慕士塔格地區大氣水汽氫氧穩定同位素季節內變化特征及影響因素分析

任行闊， 高 晶， 楊育龍， 陳曼麗， 牛曉偉， 趙愛斌

（1.中國科學院青藏高原研究所青藏高原環境變化與地表過程重點實驗室，北京 100101； 2.中國科學院大學，北京 100049）

0 引言

在自然界中，水由氫、氧兩種元素組成。氫的兩種同位素氕（H）、氘（D）和氧的三種同位素16O、17O、18O 都有不同的原子質量。不同同位素組合方式的水分子（H216O，H218O，HDO）存在分子質量和組合方式上的差異，使得在不同氣象條件下水體相變轉化時會發生同位素分餾，由此導致的水體穩定同位素組成的差異可以反映其形成過程中蒸發、傳輸、對流、冷凝等過程，因此，其被廣泛運用于古氣候的重建［1］和現代水循環過程研究［2］。在過去幾十年里，水體穩定同位素的研究主要集中在降水穩定同位素研究。從1961 年以來，國際原子能機構（IAEA）和世界氣象組織（WMO）聯合，在全世界建立了全球降水同位素觀測網（GNIP），收集了800 多個站點的降水同位素數據和對應氣象數據，使我們對降水穩定同位素的時空分布和影響因素有了清晰認識［3-5］。

大氣水汽是水循環過程中的核心組分，對大氣水汽氫氧穩定同位素的研究有助于我們進一步深入認識現代水循環過程。與降水穩定同位素研究相比，大氣水汽穩定同位素的研究相對很少，但是，大氣水汽穩定同位素研究具有一定的優勢。降水穩定同位素研究所采取的樣品為降水，采樣本身限制了氫氧穩定同位素數據的空時分辨率。天氣狀況和區域條件制約著降水樣品的獲取。大氣水汽穩定同位素觀測不受季節（例如是否降雨季節）和天氣（例如是否有雨）的影響，可以獲得連續的大氣水汽氫氧穩定同位素數據。在少雨甚至無雨的地區，大氣水汽同位素觀測依然可以進行［6］。

在國外，大氣水汽氫氧穩定同位素研究開展相對較早。在歐美、南大洋、格陵蘭島等地都展開過相關的研究［7-10］。White 等［11］對紐約的帕利塞德午后水汽樣品進行研究，發現水汽穩定同位素與相對濕度和比濕存在顯著的正相關關系；Jacob 等［7］利用德國海德爾堡1981—1998年的觀測數據，發現在年際尺度上水汽穩定同位素組成與降水穩定同位素組成表現的顯著相關性并沒有在月尺度上表現出來，而且冬季的溫度效應比夏季大；Gat 等［9］分析地中海大氣水汽同位素數據，證明了海岸附近強烈的海-氣相互作用；Bastrikov 等［10］對西西伯利亞大氣水汽同位素數據的研究，發現大氣水汽同位素組成和濕度的季節性變化依賴于天氣條件；Guilpart 等［8］分析了印度洋西南部留尼汪島1年的水汽穩定同位素記錄，發現大氣水汽穩定同位素夜晚貧化，白天富集，認為其日變化是受海-陸風和上下坡流相互作用控制。

然而青藏高原的大氣水汽穩定同位素研究開展很少。余武生等［12］利用冷阱法采集青藏高原那曲地區大氣水汽樣品，發現季風結束前后，降水事件和水汽來源會影響該流域的水汽δ18O的變化。尹常亮等［13］分析了德令哈大氣水汽穩定同位素，發現德令哈水汽δ18O 的季節變化明顯，呈現夏季值高于冬季值，并且降水事件影響德令哈水汽δ18O 值。崔江鵬等［14］通過分析了青藏高原中部的那曲河流域2013 年10 月15 日—16 日水汽δ18O 變化，發現在季風結束期，印度洋的水汽依舊影響到青藏高原中部地區，帶來δ18O 極低的水汽。Yu等［15］分析塔什庫爾干大氣水汽穩定同位素，發現了溫度是水汽δ18O 變化的主要影響因素。Tian 等［16］分析了2012 年1 月—2014 年9 月的拉薩的大氣水汽穩定同位素，說明了季風期和非季風期間大氣水汽穩定同位素變化差異。在季風期，水汽δ18O的低值與季風水汽有關；在非季風期，水汽δ18O 與溫度呈現正相關性；d-excess的微弱的季節變化反映了水汽來源地的季節性特征。這些研究都表明大氣水汽穩定同位素能夠提供有效的水汽傳輸和局地影響過程信息。

