蘭州市降水同位素變化特征及影響因素

岳曉博， 張明軍， 王圣杰， 田媛媛

（1.西北師范大學地理與環境科學學院，甘肅 蘭州 730070；2.甘肅省綠洲資源環境與可持續發展重點實驗室，甘肅 蘭州 730070）

0 引言

保存在冰芯［1］、石筍［2］、湖泊沉積物［3］、樹輪［4］等自然檔案中的降水同位素記錄是古氣候和水循環研究的理想載體。在過去幾十年中，國內外學者對此進行了大量研究［1-8］。然而，對這些檔案中δ18O數據的解釋卻一直存在爭議［5-8］。例如在對青藏高原南部冰芯δ18O的解釋上，一些學者認為冰芯中δ18O的變化是由溫度主導［5］，而另一些學者則主張從南亞季風強度的角度去解釋數據［7-8］。這極大地限制了對這一數據的應用。因此，對現代降水同位素變化特征及影響因素的研究就顯得尤為重要。

降水同位素的研究始于20世紀50年代對水循環過程的研究，研究內容主要關注降水同位素的時空分布特征及影響因素。Dansgaard［9］提出的“溫度效應”、“降水量效應”長期以來被認為是降水同位素變化的主要控制因素。一般認為，溫度是中高緯度地區特別是內陸地區降水同位素的主要控制因素［10-11］，而降水量效應主要在低緯度地區特別是在具有海洋環境背景的地方體現［9，12］。水汽來源也被認為是影響降水同位素變化的主要因素之一［13-16］。Tian等［13］從水汽來源的角度研究了中國西部不同氣候區降水同位素的季節分布。Wang等［14］利用三元混合模型對天山地區再循環水汽對降水同位素影響進行了研究。越來越多的研究表明，對流活動會對季風區降水同位素產生重要影響［17-20］。Cai等［17］的研究表明ENSO事件會影響到東亞季風區的對流活動，進而解釋了東亞季風區降水同位素的年際變化。Aggarwal等［18］從降水類型的角度研究了對流降水和平流降水對降水同位素的影響。但大多數研究關注的是對流活動和降水同位素的同步變化。然而近期的研究發現，在降水事件前幾天的對流活動會對降水同位素產生更為重要的影響［21-23］。對這一問題的研究，Gao等［21］在青藏高原南部的研究具有代表性，其研究表明降水事件前幾天的對流活動會對降水同位素產生綜合影響，并且累積時間與對流活動的強度和頻率有關。

蘭州位于東部季風區、西北干旱區、青藏高原區三個氣候區的過渡地帶，氣候受到東亞季風、高原季風、西風帶等大氣環流模式的影響［24］，氣候條件較為復雜。盡管前人已經對蘭州市降水同位素做了一些研究［25-28］，但重點探討的是降水同位素的環境效應以及與水汽來源的關系。而對流活動對蘭州市降水同位素的影響尚未可知。基于此，本研究將利用蘭州市2018年4月—2021年4月的降水事件數據，在降水同位素環境效應的基礎上，進一步研究降水同位素與水汽來源以及對流活動之間的聯系，旨在深化對蘭州市降水同位素的認識，并為季風邊緣區氣候及水文過程的研究提供新的視角。

1 研究區概況

蘭州市（35°34′～37°07′N，102°35′～104°34′E）位處中國西北內陸地區，黃土高原西緣，黃河穿城而過從西南流向東北（圖1）。該區為典型的溫帶大陸性氣候［29］，但由于地處東亞季風邊緣區，同時受東亞季風，高原季風，西風帶等大氣環流模式的影響［24］，使研究區氣候狀況較為復雜。根據1981—2010年的歷史氣象數據，月平均氣溫7月最高，1月最低，年平均降水量為293.7 mm（圖2）。降水事件主要集中發生在夏半年（5—9月），占全年降水量的80%以上；在冬半年（10月至翌年4月）西風帶以及北極的氣團會影響到該區，氣候寒冷干燥。

圖1 研究區位置及采樣站點分布Fig.1 Location of study area and distribution of the sampling sites

圖2 1981—2010年蘭州市月平均降水量及氣溫Fig.2 Monthly average precipitation and air temperature in Lanzhou from 1981 to 2010

