动导致的旋转-散度近等分布延伸到了更小的尺度（<10 km），表明亚中尺度下增强了近惯性波活动，这可能是由更强的波-均相互作用驱动的。
• 平均流（低通）的赫姆霍兹分解：
  • 大尺度： 旋转平均流占主导。
  • 亚中尺度（<1 km）： 在夏季和冬季均观察到显著的等分布现象，即旋转和散度低通SF2s之间达到平衡。这表明在这些尺度上，低频散度运动（与垂直交换相关）与旋转运动同样活跃，这一发现此前从未在表面平均流中被量化。
• 季节差异：
  • 冬季（LASER）： 平均流更具能量，并集中在亚中尺度（500 m–10 km）上，相比夏季更为显著。波动能集中在更小的空间尺度上，可能反映了由更强的亚中尺度平均流驱动的增强型下行尺度传递。
  • 夏季（GLAD）： 高通运动显示出较宽的去相关尺度（>100 km）相比于冬季（~1 km），表明波能向小尺度集中的程度较低。

意义与主张
论文声称其主要意义在于提供了一种稳健的、基于观测的方法，用以量化不同尺度下波与平均流对表面动能的贡献。通过采用GLM框架，作者认为他们实现了比以往方法更清晰的波与平均动力学分离，避免了与基于粒子轨迹滤波相关的伪影。

研究结果挑战了认为仅靠赫姆霍兹分解就能分离平衡与非平衡流的简单观点，特别是在亚中尺度下。关于平均流在尺度 <1 km 时存在旋转-散度等分布的发现表明，低频散度运动是表面动力学的一个重要组成部分，这对垂直输运和示踪剂交换具有重要意义。该研究还强调，具有相似平均流统计特征的海洋状态可能表现出截然不同的波统计特征，这凸显了在解释海洋观测（特别是对于像SWOT这样同时采样这些共存尺度的未来卫星任务）时进行波-均分离的必要性。