青藏高原是世界上海拔最高的高原，平均海拔超過4 000 m，總面積約250 萬km2［17］。由于其較高的地勢，青藏高原是中低緯度冰川分布最多的區域。青藏高原受西風和季風交替控制，同時，其較高的地勢對西風產生了阻擋。在冬季，西風帶南移，受高原阻擋分為南北兩支，北支的氣流給高原西北部地區帶來一定的濕度，加強了高原地面的冷高壓，南支氣流加強了高原西南部的干旱；在夏季，西風帶北移，南支氣流消失［18］。西風不但影響著青藏高原的氣候模式，而且還影響青藏高原上的現代冰川、湖泊以及生態系統［19］。高分辨率的大氣水汽同位素觀測研究可以更清楚地了解西風傳輸下水汽時空變化特征和水汽穩定同位素變化的影響因子，為區域水循環研究提供必要數據和關鍵認知。

因此，我們于2017 年7 月26 日—11 月6 日 和2018 年7 月30 日—12 月10 日在中國科學院慕士塔格西風帶環境綜合觀測研究站對地表大氣水汽穩定同位素進行了高精度連續實時監測，以闡明不同時間尺度下大氣水汽穩定同位素的變化特征及其影響因素。

1 數據與方法

1.1 研究區域特征

2017 年7 月，作者所在課題組開始在中國科學院慕士塔格西風帶環境綜合觀測研究站（簡稱慕士塔格站）進行高精度連續大氣水汽穩定同位素和同期氣象數據觀測，數據觀測分辨率為1 s。

中國科學院慕士塔格西風帶環境綜合觀測研究站（38.41° N，75.04° E）位于新疆維吾爾自治區阿克陶縣布倫口鄉，緊鄰慕士塔格峰和卡拉庫里湖，地處帕米爾高原東部，屬于高寒、荒漠氣候，是典型的西風帶影響區［20］，發育了許多規模較大的山地冰川［21］，雪線高度在海拔4 900～5 300 m。2017年到2018年的氣象觀測數據表明，該地區日均氣溫為0.7 ℃，日均風速為3.3 m·s-1，日均比濕為3.2 g·kg-1，年均降水量為167.5 mm。溫度、比濕夏季高，冬季低。風速夏季低，冬季高。降雨量主要集中在夏秋季。

1.2 觀測方法與數據處理

我們利用Picarro L2130i 水汽穩定同位素分析儀開展了地表以上8 m 處大氣水汽穩定同位素的實時連續觀測。采集到的大氣水汽直接進入汽化室和主機進行測量。標樣發生器配備兩個不同值的標樣，用于測量結果校準。每天進行標樣與大氣水汽交叉測試。大氣水汽穩定同位素的測試結果用“維也納標準平均海洋水（VSMOW）”的千分差表示，計算公式為：

圖1 慕士塔格站地理位置、主要控制大氣環流以及降水（P）、比濕（q）、風速（WS）、溫度（T）日變化示意圖Fig.1 Map showing the location of the Muztagh Ata Station，the main circulations of controlling atmosphere and precipitation amount（P），specific humidity（q），wind speed（WS），temperature（T）

式中：δ*為δ18O 或δD，表示樣品中18O 或D 同位素比相對于維也納標準平均海洋水（VSMOW）的值；Rsample是樣品的18O 或D 的同位素比，RVSMOW是維也納標準平均海水的18O或D的同位素比。此外，定義過量氘d-excess=δD-8×δ18O。