2 數據與方法

2.1 降水樣品采集及實驗室分析

本研究選取2018年4月—2021年4月分布在蘭州市的四個采樣站點所收集的降水事件樣品，共計349個（表1）。永登、皋蘭、榆中的降水樣品由當地氣象局的觀察員收集。安寧站點的降水樣品在西北師范大學新校區氣象園內由研究人員收集。對于液體降水樣品，每次降水事件結束后立即將樣品裝入50 mL高密度聚乙烯窄口瓶中密封保存；對于固體降水樣品，則將其裝入低密度聚乙烯密封袋中，待其在室溫下融化后，密封在HDPE中。樣品收集完成之后立即放入冰箱中冷凍保存直至實驗分析。樣品分析在西北師范大學地理與環境科學學院穩定同位素實驗室中進行。所使用的分析儀器為美國ABB-Los Gatos Research公司研發的T-LWIA-45-EP型液態水同位素分析儀，其對δ2H的測試誤差不超過±1‰，對δ18O的測試誤差不超過±0.3‰。分析結果表示為相對于維也納標準平均海洋水（V-SMOW）的千分差值。

表1 采樣站點的基本信息Table 1 Basic information of the sampling sites

式中：R樣品為樣品中重同位素（2H、18O）與輕同位素（1H、16O）的比值；R標準為V-SMOW中的同位素比率。

每月δ2H和δ18O根據當月降水日δ2H和δ18O及降水量進行加權平均，公式為

式中：δ為同位素加權平均值；Pi為降水量；δi為降水量對應的同位素值。

在討論對流活動對降水δ18O影響時，將四個站點的降水同位素數據整合為一個時間序列，整合方式根據降水量進行加權平均［30］。

2.2 氣象及再分析數據

蘭州市的長期氣象數據（1981—2010）來自中國氣象數據網（http：//data.cma.cn/），長期氣象數據用于描述研究區的氣候條件，以及用于劃分研究區的冬半年、夏半年［31］。用于研究環境效應的氣象數據主要來自實測數據，對降水過程起始時刻和終止時刻的氣象數據進行了采集和記錄，安寧站2018年4月至2019年5月的氣象數據來自中國氣象數據網。此外利用美國國家環境預測中心（NCEP）的全球數據同化系統（GDAS ftp：//arlftp.arlhq.noaa.gov/pub/archives/gdas1）數據計算后向軌跡，其空間分辨率為1°×1°。射出長波輻射（OLR）數據來自美國國家海洋和大氣管理局（NOAAhttps：//www.esrl.noaa.gov/psd/data/gridded/data.interp_OLR.html）分辨率為2.5°×2.5°。本研究中，射出長波輻射數據被用作對流活動（夏半年）和溫度（冬半年）的指標［22］。

2.3 HYSPLIT后向軌跡模型計算

本研究使用拉格朗日混合單粒子模型（HYSPLIT）計算降水日的后向軌跡［32］，選擇1 500 m為起始高度，時間間隔為6 h每日進行四次（世界標準時間00：00，06：00，12：00，18：00）后向軌跡計算，計算時間為240 h。選擇地面高度1 500 m處是由于對流層下部1 000～3 000 m之間的水汽輸送濃度以及850 hPa標準水平附近的峰值輸送［33］；選擇240 h是由于水汽在大氣中平均停留時間為8～9天［34］。最后，使用HYSPLIT模型中提供的聚類分析工具，將多個相似的氣團軌跡合并成簇。

2.4 潛在源貢獻因子（PSCF）分析法

PSCF（potential source contribution function）模型被廣泛應用于空氣污染研究［35-36］，是基于條件概率函數來識別潛在污染源區，其原理通過計算污染軌跡與指定區域所有軌跡停留時間的比值來表示網格對研究區污染的貢獻程度。本研究定義經過某一區域的所有軌跡到達研究點所對應某一要素值（降水d-excess值）超過設定閾值（d-excess平均值）時，則認為該軌跡的水汽d-excess值較高，該網格對應的下墊面蒸發強烈，是研究點的潛在蒸發源區［37］。當網格與研究點距離較遠時，nij會減小，使得PSCF分析的誤差增大，不確定性增加。為了控制這種不確定性，將Wij（權重函數）乘以PCSF值［38］，權重函數的確定參考了文獻［39-40］。