由于激光水汽穩定同位素分析儀具有水汽濃度依賴性，大氣水汽穩定同位素數據的校準決定了觀測結果的有效性。因此，利用Picarro 儀器觀測到的大氣水汽氫氧穩定同位素必須經過嚴格校準才能進行使用。本研究中校準流程如下：

（1）儀器配備的兩個標樣分別為A1和A2。

（2）消除記憶效應。利用Picarro 水汽同位素分析儀自帶的“SDM Data Processor”軟件刪除儀器每次測量的A1 和A2 標樣的最開始5 分鐘和結束前30 秒數據。當標樣水汽濃度_SD＜200，δ18O_SD＜0.2，δD_SD＜1 時，選擇此數據做記憶效應擬合計算。

（3）濃度效應校正。計算第（2）步處理過的標樣A1和標樣A2在不同水汽濃度下的測量值與其真值的差值，將此差值與水汽濃度差值進行多項式擬合，得到濃度效應方程。利用此方程，消除觀測結果的濃度效應。

（4）建立線性關系。用每天所選的3 個不同水汽濃度梯度的標樣同位素測量值與標樣同位素真值建立線性關系。

（5）大氣水汽穩定同位素數據真值校準：

利用第（3）步得出的δ18O 與H2O 方程和δD 與H2O 方程，以大氣水汽濃度作為自變量求出水汽氫氧穩定同位素偏移值。用測得的大氣水汽氫氧穩定同位素值減去偏移值。再利用第（4）步線性方程，得到大氣水汽氫氧穩定同位素真值。

氣象數據采集方法：按照氣象觀測要求，

慕士塔格西風帶環境綜合觀測研究站在海拔3 650 m 的觀測場架設了一套Campbell 自動氣象站，用于自動觀測風、溫、濕、壓和降水量，記錄頻率為半小時。降水量數據的記錄頻率為天。

降水樣品的收集與測試：按照氣象觀測規范要求，對每次降水過程都實施取樣。在收集降水同時還記錄每次降水的起止時刻，用雨量桶收集雨水后，直接裝入塑料水樣品瓶里進行編號，并標明日期，將瓶蓋擰緊并加以密封以防瓶中水樣品蒸發。密封有降水的塑料瓶保存在低溫室內。樣品的測試是在中國科學院青藏高原研究所環境變化與地表過程重點實驗室Picarro 儀器上進行的。測試結果以V-SMOW“維也納標準平均海洋水”的千分差表示：

式中：Rsample和RVSMOW分別為降水樣品和V-SMOW 中D/H（18O/16O）的比率。同位素D 和18O 含量分別用δD和δ18O表示。

2 結果與分析

2.1 慕士塔格地區大氣水汽氫氧穩定同位素時間變化特征

圖2 給出了2017 年和2018 年夏季和秋季大氣水汽中δ18O、d-excess、風速（WS）、溫度（T）和比濕（q）的日內變化特征。在對應的時間范圍內，我們計算多日平均的小時數據，對應時刻為00：00—23：00（北京時間，下同）。2017 年夏季，大氣水汽中δ18O最大值為-12.25‰，最小值為-13.86‰，平均值為-13.04‰；d-excess 最大值為21.96‰，最小值為16.90‰，平均值為19.70‰。2017 年秋季，大氣水汽δ18O 明顯低于夏季，其最大值為-18.67‰，最小值為-24.72‰，平均值為-21.44‰；而d-excess 顯著高于夏季，平均值為25.90‰，其最大值比夏季最大值高出約10‰，最小值也高于夏季最小值5‰。這表明秋季水汽來自于更干冷的來源。2018 年夏季，大氣水汽δ18O 范圍與2017 年夏季相近，為-12.87‰～-14.96‰；其d-excess 平均值較2017 年同期增大約4‰，最大值和最小值都高于2018 年同期約3‰。2018 年秋季，大氣水汽δ18O 平均值低于2017 年秋季平均值約9‰，其范圍為-28.77‰～-31.36‰，而d-excess 低于2017 年同期約10‰，最小值接近全球平均值10‰。這很可能是2018 年的水汽源地與2017年相比發生了變化，但這需要其他數據分析來證實，此文不做分析討論。