式中：nij為所選研究區網格單元中的軌跡總數；mij為同一網格單元中降水d-excess超過其閾值的軌跡數。

2.5 濃度權重軌跡（CWT）分析法

PSCF分析只能給出潛在蒸發源區的空間分布，而對不同源區的貢獻信息表達模糊，為了克服這種限制，本研究引入了Hsu等［41］提出的濃度加權軌跡（concentration weighted trajectory，CWT）分析法，利用計算出的降水d-excess值數據，計算了每條后向軌跡的d-excess值權重值，以反映不同軌跡水汽d-excess值的大小、水汽源地以及再循環水汽對降水d-excess值的影響。在CWT分析中，首先將研究區域網格化（0.25°×0.25°），每個網格均有一個權重降水d-excess值，通過計算經過該網格的所有軌跡對應的平均降水d-excess值來實現［37］。減小誤差的方法同樣采用了權重函數Wij。

式中：Cij為網格（i，j）上的平均權重降水d-excess；k為軌跡數目；m為水汽輸送軌跡經過網格（i，j）時降水d-excess超過其閾值的軌跡數；Ck為軌跡k經過網格（i，j）時對應研究區降水d-excess的大小；Tijk為軌跡k在網格（i，j）上停留的時間，計算過程中用落在網格內軌跡的端點數來代替停留時間。

3 結果與討論

3.1 降水同位素的時空特征

觀測期間，在日尺度上，降水δ18O的變化范圍為-21.05‰～5.52‰，加權平均值為-6.47‰；降水δ2H的變化范圍為-160.73‰～40.79‰，加權平均值為-38.85‰；d-excess（d-excess=δ2H-8.00δ18O）的變化 范 圍 為-18.42‰～30.33‰，加 權 平 均 值 為12.94‰（圖3）。在月尺度上，降水δ18O的變化范圍為-21.05‰～-2.15‰，加權平均值為-6.51‰；降水δ2H的變化范圍為-160.73‰～-14.3‰，加權平均值為-39.02‰；d-excess的 變 化 范 圍 為-0.59‰～30.33‰，加權平均值為13.02‰（圖3）。蘭州市降水δ18O的波動范圍比東部黃土高原降水δ18O更大［42］，較大的波動范圍可能體現出季風邊緣區降水過程復雜的特點［43］。整體而言，蘭州市降水δ18O值在夏半年較高，冬半年較低，而d-excess則表現出夏季低冬季高的季節模式，在周邊地區也觀察到類似結果［44］。

圖3 蘭州市四個站點降水δ18O在日尺度和月尺度上的時間序列Fig.3 Time series of precipitation δ18O on daily and monthly scales at four sampling sites in Lanzhou：Anning District（a），Yuzhong County（b），Gaolan County（c）and Yongdeng County（d）

對于降水同位素的空間分布，蘭州市降水δ18O在夏半年期間最大值（5.52‰）在永登站測得，最小值（-19.50‰）在榆中站測得；在冬半年期間最大值（-2.11‰）與最小值（-21.05‰）均在安寧站測得，降水δ2H的空間分布與δ18O類似。由此看來，蘭州市夏半年降水δ18O的空間變異性比冬半年顯著。

通過對研究區所有降水同位素數據計算得出，蘭州市的局地大氣降水線（LMWL）為δ2H=7.34δ18O+7.28（R2=0.96，n=349，P＜0.01）（圖4），可以看出其斜率與截距均小于全球大氣降水線（δ2H=8.00δ18O+10.00）［45］，這表明雨滴在降落過程中經歷了較為強烈的云下二次蒸發，反映了蘭州較為干旱的氣候環境。此外，將蘭州市的LMWL的斜率和截距與中國其他地區的LMWL進行了比較，發現蘭州市 的LMWL的 斜 率 和 截 距 小 于 廣 東［46］（δ2H=8.46δ18O+15.00）、長沙［47］（δ2H=8.44δ18O+15.01）等東亞季風區站點以及羊卓雍措［30］（δ2H=8.31δ18O+10.04）、阿里［22］（δ2H=8.47δ18O+15.20）等青藏高原區站點，但高于塔里木河流域［48］（δ2H=6.19δ18O-4.79）以及由阜康、策勒等西北內陸站點數據計算得出的LMWL（δ2H=7.05δ18O-2.17）［49］的斜率和截距，這反映出蘭州位于季風邊緣區獨特的水文循環和氣候特點。

圖4 蘭州市局地大氣降水線方程Fig.4 Local meteoric water line equation in Lanzhou

3.2 局地氣象參數與降水δ18O的關系

溫度、降水量、相對濕度等氣象參數被認為是影響降水同位素的主要環境因子，因此在本研究中，首先探討了降水δ18O與各氣象因子分別在日尺度和月尺度上的關系。結果表明，降水δ18O與溫度表現出較強的正相關（圖5），在日尺度上，δ18O=0.3T-10.41（R2=0.19，P＜0.01）；在月尺度上，δ18O=0.26T-10.55（R2=0.31，P＜0.01），因此蘭州市降水δ18O表現出顯著的溫度效應。然而，降水δ18O與降水量Pr的相關性較弱（圖5），在日尺度上，δ18O=-0.01Pr-6.32（R2=0.002，P=0.75）；在月尺度上，δ18O=0.04Pr-9.58（R2=0.19，P＜0.01）；降水δ18O與相對濕度也觀測到類似結果（圖5），在日尺度上，δ18O=-0.07RH-0.66（R2=0.05，P＜0.01）；在月尺度上，δ18O=-0.04RH-4.69（R2=0.01，P=0.39），由此看來，降水量和相對濕度對蘭州市降水δ18O的影響有限。

圖5 蘭州市降水δ18O與日尺度和月尺度氣溫、降水量及相對濕度的相關關系Fig.5 Correlations between precipitation δ18O and air temperature，precipitation and relative humidity on daily and monthly scales in Lanzhou

3.3 水汽來源與降水δ18O的關系

先前的研究表明，降水δ18O的季節變化與水汽來源的季節變化有關［50］。選擇安寧站為研究地點，利用HYSPLIT模型，對降水事件的水汽軌跡進行模擬，并對模擬結果進行聚類分析，以此研究蘭州市降水δ18O與水汽來源的關系。圖6顯示了蘭州市夏半年、冬半年的后向軌跡模擬結果，總的來看，蘭州市夏半年降水的水汽來源要比冬半年復雜。根據聚類結果，在夏半年蘭州市的水汽來源大致可分為兩類。第一類為內陸水汽來源，首先是來自西北方向的水汽，T1軌跡較長發源于東歐，占比為18.99%；T2軌跡較短發源于中亞地區，占比為22.15%，來自東歐和中亞的水汽在西風帶的作用下向東輸送至蘭州，此外還有來自北方的水汽，這類軌跡較短，發源于蒙古地區，占比為18.67%。根據前人的研究結果［51］，在夏半年由于溫度較高，內陸地區蒸發強烈，這使得來自內陸地區的水汽以及之后生成的降水，其同位素值較為富集。第二類為季風水汽，一部分為來自東亞季風的水汽，占比為31.33%，另一部分為來自西南季風的水汽，占比為8.46%。季風水汽會帶來大量的降水，加之水汽在向蘭州輸送過程中受地勢抬升的影響，使得降水同位素值較低［52］，這可能是夏半年部分降水事件δ18O值較低的原因。冬半年蘭州市的水汽軌跡主要是在西風帶的影響下，來自阿富汗和中國新疆的水汽向東輸送至蘭州。

圖6 蘭州市夏半年和冬半年降水水汽來源的后向軌跡聚類Fig.6 Backward trajectory clustering of sources of precipitation and water vapor in summer（a）and winter（b）in Lanzhou

利用HYSPLIT模型只能確定蘭州市降水水汽來源的主要方位和位置。值得注意的是局地再循環水汽對降水δ18O具有重要影響。因此，還利用PSCF分析法和CWT分析法研究了蘭州市的潛在蒸發源區。PSCF分析和CWT分析均能反映出潛在蒸發源區對研究區降水同位素影響的大小，不同的是CWT分析能夠體現出潛在蒸發源區的具體貢獻值。由圖7可知，蘭州市夏半年和冬半年的PSCF分析結果存在明顯差異。從圖7（a）可以看出，在夏半年，PSCF分析的高值區域呈片狀分布于蘭州市東部區域，高值概率在20%以上，特別是在白銀、定西地區，高值概率在30%以上。而在冬半年［圖7（b）］，只有零星的幾個高值點分布在蘭州市周圍，總的來看，并無明顯的高值區域。CWT的分析結果與PSCF的分析結果類似（圖8），在夏半年CWT的分析的高值區域主要分布在蘭州東部區域，對研究區d-excess的貢獻度普遍大于4‰·m-3，在靠近蘭州的地區其貢獻度甚至在6‰·m-3以上［圖8（a）］。而在冬半年［圖8（b）］，并無明顯的高值區域。由此看來，潛在蒸發源區對蘭州市降水同位素的影響主要集中在夏半年，而冬半年主要受到外來水汽輸送的影響。