在圖2 中，水汽δ18O、水汽d-excess、氣溫和比濕都具有明顯的日變化特征。夏季，溫度最低值出現在08：00，最高值出現在18：00。秋季，溫度最低值出現在09：00，最高值出現在17：00—18：00。溫度極值出現的時間差異受控于日照的季節差異。風速在夏季的夜間出現最大值，而在秋季的下午16：00 左右出現最大值。水汽δ18O 在夏季和秋季12：00—19：00 都明顯低于其他時間，并且該時段的比濕值也低于全天其他時段，但是水汽δ18O 的最大值出現時間不確定，分別為03：00［圖2（a）］，09：00［圖2（b）］，04：00［圖2（c）］和11：00［圖2（d）］，即，夏季水汽δ18O 的最大值出現在凌晨，而秋季出現在日出之后。其出現時間不對應于氣溫、比濕和風速的極值出現時間。我們還發現，夏季，d-excess 與δ18O反相位，其值在10：00—13：00 達到每日最大值，其峰谷變化與比濕較一致；秋季，d-excess 值在12：00—18：00 顯著高于其他時段，其峰值早于溫度峰值出現時間約6 小時，也早于比濕和風速的峰值出現時間。這表明該地區大氣水汽穩定同位素變化的主導因素不是單一局地氣象要素。

圖2 水汽δ18O、d-excess、溫度、比濕以及風速日變化特征Fig.2 Intra-daily changes of water vapor δ18O，d-excess，temperature，specific humidity，wind speed：picture belongs to the summer of 2017，2017-07-26—2017-08-31（a）；picture belongs to the autumn of 2017，2017-09-01—2017-11-06（b）；picture belongs to the summer of 2018，2018-07-30—2018-08-31（c）；picture belongs to the autumn of 2018，2018-09-01—2018-11-30（d）

表1 大氣水汽穩定同位素組成與氣象參數統計值Table 1 Atmospheric water vapor stable isotopes and corresponding meteorological data

表1 給 出 了2017-07-26—2017-11-06 和2018-07-30—2018-12-10 大氣水汽氫氧穩定同位素與站內自動氣象站測得溫度（T）、風速（WS）和比濕（q）的基本統計特征。2017 年水汽δ18O 的最低值出現在9月25 日06：00，最高值出現在7 月28 日14：00，平均值為-15.80‰；7 月水汽δ18O 日波動幅度最小，而8月14 日至20 日的水汽δ18O 日波動幅度最大，超過10‰。δD 的變化基本與水汽δ18O 一致；d-excess 最低值出現在8 月15 日23：00，最高值出現在9 月25日11：00，平均值為21.74‰；溫度（T）的最低值出現在9月26日09：00，最高值出現在8月1日20：00，平均值為5.68 ℃；風速（WS）的變化范圍與2018 年相差很小，但平均風速略低于2018年；比濕（q）的最低值出現時9 月25 日10：00，最高值出現在7 月29 日11：00，平均值為4.30 g·kg-1，顯著高于2018 年。2018 年的水汽δ18O 的變化范圍略大于2017 年的δ18O 變化范圍；δD 的變化范圍明顯大于2017 年的δD 變化范圍，而平均值為-190.17‰，顯著低于2017年的δD平均值；d-excess的變化范圍較2017年出現了負值。值得注意的是，當δ18O＜-19‰時，基本以西南風為主導風向。

大氣水汽δ18O 和δD 在2017年以及2018年呈現明顯的下降趨勢，表現為7 月或8 月出現最大值，此后逐漸減小，到12 月出現最低值。10 月之前d-excess 的波動幅度小于10 月之后的波動幅度。此期間的溫度（T）和比濕（q）總體也呈現明顯的下降趨勢。溫度（T）有明顯的日間波動，這是由于受日照變化影響。水汽δ18O 和δD 的波動與比濕的波動更為接近。兩年的比濕變化特征顯示，在10月前比濕的波動幅度要大于10 月之后比濕的波動幅度。這可能是由于該地區10 月之前，氣溫較高，日溫差較大，區域蒸發作用較強，比濕較高，比濕的波動幅度也較大。在10 月之后，溫度降低，區域蒸發作用減小，西風加強，此時的濕度較低，濕度波動幅度較小。風速10 月之前的波動幅度要小于10 月之后的波動幅度。

圖3 顯示了水汽δ18O、d-excess、降水δ18O、風速、降水量日均值的時間變化。從圖中可以看出日變化特征與小時變化類似。降水樣品的收集主要集中在7—9月。降水δ18O顯著高于同期水汽δ18O值。降水δ18O值與同期降水量的相關性并不顯著。在10月之前，該地區溫度高，蒸發強烈，局地的地表水蒸發成水汽補充了原來空氣中的水汽，導致水汽重同位素貧化，而降水重同位素富集。在2018 年，風速在10月之后波動較大，與水汽δ18O的波動呈反相位，并對應于水汽d-excess 的迅速減小。這表明了水汽傳輸過程對近地面大氣水汽穩定同位素的影響。

圖3 水汽δ18O、d-excess、降水δ18O、風速、降水量日變化Fig.3 Daily changes of water vapor δ18O，d-excess，precipitation δ18O，wind speed and precipitation amount

在月尺度上，慕士塔格水汽δ18O 的變化特征與塔什庫爾干水汽δ18O［15］相似，都是秋、冬季較高，夏季較低。這可能是由于兩地都處于西風控制區，降水在7月、8月、9月較多，10月、11月較少，季節性降水來源和地表蒸散發貢獻的差異導致了近地表大氣水汽穩定同位素的差異。與拉薩的研究［16］相比，慕士塔格水汽δ18O 沒有表現出季風水汽影響的特征，這主要是由于拉薩夏季主要受印度季風水汽影響，二者水汽來源有顯著差異。

2.2 大氣水汽穩定同位素不同時間尺度主要控制因素分析

為了進一步分析日尺度上影響大氣水汽穩定同位素的氣象因素，我們將氣象參數與水汽δ18O 進行了相關分析。

圖4給出了小時平均水汽δ18O 與溫度以及比濕的擬合關系。在小時尺度上，水汽δ18O 與溫度呈顯著正相關關系（r2=0.51，n=2637，P＜0.001），與比濕呈對數關系（r2=0.79，n=2637，P＜0.001）。這表明該地區大氣水汽δ18O 受局地大氣濕度的顯著影響，同時也受到溫度變化的影響。外來水汽輸入和局地蒸散發會導致大氣濕度的顯著變化，而溫度降低會導致大氣水汽不斷凝結，水汽中的重同位素不斷減少，隨之大氣水汽δ18O 減小。這與周邊和田、喀布爾（阿富汗）［22］的降水穩定同位素研究結果相似。

圖4 水汽δ18O小時平均值與對應溫度、比濕的關系Fig.4 Relationship between hourly water vapor δ18O and corresponding temperature，specific humidity

為了進一步討論在小時尺度上氣象要素對水汽δ18O 的影響，將水汽δ18O 與溫度、比濕進行了多元回歸分析。設定多元回歸模型為：δ18O=a×T+b×ln（q）-c（a、b為系數，c為常數），分為模型1（包括自變量溫度、比濕）、模型2（排除自變量溫度）、模型3（排除自變量比濕），運行三次。得到三個多元回歸方程（模型1：δ18O=0.29T+10.76ln（q）-35.86；模型2：δ18O=12.89ln（q）-37.24；模型3：δ18O=0.93T-25.59），其調整r2分別為0.82、0.79、0.51。說明在小時尺度上比濕對大氣水汽δ18O 的影響顯著強于氣溫，這與單一要素的相關分析結果一致。