圖7 蘭州市夏半年和冬半年降水過量氘潛在源的貢獻因子分析Fig.7 Contribution factor analysis of potential sources of d-excess in summer（a）and winter（b）precipitation in Lanzhou

3.4 對流活動與降水δ18O的關系

先前的研究表明，對流活動是影響季風區降水同位素的主要因素之一［17-20］，但大多數研究關注的是對流活動和降水同位素的同步變化。然而在青藏高原南部和西北部的研究發現，降水事件前幾天的對流活動會對降水同位素產生綜合影響，并且累積時間與對流活動的強度和頻率有關［21-22］。首先將蘭州市四個站點的降水δ18O數據合成為一個時間序列［28］，然后計算其與降水事件前d（0～20）天在2.5°×2.5°、7.5°×7.5°、12.5°×12.5°空間尺度上平均OLR之間的相關性，以此研究對流活動對蘭州市降水δ18O的影響。

如圖9所示，無論是夏半年還是冬半年，降水δ18O與當天（d=0）的OLR的相關性并非最為顯著，相關性最顯著的時間均在降水事件前幾天（d＞0），這個結果與Gao等［21］在青藏高原南部的研究結果一致，這表明降水δ18O更受前幾天天氣過程的綜合影響。在夏半年［圖9（b）～（f）］，5月、6月、9月降水δ18O與OLR的相關性達到最顯著的時間在降水事件發生前3～5天，要大于在7月（d=2）、8月（d=1）降水δ18O與OLR的相關性最顯著的時間。這可能與對流系統的強度和頻率有關，在季風初期和末期，對流活動較少且強度較小，水汽同位素綜合了較長時間內對流系統的特征；在季風強盛期，對流活動的強度和頻率都強于季風初期和末期，因此，需要較短的時間間隔來消除先前對流系統的特征。在冬半年［圖9（a），（g）～（h）］，降水δ18O與OLR的相關性達到最顯著的時間較長（d＞7），由于對流活動很少發生，因此這可能是由于溫度對降水同位素的綜合影響。此外，11月至翌年3月降水δ18O與平均OLR的相關性達到最顯著的時間在7天［圖9（h）］，與4月（d=12）和10月（d=16）相比較短［圖9（a），（g）］，這可能與11月至翌年3月頻繁南下的冷空氣有關。從空間角度上看，夏半年降水δ18O與平均OLR在7.5°×7.5°、12.5°×12.5°范圍上的相關性要大于2.5°×2.5°的范圍［圖9（b）～（f）］，而冬半年的模式與夏半年相反［圖9（a），（g）～（h）］。這可能是因為夏半年強烈的對流活動使其有較大的組織范圍；而冬半年，降水δ18O更多是溫度綜合作用的結果，這使得其組織的空間范圍較小。

圖9 在降水事件發生前0～20天δ18O和平均OLR之間的皮爾遜相關系數Fig.9 Pearson correlation coefficient between δ18O and average OLR from 0 to 20 days before the precipitation event：April（a），May（b），June（c），July（d），August（e），September（f），October（g）and November to March（h）

4 結論

本文在對蘭州市降水同位素時空分布特征分析的基礎上，研究了降水同位素與局地氣象參數、水汽來源、對流活動的關系，主要得出以下結論：

（1）蘭州市降水同位素夏半年富集，冬半年貧化，并且夏半年降水同位素的空間變異性比冬半年顯著。此外蘭州市的大氣降水線（LMWL）為δ2H=7.34δ18O+7.28，反映了蘭州市較為干旱的氣候特點。

（2）蘭州市降水同位素表現出明顯的溫度效應，而降水量和相對濕度對降水同位素的影響有限。

（3）根據HYSPLIT模型模擬，蘭州市夏半年降水受到季風水汽和西風帶水汽的影響，冬半年降水主要來自西風帶水汽的輸送；利用PSCF分析法和CWT分析法發現潛在蒸發源區主要分布在蘭州市的東部，并主要對蘭州市夏半年降水同位素產生影響，而冬半年幾乎不存在潛在蒸發源區。

（4）在夏半年，降水事件前幾天的對流活動會對降水同位素產生綜合影響，累積時間與對流活動的強度及頻率有關，在季風初期和末期的累積時間在3～5天，在季風強盛期的累積時間在1～2天；而在冬半年，降水事件前幾天的溫度會對降水同位素產生綜合影響，累積時間在7天以上，并且受到冷空氣南下頻率的影響。