圖5 給出了日平均水汽δ18O 與溫度和比濕以及風速的擬合關系。結果表明，日平均水汽δ18O 與溫度也呈正相關關系（r2=0.80，n=152，P＜0.001），與比濕也呈對數關系（r2=0.80，n=152，P＜0.001），而且與溫度的相關性顯著提高。這表明在不同時間尺度上，溫度和比濕對水汽δ18O的影響發生了變化。此外，日平均水汽δ18O 與風速呈現顯著反相關關系（r2=0.31，n=152，P＜0.001），即當風速越大時，水汽δ18O 值越低，而當風速越小時，水汽δ18O 值越高，但是這一關系并未在小時尺度上表現出來。這可能是由于氣溫、濕度和風速在不同季節的水汽來源下，在近地表過程中產生的影響不同，在此文中不做詳細討論。

圖5 水汽δ18O日平均值與對應溫度、比濕、風速的關系Fig.5 Relationship between daily water vapor δ18O，temperature，specific humidity，and wind speed

同樣在日尺度上進行了多元回歸分析，設定水汽δ18O 為因變量，溫度（T）、風速（WS）、比濕（q）作為自變量，設定多元回歸模型為：δ18O=a×T+b×WS+c×ln（q）-d（a、b、c為系數，d為常數），分為模型1（包括自變量溫度、比濕、風速）、模型2（包括自變量溫度、風速）、模型3（包括自變量溫度、比濕）、模型4（包括自變量風速、比濕）、模型5（包括自變量溫度）、模型6（包括自變量比濕）、模型7（包括自變量風速），得到7 個多元回歸方程（模型1：δ18O=0.89T-2.15×WS+3.37×ln（q）-23.47；模 型 2：δ18O=1.17T-2.42WS-19.77；模 型3：δ18O=0.69T+6.94ln（q）-33.03；模型4：δ18O=-1.69WS+12.01ln（q）-31.75；模型5：δ18O=1.31T-27.11；模型6：δ18O=13.38ln（q）-38.134；模型7：δ18O=-4.15WS-11.13）。其調整r2分別為0.90、0.90、0.84、0.84、0.80、0.80、0.30，說明在日尺度上比濕和溫度對大氣水汽δ18O的影響都很顯著，并且強于風速。

2.3 大氣水汽穩定同位素變化與水汽傳輸路徑的關系

大氣水汽是降水的基礎。大氣水汽在傳輸過程中，溫度降低，大氣水汽發生冷凝，因而產生降水。大氣中含有水汽量的多少影響降雨量的多少。因此，本文選擇有降水樣本的時間點作為典型時段，對其進行水汽來源追蹤。不同源地產生的大氣水汽穩定同位素不同，大氣水汽在傳輸過程中，經過蒸發、冷凝、混合等過程都會改變大氣水汽中穩定同位素的組成。因此大氣水汽的來源和傳輸過程都會影響目的地的大氣水汽穩定同位素組成。

利用水汽追蹤模型，本節分析了2017年和2018年水汽來源和水汽傳輸過程對慕士塔格地區大氣水汽穩定同位素的影響。利用混合單粒子拉格朗日積分空氣后向軌跡追蹤模型（Hybrid Single-Particle Lagrangian Integrated Trajectory model，簡 稱HYSPLIT）追蹤了慕士塔格站點降水日當天空氣后向軌跡以及沿空氣軌跡水汽含量的變化，以空氣軌跡終點和沿途水汽含量的變化來定性地判斷水汽來源。在一定時間內的氣塊中的水汽含量的變化是凝結與蒸發之間平衡的結果［23-24］，故空氣軌跡上的水汽含量的變化可以指示水汽的源與匯［25-26］。在一定時間段內，如果有新的水汽加入，則水汽含量會增加，如果有降水發生，則水汽含量減少。根據空氣的軌跡及水汽含量的變化，可以定性地分析水汽來源。

本研究以慕士塔格站所在坐標（38.41° N，75.04°E）的三個不同高度（500 m、1 000 m、1 500 m）為起點，后向追蹤7 天（168 h）的空氣軌跡，并計算出沿空氣軌跡每一點的比濕用來分析沿空氣軌跡水汽含量的變化。所使用再分析氣象數據為：再分析氣象數據為空間分辨率為0.5°的GDAS（Global Data Assimilation System）數據。

圖6為慕士塔格降水日當天的空氣軌跡和比濕變化圖，顯示了水汽含量隨傳輸軌跡的變化情況，可以看出該地區降水日水汽傳輸表現為西風和局地對流為主，水汽來源地大多為距離較近的周邊地區和中亞，8月和9月偶爾也發現了來自西伯利亞和北大西洋的水汽，這是因為該地處于西風環流控制的地區，西風環流可將較遠地區的水汽帶至青藏高原。

圖6 慕士塔格空氣軌跡水汽含量變化圖Fig.6 variations of specific humidity along 5-day back trajectories from Muztagh Ata Station

除了2017 年8 月4 日以外，其他時間的空氣軌跡中，比濕幾乎都是隨著距離減小而增加，說明在水汽輸送的過程中水汽不斷地增加，到達慕士塔格附近水汽含量降低，但形成降水，這說明了水汽傳輸過程中，沿途有水汽不斷補充，到達慕士塔格后發生降水。2017 年8 月4 日的空氣軌跡比濕變化圖可以看出，距離地面1 000 m 的水汽來源地為西伯利亞和北大西洋，氣團比濕達到11 g·kg-1，并且由遠到近逐漸減少，但在到達慕士塔格之前，氣團比濕又有所增大。這說明在傳輸過程中的水汽不斷凝結成降水，但沿途有陸面水汽補充。這使得該日的水汽δ18O 為-15.42 ‰，明顯偏低于前后時段水汽δ18O 約6‰（d-excess 增大約3‰）。2018 年9 月6 日的水汽追蹤圖也表明，水汽主要自來源于北部西伯利亞和周圍局地環流，經過距離地面2 000 m 高空傳輸到達研究站，周圍局地環流的比濕顯著高于西伯利亞傳輸水汽。此次降水使得水汽δ18O 減小約2‰，d-excess增加約2‰。

從這些水汽追蹤圖中，我們也可以明顯看出，當水汽自地中海和北大西洋長距離傳輸至慕士塔格時，水汽δ18O 顯著低于前期大氣δ18O，最大時可達約7‰，同時，d-excess 也會顯著增大。但是，當水汽來自于短距離傳輸時，水汽同位素的差值不顯著。這表明水汽來源和傳輸距離對大氣水汽穩定同位素的波動幅度有重要影響。

3 結論

通過 對2017 年7 月26 日—2017 年11 月6 日 和2018年7 月30日—2018年12月10日慕士塔格站大氣水汽穩定同位素和同期氣象因子的時間變化特征和相關性分析，得到如下結論：

（1）慕士塔格站水汽中δ18O、d-excess 與站內氣象站測得溫度（T）和比濕（q）等參數有如下特征。在小時尺度上，水汽δ18O在下午為較低值。d-excess值在12點左右相對較高，高值的出現時段略超前于溫度高值的出現時段。在日尺度上，水汽δ18O 白天平均值較高，晚間平均值較低。降水δ18O 值高于同期水汽δ18O 值，并沒有發現“降水量效應”。2017 年和2018 年大氣水汽中的δ18O、δD 和溫度、濕度呈現明顯的從夏季到冬季逐漸減小。

（2）在小時尺度上，大氣水汽δ18O與溫度呈正相關系，與比濕呈對數關系，通過多元回歸分析，結果顯示比濕對水汽δ18O的影響強于溫度；在日尺度上，大氣水汽δ18O 與溫度呈正相關系，與比濕呈對數關系，與風速呈現反相關關系，多元回歸分析結果顯示比濕和溫度對大氣水汽δ18O 的影響都很顯著，并且強于風速。

（3）通過降水事件后向軌跡追蹤分析，發現該地的水汽主要來源于由西風傳輸的西伯利亞、北大西洋和周圍地區，沿途有水汽補充。水汽來源和傳輸距離對大氣水汽穩定同位素的波動幅度有重要影響。

以上結果只是對慕士塔格站地表大氣水汽穩定同位素和同時期氣象參數進行了簡單初步分析，后續還需要結合模型等開展水汽傳輸路徑和水汽來源的深入分析，以闡明西風傳輸對該區域大氣水汽穩定同位素變化的影響。